업스킬링이 왜 실패할까? 교육 후에도 직원이 AI를 못 쓰는 이유

요즘 직원 대부분이 AI를 씁니다. 문제는 어떻게 쓰느냐죠. 글로벌 컨설팅 기업 EY가 29개국 직원 15,000명에게 물었더니 응답자의 88%가 이미 업무에 AI를 쓰고 있었습니다. 그런데 막상 들여다보면 검색과 요약이 전부입니다. 분석이나 의사결정처럼 일의 핵심에 AI를 활용해 결과물을 다르게 만들어내는 사람은 5%에 불과합니다. 이는 AI 활용 능력이 업무 효율성으로 직결되지 않는다는 현실을 보여줍니다.

실제로 많은 기업이 이러한 문제의식 속에서 직원의 AI 역량 강화를 위해 업스킬링 교육을 진행하고 있습니다. 하지만 높은 수료율에도 불구하고, 교육을 이수한 직원들이 현업으로 돌아가 이전과 비슷한 방식으로 일하는 경우가 많습니다. 

왜 그럴까요? 교육의 효과가 기대에 미치지 못하는 상황의 핵심 원인은 업스킬링 설계 방식에 있습니다. 직원마다 AI 활용 수준이 제각각인데도 교육은 모두에게 똑같이 제공되기 때문입니다. 어떤 직원에게는 너무 쉽고, 다른 직원에게는 너무 버겁습니다. 이러한 일괄적인 교육 방식으로는 현업에서 실제적인 효과를 기대하기 어렵기에, 결국 개인의 역량과 필요에 맞는 교육 설계가 필수적입니다.

그렇다면 AI 시대의 업스킬링은 기존과 무엇이 다르고, 어떻게 설계해야만 교육이 실질적인 현업 성과로 이어질 수 있을지 살펴보겠습니다.

업스킬링이란? 리스킬링과의 차이점

업스킬링은 맡은 직무에서 일을 더 잘하기 위해 역량을 키우는 것입니다. 어제까지 하던 일을 더 빠르고 정확하게 처리하고, 한 단계 높은 수준으로 해내는 것이 목표죠. AI 시대에는 여기에 'AI를 업무에 얼마나 잘 다루는가'가 더해졌습니다.

업스킬링은 리스킬링이나 크로스스킬링과 자주 묶여 쓰이지만 목적이 다릅니다. 세 가지를 비교하면 다음과 같습니다.

핵심 차이는 ‘같은 직무냐, 직무 전환이냐’

업스킬링(Upskilling), 리스킬링(Reskilling), 크로스스킬링(Cross-skilling)을 구분하는 기준은 하나입니다. 바로 직무를 바꾸는지 여부입니다.

업스킬링과 크로스스킬링은 현재의 직무를 유지한다는 공통점이 있습니다. 업스킬링은 같은 일을 더 높은 수준으로 수행할 수 있도록 역량을 강화하는 것이고, 크로스스킬링은 인접한 직무의 역량까지 익혀 업무 범위를 넓히는 것입니다. 반면 리스킬링은 새로운 직무를 수행할 수 있도록 역량을 개발하는 것으로, 직무 전환을 전제로 합니다.

어떤 접근이 필요한지는 조직의 상황에 따라 달라집니다. 직무는 그대로지만 업무 수행 방식이 AI로 변화했다면 업스킬링이 필요합니다. 반대로 기존 직무가 축소되거나 사라져 인력을 다른 직무로 전환해야 한다면 리스킬링이 필요합니다.

AI가 대부분의 직무에서 업무 수행 방식을 바꾸고 있는 만큼, 오늘날 많은 조직이 가장 우선적으로 추진하는 과제는 리스킬링이 아니라 업스킬링입니다.

왜 지금 업스킬링이 필요한가

일하는 방식을 바꾼 AI

일하는 방식이 바뀌면 어제의 스킬은 통하지 않습니다. 세계경제포럼 「일자리의 미래 2025」 보고서에 따르면, 2030년까지 근로자 핵심 스킬의 39%가 변하거나 시장에서 가치를 잃을 것으로 봅니다. 직무명은 그대로여도 성과를 내기 위해 요구되는 능력의 본질이 달라집니다. 새로 요구되는 능력 중 수요가 가장 빠르게 느는 것이 AI와 빅데이터를 다루는 역량입니다.

채용보다 기존 직원 업스킬링이 효율적

스킬 격차를 메우는 길은 두 가지입니다. 필요한 사람을 새로 뽑거나, 지금 있는 사람을 키우거나. 기업들은 후자를 택하고 있습니다. 세계경제포럼 2025에서 고용주의 85%가 스킬 격차에 대응하는 방법으로 직원 업스킬링을 택했습니다. 새로 뽑기보다 지금 있는 사람을 키우는 쪽을 택한 것입니다.

규모를 보면 이유가 분명합니다. 근로자 100명 중 59명이 2030년까지 재교육을 받아야 합니다. 이 중 29명은 지금 직무에서 역량을 키우고, 19명은 재교육을 거쳐 사내 다른 자리로 옮겨갑니다. 새로 뽑는 길은 비용도 시간도 더 듭니다. 채용 공고를 내고 면접을 보고 조직에 적응시키는 동안, 이미 있는 직원은 회사 맥락을 아는 채로 즉시 전력이 됩니다.

업스킬링이 답이라는 이야기엔 대부분 동의합니다. 그런데 막상 시작하면 막힙니다. 누구를 먼저, 무엇부터 가르쳐야 할지 모릅니다. 우리 조직에 정확히 무엇이 부족한지 모른 채 교육 예산부터 잡습니다.

문제는 교육을 시작하는 것과 실제 성과를 만드는 것은 별개입니다. 많은 기업이 AI 교육을 확대하고 있지만, 교육 수료가 곧 업무 방식의 변화로 이어지지는 않습니다.

그렇다면 왜 교육을 받아도 직원들은 현업에서 AI를 제대로 활용하지 못할까요?

그런데 왜, 업스킬링 교육을 해도 실무에서 못 쓸까

수료율이 높아도 현업 활용은 제자리

전 세계적으로 AI 교육 투자는 분명히 늘었습니다. 세계경제포럼 보고서에 따르면 전 세계 인력의 50%가 이미 크고 작은 재교육 프로그램을 수료했고, 이는 2023년의 41%에서 상승한 수치입니다.

같은 보고서에서 고용주의 63%는 2030년까지 스킬 격차를 사업 전환의 가장 큰 장벽으로 꼽았습니다. 교육 수료는 늘었지만, 그것이 실무에 필요한 역량으로 이어지지는 않은 것입니다. 인사 담당자가 확인하는 건 교육 수료율인데, 협업 부서가 겪는 건 그대로인 실무입니다. 교육을 마쳤다는 기록은 쌓여도, 그 사람이 현업에서 무엇이 달라졌는지는 드러나지 않습니다.

'AI를 안 쓰는' 게 아니라 '제대로 못 쓴다'

대부분의 직원은 이미 업무에 AI를 활용하고 있지만, 그 수준은 검색이나 요약 같은 얕은 단계에 머물러 있습니다. MIT 「기업 내 AI 현황 2025」 보고서에 따르면 생성형 AI에 투자한 기업의 약 95%가 측정 가능한 성과를 얻지 못했습니다. 이는 조직 차원에서도 기술을 도입했음에도 불고하고 실질적인 비즈니스 성과로 전환할 만큼 깊이 있는 업스킬링이 이뤄지지 않았음을 시사합니다.

왜 이런 일이 반복될까

이러한 문제가 반복되는 이유는 현재의 AI 교육 체계가 개별 직원의 수준을 고려하지 않은 일괄적인 운영 방식에 머물러 있기 때문입니다. 많은 조직이 단순히 유행하는 기술을 전파하는 데 급급하여, 교육이 실제 직무 성과로 전환되는 구조적 연결 고리를 놓치고 있습니다. 

글로벌 리서치 기관 Gartner의 조사에 따르면 많은 기업이 조직 내 이미 존재하는 역량조차 제대로 파악하지 못해 이를 활용하지 못하고 있습니다. 결국 교육이 낭비가 아닌 투자가 되기 위해서는 누가 무엇을 알고 있는지 데이터로 증명하고 그에 맞춰 학습 경험을 재설계하는 근본적인 변화가 선행되어야 합니다.

교육이 실무 역량으로 남는 업스킬링 설계법

AI 활용 역량 강화를 위한 업스킬링 설계의 핵심은 교육의 시작과 끝에 진단과 평가 시스템을 구축하는 것입니다. 

먼저, 교육 전 정밀한 역량 진단을 통해 개인별로 부족한 스킬이 무엇인지 명확히 파악해야 합니다. 입문자와 숙련자가 동일한 강의를 듣는 비효율을 제거하고, 직무 특성에 맞춘 커리큘럼을 제공할 때 비로소 실질적인 학습이 일어납니다. 

또한 교육 종료 후에는 동일한 기준으로 사후 평가를 실시하여 역량 향상 정도를 측정해야 합니다. 이러한 데이터 기반의 피드백 루프를 갖추는 것이야말로 교육 수료율이라는 수치를 넘어 실무 성과를 창출하는 가장 확실한 방법입니다.

업스킬링은 한 번의 교육으로 끝나지 않습니다. 직원의 AI 역량을 진단한 데이터를 근거로 교육을 설계하고, 교육이 끝나면 같은 기준으로 다시 평가합니다. 재평가 결과는 다음 진단의 출발점이 되어 측정과 교육이 반복됩니다. 이 흐름에서 프로그래머스 AI 역량평가는 교육 전 진단과 교육 후 재평가를 맡아, 직원의 AI 역량을 데이터로 측정합니다.

프로그래머스 AI 역량평가로 업스킬링을 측정하는 3단계

1️⃣ 진단ㅣ개인과 조직의 AI 역량을 함께 측정합니다

전사 진단을 한 번 시행하면 직원 개개인의 역량과 조직 전체의 분포가 동시에 잡힙니다. 가령 같은 기획팀 안에서도 한 사람은 AI로 VOC 수천 건을 유형별로 분류하고 개선 우선순위까지 뽑아내지만, 다른 사람은 같은 데이터를 요약하는 데 그칩니다. 이렇게 드러난 개인별 격차가 부서·직급별로 모이면 조직 전체의 역량 지형이 드러납니다. HR 담당자는 이 결과를 근거로 누구를 먼저, 무엇부터 교육할지 판단합니다. 똑같은 전사 교육을 배정하던 방식에서 벗어나 사람마다 필요한 내용을 맞춰 교육할 수 있습니다.

2️⃣ 설계ㅣ진단 결과가 교육 기획의 근거가 됩니다

진단 리포트에는 개인과 부서의 역량이 기초 이해부터 실무 활용·검증까지 단계별로 분석돼 담깁니다. 진단 단계에서 누구를 교육할지 정했다면, 여기서는 그들에게 무엇을 어느 수준으로 가르칠지 정합니다. 어느 역량이 어느 단계에서 부족한지 리포트에 나오므로, 교육 내용을 그에 맞춰 구성합니다. 같은 직급이라도 한 사람은 기초 과정을, 다른 사람은 심화 과정을 듣습니다.

리포트의 데이터는 HR 담당자가 교육 내용을 정하는 근거로 쓸 수 있습니다. 직급별 과정 구성까지 진단 결과를 보고 결정합니다.

3️⃣ 재평가ㅣ 같은 기준으로 역량 변화를 확인합니다

교육이 끝나면 교육 전과 같은 기준으로 한 번 더 진단합니다. 그러면 직원의 AI 역량이 교육 전보다 얼마나 올랐는지 점수로 확인됩니다. 어떤 사람은 기초 점수가 크게 뛰고, 어떤 팀은 검증 역량이 제자리입니다. 무엇이 효과가 있었고 무엇이 부족했는지 다음 교육을 설계할 단서가 나옵니다.

이 변화를 정리한 리포트는 교육에 쓴 비용이 실제 AI 역량 향상으로 이어졌는지 보여줍니다. 인사 담당자는 더 이상 수료율에 기대지 않습니다. 역량이 얼마나 올랐는지 수치를 들고 다음 교육 예산을 설득합니다.

업스킬링의 시작은 강의가 아니라 진단

다시 처음 질문으로 돌아갑니다. 교육을 마쳤는데 왜 일하는 방식은 그대로일까. 답은 강의에 있지 않았습니다. 교육 전에 직원의 어떤 역량이 부족한지 파악했는가, 끝난 뒤 무엇이 나아졌는가에 있습니다. 이 두 질문에 숫자로 답할 수 있을 때 교육은 비용이 아니라 투자가 됩니다.

업스킬링은 강의를 늘리는 데서 시작되지 않습니다. 우리 조직의 AI 역량이 지금 어디에 있는지 파악하는 데서 시작됩니다. 역량 격차가 드러나면 누구에게 무엇을 가르칠지 정해지고, 진단 없이 잡았던 교육 예산도 제자리를 찾습니다.

그 첫 진단을 프로그래머스 AI 역량평가로 시작할 수 있습니다.