교육 콘텐츠 제작에 생성형 AI를 쓸 것인가는 이미 지난 질문이 되었습니다. 지금 담당자가 실제로 막히는 지점은 어디까지 맡겨도 되는지를 정하는 일입니다. 생성형 AI(generative AI)로 교육 콘텐츠를 만든다는 것은 제작 전체를 자동화한다는 뜻이 아니라, 초안을 만드는 일은 기계에 넘기고 무엇이 맞는지 판단하고 책임지는 일은 사람이 쥐는 분업입니다. 이 경계를 먼저 긋지 않으면 제작은 빨라지는데 검수에서 막혀 전체 일정은 그대로이거나 오히려 늘어납니다.
이 글은 도구 사용법이 아니라 운영 기준으로 썼습니다. 제작 공정을 단계로 쪼개 단계마다 위임할 수 있는 정도를 가르고, 시간이 어디로 옮겨가는지, 실무에서 자주 깨지는 지점은 어디인지, 무엇부터 시작하면 되는지 순으로 정리합니다.
제작은 한 덩어리가 아니다
"AI로 교육 콘텐츠를 만든다"는 말이 막연하게 들리는 이유는 제작을 한 덩어리로 보기 때문입니다. 실제 공정은 최소 여섯 단계와 하나의 게이트로 나뉘고, 단계마다 위임할 수 있는 정도가 크게 다릅니다. 어떤 단계는 초안을 거의 그대로 써도 될 만큼 안전하고, 어떤 단계는 초안을 받는 것부터가 위험합니다.
| 단계 | AI가 잘하는 일 | 사람이 반드시 하는 일 | 위임 수준 |
|---|---|---|---|
| ① 요구 파악·학습목표 설계 | 유사 과정의 목차 후보, 학습목표 문장 다듬기 | 우리 조직이 실제로 겪는 문제인지 판단, 대상자 확정 | 낮음 |
| ② 원고 집필 | 개요에서 초고 생성, 난도 조절 리라이팅, 예시 후보 제시 | 사실 확인, 사내 규정·수치 대조, 사례의 진위 확인 | 중간 |
| ③ 슬라이드·시각자료 | 레이아웃 초안, 도식 아이디어, 이미지 생성 | 브랜드 일관성, 소재의 권리 확인, 오해를 부르는 도식 교정 | 중간 |
| ④ 영상 제작 | 대본 정리, 편집 보조, 음성 합성 | 화자·촬영 대상 동의, 최종 톤과 속도 판단 | 중간 |
| ⑤ 자막·번역·요약 | 음성 인식 자막 생성, 다국어 번역, 차시 요약 | 전문용어·고유명사·사내 약어 교정 | 높음 |
| ⑥ 평가문항(시험·과제·설문) | 문항 초안 대량 생성, 오답지 후보 작성 | 정답 검증, 난도·변별 조정, 중복 제거 | 중간 |
| ⑦ 최종 검수·승인 | 맞춤법·중복·누락 점검 보조 | 발행 판단과 책임. 승인자 이름이 남는 자리 | 없음 |
표를 세로로 훑어보면 규칙이 하나 보입니다. 정답이 하나로 정해져 있고 그 정답을 우리 조직만 아는 단계일수록 위임 수준이 낮습니다. 반대로 형식이 반복되고 결과를 사람이 즉시 알아볼 수 있는 단계일수록 안심하고 맡길 수 있습니다.
맡겨도 되는 일에는 공통점이 있다
위임 수준이 높은 작업에는 세 가지 조건이 함께 붙어 있습니다. 첫째, 양이 많고 형식이 반복됩니다. 60분짜리 강의 열 편의 자막을 사람이 치는 일이 여기 해당합니다. 둘째, 완성본이 아니라 초안이면 충분합니다. 문항 30개를 받아 12개를 골라 고쳐 쓰는 방식이라면 초안의 품질이 완벽할 필요가 없습니다. 셋째, 틀렸을 때 담당자가 즉시 알아봅니다. 자막에서 회사 제품명이 엉뚱하게 적히면 한 번 읽고 바로 잡히지만, 환급 요건 숫자가 틀리면 발행될 때까지 아무도 모를 수 있습니다.
세 조건을 모두 만족하는 작업부터 손대는 것이 안전합니다. 자막과 번역, 차시 요약, 평가문항 초안, 기존 원고의 난도 조절이 대표적입니다. 영상 자막을 자동으로 만들고 다국어로 넓히는 구체적인 흐름은 강의 영상 AI 자막·다국어·접근성 시작하기에 따로 정리해 두었습니다.
사람이 반드시 쥐어야 하는 세 가지
첫째는 사실입니다. 특히 제도와 규정에 관한 수치가 위험합니다. 법정의무교육의 대상과 주기, 환급과정의 이수 요건처럼 관할 고시에 따라 달라지는 내용은 생성형 AI가 가장 그럴듯하게 틀리는 자리입니다. 문장이 자연스러워서 검수자도 그냥 넘어가기 쉽습니다. 이런 항목은 초안을 참고하되 최종 문장은 소관 기관 안내와 대조해 확정하시고, 본문에도 발행 시점 기준임을 밝혀 두는 편이 안전합니다.
둘째는 맥락입니다. 우리 조직의 직무 구분, 사내 시스템 이름, 실제 있었던 사례는 외부 모델이 알 수 없는 정보입니다. 이 부분이 비어 있으면 문장은 매끄러운데 학습자가 3분 만에 "우리 얘기가 아니네"라고 판단합니다. 교육 콘텐츠에서 이탈이 시작되는 가장 흔한 이유이기도 합니다.
셋째는 책임입니다. 시험 문항 하나가 틀리면 재응시와 이의제기가 따라오고, 수료 판정이 걸려 있으면 일이 커집니다. 그 자리에서 "AI가 만든 문항이었다"는 설명은 답이 되지 않습니다. 그래서 문항과 원고에는 누가 검수하고 누가 승인했는지 기록이 남아야 합니다. AI 도구가 교육 현장에서 실제로 무엇을 바꾸고 무엇은 바꾸지 못하는지는 AI 튜터·AI LMS, 교육 현장에서 실제로 뭐가 바뀌나에서 더 자세히 정리했습니다.
시간은 줄어드는 게 아니라 옮겨간다
도입 후 가장 자주 어긋나는 기대가 여기 있습니다. AI는 초안이 나오는 속도를 바꾸지만, 무엇이 맞는지 확인하는 속도는 바꾸지 않습니다. 그래서 제작에 쓰던 시간이 줄어드는 만큼 검수에 쓰는 시간은 오히려 늘어납니다.
여기서 실무 규칙이 하나 나옵니다. 초안 생성량을 검수 가능한 양에 맞춥니다. 문항 500개를 뽑아 놓고 200개만 검증한 채 문제은행에 올리는 것보다, 60개를 뽑아 60개를 전부 검증해 올리는 편이 낫습니다. 검증되지 않은 문항이 섞인 문제은행은 어느 차수에서 사고가 날지 알 수 없는 상태로 남습니다.
실무에서 자주 깨지는 네 지점
그럴듯한 사실 오류가 첫 번째입니다. 앞서 본 제도·수치 문제가 여기 해당하고, 사내 제도 이름이나 조직 개편으로 없어진 부서명이 그대로 등장하는 경우도 잦습니다. 검수 체크리스트의 맨 위에 "숫자와 고유명사"를 올려 두는 것이 실효가 큽니다.
톤과 용어의 불일치가 두 번째입니다. 여러 차시를 나눠 생성하면 같은 개념을 차시마다 다른 말로 부르는 일이 생깁니다. 과정 착수 전에 사내 용어집을 한 장 만들어 두고 프롬프트에 함께 넣는 방식이 가장 간단한 해법입니다.
입력 자료의 행선지가 세 번째입니다. 학습자 명단이나 평가 결과, 고객사 자료를 그대로 프롬프트에 넣는 순간 통제 범위를 벗어날 수 있습니다. 넣어도 되는 자료와 안 되는 자료를 A4 한 장으로 정해 두시길 권합니다. 학습 기록과 개인정보를 어디까지 보관하고 언제 파기하는지의 기준은 학습자 개인정보와 교육이력, 얼마나 보관하고 언제 파기하나에 정리해 두었습니다.
권리 관계가 네 번째입니다. 외부에서 받은 강의안이나 구매한 콘텐츠를 AI로 재가공하는 일은 원래 계약의 이용 범위와 부딪칠 수 있습니다. 2차적저작물작성권이 계약서에 없으면 재편집 자체가 막히는 경우도 있습니다. 이 판단 기준은 교육 콘텐츠 저작권, 어디까지 써도 되나에서 상세히 다뤘습니다.
무엇부터 시작하면 되나
세 가지 순서를 권합니다.
- 신규 과정이 아니라 기존 과정 리뉴얼부터. 정답을 이미 알고 있는 콘텐츠라 검수자가 틀린 곳을 빨리 찾아냅니다. 첫 시도에서 필요한 것은 성과가 아니라 오류 유형의 목록입니다.
- 본문 원고보다 자막·요약·평가문항부터. 앞의 세 조건을 모두 만족하는 작업이라 실패해도 되돌리기가 쉽습니다.
- 한 과정 한 차수만 파일럿. 검수에서 걸러진 항목을 유형별로 기록해 두면, 그 기록이 두 번째 과정의 프롬프트 기준이자 체크리스트가 됩니다. 이 단계를 건너뛰면 과정이 늘어날 때마다 같은 실수를 반복합니다.
여기에 사내 기준 한 장을 더하면 준비가 끝납니다. 넣어도 되는 자료와 안 되는 자료, 검수자와 승인자, AI 활용 사실을 콘텐츠에 표기할지 여부 정도면 충분합니다. 처음부터 두꺼운 지침을 만들 필요는 없습니다.
만든 다음이 더 중요하다
콘텐츠는 만든 시점이 아니라 학습자가 통과한 뒤에 평가됩니다. 초안을 빨리 뽑는 것보다, 올려서 돌려보고 고치는 주기를 짧게 가져가는 쪽이 결과적으로 품질을 더 끌어올립니다.
맑은이러닝 LMS(Learning Management System)는 콘텐츠관리 안에 문제카테고리와 문제은행, 시험관리를 두고 있고, 설문은 단일선택·다중선택·단답형 문항으로 구성할 수 있습니다. AI로 만든 문항 초안을 카테고리별로 쌓아 두고 차수마다 일부를 교체하는 운영이 가능한 구조입니다. 온라인강의와 집합강의를 한 시스템에서 관리하므로, 생성한 자료를 어느 과정에 붙일지도 같은 화면에서 정리됩니다.
돌린 뒤에는 숫자로 확인합니다. 특정 차시에서 이탈이 몰리면 그 차시의 분량이나 난도를 의심하고, 특정 문항의 정답률이 지나치게 낮으면 문항 자체를 다시 봅니다. 이 점검을 주 단위 루틴으로 만드는 방법은 학습 데이터로 운영을 고치는 법에 정리해 두었습니다.
정리
생성형 AI는 교육 콘텐츠 제작에서 초안이 나오는 속도를 바꿉니다. 그러나 무엇이 맞는지, 우리 조직에 맞는지, 누가 책임지는지는 그대로 사람의 몫으로 남습니다. 그래서 도입의 성패는 도구 선택이 아니라 어느 단계까지 맡길지 미리 정하고, 검수 게이트를 우회하는 경로를 만들지 않는 데서 갈립니다.
자막과 요약, 평가문항 초안처럼 되돌리기 쉬운 작업부터 한 과정만 파일럿으로 돌려 보시고, 검수에서 걸린 항목을 기록해 두시길 권합니다. 만든 콘텐츠를 어느 과정에 어떻게 붙이고 이수까지 연결할지 함께 살펴보고 싶으시면 무료 상담으로 문의해 주셔도 됩니다.
