AI 리터러시 뜻과 3대 요소, 업무용 AI 교육이 한 달 만에 잊히는 이유

AI 리터러시는 AI가 할 수 있는 일과 못 하는 일을 알고, 자기 업무에 맞게 지시하고, 결과를 검증해 책임질 수 있는 역량입니다. 프롬프트 작성법은 그중 일부입니다. 교육이 업무 활용으로 이어지려면 일반 AI 사용법이 아니라 자기 부서의 업무용 AI로 가르쳐야 합니다.

전 직원 AI 활용교육을 마친 지 한 달이 지났습니다.

교육 당일 만족도는 5점 만점에 4.6점이었습니다. 그런데 사용 로그를 열어 보니 주 1회 이상 쓰는 직원이 교육 전 18%에서 교육 직후 41%로 올랐다가, 한 달 뒤 22%로 돌아와 있습니다.

AX 담당자: '교육은 잘 받았다고 하는데 왜 안 쓰시나요?'

영업팀: '배운 건 맞는데, 제 일에 어떻게 쓰는지는 결국 못 찾았어요.'

이 대화가 AI 리터러시 교육의 가장 흔한 결말입니다. 교육이 부족해서가 아닙니다. 가르친 내용이 'AI를 쓰는 법'이었지 '내 업무에 AI를 쓰는 법'이 아니었기 때문입니다.

이 글은 AI 리터러시의 뜻과 3대 요소를 정리하고, 기업에 AI 리터러시가 왜 필요한지, AI 활용교육이 왜 한 달 만에 잊히는지, 업무용 AI를 중심에 둔 교육은 어떻게 설계하는지 교육사례와 함께 답합니다.

1. AI 리터러시 뜻은 무엇이고 프롬프트 교육과 어디가 다른가

먼저 이 글에서 말하는 AI 리터러시의 뜻부터 정리할 필요가 있습니다.

AI 리터러시는 AI가 할 수 있는 일과 못 하는 일을 알고, 자기 업무에 맞게 지시하고, 결과를 검증해 책임질 수 있는 역량입니다. 리터러시(literacy)는 원래 글을 읽고 쓰는 능력을 뜻합니다. AI 리터러시도 같습니다. AI의 답을 읽어 내는 능력과 AI에게 일을 시키는 능력이 함께 있어야 합니다.

프롬프트 교육과의 차이는 여기에 있습니다. 프롬프트 교육은 'AI에게 어떻게 말을 거는가'를 가르칩니다. AI 리터러시는 'AI가 한 말을 믿어도 되는가'까지 가르칩니다. 앞의 것만 배운 직원은 그럴듯한 답을 받아 그대로 보고서에 붙입니다. 뒤의 것까지 배운 직원은 답의 근거를 확인한 뒤에 씁니다.

AI를 쓰는 직원은 이미 많습니다. Microsoft와 LinkedIn의 2024년 조사에서 지식 노동자의 75%가 업무에 생성형 AI를 쓴다고 답했고, 그중 78%는 회사가 준 도구가 아니라 개인이 구한 도구를 쓰고 있었습니다.

같은 시기 McKinsey 조사에서는 직원의 48%가 AI 도입에 가장 중요한 요인으로 교육을 꼽았습니다.

직원들은 이미 쓰고 있고, 제대로 쓰는 법을 배우고 싶어 합니다. 회사가 채워야 할 것은 도구가 아니라 역량입니다.

AI 리터러시는 AI에게 말을 거는 능력이 아니라 AI의 답을 판단하는 능력까지 포함합니다.

2. AI 리터러시 3대 요소는 무엇인가

AI 리터러시는 세 요소로 나뉩니다. 이해, 활용, 검증입니다. 교육을 설계할 때도, 직원의 수준을 진단할 때도 이 세 요소를 기준으로 봅니다.

세 요소는 순서가 있습니다. 이해가 없으면 활용이 서툴고, 활용이 없으면 검증할 대상이 없습니다. 그런데 대부분의 전사 교육은 두 번째 요소인 활용, 그중에서도 프롬프트 작성법에 시간을 가장 많이 씁니다.

일반 AI 활용교육이 다루는 것

'이렇게 물어보면 답이 좋아집니다'라는 프롬프트 요령. 요약, 번역, 이메일 초안 같은 범용 예시.

AI 리터러시 교육이 다루는 것

우리 회사 데이터를 AI가 읽을 수 있는지, 어떤 업무를 맡길지 고르는 기준, 답을 확인하는 절차. 예시는 자기 부서의 실제 업무.

세 번째 요소인 검증은 가장 적게 가르치는 요소인데 문제가 가장 많이 생기는 지점입니다. 직원이 AI의 답을 확인하지 않고 쓴 결과는 회사가 책임집니다.

AI 리터러시 3대 요소는 이해, 활용, 검증이고, 교육에서 가장 빠지기 쉬운 것은 검증입니다.

3. 기업에 AI 리터러시가 왜 지금 필요한가

AI 리터러시 필요성을 묻는 경영진에게 담당자가 답해야 할 이유는 세 가지입니다.

이유 1. 직원은 이미 쓰고 있고, 회사는 모릅니다.

1장에서 본 것처럼 AI를 쓰는 직원 넷 중 셋은 개인 도구를 씁니다. 회사가 교육하지 않아도 직원은 배웁니다. 다만 혼자 배우면 검증 없이 쓰는 습관이 굳습니다. 그 결과물이 고객 답변과 보고서에 섞여 들어갑니다. 회사는 어떤 데이터가 어디로 나갔는지, 어떤 답이 AI가 쓴 것인지 알 수 없습니다.

이유 2. 업무용 AI가 들어오면 역량 차이가 성과 차이로 바뀝니다.

범용 AI를 쓸 때는 잘 쓰는 직원과 안 쓰는 직원의 차이가 개인 생산성 차이에 그칩니다. 사내 데이터를 읽는 업무용 AI가 들어오면 다릅니다. 같은 도구를 받아도 어떤 업무를 맡길지 아는 직원은 반복 업무의 절반을 넘기고, 모르는 직원은 검색창처럼만 씁니다. 도구는 같은데 결과가 두 배 이상 벌어집니다.

이유 3. AI 기본법 시행으로 회사가 AI 사용을 설명할 책임이 생겼습니다.

AI 기본법 시행으로 AI를 쓰는 기업도 어떤 업무에 어떻게 쓰는지 설명할 준비가 필요해졌습니다. 직원이 무엇을 AI에 맡기고 무엇을 직접 확인하는지 모르는 회사는 이 설명을 할 수 없습니다. AI 리터러시는 직원 개인의 역량이면서 회사가 설명 책임을 다하기 위한 기반입니다.

인사팀: 'AI 리터러시 교육 예산을 왜 올해 잡아야 하나요?'

AX 담당자: '직원 넷 중 셋이 이미 개인 도구를 쓰고 있습니다. 교육을 안 하면 안 쓰는 게 아니라 검증 없이 쓰는 겁니다.'

AI 리터러시는 도입을 앞당기는 수단이기 전에, 이미 시작된 사용을 안전하게 만드는 수단입니다.

4. AI 활용교육은 왜 한 달 만에 잊히는가

도입부의 회사처럼 교육 직후 사용률이 올랐다가 한 달 뒤 제자리로 돌아오는 데는 이유가 있습니다. 저희 팀에서도 고객사 교육 뒤 사용 로그를 함께 보면 같은 모양의 곡선이 나옵니다. 원인은 세 가지로 정리됩니다.

원인 1. 범용 예시로 가르쳤습니다.

요약, 번역, 이메일 초안은 누구에게나 해당하지만 누구의 핵심 업무도 아닙니다. 교육장에서는 신기했던 기능이 자리로 돌아오면 쓸 데가 없습니다. 영업팀은 견적서를, 인사팀은 규정 문의 응대를, 총무팀은 자산 대장을 다룹니다. 교육 예시가 이 업무와 연결되지 않으면 활용은 교육장에서 끝납니다.

원인 2. 범용 AI로 가르쳤습니다.

교육에서 쓴 AI가 사내 데이터를 읽지 못하면, 직원이 자기 업무를 시켜 봐도 일반론만 돌아옵니다. '우리 회사 출장비 규정이 어떻게 되나요?'라고 물었는데 공무원 여비 규정이 나오면 그 직원은 다시 열지 않습니다. 업무용 AI, 즉 사내 규정과 시스템을 읽는 AI로 가르쳐야 교육 내용이 다음 날 업무와 이어집니다.

원인 3. 세 집단을 한 과정에 넣었습니다.

전 직원, 부서 담당자, AX TF는 필요한 역량이 다릅니다. 전 직원에게는 이해와 검증이, 부서 담당자에게는 자기 부서 업무를 AI에 맡길 단위로 나누는 활용이, AX TF에게는 어느 부서부터 어떤 순서로 확산할지 설계하는 역량이 필요합니다. 한 과정으로 세 집단을 가르치면 전 직원에게는 어렵고 TF에게는 얕습니다.

이 세 원인을 뒤집으면 교육 설계 순서가 나옵니다.

부서 담당자 선정 → 부서별 적용 업무 선정 → 업무용 AI로 담당자 교육 → 담당자가 부서 교육 → 사용 기록 확인

• 부서 담당자 선정: 부서 업무를 두루 알면서 새 도구에 거부감이 적은 사람. 가장 바쁜 핵심 인력이나 가장 어린 직원은 피합니다.
• 부서별 적용 업무 선정: 담당자가 자기 부서에서 반복이 가장 많은 업무 두세 개를 '월 몇 건, 건당 몇 분'으로 적습니다.
• 업무용 AI로 담당자 교육: 범용 AI가 아니라 사내 규정과 데이터를 읽는 AI로, 담당자가 적은 업무를 직접 시켜 보게 합니다. 검증 절차를 여기서 함께 가르칩니다.
• 담당자가 부서 교육: 외부 강사가 아니라 담당자가 자기 부서 동료에게 자기 업무 예시로 가르칩니다. 1시간이면 충분합니다.
• 사용 기록 확인: 교육 뒤 4주 동안 부서별 사용 기록을 담당자와 함께 봅니다. 떨어지는 부서는 적용 업무를 다시 고릅니다.

AI 활용교육이 잊히는 이유는 내용이 아니라 예시와 도구가 직원의 업무와 떨어져 있기 때문입니다.

5. AI 리터러시 교육사례: 국내 전자부품 제조사(임직원 800명)

4장의 순서를 적용한 교육사례입니다.

이 회사는 2025년 상반기에 전 직원 대상 생성형 AI 활용교육을 외부 강사 과정으로 두 차례 진행했습니다. 교육 만족도는 높았지만 3개월 뒤 주 1회 이상 사용자는 전체의 15%였습니다. 인사팀이 사용 로그를 보니 쓰는 직원도 대부분 번역과 이메일 초안에만 썼습니다.

하반기에 방식을 바꿨습니다.

1단계. 부서 담당자 6명 선정

인사, 총무, 영업, 품질, 구매, 생산관리 부서에서 한 명씩 정했습니다. 선정 기준은 부서 업무를 두루 아는 과장급이었습니다.

2단계. 부서별 적용 업무 선정

담당자 6명이 각자 부서의 반복 업무를 적었습니다. 인사팀은 규정 문의 응대(월 90건, 건당 15분), 품질팀은 고객 품질 회신서 초안(월 40건, 건당 50분), 구매팀은 견적 비교표 작성(월 60건, 건당 30분)을 골랐습니다.

3단계. 업무용 AI로 담당자 교육

사내 취업규칙, 품질 기준서, 구매 규정을 읽는 AI 에이전트로 담당자 6명이 2일간 자기 업무를 직접 시켜 봤습니다. 교육의 절반은 AI의 답을 원문과 대조해 틀린 부분을 찾는 검증 연습이었습니다.

4단계. 담당자가 부서 교육

담당자 6명이 각 부서에서 1시간씩 자기 업무 예시로 교육했습니다. 외부 강사 없이 진행했습니다.

5단계. 사용 기록 확인

교육 뒤 4주 동안 매주 부서별 사용 기록을 봤습니다. 영업팀은 2주 차에 사용이 떨어져 적용 업무를 '제안서 초안'에서 '기존 고객 문의 회신'으로 바꿨습니다.

결과는 세 시점으로 비교했습니다. 주 1회 이상 사용자는 교육 전 15%에서 교육 4주 뒤 46%, 12주 뒤 52%였습니다. 인사팀 규정 문의 응대는 건당 15분에서 4분으로 줄었고, 품질팀 회신서 초안은 건당 50분에서 20분으로 줄었습니다.

인사팀장: '상반기 교육이랑 뭐가 달랐나요?'

AX 담당자: '강사가 아니라 우리 과장이, 범용 AI가 아니라 우리 규정을 읽는 AI로, 남의 예시가 아니라 우리 업무로 가르쳤습니다.'

교육사례가 보여 주는 것은 교육 시간이 아니라 교육에 쓴 도구와 예시가 결과를 갈랐다는 점입니다.

6. 자주 묻는 질문

AI 리터러시와 프롬프트 엔지니어링은 같은 말인가요?

다릅니다. 프롬프트 엔지니어링은 AI에게 지시하는 기술이고, AI 리터러시의 3대 요소 중 활용에 속하는 일부입니다. AI 리터러시는 AI를 이해하고 결과를 검증하는 역량까지 포함합니다.

AI 리터러시 교육은 전 직원이 다 받아야 하나요?

전 직원이 받되 내용이 달라야 합니다. 전 직원에게는 이해와 검증 중심의 짧은 과정, 부서 담당자에게는 자기 업무를 AI에 맡기는 활용 중심의 실습, AX TF에게는 확산 설계가 필요합니다.

범용 AI로 먼저 교육하고 업무용 AI는 나중에 도입하면 안 되나요?

순서를 바꾸는 편이 낫습니다. 범용 AI로 배운 직원은 자기 업무에 써 보고 일반론만 돌아오는 경험을 하면 다시 열지 않습니다. 업무용 AI를 한 부서에라도 먼저 두고 그 부서부터 교육하면 교육 내용이 다음 날 업무와 이어집니다.

AI 리터러시 수준은 어떻게 측정하나요?

시험보다 사용 기록이 정확합니다. 주 1회 이상 사용자 비율, 부서별로 AI에 맡긴 업무의 수, 검증 절차를 거친 결과물의 비율을 봅니다. 교육 전, 4주 뒤, 12주 뒤 세 시점으로 비교하면 교육 효과와 유지 여부를 함께 알 수 있습니다.

검증 역량은 어떻게 가르치나요?

AI의 답과 원문을 나란히 놓고 틀린 부분을 찾는 연습이 가장 효과가 큽니다. 사내 규정 문의에 AI가 답한 내용을 취업규칙 원문과 대조하게 하면, 직원은 AI가 그럴듯하게 틀리는 방식을 몸으로 익힙니다.

7. 우리 회사 AI 리터러시는 어디서 막혀 있을까

☐ 직원 중 개인 계정으로 AI를 쓰는 비율을 알고 있는가?

☐ 교육에서 쓴 예시가 각 부서의 실제 반복 업무였는가?

☐ 교육에 쓴 AI가 사내 규정과 데이터를 읽을 수 있었는가?

☐ 전 직원, 부서 담당자, AX TF의 교육 내용이 서로 달랐는가?

☐ AI의 답을 원문과 대조하는 검증 연습이 교육에 들어 있었는가?

☐ 교육 전, 4주 뒤, 12주 뒤의 사용 기록을 비교하고 있는가?

이 질문 중 절반 이상에 답하기 어렵다면, 교육을 더 하는 것보다 교육의 도구와 예시를 바꾸는 것이 먼저입니다.

그래서 AX 담당자가 먼저 물어야 할 질문은 '교육을 몇 시간 할까'가 아닙니다.

어느 부서의 어떤 업무를 교육 예시로 쓸 것인가.

교육에 쓸 AI가 우리 회사 규정과 데이터를 읽는가.

교육 뒤 4주 동안 누가 사용 기록을 볼 것인가.

이 세 질문에 답이 나오면 교육 시간은 1시간이어도 충분합니다.

CLAP Nexus에서는

교육의 도구를 바꾸려면 사내 규정과 데이터를 읽는 AI가 먼저 있어야 합니다. 그리고 담당자가 자기 부서 업무를 AI에 맡길 수 있어야 합니다.

CLAP Nexus는 맞춤형 에이전트 구축부터 전사 AI 활용 및 관리까지 통제할 수 있는 AX 플랫폼입니다. 직원이 '출장비 규정이 어떻게 되나요?'라고 물으면 일반론이 아니라 자기 회사 규정 조항을 근거로 답을 받습니다. 교육에서 배운 내용이 다음 날 업무와 그대로 이어집니다.

확산 순서는 이 글의 교육 순서와 같습니다. 고객사 안에 AX 담당자를 먼저 정하고, 현황 진단으로 과거 교육이 어디서 끊겼는지 확인한 뒤, 담당자가 가르칠 부서와 적용 업무를 함께 고릅니다. 담당자는 화면 녹화로 자기 업무를 가르쳐 Agent를 직접 만들고, 그 과정 자체가 부서 교육의 예시가 됩니다. 교육 뒤 사용 기록은 부서별로 기록되어 담당자가 4주 동안 확인할 수 있습니다.

[ CLAP Nexus 더 알아보기 ]

참고 자료

• Microsoft, LinkedIn, 「2024 Work Trend Index」, 2024, https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part
• McKinsey, 「Superagency in the workplace」, 2025, https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work