AI 실험을 넘어 전환으로 — 한국 영어학원이 다시 짜야 할 운영 설계도

생성형 AI가 노블티에서 이사회 안건으로 옮겨간 속도는 기록적이다. 그러나 하버드 비즈니스 리뷰가 2026년 4월 게재한 칼럼은 한 가지 불편한 진실을 짚는다. 광범위한 도입에도 불구하고 모든 기업이 그만한 역량에 걸맞은 손익 개선을 내지는 못하고 있다는 것이다. OpenAI 수석 이코노미스트 아론 채터지(Aaron Chatterji)와 베인앤드컴퍼니 파트너 아준 더트(Arjun Dutt) 등 공저진은 이 격차의 원인을 실험과 전환의 차이에서 찾는다. 한국 영어학원 시장에 그대로 옮겨놓아도 어색하지 않은 진단이다. 챗GPT를 단어 시험 보조 도구로 쓰거나, 첨삭 초안에 슬며시 끼워 넣는 수준에 머물러 있다면, 이런 방식은 도입이지 전환이 아니다.

도입률은 높은데 성과는 왜 따라오지 않는가

HBR가 던지는 핵심 질문은 단순하다. 왜 비슷한 도구를 쓰는데 어떤 조직은 손익을 바꾸고 어떤 조직은 그러지 못하는가. 공저진은 그 답을 도구의 성능이 아니라 운영 흐름의 재설계 여부에서 찾는다. 한국 학원가에 적용해 보면 시사점이 명확하다. 수능 영어 1등급을 목표로 하는 고등부 학원, 내신 서술형 대비를 핵심으로 삼는 중등부 학원, 초등 리딩 학원이 모두 같은 챗봇을 써도 결과는 갈린다. 도구가 어디에 꽂히느냐에 따라 효과가 달라지기 때문이다.

대다수 학원의 도입 패턴은 비슷하다. 강사가 개인적으로 챗GPT를 써서 워크시트를 빠르게 찍어내거나, 학생 에세이의 문법 오류를 잡아내는 수준이다. 강사 한 명의 생산성을 높이는 실험에 머무는 셈이다. 전환은 학원의 운영 흐름 자체를 다시 설계한다. 학생이 과제를 제출하는 순간부터 채점, 피드백, 보강 과제 배정, 학부모 리포트 발송, 다음 수업 진도 조정까지 한 줄기로 이어지는 워크플로 전체를 AI를 전제로 재구성하는 일이다. 도구를 끼워 넣는 것과 흐름을 다시 짜는 것은 결과의 자릿수가 다르다.

과제 피드백 — 채점에서 학습 데이터로

영어학원에서 가장 손이 많이 가는 영역이 서술형 첨삭과 에세이 피드백이다. 수능 영어가 절대평가로 바뀐 뒤에도 내신 서술형 비중은 줄지 않았으며 자사고·국제학교 라인은 영어 에세이 비중이 더 커졌다. 강사 한 명이 한 반 20명의 단락 글을 일일이 빨간 펜으로 고치는 구조는 시간당 단가로 따져도 합리적이지 않다.

실험 단계에서는 강사가 학생 글을 챗GPT 창에 붙여 넣고 피드백 초안을 받아 다듬는다. 한 번에 끝나는 일회성 작업이다. 전환 단계로 넘어가면 첨삭 자체가 데이터가 된다. 학생별로 반복되는 오류 패턴 — 시제 일치, 관사 누락, 한국식 직역 표현 — 이 누적되며 다음 과제는 해당 오류를 겨냥해 자동 출제된다. 강사는 첨삭 노동에서 벗어나 학생의 사고 흐름을 잡아주는 코칭에 시간을 쓴다. 핵심은 첨삭이 끝나는 지점이 아니라, 첨삭에서 나온 약점이 다음 진도와 보강 과제에 자동 반영되느냐다. 이 연결고리가 끊겨 있으면 도입은 했지만 전환은 일어나지 않은 것이다.

상담과 진도관리 — 강사 머릿속에서 시스템으로

한국 학원의 상담은 여전히 강사의 기억과 직관에 크게 의존한다. 학부모가 우리 아이 요즘 어떠냐고 물으면 강사는 최근 몇 주 인상을 떠올려 답한다. 학원이 커질수록 이 방식은 한계에 부딪힌다. 강사가 바뀌면 해당 학생의 학습 이력도 함께 사라진다.

HBR가 말하는 전환의 관점은 여기서도 유효하다. 단순히 상담 메모를 챗봇으로 정리하는 수준이 아니라, 학생의 단어 시험 점수, 모의고사 회차별 영역 점수, 과제 제출률, 첨삭에서 나온 오류 유형이 한 화면에 모이며 AI가 다음 한 달의 진도 권고안을 초안으로 내놓는 구조가 되어야 한다. EBS 연계 교재의 진도, 학교 내신 시험 범위, 수능 출제 경향이 외부 데이터로 결합되면 권고안의 정밀도는 더 높아진다. 강사는 이 초안을 검토하고 수정하는 사람이 된다. 강사의 직관은 사라지지 않는다. 다만 직관이 데이터 위에서 작동한다는 점이 다르다.

학부모 커뮤니케이션 — 보고서가 아니라 대화

학부모 커뮤니케이션은 한국 학원의 핵심 경쟁력 중 하나다. 매월 발송되는 학습 리포트, 카카오톡 단체방 공지, 정기 상담은 학원 충성도를 좌우한다. 그러나 이 영역만큼 노동집약적인 곳도 없다. 원장이 밤늦게까지 학생별 코멘트를 손수 다듬는 풍경은 흔하다.

실험 단계에서 AI는 리포트 문장을 다듬어주는 도우미다. 전환 단계에서는 학부모가 던지는 질문 자체가 입구가 된다. "이번 주 단어 시험에서 왜 점수가 떨어졌나요" "내신 대비는 어디까지 나갔나요" 같은 질문에, 학생의 실제 학습 데이터를 근거로 한 답변이 즉시 생성된다. 원장과 강사는 답변 초안의 사실관계와 톤을 검토해 발송한다. 핵심은 학부모가 받는 답이 더 빨라지고 더 구체적이 된다는 것이며 그 결과 학원에 대한 신뢰가 데이터 위에서 만들어진다는 것이다. 한국 학원 시장의 폐원율을 생각하면 이 신뢰 구축은 마케팅 비용보다 훨씬 큰 변수다.

운영 흐름 전체를 다시 그린다는 것

HBR 칼럼이 가장 강하게 던지는 메시지는 부분 도입의 한계다. 과제 피드백에만 AI를 붙이고 상담은 종이 메모로 하면, 두 영역 사이 데이터가 끊긴다. 상담은 AI로 정리하지만 진도관리는 강사 엑셀 파일에 머물면, 권고안이 실제 진도에 반영되지 않는다. 흐름이 끊기는 지점마다 효과가 새어나간다.

전환을 시도하는 학원이 우선 점검할 것은 도구가 아니라 흐름의 지도다. 학생이 학원에 등록한 순간부터 정기 시험, 보충, 재등록 결정에 이르기까지 어떤 단계에서 어떤 데이터가 만들어지며 그 데이터가 다음 단계에 자동으로 넘어가는지를 그려본다. 끊겨 있는 지점이 곧 AI 전환의 우선 투자처다. 도구를 추가로 사는 일이 아니라 끊긴 곳을 잇는 일에 가깝다.

강사의 역할은 줄지 않고 바뀐다

전환을 이야기할 때 가장 자주 나오는 우려는 강사 일자리다. 그러나 HBR가 짚는 전환의 본질은 인력 대체가 아니라 시간의 재배치다. 첨삭 초안 작성, 리포트 문장 다듬기, 진도표 정리 같은 반복 작업에 쓰던 시간이 비면, 그 시간은 학생 한 명을 더 깊이 들여다보는 코칭, 신규 커리큘럼 설계, 학부모와의 깊은 대화로 옮겨간다.

한국 영어학원 시장은 강사의 인건비와 이직률이 운영의 가장 큰 변수다. 강사가 반복 노동에 시간을 덜 쓰는 구조는 강사 만족도와 잔존율로 돌아온다. 학원 입장에서 AI 전환은 비용 절감 도구가 아니라 인력 운영 전략에 가깝다. 단어 시험 자동 채점, 출결 자동 알림 같은 부분 자동화에서 멈추지 않고, 강사가 코칭에 집중하는 시간을 만들어내는 흐름 설계가 이뤄질 때 비로소 전환이라 부를 수 있다.

한국 학원이 지금 결정해야 할 것

HBR 칼럼은 도입과 전환 사이의 격차가 시간이 지날수록 벌어진다고 본다. 같은 시점에 같은 도구를 도입한 두 조직이 1년 뒤 전혀 다른 곳에 가 있는 이유다. 한국 영어학원 시장에서도 같은 분기점이 다가오고 있다. 챗GPT를 강사 개인이 쓰는 학원과, 학원 운영 전체에 AI를 전제로 흐름을 다시 짠 학원의 차이는 학습 성과, 학부모 만족도, 강사 잔존율, 재등록률 모든 지표에서 벌어진다.

지금 결정해야 할 것은 어떤 도구를 살 것인가가 아니다. 학원의 운영 흐름 중 어디가 끊겨 있으며 어디를 우선 이을 것인가다. 과제 피드백과 진도관리를 잇는 일, 상담 데이터와 학부모 리포트를 잇는 일, 강사의 코칭 시간을 데이터 위에 올리는 일. 이 세 줄기를 어떤 순서로 풀 것인지가 다음 1년의 학원 경쟁력을 가른다. 실험은 누구나 한다. 전환은 흐름을 다시 그리는 사람만이 해낸다.