AI 스마트 글래스 치딩이라는 검색어만 보면, 멕시코 대학 입시에서 수만 명이 스마트 안경으로 답을 받아 적발된 것처럼 느껴집니다. 하지만 확인된 사실은 다릅니다. 멕시코국립자치대학교(UNAM) 사건의 핵심은 처음 시행한 대규모 원격 입학시험에서 비정상적으로 높은 점수가 나타났고, AI 도구를 포함한 부정행위 가능성이 제기됐다는 것입니다. 스마트 글래스가 실제 사용됐다고 확인된 사건은 아닙니다.
이 구분은 사소하지 않습니다. 원인을 잘못 붙이면 해법도 틀어집니다. 안경만 금지하면 된다고 생각하는 순간, 두 번째 화면, 스마트폰, 문제 유출, 대리 응시, 생성형 AI를 활용한 외부 조력 같은 더 큰 허점은 그대로 남습니다.
AI 스마트 글래스 치딩은 무엇을 뜻하나
이 글에서 AI 스마트 글래스 치딩은 검색어의 의도에 맞춰 AI 스마트 안경을 이용한 부정행위를 가리킵니다. 카메라나 디스플레이가 달린 안경으로 문제를 촬영하고, AI가 만든 답을 렌즈나 이어피스로 전달받는 방식이 대표적인 위험으로 거론됩니다.
실제로 영국 시험 규제기관 Ofqual은 2026년 6월 스마트 글래스와 보이지 않는 이어피스가 시험 부정행위를 더 정교하게 만들 수 있다고 공식 경고했습니다. Ofqual의 스마트 기기 부정행위 경고는 기술 발전 속도를 감독 규정이 따라가기 어렵다는 점에 초점을 맞췄습니다.
반면 멕시코 사건은 시험장에 반입된 안경을 적발한 이야기가 아닙니다. 응시자가 집에서 컴퓨터로 시험을 치르고 카메라와 마이크, 전용 브라우저, AI 기반 행동 감시를 적용했지만 결과 분포가 과거와 크게 달라지면서 문제가 시작됐습니다. 두 사건은 연결되는 위험을 보여주지만 같은 사건이나 같은 수법으로 표현해서는 안 됩니다.
멕시코 입시 파문이 실제로 보여준 것
UNAM은 2026년 5월과 6월, 15만8천 명이 넘는 지원자를 대상으로 처음 원격 입학시험을 시행했습니다. 결과 발표 뒤 100점 이상을 받은 응시자 비율이 2021년부터 2025년까지의 평균 3.5%에서 16.3%로 급증했습니다.
Le Monde가 확인한 UNAM 시험 결과에 따르면 감시 시스템은 규정 위반자 약 3천 명을 적발했습니다. 그러나 대학은 여기에서 멈추지 않고, 과거 평균 합격선 수준 이상의 점수를 받은 응시자들에게 별도의 필기 확인시험을 요구하기로 했습니다.
이 대목은 조금 냉정하게 볼 필요가 있습니다. 높은 점수 전체가 부정행위의 증거는 아닙니다. 일부 전문가가 광범위한 부정을 의심했고 소셜미디어에 AI 사용을 암시하는 게시물도 나왔지만, 어떤 응시자가 어떤 도구를 사용했는지 모두 확정된 것은 아닙니다.
그래서 대학이 선택한 방식도 전원 처벌이 아니라 일정 기준 이상 응시자의 실력을 다시 확인하는 절차였습니다. 문제의 본질은 AI가 시험을 망쳤다는 단순한 문장이 아니라, 대학이 결과의 신뢰성을 사후에 입증할 수 없게 됐다는 데 있습니다.
시험은 점수를 생산하는 시스템이 아닙니다. 그 점수가 누구의 능력을 반영하는지 설명할 수 있어야 하는 제도입니다.
감시 기술이 있었는데도 왜 막지 못했을까
UNAM의 시스템은 다른 탭과 프로그램 사용을 제한하고 카메라와 마이크로 이상 행동을 감시했습니다. 그러나 EL PAÍS의 현장 분석에 따르면 응시자는 한 대의 기기만 사용했고, 원격 감독관 한 명이 약 150명을 맡았습니다.
시험 문제가 유출됐는지, 두 번째 기기를 썼는지, 다른 사람이 도왔는지, 감시 장치가 제대로 작동했지만 우회됐는지도 당시에는 명확하지 않았습니다. 한 대의 컴퓨터만 통제하는 시스템은 화면 밖에서 일어나는 행동까지 완전히 확인하기 어렵습니다.
이 사례는 “AI로 AI 부정을 잡으면 된다”는 생각의 한계를 드러냅니다. 감시 모델은 이상 점수를 찾아낼 수 있지만, 그 결과만으로 개인의 부정행위를 입증하기는 어렵습니다. 탐지 정확도를 높이는 것만으로는 부족하며 평가 방식 자체에 재검증 장치가 들어 있어야 합니다.
The Independent가 소개한 미국 대학 사례도 같은 방향을 가리킵니다. 재택 중간시험에서 평균 점수가 비정상적으로 높아진 뒤 대면 기말시험 성적이 크게 떨어지자 AI 부정 의혹이 제기됐지만, 점수 차이만으로 특정 학생의 사용 여부를 확정하기는 어려웠습니다.
AI 부정행위에 대응하는 대학들의 변화를 보면 종이시험, 대면 평가, 구두 확인, 과제 작성 과정 점검이 다시 중요해지고 있습니다. 과거 방식으로 완전히 돌아가자는 뜻이라기보다, 완성된 답안만으로 실력을 판단하는 구조를 바꿔야 한다는 의미입니다.
한국에 닿는 문제는 안경보다 평가의 신뢰입니다
한국에서 AI 스마트 글래스 치딩 논란은 학교 시험에만 머물지 않습니다. 온라인 채용시험, 자격증 평가, 사내 승진시험, 프리랜서 과제, 외주업체 선정처럼 “제출된 결과가 실제 역량을 증명한다”는 전제에 기대는 모든 과정에 닿습니다.
기업이 완성된 답안만 보고 사람을 뽑는다면 AI를 잘 숨긴 지원자와 실제로 문제를 해결할 수 있는 지원자를 구분하기 어려워집니다. 보고서나 사업계획서를 외주로 작성하게 한 뒤 본인의 역량인 것처럼 제출하는 문제도 생성형 AI와 결합하면 훨씬 발견하기 어려워질 수 있습니다.
다만 미국이나 멕시코의 대응을 한국에 그대로 가져오는 것도 위험합니다. 한국은 고부담 시험의 비중이 크고, 개인정보 보호와 감시의 적정성, 장애인 응시자의 보조기기 사용, 가정별 디지털 환경 차이를 함께 고려해야 합니다.
카메라를 늘리고 방을 더 넓게 촬영한다고 공정성이 자동으로 높아지는 것은 아닙니다. 오히려 정상 응시자의 사생활을 침해하거나, 주거 환경과 인터넷 상태가 열악한 사람에게 불리한 결과를 만들 수 있습니다.
제가 이 뉴스에서 더 신경 쓰는 부분은 기기 판매량이 아니라 평가 산업의 재설계 수요입니다. 학교와 기업은 앞으로 감독 소프트웨어 하나를 사는 데서 끝나지 않고 문제은행 보안, 신원 확인, 구두 재검증, 작업 과정 기록, 이의 제기 절차를 하나의 시스템으로 묶어야 합니다.
교육·HR 테크 기업에는 새로운 시장이 될 수 있습니다. 하지만 “AI 탐지율 99%” 같은 단일 숫자만 내세우는 서비스는 오탐으로 인한 법적 분쟁과 평판 위험을 키울 수 있습니다. 겉으로 보이는 탐지율보다 중요한 것은 판정 이후 사람이 검토하고 소명할 수 있는 절차입니다.
학교와 기업이 지금 바꿔야 할 기준
- AI를 금지할 평가와 허용할 평가를 분리해야 합니다. 기초 지식과 독립적 사고를 확인하는 시험은 대면·무기기 방식으로 설계하고, 실제 업무 역량을 보는 과제는 AI 사용 내역과 판단 과정을 함께 제출하게 하는 편이 현실적입니다.
- 결과물 뒤에 짧은 재검증 절차를 붙여야 합니다. 답안 일부를 구두로 설명하게 하거나, 비슷한 문제를 현장에서 다시 풀게 하거나, 초안과 수정 기록을 확인하면 대규모 감시보다 적은 비용으로 저자성과 이해도를 점검할 수 있습니다.
- 감시 시스템의 실패를 전제로 운영해야 합니다. 한 번의 자동 판정으로 탈락시키지 말고, 사람이 검토하고 응시자가 소명할 수 있는 절차를 마련해야 합니다. 비원어민이나 장애인처럼 오탐의 영향을 더 크게 받을 수 있는 집단도 사전에 점검해야 합니다.
- 직원과 학생에게 허용 범위를 구체적으로 알려야 합니다. 검색, 번역, 교정, 아이디어 정리, 답안 생성 가운데 무엇이 허용되는지 과제별로 적어야 합니다. 모호한 “AI 사용 금지”는 실제 현장에서 지켜지기 어렵습니다.
미국 시카고대 로스쿨의 대응은 참고할 만합니다. 2026~2027학년도 핵심 1학년 수업과 시험에서는 전자기기와 인터넷 접근을 제한하면서도, 법률 조사·글쓰기 과정에서는 AI를 책임 있게 활용하고 결과를 검토하는 능력을 가르치기로 했습니다.
시카고대 로스쿨의 AI 교육 전략처럼 “AI 없는 기초 능력”과 “AI를 활용하는 실무 능력”을 따로 평가하는 접근이 앞으로 더 설득력을 얻을 가능성이 큽니다. AI를 무조건 배제하는 것과 모든 작업을 AI에 맡기는 것 사이에 명확한 경계를 만드는 방식입니다.
AI 스마트 글래스 치딩을 단순한 신종 커닝 도구로만 보면 안경 검색과 소지품 검사에 관심이 쏠립니다. 그러나 멕시코 사건이 던진 질문은 더 큽니다. 우리는 사람이 직접 해낸 결과와 AI가 대신 만든 결과를 어떤 절차로 구분할 것인가.
이 질문에 답하지 못하면 학교의 성적표도, 기업의 채용 점수도 신뢰를 잃습니다. 스마트 안경은 눈에 보이는 상징일 뿐입니다. 진짜 경쟁력은 AI를 무조건 막는 데 있지 않고, AI를 써도 되는 순간과 인간이 직접 증명해야 하는 순간을 분명히 나누는 데 있습니다.
관련 AI 위험을 과장된 사건명보다 구조와 조건으로 읽고 싶다면 Open AI Chat GPT 모델 통제이탈 추가 사례 분석도 함께 참고할 수 있습니다.
