RISE사업단 AI자격증교육의 대표 사례입니다. 원광대학교 약학대학 RISE사업단이 한국AI교육진흥원과 함께 설계한 AI Pham Frontier 프로그램. 약대생 32명과 교수 4명이 제주에서 4박 5일간 하루 8시간 넘게 AI 실습에 매달렸습니다. AI 역량 점수는 2.27에서 4.26으로 1.99점 올랐고, 생성형AI 자격시험 합격률 100%를 기록했거든요.
한국AI교육진흥원이 총괄 기획과 강의를 맡고, 약학 전공 교수진이 전공 맥락을 보충하는 구조였습니다. 재참여 의향 88%. RISE사업단 연계 AI자격증교육 중에서도 이 정도 폭의 성과는 드문 편이죠.
2시간 특강 20번 vs 4박 5일 합숙 1번, 왜 결과가 다른가
대학AI교육의 고질적인 구조 문제가 있습니다. 평일 오후 2시간짜리 특강을 열면, 학생 절반은 직전 과제에 쫓기고 나머지 절반은 직후 아르바이트에 마음이 가 있죠. AI를 배웠다는 기억은 남지만, 실제로 손에 익히지는 못합니다.
약대는 사정이 더 어렵거든요. 전공 커리큘럼 밀도가 워낙 높아서 별도 교육에 시간을 내기 어렵습니다. 학기 중에 3시간 특강을 한 번 잡는 것도 교수진의 일정 조율이 필요한 일이죠.
AI합숙교육은 이 문제를 물리적으로 해결했습니다. 제주도에 모인 학생들에게는 다른 할 일 자체가 없었거든요. 오전에 배운 프롬프트 설계를 오후에 바로 약학 시나리오에 적용하고, 저녁에는 팀원끼리 결과물을 비교하며 다음 날 방향을 수정했습니다. 교수진도 같은 식당에서 밥을 먹으며 질문에 응했죠. 하루 8시간, 5일 누적 40시간 이상을 AI에만 쓴 셈입니다.
DUR 자동화, 복약상담 챗봇 — 약학 실무에 AI를 붙인 커리큘럼
ChatGPT 사용법만 알려주는 교육이었다면 이 정도 AI실무역량 변화는 안 나왔을 겁니다. 이 약학AI교육의 핵심은 약학이라는 전문 영역에서 AI가 어디에 쓸모 있는지를 학생 스스로 찾게 한 데 있습니다.
사용한 도구는 ChatGPT, Claude, Make, n8n이었고, 각각을 약학 실무 시나리오에 대입해 실습했습니다. 가장 반응이 좋았던 건 처방 검토(DUR) 자동화였죠. 약사가 하루에 수백 건씩 처리하는 DUR 검토 과정을 프롬프트로 설계하고, 약물 상호작용 데이터를 기반으로 위험 플래그를 자동으로 띄우는 구조를 만들었습니다.
완전 자동화까지는 아니었습니다. 그런데 검토 시간을 절반 이하로 줄일 수 있는 프로토타입이 나왔거든요. 약대 교수진이 직접 프롬프트의 약학적 정확성을 검증했다는 점도 중요합니다. 이 프롬프트가 약학적으로 맞느냐는 질문에 바로 답이 돌아오는 환경. 합숙이기 때문에 가능한 피드백 속도였죠.
AI 기반 복약상담 챗봇도 다뤘습니다. 환자 연령, 기저질환, 병용 약물에 따라 달라지는 주의사항을 자동으로 정리해주는 구조였고, 논문 구조 설계와 문헌 검색 자동화는 대학원 진학 준비 중인 학생들이 특히 관심을 보인 영역이었습니다.
고령환자 복약관리, 영양제 추천 — 7개 팀 프로토타입 결과물
합숙형AI캠프 마지막 이틀은 팀 프로젝트에 집중했습니다. 7개 팀이 각자 주제를 잡고 프로토타입을 만들었는데, 결과물의 구체성이 예상을 넘겼습니다.
한 팀은 고령 환자 복약 관리 시스템을 설계했습니다. 65세 이상 다약제 복용 환자의 약물 목록을 입력하면 상호작용 위험을 자동 분석하고, 보호자에게 전달할 복약 안내문까지 생성하는 구조였죠. n8n으로 자동 알림까지 연결한 팀도 있었습니다.
또 다른 팀은 비대면 복약상담 자동화 챗봇을 만들었습니다. 코로나 이후 늘어난 비대면 진료에서 약사가 전화로 일일이 복약지도를 하는 대신, 환자가 채팅으로 기본 안내를 받고 위험 신호가 감지되면 약사에게 연결되는 흐름이었죠.
AI 영양제 추천 플랫폼을 구상한 팀도 있었습니다. 건강 상태, 복용 중인 약물, 식습관을 입력받아 영양제 조합을 제안하되 약물-영양제 상호작용까지 반영하는 로직을 넣었거든요. 약학 전공 지식이 없으면 설계 자체가 불가능한 프로젝트였습니다.
전문 분야 교육에서는 AI 도구를 아는 것과, 자기 전공에서 어떤 문제를 AI로 풀 수 있는지 판단하는 것이 전혀 다른 능력입니다. 후자를 기르는 데는 시간이 필요하죠.
몰입 시간, 전공 피드백, 동료 자극 — 점수 1.99점 상승의 배경
1.99점이 오른 배경에는 세 가지가 있습니다.
첫째는 몰입 시간의 절대량입니다. 하루 8시간 이상, 5일간 40시간 넘게 AI에만 집중했죠. 2시간 특강 20번을 해도 이 밀도는 만들 수 없거든요. 합숙이라는 물리적 환경이 강제로 몰입을 만든 겁니다.
둘째는 즉각적인 전공 피드백입니다. 약대 교수 4명이 교육 현장에 동석했기 때문에, AI로 만든 결과물의 약학적 타당성을 그 자리에서 바로 검증받을 수 있었죠. AI 전문가가 도구를 알려주고, 전공 교수가 내용을 검증하는 투 트랙 구조였습니다.
셋째는 동료 자극 효과입니다. 다른 팀이 만든 결과물을 보면서 자극을 받은 거거든요. 저녁 시간에 옆 팀의 챗봇이 작동하는 걸 보고 우리도 그 수준까지 가보자는 반응이 연쇄적으로 나타났습니다.
RISE사업단과 한국AI교육진흥원의 역할 분담 구조
이 프로그램은 원광대학교 RISE사업단이 기획하고 한국AI교육진흥원이 교육 설계와 실행을 맡은 협업 모델이었습니다. RISE(Regional Innovation System & Education)는 교육부 주관 사업으로, 지역 대학이 산업 현장과 연계한 실무 교육을 확대하는 것을 목표로 하죠.
약학AI교육은 RISE사업의 취지에 부합하면서도 실행이 까다로운 영역이었습니다. 약학은 규제가 강하고 전문성 진입 장벽이 높아서 범용 AI교육을 그대로 가져다 쓸 수 없거든요. DUR 자동화, 복약상담 챗봇 같은 실습 주제는 약대 교수진이 제안하고 한국AI교육진흥원 강사가 AI 도구 활용 방법을 설계하는 식으로 역할을 나눴습니다.
한국AI교육진흥원이 다양한 산업과 학과의 교육을 진행하면서 확인한 게 있습니다. 전문 분야 AI교육이 성과를 내려면, 도구 전문가와 현장 전문가가 동시에 교육 설계에 관여해야 한다는 점이죠. 이번 원광대 AI교육사례는 그 구조가 가장 잘 작동한 경우였습니다.
전문 분야 합숙형AI캠프가 효과적인 조건
모든 상황에 AI합숙교육이 맞지는 않습니다. 비용이 들고, 학사 일정 조정이 필요하며, 참가자 수에 제한이 있죠.
그런데 원광대 약대 사례가 보여준 건 분명합니다. 약학, 의학, 법학처럼 전공 지식이 깊은 분야에서는 짧은 특강을 여러 번 반복하는 것보다 집중적인 몰입 기간을 한 번 만드는 편이 압도적으로 효과가 큽니다. 학생이 내 전공에서 이 도구를 어떻게 쓸까를 고민할 시간이 필요하고, 그 고민에 전공 교수와 AI 전문가가 동시에 피드백을 줄 수 있어야 하거든요.
제주 합숙은 바로 그 환경을 물리적으로 만들어낸 대학AI교육 사례였습니다.
