Source: Dev.to

SCORM은 어디에나 존재하지만, 아무도 만족하지 않는다

기업 학습 분야에서 일한다면 SCORM—Sharable Content Object Reference Model—을 한 번쯤은 들어봤을 것이다. 이는 e‑learning 콘텐츠가 학습 관리 시스템(LMS)과 소통하도록 하는 일련의 표준이다. 수료 여부를 추적하고, 점수를 기록하며, 중단한 지점부터 다시 시작할 수 있게 해준다.

SCORM 1.2는 2001년에, SCORM 2004는 몇 년 뒤에 각각 발표되었다. 그 뒤로 사양은 거의 변하지 않았다. 그럼에도 불구하고 현재 시장에 나와 있는 거의 모든 LMS—Moodle, Cornerstone, SAP SuccessFactors, Docebo, Absorb 등—가 여전히 SCORM을 기본 콘텐츠 형식으로 지원한다. 포춘 500대 기업의 컴플라이언스 교육 대부분이 SCORM 위에서 돌아가고, Adobe Captivate, Articulate Storyline, Lectora 같은 주요 저작 도구도 SCORM 패키지를 내보낸다.

기업 학습의 TCP/IP와 같다. 화려하지도 않고, 삐걱거리기도 하지만, 모두가 이해하고 쓰는 표준이다.

사람들은 “SCORM은 죽었다”는 글을 즐겨 쓴다. 나는 11년째 e‑learning 엔지니어링에 몸담고 있는데, 시작할 때부터 매년 최소 한 번은 그런 헤드라인을 보았다. SCORM이 죽지 않은 이유는 기업 소프트웨어에서 가장 강력한 네트워크 효과 중 하나를 가지고 있기 때문이다.

생태계

• 저작 도구는 LMS가 SCORM을 기대하기 때문에 SCORM을 내보낸다.
• LMS는 저작 도구가 SCORM을 내보내기 때문에 SCORM을 지원한다.
• L&D 팀은 조달 절차가 SCORM을 요구하기 때문에 SCORM을 필요로 한다.
• 조달 부서는 모든 공급업체가 지원하는 유일한 포맷이 SCORM이기 때문에 이를 강제한다.

이 순환을 끊으려면 모든 이해관계자가 동시에 움직여야 한다. 기업 소프트웨어에서는 그런 일이 일어나기 어렵다. “충분히 괜찮다”는 상황에서 전환 비용은 눈에 보이지 않지만, 수천 개 코스를 다시 포장하고, 콘텐츠 팀을 재교육하며, 공급업체 계약을 다시 협상해야 하는 부담이 막대하기 때문이다.

xAPI(Tin Can)는 후계자가 될 예정이었다

xAPI는 2013년에 등장했으며, “어떤 학습 경험이든 추적한다”(코스 수료뿐 아니라 YouTube 영상 시청, 현장 시뮬레이션, VR 모듈 등)라는 훨씬 나은 아이디어를 담고 있었다. 하지만 13년이 지난 지금, 기업 현장에서 xAPI 도입은 여전히 고르지 못하다. “xAPI를 사용한다”는 조직 대부분은 실제로 SCORM과 병행해서 쓰고 있을 뿐, SCORM을 대체하고 있지는 않다.

SCORM의 한계는 이론이 아니다

• 적응형 콘텐츠 부재: SCORM은 코스의 선형 진행만을 추적한다. 학습자의 성과에 따라 분기되는 경로를 표현할 수 없으며, 창의적인 SCO 구조로 해킹하더라도 데이터 모델 자체가 “학습자 A는 다른 버전의 코스를 보았다”를 지원하지 않는다.
• 평가 데이터가 얕다: 정답/오답과 점수만 기록한다. 학습자가 어떻게 답을 도출했는지, 고민에 얼마나 시간이 걸렸는지, 답을 바꿨는지, 오답이 어떤 오개념을 드러내는지는 전혀 포착되지 않는다.
• 실시간 데이터 부재: SCORM은 동기식 JavaScript 호출을 통해 LMS와 통신한다. 스트리밍, 실시간 분석, 집계된 학습자 데이터를 기반으로 한 중간 세션 적응은 불가능하다.
• 단일 세션 가정: 학습자가 한 번에 코스를 시작하고 끝낸다고 가정한다. 회의 사이에 휴대폰으로 3분씩 학습하는 현대적 학습 패턴은 SCORM 세션 모델에 맞지 않는다.

AI와의 접목이 보여준 새로운 현실

나는 기업용 저작 도구에 생성형 AI를 통합하는 작업을 해왔으며, 다음과 같은 사실을 깨달았다. AI는 단순히 SCORM 기반 콘텐츠를 개선하는 것이 아니라, SCORM이 근본적으로 표현할 수 없는 콘텐츠를 만든다.

• AI‑생성 적응 경로: 학습자의 역할, 사전 지식, 실시간 성과에 따라 개인화된 학습 경로를 생성하면, 각 학습자는 서로 다른 코스를 받는다. “수료”와 “점수”를 어떻게 정의할 수 있을까?
• 대화형 학습: AI 튜터가 학습자와 대화를 주고받으며 설명을 조정하고 이해도를 탐색하면, 전통적인 슬라이드 시퀀스와는 전혀 다른 경험이 된다. “학습자의 후속 질문 품질”이나 “정정된 오개념 수” 같은 데이터 모델 요소가 SCORM에는 없다.
• 지속적 평가: 퀴즈 대신 대화 흐름 속에서 지속적으로 이해도를 평가하면, 학습자 이해에 대한 풍부하고 연속적인 신호가 생성된다. SCORM의 cmi.interactions 모델은 번호가 매겨진 개별 질문을 위해 설계됐기에 이런 데이터를 담을 수 없다.
• 생성된 콘텐츠 버전 관리: AI가 실시간으로 설명이나 예시를 만들어내면, “콘텐츠”는 고정된 패키지가 아니라 프롬프트, 가드레일, 생성 파라미터의 집합이 된다. SCORM은 정적 zip 파일을 전제로 하기 때문에 런타임에 생성되는 콘텐츠와는 맞지 않는다.

내가 내린 베팅

SCORM이 다른 거대한 표준에 의해 완전히 대체되는 일은 일어나지 않을 것이다. 대신 점진적으로 비워질 것이다.

1. xAPI가 풍부한 데이터를 캡처한다. AI가 만든 학습 상호작용은 Learning Record Store(LRS)로 전송되는 xAPI 진술로 기록된다. 이는 이미 기술적으로 가능하며, 선진 기업들이 실제로 적용하고 있다.

2. SCORM은 “운송 컨테이너” 역할을 유지한다. 컴플라이언스와 상호운용성을 위해 콘텐츠는 여전히 SCORM 패키지 형태로 LMS에 전달된다. 하지만 그 안의 실제 학습 경험은 외부 AI 서비스와 통신하고, xAPI를 통해 상세 데이터를 로깅하며, SCORM에는 최소한의 정보(완료 여부, 합격/불합격)만 전송한다.

3. LTI가 실행을 담당한다. Learning Tools Interoperability(LTI)는 대부분의 LMS가 외부 도구를 실행하는 방식이다. AI 기반 학습 경험은 본질적으로 외부 도구이며, 자체 인프라와 모델을 가지고 있다. LMS는 LTI를 통해 안전하게 실행하고, 점수를 반환하면 된다.

결과적으로 다음과 같은 스택이 형성된다:

LTI (런치) → AI 서비스 (경험) → xAPI (풍부한 데이터) → SCORM (레거시 컴플라이언스)

아무도 SCORM을 완전히 대체하지 않는다. 모두가 SCORM 주위를 우회한다.

엔지니어나 제품 매니저에게 실용적인 조언

• SCORM을 포기하지 말라. 고객이 필요하고, 조달 부서가 요구한다. 다만 이를 “패키징 포맷”으로만 생각하고, 데이터 모델로 착각하지 말자.
• xAPI 인프라에 투자하라. SCORM 추적과 병행해 xAPI 진술을 생성·소비할 수 있는 기반을 구축하라. AI 기반 콘텐츠가 보편화되면(그리고 반드시 보편화될 것이다) 이 인프라가 필수다.
• 정적 패키지가 아닌 콘텐츠를 설계하라. AI가 만든 콘텐츠는 “코스 = zip 파일”이라는 가정을 깨뜨린다. 템플릿, 프롬프트, 가드레일, 생성 파라미터의 조합으로 콘텐츠를 생각하라. 기존 콘텐츠 모델이 이를 수용하도록 확장하라.
• SCORM이 할 수 없는 것을 추적하라. 완전한 xAPI 도입 전이라도, 학습자 망설임, 답변 변경, 개념별 체류 시간, 도움 요청 행동 등 풍부한 상호작용 데이터를 자체 분석 레이어에 저장하라. 이 데이터는 더 나은 AI 튜터를 훈련시키는 신호가 된다.

SCORM이 살아남은 이유는 “상호운용성 문제를 충분히 잘 해결했기” 때문이다. AI는 더 나은 표준이 되어서가 아니라, SCORM 데이터 모델이 설명할 수 없는 학습 경험을 만들어냄으로써 SCORM