연구로 보는 HR ② 당신에게 AI는 어떤 존재인가요 파트너? 파일럿?
우리가 AI를 처음 만났을 때는 내 머릿속 생각을 그럴듯한 문장으로 출력해주는 '인지 대체(Cognitive Replacement)'의 신기함에 감탄하곤 했습니다. 그러다 곧 대량의 데이터를 정리하거나 반복되는 문서를 처리하는 '자동화(Automation)'의 편리함에 익숙해졌죠. 그런데 이제 AI는 한 발 더 나아가고 있습니다. 우리가 일일이 시키지 않아도 알아서 문제를 찾고, 판단하고, 실행까지 마치는 '에이전트(Agent)'의 시대가 열리고 있는 것입니다.
AI가 단순한 도구를 넘어 '디지털 동료'가 되어가는 이 놀라운 변화 속에서, 우리는 한 가지 근본적인 질문을 마주하게 됩니다. “AI가 스스로 일하게 될 때, 나의 전문성은 어디에서 찾아야 할까?” 기술이 화려해질수록 오히려 더 중요해지는 것은 기술을 다루는 '사람의 사고 근육'입니다. 본 보고서는 AI에 휘둘리지 않고 기술을 내 최고의 파트너로 만드는 '진짜 교육(학습)'의 비밀을 담고 있습니다. 교육 심리학과 인지 과학의 지혜를 빌려, 우리 구성원들이 AI의 어깨 위에서 더 멀리 내다볼 수 있게 돕는 구체적인 전략을 지금부터 이야기 해보고자 합니다.
AI는 정답이 아니라 확률이다, 고로 구성주의적 접근이 핵심이다.
AI 교육이 성과를 거두기 위해서는 학습자가 새로운 기술을 어떻게 수용하고 자신의 지식 체계에 통합하는지에 대한 이해가 선행되어야 한다. 구성주의 학습 이론(Constructivist Learning Theory)은 학습자가 단순히 정보를 수동적으로 흡수하는 존재가 아니라, 자신의 경험과 기존 지식을 바탕으로 의미를 능동적으로 구축하는 존재임을 강조한다. AI 기술은 비결정론적이고 맥락 의존적인 특성을 지니기 때문에, 정형화된 매뉴얼을 암기하는 방식의 전통적인 교육으로는 그 잠재력을 온전히 끌어낼 수 없다.
구성주의 관점에서 학습은 동화(Assimilation)와 조절(Accommodation)이라는 두 가지 과정을 통해 이루어진다. 학습자가 AI를 단순히 진화된 검색 엔진으로 인식하여 기존의 업무 방식에 대입하는 것이 동화라면, AI의 생성적 능력을 발견하고 자신의 업무 프로세스를 근본적으로 재설계하는 과정이 조절에 해당한다. 예를 들어, 흑백요리사가에 참여한 참가자가 향신료에 대한 기존 지식을 바탕으로 사프란의 독특한 풍미와 용도를 배우며 자신의 레시피 모델을 확장하는 것처럼, 직장인들 역시 AI라는 새로운 도구를 자신의 전문 영역에 통합하며 지식의 스캐폴딩(Scaffolding)을 구축해야 한다.
인간-AI 협업의 심층 역학: 센타우르와 사이보그
하버드 비즈니스 리뷰 및 BCG의 연구는 AI 교육이 역량을 높이는 구체적인 방식을 '협업 모드'의 관점에서 규명했다. 이 연구는 244명의 전략 컨설턴트를 대상으로 AI 활용 방식을 관찰한 결과, 센타우르(Centaur)와 사이보그(Cyborg)라는 두 가지 상위 역량 모델과, 전문성을 침체시키는 '자동화 추종자(Self-Automator)' 모델을 확인했다.
협업 모델 | 워크플로우 특징 | 역량 강화의 성격 | 결과적 가치 |
센타우르 (Centaur) | 전략적 분업; 인간과 기계의 과업을 명확히 구분하여 전담 | 업스킬링(Upskilling): 기존 전문 지식의 심화 및 전략적 통제력 강화 | 초기 성과가 낮은 집단에서 43%의 품질 향상 |
사이보그 (Cyborg) | 끊김 없는 통합; 인간의 인지 프로세스와 AI가 상호 직조되듯 협업 | 뉴스킬링(Newskilling): 하이브리드 문제 해결 및 AI 조율 역량 획득 | 창의적 문제 해결 및 복합적 과업 수행에 최적화 |
자동화 추종자 (Self-Automator) | 비판적 검토 없는 위임; AI를 관찰만 할 뿐 주도적으로 개입하지 않음 | 숙련도 저하(De-skilling): 판단 근육의 약화 및 도메인 지식의 점진적 상실 | AI가 한계를 보이는 과업에서 치명적 오류 발생 가능성 |
센타우르형 학습자는 자신의 강점인 전략적 사고와 가치 판단에 집중하고, 데이터 분석이나 초안 작성과 같은 과업은 AI에게 명확히 위임한다. 이들은 "무엇을 할 것인가"와 "어떻게 할 것인가"에 대한 선택권을 유지하며 자신의 도메인 전문성을 공고히 한다. 반면 사이보그형 학습자는 AI를 자신의 인지적 확장으로 활용하며, AI의 출력물에 즉각적으로 반응하고 수정하며 실시간으로 대화를 이어가는 '뉴스킬'을 발휘한다.
중요한 통찰은 '자동화 추종자' 집단이다. 이들은 AI를 마치 자율 주행 자동차처럼 취급하며 "졸음운전"을 하는 것과 같다. 이들은 업무 속도는 빠를 수 있으나, AI의 오류를 잡아내지 못하며 자신의 전문 지식을 연마할 기회를 상실한다. AI 교육의 핵심 목표는 학습자들이 단순히 AI를 많이 쓰게 하는 것이 아니라, 센타우르나 사이보그와 같은 주도적인 협업 모드를 선택할 수 있는 '전략적 선택 역량'을 기르는 데 있어야 한다.
그래서 HR은 이 사람들의 교육을 어떻게 평가해야 할까요?
이러한 관점에서 볼 때, AI 교육의 성공 여부를 단순히 교육 이수율이나 비용 절감으로 판단하는 것은 위험하다. AI가 업무 방식에 깊숙이 스며든 오늘날의 환경에서는 교육의 성과를 보다 정교하게 측정할 필요가 있다. 예컨대 구성원들이 AI를 얼마나 자주 사용하는지와 같은 채택 및 사용량 지표, 다양한 업무 영역에서 AI를 활용하고 있는지를 보여주는 활용 범위 지표, 멀티턴 대화나 구조화된 프롬프트와 같은 활용 깊이 지표, 그리고 AI 활용 전후의 과업 수행 시간과 결과물 품질 변화와 같은 역량 상승 지표가 함께 고려되어야 한다.
또한 ROI를 평가할 때는 단순한 비용 절감뿐 아니라 AI로 절약된 시간이 고객 관계 강화나 창의적 기획과 같은 더 가치 있는 업무로 전환되었는지를 살펴보는 ‘기회비용 혜택’까지 포함해야 한다. 더 나아가 신규 입사자가 AI 보조 환경 속에서 숙련 단계에 도달하는 시간이 얼마나 단축되는지 역시 HR 관점에서 중요한 지표가 된다.
결국 AI 교육의 본질은 기술 사용법을 익히는 것이 아니라 인간과 AI 사이의 ‘인지적 파트너십’을 구축하는 것에 있다. 이를 위해 교육은 학습자가 자신의 지식을 능동적으로 재구성할 수 있는 구성주의적 환경을 제공하고, 지각적 유창성이 만드는 학습의 착각을 넘어설 수 있도록 적절한 ‘바람직한 어려움’을 포함해야 한다. 또한 구성원들이 센타우르나 사이보그와 같은 주도적인 협업 모드를 선택하고, AI의 결과를 비판적으로 검토할 수 있는 메타인지적 판단 능력을 갖추도록 돕는 것이 중요하다.
AI는 우리의 도메인 지식을 강화할 수도, 잠식할 수도 있는 양날의 검이다. 따라서 인사 담당자와 교육 설계자는 구성원들이 AI의 ‘자율 주행’에 의존하는 자동화 추종자가 되지 않도록 끊임없이 질문하고 판단하는 사고 습관을 길러주는 인지적 훈련가의 역할을 수행해야 한다. AI가 정답을 제시하는 속도가 빨라질수록, 그 답이 왜 정답인지 묻는 인간의 질문 가치는 더욱 높아질 것이며, 바로 그 질문을 가능하게 하는 교육만이 조직의 지속적인 경쟁력을 만들어낼 것이다.