한국어 
日本語 
English 
LMS와 LXP는 무엇이 다른가 — 무엇을 골라야 하나
마지막 갱신: 2026-07-14
두 카테고리의 정의와 경계, 차세대 학습 운영의 4계층 아키텍처, 상호운용 표준, 그리고 조직 조건별 판단표를 정리했습니다. 벤더 순위가 아니라 판단 기준입니다.
(Josh Bersin)
아키텍처
(xAPI · LTI · Open Badges 등)
LMS는 '이수'를 관리하고, LXP는 '탐색'을 설계한다
LMS(Learning Management System)는 교육팀이 만든 과정을 배포하고 이수·증빙을 집계하는 시스템입니다. LXP(Learning Experience Platform)는 학습자가 스스로 콘텐츠를 찾고, 만들고, 추천받는 경험을 설계하는 시스템입니다. 다만 2026년 시점에서 이 구분은 제품 카테고리가 아니라 운영 방식의 차이에 가깝습니다. 글로벌 시장에서는 LMS·LXP·마이크로러닝이 하나의 학습 운영체계로 수렴하는 중이며, 판단해야 할 것은 "LMS냐 LXP냐"가 아니라 우리 조직이 콘텐츠를 어떻게 공급하고, 무엇을 지표로 삼는가입니다.
아래 문서는 벤더 우열을 매기지 않습니다. 정의·경계, 4계층 아키텍처, 상호운용 표준, 진화 5단계, 조직 조건별 판단표를 순서대로 제시하고, 각 항목에 확인 방법과 출처를 함께 적었습니다.
이 페이지의 4계층 아키텍처 · 상호운용 표준 · 글로벌 벤더 동향은 글로벌 AI HRD/L&D 시장이 요구하는 역량을 정리한 외부 리서치 프레임입니다. 터치클래스가 이 항목을 모두 제공한다는 뜻이 아닙니다. 터치클래스가 현재 근거를 제시할 수 있는 범위는 아래 '터치클래스는 이 프레임의 어디에 있나' 표에 판정과 함께 그대로 적었습니다. 스킬 그래프는 부분 지원(△)입니다.
LMS와 LXP의 정의와 경계
-
교육팀이 설계한 과정을 배포하고, 이수 조건을 판정하고, 증빙을 집계하는 시스템입니다. 중심 단위는 과정(course)이고, 핵심 지표는 이수율과 수강시간입니다. 법정의무교육처럼 "누가 무엇을 언제 이수했는가"를 감사에 제출해야 하는 업무에서는 LMS가 여전히 정확한 도구입니다. 터치클래스 운영 데이터에서도 컴플라이언스 중심 운영(P3)이 100개 이상 기업 중 가장 많은 활용 패턴이었습니다. 관련 기능은 이수 관리에 있습니다.
중심 단위: 과정 · 핵심 지표: 이수율 -
학습자가 스스로 콘텐츠를 탐색·소비·생산하고, 시스템이 스킬 갭과 직무 맥락을 근거로 다음 학습을 추천하는 플랫폼입니다. 중심 단위는 과정이 아니라 학습자와 스킬이고, 콘텐츠는 교육팀 공급분에 더해 현업이 만든 자료와 외부 콘텐츠가 섞입니다. 따라서 LXP는 "기능을 구매하면 켜지는 것"이 아니라 콘텐츠 공급 구조가 바뀌어야 작동합니다. 사내 콘텐츠 생산 구조는 소셜 러닝에서 확인할 수 있습니다.
중심 단위: 학습자 · 스킬 / 콘텐츠는 다원 공급 -
Josh Bersin은 LMS · LXP · 마이크로러닝으로 나뉘어 있던 카테고리가 무너지고 단일 카테고리로 수렴한다고 정리합니다(Dynamic Enablement). 외부 리서치 프레임에서도 학습 포털은 HCM · 성과 · 지식관리 · 협업툴과 연결된 AI-native 운영체계로 재정의됩니다. 실무적 의미는 단순합니다. 제품 라벨이 아니라 과정 카탈로그 중심인가, 스킬·데이터 중심인가로 후보를 구분하는 편이 정확합니다.
LMS + LXP + 마이크로러닝 → 단일 카테고리 수렴 -
외부 리서치의 합의는 지표가 수강시간·완료율에서 숙련도 향상 · 역할 전환 속도 · 내부 이동 · 생산성 · 매출 기여 · 리스크 완화로 이동한다는 것입니다. 문제는 이 지표를 실제로 측정하는 조직이 매우 적다는 점입니다. Kirkpatrick Level 4(성과)를 측정한다고 답한 기업은 8%였고(ATD 2024), 터치클래스 운영 데이터 107개사에서도 학습-성과 인과를 정량으로 입증한 기업은 약 9%, 매출·생산성까지 입증한 기업은 5개사 미만이었습니다. 원본 분포는 운영 데이터 리포트에 있습니다.
Level 4 성과 입증: 107개사 중 5개사 미만 -
리서치의 공통 결론은 기술 부족보다 데이터 품질 · 거버넌스 · 신뢰 · 변화관리 · 법과 윤리가 병목이라는 것입니다. 추천 품질은 더 좋은 프롬프트가 아니라 깨끗한 스킬-직무-콘텐츠 매핑과 노출 로그 · 결과 로그에서 나옵니다. 특히 회의 전사, 협업 메시지, 성과평가 자유텍스트, 보상 인접 데이터는 고위험 데이터로 분류됩니다 — 별도 고지 · 동의 · 권한 · 감사 없이 추천 입력으로 쓰지 않는 편이 안전합니다. 알림 채널과 분석 입력 데이터는 분리해야 합니다.
고위험 데이터는 추천 입력에서 분리
측정 기업 (ATD 2024)
정량 입증 (N=107)
차세대 학습 운영 4계층 아키텍처
글로벌 리서치는 차세대 LMS/LXP를 단일 앱이 아니라 네 개 계층을 묶은 구조로 정리합니다. 이 4계층은 시장이 요구하는 역량 프레임이며, 특정 제품의 기능 목록이 아닙니다. RFP를 쓸 때는 계층별로 "무엇을 누가 소유하는가"를 명시하는 편이 정확합니다.
-
스킬 taxonomy와 ontology, 콘텐츠 메타데이터, LRS(학습기록저장소), 데이터웨어하우스, 벡터스토어가 이 계층에 들어갑니다. 스킬 그래프는 스킬과 직무, 콘텐츠, 학습자를 노드와 관계로 연결한 데이터 구조로, 이 계층의 핵심입니다. 기술 스킬의 반감기가 약 2.5년으로 짧아지면서(Deloitte 2024) 스킬 데이터를 어떻게 정규화하고 갱신할지가 실제 쟁점이 됩니다. 검증 질문은 하나입니다 — 스킬 데이터의 소유권과 정규화 방식이 계약서에 명시되는가.
터치클래스: 스킬 그래프 부분 지원(△) -
RAG 검색, 추천 엔진, 콘텐츠 생성, 평가·퀴즈 생성, 코칭·롤플레이, 에이전트 오케스트레이션이 여기에 해당합니다. AI 학습 추천이 이수율을 35% 높였다는 보고가 있고(McKinsey 2024), L&D 전문가 83%가 AI 개인화를 최우선 과제로 꼽았습니다(LinkedIn 2025). 다만 추천 품질은 모델이 아니라 앞 계층의 데이터에서 결정됩니다. 터치클래스의 AI 기능 범위는 AI 기능에 정리되어 있습니다.
추천 품질은 모델이 아니라 데이터에서 나온다 -
LMS/LXP 화면, 업무 메신저, 브라우저 확장, 모바일, 업무앱 임베드가 학습이 실제로 소비되는 접점입니다. "Learning in the Flow of Work"는 포털 방문을 요구하지 않고 업무 흐름 안에서 학습을 제공한다는 뜻입니다. 한국에서는 노동인구의 약 60%가 비데스크 워커이므로(고용노동부 2024) 모바일이 사실상 1순위 접점입니다. 채널 선택도 세그먼트를 탑니다 — 외부 리서치 기준으로 대기업 · 교육 · 규제 산업은 Teams, IT · 디지털 조직은 Slack이 우세합니다.
한국 노동인구 약 60% 비데스크 (고용노동부 2024) -
RBAC(권한), 동의 관리, 정책 엔진, 감사 로그, 설명가능성, 프라이버시, 보안이 이 계층입니다. 국내 RFP에서도 이 계층이 이미 구매 조건으로 등장합니다 — 출처 표시, 환각 최소화, LLM API 데이터 학습 제외, 민감정보 외부 전송 방지, 권한 · 로그 · 다운로드 통제, 사람이 검토 · 확정하는 절차(human-in-the-loop)가 요구사항에 포함됩니다. 터치클래스는 ISMS-P와 ISO/IEC 27001:2022 인증을 보유하며, AI 서비스 이용 과정에서 생성 · 제공된 고객사의 지식 자산을 AI 모델 학습 데이터로 사용하지 않습니다. 상세는 보안에 있습니다.
고객 지식 자산을 AI 모델 학습에 사용하지 않음
이수율 향상 (McKinsey 2024)
꼽은 L&D 전문가 (LinkedIn 2025)
비데스크 워커 비중
못 미친다" 응답
상호운용 표준 7종 — RFP에 무엇을 적을 것인가
LXP 도입에서 가장 자주 빠지는 항목이 표준입니다. 표준이 없으면 학습 데이터는 벤더를 떠나는 순간 사라집니다.
아래 7종은 글로벌 시장에서 반복적으로 언급되는 상호운용 표준이며, 각 항목의 공식 출처를 함께 적었습니다.
| 표준 | 무엇을 표준화하나 | RFP에서 확인할 것 | 공식 출처 |
|---|---|---|---|
| xAPI (Experience API) | 포털 밖 학습 행동까지 포함한 학습 경험 기록 형식 | LRS로 데이터를 내보낼 수 있는가, 스테이트먼트 스키마가 공개되는가 | xapi.com |
| LRS (Learning Record Store) | xAPI 스테이트먼트를 저장 · 질의하는 저장소 | LRS가 내장인가 외부 연동인가, 데이터 소유권이 누구에게 있는가 | adlnet.gov |
| LTI | 외부 학습 도구를 플랫폼에 연결하는 인터페이스 | LTI 버전, 도구 등록 절차, 권한 전달 방식 | 1edtech.org |
| Open Badges 3.0 | 검증 가능한 디지털 배지 · 인증 발급 형식 | 배지를 조직 밖에서도 검증할 수 있는가 | 1edtech.org |
| CLR 2.0 | 학습 · 역량 이력을 하나의 검증 가능한 기록으로 묶는 형식 | 퇴사 · 이직 시 학습 이력의 이동 가능 여부 | 1edtech.org |
| HR Open Standards | HR 시스템 간 데이터 교환 — 스킬 숙련도 API 포함 | HRIS · HCM과 스킬 데이터를 주고받는 규격 | hropenstandards.org |
| O*NET · Lightcast Open Skills | 직무 · 스킬 분류 체계 (공개 스킬 taxonomy) | 스킬 명칭을 자체 정의하는가, 공개 taxonomy에 매핑하는가 | onetonline.org · lightcast.io |
표준 목록 출처: 글로벌 HRD/L&D 시장 리서치 프레임(xAPI/LRS, LTI, Open Badges 3.0, CLR 2.0, HR Open Standards skills proficiency API, O*NET, Lightcast Open Skills). 각 표준의 최신 사양은 위 공식 출처에서 확인하세요.
기업교육 시스템 진화 5단계 (Josh Bersin)
LMS와 LXP는 서로 다른 제품이 아니라, 같은 축 위의 서로 다른 시기입니다.
아래 5단계는 시스템의 역할이 어떻게 이동해 왔는지를 정리한 것입니다.
| 단계 | 시기 | 시스템의 역할 | 이 시기의 핵심 질문 |
|---|---|---|---|
| E-Learning & Blended | 1998–2002 | LMS as E-Learning Platform | 오프라인 교육을 온라인으로 옮길 수 있는가 |
| Talent Management | 2005 | LMS as Talent Platform | 학습을 인재 관리와 연결할 수 있는가 |
| Continuous Learning | 2010 | LMS as Experience Platform (70-20-10) | 과정 밖의 학습을 다룰 수 있는가 — LXP의 출발점 |
| Digital Learning | 2018 | LMS invisible, Data Driven | 시스템을 의식하지 않고 학습할 수 있는가 |
| Learning in the Flow of Work ● 현재 지점 |
2020– | 업무 흐름 안에서의 학습 — AI 내재화 단계 | 학습이 업무 맥락 안으로 배달되는가 |
출처: Josh Bersin, 기업교육 시스템 진화 5단계 · Dynamic Enablement (LMS · LXP · 마이크로러닝 카테고리 수렴). 표의 '핵심 질문' 열은 각 단계의 시스템 역할을 실무 검증 질문으로 옮긴 것입니다.
조직 조건별 판단표 — LMS로 충분한 경우, LXP가 필요한 경우
LXP는 기능이 아니라 콘텐츠 공급 구조입니다. 현업이 콘텐츠를 만들지 않는 조직에서 LXP를 켜면 빈 피드가 남습니다.
아래 표는 벤더 추천이 아니라, 지금 조직이 어느 단계에 있는지 판별하기 위한 표입니다.
| 조직의 현재 조건 | 지금 필요한 것 | 근거 · 기준선 | 먼저 확인할 것 |
|---|---|---|---|
| 법정의무교육 증빙이 1순위 상시 콘텐츠는 거의 없음 |
LMS로 충분 이수 · 감사 자동화 |
운영 데이터에서 컴플라이언스 단독 운영(P3)은 40개사로 가장 많은 패턴이었고, 이 조합의 비수기 MAU는 5~10%에 머뭅니다. | 이수 조건 판정 · 미이수자 자동 분류 · 감사 리포트 추출을 데모에서 직접 실행 |
| 콘텐츠를 교육팀이 전량 공급 현업 제작 없음 (Lv.1 공급형) |
LMS + AI 저작 LXP는 아직 이르다 |
콘텐츠 자급자족 Lv.1 공급형이 약 40%로 가장 많습니다. 이 단계에서 LXP를 켜면 채울 콘텐츠가 없습니다. | 담당자 1명이 콘텐츠 1건을 만드는 실제 소요 시간을 파일럿에서 측정 |
| 현업이 콘텐츠를 만들기 시작 (Lv.2 협업형 · Lv.3 분산형) |
LXP 요소 도입 시점 소셜 러닝 · 큐레이션 |
Lv.2 협업형 약 35%, Lv.3 분산형 약 20%. 이 구간에서 학습자 생성 콘텐츠가 실제로 발생합니다. | 현업 제작 권한 체계, 검수 워크플로, 저작 도구의 학습 난이도 |
| 학습자 생성 콘텐츠가 자생 (Lv.4 자생형) |
본격 LXP + 스킬 데이터 | Lv.4 자생형에 도달한 기업은 5% 이하입니다. 소셜 러닝(P4)은 20개사로 활용 패턴 중 난도가 가장 높았습니다. | 콘텐츠 품질 관리, 인기 편중, 오정보 확산에 대한 통제 장치 |
| 직무 전환 · 내부 이동을 지표로 관리 | 스킬 taxonomy + 스킬 그래프 | 지표가 완료율에서 숙련도 · 역할 전환 · 내부 이동으로 이동한다는 것이 글로벌 리서치의 합의입니다. 기술 스킬 반감기는 약 2.5년입니다(Deloitte 2024). | 스킬 데이터의 소유권, 공개 taxonomy(O*NET · Lightcast) 매핑 여부 |
| 현장직 · 비데스크 인력이 다수 | 경험 계층 우선 모바일 · 업무 흐름 임베드 |
한국 노동인구의 약 60%가 비데스크 워커입니다(고용노동부 2024). 포털 방문을 전제한 설계는 이 인력에 닿지 않습니다. | 모바일 앱 실물, 현장에서의 접속 경로, 오프라인 대응 |
| AI 추천 · 성과 측정 자동화를 원함 | 로그 · 스킬 기준 · 실험 인프라가 먼저 | 추천 품질은 프롬프트가 아니라 깨끗한 스킬-직무-콘텐츠 매핑과 노출 로그 · 결과 로그에서 나옵니다. 이 순서를 건너뛴 추천은 검증이 불가능합니다. | 노출 로그 · 결과 로그를 남기는가, 추천 지표(정밀도 · NDCG)를 산출할 수 있는가 |
콘텐츠 자급자족 4단계 · 활용 패턴 5종 · 비수기 MAU 출처: https://www.touchclass.com/ko/data-report (100개 이상 기업 · 35개월 · 8개 산업 운영 데이터). 외부 수치 출처: Deloitte 2024, 고용노동부 2024.
글로벌 시장 동향 — 어떤 역량이 요구되고 있나
아래는 글로벌 시장에서 관측되는 방향을 정리한 것으로, 제품 추천이나 우열 판단이 아닙니다.
공개 자료만으로는 각 플랫폼의 모델 구조와 성능 지표를 확인할 수 없습니다.
| 글로벌 플랫폼 | 공개 자료에서 관측되는 방향 |
|---|---|
| Cornerstone | 스킬 지식그래프 기반으로 LMS · 탤런트 · 스킬을 통합. 노동시장 데이터와 workforce planning, responsible AI 프레임을 함께 제시. |
| Workday | HCM 문맥에서 스킬 클라우드와 인재 이동(talent mobility)을 다루고, 학습을 HCM 데이터와 같은 축에 놓음. |
| Docebo | AI 콘텐츠 생성 · AI 코칭 · 멀티 LLM 구조로 AI-first 학습 생태계를 지향. 검색 · 추천 · 분석 질의응답을 한 플랫폼에서 연결. |
| Degreed | 스킬 우선(skills-first) LXP. 스킬 정규화, AI 기반 스킬 리뷰, 매니저 · 동료 · 자기평가 · 프로젝트 신호를 함께 사용. |
| Coursera for Business | 커리어 그래프, 스킬 트랙, 코치 · 롤플레이, 검증된 평가(verified assessments) 결합. |
| LinkedIn Learning | AI 추천과 AI 스킬 경로, 실습 중심 AI 과정, 매니저 · 팀 인사이트, 내부 이동 지표 연결. |
| Sana Learn | LMS · LXP · 저작도구 · 가상 강의실을 하나로 묶은 AI-native 스위트. |
| Arist | 업무 메신저 · SMS 기반의 flow-of-work 인에이블먼트 — 포털 방문을 전제하지 않음. |
| TechWolf | 업무 신호에서 스킬을 추론하는 스킬 인텔리전스 인프라 — 스킬 데이터 계층 자체를 제품화. |
출처: 글로벌 AI HRD/L&D 시장 리서치 프레임. 위 서술은 각 사의 공개 자료에서 관측되는 방향이며, 성능 · 품질에 대한 평가가 아닙니다.
터치클래스는 이 프레임의 어디에 있나
위 4계층은 글로벌 시장이 요구하는 역량이지, 터치클래스의 기능 목록이 아닙니다.
아래 표에는 현재 근거를 제시할 수 있는 범위만 적었고, 부분 지원 항목은 부분 지원으로 표기했습니다.
| 계층 | 글로벌 시장이 요구하는 역량 | 터치클래스가 현재 근거를 제시할 수 있는 범위 | 판정 |
|---|---|---|---|
| 데이터 · 의미 | 스킬 taxonomy · ontology, 스킬 그래프, LRS, 벡터스토어 | 학습 이력과 이수 데이터, AI 검색용 지식 베이스를 운영합니다. 다만 스킬 그래프(스킬-직무-콘텐츠-학습자를 관계로 연결한 데이터 구조)는 부분 지원이며, 공개 스킬 taxonomy 전면 매핑은 제공하지 않습니다. | △ 부분 지원 |
| AI 서비스 | RAG 검색, 추천, 콘텐츠 · 평가 생성, 코칭, 에이전트 | AI 챗봇(2025.02) · 퀵메이커(2025.04) · 숏클래스(2025.06) · AI 저작도구(2025.07)를 순차 출시했습니다. URL이나 파일에서 커리큘럼과 학습 페이지를 생성하고 14개 언어로 번역합니다. 상세는 AI 기능에 있습니다. | ○ 근거 제시 가능 |
| 경험 | 모바일, 업무 흐름 임베드, 다채널 전달 | 모바일 퍼스트로 설계되었고, 앱 푸시 · 알림톡 · 공지 · 팝업으로 학습을 전달합니다. 14개 언어 인터페이스를 지원합니다. | ○ 근거 제시 가능 |
| 거버넌스 | RBAC, 감사 로그, 설명가능성, 데이터 학습 제외 | ISMS-P와 ISO/IEC 27001:2022 인증을 보유합니다(2026-01 동시 재인증). AI 서비스 이용 과정에서 생성 · 제공된 고객사의 지식 자산을 AI 모델 학습 데이터로 사용하지 않습니다. 상세는 보안 · 엔터프라이즈 보안에 있습니다. | ○ 근거 제시 가능 |
판정 기호: ○ 공개된 근거로 확인 가능 · △ 부분 지원. 같은 판정 기준을 LMS 비교 체크리스트에도 동일하게 적용했습니다. 인증 출처: https://www.touchclass.com/ko/security
자주 묻는 질문
LMS와 LXP를 검토할 때 실제로 가장 많이 받는 8개 질문입니다.
LMS와 LXP는 무엇이 다른가요?
LMS는 교육팀이 만든 과정을 배포하고 이수와 증빙을 집계하는 시스템으로, 중심 단위가 과정이고 핵심 지표가 이수율입니다. LXP는 학습자가 스스로 콘텐츠를 탐색하고 만들며 스킬 갭 기반으로 추천을 받는 플랫폼으로, 중심 단위가 학습자와 스킬입니다. 다만 두 카테고리의 경계는 무너지는 중입니다. Josh Bersin은 LMS · LXP · 마이크로러닝이 단일 카테고리로 수렴한다고 정리합니다. 실무에서는 제품 라벨보다 과정 카탈로그 중심인지, 스킬과 데이터 중심인지로 구분하는 편이 정확합니다.
LXP를 도입하면 학습 참여율이 올라가나요?
LXP 도입 자체로는 오르지 않습니다. LXP는 기능이 아니라 콘텐츠 공급 구조이기 때문입니다. 현업이 콘텐츠를 만들지 않는 조직에서 LXP를 켜면 빈 피드가 남습니다. 100개 이상 기업의 35개월 운영 데이터에서 콘텐츠 자급자족 단계는 Lv.1 공급형이 약 40%로 가장 많았고, 학습자 생성 콘텐츠가 자생하는 Lv.4 자생형은 5% 이하였습니다. 참여율은 플랫폼 종류가 아니라 콘텐츠 공급 빈도와 활용 패턴의 조합이 결정합니다.
스킬 그래프란 무엇인가요?
스킬, 직무, 콘텐츠, 학습자를 노드와 관계로 연결한 데이터 구조입니다. "이 직무는 어떤 스킬을 요구하는가", "이 학습자에게 부족한 스킬은 무엇인가", "그 스킬을 채우는 콘텐츠는 무엇인가"를 하나의 그래프에서 질의하는 것이 목적입니다. 차세대 학습 아키텍처의 데이터 · 의미 계층에 속하며, 개인화 추천과 내부 이동 관리의 전제 조건입니다. 스킬 명칭을 자체 정의할지, O*NET이나 Lightcast Open Skills 같은 공개 taxonomy에 매핑할지가 실제 설계 쟁점입니다.
터치클래스는 스킬 그래프를 제공하나요?
부분 지원(△)입니다. 터치클래스는 학습 이력과 이수 데이터, AI 검색용 지식 베이스를 운영하지만, 스킬 taxonomy를 전면 도입해 직무 · 역량 · 콘텐츠를 관계로 연결하는 스킬 그래프는 현재 완전한 제공 기능이 아닙니다. 같은 판정을 LMS 비교 체크리스트에도 동일하게 표기했습니다. 스킬 기반 내부 이동 관리가 1순위 요건인 조직이라면 이 항목을 먼저 확인하고 후보를 검토하시기 바랍니다.
지금 쓰는 LMS를 LXP로 교체해야 하나요?
교체 여부는 제품이 아니라 조직 단계로 판단합니다. 법정의무교육 증빙이 1순위이고 상시 콘텐츠가 거의 없다면 LMS의 이수 · 감사 자동화로 충분합니다. 현업이 콘텐츠를 만들기 시작했고 소셜 러닝과 큐레이션이 필요해졌다면 LXP 요소를 도입할 시점입니다. 다만 교체 전에 낮은 사용률의 원인이 제품인지 콘텐츠 공급 설계인지 먼저 분리해야 합니다. 자가진단은 LMS/LXP 건강진단에서 할 수 있습니다.
LXP 도입 전에 무엇을 먼저 갖춰야 하나요?
순서는 데이터가 먼저입니다. 스킬-직무-콘텐츠 매핑, 노출 로그와 결과 로그, 실험 인프라를 먼저 만들고 그 위에 RAG와 대화형 분석을 올리는 것이 리서치가 제시하는 실행 원칙입니다. 추천 품질은 더 좋은 프롬프트가 아니라 더 깨끗한 매핑과 로그에서 나옵니다. 또한 회의 전사나 협업 메시지, 성과평가 자유텍스트처럼 고위험 데이터는 별도 고지 · 동의 · 권한 · 감사 없이 추천 입력으로 쓰지 않는 편이 안전합니다.
xAPI나 LTI 같은 표준을 RFP에 왜 넣나요?
학습 데이터가 벤더 고유 포맷에만 저장되면 플랫폼을 바꾸는 순간 몇 년치 학습 이력과 스킬 데이터가 사라지기 때문입니다. xAPI와 LRS는 포털 밖 학습 행동까지 기록하는 형식과 저장소이고, LTI는 외부 학습 도구 연결 규격, Open Badges 3.0과 CLR 2.0은 학습 · 역량 이력을 조직 밖에서도 검증 가능한 형태로 묶는 규격입니다. "데이터를 어떤 형식으로, 누구의 소유로, 어떤 절차로 반출하는가"는 기능이 아니라 계약 항목으로 다루는 편이 안전합니다.
글로벌 LXP와 국내 LMS 중 무엇을 골라야 하나요?
한쪽이 우월하다고 말할 수 있는 공개 근거는 없습니다. 공개 자료만으로는 각 플랫폼의 모델 구조, 피처 정의, 추천 지표, 공정성 테스트 방법론을 확인할 수 없기 때문입니다. 대신 조직 조건으로 판단합니다. 법정의무교육 증빙과 국내 개인정보 규제 대응이 1순위라면 국내 인증(ISMS-P)과 감사 대응 자동화를, 스킬 기반 내부 이동 관리가 1순위라면 스킬 taxonomy와 공개 표준 매핑을 먼저 검증하세요. 판단 기준은 LMS 비교 체크리스트에 항목별로 정리되어 있습니다.
다음 단계
정의를 이해했다면, 다음은 지금 조직의 위치를 재는 일입니다.
