AI 리터러시는 도구를 잘 쓰는 능력이 아니다 — 이해·평가·활용 3대 요소와 기업 교육 사례

AI는 단순한 기술적 도구를 넘어 일하는 방식을 빠르게 바꾸고 있다. 문서 작성, 자료 조사, 데이터 정리와 분석 전반에 AI가 쓰인다. 이 변화 속에서 중요해진 역량이 AI 리터러시다.

AI 리터러시란 무엇인가

리터러시는 본래 글을 읽고 쓸 수 있는 문해력을 뜻했다. 기술과 미디어 환경이 변하면서 시각 리터러시, 인터넷 리터러시, 디지털 리터러시 등으로 확장돼 왔다. AI 리터러시는 초기에 디지털 리터러시의 하위 영역으로 논의됐지만, AI의 복합성과 사회적 영향력이 커지면서 최근에는 독립적인 역량 개념으로 다뤄진다.

AI 리터러시는 단순히 AI 도구를 사용할 수 있는 능력이 아니다. AI의 기본 원리와 한계를 이해하고, 목적에 맞는 도구로 문제를 해결하며, 그 과정과 결과를 비판적으로 평가하고 윤리적으로 성찰할 수 있는 종합적 역량을 뜻한다.

왜 중요한가

AI는 반복 업무를 줄이고 새 아이디어를 제공해 생산성을 높인다. 그러나 준비 없이 도입하면 환각으로 인한 정보 오류, 데이터 편향, 개인정보 유출, 자동화된 판단에 대한 과도한 의존 같은 부작용이 따른다.

특히 조직 내 AI 활용이 빠르게 확산되는데 구성원의 판단 역량과 관리 체계가 이를 뒷받침하지 못하면 위험은 더 커진다. AI가 생성한 그럴듯한 오답을 검증 없이 받아들이면 잘못된 정보가 중요한 의사결정에 쓰인다. 환각 검증뿐 아니라 책임 소재, 개인정보 보호, 정보보안 과제도 뒤따른다. 그래서 AI가 제시한 결과를 사람이 최종 확인하는 절차와 이를 지원하는 조직 차원의 거버넌스가 필요하다.

3대 요소: 이해·평가·활용

미국의 비영리 교육 혁신 기관 Digital Promise는 AI 리터러시를 이해(Understand), 평가(Evaluate), 활용(Use)이라는 세 가지 상호 연결된 참여 방식으로 제시했다.

이해 — AI의 작동 원리와 한계를 안다. AI가 학습 데이터와 확률적 예측을 기반으로 결과를 생성한다는 점을 이해하고, 항상 정확하거나 객관적이지 않다는 사실을 인식해야 한다. 이 원리를 알면 그럴듯한 문장을 무조건 정답으로 받아들일 가능성이 줄어든다. 어떤 데이터와 조건이 결과에 영향을 미쳤는지, AI가 최신 정보나 업무의 구체적 맥락을 놓치지 않았는지 점검할 수 있다.

평가 — 결과와 사용의 적절성을 판단한다. AI가 제공한 결과의 정확성, 신뢰성, 편향과 오정보 가능성을 비판적으로 검토하는 역량이다. 사실관계나 논리적 오류가 없는지, 제시된 근거와 판단 과정이 적절한지 확인해야 한다. 조직에서는 개인정보 보호, 투명성, 책임성 같은 원칙과 규정도 함께 지켜야 한다. 중요한 의사결정에서는 AI 결과를 그대로 수용하지 않고, 그 AI를 이 결정에 쓰는 것이 적절한지 판단한 뒤 사람이 최종 검토하고 책임져야 한다.

활용 — 목적에 맞게 상호작용하고 문제를 해결한다. 업무 목적과 상황에 적합한 도구를 선택하고 실제 문제 해결에 적용하는 역량이다. 원하는 결과를 얻기 위해 적절한 질문과 지시를 설계하고 AI를 업무 절차에 연결할 수 있어야 한다. 해결하려는 업무와 목적을 명확히 정하고, AI에 필요한 맥락과 조건을 충분히 제공한 뒤, 생성된 결과를 검토·수정해 실제 업무 흐름에 연결하는 과정이 필요하다.

실무에서는 어떻게 나타나나

같은 도구를 써도 결과를 그대로 받아들이는지, 검토와 판단을 거치는지에 따라 업무 품질과 위험 수준이 크게 달라진다.

• 문서 작성: 초안을 그대로 쓰지 말고 사실관계·수치·출처를 확인하고, 개인정보나 내부 정보가 포함되지 않았는지 점검한다.
• 데이터 분석: 데이터의 품질과 편향 가능성, 분석 방법의 적절성을 살피고, AI가 제시한 결과가 실제 데이터와 일치하는지 다시 확인한다.
• 고객 응대: 답변의 정확성과 표현의 적절성을 검토하고, 민감하거나 복잡한 사안은 담당자가 직접 판단하고 소통한다.
• 기획: 자료 조사와 아이디어 발굴에는 쓰되, 예산·법제도·조직 여건과 실행 가능성은 사람이 종합 판단한다.
• 인사: 채용·평가에서는 개인정보 보호와 데이터 편향을 더 신중히 점검하고, 구성원에게 직접 영향을 주는 결정은 명확한 기준과 사람의 검토를 거친다.

결국 AI 리터러시는 AI를 많이 쓰는 능력이 아니라, AI가 효과적으로 지원할 수 있는 영역과 사람이 직접 판단하고 책임져야 하는 영역을 구분하는 능력이다.

기업들은 어떻게 교육하고 있나

기업의 AI 리터러시 교육은 일회성 도구 사용법을 넘어, 학습한 내용을 실제 직무에 적용하고 피드백으로 개선하는 방식으로 나아가고 있다. AI의 기본 원리와 한계를 다루는 공통교육에 현업 문제를 해결하는 직무별 실습을 결합한다. 여기에 민감 정보 입력을 제한하고 AI가 제시한 통계·법령·출처를 사용자가 직접 검증하도록 하는 생성형 AI 활용 가이드라인도 마련한다.

문화로 정착시키기 위한 장치도 함께 운영된다. GS그룹은 매년 실리콘밸리식 해커톤을 열어 구성원들이 현업 문제를 AI와 디지털 기술로 해결하도록 지원한다. 카카오도 매년 사내 해커톤으로 AI를 활용한 새 서비스와 협업 방식을 실험할 수 있는 문화를 만든다. 한글과컴퓨터는 'AI 크루 – AX 챌린저 – AX 챔피언'으로 이어지는 단계별 성장 체계를 운영하며, 우수 성과를 낸 AX 챔피언에게 포상금과 인사 가산점을 준다. AI 활용 역량을 교육 프로그램에 머물게 하지 않고 조직문화와 평가·보상 체계까지 연결한 사례다.

리터러시를 높이는 방법

개인 차원에서 가장 먼저 필요한 것은 자기주도적 학습 태도다. 업무에 필요한 지식을 적시에 찾아 학습하고 지속적으로 갱신해야 한다. 이 과정에서 AI를 단순한 정보 제공 도구가 아니라 질문과 피드백을 주고받으며 함께 문제를 해결하는 협력적 학습 파트너로 쓸 수 있다. 동시에 결과를 무조건 신뢰하지 않는 비판적 태도가 필요하다. 출처와 신뢰성을 확인하고 여러 자료를 교차 검증해 자동화 편향을 줄인다.

기업 차원에서는 구성원이 갖춰야 할 최소 AI 역량 기준을 마련하고 교육으로 지원한다. 다만 활용을 일방적으로 강제하기보다 업무 특성에 맞게 도구를 선택하고 실험할 자율성을 보장해야 한다. 필요한 서비스와 교육 비용을 지원하고 업무 개선 성과를 평가·보상에 반영하는 것도 자발적 참여를 높인다. 시행착오를 개인의 실패로 비난하지 않고 조직의 학습 자산으로 공유하는 심리적 안전감도 필요하다. 디지털 도구에 익숙한 주니어가 활용법을 공유하고 시니어가 업무 지식과 판단 맥락을 전수하는 세대 간 상호 멘토링은 기술 역량과 도메인 전문성을 함께 높인다.

이 구조는 AI가 실행을 대신해도 방향은 사람이 잡아야 한다는 결론과 맞닿아 있다. 그리고 AI가 업무 맥락을 기억하기 시작하면서 무엇을 공유할지 정하는 판단도 리터러시의 일부가 됐다.