K-Digital Training · 내일배움카드

학습 포기 전에
먼저 개입하는
AI 멘토

행동 데이터 기반 위험 탐지로 중도탈락을 예방합니다.
규칙 엔진 + 머신러닝 + 인간 코치의 3단계 개입으로
완주율과 훈련 성과를 높입니다.

2024 중도탈락
3,485
전년 대비 40.6% 증가
KDT 예산 규모
4,781
2025년 훈련 45,125명
목표 수료율
85% 이상
현재 약 79% → 행동 기반 선제 개입으로 달성
LIVE SIGNAL DETECTION
12
고위험
34
중위험
54
저위험
중도탈락은 매년 증가 중

KDT 중도탈락 인원은 2021년 681명에서 2024년 3,485명으로 5배 증가했습니다.

연도훈련인원중도이탈이탈률이탈 인원 추이 (명 기준)
2021약 3,500명681명19.5%
681명
2022약 12,700명1,529명12.0%
1,529명
2023약 34,400명2,479명7.2%
2,479명
2024약 42,000명3,485명8.3%
3,485명
2025 계획45,125명3,700~3,900 예상8~9%
미개입 시 ~3,900명
개입 시 ↓ 감소 목표
📉

전공·비전공 학습 격차

초기 속도와 오답 누적으로 자신감이 무너지면서 AI 분야 취업률 급락으로 이어집니다.

📱

세대·디지털 접근성

LMS 부담과 입력 장벽이 중장년·비전공자의 이탈을 가속합니다.

📍

지역·연계 인프라

폴리텍 취업률 81.7% vs KDT 63.8% — 지방 연계 네트워크 격차가 큽니다.

4단계 자동 개입 파이프라인

데이터 수집부터 인간 코치 에스컬레이션까지, 명확한 자동화 범위 안에서 선제 개입합니다.

STEP 01

데이터 수집

LMS 로그, 출결, 과제 제출, 카카오톡 응답률, 기관 CSV — 식별·행동 분리 저장

실시간 + 배치
STEP 02

위험 탐지

규칙 임계값 + XGBoost/LightGBM 앙상블로 학습자별 위험 점수 산출

규칙 + ML
STEP 03

자동 개입

짧은 격려 메시지, RAG 기반 설명, 쉬운 복습 문제 1개 자동 발송

카카오톡 · RAG
STEP 04

코치 에스컬

고위험·3회 이상 무응답 구간에서만 인간 코치로 연결. 감사 로그 전체 기록

Human-in-the-loop
MVP 모듈 구성

1단계에서는 자동화 범위를 명확히 제한하고, 효과 검증 후 단계적으로 확장합니다.

🤖

페이스메이커 엔진

접속 감소·오답 연속·메신저 무응답 등 행동 신호를 조합해 이탈 전조를 조기에 포착합니다. 3~4주차 집중 관리 구간에서 알림 빈도를 높입니다.

💬

메신저 학습 에이전트

카카오톡 채널로 짧은 격려와 복습 1문제를 발송합니다. RAG 기반 문답으로 단원별 설명을 제공하며, 허용 범위 내에서만 LLM이 동작합니다.

8주 A/B 실증 모델

1개 KDT 과정 약 100명 규모로 시작해 효과 검증 후 확대합니다.

실증 설계
규모약 100명
기간8주
배정무작위 / 준무작위
유의수준사전 등록·명시
측정 지표
1차 지표

재접속률 · 중도탈락률 · 과제 완료율

2차 지표

수료율 · 만족도 설문 · 부담감 응답

4단계 확장 로드맵

MVP 검증부터 운영 표준화까지 12개월+ 확산 계획입니다.

1
MVP 실증0~3개월
  • 1개 과정 · 약 100명
  • 규칙 + XGBoost 탐지
  • CSV 연계 · 대시보드
  • 기준선 지표 수집
2
효과 검증3~6개월
  • 카카오톡 + RAG 본격화
  • A/B 비교 분석
  • 모델 고도화
  • 기관 2~3곳 확대
3
접근성 확대6~12개월
  • 음성 입력(Whisper)
  • 다기관 연동
  • 시계열 모델 검토
  • HRD-Net API 협의
4
운영 표준화12개월+
  • 운영 표준화 패키지
  • 정책 피드백 루프
  • 타 직업훈련 확산
  • 사업화 세부화
주요 정책과의 접점

과기부·고용부 핵심 정책 방향과 맞닿아 있습니다.

K-Digital Training

수료·완주 KPI

2025년 예산 4,781억, 45,125명 규모 KDT에 LMS 연계 선제 개입으로 수료·완주 KPI 개선에 직접 기여합니다.

내일배움카드 · HRD-Net

도입 장벽 완화

NIA 디지털 교육 누적 수강 행동 데이터 기반 개인화. CSV 병행으로 API 의존도를 낮추고 초기 도입 장벽을 최소화합니다.

과기부 AI·디지털

에이전트 모델 확산

2025년 과기부 AI·디지털 예산 8,800억 방향과 연계. 교육용 에이전트 레퍼런스 모델로 타 직업훈련까지 확산 가능합니다.

안전한 AI 개입 원칙

PIPA 준수 하에 최소 수집·분리 저장·인간 검토를 기본으로 설계했습니다.

최소수집 원칙

목적별 항목·보존기한 명시. 목적 외 이용 금지. PIPA 동의·열람·파기 절차 문서화.

분리 저장 · RBAC

학습 행동 로그와 식별정보 분리 저장. 기관별 역할 기반 접근권한 통제.

감사 추적

개입·상담 로그 전체 기록. 개입 ID·시각·담당자 감사 로그 조회 경로 제공.

Human-in-the-loop

고위험 자동 조치 전후 코치 확인 경로 필수. 과도한 자동화 리스크를 구조적으로 통제.

오판 대응 절차

수동 재분류, 이의 제기 경로, 월간 모델·룰 리뷰, 오판 피드백 재학습 큐.

LLM 품질 관리

RAG·템플릿 우선, 이상응답 필터, 허용 도구 범위 내에서만 LLM 동작.

AI 에이전트로 일상을 바꿉니다

국비훈련 학습자의 완주를 돕고, 데이터 기반 선제 개입으로 KDT 훈련 성과를 높입니다.
아래에서 에이전트 사이클을 직접 체험해보세요.

AI EduMentor — Agent Cycle Simulator
v1.0 MVP
라이브 시뮬레이터
에이전트 사이클 직접 체험하기

학습자를 선택하고 ▶ 실행 버튼을 누르면 Perceive → Reason → Plan → Act 사이클이 실시간으로 작동합니다

😔

김민준

최근 7일 학습 패턴 이상 감지 · Python 기초 과정 수강 중 (3주차)

⚠ 이탈 위험 HIGH
오답 패턴
73%
동일 유형 반복 오류
📉
학습 속도
-42%
지난 주 대비 저하
🐢
접속 빈도
2회
최근 7일 기준
📵
STEP 01
인식Perceive
  • LMS 접속·체류 로그
  • 오답 연속 감지
  • 메신저 응답률
  • 3~4주차 집중 구간
STEP 02
판단Reason
  • XGBoost 위험점수
  • 임계값 초과 판단
  • 이탈 등급 분류
  • 에스컬레이션 확인
STEP 03
계획Plan
  • RAG 맞춤 메시지
  • 복습 1문제 선정
  • 코치 연계 결정
  • 개입 로그 등록
STEP 04
실행Act
  • 카카오톡 채널 발송
  • 복습 문제 제공
  • 코치 자동 연결
  • 기록·재평가
판단 분석
이탈 위험도87%
취약 개념 점유율74%
개입 긴급도95%
커리큘럼 최적화61%
실시간 에이전트 로그
--:-- PERCEIVE 에이전트 대기 중 — ▶ 실행 버튼을 누르세요
개입 방식 선택
🔔

카카오톡 즉시 알림

긴급 개입 · 추천

이탈 위험 임계값 초과 시 즉각 격려 메시지를 발송합니다

📚

RAG 복습 문제 제공

학습 재개 유도

취약 단원 중심으로 쉬운 복습 1문제를 자동 선정합니다

👩‍🏫

Human-in-the-loop

코치 심층 케어

고위험·무응답 구간에서만 인간 코치로 에스컬레이션합니다

실행 출력 — 카카오톡 채널
💬
AI EduMentor 채널
▶ 실행 후 표시됩니다
에이전트 사이클을 실행하면
AI가 생성한 학습자 맞춤형
개입 메시지가 여기에 표시됩니다.

✅ 사이클 완료 — 실행 결과 요약

실행된 액션