목록으로
교육·학습을 위한 AI 활용
AI가 먼저 답하지 않는 탑다운 학습앱 [사유고] 책,영상,논문을 내가 설명할 수 있는 지식으로 바꾼 실제 사례
AI가 먼저 답하지 않게 설계해, 사람이 선시도→원문 확인→단계별 힌트→무보조 복습을 거치며 책,영상,논문을 자기 언어로 설명하게 한 탑다운 학습 사례입니다.
🤖 활용 AI 도구
OpenAI Codex·GPT-5.6(개발·원문 검수), Qwen3.6-35B(원문 기반 설명), Kanana 1.5 8B(한국어 윤문), PaddleOCR·Apple Vision OCR·Gemini(문서 인식·보정), BAAI/bge-m3·FAISS(텍스트 검색), Qwen3-VL-Embedding-2B(도표·이미지 검색), MLX Whisper(영상 자막)
① 어떤 상황에서 AI를 활용했나요?
사유고를 처음 만든 이유는 거창한 교육 서비스를 해보고 싶어서라기보다, 예전에 읽은 책에서 분명히 중요한 내용을 봤고 뜻도 대략 기억하는데 막상 그 문장이 어느 페이지에 있었는지는 찾지 못하는 일이 계속 생겼기 때문이었습니다. 책을 스캔해 PDF로 만들면 해결될 줄 알았지만 검색하려면 책에 쓰인 정확한 단어를 이미 알아야 했고, OCR을 거치면 두 단 목차의 순서가 섞이거나 그림과 설명의 위치가 어긋나 검색 결과만 믿기도 어려웠으므로, 처음에는 제가 기억하는 뜻을 입력하면 비슷한 대목과 실제 페이지를 찾아주는 개인용 검색 기능부터 만들었습니다.
그런데 만들다 보니 생성형 AI가 책이나 논문을 아주 빨리 정리해 주는 것이 또 다른 문제가 되었습니다. 설명을 읽는 순간에는 이해한 것 같았지만 창을 닫고 제 말로 다시 말하려 하면 어디까지가 제 생각이고 어디부터가 방금 본 AI의 문장인지 알기 어려웠고, 조금 다른 문제에 쓰려 하면 다시 설명부터 찾게 되었기 때문에, 이제는 정보보다 그것을 자기 생각으로 바꾸는 사람의 이해가 병목일 수 있다고 생각했습니다.
그래서 AI가 저 대신 읽고 먼저 답하는 앱이 아니라 사람이 먼저 읽고 시도한 흔적을 남긴 뒤 꼭 필요한 부분에서만 AI를 쓰는 쪽으로 방향을 바꾸었고, 자료를 첫 장부터 따라가기보다 이 자료로 무엇을 혼자 설명하거나 만들 것인지 먼저 정한 다음 막힌 곳으로 거슬러 올라가는 방식을 탑다운 학습이라고 부르게 되었습니다. 현재는 제가 혼자 쓰고 있지만 책, 영상, 보고서, 교과서와 논문까지 같은 방식으로 공부할 수 있도록 넓혀가고 있으며, 개발 이유와 실제 사용 과정은 블로그에도 남겼습니다. https://blog.naver.com/ac_recoder/224352215173
② 어떤 AI를 어떻게 활용했나요?
사유고에 여러 AI가 들어가게 된 것은 처음부터 모델을 많이 조합해 보려고 했기 때문이 아니라, 책 한 권을 읽는 과정에서 하나를 해결하면 바로 다음 문제가 나타났기 때문이었습니다. 처음에는 책의 페이지를 그대로 살려서 검색하는 것만 되면 충분할 줄 알고 Apple Vision OCR을 사용했는데 표나 복잡한 배치가 자꾸 흐트러져 PaddleOCR와 Gemini로 다시 읽고 Kanana 1.5 8B로 깨진 문장을 정리하게 되었고, 그렇게 원문을 옮겨 놓고도 제가 기억하는 것은 정확한 문장이 아니라 대략적인 뜻이라 일반 검색으로는 찾지 못해서 bge-m3와 FAISS를 붙여 의미가 비슷한 페이지를 찾게 했습니다.
그러고 나니 글은 찾는데 정작 중요했던 그림이나 도표가 빠져서 Qwen3-VL-Embedding-2B를 추가했고, 책에서 하던 방식을 영어 영상에도 써보고 싶어 MLX Whisper로 시간 정보가 남는 자막을 만들었으며, Qwen3.6-35B는 이렇게 찾아온 원문 안에서 설명과 힌트를 만들게 하고 GPT-5.6은 출처나 캡션을 다시 확인할 때 사용했습니다. 돌아보면 새로운 AI를 넣는 일이 목적이었던 적은 없었고, 제가 기억하는 뜻에서 출발해 실제 책의 페이지나 영상의 장면까지 돌아갈 수 있는 길을 만들다 보니 필요한 도구가 하나씩 늘어난 셈입니다.
그런데 원문을 잘 찾고 설명도 잘 만들어주게 되자, 이번에는 제가 생각하기도 전에 AI가 너무 빨리 답해버리는 문제가 생겼고 이때부터는 검색 기능보다 학습 순서를 고치는 데 더 오래 매달렸습니다.
그래서 무엇을 공부할지 정한 다음에는 AI 설명을 열기 전에 제가 아는 만큼 먼저 써보게 했고, 뒤에서 좋은 설명을 보더라도 처음 쓴 답은 지우지 않았으며, AI가 빠진 부분을 찾아주더라도 그것을 바로 정답처럼 확정하지 않고 제가 원문을 보고 맞는지 판단하게 했습니다. 힌트도 처음부터 해설 전체를 내놓지 않고 다시 생각해 볼 질문과 관련 원문부터 조금씩 열리게 했으며, 결국 설명을 전부 보게 된 경우에는 같은 답을 베껴 쓰는 것으로 끝내지 않고 다른 문제에 도움 없이 적용해 본 뒤 며칠 후 다시 설명하게 했습니다.
이런 순서를 AI에게 맡기면 매번 다른 판단을 내릴 수 있어 단계의 이동과 통과는 앱의 규칙으로 관리했는데, 결국 사유고에서 AI가 맡은 일은 정답을 대신 완성하는 것보다 제가 어디에서 막혔는지 보여주고 다시 원문으로 데려가는 일에 더 가깝습니다.
③ 활용 결과 어떤 변화가 있었나요?
변화를 가장 먼저 느낀 것은 기록 화면의 숫자를 확인했을 때가 아니라, 온톨로지 강의를 공부하다가 그 내용이 제가 만들던 사유고의 문제와 연결되기 시작했을 때였습니다. 처음에는 강의를 이해하려고 필요한 부분을 찾아보고 표시하는 정도였지만, 몇 번이고 원문으로 돌아가면서 AI의 답변과 출처, 페이지가 왜 서로 떨어져 있으면 안 되는지 생각하게 되었고, 강의의 학습 세션 대부분을 끝낸 뒤에는 내용을 요약해서 보관하는 대신 제가 실제로 겪은 개발 문제에 대입해 글을 쓰게 되었습니다.
그렇게 온톨로지를 AI가 길을 잃지 않게 하는 의미의 지도라고 풀어본 첫 번째 글을 https://blog.naver.com/ac_recoder/224352227806 에 올렸고, 이어서 그루버의 설계 원칙과 FAIR 원칙, 최소 존재론적 개입을 사유고의 출처와 답변 구조에 연결한 두 번째 글을 https://blog.naver.com/ac_recoder/224352922499 에 공개했는데, 사유고를 만들기 전 같았으면 강의를 저장하거나 AI 요약을 남기는 데서 끝났을 내용이 제 경험을 거쳐 다른 사람에게 설명할 수 있는 글이 된 것이 저에게는 가장 분명한 결과였습니다.
영어 자료에서도 비슷한 변화가 있었습니다. 35페이지짜리 SynthDocBench 논문이나 영어로 된 AI 에이전트 영상은 예전 같으면 어렵다는 생각에 일단 저장해 두고 다시 열지 않았을 가능성이 큰 자료였지만, 사유고에서는 지금 필요한 질문과 관련된 페이지나 영상 구간부터 들어간 뒤 모르는 배경으로 거슬러 올라갈 수 있었기 때문에 한 번 훑고 끝내지 않고 여러 차례 다시 보며 학습을 이어갈 수 있었습니다.
현재 앱에는 160여 개의 자료와 6만 페이지가 넘는 내용이 들어 있고 그 안에 원문을 다시 연 기록과 대화, 하이라이트와 메모가 쌓여 있지만, 저에게 중요한 변화는 자료의 양이 늘어난 것보다 어려운 자료를 저장만 하지 않고 다시 열어 제 말로 설명하고 실제 글이나 개발 판단으로 이어가게 되었다는 점입니다. 다만 지금까지의 실제 사용자는 저 한 명이므로 이 경험을 일반적인 학습효과나 향상률로 말할 수는 없고, 현재 확인할 수 있는 것은 한 사람이 필요해서 만든 앱을 계속 사용하면서 공부 방식이 실제로 달라졌다는 사실까지입니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
처음에는 AI가 더 정확히 요약하고 친절하게 설명하면 좋은 학습앱이 될 줄 알았는데, 직접 쓰면서 답을 너무 잘 보여주는 것이 오히려 생각을 끊을 수 있다는 점을 알았고, 그래서 사유고에서 가장 크게 바뀐 것은 AI의 능력보다 답이 나오는 시점을 뒤로 미룬 일이었습니다.
아무것도 시도하지 않은 상태에서는 완성된 설명부터 보여주지 않고 서툴더라도 첫 답을 남기며, 답을 고친 뒤에도 처음 무엇을 몰랐는지는 지워지지 않게 했고, AI가 틀리거나 원문을 과하게 해석했을 때 바로 확인하도록 책과 논문은 페이지로, 영상은 시간 구간으로 돌아가는 길을 남겼습니다. AI가 찾아낸 이해 공백도 바로 사실로 저장하지 않고 사람이 확정하며 학습 단계는 코드가 정한 조건에 따라 움직이게 했는데, 만들 때는 번거로웠지만 실제로 써보니 이 번거로움이 제가 생각하지 않고 넘어가는 것을 막아주었습니다.
아직 잘됐다고 말하기 어려운 부분도 있습니다. 만든 사람인 저는 설명 없이 기능을 쓰고 불편하면 바로 고칠 수 있지만, 처음 보는 사람은 학습 목표와 통과 조건을 적는 일부터 어려울 수 있고 힌트를 기다리지 않고 전체 답부터 보고 싶을 수도 있으므로, 다음에는 다른 사용자가 개발자의 설명 없이도 첫 시도와 원문 확인, 힌트, 다른 문제 적용과 나중 복습까지 이어갈 수 있는지 살펴봐야 하며, 그 기록이 쌓이기 전에는 제 체감과 누구에게나 통하는 효과를 섞어 말하지 않으려고 합니다.
⑤ 다른 사람도 따라 할 수 있나요?
사유고가 없어도 노트와 원문 위치를 알려줄 수 있는 AI가 있으면 작게 따라 해볼 수 있습니다. 책이나 영상, 논문 하나를 고른 뒤 막연히 다 읽겠다고 하기보다 이것을 보고 나서 혼자 무엇을 설명하거나 만들 것인지와 어느 정도면 해냈다고 볼지를 먼저 적고, AI에게 묻기 전에 아는 만큼 답한 다음 빠진 부분을 정답으로 채워 달라고 하기보다 관련 원문과 가장 작은 힌트부터 달라고 하면 됩니다. 답을 고친 뒤에는 조금 다른 문제에 도움 없이 써보고 며칠 후 다시 설명해 보아야 하는데, 이때 AI를 보기 전과 본 뒤의 답, 원문에서 직접 확인한 근거를 함께 남기는 것이 제가 사유고에서 하는 방식의 핵심입니다.
여러 사람이 쓰게 하려면 합법적으로 보유했거나 이용 허락을 받은 자료만 처리하고 저작권이 있는 원문은 그대로 배포하지 않아야 하며, OCR과 자막, AI 설명은 틀릴 수 있으므로 언제나 원문 위치를 함께 남겨 직접 대조할 수 있게 해야 합니다. 개인 메모와 학습 기록은 기본적으로 로컬에 두고 공개 화면에서는 책 원문과 개인정보, 로컬 경로를 가릴 생각입니다. 사유고는 완성된 교육 서비스라기보다 제가 공부하다 막힌 곳을 고치며 자라난 개인 앱에 가깝고, 이제 혼자 쓰며 맞춰 놓은 부분을 다른 사람도 사용할 수 있게 바꾸는 중이므로 앞으로도 기능을 상상해서 붙이기보다 실제 사용자가 어디에서 멈추고 무엇을 다시 찾는지 보면서 고쳐가려고 합니다.
사유고를 처음 만든 이유는 거창한 교육 서비스를 해보고 싶어서라기보다, 예전에 읽은 책에서 분명히 중요한 내용을 봤고 뜻도 대략 기억하는데 막상 그 문장이 어느 페이지에 있었는지는 찾지 못하는 일이 계속 생겼기 때문이었습니다. 책을 스캔해 PDF로 만들면 해결될 줄 알았지만 검색하려면 책에 쓰인 정확한 단어를 이미 알아야 했고, OCR을 거치면 두 단 목차의 순서가 섞이거나 그림과 설명의 위치가 어긋나 검색 결과만 믿기도 어려웠으므로, 처음에는 제가 기억하는 뜻을 입력하면 비슷한 대목과 실제 페이지를 찾아주는 개인용 검색 기능부터 만들었습니다.
그런데 만들다 보니 생성형 AI가 책이나 논문을 아주 빨리 정리해 주는 것이 또 다른 문제가 되었습니다. 설명을 읽는 순간에는 이해한 것 같았지만 창을 닫고 제 말로 다시 말하려 하면 어디까지가 제 생각이고 어디부터가 방금 본 AI의 문장인지 알기 어려웠고, 조금 다른 문제에 쓰려 하면 다시 설명부터 찾게 되었기 때문에, 이제는 정보보다 그것을 자기 생각으로 바꾸는 사람의 이해가 병목일 수 있다고 생각했습니다.
그래서 AI가 저 대신 읽고 먼저 답하는 앱이 아니라 사람이 먼저 읽고 시도한 흔적을 남긴 뒤 꼭 필요한 부분에서만 AI를 쓰는 쪽으로 방향을 바꾸었고, 자료를 첫 장부터 따라가기보다 이 자료로 무엇을 혼자 설명하거나 만들 것인지 먼저 정한 다음 막힌 곳으로 거슬러 올라가는 방식을 탑다운 학습이라고 부르게 되었습니다. 현재는 제가 혼자 쓰고 있지만 책, 영상, 보고서, 교과서와 논문까지 같은 방식으로 공부할 수 있도록 넓혀가고 있으며, 개발 이유와 실제 사용 과정은 블로그에도 남겼습니다. https://blog.naver.com/ac_recoder/224352215173
② 어떤 AI를 어떻게 활용했나요?
사유고에 여러 AI가 들어가게 된 것은 처음부터 모델을 많이 조합해 보려고 했기 때문이 아니라, 책 한 권을 읽는 과정에서 하나를 해결하면 바로 다음 문제가 나타났기 때문이었습니다. 처음에는 책의 페이지를 그대로 살려서 검색하는 것만 되면 충분할 줄 알고 Apple Vision OCR을 사용했는데 표나 복잡한 배치가 자꾸 흐트러져 PaddleOCR와 Gemini로 다시 읽고 Kanana 1.5 8B로 깨진 문장을 정리하게 되었고, 그렇게 원문을 옮겨 놓고도 제가 기억하는 것은 정확한 문장이 아니라 대략적인 뜻이라 일반 검색으로는 찾지 못해서 bge-m3와 FAISS를 붙여 의미가 비슷한 페이지를 찾게 했습니다.
그러고 나니 글은 찾는데 정작 중요했던 그림이나 도표가 빠져서 Qwen3-VL-Embedding-2B를 추가했고, 책에서 하던 방식을 영어 영상에도 써보고 싶어 MLX Whisper로 시간 정보가 남는 자막을 만들었으며, Qwen3.6-35B는 이렇게 찾아온 원문 안에서 설명과 힌트를 만들게 하고 GPT-5.6은 출처나 캡션을 다시 확인할 때 사용했습니다. 돌아보면 새로운 AI를 넣는 일이 목적이었던 적은 없었고, 제가 기억하는 뜻에서 출발해 실제 책의 페이지나 영상의 장면까지 돌아갈 수 있는 길을 만들다 보니 필요한 도구가 하나씩 늘어난 셈입니다.
그런데 원문을 잘 찾고 설명도 잘 만들어주게 되자, 이번에는 제가 생각하기도 전에 AI가 너무 빨리 답해버리는 문제가 생겼고 이때부터는 검색 기능보다 학습 순서를 고치는 데 더 오래 매달렸습니다.
그래서 무엇을 공부할지 정한 다음에는 AI 설명을 열기 전에 제가 아는 만큼 먼저 써보게 했고, 뒤에서 좋은 설명을 보더라도 처음 쓴 답은 지우지 않았으며, AI가 빠진 부분을 찾아주더라도 그것을 바로 정답처럼 확정하지 않고 제가 원문을 보고 맞는지 판단하게 했습니다. 힌트도 처음부터 해설 전체를 내놓지 않고 다시 생각해 볼 질문과 관련 원문부터 조금씩 열리게 했으며, 결국 설명을 전부 보게 된 경우에는 같은 답을 베껴 쓰는 것으로 끝내지 않고 다른 문제에 도움 없이 적용해 본 뒤 며칠 후 다시 설명하게 했습니다.
이런 순서를 AI에게 맡기면 매번 다른 판단을 내릴 수 있어 단계의 이동과 통과는 앱의 규칙으로 관리했는데, 결국 사유고에서 AI가 맡은 일은 정답을 대신 완성하는 것보다 제가 어디에서 막혔는지 보여주고 다시 원문으로 데려가는 일에 더 가깝습니다.
③ 활용 결과 어떤 변화가 있었나요?
변화를 가장 먼저 느낀 것은 기록 화면의 숫자를 확인했을 때가 아니라, 온톨로지 강의를 공부하다가 그 내용이 제가 만들던 사유고의 문제와 연결되기 시작했을 때였습니다. 처음에는 강의를 이해하려고 필요한 부분을 찾아보고 표시하는 정도였지만, 몇 번이고 원문으로 돌아가면서 AI의 답변과 출처, 페이지가 왜 서로 떨어져 있으면 안 되는지 생각하게 되었고, 강의의 학습 세션 대부분을 끝낸 뒤에는 내용을 요약해서 보관하는 대신 제가 실제로 겪은 개발 문제에 대입해 글을 쓰게 되었습니다.
그렇게 온톨로지를 AI가 길을 잃지 않게 하는 의미의 지도라고 풀어본 첫 번째 글을 https://blog.naver.com/ac_recoder/224352227806 에 올렸고, 이어서 그루버의 설계 원칙과 FAIR 원칙, 최소 존재론적 개입을 사유고의 출처와 답변 구조에 연결한 두 번째 글을 https://blog.naver.com/ac_recoder/224352922499 에 공개했는데, 사유고를 만들기 전 같았으면 강의를 저장하거나 AI 요약을 남기는 데서 끝났을 내용이 제 경험을 거쳐 다른 사람에게 설명할 수 있는 글이 된 것이 저에게는 가장 분명한 결과였습니다.
영어 자료에서도 비슷한 변화가 있었습니다. 35페이지짜리 SynthDocBench 논문이나 영어로 된 AI 에이전트 영상은 예전 같으면 어렵다는 생각에 일단 저장해 두고 다시 열지 않았을 가능성이 큰 자료였지만, 사유고에서는 지금 필요한 질문과 관련된 페이지나 영상 구간부터 들어간 뒤 모르는 배경으로 거슬러 올라갈 수 있었기 때문에 한 번 훑고 끝내지 않고 여러 차례 다시 보며 학습을 이어갈 수 있었습니다.
현재 앱에는 160여 개의 자료와 6만 페이지가 넘는 내용이 들어 있고 그 안에 원문을 다시 연 기록과 대화, 하이라이트와 메모가 쌓여 있지만, 저에게 중요한 변화는 자료의 양이 늘어난 것보다 어려운 자료를 저장만 하지 않고 다시 열어 제 말로 설명하고 실제 글이나 개발 판단으로 이어가게 되었다는 점입니다. 다만 지금까지의 실제 사용자는 저 한 명이므로 이 경험을 일반적인 학습효과나 향상률로 말할 수는 없고, 현재 확인할 수 있는 것은 한 사람이 필요해서 만든 앱을 계속 사용하면서 공부 방식이 실제로 달라졌다는 사실까지입니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
처음에는 AI가 더 정확히 요약하고 친절하게 설명하면 좋은 학습앱이 될 줄 알았는데, 직접 쓰면서 답을 너무 잘 보여주는 것이 오히려 생각을 끊을 수 있다는 점을 알았고, 그래서 사유고에서 가장 크게 바뀐 것은 AI의 능력보다 답이 나오는 시점을 뒤로 미룬 일이었습니다.
아무것도 시도하지 않은 상태에서는 완성된 설명부터 보여주지 않고 서툴더라도 첫 답을 남기며, 답을 고친 뒤에도 처음 무엇을 몰랐는지는 지워지지 않게 했고, AI가 틀리거나 원문을 과하게 해석했을 때 바로 확인하도록 책과 논문은 페이지로, 영상은 시간 구간으로 돌아가는 길을 남겼습니다. AI가 찾아낸 이해 공백도 바로 사실로 저장하지 않고 사람이 확정하며 학습 단계는 코드가 정한 조건에 따라 움직이게 했는데, 만들 때는 번거로웠지만 실제로 써보니 이 번거로움이 제가 생각하지 않고 넘어가는 것을 막아주었습니다.
아직 잘됐다고 말하기 어려운 부분도 있습니다. 만든 사람인 저는 설명 없이 기능을 쓰고 불편하면 바로 고칠 수 있지만, 처음 보는 사람은 학습 목표와 통과 조건을 적는 일부터 어려울 수 있고 힌트를 기다리지 않고 전체 답부터 보고 싶을 수도 있으므로, 다음에는 다른 사용자가 개발자의 설명 없이도 첫 시도와 원문 확인, 힌트, 다른 문제 적용과 나중 복습까지 이어갈 수 있는지 살펴봐야 하며, 그 기록이 쌓이기 전에는 제 체감과 누구에게나 통하는 효과를 섞어 말하지 않으려고 합니다.
⑤ 다른 사람도 따라 할 수 있나요?
사유고가 없어도 노트와 원문 위치를 알려줄 수 있는 AI가 있으면 작게 따라 해볼 수 있습니다. 책이나 영상, 논문 하나를 고른 뒤 막연히 다 읽겠다고 하기보다 이것을 보고 나서 혼자 무엇을 설명하거나 만들 것인지와 어느 정도면 해냈다고 볼지를 먼저 적고, AI에게 묻기 전에 아는 만큼 답한 다음 빠진 부분을 정답으로 채워 달라고 하기보다 관련 원문과 가장 작은 힌트부터 달라고 하면 됩니다. 답을 고친 뒤에는 조금 다른 문제에 도움 없이 써보고 며칠 후 다시 설명해 보아야 하는데, 이때 AI를 보기 전과 본 뒤의 답, 원문에서 직접 확인한 근거를 함께 남기는 것이 제가 사유고에서 하는 방식의 핵심입니다.
여러 사람이 쓰게 하려면 합법적으로 보유했거나 이용 허락을 받은 자료만 처리하고 저작권이 있는 원문은 그대로 배포하지 않아야 하며, OCR과 자막, AI 설명은 틀릴 수 있으므로 언제나 원문 위치를 함께 남겨 직접 대조할 수 있게 해야 합니다. 개인 메모와 학습 기록은 기본적으로 로컬에 두고 공개 화면에서는 책 원문과 개인정보, 로컬 경로를 가릴 생각입니다. 사유고는 완성된 교육 서비스라기보다 제가 공부하다 막힌 곳을 고치며 자라난 개인 앱에 가깝고, 이제 혼자 쓰며 맞춰 놓은 부분을 다른 사람도 사용할 수 있게 바꾸는 중이므로 앞으로도 기능을 상상해서 붙이기보다 실제 사용자가 어디에서 멈추고 무엇을 다시 찾는지 보면서 고쳐가려고 합니다.
