임원과 실무자를 위한 AI 교육이 각각 달라야 하는 이유

같은 강의실에 임원과 실무자를 함께 앉히는 AI 교육은 여전히 흔합니다. 새로운 것을 듣고 접하는 교육인지라, 강의가 끝나면 만족도 조사 점수는 대체로 좋게 나옵니다. 하지만 몇 주 뒤 실제로 일하는 방식이 달라진 구성원은 거의 없습니다. 교육 콘텐츠가 부실해서가 아닙니다. 임원과 실무자에게 직급별 차이를 고려하지 않고 똑같이 교육했기 때문입니다.

모두에게 같은 내용을 가르치면, 누구에게도 맞지 않습니다

🙁 교육 만족도는 높은데 행동은 바뀌지 않는 이유

전 직원 통합 교육의 장면을 떠올려보겠습니다. 임원과 갓 입사한 실무자가 나란히 앉아 같은 화면을 보고, 같은 프롬프트를 따라 입력하고, 같은 예제를 풉니다. 강의 자체는 잘 만들어져 있습니다. 그러나 임원에게는 지나치게 세부적이고, 실무자에게는 지나치게 추상적입니다. 결국 누구의 일에도 딱 들어맞지 않는 내용의 교육이 되곤 합니다. "내용은 좋은데 내 일에 어떻게 적용할지 모르겠습니다"라는 반응이 나오는 순간, 교육의 효과는 거기서 멈춥니다. 이 반응은 참여자의 문제가 아니라 설계의 문제입니다.

🙁 난이도로 나누는 것으로는 부족합니다

교육을 나눠서 맞춤형으로 진행해야 한다는 필요성 자체에는 많은 교육 담당자가 동의합니다. 어려운 것은 "무엇을 기준으로 나누느냐"입니다. 가장 먼저 떠오르는 답은 난이도입니다. 임원에게는 짧고 쉽게, 실무자에게는 깊고 길게. 가장 편하게 선택할 수 있는 방식입니다. 그러나 이 방식은 결과적으로 임원 교육을 가벼운 동향 강좌로, 실무자 교육을 도구 사용법을 익히는 훈련으로 만듭니다. 둘 다 일하는 방식을 실제로 바꾸는 것과는 거리가 있습니다. 자기 일이 중심이 되는 학습이 아니라, 새로운 것을 ‘배운다’는 사실에 집중하게 되곤 하기 때문입니다.

이렇게 나누는 데는 잘못된 전제가 하나 숨어 있습니다. AI를 깊이 다루는 것은 실무자의 몫이고, 임원은 큰 그림만 알면 된다는 전제입니다. 내리는 결정의 영향이 클수록, AI를 제대로 쓰는 사람과 그렇지 못한 사람의 차이가 조직 전체로 퍼집니다. 임원일수록 개요만 알고 넘어가서는 안 되는 이유가 여기에 있습니다.

역할과 데이터로 나누면, 실무와 교육이 결합하기 시작합니다

😀 직책이 다르면 다루는 데이터가 다릅니다

그렇기 때문에, 교육 구성을 나누는 기준은 난이도가 아니라 일 그 자체여야 합니다. 정확히는, 무엇을 책임지고 어떤 데이터를 다루느냐입니다.

임원은 경험과 관점을 바탕으로 방향을 정하고 큰 결정을 내립니다. 다루는 자료는 정답이 정해져 있지 않은 비정형 정보가 대부분입니다. 부서장은 팀과 프로젝트 전반을 관리하며, 팀원별 진행 상황과 실적, 정기 보고가 매일의 데이터입니다. 실무자는 기획과 운영의 실무를 직접 수행하고, 문서와 사내 매뉴얼, 정해진 기준을 다루며, 반복되는 업무가 많습니다.

하는 일이 이렇게 다르면 같은 에이전트를 만들 수 없습니다. 맡은 역할이 다르니 AI에게 시킬 일이 다르고, 다루는 데이터가 다르니 AI에게 줄 학습의 재료도 달라집니다.

😀 참모, 관제탑, 추진엔진 — 세 가지 모습의 AI 에이전트

세 직책에 어떤 에이전트가 맞는지는 이 기준에서 자연히 따라 나옵니다. 교육이 끝났을 때 모두가 똑같은 것을 듣고 나오는 게 아니라, 저마다 자기 업무에 꼭 맞는 에이전트를 손에 쥐고 돌아가야 합니다. 그래야 교육이 끝난 뒤에도 실제로 계속 쓰게 됩니다.

AI 에이전트의 역할은 각 직급별로 어떻게 다를까요? 우선 임원에게는 참모입니다. 일을 대신 해 주는 비서가 아니라, 결정의 순간에 "이 관점은 빠진 것 같습니다"라고 짚어 주는 역할이 필요하지요. 해당 임원이 그동안 무엇을 중요하게 보고 무엇을 경계해 왔는지 업무 맥락이 에이전트에 정리되어 있으면, "지난번 비슷한 건에서 중요하게 보셨던 현금 흐름이 이번 자료에는 빠져 있습니다" 같은 의견을 제시할 수 있습니다. 임원 과정은 본인의 판단 기준을 정리해 에이전트에 반영하는 데 집중해야 하는 이유가 여기에 있습니다.

부서장에게는 관제탑입니다. 월요일 아침이면 팀원 예닐곱 명의 업무 진행 상황이 저마다의 메일과 메신저, 문서에 흩어져 있습니다. 이를 일일이 확인하느라 오전을 보내는 대신, 관제탑형 에이전트가 한자리에 모아 정리해 줍니다. "이 프로젝트는 두 주째 같은 단계에 멈춰 있습니다"라고 알려 주는 방식입니다. 부서장은 그것을 보고 무엇을 먼저 챙길지 판단하면 됩니다.

실무자에게는 추진엔진입니다. 매주 돌아오는 보고서 작성 업무를 예로 들어볼까요? 추진엔진형 에이전트는 사내 매뉴얼과 보고 기준을 학습해, 흩어진 데이터를 모아 정해진 형식의 초안까지 만들어 둡니다. 실무자는 그것을 검토하고 다듬는 데만 시간을 쓰면 됩니다. 이렇듯, 일을 대하는 위치와, 그 위치로부터 주로 마주하게 되는 일의 모습에 따라 에이전트의 성격 역시 갈리곤 합니다.

AI 에이전트 활용을 위해 모두가 똑같이 배워야 하는 것은?

😀 관점의 변화는 직급과 상관없이 동일하게 필요합니다

여러 기준으로 교육을 세분화하고 각자 다른 에이전트를 만들어가는 과정이 필요하다면, 결국 직급별로 전혀 다른 AI의 모습을 보고 배우는 것일까요? 그렇지는 않습니다. AI를 실무에 활용하기 위한 교육의 핵심은 도구 사용법이 아니라, AI 활용의 관점을 명확히 세우고, 일을 바라보는 관점을 바꾸는 것입니다. 임원이든 실무자든 이 부분은 동일합니다. 멋쟁이사자처럼의 AI 학습 프로세스에서는 AI 활용을 위한 선결조건으로 세가지 멘탈모델의 전환을 제시합니다.

• AI를 일을 자동으로 처리하는 단순 도구가 아닌 사람의 결정을 돕는 동료로 인식하는 것

• 자신의 역할을 정해진 범위로 한정하지 않고 일의 전체 과정을 설계하는 시스템 설계자로 보는 것

• 머릿속에만 있던 노하우를 AI가 이해하고 학습할 수 있게 글로 정리하는 것, 즉 암묵지(tacit knowledge)를 형식지(explicit knowledge)로 전환하는 것

이 세 가지 관점이 빠지면, 누구든 아무리 AI를 써도 자기 업무를 조금 효율화하는 수준에 그칠 뿐, 일하는 방식의 근본적 전환으로 이어가기 어렵습니다.

😀 관점을 바꾸기 위해서는, 직접 해보는 경험이 중요합니다

‘AI가 중요하다’는 인식에서 멈추면 그저 듣기 좋은 강연으로 끝납니다. 관점의 전환은 반드시 직접 만들어 보는 경험이 이어져야 가능합니다. 임원부터 실무자까지, 교육이 끝나기 전에 자기 손으로 에이전트 하나를 만들어보는 것이 효과적인 수준을 넘어 필수적이라고 설명하는 이유입니다. 교육이 끝났을 때 남는 것은 ‘배운 내용’이 아니라 직접 만든 에이전트입니다. AI에게 내 일을 실질적으로 도울 수 있는 방법을 요구하고 학습시키기 위해 자신의 일부터 직접 설계하고 설명하려는 시도, 그 결과로 도출된 AI 에이전트가 나와 우리 팀의 판단에 영향을 미치는 경험을 직접 해보았는지 여부는, 교육 종료 시점에서 시간이 지나면 지날수록 더욱 큰 격차로 다가올 것입니다.