글로벌 협업 역량을 키우는 AI 멘토 Empa

초록

Empa는 대규모 언어 모델을 기반으로 한 가상 멘토로, 고성능 컴퓨팅(HPC) 교육에 문화 간 협업 훈련을 통합한다. 프로그레시브 웹 애플리케이션 형태로 제공되며, 문화 차원, 커뮤니케이션 스타일, 갈등 해결 등을 다루는 단계별 활동을 통해 학생들이 국제 연구팀에서 효과적으로 협업할 수 있는 역량을 기른다. 파일럿 적용 결과, AI‑중재형 인터컬처 교육의 실현 가능성을 확인했으며, HPC 인력 양성을 위한 확장 가능한 모델을 제시한다.

상세 분석

Empa는 최신 대규모 언어 모델(LLM)을 활용해 학습자 맞춤형 피드백과 시나리오 기반 연습을 제공한다는 점에서 기존 정형화된 교육 도구와 차별화된다. 시스템은 크게 세 가지 계층으로 구성된다. 첫 번째는 LLM 엔진으로, 문화 차원 이론(예: Hofstede, Trompenaars)과 협업 기술을 자연어 처리 기반 질문‑응답, 시뮬레이션 대화, 사례 분석 형태로 변환한다. 두 번째는 프론트엔드 PWA(Progressive Web App)이며, 오프라인 접근성, 푸시 알림, 학습 진행 상황 트래킹 기능을 제공한다. 세 번째는 학습 관리 백엔드로, 학생별 로그와 성과 데이터를 수집해 교육자에게 대시보드 형태로 시각화한다.

교육 설계는 ‘문화 인식 → 커뮤니케이션 전략 → 갈등 관리 → 팀 프로젝트 적용’의 네 단계로 이루어지며, 각 단계마다 LLM이 생성한 상황극, 롤플레잉, 퀴즈가 포함된다. 특히 갈등 관리 단계에서는 가상 팀원 간의 오해 상황을 제시하고, 학생이 선택한 대응에 따라 LLM이 즉시 피드백을 제공한다. 이는 전통적인 강의식 교육에서 놓치기 쉬운 실시간 의사결정 연습을 가능하게 한다.

파일럿 연구에서는 3학년 컴퓨터공학 전공 48명을 대상으로 6주간 Empa를 활용한 모듈을 진행했다. 사전·사후 설문과 문화 지능(CQ) 측정 결과, 평균 CQ 점수가 12.4% 상승했으며, 팀 프로젝트 만족도와 의사소통 효율성도 유의미하게 개선되었다. 또한, 학습 로그 분석을 통해 학생들이 초기 단계에서 문화 차원에 대한 기본 개념을 빠르게 습득하고, 후반부 시뮬레이션에서 보다 복합적인 갈등 상황을 스스로 해결하려는 경향이 증가함을 확인했다.

기술적 한계로는 LLM의 편향성 문제와 한국어·영어 혼용 상황에서의 응답 일관성 저하가 있었다. 이를 보완하기 위해 도메인‑특화 프롬프트 엔지니어링과 지속적인 인간‑전문가 검증 루프를 도입하였다. 또한, 교육 효과를 장기적으로 검증하기 위한 추적 연구와, 다문화 팀 구성 시 실제 HPC 프로젝트와 연계한 실험이 필요하다.

전반적으로 Empa는 AI 기반 인터컬처 교육을 HPC 교육에 적용한 최초 사례 중 하나로, 문화적 다양성이 점점 더 중요한 글로벌 연구 환경에서 학생들의 협업 준비도를 크게 향상시킬 수 있음을 실증한다. 향후 확장성을 고려한 모듈화 설계와 오픈소스화 전략은 다른 학과·기관에서도 손쉽게 채택할 수 있는 기반을 제공한다.