대학 생성형 AI 플랫폼, 도입 전에 정해야 할 5가지

도입 전에 모델 범위·사용량 한도·정산·운영 주체·데이터 위치 다섯 가지를 정합니다.

대학 생성형 AI 플랫폼을 도입하기 전에 정해야 할 것은 다섯 가지입니다. ① 누구에게 어떤 모델을 열어 줄지, ② 사용량 한도를 어느 단위로 나눌지, ③ 크레딧을 어떤 예산으로 사고 어떻게 정산할지, ④ 게이트웨이를 누가 운영할지, ⑤ 데이터를 학교 밖으로 보낼 수 있는지입니다.

이 다섯 가지가 정해지면 공고에 쓸 과업 범위도, 업체에 물어볼 질문도 분명해집니다. 항목마다 정하지 않았을 때 생기는 일과 정할 때 볼 질문을 정리했습니다.

대학 생성형 AI 플랫폼, 왜 "하나"로 모으려 하나

학과마다 ChatGPT를 따로 구독하고, 연구실마다 API 키를 따로 받기 시작하면 계약·키·해외 결제·감사 기록이 각자 흩어집니다. 누가 얼마나 쓰는지 보이지 않고, 민감한 자료가 외부 모델로 나가도 기록이 남지 않습니다.

그래서 여러 생성형 AI를 하나의 관문으로 묶는 대학 생성형 AI 통합 플랫폼을 찾게 됩니다. 공고에서는 "다중모델 생성형 AI 플랫폼", "생성형 AI 활용 플랫폼", "통합 AI 구독" 같은 이름으로 나옵니다.

① 어떤 모델을 누구에게 열어 줄까

학생 실습, 교직원 업무, 연구실 과제는 필요한 모델이 다릅니다. 여러 모델을 하나의 통합 엔드포인트로 묶으면 학생에게 API 키를 직접 나눠 주지 않고도, 역할·학과별로 쓸 수 있는 모델 범위를 정책으로 정할 수 있습니다. 요청의 민감도·비용·용도에 따라 모델을 자동으로 나누는 멀티 모델 라우팅도 이 단계에서 함께 검토합니다.

이걸 안 정하면 모두에게 같은 모델을 열거나 학과마다 따로 계약하게 되어, 계약과 비용이 다시 흩어집니다.

정할 때 볼 질문

• 학생·교직원·연구자에게 각각 어떤 모델이 필요한가
• 새 모델이 나오면 누가, 어떤 기준으로 열어 주나
• 요청 성격에 따라 모델을 자동으로 나눌 필요가 있나

이 내용은 다음 글 「멀티 LLM 플랫폼이란? ChatGPT·Claude·Gemini를 한 API로」에서 자세히 다룹니다.

② 학과·연구실별 사용량 한도는 어떻게 나눌까

한도는 수업·학과·연구실·계정 가운데 어느 단위로 나눌지부터 정합니다. 단위가 정해지면 월 예산 한도, 80%에 다다랐을 때의 경고, 한도를 넘었을 때 차단할지 저비용 모델로 돌릴지를 정책으로 걸 수 있습니다. 이 한도와 좌석을 한 콘솔에서 보는 것이 AI 매니지먼트 시스템(AIMS)의 역할입니다.

이걸 안 정하면 학기 중간에 예산이 바닥나거나, 반대로 배정한 좌석이 쓰이지 않은 채 남습니다.

정할 때 볼 질문

• 한도를 나누는 기본 단위는 수업인가, 학과인가, 연구실인가
• 한도를 넘으면 차단·저비용 모델 전환·알림 가운데 무엇으로 할까
• 학기 종료·졸업·퇴직 때 좌석과 토큰은 누가 회수하나

이 내용은 다음 글 「학과·연구실별 AI 사용량 관리: 좌석·토큰 한도 설계」에서 자세히 다룹니다.

③ 크레딧은 어떤 예산으로 사고 어떻게 정산할까

해외 AI 구독과 API를 학과마다 법인카드로 결제하면 영수증과 정산이 제각각이 됩니다. 기관이 크레딧을 한 번에 사서 원화로 정산하고, 학과·연구실 단위로 나눠 쓰는 방식을 먼저 검토할 만합니다.

연구비로 사는 경우도 있습니다. 한국연구재단 『2026년 정부연구비 사용 Q&A 사례집』(2026.6.)에는 연구개발과제에 생성형 AI 유료 버전을 쓰는 비용을 연구활동비(소프트웨어 활용비)에서 쓸 수 있다는 답(Q49)과, 비영리기관은 소프트웨어 활용비를 기관 단위로 통합 구매해 과제별로 분담할 수 있다는 답(Q47)이 실려 있습니다. 실제 집행은 각 대학의 연구비 규정과 산학협력단 기준을 따릅니다.

이걸 안 정하면 예산 출처마다 결제 방식이 달라져, 정산 때 비용 귀속 근거를 따로 모아야 합니다.

정할 때 볼 질문

• 어떤 예산(교비·사업비·연구비)으로 사나
• 해외 결제 없이 원화로 정산할 수 있나
• 호출마다 부서·과제 태그를 남겨 연구비 정산 근거로 쓸 수 있나

이 내용은 다음 글 「생성형 AI 크레딧, 기관은 어떻게 구매·정산할까」에서 자세히 다룹니다.

④ 게이트웨이를 직접 운영할까, 맡길까

게이트웨이는 세우는 일보다 운영하는 일이 큽니다. 프로바이더별 계약, API 키 보관, 요금 대조, 예산 통제, 감사 로그를 누가 맡을지 정해야 합니다.

관리형으로 맡기면 계약·키·요금은 운영사가 보유하고, 기관은 통합 API와 대시보드로 사용과 비용을 확인합니다. UAG.IM의 관리형 AI 게이트웨이는 상담·계약 후 셋팅이 보통 1~3영업일입니다.

이걸 안 정하면 구축은 끝났는데 키 관리·요금 대조·장애 대응을 맡을 사람이 정해지지 않습니다.

정할 때 볼 질문

• 프로바이더 계약과 API 키는 누가 보유하나
• 예산 한도와 정책은 누가 설정하고 누가 확인하나
• 운영 인력이 내부에 있나, 맡길 범위는 어디까지인가

이 내용은 다음 글 「AI Gateway 구축, 직접 할까 관리형으로 맡길까」에서 자세히 다룹니다.

⑤ 데이터를 밖으로 보낼 수 있나 — 클라우드형과 온프레미스

먼저 쓸 데이터의 등급을 나눕니다. 외부 모델로 보내도 되는 요청은 개인정보(PII) 마스킹과 기밀 차단을 거쳐 클라우드형 게이트웨이로 보내고, 기관 밖으로 나갈 수 없는 데이터는 내부망 전용 온프레미스 AI 서버에서 처리합니다. 둘을 함께 쓰면 고민감 요청은 로컬 모델로, 고난도 요청은 프론티어 모델로 나눌 수 있습니다.

이걸 안 정하면 보안 검토 단계에서 사용 범위가 뒤늦게 줄거나, 구축 방식을 처음부터 다시 정하게 됩니다.

정할 때 볼 질문

• 쓰려는 데이터 가운데 기관 밖으로 나갈 수 없는 것은 무엇인가
• 외부로 보내는 요청에 마스킹과 감사 로그가 필요한가
• 내부망 서버가 필요하다면 동시 사용자와 목표 응답 속도는 어느 정도인가

이 내용은 다음 글 「대학 AI 플랫폼 구축: 클라우드형 vs 온프레미스」에서 자세히 다룹니다.

다섯 가지를 정한 뒤: 과업 범위와 도입 절차

다섯 가지 답을 모으면 그대로 과업 범위가 됩니다. 도입은 보통 다섯 단계로 진행합니다.

1. 진단·상담 — 현재 AI 사용 현황과 규제 요건을 보고 도입 범위를 정합니다.
2. 파일럿·PoC — 실제 수업·업무로 소규모 검증을 합니다.
3. 구축·연동 — 게이트웨이·라우팅·서버를 구성하고 기관 시스템에 연동합니다.
4. 교육 — 실무 담당자에게 사용법과 운영을 교육합니다.
5. 운영·정착 — 예산·보안·감사를 함께 운영하며 자리 잡을 때까지 지원합니다.

다섯 가지를 실제로 어떻게 묶었는지는 AI중심대학 도입 사례에서 볼 수 있습니다. 흩어진 구독 좌석과 API를 관리형 게이트웨이와 라우팅으로 묶고, 사용·비용·감사를 한 화면에서 봅니다.

한눈에 보는 체크리스트

#	정할 것	먼저 볼 질문	함께 볼 부서(예)
①	모델 범위	누구에게 어떤 모델을 열어 주나	정보처·교무
②	사용량 한도	수업·학과·연구실 중 어느 단위로 나누나	정보처·사업단
③	크레딧 구매·정산	어떤 예산으로 사고 원화로 정산하나	사업단·산학협력단
④	운영 주체	계약·키·예산 통제를 누가 맡나	정보처
⑤	데이터 위치	학교 밖으로 나갈 수 없는 데이터가 있나	정보처·정보보호

자주 묻는 질문

학생에게 API 키를 따로 나눠 줘야 하나요?

여러 모델을 하나의 통합 엔드포인트로 묶으면 학생에게 키를 나눠 주지 않고도 역할·학과별로 쓸 모델을 정책으로 정할 수 있습니다.

사용량 한도는 어느 단위로 나누나요?

수업·학과·연구실·계정 가운데 기본 단위를 먼저 정하고, 한도를 넘으면 차단·저비용 모델 전환·알림 가운데 무엇을 할지 정합니다.

연구비로 생성형 AI 를 살 수 있나요?

한국연구재단 2026년 사례집에는 연구개발과제와 직접 관련이 있고 연구 목적에 필요하면 연구활동비(소프트웨어 활용비)로 쓸 수 있다는 답(Q49)이 있습니다. 실제 집행은 각 대학의 연구비 규정을 따릅니다.