언어 학습 플랫폼들이 AI를 추가하는 방식은 대부분 비슷하다. 챗봇을 얹거나, 단어 추천을 자동화하거나, 번역 레이어를 붙인다. Preply가 다른 선택을 한 건 타이밍 설계에서 시작됐다. Lesson Insights는 수업이 끝나기 몇 분 전에 OpenAI API 분석을 예약한다. 학습자와 튜터가 세션을 마무리하는 순간, 문법 교정·어휘 하이라이트·발음 피드백·다음 학습 추천이 이미 채팅 스레드에 올라와 있다. AI가 수업을 보조하는 게 아니라, 수업이 끝나는 시점을 기점으로 AI가 이어받는 구조다.
이 설계의 실제 핵심은 루프 완결에 있다. Lesson Insights의 출력은 단순 요약이 아니라 self-learning 운동 엔진의 입력으로 바로 들어간다. 그날 수업에서 나온 어휘, 교정된 문법, 튜터 피드백이 즉시 맞춤 숙제로 변환된다. 수업 하나가 독립 이벤트가 아니라 학습 루프의 한 지점이 되는 방식이다. Preply가 여러 AI 모델을 평가한 끝에 OpenAI를 선택한 기준이 '속도·신뢰성·프로덕션 안정성'이었다는 것도 여기서 이해된다. 100개국 이상, 90개 이상 언어, 10만 명 이상 튜터를 연결하는 글로벌 스케일에서 레이턴시가 기준을 벗어나면 '수업 직후 피드백'이라는 경험 자체가 무너진다.
수치는 설계 가설을 지지한다. 영어 학습자의 75%가 Lesson Insights를 실제로 사용하고, 튜터의 70% 이상이 매 수업에 활용한다. 더 의미 있는 건 1년 뒤 데이터다. 활성 학습자의 75%가 도입 1년 이상 지난 시점에도 기능에 재방문한다. AI 기능 특유의 신기함 효과가 빠진 뒤에도 행동이 유지된다는 건 워크플로에 실제로 통합됐다는 신호다. 4.7/5 만족도에 30만 건 이상의 평가, PMF 스코어 70%. 교육 SaaS에서 이 조합이 동시에 나오는 경우는 흔하지 않다.
내부 조직도 같은 방향으로 재편됐다. ChatGPT Enterprise를 뉴욕·키이우·런던·바르셀로나의 600명 이상 직원에게 배포하고 주간 활성 사용률을 60%에서 95%로 끌어올렸다. 엔지니어링 팀의 94%가 Codex를 코드 생성·PR 리뷰·디버깅에 쓰고 있고, Brand Voice GPT를 통해 콘텐츠 톤을 일관되게 관리한다. CTO 드미트로 볼로신이 말한 분업—인간이 잘하는 동기부여·에너지·문화적 맥락, AI가 잘하는 반복 업무·개인화 데이터 처리—은 외부 제품과 내부 운영 양쪽에 동시에 적용되고 있다. 스패니시 튜터 미셸 가르시아 라모스는 수업 준비 시간이 절반 이상 줄었다고 말한다. 절약된 시간이 서류 작업이 아니라 학습자에게 향하는 것, 이게 Preply가 '튜터 대체'가 아니라 '튜터 강화' 프레임을 고집하는 근거다.