"Learning, Reinvented: Accelerating human–AI collaboration"
학습의 재창조: 인간과 AI의 협업을 가속하다
8-MINUTE READ
현재 맡고 있는 업무가 미래를 예측하는 업무에 가깝기 때문에 지속적으로 트렌드리딩 & 리뷰를 진행하고자 한다. 회사에서 AX를 적극 추진하고 있기에 담당부서로서 인사이트가 필요한 상황이다.
이번 포스팅에서는 IT분야 최상위 컨설팅 기업인 Accenture의 최신 리포트 'Learning, Reinvented'를 리뷰하며, AI와 사람이 어떻게 함께 배우고 성장하는지 즉 "co-learning with AI"가 실제 조직에서 어떻게 작동하고 변화를 일으키는지 분석하고 리뷰한다.
비싸지는 학비, 똑똑해지는 AI, 대학무용론의 확산으로 뒤섞인 시대 속에서 학습의 정의가 바뀌고 있음을 느낀다.
'교실+강사+공부' 프레임도 옛날이야기가 되어가고 있다. 일상 속에서, AI와 함께 실시간으로 성장할 수 있는 조직이 강력한 조직이 될 것이다.
팔란티어가 ‘고졸 펠로우십(Meritocracy Fellowship)’으로 학위와 현실의 괴리를 정면 비판했고, 명문대는 무료 강의를 쏟아낸다. AI 모델의 할루시네이션도 빠르게 개선되고 있다. 기술 진보가 가속되는 지금, "어떻게 더 잘 배우고 성장할 것인가?"라는 본질적 질문을 Accenture의 리포트와 함께 공유해 본다.
Research snapshot
- 조사 대상: 근로자 14,041명 + 경영진 1,159명
- 조사 기간: 2024년 말~ 2025년 초
- 산업 범위: 총 20개 산업
- 조사 방법: 정량 설문 + 데이터, 학습 분야 전문가 40건 이상 심층 인터뷰
Core framework
본 리포트는 두 가지 핵심 개념을 중심으로 구성된다
- Readiness Gap (준비도 격차)
- 경영진이 인식하는 조직의 준비 상태 vs 직원이 체감하는 실제 준비 상태
- AI 도입률 vs 전사적 재무 성과 간의 격차
- 4 Conditions for Co-learning
- Lead with curiosity and creativity, 호기심과 창의성을 앞세워라
- Incorporate learning as part of the job, 학습을 업무의 일부로 통합하라
- Hardwire trust, 신뢰를 체화하라
- Make gen AI work the way people work, 생성형 AI를 사람의 일하는 방식에 맞춰 작동하게 하라
리포트는 39개 심층설문 항목을 기반으로 Readiness Score를 산출했으며, 각 조건의 내적 신뢰도(Cronbach's alpha)는 0.700 이상으로 통계적 유의성을 확보했다.
Learning, Reinvented: Accelerating Human–AI Collaboration
Accelerating human–AI collaboration through continuous learning. Read more.
www.accenture.com
1. Intro: 학습 패러다임의 진화 - 3단계 로드맵
- Training → Learning in the Flow of Work → Co-learning
- 콜센터 사례로 본 양방향 학습 루프의 실체
2. 불편한 진실: "Most organizations remain unprepared"
- 84% vs 26%: Readiness Gap의 실체
- 13%만 성과, 87%는 왜 실패하나
3. 벤치마크: 11% 선도 기업의 성과
- x5 참여 | x4 스킬 | x8 신뢰 | 2.8% p 매출
- 4가지 성공 조건
4. Condition ①: Lead with Curiosity & Creativity, 리더십이 문화를 바꾼다
- Curiosity & Creativity를 조직 DNA로
- 📌 Case: 제약회사 - 2/3가 매일 Gen AI 사용
5. Condition ②: Learning as Part of the Job, 학습을 Daily Workflows에 녹인다
- 시간 부족이 첫 번째 장벽 → 업무 흐름 내 학습 내재화
- 📌 Case: 클라우드 기업 AI 코칭, 바이오제약의 3단계 AI 리터러시
6. Condition ③: Hardwire Trust, 신뢰를 하드와이어링한다
- 53%가 AI오류 시 책임 소재 모름
- 📌 Case: 금융기관 Trust 모델
7. Condition ④: Make Gen AI Work the Way People Work, AI를 Human-Centric으로 설계한다
- 35%만 만족하는 AI 도구 문제 해결
- 📌 Case: Accenture 마케팅팀의 14개의 에이전트, 수작업 67%↓ 속도 90%↑
8. Conclusion : Now & Next
- Now: 즉시 실행 가능한 Quick Wins
- Next: 중장기 로드맵과 성과 지표
1. Intro: 학습 패러다임의 진화 - 3단계 로드맵
- Training → Learning in the Flow of Work → Co-learning
기업의 학습이 세 번째 진화 단계에 진입하고 있다.
첫 번째는 'Training'이다. 우리가 익히 알고 있는 세미나 같은 집합 교육이나 온라인 강의(LMS)다. 업무 현장과 분리된 별도의 시간과 장소에서 이루어진다. 기본적인 지식 전달에는 유효하지만, 급변하는 기술 트렌드를 실시간으로 반영하기 어렵고, 배운 내용을 현업에 적용하기까지 시차가 발생한다.
두 번째는 'Learning in the Flow of Work'다. 많은 기업들이 현재 IT 전략의 목표로 삼고 있는 단계다. 업무를 수행하는 도중에 필요한 정보나 가이드를 AI가 즉시 제공한다. 예를 들어, 코딩 중에 Copilot이 구문을 제안하거나, 기획서 작성 중 필요한 데이터를 띄워주는 식이다. 이는 분명 진보된 방식이지만, 여전히 '인간이 AI로부터 일방적으로 도움을 받는' 단방향 구조에 머물러 있다는 한계가 있다.
세 번째가 바로 'Co-learning'이다. 인간과 AI가 파트너가 되어 서로 지속적으로 적응하고 발전하는 관계다. 인간은 AI를 활용해 역량을 키우고, AI는 인간의 피드백을 통해 로직을 고도화한다.
아래의 사례를 통해 'Co-learning'이라는 학습패러다임이 뭔지 알아보자.
- 콜센터 사례로 본 양방향 학습 루프의 실체
인간 상담원이 주도하고 자율 AI 에이전트가 백그라운드에서 듣는, 두 Team-mate가 함께 통화를 처리한다. 상담원이 말할 때 AI는 대화를 기록하고 실시간으로 규정에 맞는 차선책을 제시한다.
Real-time Assistance: AI는 대화 맥락을 파악해 실시간으로 규정에 맞는 최적의 답변을 화면에 띄운다.
Human Feedback to AI: 만약 상담원이 AI가 제안한 문구가 상황에 맞지 않는다고 판단해 수정해서 말하거나, 제안을 건너뛰면? AI는 이를 즉시 피드백으로 받아들인다. "이 상황에서는 저 표현이 더 적절하구나"*라고 학습하며 자신의 알고리즘을 재조정(Retraining)한다.
AI Feedback to Human: 통화가 끝난 후, AI는 30초 요약 리포트를 상담원에게 제공한다. "이 부분에서 톤을 부드럽게 했을 때 고객 반응이 긍정적으로 변했습니다"라며 상담원의 스킬 향상을 돕는다. SK의 에이닷을 사용해 본 사람이라면 좀 더 이해가 쉬울 것 같다.
이것은 양방향 학습 루프다. 상담원은 기술을 연마하고, AI는 프롬프트를 개선하며, 양측 모두 성과가 향상된다. 램프업 가속화( accelerating ramp-up), 가치 실현 시간 단축, 전체 인력의 일관성 증가로 이어진다. 램프업 가속화는 나도 처음 들어봤는데, 조직이나 개인이 새로운 역량이나 시스템을 도입할 때 적응하고 성과를 내는 데까지 걸리는 초기 시간을 단축한다는 뜻이다.
이 지점이 흥미로운 이유는 ROI(투자 대비 효과)의 성격이 바뀌기 때문이다. 과거의 시스템 투자가 시간이 갈수록 노후화되는 감가상각 자산이었다면, Co-learning 환경에서의 투자는 시간이 지날수록 데이터와 노하우가 축적되며 가치가 상승하는 '복리 자산'이 된다.
아직 완전한 Co-learning은 실현되지 않았다. 기술, 시스템, 관행이 여전히 성숙 중이다. 현실의 준비 상태는 어떨까?
2. 불편한 진실: "Most organizations remain unprepared"
- 84% vs 26%: Readiness Gap(준비부족)의 실체
액센츄어가 14,000명의 직원과 1,100명의 임원을 대상으로 진행한 글로벌 서베이 결과는 충격적이다.
84%의 임원이 3년 내 Gen AI와 AI 에이전트가 인간과 함께 일할 것으로 예상한다. 80%의 직원도 AI 기술을 위협보다는 기회로 본다.
문제는 '실행'이다. 정작 "AI와 협업하는 법"에 대해 교육을 받았다고 응답한 직원은 고작 26%에 불과하다. 조직은 구성원들에게 "AI로 혁신하라"라고 주문만 할 뿐, 정작 그 도구를 쥐고 싸우는 법(Enablement)은 가르쳐주지 않은 셈이다. 온라인 강의 몇 개 던져주는 식으로는.. 조직을 바꿀 수 없다.
- 13%만 성과, 87%는 왜 실패하나
많은 기업들이 PoC(개념 증명)를 넘어 전사적 확산을 시도하고 있지만, 실제 성적표는 초라하다.
36%의 임원만이 Gen AI 솔루션을 확산시켰다고 답했다. 하지만 실질적인 기업 차원의 가치를 창출했다고 보고한 비율은 13%에 그쳤다. 87%가 실패하는 이유는 명확하다.
대부분의 조직이 새로운 스킬링 시대에 준비되지 않았다. 리더십, 문화, 일상 업무 관행에 인간과 AI의 협업을 Co-learning으로 통합한 기업이 너무 적다. 사람과 AI의 공유된 잠재력(shared potential)을 발휘할 기회를 놓치고 있다. "Most organizations remain unprepared" DX 한다고 겨우겨우 갖춰놨더니 이제는 AX를 하란다.
3. 벤치마크: 11% 선도 기업의 성과
- x5 참여 | x4 스킬 | x8 신뢰 | 2.8% p 매출
전체 조사 대상의 11%만이 Co-learning 환경을 조성했다. 이들의 성과는 압도적이다.
- 5배 높은 직원 참여도(workforce engagement)
- 4배 빠른 스킬 개발 속도
- 2배 높은 Gen AI 협업 자신감
- 8배 높은 리더십 신뢰도
재무 성과는
- 4배 높은 혁신 가능성
- 2배 높은 연간 생산성 향상
- 1.4배 높은 연간 수익성 증가
- 2.8% p 높은 매출 성장률(경쟁사 대비)
이 정도면 그냥 새로운 회사로 바뀐 수준이다. 그래서 Co-learning 대체 어떻게 하는 건데?
- 4가지 성공 조건
연구진은 4가지 조건을 발견했다.
- Lead with curiosity and creativity - 호기심과 창의성으로 리드하라
- Incorporate learning as part of the job - 학습을 업무의 일부로 만들어라
- Hardwire trust - 신뢰를 시스템화하라
- Make gen AI work the way people work - AI가 사람의 업무 방식대로 작동하게 하라
이 네 조건이 결합될 때 놀라운 성과가 만들어진다. 개별적으로도 강력하지만, 함께 작동할 때 진정한 Co-learning이 가능해진다.
4. Condition ①: Lead with Curiosity & Creativity, 리더십이 문화를 바꾼다
- Curiosity & Creativity를 조직 DNA로
많은 경영진이 AI를 단순히 '비용 절감'이나 '생산성 향상'의 도구로만 바라본다. 하지만 리포트는 리더가 AI를 바라보는 프레임(Frame)을 바꿀 때 조직의 역동성이 달라진다고 한다.
경영진이 생성형 AI를 단순한 '효율성 도구(Tool for efficiency)'가 아닌 '창의성과 혁신의 촉매(Catalyst for creativity)'로 정의했을 때, 직원들이 새로운 업무 방식에 적응하려는 자신감은 20%나 더 높게 나타났다.
하지만 현실에는 경영진과 직원 사이에 큰 인식의 괴리가 존재한다. 경영진은 자신들이 직원들의 실험과 도전을 충분히 지원하고 있다고 믿지만, 직원들의 생각은 다르다.
이 '지원에 대한 인식 격차'는 무려 16% p에 달한다. "실패해도 괜찮으니 마음껏 실험해 봐"라는 리더의 말이 현장에는 "성과는 내면서 실험해"라는 압박으로 들리기 때문이다. 이 간극을 메우기 위해 리더는 말뿐만 아니라, 직접 AI를 배우고 사용하는 모습을 보여주는 '롤 모델링(Role-Modeling)'이 필수적이다.
- 📌 Case: 글로벌 제약회사 - 2/3가 매일 Gen AI 사용
단순히 AI 툴을 배포하는 것이 아니라, 임상 연구 데이터 합성이나 규제 문서 작성 같은 고난도 업무에 자율 에이전트(Autonomous Agents)를 투입해 직원들이 그 효과를 체감하게 했다.
AI가 인간을 대체하는 것이 아니라, 인간의 역량을 강화하는 '파트너'라는 점을 교육 프로그램을 통해 지속적으로 주입했다.
글로벌 제약회사가 호기심 문화를 만든 방법이다. 또한 CEO가 직접 Gen AI를 활용한 경험을 공유하고, 실패도 학습의 일부라는 메시지를 전파했다. 결과는? 6개월 만에 직원의 2/3가 매일 Gen AI를 사용하게 됐다.
규제 준수 문서(Compliance documents) 작성 시간은 수 시간에서 '분 단위'로 단축되었다.
5. Condition ②: Learning as Part of the Job, 학습을 Daily Workflows에 녹인다
- 시간 부족이 첫 번째 장벽 → 업무 흐름 내 학습 내재화
학습을 '따로 시간 내서 하는 숙제'가 아니라, 업무 과정에 녹여야 한다. 솔직히, LMS 들어가서 1시간짜리 영상 틀어주는 거 제대로 보는 사람이 얼마나 될까? 비효율적이다. 세미나, 교육조차 시간이 많이 든다. 오전이든 오후든 시간 써야 되는 거 아닌가?
20분짜리 시뮬레이션, 실무 중 필요한 순간에 바로 써먹을 수 있는 프롬프트를 알려주는 게 직원들에게 '주도권'과 자신감을 키워준다. 개인 맞춤 실시간 코칭, 업무와 바로 연결되는 도구, 그리고 커리어 목표에 함께 맞춰줄 신뢰성 있는 AI라면 알아서 잘 쓴다.
리포트에서는 이런 걸 'Just-in-time coaching'이라 부른다. 일을 하면서 바로 그 순간 필요한 지식이나 피드백을 AI가 넛지 형태로 제공해 주는 방식이다. 교육이 아니라 내재화해야 한다.
- 📌 Case: 클라우드 기업 AI 코칭, 바이오제약의 3단계 AI 리터러시
Case 1: 글로벌 클라우드 기업 - AI 코칭으로 15,000명 코칭
15,000명 직원이 1개월 내 신규 서비스 피치를 인증받아야 했다. 그래서 AI 기반 코칭 툴(Yoodli)을 도입했다. 직원이 피칭 연습을 하면 AI가 실시간으로 피드백을 주고, 동료들과 비동기식으로 공유하게 했다.
강제성이 없었음에도 이수율은 평균보다 20% 높았다. 직원들은 AI의 피드백을 통해 핵심 키 메시지 전달 능력을 2배 이상 향상했다. 특히 '파워 유저'의 75% 이상이 자신의 연습 영상을 동료와 공유하며 자발적인 소셜 러닝 문화를 만들어냈다.
Case 2: 바이오제약 기업의 Bronze-Silver-Gold 3단계 AI 리터러시
- Bronze: AI 거버넌스와 규제 준수 학습
- Silver: 프롬프트 엔지니어링 및 AI 상호작용 스킬
- Gold: 워크숍을 주도하고 베스트 프랙티스를 전파하는 리더 양성
이러한 단계별 접근은 직원들이 자신의 수준에 맞춰 학습하게 도왔다. 그 결과, 연구원들은 유전체 데이터 분석에 AI 어시스턴트를 신뢰감을 가지고 투입할 수 있게 되었고, 단순 문헌 분석 시간을 획기적으로 줄여 고부가가치 연구에 집중하게 되었다.
6. Condition ③: Hardwire Trust, 신뢰를 하드와이어링한다
- 53%가 AI오류 시 책임 소재 모름
신뢰는 효과적인 인간-AI 협업의 초석이다. 그러나 53%의 직원이 AI 오류 발생 시 누가 책임지는지 모른다. 이는 치명적이다.
명확한 거버넌스, 투명한 책임 구조, 직관적인 설명가능성 도구가 필요하다. 직원들이 AI를 안전하게 질문하고, 도전하고, 책임감 있는 파트너로 협업할 수 있는 환경을 만들어야 한다. 이게 없으면 괜히 무서워서 아무것도 안 하는 직원도 많을 것이다.
- 📌 Case: 금융기관 Trust 모델
규제가 까다로운 금융 산업의 사례는 신뢰를 어떻게 시스템에 '하드와이어링(Hardwire)' 하는지 잘 보여준다. 이 금융사는 AI 도입 속도를 높이기 위해 역설적으로 '안전장치'를 강화했다.
- 설명 가능성(Explainability) 탑재: AI가 내놓은 결괏값이 어떤 근거로 도출되었는지 직원이 확인할 수 있는 툴을 워크플로우에 내장했다. 이를 통해 직원은 AI를 맹목적으로 믿는 대신 검증하고 수정할 수 있게 되었다.
- 전담 신고 채널: 'Trust & Safety' 전담 팀을 신설하고, 직원이 AI의 윤리적 문제나 오류를 발견했을 때 즉시 신고할 수 있는 핫라인을 개설했다.
- 책임의 명문화: AI 윤리와 데이터 사용에 대한 정책을 명확히 하고, 이를 어기지 않는 한 실험 과정에서의 실패는 용인한다는 시그널을 주었다.
7. Condition ④: Make Gen AI Work the Way People Work, AI를 Human-Centric으로 설계한다
- 35%만 만족하는 AI 도구 문제 해결
고용주가 제공한 Gen AI 도구에 만족하는 직원은 35%에 불과하다. AI 도구가 자연스러운 업무 패턴과 맞지 않기 때문이다.
도구는 첫 상호작용부터 직관적이어야 한다. 직원 업무 활동에 자연스럽게 맞도록 설계되어야 한다. 사람들은 보호받고 자신감을 느껴야 하며, AI 도구 자체가 제공하는 것 이상의 도움과 코칭에 쉽게 접근할 수 있어야 한다. 밥 먹는데 최첨단 자동변환 포크숟가락 이런 거 필요 없잖아요.
- 📌 Case: Accenture 마케팅팀의 14개의 에이전트, 수작업 67%↓ 속도 90%↑
액센츄어 마케팅 조직은 14개의 AI 에이전트를 워크플로우 전반에 통합했다. 시장 조사, 콘텐츠 생성, 전략 기획, 캠페인 실행을 지원한다. 마케터들은 적극적으로 피드백을 제공하고 산출물을 개선하며 에이전트를 훈련시킨다. 결과는?
크리에이티브 브리프(Creative Brief) 작성에 드는 수작업 단계가 67% 감소했다.
초안(First Draft)을 만드는 속도는 과거 대비 90% 빨라졌다.
전체 캠페인 실행 단계는 135단계에서 85단계로 축소될 예정이다.
시장 출시 시간 25-35% 단축 목표
8. Conclusion : Now & Next
"Now is the time to act" 더 이상 기다릴 시간이 없다. 지금이 행동할 때다.
- Now: 즉시 실행 가능한 Quick Wins
- AI가 실수하면 누가 책임지는지 명확히 설정하여 신뢰성 높이기
- 리더십팀이 직접 Gen AI 사용 경험 공유
- 피드백을 위한 간단하고 가시적인 채널 구축
- 현재 직원들이 사용하는 AI 툴의 불편 사항을 조사하고, UX 개선
- AI 도입이 회사의 어떤 목표(성장, 효율)와 연결되는지 명확히 정의하고 전파.
- Next: 중장기 로드맵과 성과 지표
- 성공적인 AI 협업을 반영하도록 성과 측정과 보상 업데이트 (KPI 수립하여 보상)
- 모든 C-suite 리더의 지속적인 AI 리더십 학습 제공
- 직원과 Gen AI 간 협업이 조직 목표와 성장 야망을 어떻게 발전시키는지 정의하고 공표
- AI 에이전트의 성능을 감독하고 조율하는 새로운 직무를 만들고 커리어 경로를 제시
- 단일 에이전트를 넘어, 여러 AI 에이전트가 협업하고 인간이 이를 지휘하는 '오케스트레이션' 단계로 진입
- AI의 자율성이 높아짐에 따라, 인간의 개입 수준을 동적으로 조절하는 고도화된 감시 체계를 구축하라.
표본이 많아서그런지 대체로 실용적이고 합리적인 리포트였다. 다르게 생각하면 어느정도 예상 할 수 있는 내용이기도 했다. AI와 같이 학습하는 것은 복리로 쌓인다는게 나는 인상깊게 남는다.
The result is a two-way learning loop: the rep sharpens their technique, the AI refines its prompts and performance improves on both sides—accelerating ramp-up, reducing time-tovalue and increasing consistency across the workforce.
리포트를 읽으면서 이 내용 그대로 PT해도 괜찮을 것 같다는 생각이 드는 동시에 테크기업이 아닌 기업에서 AI에이전트는 어떻게 만들지 혹은 어디 기업의 솔루션을 도입해야될지, 직원이 AI에 보안등급이 높은 내용을 넣었을 때 모니터링은 어떻게 할 것이고, 정량적인 성과 측정은 어떻게 할지.., 갈 길이 아직 멀다 그래서 더 값지다.
또한 여기서 나온 전략들은 빅테크나 삼성, SK, LG, 현대같은 곳에서는 적합하지만 소규모 기업에선 과할 것 같다는 생각도 든다. 조직 차원에서 현실적인 고민도 해볼 수 있어 아주 유익한 시간이었다.
'IT > AI' 카테고리의 다른 글
| 조직은 어떻게 AI로 가치를 창출하는가, 맥킨지 'The State of AI' 리뷰 (0) | 2025.10.06 |
|---|---|
| 크롬의 대체제 등장? Perplexity 의 AI 웹브라우저 Comet 리뷰 (1) | 2025.09.07 |
| 5분만에 GPT-3 연동 웹사이트 만들기 (0) | 2024.06.28 |
