1 사업화 1년차: 운영 자동화
데이터 표준화를 기반으로 추천 시스템을 고도화하고, 교안 및 평가 문항 생성을 자동화하여 운영 효율성을 극대화합니다.
데이터 표준화 & DB화
- ✓ 학습 맥락 정보: 수강 정보, 성취도 평가 결과 표준화
- ✓ 벡터 DB 구축: 비정형 텍스트(강의, 질의) 임베딩 저장
- ✓ 이벤트 스키마 통합: 모든 로그(출석, 상호작용) 정규화
하이브리드 추천 알고리즘
협업 필터링과 콘텐츠 기반 필터링을 결합하여 최적의 커리큘럼과 강사를 매칭합니다.
취약점 벡터
후기: 협업 비중↑
& XAI 설명 생성
📝 콘텐츠 생성 자동화
RAG 기반으로 기존 자료를 참조하여 강의 교안, 평가 문항, 개인 맞춤형 보충 자료를 자동 생성합니다.
🎮 게이미피케이션
학습 데이터를 실시간으로 EXP로 변환하고, 보이지 않는 역량(DIMC)을 아바타 레벨로 시각화합니다.
2 사업화 2년차: End-to-End Agentic LMS
AI 코파일럿과 조기 경고 시스템을 도입하여 위험을 관리하고, 초개인화된 학습 로드맵을 제공합니다.
🚨 조기 경고 시스템 (Risk Scoring)
이해도, 참여도, 성취도 점수를 통합하여 고위험군을 식별하고 능동적으로 개입합니다.
🤖 AI 코파일럿
초개인화 학습 로드맵 설계
학습자의 DIMC 진단과 성취 목표(LO) 달성도를 분석하여, 미달성 목표를 위한 최적의 경로를 동적으로 생성하고 주차별 계획을 자동 조정합니다.
프로필 및 달성도 분석
DIMC 역량, 미달성 LO 목록, 참여 패턴 확인
콘텐츠 필터링 & 순서 결정
선수 지식 제약 만족 (기초 → 표준 → 심화)
동적 난이도/학습량 조정
최근 성취 추세를 반영한 주차별 부하 조절
자동 재계획 (Re-planning)
과부하 방지 및 목표 커버리지 자동 점검
정량적 성과 목표 (KPI)
2026년부터 2028년까지, AI 성능과 사용자 만족도에서 세계 최고 수준의 목표를 달성하겠습니다.
AI 모델 성능 목표 (%)
Q&A 검색 정확도, 툴 호출 정확도 등 핵심 기술 지표의 연도별 성장 목표입니다.
사용자 추천 만족도 (%)
실제 서비스 도입 후 학습자가 느끼는 추천 적합성 목표입니다.