LLM과 AI 에이전트와의 차이: 수학 학습에서의 활용과 비교

AI 기술이 빠르게 발전하면서 교육 현장에서 생성형 AI로 대표되는 LLM(Large Language Model)와 산업별 새로운 기대 역할로서의 AI 에이전트(AI Agent)의 활용에 대한 관심이 높아지고 있습니다. 클래스팅 서비스 안에서도 이러한 기술들이 활용되고 있고, 앞으로 그 범위가 더 넓어질 예정인데요. 두 기술은 모두 학습, 학습 지도에 유용하지만, 기능과 접근 방식에 차이가 있습니다. AI 에이전트와 LLM의 차이를 살펴보고, 수학 교육에서 두 기술이 어떻게 활용될 수 있는지 살펴보고자 합니다.

LLM과 AI 에이전트의 차이점

LLM과 AI 에이전트는 모두 AI 기술을 기반으로 하지만, 업무 정의 방식과 과제 수행 능력에서 뚜렷한 차이를 보입니다.

LLM은 입력된 텍스트(프롬프트)에 대한 가장 적절한 출력을 생성하는 모델입니다. 주어진 질문이나 요청에 답변을 생성할 수는 있지만, 해당 작업을 끝까지 수행하지는 못합니다. 예를 들어, "이메일 초안을 작성해줘"라는 요청을 받으면 초안은 작성하지만, 실제로 이메일을 전송하거나 일정에 추가하는 등의 후속 작업은 수행하지 않습니다.

반면, AI 에이전트는 사용자가 설정한 목표를 달성하기 위해 필요한 작업을 스스로 계획하고 실행할 수 있는 시스템입니다. LLM의 언어 처리 능력을 포함할 수 있지만, 추가적으로 도구 사용, 계획 수립, 실행 기능을 갖추고 있어 보다 능동적으로 작업을 처리합니다. 예를 들어, "회의 일정을 잡아줘"라는 요청을 받으면 단순히 일정을 추천하는 것을 넘어, 실제로 캘린더에 일정을 추가하고 참석자에게 초대장을 보낼 수 있습니다.

수학 교육에서의 LLM과 AI 에이전트

수학 학습은 단순히 정답을 맞히는 것을 넘어, 개념 이해와 이에 따른 문제 해결을 필요로 합니다. 이러한 관점에서 LLM과 AI 에이전트는 다음과 같은 차이를 보입니다.

LLM은 입력된 질문에 대해 적절한 답변을 생성합니다. 예를 들어, "2차 방정식 x² - 5x + 6 = 0의 해를 구해줘"라는 요청에는 근의 공식을 적용해 해를 구해줍니다. "미분이 무엇인가요?"라는 질문에도 관련 개념을 설명할 수 있으며, 간단한 문제를 출제하는 것도 가능합니다. 그러나 LLM은 학습자의 수준이나 학습 이력을 반영하지 않고, 문제 해결 과정에서 발생할 수 있는 오류를 분석하지 못합니다. 또한 학습 목표를 설정하거나 진도를 관리하는 기능은 제공하지 않습니다.

LLM 예(1): 예제 풀이 제공

• 질문: "2차 방정식 x^2 - 5x + 6 = 0의 해를 구해줘."
• LLM 응답: "근의 공식 x = (-b \pm \sqrt{b^2 - 4ac}) / 2a를 적용하면 해는 x = 2, 3입니다."

LLM 예(2): 개념 설명

• 질문: "미분이 뭐야?"
• LLM 응답: "미분은 어떤 함수의 변화율을 구하는 연산입니다."

LLM 예(3): 문제 출제 및 변형

• 요청: "삼각함수 문제를 3문제 만들어줘."
• LLM 응답: "1. sin 30°의 값을 구하시오. 2. tan 45°의 값을 구하시오. 3. 코사인 법칙을 이용하여 삼각형의 한 변의 길이를 구하는 문제를 만들어 보세요."

반면, AI 에이전트는 학습자의 이전 기록과 정답률을 기반으로 개인별 맞춤 학습을 지원합니다. 예를 들어, 미분 문제에서 반복적으로 오답을 제출하는 학생이 있다면 해당 개념에 대한 추가 학습을 제안하고, 적절한 문제를 제공할 수 있습니다. 문제 풀이 중 실수가 발견되면 구체적인 오류 분석과 함께 올바른 풀이 방법을 안내합니다. 이 외에도 학습 목표 설정, 진도 관리, 그래프 작성과 같은 다양한 도구 활용이 가능하여 학습자의 이해를 돕습니다.

AI 에이전트 예(1): 학습자 수준 분석

• 학생이 이전에 푼 문제와 정답률을 바탕으로 어려운 개념을 파악하고 개인화된 진단을 제공할 수 있음.
• 예: "학생이 지난 5문제 중 3문제를 오답으로 제출했습니다. 특히 미분 문제에서 개념 이해가 부족한 것으로 보입니다."

AI 에이전트 예(2): 맞춤형 학습 경로 제공

• 학생이 어려워하는 개념을 분석하고 적절한 콘텐츠를 추천해 줌.
• 예: "당신은 미분 개념을 어려워하는 것 같아요. 먼저 '도함수의 개념'을 다시 공부하고, 기본 문제를 풀어볼까요?"

AI 에이전트 예(3): 오답 분석 및 피드백 제공

• 학생이 문제를 풀면 AI 에이전트는 답이 맞았는지 확인하고 어떤 실수를 했는지 분석해 줌.
• 학생: "f(x) = x^2 - 4x + 3의 미분을 구하면 2x - 3이죠?"
• AI 에이전트: "아니요! 2x - 3이 아니라 2x - 4가 되어야 해요. '-4x'를 미분할 때 -4가 나와야 합니다."

AI 에이전트 예(4): 목표 설정 및 진도 관리

• 학습 목표를 설정하고, 성취도를 모니터링하면서 난이도를 조절할 수 있음.
• 예: "이번 주 목표는 삼각함수의 기초 개념을 마스터하는 것입니다. 현재 진행률은 60%이며, 부족한 부분은 '코사인 법칙'입니다."

AI 에이전트 예(5): 다양한 도구 활용

• AI 에이전트는 그래프를 그리거나, LaTeX을 사용해 수식을 정리할 수 있음.
• 예: "이 함수를 그래프로 보면 더 이해하기 쉬워요!" (자동으로 그래프 생성)

LLM과 AI 에이전트 기능 비교

LLM은 개념 설명과 단순 문제 풀이에 유용하지만, 개인별 맞춤 학습 지원에는 한계가 있습니다. 반면, AI 에이전트는 학습자의 수준과 학습 이력을 반영해 개별 피드백을 제공하며, 학습 목표 달성을 위해 진도를 관리합니다. AI 에이전트는 근본적인 차원에서 학생이 수학 개념을 더 깊이 이해하고, 지속적인 학습을 이어갈 수 있도록 돕습니다.

클래스팅에서 진화하고 있는 AI 에이전트

클래스팅 AI 또는 AI 디지털교과서(고등 수학)에서 학습자는 AI 에이전트가 필요로 하는 기능을 경험할 수 있습니다. 특히 위 기능 비교에서 개념 설명, 문제 풀이 외에 개별화 학습에 필요한 다양한 기능을 이미 제공하고 있습니다.

개인 맞춤형 학습 경로 제공

학습자가 수업 진도 학습을 하기 전 선수학습이 잘 되어 있는지를 평가할 수 있습니다. 이때 진단된 결과에 따라 개인화된 맞춤 학습 경로가 제공되며, 스스로 보완 학습을 할 수 있습니다.

오답 분석 및 피드백

학생은 학습 현황을 검토할 수 있으며, 오답에 대해 스스로 확인하고 다시 학습할 수 있습니다. 교사도 이러한 내용을 열람할 수 있습니다.

실시간 힌트 제공

AI 튜터는 학생이 어려워하는 개념이나 문항을 만났을 때, 이에 맞는 도움을 줄 수 있습니다.

AI 에이전트로 열어가는 수학 학습의 미래

미래의 일이라고 생각한 것들이 빠르게 현실화 되고 있는 요즘입니다. 이제 수학 교육은 단순히 자동 채점과 풀이 설명을 넘어, 초고도화된 AI로 개인 맞춤형 학습으로 진화하고 있습니다. 클래스팅 또한 보다 높은 수준의 교육용 AI 에이전트를 구축하고 있습니다. 교육자도, 학습자도 이러한 변화를 잘 이해하고 활용한다면 어떠한 변화가 와도 효과적이고 지속가능한 학습 경험을 만들어갈 수 있을 것입니다.