AI 조교 사이퍼봇 사례로 본 대학 교육, RAG 기반 24시간 튜터와 지식그래프 자동 생성

핵심 메시지

• 사이퍼봇은 대규모 언어모델에 검색 증강 생성(RAG)을 얹어, 교수가 직접 올린 강의 자료 범위 안에서만 답하도록 응답을 제한한 교육용 챗봇이다.
• 학생 화면에는 기본 질의응답, 답을 바로 주지 않고 되묻는 소크라테스식 학습, 과제와 시험을 점검하는 멘토, 특정 자료에만 집중하는 모드까지 네 가지 대화 방식이 있다.
• 교수 화면에서는 시스템이 답하지 못한 질문을 주제별로 분류해 보완할 자료를 추천하고, 학생별 질문 수준을 학습 그래프 위에 표시한다.
• 강의 자료로부터 지식 그래프가 자동으로 만들어지고 학생 대화가 각 노드에 연결되기 때문에, 후속 질문 추천이 무작위가 아니라 학습 단계의 다음 지점에서 나온다.
• 발표자는 K-12 단계의 교육 기술에는 회의적이라고 밝히면서도, 고등교육에서는 AI의 영향을 무시하는 편이 더 위험하다고 말한다.

쉽게 이해하기

카네기멜런대가 운영하는 AI-SDM 세미나에 카타르 컴퓨팅연구소의 연구원이 나와, 자신이 이끄는 팀이 만든 교육용 AI 플랫폼 사이퍼봇을 소개했다. 사이퍼는 아랍어로 0을 뜻하는 단어이자 인도 아대륙 여러 언어에서도 0을 가리키는 말이다. 발표자는 이 시스템이 무료이며 누구나 자기 수업에 쓰거나 연구에 활용할 수 있다는 점을 여러 차례 강조했다.

발표의 출발점은 기술 자체가 아니라 교실의 변화다. 발표자는 자기 수업을 듣던 한 학생이 '모든 수업의 모든 과제에서 매일 AI를 쓴다'고 말했다는 일화를 전하며, 이것이 이미 학생들에게 몸에 밴 습관이라고 짚는다. 계산기와 컴퓨터, 검색엔진이 들어와도 흔들리지 않던 대화 중심 수업이 흔들리는 이유는, 이번 기술이 검색만 하는 것이 아니라 추론하고 사람이 믿게 되는 방식으로 말까지 하기 때문이라는 설명이다.

시스템 구조는 단순하다. 교수가 강의명과 수준을 고르고 텍스트와 문서, 발표자료는 물론 문자 인식을 거치는 이미지와 영상, 음성 파일까지 올리면 몇 분 안에 강의 공간이 열리고, 학생은 초대 코드나 QR 코드로 들어온다. 응답은 검색 증강 생성 방식으로 교수가 검증한 자료 안에서만 만들어지며 근거가 된 자료가 함께 표시되고, 모든 대화 기록은 학생 본인과 담당 교수 양쪽에 남는다. 발표자는 답하지 말았어야 할 질문에 답해 버린 경우를 환각으로 정의했을 때 그 비율이 약 2% 수준이었고 그런 경우에도 답 자체는 대체로 사실에 맞았다며, 기반 모델이 이미 넓은 일반 지식을 갖고 있어 수업 범위 안의 질문과 상식을 구분하기 어려운 데서 오는 한계라고 설명했다.

학생들에게 특히 반응이 좋았던 기능은 자료를 음성으로 바꿔 주는 기능이다. 강의 자료를 고른 뒤 강의, 질문이 섞인 강의, 팟캐스트, 토론 중에서 형식을 정하고 목소리와 길이, 언어를 선택하면 대본과 함께 음성이 만들어진다. 영어 문서를 중국어 음성으로 바꾸는 시연이 이어졌고, 현재 열 개 정도의 언어를 지원한다. 통학길이나 운동 중에 듣고 싶다는 요구가 많았고, 제2외국어로 수업을 듣는 학생에게도 도움이 됐다고 한다.

운영 규모와 비용도 공개됐다. 12개 대학에서 쓰였고 5,000명이 넘는 사용자와 7만 건이 넘는 학생 대화가 쌓였으며, 지난 학기에 수천 명이 쓰고도 비용은 수백 달러 수준이었다. 데이터는 기업용 계약을 통해 학습에 쓰이지 않고, 사용자 정보와 프롬프트, 임베딩은 연구소 자체 클라우드의 데이터베이스에 저장된다. 발표자는 유료 모델 접근권을 학생에게 제공하는 일이 대학의 몫이라고 덧붙였다.

주요 인사이트

• 이 발표가 내세우는 효용은 '학습 효과가 좋아진다'가 아니라 '교수와 학생의 부담이 줄어든다'는 쪽이다. 발표자 스스로도 학습 성과 개선은 장담하지 않고, 24시간 응답 가능성과 개인화를 이점으로 든다.
• RAG는 환각을 줄이는 장치이면서 동시에 교수의 책임을 늘리는 장치다. 답변 범위가 업로드한 자료로 제한되므로, 자료의 품질과 범위가 곧 조교의 품질이 된다.
• 가장 실용적인 기능은 챗봇이 아니라 대시보드일 수 있다. 학생들이 무엇을 물었고 시스템이 무엇에 답하지 못했는지가 주제별로 정리돼 나오면, 수업에서 빠진 부분이 데이터로 드러난다.
• 말수가 적은 학생을 위한 도구라고 예상했지만 실제로는 외향적인 학생이 더 많이 썼다는 관찰은, 도구가 격차를 줄일 것이라는 기대가 늘 맞지는 않음을 보여준다.
• 비용 구조의 변화도 짚어 둘 만하다. 수천 명 규모 수업의 한 학기 운영비가 수백 달러라면, 도입을 막는 요인은 이제 가격이 아니라 자료 정리와 수업 설계 쪽으로 옮겨간다.

자주 묻는 질문

관련 AI 소식