ATD 2026에서도 가장 많이 주목받은 주제는 AI였습니다. ATD 공식 안내에 따르면 전체 세션의 17%가 AI를 핵심 주제로 다뤘고, 7개 트랙 중 6개에서 AI가 상위 키워드 안에 들었습니다. 단일 키워드로도 3년 연속 압도적 1위였습니다. AI는 미래 준비와 학습 기술뿐 아니라 리더십, 조직개발, 교육 설계, 성과 측정까지 HRD 전반으로 확장됐습니다.
출처: ATD, AI at ATD26

그런데 AI만큼 중요하게 다뤄진 또 하나의 주제가 있었습니다.

바로 심리적·인지적 안전감입니다.

AI가 일의 방식을 빠르게 바꾸는 동안 조직의 사람과 역량은 그 속도를 따라가지 못하고 있습니다. 불확실성이 커질수록 구성원이 안전하게 질문하고, AI의 오류를 지적하고, 실패를 학습으로 전환할 수 있는 환경이 중요해진 이유입니다.
기술과 사람 사이의 간극을 메우지 못하는 조직은 AI를 도입하고도 성과를 만들기 어렵습니다.

그렇다면 기업이 지금 가장 먼저 붙잡아야 할 것은 무엇일까요? ATD 2026이 보여준 5가지 변화를 살펴봅니다.

1. AI를 ‘도입’했다는 착각

ATD 2026 첫 번째 기조연설자는 전 OpenAI 시장진출 총괄인 잭 카스(Zack Kass)였습니다.

그는 AI의 추론 능력이 전기처럼 저렴하고 보편적인 자원이 되는 변화를 ‘무제한 지능(Unmetered Intelligence)’으로 설명합니다. 지능에 접근하는 비용이 낮아질수록 조직의 경쟁력은 AI 보유 여부보다 이를 어떤 문제에 적용하고 어떻게 운영하는지에 따라 달라진다는 의미입니다.
출처: Zack Kass, Speaking and Keynotes

ATD 2026 현장 리뷰에서 Christopher Goodsell은 이 변화를 다음과 같이 정리했습니다.

“AI is no longer the L&D conversation. It’s the infrastructure.”
AI는 더 이상 L&D의 대화 주제가 아니라 인프라가 됐다.

출처: dominKnow, ATD 2026 Takeaways

AI는 이미 기본 조건이 됐습니다. 이제 격차는 ‘AI를 쓰느냐, 쓰지 않느냐’가 아닙니다. AI를 업무에 전략적으로 통합한 조직과 도구만 도입한 조직 사이에서 벌어집니다.

ATD 2026의 AI 리터러시 세션은 조직에 필요한 역량을 세 가지로 구분했습니다.

• 프롬프트 리터러시: 목적과 맥락에 맞게 AI에 요청하는 능력

• LLM 리터러시: 생성형 AI의 작동 원리와 한계를 이해하는 능력

• AI 리터러시: AI 결과물을 검증하고 실제 업무에 책임 있게 활용하는 능력

세 역량을 관통하는 원칙은 ‘신뢰하되 검증하기(Trust and Verify)’입니다.
출처: ATD 2026, Develop Organizational AI Literacy

AI 도입과 실제 업무 성과 사이의 간극은 다른 연구에서도 확인됩니다.

MIT Project NANDA의 2025년 예비 보고서에 따르면, 조사된 특정 업무용 기업 생성형 AI 도구 가운데 성공적으로 운영 단계에 도달한 비율은 5%였습니다. 보고서는 그 원인으로 AI가 조직의 실제 업무 흐름에 제대로 통합되지 못하고, 피드백을 학습하거나 상황에 맞게 적응하지 못하는 문제를 지적했습니다.

다만 이 수치는 300개 이상의 공개 사례, 52개 조직 인터뷰, 153명의 리더 설문을 기반으로 한 예비 연구입니다. 보고서도 표본과 성공 기준에 따라 결과가 달라질 수 있다고 한계를 밝히고 있습니다.
출처: MIT Project NANDA, The GenAI Divide

현장에서 참가자들의 관심도 AI 기능 자체보다 AI가 만들어낸 콘텐츠를 어떻게 관리하고 품질을 유지하는가에 집중됐습니다.

dominKnow가 독립 조사기관 Global Surveyz와 함께 200명의 L&D 리더를 조사한 결과, AI 생성 콘텐츠가 조직 정책에 부합한다고 완전히 확신하는 응답자는 23%에 불과했습니다. 현재 운영 중인 학습 콘텐츠의 46%는 오래됐거나 부정확하거나 수정이 필요한 상태였습니다.
출처: State of Learning Content Management 2026

결국 AI 교육의 도달점은 단순한 도구 사용이 아닙니다.
구성원이 일상적인 업무 흐름 안에서 AI를 사용하고, 결과물을 검증하고, 최종 판단에 책임지는 상태여야 합니다. 그리고 그 출발점은 플랫폼도 콘텐츠도 아닙니다.

이 AI로 해결하려는 비즈니스 문제가 무엇인지 정하는 것입니다.

2. 지금 가르치는 스킬, 4년 뒤에도 유효할까요?

ATD 2026의 ‘Rewiring Leadership’ 세션에서는 스킬의 반감기가 과거 약 5년에서 2.5년으로 짧아졌다는 문제가 제시됐습니다. 기술과 업무 환경의 변화가 빨라질수록 한 번 배운 지식과 스킬이 유효한 기간도 짧아지고 있다는 의미입니다.
(출처: Ann Herrmann-Nehdi, 「Rewiring Leadership」, ATD 2026 세션)

오늘 설계한 커리큘럼의 일부가 구성원이 내용을 충분히 익히기도 전에 현업과 맞지 않게 될 수 있습니다.

세계경제포럼도 2025년부터 2030년 사이 근로자에게 필요한 핵심 스킬의 39%가 달라질 것으로 전망했습니다.
출처: WEF, Future of Jobs Report 2025

직무를 바라보는 관점도 달라지고 있습니다.
고정된 직무명과 직급을 중심으로 사람을 배치하는 방식에서, 실제 수행해야 할 과업과 필요한 스킬을 기준으로 사람과 AI의 역할을 다시 나누는 방식으로 이동하고 있습니다.

어떤 과업이 사람에게 적합하고, 어떤 과업을 AI가 지원할 수 있는지 구분해야 합니다. 그리고 업무가 달라질 때 필요한 역량과 학습도 빠르게 다시 연결할 수 있어야 합니다.

ATD 2026에서도 스킬 기반 조직(Skills-Based Organization)은 중요한 주제로 다뤄졌습니다. 스킬 기반 조직은 학력이나 직무명보다 구성원이 실제로 보유한 스킬과 업무 수행 능력을 중심으로 인재를 배치하고 개발하는 조직을 의미합니다.

거창한 전사 전환부터 시작할 필요는 없습니다. 먼저 다음 질문을 확인해야 합니다.

• 지금 운영 중인 교육은 어떤 과업과 스킬을 키우고 있는가?

• 해당 스킬은 조직의 우선순위와 연결돼 있는가?

• 교육 대상자의 현재 스킬 수준과 부족한 부분을 확인했는가?

• 사람이 직접 유지해야 할 스킬과 AI가 보완할 스킬을 구분했는가?

• 교육 이후 해당 스킬이 실제 업무에서 사용됐는지 확인할 수 있는가?

  ---

3. 교육 성과 측정: 비즈니스 변화를 확인해야 합니다

교육담당자에게 익숙한 지표는 수료율과 만족도입니다.
물론 교육이 정상적으로 운영됐는지 확인하려면 필요한 지표입니다. 하지만 경영진이 궁금한 것은 교육을 들은 사람의 수보다 교육 이후 무엇이 달라졌는가입니다.

ROI Institute와 ATD의 공동연구를 인용한 Harvard Business Publishing 자료는 이 간극을 보여줍니다.

CEO들이 제공받고 있다고 응답한 데이터는 다음과 같았습니다.
- 투입·활동 데이터: 94%
- 비즈니스 성과 데이터: 8%
- ROI 데이터: 4%

반면 중요하다고 평가한 데이터는 다음과 같았습니다.
- 비즈니스 성과: 96%
- ROI: 74%

출처: Harvard Business Publishing, Measuring the Impact of Leadership Development

Dr. Patti Phillips가 제시한 Alignment Model도 같은 방향입니다. “어떤 교육을 만들 것인가?”가 아니라 “이 교육으로 조직이 얻고자 하는 최종 성과는 무엇인가?”에서 설계를 시작해야 한다는 것입니다.

교육 성과를 측정하는 흐름은 다음과 같이 구성할 수 있습니다. 모든 교육에 금액으로 환산한 ROI를 적용할 필요는 없습니다. 하지만 조직의 주요 전략과 연결된 교육이라면 최소한 ‘교육 내용 → 행동 변화 → 업무 성과’의 관계는 설명할 수 있어야 합니다.

이제 교육은 “얼마나 들었는가”보다 “무엇이 달라졌는가”로 말해야 합니다.

4. AI 시대 소프트 스킬: 사람에게 필요한 5C 역량

AI 컨퍼런스에서 소프트 스킬 이야기가 나오면 반응이 엇갈릴 수 있습니다.

‘지금 이 시점에 커뮤니케이션 교육인가?’, ‘소프트 스킬은 측정하기 어렵지 않은가?’라는 인식이 있기 때문입니다.
하지만 AI가 분석과 생성을 빠르게 처리할수록, 결과의 방향을 정하고 맥락을 판단하는 인간의 역량은 더 중요해집니다.

Hult International Business School의 Patrick Lynch 교수가 ATD 2026에서 소개한 ‘Alice Effect’도 이 변화를 설명합니다.
AI를 처음 사용할 때 느끼는 놀라움은 빠르게 익숙함으로 바뀝니다. 누구나 AI를 이용해 많은 콘텐츠와 정보를 만들 수 있게 되면 생성 자체는 더 이상 차별점이 되기 어렵습니다. 결국 무엇을 만들 것인지 판단하고, 서로 다른 정보를 연결하고, 사람을 설득하는 능력이 희소해집니다.
출처: ATD 2026, The Alice Effect

ATD 2026에서 반복된 인간 중심 역량의 흐름을 실무 관점에서 5C로 정리하면 다음과 같습니다.

AI는 인간 성과의 단순한 대체자가 아닙니다. 사람의 사고와 실행을 증폭하는 도구입니다. 따라서 조직이 구성원의 판단력과 협업 역량을 충분히 키우지 않은 상태에서 AI만 확산하면, AI는 사람의 강점뿐 아니라 편향과 오류까지 함께 커질 수 있습니다.

5. AI 시대 리더십: 주변의 역량을 높이는 리더가 필요합니다

DDI의 Global Leadership Forecast 2025에 따르면 강한 리더 후보군을 보유한 기업은 20%에 불과했습니다. 이는 조직이 미래 리더를 충분히 확보하지 못하고 있다는 의미입니다.
출처: DDI, Developing High-Potential Talent

ATD 2026이 보여준 리더십의 전환은 ‘해결사 리더’에서 ‘환경 설계자 리더’로의 이동입니다.

올해 기조연설에서 《멀티플라이어》의 저자 리즈 와이즈먼은 자신의 유능함을 증명하는 데 집중하면서 구성원의 역량을 억누르는 리더를 ‘디미니셔(Diminisher)’, 팀원이 스스로 답을 찾고 역량을 발휘하도록 만드는 리더를 ‘멀티플라이어(Multiplier)’로 구분했습니다.

AI 시대에 더 필요한 리더는 자신이 모든 답을 내는 사람이 아니라, 구성원이 더 나은 질문을 하고 역량을 발휘하도록 돕는 사람입니다.
동시에 AI의 한계도 이해해야 합니다. Harvard Business School 연구진은 AI가 일부 과업에서는 사람의 생산성과 품질을 높이지만, 능력 범위를 벗어난 과업에서는 오히려 성과를 떨어뜨릴 수 있다는 사실을 확인했습니다.
출처: Harvard Business School, Navigating the Jagged Technological Frontier

리더가 AI 결과물을 검증하지 않고 판단을 외주화하면 업무는 빨라 보여도 구성원의 판단력과 핵심 숙련도는 약해질 수 있습니다. AI 도입 속도가 조직의 학습 속도보다 빠를 때 발생하는 ‘역량 침식(Capability Erosion)’입니다.
출처: Training Magazine, When AI Moves Faster Than Learning

구성원이 AI의 오류를 지적하고 실패한 실험을 공유할 수 있는 환경을 만드는 것. 이것이 AI 시대 리더에게 먼저 요구되는 역할입니다.

ATD 2026이 남긴 네 가지 질문

• “AI를 도입했는가?” → “AI로 어떤 비즈니스 문제를 해결하고 있는가?”

• “수료율이 몇 퍼센트인가?” → “이 교육이 일하는 방식을 어떻게 바꿨는가?”

• “어떤 스킬을 가르쳤는가?”→ “이 스킬은 앞으로도 조직에 필요한가?”

• “리더십 교육을 했는가?”→ “리더가 실제로 다르게 행동하고 있는가?”

빠르게 바뀌는 AI, 직무 역량, 리더십, 비즈니스 스킬을 한 번의 교육 이벤트로 끝내지 않고 필요한 순간 다시 꺼내 배우고 실제 업무에 적용할 수 있는 학습 환경으로 연결이 필요합니다.

우리 조직은 교육을 더 많이 하고 있나요? 아니면 사람들이 실제로 더 잘 일하게 만들고 있나요?