Samsung SDS

이 글은 IDG의 아티클을 전재하여 제공합니다.
[원문보기]

AI 도구를 도입하고 직원 교육까지 마쳤습니다. 프롬프트 작성법을 익히고, 문서 요약과 보고서 작성도 실습했습니다. 그런데 교육이 끝난 뒤에도 일하는 방식이 크게 달라지지 않았다면, 무엇을 살펴봐야 할까요?

기업 AI 교육은 직원이 AI를 이해하고, 자신의 업무에 활용하며, 결과를 검증할 수 있도록 돕는 역량 개발 과정입니다. 사용법을 배우는 것과 함께 업무에 적용할 기회, 판단 기준, 지속적인 지원이 갖춰져야 합니다.

최근 전 세계 3,600여 명의 기술 전문가를 대상으로 실시한 하비 내시(Harvey Nash)의 ‘2026 테크 인재 및 연봉 보고서(Tech Talent Salary Report)’에 따르면, 전 세계 기술 전문가 3,600여 명을 대상으로 한 조사에서 75%는 직장에서 AI 도구를 사용할 수 있었지만, 23%는 공식 교육을 기다리고 있었습니다.

도구를 사용할 수 있는 환경과 제대로 활용할 수 있는 역량 사이에는 여전히 간격이 있는 셈입니다. 이 간격을 좁히려면 교육 내용뿐 아니라 대상과 방식, 교육 이후의 지원까지 함께 설계해야 합니다.

경영진부터 현업까지, AI 교육의 목적을 공유하라

AI 교육을 실무자의 도구 활용 능력을 높이는 과정으로만 생각하면 경영진과 관리자의 역할을 놓치기 쉽습니다. 직원이 새로운 방식으로 업무를 수행하려 해도, 이를 평가하고 승인하는 사람이 AI의 특성과 한계를 이해하지 못하면 적용 과정에서 혼선이 생길 수 있습니다.

사노피(Sanofi)는 ESSEC 비즈니스 스쿨과 개발한 ‘Drive Digital’을 통해 경영진에게 AI 활용 과제와 가치 창출을 교육하고, 이후 교육 대상을 확대했습니다.

경영진에게 필요한 학습은 어떤 업무에 AI를 적용할지 판단하는 데서 시작할 수 있습니다. 자료를 찾는 데 시간이 오래 걸리는지, 반복적인 문서 작성이 부담인지, 여러 부서의 정보를 취합하는 과정이 복잡한지 살펴보는 것입니다. 해결할 문제가 구체적일수록 직원에게 필요한 교육도 분명해집니다.

교육의 목적을 설명하는 방식도 중요합니다. ‘AI를 반드시 사용해야 한다’는 요구만으로는 직원의 참여를 끌어내기 어렵습니다. 자신의 업무에서 어떤 부담을 줄일 수 있는지, 익숙한 방식 중 무엇을 바꿔볼 수 있는지 이해할 수 있어야 합니다. 처음 사용하는 직원이 질문하거나 시행착오를 드러내기에도 부담이 없어야 합니다.

경영진은 변화의 목적을 설명하고, 관리자는 적용할 기회를 마련하며, 직원은 자신의 업무에서 가능성을 확인해야 합니다. AI 교육을 조직 전체의 과제로 다뤄야 하는 이유입니다.

직무 맞춤형 역량 향상은 필수

전 직원에게 필요한 기본 지식은 있습니다. AI가 어떤 일을 지원할 수 있는지, 답변을 그대로 신뢰하기 어려운 이유는 무엇인지, 회사에서 허용하는 사용 범위는 어디까지인지 이해해야 합니다. 이러한 공통 기초는 조직이 AI를 사용하는 출발점을 맞춰줍니다.

이후의 교육은 직무와 숙련도에 따라 달라져야 합니다. 영업 담당자에게 필요한 활용법과 개발자에게 필요한 활용법은 같지 않습니다. 같은 부서에서도 AI를 처음 접하는 직원과 이미 일상적으로 사용하는 직원이 느끼는 어려움은 다를 수 있습니다.

예를 들어 영업 담당자는 고객 요구사항을 정리하고 제안서 초안을 구성하는 과제로 연습할 수 있습니다. 기획 담당자는 여러 자료의 수치를 비교하고 차이를 설명하는 과제를, 개발자는 생성한 코드가 요구사항에 맞게 작동하는지 확인하는 과제를 수행할 수 있습니다.

실습 과제를 정할 때에는 해당 직무에서 반복적으로 발생하는 일을 찾는 것이 좋습니다. 한 번의 시연으로 끝나는 과제보다 교육 이후에도 다시 수행할 일이 학습과 업무를 연결하기에 적합합니다.

교육 자료에도 실제 업무의 특성을 반영해야 합니다. 필요한 정보가 모두 정리된 예제뿐 아니라 자료가 부족하거나 조건이 모호한 상황도 다뤄볼 수 있습니다. 직원이 AI에 어떤 정보를 더 제공해야 하는지, 어느 부분을 직접 판단해야 하는지 경험하도록 하는 것입니다.

직접 사용하면서 배우게 하라

AI의 활용 가능성을 설명하는 강의와 실제로 업무를 수행해보는 경험은 서로 다른 역할을 합니다. 강의가 개념을 이해하도록 돕는다면, 실습은 자신의 업무에서 무엇이 가능하고 어디에서 막히는지를 확인하게 합니다.

아메리칸 익스프레스(American Express)의 혁신 조직은 직원이 실제 AI 활용 과정을 시연하고, 동료들이 질문한 뒤 따라 해보는 세션을 운영합니다.

이러한 학습 방식에서는 완성된 결과뿐 아니라 결과에 도달한 과정을 살펴볼 수 있습니다. 처음에는 어떤 요청을 입력했는지, 기대와 다른 답변이 나왔을 때 무엇을 수정했는지, 어떤 부분은 사람이 직접 처리했는지를 확인하는 것입니다.

기업에서 실습이나 사례 공유 시간을 운영한다면 이 과정에 주목할 필요가 있습니다. 잘된 결과만 보여주면 다른 직원이 같은 방법을 적용하다가 막혔을 때 원인을 찾기 어렵습니다. 사용한 자료의 조건과 수정 과정, 적용하기 어려웠던 상황까지 공유하면 동료가 자신의 업무에 맞게 판단하는 데 도움이 됩니다.

팀 단위 실습이나 해커톤도 활용할 수 있습니다. 다만 결과물을 발표하는 데서 행사를 마무리하기보다, 현업에서 다시 사용해볼 과제와 추가로 해결해야 할 문제를 남기는 편이 좋습니다. 실습에서 얻은 경험이 다음 업무로 이어질 때 학습의 의미가 커집니다.

AI 결과를 판단하는 능력이 중요한 이유

업무에 AI를 활용하려면 결과가 사용 목적에 맞는지 판단할 수 있어야 합니다. 문장이 자연스럽게 읽히더라도 중요한 조건이 빠졌거나, 자료에 없는 내용을 덧붙였을 수 있기 때문입니다.

따라서 교육 과제에는 결과를 확인하고 수정하는 단계까지 포함하는 것이 좋습니다. 문서 요약 실습이라면 주요 의사결정과 예외 조건이 남아 있는지 원문과 비교해볼 수 있습니다. 자료 분석 실습이라면 수치의 기준과 기간이 일치하는지, 설명이 실제 데이터로 뒷받침되는지 확인할 수 있습니다.

이 과정에서 직원은 자신의 업무 지식을 활용하게 됩니다. AI가 만든 결과를 검토하려면 무엇이 중요한 정보인지, 어떤 오류가 업무에 영향을 주는지 알아야 합니다. 기존의 전문성과 경험이 AI 활용 과정에서도 필요한 이유입니다.

사람이 개입해야 하는 시점도 구체화해야 합니다. 직접 수정해 사용할 수 있는 결과인지, 추가 자료를 확인해야 하는지, 다른 담당자의 검토가 필요한지를 구분하는 연습이 필요합니다. 입력 자료의 사용 가능 여부나 결과의 외부 공유 범위가 불분명할 때 어디에 문의해야 하는지도 안내해야 합니다.

AI 교육에서 말하는 사람의 검토, 즉 휴먼 인 더 루프(Human in the Loop)는 담당자의 이름을 지정하는 것만으로 완성되지 않습니다. 검토자가 무엇을 확인하고, 어떤 기준으로 사용 여부를 결정할지 이해해야 실제 업무에서 작동합니다.

교육 이후의 지원과 재사용이 조직의 역량을 만든다

배운 내용을 적용하려 해도 필요한 자료에 접근할 수 없거나 시스템을 연결하기 어렵다면 활용은 중단될 수 있습니다. 교육 이후에 생기는 문제를 해결할 지원도 함께 준비해야 합니다.

포뮬러 E(Formula E)는 전담 AI 엔지니어가 기술 전문가들과 협력해 데이터 접근, 시스템 연계, 보안 점검과 운영 적용을 지원하도록 하고 있습니다.

기업마다 지원 조직의 형태는 다를 수 있습니다. 다만 직원이 겪는 어려움을 접수할 창구와 해결을 도울 담당자는 분명해야 합니다. 같은 질문이 반복된다면 사용 지침이나 교육 자료를 보완할 필요가 있습니다. 여러 부서가 비슷한 문제로 적용을 멈추고 있다면 공통된 지원 방안을 마련할 수 있습니다.

개인의 활용 경험을 조직이 다시 사용할 수 있도록 정리하는 일도 중요합니다. 프레시웍스(Freshworks)는 여러 AI 도구를 제공한 뒤 활용 방식의 불일치를 경험했고, 재사용 가능한 역량을 구축하는 데 집중하고 있다고 설명했습니다.

재사용할 수 있는 지식에는 프롬프트와 결과물 외에도 적용 조건이 담겨야 합니다. 어떤 업무에서 사용했는지, 어떤 자료가 필요했는지, 결과의 어느 부분을 검토해야 하는지 함께 남기는 것입니다. 이러한 정보가 있어야 동료도 자신의 상황에 맞게 활용할 수 있습니다.

공유한 방법을 주기적으로 점검하는 과정도 필요합니다. 도구의 기능이나 업무 조건이 달라졌을 때 기존 방식이 여전히 유효한지 확인하고, 새롭게 필요한 역량을 교육에 반영해야 합니다.

AI 교육을 계획할 때에는 수업이 끝난 뒤의 업무까지 생각해야 합니다. 직원이 배운 방법을 다시 사용할 수 있는지, 결과를 판단할 수 있는지, 어려움이 생겼을 때 도움을 받을 수 있는지를 살펴보는 것입니다.

기업의 AI 역량은 직원 각자의 학습에서 출발하지만, 경험을 공유하고 함께 개선하는 과정에서 축적됩니다. 교육이 실제 업무 성과로 이어지려면 이 과정까지 설계해야 합니다.

FAQ

▶   해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에게 저작권이 있습니다.
▶   해당 콘텐츠는 사전 동의 없이 2차 가공 및 영리적인 이용을 금하고 있습니다.