대학의 첫 AI 프로젝트, 왜 '입학·학사 문의 챗봇'이어야 하나

synapsoft.co.kr 보도 대학의 첫 AI 프로젝트, 왜 '입학·학사 문의 챗봇'이어야 하나

"우리 대학에도 AI를 도입해야 하는 건 알겠는데, 대체 뭐부터 시작해야 할까요?" 최근 국내 대학들의 고민은 '도입 여부'에서 '도입 순서'로 빠르게 이동하고 있다. 예산은 한정돼 있는데, 정부 정책은 AI 도입을 사실상 강제하고 있고, 학생들은 이미 생성형 AI에 익숙해져 있다. 이런 상황에서 첫 프로젝트를 잘못 고르면 예산만 소진한 채 "역시 우리 대학엔 아직 이르다"는 결론만 남는다는 게 업계의 중론이다. 반대로 좋은 첫 프로젝트는 이후 과제의 명분과 예산을 만들어내는 마중물이 된다. 그렇다면 대학의 첫 AI 과제는 어떤 기준으로 선택해야 할까.

교육부가 2025년 12월 발표한 '2026년 교육부 업무계획'은 방향을 명확히 제시한다. 15개 추진과제 중 'AI를 활용한 대학 진학상담 고도화'가 포함됐고, 2026년부터 AI 모델 기반 대학 진학상담 챗봇 서비스가 개시될 예정이다. 2027년에는 AI 대학진학 진단서비스, 2028년에는 AI 학생부 컨설팅이 단계적으로 도입된다. 상위 국가계획인 '인공지능 기본계획(2026~2028)' 역시 12대 전략분야에 공공부문 AI 대전환을 명시했다. 정책 방향은 이미 확정된 셈이다.

여기에 이용자 측면의 변화도 맞물린다. 교육부와 한국교육학술정보원(KERIS)의 조사에 따르면 고등학생의 96.7%, 중학생의 93.8%가 학업 목적으로 생성형 AI를 사용한 경험이 있다고 답했다. 문제는 이 학생들이 입학 전에는 정부가 만든 AI 챗봇과 대화하며 정보를 얻다가, 입학 후에는 대학 홈페이지에서 '공지사항 첨부파일을 내려받아 확인하세요'라는 안내를 만난다는 점이다. 국가가 대입 단계에서 만들어놓은 기대 수준을, 입학 이후에는 개별 대학이 감당해야 하는 구조적 괴리가 발생한 것이다.

그렇다면 대학 AI 도입은 교육 영역부터 시작해야 할까, 행정 영역부터 시작해야 할까. 결론부터 말하면 첫 도입은 학사행정 분야의 챗봇이 가장 적합하다. 교육 영역은 성과가 클 수 있지만 합의 비용이 크다. 평가 공정성, 학습권, 교수 재량 같은 민감한 문제가 걸려 있어 학내 논의만으로 한 학기가 지나가기 십상이다. 반면 행정은 이해관계자가 상대적으로 적고, 효과가 숫자로 즉시 드러나며, 실패해도 되돌릴 수 있다는 장점이 있다.

실제 데이터도 이를 뒷받침한다. 미국 고등교육 IT 협의체 EDUCAUSE의 '2025 AI Landscape Study'(약 800개 기관 대상)에 따르면 절반이 넘는 52%의 기관이 이미 행정 워크플로 자동화에 AI를 활용하고 있다. AI를 전략적 우선순위로 본다는 응답은 57%로 전년(49%)보다 상승했지만, 동시에 55%는 AI 전략이 기관 곳곳에서 산발적으로 진행 중이라고 답했다. 방향은 잡혔지만 구심점이 없는 상태인 것이다.

국제기구들도 비슷한 결의 조심스러운 접근을 권고한다. 유네스코는 2023년 9월 '교육·연구 분야 생성형 AI 가이던스'를 통해 인간 중심 접근, 데이터 프라이버시 보호, 교육적 적절성 검증을 앞세운 규제·거버넌스 선행을 강조했다. 도구를 먼저 깔고 규칙을 나중에 만드는 순서를 명시적으로 경계한 것이다. 컨설팅 기관 커니(Kearney) 역시 대학 AX 실행 전략에서 배포보다 거버넌스가 먼저이고, 통합 컨트롤타워가 필요하며, 교육보다 행정부터 시작해 Quick-Win을 선행하라는 순서를 제시한다.

그렇다면 어떤 기준으로 첫 프로젝트를 선별해야 할까. 전문가들이 제시하는 기준은 크게 네 가지다. 첫째, 문제의 반복성이다. 같은 질문이 매년·매학기 반복되는가를 확인해야 한다. 일회성 업무는 효과가 누적되지 않아 성과 측정이 어렵다. 둘째, 문서화 정도다. 정답이 이미 문서로 존재하는가가 관건이다. 근거 문서가 없으면 AI는 그럴듯한 거짓 답변을 만들어낼 위험이 크다. 셋째, 가역성이다. 답이 틀렸을 때 사람이 바로잡을 수 있는가를 따져야 한다. 선발·성적·재정 결정에 활용되는 시스템이라면 한 번의 오류가 분쟁으로 이어질 수 있다. 넷째, 진입 부담이다. 새 인력이나 새 시스템 없이 시작할 수 있는가가 중요하다. 인력 채용이나 시스템 개발이 전제되면 그것은 첫 과제가 아니라 중장기 사업이 된다.

작게 시작해야 하는 이유는 시장 전체의 실패 패턴에서도 확인된다. 가트너는 2025년 6월, 에이전틱 AI 프로젝트의 40% 이상이 2027년 말까지 취소될 것이라고 전망하면서 그 사유로 비용 급증, 불분명한 비즈니스 가치, 미흡한 위험 통제를 꼽았다. 산업 전반을 대상으로 한 전망이지만, 실패 사유는 위 기준과 정확히 일치한다. 첫 사례가 좋게 끝나야 후속 도입을 고려할 수 있다는 논리다.

네 가지 기준을 모두 만족하는 과제는 무엇일까. 바로 '입학·학사 반복 문의 안내'다. 대학에서 가장 많이 반복되는 질문이고, 정답이 모집요강·학사규정·장학 안내 문서에 이미 확정된 형태로 존재하며, 안내가 틀려도 담당자가 정정할 수 있고, 이미 운영 중인 홈페이지 위에서 시작할 수 있다. 실제로 많은 대학이 이 지점에서 출발했지만, 상당수가 같은 장애물에 부딪혔다.

문제는 문서의 형식에 있다. "편입학 지원 자격에 전적대 학점 기준이 어떻게 되나요", "국가장학금이랑 교내장학금 중복 수혜가 되나요", "계절학기 수강 취소하면 등록금은 언제 환불되나요" 같은 질문들의 답은 모두 문서에 존재한다. 다만 게시글 본문이 아니라 게시글에 첨부된 HWP·PDF 파일 안에 있다. 대학 행정 문서의 표준 형태가 원래 그렇다. 공지사항은 '2027학년도 편입학 모집요강 안내'라는 제목과 두어 줄의 설명, 그리고 첨부파일 하나로 구성된다. 기존 게시판 검색이나 시나리오형 챗봇은 이 첨부파일을 열지 못한다. 그래서 나오는 답은 정해져 있다. "자세한 내용은 공지사항을 확인해 주세요." 이 답을 받은 학생은 결국 입학처와 학사팀에 전화를 건다. 문의는 줄지 않고, 담당자는 챗봇 도입의 실효성에 의문을 품게 된다.

이 지점에서 주목할 점은 기술적 해결의 중요성이다. 단순히 챗봇을 도입하는 것이 아니라, HWP와 PDF 등 비정형 문서를 AI가 읽고 이해할 수 있게 만드는 '문서 AI(Document AI)' 기술이 핵심 변수가 된다. 사이냅소프트와 같은 국내 기업들이 이 시장에서 주목받는 이유도 여기에 있다. 대학이 보유한 방대한 행정 문서를 AI가 학습 가능한 형태로 변환하고, 이를 기반으로 정확한 답변을 생성할 수 있는 파이프라인을 구축하는 것이 첫 프로젝트의 성패를 결정한다.

이 기사가 에듀테크 업계에 주는 시사점은 분명하다. 대학 AI 도입 시장은 이제 '기술 도입' 단계를 지나 '실질적 성과 창출' 단계로 접어들었다. 단순히 챗봇 기능을 탑재하는 것을 넘어, 대학의 기존 문서 체계와 시스템을 이해하고 실제 업무 부담을 줄이는 솔루션이 각광받을 것이다. 특히 HWP 파일 처리, 비정형 데이터 분석, 행정 전문용어 이해 등 한국 대학의 특수성을 반영한 기술력이 경쟁력의 핵심이 될 전망이다. 정부의 정책적 드라이브와 학생들의 수요가 맞물리면서, 대학 AX 시장은 향후 수년간 가파른 성장이 예상된다. 첫 프로젝트의 성공 여부가 시장 전체의 판도를 가를 것으로 보인다.