AI를 잘 쓰는 인재, 어떻게 평가할까? 웨비나 다시 보기

AI가 빠르게 업무에 들어오면서 기업이 인재에게 요구하는 역량도 달라지고 있습니다.

이제 많은 지원자와 구성원이 AI를 사용합니다. 하지만 AI를 사용해 본 경험이 있다는 것과 AI를 활용해 실제 성과를 만들어내는 것은 다른 문제입니다.

그렇다면 기업은 AI 시대에 어떤 인재를 선발하고 육성해야 할까요? 그리고 눈에 보이지 않는 AI 활용 역량을 어떤 기준으로 평가할 수 있을까요?

지난 7월 2일 진행된 ‘AI를 잘 쓰는 인재, 어떻게 평가할 수 있을까?’ 웨비나에서는 그렙 임성수 대표와 AI역량 연구본부 윤성혜 본부장이 AI 시대에 새롭게 요구되는 역량과 실제 AI 역량평가 데이터를 바탕으로 한 인재 평가 방법을 공유했습니다.

이번 글에서는 웨비나의 주요 내용을 바탕으로 AI 시대에 기업이 주목해야 할 역량부터 실제 데이터로 확인한 AI 활용 역량과 성과의 차이, AI 역량평가의 채용·교육·조직 진단 활용 방법까지 살펴봅니다.

AI 시대, 기업이 평가해야 할 역량은 어떻게 달라질까요?

AI가 정보 검색과 문서 작성, 코드 생성 등 업무의 많은 부분을 지원하면서 일하는 방식도 빠르게 달라지고 있습니다.

그렇다면 AI 시대에는 개인의 역량이 이전보다 덜 중요해질까요?

임성수 대표는 오히려 AI가 개인이 가진 역량의 차이를 더욱 크게 만들 수 있다고 설명했습니다. AI는 사람의 역량을 단순히 대체하는 것이 아니라, 개인이 가진 능력을 증폭시키는 도구가 될 수 있기 때문입니다.

같은 AI를 사용하더라도 결과는 달라집니다.

누군가는 AI에게 단순한 질문을 던지고 받은 답변을 그대로 사용합니다. 반면 누군가는 해결해야 할 문제를 먼저 정의하고, AI에게 필요한 역할과 조건을 구체적으로 제시한 뒤 결과를 검증하고 개선합니다.

임성수 대표는 이러한 변화 속에서 미래 인재에게 필요한 역할로 ‘빌더(Builder)’를 제시했습니다.

AI가 업무의 일부를 대신할수록 중요한 것은 주어진 일을 수행하는 능력이 아니라, 해결해야 할 문제를 정의하고 AI를 활용해 결과물로 완성하는 능력이기 때문입니다.

명확한 목적을 세우고, 사용자의 문제를 이해하며, AI와 협업해 결과를 만들고 끝까지 책임지는 것. 이러한 빌더의 역량은 개발자뿐 아니라 AI를 업무에 활용하는 다양한 직군에서 중요해지고 있습니다.

결국 기업이 확인해야 하는 것은 AI를 사용할 수 있는가가 아닙니다.

AI를 활용해 문제를 정의하고, 해결하고, 결과를 검증하며 실제 성과를 만들어낼 수 있는가가 새로운 역량의 기준이 되고 있습니다.

AI를 많이 사용하면 실제 성과도 높을까요?

그렇다면 이러한 AI 활용 역량은 어떻게 평가할 수 있을까요?

가장 쉽게 떠올릴 수 있는 기준은 사용량입니다. AI를 몇 번 사용했는지, 얼마나 많은 토큰을 사용했는지, AI와 얼마나 긴 대화를 나눴는지 등을 측정하는 것입니다.

AI를 더 많이 사용한 사람일수록 실제 성과도 높을 것이라고 생각하기 쉽습니다.

하지만 실제 AI 역량평가 데이터에서는 다른 결과가 나타났습니다.

웨비나에서 공개한 데이터에 따르면 AI 사용 횟수와 실제 평가 성과의 상관관계는 0.02로 나타났습니다.

AI를 많이 사용한다고 해서 반드시 높은 성과를 만들어내는 것은 아니었던 것입니다. 질문의 길이나 응답의 길이처럼 쉽게 측정할 수 있는 다른 정량적 데이터 역시 성과와 뚜렷한 관계를 보이지 않았습니다.

이 결과가 보여주는 것은 명확합니다.

AI 활용 역량을 평가할 때 중요한 것은 사용량이 아니라 AI를 활용하는 방식입니다.

어떤 질문을 했는지, AI에게 필요한 맥락과 조건을 충분히 전달했는지, 결과를 그대로 사용하지 않고 검증했는지, 부족한 결과를 어떻게 개선했는지 살펴봐야 실제 AI 활용 역량의 차이를 확인할 수 있습니다.

같은 결과를 만들었는데, 왜 과정까지 평가해야 할까요?

최종 결과물이 좋다면 굳이 과정까지 평가할 필요가 있을까요?

웨비나에서는 이 질문에 대한 답을 실제 응시자 데이터를 통해 살펴봤습니다.

두 응시자가 한 문제에서 동일하게 71점의 결과 점수를 받았습니다. 최종 결과만 보면 두 사람의 역량에는 큰 차이가 없어 보입니다.

하지만 결과를 만들어낸 과정을 평가하자 차이가 나타났습니다. 한 응시자의 과정 점수는 60점이었지만, 다른 응시자의 과정 점수는 20점에 불과했습니다.

그리고 여러 문제를 종합한 최종 평가 결과에서는 첫 번째 응시자가 73점, 두 번째 응시자가 49점을 받았습니다.

한 문제에서는 비슷한 결과를 만들어냈지만, 여러 문제에서 지속적으로 성과를 만들어내는 능력에는 차이가 있었던 것입니다.

여기서 중요한 것이 재현성입니다.

AI는 때때로 충분한 검증이나 체계적인 문제 해결 과정 없이도 좋은 결과를 만들어낼 수 있습니다. 하지만 기업이 필요로 하는 것은 한 번 좋은 결과를 만들어낸 사람이 아닙니다.

새로운 문제가 주어졌을 때도 문제를 파악하고, 적절한 방법을 선택하고, 결과를 검증하며 지속적으로 성과를 만들어낼 수 있는 사람이 필요합니다.

따라서 AI 시대의 역량평가는 최종 결과만 확인하는 데서 끝나서는 안 됩니다. 문제를 어떻게 이해했는지, AI에게 어떤 역할과 조건을 제시했는지, 결과의 오류와 한계를 발견하고 어떻게 보완했는지까지 함께 살펴봐야 합니다.

좋은 결과를 한 번 만들어냈는지가 아니라, 좋은 결과를 다시 만들어낼 수 있는지를 확인하는 것.

이것이 AI 활용 역량을 평가할 때 과정이 중요한 이유입니다.

실제 데이터로 보면 AI 인재는 어떻게 다를까요?

AI 활용 방식과 성과를 함께 분석하면 서로 다른 특징을 가진 인재 유형을 확인할 수 있습니다. 이번 웨비나에서는 실제 AI 역량평가 데이터를 기반으로 5가지의 인재 유형과 각 유형에 필요한 성장 전략을 소개했습니다.

AI로 성과를 이끄는 리더

AI 활용 수준과 성과가 모두 높은 유형입니다. AI를 효과적으로 활용해 기대 이상의 성과를 만들어내며, 스스로 새로운 활용 방법을 찾고 지속적으로 성장할 가능성이 높습니다.

본질에 강한 문제 해결사

AI 활용 수준은 상대적으로 낮지만 높은 성과를 만들어내는 유형입니다. 탄탄한 기본기와 문제 해결 능력을 갖추고 있어, 적절한 AI 활용 교육과 경험이 더해진다면 AI로 성과를 이끄는 리더로 성장할 가능성이 있습니다.

트렌드를 앞서가는 러너

AI를 적극적으로 활용하고 있지만 아직 높은 성과로 연결하지 못한 유형입니다. AI 활용에 대한 관심과 경험은 충분한 만큼, 문제 해결과 결과 검증 역량을 강화할 수 있는 중장기적인 교육이 필요합니다.

첫 걸음을 땐 비기너

AI 활용 수준과 성과가 모두 상대적으로 낮은 유형입니다. AI 활용 경험이 부족한 만큼 기본적인 AI 활용 방법과 문제 해결 과정을 익힐 수 있는 교육부터 시작할 필요가 있습니다.

예비 러너

현재 성과는 상대적으로 낮지만 AI를 선택적으로 활용하는 유형입니다. AI 활용의 기초를 쌓고 실제 업무 과제를 통해 성과로 연결하는 경험을 확대하는 것이 중요합니다.

이러한 유형 구분이 중요한 이유는 현재의 성과와 성장 가능성을 함께 파악해 각 인재에게 맞는 채용과 육성 전략을 설계할 수 있기 때문입니다.

AI 역량을 측정한다는 것은 단순히 사람의 순위를 정하는 것이 아닙니다. 현재 어떤 역량을 갖추고 있는지, 앞으로 어떤 방향으로 성장할 가능성이 있는지를 데이터로 확인하고 각 인재 유형에 맞는 지원 전략을 구축하는 일입니다.

AI 역량평가는 채용·조직 진단·교육에 어떻게 활용할 수 있을까요?

AI를 잘 쓰는 인재의 기준을 정의하고 이를 실제 데이터로 확인할 수 있다면 기업은 평가 결과를 다양한 HR 영역에 활용할 수 있습니다.

채용에서는 지원자의 AI 활용 경험이 아닌 실제 수행 역량을 확인할 수 있습니다. 모든 지원자에게 동일한 실무형 과제를 제시하고 AI를 활용해 문제를 해결하도록 하면 결과뿐 아니라 AI와 상호작용하고 문제를 해결하는 과정까지 같은 기준으로 비교할 수 있습니다.

조직 진단에서는 우리 조직의 현재 AI 역량 수준을 파악할 수 있습니다. 어떤 조직과 직군에서 AI 활용이 실제 성과로 연결되고 있는지, 공통적으로 부족한 역량은 무엇인지 확인하면 필요한 투자와 육성 방향도 구체화할 수 있습니다.

교육에서는 구성원에게 필요한 성장 방향을 설계할 수 있습니다. 모든 구성원에게 동일한 교육을 제공하는 것이 아니라 현재 역량과 인재 유형에 맞는 교육을 제공하고, 교육 전후의 변화를 데이터로 확인할 수 있습니다.

채용에서는 누구를 선발할 것인지,

조직 진단에서는 현재 어떤 역량을 갖추고 있는지,

교육에서는 누구에게 어떤 성장이 필요한지 판단하는 것.

AI 역량평가는 기업이 AI 시대에 필요한 인재를 정의하고, 객관적인 데이터를 바탕으로 채용과 육성 전략을 설계하기 위한 새로운 기준이 될 수 있습니다.

AI 시대, HR은 무엇을 평가해야 할까요?

AI가 더 많은 업무에 활용될수록 사람의 역량을 제대로 평가하는 일은 오히려 더 중요해지고 있습니다.

AI를 사용했다는 사실만으로는 실제 역량을 알 수 없고, 좋은 결과물만으로는 그 성과를 다시 만들어낼 수 있는지 판단하기 어렵기 때문입니다.

이번 웨비나에서 두 연사가 공통적으로 강조한 메시지도 여기에 있습니다.

AI를 얼마나 많이 사용하는지가 아니라 AI와 어떻게 협업하는지를 확인하고,

한 번의 결과가 아니라 지속적으로 성과를 만들어내는 과정을 평가하며,

획일적인 채용과 교육이 아니라 데이터를 바탕으로 필요한 인재 전략을 설계하는 것.

AI 시대에 필요한 새로운 인재상을 정의했다면, 이제는 그 역량을 실제로 확인할 수 있는 평가 방법도 함께 달라져야 합니다.

우리 조직의 AI 활용 역량, 직접 확인해 보세요!

프로그래머스 AI 역량평가는 지원자와 구성원이 AI를 활용해 실제 업무와 유사한 문제를 해결하는 과정과 결과를 함께 분석합니다.

기존 채용과 평가 과정에서 확인하기 어려웠던 실제 AI 활용 역량을 객관적인 데이터로 확인하고, 채용부터 조직 진단과 교육까지 다양한 HR 영역에 활용할 수 있습니다.

우리 조직에 어떻게 활용할 수 있을지 궁금하시다면, 프로그래머스 AI 역량평가를 통해 직접 확인해 보세요.