1. AI 기반의 영어 학습 CAF 진단 서비스를 기획하고 개발하게 된 이유는 무엇인가요?

이성파 공동창업자 (이하 성파) | 링글을 시작한 이래 저는 오로지 하나의 질문에 대한 답을 쫓고 있습니다. "어떻게 하면 고객들의 영어 실력이 좋아지게 할 수 있을까?" 그 첫번째가 아이비리그 튜터가 직접 교정을 해주는 1:1 화상영어 플랫폼이었죠. 2년 전에 다시 한번 저에게 물었습니다. "지금 고객들은 영어 실력이 향상되고 있나?" 고객들이 많아지다보니 1:1 화상영어 만으로도 충분히 실력 향상을 느끼는 사람들도 있고, 큰 변화가 없는 사람들도 많아지더라구요.

그래서 영어 학습 방식 개선이 필요하다고 생각했습니다. 고객분들과 직접 대면으로 만나서 "왜 링글로 영어 공부를 꾸준히 할 수 없는지, 혹은 실력 향상에 필요한게 무엇인지"를 물었어요. 자체적으로 영어 공부 스터디클럽을 운영하면서 고객분들과 함께 매주 공부하면서 공부방법에 대한 고민도 같이 했습니다. 김주호 교수님 연구팀이 저희 고객을 바탕으로 “분산형 튜터십” 플랫폼(학습자가 여러 명의 튜터와 학습할 수 있는 플랫폼)에서 어떻게 학습이 일어나고 있는지 데이터 분석도 진행해 주셨어요.

약 16,000여 학습자의 세션 데이터를 분석과 링글 고객 519명의 설문과 40명의 인터뷰도 진행 결과는 흥미로웠습니다. 그 중 하나가 바로 링글을 통해 여러 튜터와 학습할 수 있어서 다양한 경험 측면에서는 좋은데 튜터의 피드백이 일관적이지 않거나 비교하기 어려운 형태로 제공되어 아쉽다는 것이었습니다. 예를 들어 이 튜터는 문법이 단점이라고 했는데 저 튜터는 문법 이야기가 아예 없다든가 하는 경우가 생기면 학습자가 헷갈린다는 것입니다.

그 결과 저와 주호교수님, 그리고 팀이 함께 내린 결론은 "일관적이고 지속적인 형태로 제공되는 데이터 기반의 진단 서비스가 이 문제를 해결하고 나아가 고객들의 영어 실력을 늘리는데 도움이 될 것"이라는 것 이었습니다. 나아가, 객관적인 진단이 나오면 어떤 영역을 집중해서 학습하면 영어 실력이 느는지 학습 계획을 세울 수 있도록 도와주는 기능이 필요하다는 확신이 들었습니다.

2. ML/NLP 연구자 입장에서 링글과 함께 AI 기반의 학습 진단 서비스를 개발하겠다는 생각은 어떻게 하시게 되었나요?

김주호 교수님 (이하 주호) | 인간과 컴퓨터간의 관계를 연구하는 연구자 관점에서 봤을 때 링글이 가진 가장 큰 매력은 학습자의 영어 한마디 한마디가 모두 데이터화 된다는 점입니다. 세계적으로도 이런 데이터를 가지고 있는 플랫폼이 별로 없다고 생각하는데요. 학습자 개개인이 수십, 수백 개의 링글 세션을 이어나가면서 학습자의 영어 실력 변화의 궤적을 굉장히 정확하고 디테일하게 데이터로 구현할 수 있습니다.

링글 세션 데이터에 대한 분석을 통해 답할 수 있는 중요하고 재밌는 질문들이 연구적으로, 기술적으로, 비즈니스적으로도 너무나 많아요. 학습자의 영어실력이 어떻게 변해나가는지, 링글을 통해 학습자들의 영어실력이 과연 늘고 있는지, 빨리 느는 학습자와 그렇지 않은 학습자는 학습의 패턴과 발전의 모습이 어떻게 다른지 등.

이 모든 비전의 첫단계는 객관적인 학습 진단 모델을 통해 학습자의 현재 위치를 정확히 파악하는 것이라고 생각했고, 기꺼이 링글팀과 함께 CAF 진단 서비스 개발을 함께 하게 되었습니다.

3. 영어 실력을 평가할 때 CAF를 기본 뼈대로 삼은 이유가 궁금합니다

주호 | 기존 언어교육 연구를 상세히 분석한 결과 Complexity, Accuracy, Fluency가 가장 범용적으로 또 다양한 분석에 활용되는 세 가지 평가의 축이라는 것을 발견했습니다. 특히 매력적인 부분은 이 세가지 요소가 어느 정도 긴장관계를 가지고 있어서 동시에 달성하기 어렵다는 점입니다. 이는 학습자로 하여금 영어를 단순히 잘 하고싶다는 막연한 목표 대비 훨씬 구체적으로 방향성과 지표를 설정하도록 도울 수 있다는 점에서 유용합니다. 예를 들어 정확도만 목표로 한다면 정말 단순한 문장을 천천히 이야기하면 되는데, 이 경우 A는 높은 반면 C와 F가 매우 낮아집니다. 반대로 복잡한 문장 구사에만 집중을 하다보면 C는 높지만 자연히 A와 F를 달성하기가 어려워집니다. 이렇듯 CAF 3요소가 영어 실력의 서로 다른 영역을 커버하고 있기 때문에 이를 동시에 높이는 것은 매우 어렵고, 그렇기 때문에 역설적으로 실력에 대한 보다 의미 있는 가이드와 피드백 제시를 할 수 있는 뼈대가 됩니다.

성파 | CAF 진단 서비스의 세가지 축을 통해 어느 부분에서 강점 / 약점이 있는지를 정확하게 파악하여 학습 목표를 달성하게 도울 수 있습니다. 예를 들어 ‘전치사’를 계속 틀린다는 것을 모르는 상태에서 계속 원어민과 수업을 한다면 전치사 실수는 고치기 어려울 겁니다. 이에 대해 자연스럽게 해결되도록 냅두는게 아니라 내가 어떤 부분에서 틀렸는지부터 어떻게 개선해야 할지를 이해한 상태에서 튜터와 수업하며 완벽하게 고쳐나갈 수 있게 됩니다.

3. 사람인 튜터와 1:1 화상으로 영어 공부를 하는 링글의 기존 서비스에 AI가 도입되었습니다. 비즈니스 혹은 서비스 방식에 변화가 생기는 건가요?

성파 | 링글의 기본적인 학습 모델은 1:1 튜터링이고 이는 변함이 없을 것입니다. AI의 도입으로 AI 튜터나 혼자 학습하기를 지원하는 서비스들이 최근 출시되고 있지만, 링글은 인간 튜터만이 할 수 있는 실력 교정 이상의 중요한 가치를 지켜나가면서 AI가 다양한 보조와 지원을 해줄 수 있도록 기술을 개발해 나갈 계획입니다. 학습자에게는 AI가 튜터와의 세션 사이에 맞춤형 복습과 예습 제공, 진단과 학습추천, 학습목표 설정 지원 등 꾸준한 영어학습을 지원하는 코치의 역할을 할 수 있습니다.

이를 통해 AI는 1:1 튜터링의 학습효과를 극대화할 수 있는 튜터와 학습자 모두의 파트너가 될 수 있습니다. 튜터에게는 튜터가 일일이 커버하기 힘든 문법오류 등에 대한 피드백을 대신해주어 보다 정성적이고 중요한 피드백에 집중할 수 있도록 도와줄 수 있습니다. 또한 나아가서 튜터 세션 자체도 진단할 수 있습니다. AI가 더 나은 튜터가 되기 위한 피드백을 제공하고, 수만 개의 세션이 안전하고 양질의 학습이 일어나는 세션이 될 수 있도록 모니터링 하는 역할도 할 수 있습니다. 학습자에게는 AI가 튜터와의 세션 사이에 맞춤형 복습과 예습 제공, 진단과 학습추천, 학습목표 설정 지원 등 꾸준한 영어학습을 지원하는 코치의 역할을 할 수 있습니다.

주호 | 회사와 제품 측면에서는 오히려 이번 변화가 링글이 에듀테크 회사로서의 모습을 전면에 드러냈다는 면에서 상징성이 있다고 생각합니다. 개인적으로 링글을 오랫동안 봐오면서 그동안 정교한 운영과 관리가 빛나는 회사라는 생각을 많이 해왔는데요. 상대적으로 서비스 개발 이외의 AI나 데이터 관련 기술 측면의 엣지가 많이 보이지 않았던 것도 사실입니다. CAF를 통해 링글이 앞으로 학습자 친화적인 AI 기술을 계속해서 선보이겠다는 일종의 선언을 했다고 생각합니다.

4. ML/NLP 분야에 대한 연구를 실제 서비스로 구현하는 과정에서 어떤 프로세스를 거쳤고, 어려움은 없으셨나요?

주호 | 연구자, 개발자, PM, 디자이너가 긴밀히 하나의 팀으로 일을 했는데요. AI 기반 제품 개발에서 가장 어려운 부분이 바로 기술과 디자인, 서비스가 한 방향을 바라보게(align) 하는 것입니다. AI 기반 서비스가 쏟아져 나오고 있지만 생각보다 성공하는 경우가 별로 없는데요. 다양한 기업들이 겪는 실패의 주원인을 보면, 개발자는 내부적인 성능평가에서만 좋은 성능을 보이는 AI 기술을 만들고, PM과 디자이너는 기술을 모른 채 AI를 블랙박스로 놓고 기술적 특성이나 성능과 맞지 않는 설계를 하는 경우가 많습니다.

이런 상황을 피하기 위해 저희는 업무 프로세스에서 두 가지 중요한 질문을 던졌습니다. (1) 어떻게 하면 개발자가 학습자와 학습경험을 이해하고 기술을 개발할 수 있을까? (2) 어떻게 하면 PM과 디자이너가 AI 기술을 이해하고 설계할 수 있을까? 이 질문에 대한 답으로 CAF 개발자들은 직접 베타고객 인터뷰에 참여하면서 자신이 만든 기술을 사용한 고객의 소리를 직접 들으면서 기술의 방향과 역할을 이해했고, PM과 디자이너는 개발 미팅에 참여하면서 기술 이해도를 높이면서 기술 의사결정에도 참여하면서 기술 특성을 반영한 서비스와 디자인 설계 의사결정을 내릴 수 있었습니다.

5. 구체적으로 AI가 활용된 방식에 대해 좀 더 자세히 설명해주실 수 있나요?

주호 | AI는 CAF 진단 자체 뿐 아니라 진단을 위한 데이터의 준비 및 영어수준 예측에도 적용 됩니다.

• 준비: 진단 엔진을 내시경으로 보자면 전처리 과정은 약을 먹고 공복을 유지하는 것과 비슷합니다. 제대로 된 진단을 위해서는 AI를 위해 정돈된 텍스트 형태로 링글 세션 데이터를 변환해 주어야 합니다. 이 과정에는 음성데이터를 텍스트로 자동변환하는 AI, 불완전한 텍스트 변환을 보완해주는 기술 등이 적용됩니다. 또한 대화형 구어체로 구성되는 링글 세션의 특성상 비문과 불완전한 문장, 튜터의 개입으로 중간에 끊기는 문장 등이 많아 이를 자동으로 보완하는 기술도 개발했습니다.

• 영어수준 예측: CAF 엔진이 진단을 마치고 나면, AI가 CAF 항목 각각과 종합 수준을 레벨 단위로 예측합니다. 링글이 자체적으로 수집한 전문가의 영어수준 평가 데이터를 기반으로 정교한 예측을 위한 모델을 자체 개발하였습니다. 이를 활용하여 링글의 독자적인 레벨 체계를 구축하는 한편, TOEFL, IELTS 등의 공인영어시험 점수 예측도 높은 정확도로 할 수 있습니다.

6. CAF 진단 서비스가 고객들에게 어떤 역할을 해주었으면 하시나요?

성파 | CAF 진단 서비스는 '올바르게 성장할 수 있도록 돕는 등대'가 되는 것이 목표입니다. 클로즈드 베타 테스팅 동안에, 고객분들과 한달 정도 같이 스터디 모임을 진행했는데요, 이번 스터디에서 C,A,F 각각의 항목 중 개선하고 싶은 ‘목표’를 정했습니다. 명확한 목표가 생기니 내가 어떤 부분을 노력해야하는지 가시적으로 보이고, 개선하기 위해 노력하게 되었죠. 이 같은 구조 때문에 고객분들이 포기 하지 않고 끝까지 스터디에 참여하는 비율이 기존보다 2.5배 이상 좋았고, CAF 레벨도 유의미하게 증가하는 모습을 보였습니다. 진단 서비스의 등장으로 성장을 위해 노력하시는 분들에게 긍정적인 목표가 생겼음을 눈으로 확인하는 시간이었습니다. 많은 링글 고객들이 CAF 진단 서비스를 통해 성장의 목표 역할을 하기를 진심으로 바랍니다.

7. CAF진단 서비스를 구현하는 데 있어서 잠재적인 우려 사항이나 도전 과제가 있나요?

성파 | 베타 테스팅을 하면서, 학습자분들이 ‘이 영역은 어떻게 개선되는건가요?’ 라는 질문을 정말 많이 하셨습니다. 링글의 목적이 ‘성장’인만큼, 개인화된 학습 과정을 설계하는 방향으로 계속하여 업그레이드 될 예정입니다!

주호 | 내비게이션에 비유를 해보자면, 정확한 위치추적에 이어 필요한 것은 경로 추천입니다. 진단에 기반해서 나만의 목표를 향해 나만의 길을 가는 데에 도움이 되는 맞춤형 학습 추천과 다음 세션이나 교재와의 연계 등이 가능합니다. 튜터도 학습자의 실력과 목표, 방향성을 잘 이해하고 나면 더욱 맞춤형으로 세션을 진행할 수 있습니다. 또 하나는 진단 자체의 퀄리티를 높이고 다양한 진단 요소를 추가하는 것입니다. 한국식 영어를 더 잘 이해하도록 음성인식 AI 기술을 향상시키고 발음이나 대화방식, 주제 관련성 등 고급의 진단기능도 추가할 예정입니다.