AI 자동 채점 및 피드백 SaaS
에세이·서술형·코딩 과제를 루브릭 기반으로 자동 채점하고 학생별 피드백까지 생성하는 SaaS. K-12·대학 교사의 주당 5~10시간 채점 시간을 직접 깎는다.
교사 1인이 채점에 주당 5~10시간을 쓰는 구조는 그대로다. 객관식은 자동화됐지만 서술형·에세이·코딩 과제는 아직 수기 채점이다. K-12 교육자가 AI 평가 도구로 평균 44%의 채점 시간을 절약했다는 데이터가 있고, 미국 공립학교 객관식 평가의 48%가 이미 AI로 채점된다 (sqmagazine, 2025).
채점 자동화는 '있으면 좋은' 도구가 아니라 시간 절약이 곧 가치인 영역이다. AI 교육 시장 $69억 (2025) 안에서도 적응형 평가·채점은 CAGR 46.7%로 가장 빠르게 성장한다 (Precedence Research). Graide가 TIME 2025 EdTech 선정에 들어간 사례, 미국 AI 교육 스타트업이 2025년 $47억 벤처 펀딩을 받은 사례가 시장 크기를 검증한다. 인디 빌더는 LMS 통합(Google Classroom·Canvas) + 루브릭 입력 UI + GPT-4 채점 엔진 조합으로 1~2주 안에 MVP를 짜고, 교사 3~5명 베타로 채점 일치율 85%+를 검증할 수 있다.
가능성 3개 · 리스크 2개
가능성 신호
리스크 신호
GPT-4·Claude API 기반 서술형 채점 엔진은 1인 개발자 기술 범위에 들어온다. Google Classroom·Canvas API는 공개돼 있고, 루브릭 입력 UI는 표준 폼이다. 채점 정확도 벤치마크 데이터셋만 준비하면 7일 안에 베타가 가능. 점수가 80을 넘지 않는 이유는 표절·AI 콘텐츠 감지 모듈이 외부 API 의존이라 운영 비용이 변동적이고, 학생 이의 제기 처리 플로우 (사람 검수)를 함께 설계해야 책임 문제를 피할 수 있기 때문이다.
선택률 8%
선택한 사람 (8명)
안 한 사람 (92명)
T3 가설. 공식 signalStrength 18 / 43 × severity 2 / 5 × 100 ≈ 8 (반올림). 이 숫자는 '명확한 시간 절약'은 신호가 강하지만 (signal 18/43), 채점 자체가 직무 핵심이 아닌 사람 비중이 크다는 (severity 2/5) 가정을 반영한다. 인터뷰 3건 후 재교정 필요.
근거 자료출처 4개
출처 · 04
계산식 보기
실현가능성 78% = 가능성 신호 3개를 (가능성 + 리스크) 총합으로 나눈 값.
페르소나 선택률 8% = 가상의 100명 사용자 시뮬레이션 결과.