학습이 업무의 일부가 될 때:학습 및 개발 분야 AI 에이전트 혁명

마지막으로 업무를 잠시 보류하고, 오롯이 진심으로 배움에 전념했던 시간이 언제인가요? LMS에 로그인하고, 모듈을 클릭하고, 퀴즈를 완료했습니다. 이제 생각해 봅시다. 교육을 통해 배운 내용 중 다음 주 월요일 실제 업무 방식에 변화를 가져온 부분이 얼마나 되는지 말입니다. 대부분의 사람들이 솔직하게 밝히는 답변은 그다지 많지 않습니다.

문제는 구조적인 통합 문제로, 학습이 처음부터 설계된 방식에서 비롯되었습니다. 교육은 전통적으로 업무와 별개의 활동으로 존재해 왔습니다. 업무를 수행하기 전이나 성과 검토를 마친 후에 이루어지는 경우가 많았으며, 실질적으로 도움이 되는 순간에 이루어지는 경우는 드물었습니다. 항상 사람들을 업무에서 잠시 떼어내어 무엇인가를 가르치면, 그들이 업무로 복귀했을 때도 그것이 지속될 것이라는 가정이 있었습니다. 그 가정은 점점 더 정당화하기 어렵습니다.

AI 에이전트가 이러한 방정식을 완전히 바꾸고 있으며, 이러한 변화는 대부분의 조직이 예상했던 것보다 더 빠르게 이루어지고 있습니다.

왜 학습과 업무 간의 경계가 허물어지고 있는가

가트너는 2026년 말까지 엔터프라이즈 애플리케이션의 40%가 특정 작업을 위한 AI 에이전트를 탑재할 것이라고 예측한다. 이는 2025년 5% 미만에서 증가한 수치이다 (Gartner, 2025. 8. 26.). 그것은 점진적인 변화가 아니다. 이는 근본적인 인프라 변화이며, 2년 후 학습 및 개발(L&D) 리더들이 자신의 역할이 어떻게 변화할지를 이해하는 데 직접적인 영향을 미칩니다.

AI 에이전트는 더 이상 질문을 받기를 기다리는 수동적인 도구가 아닙니다. 업무 흐름 내에서 관찰하고, 해석하며, 행동하여 문제가 발생하는 시점을 감지하고, 실수가 더 커지기 전에 개입합니다. 학습 전달 인프라가 직원들이 이미 사용 중인 도구에 내장되는 순간, 예를 들어 Salesforce, Microsoft Teams, 코딩 환경 등에 내장되면 학습 전달 인프라가 곧 업무 인프라가 됩니다. 양자는 동일한 것이다.

AI 에이전트가 영업 피치를 실시간으로 수정하거나, 매니저가 까다로운 피드백을 제공하는 방식에서 격차를 알려주거나, 코드를 작성하는 과정에서 더 효율적인 접근 방식을 제안하면 업무와 학습의 경계가 사라지게 됩니다. 교육은 업무가 시작하기 전에는 진행되지 않습니다. 그 안에서 일어납니다.

이것이 우리가 보이지 않는 학습이라고 부르는 것입니다. 능력 개발이 업무 자체에 깊숙이 내장되어 직원들이 이를 학습으로 거의 인식하지 못하는 경우를 말합니다. Slack에 연동된 단순히 재브랜딩된 과정 라이브러리가 아닙니다. 맥락을 이해하고, 스킬 격차가 현재 성과에 어떤 영향을 미치고 있는지 파악하며, 필요한 순간에 적절한 방식으로 개입하는 에이전트. 능력은 여전히 작동하지만, 더 이상 이를 외부에 알릴 필요가 없습니다.

직장 스킬은 얼마나 빠르게 변화하고 있으며, 학습 및 개발(L&D) 팀에게는 어떤 의미가 있습니까?

이러한 변화의 원인 중 하나는 조직이 직면하고 있는 스킬 과제의 엄청난 규모입니다. LinkedIn 연구에 따르면, 대부분의 직업에서 활용되는 스킬의 70%가 2030년까지 변화할 것이라고 예상됩니다. (LinkedIn, 2025) 이것은 머지 않은 미래에 대한 예측이 아니라, 이미 진행 중인 변화의 내용입니다. 현재 변화는 트랜딩하려면 시간이 없을 만큼 빠르게 진행되고 있습니다. 이렇고 빠르게 변화되는 현실에서, 기존의 학습 모델로는 이러한 속도를 따라잡을 수 없습니다.

연간 교육 주기, 코호트 기반 프로그램, 자기 주도 학습 과정 카탈로그는 모두 스킬의 유효 수명이 길었던 세대에 맞게 만들어졌습니다. 그들은 학습이 정해진 기간에 이루어지며, 그 기간 동안 얻은 지식이 투자를 정당화할 만큼 충분히 오래 유효성을 유지한다고 가정합니다. 그 가정은 더 이상 신뢰할 수 없습니다.

그것을 대체하는 것은 항상 학습할 수 있는 학습 인프라에 가까웁한 나 그보다 더욱 나은 상황이라고 할 수 있습니다. 더 많은 교육이 아니라, 더 효과적인 전달입니다. 개인이 어떤 작업을 하고 있는지, 어디에서 어려움을 겪고 있는지를 이해하며, 다음 분기가 아닌 앞으로 한 시간 내에 개인에게 가장 유용한 능력을 제공할 수 있는 AI 에이전트.

AI 학습 에이전트는 실제로 어떻게 작동하나요?

학습 및 개발(L&D) AI 에이전트의 메커니즘을 구체적으로 만드는 것은, 이 아이디어의 추상적인 버전이 현혹하게 간단하게 들릴 수 있기 때문입니다. 현실은 더 층이 있습니다.

잘 설계된 에이전트는 단순히 요청 시 콘텐츠를 제공하는 것에 그치지 않습니다. 수행되는 작업을 모니터링하고, 격차를 나타내는 패턴을 식별하고, 선제적으로 개입합니다. 반론 처리 단계에서 항상 거래를 잃는 판매 직원은 반론 처리 과정 수료를 요청하는 알림을 받지 않습니다. 본인이 다음 대화를 준비할 때, 본인의 이전 대화 데이터를 동원하여 다루지 못했던 수신 거부 형태를 다루는 문맥적 프롬프트를 받습니다.

피드백 루프가 즉시 종료됩니다. 에이전트가 관찰하는 다음 상호 작용을 통해 이전 개입이 효과적이었는지 확인하거나, 다음 개입에 대한 정보를 제공받습니다. 스킬은 더 이상 이론적인 것이 아닙니다. 적용 사례가 실시간으로 포착되며, 이는 역량의 실제 분포 위치에 대한 조직의 이해를 높이는 데 기여합니다. 학습은 아무리 잘 큐레이션된 과정 목록이라 할지라도 따라갈 수 없는 방식으로 반복적이고 개인화된 형태로 이루어집니다.

전통적인 “성과 관리 지침서”가 붕괴되고 있으며, 현재의 프로그램에서 지속적인 효과를 성공적으로 얻고 있는 조직은 단 25%에 불과합니다. 이 간격을 메우기 위해 멕킨지는 사람과 AI 에이전트 간 협력으로의 전환을 강조하고 있습니다. 이 능력을 성공적으로 내장한 조직은 기하급수적인 생산성 향상을 경험합니다. 관련 연구에 따르면, 업무 흐름에 내장된 AI 에이전트는 기존의 사일로식 교육과 비교했을 때 직원 참여도를 30% 증가시키고 숙달 시간을 25% 단축시키는 효과가 있습니다. 문제는 학습 및 개발(L&D) 팀이 그것을 포착할 준비가 되어 있는지 여부입니다 (McKinsey, 2026).

보이지 않는 학습의 비즈니스 영향을 어떻게 측정합니까?

학습 및 개발이 꾸준히 겪어온 난관 중 하나는 C-Suite가 공감할 수 있는 용어로 가치를 입증하는 것입니다. 교육 시간, 만족도, 완료율은 비즈니스 영향을 설득력 있게 대변한 적이 없습니다. 보이지 않는 학습이 실제 업무 과정에서 이루어지기 때문에, 측정 지표도 변화하고 측정 대상이 활동에서 실제 성과로 전환됩니다.

초기 수용자는 기존의 교육 메트릭 이상의 방식으로 재작업률을 측정하고 있습니다. 재작업률은 문맥적 AI 안내를 받은 후 직원이 첫 시도에 정확히 업무를 완료하는 빈도를 말합니다. '전문 에이전트'를 워크플로에 통합함으로써, 이 조직들은 자율 워크플로 실행 비용을 최대 70%까지 절감하고 있습니다. 이는 단순한 자동화의 결과가 아니라, 실시간으로 지속적으로 업스킬링하는 인력의 기여에서 비롯된 것입니다. (McKinsey, 2025)

이는 학습 및 개발 논의가 비용 센터에서 벗어나 성과 엔진으로 전환되는 관점을 보여줍니다. 학습이 업무와 떼려야 뗄 수 없는 관계일 때, 학습이 산출물에 기여하는 정도를 산출물과 동일한 기준으로 측정할 수 있게 됩니다. 이는 AI가 평균적으로 디지털 혁신 예산의 3분의 1 이상을 이미 차지하고 있는 이유이며, 조직의 절반 이상이 디지털 지출의 21%～50%를 AI 자동화에 투입하고 있습니다(Deloitte, 2025). 역사적으로 투자 유치에 어려움을 겪었던 기능에서 이 정도의 합의는 상당히 중요합니다.

학습 및 개발 리더들은 AI 에이전트가 기능을 재구성하는 가운데 어떤 점을 우선시해야 할까?

이러한 변화가 실질적으로 의미하는 바는 모든 조직이 즉시 기존 LMS를 교체해야 한다는 뜻은 아닙니다. 학습 투자의 가치를 판단하는 기준이 변화했습니다. 이제는 더 이상 콘텐츠가 좋은지에 대한 질문이 아닙니다. 결국 핵심은 학습 인프라가 직원들이 기존에 사용하고 있는 도구와 워크플로 안에서 필요할 때 즉각적으로 학습 콘텐츠를 제공할 수 있는지 여부입니다.

이것으로 기술에 대한 대화가 완전히 새롭게 전환됩니다. 2026년 학습 플랫폼의 가치는 과정 라이브러리나 보고 대시보드가 아닙니다. 실제 업무가 이루어지는 시스템과 통합되고, 관련 능력 개발 내용을 직원이 작업을 떠나지 않고도 받아볼 수 있도록 제공하는 능력이 중요합니다.

이곳에는 주목할 만한 인간적 요소도 있습니다. 미국 근로자의 71%가 AI가 자신의 역할에 미치는 영향에 대해 우려를 표하지만(미국심리학회, 2025년), 80%는 AI 변화에 적응하기 위해 추가적인 교육을 적극적으로 요청하고 있습니다(EY, 2023년). 능력 개발에 대한 욕구는 분명히 존재합니다. 직원들에게 필요한 것은 콘텐츠를 더 추가하는 게 아닙니다. 학습은 적시적이고, 적절한 내용으로, 내가 우수하게 하고 싶은 실제 업무와 맞게 쟰 고여야 합니다.

이 과제를 성공적으로 수행할 조직은 가장 고차원적 AI 학습 전략을 구축한 조직이 아닐 것입니다. 그들은 직원들이 학습을 학습이라고 알아채지 못할 만큼 엄무 오래 만에 구성 요소로 녹여내던 사람들이 될 것입니다. 이것이 바로 기업들이 지향해야 할 벤치마크이며, Cornerstone과 같은 플랫폼은 점점 더 이를 지원하도록 설계되고 있습니다. 즉, 역량 개발이 단순히 부수적인 교육 프로그램이 아니라, 실제 업무 흐름에 통합되도록 하는 것입니다.

결론

일회성 교육에서 지속적이고 업무에 통합된 학습으로의 전환은 오지 않을 것입니다. 에이전트형 AI에 진지하게 투자하는 조직의 경우, 이미 존재하고 있습니다. 학습 사일로는 결코 이상적인 모델이 아니었습니다. 그것은 단지 기술적으로 가능한 유일한 방법이었습니다. 그 제약은 더 이상 적용되지 않습니다.

학습 및 개발 리더들에게는 전략적 기회가 중요하지만, 이 기능을 단순히 콘텐츠를 생산하고 컴플라이언스를 추적하는 것이 아니라 본래 역할에 맞게 재정의하려는 의지가 필요합니다. 직원이 업무 흐름 중에서 지속적으로 더 잘 일을 할 수 있도록 만드는 인프라를 구축합니다.

보이지 않는 학습은 실제 활용 예시에서 다음과 같이 나타납니다. 현재 보이지 않는 학습을 활용하는 조직에서는 격차가 이미 줄어들고 있습니다.

고찰해볼 만한 질문들

• 우리는 직원 스킬 격차가 현재 실제로 성과에 영향을 미치는 지점을 알고 있습니까, 아니면 직원이 가장 최근에 교육 모듈을 완료한 곳만 알고 있습니까?

• 당사의 학습 플랫폼은 직원들이 매일 사용하는 도구에 통합되어 있습니까, 아니면 여전히 직원들이 업무를 잠시 멈추고 해당 학습 플랫폼에 접속해야 합니까?

• 학습을 완료했는지 여부로 측정합니까, 아니면 그 결과 실제 성과가 변화했는지에 따라 측정합니까?

• 우리 회사 학습 및 개발 부서가 일상 업무의 필수적인 부분으로 자리매김하여, 직원들이 학습을 업무 방식의 한 부분으로 인식하고 업무와 별개의 것으로 여기지 않게 하려면 어떻게 해야 할까요?

실제로 그것이 어떻게 작동하는지 확인하려면 저희 eBook을 읽어보세요: 비밀스러운 학습: 업무 수행 시 진행되는 학습에 대해.

자주 묻는 질문

비밀스러운 학습이란 무엇인가요?

보이지 않는 학습은 개발이 업무 자체에 너무 깊이 통합되어 직원들이 그것을 학습으로 거의 인식하지 못할 때 발생하는 것입니다. 능력은 필요한 순간에, 직원들이 이미 사용 중인 도구와 업무 내에서 구축되며, 별도의 교육 프로그램이나 과정 카탈로그를 통해 이루어지지 않습니다.

AI 학습 에이전트와 AI 학습 비서는 어떻게 다른가요?

AI 학습 에이전트는 능동적으로 작동합니다. 그들은 업무가 진행되는 대로 관찰하고 요청 없이도 개입합니다. AI 학습비서는 즉각적으로 대응합니다. 직원이 학습 경험 내에서 지원을 요청할 때 질문에 답하고 지도를 제공합니다.

전통적인 교육 모델이 스킬 변화를 따라잡기 벅찬 이유가 무엇인가?

연간 교육 주기와 기수별 프로그램은 역량의 유효 기간이 더 길었던 시대에 맞게 설계되었습니다. 변화의 속도가 빨라지면서 학습이 이루어지는 시점과 실제로 필요한 시점 사이의 간격이 너무 넓어져, 기존 모델로는 이 격차를 해소할 수 없게 되었습니다.

업무 흐름 중 학습의 ROI는 어떻게 측정합니까?

완료율이나 만족도 점수를 추적하는 대신, 조직들은 재작업률, 첫 번째 시도 시 작업 정확도, 성과 결과 등과 같은 행동 지표로 전환하고 있습니다. 업무에 학습이 내재될 때, 그 영향력을 업무 자체와 동일한 기준으로 측정할 수 있습니다.

학습 및 개발 리더는 AI 에이전트의 활용이 확대됨에 따라 무엇에 집중해야 할까요?

콘텐츠보다 통합이 더 중요합니다. 학습 플랫폼의 가치는 실제로 업무가 진행되는 시스템과 연결하여 관련 개발을 표면화하고 직원들이 하던 일을 멈추지 않아도 개발을 받을 수 있도록 하는 데 있습니다.

직원들은 직장에서 AI 기반 학습에 대해 수용적일까요?

욕구가 강합니다. 대부분의 직원들은 자신의 기술을 개발하고 변화에 발맞추고 싶어합니다. 과제는 이미 과중한 업무에 추가되는 것이 아니라, 관련성과 시의적절성을 느낄 수 있는 방식으로 학습을 제공하는 것입니다.