AI/ML · B2B SaaS · EdTech
서술형 AI 채점 시스템 & 학습 보고서
OX 채점을 AI 기반 부분점수·근거·첨삭 체계로 전환한 프로젝트. 크레버스 요구로 시작해 매쓰플랫 전 제품으로 확장. 기획·정책·파이프라인 판단·고객 커뮤니케이션 전 과정을 PM으로 주도.
Role
Product Manager · 기획 총괄·정책 설계·개발·디자인·콘텐츠 협업·고객 커뮤니케이션
Focus
AI/ML · B2B SaaS
Status
Draft
Problem
수학 서술형 학습지 채점을 OX 방식에서 AI 기반 부분점수·근거·첨삭 체계로 전환한 프로젝트. 크레버스(B2B 고객) 요구로 시작해 매쓰플랫 전 제품으로 확장. 기획·정책·파이프라인 판단·고객 커뮤니케이션 전 과정을 PM으로 주도.
Results
- keep 정확도 96~97%
- DROP 21%
- 채점 1건당 $0.0039
- 월 40만건 약 260만원
- 다양한 풀이 4사례 검증
- 엣지케이스 8건 선제 결정
- 크레버스 요구 6항목 대응 매트릭스 문서화
Reflection
AI 기능은 성능보다 공존이 먼저다. 모델 정확도만 신경 쓰면 정작 사용자는 AI를 못 쓰거나 강제로 켜져서 불편해집니다. "AI가 항상 정답은 아니다"를 정책으로 인정하는 순간부터 AI가 실사용 도구가 됩니다.
상태의 기준은 하나로 통합할수록 시스템이 단순해진다. "제출 시점"이라는 하나의 기준으로 세 상태를 정리하니 파생 정책들이 모두 이 위에 얹혔습니다. 개발·QA·CS·세일즈까지 같은 언어를 씁니다.
엣지케이스는 개발 착수 전에 발굴하는 게 임팩트 최대다. 구현이 시작된 뒤 발견되는 엣지케이스는 재작업 비용이 크지만, 정책 단계에서 짚으면 결정 하나로 해결됩니다. PM의 가장 큰 레버리지 포인트.