무슨 일이 있었나요
Lathoa라는 아이들용 수학 앱이 공개됐어요. 독특한 점은 AI가 일부러 틀린다는 거예요. 보통 교육용 AI는 정답을 알려주는 선생님 역할을 하잖아요? Lathoa는 반대로 AI가 문제를 풀다가 실수를 하고, 아이가 그 실수를 찾아서 바로잡아주는 구조예요. 아이가 선생님이 되고 AI가 학생이 되는 거죠.
요즘 AI 교육 앱이 쏟아지고 있는데, 대부분 '틀리지 않는 AI 튜터'를 목표로 해요. 그런데 Lathoa는 LLM의 약점으로 여겨지는 '틀림'을 오히려 학습 장치로 뒤집었어요. 그래서 발상 자체가 한번 짚어볼 만해요.
왜 가르치면 더 잘 배울까: 프로테제 효과
교육 심리학에는 프로테제 효과(protégé effect)라는 개념이 있어요. 이게 뭐냐면, 남을 가르치려고 준비할 때 내가 더 깊이 이해하게 되는 현상이에요. 시험 전에 친구한테 설명해주다가 '어, 나도 이걸 제대로 몰랐네' 하고 깨달은 경험 있으시죠? 바로 그거예요.
누군가의 풀이를 보고 틀린 곳을 찾으려면 단순히 답을 아는 걸로는 부족해요. 왜 틀렸는지 설명할 수 있어야 하거든요. 예를 들어 AI가 '3/4 + 1/4 = 4/8'이라고 하면, 아이는 '분모끼리 더하면 안 돼, 분모는 그대로 두고 분자만 더해야 해'라고 짚어줘야 해요. 이 과정에서 개념을 자기 말로 다시 꺼내게 돼요.
이 아이디어 자체는 새로운 게 아니에요. 교육공학 연구에서는 teachable agent라고 해서, 학생이 가상 캐릭터를 가르치게 하는 시스템이 오래전부터 연구돼 왔어요. 미국 밴더빌트 대학의 Betty's Brain이 대표적인 예인데, 학생이 가상 학생 Betty를 가르치고, Betty가 퀴즈에서 틀리면 학생이 자기 설명을 다시 점검하는 방식이에요. Lathoa는 이 흐름을 LLM 시대에 맞게 다시 구현한 시도라고 볼 수 있어요.
기술적으로 흥미로운 지점: 통제된 오류
여기서 개발자 입장에서 재밌는 질문이 생겨요. LLM은 원래도 가끔 틀리는데, 일부러 틀리게 만드는 게 뭐가 어렵지? 사실 이게 꽤 어려워요.
교육적으로 쓸모 있는 실수는 아무렇게나 틀린 게 아니라 아이들이 실제로 자주 하는 전형적인 오개념이어야 해요. 분수 덧셈에서 분모끼리 더하기, 받아올림 빼먹기, 곱셈과 덧셈 순서 헷갈리기 같은 것들이요. 그리고 틀린 부분은 딱 하나여야 하고, 나머지 풀이는 정확해야 해요. LLM이 자연스럽게 내는 할루시네이션은 이런 조건을 전혀 보장하지 않죠.
그래서 이런 앱을 만든다면 보통 이렇게 접근할 거예요.
1. 오개념 유형을 미리 분류해서 목록으로 만들어 둔다.
2. 문제와 정답은 코드로 정확히 계산한다(LLM에 계산을 맡기지 않는다).
3. 어느 단계에서 어떤 오개념을 넣을지 시스템이 결정한다.
4. LLM은 그 '설계된 오답'을 자연스러운 말투로 풀어내는 역할만 한다.
즉 정확성은 코드가, 표현은 LLM이 맡는 구조죠. 이건 교육 앱이 아니어도 LLM 서비스를 설계할 때 두루 써먹을 수 있는 패턴이에요.
업계 맥락
Khan Academy의 Khanmigo처럼 정답을 바로 주지 않고 질문으로 유도하는 소크라테스식 AI 튜터는 이미 꽤 알려져 있어요. 하지만 그런 튜터도 결국 AI가 '아는 쪽'이에요. Lathoa는 권력 관계를 뒤집어서 아이에게 '내가 AI보다 낫다'는 효능감을 준다는 점이 달라요. 수학을 무서워하는 아이에게는 이게 꽤 큰 동기부여가 될 수 있어요.
물론 우려도 있어요. 아이가 AI의 오답을 못 찾고 그대로 믿어버리면 오히려 잘못된 개념을 배울 수 있거든요. 그래서 아이가 놓쳤을 때 어떻게 피드백을 줄지가 이런 앱의 성패를 가를 거예요.
한국 개발자에게 주는 시사점
한국은 수학 사교육 시장이 크고, AI 디지털교과서 논의처럼 에듀테크에 대한 관심도 높아요. 그런데 대부분의 서비스는 '문제 추천'과 '풀이 해설'에 머물러 있어요. '학생이 AI를 가르친다'는 프레임은 국내 에듀테크에서도 충분히 차별화 포인트가 될 수 있어요.
그리고 에듀테크가 아니더라도, LLM의 약점을 기능으로 바꾸는 발상과 정확성은 결정적 코드로 확보하는 설계는 어떤 LLM 서비스에든 적용해볼 만한 교훈이에요.
마무리
한 줄 정리: 틀리는 AI를 고치면서 배운다는 발상은, 교육학의 오래된 원리를 LLM으로 다시 살려낸 똑똑한 시도예요.
여러분이라면 아이에게 정답을 알려주는 AI와 일부러 틀리는 AI 중 어느 쪽을 쥐여주고 싶으세요? 그리고 LLM의 약점을 오히려 기능으로 바꾼 다른 사례가 떠오르시나요?
🔗 출처: Hacker News