HR Lens

HRD

교육훈련, 역량 개발, 리스킬링·업스킬링, 현업 성과와 연결되는 학습 전략 등 HRD 전반을 다루는 태그입니다.

  • [2026 Skills Shift ⑧] 업스킬링·리스킬링, 90일 파일럿으로 시작하는 법

    [2026 Skills Shift ⑧] 업스킬링·리스킬링, 90일 파일럿으로 시작하는 법

    핵심 요약

    업스킬링·리스킬링은 처음부터 전사 대형 프로젝트로 시작할 필요가 없다. 오히려 처음부터 모든 직무, 모든 직원, 모든 스킬을 대상으로 잡으면 범위가 커지고 책임이 흐려진다. 2026년에 필요한 접근은 핵심 직무 1~2개를 정해 90일 동안 작게 실험하고, 그 결과를 바탕으로 확장하는 것이다.

    CompTIA의 2026년 Workforce and Learning Trends는 조직의 83%가 스킬 우려 대응을 높은 우선순위로 두고, HR 전문가와 IT 리더의 62%가 향후 1년 AI 교육 예산 증가를 예상한다고 제시한다. 그러나 공식 조직 차원의 업스킬링·리스킬링 프로그램을 보유한 기업은 34%에 그친다. 관심과 예산은 커졌지만 실행 체계는 아직 부족하다는 뜻이다.

    따라서 HRD는 “완벽한 체계 구축”보다 “검증 가능한 파일럿”으로 시작해야 한다. 90일 파일럿의 목표는 교육 과정을 많이 여는 것이 아니라, 바뀌는 업무를 고르고, 필요한 스킬을 정의하고, 현재 수준을 진단하고, 학습경로와 업무 적용 과제를 설계한 뒤, 적용 결과와 역할 전환 가능성을 확인하는 것이다.

    90일 파일럿은 전사 프로젝트보다 작게 시작해야 한다

    업스킬링·리스킬링은 전략적으로 중요하지만, 실행은 작게 시작해야 한다. 전사 스킬 사전, 전 직무 진단, 통합 플랫폼, 대규모 교육 체계를 한 번에 만들려 하면 시간이 길어지고 현업의 관심이 떨어진다. 파일럿은 “우리 조직에서 실제로 작동하는 방식”을 확인하기 위한 실험이어야 한다.

    CompTIA는 workforce development 프로그램 구축에서 훈련 비용뿐 아니라 실행과 측정이 주요 과제라고 설명한다. 조사 대상과 산업 구성이 한국 기업과 다를 수는 있지만, 이 신호는 HRD가 큰 구호보다 작동 가능한 운영 설계를 먼저 해야 한다는 점을 보여준다.

    Deloitte의 2026 Global Human Capital Trends는 경쟁우위가 정적인 인력 배치에서 사람, 스킬, 데이터, 기술을 실시간으로 오케스트레이션하는 방식으로 이동한다고 설명한다. 이 관점에서 90일 파일럿은 단순 교육 운영이 아니다. HRD, HRBP, 현업 리더, People Analytics, IT 또는 HR Tech 담당자가 함께 업무-스킬-학습-적용-성과 데이터를 연결하는 작은 운영 실험이다.

    파일럿 범위는 좁을수록 좋다. 예를 들어 고객지원, 채용, 영업관리, 생산관리, 교육운영처럼 AI나 자동화로 업무 변화가 분명한 직무 1~2개를 고른다. 대상자는 전체 직원이 아니라 해당 직무 안에서 역할 변화 가능성이 높은 20~50명 정도로 시작할 수 있다. 중요한 것은 숫자보다 학습 이후 실제 업무 적용을 확인할 수 있는 범위다.

    1~15일차: 바뀌는 업무와 핵심 직무를 고른다

    첫 15일의 목표는 교육 과정을 고르는 것이 아니라 바뀌는 업무를 고르는 것이다. “AI 교육을 하자”가 아니라 “어떤 업무가 자동화·증강·재설계되고 있는가”를 확인해야 한다. 이 단계에서 현업 인터뷰, 업무 목록 정리, 최근 자동화 도구 도입 영역, 반복 업무 비중, 고객 또는 내부 사용자 불만 데이터를 함께 본다.

    CompTIA가 조직의 83%가 스킬 우려 대응을 높은 우선순위로 둔다고 제시한 점은 이 단계의 긴급성을 보여준다. SHRM의 2026년 AI in HR 보고서도 AI 배치 조직에서 직무 책임 변화 39%, 신규 역할 24%, 약간의 일자리 대체 7%를 보고한다. workplace AI의 조직 영향이 직무 책임 변화와 신규 역할 생성에 더 크게 나타난다는 신호다.

    따라서 1~15일차에는 다음 세 가지를 정해야 한다. 첫째, 파일럿 직무다. 둘째, 해당 직무에서 바뀌는 핵심 업무 3~5개다. 셋째, 90일 안에 적용 결과를 확인할 수 있는 업무 과제다. 예를 들어 채용 직무라면 후보자 소싱 자동화, 면접 질문 설계, 채용 데이터 분석, 온보딩 연계 같은 업무가 후보가 될 수 있다.

    이 단계의 산출물은 파일럿 주제 정의서다. “누구를 교육할 것인가”보다 “어떤 업무 변화에 대응할 것인가”가 먼저 적혀야 한다. 그래야 이후 스킬맵과 학습경로가 교육 카탈로그가 아니라 실제 업무 변화에 연결된다.

    16~30일차: 업무-스킬맵과 현재 수준을 진단한다

    16~30일차에는 파일럿 직무의 업무-스킬맵을 만든다. 스킬맵은 거대한 역량 사전이 아니다. 90일 파일럿에서는 바뀌는 업무 3~5개와 그 업무를 수행하는 데 필요한 스킬 5~10개면 충분하다. 예를 들어 “채용 데이터 분석” 업무에는 데이터 정리, 지표 해석, 편향 검토, 현업 리포팅, AI 도구 활용 같은 스킬이 연결될 수 있다.

    CompTIA는 현재 사용 중인 훈련 형식으로 직무 역할 기반 훈련 64%, 기초 AI 스킬 훈련 64%, 워크플로 관련 훈련 62%, 고급 AI 훈련 53%를 제시한다. 이 수치는 교육 설계가 직무 역할과 워크플로 단위로 이동하고 있음을 보여준다. 따라서 스킬맵도 직무명 아래 추상 역량을 나열하는 방식이 아니라 업무와 수행 행동 중심으로 만들어야 한다.

    현재 수준 진단은 복잡하게 시작할 필요가 없다. 자기진단, 관리자 확인, 간단한 과제 수행, 기존 산출물 검토를 조합하면 된다. 숙련도는 4단계 정도로 충분하다. 1단계는 개념 이해, 2단계는 가이드에 따른 수행, 3단계는 독립 수행, 4단계는 타인 코칭 또는 업무 개선 제안이다.

    이 단계의 산출물은 업무-스킬맵과 현재 수준 진단표다. 중요한 것은 진단을 평가로 오해하지 않도록 커뮤니케이션하는 것이다. 파일럿 진단은 직원을 줄 세우는 도구가 아니라, 90일 동안 어떤 학습과 업무 적용을 설계할지 정하는 출발점이다.

    31~60일차: 학습경로와 업무 적용 과제를 함께 설계한다

    31~60일차에는 학습경로를 설계한다. 여기서 실수하기 쉬운 점은 교육 과정만 배치하는 것이다. 리스킬링 파일럿의 학습경로는 콘텐츠, 실습, 현업 과제, 관리자 피드백이 함께 있어야 한다. 과정을 듣고 끝나는 것이 아니라 실제 업무에서 한 번 적용해보는 구조가 필요하다.

    TalentLMS의 2026 L&D Report는 스킬 격차 대응 방식으로 기존 인력 업스킬링·리스킬링 64%, AI 자동화 62%, 외부 전문인력 채용 57%를 제시한다. 모든 기업이 여러 대응 방식을 함께 쓰고 있다는 신호다. HRD는 내부 인력의 학습경로를 설계하되, 어떤 업무는 자동화하고 어떤 역할은 외부 채용과 연계할지도 함께 봐야 한다.

    학습경로는 3개 층으로 설계할 수 있다. 첫째, 공통 기초 학습이다. AI·데이터·업무 변화 이해처럼 대상자가 함께 알아야 하는 내용이다. 둘째, 업무별 실습이다. 자신의 직무에서 실제로 쓰는 문서, 데이터, 고객 이슈, 프로세스를 가지고 연습한다. 셋째, 적용 과제다. 2~4주 안에 현업에서 수행할 수 있는 작은 개선 과제를 정한다.

    이 단계의 산출물은 학습경로표와 업무 적용 과제 목록이다. 과제는 반드시 현업 리더와 함께 정해야 한다. HRD가 혼자 만든 과제는 실제 업무 우선순위와 어긋날 수 있다. 파일럿 성공 여부는 교육 콘텐츠의 완성도보다 업무 적용 과제가 실제로 수행되는지에 달려 있다.

    61~90일차: 적용 결과와 역할 전환 가능성을 검증한다

    61~90일차에는 적용 결과를 확인한다. 이때 확인할 것은 수료율만이 아니다. 직원이 어떤 업무에 적용했는지, 어떤 산출물이 나왔는지, 관리자 확인이 있었는지, 해당 스킬이 다른 업무나 인접 역할로 확장될 수 있는지를 봐야 한다.

    TalentLMS는 HR 매니저의 44%가 신규 역할에 내부 직원보다 외부 후보자를 우선한다고 제시하면서, 내부 이동 경로를 만들고 스킬 데이터를 활용해 채용 전 역할 준비도를 확인하라고 제안한다. 이 관점에서 90일 파일럿은 내부 후보자의 역할 준비도를 확인하는 실험이기도 하다.

    SHRM은 HR 조직의 AI 투자 성과를 공식적으로 측정하지 않는 응답이 56%라고 제시한다. 이 측정 공백을 피하려면 파일럿 종료 전에 최소한의 검증 기준을 정해야 한다. 예를 들어 적용 과제 완료 여부, 산출물 품질, 관리자 확인, 업무 시간 절감, 오류 감소, 고객 또는 내부 사용자 반응, 인접 역할 투입 가능성을 확인할 수 있다.

    이 단계의 산출물은 파일럿 결과 리포트다. 좋은 리포트는 “몇 명이 수료했다”로 끝나지 않는다. 어떤 업무가 바뀌었고, 어떤 스킬이 필요했고, 누가 어느 수준까지 도달했고, 어떤 업무에 적용했고, 다음 90일에는 무엇을 확장할지 보여줘야 한다.

    파일럿 종료 후 HRD가 남겨야 할 5가지 산출물

    90일 파일럿이 끝나면 HRD는 교육 결과 보고서가 아니라 확장 가능한 운영 자산을 남겨야 한다. TalentLMS가 L&D 성공의 보조 지표로 비즈니스 영향 37%, 커리어 성장 결과 31%, 교육 만족도 28%를 제시한 점을 보면, 산출물도 교육 운영과 커리어·업무 성과를 함께 설명해야 한다.

    첫째, 파일럿 직무의 업무 변화 지도다. 어떤 업무가 줄고, 어떤 업무가 커지고, 어떤 업무가 새로 생겼는지 정리한다.

    둘째, 업무-스킬맵이다. 직무명 아래 역량을 나열하는 것이 아니라, 바뀌는 업무와 필요한 스킬, 숙련도 기준을 연결한다.

    셋째, 학습경로와 적용 과제 목록이다. 어떤 학습 콘텐츠와 실습, 현업 과제가 실제로 작동했는지 남겨야 다음 직무로 확장할 수 있다.

    넷째, 스킬 진단과 적용 결과 데이터다. 사전·사후 수준 변화, 과제 산출물, 관리자 확인, 프로젝트 투입 여부를 정리한다.

    다섯째, 확장 의사결정안이다. 다음 파일럿 직무를 어디로 할지, 플랫폼이나 외부 교육이 필요한지, 내부 이동 또는 역할 전환과 어떻게 연결할지 제안한다.

    이 다섯 가지가 남으면 90일 파일럿은 단발성 교육이 아니라 스킬 기반 HRD 운영모델의 출발점이 된다. Deloitte가 말한 사람·스킬·데이터·기술의 실시간 오케스트레이션도 이런 작은 운영 자산이 쌓일 때 가능하다.

    HR이 다음에 봐야 할 방향

    2026년 업스킬링·리스킬링은 교육 목록을 늘리는 일이 아니다. 일의 변화, 스킬 데이터, 학습경로, 업무 적용, 성과지표를 하나의 흐름으로 연결하는 일이다. 이 시리즈에서 다룬 핵심도 같다. 리스킬링은 직무가 사라질 사람을 고르는 일이 아니라, 바뀌는 업무와 이동 가능한 역할을 찾는 일이다.

    HRD는 이제 “무엇을 가르칠까”보다 “어떤 업무 변화에 대응할까”를 먼저 물어야 한다. 그리고 “몇 명이 수료했는가”보다 “누가 어떤 업무를 새롭게 수행할 수 있게 되었는가”를 설명해야 한다. 그 설명을 가능하게 하는 것이 스킬 데이터와 성과지표다.

    90일 파일럿은 이 전환을 시작하는 현실적인 방법이다. 전사 프로젝트를 기다릴 필요는 없다. 핵심 직무 1~2개, 바뀌는 업무 3~5개, 필요한 스킬 5~10개, 적용 과제 몇 개로 시작하면 된다. 작게 시작하되, 반드시 데이터와 성과를 남겨야 한다. 그래야 업스킬링·리스킬링은 유행어가 아니라 조직의 일하는 방식을 바꾸는 HR 전략이 된다.

    참고자료

  • [2026 Skills Shift ⑦] 리스킬링 성과지표, 수료율로는 부족하다

    [2026 Skills Shift ⑦] 리스킬링 성과지표, 수료율로는 부족하다

    핵심 요약

    리스킬링 성과를 수료율로만 보면 교육 운영은 설명할 수 있지만 인력 전환은 설명하기 어렵다. 직원이 과정을 들었는지, 만족했는지, 시험을 통과했는지는 필요 지표다. 그러나 리스킬링의 본질은 “새로운 역할이나 바뀐 업무를 수행할 수 있게 되었는가”에 있다.

    TalentLMS의 2026 L&D Report는 HR 매니저 표본을 중심으로 학습 설계, 예산, 우선순위, 성과 측정 방식을 다룬다. 이 자료는 L&D 성공의 보조 지표로 비즈니스 영향 37%, 커리어 성장 결과 31%, 교육 만족도 28%를 제시한다. 만족도보다 비즈니스 영향과 커리어 성장 결과가 함께 등장한다는 점이 중요하다.

    SHRM의 2026년 AI in HR 보고서도 측정 문제를 보여준다. HR 조직의 AI 투자 성과를 공식적으로 측정하지 않는 응답이 56%이고, 자체 ROI 지표를 활용한다는 응답은 16%에 그친다. AI 교육과 리스킬링 투자가 늘어나는 상황에서 측정 체계가 뒤따르지 않으면 HRD는 계속 “많이 교육했다”는 보고에 머물게 된다.

    수료율은 필요하지만 리스킬링 성과의 끝이 아니다

    수료율은 버릴 지표가 아니다. 교육이 실제로 전달되었는지, 대상자가 참여했는지, 최소한의 학습 경험이 있었는지 확인하는 기본 지표다. 문제는 수료율이 리스킬링의 최종 성과처럼 쓰일 때 생긴다. 수료율이 높아도 직원이 새로운 업무를 맡지 못하거나, 현업이 역할 전환을 설계하지 않으면 리스킬링은 완료되지 않은 것이다.

    CompTIA의 2026년 Workforce and Learning Trends는 workforce development 프로그램 구축의 주요 과제로 훈련 비용과 함께 실행·측정 요인을 제시한다. 조사 대상과 산업 구성이 한국 기업과 다를 수는 있지만, 이 신호는 HRD가 비용과 운영뿐 아니라 측정 구조를 함께 설계해야 한다는 점을 보여준다.

    리스킬링 성과지표는 세 층으로 나눠야 한다. 첫째는 교육 운영 지표다. 수료율, 출석률, 만족도, 사전·사후 평가가 여기에 해당한다. 둘째는 업무 적용 지표다. 교육 이후 어떤 업무에 적용했는지, 어떤 산출물을 만들었는지, 관리자 확인이 있었는지를 본다. 셋째는 인력 전환 지표다. 내부 이동, 역할 전환, 프로젝트 투입, 신규 업무 수행 가능성이 여기에 해당한다.

    첫 번째 지표는 업무 적용이다

    리스킬링의 첫 번째 성과는 “배운 것을 어디에 썼는가”다. 교육 직후 만족도는 높아도 업무에 적용되지 않으면 조직 성과로 연결되기 어렵다. 따라서 HRD는 과정 종료 후 30일, 60일, 90일 단위로 업무 적용 데이터를 수집해야 한다.

    TalentLMS가 L&D 성공의 보조 지표로 비즈니스 영향 37%를 제시한 점은 이 방향과 맞닿아 있다. SHRM도 AI 투자 성과 측정 지표로 생산성 향상, 비용 절감, 의사결정 개선, 직원 만족도를 언급한다. 두 자료 모두 학습이나 AI 투자의 성과가 “교육을 들었다”가 아니라 “업무 결과가 달라졌다”는 방식으로 설명되어야 함을 보여준다.

    업무 적용 지표는 거창할 필요가 없다. 예를 들어 AI 활용 교육이라면 보고서 초안 작성 시간 단축, 고객 문의 분류 정확도 개선, 회의록 요약 품질 검수, 반복 업무 자동화, 데이터 해석 리포트 작성 같은 적용 사례를 기록할 수 있다. 리스킬링 교육이라면 새 업무 수행 횟수, 현업 과제 참여, 산출물 검토 결과, 관리자 피드백을 함께 봐야 한다.

    중요한 것은 적용 여부를 직원 자기보고만으로 끝내지 않는 것이다. 자기보고, 관리자 확인, 산출물, 프로젝트 투입 기록을 조합해야 한다. 그래야 HRD가 “이 과정을 들은 직원이 실제로 어떤 업무를 수행할 수 있게 되었는가”를 설명할 수 있다.

    두 번째 지표는 내부 이동과 역할 준비도다

    리스킬링은 학습 프로그램이 아니라 인력 이동 전략이다. 특히 AI 도입으로 직무 책임이 바뀌고 신규 역할이 생기는 상황에서는 내부 이동과 역할 준비도가 핵심 지표가 된다. SHRM은 AI 배치 조직에서 빈번한 업스킬링·리스킬링 기회 57%, 직무 책임 변화 39%, 신규 역할 24%, 약간의 일자리 대체 7%를 보고했다. 또한 workplace AI의 조직 영향이 일자리 대체보다 직무 책임 변화에는 5.7배, 신규 역할 생성에는 3배 더 가능성이 높다고 설명한다.

    이 수치는 리스킬링 성과를 “교육 이수”가 아니라 “역할 전환 가능성”으로 봐야 한다는 근거가 된다. 교육을 들은 직원이 인접 역할 후보군에 들어갔는지, 프로젝트에 투입되었는지, 직무 전환 면담을 진행했는지, 새 역할의 필수 스킬 기준을 충족했는지를 봐야 한다.

    TalentLMS도 내부 이동의 중요성을 직접 언급한다. HR 매니저의 44%가 신규 역할에 내부 직원보다 외부 후보자를 우선한다고 제시하면서, 내부 이동 경로를 만들고 스킬 데이터를 활용해 채용 전 역할 준비도를 확인하라고 제안한다. 리스킬링 성과지표에 내부 이동과 역할 준비도가 들어가야 하는 이유다.

    실무에서는 “역할 준비도”를 단순 점수로 만들기보다 조건표로 관리하는 것이 좋다. 필수 스킬 충족 여부, 관련 프로젝트 경험, 관리자 추천, 학습 후 적용 사례, 본인 이동 의사, 배치 가능 시점 등을 함께 본다. 이렇게 해야 HRD 데이터가 채용, 배치, 승계, 성과관리와 연결된다.

    세 번째 지표는 스킬 검증과 관리자 확인이다

    리스킬링의 어려운 점은 수료와 숙련이 다르다는 데 있다. 교육을 들었다고 바로 새 역할을 수행할 수 있는 것은 아니다. 그래서 스킬 검증 지표가 필요하다. 검증은 시험 점수만 뜻하지 않는다. 실제 업무 과제, 프로젝트 산출물, 시뮬레이션, 관리자 관찰, 동료 피드백, 고객 또는 현업 사용자 반응까지 포함할 수 있다.

    SHRM의 자료에서 HR 조직의 AI 투자 성과를 공식적으로 측정하지 않는 응답이 56%라는 점은 검증 체계의 공백을 보여준다. 자체 ROI 지표를 활용한다는 응답도 16%에 그친다. AI와 리스킬링 투자가 커질수록 “어떤 스킬이 실제로 검증되었는가”를 설명할 수 있어야 한다.

    검증 지표는 4단계로 단순화할 수 있다. 1단계는 개념 이해, 2단계는 가이드에 따른 수행, 3단계는 독립 수행, 4단계는 타인 코칭 또는 업무 개선 제안이다. 이 단계는 6편에서 다룬 스킬 데이터 구조와 연결된다. 스킬 이름만 관리하는 것이 아니라, 실제 행동 수준과 업무 적용 수준을 함께 기록해야 한다.

    관리자 확인도 중요하다. HRD가 모든 직무의 숙련도를 직접 판정하기 어렵기 때문이다. 다만 관리자 확인이 주관적 평가로만 흐르지 않도록 기준이 있어야 한다. “업무 적용 사례가 있는가”, “산출물이 기준을 충족하는가”, “반복 수행이 가능한가”, “다른 사람에게 설명할 수 있는가”처럼 관찰 가능한 기준을 사용해야 한다.

    HRD 실무 대시보드: 리스킬링 성과를 5단계로 본다

    리스킬링 성과 대시보드는 처음부터 복잡할 필요가 없다. 핵심은 수료율 이후의 흐름을 끊지 않는 것이다. TalentLMS가 비즈니스 영향 37%, 커리어 성장 결과 31%, 교육 만족도 28%를 L&D 성공의 보조 지표로 제시하고, SHRM이 AI 투자 성과 미측정 응답을 56%로 제시한 점을 함께 보면 대시보드는 교육 운영과 업무 성과를 동시에 보여줘야 한다.

    CompTIA도 workforce development 프로그램의 과제로 훈련 비용뿐 아니라 실행과 측정을 언급한다. 따라서 HRD 대시보드는 단순 수료율 표가 아니라 참여, 학습 변화, 업무 적용, 이동·전환, 조직 성과를 연결하는 운영표로 설계하는 편이 현실적이다. 다음 5단계 구조로 시작할 수 있다.

    첫째, 참여 지표다. 대상자 수, 참여율, 수료율, 중도 이탈률, 만족도를 본다. 이는 교육 운영 품질을 확인하는 기본 지표다.

    둘째, 학습 변화 지표다. 사전·사후 진단, 스킬 숙련도 변화, 과제 통과율, 시뮬레이션 결과를 본다. 이 단계부터 단순 수강 기록을 넘어선다.

    셋째, 업무 적용 지표다. 교육 후 30일 또는 60일 안에 적용한 업무, 산출물, 관리자 확인, 프로젝트 참여 여부를 본다. 이 지표가 있어야 교육과 업무가 연결된다.

    넷째, 이동·전환 지표다. 내부 이동 후보군 편입, 역할 전환 면담, 인접 직무 프로젝트 투입, 실제 배치 전환, 신규 역할 수행 여부를 본다. 리스킬링의 목적이 인력 전환이라면 이 지표가 빠져서는 안 된다.

    다섯째, 조직 성과 지표다. 생산성 개선, 비용 절감, 품질 개선, 의사결정 속도, 고객 경험, 직원 유지, 채용 대체 효과 등을 본다. 모든 과정을 조직 성과로 바로 환산할 수는 없지만, 파일럿 단위에서는 최소한 한두 개의 업무 성과 지표를 연결해야 한다.

    이 대시보드는 HRD만의 보고서가 아니라 HRBP, 현업 리더, People Analytics, 경영진이 함께 보는 운영표가 되어야 한다. Deloitte가 말한 사람·스킬·데이터·기술의 실시간 오케스트레이션은 이런 연결 구조가 있을 때 가능해진다.

    HR이 다음에 봐야 할 방향

    리스킬링 성과지표를 바꾸면 HRD의 역할도 바뀐다. 교육 운영자는 과정을 끝내는 사람이 아니라, 업무 변화와 역할 전환의 증거를 모으는 사람이 된다. 수료율은 출발점이고, 업무 적용과 내부 이동, 스킬 검증이 성과의 중심이 된다.

    다음 단계는 이 지표를 거대한 전사 프로젝트로 만들지 않는 것이다. 처음부터 모든 직무를 대상으로 완벽한 대시보드를 만들려 하면 실패하기 쉽다. 핵심 직무 1~2개, 바뀌는 업무 3~5개, 필요한 스킬 5~10개, 적용 과제 몇 개로 시작하는 것이 현실적이다.

    마지막 8편에서는 이 흐름을 90일 파일럿 로드맵으로 정리할 필요가 있다. 진단, 스킬맵, 학습경로, 업무 적용, 성과측정까지 작게 시작하는 방식이다. 리스킬링은 교육 프로젝트가 아니라 인력 전환 실험이다. 성과지표도 그 실험을 설명할 수 있어야 한다.

    참고자료

  • [2026 Skills Shift ⑥] AI 학습 플랫폼보다 먼저 설계해야 할 스킬 데이터

    [2026 Skills Shift ⑥] AI 학습 플랫폼보다 먼저 설계해야 할 스킬 데이터

    핵심 요약

    AI 학습 플랫폼을 도입하면 스킬 기반 HRD가 자동으로 완성될 것처럼 보인다. 하지만 실제로는 반대다. 플랫폼은 데이터를 담는 그릇이고, 어떤 스킬을 어떤 직무·업무·성과와 연결할지 정하지 않으면 추천 학습, AI 코칭, 역량 진단도 표면적인 기능에 머문다.

    CompTIA의 2026년 Workforce and Learning Trends는 조직의 83%가 스킬 우려 대응을 높은 우선순위로 두고, HR 전문가와 IT 리더의 62%가 향후 1년 AI 교육 예산 증가를 예상한다고 제시한다. 그런데 같은 자료는 공식 조직 차원의 업스킬링·리스킬링 프로그램을 갖춘 기업이 34%에 그친다고 설명한다. 예산과 관심은 커지지만, 스킬을 어떻게 정의하고 축적할지에 대한 운영 구조는 아직 부족하다는 뜻이다.

    따라서 2026년 HRD의 질문은 “어떤 AI 학습 플랫폼을 살 것인가”보다 먼저 “우리 조직의 스킬 데이터는 어떤 의사결정에 쓰일 것인가”가 되어야 한다. 스킬 데이터는 교육 이수 기록이 아니라 직무 변화, 학습 경로, 업무 적용, 내부 이동, 성과 검증을 연결하는 HR 운영 데이터다.

    스킬 기반 HRD는 플랫폼이 아니라 데이터 모델에서 시작된다

    스킬 기반 HRD를 시작할 때 흔히 먼저 검토하는 것은 LMS, LXP, AI 학습 추천 도구다. 물론 도구는 필요하다. 그러나 도구가 먼저 오면 “학습 콘텐츠를 많이 추천하는 시스템”은 만들 수 있어도 “어떤 스킬이 어떤 업무 전환에 필요한지 설명하는 시스템”은 만들기 어렵다.

    Deloitte의 2026 Global Human Capital Trends는 경쟁우위가 정적인 인력 배치에서 사람, 스킬, 데이터, 기술을 실시간으로 오케스트레이션하는 방식으로 이동한다고 설명한다. 여기서 핵심은 기술 자체가 아니라 연결 구조다. 사람의 현재 역할, 필요한 스킬, 업무 변화, 데이터, 기술 활용이 한 흐름으로 연결되어야 한다.

    CompTIA의 조사 대상은 HR 전문가와 IT 리더를 포함한 workforce development 관련 응답자다. 이 표본에서 스킬 우려 대응 우선순위는 높지만, 공식 조직 차원의 업스킬링·리스킬링 프로그램 보유 비율은 34%에 그친다. 이 격차는 플랫폼 부족만으로 설명하기 어렵다. 더 근본적인 문제는 스킬을 어떤 단위로 정의하고, 어떤 데이터로 확인하며, 어떤 HR 의사결정에 연결할지 정하지 못한 데 있다.

    스킬 데이터 모델은 적어도 네 가지 질문에 답해야 한다. 첫째, 직무별로 중요한 스킬은 무엇인가. 둘째, 현재 직원의 스킬 수준은 어떻게 확인할 것인가. 셋째, 학습 이후 실제 업무 적용은 어떻게 볼 것인가. 넷째, 그 결과를 배치, 내부 이동, 역할 전환, 성과관리와 어떻게 연결할 것인가.

    첫 번째 데이터는 ‘직무명’이 아니라 ‘업무와 스킬의 연결’이다

    스킬 데이터 설계의 출발점은 직무명이 아니다. 같은 직무명 안에서도 자동화되는 업무, 사람이 계속 해야 하는 판단 업무, AI와 함께 수행해야 하는 검증 업무가 다르다. 5편에서 본 것처럼 리스킬링 대상자 선정도 직무 전체가 아니라 바뀌는 업무를 기준으로 해야 한다. 6편의 데이터 설계도 같은 원칙을 따른다.

    CompTIA는 현재 사용 중인 훈련 형식으로 직무 역할 기반 훈련 64%, 기초 AI 스킬 훈련 64%, 컴플라이언스·보안 62%, 워크플로 관련 훈련 62%, 고급 AI 훈련 53%를 제시한다. 이 수치는 교육이 이미 “직무 역할”과 “워크플로” 단위로 이동하고 있음을 보여준다. 따라서 스킬 데이터도 직무명 아래에 단순 역량 목록을 붙이는 방식으로는 부족하다.

    실무에서는 직무를 세 단계로 쪼개는 것이 유용하다. 첫째, 직무명이다. 예를 들어 채용담당자, 교육담당자, 영업관리자처럼 조직이 이미 쓰는 역할 단위다. 둘째, 주요 업무다. 채용담당자라면 후보자 소싱, 면접 운영, 채용 데이터 분석, 온보딩 연계가 될 수 있다. 셋째, 업무별 필요 스킬이다. 데이터 해석, 인터뷰 설계, 이해관계자 커뮤니케이션, AI 도구 활용, 개인정보 판단처럼 더 작은 단위로 내려가야 한다.

    이렇게 설계하면 플랫폼의 학습 추천도 달라진다. “채용담당자에게 AI 교육 추천”이 아니라 “후보자 소싱 자동화 이후 남는 데이터 검증과 후보자 경험 설계 스킬을 강화”하는 방식으로 추천할 수 있다. 스킬 데이터는 교육 카탈로그 분류표가 아니라 업무 변화 지도여야 한다.

    두 번째 데이터는 학습 이력이 아니라 스킬 숙련도 변화다

    많은 조직의 LMS에는 수강 이력, 이수율, 만족도, 시험 점수가 남는다. 그러나 이것만으로는 직원이 실제로 어떤 스킬을 더 잘하게 되었는지, 어떤 업무를 맡을 수 있게 되었는지 설명하기 어렵다. 스킬 기반 HRD에서 필요한 데이터는 “교육을 들었다”가 아니라 “어떤 스킬 숙련도가 어느 수준에서 어느 수준으로 이동했다”다.

    SHRM의 2026년 AI in HR 보고서는 HR 조직의 AI 투자 성공을 공식적으로 측정하지 않는 응답이 56%라고 제시한다. 조사 대상과 산업 구성이 한국 기업과 다를 수는 있지만, AI 도입과 학습 투자가 늘어나는 상황에서 측정 구조가 뒤따르지 못하는 문제를 보여준다. AI 학습 플랫폼도 마찬가지다. 수료율만 남으면 투자 성과를 설명하기 어렵다.

    스킬 숙련도 데이터는 너무 복잡하게 시작할 필요가 없다. 예를 들어 4단계 정도로 시작할 수 있다. 1단계는 개념 이해, 2단계는 가이드에 따른 수행, 3단계는 독립 수행, 4단계는 타인 코칭 또는 업무 개선 제안이다. 중요한 것은 이 단계가 교육 과정명이 아니라 실제 업무 행동과 연결되어야 한다는 점이다.

    예를 들어 “생성형 AI 활용”이라는 스킬을 하나로 두면 데이터가 흐려진다. HRD 담당자에게는 교육 요구 분석 초안 작성, 학습 콘텐츠 구조화, 설문 응답 요약, 교육 효과 리포트 초안 검토처럼 업무별 행동으로 나눠야 한다. 그래야 교육 전후 진단, 관리자 피드백, 프로젝트 적용 사례가 하나의 스킬 변화 데이터로 연결된다.

    세 번째 데이터는 교육 이후의 업무 적용이다

    스킬 데이터가 HRD 안에서만 머물면 “교육을 잘 운영했다”는 보고는 가능하지만 “조직의 일하는 방식이 바뀌었다”는 설명은 어렵다. 교육 이후 어떤 업무에 적용되었는지, 어떤 프로젝트에 투입되었는지, 어떤 역할 전환으로 이어졌는지가 함께 기록되어야 한다.

    TalentLMS의 2026 L&D Report는 HR 매니저 표본을 중심으로 L&D 설계, 예산, 우선순위, 성과 측정 방식을 다룬다. 이 자료는 L&D 성공의 보조 지표로 비즈니스 영향 37%, 커리어 성장 결과 31%, 교육 만족도 28%를 제시한다. 만족도보다 비즈니스 영향과 커리어 성장 결과가 함께 언급된다는 점은 중요하다. 학습 데이터가 실제 업무와 내부 이동으로 연결되어야 한다는 신호이기 때문이다.

    업무 적용 데이터는 거창한 생산성 지표부터 시작할 필요가 없다. 교육 이후 30일 안에 적용한 업무, 적용 산출물, 관리자 확인, 동료 피드백, 프로젝트 투입 여부, 자동화 또는 개선한 업무 단위처럼 작은 데이터부터 시작할 수 있다. 핵심은 “교육 종료”와 “업무 변화” 사이를 끊지 않는 것이다.

    예를 들어 AI 교육을 들은 직원이 보고서 초안 작성 시간을 줄였는지, 고객 문의 분류 기준을 개선했는지, 반복 업무를 자동화했는지, 회의록 요약 품질을 검토하는 기준을 만들었는지 확인해야 한다. 이런 데이터가 쌓여야 다음 편에서 다룰 성과지표도 수료율이 아니라 적용, 이동, 역할 전환 중심으로 설계할 수 있다.

    HRD 실무 체크리스트: 플랫폼 도입 전 확인할 6가지 데이터 질문

    AI 학습 플랫폼이나 LXP를 검토하기 전에 HRD는 먼저 데이터 질문을 정리해야 한다. CompTIA의 2026년 자료에서 AI 교육 예산 증가를 예상한 HR 전문가와 IT 리더가 62%라는 점은 투자 압력이 커지고 있음을 보여준다. 하지만 공식 업스킬링·리스킬링 프로그램 보유 기업이 34%라는 수치는 투자 전 데이터 구조 점검이 필요하다는 경고이기도 하다.

    첫째, 우리 조직은 스킬을 어떤 단위로 정의하는가. 직무명, 직무역량, 업무, 행동지표, 도구 활용 능력이 섞여 있으면 플랫폼에 넣어도 검색과 추천 품질이 낮아진다.

    둘째, 스킬과 업무의 연결표가 있는가. “AI 활용 역량”처럼 넓은 표현보다 “교육 만족도 주관식 응답을 요약하고 개선 과제를 분류한다”처럼 업무 행동과 연결된 표현이 필요하다.

    셋째, 현재 수준을 어떻게 진단할 것인가. 자기진단만 쓸지, 관리자 확인을 더할지, 과제 수행 결과를 볼지, 프로젝트 산출물을 볼지 정해야 한다. 진단 방식이 없으면 학습 추천은 개인의 관심사 추천에 머문다.

    넷째, 학습 이후 변화를 어떻게 기록할 것인가. 수료 여부, 진단 점수 변화, 업무 적용 사례, 관리자 확인, 프로젝트 투입 여부가 최소한의 후보 데이터가 될 수 있다.

    다섯째, 이 데이터를 어떤 HR 의사결정에 쓸 것인가. 교육 추천만 할 것인지, 내부 이동, 역할 전환, 승계 후보군, 프로젝트 배치, 인력계획까지 연결할 것인지에 따라 필요한 데이터 수준이 달라진다.

    여섯째, 개인정보와 평가 리스크를 어떻게 관리할 것인가. 스킬 데이터는 직원 성장 지원과 배치 의사결정에 유용하지만, 불투명한 평가나 낙인으로 쓰이면 신뢰를 잃는다. 데이터 수집 목적, 접근 권한, 보관 기간, 개인 피드백 방식은 플랫폼 계약보다 먼저 정해야 한다.

    HR이 다음에 봐야 할 방향

    2026년 업스킬링·리스킬링의 핵심은 더 많은 교육 콘텐츠를 배치하는 것이 아니다. 어떤 업무가 바뀌고, 어떤 스킬이 필요하며, 누가 어떤 수준에 있고, 학습 이후 어떤 업무에 적용했는지 설명할 수 있어야 한다. 이 설명 가능성이 스킬 데이터의 역할이다.

    플랫폼은 이 데이터를 잘 모으고 보여줄 수 있다. 하지만 데이터 모델이 없으면 플랫폼은 수료율과 콘텐츠 추천을 반복할 뿐이다. 반대로 업무-스킬-진단-학습-적용-검증의 흐름이 정리되어 있으면 작은 LMS나 스프레드시트로도 파일럿을 시작할 수 있다.

    다음 편에서는 이 데이터가 어떤 성과지표로 이어져야 하는지 다룰 필요가 있다. 리스킬링의 성과는 수료율만으로 설명하기 어렵다. 내부 이동, 역할 전환, 업무 적용, 생산성 개선, 관리자 평가, 프로젝트 투입 같은 지표가 함께 있어야 한다. 스킬 데이터는 그 성과지표를 만들기 위한 기초 인프라다.

    참고자료

  • [2026 Skills Shift ⑤] 리스킬링 대상자 선정, 직무가 아니라 업무 변화부터 보라

    [2026 Skills Shift ⑤] 리스킬링 대상자 선정, 직무가 아니라 업무 변화부터 보라

    핵심 요약

    리스킬링 대상자를 고를 때 가장 위험한 질문은 “어떤 직무가 사라질까”다. 이 질문은 빠르게 공포를 만들지만, 실제 실행 기준으로는 거칠다. 더 유용한 질문은 “어떤 업무가 줄고, 어떤 업무가 커지며, 어떤 역할로 이동할 수 있는가”다.

    SHRM의 2026년 AI in HR 보고서는 1,908명의 HR 전문가를 대상으로 한 조사에서 AI 배치 조직의 응답자가 빈번한 업스킬링·리스킬링 기회 57%, 직무 책임 변화 39%, 신규 역할 24%, 약간의 일자리 대체 7%를 보고했다고 제시한다. workplace AI의 조직 영향도 일자리 대체보다 직무 책임 변화에는 5.7배, 신규 역할 생성에는 3배 더 가능성이 높다고 설명한다.

    따라서 리스킬링 대상자는 “없어질 직무에 있는 사람”이 아니라 “업무 조합이 바뀌고, 인접 역할로 이동 가능성이 있으며, 학습과 배치가 함께 설계될 수 있는 사람”에서 찾아야 한다.

    리스킬링 대상자는 ‘사라질 직무’가 아니라 ‘바뀌는 업무’에서 나온다

    직무명만 보면 리스킬링 대상자를 과하게 넓히거나 잘못 좁히기 쉽다. 예를 들어 같은 고객지원 직무 안에서도 단순 문의 응답은 자동화될 수 있지만, 복잡한 이슈 조정, 고객 불만 분석, AI 응답 품질 검수는 더 중요해질 수 있다. 직무 전체를 위험군으로 보면 남는 업무와 커지는 역할을 놓친다.

    SHRM의 조사 범위는 글로벌 HR 전문가 표본이며 산업·직군 구성은 한국 기업과 다를 수 있다. 그럼에도 직무 책임 변화 39%, 신규 역할 24%, 일자리 대체 7%라는 수치는 리스킬링의 출발점이 직무 폐지가 아니라 업무 변화라는 점을 보여준다. 대상자 선정은 직무명보다 업무 단위의 변화 지도를 먼저 그려야 한다.

    첫 번째 기준은 자동화 가능성이 아니라 남는 판단 업무다

    AI가 할 수 있는 일을 찾는 것만으로는 리스킬링 후보군을 고를 수 없다. 자동화 가능성이 높은 업무가 있더라도, 그 주변에 사람이 더 잘해야 하는 판단 업무가 남을 수 있기 때문이다. SHRM이 workplace AI의 조직 영향이 일자리 대체보다 직무 책임 변화에 5.7배 더 가능성이 높다고 설명한 점이 중요하다.

    따라서 첫 번째 기준은 “무엇이 자동화되는가”가 아니라 “자동화 이후 어떤 판단이 남는가”다. 반복 입력이 줄면 예외 처리와 품질 검증이 남을 수 있다. 보고서 초안 작성이 빨라지면 데이터 해석과 의사결정 지원이 중요해질 수 있다. 상담 응답이 자동화되면 고객 이슈 분석과 서비스 개선 제안 역할이 커질 수 있다.

    두 번째 기준은 이동 가능한 인접 역할이다

    리스킬링은 교육만으로 끝나지 않는다. 배치 가능한 인접 역할이 있어야 한다. TalentLMS의 2026년 L&D Report는 “Training builds skills, but mobility builds futures”라고 설명하며, 내부 커리어 경로와 학습의 연결 필요성을 강조한다. 동시에 HR 매니저의 44%가 신규 역할에 내부 직원보다 외부 후보자를 우선한다고 제시한다.

    이 수치는 리스킬링 대상자 선정에서 내부 이동 경로가 얼마나 중요한지 보여준다. 내부 후보자를 키운다고 말하면서 실제 신규 역할은 외부 채용으로 채운다면 리스킬링은 동기를 잃는다. 대상자를 고를 때는 현재 스킬과 목표 역할 사이의 거리를 봐야 한다. 너무 가까우면 업스킬링에 가깝고, 너무 멀면 단기 리스킬링으로는 어렵다. 인접 역할이 보이는 집단부터 시작하는 것이 현실적이다.

    세 번째 기준은 학습 가능성과 배치 가능성을 함께 보는 것이다

    리스킬링 후보군을 선정할 때 학습 의지만 보면 실패하기 쉽다. 배치 가능성이 없는 학습은 개인에게도 조직에게도 모호한 약속이 된다. TalentLMS는 스킬 격차 대응에서 기존 인력 업스킬링·리스킬링을 선택한 HR 매니저가 64%, AI로 업무를 자동화한다는 응답이 62%, 외부 전문인력 채용에 의존한다는 응답이 57%라고 제시한다.

    또 TalentLMS는 절반의 기업이 역할 또는 책임을 재구조화하고, 29%가 오래된 스킬에 의존하는 직위를 제거한다고 설명한다. 이 조사 대상과 표본은 기업 상황에 따라 다르게 해석해야 하지만, 한 가지는 분명하다. 리스킬링은 교육 프로그램이 아니라 자동화, 역할 재구조화, 외부 채용, 내부 이동 사이에서 선택하는 인력전략이다.

    실무 매트릭스: 리스킬링 후보군을 가르는 4개 질문

    첫째, 현재 업무 중 줄어드는 업무와 커지는 업무가 구분되어 있는가. 둘째, 현재 보유 스킬과 목표 역할 사이에 인접성이 있는가. 셋째, 학습을 통해 3~6개월 안에 검증 가능한 산출물을 만들 수 있는가. 넷째, 교육 후 투입 가능한 프로젝트나 역할이 있는가.

    이 네 질문을 기준으로 후보군을 나누면 실행 우선순위가 선명해진다. 업무 변화가 크고 인접 역할이 있으며 배치 가능성이 높은 집단은 1순위 리스킬링 대상이다. 업무 변화는 크지만 인접 역할이나 배치 가능성이 낮은 집단은 장기 전환 또는 별도 인력계획이 필요하다. 업무 변화가 작고 현재 역할 성과 개선이 핵심인 집단은 리스킬링보다 업스킬링 대상에 가깝다.

    CompTIA가 조직의 83%가 스킬 우려 대응을 높은 우선순위로 둔다고 제시한 만큼, 많은 기업이 비슷한 질문을 마주하고 있다. 중요한 것은 전 직원을 한 번에 리스킬링 대상으로 묶는 것이 아니라, 조사 대상, 직군, 업무 변화, 배치 가능성을 구분해 작은 파일럿부터 시작하는 것이다.

    HR이 다음에 봐야 할 방향

    리스킬링 대상자 선정은 개인을 위험군으로 분류하는 작업이 아니다. 업무 변화와 역할 전환 가능성을 데이터로 보고, 조직이 실제로 이동 경로를 열 수 있는지 확인하는 작업이다. 직무가 아니라 업무를 보고, 교육 의지가 아니라 배치 가능성을 함께 봐야 한다.

    다음 편에서는 이 판단을 가능하게 만드는 스킬 데이터 설계를 다룬다. LMS나 AI 학습 플랫폼을 도입하기 전에, 어떤 스킬 데이터를 어떻게 쌓고 검증해야 하는지부터 정리할 필요가 있다.

    참고자료

  • [2026 Skills Shift ④] 스킬 기반 조직, 교육팀 프로젝트로 끝나지 않으려면

    [2026 Skills Shift ④] 스킬 기반 조직, 교육팀 프로젝트로 끝나지 않으려면

    핵심 요약

    스킬 기반 조직은 교육팀이 스킬 사전을 만들고 과정을 개설한다고 완성되지 않는다. 핵심은 “누가 어떤 스킬을 배웠는가”를 기록하는 것이 아니라, 그 스킬이 채용, 배치, 성과관리, 내부 이동, 보상 논의와 연결되는가다.

    Deloitte의 2026 Global Human Capital Trends는 경쟁우위가 정적 조직 구조 안에서 인재를 배치하는 방식에서 사람, 스킬, 데이터, 기술을 실시간으로 오케스트레이션하는 방식으로 이동한다고 설명한다. CompTIA도 조직의 83%가 스킬 우려 대응을 높은 우선순위로 둔다고 제시하지만, 현재 직원을 위한 공식 조직 차원의 업스킬링·리스킬링 프로그램을 갖춘 기업은 34%에 그친다고 밝힌다.

    이 간극은 스킬 기반 조직이 왜 HRD 단독 프로젝트로 끝나기 쉬운지 보여준다. 교육은 열리지만 직무, 현업 수요, 내부 이동, 성과지표와 연결되지 않으면 스킬은 운영 데이터가 아니라 교육 이력으로만 남는다.

    스킬 기반 조직은 스킬 사전이 아니라 운영 방식이다

    스킬 기반 조직을 시작할 때 많은 기업은 먼저 스킬 사전이나 역량 모델을 만든다. 물론 공통 언어는 필요하다. 하지만 Deloitte가 말한 핵심은 목록이 아니라 오케스트레이션이다. 사람, 스킬, 데이터, 기술을 실시간으로 연결해 성과 중심으로 역량을 재구성하는 방식이 중요하다.

    조사 범위와 산업 구성은 리포트마다 다르지만, 방향은 같다. CompTIA는 스킬 구축을 최상위 비즈니스 우선순위로 보면서도 공식 조직 차원의 업스킬링·리스킬링 프로그램 보유 조직을 34%로 제시한다. 스킬이라는 말은 확산됐지만, 이를 실제 인력 운영 방식으로 바꾼 조직은 아직 많지 않다는 뜻이다.

    따라서 첫 질문은 “우리 회사의 스킬 목록이 있는가”가 아니다. “스킬 데이터가 어느 의사결정에 쓰이는가”여야 한다. 채용 요건을 바꾸는가, 내부 지원자를 추천하는가, 교육 우선순위를 정하는가, 성과 면담에서 성장 목표로 쓰이는가를 봐야 한다.

    HRD는 학습경로를 만들지만, 혼자 배치를 바꿀 수 없다

    HRD는 스킬 기반 조직의 중요한 출발점이다. 하지만 HRD가 할 수 있는 일은 주로 진단, 학습경로, 과정 설계, 학습 이력 관리다. 실제 역할 변화와 배치는 현업, HRBP, 조직설계, 채용, 성과관리와 연결되어야 한다.

    CompTIA의 응답 표본을 보면 개발 예산이 HR/L&D에 속한다는 응답은 46%, 개별 부서에 속한다는 응답은 43%로 거의 나뉜다. 외부 재원이라는 응답도 10%다. 예산 책임이 이렇게 나뉜다는 것은 스킬 개발이 이미 HRD 단독 예산으로만 움직이지 않는다는 신호다.

    SHRM의 2026년 AI in HR 보고서도 비슷한 함의를 준다. 1,908명의 HR 전문가 표본에서 AI 도입은 HR이 단독으로 이끄는 경우보다 IT, 법무·컴플라이언스, cross-functional team과 연결되는 경우가 많다고 설명한다. 스킬 기반 조직도 마찬가지다. 교육팀이 과정을 만들 수는 있지만, 어떤 업무가 바뀌고 어떤 역할이 생기는지는 현업과 함께 결정해야 한다.

    HRBP와 현업은 ‘필요한 스킬’을 업무 변화로 번역해야 한다

    스킬 기반 조직에서 HRBP와 현업의 역할은 교육 요청을 전달하는 데 그치지 않는다. “데이터 분석 교육이 필요하다”는 요청을 “어떤 업무 의사결정에서 어떤 데이터를 해석해야 하는가”로 바꿔야 한다. “AI 교육이 필요하다”는 요청도 “어떤 반복 업무를 자동화하고, 어떤 검증 책임은 사람이 가져야 하는가”로 구체화해야 한다.

    SHRM은 AI가 배치된 조직에서 HR 전문가 응답자가 빈번한 업스킬링·리스킬링 기회를 57%, 직무 책임 변화를 39%, 신규 역할을 24%로 보고했다고 제시한다. 약간의 일자리 대체를 언급한 응답은 7%였다. 이 수치는 직무 전체가 사라진다는 단순 서사보다, 업무 책임과 역할 조합이 바뀌는 변화가 더 중요한 관리 대상임을 보여준다.

    그래서 HRBP와 현업은 직무명보다 업무 단위를 봐야 한다. 어떤 업무가 자동화되는지, 어떤 업무가 더 중요해지는지, 어떤 스킬이 내부 이동의 기준이 되는지를 정의해야 HRD가 실제 학습경로를 설계할 수 있다.

    채용과 성과관리가 연결되지 않으면 스킬 데이터는 쌓이지 않는다

    스킬 기반 조직은 학습 데이터만으로 작동하지 않는다. 채용에서 어떤 스킬을 요구하는지, 내부 지원자가 어떤 스킬을 증명했는지, 성과관리에서 어떤 성장 목표가 합의됐는지, 프로젝트 배치에서 어떤 경험이 축적됐는지가 함께 쌓여야 한다.

    TalentLMS의 2026 L&D Report는 L&D를 비즈니스 영향으로 측정하는 회사가 37%라고 제시한다. 또 HR 매니저의 84%는 L&D 프로그램이 커리어 진행과 연결되어 있다고 보지만, 실제 직원 경험은 더 느리게 움직인다고 설명한다. 이 간극은 교육 이력과 커리어 이동 사이에 운영 연결선이 약할 때 생긴다.

    Deloitte가 말한 실시간 오케스트레이션도 결국 같은 문제를 가리킨다. 스킬 데이터가 채용, 성과관리, 내부 이동, 프로젝트 투입으로 이어지지 않으면 데이터는 많아져도 의사결정은 바뀌지 않는다. People Analytics는 대시보드를 만드는 기능이 아니라, 스킬 데이터가 어떤 인력 의사결정에 쓰였는지 확인하는 기능으로 설계되어야 한다.

    실무 체크리스트: 스킬 기반 조직을 시작할 때 확인할 5가지 연결선

    첫째, 스킬 사전의 각 항목이 실제 직무와 업무 단위에 연결되어 있는가. 둘째, HRD 과정 수료 데이터가 내부 이동, 프로젝트 배치, 성과 면담에서 확인되는가. 셋째, 개발 예산의 책임이 HRD와 현업 사이에서 어떻게 나뉘는가. CompTIA의 46%·43% 수치처럼 예산 책임은 조직마다 다르므로, 내부 기준을 먼저 정해야 한다.

    넷째, 스킬 데이터의 조사 대상과 표본을 내부에서도 명확히 하는가. 전 직원 기준인지, 특정 직군 기준인지, 핵심 직무 기준인지가 달라지면 대시보드와 KPI도 달라진다. 다섯째, L&D 성과를 수료율이 아니라 비즈니스 영향, 내부 이동, 업무 적용, 성과 개선과 연결해 보고하는가. TalentLMS가 제시한 37% 수치는 이 연결이 아직 많은 조직에서 약하다는 점을 보여준다.

    이 다섯 가지 연결선을 확인하면 스킬 기반 조직은 교육팀의 신규 프로젝트가 아니라 HR 운영모델의 변화로 출발할 수 있다.

    HR이 다음에 봐야 할 방향

    스킬 기반 조직의 핵심은 교육을 더 많이 여는 것이 아니라, 스킬을 인력 의사결정의 언어로 바꾸는 것이다. HRD는 학습경로를 만들고, HRBP와 현업은 업무 변화를 정의하며, 채용과 성과관리는 스킬을 선발과 성장의 기준으로 연결해야 한다. People Analytics는 이 과정이 실제로 작동하는지 데이터로 확인해야 한다.

    다음 편에서는 이 운영모델 안에서 리스킬링 대상자를 어떻게 선정할지 다룬다. 사라지는 직무를 찾는 방식보다, 바뀌는 업무와 이동 가능한 역할을 기준으로 우선순위를 잡는 접근이 필요하다.

    참고자료

  • [2026 Skills Shift ③] AI 시대 직원에게 필요한 스킬은 코딩만이 아니다

    [2026 Skills Shift ③] AI 시대 직원에게 필요한 스킬은 코딩만이 아니다

    핵심 요약

    AI 시대의 직원 교육을 코딩 교육으로만 이해하면 방향을 놓치기 쉽다. 일부 기술 직무에는 코딩과 모델 이해가 중요하지만, 대부분의 구성원에게 먼저 필요한 것은 AI와 함께 일하는 업무 판단력이다. 어떤 문제를 AI에 맡길지, 어떤 데이터와 맥락을 넣어야 할지, 결과를 어떻게 검증할지, 사람의 판단이 남아야 하는 지점을 구분하는 능력이 핵심이다.

    CompTIA의 2026년 자료는 조직의 83%가 스킬 우려 대응을 높은 우선순위로 보고, HR 전문가와 IT 리더의 62%가 향후 1년 AI 교육 예산 증가를 예상한다고 제시한다. 이 글은 CompTIA의 HR 전문가·IT 리더 응답자 자료, SHRM의 1,908명 HR 전문가 표본, Deloitte와 TalentLMS의 2026년 조사 범위를 함께 보되, 산업·직군·직무 구성 차이가 있다는 점을 전제로 읽는다. 동시에 CompTIA는 AI 교육의 현재 형식에서 직무 역할 기반 훈련이 1위라고 설명한다. 이는 “모두에게 같은 AI 특강”보다 각 직무의 업무 장면에 맞춘 스킬 설계가 필요하다는 뜻이다.

    AI 스킬은 도구 사용법이 아니라 업무 판단력이다

    AI 교육이 실패하는 흔한 이유는 도구 사용법을 스킬로 착각하기 때문이다. CompTIA의 2026년 Workforce and Learning Trends는 조직의 83%가 스킬 우려 대응을 높은 우선순위로 두고, HR 전문가와 IT 리더의 62%가 향후 1년 AI 교육 예산 증가를 예상한다고 제시한다. 이 예산이 도구 사용법 교육에만 쓰이면 업무 성과로 연결되기 어렵다. 생성형 AI 화면에서 프롬프트를 입력하는 법은 필요하지만, 그것만으로는 업무 성과가 바뀌지 않는다. CompTIA는 AI와 디지털 fluency가 전체 인력의 업스킬링 수요라고 설명하면서도, AI 교육의 현재 형식에서 직무 역할 기반 훈련이 1위라고 제시한다. 즉 AI 스킬은 범용 도구 교육이 아니라 직무별 업무 판단과 연결되어야 한다.

    Deloitte의 2026 Global Human Capital Trends도 경쟁우위가 정적 조직 구조 안에서 인재를 배치하는 방식에서 사람, 스킬, 데이터, 기술을 실시간으로 오케스트레이션하는 방식으로 이동한다고 설명한다. 이 관점에서 AI 스킬은 “AI를 쓸 줄 안다”가 아니라 “AI를 업무 흐름 안에 어떻게 배치할지 판단한다”에 가깝다.

    첫 번째 스킬은 문제정의다

    AI 활용의 출발점은 좋은 질문이 아니라 좋은 문제정의다. 같은 보고서 작성 업무라도 AI에게 초안을 맡길 수 있는 부분, 내부 데이터를 확인해야 하는 부분, 이해관계자 판단이 필요한 부분이 다르다. 문제를 잘못 정의하면 AI는 빠르게 답을 내지만, 그 답은 엉뚱한 방향으로 정확해질 수 있다.

    HRD 관점에서는 구성원에게 “AI를 써보라”고 말하기보다 업무를 작은 단위로 나누게 해야 한다. 반복 작성, 요약, 분류, 초안 생성, 비교 검토, 의사결정 지원 중 무엇을 AI에 맡길지 구분하게 하는 것이다. CompTIA가 AI 외 다른 기술 요인도 스킬 격차를 만든다고 보는 HR 전문가와 IT 리더가 80%라고 제시한 점을 감안하면, 문제정의 역량은 AI 하나가 아니라 여러 디지털 도구를 업무에 연결하는 기반이 된다.

    두 번째 스킬은 데이터 해석과 결과 검증이다

    AI가 만든 결과는 그럴듯해 보일수록 위험할 수 있다. SHRM의 2026년 AI in HR 보고서는 1,908명의 HR 전문가를 대상으로 한 조사에서, 기술적 장벽이 사라져도 비기술 장벽이 HR 기능의 완전 자동화를 막을 것이라고 보는 응답이 72%라고 제시한다. 여기에는 직원, 관리자, 지원자 같은 HR 고객의 수용성, 신뢰, 책임, 맥락 판단 문제가 포함된다.

    TalentLMS의 2026 L&D Report도 학습 리더의 22%가 AI 생성 콘텐츠의 신뢰성을 우려한다고 설명한다. 이 수치는 AI 결과를 그대로 쓰는 능력이 아니라 검증하는 능력이 중요하다는 신호다. 직원은 AI가 제시한 요약, 추천, 분류, 평가 초안이 어떤 데이터에 기대고 있는지, 빠진 맥락은 없는지, 편향이나 오류 가능성은 없는지 확인할 수 있어야 한다.

    세 번째 스킬은 협업과 윤리적 판단이다

    AI가 업무에 들어오면 혼자 잘 쓰는 사람보다 팀의 일하는 방식을 바꾸는 사람이 중요해진다. SHRM은 AI 배치 조직에서 HR 전문가 응답자가 업스킬링·리스킬링 기회 57%, 직무 책임 변화 39%, 신규 역할 24%를 보고했다고 제시한다. 이는 AI 도입이 개인 생산성 도구를 넘어 역할과 협업 구조를 바꾸고 있음을 보여준다.

    윤리적 판단도 분리할 수 없다. 채용, 평가, 보상, 교육 추천처럼 사람에게 영향을 주는 HR 업무에서는 AI 결과를 적용하기 전에 책임 소재, 설명 가능성, 개인정보, 차별 가능성을 확인해야 한다. AI 시대의 핵심 스킬은 빠른 산출이 아니라 안전하고 납득 가능한 산출을 만드는 역량이다.

    HRD 실무 체크리스트: AI 교육을 다시 설계할 5가지 질문

    첫째, 이 교육은 도구 사용법을 가르치는가, 직무별 의사결정 장면을 바꾸는가. CompTIA가 직무 역할 기반 훈련을 AI 교육의 현재 1위 형식으로 제시하고, AI와 디지털 fluency를 전체 인력의 업스킬링 수요로 설명한 만큼, 교육 설계는 직무별 사례에서 시작해야 한다. 특히 CompTIA의 62% AI 교육 예산 증가 예상과 SHRM의 업스킬링·리스킬링 기회 57% 수치는 예산 확대가 곧 성과로 이어지지는 않는다는 점을 보여준다.

    둘째, 구성원이 AI에 맡길 업무와 사람이 남아야 할 업무를 구분할 수 있는가. 셋째, AI 결과를 검증할 데이터 기준과 품질 기준을 갖고 있는가. 넷째, 협업 규칙과 책임 기준을 팀 단위로 합의했는가. 다섯째, AI 교육 예산 증가가 단순 특강 증가가 아니라 업무 적용, 검증, 피드백, 성과 측정으로 이어지는가.

    이 다섯 가지 질문에 답하지 못하면 AI 교육은 빠르게 확산되지만 조직의 스킬 체계로 남지 않는다. 반대로 질문에 답할 수 있다면 코딩을 가르치지 않아도 직원은 AI와 함께 일하는 핵심 역량을 갖추기 시작한다.

    HR이 다음에 봐야 할 방향

    2026년 HRD의 과제는 AI 교육을 더 많이 여는 것이 아니라, AI 시대의 업무 판단력을 직무별 스킬로 번역하는 것이다. 문제정의, 데이터 해석, 결과 검증, 협업, 윤리적 판단은 어느 한 과정의 이름이 아니라 스킬 기반 조직으로 넘어가기 위한 운영 언어다.

    다음 편에서는 이 스킬들이 교육팀 안에서만 관리될 수 없는 이유를 다룬다. 스킬 기반 조직은 HRD 과정 설계만으로 만들어지지 않는다. 직무 체계, 채용, 성과관리, 내부 이동, People Analytics가 함께 연결되어야 한다.

    참고자료

  • [2026 Skills Shift ②] 업스킬링과 리스킬링, HRD 예산을 나누는 기준

    [2026 Skills Shift ②] 업스킬링과 리스킬링, HRD 예산을 나누는 기준

    핵심 요약

    업스킬링과 리스킬링은 비슷해 보이지만 HRD 예산을 설계할 때는 완전히 다르게 다뤄야 한다. 업스킬링은 현재 맡은 역할의 성과를 높이는 투자다. 리스킬링은 다른 역할이나 새 직무로 이동할 수 있게 만드는 전환 투자다.

    이 구분이 중요한 이유는 2026년의 스킬 격차가 단순 교육 부족으로만 설명되지 않기 때문이다. CompTIA는 조직의 83%가 스킬 관련 우려 대응을 높은 우선순위로 보고, 62%는 향후 1년 AI 교육 예산 증가를 예상한다고 제시한다. 그런데 같은 자료에서 현재 직원을 위한 공식 조직 차원의 리스킬링 또는 업스킬링 프로그램을 갖춘 기업은 34%에 그친다.

    즉, 많은 조직이 스킬 문제를 중요하게 보지만 아직 예산, 대상자, 성과지표를 체계적으로 나누지 못하고 있다. 이때 두 개념을 섞어 쓰면 교육은 늘어나도 인력전략은 선명해지지 않는다.

    업스킬링은 현재 역할의 성과를 높이는 투자다

    업스킬링은 구성원이 현재 맡은 역할을 더 잘 수행하도록 돕는 학습이다. CompTIA의 2026년 조사에서 조직의 83%가 스킬 우려 대응을 높은 우선순위로 둔다는 점을 보면, 이는 일부 직무만의 보완 교육이 아니라 현재 인력 전체의 생산성 투자에 가깝다. 영업 담당자가 고객 데이터를 더 잘 해석하는 것, 채용 담당자가 AI screening 결과를 검증하는 것, 교육 담당자가 생성형 AI로 과정 설계를 빠르게 하는 것이 여기에 속한다.

    핵심은 “현재 직무 안에서 성과가 어떻게 좋아지는가”다. 따라서 대상자는 현재 직무를 유지하면서 생산성, 품질, 속도, 판단력을 높여야 하는 구성원이다. 예산도 비교적 넓게 잡을 수 있다. 전 직원 AI 리터러시, 직무별 디지털 도구 활용, 데이터 기반 의사결정, 관리자 코칭 역량 같은 항목은 업스킬링 예산에 가깝다.

    CompTIA는 AI와 디지털 fluency가 전체 인력의 업스킬링 수요라고 설명한다. 동시에 AI만이 스킬 격차의 원인은 아니라고 본다. HR 전문가와 IT 리더의 80%는 AI 외 다른 기술 요인도 스킬 격차를 만든다고 답했다. 이 말은 업스킬링 예산이 “AI 특강” 하나로 끝나서는 안 된다는 뜻이다. 조사 대상과 표본, 산업 구성이 다른 글로벌 자료라는 한계는 있지만, 적어도 직무별 업무 장면에 맞춘 학습 설계가 필요하다는 방향은 분명하다.

    리스킬링은 다른 역할로 이동할 수 있게 만드는 전환 투자다

    리스킬링은 현재 직무를 조금 더 잘하게 만드는 교육이 아니다. SHRM의 2026년 AI in HR 조사에서 AI 배치 조직의 HR 전문가 응답자는 직무 책임 변화 39%, 신규 역할 24%, 업스킬링·리스킬링 기회 57%를 보고했다. 이런 상황에서 리스킬링은 업무 구조가 바뀌었거나, 기존 역할의 수요가 줄거나, 새로운 역할이 생겼을 때 구성원이 이동할 수 있게 만드는 전환 학습이다.

    예를 들어 단순 반복 보고 업무가 줄어드는 대신 데이터 해석과 현업 컨설팅 역할이 커진다면, 기존 보고 담당자를 People Analytics 지원 역할로 이동시키는 과정이 리스킬링이다. 콜센터 상담 업무 일부가 자동화되면서 상담 품질관리, 고객 이슈 분석, AI 응답 검수 역할이 커진다면 이 역시 리스킬링 대상이 될 수 있다.

    SHRM의 2026년 AI in HR 자료는 AI 도입이 대규모 일자리 대체보다 책임 변화와 새 역할을 더 많이 만들고 있음을 보여준다. AI가 배치된 조직에서 HR 전문가 응답자는 빈번한 업스킬링·리스킬링 기회를 57%, 직무 책임 변화를 39%, 신규 역할을 24%로 보고했다. 약간의 일자리 대체를 언급한 응답은 7%였다. 이 수치는 리스킬링을 구조조정 이후의 사후 교육이 아니라 역할 전환을 미리 준비하는 장치로 봐야 한다는 점을 보여준다.

    예산을 나누는 첫 기준은 ‘현재 직무 강화’와 ‘역할 전환’이다

    HRD 예산을 나눌 때 가장 먼저 볼 기준은 교육 주제가 아니라 인력 의사결정이다. CompTIA의 응답 표본에서는 개발 예산이 HR/L&D에 주로 속한다는 응답이 46%, 개별 부서에 속한다는 응답이 43%로 거의 나뉜다. 따라서 현재 직무를 유지한 채 역량을 높이는가, 아니면 다른 역할로 이동할 가능성을 만드는가에 따라 업스킬링과 리스킬링의 예산 구조도 달라져야 한다.

    업스킬링 예산은 보통 더 넓은 인원을 대상으로 한다. 기간은 짧거나 중간 길이일 수 있고, 업무 적용 과제가 중요하다. 반면 리스킬링 예산은 대상자가 더 좁고 기간이 길어질 수 있다. 진단, 선발, 학습, 프로젝트 실습, 멘토링, 배치 검토까지 포함해야 하기 때문이다.

    CompTIA는 개발 예산의 위치도 조직마다 갈린다고 설명한다. 응답 표본에서 개발 예산이 HR/L&D에 주로 속한다는 응답은 46%, 개별 부서에 속한다는 응답은 43%였다. 이 차이는 단순한 회계 문제가 아니다. 업스킬링은 HRD가 공통 체계를 만들 수 있지만, 리스킬링은 현업 부서의 역할 수요와 배치 가능성이 함께 확인되어야 한다.

    성과지표도 달라야 한다

    업스킬링의 성과는 현재 직무에서의 적용으로 봐야 한다. 예를 들어 교육 수료 후 업무 처리 시간, 산출물 품질, 오류 감소, 관리자 평가, 고객 반응, 직무별 AI 활용 가이드 준수 여부를 볼 수 있다. 수료율과 만족도는 보조 지표에 가깝다.

    리스킬링의 성과는 이동과 전환으로 봐야 한다. 새 역할 후보군 진입, 프로젝트 실습 통과, 내부 채용 지원, 전환 배치, 새 직무 적응 기간, 3개월 또는 6개월 후 성과가 중요하다. 교육을 들었는지가 아니라 다른 역할을 실제로 맡을 수 있게 되었는지가 핵심이다.

    이 차이를 무시하면 HRD 보고서는 보기 좋아도 경영진의 질문에는 답하지 못한다. “몇 명이 들었는가”는 말할 수 있지만 “어떤 인력 리스크가 줄었는가”, “어떤 내부 이동이 가능해졌는가”, “채용 대체 효과가 있었는가”에는 답하기 어렵다.

    HRD 실무 체크리스트: 2026년 교육계획에 반영할 5가지 질문

    첫째, 이 교육은 현재 직무를 강화하는가, 다른 역할로 이동시키는가. CompTIA가 현재 직원을 위한 공식 조직 차원의 업스킬링·리스킬링 프로그램 보유 기업을 34%로 제시한 만큼, 이 질문은 교육명 정리가 아니라 조사 대상, 예산 책임, 성과지표를 정하는 출발점이다. 답이 전자라면 업스킬링, 후자라면 리스킬링에 가깝다.

    둘째, 대상자는 전 직원인가, 특정 직무군인가, 전환 후보군인가. 대상자 범위가 넓을수록 업스킬링일 가능성이 크고, 선발과 배치 검토가 필요할수록 리스킬링일 가능성이 크다.

    셋째, 성과지표는 현재 업무 성과인가, 역할 전환 결과인가. 업스킬링은 업무 적용 지표를, 리스킬링은 이동·배치·새 역할 적응 지표를 포함해야 한다.

    넷째, 예산 책임은 HRD 단독인가, 현업과 공동인가. 리스킬링은 현업의 수요와 실제 자리 없이는 작동하기 어렵다.

    다섯째, 조사 대상과 표본, 산업 구성, 응답자 특성이 우리 조직과 얼마나 다른가. 글로벌 리포트의 수치는 방향을 보여주지만, 최종 예산 배분은 내부 직무 변화 데이터와 함께 결정해야 한다.

    HR이 다음에 봐야 할 방향

    업스킬링과 리스킬링을 구분하는 일은 용어 정리가 아니다. CompTIA의 83% 스킬 우선순위, 62% AI 교육 예산 증가 예상, SHRM의 57% 리스킬링 기회 응답이 함께 가리키는 것은 하나다. HRD가 예산을 어디에 쓰고, 누구를 대상으로 삼고, 어떤 결과를 경영진에게 보고할지 결정하는 기준이 필요하다는 점이다.

    다음 편에서는 AI 시대에 직원에게 필요한 핵심 스킬을 다룬다. 모든 구성원에게 코딩을 가르치는 방식이 아니라, AI와 함께 일하기 위해 필요한 문제정의, 데이터 해석, 검증, 협업, 윤리적 판단 역량을 중심으로 살펴볼 필요가 있다.

    참고자료

  • [2026 Skills Shift ①] 업스킬링·리스킬링은 왜 다시 HR의 핵심 의제가 됐나

    [2026 Skills Shift ①] 업스킬링·리스킬링은 왜 다시 HR의 핵심 의제가 됐나

    핵심 요약

    2026년 업스킬링과 리스킬링은 더 이상 교육 과정의 이름이 아니다. HR이 인력 전략, AI 도입, 생산성, 직무 재설계를 함께 다루기 위해 다시 꺼내야 하는 운영 의제에 가깝다.

    AIHR의 2026년 HR 우선순위는 “headcount에서 skill count로 이동”해야 한다는 표현으로 이 변화를 요약한다. Deloitte 역시 사람, 스킬, 데이터, 기술을 실시간으로 오케스트레이션하는 역량이 조직 경쟁력의 핵심이 되고 있다고 본다. CompTIA 자료에서는 조직의 83%가 스킬 관련 우려 대응을 높은 우선순위로 보고, 62%는 향후 1년 AI 교육 예산이 늘어날 것으로 예상한다.

    따라서 HRD의 출발점도 달라져야 한다. “올해 어떤 교육을 열 것인가”보다 “어떤 업무가 바뀌고, 어떤 스킬을 새로 검증해야 하며, 누가 어떤 역할로 이동할 수 있는가”를 먼저 물어야 한다.

    교육 과정이 아니라 역량 전환이 의제가 됐다

    과거의 업스킬링은 기존 직무를 더 잘 수행하기 위한 보완 교육에 가까웠다. 리스킬링도 구조조정이나 직무 전환이 필요한 일부 인력에게 제공되는 예외적 프로그램으로 여겨졌다. 그러나 2026년의 상황은 다르다.

    AI 도입은 특정 직무 전체를 한 번에 없애기보다 업무 단위를 다시 나누고 있다. 보고서 작성, 데이터 정리, 고객 응대, 콘텐츠 제작, 채용 screening, 교육 설계처럼 사람의 판단과 도구의 자동화가 섞이는 영역이 빠르게 늘고 있다. 이때 필요한 것은 단순한 도구 사용법이 아니라 바뀐 업무 흐름에서 사람이 어떤 판단을 맡고, AI가 어떤 보조 역할을 하며, 결과를 어떻게 검증할 것인지에 대한 새 역량이다.

    TalentLMS는 이를 “learning debt”라는 표현으로 설명한다. 일이 바뀌는 속도가 학습과 개발 속도보다 빠를 때, 조직 안에는 보이지 않는 스킬 부채가 쌓인다. 구성원은 바빠서 배우지 못하고, 관리자는 당장 성과가 급해서 학습 시간을 내주지 못하며, HRD는 수료율은 관리하지만 실제 업무 전환까지는 추적하지 못한다. 이 간극이 커질수록 교육은 많아지는데 역량 전환은 일어나지 않는 문제가 생긴다.

    AI는 일자리를 없애기보다 일을 다시 나누고 있다

    업스킬링·리스킬링 논의가 다시 중요해진 가장 큰 이유는 AI에 대한 해석이 바뀌고 있기 때문이다. 단순히 “AI가 일자리를 대체한다”는 말만으로는 HRD 전략을 세우기 어렵다. 실제 조직에서는 대체, 보완, 역할 변경, 신규 역할 생성이 동시에 나타난다.

    SHRM의 2026년 AI in HR 자료는 이 점을 비교적 명확하게 보여준다. AI가 배치된 조직의 HR 전문가 응답자는 AI 도입 결과로 빈번한 업스킬링·리스킬링 기회가 생겼다는 응답을 57%, 직무 책임 변화가 있었다는 응답을 39%, 신규 역할이 생겼다는 응답을 24%로 보고했다. 반면 약간의 일자리 대체를 언급한 응답은 7%였다.

    이 수치는 HR이 집중해야 할 지점을 보여준다. 핵심은 공포가 아니라 재설계다. 다만 조사 대상과 표본, 산업 구성은 리포트마다 다르므로 한국 기업에 그대로 이식하기보다 내부 직무 데이터와 함께 읽어야 한다. 어떤 업무가 자동화되는지, 어떤 업무가 AI와 함께 더 커지는지, 어떤 구성원이 새 역할로 이동할 수 있는지 판단해야 한다. 리스킬링은 사라지는 직무의 대피소가 아니라 바뀌는 업무를 기준으로 인력을 다시 배치하는 장치가 되어야 한다.

    HRD의 질문은 ‘무엇을 가르칠까’에서 ‘어떤 일을 바꿀까’로 이동한다

    Deloitte의 2026년 인적자본 트렌드는 정적인 직무와 조직 구조만으로는 변화 속도를 따라가기 어렵다고 본다. 사람, 스킬, 데이터, 기술을 실시간으로 연결하고, 업무 성과를 중심으로 역량을 재구성하는 조직이 유리하다는 것이다.

    이 관점에서 HRD는 교육 공급자가 아니라 스킬 전환 설계자가 되어야 한다. 예를 들어 생성형 AI 교육을 운영한다고 해도, 단순히 프롬프트 작성법을 가르치는 데서 멈추면 효과가 제한된다. 채용 담당자에게는 후보자 검토 기준과 편향 점검 역량이 필요하고, 영업 담당자에게는 고객 데이터 해석과 제안서 검증 역량이 필요하다. 교육 주제는 같아도 직무별 업무 변화가 다르면 학습 경로와 성과지표도 달라져야 한다.

    CompTIA 자료도 AI만이 스킬 격차의 원인은 아니라고 본다. HR 전문가와 IT 리더의 80%는 AI 외 다른 기술 요인도 스킬 격차를 만든다고 응답했다. 이는 2026년 HRD가 AI 교육 하나로 모든 문제를 해결하려 해서는 안 된다는 뜻이다. 디지털 도구, 데이터 활용, 협업 방식, 직무별 전문성, 인증과 검증 체계를 함께 봐야 한다.

    기업 실무 적용 포인트: 2026년 업스킬링·리스킬링 설계 체크리스트

    첫째, 교육 수요조사보다 업무 변화 진단을 먼저 해야 한다. “어떤 교육이 필요한가”가 아니라 “최근 1년 안에 어떤 업무가 자동화·증강·축소·확대됐는가”를 확인해야 한다.

    둘째, 업스킬링과 리스킬링을 분리해야 한다. 업스킬링은 현재 직무의 성과를 높이는 학습이고, 리스킬링은 다른 역할이나 직무로 이동할 수 있게 만드는 학습이다. 대상자, 예산, 기간, 성과지표가 같을 수 없다.

    셋째, AI 교육은 직무별 업무 장면과 연결해야 한다. 전 직원 공통 특강만으로는 실제 적용이 어렵다. 직무별 use case, 검증 기준, 위험 관리, 관리자 코칭이 함께 설계돼야 한다.

    넷째, 수료율 중심 지표를 줄여야 한다. 내부 이동, 새 업무 투입, 프로젝트 성과, 관리자 평가, 스킬 검증, 구성원 커리어 이동 같은 지표가 함께 필요하다.

    다섯째, HRD 혼자 하지 않아야 한다. AIHR이 말하듯 HR은 AI 전환의 공동 리더 역할을 해야 한다. 그러나 실행은 HRD, HRBP, 현업 리더, IT, 데이터 조직이 함께 설계해야 가능하다.

    HR이 다음에 봐야 할 방향

    2026년 업스킬링·리스킬링의 핵심은 교육을 더 많이 여는 것이 아니다. 바뀌는 일의 구조를 보고, 필요한 스킬을 정의하고, 학습을 실제 역할 전환과 성과로 연결하는 것이다.

    다음 편에서는 업스킬링과 리스킬링을 어떻게 구분해야 하는지 다룬다. 두 개념을 정확히 나누지 않으면 교육 예산도, 대상자 선정도, 성과 측정도 흐려진다. 2026년 HRD 계획을 세우는 조직이라면 먼저 이 구분부터 다시 잡을 필요가 있다.

    참고자료

  • AI가 신입 직무를 없앤다는 해석, HR이 먼저 봐야 할 것은 역할 재설계다

    AI가 신입 직무를 없앤다는 해석, HR이 먼저 봐야 할 것은 역할 재설계다

    AI가 신입 일자리를 없앤다는 말은 빠르게 퍼진다. 하지만 HR이 먼저 봐야 할 질문은 조금 다르다. 어떤 직무가 사라지는가보다, 신입이 맡던 과업이 어떻게 쪼개지고 다시 묶이는가에 가깝다.

    Cognizant와 Pearson이 6월 18일 공개한 조사 요약은 이 차이를 잘 보여준다. 인도에서는 신입 직무 과업의 37%가 이미 AI로 수행되고, 전 세계 평균도 33%라고 제시했다. 동시에 HR 리더의 94%는 앞으로 5년 안에 AI가 새로운 신입 역할을 만들 것이라고 봤다. 대체와 생성이 같은 표 안에 들어 있는 셈이다.

    신입 일자리 논쟁의 출발점은 대체율보다 과업 구성이다

    이번 조사 요약에서 가장 눈에 띄는 숫자는 37%다. 인도 신입 직무 과업 가운데 이미 AI가 수행하는 비중이다. 전 세계 평균 33%보다 높다. 또 HR 리더의 18%는 AI가 신입 업무의 절반 이상을 처리하고 있다고 답했다. 숫자만 보면 불안이 먼저 올 수 있다.

    그런데 이 수치를 곧바로 “신입 채용 축소”로 읽으면 HR 판단이 거칠어진다. 과업 일부가 AI로 이동해도 직무 전체가 사라지는 것은 아니다. 오히려 채용 담당자는 직무기술서 안의 반복 입력, 초안 작성, 정보 검색, 검증, 고객 응대, 내부 조율 과업을 분리해 봐야 한다. 어느 과업은 자동화되고, 어느 과업은 사람의 판단을 더 많이 요구한다.

    채용 기준은 전공보다 AI와 함께 일하는 능력으로 이동한다

    Cognizant와 Pearson 조사에서 HR 리더의 96%는 5년 안에 신입 역할이 AI 시스템을 감독하거나 관리하는 방향으로 진화할 것이라고 봤다. 94%는 지금 존재하지 않는 새로운 신입 역할이 AI로 생길 것이라고 답했다. 이 대목은 채용 기준의 초점이 “AI를 쓸 줄 아는가”에서 “AI 결과를 검토하고, 맥락에 맞게 고칠 수 있는가”로 옮겨간다는 뜻에 가깝다.

    흥미로운 점은 기술 전공만 강조하지 않는다는 것이다. 조사 요약은 HR 전문가의 97%가 소프트 스킬의 중요성이 더 커졌다고 답했고, 69%는 초기경력 인재에게 좁은 전문성보다 폭넓은 학제적 배경이 더 중요하다고 봤다고 전했다. 한국 기업도 신입 채용 평가표를 다시 본다면 전공명, 자격증, 도구 사용 경험만 세기보다 문제 정의, AI 출력 검증, 협업 설명 능력을 함께 봐야 한다.

    교육 수요는 늘었지만 L&D의 속도는 뒤처진다

    조사 요약에 따르면 HR 전문가의 91%는 최근 12개월 동안 구성원의 AI 교육 수요가 늘었다고 답했다. 하지만 60%는 L&D 프로그램이 AI로 인한 직무 변화 속도를 따라가지 못한다고 봤고, 인도 응답에서는 이 비율이 63%로 제시됐다. 교육 수요와 교육 공급 사이의 간격이 이미 운영 이슈가 된 것이다.

    이 지점에서 HRD는 단발성 AI 특강보다 직무별 과업 지도를 먼저 만들어야 한다. 예를 들어 신입 영업, 마케팅, 개발지원, 인사운영 직무에서 AI가 맡는 초안·검색·분류 과업과 사람이 확인해야 할 판단 과업을 나눠야 한다. 그리고 교육 지표도 수강 인원만 볼 일이 아니다. 교육 후 실제 과업 전환율, 관리자 피드백, 오류 검토 기준, 온보딩 기간 변화까지 같이 확인해야 한다.

    중간관리자가 AI 채용과 온보딩의 병목이 된다

    Cognizant와 Pearson 조사에서 HR 리더의 95%는 중간관리자가 구성원의 효과적인 AI 활용을 보장하는 데 중요하다고 답했다. 92%는 AI가 일상 업무를 바꾸는 과정에서 중간관리자가 직무 역할 재정의에 중요한 역할을 한다고 봤다. 신입을 뽑아도 현장 관리자가 AI와 사람의 일을 다시 배분하지 못하면 변화는 채용 공고 문구에서 멈춘다.

    그래서 HR의 다음 점검 질문은 비교적 구체적이어야 한다. 첫째, 신입 직무별로 AI가 가져간 과업과 새로 생긴 검증 과업을 적었는가. 둘째, 온보딩에서 AI 사용법보다 판단 기준과 금지 기준을 가르치는가. 셋째, 중간관리자에게 역할 재설계 권한과 코칭 문장을 제공했는가. 넷째, 2025년에 신입 2만 명을 채용했고 2026년에는 이를 넘길 계획이라는 Cognizant 사례처럼, 대규모 초기경력 채용을 유지하는 기업은 교육·배치·관리자의 실행역량을 함께 확장하고 있는가.

    한국 기업에 그대로 같은 비율을 적용할 수는 없다. 이 조사의 조사 범위는 미국, 영국, 인도 3개국이고, 조사 대상은 직원 1,000명 이상 기업의 director급 이상 HR 전문가 750명이다. 표본과 응답자 구성은 2026년 3월 23일부터 4월 3일까지 온라인 survey 방식으로 수집됐다. 그래도 메시지는 분명하다. AI 시대 신입 채용의 먼저 봐야 할 부분은 “몇 명을 줄일 수 있나”가 아니라 “어떤 과업을 새로 설계하고, 어떤 역량을 초기에 길러야 하나”다. HR이 이 질문을 놓치면 AI는 인력계획의 해답이 아니라 온보딩 실패의 또 다른 원인이 된다.

    HR이 다음에 봐야 할 방향

    이 글의 결론은 제도를 하나 더 만들자는 뜻이 아닙니다. 지금 필요한 일은 이 이슈를 조직의 운영 기준으로 옮기는 것입니다.

    작게 시작한다면 한 가지 질문이면 충분합니다. 이 변화가 채용, 성과관리, 학습, 보상 중 어디의 의사결정을 실제로 바꾸는가. 그 답이 분명할수록 HR의 일은 보고서가 아니라 현장의 기준에 가까워집니다.

    ReferencesCognizant Newsroom, 37% of Entry-Level Tasks in India Already Done by AI, Finds Cognizant and Pearson Study, 2026-06-18

  • AI 도입률보다 낮은 교육 참여율, HR 운영모델의 병목을 드러내다

    AI 도입률보다 낮은 교육 참여율, HR 운영모델의 병목을 드러내다

    AI 도구를 깔았다는 말과 사람들이 실제로 일을 바꿨다는 말은 다르다. Aon이 6월 17일 공개한 글은 이 간격을 꽤 선명하게 보여준다. 전 세계 조직의 거의 4분의 3이 AI를 배포했거나 파일럿을 돌리고 있지만, 구성원 다수가 AI 리스킬링·업스킬링에 참여한 조직은 18%에 그쳤다는 대목이다.

    이 숫자는 HR팀이 AI 프로젝트를 볼 때 첫 질문을 바꿔야 한다는 신호다. “어떤 도구를 도입했나”보다 “누가 배웠고, 어느 업무가 달라졌으며, 그 변화가 성과 지표로 잡히는가”가 먼저다. 도입률이 높아도 학습 참여율과 운영 기준이 낮으면 AI 투자는 HR 운영모델의 병목을 그대로 드러낸다.

    배포율과 학습 참여율 사이의 간격이 가장 먼저 보인다

    2026년 6월 17일자 Aon insight는 AI 배포나 파일럿이 이미 넓게 진행되고 있다고 설명한다. 숫자로는 전 세계 조직의 거의 4분의 3이 AI를 배포했거나 시험 중이다. 또 고용주 기준으로는 4분의 3을 넘는 곳이 AI 도구를 이미 내놓았다고 제시했다. 겉으로 보면 AI 전환은 빠르다.

    하지만 같은 자료가 던진 두 번째 숫자가 더 불편하다. 구성원 다수가 AI reskilling과 upskilling에 참여한 조직은 18%뿐이다. 배포율과 학습 참여율의 차이는 단순한 교육 일정 지연이 아니다. HRD 예산, 직무별 우선순위, 관리자 역할, 업무 재설계가 한 화면에서 연결되지 않았다는 뜻일 수 있다.

    사용 횟수만 세면 AI 투자의 성과가 보이지 않는다

    Aon은 AI 활용을 여전히 “frequency of use”로 측정하는 경우가 많다고 짚었다. 몇 명이 로그인했는지, 몇 번 프롬프트를 입력했는지, 어떤 팀이 가장 많이 썼는지는 초기 확산 지표로는 쓸 수 있다. 하지만 이 지표만으로는 채용 리드타임, 교육 전환율, 고객 대응 품질, 문서 검토 시간, 관리자 의사결정 속도가 나아졌는지 확인하기 어렵다.

    교육 커버리지도 같은 문제를 보여준다. Aon은 10%의 인력조차 교육하지 못한 고용주가 3분의 1 미만이라고 썼고, 6곳 중 1곳은 어떤 직원도 교육하지 않았다고 설명했다. AI 프로젝트 회의에서 “사용자 수”만 보고 끝내면 이 공백이 가려진다. HR은 교육 대상, 직무군, 사용 사례, 전후 성과 지표를 함께 묶어 봐야 한다.

    HRD와 People Analytics가 같은 대시보드를 봐야 한다

    이제 AI 교육은 독립된 캠페인처럼 운영하기 어렵다. 18%라는 참여율 숫자는 HRD팀만의 문제가 아니라 People Analytics와 HRBP, IT, 현업 리더가 같이 봐야 할 운영 지표다. 예를 들어 교육 수료율만 볼 것이 아니라 교육 후 실제 업무에 AI가 투입된 비율, 승인된 사용 사례 수, 리스크 검토가 끝난 프로세스 수를 같이 놓아야 한다.

    John McLaughlin은 조직이 AI를 배포하면서도 그것을 효과적으로 쓰는 데 필요한 clarity, direction, operating model을 충분히 제공하지 않는다고 말했다. 이 문장은 HR 운영모델의 체크포인트로 읽을 수 있다. 직무별 AI 사용 기준이 있는가. 관리자는 어떤 산출물을 승인해야 하는가. 교육 후 30일, 60일, 90일에 무엇을 비교할 것인가. 이런 질문이 없으면 AI 활용은 개인의 호기심에 맡겨진다.

    한국 기업의 다음 회의 질문은 도구가 아니라 준비도다

    Aon 자료는 글로벌 컨설팅 관점의 글이므로 한국 기업의 법적 의무나 산업별 규정을 대신 설명하지 않는다. 이번 자동 실행에서 표본, 조사 범위, 산업별 응답자 분포까지 확인한 것은 아니기 때문에 숫자는 인력준비도 점검의 신호로 읽어야 한다. 다만 HR 실무 판단에는 적용 가능한 경고가 있다. AI 전환을 솔루션 도입 프로젝트로만 다루면 교육, 역할, 성과 측정, 책임 구조가 뒤따라오지 못한다는 점이다.

    다음 AIHR 회의에서는 기능 목록보다 준비도 표를 먼저 펼치는 편이 낫다. 직무군별 교육 참여율, 실제 적용 업무, 관리자 승인 기준, 금지 사용 사례, 성과 지표, 데이터 보안 점검 상태를 한 줄씩 확인해야 한다. 도구가 이미 들어왔다면 더 늦기 전에 물어야 한다. 우리 조직은 AI를 쓰는 사람을 늘리고 있는가, 아니면 AI를 쓸 수 있는 일을 새로 설계하고 있는가.

    HR이 다음에 봐야 할 방향

    이 글의 결론은 제도를 하나 더 만들자는 뜻이 아닙니다. 지금 필요한 일은 이 이슈를 조직의 운영 기준으로 옮기는 것입니다.

    작게 시작한다면 한 가지 질문이면 충분합니다. 이 변화가 채용, 성과관리, 학습, 보상 중 어디의 의사결정을 실제로 바꾸는가. 그 답이 분명할수록 HR의 일은 보고서가 아니라 현장의 기준에 가까워집니다.

    참고한 공개 자료