SNarGPT 기술 블로그 2편: 수능AI는 무엇이 달라야 할까? '수능을 아는 AI'는 드뭅니다.
지난 글에서 우리는 SNarGPT를 단순한 챗봇이 아니라, 학생 옆에서 함께 호흡하는 AI 학습 파트너 팀이라고 소개했습니다.
그렇다면 자연스럽게 이런 질문이 따라옵니다.
요즘 챗GPT처럼 똑똑한 AI가 많은데, 굳이 SNarGPT여야 할 이유가 있나요?
아주 중요한 질문입니다.
지금 시대에 AI의 지능 자체는 더 이상 특별한 것이 아닙니다. 누구나 일정 비용을 지불하면 강력한 AI 모델을 사용할 수 있습니다. 그래서 수능AI에서 진짜로 중요한 경쟁력은 모델의 크기보다 판단 기준입니다.
AI가 아무리 똑똑해도, 무엇을 기준으로 판단하느냐가 잘못되면 입시에서는 오히려 위험할 수 있습니다. 수능은 단순히 지식을 많이 아는 시험이 아닙니다. 평가원의 출제 방식, 문제 안에 숨어 있는 논리 구조, 학생이 반복해서 틀리는 사고 습관까지 읽어내야 하는 시험입니다.
그래서 우리는 SNarGPT를 만들 때, 단순히 최신 AI 모델을 붙이는 데서 멈추지 않았습니다. 지난 12년간 독학기숙학원 현장에서 학생들을 지도하며 쌓아온 수능 데이터와 학습 관리 경험을 AI에게 먼저 가르쳤습니다.
그 중심에 있는 것이 바로 SN RAG 시스템입니다.
RAG는 쉽게 말해, AI가 답변을 만들기 전에 검증된 자료를 먼저 찾아보고 그 근거를 바탕으로 답하게 만드는 기술입니다. SNarGPT의 경우 그 자료가 일반 인터넷 정보가 아니라, SN이 축적해 온 수능 특화 데이터베이스라는 점이 다릅니다. 이것이 우리가 말하는 수능 RAG의 출발점입니다.
오늘은 이 SN RAG 시스템이 학생의 공부를 어떻게 바꾸는지 세 가지로 설명해보겠습니다.
1. 수능AI의 답변 기준을 인터넷이 아니라 검증된 수능 데이터에 둡니다
일반적인 AI는 학생이 질문하면 방대한 인터넷 정보 속에서 그럴듯한 답을 조합합니다. 물론 많은 경우 유용한 답을 주기도 합니다. 하지만 입시에서는 그럴듯함만으로는 부족합니다.
수능과 맞지 않는 설명, 평가원식 사고와 어긋나는 풀이, 실제 시험장에서 적용하기 어려운 접근이 섞일 수 있기 때문입니다.
특히 수능 공부에서는 맞는 설명과 적절한 설명이 다를 때가 많습니다. 일반 AI는 때때로 교육과정에서 벗어난 용어를 사용하거나, 고등학교 과정 밖의 개념으로 문제를 설명하거나, 대학 과정의 접근법을 자연스럽게 끌어옵니다. 수학 문제에서 미적분학적 해석을 과하게 쓰거나, 국어 지문을 실제 평가원 독해 방식과 다른 문학 이론 중심으로 설명하는 식입니다.
이런 답변은 지식적으로는 그럴듯할 수 있지만, 수능을 준비하는 학생에게는 오히려 혼란을 줍니다. 시험장에서 사용할 수 없는 풀이, 교육과정과 어긋난 설명, 출제 의도와 거리가 먼 해설은 학습의 기준을 흐리게 만들기 때문입니다.
수능 AI 튜터를 표방하는 SNarGPT는 다르게 작동합니다.
학생의 질문을 받으면 먼저 SN이 자체 구축한 수능 특화 도서관을 확인합니다. 이곳에는 역대 수능과 평가원 기출문제, 주요 문항의 해설, 그리고 1편에서 소개했던 풀이 전문가 에이전트 SNarGo가 정리한 논리 구조가 축적되어 있습니다.
즉, SNarGPT는 답변의 핵심 근거를 일반 인터넷이 아니라 검증된 수능·평가원 데이터에서 찾도록 설계되어 있습니다.
이 과정은 AI가 엉뚱한 내용을 만들어내는 환각 가능성을 줄이고, 학생에게 훨씬 더 안정적이고 수능 맥락에 맞는 설명을 제공하게 합니다.
입시에서 중요한 것은 단순히 맞는 말이 아닙니다.
수능에서 통하는 말이어야 합니다.
2. AI 수능 공부의 핵심인 출제 의도를 진단합니다
학생이 어떤 문제를 들고 와서 이렇게 묻는 상황을 생각해보겠습니다.
선생님, 이거 어떻게 풀어요?
일반적인 AI는 문제를 풀고 정답과 풀이 과정을 설명해줄 수 있습니다. 그것만으로도 도움이 될 때가 있습니다.
하지만 SNarGPT가 목표로 하는 것은 거기서 한 걸음 더 나아가는 것입니다.
SNarGPT는 학생이 가져온 문제를 RAG 시스템 안의 기출 데이터와 대조합니다. 단순히 비슷한 단어를 찾는 것이 아니라, 그 문제가 어떤 평가원식 논리 구조를 갖고 있는지, 어떤 출제 의도를 담고 있는지 분석합니다. 수능AI가 실제 학습에 도움이 되려면 바로 이 지점까지 내려가야 합니다.
예를 들면 이런 식입니다.
이 문제는 과거 평가원 모의고사에서 반복적으로 등장한 '간접 조건 해석' 구조와 비슷해. 단순 계산보다 조건을 어떻게 읽어내는지가 핵심이야. 관련 기출을 먼저 확인해볼래?
이 차이는 큽니다.
정답을 알려주는 것은 한 문제를 해결하는 일입니다. 하지만 출제 의도를 짚어주는 것은 학생이 다음 문제를 스스로 해결할 수 있게 만드는 일입니다.
SNarGPT는 단순히 답을 제공하는 기계가 아니라, 학생이 자신의 약한 고리를 발견하도록 돕는 AI 페이스메이커를 지향합니다.
3. 수능 RAG 기반 맞춤형 문제 공장을 가동합니다
학생이 자신의 약점을 확인한 뒤 이렇게 묻는 경우도 많습니다.
이거랑 비슷한 문제 더 풀어볼 수 있어요?
바로 이때 SNarGPT 팀의 콘텐츠 제작자 에이전트, SNarGen이 역할을 시작합니다.
SNarGen은 RAG 시스템에 쌓인 기출문제들의 논리 구조를 분석하고 재조합합니다. 그리고 학생이 방금 어려워했던 문제와 같은 사고 과정을 요구하는 변형 문제를 만들어냅니다. 단순한 문제 생성 AI가 아니라, 수능형 사고 과정을 다시 훈련시키는 콘텐츠 제작자에 가깝습니다.
여기서 중요한 점은 단순한 숫자 바꾸기가 아니라는 것입니다.
많은 문제 생성은 겉모양만 바꿉니다. 숫자를 바꾸고, 소재를 조금 바꾸고, 문장을 다르게 표현하는 수준에 머뭅니다. 하지만 학생의 실력을 올리기 위해 필요한 것은 겉모양이 비슷한 문제가 아니라, 틀린 사고 과정을 다시 훈련하게 만드는 문제입니다.
SNarGen은 학생이 약한 논리 구조를 겨냥해 문제를 생성합니다.
결국 학생은 자신에게 필요한 유형을 반복 훈련할 수 있고, 학습은 더 이상 일방적인 문제 풀이가 아니라 개인별 약점을 보완하는 과정으로 바뀝니다.
결론: AI의 성능보다 중요한 것은 판단 기준입니다
AI의 겉모습은 누구나 만들 수 있습니다. 챗봇 인터페이스도 만들 수 있고, 최신 모델도 연결할 수 있습니다.
하지만 입시에서 정말 중요한 것은 그 AI가 어떤 기준으로 학생을 바라보느냐입니다.
수년간 학생들의 오답을 분석하고, 흔들리는 멘탈을 관리하고, 실제 수능장에서 무너지는 지점을 지켜본 경험은 하루아침에 복제할 수 없습니다. 좋은 튜터는 단순히 똑똑한 사람이 아닙니다. 학생이 왜 틀렸는지, 지금 무엇이 필요한지, 어떤 순서로 회복해야 하는지를 아는 사람입니다.
SNarGPT가 지향하는 수능AI도 바로 그런 튜터입니다.
수능 데이터와 12년 현장의 경험을 판단 기준으로 삼는 AI. 그래서 SNarGPT는 단순한 챗봇이 아니라, 학생의 공부를 함께 설계하는 수능형 AI 학습 파트너입니다.
다음 글에서는 SNarGPT 팀 안에서 문제 풀이와 콘텐츠 생성을 담당하는 에이전트들이 실제로 어떻게 협업하는지 더 구체적으로 다뤄보겠습니다.