‘AI를 배우는 조직에서, 일하는 조직으로’를 주제로 한국HRD협회가 개최한 「HRD특별포럼」을 공동으로 주관했던 에이블런에 따르면, 올해 기준 기업들이 (에이블런에게 요청한) AI 교육 상담 문의는 월평균 약 200건에 달할 정도다. 하지만 이런 열풍의 이면에는 짙은 그늘이 존재한다. 에이블런의 조사 결과 AI 교육을 시행하는 기업들의 무려 95%가 ‘교육에 투자한 비용 대비 거둔 성과(ROI)’를 정량화하는 데 있어 어려움을 겪고 있는 것으로 나타났고 교육을 이수한 임직원의 교육 내용 실무 적용률은 21%에 그쳤다. 이와 같은 AI 교육의 한계를 극복하기 위해 「HRD특별포럼」에서 발표를 맡은 강유진 에이블런 연구원은 많은 기업의 AI 교육이 왜 현업의 변화로 이어지지 못하는지를 짚는 동시에 ‘보여주기식’ 교육을 넘어, AI 교육이 전사 차원의 AX 구현에 공헌하기 위한 구체적인 솔루션을 공유했다.

AI 교육의 효과성 입증을 방해하는 걸림돌

성공적인 AI 교육을 시행하려면 설계 단계에서부터 ‘어떤 성과를 낼 것인가’를 보여주는 구체적인 KPI(Key Performance Indicator)를 수립해야 한다. 명확한 교육 목적을 시작으로 정밀한 로드맵이 먼저 설계되어야 한다는 뜻이다. 추가로 교육 내용을 실제 업무 프로세스에 내재화하는 과정과 함께, 경영진이 적극적으로 교육에 참여하고, 교육 시행을 지지하는 환경을 만드는 것이 매우 중요하다. 다만 이런 노력만으로 교육의 ROI가 저절로 높아지는 것은 아니라서 강유진 연구원은 AI 교육의 효과성 입증에 어려움을 겪는 기업들의 문제점을 크게 4가지로 분석했다.

첫 번째는 ‘기능 중심의 교육’이다. 현재 많은 AI 교육이 코딩 방법이나 에이전트 개발 방법 등 기술 습득 위주로 이뤄지고 있는데, 이런 방식은 실무자들이 현업의 진짜 문제를 해결하는 데 적용하기 어렵다는 명확한 한계가 있다. 두 번째는 ‘진단의 부재’다. 우리 조직 구성원의 AI 역량이 어느 수준인지 정확히 모르는 상태에서 AI 교육을 설계하고 진행하는 것은 예산과 시간의 낭비로 이어질 가능성이 높다. 그렇기에 강 연구원은 “직무별 표준 역량체계를 기반으로 개인 맞춤형 AI 교육이 진행되어야 한다.”라며, 구성원들 사이의 AI 역량 격차를 세밀하게 관리하는 것이 핵심이라고 조언했다. 세 번째와 네 번째는 각각 ‘업무 맥락의 부재’와 ‘성과 측정의 부재’다. 실무 환경을 고려하지 않은 일괄적인 교육 방식과, 명확한 KPI 및 ROI 측정을 통한 사후 진단의 부재가 교육과 현업의 단절을 야기하는 결정적인 걸림돌이라는 뜻이다.

▲ AI 교육을 설계할 때는 투 트랙(Two-Track) 전략으로 접근해야 한다고 설명하고 있다.

전공자가 더 크게 성장하는 ‘전문가의 역설’, 해법은 무엇인가

에이블런은 AI 교육을 한 번 이상 받아본 401명의 재직자를 대상으로 설문을 진행했다. 여기서 주안점은 ‘어떤 콘텐츠를 개발할 것인가’가 아닌, ‘실제 AI 역량 향상 정도 파악’이었다. 설문의 결과와 관련해서 먼저 강유진 연구원은 “기업의 규모나 직종에 상관없이 AI를 전공하지 않은 구성원들도 생성형 AI 활용에 대한 관심도는 무척 높다.”라고 말했다. 계속해서 그는 전공자와 비전공자 간 점수 평균 향상 폭 차이에서 AI 전공자의 역량 성장 폭이 비전공자의 그것보다 더 크다고 짚어줬고 이 내용을 ‘전문가의 역설’이라는 표현으로 압축했다.

전문가의 역설은 분야를 막론하고 전공자는 이미 보유한 전문 지식을 체계적으로 구조화해서 이론과 현장 사이의 간극을 메우며 역량/경력개발 영역에서 비전공자보다 빠르게 성장하는 모습을 뜻한다. 이런 현상을 통해서는 HRD스탭들이 비전공자들의 역량개발을 위한 AI 교육에 많은 신경을 기울여야 하지만, 동시에 AI 교육은 핵심 기술 인력의 생산성을 한층 더 높여주며 그렇기에 AI 교육은 효과성이 있다는 결론을 도출할 수 있다. 실제 에이블런의 설문 결과를 통해서는 전공자와 비전공자 모두 AI 역량이 높아졌다.

이런 인사이트를 바탕으로 강 연구원은 “AI 교육을 설계할 때는 반드시 투 트랙(Two-Track) 전략으로 접근해야 한다.”라고 강조했다. 그에 따르면, IT 직군 대상 AI 교육은 개인별 전공 특화 교육, 응용 심화 과정, 생성형 AI를 접목한 실무 파이프라인 혁신 등을 다뤄야 한다. 비전공자의 경우 AI를 활용한 업무 프로세스 개선, 데이터 기반의 의사결정, 윤리 및 사회적 문제에 대한 비판적 사고와 관련한 교육에 초점을 둬야 한다.

이런 ‘투 트랙(Two-Track) 전략’은 일원화된 교육으로 인해 비전공자들에게서 특히 발생하기 쉬운 학습 동기 저하를 방지하는 동시에 AI 교육의 효과를 극대화할 수 있다. 이어서 그는 교육 유형에 따른 영역별 평균 향상도 그래프를 통해 추가적인 인사이트를 공유했는데 “2시간 내외의 특강이나 세미나 등 단기 교육의 경우 실제 역량 향상에 있어 비효율적이다.”라며, “집중적인 원데이 교육 혹은 워크숍을 통해 학습자들의 능동성을 높일 수 있는 학습 환경을 제공해야 한다.”라고 전했다. 유의미한 교육은 학습자들이 적극적으로, 오래 교육에 참여하며 교육에서 다루는 내용을 익힘으로써 만들어지는 까닭이다.

학습자 수준별, 워크플로우 기반 교육과제 설계와 교육 성과 측정

강유진 연구원은 성공적인 전사 AX 확산을 위한 AI 교육에서 가장 먼저 고려해야 할 요소로 ‘조직 내 우선순위 설정’을 꼽았다. 교육 설계 단계에서부터 어떤 구성원에게 AI 교육을 우선적으로 제공할지 명확히 하고, 이런 맞춤형 접근을 통해 교육의 효과를 점진적으로 확산시켜야 한다는 것이다.

연장선에서 그는 현업 중심 교육에서 다뤄야 하는 과제 설계를 위한 ‘워크플로우 기반 4 Steps’를 제시했다. 네 가지 스텝은 순서대로 살펴보면 업무 흐름 분해, 적용 기술 선택, 실습 과제 개발, 품질 지속 장치·성과 확산이었는데 강 연구원은 “AX 교육의 핵심은 단순히 ‘무엇을 가르칠 것인가’가 아니라 ‘어떻게 설계할 것인가’에 있다.”라고 강조했다. 이처럼 정교하게 설계된 체계 덕분에 그는 “단 한 번의 교육을 진행하더라도 현업에 완벽히 최적화되어 있어서 실제 학습자들의 에이블런의 AI 교육에 대한 만족도는 매우 높다.”라고 설명했다.

다음으로 그는 “똑같은 AI 교육을 들어도 효과가 다른 이유는 학습자별 최적 교육 경로를 설계하지 못했기 때문이다.”라며 AI 도구 사용 경험이 거의 없는 ‘입문자’ 단계, 개인 차원에서는 AI를 활용하나 조직 내 활용도는 미미한 ‘활용자’ 단계, AI 결과물을 현업 기준에 맞춰 보완·수정할 수 있으나 전사적으로는 확산되지 못한 ‘숙련자’ 단계, 스스로 AI 자동화 구조를 설계하고 최적화할 수 있는 ‘전문가’ 단계로 경로를 구분했다. 추가로 그는 “AI 교육 로드맵은 당연히 학습자들의 수준별로 달라진다.”라며 탐색, 입문, 직무 활용, 자동화, 확산·심화로 수준을 구분한 뒤 각 수준에 맞는 교육을 추천했고, 교육에 따른 산출몰도 소개했다.

진단 이후 진행되는 단계는 실질적인 ‘교육 성과 측정’이다. 여기에서 강 연구원은 교육이 유용했는가를 판단하는 ‘반응’, AI 활용 역량이 향상됐는가를 측정하는 ‘학습’, 현업에서 실제로 쓰고 있는가를 확인하는 ‘행동’, 업무 성과가 달라졌는가를 측정하는 ‘결과’ 순으로 AI 교육의 성과를 상세하게 측정해야 한다고 강조했다. 또한, 그는 네 단계마다 유용한 측정 도구와 예시 지표를 소개했다. 무엇보다 그는 “교육의 효과성을 평가하는 만족도 조사를 넘어, 실제 레벨 테스트를 통해 구성원의 역량이 얼마나 향상되었는지 객관적으로 수치화하는 작업이 필수적.”이라고 강조했고 “교육 종료 후에도 현업에서 실제로 AI를 활용하고 있는지 추적 설문을 진행함으로써, 궁극적인 교육 KPI를 검증하고 확인하는 것이 중요하다.”라고 덧붙였다.

고품질 AI 교육을 향한 7가지 질문과 3가지 원칙

AI 교육의 ROI를 높이는 방법에 관해 상세하게 발표한 강유진 연구원은 마지막으로 두 가지 메시지를 건넸다.

하나는 AI 교육 로드맵 캔버스인데, ‘우리 조직의 현재 단계는?’, ‘교육 대상은?’, ‘가장 바꾸고 싶은 업무는?’, ‘학습자 수준은?’, ‘가장 큰 리스크는?’, ‘운영 방식은?’, ‘교육 후 남길 결과물은?’이라는 7가지 질문으로 구성되어 있다.