💌 [동향 브리프 26년 3호] AX, 구성원에게 필요한 건 프롬프트 작성 능력만이 아니다☝️

  2026.08.03 | 2026-3호 | 구독하기 

안녕하세요, 구독자 여러분! ☀️ 매미 소리가 한창인 8월의 첫 월요일입니다. 무더위에 지치기 쉬운 요즘, 시원한 곳에서 잠시 숨을 고르며 읽어 보시면 좋겠습니다.

매월 첫 번째 월요일, 국가과학기술인력개발원(KIRD)이 러닝스파크와 함께 큐레이션한 글로벌 교수학습 동향을 전해 드리는 KIRD 미래형 교수학습 동향 뉴스레터입니다.

교수학습·HRD 현장에 계신 분들이 한 달의 시작과 함께 가장 주목할 만한 글로벌 동향과 인사이트를 한눈에 살펴보실 수 있도록, 연구진이 매월 엄선한 콘텐츠를 정리해 보내 드리고 있어요. 지난 7월 2호에 이어 이번 3호가 왔습니다. 

지난 2호에서는 교육기관과 R&D 조직의 사례를 통해 조직의 AX가 어떻게 이루어지고 있는지 살펴봤습니다. 사례를 정리하고 나니 질문 하나가 마음에 남았는데요. "그렇다면 우리 구성원이 AI를 잘 활용하려면, 어떤 역량을 키워야 할까?" 하는 것입니다.

AI 역량이라고 하면 흔히 프롬프트를 잘 쓰고 도구를 능숙하게 다루는 모습을 떠올립니다. 물론 중요한 능력이지만, 그것만으로 충분할까요? 내가 풀고 싶은 문제가 무엇인지 정의하고 무엇을 AI에 맡길지 판단하는 것, 그리고 AI가 내놓은 답을 그대로 받아들이지 않고 나의 현장 지식과 경험으로 검증하는 것. 이런 역량들이 뒷받침될 때 비로소 AI 활용도 제 몫을 합니다.

그러기 위해서는 먼저 우리가 어디에 서 있는지 알아야 합니다. 이수율이나 만족도 같은 성과에 가려져 있던 것, 바로 우리 구성원이 실제로 무엇을 할 수 있는지를 들여다보는 일입니다. 교육의 설계도 거기서부터 다시 시작될 수 있습니다.

이번 2026-3호에서는 조직에 필요한 AI 역량이 무엇인지, 이를 어떻게 진단하고, 그 결과를 교육과 일의 설계로 어떻게 이어갈 수 있을지 살펴봅니다. 7편의 소식은 핵심만 추려 정리했고, 자세한 내용은 <미래형 교수학습 동향 아카이브> 웹진에서 이어 보실 수 있어요.

그럼 이번 3호의 소식들을 하나씩 소개해 드릴게요!

KIRD Curation 01 | #학습설계전략 #AX역량 #역량진단 #글로벌프레임워크 #AI플루언시

🧩 글로벌 프레임워크로 바라본 AX 역량

조직이 AI 역량을 키우려면, 먼저 무엇을 역량으로 볼지부터 정해야 합니다. 이 질문에 기업과 학계, 정부가 저마다의 답을 내놓았는데요. 역량을 3개 층위와 10개 도메인으로 구조화한 CFTE의 AI 숙련도 프레임워크, 인간과 AI의 협업 자체를 위임(Delegation), 서술(Description), 식별(Discernment), 성실(Diligence)의 4개 역량으로 정의한 AI 플루언시 프레임워크, 리터러시를 모든 노동자의 공통 기반으로 세운 미국 노동부의 AI 리터러시 프레임워크입니다. 세 프레임워크가 AX 역량을 각각 어떻게 구조화하는지, 진단과 교육 설계의 출발점으로 삼을 지점을 정리했습니다.

KIRD Curation 02 | #학습설계전략 #스킬진단 #업스킬링 #스킬기반조직 #AX

📊 진단에서 멈추지 않는 조직은 어떻게 다른가

교육을 마친 조직에는 이수율과 만족도 점수가 남지만, 정작 "우리 구성원이 실제로 무엇을 할 수 있는가"에는 답하기 어렵습니다. 스킬 진단 기업 Workera가 글로벌 기업 직원들이 치른 수행 기반 평가 8만 8천여 건을 분석한 결과, 첫 평가에서 대다수는 문제를 해석하고 논의할 수는 있지만 해법을 직접 만들지는 못하는 단계에 머물렀다고 해요. 그런데 진단으로 확인된 격차에 맞춰 학습을 처방하자 평균 7일 만에 92~94%가 숙련 단계에 도달했습니다. 한편 Deloitte의 조사에서는 기업의 84%가 아직 AI 역량을 중심으로 직무를 재설계하지 않은 것으로 나타났는데요. 진단에서 멈추지 않는 조직은 그다음에 무엇을 할까요?

KIRD Curation 03 | #AI와교수학습 #AI커리큘럼 #학습경로설계 #디지털배지 #AX

🎓 프롬프트만으로 충분할까, 글로벌 AI 커리큘럼 톺아보기

프롬프트를 배운 구성원에게 다음은 무엇을 가르쳐야 할까요? 이 질문에 각자의 답을 만들어 온 조직들이 있습니다. S&P Global은 약 4만 명 전 직원의 AI 교육을 역할에 따라 세 갈래 경로로 설계했고, OpenAI는 프롬프트 작성에서 워크플로, AI 에이전트 설계로 이어지는 3단계 공개 과정을, Anthropic은 Deloitte와 함께 전문 인력 1만 5천 명 인증을 목표로 하는 프로그램을 운영합니다. 미국 아르곤 국립연구소는 연구자에게 AI의 원리와 슈퍼컴퓨터 실습까지 가르치고요. 교육 대상은 어떤 기준으로 구분하고, 학습 범위는 어디까지 확장하며, 연구 인력의 교육은 무엇이 다르고, 학습 결과는 어떻게 인증하고 확산하는지. 이 4가지 질문을 따라가며 각 사례를 본문에서 확인해 보세요.

Trend & Issues 01 | #조직문화 #AX #분산형디스킬링 #트렌드슬롭 #비판적사고

🧠 모두가 AI를 쓰는 시대, 우리가 놓치고 있는 역량

AI 활용이 늘어나는 사이, 조직의 핵심 스킬이 무뎌지고 있다는 보고가 나오고 있습니다. BCG의 조사에서 글로벌 기업 임원의 절반은 수백, 수천 명의 스킬이 동시에 약해지는 '분산형 디스킬링(distributed de-skilling)'을 이미 자기 조직에서 지켜보고 있다고 답했어요. 문제는 리더들이 장기 성과에 가장 중요하다고 꼽은 스킬과 디스킬링 위험이 가장 크다고 꼽은 스킬이 겹친다는 점입니다. 여기에 주요 LLM들이 맥락과 무관하게 유행을 따르는 비슷한 답을 내놓는다는 '트렌드슬롭(trendslop)' 연구까지 더해지는데요. 다행히 스킬은 의식적으로 단련하면 다시 자라는 자산이기에 무뎌지기 쉬운 스킬을 교육의 목록에 다시 올릴 때입니다.

Trend & Issues 02 | #경력개발및관리 #업스킬링 #리스킬링 #학습격차 #HR

⏰ 직원 4명 중 1명은 교육 시간 '0', HR은 무엇을 바꿔야 하는가

McKinsey가 10개국 직원 5,500여 명과 HR 실무자 1,300여 명을 조사한「HR Monitor 2026」에서 눈길을 끄는 수치가 있습니다. 직원 4명 중 1명이 지난 1년간 교육에 쓴 시간이 전혀 없다고 답한 것인데요. HR이 추정한 연간 교육 시간은 6.2일이었지만 직원이 직접 보고한 시간은 3.4일로, 두 배 가까이 차이가 났습니다. 유럽에서는 같은 기간 AI 도구 사용이 13%p 늘어나는 동안 공식 교육은 4%p 늘어나는 데 그쳤고요. 쓰는 속도를 가르치는 속도가 따라가지 못하는 지금, 높아진 우선순위와 낮은 참여 사이의 간극이 어디서 비롯되는지 McKinsey의 3가지 권고와 함께 짚어봅니다.

Trend & Issues 03 | #조직문화 #봇시팅 #봇쉿팅 #생산성역설 #보이지않는노동

🤖 Botsitting과 botshitting, 일터 AI에 숨은 인적 노동

개인은 AI 자동화로 주당 약 11시간을 아낀다는데, 조직의 성과가 뚜렷이 나아졌다는 응답은 13%뿐. 이 간극은 어디서 생길까요? Glean Work AI Institute가 디지털 노동자 6,000명을 조사한 보고서는 그 답을 두 종류의 보이지 않는 노동에서 찾습니다. AI를 쓸 만하게 만드느라 맥락을 떠먹이고 오류를 고치는 '봇시팅(botsitting)'에 주당 평균 6.4시간이 쓰이고, 검증하지 않은 AI 결과물을 그대로 내보내는 '봇쉿팅(botshitting)'은 AI 사용자의 69%가 경험했다고 해요. 반면 고성과자들은 핵심 과업에는 AI를 덜 쓰는 대신, 검증과 감독에 더 많은 시간을 들이고 있었습니다. 여러분의 일주일에서 봇시팅은 몇 시간쯤일까요?

Teaching & Learning Tips | #학습설계전략 #AX교육 #AI역량진단 #교육평가

📐 점수가 아니라 결정을 위한 진단, AX 교육 설계의 출발점

생성형 AI의 지원으로 저숙련자와 신입 상담원은 업무 속도와 품질이 크게 개선된 반면, 숙련도가 가장 높은 상담원은 속도가 소폭 향상됐지만 상담 품질은 오히려 조금 낮아졌다는 연구가 있습니다. 같은 도구를 제공해도 사용자의 경험과 업무에 따라 결과가 달라진다는 뜻인데요. 그렇다면 같은 부서 안의 초보자와 고숙련자를 어떻게 함께 교육해야 할까요?

기업 대상 AI 리터러시 교육 전문 기업 에이블런의 강유진 연구원은 그 답을 진단에서 찾되, 진단을 점수 산출이 아니라 교육 설계의 의사결정 자료로 쓸 것을 제안합니다. 진단 도구를 고르기 전 점검할 목록부터, 진단 결과를 'AI와 함께 우리 조직의 진짜 문제 해결하기' 과정을 거쳐 실제 업무 과제로 전환한 기업 사례까지 담았습니다. 좋은 진단은 점수가 아니라, 그다음 결정을 보여줍니다.

📅 다가오는 HRD·교수학습 행사

앞으로 다뤄주었으면 하는 주제가 있다면 언제든 들려주세요.
구독자분들의 의견 하나하나가 다음 호 콘텐츠를 만드는 큰 힘이 됩니다.

🌐 미래형 교수학습 동향, 더 가까이 만나기

전 세계 교수학습·HRD의 모든 동향을 한눈에! - 미래형 교수학습 동향 아카이브

기타 문의 - 📧 hspark@kird.re.kr