2027년에는 회사 AX 추진을 위하여 직원들의 AI Skill을 관리

2027년에는 회사 AX 추진을 위하여 직원들의 AI Skill을 관리

AI 역량 진단·평가 모델은 이론 위주에서 벗어나 실제 AI 도구를 활용하는 실기 중심 평가로 주목을 받고 있지만, 응시자들의 피드백과 평가 구조를 바탕으로 살펴볼 때 주로 다음과 같은 3가지 아쉬운 점이나 한계가 지적됩니다.

1. 촉박한 제한 시간 내 생소한 코드·과제 파악의 어려움

• 내용: 실기 시험 시간(예: 40분 안팎) 동안 처음 접하는 낯선 프레임워크나 코드 베이스를 분석해야 합니다.

• 문제점: AI의 도움을 받더라도 코드를 읽고, 수정 지점을 찾고, 테스트 및 검증까지 제한된 시간 내에 완벽하게 수행하기에는 시간이 다소 촉박하여 깊이 있는 문제 해결보다는 시간에 쫓기는 압박감이 클 수 있습니다.

2. AI 결과물 검증 과정에서 오는 높은 인지 부하

• 내용: 평가 방식 자체가 AI가 던져주는 그럴듯한 답변을 그대로 붙여넣는 것이 아니라, 기존 로직이나 테스트를 깨뜨리지 않는지 철저히 검증하는 과정을 포함합니다.

• 문제점: AI가 제안한 수정안의 타당성을 사람이 직접 판단하고 예외 케이스를 확인해야 하므로, 짧은 시험 시간 동안 응시자가 겪는 인지적 피로도와 스트레스가 상당합니다.

3. 실제 기업 현장의 복잡성을 반영하는 데 따르는 구조적 한계

• 내용: 표준화된 문제 은행과 통제된 시뮬레이션 환경을 통해 평가가 이루어집니다.

• 문제점: 실제 실무 현장은 방대한 레거시 코드, 사내 보안 규정, 파편화된 문서, 동료와의 협업 등 훨씬 복잡한 맥락 속에서 AI를 활용하게 되는데, 정형화된 테스트 환경만으로는 이러한 입체적인 실무 역량을 100% 측정하기에 태생적인 한계가 존재합니다.

또한, 역량 평가는 직원들의 현 수준을 확인하고 개선하려는 목적이지만, 현재의 AI 역량평가는 개선방법을 알려주지 못하기 때문에 기업에 효과가 낮습니다.

이보다는 AI Skill 중심의 직원 AI 역량 관리가 필요합니다. Skill은 Claude가 생각날 수 있지만, 외국을 중심으로 학력, 연차, 자격증 같은 형식적 ‘스펙’이나 고정된 직무(Job) 단위가 아닌, 직원이 실제로 수행할 수 있는 구체적인 ‘스킬(능력)’을 기준으로 인재를 채용·평가·배치·보상하는 인사 패러다임입니다. 당연히 경력이나 연차로 평가하는 대신에 직원 각각의 Skill을 평가하는 방식입니다.

AI Skill 부분에 적용한다면 우선은 회사에서 필요한 Skill 카테고리를 선정하고, 이 후에 업무, 년차, 직급 등에 따라서 세분화하여 현재의 Level과 필요한 Level을 관리할 수 있습니다.

 

Google Gemini AI Studio 를 이용해서도 원하는 AI Skill 관리가 쉽습니다. 전사 직원의 Skill을 데이터로 관리하여 체계적인 AI 역량 관리가 가능합니다.