AI 교육을 시작할 때 가장 먼저 떠올리는 것은 대개 도구 사용법입니다. 어떤 버튼을 누르고, 프롬프트를 어떻게 쓰며, 결과를 어떻게 다듬는지 배우는 일이죠. 하지만 개인이 한두 번 잘 쓰는 것과 학교나 조직이 AI를 지속적으로 활용하는 것은 전혀 다른 과제입니다.

9월 30일 삼성전자는 ‘지능에서 임팩트로’를 주제로 AI 포럼을 열어 에이전틱 AI를 실제 업무와 성과로 연결하는 방안을 논의했습니다. 같은 날 Google.org는 고등교육의 AI 준비도를 높이기 위한 세 가지 지원 방향을 공개했습니다. 두 발표가 함께 던지는 메시지는 분명합니다. 이제 AX의 질문은 “누가 AI를 잘 쓰는가”를 넘어 “기관이 변화를 받아들이고 확산할 준비가 되었는가”로 넓어져야 합니다.

개인 실습만으로는 확산되지 않습니다

Google.org가 소개한 조사에서는 고등교육 교원의 41%가 학습 환경에서 AI 도구를 사용하는 공식 연수를 받지 못했다고 답했습니다. 그러나 연수 횟수만 늘린다고 문제가 모두 해결되지는 않습니다. 실제 과업을 연습할 기회, 동료와 결과를 비교하는 기준, 수업과 행정에 적용할 수 있는 승인 절차가 함께 있어야 배움이 현장에 남습니다.

작은 실증을 복제 가능한 모델로 바꿔야 합니다

이번 지원은 성인 학습자 지원, 진로 연계형 학습, 전문대학의 전략 기획이라는 세 축으로 구성됐습니다. 특히 30개 대학이 실무 과제를 시험하고 효과적인 방법을 다른 학교가 재사용할 수 있게 한다는 점이 눈에 띕니다. AX 교육도 한 번의 멋진 시연보다 ‘과제 정의-작은 적용-결과 기록-동료 검토-확산’의 순환을 설계해야 합니다. 그래야 성공 사례가 특정 강사나 담당자의 감각에 머물지 않습니다.

성과와 함께 안전·비용·운영을 가르쳐야 합니다

삼성 AI 포럼에서는 기업 환경의 에이전틱 AI에 보안과 거버넌스가 필요하다는 점, 그리고 실제 반도체 업무에 적용된 혁신 사례가 소개됐습니다. 이는 AI 활용의 완성도가 결과물 품질만으로 결정되지 않는다는 뜻입니다. 어떤 데이터까지 입력할지, 누가 결과를 승인할지, 오류를 어떻게 발견하고 되돌릴지, 운영 비용을 어떻게 측정할지까지 하나의 수업 안에서 다뤄야 합니다.

AX 강사의 시선

강의 목표를 ‘기능 세 개 익히기’에서 ‘기관이 반복할 수 있는 변화 한 가지 만들기’로 바꿔보시면 좋겠습니다. 교육생에게 실제 업무 한 건을 고르게 하고, 적용 전 기준값과 성공 조건을 적게 하세요. 실습 뒤에는 결과물뿐 아니라 데이터 경계, 검토자, 예상 비용, 다음 실험을 함께 제출하게 합니다. 마지막으로 우수 사례를 재현할 수 있도록 프롬프트보다 판단 기준과 실패 기록을 템플릿으로 남기면 좋습니다.

AI 준비도는 최신 도구를 보유했는지가 아니라, 작은 실험을 안전하게 반복하고 배운 것을 조직의 표준으로 바꿀 수 있는지에서 드러납니다. 여러분의 다음 AI 교육은 개인의 감탄으로 끝날까요, 아니면 기관이 다시 실행할 수 있는 변화로 남을까요?

출처

삼성전자, ‘에이전틱 시프트’ 주제로 삼성 AI 포럼 2026 개최 — 삼성전자 뉴스룸
Supporting AI readi