"인공지능(AI)을 기반으로 한 대학생 선제 관리 솔루션으로 전공이 적성에 맞지 않거나 진로와 취업 고민 등으로 어려움을 겪고 있는 학생들을 학교가 선제적으로 파악해 관리할 수 있도록 돕겠다."

학령 인구 감소로 신입생 수는 감소하는 데다 재학생 이탈이라는 이중고로 대학의 재정난은 더욱 가중되고 있다. 캠퍼스를 떠나는 학생들을 선제적으로 관리할 수 있는 방법은 없을까.

손진호 알고리즘랩스 대표는 "학생 수 감소와 대학의 재정난 가중은 사회적 문제다. 학생들의 중도 이탈을 선제적으로 관리하면 이를 해결할 수 있을 것으로 기대하고 ‘AI 기반 대학생 선제 관리 솔루션’을 구축했다"며 "대기업과 수행한 HR(인재관리) 솔루션 경험 덕분에 이를 넓혀 대학생의 중도 이탈 문제에도 관심을 갖게 됐다"고 밝혔다.

손진호 알고리즘랩스 대표 / 이윤정 기자
손진호 알고리즘랩스 대표 / 이윤정 기자
손 대표에 따르면 해외는 AI를 활용해 대학생 중도 이탈 문제를 해결한 성공 사례가 다양한데 반해 국내는 거의 없는 상황이다. 해외의 대표적인 사례로 거론되는 미국 애리조나주립대의 경우, 2019년 AI를 활용해 82%에 달하던 재학생의 중도 탈락률을 14%로 감소시킨 것으로 알려졌다.

알고리즘랩스는 대학생 선제 관리 솔루션을 통해 재학생의 중도 이탈을 약 90% 내외로 예측할 수 있을 것으로 전망한다. 이미 대기업과 수행한 HR(인사관리) 솔루션을 통해 고위험군 인재 이탈과 퇴사자를 85% 이상 예측한 성공 사례를 확보하고 있다.

손 대표는 "기업에서의 인재관리처럼, 대학에서 학생관리는 중요한 이슈다. 학령인구 감소와 급변하는 사회에 대응해 교육부도 새로운 관리 시스템을 갖추려는 움직임이 일고 있다"며 "틈새시장이지만, 니즈가 분명하다고 판단한다. 전국적으로 보급을 확대할 수 있도록 공격적으로 활동하고 있다"고 말했다.

실제로 국내 7~8곳의 대학이 알고리즘랩스와 솔루션 도입을 논의 중이다. 도입을 완료하면 이들 대학은 9월부터는 실제 프로세서를 운영하게 될 전망이다.

대학생 선제 관리 솔루션은 알고리즘랩스가 독자적으로 개발한 ‘AI 옵티마이저 플랫폼’을 통해 제공된다. 이 플랫폼은 대학교 내 다양한 데이터를 취합, 수집해 2000여개의 AI 파이프라인을 활용, 재학생의 문제 요소를 종합적으로 분석하고 판단해 개인화된 결과치를 도출한다. 도출된 정보는 전체 학생 현황과 함께 설정 선택에 따라 지도 편달이 필요한 학생을 ‘도형화 그래프’로 한눈에 제시한다.

이를 운영하려면 AI기술을 잘 이해하는 기술자가 있어야 할까. 그렇지 않다.

알고리즘랩스는 인공지능을 손쉽게 구축, 활용할 수 있는 솔루션을 제공한다. 또한 AI 옵티마이저 기반의 인공지능 고도화 프로세스를 도입하는 곳의 데이터에 맞게 진화할 수 있도록 지원한다. 대학의 업무 담당자는 AI를 적용할 문제를 정의하고 목표를 설정한 후 데이터를 수집하는 절차만 진행하면 된다.

자동차를 타는 사람이 차의 모든 것을 알 필요가 없는 것과 맥락이 같다. 분석된 자료는 시각화 형태로 제공돼 솔루션 결과에 대한 해석의 어려움 없이 활용할 수 있다.

손진호 알고리즘랩스 대표 / 이윤정 기자
손진호 알고리즘랩스 대표 / 이윤정 기자
손 대표는 AI를 도입하려는 기업의 경우 문제 정의가 안됐다고 느낄 때가 많다고 한다. 당연히 그럴 수 있다. 현업의 실무자가 AI를 이해하지 못하기 때문이다. AI 관점에서 필요한 기획이 무엇인지를 아는 것이 중요해지는 대목이다. 알고리즘랩스는 기획하는 방법부터 돕는다. 니즈를 도출하는 과정을 트레이닝하고 AI 옵티마이저와 연계해 애플리케이션을 도출할 수 있도록 한다.

"AI를 도입하는 경우 문제 정의부터 시작해서 프로세서를 확립하려고 노력했다. 이를 위해 기업들이 현업에서 어떤 AI를 적용하려는지를 기획서로 만들고 있는데, 이를 받아보면 요구가 다양하다. 기대 목표를 높이는데 도움이 될 수 있도록 사례를 찾아보지만, 해외에서도 완전히 비슷한 유형은 거의 없다"고 손 대표는 말한다. 그동안 100여개 이상 기업과 만나면서 도출한 기획서만 1000여건 이상이다.

AI를 도입해 처음부터 만족할만한 기대효과를 얻는 건 분명 쉽지 않다. 데이터가 그만큼 많이 확보돼 있느냐의 문제가 있기 때문이다. 물론 데이터가 많다고 유의미한 결과를 얻는 건 아니다. 데이터가 많고 적음을 논하기보다 어떤 데이터로 AI를 적용할 것인지를 공감하는 것이 중요하다. 문제 정의에 따라 합리적인 목표를 잡고 그에 맞는 소수의 데이터만 있어도 유의미한 결과를 얻을 수 있다. 문제 정의에 맞는 데이터로 AI를 도입해 이전보다 효과를 얻고, 이후에는 이를 고도화하면 된다.

알고리즘랩스는 대전 팁스타운에 제2연구소를 오픈, 카이스트와도 산학협력을 넓혀가고 있다.

손진호 대표는 "AI 대중화를 목표로 전문가 없이도 AI를 개발, 구축, 지속적인 성능 개선까지 가능도록 하기 위해 많은 시행착오를 겪었다. 그동안 다양한 도입 사례를 만들었고 이제 대중화를 실행하는 단계다"라며 "우리가 만든 툴이 AI 관점에서 엑셀처럼 실무자가 쓰는 툴이 되길 바란다"고 비전을 밝혔다.

이윤정 기자 ityoon@chosunbiz.com