파편화된 문법 교육, AI로 표준화 시도
영어 교육 현장에서 24년 간 강의를 해온 한 강사가 인공지능(AI) 기반 문법 문제 생성 서비스 '그래머피티'를 개발했다. 단순 자동 출제 도구를 넘어 학습자의 약점을 분석하고 맞춤형 문제를 제공하는 것이 목표다. 기술적 기반은 '온톨로지(ontology)'와 '도메인 전문지식(DSL)+'제약 기반 생성(CBG)'이다. 다음은 (주)그래머피티 김균학 대표와의 일문일답이다.
-영어 강사로 활동하는 중에 AI 서비스를 만들게 된 계기가 궁금하다.
▶강사 생활을 하며 현장에서 가장 크게 느낀 문제는 '문법 문제의 부족'이었다. 특히 내신 기간이 되면 학교마다 시험 범위와 출제 방식이 모두 달라 시중 교재만으로는 대응이 어려웠다.
개발 관련 업무의 경험이나 이력이 없음에도 불구하고 GPT-4가 처음 나왔을 때 '이것으로 풀 수 있지 않을까'하는 기대가 생겼다. 매일 퇴근 후 지하 작업실에 틀어박혀 AI와 대화를 나누며 개발을 시도했다. 처음부터 생각처럼 되지는 않았다. 문제를 만들긴 했지만 오류가 많았고, 프롬프트를 길게 넣을수록 결과가 더 흔들렸다. 환각 문제도 심한 편이었다.
-전환점은 무엇이었나.
▶2025년 GPT-5.1과 Gemini 3.0의 등장이 주효했는데, 문법 문제의 정확도와 출제 속도가 비약적으로 개선됐다.
또한 개발 과정에서 AI가 끊임없이 질문과 과제를 던지며 결과물로 이끄는 듯한 느낌을 받았는데, '온톨로지(Ontology)' 개념을 알려준 것도 전환점이 됐다. 문법을 사람이 이해하는 방식이 아니라, AI가 처리할 수 있는 구조로 다시 쪼개는 작업이었다. 이 과정을 거치고 나니 프롬프트 설계가 완전히 달라졌고 관련 기술은 3건의 특허 출원을 마쳤다.
-기술적으로 가장 중요한 차별점은 무엇인가.
▶온톨로지와 함께 '제약 기반 생성(Constraint-based Generation, GCG)'을 핵심으로 보고 있다. 일반적으로는 AI에 무엇을 하라고 지시하지만, 오히려 하지 말아야 할 조건을 먼저 설정하는 것이다. 특정 문법 범위를 벗어나지 않도록 제한하거나, 한국식 문법 체계에서 어긋나는 표현을 걸러내는 식이다. 이 방식을 적용하며 정확도가 눈에 띄게 올라갔다.
-향후 개발 방향은 어떻게 되나.
▶학생이 어떤 유형에서 반복적으로 틀리는지를 추적하고, 그 오류를 문법 체계와 연결하려 한다. 단순히 틀렸다는 결과를 보여주는 것이 아니라, 왜 틀렸는지까지 이어주는 구조다. 오는 8월 출시 목표인 2차 고도화 버전(V2)은 '추론형 맞춤 AI'를 지향한다. 특정 문법에서 계속 틀리면 그 개념과 연결된 다른 요소까지 확장해 문제를 다시 구성한다. 결국 목표는 하나다. 많이 푸는 게 아니라, 필요한 문제만 정확하게 풀게 하는 것.
-교육 시장 전반에 어떤 변화를 가져올 수 있다고 보나.
▶현시점의 문법 교육은 상당히 파편화돼 있다. 학교마다 기준이 다르고, 학원마다 접근 방식도 다르다. 이 서비스가 어느 정도 자리를 잡으면 최소한의 기준은 만들어질 수 있다고 본다. 공교육에서 활용되면 학원 시장도 그 흐름을 따라갈 가능성이 크다. AI 자체는 이미 충분히 똑똑해졌다. 결국 중요한 건 어디에 쓰느냐다. 이 기술이 영어 교육에서 오랫동안 해결되지 않았던 문제를 건드릴 수 있다면, 그걸로 의미는 충분하다고 본다.