AX 에이전트 내재화를 위한 '러닝 투 액션(Learning to Action)' 도입 전략

 

AX 에이전트 내재화를 위한 '러닝 투 액션(Learning to Action)' 도입 전략

직원들에게 무작정 "우리 회사에 맞는 AI 에이전트를 기획/개발해 봐"라고 하면 막막해하는 것이 당연합니다. 개념도 낯설고 기술적 장벽도 느끼기 때문이죠. ('교육을 통해 직원들의 거부감을 낮추고, 그 과정에서 실전형 AX 에이전트와 핵심 인재를 발굴한다')를 명확하게 전달할 수 있는 교육연계형 도입전략이 필요합니다.

기존 기업 AX 전략의 문제

기존의 많은 기업들이 AX(AI 전환)와 에이전트 도입을 시도하지만, 현업 직원들의 반발에 부딪히거나 실질적인 성과를 내지 못하는 데에는 명확한 이유가 있습니다. '교육이나 빌드업 과정 없이, 무작정 직원들에게 에이전트를 뽑아내라고 할 때' 발생하는 기존 AX 전략의 문제점 3가지를 요약합니다.

1. 탑다운(Top-down) 방식의 일방적 목표 하달과 '현업의 거부감'
경영진의 의지만으로 "우리 팀에 필요한 AI 에이전트를 기획해서 제출하라"고 지시하는 방식의 문제입니다. 개념적 이해 부족: 직원들은 AI 에이전트가 정확히 무엇인지, 챗봇과 무엇이 다른지 모르는 상태에서 기획을 강요받습니다. 업무 부담 가중: 기존 업무만으로도 바쁜 와중에 난해한 AI 과제까지 숙제로 받아들이게 되어, AX 자체에 대한 극심한 피로감과 거부감이 형성됩니다. 결과: 알맹이 없는 '보여주기식' 아이디어나 기존 시스템의 이름만 바꾼 무의미한 보고서만 양산됩니다.

2. 기술(IT)과 현업(Business)의 극심한 미스매치 (Mismatch)
에이전트는 현업의 '페인 포인트(Pain Point)'를 가장 잘 아는 직원이 기획해야 하지만, 기술적 장벽 때문에 발생하는 문제입니다. 현업의 한계: "이런 게 있으면 좋겠다"는 상상만 할 뿐, 실제 데이터가 어떻게 연동되고 어떤 프롬프트와 워크플로우가 필요한지 구체화(Spec-in)하지 못합니다.IT 부서의 한계: 개발을 담당할 IT 부서는 현업 부서의 세부적인 업무 프로세스를 알지 못해, 정작 만들어도 현장에서 쓰이지 않는 '죽은 에이전트'가 탄생합니다. 결과: 교육이라는 징검다리 없이 현업에게 기획을 직접 하라고 하면, 구현 불가능한 허황된 아이디어가 나오거나 반대로 너무 단순한 수준에 그치게 됩니다.

3. 지속 가능한 'AX 핵심 인재(Champion)' 확보 실패
외부 컨설팅이나 솔루션 업체의 손을 빌려 일회성으로 에이전트를 도입할 때 발생하는 고질적인 문제입니다. 내재화 실패: 시스템을 구축해 놓고 떠나면, 업무 프로세스가 바뀌거나 기술적 오류가 생겼을 때 현업에서 스스로 유지보수하거나 발전시키지 못합니다. 인재 발굴 기회 상실: 사내 교육 과정을 거치면 숨은 DX 인재(AI 툴을 잘 다루거나 업무 효율화 감각이 뛰어난 직원)를 자연스럽게 스크리닝할 수 있는데, 이 기회를 잃게 됩니다. 결과: 막대한 비용을 들여 시스템을 도입해도 사내에 이를 확산시킬 'AX 체인지 메이커(Change Maker)'가 없어 결국 과거의 작업 방식 고수로 회귀합니다.

기존 전략은 '알아서 기획해 오겠지'라는 막연한 기대(1), '기술적 장벽을 무시한 소통 부재(2)', '사람 중심이 아닌 시스템 중심의 접근(3)' 때문에 실패합니다.'교육을 통해 역량을 올리고, 그 과정에서 자연스럽게 에이전트와 인재를 건져 올리는 전략'은 이러한 기존의 한계를 정확히 저격하는 올바른 방향성입니다.

'러닝 투 액션(Learning to Action)' 도입 전략

러닝 투 액션 전략의 목적은 개개인의 업무를 식별하고 이를 실제로 AI가 일할 수 있는 Agent로 전환하는 것입니다. 개개인의 업무를 AI 교육과정에서 식별하고 AI 기능을 확인하면서 AI가 일할 수 있는 단위로 전환을 합니다. 이 과정에서는 NotebookLM을 통하여 자신의 업무를 식별하고, 업무 brake down에서 실제로 AI Agent로 대체할 수 있는 단위 및 업무를 찾습니다. 이후 이 업무를 다이어그램으로 표시하여 agent로 만들어봅니다.

관리측면에서는 전체 직원들이 만든 agent를 리스팅하고 회사에 가장 영향력 있는 agent를 구분하고 이를 실제로 업무에 적용합니다. 이 과정을 반복하여 agent 시범 사업과 회사 업무 재설계과정을 통하여 agent 액션 전략을 수행합니다.

이번 구글 IO 2026에서도 AI agent 중심 생태계로 전환을 선언했습니다. 모든 분야에서 AI를 단순히 채팅 중심의 사용이 아닌 Agent로 대체하고 스스로 일할 수 있는 AI 전환을 가속화하고 있습니다. 러닝 투액션 도입 전략을 통하여 기업 AX를 성공으로 한발짝 다가가세요.

Google Gemini 4주 온라인 교육 과정 안내

 

Google Gemini 4주 온라인 교육 6월 교육생 모집합니다. 4주동안 18개 Gemini 토픽에 대해서 열심히 공부하실 분들 신청하세요

https://bit.ly/Gemini-6월교육

 

마이크로소프트의 'WTI 2026(워크 트렌드 인덱스)' 보고서를 통한 AI 트랜드 소개

 

마이크로소프트와 링크드인이 매년 발행하는 'WTI 2026(워크 트렌드 인덱스)' 보고서에서 다룬, 현재 기업들이 겪고 있는 AI 도입의 혼란을 소개합니다.

10개국 2만명을 대상으로 조사를 한 내용입니다. 핵심 주제는 '사람은 준비되었으나 조직이 따라가지 못하는 전환의 역설'을 이야기하고 있습니다. https://www.microsoft.com/en-us/worklab/work-trend-index/agents-human-agency-and-the-opportunity-for-every-organization

AI가 실제 업무에 얼마나 영향을 미치는지를 물어보는 질문에 AI를 통해 창출되는 가치의 결정 요인은 조직적 요인(67%)이 개인적 요인(32%)보다 2배 이상 높은 것으로 나타났습니다.

아무리 뛰어난 역량을 가진 인재라도, 어떤 조직에 속해 있느냐에 따라 AI로 낼 수 있는 성과가 2배 넘게 차이난다는 뜻입니다. 그렇다면 조직에서 가장 중요한 변수는 무엇일까요? 바로 '조직의 AI 문화'였습니다.

개방과 호기심: 새로운 기술을 환영하고 탐구하는 분위기인가?

심리적 안정감: "AI로 업무 방식을 바꿔보자"는 제안이 '이상한 시도'가 아닌 '혁신적인 기여'로 인정받는가?

결국 개인이 AI를 잘 다루는 기술(Skill)보다, 회사가 AI를 유연하게 수용하는 문화(Culture)가 기업의 생존과 성과를 결정짓는 핵심 지표가 되었습니다.

보고서에서는 개인의 'AI 역량'과 조직의 '준비도'라는 두 가지 축을 기준으로 현재 AI 도입 현황을 다섯 가지 그룹으로 분류하고 있습니다.

1. 성과가 폭발하는 '프런티어(Frontiers)' 그룹 (19%)

개인의 뛰어난 역량과 조직의 전폭적인 지원이 만난 상태입니다. 다섯 명 중 한 명꼴로, 개인과 조직이 함께 시너지를 내며 성과를 만들어내는 이른바 '가속 구간'에 진입한 이상적인 모습입니다.

2. 의욕이 꺾인 '블록 에이전트(Blocked Agents)' 그룹 (10%)

가장 주의 깊게 봐야 할 안타까운 그룹입니다. 개인은 준비되었으나 조직이 가로막고 있는 상태로, 실무자는 AI로 혁신할 준비가 끝났지만 관리자의 무관심이나 경직된 사내 규정 때문에 주도성이 차단되어 있습니다. "도구만 던져주고 어떻게 쓸지는 관심 없는" 회사가 여기에 속합니다.

3. 아직은 모호한 '이머전트(Emergent)' 그룹 (50%)

설문 응답자의 절반이 속한 '회색 지대'입니다. 개인의 역량도, 조직의 체계도 이제 막 형성되는 단계로 아직 어느 방향으로 나아갈지 정해지지 않은 상태입니다. 이 그룹이 '프런티어'로 가느냐 '정체'로 가느냐가 기업의 미래를 결정짓습니다.

4. 변화가 멈춘 '정체(Stagnant)' 그룹 (16%)

개인도, 조직도 AI에 대한 준비가 전혀 되어 있지 않은 낮은 단계입니다. 변화의 필요성을 느끼지 못하거나 새로운 기술 도입에 가장 소극적인 그룹이라 볼 수 있습니다.

5. 시스템만 갖춘 '미활용 역량' 그룹 (5%)

조직은 인프라와 자원을 갖췄지만, 정작 구성원들의 역량이 따라오지 못하는 경우입니다. 흥미로운 점은 이 비중이 5%에 불과하다는 것입니다. 즉, 대다수의 환경에서는 "사람이 준비 안 된 것"보다 "회사가 준비 안 된 것"이 더 큰 문제라는 방증이기도 합니다.

전 세계적으로 개인은 준비가 잘 되어 있는데 정작 문제는 회사의 문화나 프로세스 때문에 직원들이 AI를 사용하지 못하고 10%의 핵심인력은 이 이유로 회사를 떠나게 됩니다.

AI 시대, 개인은 불안해하고 조직은 무관심한 '엇박자' 상황이 데이터로 증명되었습니다. 핵심 숫자 3개로 그 심각성을 정리해 드립니다.

1. 65%의 불안감: "안 쓰면 뒤처질 것 같다"

전 세계 AI 사용자 3명 중 2명은 AI에 빨리 적응하지 못하면 경쟁에서 뒤처질 것이라는 강한 압박감과 두려움을 느끼고 있습니다. 변화의 필요성은 이미 충분히 체감하고 있다는 뜻입니다.

2. 45%의 안전지대: "변화보다는 유지가 안전하다"

불안함은 크지만, 정작 업무 방식을 AI 중심으로 재설계하는 것이 안전하다고 느끼는 사람은 절반도 되지 않습니다. 나머지 55%는 불안하면서도 가만히 있는 쪽을 택합니다. 왜일까요? 내가 제안해 봤자 회사가 긍정적으로 받아줄 것이라는 신뢰가 부족하기 때문입니다.

3. 13%의 보상: "시도해도 얻을 게 없다"

가장 결정적인 이유는 '보상'과 '인정'의 부재입니다. AI를 활용해 새로운 시도를 했을 때, 설령 실패하더라도 격려받거나 성공했을 때 제대로 된 보상을 기대하는 사람은 단 13%에 불과했습니다.

단순히 AI를 사용하는 것을 넘어, 일하는 방식의 판을 바꾸는 상위 16%의 핵심 그룹, '프런티어 프로페셔널'이 등장했습니다. 이들은 일반 사용자와는 차원이 다른 세 가지 행동 양식을 보입니다.

✅ 프런티어 프로페셔널의 3가지 핵심 행동

에이전트 활용 (Multi-Step): 단발성 질문에 그치지 않고, 복잡한 단계별 업무 전 과정에 AI 에이전트를 개입시켜 활용합니다.

워크플로우 재설계 (Workflow Redesign): 기존의 방식을 고집하지 않고, AI에 최적화된 형태로 자신의 일상적인 업무 흐름을 끊임없이 재구성합니다.

표준 수립 (Setting Standards): 나 혼자 잘 쓰는 것에 머물지 않고, 팀과 조직 전체가 참고할 수 있는 AI 가이드라인과 방법론(표준)을 직접 만듭니다.

🚀 '상상'이 '현실'이 되는 압도적 격차

이 16%의 프런티어 그룹이 만들어내는 결과값은 일반 사용자들과 확연히 다릅니다.

일반 사용자: "1년 전에는 못 했던 일을 지금은 할 수 있게 됐다"고 답한 비율이 58% 수준입니다.

프런티어 프로페셔널: 같은 질문에 무려 80%가 그렇다고 답했습니다.

즉, 이들은 작년까지만 해도 '꿈도 꾸지 못했던 일'들을 AI를 통해 현실에서 마음껏 구현해내고 있습니다.

AI를 단순히 '빨리 쓰는 것'보다 중요한 것은 '어떻게 쓰느냐'입니다. 조사 결과, 프런티어 프로페셔널들은 업무를 대할 때 일반인과는 다른 결정적인 특징을 보였습니다.

1. 시작 전 '잠시 멈춤': 영리한 직무 분석 (53%)

프런티어의 절반 이상(53%)은 업무를 시작하기 전 곧바로 AI를 켜지 않습니다. 대신 잠시 멈춰 서서 다음을 먼저 고민합니다.

역할 분담: "어디까지 AI에게 맡기고, 어디부터 사람이 개입할 것인가?"

구조 설계: 업무의 전체 흐름을 짜고, AI에게 던질 질문과 규칙(Rule)을 먼저 정의합니다.

품질 관리: 결과물이 나온 뒤에도 비판적 사고를 통해 품질을 검증하는 과정을 필수적으로 거칩니다.

2. '내가 주체다': 확고한 책임 의식

이들은 AI에게 일을 맡기지만, 결코 주도권을 넘기지 않습니다. 흥미로운 특징은 "결과에 대한 책임은 결국 내가 진다"는 인식이 매우 강하다는 점입니다.

AI가 낸 결과물에 오류가 있거나 사고가 발생했을 때, 이를 AI의 탓으로 돌리지 않고 본인이 최종 책임자임을 명확히 인지합니다.

이러한 책임감이 오히려 더 날카로운 비판적 사고와 고품질의 결과물을 만들어내는 원동력이 됩니다

우리나라 CIO 매거진에서도 비슷한 조사를 했습니다. 여기에서 재미있는 내용은 경영진과 실무진의 눈높이입니다.

한국 기업이 직면한 'AI 도입의 동상이몽'과 그 해결 과제를 중심으로 요약해 드립니다.

마이크로소프트가 언급한 '전환의 역설'이 한국 기업 현장에서도 뚜렷하게 나타나고 있습니다. 경영진의 장밋빛 기대와 실무 현장의 괴리가 성장을 가로막고 있는 상황입니다.

1. 동상이몽: 거대한 기대와 부족한 역량

경영진: AI가 모든 문제를 해결해 줄 것이라는 매우 높은 기대를 가지고 '멋진 그림'을 그립니다.

실무진: 하지만 정작 현장에서는 생성형 AI를 제대로 다룰 역량이 부족하다는 응답이 약 19.8%에 달합니다.

격차: 기대치는 하늘을 찌르는데, 실무 역량은 뒷받침되지 않고, 이를 평가할 명확한 기준조차 없는 상태입니다.

2. 활용 성숙도: '개인'은 빠르지만 '기업'은 정체

우리나라 직장인 개인들은 AI 활용에 매우 적극적입니다. 하지만 기업 차원의 활용 성숙도는 여전히 초기 단계에 머물러 있습니다.

현재: 단순히 프롬프트를 입력해 문서를 작성하는 수준에 그침.

한계: 사내 데이터를 연계하거나 업무를 자동화하는 'AI 에이전트' 단계로 넘어가지 못하고 있음.

3. 해결 과제: 단순 도구 활용을 넘어 시스템으로

가이드라인 없이 개인의 역량에만 의존하면, 결국 조직 전체의 성과로 이어지지 못하는 '막내 직원의 고군분투' 현상만 반복될 뿐입니다. 이제는 다음 세 가지 변화가 시급합니다.

시스템 전환: 단순 프롬프트 입력을 넘어 조직의 구조와 시스템을 AI 최적화로 변경

데이터 연결: 회사의 내부 데이터와 AI를 안전하게 연결하는 환경 구축

에이전트 도입: 실질적인 업무 프로세스에 AI 에이전트를 결합하는 구체적인 방향 설정

---

결론적으로

1. 핵심 현상: 전환의 역설 (Transformation Paradox)

개인은 AI를 업무에 적극적으로 도입하며 빠르게 앞서가고 있지만, 조직의 시스템과 문화는 이를 뒷받침하지 못해 격차가 심화되는 현상입니다.

2024년: 개인이 회사보다 빠르게 AI를 도입 (BYOAI: Bring Your Own AI)

2025년: AI와 인간이 협업하는 '에이전트 보스' 등 새로운 조직 형태 등장

2026년: 개인과 조직의 격차가 시스템적 문제로 고착화

2. AI 성과를 결정짓는 핵심 변수 (67% vs 32%)

회귀 분석 결과, AI를 통해 가치를 창출하는 데 있어 조직적 요인(67%)이 개인적 요인(32%)보다 2배 이상 중요하게 작용합니다. 즉, 개인의 역량이 아무리 뛰어나도 조직의 'AI 문화(개방성, 심리적 안정감)'가 뒷받침되지 않으면 성과는 반토막이 납니다.

3. 상위 16%, '프런티어 프로페셔널'의 특징

단순 활용을 넘어 압도적 성과를 내는 이들은 다음과 같은 차별화된 행동 양식을 보입니다.

업무 재설계: 일을 시작 전 잠시 멈추고, AI와 사람의 역할을 나누는 '직무 분석'을 선행합니다.

시스템 구축: 팀과 조직을 위한 AI 활용 표준(가이드라인)을 직접 만듭니다.

주체적 책임: AI를 도구로 부리되, 결과에 대한 최종 책임은 본인에게 있다는 인식이 확고합니다.

4. 한국 기업의 현실과 과제

한국은 개인의 활용도는 높으나 기업 차원에서는 단순 문서 작성 단계에 머물러 있는 경우가 많습니다. 특히 경영진의 높은 기대와 실무진의 역량 부족, 그리고 명확한 평가 기준의 부재가 큰 장애물로 작용합니다.

기업의 AX 전환은 변화관리와 함께 진행하는 것이 가장 효과적입니다.



실전형 AI 교육 가이드: 현상 분석부터 프로토타입 검증까지 (PBL 가이드)

 

1. AI 도입, 왜 많은 기업이 실패할까요?

많은 기업이 막대한 예산을 들여 AI 시스템을 구축하지만, 기대만큼의 비즈니스 혁신을 경험하지 못하는 경우가 많습니다. 그 이유는 기술 그 자체가 아니라 '접근 방식'에 있습니다.

• 시스템 중심의 사고: 비즈니스 본질보다 시스템 구축 자체에만 매몰됨

• 변하지 않는 기존 프로세스: 도구는 바뀌었으나 일하는 방식은 그대로임

• 현업 사용자의 소외: 실제 업무를 하는 사람들의 참여 부족

• 불분명한 ROI: 투자 대비 얻을 수 있는 가치가 모호함

---

2. 해결책은 'PBL형 AI 교육'을 통한 AX 프로젝트

단순히 "AI란 무엇인가?"를 배우는 강의는 끝났습니다. 이제는 문제를 발견하고, 최적의 프로젝트를 직접 설계하는 PBL(Project Based Learning) 방식이 필요합니다.

이미지에서 제시하는 5단계 프로세스를 통해 실제 업무 혁신을 이끌어낼 수 있습니다.

단계	주요 내용	AI 인사이트 활용
01. 현황 이해	As-Is 분석: 현재 업무 프로세스와 데이터 분석	프로세스 마이닝, 문서 분석, VoC 분석
02. 핵심 이슈 발굴	근본 원인 파악 및 가치 창출 지점 식별	이상 탐지, 군집 분석, 이슈 우선순위화
03. 미래 상태 설계	To-Be 설계: 미래 업무 프로세스 및 AX 기회 정의	시나리오 시뮬레이션, 프로세스 재설계
04. AX 프로젝트 추천	비즈니스 임팩트가 큰 로드맵 수립	ROI 시뮬레이션, 우선순위 스코어링
05. 프로토타입 & 검증	실행 가능성 확인 및 가치 검증	KPI 예측, 가설 검증, 피드백 학습

---

3. 우리가 주목해야 할 AX 프로젝트 예시

우리 조직에 바로 적용해 볼 수 있는 구체적인 프로젝트 테마들입니다.

• 공급망 최적화: 수요 예측 정확도를 높여 비용 절감 및 서비스 수준 향상

• 구매/지출 최적화: 지출 데이터 분석을 통한 구매 기회 도출 및 자동화

• 백오피스 자동화: RPA와 AI를 결합해 반복적인 데이터 입력 및 인보이스 처리 자동화

• 고객 경험 고도화: AI 기반 상담 및 고객 행동 분석으로 만족도 제고

• 품질 관리: 예지 정비 및 품질 이상 탐지로 다운타임 최소화

---

4. 기대를 넘어선 확실한 효과

PBL 방식을 통해 얻는 것은 단순히 '결과물'만이 아닙니다. 조직의 체질 자체가 바뀝니다.

1. 일하는 방식의 근본적 변화: 부가가치 없는 업무를 제거하고 End-to-End 프로세스를 재설계합니다.

2. 측정 가능한 성과: 비용 절감, 매출 성장 등 정량적 성과를 창출합니다.

3. 높은 도입률: 사용자가 직접 참여하여 설계하므로 현장 적용이 빠르고 강력합니다.

4. 역량 내재화: 외부 컨설팅에 의존하지 않고 조직 스스로 AX를 실행할 역량을 갖추게 됩니다.

---

AX 성공 공식 = (AI + 데이터) × 업무 방식의 변화 = 지속 가능한 AX 성공

결국 "일하는 방식을 바꾸면, 결과가 바뀝니다." 우리 조직에 딱 맞는 AX 프로젝트가 무엇인지 고민되신다면, 이제 이론 공부가 아닌 실전 PBL 프로젝트를 시작해 보세요. 비즈니스의 미래는 지금 바로 이 여정에서 시작됩니다.

---

#AI교육 #AX #디지털전환 #PBL #프로젝트기반학습 #업무혁신 #스마트워크 #AI컨설팅 #비즈니스혁신

[AI시대 새로운 일하는 방법] - OJT 매뉴얼 만들기

 

대부분 회사에서는 신입/경력사원을 위한 OJT 매뉴얼을 가지고 있습니다. 하지만 업데이트도 잘 안되고, 인사파트에서 주도하기 때문에 업무의 내용을 세부적으로 반영하기 어렵습니다. AI 시대에는 어떻게 OJT 매뉴얼을 만들고 유지하는것이 좋은지 한번 알아보겠습니다.

기존 방식의 문제점

1. 텍스트 중심의 문서

2. 특정 포맷으로 작성(HWP, PPT)

3. 업데이트 후 배포 등의 어려움(버전관리)

4. 업데이트 주최의 혼돈

AI시대의 특징

1. 업무 내용을 자동으로 작성

2. 이미지, 동영상 생성이 쉬우짐

3. 지식 마스터를 구성하고 업무내용 질의

4. 텍스트 대신에 멀티미디어(동영상, 팟캐스트 등) 사용 가능

AI 시대 새로운 OJT 매뉴얼 작성 방법

1. 종이나 파일 형태의 OJT 매뉴얼 고정관념 버리기

➡️ 정보만 전달할 수 있으면 어떤 콘텐츠도 문제 없음

2. 사람이 직접 한땀한땀 작성

➡️ 기존의 자료를 AI 학습하거나 정리해서 사용

3. 동영상 중심의 콘텐츠

➡️ 카메라도 없고, 내 얼굴 나오는 거 싫으면 아바타로 제작

4. 10년 일한 노하우 전달 어려움

➡️ 생성형 AI는 10년 경험자보다 일을 10배 잘함

5. 담당자의 잦은 퇴사로 인한 정리 안됨

➡️ 콘텐츠 소유권 개념으로 계정을 인수인계

6. 카메라 등 전문적인 장비 없어요

➡️스마트폰, 웹캠으로도 충분합니다. 웹캠이 없다면 당근에서 1만원에 구입할 수 있어요

결론 : 기존의 고정관념을 버리면 AI시대에 다양한 방법으로 더 쉽고 편리하게 OJT 매뉴얼을 만들 수 있습니다.



직원이 만든 AI 이미지 프롬프트를 팀장이 요청하면

 

시대가 빠르게 변하고 있습니다. 기술이 빠르게 변화하는데 회사 문화나 프로세스는 따라가지 못해서 많은 갈등이 발생합니다. '나때는 말이야~' 라는 꼰대 문제보다 복잡한 문제들이 발생합니다.

회사 에이스 직원이 AI를 이용하여 멋있는 회사 조감도를 만들었고, 회사 임원에게 칭찬을 받았습니다. 팀장이 팀원에게 이미지 생성 프롬프트를 요청했으나, 팀원이 거부했습니다.

• 팀장입장 : 회사 근무시간에 만든 이미지의 소유권은 회사에 있고, 당연히 프롬프트를 회사에 공유해야 한다

• 팀원입장 : 프롬프트를 공부하고 연습한 것은 개인시간에 투자해서 노력한 것이고, 이것은 개인의 자산이다

여러분은 어떻게 생각하시나요? 앞으로 이런 비슷한 사례가 많이 발생할 거 같습니다. AI 리더십이 필요한 이유입니다.

인사, 총무분야에서 AI를 도입하기 위한 현실적인 방법 2가지

 

현재 AI가 사회 전반에 빠르게 흡수되고 있지만, 유독 HR와 총무 분야에서는 큰 시도나 변화가 없는 것 같습니다. 가장 오래된 회사 업무이기도 하고, IT와 관련성이 낮은 이유이기도 한 거 같습니다. AI가 인사, 총무 분야에 적용되면 생산성은 10%, 20%가 아닌 2배, 3배 향상됩니다. 회사에서 가장 중요한 파트이니 회사 전체의 성과에도 큰 영향을 미칩니다.

현실적으로 인사, 총무에서 AI 도입하는 방법은 2가지 입니다. AI 도구를 배우고 업무에 적용하는 방법과 업무방식을 AI가 잘 일할 수 있는 환경으로 바꾸는 방법입니다. 당연히 후자가 효과가 더 높지만 회사, 조직의 거부가 심합니다. 변화관리 프로그램으로 지속적으로 노력해야 효과적입니다. 마치 회사 전체가 마라톤 풀코스에 참여하기 위해서 프로그램을 계획한다고 생각해보세요. 풀코스 완주후에 이 여정은 끝나지 않고 다음 풀코스에도 참여를 꾸준히 해야 합니다. 전직원이 말이죠. 쉽지 않겠죠. 하지만, 이런 생각이 없다면 변화관리는 하나의 이벤트로 끝나고 기업 생산성에는 도움이 되지 않습니다.

또 AI 타령을 한다고 할지 모르지만, 기본적으로 AI 도구 학습시간이 40~50시간은 되어야 효과가 나타납니다. 1,2시간 공부해서 효과는 없습니다. 학습과 사용하는 것은 다릅니다. 체계적으로 학습하는 것이 중요합니다.

이 두가지가 함께 진행이 된다면 여러분의 회사는 AX를 시작할 수 있습니다. 단순히 대기업에서 판매하는 AI 솔루션 도입하거나 사내에 LLM을 구축하고, chatGPT Enterprise를 사용한다고 성공할 수 없습니다. 업무의 본질을 고민하고 여러분 회사에 필요한 전략과 방법을 찾아보세요