![[TeamSparta × BLOOM]
AI 교육은 했는데, 왜 일하는 방식은 그대로일까요?](https://image.inblog.dev?url=https%3A%2F%2Fsource.inblog.dev%2Ffeatured_image%2F4d0844e4-a1a2-4d88-a30e-e977e8c17f47%2Ffdd19744-900e-409d-a773-e8b97004917e&w=3840&q=75)
내년도 교육 계획을 세우는 시기, 올해 AI 교육 성과를 어떻게 정리하고 계신가요? 대부분의 기업 교육들이 수료율과 만족도는 높을 수 있지만, 정작 “그래서 일하는 방식이 어떻게 달라졌나요?”라는 질문에는 명확히 답하기 어렵습니다.
이럴 때 다음 교육을 심화 과정으로 기획해야 할지, 아니면 기초부터 다시 다져야 할지 다음 고민이 찾아오는데요. 정확한 판단을 위해서는 구성원들이 배운 내용을 현업에 적용하는 과정부터 되짚어봐야 합니다. 실습장에서는 잘 해냈던 과제를 실무에서는 왜 이어가지 못했는지, 어떤 지점에서 추가적인 지원이 필요했는지 점검하는 거예요.
지난 9월 15일, BLOOM, 팀스파르타, LilysAI가 함께한 행사에서도 여러 기업의 HRD/AX 관계자 분들이 모여 바로 이 고민에 대한 각자의 생각을 나눴습니다. 이날 현장에서는 「2026 기업 AX 벤치마크 리포트」 데이터와 함께, 팀스파르타 AX교육팀 황재경 컨설팅 파트장님이 기업교육 현장에서 관찰한 ‘현업 적용이 실패하는 이유’와 ‘성공적인 교육 설계의 조건’을 짚어주셨어요.
이번 글에서는 그날의 인사이트를 바탕으로, 다음 AI 교육 기획 시 가장 먼저 챙겨야 할 것들을 살펴보려 해요. 환경 점검과 역량 진단에서 출발해 최적의 교육 과제를 설계하고, 이를 조직의 실제 업무로 안착시키는 전체 과정을 하나의 큰 로드맵으로 그려보겠습니다.
1. 교육의 필요성만큼 ‘배운 뒤의 활용’을 점검해 보세요
팀스파르타가 기업 교육 결정권자 330명을 대상으로 조사한 결과, 97%가 AI 교육의 필요성에 깊이 공감했습니다. 하지만 실제로 교육을 진행한 기업 중 82%는 실무 적용에 한계를 느꼈다고 응답했는데요.
이 82%라는 수치가 남기는 과제는 분명해요. 다음 교육을 기획하실 때는 ‘무엇을 더 가르칠까’에 대한 고민만큼이나, ‘현업의 어느 지점에서 막혀 AI를 쓰지 못했을까’를 꼼꼼히 짚어보는 과정이 필요해요.
교육장에서 결과물을 완성해 본 경험이 실제 팀의 업무 방식으로 자리 잡기까지는 여러 조건이 필요합니다. 사내 데이터를 자유롭게 쓸 수 있는지, 도출된 결과물이 기존 보고서 양식에 맞는지, 동료들도 같은 방식으로 활용 가능한지 등 교육장과 달리 실무 환경에는 다양한 제약이 존재하기 때문이에요. 따라서 현업 적용의 허들을 파악할 때는 개인의 툴 숙련도뿐만 아니라 조직 내 활용 환경까지 종합적으로 점검해야 해요.
벤치마크 리포트는 이런 병목 지점들을 구체화할 수 있는 좋은 출발점이 됩니다. 우리 회사와 비슷한 규모나 업종의 교육 데이터를 참고하면, 우선적으로 점검해야 할 문제의 범위를 한결 좁힐 수 있을 거예요.
2. 커리큘럼 설계 전, AI를 쓸 수 있는 ‘환경’인지부터 확인하세요
황재경 파트장님은 교육 설계의 첫 단추를 이렇게 강조했습니다.
“커리큘럼은 제일 나중에 봅니다. 제일 먼저 확인하는 건 그 회사의 인프라와 환경입니다.”
동일한 ‘보고서 작성 AI 교육’이라도, 부서마다 활용할 수 있는 데이터와 최종 제출 양식이 다르다면 실습 과제 역시 달라져야 합니다. 교육 시간에 아무리 훌륭한 결과물을 만들어도, 그것이 당장 내일의 실무에 쓰일 수 없다면 의미가 퇴색되겠죠.
가령, 연습용 데이터로는 그럴싸한 기획안을 썼지만 보안상의 이유로 외부 AI 툴에 실제 사내 데이터를 입력할 수 없다면 배운 방식을 실무에 곧바로 쓰기 어려워요. 또한 결과물을 사내 시스템에 맞게 다시 가공하고 옮겨 적는 데 시간이 더 든다면 구성원들은 점차 AI 사용을 꺼리게 됩니다. 교육 전에 이러한 제약 요건들을 미리 파악해야 실습과 실무 사이의 간극을 좁힐 수 있어요.
교육 전에 꼭 확인해야 할 4가지
이러한 제약을 미리 파악하려면 구성원이 AI를 사용하는 과정 전체를 살펴봐야 해요. 툴에 접근하는 순간부터 결과물을 검토하기까지, 다음 네 가지를 기준으로 우리 조직의 준비 상태를 확인해 보세요.
- 툴 접근성: 교육이 끝난 후에도 실습 때 사용한 AI 툴과 유료 계정을 계속 지원받을 수 있나요?
- 데이터 범위: 외부 AI에 어떤 사내 자료까지 입력해도 되는지 명확한 보안 가이드라인이 있나요?
- 업무 연결성: AI가 도출한 결과물을 기존 사내 양식이나 업무 프로세스에 바로 붙여 쓸 수 있나요?
- 검토 프로세스: AI가 작성한 결과물의 팩트 체크와 최종 컨펌은 누가, 어떤 기준으로 진행하나요?
예를 들어 AI 회의록 작성 실습을 한다고 가정해 보겠습니다.
요약의 퀄리티가 아무리 좋아도, 결국 사내 양식에 맞춰 담당자와 마감일을 일일이 찾아 새로 채워 넣어야 한다면 실무자 입장에서는 번거로운 추가 작업만 생길 뿐이에요.
이럴 때는 실습 목표를 단순한 ‘요약문 도출’이 아니라 ‘담당자와 기한이 포함된 사내 표준 회의록 완성하기’로 구체화하는 것이 좋아요. 최종 결과물을 기준으로 역산하여 교육을 설계하면, 어떤 프롬프트를 넣고 어느 항목을 교차 검증해야 할지 명확해집니다.
오프닝 세션에 참여하신 LilysAI의 김예인 공동 창업자님 역시 사용자가 실제로 편안하게 이용할 수 있는 ‘경험’의 중요성을 강조하셨어요. 이 관점을 기업교육에 적용해 보면, 구성원 스스로가 새로 배운 기능이 내 업무의 수고로움을 얼마나 덜어주는지 직접 체감할 수 있어야 한다는 결론으로 이어집니다. 단순히 AI로 결과물을 만들어내는 순간뿐만 아니라, 그 결과물을 실제 업무에 가져다 쓰기까지의 전체 과정을 매끄럽게 다듬어줄 필요가 있는 것이죠.
물론 HRD 담당자분들이 회사의 모든 업무 프로세스를 하루아침에 바꿀 수는 없습니다. 대신 현업 부서와 논의하여 당장 적용해 볼 만한 ‘타겟 업무’ 한 가지를 정하고, 데이터 입력부터 최종 컨펌까지의 사이클을 함께 시뮬레이션해 보는 것부터 시작해 보세요.
평소 다루는 로우 데이터, 최종 제출 포맷, 결재 라인 등을 실제 업무 순서대로 나열해 보면 도움이 돼요. 이 과정에서 IT 부서의 권한 부여나 보안 가이드라인 업데이트 등 타 부서와 미리 조율해야 할 이슈들도 자연스럽게 수면 위로 드러납니다. 결과적으로 교육 담당자는 ‘무엇을 가르칠 것인가’를 넘어, ‘이 교육이 실무에서 작동하려면 누가 어떤 환경을 마련해 주어야 하는가’까지 체계적으로 기획할 수 있어요.
3. 구성원 개개인의 역량은 다릅니다, 각자의 ‘AI 출발선’부터 확인해 보세요
AI를 쓸 수 있는 환경이 잘 마련되어 있더라도, 툴을 직접 다뤄야 할 구성원들의 숙련도는 저마다 다를 수밖에 없어요. 챗GPT에 프롬프트를 입력하는 것조차 낯선 입문자와, 초안은 쉽게 뽑아내지만 디테일한 팩트 체크에서 어려움을 겪는 실무자에게 동일한 과제를 주는 것이 과연 효과적일까요?
기초 단계의 구성원에게는 나의 업무 맥락을 AI에게 명확히 지시하는 방법부터 차근차근 교육해야 합니다. 반면 이미 툴 사용에 능숙한 구성원에게는 예외 케이스를 트러블슈팅하거나 산출물의 완성도를 끌어올리는 심화 연습이 주어져야 하죠. 단순히 직급이나 부서 단위로 묶어 일괄적인 교육을 진행하면 이러한 개인별 역량 편차를 놓치기 쉬워요. 교육 전, 구성원이 어느 단계까지 스스로 해낼 수 있는지 정확히 진단해야 하는 이유예요.
실제로 벤치마크 리포트 결과에서도 교육 설계 방식에 따라 현업 적용률에 유의미한 차이가 나타났습니다.
교육 결과를 현업에 ‘매우 잘 적용하고 있다’는 응답의 비율은 위와 같이 나타났어요. 11%와 32%, 무려 세 배 가까이 벌어지는 차이는 우리에게 중요한 인사이트를 던져줍니다. 사전 진단으로 구성원의 현재 수준을 정확히 파악하고, 그 눈높이에 맞춰 과제 난이도를 조율하는 과정이 현업 적용률을 끌어올리는 핵심 열쇠가 된다는 점이에요.
그렇다면 우리 구성원들의 현재 수준은 어떻게 파악해야 할까요? 성공적인 교육 설계를 돕기 위해, 팀스파르타의 AI 역량진단 솔루션 ‘AXPI’는 역량을 크게 두 가지 영역으로 나누어 입체적으로 측정하고 있습니다.
- AI 지식: AI의 기본 원리와 활용 문법을 얼마나 정확히 인지하고 있는가
- 실무 수행 역량: 주어진 비즈니스 상황에서 AI를 활용해 실제 문제를 얼마나 능숙하게 해결하는가
두 지표를 교차해서 분석하면 교육 과정에서 집중적으로 보완해야 할 영역이 한층 선명해져요. 이론적인 지식은 높지만 실무 수행 점수가 낮다면 커리큘럼 속 실습 비중을 늘리는 것이 좋습니다. 반대로 결과물은 빠르게 잘 만들어내지만 퀄리티 컨트롤이 일정하지 않다면, 산출물을 교차 검증하고 오류를 바로잡는 커리큘럼을 보강해야 합니다. 단순히 점수를 매겨 줄을 세우는 것을 넘어, 실질적인 교육 방향을 설계하는 나침반으로 활용하는 거예요.
가장 중요한 것은 진단 이후의 액션입니다. 도출된 데이터를 바탕으로 타겟 수강생과 난이도, 맞춤형 실습 과제를 정하고, 교육 종료 후에는 동일한 지표로 역량의 성장폭을 객관적으로 측정해야 해요.
예를 들어 ‘고객 CS 상담 기록 요약’을 전사 공통 과제로 선정했다고 가정해 보겠습니다. 같은 업무라도 구성원 수준에 따라 실습의 포커스는 달라져야 해요.
- 기초 그룹: 상담 일시, 고객 불만 사항 등 핵심 정보가 누락되지 않도록 프롬프트를 구성하고, AI 요약본과 원본 데이터를 대조하는 기본기를 다져요.
- 숙련 그룹: 방대한 상담 데이터를 특정 기준에 따라 분류 자동화하고, 고객 요청이 매우 복잡하거나 정보가 모호한 엣지 케이스(Edge case)에서도 올바른 결과값이 나오는지 테스트해요.
이처럼 진단 기반의 설계가 이루어지면 현업 부서의 교육 니즈도 훨씬 구체적으로 다듬을 수 있습니다. 막연히 “우리 팀에 AI 심화 교육 좀 해주세요”라는 요청을, “상담 기록 요약은 잘하는데 검수 역량 편차가 크니, 팩트 체크와 할루시네이션 대응 위주로 실습을 짜주세요”라는 뾰족한 교육 목표로 전환할 수 있는 거예요.
목표와 현재의 출발점이 선명하게 정리되어야만, 비로소 누구를 대상으로, 어떤 데이터로 실습하며, 사후에 어떤 지원을 붙여줄 것인지를 구체적으로 설계할 수 있습니다.
4. ‘만드는 사람’과 ‘사용하는 사람’의 역할을 나누어 설계해 보세요
황재경 파트장님은 교육을 기획할 때, ‘새로운 AI 업무 프로세스를 설계하는 관점’과 ‘그 프로세스를 다수에게 전파하는 관점’을 분리해서 접근해 보라고 조언했습니다.
AI 활용도가 높은 소수의 숙련자가 팀 공통의 업무 템플릿을 세팅하고, 나머지 구성원들은 본인의 숙련도에 맞춰 그 템플릿의 사용법을 익히고 활용하는 구조예요. 앞서 언급한 ‘고객 CS 상담 기록 요약’ 과제에 이를 적용하면 다음과 같이 역할을 나눌 수 있습니다.
[숙련자 그룹] - 설계 및 검증
- 상담 기록을 최적으로 분류하는 표준 프롬프트 구축
- 예외 상황 시 발생하는 오류 패턴 파악 및 프롬프트 고도화
- AI 사용 범위 및 사람이 직접 검토할 항목 정의
[사용자 그룹] - 활용 및 피드백
- 세팅된 템플릿에 로우 데이터 입력 및 실행
- 도출된 결과물 팩트 체크 및 잘못된 내용 수정
- 실제 업무 적용 과정에서의 불편사항 및 개선점 공유
이렇게 역할을 분담하면, 모든 팀원이 처음부터 복잡한 프롬프트 엔지니어링을 배울 필요가 없어요. 잘 짜인 템플릿을 반복 사용하며 활용에 익숙해진 뒤, 점진적으로 자신의 업무에 맞게 프롬프트를 수정해 나가는 방향으로 학습 부담을 덜어줄 수 있습니다.
여기서 숙련자 그룹의 역할은 동료들이 함께 쓸 수 있는 최소한의 기준을 마련해 주는 것입니다. 툴에 익숙하지 않은 팀원도 일관된 결과를 얻을 수 있도록 템플릿을 확인해 주고, 실무에서 AI를 어디까지 신뢰해도 좋을지 가이드라인을 잡아주는 역할을 하는 거예요. 사용자 그룹 역시 완성된 템플릿을 수동적으로 받아쓰는 것에 그치지 않고, 본인의 실제 업무 데이터를 넣어보며 스스로 팩트 체크해야 할 포인트를 체득해 나가야 해요.
결국, 함께 쓸 업무 프로세스는 단단하게 연결하되, 그 방식을 익히는 과제와 난이도는 구성원 수준별로 세분화하는 것이 핵심입니다. 그래야만 수준별 교육이 각자의 파편화된 실습으로 흩어지지 않고, 조직 전체의 AX로 이어질 수 있어요.
결과물을 공유할 때는 ‘사용 가이드’를 반드시 첨부해 주세요
아무리 잘 짜인 결과물이라도 파일만 덩그러니 공유된다면, 만든 사람 머릿속에만 있는 중요한 전제조건들이 누락되기 쉬워요. 다른 동료가 처음 사용해도 헷갈리지 않도록 아래 내용을 함께 정리해 배포하는 것을 권장합니다.
- 사용 목적: 어떤 업무를 자동화하기 위해 만든 결과물이며, 어디까지 활용할 수 있나요?
- 입력 기준: 어떤 성격의 자료를 넣어야 하며, 어떤 자료는 넣지 않아야 하나요?
- 검토 기준: 결과에서 사람이 반드시 직접 확인해야 할 부분은 무엇인가요?
- 문의 창구: 오류가 발생하거나 개선 의견이 있을 때 누구에게, 어느 채널로 전달하나요?
모든 변수를 통제하는 완벽한 매뉴얼을 만들려다 보면 오히려 부담이 커집니다. 동료가 처음 써볼 때 가장 헷갈려할 만한 핵심 조건 위주로 가볍게 정리해 주는 것만으로도 충분해요.
교육 운영 계획에는 사용법 안내 담당자와 문의 채널을 함께 세팅해 두는 게 좋아요. 숙련자들도 각자의 본업이 바쁘기 때문에 자율적인 도움에만 기대면 특정 인원에게 업무 부담이 커질 수 있습니다. 누가 공유 세션을 이끌고 어느 채널로 질문을 받을지 미리 정해두면 지원 과정이 한결 수월해져요. 그리고 이 과정을 통해 자연스럽게 모인 질문과 개선점들은, 다음 교육을 설계할 때 무엇을 보완해야 할지 알려주는 훌륭한 나침반이 되어줍니다.
5. 4단계 로드맵으로 교육 밖의 준비까지 연결하세요
지금까지 살펴본 것처럼, 진정한 AI 교육은 강의장 안에서 끝나지 않습니다. 성공적인 현업 적용을 위해서는 환경 점검부터 역량 진단, 그리고 사후 관리까지 전체적인 그림을 먼저 그려두어야 하죠. 이 일련의 과정을 유기적으로 연결하려면 어떻게 구조화하는 것이 좋을까요? 팀스파르타가 제안하는 ‘기업 AX 표준 4단계 로드맵’을 가이드라인 삼아 우리 조직의 준비 상태를 차근차근 점검해 볼 수 있어요.
단계 | 우리 조직에서 결정할 것 |
① 기준 수립 | 어떤 업무에 어떤 도구와 데이터를 사용할까요?
적용 업무, 사용 조건, 검토 프로세스를 정해요. |
② 역량 확보 | 누구에게 어떤 수준의 학습이 필요할까요?
진단 결과에 맞춰 교육 대상과 실습 과제를 정해요. |
③ 현업 확산 | 교육에서 만든 결과물을 누가 이어 쓸까요?
공유 방법, 담당자, 사용 기록 수집 방법을 정해요. |
④ 성과 고도화 | 무엇이 개선됐고 어디까지 확산할까요?
업무 변화 지표와 다음 개선 과제를 정해요. |
각 단계를 교육 계획서에 연결하실 때는, 교육 커리큘럼과 함께 그다음 단계로 넘어가기 위해 필요한 '결정 사항'을 남겨보세요. 교육 전에 사용 기준과 대상자를 정했다면, 교육 종료 후에는 결과물을 어디에 공유하고 언제 사용 현황을 점검할지 액션 플랜을 이어서 세팅하는 거예요.
이 표는 HRD 담당자가 교육장 밖에서 누구와 협력해야 하는지도 잘 보여줍니다. 도구 접근과 보안 기준은 IT·보안 담당자와, 적용 업무 선정과 운영 역할은 현업 리더와, 성과 지표는 기획·재무 담당자와 사전에 기준을 맞춰볼 수 있어요.
예를 들어 교육에서 만든 템플릿을 사내 위키에 올리기로 합의했다면, 단순히 게시 위치뿐 아니라 내용을 관리할 실무자와 새로 합류한 구성원에게 안내할 온보딩 방법까지 구체적으로 미리 정해두는 거예요. 사용 중에 나온 질문과 수정 이력들은, 다음 교육의 과제나 추가 지원이 필요한 부서를 정할 때 도움이 됩니다.
다음 강의를 추가하기 전에, 로드맵 상에서 비어 있는 단계를 먼저 찾아보세요.
다음 강의를 추가하기 전에, 로드맵 상에서 비어 있는 단계를 먼저 찾아보세요. 교육 자체는 좋았지만 정작 사용할 권한이 없거나 결과물을 이어 쓸 담당자가 부재하다면, 교육 외적인 운영 조건부터 정리해야 합니다. 반대로 업무 환경과 인프라는 준비되었으나 구성원들이 결과물 검토를 어려워한다면, 그 역량을 보완할 실습 위주의 커리큘럼이 필요하다는 뜻이에요. 이처럼 우리 조직의 현 상황을 객관적으로 짚어보는 과정이 선행될 때, 비로소 실질적인 업무 변화로 이어지는 가장 효과적인 교육을 기획할 수 있습니다.
다음 교육을 준비하기 전, 3가지만 점검해 보세요
- 바꾸고 싶은 명확한 타겟 업무와 현재의 처리 방식을 구체적으로 정리했나요?
- 참여자의 AI 활용 수준 편차와 툴·데이터 사용 제약 조건을 꼼꼼히 확인했나요?
- 교육 후에도 실무 적용을 이끌어갈 담당자와 성과 확인 시점을 합의했나요?
BLOOM 현장에서 나눈 깊이 있는 논의들은 결국 '교육의 앞뒤를 함께 준비해야 한다'는 본질을 짚어주었습니다. 단순히 어떤 툴을 가르칠지가 아니라, 구성원이 AI를 쓸 수 있는 환경을 마련하고, 역량에 맞는 과제로 실습하며, 그 결과물을 동료들과 공유할 때 비로소 진정한 의미의 AX가 시작되니까요.
다음 AI 교육을 준비하고 계신다면, 당장 유행하는 툴을 찾기보다 ‘누구를 대상으로 어떤 업무 방식을 개선할 것인지’ 타깃부터 명확히 설정해 보세요. 아직 구체적인 방향이 잡히지 않았더라도 조급해할 필요는 없습니다. 구성원들의 현재 활용 수준을 객관적으로 진단하고 실제 업무 환경의 병목을 차분히 점검하다 보면, 우리 조직에 지금 가장 필요한 학습과 실무 적용의 방향성이 자연스럽게 드러날 거예요
Share article