[HRD특별포럼, 3부] 2026년 생성형 AI 교육 계획 수립 시 고려 할 세 가지 과제

*본 내용은 지난 10월 17일에 한국HRD협회와 진행한 HRD특별포럼의 기조연설 내용을 기반으로 작성되었습니다.

2025년, 한정된 예산 속에서 경영진의 높은 기대치를 맞춰야 했고, 빡빡한 보안 정책과 씨름하면서도 생성형 AI 교육을 성공적으로 진행하느라 정말 고생 많으셨습니다. 많은 HRD 담당자분들이 "우리 회사도 AI 교육을 해야 한다"는 경영진의 요구에 빠르게 대응하며, 때로는 밤을 새워가며 교육 프로그램을 기획하고 실행하셨을 것입니다.

지난 두 편의 글에서 우리는 2026년 생성형 AI 교육의 방향을 명확히 했습니다. 전사 임직원의 50%가 생성형 AI의 변화를 이해하고, 15%의 구성원이 스스로 문제를 해결할 수 있는 수준에 도달해야 한다는 마일스톤을 확인했습니다. 그리고 15% Early Adopters를 양성하기 위한 구체적인 방법—문제 해결 중심의 맞춤형 실습교육과 4주간의 핸즈온 멘토링—도 살펴봤습니다.

이론적으로는 이해가 됩니다. 방법도 명확합니다. 이제 2026년 교육 계획을 수립하면 됩니다.

그런데 막상 책상 앞에 앉아 교육 계획을 작성하려니 막막합니다. "우리 회사 직원들은 생성형 AI 이해도가 너무 다른데, 어떻게 교육하지?", "2,000명을 언제 다 교육하지?", "개인 USE-CASE는 만들었는데, 경영진이 원하는 조직 단위 성과는 어떻게 만들지?" 현실적인 고민들이 밀려옵니다.

이번 글에서는 2026년 교육 계획을 수립하며 실제로 부딪히게 되는 세 가지 핵심 과제—직원 간 이해도 격차, 전사 교육 속도, 조직 단위 USE-CASE 도출—를 다루고, 각각에 대한 실질적인 해결책을 제시합니다.

첫 번째 과제: 직원 간 이해도 격차

전사 임직원 50%에게 생성형 AI 교육을 실시해야 합니다. 하지만 직원마다 생성형 AI 스킬 수준이 천차만별입니다.

어떤 직원은 간단한 질문-답변 정도만 활용하고, 어떤 직원은 업무 문서 작성과 번역에 활용하며, 또 어떤 직원은 코드를 생성하여 업무를 자동화하는 수준까지 도달해 있습니다. 문제는 단순히 이해도의 차이가 아닙니다. 스킬 수준에 따라 필요한 학습 내용 자체가 완전히 다르다는 점입니다.

간단한 질문-답변 수준의 직원에게는 효과적인 프롬프트 작성 스킬과 업무 문서 작성 스킬이 필요합니다. 이미 문서 작성에 활용하는 직원에게는 데이터 분석이나 업무 자동화를 위한 코드 생성 스킬이 필요합니다. 같은 "생성형 AI 교육"이라도, 각자에게 필요한 교육은 완전히 다릅니다.

그런데 모두를 대상으로 동일한 교육을 진행하면 어떻게 될까요? 이미 문서 작성에 활용하는 직원들은 "이건 다 아는 내용인데 왜 시간을 낭비하나"라고 생각하며 교육에 집중하지 않습니다. 반면 기본적인 활용만 하던 직원들은 "너무 어렵다, 따라가기 힘들다"며 중도 포기합니다.

그렇다면 수준별로 반을 나눠서 각각 다른 커리큘럼으로 교육할까요? 하지만 수천 명의 임직원을 대상으로 수준 테스트를 하고, 3~4개 수준으로 반을 편성하고, 각 수준에 맞는 커리큘럼을 별도로 개발하는 것은 현실적으로 불가능에 가깝습니다. 강사 섭외, 일정 조율, 장소 확보까지 고려하면 HRD 담당자 혼자서는 감당하기 어렵습니다.

두 번째 과제: 전사 교육 속도

앞서 확인한 2026년 마일스톤을 다시 떠올려보겠습니다. 전사 임직원의 50%가 생성형 AI가 가져올 변화를 이해해야 합니다. 이것이 바로 성공적인 AI Transformation의 시작점입니다. 조직 구성원의 절반이 변화를 이해하고 받아들일 때, 비로소 조직 전체가 움직이기 시작합니다.

그런데 전사 임직원의 50%라는 것이 구체적으로 얼마나 되는 인원일까요? 만약 회사에 임직원이 2,000명이라면, 1,000명을 교육해야 합니다. 일반적인 집합교육 방식으로는 시간이 너무 오래 걸립니다.

한 번에 30명씩 교육한다고 해도 33회 이상 교육을 진행해야 합니다. 강사 섭외, 장소 확보, 일정 조율 등을 고려하면 최소 6개월 이상 소요됩니다. 여기에 각 수준별로 다른 커리큘럼을 운영해야 한다면 시간은 더욱 늘어납니다.

하지만 2026년 안에 마일스톤을 달성하려면 시간이 부족합니다. 교육만 하는 것이 아니라, 교육 후 실제 USE-CASE를 만들고, 성과를 측정하고, 조직에 확산시키는 과정까지 필요합니다. 교육에만 6개월 이상을 쓸 수는 없습니다.

해결책: AI Learning by AI

첫 번째와 두 번째 과제를 동시에 해결하는 방법은 AI Learning by AI 솔루션입니다. 생성형 AI를 활용해서 생성형 AI를 학습하는 것입니다.

핵심은 이것입니다. 1,000명의 구성원이 있다면, 1,000명 모두가 서로 다른 과제로 실습하게 만드는 것입니다.

각 직원의 생성형 AI 스킬 수준, 역량, 그리고 업무에서 실제로 가진 문제 상황이 모두 다릅니다. AI Learning by AI는 이 모든 것을 고려하여 각 개인에게 최적화된 학습 경로와 실습 과제를 제공합니다.

예를 들어, 이미 생성형 AI로 문서 작성에 활용하고 있는 마케팅 팀 A씨에게는 "고객 페르소나 분석 자동화"라는 실무 과제를 제시하고, 간단한 질문-답변 수준만 활용하던 인사팀 B씨에게는 "채용 공고문 작성 보조"부터 시작하도록 합니다.

같은 시간에 같은 플랫폼에서 학습하지만, 각자가 받는 교육 내용과 실습 과제는 완전히 다릅니다. 각 직원은 자신의 속도에 맞춰 자기주도적으로 학습하고, AI 코칭을 받으며 자신의 실제 업무 문제를 해결하는 실습을 진행합니다.

이렇게 하면 이해도 격차 문제를 해결하면서도, 단기간에 많은 인원을 교육할 수 있습니다. 수준별 반 편성도 필요 없고, 여러 개의 커리큘럼을 개발할 필요도 없습니다. 강사 섭외와 장소 확보에 들어가는 시간과 비용도 대폭 절감됩니다.

*AI Learning by AI의 출시 알림 신청하기

세 번째 과제: 조직 단위 USE-CASE 도출

AI Learning by AI로 전사 50% 교육을 빠르게 완료하고, 2편에서 다룬 핸즈온 멘토링으로 개인 단위의 USE-CASE도 만들어졌습니다. 연구개발 직군의 재고 관리 시스템, 영업 직군의 주문 관리 자동화처럼 실제 성과도 나오고 있습니다.

하지만 경영진이 원하는 것은 다릅니다. "개인의 생산성 향상도 좋지만, 우리 조직 전체의 비즈니스 성과에 기여하는 USE-CASE는 없나요?"

개인이 자신의 반복 업무를 자동화하는 것과, 팀 또는 부서 단위로 업무 프로세스를 혁신하는 것은 완전히 다른 차원입니다. 조직 단위 USE-CASE는 여러 사람이 협업해야 하고, 기존 프로세스를 재설계해야 하며, 때로는 시스템 연동까지 필요합니다.

문제는 이런 조직 단위 과제를 어떻게 발굴하고, 어떻게 실행해야 하는지 막막하다는 점입니다. 개인의 자발적 참여로는 한계가 있습니다. 조직 차원의 변화는 리더십이 없으면 불가능합니다.

해결책: 리더의 KPI 중심 인터벤션 설계

조직 단위 USE-CASE를 만들기 위한 핵심은 리더의 KPI를 중심으로 과제를 도출하는 것입니다.

각 리더—임원과 팀장—는 달성해야 할 명확한 KPI를 가지고 있습니다. 매출 증대, 원가 절감, 고객 만족도 향상, 품질 개선 등. 그리고 리더들은 이 KPI를 달성하는 데 있어 조직이 가진 문제를 누구보다 잘 이해하고 있습니다.

"영업팀의 고객 응대 시간이 너무 길어서 신규 고객 확보가 어렵다." "생산팀의 품질 검수 프로세스가 복잡해서 납기가 자주 지연된다." "마케팅팀의 콘텐츠 제작 속도가 느려서 캠페인 타이밍을 놓친다."

이런 문제들이 바로 생성형 AI로 해결할 수 있는 조직 단위 과제입니다.

인터벤션 설계는 바로 여기서 시작합니다. 리더 워크숍을 통해 각 리더가 자신의 KPI와 연결된 조직의 문제를 제시하고, 이를 생성형 AI를 활용하여 어떻게 해결할 수 있을지 함께 고민합니다.

"영업팀의 고객 응대 시간 단축"이라는 KPI를 가진 리더라면, "생성형 AI를 활용한 고객 문의 자동 분류 및 응답 시스템 구축"이라는 과제를 도출할 수 있습니다. "생산팀의 납기 준수율 향상"이라는 KPI를 가진 리더라면, "생성형 AI 기반 품질 검수 보고서 자동 생성 시스템"을 과제로 정의할 수 있습니다.

과제가 정의되면, 리더는 해당 프로세스에 관여하는 실무자, IT 담당자 등 모든 이해관계자를 참여시켜 함께 솔루션을 설계합니다. 리더가 방향을 제시하고, 실무자가 실행하며, HRD는 이 과정을 촉진하고 지원합니다.

이후 파일럿 프로젝트를 진행하고, 성과를 측정하며, 전사로 확산하는 단계별 로드맵을 리더와 함께 수립합니다. 이 과정에서 HRD는 단순히 교육을 제공하는 역할을 넘어서, 조직 변화를 설계하고 촉진하는 체인지 에이전트(Change Agent) 역할을 수행하게 됩니다.

리더의 KPI를 중심으로 과제를 도출하고, 생성형 AI로 문제를 해결하는 방안을 함께 고민할 때, 비로소 조직 단위의 의미 있는 USE-CASE가 만들어집니다. 하지만 기억해야 할 것이 있습니다. 조직 단위 USE-CASE가 실제로 구현되기 위해서는 담당 리더의 강력한 스폰서십이 필수적입니다. 리더가 직접 나서서 방향을 제시하고, 리소스를 배분하고, 장애물을 제거할 때 비로소 조직 단위의 변화가 일어납니다.

2026년은 생성형 AI 교육이 실질적인 조직 변화로 이어지는 전환점이 될 것입니다.

지난 세 편의 글을 통해 우리는 2026년을 향한 명확한 로드맵을 확인했습니다. 전사 50%가 변화를 이해하고, 15%가 스스로 문제를 해결할 수 있을 때 조직은 Tipping Point에 도달합니다. 15% Early Adopters는 문제 중심 실습교육과 핸즈온 멘토링으로 양성하고, 조직 단위 USE-CASE는 리더의 KPI를 중심으로 만들어갑니다.

이번 글에서는 실제 교육 계획을 수립하며 부딪히는 세 가지 현실적인 과제를 다뤘습니다. 직원 간 스킬 격차와 전사 교육 속도 문제는 AI Learning by AI로 해결합니다. 1,000명이 1,000개의 다른 과제로 실습하며, 각자의 수준에 맞는 학습을 진행합니다. 조직 단위 USE-CASE는 리더의 KPI 중심 인터벤션으로 도출하고, 리더의 강력한 스폰서십을 통해 실제 구현합니다.

방향은 명확합니다. 해결책도 존재합니다. 이제 우리가 해야 할 일은 이를 우리 조직의 상황에 맞게 적용하고, 실행하는 것입니다. 2026년, 생성형 AI 교육이 조직 전체의 변화로 이어지는 한 해가 되기를 바랍니다.