“학생 대부분이 직장인·학부모” 美 디브라이 대학, 에이전틱 AI로 24시간 지원 체계 구축하다

디브라이 대학이 학생들의 불편 사항을 해결하기 위해 에이전틱 AI를 도입했다.

1931년 시카고에서 디포레스트 트레이닝 스쿨로 설립된 디브라이 대학은 현재 기술, 비즈니스, 의료 분야에서 온라인 및 하이브리드 교육 프로그램을 운영하며 3만 2,000명 이상의 학생을 지원하고 있다. 학부생 가운데 약 83%는 25세 이상이며 대부분이 직업을 갖고 있다. 또한 약 50%는 부모다.

문제는 학생 대다수가 교수나 지도 인력이 없는 시간대에 학습을 진행한다는 점이다.

디브라이 대학 CIO 크리스 캠벨은 “대부분의 학생은 근무를 마친 뒤 저녁 식사를 준비하고 가족을 재운 이후에 학습을 진행한다. 오후 7시 이후부터 새벽 1시 무렵까지 학습 활동이 활발하게 이뤄진다”라고 설명했다.

디브라이 대학은 8주 단위 학기마다 평균 4,700명의 신입생이 유입되면서 신규 학생 등록 업무에도 어려움을 겪고 있었다. 과거에는 새로운 안내 메시지를 준비하려면 학습관리시스템(LMS), 학생 커뮤니티 플랫폼, 세일즈포스 마케팅 클라우드 간에 명단을 수동으로 옮겨야 했다. 과제를 해결하기 위해 디브라이 대학은 세일즈포스의 지원을 받아 에이전틱 AI를 도입했다.

핵심 교육 과정

디브라이 대학은 지금까지 AI를 폭넓게 사용해 왔다. 이미 10년 전부터 강의 현장에 AI를 활용했으며, 생성형 AI가 본격적으로 확산된 이후에는 내부 활용을 위한 자연어 처리(NLP) 기반 봇과 다양한 생성형 AI 사용례를 실험했다. 이런 경험을 바탕으로 2025년 4월 첫 번째 AI 에이전트를 공식 배포했다.

디브라이 대학은 세일즈포스 에이전트포스를 기반으로 ‘디브라이프로(DeVryPro)’를 개발했다. 디브라이프로는 예비 학생에게 강좌 정보와 온라인 학습이 제공하는 다양한 이점을 24시간 제공한다. 학생은 원하는 시간에 에이전트와 채팅을 시작해 최신 강의 정보와 등록 절차, 학습 경험에 대해 즉각적인 답변을 받을 수 있다. 또한 과정 검색부터 수강 신청, 결제까지 전 과정을 지원받는다.

재학생에게는 에이전트가 대학 포털을 통해 지원과 상담 기능을 제공하며 기존 챗봇을 대체했다. 캠벨은 24시간 지원이 가능해졌을 뿐 아니라 학생 수가 늘어나더라도 추가 인력 확충 없이 대응할 수 있는 구조를 갖추게 됐다고 설명했다. 서비스 비용을 크게 늘리지 않고도 더 많은 학생을 지원할 수 있다는 것이다.

에이전트의 기능

디브라이프로는 학생 핸드북, 학사 요람, 커리어 서비스 자료 등 대학 전반에 흩어져 있는 비정형 데이터를 기반으로 다양한 주제에 대한 답변을 제공한다. 캠벨은 사람의 역할도 여전히 중요하다면서, 에이전트의 범위를 벗어나는 복합적이거나 세부적인 질문이 접수되면 해당 문의가 학생 지원 담당자에게 자동으로 전달된다고 설명했다. 이때 에이전트가 학생과 나눈 대화 맥락도 함께 제공돼, 담당자가 상황을 파악한 뒤 바로 대응할 수 있도록 지원한다.

캠벨은 “학생이 어떤 도움을 원하는지, 그리고 언제 어디에서 그 도움이 필요한지를 파악하고 있다”라며 “때로는 학생이 스스로 필요성을 인지하기 전에 먼저 짚어내기도 한다. 실시간으로 개인 학습을 이끌 수 있는 디지털 교수진으로 이해하면 된다”라고 말했다.

최고경영진의 역할

캠벨은 에이전틱 AI 도입에 성공하려면 최고경영진 전체의 참여가 필수적이라고 조언했다. 그는 “조직 운영 방식을 근본적으로 바꾸는 일이기 때문에 모든 이해관계자의 전방위적인 참여가 필요하다”라고 진단했다.

아울러 그는 에이전틱 AI를 핵심 고려사항으로 삼아 조직 프로세스를 재설계해야 한다고 강조했다. 기술 리더의 경우, 프로세스 엔지니어링이 에이전틱 AI 성공의 핵심 요소라고 덧붙였다. 기존 비즈니스 프로세스에는 에이전트의 오작동을 일으키는 취약 지점이 많기 때문에, 충분한 검토 없이 기존 프로세스 위에 단순히 에이전트를 덧붙이는 방식으로는 기대한 효과를 얻기 어렵다는 설명이다.

캠벨은 “처음부터 최적화되지 않은 프로세스 위에 에이전틱 AI를 적용하면 얼마 못가고 실패할 수 있다. 디브라이 역시 에이전틱 AI를 도입한 뒤 기반이 된 프로세스가 오히려 발목을 잡고 있다는 사실을 확인했고, 결국 해당 프로세스를 다시 설계해야 했다. 많은 기업 프로세스가 중앙집중형 모델을 전제로 설계돼 있는데, 에이전틱 AI는 이런 구조를 근본적으로 흔든다”라고 전했다.

다만 이런 실패가 반드시 부정적인 것만은 아니라고 평가했다. 에이전틱 AI 도입 초기 단계에서 겪는 시행착오가 향후 성공에 필요한 경험을 축적하는 과정이 될 수 있다는 것이다.

캠벨은 “비즈니스 프로세스에서 병목 지점을 찾아야 한다. 서비스 수준 계약(SLA)에서 반복적으로 문제가 발생하는 부분이나, 비교적 짧게 끝나야 할 업무에 과도하게 긴 SLA가 설정돼 있는 영역을 점검해야 한다”라고 조언했다.

그는 에이전틱 AI에 착수하기 전에 데이터를 완벽하게 정비해야 한다는 인식이 업계의 ‘상식’처럼 받아들여지고 있다고 짚었다. 데이터 관리가 까다로운 것은 사실이지만, 그것이 도입을 미루는 근거가 되어서는 안 된다고 언급했다.

캠벨은 “시작하기 전에 데이터를 완벽하게 갖추는 일은 사실상 불가능하다. 일단 시작한 뒤 테스트하고 학습하면서 유연하게 적응해 나가야 한다”라고 말했다.
dl-ciokorea@foundryco.com