AI 리터러시: 인공 지능 기술 격차 해소

AI 거버넌스 센터(Center for Governance of AI)의 연구원인 Sam Manning의 최근 연구에 따르면 미국 내 610만 명의 근로자는 AI의 영향을 받고 있으면서도 해당 기술에 적응할 준비가 충분히 되어 있지 않습니다. 한편 IBM이 최근 실시한 설문조사에서는 경영진의 거의 절반이 자사 직원들이 AI 기술을 대규모로 구현하는 데 필요한 AI 기술과 지식을 갖추지 못했다고 답했습니다.

AI가 전 세계 산업에 미칠 것으로 예상되는 영향을 고려할 때, AI 기술 격차는 상당한 영향을 초래할 수 있습니다. IBM 기업가치연구소(IBV)의 연구에 따르면 경영진의 87%는 직원이 대체되기보다 업무 역량이 강화될 가능성이 더 높다고 보고 있으며, 이는 생성형 AI를 통해 이루어질 것으로 보고 있습니다.

기업이 AI의 잠재력을 얼마나 효과적으로 활용하느냐에 따라 산업 전반에 큰 영향이 미칠 가능성이 있습니다. AI 투자는 150% 급증하고 있으며, 2030년까지 AI가 기업 생산성을 42% 향상시킬 것으로 예상됩니다. 대부분의 조직은, 많게는 70%까지, 이러한 생산성 향상 효과를 혁신과 성장에 다시 투자할 계획입니다.

그러나 강력한 AI 리터러시 프로그램이 없다면 이러한 광범위한 기업 혁신은 정체될 수 있습니다. 미래의 업무 환경을 구축하기 위해서는 고등 교육 기관과 기업이 직원들의 장기적인 성공에 필요한 태도와 역량을 선제적으로 개발해야 합니다.

AI 리터러시는 AI 시스템을 이해하고, 점검하며, 신중하게 활용할 수 있는 능력을 의미합니다. 이는 엔지니어만을 위한 기술 역량이 아니라, 신입 직원부터 최고 경영진(C-suite)에 이르기까지 조직 내 모든 직무와 직급에 필요한 핵심 역량입니다.

학습자는 AI의 기능, 한계 및 윤리적 고려 사항을 이해함으로써 실무적 역량과 개념적 이해를 함께 갖출 수 있습니다. 이러한 역량을 통해 AI 리터러시를 갖춘 사람은 AI 기술을 이해하고 활용하는 과정에서 비판적으로 사고할 수 있습니다.

가장 기본적인 수준에서 AI 리터러시는 AI가 할 수 있는 일과 할 수 없는 일을 이해하는 것을 의미합니다. 예를 들어 머신 러닝 모델은 데이터에서 패턴을 식별할 수 있지만 여전히 사람의 감독이 필요하다는 점을 이해하는 것입니다. 보다 높은 수준의 AI 리터러시는 편향과 위험을 이해하고, 워크플로 전반에 AI를 어떻게 적용할지에 대해 정보에 기반한 의사결정을 내릴 수 있는 능력을 포함합니다.

주로 소프트웨어 사용 능력을 의미하는 디지털 리터러시와 달리, AI 리터러시는 보다 깊이 있는 개념적 이해를 요구합니다.

IBM 글로벌 인재 확보 및 임원 채용 부문 부사장인 Natasha Pillay-Bemath는 "AI가 점점 더 많은 반복적인 코딩 및 문서 작업을 처리하게 되면서, 전문가들은 보다 통합적인 관점에서 사고할 것이 요구되고 있습니다"라고 말했습니다. 그에 따라 이들의 역할은 "[...] 시스템을 엔드투엔드로 이해하고 AI 결과물의 품질과 편향 여부를 검증하는 방향"으로 변화하고 있습니다."

AI 리터러시는 단순히 컴퓨터 과학만을 의미하지 않습니다. 이는 AI 툴을 사용하는 방법뿐 아니라, AI가 어떻게 작동하고 추론하는지, 그리고 어떤 작업에 가장 적합한지를 이해하는 것을 의미합니다. 또한 이는 업무 수행 방식 자체의 근본적인 변화를 의미합니다. IBM® Consulting의 Glenn Dittrich와 Kim Morick는 "AI 도입에는 사고방식의 전환이 필요합니다"라고 설명했습니다. "이는 기술 역량뿐 아니라 공감 능력, 비판적 사고 및 호기심과 같은 역량에 대한 투자도 요구합니다."

AI에 대한 이해 수준은 AI 활용 증가 속도를 따라가지 못하고 있습니다. 2022년 OpenAI의 ChatGPT가 출시되면서 많은 대중이 처음으로 생성형 AI를 접하게 되었습니다. 현재 Gallup에 따르면 모든 산업 분야에서 전체 취업 성인의 12%가 업무에 AI를 매일 활용하고 있습니다. 기술, 금융 및 기타 AI 도입이 활발한 산업의 종사자들은 이를 더욱 적극적으로 활용하고 있습니다.

그러나 조직이 고객 서비스 챗봇부터 생성형 콘텐츠 툴에 이르기까지 다양한 AI 툴을 도입하고 있음에도, 많은 직원들은 이를 책임감 있고 효과적으로 활용하는 데 필요한 기본 지식을 갖추지 못하고 있습니다.

McKinsey의 최근 연구에 따르면 AI 활용 역량에 대한 수요는 지난 2년 동안 7배 증가했으며, 이는 미국 채용 공고에 나타난 모든 기술 역량 가운데 가장 빠른 증가 속도입니다. 한편 세계경제포럼(WEF)은 전 세계 노동 시장에서 요구되는 기술 역량의 40%가 향후 5년 내 변화할 것으로 전망하고 있습니다.

이러한 기술 격차는 실제 문제로 이어집니다. AI의 한계를 이해하지 못하는 직원은 AI 결과물을 지나치게 신뢰할 수 있습니다. 반대로 AI에 회의적인 직원은 혁신적인 툴을 충분히 활용하지 않을 수 있습니다. 또한 AI 모델을 충분히 이해하지 못하는 경영진은 조직 전반에 실질적인 가치를 제공하는 구현 전략을 설계할 수 없습니다. 기술이 더욱 고도화될수록 이러한 문제는 더욱 복합적으로 확대됩니다.

또한 기업이 AI 에이전트와 더욱 자율적인 소프트웨어를 도입함에 따라 거버넌스 시스템도 더욱 복잡해지고 있습니다. 직관적인 앱, 대시보드, 노코드 옵션 및 자연어 질의 기능은 접근성을 높여주지만, 이를 안전하게 활용하려면 여전히 AI 활용 역량이 필요합니다.

일부 AI 시범 운영 프로그램이 정체되고 조직이 즉각적인 성과를 확인하는 데 어려움을 겪으면서, AI의 잠재력은 단순한 기술 구현만으로 실현되지 않는다는 점이 점점 분명해지고 있습니다. 조직은 워크플로를 재설계하고 직원들이 새로운 업무 방식에 적응할 때 더 큰 가치를 얻을 수 있습니다. 이 모든 과정에는 AI 관련 업무 툴과 역량에 대한 깊이 있는 이해가 필요합니다.

IBM 글로벌 인재 확보 및 임원 채용 부문 부사장인 Natasha Pillay-Bemath는 "초급 직무는 단순 업무 중심 역할에서 분석, 문제 해결 및 책임 있는 AI 활용 중심 역할로 변화하고 있습니다"라고 말했습니다. Natasha는 이제 신규 채용 인력에게는 기술 역량만큼 학습 민첩성도 중요해졌다고 설명합니다.

AI 리터러시는 서로 연관된 다양한 역량이 함께 작동하는 기술 집합입니다. 이상적으로는 특정 역할과 목표에 맞춰 설계된 실용적이고 융합적인 역량 체계를 의미합니다. AI 리터러시의 구체적인 학습 과정은 목표 역량 수준에 따라 달라질 수 있지만, 세계경제포럼(WEF)은 최근 교육 환경을 위한 AI 리터러시 초안 커리큘럼을 발표했습니다. WEF의 AI 리터러시 4대 프레임워크는 다음과 같습니다.

• AI 활용: AI의 활용 사례를 이해하고 결과물을 평가하는 능력
• AI 기반 창작: 윤리적 고려 사항을 염두에 두고 AI 툴과 협업하는 방법을 이해하는 능력
• AI의 작업 관리: AI에 작업을 책임감 있게 위임하고 인간의 감독을 유지하는 능력
• AI 솔루션 설계: AI의 작동 원리를 이해하고 이를 활용해 일상 속 문제를 해결하는 능력

그 밖의 실질적인 AI 리터러시 역량에는 다음이 포함될 수 있습니다.

• AI의 작동 방식 이해: AI에 대한 개념적 이해를 갖춘 사용자는 AI가 무엇인지, 머신 러닝 시스템이 데이터를 통해 어떻게 학습하는지, 그리고 다양한 소프트웨어와 알고리즘의 강점과 한계를 이해합니다.
• AI 평가: AI를 비판적으로 평가할 수 있는 사용자는 AI의 결과물과 의사결정 과정을 정확성, 편향 및 신뢰성 측면에서 평가할 수 있습니다. 예를 들어 이는 AI가 생성한 결과를 언제 검증해야 하는지, 또는 언제 완전히 배제해야 하는지를 판단할 수 있는 능력을 의미합니다.
• AI 적용: AI를 실질적으로 활용하려면 특정 작업과 워크플로에 AI를 효과적으로 사용하는 방법을 이해해야 합니다.

AI를 위한 윤리적, 사회적 및 거버넌스 프레임워크 활용: 책임 있는 AI 리터러시는 개인정보 보호, 공정성, 책임성 및 설명 가능성과 같은 요소를 포함해 AI가 미치는 영향을 폭넓게 이해하는 것을 의미합니다.진정한 AI 리터러시를 갖춘 사용자는 AI 도입이 단순한 기술적 결정이 아니라는 점을 이해합니다.

생성형 AI 리터러시는 대규모 언어 모델(LLM) 및 기타 생성형 시스템에 초점을 맞춘 AI 리터러시의 세부 분야입니다. 생성형 AI 툴이 조직의 워크플로에 더욱 깊이 통합됨에 따라 이러한 역량의 중요성도 더욱 커지고 있습니다.

핵심 요소 중 하나는 할루시네이션의 개념을 이해하고, 사용자가 AI 아웃풋을 일정 수준의 비판적 시각으로 검토하도록 하는 것입니다. 또 다른 핵심 요소는 책임 있는 활용을 우선시하는 것입니다. 예를 들어 외부 AI 시스템과 공유해서는 안 되는 정보를 이해하거나, 특정 작업이 생성형 AI 활용에 적합하지 않다는 점을 판단할 수 있어야 합니다.

생성형 AI 리터러시의 또 다른 중요한 요소에는 다음이 포함됩니다.

• 학습 데이터의 이해
• 지식 재산(IP) 및 저작권 문제 고려
• 모델의 한계 인식
• 데이터 프라이버시 인식 유지

AI 리터러시는 강력한 디지털 혁신의 핵심 기반입니다. IBM Consulting의 HR Technology 파트너인 Kimberly Morick는 "의미 있는 구현을 위해서는 단순히 새로운 기술을 활성화하는 것 이상의 노력이 필요합니다"라고 말했습니다. "성공을 위해서는 정형 데이터와 비정형 데이터가 서로를 어떻게 보완하는지에 대한 깊이 있는 이해와 AI 학습 메커니즘에 대한 통찰, 그리고 중요한 의사결정 시점에서의 전략적 인간 감독이 필요합니다."

Kimberly는 이어 "이러한 기반이 없다면 조직은 강력한 툴을 도입하더라도 제한적인 효과만 얻을 위험이 있습니다"라고 덧붙였습니다.

기업 환경에서 AI 리터러시를 구축하기 위한 모범 사례에는 다음이 포함됩니다. 

효과적인 AI 리터러시 프로그램은 조직의 현재 상태를 객관적으로 파악하는 것에서 시작됩니다. 여기에는 기업이 현재 보유한 AI 리터러시 수준과 앞으로 필요하게 될 리터러시 유형이 모두 포함됩니다. 의미 있는 기준선 평가는 다음과 같은 다양한 측면에서 리터러시 수준을 측정할 수 있습니다.

• 어떤 툴이 사용되고 있으며 얼마나 효과적으로 활용되고 있는가?
• 특정 역할에는 어떤 역량과 개념적 이해가 가장 필요한가?
• 조직 내에는 이미 어떤 역량이 존재하는가? 그 역량을 가장 효과적으로 활용하려면 어떻게 해야 하는가?

기준선 평가 과정에서는 단기 및 장기적으로 역할이 어떻게 변화할 것으로 예상되는지 구체적으로 파악하는 것이 도움이 될 수 있습니다. 조직은 직무 재설계를 계획함으로써 직원들이 미래에 필요한 역량을 갖출 수 있도록 지원하고, 동시에 AI 리터러시가 실제 업무에 제공하는 가치를 직원들이 체감할 수 있도록 합니다.

IBM HR 및 인재 혁신 부문 Associate Partner인 Sarah Damenti는 "모든 워크플로 자동화를 새로운 창의적 업무를 위한 가능성으로 바라볼 때 계획 수립 과정에서 잠재적 가치가 창출됩니다"라고 말했습니다. 

다양한 역할이 존재하는 대규모 조직에서는 단일 커리큘럼이 효과를 내지 못하는 경우가 있습니다. 현장 직원과 IT 인력을 동시에 대상으로 하는 획일적인 교육이나 웨비나는 오히려 역효과를 낼 수 있습니다. 성공적인 조직은 역할마다 필요한 역량이 다르다는 점을 이해하고 이에 맞춰 교육을 개인화합니다. 조직은 AI를 활용해 직원의 현재 이해 수준을 고려한 개인별 역할 맞춤형 학습 경로를 설계할 수 있습니다.

모든 직원이 AI의 작동 원리에 대한 기본적인 이해를 갖추는 것은 중요하지만, 효과적인 기업 AI 리터러시 프로그램은 직원들이 실제로 접하게 될 구체적인 툴을 중심으로 학습을 구성합니다. 이러한 접근 방식은 AI에 대해 아는 것과 실제 워크플로에서 AI를 효과적으로 활용하는 것 사이의 격차를 줄여줍니다. 잘 설계된 AI 리터러시 모듈은 추상적인 개념이나 범용 툴 중심 교육 대신 구체적인 실습 시나리오를 통해 직원들이 학습할 수 있도록 지원합니다. 

진정한 AI 리터러시는 실제 상황에서 AI 결과물과 잠재적인 잘못된 정보를 비판적으로 평가할 수 있는 능력에 달려 있습니다. 미래 지향적인 기업은 의도적으로 설계된 실습과 피드백을 통해 이러한 역량을 명확하게 교육합니다. 평가를 위한 체계적인 훈련 없이 AI 시스템을 자주 사용하는 직원은 시간이 지날수록 이러한 시스템에 과도하게 의존하게 될 수 있습니다.

예를 들어 UC Santa Barbara 기술 경영학 부교수인 Matt Beane은 사용자가 AI 활용 과정에서 자신의 선택을 되돌아보도록 유도하는 접근 방식을 실천하고 있습니다. Beane은 IBM과의 인터뷰에서 소규모 수습 팀을 숙련된 직원과 연결해, 해당 직원이 AI 툴을 활용한 다양한 과제를 소규모 그룹과 함께 수행하도록 지도한다고 설명했습니다. 이후 디브리핑 세션에서는 그룹별로 여러 질문에 답하며 자신도 인식하지 못했던 가정을 발견하거나 대안적 해결책을 모색합니다. 

효과적인 AI 학습 문화의 핵심 기반 중 하나는 내부 챔피언 네트워크입니다. 이는 다양한 부서와 역할에서 AI에 높은 관심을 가지고 있으며 자신의 지식과 경험을 적극적으로 공유하려는 사람들을 의미합니다. AI 리터러시에 대한 관심은 경영진으로부터 조직 전반으로 확산되는 경우가 많습니다. 주요 이해관계자는 AI를 능숙하게 활용할 수 있어야 하며, AI가 조직에 어떤 가치를 제공할 수 있는지 설명할 수 있어야 합니다.

직원들이 새로운 툴의 잠재력에 기대감을 가지게 되면 AI 리터러시 프로그램에도 더욱 적극적으로 참여할 가능성이 높아집니다.

v이러한 내부 챔피언은 직원들이 실험 중인 새로운 AI 활용 사례나 예상치 못한 실패 사례도 발견해낼 수 있습니다. 이러한 피드백 루프는 정책과 학습 프로그램이 조직 내 실제 AI 활용 방식과 지속적으로 연결되도록 하는 데 중요한 역할을 하며, 향후 교육 방향을 수립하는 데에도 도움이 됩니다. 

강력한 거버넌스 교육이 없는 AI 리터러시는 불완전합니다. 효과적인 기업 AI 리터러시 프로그램은 명확한 거버넌스 프레임워크와 함께 구축됩니다. 이는 허용 가능한 사용 방식에 대한 명확한 정책을 수립하고, 어떤 유형의 데이터를 AI 시스템에 입력해야 하는지, 그리고 AI 생성 결과물을 사용하기 전에 어떻게 출처를 표시해야 하는지를 사용자에게 교육하는 것을 의미합니다. 또한 AI 리터러시 프로그램은 모든 직원이 거버넌스 보호 장치를 명확하게 인식할 수 있도록 하여 컴플라이언스 문화를 조성해야 합니다.

학습에는 시행착오가 필요하며, 진정한 AI 활용 역량을 갖추기 위해서는 반복적인 개선 과정을 중요하게 여기는 문화를 조성해야 합니다. 실질적으로 이러한 접근 방식은 사내 해커톤과 같은 실험 활동에 시간과 리소스를 투입하는 것을 의미합니다. Morick는 이러한 사고방식을 "스타트업처럼 사고하기"라고 설명합니다.

Morick은 "AI는 모두의 과제입니다"라고 말합니다. "모든 사람은 주인의식을 가지고 스스로에게 물어야 합니다. 나는 어떻게 하면 내 업무를 더 효과적으로 수행할 수 있을까? 내 업무를 통해 조직에 더 빠르고 더 높은 가치를 어떻게 제공할 수 있을까?" 조직은 의도적으로 안전한 실험 환경을 조성함으로써 장기적인 AI 리터러시를 강화하고 새로운 아이디어에 대한 열정을 촉진할 수 있습니다.

AI 리터러시를 일회성 이니셔티브가 아닌 지속적인 조직 우선 과제로 인식하는 조직일수록 성공할 가능성이 높습니다. 향후 몇 년 내 전체 업무 시간의 최대 3분의 1이 자동화될 수 있다는 점을 고려하면, 이는 매우 시급한 과제입니다. AI 리터러시를 일회성 노력으로만 접근하는 조직은 몇 개월 안에 인력 경쟁력이 뒤처질 수 있습니다. 또한 직원 역량과 미래의 직업 안정성을 강화할 기회도 놓치게 됩니다.

AI 학습 경험을 지속적으로 우선시하려면 조직 차원의 지속적인 지원과 기존 인재 개발 프로세스와의 통합이 필요합니다. 또한 장기적인 관점에서 역량 개발 방식을 새롭게 바라봐야 한다는 의미이기도 합니다.

예를 들어 일부 조직은 새로운 역량 개발에 초점을 맞춰 초급 인력 채용을 더욱 확대하고 있습니다. 2026년 기준 CEO의 67%는 AI가 초급 인력 채용 규모를 확대할 것이라고 보고 있으며, IBM도 올해 초급 인력 채용을 3배로 늘릴 계획이라고 최근 발표했습니다. 그러나 이러한 역할은 반복적인 수작업보다 AI에 대한 비판적 분석과 인간의 감독 역량을 우선시하는 방향으로 재설계되고 있습니다.

Pillay-Bemath는 "초급 인력 채용에 계속 투자하지 않는다면 3~5년 후에는 어떤 일이 벌어질까요?"라고 말하며, "인재 파이프라인이 사라지고 결국 인재 공급 자체가 끊기게 됩니다"라고 설명했습니다.

AI 리터러시를 우선시한다는 것은 단순히 기존 직원에게 전문성 개발 기회를 제공하는 것만을 의미하지 않습니다. 이는 지속 가능한 성공을 위해 조직 전반에서 역량을 개발하는 방식을 근본적으로 재구상하는 것을 의미합니다.