대학 AI 거버넌스와 안전한 사용의 기준선

빠른 AI보다 먼저 필요한 것은 신뢰다

빠른 AI는 매력적이다. 한 줄의 지시로 공문 초안이 나오고, 긴 회의록이 몇 초 만에 요약되며, 학생 안내문은 더 부드러워진다. 그러나 대학 행정에서 진짜 경쟁력은 "누가 더 빨리 썼는가"가 아니라 "누가 더 안전하게 신뢰를 지켰는가"에서 갈린다.

대학교는 일반 기업보다 훨씬 복잡한 데이터를 다룬다. 성적, 상담, 장학, 입시, 징계, 채용, 연구 참여자 정보, 계약서, 위원회 회의록, 내부 예산안이 하루에도 수십 개의 파일로 오간다. 이 데이터들은 단순한 문서가 아니다. 누군가의 기회, 평판, 권리, 미래와 연결된 민감한 기록이다.

그래서 대학의 AI 거버넌스는 "AI를 쓰지 말자"는 금지문이 되어서는 안 된다. 오히려 반대다. 안전한 사용 기준을 세워야 더 많은 직원이 더 자신 있게 AI를 쓸 수 있다. 거버넌스는 브레이크가 아니라 에어백이다. 사고를 막고, 혹시 문제가 생겨도 피해를 줄이며, 모두가 같은 방향으로 움직이게 만드는 캠퍼스의 운영체계다.

거버넌스는 금지가 아니라 캠퍼스 운영체계다

대학의 AI 정책은 정보화 부서의 보안 공지만으로 완성되지 않는다. 생성형 AI는 교무, 입학, 학생지원, 산학협력, 도서관, 홍보, 인사, 구매, 연구윤리, 법무, 감사까지 거의 모든 행정 기능에 스며든다. 실제로 여러 대학의 AI 정책과 가이드라인은 교수, 직원, 학생 등 이해관계자가 참여하는 공식 논의체나 위원회를 통해 만들어지는 경우가 많다.¹ 좋은 정책은 중앙에서 내려오는 일방적 지시가 아니라, 현장의 업무 언어로 번역된 공동 약속이다.

AI 거버넌스의 첫 문장은 이렇게 시작하는 편이 좋다.

우리 대학은 AI를 책임 있게 활용하여 교육·연구·행정의 품질을 높이되, 개인정보 보호, 학문적 진실성, 공정성, 설명 가능성, 인간의 최종 책임을 훼손하지 않는다.

이 문장은 화려하지 않지만 강하다. 무엇을 장려하고, 무엇을 넘지 않을지 기준을 세우기 때문이다.

세계 여러 대학의 생성형 AI 정책을 비교한 연구들도 공통적으로 가치와 위험의 균형, 다층적 지원, 사회적 영향에 대한 선제 대응, 정책의 지속적 갱신을 강조한다.² 즉 AI 지침은 한 번 PDF로 배포하고 끝나는 문서가 아니라, 매 학기 업데이트되는 살아 있는 운영 기준이어야 한다.

AI 거버넌스 협의체는 최소한 세 가지 산출물을 만들어야 한다.

1. 허용·제한·금지 사용 사례 목록

2. 데이터 등급별 입력 기준

3. 고위험 업무의 인간 검토 절차

이 세 가지가 없으면 직원은 매번 개인의 감으로 판단하게 된다. 감으로 움직이는 AI 사용은 빠를 수는 있어도 안전하지는 않다.

# 역할
당신은 대한민국 대학교의 AI 거버넌스 수립을 돕는 정책 기획 전문가다.

# 목표
우리 대학의 생성형 AI 활용 기본 원칙 초안을 작성한다. 목적은 AI 사용을 막는 것이 아니라, 개인정보·보안·저작권·윤리·인간 검토 기준을 갖춘 책임 있는 활용 체계를 만드는 것이다.

# 대학 상황
- 대학 유형: [예: 4년제 사립대 / 국립대 / 전문대]
- 주요 AI 사용 예상 부서: [예: 교무, 입학, 학생지원, 산학협력, 홍보, 인사]
- 현재 승인된 AI 도구: [예: 없음 / 기관용 ChatGPT / Gemini / NotebookLM / 기타]
- 내부 규정 현황: [예: 개인정보보호 지침 있음, AI 지침 없음]

# 작성 원칙
- 금지 중심이 아니라 책임 있는 활용 중심으로 쓴다.
- 교수, 직원, 학생, 정보보안, 법무, 감사 등 이해관계자 역할을 포함한다.
- 개인정보와 민감정보 보호를 최우선 기준으로 둔다.
- 개인의 권리와 기회에 영향을 미치는 결정에서는 AI가 최종 판단자가 될 수 없음을 명시한다.
- 문장은 행정 규정 초안처럼 명확하고 간결하게 쓴다.

# 출력 형식
## 1. 기본 선언문
5문장 이내

## 2. 적용 범위
대상자, 대상 업무, 대상 도구로 구분

## 3. 운영 원칙
표로 작성: 원칙 / 의미 / 현장 적용 예시

## 4. 거버넌스 협의체 구성안
표로 작성: 참여 주체 / 역할 / 검토 주기

## 5. 추가 검토가 필요한 쟁점
부서 인터뷰가 필요한 질문 10개

# 검토 기준
초안 마지막에 다음 항목을 자체 점검하라.
- 개인정보 보호가 충분히 반영되었는가
- 고위험 의사결정에서 인간 책임이 명확한가
- 부서가 실제로 실행할 수 있는 수준인가
- 모호한 표현이 남아 있지 않은가

데이터에는 체온이 있다

AI에 무엇을 입력할 수 있는지 정하는 일은 거버넌스의 심장이다. 많은 사고는 악의에서 시작되지 않는다. "이름만 지웠으니 괜찮겠지", "요약만 시키는 건데 문제없겠지", "잠깐 붙여넣고 지우면 되겠지" 같은 작은 방심에서 시작된다.

공개형 AI 도구에 입력한 내용은 기관의 통제 밖으로 나갈 수 있다. 서비스에 따라 학습에 사용되지 않도록 설정할 수 있고, 기업용 계약에서는 데이터 보호 조항이 강화될 수 있지만, 그것이 모든 위험을 없애는 것은 아니다. UNESCO도 생성형 AI 도구의 확산 속도가 규제의 적응 속도보다 빠르며, 교육과 연구에서 데이터 프라이버시 보호가 핵심 과제라고 지적한다.³ 대학은 "어떤 도구를 쓰는가"보다 먼저 "어떤 데이터를 넣는가"를 물어야 한다.

비식별화도 이름을 지우는 작업으로 끝나지 않는다. 학번, 학과, 성별, 학년, 장학 유형, 상담 일시, 특정 사건 날짜가 조합되면 누군지 알 수 있는 경우가 많다. 특히 소규모 학과, 특수 장학, 징계·상담·장애 지원 사례는 일부 정보만 남아도 재식별 위험이 크다. 익명처럼 보이는 문장이 누군가에게는 너무 또렷한 얼굴이 될 수 있다.

개인정보와 보안에서 가장 좋은 습관은 최소 입력이다. 좋은 답을 받겠다고 모든 파일을 통째로 넣는 순간, 편리함은 커지지만 위험도 같이 커진다. 필요한 맥락만 남기고, 사람을 알아볼 단서는 제거하고, 판단에 필요 없는 세부 정보는 과감히 지워야 한다.

# 역할
당신은 대학 행정 데이터 보호 담당자다.

# 목표
아래 업무에 AI를 사용하기 전에 입력 데이터의 위험 등급을 분류하고, 안전한 대체 입력 방식을 제안한다.

# 중요 제한
실제 개인정보, 학번, 성명, 연락처, 주민등록번호, 여권번호, 성적, 상담 내용, 장학 정보, 입시 평가 내용, 징계 정보, 연구 참여자 원자료는 입력하지 않는다.
아래에는 실제 원문이 아니라 비식별화된 설명만 넣는다.

# 업무 설명
- 부서: [부서명]
- 하려는 작업: [예: 학생 안내문 초안 작성, 회의록 요약, 민원 답변 검토]
- 사용하려는 AI 도구: [도구명]
- 입력하려는 자료의 종류: [자료 설명]
- 자료에 포함될 수 있는 민감 요소: [비식별 설명]

# 판단 기준
데이터를 다음 네 등급으로 분류한다.
1. 공개 데이터
2. 내부 일반 데이터
3. 보호 데이터
4. 고위험·민감 데이터

# 출력 형식
## 1. 데이터 등급 판정
등급과 이유를 쓴다.

## 2. 입력 가능 여부
가능 / 제한적 가능 / 입력 금지 중 하나로 판단한다.

## 3. 안전한 대체 방식
비식별화, 요약본 사용, 가상 사례 변환, 내부 승인, AI 미사용 중 적절한 방식을 제안한다.

## 4. 프롬프트에 넣어도 되는 안전한 예시 문장
실제 개인정보 없이 다시 작성한다.

## 5. 담당자가 확인해야 할 사항
개인정보, 보안, 학칙, 계약상 비밀유지 관점에서 체크리스트를 만든다.

# 주의
확실하지 않으면 입력 가능하다고 단정하지 말고, 내부 개인정보보호 또는 정보보안 담당자의 검토가 필요하다고 표시한다.

고위험 업무에서 AI는 판사가 아니라 서기다

대학에는 AI가 들어가면 안 되는 자리가 있다. 더 정확히 말하면, AI가 최종 판단자가 되어서는 안 되는 자리가 있다. 입학 합격 가능성, 장학 선발, 채용 서류 평가, 인사평가, 성적 산정, 학생 징계, 상담 개입, 연구 참여자 위험 판단처럼 개인의 권리와 기회에 중대한 영향을 주는 업무가 그렇다.

유럽 AI Act 관련 논의에서도 교육기관 입학, 학습 성과 평가, 교육 수준 접근 판단, 시험 중 금지행위 모니터링 등에 쓰이는 AI 시스템은 고위험 영역으로 분류된다.⁵ 한국 대학이 유럽 규제를 그대로 적용받는 상황이 아니더라도, 이 분류는 매우 실용적인 힌트를 준다. 학생의 인생에 영향을 주는 자동화는 가볍게 도입하면 안 된다는 뜻이다.

AI는 비교표를 만들 수 있다. 누락된 서류를 찾는 체크리스트를 만들 수 있다. 긴 지침을 요약해 담당자가 읽기 쉽게 정리할 수 있다. 그러나 "이 학생은 탈락", "이 지원자는 부적합", "이 직원은 낮은 평가"처럼 결론을 대신 내려서는 안 된다. 대학 행정에서 AI의 좋은 자리는 재판장석이 아니라 서기석이다.

고위험 업무의 기준은 간단하다. 그 결과가 한 사람에게 불이익, 배제, 낙인, 기회 상실을 만들 수 있다면 AI는 보조자로만 둔다. 그리고 보조자로 사용했다는 사실도 기록한다. 언젠가 당사자가 "왜 그런 결론이 나왔습니까?"라고 물었을 때, 담당자는 "AI가 그렇게 말했습니다"가 아니라 "사람이 이 기준으로 검토했습니다"라고 답할 수 있어야 한다.

# 역할
당신은 대학의 AI 고위험 업무 검토위원이다.

# 목표
아래 AI 활용 아이디어가 개인의 권리와 기회에 영향을 미치는 고위험 업무인지 판단하고, 허용 가능한 보조 범위로 재설계한다.

# 업무 아이디어
- 부서: [부서명]
- AI로 하고 싶은 일: [업무 설명]
- 영향을 받는 대상: [예: 학생, 지원자, 교직원, 연구 참여자]
- 결과가 미치는 영향: [예: 합격, 장학금, 성적, 징계, 채용, 상담]
- 사용하려는 데이터 유형: [비식별 설명]

# 판단 기준
다음 영역에 해당하면 고위험으로 본다.
- 입학, 장학, 성적, 졸업, 징계, 상담, 채용, 인사평가, 연구 참여자 보호
- 개인에게 불이익이나 기회 상실을 줄 수 있는 업무
- 민감정보 또는 보호 데이터가 필요한 업무

# 출력 형식
## 1. 고위험 여부
고위험 / 중위험 / 저위험으로 분류하고 이유를 쓴다.

## 2. 금지해야 할 AI 사용 방식
AI가 최종 판단자처럼 작동하는 부분을 구체적으로 지적한다.

## 3. 허용 가능한 보조 기능
자료 정리, 비교표, 체크리스트, 초안 작성, 누락 점검 등으로 제한해 다시 설계한다.

## 4. 인간 검토 절차
담당자 검토, 부서장 확인, 필요 시 위원회 심의 흐름으로 제안한다.

## 5. 기록해야 할 항목
사용 목적, 도구, 데이터 등급, 프롬프트 요지, 검토자, 승인자, 수정 이력을 포함한다.

# 금지
지원자, 학생, 교직원에 대한 합격·탈락·선발·징계·평가 결론을 생성하지 않는다.

휴먼 인 더 루프: 최종 문장은 사람이 책임진다

AI 결과물은 초안이다. 멋지게 정리되어 있어도 초안이다. 문장이 자연스럽고 표가 깔끔해도 초안이다. 대학 명의로 나가는 공문, 평가자료, 심사자료, 학생 통지문, 대외 보도자료, 위원회 보고자료에 AI 결과물을 그대로 붙여 넣는 습관은 위험하다.

생성형 AI는 그럴듯한 오류를 만들 수 있다. 없는 규정을 있는 것처럼 말하고, 작년 일정을 올해 일정처럼 섞고, 법령명과 조항을 자신 있게 틀릴 수 있다. 한 연구는 생성형 AI 관련 대학 가이드라인들이 개인정보와 보안 위험을 인식하고 있지만, 실제 지침에서는 민감 데이터와 보안 위협을 구체적으로 설명하지 못하거나 모호하게 표현하는 경우가 있다고 분석했다.⁴ 즉 "조심하세요"만으로는 부족하다. 검토 절차가 있어야 한다.

휴먼 인 더 루프는 어렵게 들리지만 뜻은 단순하다. 중요한 지점마다 사람이 들어와 확인하고, 수정하고, 승인하는 구조다. AI가 만든 초안을 사람이 읽는 정도가 아니라, 확인해야 할 항목을 정해 놓고 책임 있게 통과시키는 방식이다.

특히 학생 통지문은 더 섬세해야 한다. 같은 사실을 전달하더라도 "귀하는 요건을 충족하지 못했습니다"와 "확인 결과, 이번 선발 기준 중 다음 항목이 충족되지 않아 선발 대상에 포함되지 않았습니다"는 다르다. AI는 빠르게 문장을 만들지만, 대학은 그 문장이 학생에게 어떻게 도착할지까지 책임져야 한다.

# 역할
당신은 대학 행정문서의 인간 검토를 돕는 품질관리 편집자다.

# 목표
아래 AI 생성 초안을 공문, 학생 안내문, 보고자료, 보도자료로 사용하기 전에 검토해야 할 사항을 점검한다.

# 입력 자료
- 문서 유형: [공문 / 학생 안내문 / 보고자료 / 보도자료 / 기타]
- 대상 독자: [학생 / 학부모 / 교수 / 직원 / 외부기관 / 언론]
- AI 생성 초안: [개인정보를 제거한 초안 붙여넣기]
- 근거 자료 요약: [규정, 일정, 내부 결정사항의 비식별 요약]

# 검토 기준
다음 항목을 반드시 점검한다.
- 사실관계
- 날짜, 금액, 인원, 부서명, 규정명
- 개인정보와 민감정보 노출
- 편향적이거나 차별적인 표현
- 학칙과 내규 적합성
- 문체와 톤
- 독자가 오해할 수 있는 부분
- 최종 승인 필요 여부

# 출력 형식
## 1. 즉시 수정해야 할 위험 표현
표로 작성: 원문 / 위험 이유 / 수정 제안

## 2. 사실 확인이 필요한 항목
표로 작성: 항목 / 확인할 근거 자료 / 담당자 확인 필요 여부

## 3. 개인정보·보안 점검
노출 가능성이 있는 정보를 지적하고 제거 방식을 제안

## 4. 최종 수정본
공식 문서 톤으로 다시 작성

## 5. 결재 전 체크리스트
담당자와 결재권자가 확인할 항목 10개

# 제한
근거 자료에 없는 사실을 새로 만들지 않는다. 불확실한 내용은 확인 필요로 표시한다.

저작권과 학문적 진실성: 멋진 문장보다 출처가 먼저다

AI는 문장을 잘 만든다. 때로는 너무 잘 만든다. 그래서 더 위험하다. 그럴듯한 문장 때문에 출처가 사라지고, 요약이라는 이름으로 원저자의 논지가 흐려지고, 번역이라는 이름으로 의미가 바뀌고, 이미지 생성이라는 이름으로 저작권 침해 가능성이 생길 수 있다.

생성형 AI와 저작권의 관계는 아직 법적·윤리적으로 정리 중인 영역이다. AI가 단순한 도구인지, 저작 과정에 어느 정도 관여했을 때 인간의 창작으로 볼 수 있는지, AI 학습 데이터와 결과물의 저작권 문제를 어떻게 다룰지에 대한 논의가 계속되고 있다.⁷ 또 다른 연구는 AI 연구와 저작권 보호가 공존할 수 있지만, 공정이용이 모든 방식의 저작물 접근을 자동으로 정당화하는 것은 아니며 균형 잡힌 접근이 필요하다고 설명한다.⁸

대학 행정에서 중요한 원칙은 법리 논쟁의 최종 결론을 기다리는 것이 아니다. 오늘 당장 지킬 수 있는 실무 기준을 세우는 것이다. 원자료의 출처를 보존하고, AI가 요약한 내용은 원문과 대조하고, 외부 공개 문서에는 인용과 참고를 확인하고, 이미지·카피·홍보 문구는 제3자의 권리를 침해하지 않는지 검토해야 한다.

AI 사용 표시도 기관 차원의 기준이 필요하다. 모든 내부 메모에 표시를 강제하면 현장은 지친다. 반대로 대외 문서와 평가자료에서도 아무 표시가 없다면 신뢰가 흔들린다. 대학은 문서 유형별로 표시 수준을 다르게 정할 수 있다. 예를 들어 내부 초안 작성 보조는 기록만 남기고, 대외 공개 문서나 연구·교육 자료는 필요 시 "AI를 초안 작성 또는 문장 개선에 활용했으며, 사실 확인과 최종 검토는 담당자가 수행했다"는 문구를 붙이는 방식이다.

# 역할
당신은 대학 문서의 저작권과 출처 표시를 점검하는 연구윤리·편집 담당자다.

# 목표
아래 문서가 AI 요약, 번역, 문장 생성, 이미지 생성 결과를 포함할 때 출처 누락, 표절 위험, 저작권 침해 가능성을 점검한다.

# 입력 자료
- 문서 유형: [보고서 / 보도자료 / 교육자료 / 연구지원 자료 / 홍보 콘텐츠]
- 공개 범위: [내부 / 학생 대상 / 외부기관 / 대중 공개]
- AI 사용 방식: [요약 / 번역 / 문장 다듬기 / 초안 생성 / 이미지 생성]
- 원자료 목록: [문서명, URL, 발행기관, 발행일]
- 검토할 문장 또는 구성안: [개인정보 없는 내용]

# 점검 기준
- 원자료 출처가 보존되어 있는가
- AI가 만든 주장에 근거가 있는가
- 직접 인용처럼 보이는 문장에 출처가 있는가
- 요약 과정에서 원문 의미가 왜곡되지 않았는가
- 이미지, 로고, 상표, 인물 사진 관련 권리 문제가 없는가
- AI 사용 표시가 필요한 문서인가

# 출력 형식
## 1. 출처 확인표
표로 작성: 주장 또는 문장 / 필요한 출처 / 현재 상태 / 조치

## 2. 표절·저작권 위험 신호
위험도를 높음, 보통, 낮음으로 구분

## 3. 수정 제안
출처 표시를 보강한 문장으로 다시 작성

## 4. AI 사용 표시 문구 제안
문서 유형과 공개 범위에 맞게 2가지 버전으로 작성

## 5. 발행 전 확인 사항
담당자, 부서장, 필요 시 법무 검토 항목을 제안

# 제한
실제 법률 자문처럼 단정하지 말고, 위험 신호와 검토 필요 사항을 행정적으로 정리한다.

탐지기보다 중요한 것은 설계와 신뢰다

많은 대학이 처음에는 AI 탐지기에 관심을 가진다. 학생이 AI로 과제를 썼는지, 지원자가 자기소개서를 AI로 만들었는지, 직원이 보고서를 AI로 작성했는지 확인하고 싶어 한다. 그러나 탐지기는 만능 열쇠가 아니다. 생성형 AI 교육 활용에 관한 연구들은 AI 탐지 도구의 정확도와 신뢰성에 의문이 있으며, 탐지 중심 접근이 과도한 감시와 불신을 만들 수 있다고 지적한다.⁶

행정에서도 마찬가지다. "이 문서가 AI로 쓰였는가"를 잡아내는 데만 집중하면 사람들은 더 숨기게 된다. 더 좋은 질문은 이것이다. 이 문서는 사실 확인을 거쳤는가. 개인정보가 보호되었는가. 근거가 남아 있는가. 최종 책임자가 승인했는가. AI를 썼다면 어떤 범위에서 썼는가.

탐지보다 강한 것은 설계다. 과제라면 과정 중심 평가로 바꾸고, 행정문서라면 검토 로그를 남기고, 입학·장학·채용이라면 AI가 판단하지 못하도록 절차를 설계해야 한다. 신뢰는 감시 소프트웨어에서 나오지 않는다. 설명 가능한 절차에서 나온다.

기록이 남아야 설명할 수 있다

AI 사용 기록은 직원에게 부담을 주기 위한 장치가 아니다. 오히려 직원을 보호한다. 나중에 문제가 생겼을 때, 담당자가 어떤 도구로 무엇을 했고, 어떤 데이터는 넣지 않았으며, 어떤 사람이 최종 검토했는지 설명할 수 있기 때문이다.

기록은 너무 복잡하면 아무도 쓰지 않는다. 대학 행정의 기록 양식은 1분 안에 남길 수 있어야 한다. 핵심은 목적, 도구, 데이터, 프롬프트, 검토자, 수정 이력, 출처다. 이 일곱 가지가 남아 있으면 대부분의 사후 설명이 가능해진다.

NotebookLM처럼 사용자가 제공한 자료를 기반으로 답변하는 도구도 기록이 필요하다. 자료 기반 AI는 환각을 줄이는 데 도움이 되지만, 업로드한 자료 자체가 민감하거나 비공개라면 또 다른 위험이 된다. "근거 기반"이라는 말이 "무조건 안전"이라는 뜻은 아니다.

# 역할
당신은 대학 행정의 AI 사용 기록을 정리하는 감사 대응 기록관리 담당자다.

# 목표
아래 AI 활용 내역을 바탕으로 최소 기록 양식을 작성한다. 기록은 사후 감사, 개인정보 점검, 업무 인수인계, 설명 가능성 확보를 위해 사용된다.

# 입력 정보
- 사용일: [날짜]
- 부서: [부서명]
- 업무명: [업무명]
- 사용 목적: [목적]
- 사용 도구: [도구명과 계정 유형]
- 입력 데이터 설명: [비식별 설명]
- 데이터 등급: [공개 / 내부 일반 / 보호 / 고위험]
- 비식별화 조치: [조치 내용]
- 핵심 프롬프트 요지: [요지]
- 결과물 활용 범위: [내부 참고 / 초안 / 대외 발송 / 기타]
- 검토자: [직위 또는 담당자]
- 승인자: [직위]
- 참고 출처: [문서명 또는 URL]

# 출력 형식
## AI 사용 최소 기록표
표로 작성한다.

## 위험 신호
기록상 부족하거나 추가 확인이 필요한 항목을 표시한다.

## 보완 조치
개인정보, 보안, 저작권, 인간 검토 관점에서 필요한 조치를 제안한다.

## 보존 권장 위치
대학 문서관리 시스템, 부서 공유 폴더, 결재 문서 첨부 등 현실적인 방식을 제안한다.

# 제한
입력 정보에 없는 사실을 만들지 않는다. 모르는 항목은 미기재 또는 확인 필요로 표시한다.

CRAFT로 부서별 현실에 붙이는 법

좋은 AI 지침은 두꺼운 규정집이 아니라 현장에서 작동하는 습관이어야 한다. 이를 위해 CRAFT 관점으로 부서별 적용성을 점검할 수 있다. CRAFT는 문화, 규칙, 접근성, 친숙도, 신뢰를 뜻한다. 이 다섯 가지가 맞물릴 때 AI 거버넌스는 종이 위의 선언이 아니라 실제 업무 방식이 된다.

문화가 없으면 직원은 몰래 쓴다. 규칙이 없으면 매번 물어본다. 접근성이 낮으면 개인 계정과 무료 도구로 흘러간다. 친숙도가 없으면 지침은 어렵게 느껴진다. 신뢰가 없으면 AI 결과물은 결재 라인에서 멈춘다. CRAFT는 이 다섯 가지 병목을 찾는 렌즈다.

부서별 적용은 작게 시작해야 한다. 모든 업무를 한 번에 바꾸려 하지 말고, 위험이 낮고 반복이 많은 업무부터 시작한다. 예를 들어 공개된 학사 일정을 바탕으로 학생 안내문을 다듬는 일, 공개 모집요강을 FAQ로 바꾸는 일, 내부 회의 아젠다를 정리하는 일은 비교적 안전한 출발점이 될 수 있다. 반대로 성적, 상담, 입시 평가, 인사평가처럼 고위험 데이터가 필요한 업무는 정책과 승인 절차가 먼저다.

# 역할
당신은 대학 부서의 AI 도입을 돕는 변화관리 컨설턴트다.

# 목표
아래 부서가 AI를 안전하게 활용할 수 있도록 CRAFT 관점의 실행 계획을 만든다.

# 부서 정보
- 부서명: [부서명]
- 주요 업무: [업무 3~5개]
- 자주 다루는 데이터: [공개, 내부, 보호, 고위험으로 구분]
- 현재 AI 사용 경험: [없음 / 일부 직원 사용 / 부서 공통 활용]
- 가장 걱정되는 위험: [개인정보 / 오류 / 저작권 / 민원 / 보안 / 기타]

# CRAFT 정의
- Culture: 공유와 학습 문화
- Rules: 허용·제한·금지 규칙
- Accessibility: 승인 도구와 템플릿 접근성
- Familiarity: 직원의 사용 친숙도
- Trust: 검토와 승인에 기반한 신뢰

# 출력 형식
## 1. 부서 AI 활용 적합 업무
표로 작성: 업무 / 위험도 / AI 활용 방식 / 주의사항

## 2. CRAFT 진단
표로 작성: 요소 / 현재 상태 / 문제점 / 개선 행동

## 3. 30일 실행 계획
1주차부터 4주차까지 단계별로 작성

## 4. 부서 표준 프롬프트 후보
개인정보를 넣지 않는 안전한 프롬프트 3개 제안

## 5. 운영 원칙 문구
부서 회의에서 공유할 수 있는 5문장 선언문 작성

# 제한
고위험 데이터를 외부 AI에 입력하는 방식은 제안하지 않는다. 개인의 권리와 기회에 영향을 미치는 판단 자동화는 제외한다.

부서장 책상 위의 10문장 기준선

AI 거버넌스는 결국 매일의 판단으로 완성된다. 담당자가 붙여넣기 전에 멈추는 것, 팀장이 결재 전에 출처를 묻는 것, 부서가 좋은 프롬프트를 공유하는 것, 대학본부가 승인 도구와 교육을 제공하는 것. 이런 작은 행동들이 모여 신뢰의 방화벽이 된다.

1. AI는 조수이지 최종 결정권자가 아니다.

2. 공개형 AI에는 개인정보, 민감정보, 보호 데이터, 비공개 계약·회의 자료를 넣지 않는다.

3. 이름만 지운 자료는 안전한 자료가 아닐 수 있다.

4. 입학, 장학, 성적, 징계, 채용, 인사평가에서는 AI를 판단자가 아니라 정리 도구로만 쓴다.

5. AI가 만든 문장은 초안이며, 공문과 대외 문서는 반드시 사람이 사실과 출처를 확인한다.

6. AI가 제시한 법령, 학칙, 통계, 인용은 원문으로 다시 확인한다.

7. AI 사용으로 만든 자료는 사용 목적, 도구, 데이터 등급, 검토자, 승인자를 기록한다.

8. 저작권과 출처가 불명확한 문장·이미지·요약·번역은 공개 전에 검토한다.

9. 탐지기보다 중요한 것은 투명한 절차와 정직한 사용 표시다.

10. 빠른 AI보다 안전한 AI가 대학의 생산성을 오래 지킨다.

안전한 AI는 느린 AI가 아니다. 오히려 반대다. 기준이 없을 때 사람들은 매번 망설이고, 물어보고, 숨기고, 다시 고친다. 기준이 있으면 판단이 빨라진다. 무엇을 넣으면 안 되는지 알고, 어떤 업무에 쓸 수 있는지 알고, 결과물을 어떻게 검토해야 하는지 알기 때문이다.

대학 행정에서 생산성의 반대말은 신중함이 아니다. 생산성의 반대말은 불신이다. 한 번의 개인정보 유출, 한 번의 부당한 자동 판단, 한 번의 허위 보도자료가 쌓아 올린 혁신의 언어를 무너뜨릴 수 있다. 그러므로 대학의 AI 활용 백서는 도구 사용법 이전에 신뢰 사용법이어야 한다. AI가 더 많은 일을 하게 될수록, 사람은 더 분명한 책임의 자리에 서야 한다.

참고

¹Generative AI in higher education: Seeing ChatGPT through universities' policies ...

²A Framework for Developing University Policies on Generative AI Governance: A Cross-national Comparative Study

³Guidance for generative AI in education and research

⁴Analyzing Security and Privacy Challenges in Generative AI Usage Guidelines for Higher Education

⁵AI in Higher Education: Mapping Key Guidelines & Recommendations

⁶Investigating the higher education institutions' guidelines and policies regarding the use of generative AI in teaching, learning, research, and administration

⁷Generative AI and copyright: principles, priorities and practicalities

⁸Between Copyright and Computer Science: The Law and Ethics of Generative AI