프린스턴대가 133년 만에 명예 규정을 깨고 대면 시험 감독을 의무화하면서도 정작 AI 감독 소프트웨어를 쓰지 않기로 한 이유를 통해, AI 프록토링 기술의 작동 원리와 오탐지·편향 논란을 짚는다.
2026년 5월 11일 프린스턴대학교 교수진은 133년간 지켜온 아너 코드 전통에 처음으로 예외를 두기로 표결했다. 7월 1일부터 모든 대면 시험에 감독관을 의무 배치한다는 결정이었다. 그런데 정작 프린스턴이 택한 방식은 뜻밖이었다. ProctorU나 Honorlock 같은 원격 AI 감독 소프트웨어 대신, 사람이 직접 시험장에 앉아 있는 전통적인 방식을 선택한 것이다. AI 기반 시험 감독 시장이 어느 때보다 빠르게 커지고 있다는 소식이 쏟아지는 바로 그 시점에, 정작 그 기술을 가장 오래 지켜본 대학이 등을 돌린 셈이다. 온라인 학습 인프라를 설계하는 모든 조직이 곱씹어볼 만한 장면이다.
AI는 화면 너머에서 정확히 무엇을 보고 있나
온라인 시험 감독(remote proctoring) 소프트웨어의 작동 원리는 생각보다 단순하다. 응시자의 웹캠과 마이크, 브라우저 활동, 때로는 화면 전체를 실시간으로 캡처한 뒤 이를 사전에 학습된 이상행동 패턴과 대조한다. 구체적으로는 다음과 같은 신호를 조합해 위험 점수를 산출한다.
- 시선 추적 — 화면 밖을 얼마나 자주, 얼마나 오래 응시하는가
- 얼굴 인식과 재확인 — 시험 도중 다른 사람으로 바뀌지는 않았는가
- 키 입력 리듬(keystroke dynamics) — 평소 타이핑 습관과 다른 패턴이 나타나는가
- 브라우저 잠금(lockdown browser) — 새 탭, 복사·붙여넣기, 화면 캡처 시도가 있었는가
- 방 스캔과 배경 소음 — 응시 공간에 허용되지 않은 자료나 다른 목소리가 있는가
이 신호들은 사람이 실시간으로 보는 것이 아니라 대부분 알고리즘이 먼저 걸러내고, 의심 점수가 일정 기준을 넘으면 사후에 사람이 녹화본을 검토하는 구조로 운영된다. 문제는 바로 이 '먼저 거르는' 단계에서 발생한다.
오탐지와 편향, 소송으로 번진 논란
Honorlock과 Turnitin을 상대로 한 소송은 AI 감독 기술의 신뢰도 문제를 법정으로 끌고 갔다. 응시자의 피부색이나 조명 환경에 따라 얼굴 인식이 제대로 작동하지 않아 정상적으로 시험을 치른 학생이 부정행위 의심으로 분류되는 사례, 틱 장애나 ADHD처럼 신체적 특성으로 인한 반복 동작이 '수상한 행동'으로 기록되는 사례가 반복적으로 보고됐다. 그 결과 자격 인증 기관에서는 오탐지에 대한 이의 제기를 처리하는 옴부즈맨 인력 부담이 눈에 띄게 늘었다는 보고도 나온다. 유럽연합의 AI Act는 이런 배경 속에서 온라인 시험 감독 기술을 '고위험(high-risk) AI 시스템'으로 분류해 규제 대상에 포함시켰다. 감독 대상이 되는 쪽은 학생이지만, 감독의 정확성을 책임지는 쪽은 결국 이 기술을 채택한 기관이라는 점을 분명히 한 것이다.
시장은 이미 재편되고 있다
흥미로운 것은 시장 구조 자체도 바뀌고 있다는 점이다. 한때 독립 기업이었던 ProctorU와 Examity는 Meazure Learning이라는 하나의 우산 아래로 통합됐고, Honorlock은 AI가 실시간으로 위험 신호를 걸러내되 최종 판단은 사람이 내리는 하이브리드 모델로 자리를 잡았다. 원격 감독 도입을 확대하겠다는 대학이 여전히 다수라는 통계도 있지만, 동시에 프린스턴처럼 오히려 사람 중심 방식으로 회귀하는 사례도 나타난다는 점은 이 시장이 아직 정답을 찾지 못했다는 방증이다.
| 방식 | 정확도 체감 | 비용 | 개인정보 노출 | 적합한 시험 |
|---|---|---|---|---|
| 사람이 직접 감독 | 높음(맥락 판단 가능) | 높음(인건비) | 낮음 | 고위험·소수 인원 시험 |
| AI 자동 감독 | 중간(오탐지 존재) | 낮음 | 높음(영상·음성·생체신호 수집) | 대규모·저위험 평가 |
| AI+사람 하이브리드 검토 | 높음(1차 필터+2차 확인) | 중간 | 중간 | 자격증·기업 인증 시험 |
AI는 의심을 만드는 데는 뛰어나지만, 그 의심을 해명하는 책임은 여전히 사람의 몫으로 남는다.
기업 교육 담당자 입장에서 중요한 질문은 '가장 정교한 AI 감독 기술을 쓸 것인가'가 아니라 '이 시험이 정말 그 정도의 감독을 필요로 하는가'다. 사내 직무 인증처럼 결과가 승진이나 채용에 직접 연결되는 고위험 시험이라면 AI 1차 필터링과 사람의 최종 검토를 병행하는 하이브리드 방식이, 단순 이수 확인 수준의 저위험 평가라면 과도한 생체정보 수집 없이 간단한 화면 잠금과 무작위 재인증 정도로 충분한 경우가 많다. 감독 기술의 수준을 시험의 위험도에 맞추는 것, 그것이 지금 온라인 학습 인프라가 마주한 실질적인 숙제다.
