자신 있게 답한 직원이 틀렸다고 해서 다음 교육의 목표를 ‘자신감 낮추기’로 정하면 곤란합니다. 정확하게 일하면서도 결정을 미루는 직원에게 같은 처방을 적용할 수는 없기 때문입니다. 기업교육에서 필요한 것은 더 높은 자신감도, 더 낮은 자신감도 아닙니다. 자신이 무엇을 확인했고 무엇을 아직 모르는지에 맞춰 판단의 강도를 조절하는 능력입니다.
학습 자신감 보정은 학습자가 예상한 수행 수준과 실제 수행 결과를 같은 기준으로 비교하고, 그 차이를 다음 판단에 반영하도록 돕는 과정입니다. 여기서 자신감은 성격이나 발표 태도를 뜻하지 않습니다. 특정 과제의 답이 맞거나 요구 수준을 충족했다고 생각하는 정도를 가리킵니다. 따라서 ‘나는 업무에 자신이 있다’는 설문 하나로 보정 능력을 평가할 수 없습니다. 어떤 과제를 어떤 조건에서 수행했는지가 함께 있어야 합니다.
교육 종료 후 자신감이 올랐다는 결과는 출발점으로 남겨야 합니다. 그 상승이 지식의 증가와 함께 나타났는지, 도구의 유창한 설명 때문에 생겼는지, 평가 기준을 다르게 이해한 결과인지는 별도로 살펴야 합니다. 자신감과 수행을 나란히 기록하기 시작하면 교육의 질문도 달라집니다. ‘얼마나 자신 있어졌는가’에서 ‘어떤 판단은 맡기고 어떤 판단은 다시 확인해야 하는가’로 이동합니다.
같은 ‘잘했다’에도 서로 다른 합격선이 숨어 있다
가상의 고객 제안서 교육을 생각해 보겠습니다. 학습자는 요청 항목을 빠짐없이 넣고 문장을 매끄럽게 정리했으므로 과제를 잘 마쳤다고 평가합니다. 현업 검토자는 고객의 제약 조건과 제안의 전제, 실행이 어려울 때의 대안이 빠졌으므로 수정이 필요하다고 봅니다. 이때 두 사람이 사용하는 ‘잘했다’의 뜻은 다릅니다. 학습자의 과신을 지적하기 전에 서로 같은 과제를 평가했는지 확인해야 합니다.
평가표에 ‘논리성 우수’, ‘분석력 보통’처럼 큰 말만 있으면 기준을 공개해도 해석의 차이가 남습니다. 학습자는 문단이 자연스럽게 이어지는지를 논리성으로 이해하고, 검토자는 근거로부터 결론이 실제로 도출되는지를 논리성으로 이해할 수 있습니다. 평가 루브릭의 항목을 늘리는 것만으로는 이 간격을 좁힐 수 없습니다. 합격 여부를 가르는 관찰 가능한 차이가 있어야 합니다.
예를 들어 ‘고객의 제약을 고려한다’는 기준을 다음처럼 구체화할 수 있습니다. 제안서에 고객이 제시한 예산 상한과 일정이 반영돼 있고, 그 조건에서 제외한 대안의 이유가 설명돼 있어야 합니다. 이런 기준은 문장을 길게 쓰라는 요구가 아닙니다. 결과물에서 무엇을 찾아 판단해야 하는지 알려 줍니다. 학습자가 자기평가를 할 때도 같은 흔적을 찾게 됩니다.
인터넷을 활용한 설명 과제를 다룬 Björn Mattes와 Stephanie Pieschl의 2026년 연구는 이 문제를 검토할 근거를 제공합니다. 각각 82명과 143명이 참여한 두 실험에서 설명의 깊이와 개념적 복잡성, 지식의 통합에 관한 기준을 제시했을 때 과대평가가 줄었습니다. 다만 일부 조건에서는 과소평가가 나타났고, 인터넷 사용에 따른 과신도 일관되게 재현되지 않았습니다. 생성형 AI나 기업 직원을 대상으로 한 실험은 아닙니다. 이를 바탕으로 기업교육에 제안할 수 있는 것은 기준의 명료화이며, 루브릭만 배포하면 자기평가가 항상 정확해진다는 약속은 아닙니다. Mattes·Pieschl, 2026
따라서 기준 설명에는 경계 사례가 필요합니다. 명백하게 좋은 결과물 하나만 보여 주면 학습자는 그 문장의 표면을 모방하기 쉽습니다. 내용은 비슷하지만 근거가 부족한 결과물, 결론은 타당하지만 적용 조건이 빠진 결과물을 함께 비교하게 해야 합니다. 무엇 때문에 판단이 달라지는지 설명할 수 있을 때 평가표가 실제 학습 도구가 됩니다.
자신감이 낮아져도 판단은 나아지지 않을 수 있다
‘확신을 경계하라’는 메시지는 간단하지만 운영 기준으로는 부족합니다. 충분한 근거를 확인한 직원까지 매번 상사에게 결정을 넘기면 검토 대기만 늘어납니다. 반대로 실수가 잦은 직원의 자신감이 낮아졌다고 해서 오류를 찾아내는 능력이 생긴 것도 아닙니다. 불안과 정확성은 같은 지표가 아닙니다.
AI를 활용하는 학습에서는 이 구분이 더 중요해집니다. Shaowei Ren의 2026년 9월 연구는 대학생 342명을 대상으로 독립 판단, ChatGPT 사용, ChatGPT 사용 후 성찰 조건을 비교했습니다. 최종 자신감의 상승은 자유롭게 도구를 사용한 조건에서 가장 컸고, 성찰을 거친 조건에서는 더 완만했습니다. 아래 그림은 그 분포를 보여 줍니다. 자신감의 크기를 나타내는 그림이므로, 이것만으로 실제 업무 능력의 향상이나 장기 학습 효과를 판단할 수는 없습니다. Ren, 2026
그림 1. Ren의 실험에서 나타난 조건별 판단 자신감의 분포. 자기보고 자신감의 변화이며, 직무 숙련도나 장기 학습 성과를 직접 측정한 결과는 아니다. 원문 Figure 1, PDF 11쪽.
기업교육에 적용할 때는 자신감의 변화와 오류의 변화를 분리해 보아야 합니다. 자신감이 낮아지고 오류도 줄었다면 확인 절차가 작동했는지 살펴볼 수 있습니다. 자신감만 낮아지고 오류가 그대로라면 학습자가 무엇을 확인해야 할지 여전히 모를 가능성이 있습니다. 정확하게 수행하던 사람의 확신까지 낮아졌다면 평가 기준이 지나치게 불명확하거나 예외를 과도하게 강조했는지도 점검해야 합니다.
이 때문에 교육 성과표에 ‘평균 자신감 감소’를 좋은 결과로 표시해서는 안 됩니다. 과신과 과소확신은 서로 다른 지원을 요구합니다. 전자는 빠뜨린 검증을 발견하게 해야 하고, 후자는 이미 충족한 기준을 알아보고 적절한 범위에서 결정을 마칠 수 있게 해야 합니다. 두 집단을 평균내면 필요한 처방이 사라집니다.
여기서 보정은 겸손을 평가하는 활동과도 구별됩니다. 발표할 때 단정적으로 말하는 사람과 조심스럽게 말하는 사람의 표현 습관을 점수화하면, 언어 습관이 능력 평가에 섞입니다. 과제 제출 전 자신의 예상 수준을 조용히 기록하게 하고, 동일한 평가 기준으로 채점한 결과와 비교하는 방식이 낫습니다. 사람의 말투를 고치는 것이 아니라 판단의 근거를 조정하는 교육이어야 합니다.
AI 답변을 읽은 뒤에는 무엇 때문에 생각을 바꿨는지 남겨라
AI 답변 검토를 교육에 넣을 때 흔히 ‘한 번 더 확인하라’고 안내합니다. 하지만 무엇을 확인했는지 남기지 않으면 재검토 여부를 구분하기 어렵습니다. 같은 답변을 다시 읽고 익숙해진 것을 검증이라고 느낄 수도 있습니다. 학습자가 자신의 첫 판단을 바꾼 이유를 짧게 설명하게 하는 편이 검토 행동을 관찰하기에 유용합니다.
앞서 소개한 Ren의 실험에서 잘못된 AI 조언을 수용한 비율은 자유 사용 조건의 62.4%에 비해 성찰 조건에서 39.7%였습니다. 아래 그림은 조언의 정오를 나누어 최종 답변이 AI 권고와 얼마나 일치했는지를 보여 줍니다. 이 결과는 특정 대학생 과제에서 얻은 것이며 한국 기업의 오류 감소율로 옮길 수 없습니다. 또한 논문에서 별도로 사용한 ‘awareness calibration’은 본인이 느낀 AI 의존과 관찰된 의존의 대응을 뜻합니다. 자신감과 정답률의 일치를 측정한 지표로 혼용해서는 안 됩니다. Ren, 2026
그림 2. 정확한 조언과 잘못된 조언을 나누어 본 AI 권고와 최종 답변의 일치. 성찰 조건에서 잘못된 조언에 따르는 비율이 더 낮았다. 원문 Figure 2, PDF 11쪽.
기업교육에서의 적용은 짧고 구체적이어야 합니다. 답을 제출하기 직전에 모든 사고 과정을 길게 쓰게 하는 방식은 권하지 않습니다. 대신 판단을 바꾼 핵심 근거와 아직 확인하지 못한 조건을 남기게 합니다. 첫 판단을 유지했다면 도구의 답을 받아들이지 않은 이유를 적을 수 있습니다. 중요한 것은 바꿨느냐가 아니라, 변화나 유지에 이유가 있느냐입니다.
가상의 시장 분석 과제라면 ‘AI가 더 자세히 설명해서’는 충분한 이유가 아닙니다. 조사 대상의 범위가 달랐다는 사실을 확인해 비교 대상을 수정했다거나, 수치의 기준 연도가 달라 결론을 보류했다는 설명이어야 합니다. 반대로 도구의 표현이 낯설다는 이유만으로 정확한 정보를 거부한 경우도 피드백 대상입니다. 무조건 수용하지 않는 태도 자체에 가점을 주면 의심을 많이 표현하는 사람이 좋은 학습자로 평가되는 문제가 생깁니다.
운영자는 이런 기록을 AI 사용 횟수와 연결해 직원의 의존 성향을 단정하지 말아야 합니다. 같은 횟수로 도구를 사용해도 역할이 다를 수 있습니다. 한 사람은 초안을 만들고 다른 사람은 자신이 찾은 반례를 검토할 수 있습니다. 교육 중에는 어떤 도움을 받아 어떤 결정을 내렸는지에 초점을 맞추고, 사용량에 관한 해석은 별도로 제한하는 편이 타당합니다.
자기평가와 실제 수행을 한 줄에 놓으면 다음 교육이 달라진다
학습 자신감 보정을 시작하려면 복잡한 분석 시스템보다 기록의 단위를 먼저 정해야 합니다. 한 행에 한 과제의 예측, 결과, 근거, 다음 행동이 함께 있어야 합니다. 교육 종료 설문과 평가 점수가 다른 파일에 있으면 담당자는 평균의 방향만 비교하게 됩니다. 같은 사람이 같은 과제에서 무엇을 예상했는지 연결할 수 있어야 합니다.
다음 표는 연구에서 검증된 분류표가 아니라 HRD 담당자가 사용할 수 있도록 제안하는 피드백 기준입니다. 개인을 고정된 유형으로 나누기 위한 표도 아닙니다. 동일한 직원도 익숙한 과제와 처음 맡은 과제에서 다른 상태를 보일 수 있습니다.
| 관찰된 조합 | 먼저 확인할 내용 | 다음 학습에서 바꿀 것 |
|---|---|---|
| 확신이 높고 수행 기준을 충족함 | 우연히 맞혔는지, 근거도 설명하는지 | 다른 조건에서도 판단을 유지하는지 확인 |
| 확신이 높지만 수행 기준에 미달함 | 빠뜨린 근거와 오해한 기준 | 경계 사례 비교와 제출 전 확인 지점 |
| 확신이 낮지만 수행 기준을 충족함 | 본인이 인정하지 못한 수행 증거 | 충족한 기준을 구체적으로 되짚는 피드백 |
| 확신이 낮고 수행 기준에도 미달함 | 지식 부족인지 과제 해석의 어려움인지 | 필요한 개념 학습과 난이도를 낮춘 연습 |
정확성의 기준은 과제에 맞게 달라져야 합니다. 정답이 분명한 문제에서는 답의 정오와 확신을 비교할 수 있습니다. 설명형 과제에서는 사전에 합의한 루브릭의 충족 수준과 자기평가를 비교해야 합니다. 두 결과를 같은 점수처럼 합산하면 의미가 흐려집니다. ‘정답일 가능성’과 ‘설명의 완성도’는 서로 다른 판단이기 때문입니다.
표본이 적을 때는 숫자를 정밀하게 보이도록 만드는 데 시간을 쓰지 않는 편이 좋습니다. 과제 몇 개로 직원을 ‘과신형’이라고 분류하면 우연한 실수와 과제 난이도가 성격처럼 기록됩니다. 우선 반복해서 나타나는 오해가 무엇인지 확인하고, 비교 가능한 과제에서 같은 패턴이 이어지는지 살펴야 합니다. 팀 전체의 평균도 과제 구성이 달라졌다면 직접 비교하지 않아야 합니다.
시간에 따른 변화는 수행 점수와 판단의 차이를 함께 읽습니다. 교육 후 점수는 그대로인데 자기평가만 낮아졌다면 평가 기준을 더 엄격하게 이해한 변화일 수 있습니다. 점수와 자기평가가 함께 높아졌다면 실제 향상과 확신의 상승이 함께 나타났을 수 있습니다. 어느 쪽이든 자신감 하나만 보고 성공을 선언하는 방식보다 다음 교육을 설계하는 데 유용합니다.
정직하게 모른다고 쓸 수 있어야 기록이 작동한다
자기평가 기록을 곧바로 인사평가에 넘기면 직원은 교육의 질문을 다른 뜻으로 받아들일 수 있습니다. ‘얼마나 확신하는가’가 ‘얼마나 유능해 보이고 싶은가’로 바뀌면 보정 교육에 필요한 정보가 사라집니다. 운영을 시작할 때는 기록의 목적과 열람 범위, 보관 기간을 알리고 실제 운영도 그 설명에 맞춰야 합니다.
관리자의 피드백도 같은 원칙을 따라야 합니다. ‘왜 이것도 자신 있게 못하느냐’는 반응은 낮은 확신을 숨기게 만들고, ‘그렇게 자신하더니 틀렸다’는 반응은 다음부터 모든 답을 유보하게 만들 수 있습니다. 대신 판단 당시 어떤 근거가 있었고, 결과를 본 지금 무엇을 수정할지 묻습니다. 직원이 틀렸다는 사실과 자기 판단을 공개했다는 행동을 구분해야 합니다.
한국 기업의 집체교육에서는 발표를 잘하는 사람이 학습을 많이 한 사람처럼 보이기 쉽습니다. 공개 발표 전에 각자의 예측을 개별로 남기게 하면 팀의 대표 발언과 개인의 판단을 분리할 수 있습니다. 조별 활동에서는 논의 전후의 판단이 바뀐 이유를 비교하되, 동료의 설득을 따랐다는 사실만으로 낮은 점수를 주지 않습니다. 더 좋은 근거를 받아들이는 것도 필요한 학습 행동입니다.
현업 전이는 교육장에서 바로 확정할 수 없습니다. 실습에서 차이를 발견한 뒤 실제 업무에서 비슷한 판단을 다시 맡았을 때 확인 행동이 달라지는지 살펴야 합니다. 모든 업무를 추적하기보다는 교육 주제와 직접 연결된 과제 일부를 정해 검토합니다. 결과가 좋았던 사례뿐 아니라 판단을 보류하거나 적절히 도움을 요청한 사례도 포함해야 운영의 의미를 파악할 수 있습니다.
기록 부담이 커지면 보정 활동이 또 하나의 제출 업무가 됩니다. 이미 있는 검토 양식에 예상 수준과 판단 변경 이유를 짧게 추가하고, 실제 피드백에서 활용하지 않는 항목은 줄이는 편이 낫습니다. 담당자가 수집한 기록을 한 번도 되돌려 주지 않는다면 학습자는 정교하게 작성할 이유를 찾기 어렵습니다. 수집보다 피드백의 지속 가능성이 먼저입니다.
HRD의 성과는 확신의 크기가 아니라 맡길 수 있는 판단에서 드러난다
학습 자신감 보정의 시작점은 교육 만족도 설문을 더 길게 만드는 일이 아닙니다. 반복해서 오류가 나는 과제 하나를 고르고, 완료 기준을 현업 검토자와 맞춘 뒤, 학습자가 그 기준으로 자신의 결과를 예상하게 하는 일입니다. 평가자끼리 의견이 갈리는 과제라면 학습자의 자기평가부터 고치려 하지 말고 기준의 차이를 먼저 정리해야 합니다.
그다음에는 결과를 알려 주는 데서 끝내지 않습니다. 높은 확신으로 놓친 항목이 무엇인지, 낮은 확신에도 이미 충족한 항목이 무엇인지 각각 되짚습니다. 다음 과제에서는 같은 답을 기억하는지가 아니라 바뀐 조건에서도 필요한 확인을 하는지 봅니다. 이 순서가 있어야 피드백이 자신감에 대한 평가에서 판단 방식의 학습으로 이어집니다.
운영을 계속할 기준도 구체적으로 세울 수 있습니다. 직원이 오류 가능성을 더 정확히 짚고, 필요한 도움을 적절히 요청하며, 충분히 확인한 과제는 불필요하게 미루지 않는지 살펴봅니다. 이는 모든 사람의 자신감을 같은 수준으로 맞추는 교육과 다른 목표입니다. 맡길 수 있는 판단의 범위를 넓히면서 확인이 필요한 지점을 더 선명하게 만드는 것이 목적입니다.
확신에 찬 답변이 많아졌다는 사실만으로 교육의 성과를 설명하지 않아야 합니다. 확신이 줄었다는 사실만으로 성찰이 깊어졌다고 말해서도 안 됩니다. 자신의 판단을 뒷받침하는 증거를 알아보고, 그 증거가 부족할 때 행동을 바꾸는 직원이 늘어났는지 확인해야 합니다. 기업교육이 길러야 할 자신감은 바로 그 조건을 가진 자신감입니다.
함께 읽을 글
출처
- Björn Mattes, Stephanie Pieschl. Searching the internet for explanations: aligning standards improves the accuracy of metacognitive confidence judgments. Contemporary Educational Psychology 86, 102465. 온라인 공개 2026-05-22, 2026년 9월 권호. DOI, 저자 공개 전문.
- Shaowei Ren. College students’ metacognitive awareness of generative-AI reliance: an experimental study of decision confidence and attribution bias. Frontiers in Psychology 17:1926110, 2026-09-15. 원문.