교육과정 기획의 핵심부터 짚어보면
기업교육 전문가 관점에서 보면 교육과정 기획의 출발점이 내부 수요조사라는 사실 자체가 문제는 아니다. 현업 설문은 지금 불편한 업무, 당장 필요한 도구, 직원이 체감하는 역량 부족을 확인하는 데 유용하다. 문제는 내부 설문만으로 연간 교육 포트폴리오를 정할 때 생긴다. 내부 설문은 현재의 불편을 잘 잡지만, 곧 직무 기준이 될 스킬 변화는 채용시장, 임금, 직무명, 공고 문구, 스킬 조합 변화에서 먼저 보이는 경우가 많다.
2026년 자료들은 이 전환을 분명히 보여준다. OECD의 A Skills-First Labour Market은 노동시장 인텔리전스, 직업표준과 직무기술서, 자격 등록과 학습성과를 연결하는 공통 스킬 언어가 필요하다고 본다. IMF의 2026년 보고서는 선진국에서 신규 스킬을 요구하는 채용공고가 약 10개 중 1개 수준이며, 국가마다 신규 스킬 수요와 공급의 불균형이 다르게 나타난다고 분석한다. Lightcast가 Stanford AI Index 2026에 제공한 분석은 2025년 미국 AI 채용공고에서 Python, computer science, scalability, automation, workflow management 같은 실행형 스킬이 크게 늘었음을 보여준다. Coursera의 2026 Job Skills Report도 600만 명 이상의 엔터프라이즈 학습자 데이터를 바탕으로 GenAI 학습 등록이 전년 대비 234% 늘었다고 제시한다.
이 글의 결론은 단순하다. 교육과정 기획은 “무슨 교육을 듣고 싶은가”를 묻는 연 1회 설문에서 시작하면 늦다. HRD는 외부 노동시장 스킬 신호를 월별로 읽고, 내부 스킬 공급과 대조한 뒤, 분기별로 교육 포트폴리오를 조정해야 한다. 운영 모델은 분기별 스킬 신호 리뷰 -> 교육 포트폴리오 조정 -> 90일 파일럿 -> 현업 검증이다. 중요한 것은 인기 스킬을 모두 과정으로 만드는 것이 아니라, 어떤 과정은 신설하고, 어떤 내용은 기존 과정에 삽입하고, 어떤 과정은 실습형으로 전환하고, 어떤 과정은 폐지할지 판단하는 것이다.
노동시장 스킬 인텔리전스는 채용공고 키워드 모음이 아니다
노동시장 스킬 인텔리전스는 외부 채용시장과 직무 변화에서 읽은 스킬 신호를 조직의 교육·채용·배치 의사결정에 연결하는 체계다. 채용공고 텍스트를 수집하는 것만으로는 충분하지 않다. 공고에는 중복, 과장, 벤더 용어, 지역 편향, 대기업 편향, 유행어가 섞인다. 그래서 HRD는 채용공고 키워드를 그대로 과정명으로 옮기면 안 된다.
좋은 스킬 인텔리전스는 최소 네 가지 질문에 답해야 한다.
| 질문 | 봐야 할 신호 | 교육 의사결정 |
|---|---|---|
| 어떤 스킬이 빠르게 부상하는가 | 채용공고 언급률, 6~12개월 증가율, 직무 간 확산 속도 | 파일럿 과정, 기존 과정 삽입 |
| 우리 사업에 중요한가 | 전략 프로젝트, 고객 요구, 규제 변화, 경쟁사 움직임 | 직무군별 우선순위 |
| 내부에 공급이 있는가 | 숙련도 진단, 프로젝트 경험, 내부 이동 후보, 관리자 관찰 | 신설, 리스킬링, 외부 채용 병행 |
| 교육으로 키울 수 있는가 | 훈련 가능성, 적용 과제, 관리자 피드백, 업무 권한 | 실습형 과정, OJT 과제, 코칭 |
이 표에서 핵심은 “외부 수요가 높다”와 “우리 조직이 교육해야 한다”를 구분하는 것이다. 외부에서 빠르게 뜨는 스킬이라도 우리 사업과 연결되지 않으면 관찰 대상에 머물러야 한다. 반대로 내부 설문에서 아직 낮게 나온 스킬이라도 외부 신호가 빠르게 상승하고 전략 직무와 연결된다면, 작은 파일럿으로 먼저 검증해야 한다.
공통 스킬 언어가 없으면 외부 신호와 내부 교육은 연결되지 않는다
OECD의 2026년 A Skills-First Labour Market은 스킬 기반 노동시장과 학습 시스템을 만들려면 공통 스킬 언어가 필요하다고 강조한다. 보고서는 노동시장 인텔리전스와 분석, 직업표준과 직무기술서, 자격 등록과 학습성과가 공통 스킬 언어를 중심으로 연결되어야 한다는 도표를 제시한다.
이 도표가 HRD에 주는 메시지는 분명하다. 외부 노동시장 데이터와 내부 교육 데이터가 서로 다른 언어를 쓰면 교육 포트폴리오 조정은 감에 의존한다. 채용공고에는 “AI workflow automation”이라고 쓰여 있고, 내부 직무기술서에는 “업무개선”이라고 쓰여 있으며, 교육 과정에는 “생성형 AI 활용”이라고 쓰여 있으면 같은 역량인지 알기 어렵다. 이 상태에서는 스킬 수요가 올라가도 어떤 과정을 바꿔야 하는지, 어떤 직무군이 영향을 받는지, 어떤 내부 인재가 전환 가능한지 판단하기 어렵다.
공통 스킬 언어는 거창한 전사 시스템에서 시작하지 않아도 된다. HRD가 먼저 핵심 직무군 5~10개를 정하고, 각 직무군의 핵심 업무, 필요 스킬, 교육 과정, 평가 증거를 하나의 표로 맞추는 것부터 시작할 수 있다. 중요한 것은 스킬을 지나치게 넓게 잡지 않는 것이다. “디지털 역량”은 너무 넓다. “고객 데이터 기반 제안서 작성”, “생성형 AI 결과물 검수”, “민감정보 포함 여부 판단”, “업무 자동화 시나리오 설계”처럼 업무 행동과 연결되어야 한다.
공통 스킬 언어가 생기면 교육과정 기획도 달라진다. 과정명 중심의 카탈로그가 아니라 직무군별 스킬 맵을 기준으로 본다. 신규 과정이 필요한지, 기존 과정에 모듈을 추가하면 되는지, 교육보다 업무 도구와 가이드가 먼저인지, 관리자 코칭이 필요한지 구분할 수 있다.
수요와 공급을 함께 보지 않으면 인기 스킬만 과잉 교육하게 된다
IMF의 2026년 Bridging Skill Gaps for the Future는 신규 스킬의 수요와 공급을 함께 봐야 한다는 점을 잘 보여준다. 보고서는 선진국에서 약 10개 중 1개의 채용공고가 적어도 하나 이상의 신규 스킬을 요구한다고 분석한다. 또 신규 스킬 수요는 국가와 산업, 직무 구조에 따라 다르게 나타나며, 공급은 졸업자 전공, 재훈련 참여, 기초 역량과 연결된다고 설명한다.
기업교육도 같은 방식으로 봐야 한다. 특정 스킬의 외부 수요가 높다고 해서 곧바로 대규모 교육을 열면 안 된다. 내부 공급, 사업 중요도, 훈련 가능성, 적용 기회를 함께 봐야 한다. 예를 들어 데이터 분석 스킬 수요가 높더라도 우리 조직의 핵심 병목이 데이터 해석이 아니라 데이터 품질, 시스템 접근권한, 관리자 의사결정 방식에 있다면 교육만 늘려서는 성과가 나지 않는다. 반대로 외부 수요가 아직 낮아 보이는 스킬이라도 내부 핵심 프로젝트에 필수라면 우선 투자해야 한다.
실무에서는 다음과 같은 점수표가 유용하다.
| 평가 축 | 질문 | 점수 기준 |
|---|---|---|
| 외부 수요 모멘텀 | 시장에서 언급률과 임금 프리미엄이 빠르게 오르는가 | 낮음/중간/높음 |
| 내부 전략 중요도 | 12개월 내 핵심 프로젝트와 직무성과에 연결되는가 | 낮음/중간/높음 |
| 내부 스킬 갭 | 현재 보유자와 검증된 숙련자가 부족한가 | 낮음/중간/높음 |
| 육성 가능성 | 교육, 실습, OJT로 90~180일 안에 키울 수 있는가 | 낮음/중간/높음 |
| 적용 기회 | 교육 후 실제 프로젝트나 업무 권한이 있는가 | 낮음/중간/높음 |
| 데이터·윤리 리스크 | 개인정보, 감시, 편향, 규제 위험이 큰가 | 낮음/중간/높음 |
우선순위는 단순 합산이 아니다. 외부 수요가 높고 내부 갭도 큰데 적용 기회가 없으면 대규모 과정보다 파일럿과 현업 과제 설계가 먼저다. 내부 중요도가 높고 육성 가능성이 낮으면 교육만으로 해결하지 말고 채용, 외부 파트너, 직무 재설계를 함께 검토해야 한다. 데이터·윤리 리스크가 높으면 교육 내용보다 운영 기준과 검수 체계를 먼저 만들어야 한다.
AI 스킬 신호는 직무 교육을 더 세분화하라는 메시지다
AI는 노동시장 스킬 신호를 읽는 좋은 사례다. Lightcast가 Stanford AI Index 2026에 제공한 자료에 따르면 2025년 미국 AI 채용공고에서 가장 많이 언급된 전문 스킬은 Python, computer science, scalability, automation, workflow management, data analysis, SQL, project management, data science, Amazon Web Services였다. Python은 2013~2015년 기준선 대비 391% 늘었고, Amazon Web Services는 1,358% 늘었다.
이 도표는 AI 교육을 “AI 도구 사용법”으로 좁히면 안 된다는 점을 보여준다. AI 수요는 모델 사용법만이 아니라 클라우드, 확장성, 자동화, 워크플로 관리, 데이터 분석, 프로젝트 관리와 함께 움직인다. HRD가 전사 공통 AI 특강만 늘리면 이 변화의 절반도 잡지 못한다. 직무별로 어떤 보완 스킬이 함께 필요한지 봐야 한다.
또 다른 Lightcast 도표는 AI 채용공고 비중이 국가별로 다르게 상승하고 있음을 보여준다. 싱가포르는 2025년 전체 채용공고 중 AI 스킬 언급 비중이 4.69%로 표시되고, 미국은 2.56%, 영국은 1.93%로 나타난다. 이 수치는 국가별 채용시장 구조와 산업 포트폴리오에 따라 AI 수요의 강도가 다르다는 점을 보여준다.
한국 기업교육에 주는 함의는 명확하다. 글로벌 AI 스킬 트렌드를 그대로 가져와 전사 교육명으로 붙이면 안 된다. 우리 산업, 고객, 업무 프로세스, 보안 요구, 데이터 성숙도, 직무군별 권한과 연결해야 한다. 제조 기업의 AI 교육은 품질, 설비, 안전, 표준작업과 연결되어야 하고, 금융·보험의 AI 교육은 설명가능성, 규제, 개인정보, 모델 리스크와 연결되어야 한다. 유통·서비스의 AI 교육은 고객 응대, 재고, 가격, 현장 운영과 연결되어야 한다.
한국 기업교육은 인력수급 전망을 교육 포트폴리오에 더 직접 연결해야 한다
한국의 2026년 고용노동부·한국고용정보원 중장기 인력수급 전망은 기업교육 담당자에게 중요한 배경 신호다. 2024~2034년 전망에서 15세 이상 인구 증가 폭은 과거보다 크게 둔화되고, 경제활동인구는 2030년부터 본격적인 감소세로 전환될 것으로 제시된다. 65세 이상 고령층 비중은 2034년 31.7%까지 확대될 전망이다. 취업자 수는 2024년부터 2034년까지 6.4만 명 증가에 그치며, 2029~2034년에는 감소세로 돌아설 것으로 전망된다.
같은 자료는 AI와 디지털 전환이 산업과 직업별 수요 구조를 바꾸고 있다고 설명한다. 보건복지, 연구개발, 컴퓨터 프로그래밍 등은 증가가 예상되고, 소매업, 도매업, 음식주점업, 건설, 자동차 제조 등 일부 영역은 감소 압력이 예상된다. 직업별로는 돌봄·보건서비스직, 보건전문가, 공학전문가, 정보통신전문가 등에서 수요 확대가 제시된다. 또한 지속적인 경제성장을 위해 2034년까지 추가로 필요한 인력 규모를 122.2만 명으로 전망한다.
이런 전망은 HRD가 교육 포트폴리오를 짤 때 반드시 봐야 할 외부 신호다. 저출생·고령화와 AI 확산은 “신입을 뽑아 해결한다”는 전제를 약화시킨다. 내부 인력의 전환 가능성, 중장년 숙련자의 재배치, 현장직의 디지털 보조도구 활용, 보건·돌봄·기술직의 숙련 형성 속도가 교육 포트폴리오의 핵심 쟁점이 된다.
한국 기업교육이 바꿔야 할 질문은 다음과 같다.
| 기존 질문 | 바꿔야 할 질문 |
|---|---|
| 올해 현업이 요청한 교육은 무엇인가 | 외부 인력수요 변화가 우리 핵심 직무에 어떤 영향을 주는가 |
| 어떤 과정의 신청자가 많은가 | 어떤 스킬의 시장 수요는 오르는데 내부 공급은 부족한가 |
| 어떤 교육을 새로 만들까 | 어떤 교육은 기존 과정에 넣고, 어떤 교육은 줄일까 |
| AI 교육을 몇 명에게 할까 | AI가 직무별 업무 산출물과 판단 기준을 어떻게 바꾸는가 |
| 교육 만족도가 높았는가 | 교육 후 실제 프로젝트와 업무 전환에 쓰였는가 |
이 전환이 없으면 기업교육은 계속 “과정 운영”에 머문다. 인력수급 전망과 노동시장 신호를 읽는 HRD는 과정 목록을 늘리는 대신, 직무군별 스킬 공급을 설계한다.
교육 포트폴리오 조정 회의는 분기마다 열어야 한다
노동시장 스킬 인텔리전스는 보고서로 끝나면 의미가 없다. HRD 운영 회의에 들어와야 한다. 권장 운영 모델은 분기별 스킬 신호 리뷰 -> 교육 포트폴리오 조정 -> 90일 파일럿 -> 현업 검증이다.
1단계: 월별 외부 스킬 신호 수집
HRD, People Analytics, Talent Acquisition, HRBP가 함께 외부 신호를 수집한다. 채용공고, 경쟁사 JD, 임금 프리미엄, 직무명 변화, 산업 리포트, 규제 변화, 기술 벤더 생태계, 자격·인증 변화, 정부 인력수급 전망을 본다. 모든 직무를 다 보려 하지 말고 핵심 직무군 5~10개를 정한다.
2단계: 내부 신호와 연결
외부 신호만으로는 교육 의사결정을 할 수 없다. 내부 스킬 진단, 관리자 평가, 프로젝트 배치 이력, LMS 검색어, 과정 신청 대기, 성과관리 코멘트, 이직 위험, 채용 난이도, 내부 이동 후보를 붙인다. 이때 개인 감시가 아니라 직무군과 스킬군 단위 집계가 기본이다.
3단계: 스킬 상태 분류
직무군별로 스킬을 네 가지로 나눈다.
| 분류 | 의미 | 교육 방향 |
|---|---|---|
| 상승 스킬 | 외부 수요가 빠르게 오르고 내부 중요도도 높음 | 파일럿 후 확대, 실습형 과정 신설 |
| 유지 스킬 | 현재 성과에 계속 필요하지만 급격한 변화는 낮음 | 기존 과정 품질 개선, OJT 강화 |
| 하락·대체 스킬 | 자동화, 시스템 변화, 프로세스 변경으로 중요도가 낮아짐 | 축소, 폐지, 전환 교육 |
| 기초화되는 스킬 | 특정 직무만의 전문성이 아니라 전 직무 기본이 됨 | 공통 모듈 삽입, 직무별 적용 과제 |
4단계: 교육 포트폴리오 결정
결정은 네 가지로 나누어야 한다. 신설, 삽입, 실습형 전환, 폐지·축소다. 대부분의 조직은 신설 결정은 잘하지만 폐지와 축소를 못 한다. 그래서 교육 카탈로그가 계속 비대해지고, 직원은 어떤 교육이 중요한지 모르게 된다.
| 결정 | 적용 조건 | 예시 |
|---|---|---|
| 신설 | 외부 수요와 내부 전략 중요도가 모두 높고 기존 과정이 없음 | AI 품질 검수, 데이터 거버넌스 실습 |
| 기존 과정에 삽입 | 새 스킬이 특정 직무의 기존 업무 방식에 보완적으로 들어감 | 영업 제안 교육에 AI 리서치 모듈 삽입 |
| 실습형 전환 | 지식 전달보다 업무 산출물 변화가 중요함 | 프롬프트 강의를 고객 응대 시나리오 실습으로 전환 |
| 폐지·축소 | 외부 수요, 내부 중요도, 적용 증거가 모두 낮음 | 오래된 도구 사용법, 실제 업무와 단절된 일반론 과정 |
5단계: 90일 파일럿과 현업 검증
새 스킬은 대규모 전사 과정으로 바로 확장하지 않는다. 먼저 90일 파일럿을 운영한다. 대상 직무군을 좁히고, 실제 업무 과제를 넣고, 관리자 피드백을 붙인다. 수료율보다 30일 적용률, 업무 산출물, 프로젝트 반영, 관리자 확인, 품질 변화, 현업 재사용 여부를 본다. 파일럿 후에는 확대, 수정, 중단 중 하나를 결정한다.
데이터 거버넌스 없이는 스킬 인텔리전스가 감시 도구로 바뀐다
노동시장 데이터와 내부 스킬 데이터를 결합하면 의사결정 품질이 높아질 수 있다. 동시에 위험도 커진다. 채용공고 데이터는 특정 플랫폼, 산업, 지역, 대기업을 과대표집할 수 있다. 내부 숙련도 데이터는 자기진단 과대평가, 관리자 편향, 과거 평가의 구조적 편향을 반영할 수 있다. 학습 데이터는 교육 이수와 실제 숙련을 혼동하기 쉽다.
따라서 스킬 인텔리전스 운영에는 최소한의 거버넌스가 필요하다.
| 위험 | 잘못된 운영 | 필요한 기준 |
|---|---|---|
| 채용공고 편향 | 공고 키워드를 그대로 과정명으로 사용 | 중복 제거, 직무군 매핑, 전문가 검증 |
| 내부 평가 편향 | 과거 고성과자만 고숙련자로 분류 | 직무 산출물, 실습 평가, 관리자 관찰 병행 |
| 개인 감시 | 개인별 스킬 점수로 보상·해고 판단 | 팀·직무군 집계, 목적 제한, 정정권 |
| 벤더 종속 | 외부 데이터 모델을 검증 없이 사용 | 데이터 출처, 라이선스, taxonomy 버전 관리 |
| 인과 과장 | 교육 후 성과 변화를 교육 효과로 단정 | 관찰, 상관, 추정, 검증 효과 구분 |
개인 스킬 프로필은 본인에게 열람·정정권이 있어야 한다. 교육 추천과 승진·해고·보상 의사결정은 분리해야 한다. 데이터 보관 기간, 접근권한, 감사 로그, 외부 벤더의 데이터 재사용 금지 조항도 명확히 해야 한다. HRD가 신뢰를 얻으려면 스킬 데이터를 더 많이 모으는 것보다, 어떤 목적에 어떤 단위로 쓰는지 명확히 해야 한다.
교육 포트폴리오를 조정하기 전에 답해야 할 질문
교육 담당자와 HR 리더는 다음 질문을 분기마다 확인해야 한다.
- 이번 분기에 집중할 핵심 직무군 5~10개가 정해져 있는가?
- 각 직무군에서 외부 채용시장 스킬 신호가 빠르게 오르는 영역은 무엇인가?
- 내부 설문에서 낮게 나오지만 외부 시장에서 빠르게 상승하는 스킬은 무엇인가?
- 외부 수요는 높지만 우리 사업과 무관한 스킬을 걸러냈는가?
- 채용공고 키워드를 그대로 과정명으로 옮기지 않았는가?
- 내부 스킬 공급을 자기진단만으로 판단하지 않았는가?
- 상승 스킬, 유지 스킬, 하락·대체 스킬, 기초화되는 스킬을 구분했는가?
- 과정 신설만큼 폐지·축소 기준도 정했는가?
- 새 과정은 90일 파일럿과 현업 적용 과제를 갖고 있는가?
- 교육 추천과 인사평가·보상 의사결정을 분리했는가?
교육과정 기획에 지금 적용할 운영 기준
교육과정 기획은 더 이상 연 1회 내부 설문과 작년 과정 만족도만으로 충분하지 않다. 내부 설문은 현재의 불편을, 노동시장 스킬 신호는 다음 직무 기준을 알려준다. HRD는 두 신호를 연결해 신설·삽입·실습형 전환·축소를 결정해야 한다.
가장 먼저 할 일은 거대한 스킬 플랫폼을 사는 것이 아니다. 핵심 직무군 5개를 고르고, 최근 6~12개월의 채용시장 스킬 신호를 확인하고, 내부 스킬 공급과 교육 포트폴리오를 한 표에 올리는 것이다. 그런 다음 분기별 회의에서 신설, 삽입, 실습형 전환, 폐지·축소를 결정한다. 새 과정은 90일 파일럿으로 검증하고, 수료율보다 적용 증거와 현업 산출물을 본다.
HRD가 경영진에게 보여줘야 할 질문은 “올해 어떤 교육을 열었는가”에서 멈추면 안 된다. 이제는 “노동시장이 요구하는 스킬 변화에 맞춰 우리 교육 포트폴리오를 어떻게 바꾸고 있는가”를 보여줘야 한다. 그것이 내부 설문 이후의 교육과정 기획이다.
함께 읽을 글
출처
- OECD, A Skills-First Labour Market, 2026. https://www.oecd.org/content/dam/oecd/en/publications/reports/2026/06/a-skills-first-labour-market_bd036db7/2e1b85f0-en.pdf
- IMF, Bridging Skill Gaps for the Future: New Jobs Creation in the AI Age, 2026. https://www.imf.org/-/media/files/publications/sdn/2026/english/sdnea2026001.pdf
- Lightcast and Stanford University, Annual AI Index 2026. https://lightcast.io/resources/research/stanford-ai-index-2026
- Coursera, Job Skills Report 2026. https://www.coursera.org/skills-reports/job-skills
- 고용노동부·한국고용정보원, 2024~2034년 중장기 인력수급 전망 보도자료, 2026년 2월 12일. https://www.moel.go.kr/news/enews/report/enewsView.do?news_seq=18965
- 厚生労働省, 職業情報提供サイト job tag. https://shigoto.mhlw.go.jp/User/
이미지 사용 메모:
images/oecd-2026-common-skills-language-page-37.png: OECD 2026 PDF 37쪽 Figure 2.1 발췌. WordPress 업로드 전 OECD 사용 조건 확인 필요.images/imf-2026-new-skills-demand-supply-page-24.png: IMF 2026 PDF 24쪽 Figure 12 발췌. WordPress 업로드 전 IMF 사용 조건 확인 필요.images/lightcast-stanford-ai-index-2026-top-specialized-ai-skills.png: Lightcast Stanford AI Index 2026 웹 이미지 발췌. WordPress 업로드 전 Lightcast/Stanford 사용 조건 확인 필요.images/lightcast-stanford-ai-index-2026-global-ai-postings.png: Lightcast Stanford AI Index 2026 웹 이미지 발췌. WordPress 업로드 전 Lightcast/Stanford 사용 조건 확인 필요.