이미지제공=생성형AI

[대한민국명강사신문=조재옥 ]

같은 일을 하면서도 유독 시간이 더 걸린다고 느낀 경험이 있을 것이다. 보고서 초안을 쓰고, 자료를 정리하며 하루가 순식간에 지나간다. 이런 현실 속에서 ‘나는 왜 더 느릴까’라는 질문은 곧 ‘어떻게 일해야 더 나아질까’라는 질문으로 이어진다. 최근 업무 현장을 보면, 그 답이 생성형 AI를 단순히 도입했느냐가 아니라 그것을 어떻게 배우고 쓰느냐에서 나온다.

2025년 이후 생성형 AI는 단순한 신기술이 아니라 많은 조직에서 실제 업무의 일부가 되었다. 미국 세인트루이스 연방준비은행의 조사에 따르면, 생성형 AI를 업무에서 활용한 노동자는 평균적으로 주당 약 2.2시간을 절약했으며 이는 전체 업무 시간의 약 5%에 해당하는 효율 향상으로 평가된다. 생성형 AI 사용이 일상화된 노동자의 경우, 더 많은 시간 절약을 보고하기도 했다.

OECD 등 국제기구 연구에서도 생성형 AI는 문서 작성과 번역, 요약 같은 행정적 반복 작업에서 생산성을 높이는 잠재력을 지닌 것으로 분석되고 있다. AI는 단순 반복이나 구조화된 작업을 사람보다 빠르게 처리하며 이를 통해 사람은 판단과 결정, 조율 같은 고부가가치 영역에 더 많은 시간을 할애할 수 있다.

그렇다고 기술 자체가 모든 문제를 해결하는 것은 아니다. 한 글로벌 서베이에서는 전체 응답자의 74%가 직장에서 AI를 정기적으로 사용하지만, 정식 교육을 받은 사람은 단 33%에 불과하다는 결과가 나왔다. 이 조사에서 많은 사람들이 생성형 AI 도구를 업무 효율 향상에 도움이 된다고 느끼지만, 교육 부족으로 잘못 사용하거나 위험한 데이터를 노출하는 사례도 발생하고 있다는 점이 지적됐다.

즉, 생성형 AI를 도입했다고 해서 자동으로 성과가 나타나는 것이 아니다. 조직이 AI를 일을 개선하는 도구로 만들기 위해서는 학습과 교육을 통한 활용 역량 형성이 필요하다. 조직에서 반복 업무를 도와주는 기능을 마련해도, 직원이 그것을 어떻게 쓰는지 모른다면 결과는 제한적이거나 오히려 혼란을 초래할 수 있다.

AI 역량 격차는 곧 업무 속도의 격차로 이어진다. McKinsey와 다른 연구 사례에서도 AI 도입 이후 조직 성과는 현저히 달라졌다. 기업들이 AI를 전략적으로 통합하고 직원 교육을 제공할 경우, 생산성 향상 기회를 포착할 수 있지만, 그렇지 않을 경우 격차는 더욱 심화된다는 평가가 나왔다.

하지만 변화는 거창할 필요는 없다. 현장에서 효과를 내는 조직들은 공통적으로 간단한 순서를 따른다. 첫째, 직무별로 어떤 업무에서 생성형 AI를 활용할 수 있는지를 명확히 정리한다. 둘째, 문서 초안 작성, 자료 요약처럼 반복성이 높은 업무부터 우선 적용한다. 마지막으로 내부 사례와 실습 중심의 교육을 공유해 직원들이 자신 있게 도구를 다루도록 돕는다.

예를 들어, 공공 행정 분야에서는 지난해 한 기관이 ‘2025년 공공 실무자 대상 AI 활용 역량 강화 교육’을 통해 1,700명 이상의 수료생을 배출했다. 실습 중심의 수준별 과정으로 구성된 이 교육은 행정 문서 작성과 데이터 분석 같은 실제 업무에 바로 적용 가능한 내용으로 평가받으며, 현장 적용 가능성과 만족도가 매우 높았다.

그 결과 AI를 단순한 도구로 쓰는 것이 아니라 업무 방식의 일부로 만드는 문화적 전환이 이뤄지고 있다. 조직이 AI를 활용해 반복 작업을 줄이면 사람은 더 복잡하고 창의적인 문제 해결에 집중할 여유를 갖게 된다.

반대로 교육이 없는 조직은 여전히 반복 업무에 많은 시간을 소비한다. 반복 업무에 시간이 묶이면 판단과 전략적 사고에 쓸 여력이 줄어든다. 생성형 AI 교육은 단순한 도입의 문제가 아니라, 조직의 일하는 방식을 전환하는 시작점이다.

결국 생성형 AI 교육 유무는 선택의 문제가 아니라 업무 속도와 경쟁력을 구분하는 기준이 되고 있다. 작은 교육 하나가 반복 업무를 줄이고 집중해야 할 시간을 되돌려준다. 지금 필요한 것은 기술에 대한 기대가 아니라, 우리 조직의 업무 흐름을 점검하고 실제 활용 역량을 갖추는 일이다.