AI 튜터를 도입한 학교들의 1년 성적표 — 챗봇 선생님은 약속을 지켰나

2025년 봄, 서울의 한 중학교 2학년 수학 시간. 같은 교과서, 같은 진도, 같은 교사인데 옆반 교실 풍경만 다르다. A반은 태블릿 화면 속 챗봇이 학생마다 다른 난이도의 문제를 띄워주고, B반은 여전히 칠판과 프린트물이다. 학교는 이 학기부터 AI 디지털교과서(AIDT)를 일부 학급에 시범 적용했다. 교육부는 이 실험이 "교육 격차를 해소하고 맞춤형 학습을 실현할 것"이라 약속했다. 그로부터 1년, 결과는 약속과 달랐다 — 이 교과서는 법적 지위를 '교과서'에서 '교육자료'로 격하당했고, 정작 학생 60%는 단 한 번도 로그인하지 않았다.

같은 시기 지구 반대편, 로스앤젤레스통합교육구(LAUSD)는 600만 달러를 들여 만든 AI 챗봇 'Ed'를 켠 지 석 달 만에 조용히 꺼야 했다. 반면 칸아카데미의 '칸미고(Khanmigo)'는 2023-24학년도 6만8000명에서 2024-25학년도 70만 명으로, 다시 2025년 말 130개국 150만 명으로 사용자가 폭증했다. 같은 'AI 튜터'라는 이름 아래, 어떤 학교는 성공을 자랑하고 어떤 학교는 계약을 해지한다. 이 글은 지난 1년간 실제로 AI 튜터를 교실에 들인 학교들의 데이터·사례·전문가 평가를 원 출처를 따라가며 정리한 '성적표'다.

🕰️ AI 튜터는 어디서 왔나 — 블룸의 '2시그마 문제'에서 챗봇까지

AI 튜터 열풍의 뿌리는 생성형 AI가 아니라 1984년으로 거슬러 올라간다. 교육심리학자 벤저민 블룸(Benjamin Bloom)은 대학원생들과 함께 진행한 실험에서, 1대1 개인지도를 받은 학생의 평균 성취도가 일반 강의식 수업을 받은 학생보다 2 표준편차(2 sigma) 높다는 것을 보여줬다. 이는 1대1 지도를 받은 '평균' 학생이 일반 수업을 받은 학생 집단의 상위 2%에 해당하는 성취를 낸다는 뜻이다. 블룸이 던진 진짜 질문은 그 다음이었다 — "어떻게 하면 집단 수업을 1대1 지도만큼 효과적으로 만들 수 있는가?" 이것이 이른바 '2시그마 문제'다.

1990년대부터 카네기멜런대 등에서 '지능형 튜터링 시스템(ITS)'이 이 문제에 도전했다. 2001년 앨버트 코벳 교수는 자신들의 인지 컴퓨터 튜터가 "2시그마 문제를 풀고 있다"고 주장하기도 했다. 그러나 2011년 메타분석에 따르면 인간 튜터링의 효과 크기는 0.79였던 반면 당시 ITS는 0.76으로 근접했을 뿐, 완전히 따라잡지는 못했다. 2020년 이전의 ITS는 고정된 의사결정 트리와 정형화된 설명틀에 갇혀 있었기 때문이다. 대규모 언어모델(LLM)의 등장은 이 판을 바꿨다 — 이제 AI 튜터는 자연어로 맥락에 맞는 설명을 즉석에서 생성하고, 학생의 답변에 따라 실시간으로 난이도를 조정한다. 교육공학 연구자들은 이 흐름을 '자동화의 시대(경직된 ITS) → 증강의 시대(예측 분석·조기경보 시스템) → 에이전시의 시대(생성형 모델이 공동 창작자·소크라테스식 튜터가 되는 현재)'로 구분한다. 지난 1년의 도입 열풍은 바로 이 세 번째 단계가 실제 교실에서 검증받는 첫 라운드였던 셈이다.

🌍 왜 하필 2025~2026년, 전 세계 교실이 동시에 챗봇을 들였나

타이밍은 우연이 아니다. 챗GPT 대중화 이후 생성형 AI의 자연어 대화 능력이 임계점을 넘었고, 각국 교육 당국은 팬데믹 기간의 학습 손실을 만회할 방법을 찾고 있었다. 한국은 2025년 세계 최초로 국가 단위 AI 디지털교과서를 초등 수학3·4·영어3·4, 중학 수학1·영어1·정보, 고등 공통수학1·2·공통영어1·2·정보, 초등 특수학교 국어3·4 과목에 도입했다. 미국은 개별 학군 단위로 움직였다 — 칸아카데미 같은 비영리 플랫폼과의 파트너십이 45개 학군에서 380개 이상으로 8배 넘게 늘었다. 두 접근 모두 "개인화된 학습으로 사교육 의존도를 낮추고 교육 격차를 해소하겠다"는 동일한 명분을 내세웠다.

그러나 명분과 준비 상태 사이에는 간극이 있었다. 정책 결정 속도가 현장의 인프라·연수·검증 속도를 앞질렀다는 지적이 반복적으로 나온다. 한 칼럼은 한국의 AIDT 정책을 "교육부 주도의 교육정책 실패"라 규정했고, 미국에서도 LAUSD 사례처럼 검증되지 않은 스타트업과 수백만 달러 규모 계약을 서두른 사례가 이어졌다. 즉 2025~2026년의 도입 러시는 기술적 성숙과 정책적 조급함이 동시에 맞물린 결과였다.

💻 원인 분석 — 왜 학교는 검증도 되기 전에 AI 튜터를 들였나

구조적 원인은 크게 세 가지로 정리된다. 첫째, 교사 1인당 학생 수 문제다. 블룸의 2시그마 문제가 보여주듯 1대1 지도의 효과는 확실하지만 인간 튜터를 모든 학생에게 붙이는 것은 재정적으로 불가능하다. AI 튜터는 이 병목을 기술로 우회하려는 시도다. 둘째, 정치적 신호 효과다. "AI 교육 선도국가"라는 타이틀은 예산 편성과 여론 형성에 유리하게 작용하며, 이는 충분한 파일럿 검증 없이 전국 단위로 확대 적용하려는 유인이 됐다. 셋째, 에듀테크 시장의 공급 과잉이다. 생성형 AI 붐 이후 수많은 스타트업이 '교육용 챗봇'을 내놓았고, 학군·교육청은 검증된 소수의 대형 플랫폼(칸아카데미 등)과 검증되지 않은 신생 업체(AllHere 등) 사이에서 선택해야 했다.

이 세 원인이 겹치면서 나타난 공통 패턴이 있다. 성공한 사례일수록 오랜 시간에 걸친 무료·저비용 파일럿, 명확한 사용 목적(예: 수학 단원별 개별 연습) 제한, 반복적인 소규모 검증을 거쳤다. 반대로 실패한 사례일수록 단기간에 전면 도입되었고, 목적이 "학업 상담부터 정신건강 지원까지" 식으로 광범위했으며, 독립적인 효과 검증 없이 계약이 체결됐다.

📊 데이터로 보는 1년 — 진짜 성적은 무엇을 말하는가

가장 널리 인용되는 결과는 상반된 두 종류다. 하나는 통제된 실험(RCT)에서 나온 학습 효과, 다른 하나는 실제 확산 규모다. 이 둘을 섞어서 읽으면 안 된다 — 사용자가 많다고 학습 효과가 검증됐다는 뜻은 아니기 때문이다.

하버드대에서 2025년 진행된 케스틴(Kestin) 등의 무작위 대조 실험은 대학 물리 강의 수강생 194명을 AI 튜터 그룹과 일반 능동학습 수업 그룹으로 나눠 비교했다. 결과는 AI 튜터 그룹이 더 짧은 시간에 유의미하게 더 많이 배웠고, 몰입도와 동기 부여 수준도 더 높았다는 것이다. 반면 2025년 UK 5개 중등학교 165명을 대상으로 한 'LearnLM' 실험은 AI 튜터가 사람 튜터와 "최소한 동등한 수준"의 성과를 냈다고 보고했다 — 이는 'AI가 사람을 능가한다'가 아니라 '따라잡았다'는 결론에 더 가깝다.

가장 논쟁적인 결과는 와튼스쿨 하사 바스타니(Hamsa Bastani) 교수 연구팀이 PNAS에 발표한 고등학교 수학 실험이다. 약 1000명의 고교생을 GPT-4를 자유롭게 쓸 수 있는 그룹과 쓸 수 없는 그룹으로 나눈 결과, GPT-4를 연습 문제 풀이에 자유롭게 쓴 학생들의 '보조 상태' 성적은 48% 올랐지만, 이후 AI 없이 치른 실제 시험 성적은 오히려 대조군보다 17% 낮았다. 반면 답을 바로 보여주지 않고 학생이 먼저 풀이 논리를 설명하도록 강제한 'GPT 튜터' 버전은 보조 상태 성적이 127% 오르면서도, AI 없이 본 시험에서는 대조군과 통계적으로 차이가 없었다. 즉 AI 튜터의 설계 방식(가드레일의 유무)이 성적표를 완전히 뒤바꿨다.

💡 핵심 정리 — 같은 '생성형 AI 튜터'라도 결과는 정반대로 갈릴 수 있다. 관건은 AI 자체가 아니라 '학생이 답을 바로 받는가, 스스로 풀이 논리를 설명하도록 강제되는가'라는 설계였다.

🔍 사례 1 — 칸미고, 6만8000명에서 150만 명으로

칸아카데미의 칸미고는 2023-24학년도 파트너 학군 내 학생·교사 약 6만8000명 규모로 시작해, 2024-25학년도에는 70만 명을 넘겼고 파트너 학군도 45곳에서 380곳 이상으로 늘었다. 2025년 말 기준 전 세계 130개국에서 150만 명이 사용하는 규모로 성장했으며, 튜터링 모드는 2026년 1월까지 누적 3억 건 이상의 학생 상호작용을 기록했다. 가장 많이 쓰인 기능은 수학 문제를 단계별로 쪼개 설명하는 기능이었다.

흥미로운 것은 실제 사용 양상이다. 교사들은 칸미고를 학생용 튜터링 도구보다 채점 자동화와 학습 진행 상황 추적에 더 많이 활용하고 있었다 — 즉 AI 튜터의 실질적 가치는 '학생을 대신 가르치는 것'이 아니라 '교사가 진짜 가르치는 데 쓸 시간을 벌어주는 것'에 가까웠다는 뜻이다. 다만 규모의 확산과 학습 효과 검증은 별개 문제다. 2025년 웨스트에드(WestEd)가 47개 학교를 대상으로 진행한 RCT가 나왔지만, 한 교육 매체는 2026년 3월 시점까지도 "칸미고가 실제로 효과가 있다는 것을 증명한 발표 논문은 아직 없다"고 지적했다. 칸아카데미 스스로도 2025년 10월부터 2026년 4월까지 제품 개선을 위한 자체 테스트를 이어가고 있다고 밝혔는데, 이는 뒤집어 보면 대규모 확산 이후에도 효과성 검증이 여전히 진행형이라는 뜻이기도 하다.

🔍 사례 2 — LA통합교육구, 600만 달러 챗봇 'Ed'의 몰락

가장 극적인 실패 사례는 미국 2위 규모 학군인 LA통합교육구(LAUSD)다. 학군은 2023년 6월 20일 스타트업 AllHere와 600만 달러(5년 계약) 규모로 학업·정신건강 상담 챗봇 'Ed'를 개발하는 계약을 맺었다. 2024년 3월 20일 출시된 Ed는 4월 기준 학군 내 성취도가 가장 낮은 '우선순위' 학교 100곳, 학생 약 5만5000명을 대상으로 초기 도입됐다. 당시 학군 교육감 알베르토 카르발류는 이를 대형 기술 컨퍼런스에서 "혁신적인 AI 플랫폼"이라 홍보했다.

붕괴는 순식간이었다. 두 달 뒤인 2024년 6월 14일, AllHere는 재정난을 이유로 직원 대부분에 대한 무급휴직을 발표했다. 학군은 한때 대대적으로 홍보했던 챗봇 Ed의 서비스를 일시 중단했다. AllHere는 그때까지 1200만 달러 이상의 벤처 투자를 유치한 회사였음에도 계약금의 절반가량을 이미 받은 상태에서 서비스를 지속하지 못했다. 그리고 2026년, 이 계약을 둘러싼 연방수사국(FBI) 조사와 연관이 있다고 보도된 사건 속에 카르발류 교육감이 사퇴하면서 이 사례는 미국 에듀테크 업계에서 '검증 없는 조급한 도입'의 대표 반면교사로 남았다.

🔍 사례 3 — 한국 AI 디지털교과서, 도입 1년 만의 지위 격하

한국의 AIDT는 세계에서 가장 야심 찬 국가 단위 실험이었다. 2025년 초·중·고 일부 학년의 수학·영어·정보 과목에 전면 도입됐고, 정부는 사교육 의존도 완화와 교육 격차 해소를 명분으로 내세웠다. 그러나 도입 1년 차 점검 결과는 기대와 크게 어긋났다. 자율 선정 학교를 점검한 결과 단 한 번도 접속하지 않은 학생 비율이 평균 60%에 달했고, 전체 평균 활용률은 8.1%에 그쳤다. 교사 대상 조사에서도 초·중·고 교사 645명 중 수업에 생성형 AI를 실제로 활용해본 경험이 있다는 응답은 29.3%에 불과했으며, 활용하지 못하는 가장 큰 이유로는 '활용 지식 부족'이 꼽혔다.

비용 문제도 불거졌다. 구독료 추계가 2025년 3361억 원에서 2026년 5421억 원, 2027년 8634억 원, 2028년 1조732억 원으로 가파르게 늘어날 것으로 전망됐다. 전국교직원노동조합(전교조)은 디지털 기기 과의존, 개인정보 보호, 학교별 디지털 인프라 격차, 예산 낭비를 이유로 지속적으로 반대해왔고, 도입 유예를 요구하는 국회 국민동의청원에는 5만6605명이, 도입 중단 촉구 범국민 서명에는 10만 명 이상이 참여했다. 결국 교육부는 2026년 업무보고에서 'AI 디지털교과서'라는 표현을 사실상 거두고 'AI 교육자료'라는 이름으로 법적 지위를 낮췄다 — 국가가 야심 차게 출범시킨 정책이 단 한 학기 만에 '교과서' 지위를 잃은 것이다.

🧭 전문가 시각 — 세 갈래로 갈린 진단

전문가들의 평가는 뚜렷이 세 갈래로 나뉜다. 첫째는 낙관론이다. 하버드 물리학 RCT를 이끈 연구팀은 AI 튜터가 "더 짧은 시간에 더 많은 학습"을 가능케 한다는 결과를 근거로, 잘 설계된 AI 튜터가 실제로 블룸의 2시그마 문제에 근접할 수 있다고 본다. 둘째는 조건부 낙관론이다. 바스타니 교수팀은 "가드레일 없는 생성형 AI는 학습을 해칠 수 있다(Generative AI without guardrails can harm learning)"는 제목의 논문에서, AI 자체가 아니라 설계 방식이 관건이라고 강조한다. 학생이 곧바로 정답을 받는 대신 스스로 풀이 논리를 먼저 설명하게 만드는 '마찰(friction)'을 의도적으로 넣어야 한다는 것이 이들의 결론이다.

셋째는 회의론이다. 한 교육공학 저널의 서평은 칸미고처럼 광범위하게 확산된 도구조차 "2026년 3월까지 그 효과를 증명하는 발표 논문이 하나도 없다"고 꼬집었다. 이는 도구의 실패를 의미하기보다는, 확산 속도가 검증 속도를 앞지르는 에듀테크 업계의 구조적 문제를 보여준다. 세 시각을 종합하면 "AI 튜터는 효과가 있는가"라는 질문 자체가 잘못됐다는 합의가 드러난다 — 진짜 질문은 "어떤 설계의 AI 튜터가, 어떤 조건에서, 어떤 학습 목표에 효과가 있는가"다.

⚖️ 성공한 학교와 실패한 학교, 무엇이 갈랐나

사례를 교차 비교하면 몇 가지 반복되는 차이가 드러난다. 워싱턴주의 한 학군은 오히려 대형 벤더와의 25만 달러 규모 계약을 해지하고, 월 200달러 수준의 자체 AI 도구를 직접 구축하는 쪽을 택했다 — 목적을 좁게 규정하고 통제권을 학군이 직접 쥔 사례다. 반대로 포틀랜드공립학교는 리터러시 보조 튜터링용 5160달러짜리 소규모 파일럿과 14만9000달러 규모 계약 두 건을 모두 2026-27학년도부터 중단하기로 했는데, 이는 실패라기보다 "파일럿 규모를 유지하며 신중하게 검증한 뒤 확대하지 않기로 결정"한 사례에 가깝다.

⚠️ 반론과 한계 — '성적표'가 말해주지 않는 것

여기까지의 데이터는 단기 학업 성취에 초점이 맞춰져 있다. 그러나 최근 연구들은 더 장기적이고 눈에 덜 띄는 위험을 지적한다. 2026년 중국 대학생 580명을 대상으로 한 연구는 AI 의존도가 높을수록 비판적 사고력이 낮아지는 관계를 확인했고, 이 관계는 '인지적 피로'가 부분적으로 매개하는 것으로 나타났다. 흥미롭게도 정보 활용 능력이 높은 학생일수록 AI 의존이 비판적 사고에 미치는 부정적 영향은 완화됐지만, 동시에 AI 의존도가 높을 때의 인지적 피로는 오히려 더 커지는 이중적 결과도 관찰됐다. 같은 해 발표된 또 다른 연구(대학생 698명)에서도 AI를 '똑똑하다'고 인식할수록 몰입과 의존을 매개로 비판적 사고에 부정적 영향을 미칠 수 있다는 결과가 나왔다.

미국에서도 유사한 우려가 확인됐다. 랜드연구소(RAND)의 청소년 패널 조사에 따르면, 숙제에 AI를 활용하는 미국 학생이 늘어나는 동시에 그것이 비판적 사고력에 악영향을 줄 수 있다고 걱정하는 학생 비율도 함께 늘고 있다. 즉 학생들 스스로도 이 위험을 인지하고 있다는 뜻이다. 여기에 앞서 다룬 바스타니 교수팀의 '크러치 효과(crutch effect)' 실험 결과를 겹쳐보면 하나의 그림이 완성된다 — 가드레일 없는 AI 튜터로 얻은 단기 성적 향상은 실제로는 스스로 사고하는 근육을 대신 써준 결과일 수 있고, AI가 사라지는 순간(정규 시험) 그 빚은 고스란히 드러난다는 것이다. AI 튜터 도입을 논할 때 "학업 성취도가 올랐는가"만큼 "AI 없이도 그 실력이 유지되는가"를 함께 물어야 하는 이유다.

💼 교사의 자리는 어디로 갔나

AI 튜터 도입 논의에서 상대적으로 덜 조명된 축은 교사다. 칸미고 사례에서 드러났듯, 교사들의 실제 활용 1순위는 '학생을 가르치는 AI'가 아니라 '채점과 진행 상황 추적을 자동화해 교사가 실제 피드백에 쓸 시간을 버는 도구'였다. 이는 AI 튜터의 역할이 교사를 대체하는 것이 아니라 교사의 반복 업무를 흡수해 인간 교사가 더 깊은 상호작용에 집중하게 만드는 방향으로 실제 현장에서 재정의되고 있음을 보여준다.

그러나 준비되지 않은 도입은 교사에게 새로운 부담으로 돌아왔다. 한국에서는 "AI 교과서에 늘봄까지, 교사는 슈퍼맨이 되어야 하나"라는 현장의 목소리가 나올 만큼, AIDT 운영이 기존 수업 준비에 얹힌 추가 부담으로 인식됐다. 같은 학교, 같은 학년이라도 교사 개인의 AI 활용 역량 차이에 따라 학생이 받는 수업의 질이 달라지는 '교실 간 격차'도 관찰됐다. 즉 AI 튜터가 학생 간 격차를 줄이는 대신, 준비되지 않은 상태에서는 교사 역량에 따른 새로운 격차를 만들어낼 수 있다는 역설이 확인된 셈이다.

🗺️ 실전 가이드 — 도입 전 교육 담당자가 반드시 확인해야 할 것들

지난 1년의 성공·실패 사례를 종합하면, 교육 담당자가 AI 튜터·AI 학습 도구 도입을 검토할 때 확인해야 할 체크리스트가 도출된다.

1. 목적을 좁게 정의한다 — "전 과목·전 학년 일괄 적용" 대신 "수학 문제풀이 보조"처럼 구체적 범위로 시작한다.
2. 공급자의 재정 안정성을 확인한다 — LAUSD 사례처럼 벤처 투자에 의존하는 초기 스타트업은 서비스 중단 리스크가 있다.
3. 가드레일 설계를 요구한다 — 정답을 즉시 보여주는 방식인지, 학생의 풀이 과정을 먼저 요구하는 방식인지 반드시 확인한다. 이 차이가 학습 효과의 방향을 뒤바꾼다.
4. 소규모 파일럿과 독립적 효과 검증을 선행한다 — 전면 도입 전에 최소 한 학기 이상 통제된 파일럿을 거친다.
5. 교사 연수를 예산에 포함한다 — 도구 구매 비용만큼 교사 연수·지원 인력 예산을 별도로 책정한다.
6. 비AI 상태의 성취도도 함께 측정한다 — AI 보조 상태 성적만이 아니라, AI 없이 치른 평가에서의 성취도를 함께 추적해 '크러치 효과'를 조기에 감지한다.
7. 개인정보·데이터 처리 방침을 계약서에 명시한다 — 특히 공급자가 사업을 중단할 경우 학생 데이터 처리 절차를 사전에 계약에 포함한다.

❓ 자주 묻는 질문

Q1. AI 튜터는 결국 사람 선생님을 대체하나요?
현재까지의 데이터는 대체보다 '역할 재배치'에 가깝다. 칸미고 사례처럼 교사들은 AI를 채점·진행 관리에 활용하고, 절약된 시간을 학생과의 직접 상호작용에 쓰는 경향을 보였다.

Q2. 한국의 AI 디지털교과서는 완전히 폐지된 건가요?
폐지가 아니라 법적 '지위 격하'다. 교과서 지위에서 '교육자료' 지위로 낮아지면서 학교의 필수 사용 의무가 약해졌고, 정부는 2026년 업무보고에서 정책 방향을 재조정하고 있다.

Q3. AI 튜터를 쓰면 성적이 오른다는 게 사실인가요?
조건부로 사실이다. 가드레일이 있는 설계(예: 풀이 과정을 먼저 요구)에서는 부정적 전이가 관찰되지 않았지만, 가드레일 없이 정답을 바로 제공하는 설계에서는 AI 없이 치른 시험 성적이 오히려 대조군보다 낮아지는 결과가 보고됐다.

Q4. 왜 미국 학군들이 AI 챗봇 계약을 잇달아 해지하나요?
LAUSD·포틀랜드 등 여러 사례에서 공통적으로 지적된 원인은 공급자의 재정 불안정성, 불충분한 사전 검증, 학생 데이터 처리에 대한 우려다.

Q5. 학교가 아니라 기업 교육에도 같은 교훈이 적용되나요?
그렇다. 목적을 좁게 정의하고, 소규모로 먼저 검증하고, 학습 데이터를 안정적인 시스템 위에 축적한다는 원칙은 K-12뿐 아니라 기업 사내교육·직무연수에도 동일하게 적용된다.

Q6. AI 튜터 도입 실패의 가장 큰 공통 원인은 무엇인가요?
기술적 한계보다 '실행 설계'의 문제가 반복적으로 지적됐다 — 교사 연수 부족, 학교별 인프라 격차, 단계적 검증 없는 전면 도입이 대표적이다.

🚀 결론 — 다음 학기, 우리 교실은 준비됐는가

지난 1년의 성적표를 한 줄로 요약하면 이렇다 — AI 튜터는 만능 해법도, 사기극도 아니었다. 하버드 물리학 강의실에서는 사람 튜터에 근접하는 성과를 냈고, LA 교실에서는 석 달 만에 꺼진 채 방치됐다. 이 극단적 차이를 만든 것은 AI 모델의 성능이 아니라 '얼마나 좁게 목적을 정의했는가', '얼마나 신중하게 단계적으로 검증했는가', '학생이 스스로 사고하도록 설계됐는가'였다.

학교든 기업이든, AI 학습 도구를 도입하기 전에 가장 먼저 점검할 것은 화려한 챗봇 인터페이스가 아니라 그 아래를 받치는 학습관리 체계다. 학습 이력과 진도, 평가 데이터가 안정적으로 쌓이는 시스템 위에서 AI 기능을 단계적으로 얹어야 공급자가 바뀌거나 서비스가 중단되어도 축적된 데이터와 운영 노하우는 남는다. NUGUNA의 LMS 핵심 기능이나 업종별 적용 사례가 궁금하다면 업종별 도입 사례를 살펴보고, 직접 화면을 확인하고 싶다면 데모 체험하기로 실제 학습 관리 흐름을 먼저 확인해보길 권한다. 구체적인 도입 상담이 필요하다면 전문가에게 문의할 수 있다.

📎 출처

• Khan Academy Blog, "How Khan Academy Is Building a Better AI Tutor: Our Most Recent Learnings"
• Kestin, G. et al. (2025), "AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting", Scientific Reports
• Bastani, H. et al. (2025), "Generative AI without guardrails can harm learning: Evidence from high school mathematics", PNAS
• Google DeepMind, "AI tutoring can safely and effectively support students: An exploratory RCT in UK classrooms" (LearnLM, 2025)
• 교육부, AI 디지털교과서 관련 보도자료 및 정책 발표(2025~2026)
• 경향신문, "급히 도입해 탈난 AI 교과서 결국 '교육자료' 지위격하"(2026)
• The 74 Million, "Was Los Angeles Schools' $6 Million AI Venture a Disaster Waiting to Happen?"
• Incident Database, "AllHere's Chatbot 'Ed' Fails and Costs Los Angeles Unified School District $6 Million"
• Education Commission of the States, "AI Pilot Programs in K-12 Settings"
• RAND, "More Students Use AI for Homework, and More Believe It Harms Critical Thinking"(American Youth Panel)