입시 데이터는 많다. 하지만 상담 자리에서 바로 쓸 수 있는 언어로 정리되어 있는 경우는 많지 않다. Mesa는 이 간격을 줄이기 위한 모듈이다.

교사가 상담에서 필요한 것은 단순히 “어느 대학이 가능한가”라는 답만이 아니다. 그 답이 어떤 자료에서 왔는지, 어떤 조건을 전제로 하는지, 학생에게 어떻게 설명할 수 있는지가 함께 필요하다. 숫자와 전형 문서를 그대로 보여주는 것만으로는 충분하지 않다.

Mesa의 핵심은 검색보다 해석에 있다.

검색 결과는 상담이 아니다

입시 자료를 찾는 일은 중요하다. 그러나 찾은 자료가 곧바로 상담 문장이 되지는 않는다. 전형 방식, 반영 과목, 모집 단위, 최근 변화, 학생의 현재 기록이 함께 놓일 때 비로소 의미가 생긴다.

예를 들어 어떤 전형의 반영 방식이 바뀌었다면, 그 변화가 학생에게 유리한지 불리한지는 바로 결정되지 않는다. 학생의 과목 선택, 성적 분포, 활동 기록, 희망 전공과 함께 봐야 한다. Mesa가 다루려는 것은 바로 이 중간 과정이다.

나는 Mesa가 “정답을 알려주는 도구”처럼 보이기를 원하지 않는다. 입시 상담에서 정답이라는 말은 위험하다. 자료는 변하고, 전형은 복잡하며, 학생마다 맥락이 다르다. 그래서 도구는 확정 문장을 앞세우기보다 비교할 근거와 설명 가능한 질문을 만들어야 한다.

상담 언어로 바꾼다는 것

상담 언어는 자료를 쉽게 줄이는 말이 아니다. 복잡한 조건을 학생과 보호자가 이해할 수 있는 순서로 다시 놓는 일이다.

“이 전형은 국어, 수학, 탐구 반영 비율이 이렇다”에서 멈추지 않고, “현재 너의 과목 선택과 기록을 기준으로 보면 어떤 점을 더 확인해야 하는가”로 이어져야 한다. 교사가 학생에게 설명할 수 있는 질문으로 바뀌어야 상담에서 쓸 수 있다.

Mesa는 그런 질문을 만들기 위한 작업대가 되어야 한다. 자료를 가져오고, 비교하고, 출처를 남기고, 교사가 마지막에 문장을 고칠 수 있어야 한다. 이 과정이 있어야 AI가 만든 설명도 검토 가능한 상담 자료가 된다.

아직 남은 문제

입시 데이터는 공개 자료라고 해도 다루기 쉽지 않다. 자료의 최신성, 해석의 정확성, 대학별 표현 차이, 전형 이름의 변화가 계속 문제를 만든다. 그래서 Mesa는 처음부터 “완전 자동 상담”을 목표로 두면 안 된다.

먼저 해야 할 일은 자료를 안전하게 모으고, 출처를 남기고, 교사가 틀린 해석을 발견할 수 있는 구조를 만드는 것이다. 그다음에야 더 나은 요약이나 추천을 이야기할 수 있다.

이 블로그에서는 Mesa의 기능을 자랑하기보다, 입시 데이터를 교육적으로 해석하는 방식을 계속 기록하려 한다. 다음에는 교사 업무에서 AI가 대신하면 안 되는 판단의 범위를 따로 정리할 필요가 있다.