Contents
1. AI보다 구성원의 동기에 먼저 집중합니다교육 과제는 ‘덜어낼 일’과 ‘집중할 일’을 함께 설계하세요2. 세부 역량을 진단해 각자에게 필요한 학습을 설계합니다총점 안에 가려진 세부 역량의 차이를 확인하세요진단 결과를 학습 목표와 실습 난이도로 연결하세요3. 리더가 학습 시간을 확보합니다리더가 먼저 경험해야 팀에 필요한 지원이 보입니다4. 작은 실험을 공유해 동료의 다음 시도로 연결합니다동료가 다시 적용할 수 있도록 과정을 기록하세요해커톤이 실제 업무로 이어지도록 후속 일정을 연결합니다다음 교육 계획에는 구성원이 직접 바꿀 업무를 함께 적어보세요보통 AI 교육을 기획할 때는 가장 먼저 툴과 커리큘럼부터 살펴보게 됩니다. 어떤 모델을 다룰지, 실습 난이도는 어디에 맞출지, 그리고 교육 후에는 어떤 결과물을 남길지부터 정하곤 하는데요. 하지만 이 과정에서 우리가 반드시 함께 짚고 넘어가야 할 중요한 질문이 하나 더 있어요. 바로 ‘우리 구성원들은 이 교육을 통해 자신의 어떤 업무를 바꾸고 싶을까?’예요.
지난 10월 13일 스파르타 기업교육이 진행한 AX Leaders Summit에서도 이 질문과 맞닿은 기업 교육 담당자분들의 깊은 고민을 엿볼 수 있었습니다. 경영진은 AI 전환의 필요성에 충분히 공감하고 있지만, 정작 현장의 실무진은 "왜 기존의 방식을 바꾸고 지금 AI를 도입해야 하는지" 되묻곤 한다는 이야기였어요. 이처럼 단순한 교육과 툴 제공을 넘어 구성원의 실제 행동 변화까지 이끌어내야 하는 상황은, AI 도입을 준비하는 많은 조직이 공통으로 마주하는 어려운 과제예요.
이러한 고민들에 대해, 이날 연사로 참여한 Sunil Subhedar는 Google, Uber, Canva, Anthropic에서 겪은 생생한 경험을 바탕으로 조직의 AI 활용과 업무 변화에 관한 깊은 인사이트들을 들려주었습니다. Sunil의 다양한 경험을 하나로 묶어주는 핵심 메시지는 아주 명확했어요. 조직의 진정한 변화를 위해선 사람의 동기와 역량을 깊이 이해하고, 구성원이 직접 시도하며 성장할 수 있는 환경과 조건을 먼저 마련해 주어야 한다는 것이었습니다.
이처럼 사람을 중심에 두는 AX 관점을 우리의 교육 현장에 가져온다면, 결국 구성원의 실제 업무와 환경에서 출발해 학습 내용과 실행 여건을 함께 설계해 나가는 과정이 될 텐데요. 그래서 이번 글에서는 서밋에서 Sunil과 나눈 이야기들을 바탕으로, 교육이 실제 업무 변화로 이어지기 위해 필요한 네 가지 요소를 찬찬히 살펴보려고 합니다.
1. AI보다 구성원의 동기에 먼저 집중합니다
AI 도입이 왜 필요한지 논리적으로 설명하는 일과, 구성원이 자발적으로 AI를 써보고 싶게 만드는 일 사이에는 생각보다 큰 간격이 있습니다. 아무리 조직 AX라는 좋은 목표라도, 그것이 나의 하루 일과와 어떻게 연결되는지 스스로 체감해야만 비로소 실제 행동으로 이어질 수 있기 때문이에요.
Sunil 역시 Anthropic에 있을 때 익숙한 기존 업무 방식을 유지하려는 분들을 많이 만났다고 해요. 그때 그가 가장 먼저 했던 일은 각자의 관심사와 목표를 묻고, 시간과 에너지를 쏟고 있지만 정작 덜어내고 싶은 업무가 무엇인지 확인하는 것이었습니다.
“저는 사람들의 동기에 집중합니다. AI 자체에 초점을 두지 않습니다.”
— Sunil Subhedar, AX Leaders Summit
그가 Canva에서 겪은 일화는 이런 접근 방식을 아주 잘 보여줘요. 당시 팀원들은 완성된 광고 소재를 여러 규격에 맞춰 리사이징하는 데 꽤 많은 시간을 쓰고 있었어요. 하지만 이들이 진짜로 집중하고 싶었던 핵심 업무는 새 캠페인의 콘셉트와 메시지를 기획하는 일이었습니다. 그래서 팀원들은 이 반복 작업을 스스로 자동화해 보기로 했습니다. 직접 내부 AI 모델을 만들어 활용하며, 번거로운 리사이징 업무를 스스로 덜어냈다고 해요.
이 사례는 AI를 도입하는 진짜 목적이 무엇인지 잘 보여줍니다. 기계적인 반복 업무는 AI에게 맡기고, 결국 사람은 ‘사람이 가장 잘할 수 있는 일’에 집중하도록 해주는 것입니다. 단순히 어떤 업무를 자동화할지 결정하는 데 그치지 않고, 그 결과로 구성원이 어떤 전문성을 더 발휘하게 할지 함께 그려보는 접근 방식이에요.
교육 과제는 ‘덜어낼 일’과 ‘집중할 일’을 함께 설계하세요
우리가 교육을 기획할 때도 이 두 가지 측면을 꼭 함께 살펴야 합니다.
예시 | 영업 담당자의 고객사 자료 정리
만약 영업 담당자가 고객사 자료를 일일이 취합하는 데 시간을 많이 뺏기고 있다면, 흩어진 공개 자료에서 핵심 정보만 깔끔하게 정리하는 실습으로 AI 교육을 시작해 볼 수 있어요. 그리고 이 실습을 통해 확보한 시간 동안 담당자는 고객에게 제안할 가설을 세우고 미팅 질문을 기획하는 일에 집중하게 됩니다. 이렇게 방향을 잡으면 교육의 목표도 '자료 요약 기능 익히기'를 넘어 '고객 비즈니스를 이해하고 제안 논리 구성하기'로 한층 깊어질 수 있어요.
이런 관점을 교육 전 사전 수요조사에 가볍게 반영해 보고 싶으시다면, 평소 묻던 ‘배우고 싶은 AI 툴’ 문항 옆에 다음 두 질문을 덧붙여 보세요.
- 매일 반복해서 시간을 쏟고 있지만, 앞으로는 조금 덜어내고 싶은 업무는 무엇인가요?
- 만약 그 시간이 확보된다면, 더 깊이 집중해 보고 싶은 핵심 업무는 무엇인가요?
돌아온 두 답변을 나란히 살펴보면 교육에 활용할 실무 과제는 물론, 교육 이후 구성원에게 기대할 수 있는 역할 변화까지 뚜렷하게 드러납니다. 구성원 입장에서도 AI를 배우는 이유가 나의 실제 일과 직결된다는 것을 자연스럽게 느낄 수 있어요.
이렇게 형성된 공감대를 실제 시도로 이어가려면, 구성원과 어떤 대화를 나눠야 할까요? 현장 Q&A에서 Sunil이 들려준 구성원의 업무 문제를 함께 해결하며 변화에 대한 신뢰를 쌓아가는 접근을 풀영상에서 더 자세히 확인해 보세요.
이렇게 목적이 명확해졌다면, 이제 다음으로 확인해야 할 것은 해당 업무를 변화시킬 구성원들의 현재 역량 수준과 그에 맞는 학습 과정을 설계하는 일입니다.
2. 세부 역량을 진단해 각자에게 필요한 학습을 설계합니다
같은 직무를 맡고 있더라도 AI를 활용하는 역량은 개인마다 달라요. 프롬프트에 업무 맥락을 구체적으로 잘 담아내는 분이 있는 반면, 결과물을 원하는 형식으로 다듬는 데 유독 어려움을 겪는 분도 있어요. AI로 생성한 결과물의 오류를 팩트체크하고 수정하는 역량에서도 각기 다른 차이가 나타납니다.
이때는 구성원이 체감하는 심리적 어려움과 실제 수행 역량을 종합적으로 확인해야 합니다. 업무 적용에 대한 기대감이나 우려 사항은 조직의 리더, 파트장과 심층적인 대화를 통해 파악하고, 객관적인 AI 지식 및 실무 활용 역량은 체계적인 진단 도구로 점검하는 방식이에요. 학습 과제를 설계하고 지원 수준을 결정하는 데 필요한 정보의 성격이 서로 다르기 때문에 두 가지 방식을 같이 활용해야 해요.
총점 안에 가려진 세부 역량의 차이를 확인하세요
여기서 진단 도구를 통해 얻은 결과를 실제 교육 기획에 반영할 때는 단순한 총점뿐만 아니라 세부 역량의 분포를 꼼꼼히 살펴보아야 합니다. 총점이 높은 우수 구성원이라도 특정 영역에서는 보완이 필요할 수 있으며, 전반적인 수준이 다른 구성원들이 공통적으로 공백을 보이는 영역이 존재하기도 합니다.
스파르타 기업교육의 「AX 조직 성공을 위한 AI 역량 진단 리포트」에 수록된 한 베이커리·식품 제조기업 사례가 이를 잘 보여줍니다. 역량 진단에 참여한 응시자 중 총점 상위 25%과 하위 25%의 영역별 평가를 비교해 보았어요. 그 결과, 업무 처리 순서와 절차를 기획하는 ‘워크플로 설계’ 문항의 평균 달성률이 상위 그룹 32.0%, 하위 그룹 28.0%로 나타났습니다. 즉, 해당 조직은 상위 역량을 갖춘 그룹에게도 워크플로 설계 능력을 집중적으로 보완할 수 있는 공통 학습이 필요했던 것이에요.
진단 결과를 학습 목표와 실습 난이도로 연결하세요
따라서 교육 과정을 배정할 때는 개인별 수준 차이와 조직 전체에 공통으로 요구되는 역량을 조화롭게 반영해야 합니다. AI 역량진단 AXPI를 통해 지식과 실무 활용 역량을 정밀하게 측정하고, 그 결과를 직무 공통 교육과 직무 특화 교육의 학습 목표로 촘촘히 연결하는 이유도 바로 여기에 있어요.
그렇다면 도출된 진단 결과를 실제 교육 커리큘럼으로 어떻게 옮길 수 있을까요? 단순히 점수에 따라 반을 나누는 것을 넘어, 우리 조직의 역량 분포에 맞춰 다음과 같이 세밀하게 교육의 뼈대를 짤 수 있습니다.
우리 조직의 진단 결과 | 맞춤형 교육 설계 방향
|
구성원 대다수가 AI 활용의 첫 단추를 채우기 어려워할 때 | [공통 교육]
AI에게 업무 맥락을 설명하는 프롬프트 작성법, 정보 출처 팩트체크 등 가장 기초적이고 튼튼한 기본기 다지기 |
기본 툴은 다루지만, 내 업무에 어떻게 써먹을지 막막해할 때 | [직무 특화 교육]
우리 팀이 매일 다루는 실제 현업 자료와 산출물을 활용하여 내 업무에 직접 붙여보는 맞춤형 과제 수행 |
전반적인 수준은 높지만, 유독 특정 역량만 약할 때 | [핀셋 코칭]
부족한 역량 위주로 실습을 구성하되, 개인별 점수와 수준에 맞추어 과제 난이도와 피드백 깊이 조절 |
이렇게 진단 결과를 바탕으로 교육의 큰 틀을 잡고 나면, 앞서 예로 들었던 영업 자료 정리 같은 실무 과제도 구성원 수준에 맞게 한층 정교하게 다듬어질 수 있어요.
예시 | 같은 ‘고객사 자료 정리’ 과제의 수준별 설계
- 기초 단계: 고객사 원문 데이터에서 핵심 정보를 추출하고, 각 정보의 출처를 꼼꼼히 확인하며 검토하는 연습을 진행합니다.
- 숙련 단계: 자료 간 내용이 상충하거나 공개 정보가 부족한 엣지 케이스를 다루며, 추가로 점검해야 할 사항을 스스로 분류하도록 과제를 고도화하는 방식이에요.
이처럼 수준별 교육은 실습의 난이도와 코칭 지원을 세밀하게 조정하고, 직무별 교육은 현업에서 풀어야 할 구체적인 문제와 산출물을 명확히 합니다. 이 두 가지 기준을 유기적으로 적용해야만 구성원들이 자신의 실제 업무에 꼭 필요한 AI 역량을 효과적으로 내재화할 수 있습니다.
3. 리더가 학습 시간을 확보합니다
적절한 교육 과정을 설계했다면, 이제 학습한 내용을 실제 업무에 적용해 볼 수 있는 충분한 시간을 리더가 확보해 주어야 합니다. 교육을 수료한 구성원에게 기존 업무량을 그대로 유지한 채 새로운 도구와 작업 방식까지 익히도록 맡겨둔다면, AI 실습은 당장 급하지 않은 일로 취급되어 우선순위에서 밀리기 쉽습니다.
Sunil은 AI를 배우는 과정을 새로운 언어를 배우는 과정에 비유했어요. AI도 언어처럼 실제로 입 밖으로 내어 사용하며 연습하는 절대적인 시간이 필요하다는 의미예요. 그는 실습 시간을 마치 정규 회의처럼 캘린더 일정에 고정하고, 직접 도구를 다루며 결과물을 만들어보는 1시간짜리 전용 블록을 스케줄표에 확보하는 방법을 제안했습니다.
이때 리더가 구성원들의 실습 시간을 확실히 지켜주는 역할을 해야 한다고 거듭 강조했어요. 타 부서의 업무 요청이 들어올 때도 ‘AI 학습과 실험이 현재 우리 팀의 공식 목표 중 하나’라는 점을 명확히 소통하고, 구성원이 해당 시간을 온전히 사용할 수 있도록 업무 우선순위를 조율해 주어야 한다는 것입니다.
학습 전이(Learning Transfer), 즉 배운 내용을 실무에 성공적으로 정착시키는 과정에는 교육 일정과 실제 업무 운영 간의 긴밀한 연계가 필수적입니다. 주간 계획에 AI 적용 과제를 정식으로 포함하고, 필요한 시간을 선제적으로 배정하며, 기존 업무 일정과 충돌할 때 무엇을 우선적으로 조정할지 미리 협의해야 합니다. 단순히 캘린더에 일정을 표시하는 것을 넘어 팀의 운영 방식에 한 단계 더 깊이 개입하는 거예요.
리더가 먼저 경험해야 팀에 필요한 지원이 보입니다
팀에 필요한 시간과 지원을 구체적으로 판단하려면, 리더 역시 직접 AI를 사용해 보아야 합니다.
리더가 직접 실습하며 확인해야 할 3가지
- 필요한 시간 — 초안 생성부터 검토·수정까지 얼마나 걸리나요?
AI가 결과를 생성하는 시간과 사람이 최종 산출물로 완성하는 시간을 함께 확인하고, 팀의 학습과 실습에 필요한 시간을 배정합니다.
- 지원 조건 — 구성원이 업무에 적용하려면 무엇이 필요한가요?
활용할 자료와 도구, 실습 과정에서 막히는 지점을 확인하고, 구성원에게 필요한 준비와 지원을 구체화합니다.
- 적용 범위 — AI에 맡길 작업과 사람이 판단할 작업은 무엇인가요?
AI의 활용 가능성과 검토가 필요한 지점을 직접 확인하고, 업무에 적용할 범위와 사람의 검토 기준을 정합니다.
스파르타 기업교육이 국내 전자 대기업과 함께 진행한 사장단 및 임원 대상 'AI 리더십 과정'은 AI 트렌드 파악 및 의사결정 전략부터 툴을 직접 다뤄보는 핸즈온 실습, 나아가 부문별 과제를 팀 단위로 해결하는 임원 해커톤까지 하나의 흐름으로 이어지도록 구성했습니다. 기술의 거시적인 흐름을 먼저 이해한 뒤, 임원진이 직접 AI를 다루며 조직의 과제를 풀어볼 수 있도록 설계한 교육이에요.
그렇다면 임원 대상 AI 교육은 리더의 어떤 업무에서 출발하면 좋을까요? 현장 Q&A에서 Sunil은 회의 준비와 전사 발표 등 리더의 업무 리듬에 맞춰 AI 활용을 설계하는 관점을 들려주었습니다. 임원 교육을 준비하던 현장 담당자의 질문과 Sunil의 답변을 풀영상에서 확인해 보세요.
조직 내에 이처럼 안전하게 실험할 수 있는 여건이 마련되었다면, 다음으로 마주할 과제는 그 과정에서 얻은 소중한 경험을 동료들의 학습으로 확산시키는 일입니다.
4. 작은 실험을 공유해 동료의 다음 시도로 연결합니다
조직에 새로운 기술을 도입할 때, 같은 업무를 수행하는 동료의 경험은 가장 구체적이고 실용적인 참고 자료가 됩니다. 동료가 어떤 업무에 AI를 적용했는지, 진행 과정에서 어디서 막혔고 이를 어떻게 해결했는지 지켜보다 보면 자연스럽게 자신의 업무 영역에서도 시도해 볼 만한 기회가 보이기 때문이에요.
Sunil은 기술 전문 인력이 전혀 없던 Anthropic의 그로스 마케팅팀에서 한 구성원이 Claude Code를 직접 시도해 본 경험을 공유해 주었습니다. 활용 가능성을 엿본 이 구성원이 툴을 동료들에게 자발적으로 소개했고, 처음에는 낯설어하던 다른 팀원들도 점차 AI를 직접 다루며 자신만의 활용법을 익혀나갔다고 해요. 그는 이 과정에서 작은 성취를 팀원들과 함께 축하하고, 새롭게 알게 된 노하우를 투명하게 공유하며 언제든 다시 도전하는 조직의 유연한 실험 문화가 매우 중요했다고 설명했습니다.
동료가 다시 적용할 수 있도록 과정을 기록하세요
이러한 피어 러닝(Peer Learning)을 체계적으로 운영하기 위해서는 무엇을 어떻게 공유할지 그 기준부터 구체화하는 것이 좋습니다. 단순히 성공적인 결과물만 보여주는 것이 아니라, 어떤 입력 데이터를 사용했고 어떤 프롬프트를 썼는지, 오류는 어디서 발생했으며 결국 사람이 어떤 부분을 수정하고 보완했는지 상세한 기록을 남겨야 다른 구성원들도 쉽게 자신의 업무에 응용해 볼 수 있어요.
앞서 이야기했던 영업팀의 '고객사 자료 정리' 과제를 예로 들어볼게요. 이 경험을 동료들과 나눈다면 아래와 같이 기록해 볼 수 있습니다.
공유할 항목 | 기록 예시
|
해결하려던 업무 | 고객 미팅 전 여러 공개 자료에서 고객사 핵심 정보를 취합하는 작업 |
사용한 자료와 지시 | 회사 소개 및 보도자료를 입력하고 제품, 시장, 사업 동향별로 출처와 함께 정리하도록 요청 |
발견한 오류와 수정 | 서로 다른 연도의 정보가 뒤섞인 부분을 발견하여, 기준일을 명확히 구분하도록 지시어 보완 |
다음에 적용할 범위 | 다른 고객사의 자료 정리에도 동일하게 적용해 보며, 누락된 정보와 추가 수정 사항 점검 |
실무에서 겪는 실패를 다루는 방식도 아주 중요해요. AI가 생성한 초안에서 치명적인 오류나 정보 누락을 발견했을 때, 단순히 폐기하고 넘기기보다는 어떤 자료나 프롬프트를 수정해야 결과물이 개선되는지 팀원들이 함께 검토하는 문화가 필요해요. 이러한 과정을 지속적으로 반복하다 보면 일련의 시행착오가 단순한 낭비가 아닌, 다음 실험을 위한 훌륭한 자산이자 출발점으로 남게 됩니다.
해커톤이 실제 업무로 이어지도록 후속 일정을 연결합니다
AI 해커톤은 이러한 경험을 팀 단위로 폭넓게 확산시킬 수 있는 효과적인 프로그램으로 활용될 수 있어요. 팀별로 해결하고 싶은 현업 과제를 선정하고, 전문가의 코칭을 받으며 프로토타입을 직접 제작한 뒤, 전체적인 문제 해결 과정과 결과를 동료들에게 공유하는 장을 마련하는 거예요.
프로토타입의 완성도를 높여가는 과정에서 구성원들은 자신의 깊은 도메인 지식을 AI 활용과 성공적으로 연결하게 되고, 동료들이 동일한 툴을 전혀 다른 방식의 문제 해결에 적용하는 모습을 보며 좋은 인사이트도 얻게 됩니다.
이러한 해커톤을 일회성 이벤트가 아닌 실제 현업 안착으로 이어가기 위해서는, 결과 발표와 동시에 구체적인 후속 적용 과제를 함께 세워두는 것이 좋아요.
예시 | 해커톤 다음 주의 현업 적용
예를 들어 이번 주에 해커톤을 마친 팀이 다음 주에는 본인의 업무 데이터를 활용해 솔루션을 다시 실행해 보고, 그 과정에서 추가로 보완한 내용을 공유하도록 일정을 자연스럽게 연결해 볼 수 있어요.
이는 해커톤이라는 첫 시도에서 얻은 경험을 실무라는 현실적인 조건에 맞춰 정교하게 다듬어가는 필수 과정이에요.
다음 교육 계획에는 구성원이 직접 바꿀 업무를 함께 적어보세요
조직의 다음 AI 교육을 기획하실 때는 기안서나 계획표의 과정명과 교육 시간 옆에, 구성원이 실제로 바꿔볼 구체적인 업무를 하나씩 적어보시길 권해드립니다. 그리고 그 업무를 수행할 구성원에게 어떤 형태의 실질적인 학습과 지원이 뒷받침되어야 할지 연결해 본다면 더욱 훌륭한 교육 기획안이 될 거예요.
.jpeg%253FspaceId%253D83c75a39-3aba-4ba4-a792-7aefe4b07895%3Ftable%3Dblock%26id%3Dd056b88c-d857-4d0b-948c-0e232ce8a6f2%26cache%3Dv2&w=828&q=85)
“이건 단거리 경주가 아니라 마라톤입니다. 상황은 끊임없이 바뀌지만 결국 중심에는 사람이 있습니다.”
— Sunil Subhedar, AX Leaders Summit
이번 서밋에서는 실무진 설득 과정부터 구성원 개개인의 역량 격차 해소, 그리고 임원진 대상의 AI 교육 기획까지 실제 기업 교육 현장에서 나온 다양한 고민과 질문들이 심도 있게 다뤄졌습니다. 우리 조직과 닮아있는 현장의 질문들에 연사들은 과연 어떤 현실적인 가이드를 내놓았을까요? 인사이트 가득한 키노트 세션부터 열띤 대담, 그리고 사전 및 현장에서 진행된 Q&A까지 모두 담긴 풀영상에서 직접 확인해 보시길 바랍니다.
이어서 다음 글에서는 개별 구성원의 AI 활용을 팀 전체의 업무 방식 개선과 실질적인 조직 성과로 연결하기 위한 구체적인 조직 설계 방안에 대해 살펴보도록 할게요.
Share article