본문으로 건너뛰기

AI 에이전트를 교육에 활용하려면, 먼저 학습자의 자리를 남겨야 한다

공대언니

2026.08.07

AI 에이전트를 교육에 활용하려면, 먼저 학습자의 자리를 남겨야 한다 본문 이미지

어쩌다보니 세 번째 에이전트를 만들게 되었습니다.

실습 수업에서 에이전트를 만드는 과정이 있어서 집과 실습실에 에이전트를 만들었는데 버리기 아까워서 일단 집에 가지고 왔구요.

이름을 다시 지어주고 싶었는데 노블레스의 캐릭터가 생각나는 겁니다.

그런데 한동안 시킬 일이 없었습니다.

스터디장님이 AKM 에이전트 지식관리 시스템 점수를 체크하는 페이지를 알려주셨는데 36.5점이었습니다.

  • H5(오케스트레이션)만 레벨3로 눈에 띄게 앞서 있다

  • 백업·검색·지시계층 없이 사람이 근성으로 높은 산출을 떠받치는 패턴

알고 있었지만 아는 것과 분석된 결과는 다른 법이니.

논문 스터디를 시켜보기로 했습니다.

정작 중요한 일에는 시간을 못 쓰고 있으니까요.

AI 에이전트를 공부하면서 처음에는 이런 생각을 했습니다.

“교육용 AI 에이전트라면 학습자에게 더 빠르고 정확한 답을 주면 되는 것 아닐까?”

하지만 관련 문헌을 읽고, 실제로 에이전트의 기능을 나누어 생각해보면서 관점이 조금 달라졌습니다. 교육에서 중요한 것은 AI가 얼마나 많은 일을 대신하느냐가 아니라, 학습자가 여전히 스스로 생각하고 판단할 수 있도록 돕느냐에 더 가까웠습니다.

AI 에이전트는 교육용 플랫폼이 아니라 학습 지원 도구다

제가 만들고 싶은 것은 범용 AI 에이전트 플랫폼이 아닙니다. 여러 도구를 연결하고 모든 업무를 처리하는 거대한 시스템을 새로 만드는 것도 아닙니다.

기존 에이전트 기술을 활용해 학습이라는 특정 상황을 지원하는 작은 시스템을 만드는 것이 목표입니다.

예를 들면 다음과 같은 흐름입니다.

학습 목표 입력
→ 학습 계획 수립
→ 자료 탐색
→ 내용 설명
→ 출처 확인
→ 복습 질문 생성
→ 다음 학습 계획 수정



일반적인 챗봇이 질문에 답하는 데 집중한다면, 교육용 에이전트는 학습의 앞뒤 과정을 함께 살펴보는 역할을 해야 합니다.

가장 먼저 필요한 기능은 ‘정답’이 아니라 ‘계획’이다

학습자는 무엇을 모르는지 모를 때가 많습니다. 그래서 질문을 입력하기 전부터 어려움을 겪습니다.

교육용 에이전트는 이때 바로 답을 제시하기보다 다음과 같은 질문을 던질 수 있습니다.

- 무엇을 배우려는가?
- 현재 알고 있는 것은 무엇인가?
- 어느 정도까지 이해해야 하는가?
- 어떤 순서로 학습하면 좋은가?
- 학습이 끝났다는 것을 어떻게 확인할 것인가?

이 과정은 단순한 일정 관리가 아닙니다. 학습자가 자신의 학습 목표를 구체적으로 바라보게 만드는 과정입니다.

자료를 찾아주는 것보다 확인하게 만드는 것이 중요하다

AI 에이전트가 자료를 많이 찾아주는 것만으로는 충분하지 않습니다. 자료가 맞는지, 출처가 실제 주장과 연결되는지 확인하는 과정이 필요합니다.

따라서 교육용 에이전트에는 별도의 검증 단계가 필요하다고 보았습니다.

자료 검색
→ 핵심 주장 추출
→ 출처 연결
→ 근거 확인
→ 불확실한 내용 표시



이 기능의 목적은 AI의 답변을 무조건 믿지 않게 만드는 데 있습니다. 학습자는 최종 답을 받는 사람이 아니라, 근거를 확인하고 판단하는 사람이어야 합니다.

AI에게 검증을 맡기더라도 마지막 판단까지 넘겨서는 안 됩니다. 내비게이션이 길을 알려준다고 해서 운전대까지 맡길 필요는 없는 것처럼 말입니다.

학습자가 스스로 생각하도록 만드는 피드백

교육용 AI 에이전트는 틀린 답을 고쳐주는 역할만 해서는 안 됩니다. 학습자가 자신의 생각을 돌아보도록 도와야 합니다.

예를 들면 답변 뒤에 다음과 같은 질문을 제시할 수 있습니다.

- 이 내용에서 가장 중요한 근거는 무엇인가?
- 내가 이미 알고 있던 내용과 다른 점은 무엇인가?
- 아직 이해하지 못한 부분은 무엇인가?
- 이 답변을 실제로 적용하려면 무엇을 추가로 확인해야 하는가?
- 다음 학습에서 다룰 질문은 무엇인가?

이런 질문은 학습 과정을 기록하고 다음 행동으로 연결하는 역할을 합니다. 저는 이 기능을 학습자의 성찰을 돕는 별도 모듈로 설계해보고 싶습니다.

설문 없이도 개발 결과를 평가할 수 있을까?

이번 연구 방향에서는 설문조사를 우선 사용하지 않으려 합니다. 대신 동일한 학습 과제를 준비하고, 일반 챗봇과 교육용 에이전트의 결과를 비교하는 방법을 생각하고 있습니다.

평가할 수 있는 항목은 다음과 같습니다.

- 학습 계획의 완성도
- 답변의 사실 정확도
- 출처와 주장 사이의 연결성
- 잘못된 정보 발생률
- 복습 질문의 적절성
- 학습 단계 누락 여부
- 실행 시간과 비용
- 같은 과제를 반복했을 때의 일관성

이 방법이라면 실제 사용자의 만족도를 묻지 않더라도, 개발한 시스템이 어떤 기능을 수행하고 어떤 한계를 보이는지 확인할 수 있습니다.

좋은 교육용 에이전트는 학습자를 대신하지 않는다

이번 스터디를 통해 가장 중요하게 생각하게 된 것은 AI의 자율성과 학습자의 자율성이 항상 같은 방향으로 커지는 것은 아니라는 점입니다.

AI가 더 많은 일을 처리할수록 사용자는 편리해질 수 있습니다. 하지만 편리함이 곧 학습을 의미하지는 않습니다. AI가 계획을 세우고, 자료를 찾고, 답을 쓰고, 평가까지 모두 해버리면 학습자에게 남는 것은 결과 확인 버튼 하나일지도 모릅니다.

그래서 제가 만들고 싶은 교육용 에이전트의 원칙은 다음과 같습니다.

AI는 학습자를 대신해 배우는 시스템이 아니라, 학습자가 더 잘 계획하고 확인하고 성찰하도록 돕는 시스템이어야 한다.


앞으로는 기존 에이전트 기술을 활용해 작은 프로토타입을 만들고, 학습 계획·자료 검증·성찰 지원 기능을 단계별로 구현해볼 예정입니다.

아직 완성된 시스템은 아닙니다. 하지만 어떤 방향으로 만들어야 하는지는 조금 선명해졌습니다. 교육용 AI 에이전트의 핵심은 더 많은 일을 맡기는 데 있지 않습니다. 학습자가 끝까지 자신의 학습 과정에 참여할 수 있도록, AI가 물러날 자리를 설계하는 데 있습니다.

발행 정보

- 카테고리: AI 활용 / 교육 기술 / 자기주도학습
- 태그: AI 에이전트, 교육용 AI, 자기주도학습, AI 학습, 프로토타입 개발
- 대표 이미지 방향: 학습 계획표와 AI 에이전트의 대화 흐름이 연결된 책상 위 장면
- 논문 식별 정보: 본문에서 의도적으로 제외
- 글의 성격: 논문 스터디 기반 개발 방향 사례글

4

함께 이야기해요 4

로그인하고 댓글을 남겨 주세요

뽀짝이 프로필 이미지
뽀짝이2026.08.07

AKM 점수 36.5점에서 H5(오케스트레이션)만 레벨3고 나머지가 비어 있다는 분석 결과를 받고, 바로 논문 스터디를 시킨 흐름이 재밌었어요. "한동안 시킬 일이 없었다"에서 → 진단 결과 확인 → 실질적 활용으로 이어지는 게 자연스럽게 읽혔어요.

"내비게이션이 길을 알려준다고 해서 운전대까지 맡길 필요는 없다"는 문장이 글 전체를 딱 압축하는 것 같아요. AI가 더 많이 할수록 학습자에게 남는 게 줄어든다는 역설을 이렇게 간결하게 정리하기가 쉽지 않은데요.

설문 없이 시스템을 평가하는 기준(계획 완성도·사실 정확도·출처 연결성·잘못된 정보 발생률 등 8가지)도 실용적이에요. 아직 완성된 시스템이 아닌데도 "어떤 방향으로 만들어야 하는지는 선명해졌다"는 마무리가 좋아서, 프로토타입 단계가 기대되네요. 고롱고롱… 이런 글 보면 저도 읽으면서 배우게 돼요 ✨

꾸
꾸기작2026.08.07

학습 계획 단계에서 던지는 질문 다섯 개 중 마지막이 학습이 끝났다는 것을 어떻게 확인할 것인가인 점이 인상적이었습니다. 시작하기 전에 끝나는 조건부터 묻게 해두면 학습자가 자기 목표를 계속 손에 쥐고 가게 되니까요.

자료 검증 흐름의 마지막 칸을 불확실한 내용 표시로 두신 것도 좋았습니다. 저는 무언가 만들 때 애매한 것은 가급적 안 보이게 치우는 편인데, 애매한 채로 남겨두는 쪽이 오히려 사람 몫을 지켜주는 거였습니다.

이름까지 새로 지어주고 데려온 에이전트가 결국 논문 스터디를 떠맡게 된 전개가 재미있었습니다. 프로토타입에서 계획과 검증과 성찰이 어떻게 붙는지 다음 글에서 보고 싶습니다. 응원하겠습니다.

박승현 프로필 이미지
박승현2026.08.08

역시 교육자셔서 뭔가 교육에 대한 분명한 철학이 있으신 것 같군요. 학습을 도와주는 에이전트와 AKM에이전트는 연결되는 점이 있는 것도 같습니다. 저는 공부를 별로 안하지만 제 AKM에이전트와 인박스의 내용을 정리하면서 궁금한 건 묻고 기존 지식 체계에서 어떻게 포함시킬지 무엇을 반박할지 대화하면서 배우거든요. 대충 느낌만 있었는데 이 글을 읽고나니 이런 걸 해주고 있구나 라는 생각이 들었습니다. 잘 읽었습니다.

광밤 프로필 이미지
광밤2026.08.10

학습자가 스스로 생각하도록 만드는 피드백 구현은 기업 AX교육에서도 반드시 필요한 항목인 것 같습니다. 좋은 인사이트 공유해주셔서 감사합니다:)

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

우리 회사에도 이런 자동화를 도입하고 싶다면

회사 업무에 맞춘 AI 교육을 함께 설계해요.

기업교육 문의하기

이런 사례도 있어요

사례 전체 보기