에듀테크(edu/edtech)는 교육 분야에 정보통신기술(ICT)을 접목하여 교육 서비스의 효율성과 접근성을 높이는 산업입니다. 인공지능과 교육 관련 데이터를 다루는 기술을 비롯해 실시간 모니터링, 실감형 콘텐츠에 이르기까지 다양한 관점에서 주로 온라인 기반에서 접근할 수 있습니다. 예전에 많이 들었던 이러닝(e-learning)과 플립 러닝(flipped Learning), 인터넷 강의(online education), 기능성 게임(serious game) 등 다양한 용어로 표현하던 활동들을 집적화한 표현이 바로 ‘에듀테크’입니다. 에듀테크가 다양한 방식으로 양질의 교육을 여러 계층에 제공하면서, 이를 경험한 세대들의 사회 활동이 전통적인 기업 문화를 뒤흔드는 변화를 만들어 내고 있습니다.

ChatGPT가 출시되고 나서 처음 교육을 접한 아이들에게 학습 시, ChatGPT를 배제한 채 학습에 임해야 한다고 설득하려 한다면 어떨까요? 많은 기업들이 적어도 표면적으로는 신입 직원들의 아이디어를 활용한 업무 혁신을 장려합니다. 디지털 세대의 등장 이후, 학생들은 학교 수업 중에 생활 속 경험을 바탕으로 ‘견제와 균형의 원리’를 찾고, 주변의 자원과 데이터를 활용해 필요한 도구나 방법을 스스로 만들어 내기도 했습니다.

스마트폰 시대에 학창 시절을 보낸 세대는 자연스럽게 디지털 기반 학습 환경에 익숙해졌습니다. 특히 Z세대에서 알파세대로 넘어오면서 인공지능을 활용하는 사례가 학교생활 전반으로까지 확장되었습니다.

대한민국에서 인공지능을 피부로 체감한 두 번의 큰 계기는 첫째, 2016년 이세돌과 알파고의 바둑 대국(구글 딥마인드 챌린지 매치)이며, 둘째는 2022년 중순 이후 급격히 확산된, 거대 언어 모델 기반 생성형 AI 서비스입니다. 2025년 기준으로 ChatGPT의 사용자는 약 1,700만 명에 달하고 있습니다. 기존에 프롬프트 대화형 서비스로 인식되던 인공지능 환경에서 사용자에게 다가가는 신규 인터페이스 구성에 이르기까지, 이제 우리는 인공지능 서비스를 활용해 다양한 활동에 참여할 수 있습니다.

산업 현장에서는 인공지능을 활용하는 세대 간의 차이가 두드러지게 나타나고 있습니다. 와이즈앱의 2025년 4월 기준 데이터에 따르면, 전체 생성형 AI 서비스의 사용자를 100명으로 가정했을 때, 20대부터 30~40대까지가 약 22~24명 사이로 비슷하게 전체의 69.5%를 차지하고 있고, 50대 13.1%, 60대 4.5%로, 50대 이후부터 연령이 높을수록 이용률이 줄어드는 반비례 현상이 나타나고 있습니다.

눈여겨볼 부분은 12.8%의 10대 사용자들입니다. 만 13세 미만의 사용자들은 학교 수업을 포함한 학습 환경에서 ChatGPT와 같은 일부 생성형 AI 서비스를 사용할 수 없고, 만 18세 미만 사용자들 역시 보호자의 동의가 필요함에도 불구하고, 10대 사용자들의 서비스 점유율은 꾸준히 증가할 것으로 전망됩니다.

다음은 이와 관련된 몇 가지 사례입니다.

직무에서 활용하는 인공지능의 컴퓨터 비전

컴퓨터 비전을 활용하여 수집하는 데이터를, 다른 데이터와 융합하여 분석할 때는 해당 직무 상황의 문제 해결에 적합한 방안을 포함해야 합니다. 예를 들어, 주변 환경으로부터 직접 데이터를 수집하여 입력 값으로 사용하는 경우, 인공지능 모델의 특징과 데이터 학습 이후의 시스템 발전에 따른 단계별 한계치(Limit)를 명확히 구분해서 인지해야 합니다. 공개용 공공 데이터나 정부 부처·공공기관의 기록 등은 열린 데이터 포털이나 웹사이트 등을 통해 접근할 수 있습니다.

반면, 사용자가 직접 응답한 데이터나 개별적으로 수집된 상용 데이터는 그 깊이와 규모가 가지각색이기 때문에, 데이터의 융합이 필요합니다. AI가 데이터베이스를 활용하여 학습한 상황 맥락 기반의 정보는, 인간이 창의적으로 사고해서 도출하는 답안과 근접한 의사결정을 지원하는 데 활용될 수 있습니다. 다양한 조건으로 필터링해 교집합을 추리거나 관련 데이터를 결합함으로써 보다 정교한 결과를 만들 수 있다는 의미입니다.

더 나아가 사용자 맞춤형 관점에서 학습이 이루어지고, 창의적인 답안이 DB에 축적된다면, 인공지능은 주변 환경의 데이터를 활용해 더욱 뾰족한 답변을 제시할 수 있습니다.

과거에는 선후배 사이에 끈끈한 정으로 이어지던 이른바 족보(시험 문제 모음)를 복사실에서 구하는 경우가 많았습니다. 그러나 이제는 PDF형식의 파일을 메신저로 주고 받는 게 일반적이며, 이를 응용한 문제 해결 과정 또한 빠르게 공유·확산되고 있습니다. 일부 에듀테크 기업들은 이러한 족보를 데이터베이스화하여 맞춤형 문제를 제공하는 등 실시간 학습 서비스로 발전시키고 있습니다.

COVID-19 기간 동안의 단절을 극복하기 위해, 서울대학교 박평재/오인규 연구원이 설립한 스타트업 그룹에서 개발한 서비스 ‘라떼(Latte)’는 대학 생활 노하우 아카이빙과 빠른 검색을 위한 모바일 애플리케이션, 깊이 있는 학습을 위한 웹 서비스로 구성되어, 족보 뿐만 아니라 축제 준비 정보, 대학 내 정보 등의 공유 및 확산에 폭넓게 활용되었습니다.

이러한 기술을 응용해 제조업 현장에서도 교육 노하우를 전수할 수 있는 서비스를 만들었습니다. 기존의 제조업 현장에서는 현장 노하우를 문서화하지 않고, 숙련자가 신입 직원에게 요약된 가이드라인 문서를 전달하거나 노하우를 구두의 형태로만 전수하는 경우가 많았습니다. 이들은 이러한 한계를 보완하기 위해, 컴퓨터 비전과 태그를 활용한 데이터 연결 시스템을 도입하면서 현장의 의사 전달을 구체적이고 체계적으로 개선해 나가고 있습니다.

이 서비스는 현장 종사자가 장비나 부품을 촬영하면 시스템이 사진을 식별하고, 식별된 장비나 부품이 태그와 연결되면서, 이 태그를 통해 필요한 노하우를 쉽게 검색할 수 있습니다. 또 직접 태그를 붙여 자신만의 노하우도 새롭게 업로드 할 수 있습니다. 나아가 태그 기반 데이터를 학습관리시스템(LMS)과 연계하면서, 작업자가 익숙하지 않은 공정을 스스로 학습할 수도 있습니다.

컴퓨터 비전의 적용에서는 직원들의 실제 수요를 분석하는 것이 출발점입니다. 이를 위해서는 먼저 기존 업무 프로세스에서 어떤 어려움이 있는지 이해 관계자의 니즈를 정확히 파악해야 합니다. 그 다음에 인공지능 도구를 활용해 부족한 틈새를 채워 나가야 합니다. 짧은 시간에 명확한 결정을 내리기 위해서는 인공지능 분석을 통해 얻은 데이터를 목적에 맞게 가공·분석해 기업의 의사 결정에 실질적으로 활용할 수 있어야 합니다. 데이터를 쌓아두기만 할 것이 아니라, 수집한 데이터를 맞춤으로 가공하고, 반복적 검토를 통해 타깃에 어떻게 활용할 수 있을지를 적극 탐구해야 합니다.

직무에서 활용하는 인공지능의 언어 분석 및 처리

대학에서는 인공지능 교양 과목을 통해 기본 소양을 쌓고, 전공 수업 내에서도 인공지능을 적용한 과목들이 학교와 전공에 따라 점차 확대되고 있습니다. 사회 변화와 미래 예측의 관점에서 언어 모델 분석과 자연어 처리를 접목한 인문사회 교과 및 교양 교육도 함께 진행되고 있습니다. 그 외 학내 여러 전공에서도 AI 적용을 둘러싼 고민이 이어지고 있으며, 과목별로 AI 사용 가이드라인을 어떻게 마련할 것인지에 대한 다양한 의견이 제시되고 있습니다.

특히 학생들이 과제를 하는데 있어, 과목의 목적별로 세부적인 가이드라인이 필요하다는 목소리가 높아지고 있습니다. AI 활용이 학습을 돕는다는 긍정적 평가도 있었지만, 창의성을 저해할 수 있다는 부정적 의견도 공존하고 있습니다.

긍정적인 측면에서는, 이공계 학생들이 특정 주제에 대해 자기 생각을 정리하면서 산업 적용 방향을 설정하고 연역적 사고로 사회적 이익을 추산하는 보고서를 작성한 예시를 들 수 있습니다. 이들은 AI에 과도하게 의존하지 않고 가이드라인에 따라 AI를 적절히 활용해 의미 있는 결과물을 만들어 냈습니다. 반면, 법학 수업에 성실하게 참여하던 학생이 생성형 AI를 활용, 그럴듯하게 작성한 기말 보고서를 제출하면서, 교수자가 부정적 평가를 내리고 재작성을 지시한 사례도 있었습니다.

이처럼 생성형 AI의 경우, 접근이 쉬워 다양한 이슈나 논란을 함께 불러일으킵니다. 다른 한편에서는, 졸업 이후 여러 직무에서 활약하며 AI를 적극 활용하게 될 학생들에게, AI 사용을 제한한다는 것 자체가 사회의 흐름에 맞지 않는다는 지적도 있습니다.

실제 LG 전자 등의 글로벌 기업에서도 고객 행동과 요구를 분석해 맞춤형 서비스를 제공하는 CX(Customer Experience) 디자인에 AI와 데이터 분석 기술을 적극 활용하고 있습니다. 동문 기업들을 대상으로 창업 IR 컨설팅을 진행했던 KAIST 창업원 산하 연구자 네트워크에서는, 기업별 브랜드 컨설팅의 노하우와 AI 기술을 접목해, 사전 분석 기능을 갖춘 온라인 브랜드 디자인 관리 시스템 ‘OBO’ 서비스를 기획하기도 했습니다.

이 시스템은 텍스트 분석을 통해 웹사이트와 다양한 데이터베이스에서 브랜드의 시각적 요소와 소비자 인식을 객관적으로 평가하고, 출시 전 개선을 지원합니다. 이 시스템을 활용하면, 기존에 많은 인력이 투입되던 수동적(manual) 조사 방식을 대체해, 보고서의 실시간 업데이트가 가능해지면서, 브랜드 분석과 디자인 평가를 구독 서비스로 제공받을 수 있습니다.

OBO와 같은 시스템이, 브랜드 분석의 정밀도를 높이기 위해서는 도메인 정보 반영 및 가중치 조정을 통한 학습 강화가 필요합니다. 대상 기업이나 동일 산업군 내 경쟁사를 포함한 데이터베이스를, 별도의 기준점(Anchor point)에 따라 학습시켜 기존 언어 모델을 보완하면, 새로운 분석 관점을 제시할 수 있을 것입니다. 이는 생성형 AI를 활용할 때 나타나는 환각 현상을 줄이고, 보다 신뢰성 있는 추천 시스템을 구축하는 데 기여할 수 있습니다.

이때 경쟁 제품의 가격 범위, 시장 규모, 고객 선호도 등 수집된 핵심 데이터를 더 높은 가중치로 반영해 인공지능이 보다 정확한 결과값을 표시하도록 보정하는 절차도 필요합니다. 이러한 절차를 거치면 결과적으로 보다 정밀하고 유용한 결과를 얻을 수 있게 될 것입니다.

디지털 세대 임원과 AI 세대 직원이 함께 일하는 방식

한편 디지털 세대가 임원 직급에 오르고 의사 결정권을 갖게 되면서, 경력의 가치가 단순히 연차가 아닌, 다양한 상황에 대한 경험의 밀도로 평가되고 있다는 것에도 주목해야 합니다. AI 네이티브 세대의 인구 절벽, 직업에 대한 관점 변화, 직무를 대하는 태도의 다양성은 기존 조직과는 또 다른, 새로운 변화를 만들어 낼 가능성이 큽니다. 더 나아가 공유된 공개 개발 방식과 클라우드 내외의 공통 데이터 자산을 활용한 데이터베이스 기반의 직무 방식은, 기존의 문제 해결 프로세스와는 상이한 접근을 요구합니다. 이에 따라 선택과 의사 결정이 필수적으로 동반되어야 할 것입니다.

기업이 가져야 할 열린 태도는 다양성을 인정하고, AI를 직무 과정에 자연스럽게 내재화하는 것입니다. 이를 위해 기업 내부에서는 최적화된 맞춤형 프롬프트 명령어 라인과 함께, 기존 직무에 AI를 활용해 접목하는 여러 시도들을 목록화해야 하며, 이를 상호 연결된 네트워크 구조(Interconnected network)에 따라 체계적으로 관리할 수 있어야 합니다.

또한 AI를 활용해 성공한 프로젝트뿐 아니라 실패한 프로젝트의 접근 과정 및 의사 결정 흐름도 함께 기록하고 관리할 필요가 있습니다. 인공지능 기술이 빠르게 발전하는 환경에서는, 중간 지점에서 재시도와 재시작 여지가 생기면, 곧바로 프로토타이핑으로 이어질 수 있기 때문입니다.

따라서 앞으로는 상호 연결 네트워크를 기반으로 기업 내 데이터베이스를 구축하는 방향이 직무 자체에 포함되어야 합니다. 오픈 개발 환경에서 인공지능 개발 속도가 빠르게 확산되는 것과 대조적으로, 기존 직무 환경이 정체된다면 아이템 발굴과 알고리즘 개선 사이의 간극을 좁힐 수 없을 것입니다.

이에 따라 이 과정에서는 아이디어를 구체화하고, 결과물을 수요에 맞게 재조정하며, 이해 관계자의 피드백을 반영해 지속적으로 업데이트하는 인내심과 추진력이 필요합니다. 이 역할을 외부에만 의존한다면 ‘장님 코끼리 만지기’식의 불확실한 방법에 그치고 말 것입니다. 그러므로 기업은 내부에 프로세스를 끊임없이 개선해 나가는 도메인 전문가를 실무자로 두어야 합니다.

또한 생성형 AI는 배경 지식이 있는 사람이 질문할 때 더 적합한 답을 도출하기 쉽기 때문에, 기업은 AI 적용 로드맵을 구체화하고, 고유의 데이터셋을 축적해 나가는 자체적인 노력도 게을리하지 않아야 합니다.

기업이 이룩해야 할 이 모든 변화의 중심에는 대한민국의 Z세대가 있습니다. 1996~2008년 사이에 태어난 이들을 가리키는 Z세대는 전체 인구의 14%에 해당하는 약 700만 명입니다. 이들 세대는 공정한 기회 제공과 함께 기여가 명확히 인정받을 수 있는 보상 체계를 중시하는 것이 특징입니다.

따라서 각 아이디어의 도출 과정에서 역할과 설계 기록을 연구 노트처럼 남기고, 창안자가 개발과 평가 과정에서 얼마나 기여했는지, 정량·정성적으로 기록·집계하는 시스템도 마련되어야 할 것입니다.

더불어 AI의 활용이, 특정 부서나 소수 인력에 국한되지 않고 모든 직원에게 열려 있다는 조직 차원의 공감대가 함께 마련된다면, 기업은 Z세대와 함께 성장하며 AI 시대에 걸맞은 개방적이고 지속가능한 기업 문화를 구축할 수 있을 것입니다.