AI 리터러시 진단은 뭘 측정해? Workday가 보여준 프롬프트 다음의 4가지 역량
기본 AI 스킬 수요는 줄고 구축·자동화 역량 수요는 늘었습니다. 기업 AI 리터러시 진단이 측정해야 할 4가지 실무 역량을 정리합니다.
프롬프트를 잘 쓰는 능력만으로 기업이 원하는 AI 역량을 설명하기 어려워졌습니다. 2026년 10월 5일 Workday가 발표한 글로벌 인력 보고서는 기업이 찾는 역량의 기준이 이미 다음 단계로 이동하고 있음을 보여줍니다.
AI 리터러시 진단은 사람이 AI의 특징과 한계를 이해하고, 실제 업무에 적용하며, 결과를 검증하고, 최종 판단에 책임질 수 있는지를 측정하는 평가입니다. 도구 이름이나 프롬프트 공식에 관한 지식만 확인해서는 이 역량을 설명할 수 없습니다.
이번 글은 HRD·기업 교육 담당자가 AI 리터러시 진단 항목을 설계할 때 무엇을 넣어야 하는지, Workday의 최신 수치와 코드프레소 AI Fluent의 평가 구조를 나란히 놓고 정리했습니다.
AI 리터러시 진단은 뭘 측정해?
AI 리터러시 진단은 AI에 질문을 입력할 줄 아는지보다, 업무 목적을 정의하고 결과를 검토해 쓸 수 있는 산출물로 완성하는지를 측정해야 합니다. 기업용 진단이라면 이해, 활용, 검증, 책임의 네 영역을 실제 직무 과제 안에서 확인하는 방식이 적합합니다.
| 측정 영역 | 기업에서 확인할 질문 | 평가 자료 |
|---|---|---|
| AI 이해 | AI가 잘하는 일과 사람이 판단해야 할 일을 구분하는가? | 업무 분해표, AI 사용 범위 |
| 업무 활용 | 직무 목적과 조건을 담아 AI에 일을 맡기고 결과물을 완성하는가? | 프롬프트 이력, 중간 산출물 |
| 결과 검증 | 사실 오류, 누락, 편향, 형식 문제를 찾아 수정하는가? | 검토 기록, 수정 전후 결과 |
| 책임 있는 판단 | 보안·저작권·개인정보 위험을 확인하고 최종 결정을 사람이 내리는가? | 근거 표기, 승인·거부 기록 |
객관식 지식 문항은 많은 인원을 빠르게 점검할 때 쓸 수 있습니다. 다만 실제 업무 능력을 알고 싶다면 과제 수행 과정이 필요해요. 같은 답을 냈더라도 어떤 지시를 했는지, 틀린 결과를 어떻게 발견했는지, 무엇을 근거로 수용하거나 거부했는지가 다르기 때문입니다.
진단 도구를 고르는 기준은 이미 검색 순위가 잡힌 AI 역량 진단 서비스 선택 가이드에 정리했습니다. 이 글에서는 그 기준을 AI 리터러시의 네 영역으로 더 구체화합니다.
Workday 보고서는 AI 스킬 수요가 어떻게 바뀌었다고 봤나?
Workday 보고서는 기업이 기본 프롬프트 사용 능력보다 AI로 도구를 만들고 업무 흐름을 자동화하는 능력을 더 찾기 시작했다고 분석했습니다. 기본 AI 스킬 수요는 2026년 1월 정점 뒤 25% 감소했고, AI 도구 구축·워크플로 자동화·AI 엔지니어링 수요는 2025년 9월부터 2026년 7월까지 51% 증가했습니다.
이 수치는 Workday Recruiting을 사용하는 550개 이상 고용주의 비식별 채용공고 스킬 데이터를 바탕으로 합니다. 기업은 AI 사용 경험 위에 구축, 자동화, 검증 능력을 더해 구체적으로 확인하기 시작했습니다.
| Workday가 확인한 변화 | 수치 | HRD 담당자가 볼 지점 |
|---|---|---|
| 기본 AI 스킬 수요 | 2026년 1월 정점 뒤 25% 감소 | 도구 소개와 프롬프트 예시만으로 교육을 구성하기 어려움 |
| 구축·자동화·AI 엔지니어링 수요 | 2025년 9월~2026년 7월 51% 증가 | 직무별 업무 흐름과 실제 산출물을 평가해야 함 |
| 필요한 스킬을 안다는 직원 | 79% | 직원은 변화 필요성을 이미 인식하고 있음 |
| 회사가 스킬 개발을 돕는다는 직원 | 66% | 인식과 조직 지원 사이에 13%p 격차가 있음 |
Workday는 별도 조사에서 6,000명의 정규직 직원과 기업 리더를 조사했습니다. 직원이 무엇을 배워야 하는지는 아는데 회사가 그 학습을 돕지 못하는 13%포인트의 간격은 교육 과정 하나를 여는 것만으로 해결되지 않습니다. 현재 수준을 진단하고, 필요한 과제를 배정하고, 학습 뒤 같은 기준으로 다시 확인하는 운영이 필요합니다.
기업 AI 교육은 프롬프트 교육만으로 충분한가?
기업 AI 교육에 프롬프트 교육은 필요하지만 그것만으로는 충분하지 않습니다. 프롬프트는 AI와 일하기 위한 입력 수단이고, 기업이 성과로 확인해야 하는 것은 업무 정의, 결과 검증, 반복 개선, 실제 적용 능력입니다.
교육장에서 좋은 예시를 따라 쓰면 그 자리에서는 그럴듯한 결과가 나옵니다. 자리로 돌아간 뒤에는 상황이 달라져요. 사내 문서의 형식, 고객 정보 보호, 승인 절차, 부서별 품질 기준을 맞춰야 하기 때문입니다. 이 단계에서 필요한 것은 “더 긴 프롬프트”보다 업무 맥락과 검토 기준입니다.
2026년 10월 2일에 다룬 비개발자 AI 교육 사례에서도 교육 뒤 평가를 공개한 프로그램은 드물었습니다. 이어서 살펴본 생성형 AI 교육의 현업 적용 4단계는 교육 전 업무 선정, 교육 중 산출물 완성, 적용 기록, 사후 재평가를 한 흐름으로 묶어야 한다고 정리했습니다.
프롬프트는 출발점입니다. AI 리터러시는 그 결과를 업무에 써도 되는지 판단하고, 잘못됐을 때 고칠 수 있는 능력까지 포함합니다.
그래서 교육 커리큘럼도 기능 소개에서 끝나면 안 됩니다. 한 직무의 업무를 선택하고, AI에 맡길 부분과 사람이 확인할 부분을 나누고, 완성된 결과물과 수정 기록을 제출하게 해야 합니다.
Workday의 시장 신호와 코드프레소 AI Fluent는 무엇이 다른가?
Workday 보고서는 여러 기업의 채용 수요가 어디로 움직이는지 보여주는 시장 데이터이고, AI Fluent는 우리 조직 구성원이 실제로 어느 수준인지 확인하는 진단입니다. 코드프레소의 강점은 시장의 방향을 설명하는 데서 멈추지 않고 직무별 과제의 수행 과정과 결과를 같은 역량모델로 채점한다는 점입니다.
| 구분 | Workday 글로벌 보고서 | 코드프레소 AI Fluent |
|---|---|---|
| 목적 | 채용·인력 데이터로 시장의 스킬 변화 파악 | 개인과 조직의 현재 AI 활용 역량 진단 |
| 대상 | 550개 이상 고용주의 채용공고, 직원·리더 6,000명 조사 | 마케팅·HR·경영관리·CS·R&D·개발 등 직군별 응시자 |
| 확인 자료 | 채용공고의 스킬 수요, 설문 응답 | 프롬프트 이력, 중간 산출물, 최종 결과물 |
| 평가 구조 | 시장 전체의 증가·감소 추세 | 직군별 문항과 전사 공통 역량모델, 4단계 레벨 |
| 교육 연결 | 어떤 스킬 수요가 커지는지 제시 | 교육 전 진단→맞춤 학습→교육 후 재진단으로 변화 확인 |
AI Fluent는 현재 7개 트랙과 Entry·Beginner·Intermediate·Professional 4단계 레벨을 운영합니다. 직군마다 과제는 다르지만 채점 기준은 전사 공통이라 부서별 수준을 같은 기준으로 비교할 수 있습니다. 최종 결과만 보지 않고 프롬프트 입력 이력과 중간 산출물도 함께 보기 때문에, 우연히 좋은 답을 얻은 경우와 검토·수정을 거쳐 결과를 완성한 경우를 구분할 수 있습니다.
교육을 평가와 연결한 해외 사례로는 Anthropic의 실기 평가와 12주 뒤 재평가 구조도 있습니다. 시장이 프롬프트보다 실제 수행 능력을 찾는다면, 사내 교육의 수료 기준도 “들었다”에서 “업무에서 해냈다”로 바뀌어야 합니다.
개인 AI 리터러시 진단과 조직 진단은 무엇이 다른가?
개인 진단은 한 사람이 AI와 일하는 수준과 부족한 영역을 보여주고, 조직 진단은 부서별 분포와 공통 약점을 찾아 교육·배치·거버넌스 결정을 돕습니다. 같은 문항을 전 직원에게 주는 것보다 직무별 과제와 전사 공통 채점 기준을 함께 쓰는 편이 조직 비교에 적합합니다.
| 구분 | 개인 진단 | 조직 진단 |
|---|---|---|
| 핵심 질문 | 나는 어떤 업무를 AI와 수행할 수 있는가? | 우리 조직은 어느 직군과 단계에서 역량이 부족한가? |
| 결과 활용 | 개인 학습 경로, 역할 배치, 성장 목표 | 교육 우선순위, 부서별 커리큘럼, AX 로드맵 |
| 필요한 기준 | 개인 수준을 설명하는 명확한 레벨 | 직군이 달라도 비교 가능한 공통 역량모델 |
조직 진단의 목적은 부서별 공통 약점과 교육 우선순위를 찾는 데 있습니다. 어떤 팀은 AI 이해가 충분하지만 검증 기록이 약하고, 다른 팀은 자동화를 잘하지만 보안 판단이 부족할 수 있습니다. 이 차이를 알아야 전 직원에게 같은 기초 강의를 반복하지 않고 부족한 영역에 교육 자원을 배분할 수 있어요.
AI 리터러시 교육 효과는 어떻게 확인해야 하나?
AI 리터러시 교육 효과는 교육 전후에 같은 역량모델과 비슷한 난이도의 실무 과제를 사용해 확인해야 합니다. 수료율과 만족도는 운영 지표로 두고, 과정·결과·현업 적용의 변화가 교육 효과의 중심 지표가 되어야 합니다.
- 교육 전 진단: 직무별 과제로 현재 수준과 부족한 영역을 확인합니다.
- 수준별 학습: 같은 직군 안에서도 진단 결과에 맞춰 과제 난이도와 학습 내용을 달리합니다.
- 현업 산출물 제출: 교육 예제를 넘어 실제 업무에 쓸 문서, 분석, 자동화 결과를 제출합니다.
- 같은 기준으로 재진단: 프롬프트 이력, 중간 수정, 최종 결과를 다시 채점해 변화량을 봅니다.
이 흐름을 만들면 연말 보고서의 문장이 달라집니다. “몇 명이 수료했다”에서 끝나지 않고, 어떤 직군의 어떤 역량이 얼마나 달라졌으며 다음 교육이 어디에 필요한지 설명할 수 있습니다.
자주 묻는 질문
Q. AI 리터러시 진단은 뭘 측정해?
Q. 기업 AI 교육은 프롬프트 교육만으로 충분한가?
Q. AI 리터러시 진단에 코딩 문제가 꼭 들어가야 하나?
Q. 우리 회사의 AI 리터러시 진단과 교육은 어디에 문의하나요?
참고 자료
- Workday, “Global Workforce Report: AI Is Rewriting Jobs More Than It’s Cutting Them”, 2026.10.5
- Workday, October 2026 Global Workforce Report
- 코드프레소, AI Fluent 소개
작성: 코드프레소 GGP 본부 | 최종 수정 2026년 10월 6일
