부산·울산·경남 학생 대상 생성형 AI 심화 특강이 온라인 2시간 집중 과정으로 열렸다. 비전공자를 막던 환경설정을 ChatGPT와 함께 넘자 80% 이상이 Streamlit 배포까지 끝냈다. 같은 교육을 들이려면 환경설정에 시간을 먼저 배정했는지와 API 키 발급 경로부터 본다.
비전공자가 생성형 AI 실습에서 멈추는 자리는 모델이 아니다. 우리가 부울경 생성형 AI 심화 교육 기록(2025년 7월 10일)에 적어 둔 출발점도 거기였다. 파이썬 환경설정처럼 기초에 해당하는 단계가 첫 벽이 되고, 그 벽에 막힌 비전공자는 챗봇을 만들어 볼 기회 자체를 갖지 못한다. 프롬프트 쓰는 법은 검색으로 배울 수 있지만, 터미널에서 파이썬 버전을 맞추고 가상환경을 만드는 일은 어디서 막혔는지조차 알기 어렵다.
여기에 지역 조건이 겹친다. 부산·울산·경남에서는 AI 전문 교육이 열리는 자리 자체가 드물고, 실습 환경도 갖춰지지 않아 학생들이 학습에 한계를 느끼고 있었다. 이번 특강이 온라인 2시간 집중 형태를 택한 이유는 그 격차를 줄여 같은 학습 기회를 주기 위해서였다. 2시간은 개념을 훑기에는 길고 프로젝트를 하기에는 짧은 시간이다.
우리가 그 2시간에 건 것은 챗봇의 완성도가 아니었다. 환경설정이라는 첫 벽을 넘기게 하고, 그 자리에서 배포까지 한 바퀴를 돌리는 것이었다.
2시간의 첫 관문은 챗봇이 아니라 pyenv·virtualenv 환경설정으로 잡았다
| 항목 | 내용 |
|---|---|
| 교육명 | 생성형 AI 심화 교육 |
| 대상 | 부산·울산·경남 지역 학생 |
| 구성 | 온라인 집중 특강 2시간 |
| 도구 | pyenv, virtualenv, ChatGPT, shell script, Gemini API, Streamlit |
| 목표 | 파이썬 환경설정 완료, LLM 챗봇 제작과 웹 배포 경험 |
목표는 셋이었다. 비전공자도 파이썬 환경설정을 끝내게 하는 실습, LLM 챗봇을 만들어 웹에 배포해 보는 경험, 그리고 실습 위주 구성으로 자신감과 실무 활용 역량을 올리는 것. 앞의 두 목표가 곧 실습의 순서였다.
환경설정 도구는 pyenv와 virtualenv다. 다만 명령을 외워서 치게 하지 않았다. 학생이 ChatGPT에 물어 답을 받아 가며 한 단계씩 나아가도록 수업을 짰고, 코드를 미리 알지 못해도 개발환경이 잡히는 것을 기준으로 두었다. 따라 칠 순서는 shell script 키워드로 묶어, 어느 지점에서 무엇을 입력하는지 놓치지 않게 했다. 개발자가 환경을 잡는 방식과 같지만, 명령의 출처가 기억이 아니라 대화창이라는 점이 다르다.
서빙과 배포를 먼저 갈라 놓은 뒤 Gemini API 키 발급과 Streamlit 배포로 이었다
환경이 잡힌 뒤에는 세 단계를 이어 붙였다. 첫 단계는 코드가 아니라 개념이다. 내 컴퓨터에서 앱이 뜨는 것과 남이 접속할 주소가 생기는 것은 다른 일인데, 이 차이를 비유 하나로 먼저 짚고 넘어갔다. 어떤 비유를 썼는지는 기록에 남기지 않았다.
두 번째로 Gemini API Key를 학생 각자가 본인 계정에서 발급받았다. 마지막이 Streamlit이다. LLM 챗봇을 Streamlit 앱으로 띄우고 외부에서 열리는 주소까지 만든 뒤, 화면에 답이 뜨는 것을 그 자리에서 확인했다.
순서를 이렇게 잡은 효과는 환경설정이 끝난 직후에 드러났다. 터미널을 통과한 학생들은 챗봇 제작과 배포를 예상보다 수월하게 넘겼고, 그 한 바퀴가 자신감으로 이어졌다. 어려웠던 것은 챗봇이 아니라 그 앞의 터미널이었다는 뜻이다.
80% 이상이 배포까지 갔고, 남은 아쉬움은 내용이 아니라 시간이었다
결과는 수치 둘과 후속 보고 하나로 남았다. 첫째, 파이썬 환경설정을 끝내고 챗봇을 웹에 올리는 데까지 도달한 수강생이 전체의 80%를 넘었다. 온라인에 2시간이라는 조건이었지만 끝까지 자리를 지킨 학생은 대부분 환경설정을 마쳤다. 둘째, 설문에서는 5점 만점에 평균 4.67점이 나왔고 응답자 전원이 긍정으로 답했다. 셋째, 수업이 끝난 뒤 파이썬으로 만든 AI 웹페이지를 개인적으로 배포한 학생이 있었고, 팀 프로젝트로 키운 경우도 있었다는 보고가 들어왔다.
참가자 피드백은 두 갈래다. 한 수강생은 "Streamlit은 처음이라 어떻게 하는지 몰랐는데 쉽게 할 수 있도록 도와주셔서 좋았습니다"라고 적었고, 다른 수강생은 "실제 입문하는데 큰 도움이 되었습니다"라고 남겼다. 아쉬움도 하나 있었다. "강의 내용이 알찼고, 시간이 짧다는 게 아쉬웠습니다." 부족했던 것은 내용이 아니라 시간이었다.
가져갈 것
같은 특강을 비전공 학생 대상으로 들이기 전에 확인할 항목이다.
- 참가자 다수가 파이썬 환경설정을 해 본 적 없는 비전공자인가 — 그렇다면 첫 실습이 챗봇이 아니라 pyenv·virtualenv 환경설정으로 잡혀 있는가
- 학생이 환경설정 중 ChatGPT에 물어가며 진행할 수 있도록 각자 ChatGPT 계정과 접속 환경이 준비돼 있는가
- 따라 칠 명령이 shell script 키워드 단위로 정리돼 있어, 온라인에서도 순서를 놓치지 않는가
- 학생이 Gemini API Key를 직접 발급받을 수 있는 계정을 갖고 있는가
- 서빙과 배포의 차이를 코드 전에 설명할 비유가 준비돼 있는가
- 종료 기준이 "환경설정 완료 + Streamlit 챗봇 웹 배포"처럼 결과물로 적혀 있고, 완료 비율을 집계할 방법이 있는가
안 되는 경우
- 원문이 밝히지 않은 것: 참가 인원, 교육 실시 일자, 주관 기관·대학명, 학년·전공 분포, 학생 노트북의 OS, Streamlit 배포처, 80% 수치의 모수와 집계 방식, 서빙·배포 설명에 쓴 비유의 내용.
- 80% 이상이라는 수치와 별도로, 환경설정 완료는 끝까지 집중해 수업을 들은 학생 기준이라는 단서가 붙어 있다. 중도 이탈이 많은 대규모 비동기 강좌에서 같은 비율이 나오는지는 기록에 없다.
- ChatGPT 접속, Gemini API Key 발급, 외부 웹 배포 중 하나라도 막힌 망이나 계정 정책에서는 이 흐름이 성립하지 않는다.
- 2시간은 환경설정과 배포를 한 번 통과하는 시간이지 챗봇 로직을 설계하는 시간이 아니다. "시간이 짧다"는 피드백이 그 경계를 보여 준다. 같은 지역 비전공 청년을 이틀 14시간으로 잡았을 때의 기록은 고용노동부 로컬 AI 메이커스랩 1기에 있다.
이번 주에 바꿀 것은 비전공자 대상 AI 실습의 첫 산출물이다. "챗봇을 만든다"를 "각자 노트북에서 파이썬 가상환경이 잡히고 API 키가 발급된다"로 바꾸면, 강의 시간의 배분이 개념 설명에서 환경설정 완주로 옮겨 가고 완료 비율을 셀 기준도 생긴다. 대학·공공기관 대상 AI 교육의 구성은 조녁컴퍼니 사업영역 페이지에 정리돼 있다. 사업영역 →