9월 18일 금요일

AI 교육이 실제 업무 전환으로 이어지려면 회사는 무엇부터 바꿔야 하는가?

교육 필요성에는 97%가 동의하지만 교육 뒤 현업에서 AI를 잘 쓰기 어렵다는 응답은 82%였다. 이 간극은 구성원의 의지보다 업무 구조를 먼저 보게 한다. AI로 보고서를 만들어도 옛 양식과 결재선에 다시 옮겨야 하고, 좋은 결과물이 개인 폴더에 머물며, 잘 쓰는 사람에게만 과제가 몰리면 새 도구는 일을 줄이기는커녕 추가 노동이 된다. 해법은 교육 횟수를 늘리는 데 있지 않다. 회사가 원하는 최종 산출물을 먼저 정하고, 그 산출물에 필요한 데이터와 승인 절차를 연결하며, 한 사람이 만든 결과를 다음 팀과 다음 기수가 재사용할 수 있게 해야 한다. 업무 변화의 출발점은 프롬프트가 아니라 조직이 실제로 무엇을 기록하고 공유하는지에 있다.

1. 01

   성공 기준을 출석이 아닌 산출물로 바꾸기

   같은 과정을 전사에 제공했을 때 현업 적용 성공률은 약 10~11%였고, 직무별 교육은 약 18%, 역량을 진단한 뒤 개인화한 교육은 약 32%로 제시됐다. 그마저 교육만의 성과로 볼 수는 없다. 지난주 AI로 만든 결과물이 무엇인지, 사라지거나 줄어든 업무가 있는지, 절약한 시간을 어떤 고부가 업무에 옮겼는지를 확인해야 한다. 교육의 끝에 만들 대시보드나 보고서처럼 구체적인 결과물을 먼저 합의해야 도구와 실습도 역산할 수 있다.

2. 02

   조직의 현실을 읽을 기록부터 정리하기

   기업용 AI가 일을 대신하려면 고객과 업무의 현실이 여러 시스템에 흩어져 서로 충돌하는 문제부터 풀어야 한다. Lightfield 사례는 이메일, 통화, 회의, 제품 사용량, 결제 같은 활동의 시간순 흐름을 관계의 정본으로 삼고, 기존 표와 대시보드는 남겨 둔 채 반복 설정을 대화형 실행으로 바꾸는 접근을 보여 준다. 핵심은 특정 제품을 택하는 것이 아니라, 사람이 나중에 다시 입력해야 하는 고정 필드보다 실제 활동 기록을 재사용 가능한 조직 자산으로 만드는 데 있다.

3. 03

   상위 활용자는 흐름을 만들고, 다수는 진입할 수 있게 하기

   모든 사람에게 같은 난이도를 요구하면 숙련자는 답답하고 초보자는 이탈한다. 제안된 방식은 상위 10~15%의 챔피언이 실제 업무에 맞는 프로세스를 먼저 실험하고 표준화하되, 교육은 더 많은 구성원이 포기하지 않을 난이도로 설계하는 것이다. 동시에 AI를 잘 쓰는 소수에게 업무가 조용히 몰리지 않도록 역할과 지원 시간을 명시해야 한다. 새 흐름을 만드는 사람과 그 흐름을 따라 배우는 사람의 책임을 구분해야 확산이 착취로 바뀌지 않는다.

4. 04

   익숙한 화면은 남기고 판단 비용만 낮추기

   AI 네이티브 업무 도구도 기존 습관을 한꺼번에 없애지 않는다. Lightfield는 반복 확인에 쓰는 대시보드와 표를 유지하면서 복잡한 영업 절차를 자연어로 만든 실행 레시피로 전환했다. 좌석 과금만으로는 사용자별 소비량 격차를 감당하기 어려웠고, 모든 행동을 사용량 과금으로 바꾸자 고객이 사용을 멈췄다. 결국 기본 기록은 예측 가능한 비용으로, 추가 자동화는 사용량과 가치에 맞춰 나눴다. 도입 설계도 같은 원칙이 필요하다. 익숙한 확인 지점과 예산의 예측 가능성은 남기고, 반복 조작만 줄여야 한다.

실행 순서는 선명하다. 먼저 바꿀 산출물과 성공 기준을 정하고, 실제 데이터가 어디에 있는지 확인한 뒤, 챔피언이 새 업무 흐름을 시험하게 한다. 그 결과를 팀의 표준과 다음 교육의 재료로 축적하고, 절감된 시간을 더 높은 판단 업무에 재배치한다. AI 교육이 회사의 변화가 되려면 교육팀만이 아니라 현업 리더, 데이터·시스템 담당자, 경영진이 각자 바꿀 절차와 지원을 맡아야 한다. 도구 사용률보다 재작업 감소와 재사용 가능한 기록이 늘어나는지를 보는 편이 더 정직한 전환 지표다.