L&D 팀 AI 역량은 도구 사용법이 아니라 과제 분해, 근거 검증, 데이터 경계, 설계 반려, 시연·금지 기준을 정하는 판단력입니다. 교육 담당자가 스스로 점검할 자가진단 문항과 능력별 판정 기준, 다음 분기 학습 경로를 정리했습니다.

L&D 팀 AI 역량, AI가 만든 교육안을 반려할 수 있는가

월요일 오전, 신임 팀장 과정 개편안이 책상에 올라온다. 초안은 금요일 오후 두 시간 만에 나왔다. 학습목표 여덟 줄, 모듈 다섯 개, 사례 열두 개, 평가 문항 스무 개가 이미 채워져 있다. 사례 하나에는 국내 제조사의 교대조 개편 실패담이 회사명과 연도까지 붙어 있다. 그 사례를 어디서 가져왔느냐고 물으면 대답이 늦어진다. 초안을 만든 도구는 답하지 못하고, 답해야 할 담당자는 아직 확인하지 않았다.

L&D 팀 AI 역량은 교육 담당자가 무엇을 AI에 맡기고 무엇을 직접 판단할지 구분한 뒤, 그 판단의 근거를 조직이 다시 검토 가능한 형태로 남기는 실무 능력이다. 계정 수, 프롬프트 길이, 제작 기간 단축률로는 잴 수 없다.

교육 담당자의 AI 역량이 조직 전체 AI 교육 품질의 상한선을 정한다. 자기가 검증하지 못하는 산출물의 검증 기준을 남에게 가르칠 방법은 없기 때문이다.

여덟 개 문항으로 먼저 재는 L&D 팀 AI 역량의 현재 위치

진단부터 한다. 아래 문항 중 “지난 30일 안에 실제로 그렇게 했다”고 답할 항목만 센다. 계획이나 의지는 세지 않는다.

지난달 만든 과정에서 AI에 맡긴 작업과 사람이 판단한 작업을 목록으로 구분해 두었다.
AI가 인용한 통계 하나를 골라 원문 페이지까지 열어 본 기록이 남아 있다.
프롬프트에 넣지 않기로 정한 학습 데이터 항목을 문서로 관리한다.
AI가 만든 설계안을 품질 기준 미달을 이유로 반려한 사례가 있다.
현업 교육에서 시연할 AI 활용과 금지할 활용을 각각 예시로 준비했다.
팀원별로 어느 능력이 부족한지 이름을 붙여 말한다.
AI 산출물을 배포한 뒤 발생한 오류를 추적해 남긴 문서가 있다.
도구를 계약하기 전에 팀 역량을 먼저 측정한 결과가 남아 있다.

여섯 개 이상이면 그 팀은 AI를 운영한다. 세 개 이하면 AI를 사용할 뿐 운영하지는 않는다.

이 진단이 개인의 자책으로 끝나면 안 되는 이유는 숫자에 있다. LPI와 Abodoo는 2022년 10월부터 2026년 5월까지 1,874개 조직 소속 L&D 전문가 3,575명의 자기평가 역량 데이터를 모았다. 전체 평균 숙련도는 4점 만점에 2.05였고, AI 리터러시는 1.54로 프레임워크 전체에서 가장 낮았다. 개별 역량으로 내려가면 AI 시스템 상호운용이 1.11, L&D를 위한 AI 데이터 리터러시가 1.41이다. 반대로 솔루션 설계·개발은 2.38, 학습 촉진은 2.36으로 가장 높다.

L&D 팀 AI 역량 자가평가에서 AI 리터러시가 1.54점으로 최저임을 보여주는 LPI 요약 지표 페이지

LPI·Abodoo 공개 요약본 3쪽. 자기평가라는 점을 감안하면 실제 수준은 이보다 낮을 가능성이 크다. WordPress 게시 전 재사용 범위를 사람이 확인해야 한다.

분포는 한 문장으로 읽힌다. 교육 담당자는 오래 해 온 일에서 능숙하고, 지금 조직이 요구하는 일에서 초급이다. 강점은 AI가 이미 보조하는 영역에 몰려 있고, 약점은 사람만 책임지는 판단 영역에 몰려 있다.

과제를 AI가 맡을 단위로 쪼개지 못하면 프롬프트만 길어진다

첫 능력은 분해다. “신임 팀장 과정을 만들어 줘”라고 요청하면 결과는 어느 회사에나 적용되는 평균값으로 돌아온다. 요청이 크면 클수록 산출물은 무난해지고, 무난한 산출물은 현업에서 쓰이지 않는다.

분해란 과정 제작을 여러 작업으로 나누고 각 작업의 입력 자료, 기대 산출물, 검수자, 불합격 조건을 정하는 일이다. 신임 팀장 과정이라면 이렇게 갈린다. 현업 인터뷰 녹취에서 반복되는 실패 상황을 뽑는 작업은 AI가 맡는다. 그 상황이 교육으로 풀 문제인지 아니면 권한 설계 문제인지 가르는 판정은 사람이 한다. 학습목표 문장화는 AI 초안에 담당자가 확정을 얹는다. 평가 문항의 난이도 균형 점검은 AI가, 그 문항이 지식이 아니라 판단을 재는지 검토하는 일은 사람이 맡는다.

판정 기준은 단순하다. 과정 하나를 여덟에서 열두 개 작업으로 나누고 작업마다 검수자와 불합격 조건을 즉석에서 적는다. 이 표를 그리지 못하면 아직 분해가 안 되는 상태다.

LPI 데이터에서 AI 시스템 상호운용이 1.11로 최저인 것도 같은 자리를 가리킨다. 도구를 업무 흐름의 어느 지점에 끼울지 정하지 못하면 도구는 흐름 밖에서 따로 돈다. 분해가 되면 프롬프트는 오히려 짧아진다.

AI가 붙인 근거는 원문까지 되짚어야 근거가 된다

둘째 능력은 검증이다. 생성 도구는 그럴듯한 출처 형식을 잘 만든다. 기관명, 연도, 페이지 번호가 붙어 있어도 그 조합이 실재를 보증하지는 않는다. 형식은 신뢰의 근거가 아니라 신뢰를 흉내 내는 장치다.

검증은 네 단계로 끝난다. 원문 링크를 직접 열고, 해당 페이지에서 숫자를 눈으로 찾고, 표본과 기간과 정의를 확인하고, 인용 문장이 원문의 결론을 뒤집지 않는지 본다. 네 번째가 가장 자주 무너진다. 원문이 “상관관계가 관찰됐다”고 쓴 대목이 교재에서 “효과가 입증됐다”로 바뀌는 식이다. 정의가 어긋나는 사례도 흔하다. 어떤 조사의 교육시간은 법정교육을 포함하고 어떤 조사는 제외한다. 수료가 평가 통과를 뜻하는 곳도, 출석만 뜻하는 곳도 있다.

판정 기준은 시간으로 잡는다. 최근 만든 과정에서 인용 수치 세 개를 무작위로 뽑았을 때 30분 안에 원문 위치를 제시하면 통과다. 30분이 넘는다면 검증을 안 한 것이 아니라 검증 기록을 남기지 않은 것이고, 기록이 없는 검증은 담당자가 바뀌는 순간 사라진다. 수치 옆에 원문 URL과 페이지 번호, 확인한 날짜를 같이 적어 두면 다음 개편에서 같은 확인을 반복하지 않아도 된다.

OECD는 AI 리터러시를 AI 기술을 비판적으로 평가하고, AI와 효과적으로 소통·협업하며, AI를 도구로 사용하는 역량으로 정의한다. 첫 항목이 비판적 평가라는 순서가 중요하다. 검증 능력이 없는 담당자를 통과한 교육 콘텐츠는 조직 안에서 오류가 가장 빠르게 퍼지는 경로가 된다.

학습 데이터의 반출 경계는 법무보다 담당자가 먼저 긋는다

셋째 능력은 경계 판단이다. 학습 데이터가 외부 모델로 나가는 순간은 프롬프트 창에 붙여 넣는 그 순간이다. 법무 검토는 그 뒤에 온다. 담당자가 붙여 넣기 전에 판단하지 않으면 통제 지점은 이미 지나간 뒤다.

경계에 놓이는 자료는 정해져 있다. 인사평가 코멘트, 일대일 코칭 기록, 미공개 조직개편안, 고객사 사례, 개인을 식별하는 학습 로그, 진단 결과지가 그렇다. 이름을 지우면 된다는 생각이 여기서 무너진다. 부서와 직급과 연차를 조합하면 소수 인원은 다시 특정된다. 열 명짜리 팀의 코칭 기록에서 이름을 지워도 팀장은 누구 이야기인지 안다.

판정 기준은 목록의 존재 여부다. 학습 데이터를 그대로 넣어도 되는 것, 가공한 뒤 넣는 것, 어떤 형태로도 넣지 않는 것으로 나누고 항목마다 판단 근거와 재검토 날짜를 적는다. 사안이 생길 때마다 법무에 묻고 답을 기다린다면 그 팀에는 경계가 없는 것이다.

LPI 데이터에서 L&D를 위한 AI 데이터 리터러시가 1.41로 두 번째로 낮은 개별 역량이라는 사실은 우연이 아니다. 학습 데이터는 HR 데이터 중 민감도가 낮다고 오해되지만, 실제 내용은 개인이 무엇을 못했는지에 관한 기록이다.

AI가 만든 설계는 사람의 반려 기준을 통과해야 배포된다

넷째 능력은 품질 판정이다. AI 초안은 대체로 매끄럽다. 문장이 고르고 구조가 정연하며 용어가 일관된다. 매끄러움은 품질의 증거가 아니라 품질 판단을 늦추는 요인이다.

반려 기준은 다섯 질문으로 충분하다. 학습목표가 관찰 가능한 행동으로 쓰였는가. 사례가 우리 회사의 제약과 권한 구조를 반영하는가. 평가 문항이 지식이 아니라 판단을 재는가. 실습 시간이 현업의 실제 일정 안에 들어가는가. 난이도가 대상자의 현재 수준과 맞는가. 이 중 두 개 이상이 걸리면 수정이 아니라 반려다.

AI가 잘 만드는 영역과 못 만드는 영역은 갈린다. 구조, 분량, 용어 일관성은 잘 만든다. 조직 맥락, 실패 사례의 진짜 원인, 현업이 저항하는 지점은 못 만든다. 뒤쪽은 담당자가 인터뷰와 관찰로 얻은 것이지 학습된 패턴으로 복원되지 않는다.

판정 기준은 반려율이다. 지난 분기 AI 초안 반려율이 0퍼센트라면 초안이 훌륭해서가 아니라 반려 기준이 없어서일 가능성이 크다. 반려 사유가 “어색하다” 하나뿐인 경우도 같다. LPI에서 솔루션 설계·개발이 2.38로 가장 높다는 점은 여기서 자산이 된다. 설계를 아는 사람만 설계를 반려한다.

현업 교육에서는 시연할 것보다 금지할 것을 먼저 정한다

다섯째 능력은 기준 설정이다. 담당자가 현업에 AI 활용을 가르칠 때 시연 목록만 준비하면 학습자는 경계를 배우지 못한다. 잘 쓰는 법을 배운 사람은 더 많이 쓰고, 어디서 멈추는지 배우지 못한 사람은 더 위험하게 쓴다.

금지 목록이 먼저다. 고객 개인정보를 외부 도구에 입력하는 행위, 미공개 재무 수치를 요약시키는 행위, 징계·평가·채용의 최종 판단을 모델에 넘기는 행위, 출처를 확인하지 않은 문장을 대외 문서에 넣는 행위가 여기 들어간다. 시연은 그다음이다. 좋은 시연은 사용법을 보여주는 장면이 아니라 담당자가 결과를 의심하고 멈추는 장면을 포함한다.

L&D 팀 AI 역량 다섯 과제 중 거버넌스·표준·안전한 사용이 1.53점으로 가장 낮은 LPI 막대그래프

LPI·Abodoo 공개 요약본 5쪽. 다섯 과제 중 거버넌스·표준·안전한 사용만 1.53으로 발달 기준선 2.0에서 크게 떨어진다. WordPress 게시 전 재사용 범위를 사람이 확인해야 한다.

같은 자료에서 인간 스킬과 리더십 유지는 2.17, 변화 속도 따라잡기는 2.11, AI 문화와 행동 변화는 1.99, 학습전략에 AI를 내재화하는 과제는 1.87이다. 가장 시급한 과제가 가장 낮은 점수를 받았다는 뜻이다. 판정 기준은 준비물이다. 다음 교육에서 시연할 세 장면과 금지할 세 장면을 화면 단위로 준비해 두면 통과다.

다섯 능력은 태도가 아니라 관찰 가능한 행동으로 판정한다

역량 논의가 흐려지는 지점은 판정 방식이다. “AI에 관심이 많다”, “적극적으로 활용한다” 같은 표현은 아무것도 판정하지 못한다. 다섯 능력은 각각 산출물로 확인한다.

실무 능력	통과 판정 기준	못 할 때 나타나는 신호
과제 분해	과정 하나를 8~12개 작업으로 나누고 작업별 입력·산출물·검수자·불합격 조건을 적는다	프롬프트가 길어지고 같은 요청에 결과가 매번 달라진다
근거 검증	인용 수치 세 개를 무작위로 뽑아 30분 안에 원문 위치를 제시한다	출처 목록은 있으나 그 페이지를 열어 본 사람이 없다
데이터 경계	학습 데이터를 허용·가공·금지 세 칸으로 나누고 근거와 재검토일을 적는다	사안이 생길 때마다 법무에 묻고 답을 기다린다
설계 반려	지난 분기 AI 초안의 반려 사유를 항목별로 제시한다	반려율이 0퍼센트이거나 사유가 “어색하다” 하나뿐이다
시연·금지	다음 교육의 시연 장면 3개와 금지 장면 3개를 화면 단위로 준비한다	사용법만 가르치고 중단 지점을 가르치지 않는다

자기평가만으로 재면 점수는 언제나 후하게 나온다. LPI 데이터 역시 자기평가인데도 AI 리터러시가 1.54에 머물렀다는 점을 기억할 만하다. 그래서 판정은 회의실에서 파일을 여는 방식으로 한다. 팀 회의에서 한 사람이 실제 작업 분해표나 반려 기록을 화면에 띄우면 그 자리에서 판정이 끝난다.

이 진단은 인사평가가 아니다. 누가 부족한지 표시하려는 것이 아니라 누구에게 어떤 학습을 배정할지 정하려는 것이다.

콘텐츠 생산 속도는 다섯 능력 중 한 조각일 뿐이다

“AI로 과정 제작 기간을 절반으로 줄였다”는 보고는 다섯 능력 중 분해 하나를 부분적으로 증명한다. 나머지 넷에 관해서는 아무 말도 하지 않는다. 속도 지표만 세우면 검증과 경계 판단과 반려는 전부 비용으로 보인다. 반려는 일정 지연이고, 검증은 추가 공수이며, 금지 목록 작성은 당장 눈에 보이는 성과가 없다.

실제로 줄어든 것은 초안 작성 시간이지 판단 시간이 아니다. 판단 시간을 함께 줄이면 줄어든 만큼이 나중에 정정 비용으로 돌아온다.

OECD는 고급 AI 스킬을 AI 시스템을 개발하거나 고도로 활용하는 데 필요한 능력으로 정의하고, 그런 스킬을 가진 노동자가 전체 노동인구의 약 1퍼센트라고 본다. 대다수 노동자에게 필요한 것은 AI와 상호작용하는 리터러시이며, 리터러시 훈련은 고급 AI 스킬 훈련만큼 중요하다는 것이 같은 보고서의 판단이다. 교육 담당자는 그 1퍼센트가 아니라 리터러시의 최전선에 선다. 콘텐츠 공장 관리자가 아니라 판단 기준의 관리자라는 뜻이다.

검증을 건너뛴 산출물과 역량 없이 산 도구는 같은 청구서를 남긴다

검증 없이 배포한 산출물은 네 가지 비용을 남긴다. 잘못된 수치가 사업부 보고서에 재인용된다. 존재하지 않는 사례를 현업이 사실로 학습한다. 정정 공지가 나가면서 교육팀 자료 전체의 신뢰도가 깎인다. 그리고 재작업 공수가 든다.

가장 비싼 것은 재작업이 아니라 세 번째다. 한 번 정정하면 다음 과정의 모든 수치가 의심받는다. 교육팀이 사업부에 자료를 들고 갈 때마다 출처 질문이 먼저 나오는 조직은 대개 이 경험을 한 조직이다.

역량을 갖추기 전에 도구부터 도입한 팀의 실패 경로도 거의 같다. 데모에서 감탄하고, 연간 계약을 하고, 전원에게 계정을 배포한다. 첫 2주 사용량이 치솟고, 6주가 지나면 몇 명만 남는다. 갱신 시점에는 “우리 조직에는 맞지 않았다”는 결론이 나온다. 원인은 도구가 아니다. 분해가 없어 어떤 작업에 넣을지 몰랐고, 검증 절차가 없어 결과를 업무 문서에 올릴 수 없었고, 경계가 없어 쓸 만한 데이터를 넣지 못한 것이다. 학습전략에 AI를 내재화하는 과제가 1.87에 머문다는 수치는 이 경로를 요약한다.

담당자 역량 격차는 조직 AI 교육 품질의 상한선이 된다

이 구조는 단순하고 냉정하다. 교육 담당자는 조직의 AI 사용 기준을 설계하고 가르치는 사람이다. 자기가 하지 못하는 판단은 커리큘럼에 들어가지 않는다.

전파는 세 단계로 이뤄진다. 담당자가 검증하지 않으면 교재에 검증 절차가 실리지 않는다. 교재에 없으면 학습자는 검증을 배우지 않는다. 검증을 배우지 않은 학습자가 만든 산출물을 담당자가 다시 검수하지 못한다. 세 단계가 한 바퀴 돌면 조직은 AI를 많이 쓰지만 아무도 결과를 책임지지 않는 상태에 도달한다.

전 직원 AI 리터러시 프로그램의 실효성이 담당자 역량에 종속되는 이유가 여기 있다. 좋은 커리큘럼을 외부에서 사 와도 사내 검수자가 그 기준을 판정하지 못하면 기준은 유지되지 않는다. OECD가 재정 인센티브 중심 정책의 한계를 지적하면서 진로 안내, 민관 협력, 강사 양성 프로그램이 더 넓은 대상에 닿는다고 본 것도 같은 구조를 다른 층위에서 말한 것이다. 가르치는 사람의 역량이 먼저다.

한국 기업교육팀은 AI 역량을 개인 숙제가 아니라 팀 배치로 다뤄야 한다

한국 기업의 교육팀은 대개 서너 명에서 일고여덟 명 규모다. 그 안에서 AI를 잘 쓰는 한 사람에게 일이 몰리고, 나머지는 그 사람의 산출물을 검수 없이 받는 구조가 자주 생긴다. 다섯 능력을 전원이 같은 수준으로 갖추라는 요구는 이 규모에서 현실적이지 않다.

대신 배치로 접근한다. 과제 분해와 설계 반려는 교수설계 담당이 맡는다. 근거 검증은 리서치와 콘텐츠 담당이 주도하되 전원이 최소 기준을 공유한다. 학습 데이터 경계는 HR 데이터·개인정보 담당과 공동으로 정한다. 시연과 금지 기준은 팀장이 최종 승인한다. 검증만은 예외 없이 전원 공통이어야 한다. 한 사람에게 몰면 그 사람이 병목이 되고, 병목은 결국 생략된다.

외부 강사와 제작 벤더가 들어오는 구간에도 같은 기준을 적용한다. 벤더가 AI로 만든 산출물을 납품할 때 어떤 작업에 어느 도구를 썼는지, 인용 수치를 누가 확인했는지 계약서에 적어 두지 않으면 검수 책임은 조용히 교육팀으로 넘어온다.

그룹사라면 본사가 금지 목록과 판정 기준의 공통 뼈대를 만들고 계열사가 자기 업무 맥락의 예시를 채우는 편이 낫다. 일본 법인을 함께 운영한다면 デジタルスキル標準 ver.2.0이 데이터 관리 유형을 신설하고 AI 활용·거버넌스 관련 스킬을 보강한 방향을 사내 기준과 대조해 볼 만하다. 외부 표준은 사내 역량 배치를 대신하지 않지만 빠진 칸을 보여준다.

다음 분기에 확인할 것은 수강 이력이 아니라 판단의 증거다

학습 경로는 네 마디로 잡는다. 첫 2주에는 팀 전원이 여덟 문항으로 자가진단하고 산출물로 교차 확인한다. 4주 차에는 가장 낮은 능력 하나를 골라 실제 진행 중인 과정 하나에 적용한다. 8주 차에는 금지 목록과 반려 기준을 문서로 확정하고 현업 파일럿 교육에서 시연·금지 장면을 검증한다. 12주 차에는 도구 계약을 역량 측정 결과와 함께 재검토한다.

분기 말에 확인할 증거는 다음과 같다.