AI 리터러시, 없으면 티가 나는 역량

“이번 보고서, AI 써서 작성이 진짜 빨리 끝났어요.”
“데이터 넣고 AI 돌리니까 몇 분만에 결과값 바로 나오던데?”

AI를 통해 실무를 수행하고 심지어 업무 속도까지 빨라졌다는 말, 이미 너무 익숙한 이야기이지요? 실제로 한국 근로자의 절반 이상이 실무에 생성형 AI를 활용해보았다는 한국은행의 조사 결과가 단적으로 보여주듯, AI의 발전 속도만큼이나 우리 실무에 적용되는 속도도 더욱 빨라지고 있습니다. 주변에서 AI를 잘 쓰는 동료가 일을 ‘뚝딱’ 해냈다는 경험담도 심심찮게 들리곤 하고요.

하지만 AI를 많이 쓰면서 업무 속도를 높여가고 있는 것과 별개로, AI를 ‘제대로’ 쓰고 있느냐의 관점에서 우리 조직과 구성원의 역량을 체크할 필요는 없을까요? ‘이 업무에 AI를 이렇게 쓰는 게 맞을까?’ ‘AI를 통해 나온 이 결과물, 그대로 쓸 수 있을까?’와 같은 질문에 답하는 능력은 AI 도구 활용 역량과는 또 다른 것이지만, AI를 통한 업무 생산성 향상에 매우 중요한 지점입니다. 이러한 역량을 포괄하는 개념으로서 ‘AI 리터러시’의 의미와 실무 차원의 적용점을 함께 살펴보겠습니다.

‘AI 리터러시’, 도구 활용 능력을 넘어선 종합적 역량

지난 2월, 미국 노동부가 발표한 AI 리터러시 프레임워크(이하 ‘DOL 프레임워크’)에서는 AI 리터러시를 ‘개인이 AI 기술을 책임감 있게 사용하고 평가할 수 있도록 하는 기초 역량의 집합’으로 설명합니다. 이때 눈에 띄는 점은 AI 도구 사용 능력이 AI 리터러시의 일부를 구성하는 요소로 포함되어 있을 뿐, 그 자체가 아니라는 점입니다. 다시 말해, ‘AI를 잘 쓰는 것’은 도구 활용은 물론, 탐색과 판단, 책임 등 더 넓은 범위에서 다양한 역량을 포괄하는 개념일 수 있다는 뜻이지요. 이는 DOL 프레임워크는 물론, AI 리터러시의 개념을 설명하려는 다양한 학술적 시도들에서도 공통적으로 짚어내는 점입니다.

AI 리터러시의 구체적인 의미를 이해하기 위해, DOL 프레임워크가 설명하는 AI 리터러시의 5개 역량을 중심으로 개념을 살펴보겠습니다.

1) 원리 이해(Understanding AI Principles)

AI가 어떻게 작동하는지를 이해하는 역량입니다. 다만 기술적으로 전문적인 지점까지 모두 파악한다기보다, 실무자 차원에서 AI 도구가 어떻게 작동하는지 이해하는 데 필요한 자원을 갖추는 것을 의미합니다. AI에 대한 막연한 두려움을 없애고, 자신 있게 정확한 활용을 해나가는 데 필요한 역량입니다.

‘원리 이해’의 학습 내용 예시

• 패턴 인식 및 확률적 출력

• 기능 및 활용 양식

• 학습 및 추론

• 환각(hallucination)과 정확성 한계

• 인간의 설계 및 감독 역할

2) 활용을 위한 탐색(Exploring AI Uses)

실제 업무 환경에서 AI가 어떻게 활용되고 있으며, 나의 상황에 어떤 AI 도구가 유의미한지 파악하는 역량입니다. AI 도구가 업무를 지원하고, 의사결정을 보완하며, 업무 흐름을 간소화하는 방법을 보여주는 실용적인 사례들을 통해 AI 도구에 친숙해지고 판단력을 높임으로써 이 역량을 키울 수 있습니다.

‘활용을 위한 탐색’의 학습 내용 예시

• 생산성 도구(Productivity tools)

• 정보 지원(Information support)

• 창의적 작업 지원(Creative assistance)

• 업무 특화 활용(Task-specific applications)

• 의사결정 지원 시스템(Decision-support systems)

3) 효과적 지시(Directing AI Effectively)

AI 도구가 유용하고 정확한 결과를 생성할 수 있도록 적절한 맥락을 제공하고 상호작용하는 방법을 이해하는 역량입니다. 프롬프팅, 맥락 공유, 전략적 반복 등을 포함해 일반적으로 ‘AI 활용 능력’으로 인식되는 도구 활용 능력이 이 항목에 포함된다고 이해할 수 있습니다.

‘효과적 지시’의 학습 내용 예시

• 맥락 구성

• 프롬프트 작성 기법

• 관련된 입력 데이터 제공

• 출력물의 반복 개선

• 모호하거나 오해의 소지가 있는 프롬프트 피하기

4) 출력물 평가(Evaluating AI Outputs)

AI가 만들어낸 출력물을 비판 없이 그대로 수용하는 것이 아니라, 기준을 가지고 검증하는 역량입니다. AI가 생성한 결과물의 완전성, 정확성 및 적합성을 평가한 후 활용하는 능력이 필요하다는 뜻이지요. AI에 대한 과도한 의존을 방지하고 최종 판단의 주도권을 놓치지 않는 데 이 역량이 필수적입니다.

‘출력물 평가’의 학습 내용 예시

• 사실 정확성 검증

• 완성도 및 명확성 평가

• 빈틈 또는 논리적 오류 식별

• 전략적 의도와의 정합성 검토

• 인간의 판단 적용

5) 책임있는 사용(Using AI Responsibly)

이 역량은 윤리·보안·컴플라이언스의 차원 역시 AI 활용 역량에 포함됨을 명시합니다. 일상적인 업무 흐름에 AI 도구가 더 깊이 통합됨에 따라, 안전한 AI 사용을 위한 적절한 경계선을 파악하는 것이 곧 역량이 되는 것이지요. 이 역량에는 사이버 보안 관행, AI가 가진 권한의 한계 인식, 민감 데이터 보호, 법률 및 직장의 요구 사항 준수 등이 포함됩니다.

‘책임있는 사용’의 학습 내용 예시

• 민감정보 보호

• 조직의 정책 및 규정 준수

• 오용 및 피해 방지

• 맥락에 따른 위험 관리

• 책임감 유지

AI 리터러시가 없다면…?!

AI를 언제 어떻게 써야 할지 판단하기 어려워요

2023년 진행된 실험에서, 연구팀은 AI가 강점을 보이는 과제(창의적 문서 작성 등)와 AI가 비교적 약점을 드러내는 과제(복잡한 판단·맥락 해석이 필요한 분석)를 구분해 GPT-4의 효과를 측정했습니다. 이때 AI가 강점을 보이는 과제에서 AI 사용자는 비사용자보다 12.2% 더 많은 과제를 완료하고, 25.1% 더 빠르게 처리했으며, 결과물의 품질도 평균 32% 향상되었습니다. 하지만 AI가 약점을 드러내는 과제에서는 정반대의 결과가 나왔습니다. AI 사용자의 정답률이 비사용자 대비 오히려 19% 낮았습니다.

연구진은 이러한 결과를 두고, 겉으로 보기에 비슷한 난이도인 과제들 사이에서도 AI가 강한 지점과 약한 지점이 불균등하게 분포하며, 그 경계는 같은 워크플로우 안에서도 과제마다 달라진다고 해석했습니다. 이 지점에서 단순 AI 도구 활용 능력을 가진 경우와 AI 리터러시를 확보한 경우의 차이가 드러난다고 할 수 있습니다. 지금 이 과제에 AI를 써야 하는가, 이 결과물을 믿어야 하는가를 판단하는 능력으로서 AI 리터러시는 AI를 통한 유효한 결과 생산에 필수적이라고 할 수 있습니다.

AI 도구를 도입해도 실제 활용률을 끌어올리기 어려워요

갤럽의 2025년 8월 조사에 따르면, AI 도구 사용이 ‘매우 편안하다’고 응답한 구성원은 전체의 9%에 불과했습니다. 실무에 AI 도구를 활용하는 비중은 점점 더 가파르게 높아지고 있는 중에, 구성원의 91%는 다들 얼마간의 불안감을 안은 채 AI를 사용 중이라는 뜻으로 해석할 수 있는 결과입니다. 갤럽도 이 결과를 두고 ‘이러한 ‘편안함 결핍(The comfort deficit)’이 AI 도구가 널리 보급되었음에도 불구하고 AI 도입이 여전히 제한적인 이유가 될 수 있다’고 말하지요.

또 마이크로소프트의 2025년 7월 조사에서는, 구성원 중 56%가 AI의 응답이 부정확하다고 판단할 경우 프롬프트를 수정하는 대신 AI 도구를 그냥 종료해버린다고 응답했습니다. 더 문제적인 결과는, 구성원 중 60%가 AI 사용 시에 정확성 검증을 건너뛰고 출력 결과를 검토 없이 그대로 받아들이는 ‘AI 항복(AI surrender)’ 현상을 보고했다는 점입니다. 이러한 상황이 조직 안에서 자주 목격되면 AI를 조직 실무 안으로 적극적으로 끌어들이자고 말하는 데 주저함이 커질 수 있습니다.

구성원의 불안감이나 AI 항복, 활용 포기와 같은 문제는 단순히 ‘내가 AI 도구를 얼마나 더 유창하게 쓸 수 있는가’만으로 해소될 지점은 아닙니다. 원리 이해, 출력물 평가, 책임있는 사용 등 AI 리터러시의 세부 역량이 갖춰져 “AI 기술을 책임감 있게 사용하고 평가할 수 있”게 되는 때에야 해소될 수 있는 것에 가깝겠지요. 조직 내 AI 활용을 확대해가고자 할 때, 속도만큼이나 방향과 판단 차원의 역량을 함께 챙기며 나아가는 것이 결과적으로 더 큰 효과를 가져올 것이라는 점을 염두에 두어야 할 것입니다.

이렇듯 AI의 올바른 활용은 물론, 실질적인 효과를 높이는 데도 중요한 AI 리터러시. 그렇다면 우리 조직의 AI 리터러시 역량을 높이기 위해서는 어떻게 내용을 전달하고 학습하는 것이 효과적일까요? DOL 프레임워크가 제시한 7가지 전달 원칙을 뜯어보며 우리 조직에 적용할 수 있는 방법을 다음 아티클에서 함께 살펴보겠습니다.

[우리 조직의 AI 리터러시를 키우기 위한 7가지 원칙] 보러 가기 →