공교육 AI에서 거대 모델보다 데이터 통제권이 앞서는 까닭

교육 현장에 생성형 AI를 도입한다고 하면 대개 어떤 거대언어모델(LLM)의 API를 붙일지부터 따진다. 외산 모델을 구독형으로 열어주면 당장 기능은 돌아가기 때문이다. 하지만 울산광역시교육청 정윤호 장학사의 설계는 반대편에서 출발한다. 공교육이 데이터와 AI 활용의 통제권을 먼저 쥐어야 하고, 교육 AI의 품질은 모델 스펙보다 학습 데이터가 결정한다는 계산이다.

이 판단은 현장에서 직접 굴려본 시스템에서 나왔다. 정 장학사는 2023년 현직 교사 101명과 함께 공공 AI 플랫폼 “우리아이” 개발에 착수했다. 지난해 3월 정식 서비스를 시작해 연간 약 100만 명이 쓰는 공공 인프라가 됐고, 현재 약 150종의 교육용 AI 에이전트를 운영한다. 로그인 없이 무료로 개방한 서비스다.

기술 구조를 뜯어보면 엔터프라이즈 환경의 데이터 거버넌스와 정확히 닿아 있다. 특정 벤더의 단일 모델에 시스템 전체를 묶어두지 않았다. 에이전트별로 여러 LLM을 선택해 연결하고, 교사가 검증한 데이터를 검색증강생성(RAG)으로 우선 참조한 뒤 범용 LLM을 호출한다.

핵심은 데이터 수명 주기 설계다. 학생 데이터는 즉시 휘발시키고, 교사의 교수학습 데이터만 자산으로 남긴다. 엔지니어링 관점에서도 합리적인 분리다. 미성년자인 학생의 입력값과 대화 기록을 데이터베이스에 남겨두는 순간 개인정보 유출과 규제 리스크를 떠안는다. 반면 교사가 수업 현장에서 검증한 발문, 교육과정 연계 자료, 학습 지도 데이터는 RAG의 참조 자산으로 쌓여 시스템 답변 품질을 방어한다.

기존 상용 도구만 쓰면 되는 것 아니냐는 반론도 있다. 정 장학사가 석희철, 이강현, 오재경 교사와 함께 펴낸 “AI 플랫폼 학교를 바꾸다”(테크빌교육)를 보면 현장의 도구를 분명하게 가른다. 구글 클래스룸과 네이버 웨일스페이스는 수업이 이뤄지는 공간이고, 챗GPT나 캔바, 패들렛 등은 도구다. 도구는 바꾸면 그만이지만, 학습이 일어나는 공간과 데이터 주권은 외부 서비스에 넘겨줄 수 없다는 뜻이다.

국내 소버린 AI 모델과의 연결을 강조하는 이유도 같다. 외산 모델은 국내 교육과정과 교실 환경 맥락을 제대로 반영하지 못하는 일이 잦다. 데이터 통제권을 교육청과 학교가 쥐지 못하면, 빅테크의 API 정책 변경이나 단가 인상에 공교육 전체가 끌려다닌다. 매달 나가는 API 비용은 공공 예산으로 치르면서 정제된 도메인 데이터는 하나도 남기지 못하는 구조를 피하려는 계산이다.

AI 도입이 학생들의 사고력을 떨어뜨릴 것이라는 우려도 시스템 차원의 통제로 푼다. 학교에서 무작정 막는다고 해결되지 않는다. 관리 밖에서 상용 AI를 통제 없이 쓰게 될 뿐이다. 저학년 수업에서 동료나 교사와 먼저 답을 찾아보고, 그래도 풀리지 않는 질문만 AI에 묻게 유도하는 식의 운영 규칙은 기술을 파이프라인 어디에 배치할지의 문제다.

비용과 격차의 문제도 직결된다. 섬마을 초등학생이 AI를 접하고 개발자의 꿈을 품게 되었다는 편지처럼, 공공이 인프라를 열어두지 않으면 AI 활용 능력은 가정의 경제력에 따라 갈린다. 비싼 구독료를 낼 수 있는 환경의 학생만 도구를 쥐게 둘 수는 없다. 로그인 없는 무료 공공 플랫폼 형태로 진입장벽을 낮춰야 하는 이유다.

시스템을 구축할 때 에이전트 개수를 늘리는 일 자체는 어렵지 않다. 프롬프트 몇 개 얹어서 API를 호출하는 래퍼(Wrapper) 에이전트는 단기간에 수백 개도 찍어낼 수 있다. 문제는 에이전트 숫자가 아니라 정선된 교육 데이터의 품질을 유지하는 작업이다. 모델은 시장 상황에 맞춰 더 싸고 빠른 것으로 갈아 끼우면 되지만, 현장에서 검증하고 정제한 데이터와 이를 지키는 폐기 원칙은 쉽게 만들어지지 않는다.