AI 보안교육 논의를 시작하는 장면
직원은 AI를 쓰고 싶어 한다. 더 빨리 초안을 만들고, 회의 내용을 정리하고, 고객 메일을 다듬고, 데이터를 요약하고, 복잡한 문서를 이해하고 싶어 한다. 회사가 승인한 AI 도구가 느리거나, 기능이 부족하거나, 업무 흐름과 맞지 않으면 직원은 더 편한 개인 AI 도구를 찾는다. 이 현상은 보안팀 입장에서는 위험하지만, 기업교육 관점에서는 중요한 신호다. 직원은 일을 더 잘하려고 AI를 쓰고 있다. 문제는 안전하게 쓰는 법을 충분히 배우지 못했다는 점이다.
개인 AI 도구 확산, 흔히 Shadow AI라고 부르는 현상은 단순한 규정 위반으로만 볼 수 없다. 물론 민감정보, 고객 데이터, 인사 정보, 계약서, 소스코드, 재무 자료가 외부 AI 도구에 입력되면 심각한 문제가 생긴다. 그러나 금지 공지만으로는 이 행동을 줄이기 어렵다. 직원이 왜 개인 도구를 쓰는지, 어떤 업무에서 위험이 커지는지, 기업이 제공한 도구와 기준이 왜 충분하지 않았는지까지 봐야 한다.
기업교육 전문가 관점에서 2026년의 결론은 분명하다. AI 보안교육은 “넣지 마라”에서 끝나면 안 된다. 직원이 업무 중 매 순간 판단할 수 있도록 데이터 분류, 안전한 입력, 결과 검수, 공유 기준, 승인 흐름을 습관으로 만들어야 한다. 보안은 별도 부서의 통제가 아니라 전 직원의 업무 방식이 되어야 한다.
AI 보안교육 운영에서 먼저 내려야 할 판단
개인 AI 도구 확산은 직원의 잘못만이 아니라 조직 설계의 실패 신호다. 직원은 속도를 원한다. 회사는 보안과 책임을 원한다. 이 둘을 함께 만족시키는 업무 환경이 없으면 직원은 비공식 경로를 선택한다. 따라서 AI 보안교육의 목적은 직원을 겁주는 것이 아니라, 빠르게 일하면서도 안전 기준을 지킬 수 있는 판단 습관을 만드는 것이다.
Gartner의 2026년 호주 HR 조사에 따르면, 38%의 직원은 직무에서 AI 사용을 기대받고 있었다. 그중 85%는 기업 AI 도구를 제공받았지만, 86%는 효율을 높이거나 더 복잡한 일을 처리하기 위해 개인 AI 도구도 사용했다. 하이브리드 AI 사용자는 유의미한 시간 절약을 보고할 가능성이 2.2배 높았다. 여기서 핵심은 분명하다. 개인 AI 도구는 직원이 게을러서 쓰는 것이 아니다. 업무 속도와 편의성이 실제로 있기 때문에 쓴다.
Gartner의 2026년 5월 발표도 같은 흐름을 더 강하게 보여준다. 기업 AI 접근권이 있는 직원의 88%가 업무를 위해 개인 AI 도구도 사용한다고 했다. 개인 AI 도구를 병행하는 직원은 시간 절약을 보고할 가능성이 1.7배 높지만, 기업 데이터 리스크와 핵심 인재 이탈 리스크도 커진다. 즉 Shadow AI는 생산성 신호이자 리스크 신호다.
이 이중성을 이해하지 못하면 교육이 실패한다. 회사가 “개인 AI 도구를 쓰지 말라”고만 하면 직원은 두 가지 중 하나를 택한다. 아예 AI를 덜 쓰거나, 계속 쓰되 숨긴다. 첫 번째는 생산성 기회를 잃는 길이다. 두 번째는 더 위험하다. 조직이 실제 사용 현황을 보지 못하고, 데이터가 어디로 흘러가는지도 파악하지 못한다. 따라서 교육은 금지보다 투명한 사용 기준을 만들어야 한다.
AI 보안교육이 실패하는 이유
기존 보안교육은 주로 금지와 처벌을 중심으로 설계됐다. 의심스러운 링크를 누르지 말라, 비밀번호를 공유하지 말라, 개인정보를 외부로 보내지 말라, 보안 규정을 위반하면 책임을 질 수 있다. 이런 내용은 여전히 필요하다. 그러나 AI 업무 환경에서는 이 방식만으로 부족하다. AI는 직원의 일상 업무 안으로 들어오기 때문이다.
직원은 문서를 요약하면서 AI를 쓴다. 회의록을 정리하면서 AI를 쓴다. 고객 메일을 고치면서 AI를 쓴다. 코드 오류를 찾으면서 AI를 쓴다. 정책 문서를 해석하면서 AI를 쓴다. 보안 리스크는 별도 사건이 아니라 매일의 입력창에서 생긴다. 따라서 교육도 매일의 업무 판단을 다뤄야 한다.
AI 보안교육이 실패하는 첫 번째 이유는 데이터 분류를 너무 추상적으로 가르치기 때문이다. “민감정보를 입력하지 마세요”라는 문장은 맞지만 충분하지 않다. 직원은 어떤 정보가 민감한지 매번 헷갈린다. 고객 이름만 민감한가, 고객 업종과 거래 규모는 어떤가, 내부 회의 메모는 어떤가, 익명화한 데이터는 안전한가, 계약서의 일부 문장은 넣어도 되는가. 이런 질문에 답하지 못하면 직원은 자기 기준으로 판단한다.
두 번째 이유는 기업 AI 도구의 사용 경험을 교육이 대신하지 못하기 때문이다. 회사가 승인한 도구가 실제 업무 흐름과 맞지 않으면 직원은 다른 도구를 찾는다. 교육에서 아무리 규정을 설명해도, 실무에서 더 빠른 방법이 있으면 직원은 그쪽으로 기울어진다. 그러므로 AI 보안교육은 도구 경험 개선과 함께 가야 한다. CIO, CISO, CHRO가 같이 봐야 하는 이유다.
세 번째 이유는 검수 책임을 명확히 하지 않기 때문이다. 직원은 AI 결과를 어디까지 믿어도 되는지 모른다. AI가 만든 문서가 틀리면 작성자 책임인가, 도구 책임인가, 검토자 책임인가, 팀장 책임인가. 이 기준이 없으면 직원은 AI 사용을 숨기거나, 반대로 결과물을 과신한다. 둘 다 위험하다.
네 번째 이유는 관리자 교육이 빠지기 때문이다. 현장에서 AI 사용 기준을 실제로 해석하는 사람은 관리자다. 관리자가 “그냥 쓰지 말라”고 하면 직원은 혁신을 멈춘다. 관리자가 “알아서 써라”고 하면 리스크가 커진다. 관리자는 업무별 허용 범위, 검수 기준, 예외 처리, 승인 흐름을 설명할 수 있어야 한다.
데이터는 이동하는 순간 리스크가 된다
AI 시대의 보안 리스크는 데이터가 어디에 저장되어 있는가만으로 설명되지 않는다. 데이터가 어디로 이동하고, 누가 접근하고, 어떤 모델과 도구가 처리하고, 결과물이 어디에 공유되는지가 중요하다. World Economic Forum은 2026년 6월 AI-enabled workflows가 조직 내부 데이터를 몇 초 안에 사이버공격에 노출시킬 수 있다고 설명했다. 2025년 글로벌 평균 데이터 침해 비용은 사고당 444만 달러로 추정됐다.
이 수치는 AI 보안교육이 왜 중요한지 보여준다. AI는 데이터 처리 속도를 크게 높인다. 따라서 실수도 빠르게 확산된다. 직원 한 명이 민감한 내용을 외부 도구에 넣으면, 그 정보가 어디에 보관되고 어떻게 재사용될지 알기 어렵다. AI 에이전트나 자동화 흐름이 붙으면 리스크는 더 커진다. 사람이 한 번 복사해 붙여넣는 수준을 넘어, 시스템 사이에서 데이터가 이동할 수 있기 때문이다.
World Economic Forum은 Zero Trust Architecture와 데이터 중심 접근통제의 중요성을 강조했다. 그러나 기술적 통제만으로는 충분하지 않다. 직원이 어떤 데이터를 어떤 환경에서 써야 하는지 이해하지 못하면 우회 행동은 계속 생긴다. 보안은 기술과 행동이 함께 움직일 때 작동한다.
기업교육은 이 지점을 연결해야 한다. 직원에게 암호화나 접근통제의 세부 기술을 모두 가르칠 필요는 없다. 그러나 다음 세 가지는 반드시 이해시켜야 한다. 첫째, 데이터는 입력 순간 통제 범위를 벗어날 수 있다는 점이다. 둘째, AI 결과물도 다시 민감정보가 될 수 있다는 점이다. 셋째, 빠른 업무 처리가 보안 책임을 면제하지 않는다는 점이다.
신뢰 가능한 업무 환경이 Shadow AI를 줄인다
Shadow AI를 줄이는 가장 현실적인 방법은 직원의 속도를 늦추는 것이 아니다. 직원이 안전한 환경 안에서 빠르게 일할 수 있게 만드는 것이다. World Economic Forum은 2026년 6월 AI가 단일 과업이 아니라 전체 업무 흐름에 영향을 주려면 신뢰 가능한 데이터, 표준, 거버넌스가 필요하다고 봤다. 신뢰 없는 AI는 틀린 답을 더 빠르게 확산시킬 수 있다.
이 관점은 기업교육에 매우 중요하다. 직원에게 “승인된 도구만 쓰라”고 말하려면, 승인된 도구가 업무에 실제로 쓸 만해야 한다. 사내 데이터와 연결되어 있고, 보안 기준이 명확하고, 사용 속도가 느리지 않고, 결과물 검수 기준이 있어야 한다. 그렇지 않으면 직원은 승인된 도구를 공식적으로는 사용하지만, 실제 업무에서는 다른 도구를 쓴다.
신뢰 가능한 업무 환경은 네 가지 요소를 갖춰야 한다. 첫째, 신뢰 가능한 데이터다. 직원이 AI에 넣을 수 있는 데이터와 넣을 수 없는 데이터가 분류되어 있어야 한다. 둘째, 신뢰 가능한 도구다. 사내 기준을 만족하고 업무 흐름에 맞아야 한다. 셋째, 신뢰 가능한 기준이다. 결과물을 검토하고 공유하고 승인하는 절차가 있어야 한다. 넷째, 신뢰 가능한 학습이다. 직원이 애매한 상황을 질문하고 사례를 공유할 수 있어야 한다.
교육은 이 네 요소를 업무 습관으로 바꾸는 과정이다. 정책 문서를 한 번 읽게 하는 것으로는 부족하다. 직원이 실제 업무 시나리오에서 판단하고, 동료와 비교하고, 관리자에게 피드백 받는 경험을 해야 한다.
한국 조직이 AI 보안교육을 적용할 때 달라지는 것
한국 기업에서는 AI 보안교육을 IT 보안팀이나 개인정보보호 담당자의 공지로 끝내기 쉽다. 그러나 생성형 AI가 업무 안으로 들어온 뒤에는 HRD가 이 문제에 더 깊게 관여해야 한다. 이유는 간단하다. 리스크는 직원의 행동에서 발생하고, 행동 변화는 교육과 관리자 코칭을 통해 만들어지기 때문이다.
한국 기업의 업무 문화에서는 빠른 처리와 품질 책임이 동시에 요구된다. 보고서 마감이 촉박하고, 고객 응답 속도가 중요하며, 내부 승인 절차도 복잡하다. 직원 입장에서는 AI가 큰 도움이 된다. 그런데 회사가 승인한 도구가 없거나, 있어도 사용법이 불편하거나, 어떤 데이터를 넣어도 되는지 모호하면 개인 도구를 쓰고 싶은 유혹이 커진다.
이때 필요한 것은 금지 강화만이 아니다. 금지 기준은 있어야 하지만, 금지보다 먼저 안전한 대안을 제공해야 한다. 직원이 사용할 수 있는 사내 도구, 입력 가능한 데이터 범위, 익명화 방법, 결과물 검수 기준, 승인 필요 상황을 명확히 해야 한다. 그리고 이 기준을 실제 업무 과제로 훈련해야 한다.
특히 HRD는 직무별 차이를 반영해야 한다. 영업은 고객 정보와 제안서가 핵심 리스크다. HR은 인사평가, 후보자 정보, 급여, 학습 이력이 민감하다. 재무는 실적, 예산, 투자 계획이 중요하다. 개발 조직은 소스코드와 시스템 구조가 민감하다. 고객지원은 상담 내용과 개인정보가 중요하다. 같은 AI 보안교육을 전 직원에게 한 번 배포하는 방식으로는 부족하다.
안전한 AI 활용 교육 7단계
첫 번째 단계는 업무별 데이터 지도를 만드는 것이다. 조직은 먼저 어떤 부서가 어떤 데이터를 다루는지 정리해야 한다. 고객 데이터, 직원 데이터, 계약 데이터, 재무 데이터, 기술 데이터, 공개 데이터, 익명화 데이터처럼 유형을 나눈다. 그리고 각 데이터가 AI 도구에 입력 가능한지, 사내 도구에서만 가능한지, 별도 승인 없이는 금지인지 표시한다. 이 지도는 보안 문서가 아니라 교육의 출발점이다.
두 번째 단계는 입력 기준을 시나리오로 가르치는 것이다. 직원에게 “민감정보를 넣지 말라”고 말하는 대신 실제 문장을 보여줘야 한다. 고객사 이름이 있는 회의록, 익명화된 고객 피드백, 계약 조항 일부, 후보자 이력 요약, 내부 매출 추정치, 소스코드 일부, 장애 로그 같은 사례를 놓고 판단하게 한다. 직원은 사례를 통해 기준을 배운다.
세 번째 단계는 AI 결과물도 다시 분류하게 하는 것이다. 많은 교육이 입력 데이터만 다룬다. 그러나 AI가 만든 결과물도 민감할 수 있다. 고객 정보를 바탕으로 만든 요약, 내부 전략을 반영한 제안서, 인사 데이터를 바탕으로 만든 분석, 보안 로그를 해석한 문서는 결과물 자체가 민감정보가 된다. 교육에서는 “입력 전 분류”와 “출력 후 분류”를 모두 다뤄야 한다.
네 번째 단계는 검수 책임을 명확히 하는 것이다. AI가 만든 결과물은 초안일 뿐이며, 최종 책임은 사람에게 있다. 그러나 “사람이 책임진다”는 말만으로는 부족하다. 어떤 유형의 결과물은 작성자 검수로 충분한지, 어떤 것은 동료 검토가 필요한지, 어떤 것은 관리자나 법무·보안 검토가 필요한지 정해야 한다. 예를 들어 고객 제출 문서, 인사 판단 자료, 법률 리스크가 있는 문서, 외부 공개 자료는 더 높은 검수 기준이 필요하다.
다섯 번째 단계는 승인된 도구의 업무 경험을 개선하는 것이다. 교육 현장에서 직원에게 물어야 한다. 왜 개인 도구를 쓰는가, 사내 도구는 어떤 점이 불편한가, 어떤 업무에서 속도가 느린가, 어떤 기능이 부족한가. 이 피드백은 IT와 보안팀에 전달되어야 한다. 교육은 단방향 전달이 아니라 도구 개선의 입력 채널이 되어야 한다.
여섯 번째 단계는 관리자에게 예외 처리 권한과 기준을 가르치는 것이다. 현장에는 항상 애매한 상황이 생긴다. 직원이 매번 보안팀에 문의할 수는 없다. 관리자는 기본 기준을 알고, 어떤 경우에 승인할 수 있고 어떤 경우에는 상위 검토가 필요한지 알아야 한다. 관리자가 기준을 모르면 팀마다 다른 관행이 생긴다.
일곱 번째 단계는 근접 사고를 학습 자산으로 바꾸는 것이다. 실제 데이터 유출이 발생하기 전에도 위험 신호는 있다. 직원이 민감한 내용을 넣으려다 멈춘 사례, 개인 도구 사용을 고민한 사례, AI 결과물을 외부에 공유하려다 검토한 사례를 모아야 한다. 처벌 목적이 아니라 학습 목적이어야 한다. 근접 사고를 공유하면 조직은 실제 사고 전에 기준을 고칠 수 있다.
직무별 교육 예시
영업 조직의 AI 보안교육은 고객 정보와 제안서 중심이어야 한다. 고객사명, 담당자 이름, 거래 규모, 구매 의향, 경쟁사 정보, 가격 조건은 민감할 수 있다. 교육 과제는 실제 제안서 초안을 놓고 어떤 부분을 AI에 입력할 수 있는지 판단하게 하는 방식이 좋다. 공개된 고객 산업 정보는 활용 가능할 수 있지만, 미공개 협상 조건은 입력하면 안 된다.
HR 조직의 교육은 직원 데이터와 공정성 중심이어야 한다. 후보자 이력, 면접 평가, 직원 성과, 급여, 이동 희망, 교육 이력은 매우 민감하다. AI를 활용해 직무기술서를 다듬거나 교육 안내문을 작성하는 것은 가능할 수 있다. 그러나 개인 식별 정보가 들어간 평가 자료를 외부 도구에 넣는 것은 위험하다. HR 교육에서는 개인정보와 차별 리스크를 함께 다뤄야 한다.
개발 조직의 교육은 소스코드와 시스템 정보 중심이어야 한다. 코드 오류 해결에 AI가 도움이 될 수 있지만, 사내 시스템 구조, API 키, 로그, 취약점 정보, 고객 데이터가 섞인 코드 조각은 위험하다. 개발자는 기술적으로 능숙하기 때문에 보안 기준도 스스로 판단한다고 생각하기 쉽다. 그러나 AI 도구의 데이터 처리 방식과 기업의 책임 기준은 별도로 배워야 한다.
고객지원 조직의 교육은 상담 내용과 감정적 맥락 중심이어야 한다. 상담 요약과 답변 초안에 AI를 활용할 수 있지만, 고객 개인정보나 민감한 불만 내용이 그대로 외부 도구로 들어가면 안 된다. 또한 AI가 만든 답변은 공감과 책임을 충분히 담지 못할 수 있다. 교육에서는 개인정보 마스킹, 답변 검수, 예외 상황 판단을 함께 훈련해야 한다.
재무와 법무 조직의 교육은 외부 공개 가능성과 책임 기준 중심이어야 한다. 재무 수치, 예산 계획, 투자 검토, 계약 조항, 분쟁 가능 문서는 작은 문장 하나도 큰 리스크가 될 수 있다. AI는 문장을 정리하는 데 도움을 줄 수 있지만, 판단과 승인 책임은 명확해야 한다. 이 조직에는 더 높은 검수 기준과 승인 흐름이 필요하다.
측정 지표를 바꿔야 한다
AI 보안교육의 성과를 수료율로만 보면 안 된다. 수료율은 직원이 영상을 봤는지 알려줄 뿐, 안전하게 판단할 수 있는지는 알려주지 않는다. 기업은 최소한 여섯 가지 지표를 봐야 한다.
첫째, 데이터 분류 정확도다. 직원이 실제 사례에서 입력 가능, 제한, 금지를 구분할 수 있는지 확인한다. 둘째, 승인된 도구 사용률이다. 직원이 사내 기준을 만족하는 도구를 실제 업무에 쓰는지 본다. 셋째, 개인 AI 도구 사용 이유다. 단순 비율보다 이유가 중요하다. 속도, 기능, 접근성, 품질, 편의성 중 무엇 때문인지 봐야 한다.
넷째, 검수 준수율이다. AI 결과물이 필요한 수준의 검토를 거쳤는지 확인한다. 다섯째, 근접 사고 보고 수다. 보고가 늘었다고 나쁜 것만은 아니다. 초기에는 보고가 늘어야 조직이 배우고 있다는 신호일 수 있다. 여섯째, 업무 성과와 안전의 균형이다. AI를 쓰면서 리드타임은 줄고, 데이터 사고는 늘지 않아야 한다.
이 지표를 보면 AI 보안교육은 통제 활동이 아니라 업무 개선 활동이 된다. 직원의 속도를 무조건 늦추는 것이 아니라, 안전하게 빠르게 일하는 기준을 만드는 것이다.
AI 보안교육을 60일 동안 시험하는 설계
개인 AI 도구 확산을 다루는 교육은 60일 파일럿으로 시작할 수 있다. 첫 2주는 현황 진단이다. 직원에게 어떤 AI 도구를 어떤 업무에 쓰는지 익명으로 묻는다. 중요한 것은 처벌하지 않는다는 신뢰다. 직원이 솔직히 말하지 않으면 조직은 실제 리스크를 볼 수 없다.
3~4주는 데이터 분류와 업무 시나리오 설계다. 부서별로 자주 쓰는 문서와 데이터를 모아 입력 가능, 제한, 금지 사례를 만든다. 실제 업무 자료를 그대로 쓰면 위험하므로 익명화하거나 가상 사례로 바꾼다. 그러나 상황은 현실적이어야 한다.
5~6주는 실습과 관리자 피드백이다. 직원은 시나리오별로 AI 사용 여부, 입력 방식, 검수 기준, 공유 범위를 판단한다. 관리자는 팀 기준을 설명하고 예외 상황을 다룬다. 보안팀은 정답을 알려주는 역할보다 판단 근거를 설명하는 역할을 맡는다.
7주는 도구 경험 개선 워크숍이다. 직원이 왜 개인 도구를 쓰는지, 승인된 도구에서 무엇이 불편한지, 어떤 기능이 필요한지 정리한다. 이 결과는 IT와 보안, HR이 함께 검토한다. 교육에서 나온 피드백이 실제 도구 개선으로 이어져야 직원이 기준을 신뢰한다.
8주는 지표와 확장 계획을 정리한다. 데이터 분류 정확도, 승인된 도구 사용률, 근접 사고 보고, 검수 준수율, 업무 리드타임 변화를 확인한다. 그 뒤 다음 부서로 확장하거나, 특정 고위험 직무에 더 깊은 교육을 설계한다.
AI 보안교육 도입 조건을 확인하는 항목
개인 AI 도구 확산을 교육으로 관리하려면 다음 질문을 점검해야 한다.
- 직원이 어떤 개인 AI 도구를 어떤 업무에 쓰는지 실제로 알고 있는가?
- 현황 조사가 처벌이 아니라 개선 목적이라는 신뢰를 주고 있는가?
- 부서별 데이터 지도가 있는가?
- 직원이 입력 가능, 제한, 금지 데이터를 실제 사례로 구분할 수 있는가?
- AI 결과물도 다시 분류하고 검수하도록 가르치고 있는가?
- 고객 제출, 인사 판단, 법무·재무 문서, 외부 공개 문서의 검수 기준이 별도로 있는가?
- 승인된 AI 도구가 실제 업무 속도와 품질 요구를 만족하는가?
- 직원이 개인 도구를 쓰는 이유를 수집해 도구 경험 개선에 반영하는가?
- 관리자가 애매한 상황의 예외 처리 기준을 설명할 수 있는가?
- 근접 사고를 처벌이 아니라 학습 자산으로 다루고 있는가?
AI 보안교육 논의 끝에 남는 실행 판단
개인 AI 도구 확산은 막아야 할 위험이지만, 동시에 들어야 할 신호다. 직원은 더 빠르고 더 나은 업무 방식을 찾고 있다. 회사가 안전한 대안을 제공하지 못하면 직원은 비공식 경로를 선택한다. 이때 금지만 강화하면 사용은 줄어드는 것이 아니라 숨겨진다.
AI 보안교육은 이제 규정 전달에서 업무 습관 설계로 바뀌어야 한다. 직원은 어떤 데이터를 넣어도 되는지, 어떤 결과물을 다시 분류해야 하는지, 언제 검토를 받아야 하는지, 어떤 도구를 써야 하는지, 애매할 때 누구에게 물어야 하는지 알아야 한다. 이 기준이 몸에 익어야 안전한 AI 활용이 가능하다.
2026년의 기업교육은 생산성과 보안을 따로 보지 않아야 한다. 빠르게 일하는 법과 안전하게 일하는 법을 함께 가르쳐야 한다. Shadow AI를 줄이는 가장 좋은 방법은 직원의 속도를 빼앗는 것이 아니라, 신뢰 가능한 환경 안에서 더 잘 일하게 만드는 것이다. 이것이 AI 보안교육이 가야 할 방향이다.
함께 읽을 글
- AI 리터러시 교육의 기준: 한 번의 특강보다 반복 훈련이 성과를 만든다
- AI 시대 기업교육의 성패는 강의 수가 아니라 성과-학습 루프에 달려 있다
- 중간관리자 AI 교육이 없으면 AI 도입은 팀장 앞에서 멈춘다
출처
- Gartner, “Gartner HR Survey Finds AI is Boosting Productivity but Widening Workforce Divisions in Australia”, 2026-06-02, https://www.gartner.com/en/newsroom/press-releases/2026-06-02-gartner-hr-survey-finds-ai-is-boosting-productivity-but-widening-workforce-divisions-in-australia
- Gartner, “Gartner Predicts by 2027, 50% of Enterprises Without a People-Centric AI Strategy Will Lose Their Top AI Talent”, 2026-05-13, https://www.gartner.com/en/newsroom/press-releases/2026-05-13-gartner-predicts-by-2027-50-percent-of-enterprises-without-a-people-centric-ai-strategy-will-lose-their-top-ai-talent
- World Economic Forum, “How to update data privacy tools to cut cybersecurity risk in the AI era”, 2026-06-15, https://www.weforum.org/stories/cybersecurity/update-data-privacy-tools-cybersecurity-risk-ai-era/
- World Economic Forum, “Why companies should use AI to influence entire workflows, not just complete simple tasks”, 2026-06-03, https://www.weforum.org/stories/artificial-intelligence/companies-ai-workflows-not-simple-tasks/
- World Economic Forum, “Global Cybersecurity Outlook 2026”, https://www.weforum.org/publications/global-cybersecurity-outlook-2026/in-full/3-the-trends-reshaping-cybersecurity/
- IPA, “デジタルスキル標準ver.2.0を公開”, 2026-04-16, https://www.ipa.go.jp/pressrelease/2026/press20260416.html
- 経済産業省, “AI事業者ガイドライン”, 2026-03-31, https://www.meti.go.jp/shingikai/mono_info_service/ai_shakai_jisso/20260331_report.html