마스터클래스(MasterClass)는 학습자 반응에 맞춰 수업을 조정하는 AI 교사 에이전트를 기업 교육 프로그램에 적용하고 있으며, 학습자 한 명과 상호작용할 때 약 10개의 에이전트를 운용한다. IT 전문 매체 실리콘앵글(SiliconANGLE)은 마스터클래스와 코어위브(CoreWeave) 관계자 인터뷰를 통해 이같이 보도했다.
학습자 반응 따라 수업 조정
마스터클래스의 신규 AI 기반 기업 교육 프로그램 ‘마스터클래스 이그제큐티브(MasterClass Executive)’는 여러 에이전트가 학습자별 수업을 계획하는 방식으로 운영된다. 마스터클래스 제품책임자인 만다르 바파예(Mandar Bapaye)는 에이전트가 학습자의 인지적 부담이 커지거나 학습 의욕이 떨어지는 징후를 살피고, 이에 따라 수업 방식을 바꾼다고 설명했다. 첫 번째 모집에서는 약 500명을 뽑는 데 3만건의 지원이 들어왔고, 두 번째 모집 지원자는 5만명에 가까워지고 있다고 밝혔다.
바파예는 학생에게 챗봇 하나를 제공하고 알아서 학습하게 하는 것만으로는 충분하지 않다고 말했다. 에이전트형(agentic) 시스템에는 과학적·교육학적 근거를 갖춘 틀이 필요하다는 설명이다. 코어위브의 AI 사업 담당 수석부사장 루카스 비월드(Lukas Biewald)는 제품 개발에 조언해 왔으며, 새 모델과 평가 기준을 시험하고 결과를 반복해서 개선하는 과정이 중요하다고 강조했다.
실제 운영에서 추적·평가 강화
마스터클래스는 학습자와 한 차례 상호작용할 때 약 10개의 에이전트를 가동한다. 에이전트별 입력과 출력, 도구 호출, 에이전트 사이의 통신을 추적하고, 코어위브가 최근 발표한 내용에 따르면 더블유앤비 위브(W&B Weave)를 도입해 교사 에이전트의 동작을 추적·감시하고 개선할 계획이다. 바파예는 평가 단계에서 성능을 확인하는 것과 실제 이용자가 많은 환경에서 에이전트가 어떻게 행동하는지 살피는 것은 다른 문제라고 설명했다.
마스터클래스는 위브의 모델 컨텍스트 프로토콜(MCP) 인터페이스를 이용해 자체 에이전트를 구축했다. 이 에이전트는 매일 밤 이용 기록을 검토해 문제와 그럴듯한 원인을 찾아낸다. 바파예는 실제 서비스에는 수천명이 참여할 수 있어 운영 과정의 관측 가능성을 확보하기 어렵다며, 이용자에게 제공되는 경험이 적절한지 계속 확인해야 한다고 말했다. 코어위브의 AI 클라우드 전략과 관련해선, 에이전트를 실험실에서 실제 서비스로 옮길 때 추적과 평가가 필요하다는 점이 인터뷰에서 함께 다뤄졌다.
바파예는 개인 교습의 비용이 높고 교사를 구하기 어렵고 교사의 질도 차이가 난다며, AI가 이 세 문제를 해결할 수 있다고 주장했다. 이는 마스터클래스 측의 기대를 설명한 것으로, 보도에는 AI 교사 에이전트가 기존 개인 교습과 같은 교육 성과를 낸다는 비교 결과는 제시되지 않았다. 구체적인 출시 일정이나 가격 정보도 공개되지 않았다. 이번 사례에서 회사가 제시한 운영 방식은 학습자별 수업 조정뿐 아니라, 여러 에이전트의 기록을 살펴 실제 서비스 성능을 반복해서 개선하는 데 초점을 맞췄다.