AI PBL의 지향점: ‘학습–성과–확산’의 선순환
AI PBL(Project Based Learning)의 지향점: ‘학습–성과–확산’의 선순환
AI PBL의 목적은 단순한 AI 툴 습득을 넘어 현업의 문제를 데이터와 AI로 해결하는 실행 역량을 표준화하는 데 있습니다. 네패스는 “All Hands on the AI Core”라는 슬로건 아래, 모든 구성원이 업무에서 AI를 자연스럽게 쓰게 만드는 것을 목표로 했습니다. 이는 연간 워크숍·교육 계획에 반영되어 전사 확산형 설계(마인드셋→핵심 실습→현업 과제→성과 공유)로 운영되었습니다.
운영 철학과 구조: HR×CIO 협업 공동체
HR(인재개발)과 CIO실이 공동으로 운영했습니다. HR은 교육 체계·러닝 여정을 설계하고, CIO실은 사내 데이터·플랫폼 연동과 강의 및 기술 코칭을 담당하는 구조입니다. 프로그램은 다음 네 단계로 설계했습니다.
1. AI 마인드셋(리터러시) 대중화: 현장직 포함 전 직원 대상 기본 소양을 확립해 이후 실습·과제 수행의 공통 언어를 확보
2. 핵심 실습 모듈: AI 디자인씽킹·프롬프팅·데이터 분석·자동 리포트 생성 등을 현업 실제 데이터로 실습.
3. 현업 PBL 과제 수행: 부서/개인 단위로 문제를 정의하고, 사내 AI/데이터 플랫폼과 연동해 해결책을 구현.
4. 성과 공유와 확산: 타운홀(월 1회)과 AI Festival(연 1회)을 개최하여 우수 사례를 전사 공유해 모범 사용패턴을 표준화.
실행 내용(2024–2025): 숫자가 말해 준 것들
교육 운영 규모: 2025년 한 해에만 20회·441명이 참여했습니다(CIO실, 100% 사내강사). PBL 방식으로 참여 인원의 제한이 있습니다.
아이디어 및 과제 성과: 현업 혁신 아이디어 374건 도출, AI Festival에는 103건(성과사례 33 + 아이디어퀘스트 70)이 접수됐습니다. 성과 사례 중 TOP 10을 선정하여 최종 심의(CIO실 + 경영진심사 + 온라인심사) 후 TOP3 시상을 진행했습니다.
중간 점검: PBL 교육 진행마다 ‘중간공유’ 회의를 통해 경영진의 스폰서십을 얻고 우선 실행 과제를 재정렬하며 실행력을 높였습니다.
HR 직무 관점의 대표 AI PBL 과제만 추려보면 다음과 같습니다.
TMP 교육결과보고서 자동생성: 보고서 작성 2시간 → 10분(–91.6%)으로 단축.
채용현황 분석 리포트: 2시간 → 10분으로 단축, 담당자 업무 효율 1,100% 향상.
HRSM 운영 현황 분석: 자동 분석·시각화를 통한 리포트 생성 시간 대폭 단축.
현장 체감도: 첫 차수 만족도 4.7점, ‘현업 적용 가능한 실습·코칭’이 강점으로 확인.
핵심 성과: 기술 습득을 넘어 ‘업무 방식의 전환’
1. 업무 속도와 품질의 동시 개선: 리포트·지표·대시보드의 자동화로 리드타임을 대폭 단축하면서 분석의 일관성과 투명성을 확보했습니다.
2. 파워유저 생태계 형성: CIO실 사내강사가 강의와 코칭을 주도해 현업 실제 데이터를 활용한 실습으로 현업 내 재현 가능성을 높였습니다. 외부전문강사를 통해서는 보안 이슈로 불가능한 성과라고 생각합니다.
3. 전사 확산 메커니즘: AI Festival·타운홀 공유를 통해 최적 사용패턴을 표준화하고 부서 간 전파를 촉진했습니다.
배운 점(OFI): 다음 라운드에서 반드시 잡아야 할 함정들
데이터 정합성: 이질적 포맷·결측치로 사전 정제 시간이 과도하기에 PBL 전 단계에서 데이터 딕셔너리·표준 스키마를 반드시 준비해야 합니다.
연계 커리큘럼: 초급→중급→프로세스형으로 이어지는 단계 설계가 필수입니다. 한 번의 교육으로는 현업 적용이 어렵습니다.
도구 다양성: 사내 AI툴(예: Chaver, Copilot)의 지속적인 업데이트와 다양한 AI Tool을 네패스 상황과 업무에 맞게 파인튜닝하며 우리 엔터프라이즈 시스템과의 통합이 되는 AI 개발 작업이 필요합니다.
다음 계획(2026): 전사 표준으로의 확장
AI University: 2025년의 AI PBL를 기반으로, 2026년에는 전사 AI 역량을 표준화·내재화해 학습을 곧바로 P&L 개선으로 연결하는 AI University로 고도화하고자 합니다. 직무·숙련도 맞춤의 3트랙(일반-숙련-전문)과 3대 영역(Intelligence-Agentic AI-Foundation Model)을 통해 개인 단위의 업무 자동화 및 효율화를 팀 단위 데이터 흐름으로 확장하고, 최종적으로 사내 엔터프라이즈 시스템(MES, ERP, MIGHTY 등)과 단계적 통합을 완성해 나가고자 합니다.
Accountable AI: AI 학습의 궁극적 목적은 손익(P&L, Profit & Loss) 개선입니다. 개인 효율성에 머무르지 않고 조직의 재무적 효과로 이어지도록 AI 거버넌스를 제도화합니다. 학습-적용-성과를 P&L 지표로 연결하는 전사 프레임워크를 구축하고자 합니다.
HR 실무 인사이트: 재현 가능한 운영 프레임(체크리스트)
1. 미션 정렬: “AI로 무엇을 바꾸고 싶은가?”를 사업부 KPI·고객 가치에 정렬. 교육 목표를 업무 성과 지표로 번역.
2. 데이터 준비/보안: PBL 시작 전에 데이터 딕셔너리·접근권한·표준 스키마를 확정(정합성·보안·거버넌스).
3. 러닝 여정 설계: 마인드셋→핵심 실습→현업 과제→성과 공유로 이어지는 페이스메이커 선발, 육성(파워유저 코칭 체계 포함).
4. 현업 코칭: 교육 직후 4–8주 스프린트를 운영해 ‘작게·빨리’ 성과를 만든 뒤 표준화(사내강사/멘토 제도).
5. 플랫폼 연동: TMP·사내 데이터·리포팅 툴을 교육과 곧바로 연결해 ‘학습→적용→배포’ 루프를 자동화.
6. 확산 메커니즘: 사내 페스티벌·사례집·챔피언 제도를 통해 재사용 가능한 템플릿을 DB로 축적.
7. 성공 지표: 리드타임 단축(예: 2h→10m), 자동화율, 재사용률, 만족도(예: 4.7), 전사 접수건(예: 103건) 등 실행·확산 지표를 운영 KPI로 관리.
맺음말: 교육이 아니라 ‘업무 방식’을 완전히 새롭게 재설계하라 (새판짜기)
AI PBL은 ‘AI를 배우는 시간’이 아니라 업무를 다시 새롭게 재설계하는 시간이었습니다. HR이 플랫폼·데이터·코칭을 묶는 오케스트라 역할을 할 때, 학습—성과—확산의 선순환이 현실이 될 수 있습니다. 네패스의 지난 2년은 그 가능성을 보여주었습니다. 다음 라운드는 데이터 표준화·연계 커리큘럼·플랫폼 개인화로 더 빠르고, 더 넓고, 더 안정적으로 확장하는 것입니다. 현업에서 직면한 실제 P&L 개선 과제를 최신 AI 기술로 해결함으로써 실질적인 문제해결능력을 높이고 Dark Factory를 구현하는 것을 최종 목표로 우리 조직은 AI라는 말을 타고 켄타우르스형 인재가 되어 올 한해 빠르게 달려나갈 계획입니다.