진단의 중요성: 모든 것은 진단부터
지난 블로그 글에서는 생성형 AI 도입과 관련된 세 가지 주요 과제를 살펴보았습니다. 첫 번째는 전사적으로 생성형 AI 활용 역량을 강화하는 것이었고, 두 번째는 비즈니스 USE-CASE를 발굴하여 실질적인 성과를 창출하는 것입니다. 마지막 과제는 생성형 AI를 조직 전반에 통합하여 지속적인 성장을 이루는 것이었습니다. 이러한 과제들을 성공적으로 해결하기 위해서는 생성형 AI 활용 역량 강화를 위한 체계적인 접근이 필요합니다.
이번 글에서는 첫 번째 과제 ‘전사적 생성형 AI 활용 역량 강화’에 있어 핵심적인 요소인 '진단'에 대해 논의하려고 합니다. 생성형 AI 활용 역량 강화를 위한 인터벤션을 고민하다 보면, 누구에게 어떤 인터벤션을 제공해야 하는지 혼란스러울 때가 많습니다. 이를 해결하기 위한 첫 번째 단계는 조직 구성원들의 현재 상태를 정확히 이해하는 것입니다. 직원들이 AI를 어떻게 이해하고 활용할 수 있을지에 대한 객관적인 평가가 이루어지지 않으면, 실무와 동떨어진 교육이나 부적절한 교육 대상 선정 등의 문제가 발생할 수밖에 없습니다. 따라서 진단을 통해 조직 현황을 파악하는 것은 전사적 생성형 AI 활용 역량을 강화하는 필수적인 첫 단계입니다.
조직 내 인식, 니즈 그리고 스킬 수준 파악
생성형 AI 교육을 효과적으로 설계하기 위해서는 임직원들의 생성형 AI에 대한 인식, 니즈, 스킬 수준이 각기 다를 수 있다는 점을 반드시 고려해야 합니다. 직군이나 직무에 따라 생성형 AI에 대한 인식과 필요성은 다르기 때문에, 구성원들이 생성형 AI를 어떻게 이해하고 있는지, 또 얼마나 숙련되어 있는지를 객관적으로 진단하는 것이 중요합니다.
- 인식 (Awareness)
인식은 구성원들이 생성형 AI의 개념과 중요성을 얼마나 이해하고 있는지를 평가하는 항목입니다. 구성원들이 AI 기술을 실무와 연결하여 어떤 가치를 창출할 수 있는지 충분히 인식하지 못한다면, AI 도입은 단순한 기술적 혁신에 그치고 조직 내 성과 향상에 기여하지 못할 수 있습니다. 인식 진단의 주요 질문들은 다음과 같습니다:
- 생성형 AI의 기본 개념을 이해하고 있는가? 생성형 AI를 단순한 기술로 이해하는 것에서 나아가, 그 기술이 어떻게 업무에 적용되어 성과를 높일 수 있는지에 대한 이해가 중요합니다. 즉, 생성형 AI가 자신의 생산성을 어떻게 증대시킬 수 있는지 이해하는 것이 핵심입니다.
- AI가 실무와 연결될 때 가져올 수 있는 성과를 알고 있는가? 생성형 AI가 실제 업무에 적용되어 어떻게 성과를 창출 하는지에 대한 인식이 부족하다면, 교육 후에도 실질적인 효과를 얻기 어렵습니다. 예를 들어, 단순한 반복 작업을 자동화하는 것 이상의 비즈니스 유스케이스를 알고 있어야만 생성형 AI 도입의 효과를 극대화할 수 있을 것입니다.
- 니즈 (Needs)
니즈는 구성원이 생성형 AI를 얼마나 필요로 하고 있는지, 그리고 생성형 AI 도입이 그들의 업무에 실질적으로 도움이 될 것인지에 대한 평가입니다. 구성원의 필요가 명확하지 않은 상태에서 생성형 AI 도입을 추진할 경우, 불필요한 교육이나 생성형 AI 솔루션 도입으로 인해 리소스 낭비가 발생할 수 있습니다. 니즈 진단의 주요 질문들은 다음과 같습니다:
- 개선되어야 하는 생산성 이슈가 명확하게 존재하는가? 생산성 이슈가 명확히 인식되지 않는다면 생성형 AI 도입의 필요성이 불명확해질 수 있으며, 도입 이후에도 효과를 제대로 느끼기 어려울 수 있습니다. 따라서, 조직 내에서 반드시 개선해야 할 생산성 저하 요인이나 업무 비효율성이 무엇인지 먼저 파악하는 것이 필요합니다.
- 해당 이슈를 생성형 AI를 통해 해결할 수 있는가? 문제 인식이 이루어졌다면, 이제 그 문제를 해결할 수 있는 방법으로 생성형 AI가 적합한지, 그리고 생성형 AI를 통해 해당 문제를 해결해야하는 필요성이 있는지 평가해야 합니다.
- 스킬 (Skills)
스킬은 구성원이 생성형 AI를 실무에서 활용하여 성과를 낼 수 있을 정도로 충분한 기술적 능력을 보유하고 있는지를 평가하는 항목입니다. 단순한 인식과 필요성만으로는 AI 도입을 성공적으로 이끌 수 없으며, 실제로 AI 툴을 활용할 수 있는 구체적인 기술이 요구됩니다. 스킬 진단의 주요 질문들은 다음과 같습니다:
- 생성형 AI를 사용하여 데이터를 분석하거나, 업무를 자동화할 수 있는 능력이 있는가? 구성원이 데이터 분석, 자동화 또는 생성형 AI 기반 툴 사용에 대한 충분한 지식과 능력을 갖추고 있는지를 평가합니다. 예를 들어, 프로그래밍이나 데이터 활용에 익숙하지 않다면 추가적인 관련 교육이 필요할 수 있습니다.
- 생성형 AI를 통해 원하는 것을 얻기 위한 기초적인 요청(프롬프트 작성)이 가능한가? 생성형 AI를 효과적으로 활용하려면 프롬프트를 작성할 수 있는 능력이 필요합니다. 잘못된 프롬프트는 잘못된 결과를 낳을 수 있기 때문에 프롬프트 작성 능력은 생성형 AI 활용의 성패를 좌우할 수 있습니다. 이 질문은 직원들이 이러한 기초 능력을 갖추고 있는지 평가하기 위한 것입니다.
진단 결과에 따른 교육 대상자 선발 및 맞춤 교육 제공
진단 결과에 따라 인식이 낮거나 생성형 AI의 필요성에 대한 이해가 부족한 경우에는 생성형 AI 활용 스킬 교육에 우선하여 리터러시 교육을 제공합니다. 반대로 인식과 니즈가 높지만 스킬이 부족한 경우에는 실무에서 생성형 AI를 활용할 수 있도록 설계된 스킬 교육 제공이 적절합니다. 이와 같이 진단을 통해 세부적인 교육 전략을 수립할 수 있습니다.
생성형 AI로 실무의 문제를 해결할 수 있다는 인식 수준이 높고, 생성형 AI를 통해 실무 문제를 해결하려는 니즈가 높은 경우, 그들에게 적합한 교육을 제공하면 교육 효과가 극대화될 수 있습니다. 반면, 실무에 생성형 AI를 활용할 니즈가 없는 대상에게 활용 스킬 교육을 제공하면 실무 활용도가 낮은 결과를 초래할 수밖에 없습니다.
역량진단이 필요한 이유: 교육 후 변화 값을 측정하기 위한 기초
생성형 AI 교육이 성공적으로 이루어졌는지를 평가하기 위해서는 교육 전후의 변화를 객관적으로 측정하는 것이 필수적입니다. 단순히 교육 만족도를 묻는 설문이나 주관적인 피드백만으로는 교육의 실질적인 효과를 정확하게 평가할 수 없습니다. 역량진단은 교육 전 구성원들의 인식, 니즈, 스킬을 정확히 파악함으로써 교육 후 어떤 변화가 있었는지를 측정할 수 있는 기초 자료이기 때문에 매우 중요합니다.
교육 전 진단을 통해 구성원들이 생성형 AI에 대해 얼마나 이해하고 있는지, 그리고 생성형 AI를 활용하려는 의지와 실무에서 적용할 수 있는 기술적 능력이 어느 정도인지를 명확히 알 수 있습니다. 이러한 기초 자료는 교육이 끝난 후, 구성원들의 인식 수준이 얼마나 높아졌는지, 생성형 AI 활용 니즈가 얼마나 증대되었는지, 실질적인 스킬이 얼마나 향상 되었는지를 구체적으로 평가하는 데 활용됩니다.
결국 교육 전 진단을 통해 수집된 데이터는 교육 후 구성원들의 변화를 구체적으로 수치화하고 교육의 성과를 객관적으로 평가하는 데 필수적인 도구가 됩니다. 이는 단순한 교육 만족도 이상의 실질적인 교육 효과를 확인할 수 있게 하며, 향후 교육 설계나 AI 도입 전략에 중요한 피드백 자료로 활용될 수 있습니다.
결론적으로 전사적인 생성형 AI 활용 역량을 강화하기 위해 가장 먼저 이루어져야 하는 것은 역량 진단을 통해 조직 구성원들의 인식, 니즈, 스킬 수준을 파악하는 것입니다. 이 진단은 실질적으로 조직에 필요한 교육을 설계하고, 적합한 대상을 선정하며, 교육 후 변화를 객관적으로 측정하는 데 중요한 기초 자료를 제공합니다.
진단을 통해 현재 우리 조직의 상태를 명확히 이해했고, 이를 바탕으로 적합한 교육 대상을 선정했다면 이제 이들을 위한 적합한 교육을 맞춤형으로 제공하는 것이 그다음으로 요구되는 과제입니다. 다음 글에서는 직군별 맞춤형 실습 과제 중심의 교육이라는 주제로, 각 직무에 특화된 교육 방안을 다룰 예정입니다. 맞춤형 실습 과제 중심의 교육이 왜 필요하며, 어떻게 맞춤형 실습 과제 중심의 교육을 만들 수 있는지 논의해 보겠습니다.