1990년대 중반, 모뎀의 삐빅거리는 소리와 함께 인터넷이 비즈니스 세상에 등장하자 기업들은 일제히 신속하게 온라인으로 전환했습니다. HTML과 JavaScript에 능숙한 프로그래머, 전자상거래 관련 학위를 소지한 마케터, '웹 기반' 비즈니스 운영을 약속하는 컨설턴트를 채용했습니다. 그 이후 지금까지 수십 년에 걸쳐 전자상거래, 스마트폰 앱 등이 출현하면서 기술적 노하우와 비즈니스 가치 사이에 뚜렷한 상관 관계가 있음을 알 수 있었습니다.

하지만 현재 AI는 전혀 다른 종류의 교육을 필요로 합니다. 기술은 단순히 새로운 것이 아니라 눈앞에서 변형을 거듭하고 있습니다. 1년 전에는 대부분의 AI 툴이 텍스트만 처리할 수 있었습니다. 오늘날 화이트보드 사진, 회의 차트, 심지어 손으로 표시한 PDF를 업로드할 수 있으며, 모델은 이를 읽고 해석하며 그에 대한 조치를 취할 수 있습니다. 그리고 기계와 인간의 능력을 구분하는 경계선이 변화하면서 인간만의 고유한 역량으로 간주할 수 있는 것에 대한 질문도 계속 달라져 왔습니다.

한때 프롬프트 엔지니어링은 미래의 기술로 각광받았지만 업데이트된 대규모 언어 모델로 인해 그 필요성이 마치 전화 교환수가 그랬듯이 사라집니다. 새로운 대규모 언어 모델은 전문적인 표현 없이도 완전한 형태를 갖추지 않은 생각과 불분명한 투덜거림에서 사람의 의도를 읽어내는 방법을 학습했습니다. AI가 본질적으로 인간만이 가능한 것으로 간주되었던 작업을 더 능숙하게 해낼 수 있게 되면서, 비즈니스 리더는 대단히 불확실한 상황에 직면해 있습니다. 어제는 가치 있었던 역량을 내일 자동화할 수 있다면, 어떻게 인력에 투자하고 훈련하고 지원하며 역량을 개발할 수 있을까요?

여기에 대한 답, 최소한 그 첫 단추는 AI 활용 능력이라는 개념에 있습니다. 이 하나의 기술 자격 증명이나 직급이 아니라 측정 가능한 특성, 즉 AI에 대해 사고하고 활용하는 방식으로, 직원이 변화에 적응하고 성공할 수 있도록 돕습니다. 직원, 관리자 및 HR 전문가가 참여한 최근 연구에서 AI 활용 능력을 갖춘 직원이 AI 툴 사용 능력만 뛰어난 것이 아님을 확인했습니다. 그들은 AI를 활용하는 미래가 자신과 조직에 가져올 것에 대해 더 낙관적으로 바라보고 더 많은 호기심과 자신감을 갖고 있었습니다.

좋은 소식이 있습니다. 교육을 통해 AI 활용 능력을 기를 수 있습니다. 그것을 개발하고 모범 사례를 구축하고 공유할 수 있습니다. 다음 섹션에서는 AI 활용 능력의 실질적 의미, 직원의 AI 활용 능력을 개발하는 방법, 향후 전략적이고 복잡한 결정을 내려야 할 때 이를 길잡이로 사용하는 방법을 살펴볼 것입니다.

노출과 경험을 통해 개발되는 AI 활용 능력

SAP는 다양한 산업 전반에 걸쳐 AI에 대한 직원의 태도와 행동을 이해하기 위해 2024년 10월에 첫 번째 글로벌 설문조사를 실시하여 직원 및 관리자 4,023명의 응답을 수집했습니다. 질문은 기본적으로 광범위했습니다. 응답자가 직장에서 AI 툴을 사용한 적이 있는지? 직장에서 AI의 역할이 늘어나는 것에 대해 얼마나 낙관적이거나 불안한 감정을 느꼈는지? 이러한 툴을 사용하여 작업할 수 있는 자신의 능력에 대해 자신하는지?

수집된 답은 복잡하지만 고무적이었습니다. 당시 우리가 보고한 바와 같이, 직원들이 AI에 대해 느낀 감정이 희망적이든 두려운 것이든 아니면 그 중간이든 관계없이 그러한 감정을 갖게 하는 가장 큰 단 하나의 요소는 개개인의 AI 활용 능력 수준이었습니다. AI 활용 능력이 우수한 사람들은 AI를 통해 더 긍정적인 결과를 기대할 가능성이 훨씬 높았고, 두려움, 불안감 또는 불쾌감을 느낄 가능성이 현저하게 낮았습니다. 또한 AI 사용이 승진 및 보상과 같은 직장의 결정에 미치는(또는 미치지 않는) 영향에 더 상세하고 성숙한 견해를 표현할 가능성이 더 높았습니다.

우리는 이 점에 흥미를 느껴서 더 깊이 파고들었습니다. 전 세계 직원 및 관리자 4,030명이 참여한 최근 후속 설문조사에서는 직원의 현재 AI 활용 능력, 과거 AI 사용 경험 및 AI 활용 능력 학습에 대해 선호하는 방식(예: 공식 교육, 자기 학습 또는 동료 학습), 이러한 능력이 현재와 미래에 갖는 중요성에 관한 믿음(예: 직원의 승진 가능성에 어느 정도로 영향을 미칠지)에 대한 자세한 데이터를 수집했습니다. AI 활용 능력 자체를 측정하는 질문에는 학술 연구 문헌에도 사용되는 구조화된 척도를 사용했습니다. 이 척도에는 AI 활용 능력을 갖춘 사람의 고유한 특징, 예를 들어 목표 달성을 위해 AI를 적용하는 방법을 아는 것, AI와 상호작용할 때 이를 감지하는 것, 그리고 AI가 가진 한계와 역량을 평가하는 것 등이 포함됩니다.

이러한 AI 활용 능력 지표에 대한 답변은 단순한 경험이나 주관적인 자신감 이상의 것을 나타냅니다. 이 구조는 더 깊이 있고 성찰적인 수준에서 AI와 지적으로 상호작용하는 것을 보여줍니다. 이러한 진술에 동의하는 것은 일종의 인식되는 지적 교양과 확고한 자신감을 나타내는 것이며, AI의 능력의 경계가 적어도 지금까지는 지속적으로 급속하게 확장되고 있는 세상에서 이러한 직관은 매우 중요합니다.

AI 활용 능력이 어디에서 비롯되는지는 불가사의한 것이 아닙니다. 그것은 상부에서 하달되는 지시나 필수 참석 웨비나를 통해 마법처럼 실현되는 것이 아닙니다. 처음에는 직원의 개인적인 호기심, 시행착오, 공식적인 구조 또는 자신의 업무 영역 밖에서 종종 AI 툴을 시험 삼아 사용해 보는 것으로부터 시작됩니다. 실제로 최근 맥킨지(McKinsey) 연구에 따르면 직원은 AI를 실무에서 능숙하게 다루는 능력에서 관리자보다 훨씬 앞서 있는 경우가 많은 것으로 확인되었습니다. 많은 사람들이 생산성을 높이거나 아이디어를 떠올리거나 업무에서 반복적인 작업을 간소화하기 위해 시간을 내어 조용히 이러한 툴을 사용하고 있습니다. 그리고 스스로 학습하는 직원들은 AI를 업무에 유용하게 활용할 것으로 기대하며, 이는 AI 활용 능력을 갖춤으로써 얻게 되는 중요한 결과입니다. 실제로 SAP의 연구에 따르면 AI 활용 능력을 갖춘 응답자 중 70%가 기술에서 긍정적인 결과를 예상했다고 응답했으며, 이 능력이 낮은 응답자가 이렇게 응답한 비율은 29%에 불과했습니다.

그러한 사고방식과 비즈니스 성과에 직접적인 연관성이 있다고 말하기에는 아직 이르지만, 새로운 툴을 가장 편안하게 탐색하고 직접 사용해 보고 실무적인 가치를 발견하는 직원이 곧 효율성을 향상하고 혁신을 견인하며 의미 있는 수익을 거두는 직원이라는 점은 분명합니다.

AI 활용 능력을 갖춘 조직을 구축하는 방법

그렇다면 AI를 일종의 위협이나 신비한 그 무엇이 아니라 개인과 조직의 성과 향상을 위해 알아보고 반복해서 실험해 보고 개선할 가치가 있는 툴로 받아들이는 인력을 어떻게 구축할 수 있을까요? SAP 연구에서 한 가지 분명히 확인되는 사실은 조직의 페르소나마다 각기 다른 지원을 필요로 한다는 것입니다. 직원, 관리자 및 HR 전문가는 AI에 대해 각기 다른 시작점과 기대를 갖고 대화에 참여합니다. 그러나 이렇게 다양한 요구사항과 선호사항 속에서도 세 가지 핵심 전략이 지속적으로 가장 큰 효과를 발휘합니다. 그것은 바로 경험적 노출, 체계적인 교육, AI 활용 능력을 갖춘 조직 문화에서 싹트는 영향력 있는 규범입니다.

다음 단계로 넘어가겠습니다.

경험적 노출: AI를 사용해 보도록 장려

SAP 연구는 지금까지 AI에 대한 이해도를 높이기 위해 대부분의 직원(60%)이 기사를 읽고 동영상을 보는 것과 같은 매우 기본적인 리소스를 사용했음을 보여줍니다. 이러한 리소스는 나름의 이점을 갖고 있지만, AI 활용 능력을 구축하는 가장 효과적인 방법은 바로 AI를 직접 사용해 보게 하는 것입니다. 공식 교육도 중요한 역할을 하며 그에 대해서도 다룰 것입니다. 하지만 많은 직원에게 있어 AI에 익숙해지는 것은 운전하는 방법을 배울 때 운전에 익숙해지는 것과 같습니다. 매뉴얼, 심지어 시뮬레이터도 직접 차를 몰고 실제 도로로 나가보는 경험을 대체할 수는 없습니다.

조직에 있어 이는 직원에게 AI를 실험해 볼 수 있는 안전하고 위험과 비용 부담이 적은 방법을 제공하는 것을 의미합니다. AI를 활용하여 전자메일의 초안을 작성하거나, 문서를 요약하거나, 모의 프로젝트 계획을 세워볼 수 있게 하세요. 여기서 핵심은 AI 사용 사례를 내부 커뮤니케이션 또는 사내 프로젝트로 제한하는 것입니다. 실수를 저지르더라도 중대한 영향을 미치지 않고, 책임이 쉽게 면제되고, 고객에게 도달하거나 회사 평판을 훼손할 가능성이 없어야 합니다.

그리고 이렇게 위험 부담이 낮은 수준의 기회를 파악하는 것은 매우 중요합니다. HR 리더를 대상으로 실시한 별도의 연구에 따르면, 대부분의 기업은 적합한 데이터 또는 AI 모델과 공유하지 않아야 하는 데이터를 규정하는 정책을 시행하고 있지만 AI를 통해 어떤 유형의 업무를 수행하거나 얼마나 많은 작업을 수행해야 하는지와 같은 적절한 AI 사용에 대한 지침을 제공하는 회사는 매우 드뭅니다. 이 실험 단계를 최대한으로 활용하려면 직원을 위한 명확한 AI 가드레일을 구축하는 작업을 우선적으로 추진해야 합니다. 이러한 정책은 직원이 실험할 수 있는 샌드박스를 만드는 데 도움이 되어야 합니다. 그리고 적절한 안전 장치를 마련한다면 이러한 종류의 경험을 통한 학습은 단순한 기술 습득을 넘어서는 결과를 제공합니다. 이는 자신감과 현명한 판단을 촉진하고, 하나의 올바른 판단, 즉 AI 활용 능력의 모든 핵심 측면에 대한 자신감을 높입니다.

체계적인 교육: 목적에 맞는 실습 지원

그러나 직접 사용해 보는 것만으로는 여기까지가 한계입니다. 어느 지점에 다다르면 모든 새로운 편안함과 호기심을 체계적인 교육으로 끌어올려야 하며, AI에 있어서 이는 하나의 과제입니다. 스프레드시트 또는 CRM 시스템과 달리 그 모든 새로운 환경의 AI는 인증, 교육 매뉴얼, 선진 사례로 이루어진 수십 년 된 에코시스템을 갖추고 있지 않습니다. 그러나 체계적인 교육은 여전히 가능하며 필수적입니다. 그러나 그것은 사람들이 사용하는 툴, 담당 업무, 수행하는 작업에 맞게 구체화된 경우에 가장 효과적입니다.

툴로 시작하세요. 많은 직원이 매일 사용하는 시스템에 AI가 이미 내장되어 있다는 사실을 인식하지 못하고 있습니다. 이러한 AI는 Outlook에서 회신을 제안하거나, Grammarly에서 어조를 표시하거나, Zoom 및 Microsoft Teams에서 회의를 자동 요약해 줍니다. 직원이 이러한 기능을 발견하도록 돕는 동시에 AI를 사용할 때 그렇지 않은 경우에 비해 작업을 얼마나 빨리 완료할 수 있는지 보여주어서 AI의 가치를 깨닫게 할 수 있습니다. 즉각적인 결과는 AI에 대한 확신과 더 큰 열망을 갖게 합니다.

이제 직무 수준 관점에서 살펴보겠습니다. 우수한 AI 교육 프로그램을 통해 직원이 조직 내에서 담당하는 업무에서 더 훌륭한 성과를 얻도록 할 수 있습니다. 일부 직원의 경우 모델을 훈련, 튜닝하고 유지보수하는 방법을 학습해야 할 수 있습니다. 그러나 대부분의 다른 직원은 실용적인 핵심 지식만이 필요할 것입니다. 예를 들어 효과적인 프롬프트를 작성하는 방법, 올바른 입력을 찾을 수 있는 위치, AI 출력을 그들이 생산하는 오프라인 제품 또는 서비스에 적절하게 통합하는 방법 등입니다.

마지막으로 태스크 수준을 살펴보겠습니다. 모든 태스크에 AI를 활용할 수 있는 것은 아니며, 뛰어난 교육 프로그램은 직원들이 자신의 업무 중 특정 부분과 하루 중 특정 순간이 여전히 사람의 개입을 필요로 한다는 느낌을 갖도록 할 수 있어야 합니다. 교육을 통해 직원이 이러한 구체적인 부분에 집중하도록 돕는다면, 그리고 이것이 실험을 통해 기억되는 즐거운 시행착오와 AI의 가치를 깨닫는 순간과 맞물린다면 직원은 AI에 대한 기본적인 지식을 쌓아 자신의 업무를 최적화하는, 목적에 맞는 AI 사용 사례를 파악할 수 있을 것입니다.

이것이 바로 직원들이 원하는 것입니다. 직원은 또 다른 규정 준수 교육 모듈을 완료해야 한다는 사실에 부담을 가질 수도 있지만, AI와 관련된 교육에는 그러한 저항감이 덜할 수 있습니다. 사실, SAP 연구에 따르면 공식 교육은 직원들이 AI 활용 능력을 개선하기 위해 가장 많이 희망하는 것이었습니다. 이는 설문조사 응답자 중 가장 많은 44%가 선택한 학습 방법이었으며, 비공식적인 학습, 실무 교육, 사회적 학습이 그 뒤를 이었습니다.

일부 직원은 근무 시간 이외의 다른 시간에 AI를 시험적으로 사용해 보면서 훨씬 더 앞서나갔을 수 있습니다. 그러나 이러한 AI 역량 개발 여정을 모든 사람이 따르도록 하는 목표를 추진하려면 그들에게 필요한 것은 학습입니다.

조직 문화: 동료 간 학습을 통해 영향 미치기

조직 과학은 오랜 기간에 걸쳐 기업 문화의 힘과 관련 규범이 직원의 태도와 행동에 영향을 미치는 것을 보여주었습니다. 이제 이러한 사회적 역학을 활용하여 인력 전반에 걸쳐 집단적인 AI 활용 능력을 키울 수 있는 좋은 기회가 제공됩니다. 구체적인 수준에서 논하자면 리더는 다음을 수행할 수 있고 그래야만 합니다.

• 팀이 툴을 함께 탐색할 수 있는 시간과 공간 제공
  인력 관리자가 실제 업무에서의 과제 또는 프로세스 과제나 프로세스의 병목 부분을 파악한 후에 사용 가능한 AI 제품을 직원들과 함께 탐색하여 역량을 키우는 동시에 실제적인 문제를 해결하는 것이 좋은 방법입니다. 팀 회의에서 고정적인 의제 항목을 할당하거나 AI 주제만 논의하는 정기 회의 일정을 계획하여 AI 활용에 관한 팀의 규범과 기대치를 확립함으로써 팀원에게 과제를 주고 책임 의식을 갖게 하세요.
• 얼리 어답터를 위한 보상
  직접적인 실험에서 가장 우수한 기량을 보여주고 자발적인 학습에 대한 높은 동기를 가진 직원을 승진시키세요. 주요 비공식 데모, 사용 사례 공유 또는 동료에 대한 멘토링 제공 등의 책임을 통해 보상을 제공하세요. 특히 팀 회의나 부서 간 커뮤니케이션에서 그들의 열정과 실무 노하우가 전파될 수 있습니다.
• 학습 내용을 지속적으로 공유하고 성공에 대한 인정을 제공하기 위한 전용 채널 구축
  AI를 업무에 적용할 때 직원이 리소스와 팁을 교환하고 좋든 나쁘든 자신의 경험을 공유할 수 있는 채팅 채널을 마련하세요. 제대로 운영하기만 한다면 이와 같은 포럼을 다양한 용도로 활용할 수 있습니다. AI를 자발적으로 계속 활용해야 한다는 암묵적인 기대를 팀 전반에 전파하고, 팀 간에 공유되는 교훈을 활용해 AI 사용을 통해 더 빠르게 가치를 얻도록 하고, 관리자가 그러한 채널에 직접 기여하는 것을 통해 AI 활용에 대한 모범을 보이는 동시에 채널 내에서의 활동량을 통해 팀과 개개인이 실제로 어느 정도로 AI를 활용하는지 빠르게 파악할 수 있습니다.

앞에서도 언급했지만 SAP의 연구는 이러한 이니셔티브가 직원의 큰 저항에 직면하지 않을 것임을 시사합니다. 사람의 본능은 일반적으로 변화에 위협을 느낄 수 있지만, AI와 관련해서는 직원들이 미래를 내다보고 이미 그러한 환경에서 자신이 맡게 될 역할에 대해 진지하게 생각하고 있습니다. 응답자 중 87%는 자신의 AI 활용 능력을 향상하는 것이 회사에 중요하다고 생각합니다. 절반 이상인 57%는 AI에 대한 그들의 제한된 이해가 현재 직장에서의 성공을 저해한다고 생각하며, 63%는 미래 경력에 걸림돌이 될 가능성이 있다고 응답했습니다.

즉, AI가 중요하다고 직원들을 설득할 필요가 없습니다. 그들은 AI의 중요성을 이미 알고 있으며, 이러한 기술에 뒤처지지 않도록 도움을 받기를 원합니다.

서핑 배우기

마음 챙김 분야의 전문가 존 카바트진(Jon Kabat-Zinn)은 "파도를 통제할 수는 없지만 서핑을 배울 수는 있다"라고 했으며, 그 말의 의미는 분명합니다. 우리가 마음대로 다루기는커녕 이해하기조차 어려운 혼란스러운 우주에서 사건, 사람들, 우리를 둘러싼 세상을 통제하는 데 시간과 에너지를 낭비하려고 한다면 거의 이득이 없습니다. 이를 비즈니스 용어로 해석한다면 ROI를 극대화하기 위한 훨씬 더 합리적인 접근 방식은 혼돈 속에서 균형과 안정을 찾는 데 시간과 에너지를 소비하는 것이라고 할 수 있습니다.

이러한 태도는 AI 시대에 정확히 필요한 것입니다. 기술이 끊임없이 발전하고 툴이 계속 변화되며 사용 사례는 계속 확장될 것입니다. 사람과 기계를 구분하는 경계선은 계속 흐려질 것이며 종국에는 완전히 사라질 것입니다. 하지만 사람들이 사려 깊게 참여하고, 빠르게 적응하고, 끊임없는 변화에 맞설 수 있도록 돕는 사고방식인 AI 활용 능력은 오래도록 효력을 발휘할 개인적 강점입니다. 그것은 파도를 멈추게 하지는 못합니다. 그러나 파도 위에 올라타고 언젠가는 그 추진력을 여러분의 것으로 만드는 데 도움이 될 것입니다.

자세히 보기