AI 교육을 받고도 현장에서 쓰이지 않는다면 먼저 살필 곳은 교육생이 아니라 일터입니다. 교육 효과를 다룬 연구에서는 교육 시간 안의 활동보다 교육 전후에 일터가 하는 일이 현장 적용과 더 강하게 이어졌습니다. 2026년 3월에 나온 AI 도입 보고서에서도 회사가 쓰라고 권하는지가 사용 여부를 가장 크게 갈랐습니다. 이 글은 그 근거를 읽고, 교육 2주 뒤에 일터가 받쳐 주는지를 확인하는 점검 카드를 제안합니다.
이 글은 AI 교육을 운영하는 사람을 위한 실무 가이드이며, 특정 고객사의 교육 사례나 측정 결과가 아닙니다. 2026년 11월 8일 확인한 논문 초록과 NBER 보고서 자료 기준입니다. 인용한 연구는 AI 교육만을 다룬 것이 아니고, 대부분 설문에 기댄 상관 결과입니다. 아래의 점검 카드, 확인 시점, 가상의 영업지원팀 장면은 DMS.Labs의 설계 제안과 가정이며, 어느 조직에서 효과가 났다는 뜻이 아닙니다.
교육을 받았는데 왜 현장에서는 쓰이지 않습니까?
교육생의 의지가 약해서라고 단정하기 어렵습니다. 연구들은 현장 적용이 일터의 조건과 함께 움직인다고 보고합니다. 어떤 조건이 비어 있는지는 조직마다 달라서 직접 물어봐야 알 수 있습니다.
교육 직후의 만족도는 이 질문에 답해 주지 못합니다. 강의가 좋았다는 응답과 다음 주 월요일에 실제로 쓰는 일은 다른 문제입니다. 쓰고 싶어도 계정이 없을 수 있고, 계정이 있어도 팀장이 어떤 자료를 넣어도 되는지 말한 적이 없을 수 있습니다. 쓸 시간이 업무표 어디에도 잡혀 있지 않을 수도 있습니다. 이런 빈칸은 교육 시간 안에서는 메워지지 않습니다.
연구는 일터의 지원에 대해 무엇을 말합니까?
읽은 연구의 결과를 표로 모았습니다. 오른쪽 칸은 DMS.Labs의 해석입니다.
표가 넓으면 좌우로 스크롤하여 확인하세요.
| 출처 | 확인한 내용 | DMS.Labs의 해석 |
|---|---|---|
| Saks와 Belcourt, 2006, Human Resource Management (초록 확인) | 150개 조직의 교육 담당자가 교육 내용을 일에 적용하는 직원의 비율을 교육 직후 62%, 6개월 뒤 44%, 1년 뒤 34%로 답했습니다. 조직들은 교육 전이나 후보다 교육 중에 적용을 돕는 활동을 더 많이 했습니다. 그런데 적용과 더 강하게 이어진 것은 교육 전후에 일터에서 한 활동이었습니다 | 일터는 교육 전후에 하는 일이 상대적으로 적은데, 적용과는 그쪽이 더 강하게 이어진다는 단서입니다. 이 수치는 교육 담당자의 보고이고 직원 행동을 직접 잰 값이 아니며, AI 교육을 다룬 것도 아닙니다 |
| Blume, Ford, Baldwin, Huang, 2010, Journal of Management (초록 확인) | 89개 연구를 모은 메타분석입니다. 인지 능력, 성실성, 동기, 지원하는 업무 환경이 적용과 양의 관계였습니다. 대부분의 요인은 컴퓨터 소프트웨어 같은 닫힌 기술보다 리더십 개발 같은 열린 기술 교육에서 관계가 더 강했습니다. 같은 사람이 같은 상황에서 적용 결과까지 답한 경우에는 관계가 부풀려졌습니다 | AI 활용에는 정해진 절차 말고도 판단이 들어가므로 열린 기술 쪽에 가깝다고 보지만, 이 분류는 제 해석이며 연구가 AI를 분류한 것은 아닙니다. 교육생이 직접 쓴 만족도만으로 현장 적용을 판단하지 않는 근거로 삼습니다 |
두 연구가 가리키는 방향은 같습니다. 교육 효과는 교육장 안에서 끝나지 않고, 교육생이 돌아가는 일터의 환경이 적용을 좌우합니다.
AI 교육에서도 같은 결과가 나옵니까?
AI에 대한 가장 최근 자료 두 편을 읽었는데, 결과가 완전히 겹치지는 않습니다. 두 편 모두 NBER 워킹 페이퍼로, 동료 심사를 거치지 않았다고 표지에 적혀 있습니다.
첫째는 Anders Humlum과 Emilie Vestergaard의 덴마크 연구입니다. 2025년 5월에 처음 나오고 2026년 3월에 개정됐으며, 처음 제목은 「Large Language Models, Small Labor Market Effects」였습니다. 2024년 조사 회차에서 유효 응답 약 25,000건을 행정 자료와 연결했습니다. 회사가 권장도, 사내 챗봇도, 교육도 하지 않는 일터에서도 근로자의 약 41%가 일에서 AI 챗봇을 한 번 이상 써 봤고 7%는 매일 썼습니다. 지원이 하나씩만 있는 일터에서 쓴 경험이 있는 비율은 사용 권장 76%, 사내 챗봇 57%, 교육 69%였습니다. 세 가지가 모두 갖춰진 일터에서는 93%가 써 봤고 28%가 매일 썼습니다. 저자들은 이 지원 여부가 근로자가 인식한 내용을 자기 보고한 것이라 회사의 의도와 다를 수 있다고 밝힙니다. 각주에는 권장 없이 교육이나 도구만 있을 때 보고된 이득이 더 작았다는 내용도 있습니다.
둘째는 Alexander Bick, Adam Blandin, David Deming 등이 쓴 「Mind the Gap: AI Adoption in Europe and the U.S.」(2026년 3월)입니다. 미국과 유럽 6개국의 근로자를 2026년 1월과 2월에 조사한 결과를 포함합니다. 권장, 도구 제공, 교육을 한 회귀식에 넣자 권장이 사용을 가장 강하게 예측했습니다. 교육도 도구도 받지 못한 근로자 가운데 회사의 권장을 받은 사람은 47%가 AI를 일에 썼고, 받지 못한 사람은 10%였습니다. 권장도 교육도 받지 못한 근로자 가운데 도구를 받은 사람은 21%, 도구도 받지 못한 사람은 10%였습니다. 권장과 도구를 함께 통제하면 교육은 사용 여부를 더 높이는 변수로 나타나지 않았습니다.
창가의 나무 책상 위에 덮인 노트북, 클립으로 묶은 인쇄 교육 자료, 머그잔, 아직 쓰지 않은 메모지가 놓여 있는 조용한 사무 공간.원본 전체 보기
두 연구를 한데 묶어 읽을 때 조심할 점이 있습니다. 둘 다 관찰 자료여서 권장이나 교육이 사용을 일으켰다고 말할 수 없습니다. 통제 변수도 다릅니다. Humlum과 Vestergaard는 지원을 하나씩 따로 구현한 일터를 비교했고, Bick 등은 세 가지를 한 식에 넣어 서로의 몫을 갈랐습니다. 그래서 교육이 소용없다는 결론은 나오지 않습니다. 이 분석이 보는 것은 AI를 쓰는지 여부이지 쓰는 방식의 질이나 안전성이 아닙니다. 읽을 수 있는 범위에서는 교육과 함께 권장과 도구가 따로 움직이며, 그 둘이 비어 있는 일터는 교육을 마친 사람의 사용을 받쳐 주지 못할 가능성이 있다는 정도입니다.
Humlum과 Vestergaard가 2024년 말 PNAS에 낸 앞선 논문의 초록도 같은 방향입니다. 근로자들은 사용을 막는 회사 제한과 교육이 필요하다는 점을 도입의 주된 장벽으로 꼽았습니다. 이 논문은 초록과 발췌만 확인했습니다.
일터 점검 카드에는 무엇을 적습니까?
교육을 받은 팀마다 한 장씩 만듭니다. 점검하는 사람은 교육생이 아니라 팀의 책임자입니다. 칸 구성은 DMS.Labs의 제안이며, 연구가 이 다섯 칸을 직접 시험한 것은 아닙니다.
표가 넓으면 좌우로 스크롤하여 확인하세요.
| 칸 | 확인할 질문 | 이어지는 연구 | 비어 있을 때 할 일 |
|---|---|---|---|
| 말해 주기 | 팀의 책임자가 "이 업무에서 써 보라"고 업무 하나를 짚어 말했습니까 | 권장이 사용을 가장 강하게 예측했습니다(Bick 등) | 책임자가 업무 하나를 정해 한 줄 안내를 보냅니다 |
| 도구 | 교육생에게 실제로 쓸 수 있는 계정과 접근 권한이 있습니까 | 도구 제공이 권장 다음으로 예측했습니다(Bick 등) | 교육 참가자 명단과 계정 발급 현황을 대조합니다 |
| 시간 | 업무 시간 안에 써 볼 시간이 잡혀 있습니까 | 교육 전후 일터의 활동이 적용과 이어졌습니다(Saks와 Belcourt). 시간 칸 자체를 시험한 연구는 읽지 못했습니다 | 주 30분 정도를 업무표에 시험 시간으로 넣습니다 |
| 기준 | 어떤 자료를 넣어도 되고 어떤 자료는 안 되는지 팀이 알고 있습니까 | 회사의 사용 제한이 도입의 장벽으로 보고됐습니다(Humlum과 Vestergaard, PNAS) | 기준을 한 장에 적습니다. 자료 선택 기준은 AI에게 어떤 자료를 줄지 정하기에 있습니다 |
| 확인 방법 | 누가, 언제, 무엇으로 쓰는지 확인합니까 | 같은 사람의 같은 시점 응답은 관계를 부풀렸습니다(Blume 등) | 교육생의 한 줄 보고에 더해 사용 기록이나 책임자의 관찰 중 하나를 붙입니다 |
다섯 번째 칸의 이유를 덧붙입니다. 교육생에게 "쓰고 있습니까"라고만 물으면 쓰고 싶었던 마음과 쓴 사실이 한 응답에 섞입니다. 계정 사용 기록이나 책임자가 본 장면처럼 다른 출처를 하나 붙이면 둘의 차이가 보입니다.
교육 2주 뒤에는 무엇을 확인합니까?
가상의 장면으로 설명하겠습니다. 이 장면은 DMS.Labs의 고객 사례가 아니며, 숫자도 설명을 위한 가정입니다.
영업지원팀 8명이 하루 교육을 받았고, 2주 뒤에 팀장이 한 명씩 이야기를 나눴다고 가정합니다. 업무에서 AI를 쓴 사람은 3명, 쓰지 않은 사람은 5명입니다. 쓰지 않은 5명의 이유를 위 카드의 다섯 칸에 맞춰 나눠 보니 팀장이 쓰라고 말한 적이 없다는 사람이 2명, 계정이 아직 없다는 사람이 2명, 쓸 시간이 없다는 사람이 1명이었다고 가정합니다. 이 경우 같은 교육을 한 번 더 열어도 5명 중 4명의 막힘은 그대로 남습니다. 필요한 것은 팀장의 안내 한 줄과 계정 발급입니다.
DMS.Labs가 제안하는 확인 순서는 이렇습니다. 교육이 끝나기 전에 점검 날짜와 책임자를 카드에 적어 둡니다. 2주 뒤에 카드를 열어 다섯 칸을 하나씩 확인하고, 비어 있는 칸마다 고칠 사람과 날짜를 적습니다. 3개월 뒤에 사용 기록을 한 번 더 봅니다. 2주와 3개월이라는 간격은 제안일 뿐 연구가 권하는 기준이 아닙니다. Saks와 Belcourt가 물은 시점은 6개월과 1년이었고, 업무 주기가 긴 팀이라면 한 달이 더 맞을 수 있습니다. 교육생 쪽에서 맡길 일의 경계를 다시 확인하는 방법은 AI 교육은 도구 설명보다 '이 일을 맡겨도 되나'에서 시작합니다에서 다뤘습니다. 그 글이 교육생의 점검이라면 이 글은 일터의 점검입니다.
점검의 목적은 교육생을 평가하는 데 있지 않습니다. 2주 뒤에 아무도 쓰지 않아도 그 자체가 곧 실패는 아니며, 카드는 그 이유가 일터에 있는지를 가려내는 도구입니다.
나무 벽걸이에 열쇠 다섯 개가 걸려 있고 갈고리 하나는 비어 있으며, 옆에 빈 클립보드가 걸린 사무실 복도 벽.원본 전체 보기
자주 묻는 질문
쓰라고 말해 주는 일은 강요와 어떻게 다릅니까?
이 글이 읽은 연구는 권장이 사용과 함께 움직인다는 연관을 보여 줄 뿐, 사용 횟수를 정해 주었을 때 어떤 일이 생기는지는 다루지 않습니다. DMS.Labs는 업무 하나를 짚어 안내하되, 그 업무에 AI를 쓰지 않는 편이 낫다고 판단되면 이유를 말하고 쓰지 않아도 된다고 함께 적자고 제안합니다. 이 제안이 강요처럼 느껴지는지는 시험하지 않았습니다.
2주 뒤에 쓰는 사람이 적으면 교육이 실패한 것입니까?
그렇게 보지 않습니다. Humlum과 Vestergaard의 자료에서도 회사의 지원이 전혀 없는 일터에서 근로자의 약 41%가 AI 챗봇을 써 봤습니다. 사용 비율이 높다고 해서 일을 잘 맡긴다는 보장도 없습니다. 맡기지 말아야 할 일이라서 쓰지 않는 사람도 있습니다. 확인할 것은 쓰지 않은 이유가 일터의 빈칸인지, 업무 판단인지입니다. Saks와 Belcourt의 응답처럼 시간이 갈수록 적용 비율이 떨어지는 모습은 AI가 아닌 교육 일반에서 보고된 것입니다.
교육을 다시 열면 해결됩니까?
일터의 빈칸이 원인이라면 해결되지 않을 수 있습니다. Bick 등의 분석에서 교육은 권장과 도구를 통제한 뒤 사용 여부를 더 설명하지 않았습니다. 이것이 교육을 줄여도 된다는 뜻은 아닙니다. 이 분석은 사용 여부만 보았기 때문입니다. 다만 같은 교육을 반복하기 전에 카드의 다섯 칸부터 확인하는 편이 순서에 맞습니다.
다음에 볼 것
교육 구성은 DMS.Labs 생성형 AI 교육에서 볼 수 있습니다. 상담을 준비하신다면 최근에 AI 교육을 받은 팀 하나를 골라 카드 다섯 칸 중 비어 있는 칸 하나만 적어 오시면 현재 상태를 설명하기 쉽습니다. 조건이 필요한 부분은 문의 페이지에서 확인하십시오.
교육 뒤 성과를 어떤 숫자로 볼지는 AI 도입 성과 측정에 있습니다.
참고 자료
- Saks, A. M., & Belcourt, M., An investigation of training activities and transfer of training in organizations, Human Resource Management 45(4) (2006) (초록만 읽었습니다)
- Blume, B. D., Ford, J. K., Baldwin, T. T., & Huang, J. L., Transfer of Training: A Meta-Analytic Review, Journal of Management 36(4) (2010) (초록만 읽었습니다)
- Humlum, A., & Vestergaard, E., Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI, NBER Working Paper 33777 (2025년 5월, 2026년 3월 개정) (개정판 전문을 읽었으며 동료 심사를 거치지 않았습니다)
- Bick, A., Blandin, A., Deming, D. J., Fuchs-Schündeln, N., & Jessen, J., Mind the Gap: AI Adoption in Europe and the U.S., NBER Working Paper 34995 (2026년 3월) (전문을 읽었으며 동료 심사를 거치지 않았습니다)
- Humlum, A., & Vestergaard, E., The unequal adoption of ChatGPT exacerbates existing inequalities among workers, PNAS 122(1) (2025) (초록과 발췌만 확인했습니다)
