생성형 AI PBL 교육, 'Problem' vs. 'Project'

2024년부터 많은 기업들이 임직원을 대상으로 생성형 AI 교육을 활발히 진행해 왔습니다. 그리고 2026년을 맞이한 지금, 새로운 교육을 기획하는 HRD 담당자라면 한 번쯤 이 질문을 떠올리게 됩니다.

"지난 AI 교육을 했는데, 왜 우리 조직은 AI로 성과를 내지 못하는 걸까?"

임직원들은 생성형 AI도 쓸 줄 알고, 프롬프트도 어느 정도 다룰 수 있습니다. 하지만 실제 업무에서 AI가 만들어내는 성과는 좀처럼 보이지 않습니다. 이 문제의 원인을 도구의 한계나 구성원의 의지에서 찾는 경우가 많지만, 사실 그보다 먼저 살펴봐야 할 곳이 있습니다. 바로 교육 설계 방식 그 자체입니다. 특히 'PBL'이라는 학습 방법론의 관점에서 보면, 지금까지의 AI 교육이 왜 성과로 이어지지 못했는지를 보다 명확하게 이해할 수 있습니다.

헷갈리는 두 가지 PBL — 개념 정리

PBL이 뭔지 아는데, 어떤 PBL인가요?

HRD 담당자라면 'PBL'이라는 단어가 낯설지 않을 것입니다. 그런데 사실 PBL에는 두 가지가 있습니다. Problem Based Learning(문제 기반 학습) 과 Project Based Learning(프로젝트 기반 학습) 입니다. 이름이 비슷해 혼용되는 경우가 많지만, 두 방법론은 학습의 출발점부터 다릅니다.

Problem Based Learning은 학습자가 먼저 해결해야 할 '문제'를 마주하는 것에서 시작합니다. 명확한 정답이 없는 실제 문제 상황에서 출발해, 그 문제를 해결하는 과정에서 필요한 지식과 역량을 스스로 탐색하고 습득합니다. 의과대학에서 환자 케이스를 먼저 제시하고, 학생들이 진단과 치료 방법을 스스로 찾아가는 방식이 대표적인 예입니다.

Project Based Learning은 완성해야 할 '산출물'을 목표로 학습이 진행됩니다. 최종 결과물이 명확하게 정의되어 있고, 학습자는 그 산출물을 만들어가는 과정에서 필요한 역량을 쌓습니다. 기획안을 작성하거나, 프로토타입을 제작하는 방식이 이에 해당합니다.

두 방법론의 핵심 차이를 한 문장으로 정리하면 이렇습니다. Problem Based Learning은 "어떤 문제를 풀 것인가" 에서 출발하고, Project Based Learning은 "무엇을 만들 것인가" 에서 출발합니다.

왜 지금까지의 AI 교육은 성과로 이어지지 않았는가

도구 사용법을 배웠지만, 무엇을 해결할지 몰랐다

그렇다면 지금까지 기업에서 진행해 온 생성형 AI 교육은 어떤 방식이었을까요? 대부분의 교육은 이런 흐름으로 구성되어 있었습니다. 생성형 AI가 무엇인지 이해하고, 프롬프트를 어떻게 작성하는지 배우고, 직무별로 활용할 수 있는 프롬프트 템플릿을 받아가는 방식입니다. 이른바 '기능 전달형 교육' 입니다.

이 방식이 잘못된 것은 아닙니다. 도구를 처음 접하는 임직원에게 기본적인 사용법을 안내하는 것은 당연히 필요합니다. 문제는 교육이 여기서 멈춘다는 점입니다. 임직원들은 AI를 어떻게 쓰는지는 알지만, 자신의 업무에서 어떤 문제를 AI로 해결할 것인지에 대한 답을 갖지 못한 채 교육장을 나서게 됩니다.

이는 앞서 설명한 두 가지 PBL의 관점에서 보면 더 명확해집니다. 기능 전달형 교육은 Problem도, Project도 아닙니다. 해결해야 할 문제도, 완성해야 할 산출물도 없이 도구의 사용법만 전달하는 방식입니다. 아무리 좋은 도구를 손에 쥐어줘도, 그 도구로 무엇을 만들지 모른다면 결국 서랍 속에 넣어두게 됩니다. 생성형 AI 교육도 마찬가지입니다. AI로 무엇을 해결할 것인지가 정의되지 않은 교육은, 교육이 끝나는 순간 잊혀집니다.

생성형 AI 교육에 어떤 방식이 더 적합한가

문제에서 출발해, 산출물로 완성하라

그렇다면 생성형 AI 교육에는 어떤 방식이 더 효과적일까요? Problem Based Learning과 Project Based Learning, 각각의 강점과 한계를 먼저 살펴보겠습니다.

Problem Based Learning은 실무자가 자신의 업무에서 실제로 겪고 있는 문제를 먼저 정의하는 것에서 시작합니다. 예를 들어 이런 문제들입니다. "회사 ERP에서 필요한 자료를 조건별로 하나씩 다운로드한 뒤, 다시 하나의 엑셀 파일로 취합하는 작업에 매번 한 시간 이상이 소요된다." "경쟁사 제품 정보를 플랫폼에서 직접 검색하고, 이름·가격·브랜드를 하나씩 복사해 엑셀로 정리하는 수작업을 매일 반복하고 있다." 이처럼 문제가 구체적이고 실무에 가까울수록, 학습자는 생성형 AI를 어디에, 어떻게 써야 하는지를 스스로 고민하게 됩니다. 이 고민의 과정 자체가 학습입니다. 그리고 그 고민 끝에 실제로 문제를 해결해 본 경험은 교육이 끝난 뒤에도 실무에서 AI를 계속 쓰게 만드는 동력이 됩니다.

반면 Project Based Learning은 완성해야 할 산출물이 먼저 주어집니다. 교육 과정에서 만들어지는 결과물 자체는 Problem Based Learning과 크게 다르지 않을 수 있습니다. 그러나 결정적인 차이가 있습니다. 해결해야 할 문제가 먼저 정의되지 않은 상태에서 산출물을 완성한 학습자는, 그 결과물이 실무에서 왜 필요한지를 온전히 체감하지 못한 채 교육을 마치게 됩니다. 교육장에서는 그럴듯한 결과물이 나왔지만, 현업으로 돌아가면 그 산출물이 실제로 활용되지 않는 이유가 여기에 있습니다.

결국 두 방식의 결정적인 차이는 산출물의 형태가 아니라, 학습자가 '문제를 정의하고 → 생성형 AI로 해결 방법을 고민하고 → 직접 구현해 해결해 본 경험'을 가질 수 있느냐 없느냐에 있습니다. 이 문제 해결 경험이 있는 학습자만이 교육이 끝난 뒤에도 AI를 실무에서 지속적으로 활용할 수 있습니다. 생성형 AI 교육의 가장 이상적인 설계는, 실무 문제를 먼저 정의하고(Problem Based), 그 문제를 해결하는 산출물을 완성하는 것(Project Based)으로 마무리하는 방식입니다.

AI 교육의 성과는 설계의 출발점에서 결정된다

2026년, 많은 기업의 HRD 담당자들이 다시 한번 AI 교육을 기획하는 시점에 서 있습니다. 이번에는 단순히 "AI 교육을 했다"는 것을 넘어, 실제로 조직이 AI로 성과를 낼 수 있는 교육을 설계해야 합니다.

그 출발점은 생각보다 단순합니다. 교육을 설계하기 전에, 학습자가 해결해야 할 실무 문제를 먼저 정의할 수 있도록 돕는 것입니다. 도구 사용법보다 문제 정의가 먼저입니다. 프롬프트 템플릿보다 문제 해결 경험이 먼저입니다. 학습자가 자신의 업무에서 구체적인 문제를 발견하고, 그 문제를 생성형 AI로 직접 해결해 본 경험을 가질 때, 비로소 교육은 현업에서 살아남습니다.

포텐스닷은 기업의 실무 문제를 중심으로 생성형 AI 교육을 설계하고 있습니다. 단순한 기능 전달이 아닌, 학습자가 자신의 업무 문제를 정의하고 생성형 AI로 직접 해결해 보는 경험을 제공합니다. AI 교육이 조직의 성과로 이어지길 원하신다면, 지금 포텐스닷과 함께 교육 설계를 시작해 보세요.