초 개인화 해외 사례

ubob insight

Aug 29. 2024

‘초 개인화(hyper-personalization)’의 사전적 의미를 살펴보면 “개인의 상황, 성향, 필요에 맞게 알고리즘을 분석하여 개별적인 맞춤 혜택을 제공하는 것”이라고 되어 있다. 스마트폰 사용자라면 누구나 한번 쯤은 넷플릭스(Netflix)나 유튜브(YouTube)에서 최근 본 영상과 유사한 영상으로 추천 목록이 채워지고, 온라인 쇼핑에서 과거 상품 구매이력에 따라 관련된 상품들을 추천받아본 경험을 가지고 있을 것이다.

초 개인화라는 용어가 익숙하지 않을 수는 있지만, 많은 사람들이 초 개인화로 구현된 환경에는 이미 일상에서 익숙해져 있을 것이라 생각한다.

사실 성별과 나이와 같은 정보를 기반으로 특정 그룹 혹은 특정 개인에게 맞춤형 서비스를 제공하는 ‘개인화(personalization)’라는 개념은 오래 전부터 있어왔다. ‘초 개인화’와의 차이점은 단순히 한 개인의 정보를 넘어서 실시간 행동 패턴과 같은 훨씬 더 복잡한 데이터를 정교한 알고리즘과 고도화된 기술력을 통해 분석해 냄으로써 시간, 장소, 상황에 따른 니즈를 정확하게 파악하여 적시에 서비스를 제공한다는 데 있다. 특히, 한 개인도 상황에 따라 다양한 자아를 드러내는 멀티 페르소나 관점에서 바라보면, ‘초’개인화 필요성이 더욱 이해가 된다. 온라인 세상에서의 나, 직장에서의 나, 게임 속 나는 같은 개인이지만 상황에 따라 다른 모습을 보이며 그에 따라 니즈도 달라지기 때문이다.

익히 들어온 인공지능(Artificial Intelligence, AI)이나 Machine Learning (ML)과 같은 기술력의 향상, 또 빅데이터의 활용이 초 개인화 환경을 더욱 정교화 시키고 가속화 시켰다고 볼 수 있다. 최근에는 인공지능이 고도로 발달되면서 전달 방식 및 커뮤니케이션에서 있어서도 인간과 거의 유사한 수준의 상호작용 까지도 가능해지고 있다. 마케팅이나 고객관리와 같은 다양한 사업분야에서 이미 전세계 많은 기업에서 초 개인화 구현을 통한 성과를 입증해오고 있다.

교육 분야에서도 ‘초 개인화’ 즉 개인 맞춤형 학습 환경 구현은 HRD를 비롯해 교육 분야의 오랜 숙원이었다. 수많은 연구에서 보여주듯이 학습은 학습자가 그 지식을 활용해야 할 때, 즉 필요와 동기가 있을 때 가장 몰입도가 높고 효과가 오래 지속된다. 그것을 실현하기 위한 개념이 바로 초 개인화이다.

01. 콘텐츠 큐레이션

초개인화의 가장 기본 적인 단계는 맞춤형 학습 경로를 제공해 주는 것이라고 볼 수 있다.

대표적인 예로 Linkedin Learning의 콘텐츠 큐레이션을 들 수 있다. 인공지능을 활용하여 학습자가 선택한 관심 주제와 학습을 지속하면서 파악된 선호도를 반영하여 새로운 학습 경로를 제시하는 것이다. 에빙하우스(Ebbinghaus)의 망각곡선에 따르면 이전 학습에 대한 반복 및 연계 학습 기회가 없을 경우 평균적으로 하루가 지나면 66%, 6일이 지나면 75%를 잊는다고 한다. 반복 학습에 대한 중요성을 보여주는 것인데, 콘텐츠 큐레이션을 통해 연관된 학습을 반복적으로 노출시킴으로써 학습 동기를 지속하고 학습 전이를 돕는 효과도 기대해 볼 수 있다.

특히 반복 학습이 중요한 언어 학습에 있어서는 콘텐츠 큐레이션을 통해 학습자의 수준과 상황에 정교하게 맞춤화된 초개인화 학습 환경이 더욱 요구된다고 본다. 물론, 효과적 콘텐츠 큐레이션을 위해서는 콘텐츠의 다양성이 전제되어야 한다. 학습자 분석 데이터를 활용하더라도 제공하는 콘텐츠가 다양하지 않다면 학습자들은 초개인화의 효과를 느끼지 못하거나 학습 지속 동기로 이어지지 않기 때문이다.

02. AI를 활용한 적시 학습 지원 (ex. Virtual tutor, Chatbot 등)

교육에 있어서 초개인화의 또 다른 대표적 구현 방식으로 인공지능 즉 AI를 활용한 적시 학습 지원을 들 수 있다. 학습 동기 지속은 학습자가 모르는 것이 생겼을 때 즉각적 지원이 이루어졌을 때 가장 효과적일 수 있다. 하지만 개인별 학습 패턴이나 상황이 다양해 지는 모바일/비대면 학습 환경에서는 교수자가 직접 적시 지원을 제공하기에는 한계가 있다. 이 부분에서 빅데이터나 인공지능을 활용하면 학습 중에 러닝 갭이 감지되었을 때 사이버 튜터와 같은 형태로 실시간 지원을 제공해줄 수 있다.

간단한 예로, 온라인 쇼핑을 할 때 한 페이지에 오래 머물러있거나 하면 채팅 창이 자동으로 뜨면서 궁금한 것을 물어볼 수 있도록 지원하는 챗봇 서비스가 바로 이와 유사한 방식이라고 볼 수 있다. 특정 개념에서 학습 시간이 오래 걸린다면 인공지능이 이 부분을 어려워 하고 있다는 것을 파악하여 추가 심화 학습이나 보충 자료를 살펴 볼 것을 제안하고, 학습자가 질의응답을 등록하게 되면 챗봇을 활용해서 응대하고, 조금 더 심화적인 논의가 필요할 시 관련 주제에 대한 튜터에게 연결될 수 있도록 하는 것이다.

이러한 Virtual tutor나 Chatbot과 같은 서비스는 기업 교육 뿐 아니라 공교육 학습 환경에서도 상당히 활발히 활용되고 있으며, 온라인 공개수업 MOOC와 같은 대규모 온라인 교육에서는 특히 적극 활용되고 있다. 기술적 관점에서 Virtual tutor나 Chatbot 플랫폼을 기업 포탈이나 학습 관리 시스템에 설치하여 활용하기도 하고, 마이크로소프트, 구글, IBM®Watson과 같은 초대형 기술 기업에서 AI에 기반한 학습 시스템 개발도 적극 이루어지고 있다.

마지막으로 교수설계 전략의 관점에서의 초개인화를 제대로 수립하하기 위해서는, 실제적 과제를 중심으로 한 능동적 학습 경험이 제공되어야 한다는 점을 강조하고싶다. 단순히 개인화된 학습 컨텐츠와 학습 지원을 제공받는 것에서 나아가, 자신이 학습의 주체가 되어 자신의 업무와 직접적으로 관련된 실제적 상황에 몰입하는 과정에서 초개인화 학습을 경험하는 것이다. 실제적 과제 상황은 현실 세계의 복잡성과 맥락(Context)을 포함하고 있으므로, 학습전이가 훨씬 효과적일 수 있으며 학습 동기와 학습 몰입도를 높일수 있는 방식이다. 실제적 과제 상황을 통한 초개인화 학습의 예로 가상현실 즉 virtual reality 기술을 활용한 Mursion 플랫폼(보러가기)을 들 수 있습니다.

Mursion 플랫폼은 학습자가 가상 현실 상황에서 주어진 역할 및 과제를 실제 아바타를 대상으로 실행해 볼 수있는 환경을 제공한다. 예를 들어 교원양성 과정에서 이 프로그램을 활용해 아바타 학생을 가르쳐보는 것이다. 기업교육에서는 고객응대 교육에 Mursion과 같은 플랫폼을 활용할 수 있다. 가상현실 환경에서 학습자는 고객이나 학생의 반응을 실시간으로 확인하고 대응하면서 실수에 대한 두려움 없이 학습 내용을 실제상황에 적용해 볼 수 있는 기회를 가지게 된다. 현재 Mursion 플랫폼은 빅데이터, 머신러닝, 인공지능 기술을 기반으로 시뮬레이션 스페셜리스트라는 매개를 통해 이루어지고 있지만, 기술력이 더욱 발전하면 그야말로 인공지능에 의해 초개인화된 가상 현실 시뮬레이션 학습을 구현할 수 있을 것이라 본다.