10월 기업 AI 교육 현장 리포트, 교육장을 나설 때 손에 남은 결과물

회의 메모를 워드의 Copilot에 넣자 보고서 초안이 나왔고, 그 초안을 바탕으로 파워포인트의 Copilot에 요청하자 임원 보고용 발표 자료가 나왔습니다. 10월의 몇몇 교육에서 학습자들이 첫날 오후에 직접 만든 결과물입니다. 그날 오전에는 Copilot에 같은 질문을 넣어 답이 매번 달라지는 것을 비교하고, 데이터·요청 사항·결과물 형태를 갖춘 프롬프트로 결과를 통제하는 법부터 배웠습니다. 스팸 메일 한 통을 붙여 넣고 '유해글입니다' 한 줄만 나오도록 프롬프트를 쓰는 실습이었습니다.

10월 한 달 동안 총 97회의 AI 교육이 진행되었습니다. 이번 리포트에서는 그 가운데 11개 회사의 13개 과정을 다룹니다. 기업마다 사용하는 생성형 AI가 달랐고, 교육에서 다룬 실무 과제도 제각각이었습니다.

10월의 13개 과정, 15가지 결과물을 도출했다

13개 과정 가운데 11개는 실습 교육, 2개는 핸즈온 멘토링이었습니다. 실습은 해 보는 데서 그치지 않고 결과물을 직접 만드는 데까지 이어졌습니다. 학습자가 직접 수행한 실습은 총 135개였고, 그날 만든 결과물을 종류별로 분류하면 총 15가지였습니다.

각 사업부문이 보내온 월별 실적 파일을 마스터 시트 하나로 취합하고, 파일마다 다른 날짜·번호·금액 형식을 맞추는 엑셀 반복 작업은 여러 과정에서 실습 과제로 다뤘습니다. 학습자들은 이 작업을 자동화하는 파이썬 코드와 엑셀 매크로(VBA)를 생성형 AI로 만들고, 직접 실행해 결과를 확인했습니다. 한 과정은 대시보드와 웹 작업 자동화까지 실습했습니다. 실습 과제에는 매달 받는 엑셀 파일을 하나하나 열어 취합하느라 추이를 제때 파악하기 어렵다는 상황과 함께 "이걸 자동화할 수는 없을까요?"라는 질문이 적혀 있었습니다. 학습자들은 폴더 안 엑셀 파일을 한꺼번에 읽어 월별 추이를 보여 주는 대시보드를 만들었고, 브라우저 접속과 키워드 검색, 화면 캡처 저장까지 파이썬 코드로 자동화했습니다.

엑셀 밖에서 쓰는 업무 도구를 만든 과정도 있었습니다. 한 과정은 내 PC에서만 여는 로컬 HTML 파일로 업무 도구를 만드는 보안 원리를 배운 뒤, 크롬 브라우저의 음성 인식 기능으로 말하는 즉시 텍스트로 바꿔 화면에 보여 주고 기록과 복사까지 되는 회의 앱을 만들었습니다. 이메일 변환기 같은 간단한 웹앱을 만든 과정도 있었습니다. 또 다른 과정에서는 오전에 HTML과 파이썬의 기본 구조를 배우고, 오후에 각자 업무에서 쓸 USE-CASE를 정해 생성형 AI와 함께 구현한 뒤 서로의 구현 방식과 활용 아이디어를 공유했습니다.

올린 문서만 근거로 답을 받는 실습도 있었습니다. 학습자들은 검색 결과가 질문 의도와 달라지는 현상을 직접 확인했습니다. 생성형 AI가 한 번에 볼 수 있는 분량(컨텍스트 윈도우)에는 한계가 있어서, 양이 많은 데이터를 통째로 넣으면 그 분량을 넘는 부분은 제대로 읽지 못한 채 답이 나옵니다. 그래서 데이터를 작은 단위(청크)로 나눠 넣는 이유도 함께 배웠습니다. 도구 대신 설계와 기획안을 결과물로 만든 과정도 있었습니다. 업무 목적과 기준을 반영한 AI 에이전트 워크플로우를 설계해 기획안으로 정리한 과정과, 리더들이 조직에 필요한 생성형 AI 활용 포인트를 도출한 과정입니다.

회사의 보안 환경, 데이터가 있는 곳이 도구와 방식을 정한다

MS 오피스 환경에서 진행한 교육에서는 엑셀·워드·파워포인트 안의 Copilot으로 실습했습니다. 이 교육들은 올린 문서만 근거로 답을 받는 실습에 Gemini Notebook을, 웹앱을 만드는 실습에 Google AI Studio를 함께 쓰기도 했습니다. Gemini 환경에서 진행한 교육에서는 Gemini로 만든 직무별 퍼스널 챗봇 사례를 체험하거나, Gemini에서 프롬프트 3요소로 업무 프로그램 기획안을 작성했습니다. 구글 워크스페이스 활용법을 따로 다룬 과정도 있었습니다.

어느 도구를 쓸지는 데이터가 어디에 있고 회사 밖으로 나가도 되는지에 따라 정해집니다. 어느 한 과정은 첫날 도구마다 맡을 일을 나눠 보며, 다양한 AI가 각각 어떤 상황에 적합한지 이해하는 시간을 따로 가졌습니다.

데이터를 어디에 두고 AI에게 업무를 요청해야 하는지를 이해하지 못하면 AI도 요청을 제대로 수행할 수 없습니다. MS 오피스 실습 환경에서 Copilot은 OneDrive에 올려 둔 파일에만 접근할 수 있었습니다. 내 PC에 저장해 둔 엑셀 파일을 열고 Copilot에게 정리를 부탁하면, AI는 그 파일을 수정할 수 없습니다. 따라서 해당 교육에서는 실습 데이터를 OneDrive에 올려 두고 웹으로 엑셀을 열어서 Copilot에 데이터 처리를 요청하는 법을 배웠습니다.

자동화도 같은 기준에 따라 두 갈래로 나뉩니다. 데이터를 생성형 AI에게 건네고 데이터 처리를 요청하는 방식이 있고, 데이터는 건네지 않은 채 데이터를 처리할 코드나 웹 앱을 만들어 데이터 처리를 자동화하는 방식이 있습니다. 둘을 가르는 기준은 데이터를 AI에 줘도 되는가입니다. 반출되면 안 되는 실적 파일을 통째로 AI에 붙여 넣고 요약을 부탁하면, AI에게 답을 받기 전에 이미 데이터는 AI로 넘어간 게 됩니다.

폴더 안 엑셀 파일을 하나로 합치는 실습에서 생성형 AI에 입력한 프롬프트의 과업 상세는 아래 두 줄뿐이었습니다. "코드를 실행하면 폴더 선택창을 띄워줘." "선택된 폴더 내의 여러 개의 엑셀 파일을 합쳐줘." 이 프롬프트에는 실제 파일은 입력하지 않았습니다. 코드는 생성형 AI가 만들었고, 학습자는 그 코드를 자기 PC에서 실행해 폴더 안 파일이 하나로 취합되는 것을 확인했습니다. 대시보드도 같은 방식으로 만들었습니다. Copilot에게는 표의 열 구성만 알려 주고 화면을 만들게 한 뒤, 데이터가 담긴 엑셀 파일은 완성된 화면에서 불러왔습니다.

다시 모이는 교육, 한 사람의 과제가 팀의 것이 된다

설문에서 가장 자주 나온 의견은 배운 내용을 실무에 바로 적용하겠다는 것이었습니다. 설문을 실시한 교육 가운데 5건에서 같은 의견이 반복됐습니다.

핸즈온 과정을 마친 뒤 결과 발표회를 연 교육이 2건 있었습니다. 여러 차수로 나눠 진행한 한 과정은 앞서 선정한 과제를 수행하고 진행 상황을 함께 점검하는 차수를 따로 뒀습니다. 과제 선정부터 진행하는 경우도 있었습니다. 현업에서 막힌 지점을 AI로 풀 수 있는 과제로 정의하고, 구현 계획까지 세우게 했습니다.

과제 선정 후 함께 본 것은 설계였습니다. 구현 목표와 범위, 요구사항을 정리하지 않은 채 AI로 바로 만들기 시작하면 결과물을 통째로 다시 만들어야 하는 상황이 생깁니다. 설계 없이 진행하면 수정 요청이 계속 쌓이고, 어느 순간 AI와의 대화가 기억 범위를 넘어 협업 자체가 무너집니다. 문제 정의와 워크플로우 분해, 업무 유형 판정이 끝나야 그에 맞는 구현 도구를 정할 수 있습니다.

여러 차수로 진행한 과정의 마지막 시간에는 "팀으로 돌아가서 무엇을 다시 시도할 것인가?"라는 질문으로 워크숍을 진행했습니다. 학습자들은 액션플랜을 계속 밀고 나갈 것과 다시 그릴 것으로 구분하고, 배운 내용을 바탕으로 각자의 액션플랜에서 마주할 수 있는 장벽을 미리 점검했습니다.

결과물을 팀 단위로 쓰도록 설계한 과정도 있었습니다. 이 과정은 같은 요청을 매번 다시 설명해야 할 때, 업무 기준이 한 사람 머릿속에만 있을 때, 새로 온 사람이 같은 질문을 반복할 때를 팀에 공유하는 맞춤형 챗봇이 필요해지는 지점으로 제시했고, 마지막 정리에서는 개인이 만들던 보고서를 팀이 직접 보는 대시보드로 바꾸는 단계를 다뤘습니다. 리더 과정에서는 AI를 쓰지 않는 조직(AI Zero)에서 AI가 기본인 조직(AI Native)으로 일하는 방식이 바뀌는 단계를 다뤘습니다. 설문에서는 교육을 이어서 받고 더 많은 구성원에게 확대해 달라는 요청이 2건의 교육에서 나왔습니다.

사람이 절차를 정하고 AI가 그대로 실행하는 자동화는 절차가 바뀌면 다시 만들어야 합니다. 한 사람이 만든 엑셀 매크로를 팀원 모두가 매달 쓰게 되면, 보고 양식의 칸 하나만 바뀌어도 누군가 생성형 AI로 코드를 다시 만들어 고쳐야 합니다. 코드를 다시 쓰는 일은 생성형 AI가 맡아도, 무엇이 바뀌었고 어디까지 고칠지 정하는 일은 사람에게 남습니다. 처음 만든 사람이 다른 팀으로 옮긴 뒤라면, 팀이 같이 쓰기 시작한 그 결과물은 누가 맡아 고치고 관리해야 할까요.

이 리포트에 담은 사례는 포텐스닷이 10월에 진행한 기업 AI 교육에서 나왔습니다. 포텐스닷은 구성원이 회사의 보안·업무 환경 안에서 직접 만든 결과물이 현업에서 돌아가고, 한 사람의 것을 넘어 조직의 자산으로 남도록 교육을 설계합니다. 우리 조직에 맞는 과정은 포텐스닷 기업교육에서 확인할 수 있습니다.