.svg)
AI 리터러시란 무엇일까요?
과거 데이터 리터러시가 핵심 역량으로 대두되었을 때, 많은 이들이 이를 Python 코딩 능력과 동일시했습니다. 하지만 데이터 리터러시의 본질은 데이터를 통해 어떤 비즈니스 질문에 답할 것인지 정의하고, 분석 결과를 어떻게 해석하여 의사결정에 활용할지 아는, 즉 질문과 해석의 능력이 핵심이었습니다.
AI 리터러시 역시 구조적으로 동일한 과제를 안고 있습니다. 현재 AI 역량의 본질은 AI에게 특정 질문을 하는 방법이나 특정 툴의 기능을 아는 수준으로 오해되곤 합니다.
이러한 오해는 AI 도입의 성과를 가로막는 핵심 원인입니다. 최근 EY의 2025년 설문조사에 따르면, 많은 기업이 AI를 통한 생산성 향상의 40%를 놓치고 있습니다. 그 이유는 낮은 AI 리터러시에서 비롯됩니다. 실제로 88%의 직원이 AI를 사용하지만, 대부분은 검색이나 요약과 같은 기본 작업에 한정되어 있습니다. 업무 방식을 근본적으로 바꾸는 시도를 하는 직원은 5%에 불과합니다. (EY 2025 Work Reimagined Survey)
AI 리터러시에서 중요한 것은 AI라는 수행자에게 일을 잘 지시하고, 그 결과를 비판적으로 관리하며, 개선을 위한 명확한 피드백을 제공하는 능력입니다. AI를 단순한 도구가 아닌, 지시를 따르고 결과물을 생성하는 가상의 팀원으로 봐야 합니다. AI 리터러시는 곧 AI라는 도구를 대하는 업무 관리 능력입니다.
AI 리터러시의 과제: 교육과 활용 역량의 격차
현재 많은 기업은 이미 전사적으로 Microsoft Copilot이나 자사 AI 툴을 도입하고, 활용법 교육부터 AI 윤리와 같은 개념 교육까지 완료한 상태입니다. 하지만 이러한 교육 투자가 '실질적인 구성원의 역량 향상'으로 이어지고 있는지는 확인하기 어렵습니다. AI 시대에 **구성원의 활용 역량을 파악하고 개발하는 것은 HR의 중요한 과제**가 되었습니다.
2025년 Microsoft Work Trend Index는 AI 도입 성과가 프론티어 기업(Frontier Firm)과 후발 기업으로 양극화되고 있다고 지적합니다. 프론티어 기업은 AI를 활용해 시장을 압도하는 반면, 많은 기업은 AI 도입했지만 생산성은 향상되지 않는 현상을 겪고 있습니다. (Microsoft 2025 Work Trend Index)
Microsoft의 리포트에 따르면, 프론티어 기업의 성공 비결은 '툴 기능' 자체가 아니라, AI를 활용해 업무 워크플로와 프로세스를 근본적으로 재설계하는 조직의 역량에 있었습니다. 기존의 교육 방식이 실질적인 역량 향상으로 이어지지 못한 근본적인 이유는, AI 역량에 대한 접근이 다음과 같은 한계를 가졌기 때문입니다.
툴 기능 중심의 단편적 교육
툴의 개별 기능을 소개하고 사용법을 익히게 하는 데 집중합니다. (예: Copilot으로 이메일 초안을 생성하는 법) 이러한 기능 교육은 교육 이수율은 높일 수 있지만, 해당 기능이 기존의 복잡한 업무 프로세스와 어떻게 유기적으로 연결되고, 어떻게 프로세스를 재설계할 수 있는지에 대한 실질적인 역량은 길러주지 못합니다. 툴의 사용법은 알지만, 비즈니스 맥락 안에서 무엇을 위해 그리고 왜 사용해야 하는지에 대한 답이 빠져있습니다.
개념과 실무가 분리된 교육
AI란 무엇인가, AI 윤리의 중요성 같은 추상적인 개념 교육은 물론 중요합니다. 하지만 이러한 원론적인 논의는, 실무진이 비즈니스 프로세스를 AI로 자동화하는 복잡한 설계를 어떻게 해야 할지에 대한 실질적인 연결고리를 제공하지 못합니다. 실무와 동떨어진 교육은 AI를 반드시 알아야 할 기술이 아닌 알아두면 좋은 교양으로만 머물게 합니다.
성과와 분리된 일회성 활용
교육 이수 후에도, 구성원들은 AI를 더 나은 검색 엔진이나 이메일 초안 작성기 정도로만 단편적으로 활용합니다. 이는 반복 업무의 자동화와 프로세스 효율화의 파트너로 AI를 활용하는 관리 역량이 여전히 부재함을 보여줍니다. 그 결과 AI는 보조 작업에 머무를 뿐, AX로 나아가지 못합니다. 보조는 약간의 시간을 절약해줄 뿐이지만, AX는 비즈니스 자체에 변화를 가져올 수 있습니다.
AI 리터러시의 5가지 핵심 구성 요소
AI 도입의 성공은 툴 기능이 아닌, 프로세스 재설계와 관리 역량에 달려있습니다. 텔타는 AI를 업무 수행자로 보고, 이 수행자를 효과적으로 관리하는 5가지 핵심 기술을 AI 역량으로 봅니다.
1. 업무 체계화
본인의 암묵적 노하우가 담긴 복잡한 업무를 AI가 이해할 수 있도록 명확한 논리적 단계로 분해할 수 있는가? 프로세스 전체를 분해하고 논리적으로 정리하는 능력입니다.
2. 명확한 지시
그 업무를 AI에게 구체적인 역할, 목표, 제약 조건이 담긴 명확한 작업 가이드로 전달할 수 있는가? 단순히 요약해달라는 요청이 아닌, 누가, 왜, 어떤 기준으로, 어떤 형식을 원하는지 정의하는 것입니다.
3. 비판적 검토
AI가 내놓은 결과물의 품질을 단순히 좋다/나쁘다로 평가하는 것이 아닌, 누락된 것, 잘못된 것, 불명확한 것의 관점에서 정확히 평가하고 진단할 수 있는가? 이는 AI가 생성한 결과물의 사실 여부와 품질을 판별하는 능력입니다.
4. 구체적 피드백
단순히 지시를 수정하는 것이 아니라, 1차 결과물의 문제점을 기반으로 AI에게 명확한 수정 지시를 내려 원하는 결과물을 얻어낼 수 있는가? 이는 관리자로서 개선 방향을 제시하는 능력입니다.
5. 프로세스 효율화
이 모든 성공적인 지시와 피드백 과정을 자동화하고 템플릿으로 자산화하여, 유사한 업무에 지속적으로 재사용하고 효율화할 수 있는가? 이는 개인의 노하우를 조직의 자산으로 바꾸는 기술입니다.
텔타의 AI 리터러시 진단
텔타는 AI 기반 자동화 솔루션을 비즈니스로 발전시킨 경험을 기반으로, 3번 문단에서 정의한 5가지 핵심 AI 역량을 측정할 수 있는 Pre-built 역량 진단 셋을 제공합니다. 이는 단순한 지식 테스트가 아닌, 실제 업무와 유사한 시뮬레이션 기반의 과제로 구성됩니다.
이 진단 방식의 핵심은, 참가자가 과제를 수행하는 과정 자체가 구체적인 교육의 효과를 제공한다는 점입니다. 참가자는 다음과 같은 단계에 따라 전 과정을 비동기 온라인 환경에서 직접 수행합니다.
텔타 Pre-built 진단 과제 수행 과정
1) 자신이 일정 주기로 반복하고 있는 업무들 중 AI로 효율화할 수 있는 업무를 선택해 전체 프로세스를 구조화합니다. 구조화된 프로세스들 중 사람이 반드시 개입해야하는 업무와 아닌 것을 구분하고 AI에게 위임할 범위를 정의합니다.
2) AI에게 1차로 지시(프롬프팅)을 통해 결과물을 만들도록 합니다. 만들어낸 결과물에 대한 피드백을 AI에게 제공하고, 이를 기반으로 2차 결과물을 만들어 냅니다.
3) 도출된 결과물에 대한 최종 의사결정을 통해 실제 업무에 활용 가능한지 여부를 판단하고, 지속적인 개선을 통해 AI 자동화를 위한 템플릿을 만듭니다.
텔타의 진단 시스템은 모든 수행 과정을 사전에 설계된 전문적인 루브릭 기반으로 판별하여, 개인과 조직의 역량 수준을 구조화된 데이터로 변환합니다.
이 구조화된 데이터는 조직과 개인의 AI 리터러시 현황을 파악하는 가장 객관적인 데이터입니다. 진단 결과를 바탕으로 개인별, 조직별 강점과 약점을 분석하고, 역량 개선을 위한 구체적인 리포트를 제공합니다. 리더 입장에서는 구성원의 업무 중 어떤 부분이 AI 기반 자동화와 효율화가 용이한지, 어떤 부분을 시급하게 개선해야 하는지 빠르게 파악할 수 있습니다. HR 부서는 가장 시급하게 개선되어야 할 역량에 자원을 집중하고, 교육 효과를 객관적으로 측정해 조직 전체의 AX를 효과적으로 지원할 수 있습니다.
역량 진단으로 시작하는 AX
AI 시대의 실질적인 성과는 AI와 협업하는 프로세스 관리 능력을 갖추는 것에서 나옵니다. 텔타의 검증된 Pre-built AI 리터러시 진단을 통해 우리 조직의 현주소를 데이터로 먼저 확인하세요. 데이터에 기반한 정확한 진단만이 효과적인 AI 도입 전략의 첫걸음입니다.
.webp)