서·논술형 평가는 학생의 고차원적 사고력과 표현 능력을 측정하는 핵심적인 평가 방법이다. 그러나 채점 공정성에 대한 부담, 그리고 채점에 소요되는 노력과 시간 확보의 어려움으로 현장 안착에 제약이 많은 방법이기도 하다. 1960년대에 학생이 작성한 글을 자동으로 채점하고자 하는 목적으로 개발된 PEG(Project Essay Grade) 이후 자동채점은 자질(feature) 엔지니어링 기반의 머신러닝 모델, 딥러닝 모델, 대규모 언어 모델(LLM), 생성형 AI로 이어지면서 기술적 발전을 이루고 있다. 학생이 작성한 답안을 평가하는 것은 인간 채점자에게도 고도의 인지 과정을 요구한다. 이에 AI 자동채점 기술은 인간 채점자가 겪는 채점 과정을 동일하게 모방하는 방식이 아니라 인간 채점자가 부여한 점수와의 일치도를 높이는 방향으로 발전하고 있다. AI 기술이 발전하면서 점수나 등급을 예측하는 성능 또한 보다 향상되고 있으나, 점수 예측의 과정이나 근거가 교육적으로 타당성을 갖추고 있는지, 점수 예측의 근거를 인간이 이해할 수 있는 방식으로 설명 가능한지에 대해서는 여전히 해결해야 할 과제들이 많다. 기술의 발전은 항상 밝은 면과 어두운 면이 동시에 존재한다