프롬프트 교육, 이제 줄여야 할지도 모릅니다

2026.10.21 👀 1

#AI #HRD #프롬프트 #AX교육 #업무재설계 #AI리터러시 #대학컨설팅

AI에게 역할을 부여하고, 맥락을 설명하고, 원하는 출력 형식을 지정한다. 질문을 조금 바꾸면 답변이 달라지고, 몇 가지 요령을 익히면 결과가 눈에 띄게 좋아진다.

AI 교육의 입문 과정으로는 유용하다. 처음 사용하는 사람에게 도구를 이해하고 시도할 기회를 준다.

그런데 교육이 여기서 끝난다면 어떨까.

수강생은 좋은 답변을 만드는 방법을 배웠지만, 자기 업무에서 무엇을 바꿀지는 여전히 혼자 결정해야 한다. 사용할 자료는 어디에 있는지, 결과를 누가 검토할지, 기존 절차를 바꿔도 되는지는 교육 밖에 남는다.

이제 기업 AI 교육에서 줄여야 하는 것은 프롬프트 자체보다 프롬프트 작성법만으로 업무 역량을 길러줄 수 있다는 기대인지도 모르겠다.

Workday의 채용 데이터, 실제 업무 현장의 생산성 연구, AI 활용과 학습에 관한 실험을 함께 보면 이 문제를 조금 더 구체적으로 살펴볼 수 있다.

프롬프트 요령에서 실제 과업의 적용과 검토로 확장하는 AI 교육

채용시장의 요구는 활용에서 구현으로 넓어지고 있다

Workday는 2026년 10월 글로벌 인력 보고서에서 AI 관련 역량 수요의 변화를 소개했다.

Workday Recruiting을 사용하는 기업 550여 곳의 채용공고 데이터를 분석한 결과, 간단한 프롬프팅 같은 기초 AI 스킬 수요는 2026년 1월 정점 이후 수개월 동안 25% 감소했다고 밝혔다. 반면 AI 도구 구축, 업무 자동화, AI 엔지니어링 같은 실무 역량 수요는 2025년 9월부터 2026년 7월까지 51% 증가했다고 설명했다.

두 수치는 비교 기간이 다르다. 같은 기간에 기초 역량이 줄어든 만큼 고급 역량이 늘어났다는 뜻은 아니다. 특정 서비스 고객사의 채용공고 분석이므로 전체 노동시장을 그대로 대표하지도 않는다.

채용공고에서 기초 역량의 언급이 줄었다고 해서 그 능력이 필요 없어졌다고 단정할 수도 없다. 기본적으로 기대하는 능력이 되어 별도로 명시하지 않을 가능성도 있다.

그럼에도 교육 설계자가 주목할 만한 변화다. AI를 사용할 수 있다는 설명을 넘어, AI로 어떤 업무를 구현하고 개선할 수 있는지 보여달라는 요구가 나타나고 있기 때문이다.

다만 이 자료는 채용 수요의 변화이지, 프롬프트 교육의 효과를 비교한 연구는 아니다. 교육과정 개편의 출발점은 될 수 있어도 그것만으로 결론을 내리기는 어렵다.

실제 업무에 연결된 AI는 어떤 효과를 냈나

실제 업무 환경을 살펴본 연구도 있다.

Erik Brynjolfsson, Danielle Li, Lindsey Raymond의 「Generative AI at Work」는 고객지원 상담원 5,172명의 데이터를 분석했다. 2025년 The Quarterly Journal of Economics에 게재된 연구다.

생성형 AI 기반 대화 지원 도구가 단계적으로 도입된 현장에서, 시간당 해결한 문의 건수로 측정한 생산성은 평균 15% 높아졌다. 경험이 적고 숙련도가 낮은 직원에게는 처리 속도와 품질 모두에서 개선이 나타났다. 반면 숙련된 직원에게는 효과가 같지 않았다.

연구진은 AI 지원이 직원의 학습을 촉진한다는 증거도 제시했다.

이 결과는 AI 활용이 곧 학습 약화라는 단순한 설명과 맞지 않는다. 적절하게 설계된 지원은 초보자가 업무를 더 잘 수행하고 배우는 데 도움이 될 수 있다.

여기서 주목할 점은 연구 대상이 일반적인 프롬프트 강의가 아니라 상담 업무에 연결된 AI 지원 도구였다는 사실이다.

이 연구가 도구 중심 교육보다 과업 중심 교육이 우월하다는 것을 직접 검증한 것은 아니다. 하지만 교육에서도 AI를 분리된 체험으로 다루기보다, 실제 업무 맥락과 연결해 효과를 확인할 필요가 있다는 근거는 된다.

잘 끝낸 과제가 반드시 배운 과제는 아니다

다른 방향의 결과도 있다.

Judy Hanwen Shen과 Alex Tamkin은 새로운 프로그래밍 도구를 배우는 과정에서 AI가 어떤 영향을 미치는지 실험했다. 주로 주니어인 소프트웨어 엔지니어 52명이 익숙하지 않은 Python 라이브러리 Trio로 과제를 수행하고, 이후 이해도를 평가받았다.

Anthropic이 공개한 연구 설명에 따르면 AI 사용 집단의 퀴즈 평균은 50%, 비교 집단은 67%였다. AI 사용 집단의 과제 완료시간은 평균적으로 조금 짧았지만, 차이는 통계적으로 유의하지 않았다.

그렇다고 모든 AI 사용자가 같은 결과를 보인 것은 아니다. 연구진의 상호작용 분석에서는 설명을 요청하거나 개념을 질문하는 등 인지적으로 관여한 사용 방식에서 상대적으로 학습이 잘 유지되는 패턴이 나타났다.

이 실험은 표본이 작고, 특정 코딩 과제 직후의 이해도를 측정했다. 장기적인 숙련이나 모든 직무에 일반화해서는 안 된다. 사용 방식별 차이 역시 각각의 방식을 무작위로 배정해 효과를 비교한 결과는 아니라는 점을 구분해야 한다.

그럼에도 교육 평가에 필요한 질문은 분명해진다.

AI와 함께 좋은 결과물을 만들었다는 사실만으로, 그 사람이 결과를 이해하고 검토할 수 있다고 판단해도 되는가.

앞선 고객지원 연구와 이 실험은 모순이라기보다 서로 다른 조건을 보여준다. 실제 업무 수행을 지원하는 상황과 새로운 기술을 처음 배우는 상황은 다르다. 교육에서도 당장의 수행 개선과 독립적으로 판단할 수 있는 능력의 형성을 따로 확인해야 한다.

기초교육을 없애자는 결론은 아니다

이쯤에서 반대 방향의 근거도 살펴볼 필요가 있다.

OECD는 2025년 정책 브리프 「Bridging the AI skills gap: Is training keeping up?」에서 일반적인 AI 리터러시 교육의 공급이 증가하는 수요를 충분히 충족하지 못할 수 있다고 지적했다. 전문적인 AI 인력 양성뿐 아니라 일반 근로자가 AI를 이해하고 활용할 수 있도록 하는 교육도 필요하다는 것이다.

이 자료는 “프롬프트 교육을 줄이자”는 제목을 신중하게 해석하게 한다.

이미 기초를 익힌 사람에게 비슷한 작성 요령을 반복하는 과정은 줄일 수 있다. 하지만 처음 사용하는 사람에게 필요한 입문교육까지 축소하면 활용 격차를 키울 수 있다.

따라서 교육과정은 기초를 건너뛰기보다 입문 이후에 무엇을 배울 것인지를 분명하게 설계해야 한다.

기초 과정에서는 요청을 명확히 표현하는 방법, 도구의 한계, 민감정보 처리와 결과 확인을 배운다. 이후에는 직무별 과업을 개선하고 시험하는 과정으로 이어간다. 모든 직원에게 같은 프롬프트 강의를 반복하는 방식에서 벗어나자는 제안이다.

교육과정의 단위를 도구에서 과업으로

이 자료들을 함께 읽고 내가 제안하고 싶은 변화는 교육과정의 출발점을 바꾸는 것이다.

‘ChatGPT 활용법’ 대신 ‘월간 보고서 작성 개선’을, ‘프롬프트 작성 실습’ 대신 ‘회의 후속 조치 정리와 확인’을 과제로 삼는 방식이다.

예를 들어 보고서 작성 개선 과정은 다음과 같이 구성할 수 있다.

현재 업무를 먼저 설명한다

어떤 자료를 누구에게 받아서 어떤 순서로 처리하고, 누가 최종 검토하는지 그려본다. 시간이 오래 걸리는 단계와 재작업이 생기는 이유를 기록한다.

문제가 자료 수집에 있는지, 수치 확인에 있는지, 승인 대기에 있는지도 구분한다. 프롬프트를 바꾸는 것으로 해결할 수 없는 문제를 먼저 확인하는 과정이다.

AI의 역할과 사람의 판단을 나눈다

자료 분류와 초안 작성은 AI가 도울 수 있다. 그러나 충돌하는 수치의 채택 기준이나 외부 공개 여부는 별도의 판단이 필요할 수 있다.

조회와 수정, 외부 전송의 권한도 구분해야 한다. 무엇을 자동화하고 어느 단계에서 멈출 것인지가 실습에 포함되어야 한다.

예외 상황을 시험한다

정리된 자료로만 실습하면 실제 업무의 어려움이 드러나지 않는다.

오래된 지침, 서로 다른 수치, 근거가 없는 질문도 시험해야 한다. AI가 답변을 만드는 능력과 함께, 사람이 어떤 상황에서 결과를 사용하지 않아야 하는지 배운다.

업무 성과와 학습 성과를 따로 확인한다

업무 성과는 초안 생성시간뿐 아니라 최종 검토까지의 시간과 재작업으로 판단한다.

학습 성과는 참여자가 근거와 수정 이유를 설명할 수 있는지, 새로운 사례에서도 오류를 발견할 수 있는지 확인한다. 필요하다면 AI 지원 없이 설명하거나 일부를 점검하는 과제를 둘 수 있다.

이 과정은 앞선 연구에서 직접 검증된 교육 모형이 아니라, 연구 결과를 바탕으로 한 나의 설계 제안이다.

수료할 때 프롬프트 말고 무엇이 남는가

이런 과정이라면 최종 산출물도 달라져야 한다.

프롬프트 모음은 유용한 참고자료다. 하지만 그것만으로 다른 담당자가 업무를 이어받기는 어렵다. 어떤 자료를 사용했고 어떤 조건에서 결과를 믿을 수 있는지 알 수 없기 때문이다.

과정이 끝났을 때는 다음 기록이 함께 남으면 좋겠다.

개선 전후의 업무 흐름과 적용 범위
자료의 위치·관리 담당자·접근 조건
정상·예외 사례의 시험 결과
사람의 검토 항목과 중단 기준
최종 검토시간과 수정 부담의 변화
참여자가 판단하고 수정한 주요 사례

모든 직원이 개발자가 되어야 한다는 뜻은 아니다. 간단한 검색·요약 업무라도 사용 조건과 검토 기준을 설명할 수 있어야 한다는 의미다.

이 기록은 교육 결과물이면서 업무 인수인계 자료가 될 수 있다. 개인이 도구를 사용하는 경험을 조직이 반복해서 활용할 수 있는 방식으로 바꾸는 데 필요하다.

교육을 받아도 적용할 수 없다면

Workday는 별도 설문에서 직원의 79%가 성공에 필요한 역량을 알고 있다고 답했지만, 회사가 그 역량의 개발을 지원한다는 응답은 66%였다고 소개했다.

채용공고 분석과는 다른 자료이며, 일반적인 역량 개발 지원에 관한 응답을 AI 교육만의 평가로 좁혀 읽어서는 안 된다.

여기서 내가 주목하는 것은 개인의 인식과 조직 지원 사이의 간격이다.

배워야 할 것을 알아도 학습할 시간이 없을 수 있다. 교육을 받아도 자료에 접근할 수 없고, 업무를 바꿀 권한이 없을 수 있다. 새 역량을 사용할 과제나 역할이 주어지지 않을 수도 있다.

교육을 실무 과업 중심으로 바꾼다면 관리자도 과정의 일부에 참여해야 한다. 적용할 업무의 범위를 승인하고, 필요한 자료와 시험시간을 확보하고, 결과를 검토할 사람을 정해야 한다.

이 조건이 없으면 ‘내 업무 자동화 프로젝트’라는 이름 아래 수강생에게 조직의 문제까지 혼자 해결하라고 요구하게 될 수 있다.

줄일 것은 요령의 반복, 늘릴 것은 적용과 검토

Workday의 데이터만으로 프롬프트 교육의 종말을 말할 수는 없다. 실제 업무 연구에서는 AI의 생산성·학습 효과가 나타났고, 다른 실험에서는 과제 완료와 이해 사이의 간격이 확인됐다. OECD는 여전히 기초 AI 리터러시 교육의 필요성을 강조한다.

이 근거들이 한 가지 교육 방식을 정답으로 제시하지는 않는다. 대신 교육의 대상과 목적, 적용 조건을 더 구체적으로 구분하게 한다.

처음 사용하는 사람에게는 기초를 제공해야 한다. 이미 사용하고 있는 사람에게는 비슷한 요령을 반복하기보다 실제 과업을 바꾸고 시험할 기회를 제공해야 한다. 그 과정에서 성과뿐 아니라 이해가 남는지도 확인해야 한다.

다음 AI 교육과정을 검토할 때는 강의 목록보다 수료 이후의 업무를 먼저 살펴보고 싶다.

참여자는 무엇을 다르게 수행하게 되는가. 어떤 근거로 결과를 사용할 수 있는가. 잘못됐을 때 어디를 확인하고 누구에게 도움을 요청할 수 있는가.

그 질문에 답할 수 있다면, 프롬프트 교육의 비중을 줄이면서도 AI 교육은 더 충실해질 수 있다.