AI는 시키는 일만 하는 도구일까요?
AI에게 문서 작성을 요청하거나 자료를 요약하고, 아이디어를 생성하는 일은 점차 익숙해지고 있습니다.
그런데 AI에게 결과물을 만들어 달라고 요청하는 대신, 지금 어떤 문제부터 해결해야 할지 함께 고민해 달라고 한다면 어떨까요?
일부 기업에서는 AI를 반복 업무를 처리하는 도구뿐 아니라, 데이터를 분석하고 새로운 해결 방향을 탐색하는
파트너로 활용하려는 시도가 나타나고 있습니다.
이는 AI 활용교육에도 새로운 질문을 던집니다.
우리는 AI로 결과물을 만드는 방법뿐 아니라, AI와 함께 문제를 탐색하고 해결 방향을 찾는 방법도 가르치고 있을까요?
익숙한 AI 사용법에만 머물러 있지는 않나요?
AI로 이메일을 작성하거나 자료를 요약하는 일은 비교적 익숙한 활용 방식입니다.
하지만 AI 기술이 발전함에 따라 활용할 수 있는 업무의 범위도 새롭게 살펴볼 필요가 있습니다.
2026년 EO가 소개한 앤트로픽 교육 분야 리드 드류 벤트의 인터뷰에서는 흥미로운 관점이 등장합니다.
그는 AI를 오래 사용한 사람들이 처음 익힌 활용 방식에 머무르는 반면,
AI를 처음 접한 사람들이 더 복잡한 업무 문제를 질문하는 사례를 소개했습니다.
이는 AI로 무엇까지 할 수 있다고 생각하는지에 따라 활용 방식이 달라질 수 있다는 점을 생각하게 합니다.
예를 들어 회의록을 요약하는 데 AI를 활용해 왔다면, 이제는 회의 내용에서 해결되지 않은 문제를 찾거나
후속 업무의 우선순위를 제안하도록 요청해 볼 수 있습니다.
드류 벤트는 AI의 새로운 가능성을 확인하기 위해 지속적으로 다양한 업무에 활용해 볼 것을 권합니다.
이러한 관점에서 AI 교육도 학습자가 기존 업무에서 AI의 활용 가능성을 직접 탐색하도록 구성할 수 있습니다.
이때 중요한 것은 더 복잡한 작업을 요청하는 것만이 아니라, 해결하려는 문제의 배경과 목표를 AI에 충분히 공유하는 것입니다.
AI와 함께 문제를 해결하려면, 맥락부터 공유해야 합니다.
AI와 협업하려면 작업 지시뿐 아니라 해결하려는 문제의 배경과 목표, 관련 정보를 전달하는 과정이 중요합니다.
실제로 오늘의집은 AI를 활용해 데이터를 정리하는 업무에서 나아가, 팀의 문제 해결을 지원하는 방식을 시도하고 있습니다.
오늘의집의 개발팀은 자동화 도구를 활용해 서비스 지표와 개발 이력을 수집하고, AI가 두 정보 사이의 연관성을 추론하도록 설계했습니다.
이전에는 구성원들이 개별적으로 데이터를 확인하고 정리해야 했지만,
이제는 AI가 제공한 1차 분석 내용을 바탕으로 팀이 다음 실험을 논의할 수 있게 되었습니다.
나아가 오늘의집은 AI가 실험 결과와 사용자 행동 데이터를 바탕으로 해결해야 할 문제의 우선순위나
다음 실험 아이디어까지 제안하도록 발전시키는 것을 목표로 하고 있습니다.
이 사례는 AI가 데이터 정리와 초기 분석을 지원하고, 사람이 이를 바탕으로 다음 행동을 논의하는 협업 방식을 보여줍니다.
AI의 분석과 제안이 언제나 정확한 것은 아니므로, 실제 데이터와 업무 환경을 고려한 최종 판단은 사람이 내려야 합니다.
그렇다면 이러한 협업 방식은 강의에서 어떻게 다룰 수 있을까요?
AI에게 정해진 작업을 요청하는 방법만 배우면, 실제 업무에서 AI를 어느 단계에 활용할 수 있을지 떠올리기 어려울 수 있습니다.
따라서 교육자는 AI로 결과물을 만드는 실습과 함께, 업무의 목표를 공유하고 AI의 분석과 제안을 활용해
다음 행동을 결정하는 과정도 경험하도록 설계할 수 있습니다.
예를 들어 'AI로 마케팅 콘텐츠 만들기'라는 강의를 'AI와 함께 광고 성과 개선 방향 찾기'로 확장할 수 있습니다.
학습자는 가상의 광고 성과 데이터를 살펴보고, AI와 함께 문제의 원인에 대한 가설을 탐색한 뒤 실행 가능한 개선안을 선정합니다.
이 과정에서 AI 교육 콘텐츠 제작 플랫폼 클라빅스(KLAVIX)를 활용할 수 있습니다.
교육자는 AI 협업 과정을 설명하는 강의 영상, 업무 단계별 활용 방법을 정리한 PPT,
실습 과제와 실행 계획표를 담은 교재의 초안을 제작할 수 있습니다.
중요한 것은 AI가 생성한 결과물을 완성하는 것에서 끝나지 않고, 학습자가 AI를 업무 과정에 어떻게 참여시킬지 직접 경험하도록 하는 것입니다.
수업·강의에 바로 써볼 팁 | AI와 함께 문제 해결하기
STEP 1. 업무 상황과 목표를 공유합니다.
광고 성과가 낮은 가상의 상황을 제시하고, 학습자가 AI에 목표와 제약 조건, 데이터를 전달하도록 합니다.
질문 예시: "신제품 광고의 클릭률이 목표보다 낮습니다. 현재 데이터를 분석하려면 어떤 정보가 추가로 필요한지 알려주세요."
STEP 2. AI와 새로운 가능성을 탐색합니다.
AI가 가능한 원인과 개선 가설을 제안하도록 하고, 학습자는 각 가설을 검증하는 데 필요한 정보를 정리합니다.
질문 예시: "광고 성과가 낮은 원인에 대한 가설을 세 가지 제안하고, 각 가설을 확인하려면 어떤 데이터가 필요한지 알려주세요."
STEP 3. 제안을 실행 계획으로 연결합니다.
학습자가 AI의 제안 중 검증 가능한 가설을 선택하고, 실행 순서와 방법을 직접 결정하도록 합니다.
실습 과제: "주어진 예산과 일정 안에서 가장 먼저 검증할 가설을 선택하고, 선택 이유와 실행 계획을 작성해 보세요."
실습에는 가상의 데이터나 공개 가능한 자료를 사용하며, AI가 제시한 가설을 확인된 사실과 구분하도록 안내합니다.
AI를 파트너처럼 활용한다는 것은 모든 결정을 맡긴다는 의미가 아닙니다.
업무의 목표와 맥락을 공유하고, AI의 분석과 제안을 바탕으로 새로운 가능성을 탐색하는 것입니다.
AI 활용교육도 정해진 작업을 수행하는 방법뿐 아니라, AI를 업무 과정에 참여시키고 그 결과를 다음 행동으로 연결하는 경험을 제공할 수 있습니다.
출처
EO(이오), 2026.05.11.
[[「AI 빨리 쓴다고 잘 쓰는 거 아닙니다: 앤트로픽 리드가 말하는 진짜 AI 활용법」]](https:////eopla.net/magazines/42143)
② 오늘의집(버킷플레이스), 2026.01.05.
[[「오늘의집, AI로 일하는 방식을 다시 쓰다」]](https://www.bucketplace.com/post/2026-01-05-오늘의집-ai로-일하는-방식을-다시-쓰다/)

이 글, 도움이 됐나요?