1. 어떤 상황에서 AI를 활용했나요?

초등학교 교사로 근무하는 아내가 올해 처음으로 인성부장(학교폭력 담당) 업무를 맡았습니다. 학교폭력 사안은 「학교폭력예방 및 대책에 관한 법률」과 동 시행령, 교육부 훈령, 교육부·교육청 매뉴얼, 각종 고시까지 습득해야 할 자료가 방대하며, 이 또한 매 학년도 개정됩니다. 담당이 매년 교체되는 학교 특성상 인성부장은 취임 직후부터 수백 페이지 매뉴얼을 맨 처음부터 읽어야 하는 구조적 학습 절벽을 마주합니다.

매일 퇴근과 육아를 마친 밤 11시부터 새벽까지 형광펜으로 매뉴얼에 표시하며 업무를 파악하는 아내를 위해, 대외적으로 공개된 자료 중 교육부 2026 사안처리 가이드북, 온마음터 자료, 학폭예방법·시행령, 학생부 기재 훈령, 가해학생 조치 세부기준 고시, KERIS 상담사례집 등 자료를 RAG(Retrieval-Augmented Generation)로 인덱싱하고 생성형 AI API를 연결한 전용 로컬 웹 비서를 제작했습니다. 사건 정보는 외부 전송이 금지되는 업무 특성을 고려해 노트북에서만 구동되는 로컬 앱으로 설계했습니다.


2. 어떤 AI를 어떻게 활용했나요?

개발 단계에서는 Anthropic Claude Code를 활용해 설계·구현·디버깅·리팩터링 전 과정을 진행했습니다.

런타임 AI 스택은 생성형 LLM으로 Anthropic Claude Sonnet 4.5를 사용해 질의응답과 문서 초안, 단계별 분석을 담당하게 하고, 임베딩은 Voyage AI의 voyage-3 모델을 통해 PDF 청크를 벡터화했습니다. 벡터 데이터베이스는 로컬 영구 저장이 가능한 ChromaDB를 cosine 거리 기반으로 구축했으며, PDF 파서는 현재 PyMuPDF를 사용하되 표·헤딩 구조 보존이 우수한 Microsoft MarkItDown으로 전환을 진행 했습니다. UI는 데스크톱 환경에 최적화된 Streamlit으로 구현했고, 최신 판례·훈령 확인이 필요한 경우 Claude의 web_search 도구를 자동 호출하도록 연동했습니다.

핵심 프롬프트 엔지니어링 원칙은 다음과 같습니다. 첫째, 출처 번호를 강제하여 답변 본문에 `[1]`, `[2]` 형식으로 RAG 출처를 표기하게 함으로써 사용자가 근거 페이지까지 즉시 추적할 수 있도록 했습니다. 둘째, RAG(매뉴얼)와 웹 정보가 충돌할 때는 국내 법령·교육청 매뉴얼을 우선하도록 명시했습니다. 셋째, 실명·학번이 포함된 질의는 시스템 프롬프트 단계에서 답변을 거부하도록 했으며, 넷째, 검증되지 않은 추론에는 반드시 `[추론]`·`[미검증]` 라벨을 붙이게 하여 불확실성을 가시화했습니다. 다섯째, 검색 결과는 교육청 매뉴얼(1순위) → 교육부 법령(2순위) → 참고자료 순으로 우선순위 리랭킹 부스트를 적용해 실무 적합성 높은 문서가 먼저 노출되도록 했습니다.

3. 활용 결과 어떤 변화가 있었나요?

업무 방식이 근본적으로 전환되었습니다. 이전에는 새로운 사안이 발생할 때마다 전임자에게 물어보거나 여러 권의 규정집을 직접 뒤져야 했다면, 이제는 AI에 자연어로 질의하고 답변과 함께 근거가 되는 매뉴얼 페이지 번호까지 즉시 제공받습니다. 수첩이나 엑셀로 수기 관리하던 단계별 진행상황은 5단계 워크플로우와 조건부 체크리스트가 자동 생성되는 방식으로 전환되었고, 매뉴얼 서식을 일일이 복사·편집하던 문서 작업은 접수보고서·보호자 안내문 등 12종 공문 초안이 자동 생성되는 방식으로 바뀌었습니다. "비슷한 사건을 본 적 있는 선생님이 있느냐"는 수소문은 국내 판례·재결례·타 교육청 처리사례를 웹 검색으로 자동 수집하는 방식으로 대체되었습니다.

정량·정성 효과 측면에서는 우선 행정 누락 위험이 구조적으로 차단되었습니다. 접수부터 이행까지 5단계 각각에 법정 기한과 필수 서류가 체크리스트로 자동 생성되어 누락된 항목이 화면에서 즉시 식별되기 때문입니다. 질의·답변은 로컬 SQLite에 저장되어 동일한 질문을 반복할 때 이력을 재활용할 수 있고, 이는 불필요한 API 비용 발생을 막아줍니다. 수백 페이지 매뉴얼을 처음부터 읽으며 밤을 새우던 퇴근 후 업무 시간이 자연어 질의 한 번으로 대체되었고, 혼자 감당해야 했던 업무에 "언제든 확인 가능한 보조자"가 생기면서 심리적 안전감이 크게 향상되었습니다.

4. 나만의 방식 또는 개선 포인트는 무엇인가요?

첫째, 5단계 워크플로우 자동 체크리스트 엔진을 구축했습니다. 학교폭력 사안처리의 공식 5단계(접수 → 초기대응 → 조사·면담 → 결정 → 이행·관리)마다 필수 항목을 데이터 주도(data-driven) 방식으로 정의해, 사안 접수 시 긴급조치 유형과 자체해결 vs 심의위원회 분기에 따라 체크리스트 항목이 조건부로 자동 생성됩니다. 사용자는 체크박스만 토글하면 되고, 모든 이벤트는 타임라인에 자동 기록됩니다.

둘째, 업무 흐름별 18종 퀵 프롬프트와 3종 자동 웹검색을 적용했습니다. AI 사용에 서툰 사용자를 위해 6행 × 3열 그리드로 배치된 18개의 업무별 퀵 프롬프트를 제공하며, 초동 단계(사실관계·긴급조치·즉시분리), 통보·확인 단계(보호자 통보 문안·확인서 질문·증거수집), 조사·면담 단계(보호자 면담 포인트·2차 가해 방지·자체해결 요건), 결정·사후 단계(예상 일정·심의위 준비·유사 판례), 후속관리 단계(학생부 기재·관계회복·학습권), 위험관리 단계(특이사항·성폭력 특례·민원 대응)로 구성되어 있습니다. 이 중 ① 유사 판례·재결례, ② 매년 개정되는 학생부 기재 훈령, ③ 타 법령 교차검토가 필요한 성폭력 특례 항목은 최신성이 중요해 웹 검색을 자동 활성화하도록 설정했고, 일반 질의에서도 사용자가 웹검색을 수동으로 토글할 수 있습니다.

셋째, 프롬프트 정제 기능을 구현했습니다. 두서없이 메모처럼 쓴 질문을 한 번의 클릭으로 목적·조건·출력 형식을 명시한 정제된 프롬프트로 변환합니다. RAG를 거치지 않는 별도 Claude 호출로, 사용자가 AI 활용에 익숙하지 않아도 일관된 품질의 답변을 받을 수 있습니다.

넷째, 단계별 처리 상태를 가시화했습니다. 답변 생성 중 "관련 문서 검색 중 → N건 완료 → AI 답변 생성 중 → 완료 (N.N초)" 형태로 각 단계의 진행 상황과 소요시간을 실시간으로 표시해, 사용자가 "지금 뭐 하고 있지?"를 몰라 불안해하지 않도록 했습니다.

다섯째, 개인정보 비저장 설계를 철저히 했습니다. 사건 정보는 반드시 코드명(학생A, 학생B)으로만 입력할 수 있으며, 실명·학번·반 입력 자체를 폼 단계에서 차단합니다. Claude에 전달되는 케이스 컨텍스트는 단일 직렬화 함수를 통해서만 구성되며, 웹 검색 쿼리에도 식별정보 포함을 금지합니다.

여섯째, 연간 인성부장 캘린더를 제공합니다. 매월 정기 업무(학교폭력 실태조사, 예방교육, 전담기구 회의 등)를 캘린더 위젯으로 시각화해, 놓치지 않아야 하는 일들을 대시보드 첫 화면에서 확인할 수 있도록 했습니다.

일곱째, 사용자 맞춤 경량화 버전을 병행 설계했습니다. 실사용자(배우자)가 비식별화 절차에도 불구하고 사건 정보를 투입하는 것 자체에 부담을 느낀다는 피드백을 받아, 사건관리 기능을 제거하고 순수 질의 기능만 남긴 Lite 버전을 별도로 설계했습니다. 동일한 기술 스택을 재사용하면서 사용자의 심리적 허들을 낮췄고, 그 과정에서 개선된 자유질의 UX(프롬프트 정제·단계 표시·오류 보존 등)를 원본 버전에 역이식했습니다.

마지막으로 RAG 소스의 지역화 확장성을 확보했습니다. 현재는 공개 자료 17종만 인덱싱하지만, 각 교육지원청이 별도 제작한 세부 매뉴얼을 각 학교 환경에 맞게 추가 적재할 수 있도록 설계되어 있습니다. `rag_sources/` 폴더에 PDF를 추가하고 재인덱싱 버튼만 누르면 즉시 반영되어, 현장에 더 밀착된 답변이 가능해집니다.

5. 다른 사람도 따라 할 수 있나요?

범용성 측면에서, 이 서비스는 로컬 웹 앱(Streamlit) 형태로 구현되어 Python 3.x 환경과 API 키만 있으면 어느 학교 노트북에서도 동일하게 구동됩니다. 전국 초등학교 약 6,000교에서 매년 인성부장이 교체된다는 구조적 상황을 고려하면, 동일한 학습 절벽을 겪는 선생님이 매년 새로 생겨나는 셈이므로 잠재 사용자층이 지속적으로 재생산됩니다.

재현 절차는 약 30분 이내로 완료됩니다. ① 프로젝트 폴더를 복사하고, ② `pip install -r requirements.txt`로 의존성을 설치한 뒤, ③ Anthropic API 키와 Voyage AI API 키를 발급받아 설정 페이지에서 GUI로 입력하고, ④ `python scripts/build_index.py` 명령으로 RAG 인덱스를 1회 구축한 후, ⑤ `streamlit run app.py`를 실행해 `http://localhost:8510`에 접속하면 됩니다.

확장성 면에서도 폭이 넓습니다. 기본 17종 외에 지역 매뉴얼이나 학교 자체 지침을 추가하는 방식으로 RAG 소스를 교체할 수 있고, 데이터 소스만 변경하면 중·고등학교에도 그대로 적용할 수 있습니다. 더 나아가 동일한 RAG + 체크리스트 + 퀵 프롬프트 패턴은 생활지도, 진로상담 등 다른 행정 업무 영역에도 이식 가능합니다.

보안성 측면에서는, 모든 데이터(케이스, 벡터 인덱스, 답변 이력)가 로컬에 저장되며 외부로 전송되는 정보는 ① Claude API 호출 ② Voyage 임베딩 ③ 웹 검색 쿼리에 한정됩니다. 식별정보는 모든 경로에서 시스템적으로 차단됩니다.

한 줄로 요약하면, 아내의 첫 인성부장 업무를 위해 시작했지만, 매년 새로 인성부장을 맡는 전국의 선생님 누구나 그대로 복제해 쓸 수 있는 범용 학교폭력 사안처리 AI 비서로 완성했습니다.