10만 명의 튜터와 OpenAI API의 결합

과거의 튜터는 수업이 끝난 뒤 학생이 틀린 문장을 일일이 기록하고 맞춤형 숙제를 배분하는 데 많은 시간을 썼다. 반면 지금의 튜터는 AI가 생성한 분석 리포트를 확인하고 검토하는 것으로 이 과정을 대체한다. 전 세계 180개국 이상의 학습자와 10만 명 이상의 전문 튜터를 연결하는 온라인 언어 학습 플랫폼 Preply는 이러한 반복 업무를 제거하기 위해 OpenAI API를 도입했다. 이를 통해 90개 이상의 언어에 대해 1:1 맞춤형 지도를 제공하는 레슨 인사이트(Lesson Insights, 수업 분석 도구)를 출시하며 학습 경험의 자동화를 구현했다.

레슨 인사이트의 작동 원리는 수업 중 발생한 대화의 녹취록(Transcript, 음성을 텍스트로 변환한 기록)을 분석하는 데 있다. OpenAI API는 전송된 텍스트 데이터를 정밀하게 분석하여 학습자가 범한 문법적 오류를 찾아내고, 상황에 더 적절한 어휘를 추천하며, 발음 교정이 필요한 지점을 정확히 식별한다. 이는 단순한 텍스트 수정을 넘어 학습자의 현재 수준과 대화 맥락을 반영한 맞춤형 피드백을 생성하는 구조다. 튜터는 더 이상 수기로 수업 일지를 작성하거나 개별 피드백을 고민할 필요 없이 AI가 도출한 근거를 기반으로 학습 방향을 빠르게 설정한다.

기술적 구현 과정에서는 분석 실행 시점을 최적화하여 학습 효율을 극대화했다. 수업이 완전히 종료된 후 리포트를 일방적으로 전달하는 방식이 아니라, 수업 종료 몇 분 전으로 분석 실행을 예약하는 워크플로우를 구축했다. 튜터와 학생이 수업을 마무리하는 시점에 AI가 생성한 피드백을 화면에서 함께 리뷰하며 즉각적인 질의응답을 주고받을 수 있는 환경을 만든 것이다. 이러한 설계는 AI가 인간 튜터를 대체하는 것이 아니라, 행정적인 반복 업무를 제거해 튜터가 학생과의 정서적 교감이나 문화적 뉘앙스 전달 같은 핵심 가치에만 집중하게 만드는 실무적 구현을 목표로 한다.

녹취록 분석에서 맞춤형 숙제까지의 파이프라인

수업이 끝나고 피드백을 받기까지 걸리던 시간이 단 몇 분으로 줄었다. Preply Classroom(프레플리 수업 전용 가상 공간)에서는 학습자의 동의를 전제로 수업 전체 과정을 녹화하고 전사(Transcription, 음성을 텍스트로 변환)하는 작업을 수행한다. 분석 엔진의 작동 시점은 수업 종료 직전으로 정밀하게 설계되었다. 수업 종료 몇 분 전으로 인사이트 생성을 예약 실행하여, 튜터와 학생이 수업을 마무리하는 시점에 분석 결과를 즉시 확인하고 함께 리뷰할 수 있게 했다. 분석 대기 시간을 물리적으로 제거해 학습 흐름을 끊지 않고 피드백을 전달하는 워크플로우다.

수업이 종료된 후 몇 분 이내에 학습자와 튜터가 사용하는 채팅 스레드에는 구조화된 개인화 리포트가 자동으로 전송된다. 리포트는 수업 중 실시간으로 기록된 전사 데이터를 바탕으로 문법, 어휘, 발음 세 가지 영역에서 맞춤형 피드백을 제공한다. 특히 학습자가 반복적으로 틀리는 문법 패턴이나 보완이 필요한 발음 구간을 짚어내어 학습자가 바로 적용할 수 있는 실행 가능한 가이드를 즉각적으로 확인하게 한다. 튜터 역시 매번 수기로 작성하던 수업 노트를 대체하여 학생의 성장 과정을 정밀하게 파악하는 근거로 활용한다. 휘발되기 쉬운 구어체 대화가 데이터 기반의 정제된 학습 기록으로 변환되는 지점이다.

리포트로 생성된 인사이트는 Preply의 자체 학습 운동 엔진(self-learning exercise engine, 학습 데이터 기반 맞춤 문제 생성 시스템)의 입력값으로 그대로 전달된다. 엔진은 AI가 분석한 학습자의 취약점과 수업 주제를 반영하여 개인화된 숙제를 생성한다. 이는 단순한 문제 은행 방식이 아니라 실제 수업에서 나눈 대화 내용과 튜터의 피드백이 반영된 맞춤형 훈련 세트를 구성하는 방식이다. 튜터가 수업 후 몇 시간씩 고민하며 만들던 맞춤형 과제 생성 공정을 자동화 파이프라인으로 대체한 결과다. 1:1 수업의 정성적 경험이 AI를 통해 정량적인 연습 문제로 전환되며 학습 효과를 누적시킨다. 반복적인 행정 업무를 제거하고 튜터가 학생의 핵심 가치 지도에만 집중하게 만드는 실무적 구현 방식이다.

튜터의 행정 부담 감소와 학습자 유지율 상승

튜터가 수업 종료 후 학생 개개인에 맞춘 학습 계획과 수업 노트를 수기로 작성하는 데는 상당한 시간이 소요되었다. 특히 개인화된 숙제 과제를 구성하고 보조 자료를 준비하는 작업은 때로 수 시간이 걸리는 고된 행정 업무였다. 레슨 인사이트 도입 이후 이러한 문서 작성 과정의 상당 부분이 자동화되었다. 튜터는 이제 단순 기록 업무에서 벗어나 학생의 학습 상태를 분석하고 직접적인 피드백을 주는 교육 본연의 역할에 더 많은 시간을 할당한다. 행정 부담의 감소가 곧 교육 서비스의 질적 향상으로 연결된 구조다.

학습자는 자신이 실제로 나아지고 있는지, 다음 단계에는 무엇을 해야 하는지에 대한 명확한 답을 원한다. 레슨 인사이트는 수업 중 다룬 주제와 목표, 튜터의 구체적인 피드백을 가시적인 리포트로 변환해 제공함으로써 학습자에게 성장의 증거를 제시한다. 학습자는 자신의 성장 궤적을 데이터로 확인하며 학습 동기를 유지하고, 이는 자연스럽게 서비스 이용 기간의 연장으로 이어진다. 실제 도입 1년이 지난 후에도 대부분의 활성 학습자가 이 기능을 계속 사용하고 있다는 점은 매우 강력한 신호다. 이는 AI 도구가 주는 일시적인 신선함을 넘어, 학습 유지율(Retention, 사용자가 서비스를 이탈하지 않고 지속적으로 이용하는 비율)을 높이는 실질적인 가치로 작동하고 있음을 의미한다.

서비스 외부의 운영 효율성 또한 구체적인 수치로 증명되었다. Preply는 뉴욕, 키이우, 런던, 바르셀로나에 분포한 전사 직원 600명을 대상으로 ChatGPT Enterprise(기업용 챗GPT)를 도입하고 전사적 활성화 세션을 운영했다. 도입 초기 60% 수준이었던 주간 활성 사용자 수(WAU, Weekly Active Usage)는 빠르게 95%까지 상승했다. 이는 AI가 일부 엔지니어의 전유물이 아니라, 마케팅, 운영, 고객 지원 등 전 부서의 일상 업무 흐름에 깊숙이 통합되었음을 보여준다. 반복적인 운영 프로세스를 자동화함으로써 조직 전체의 실행 속도를 높이고 내부 리소스를 최적화한 결과다.

엔지니어 94%가 사용하는 Codex와 에이전트 기반 개발

어제는 신기하게 느껴졌던 도구가 오늘은 없어서는 안 될 기본 설정이 된다. Preply 개발팀이 공개한 수치는 이 변화의 속도를 명확히 보여준다. 엔지니어의 94%가 Codex(코드 생성 AI)와 AI 코딩 어시스턴트를 실무에 도입해 사용하고 있다. 이들은 단순한 코드 작성을 넘어 PR(Pull Request, 코드 변경 사항 반영 요청) 리뷰와 디버깅 같은 검증 단계까지 AI를 활용한다. 반복적인 코딩 작업에 소요되는 물리적 시간을 줄임으로써, 엔지니어는 전체 시스템 아키텍처(소프트웨어 구조 설계)를 최적화하고 고객이 겪는 실질적인 문제를 해결하는 설계 업무에 더 많은 자원을 투입한다.

AI 내재화는 코드 작성을 넘어 기업의 운영 공정 전반으로 확장된다. 운영 팀은 Brand Voice GPT(브랜드 정체성과 톤앤매너를 학습한 맞춤형 GPT)를 일상적인 워크플로우에 통합했다. 이를 통해 Preply가 지향하는 일관된 메시지 표준과 브랜드 가이드라인을 유지하면서 콘텐츠 생성을 자동화한다. 기존에는 사람이 일일이 문구의 톤을 수정하고 검토하던 과정을 AI가 처리하며, 콘텐츠 생산 속도를 높이는 동시에 브랜드의 통일성을 확보했다.

개발 속도를 가속하는 다음 단계는 에이전트 기반 개발 도구(Agentic development tools, 스스로 목표를 설정하고 실행 계획을 세워 과업을 수행하는 AI 도구)의 도입이다. 이는 개발자가 일일이 명령어를 입력하는 수준을 넘어 AI가 개발 공정의 일부를 자율적으로 수행하게 하여 실험과 구현의 주기를 획기적으로 단축한다. 이와 함께 학습자의 목표, 강점, 챌린지, 선호도를 장기적으로 캡처하는 심층 이해 시스템 구축을 추진한다. 단발성 수업 분석을 넘어 수개월간의 학습 데이터를 누적해 개별 학습자에게 최적화된 학습 경로를 제시하는 것이 핵심이다.

이러한 시도는 AI가 인간의 역할을 대체하는 것이 아니라, 반복적인 저부가가치 업무를 제거해 핵심 가치에 집중하게 만드는 실무적 구현 방식이다. 엔지니어와 운영자가 도구의 제약에서 벗어나 제품의 본질적인 성장과 사용자 경험 개선이라는 상위 과제에 집중할 수 있는 환경을 구축했다.

수기로 작성하던 수업 일지와 숙제 배분 과정은 OpenAI API를 통한 녹취록 분석과 피드백 자동 생성으로 전환되었다. 수업 종료 전 분석을 예약해 튜터와 학생이 즉시 리뷰하는 워크플로우는 행정 시간을 줄이고 학습 효율을 높이는 실무적 장치가 된다. 이는 AI가 인간을 대체하는 과정이 아니라, 단순 반복 업무를 제거해 교육의 본질인 정서적 교감과 문화적 전달에 집중하게 만드는 구조적 변화다. 기술의 실무적 효용은 결국 사람이 가장 잘하는 일에만 시간을 쓰게 만드는 지점에서 결정된다.