PERSPECTIVES
사례가 다 담지 못하는, 우리가 일을 대하는 생각들.
AI를 안다는 것과 AI로 일한다는 것은 다른 문제입니다. CHANSWER가 왜 알고리즘이 아니라 사용법을, 일반론이 아니라 당신의 직무를 가르치는지에 관한 이야기.
불안과 갈증이 함께 사는 시대
AI 기술은 하루가 다르게 발전하고, 새로운 도구가 매주 쏟아집니다. 그 속도 앞에서 대다수는 따라가지 못한다는 불안을 느낍니다. “AI가 내 일을 대체하지 않을까”라는 두려움과 “어떻게 하면 AI를 내 업무에 쓸 수 있을까”라는 갈증이 한 사람 안에 함께 삽니다.
이 두 감정은 사실 같은 뿌리에서 나옵니다. 정보의 비대칭. 누군가는 이미 AI를 능숙하게 다루고, 누군가는 그 입구조차 찾지 못합니다. 이 지식의 격차가 불안의 정체이고, 우리가 메우려는 자리입니다.
그런데 이 격차는 흔히 오해됩니다. 사람들은 “AI를 더 많이 알면” 격차가 줄어든다고 생각합니다. 우리는 그렇게 보지 않습니다. 격차는 지식의 양이 아니라, 그 지식이 내 일에 가닿느냐 아니냐에서 갈립니다.
아는 것과 쓰는 것은 다르다
이것은 우리의 주관적 신념이 아닙니다. 데이터가 말해줍니다.
EY 조사에 따르면, 88%의 조직이 AI를 쓰지만 직원이 AI로 실제 업무를 혁신하도록 만든 곳은 28%에 불과합니다. 거의 모두가 AI를 도입했지만, 그것을 진짜 일로 옮긴 곳은 셋 중 하나도 안 됩니다. AI를 설명하는 강의를 보는 것과 AI를 효과적으로 쓰는 것은 전혀 다른 일이기 때문입니다.
반대 방향의 데이터도 분명합니다. 제대로 훈련받은 직원은 독학한 사람보다 2.7배 높은 숙련도와 4.1배 높은 만족도를 보입니다. 그리고 가장 성공적인 교육에는 공통점이 있습니다. 가상의 시나리오가 아니라 학습자의 실제 과제에 AI를 적용하도록 가르친다는 것.
여기서 우리의 첫 번째 원칙이 나옵니다. 우리는 알고리즘의 원리를 설명하지 않습니다. 당장 내일 업무에 쓸 수 있는 사용법을 가르칩니다. 복잡한 기술의 작동 방식이 아니라, “이 문서를 AI로 어떻게 정리하는가”, “이 반복 업무를 어떻게 자동화하는가” 같은 손에 잡히는 일들. 이해는 결국 쓰면서 깊어지기 때문입니다.
모두를 위한 교육은 누구에게도 닿지 않는다
두 번째 원칙은 눈높이입니다.
최첨단 AI 기술을 비기술직 종사자 — 직장인, 마케터, 작가, 디자이너, 소상공인 — 의 눈높이로 번역하는 일. 이것이 교육의 핵심입니다. 같은 기술이라도 받는 사람의 언어로 옮겨지지 않으면, 그것은 지식이 아니라 소음입니다.
그래서 우리는 “AI 활용법”이라는 두루뭉술한 교육을 경계합니다. 일률적인 프로그램은 일관되게 저조한 성과를 냅니다. 영업사원에게 필요한 AI 스킬과 HR 매니저에게 필요한 것은 다르고, 디자이너의 과제와 소상공인의 과제는 다르기 때문입니다.
데이터도 같은 곳을 가리킵니다. 가장 효과적인 교육은 역할별로 맞춤화된 커리큘럼입니다. 그래서 우리는 묻습니다. 당신은 어떤 일을 하는가. 당신의 하루에서 가장 반복되는 일은 무엇인가. 그 구체적인 자리에 AI를 정확히 얹습니다. 모두를 위한 교육은 결국 누구에게도 깊이 닿지 않습니다.
가르치는 사람도 계속 배운다
세 번째 원칙은 우리 자신을 향합니다.
기술의 변화 속도가 빠른 만큼, 가르치는 사람 스스로가 끊임없이 학습하고 실험하는 자세가 필수입니다. 작년의 베스트 프랙티스가 올해의 레거시가 되는 분야에서, 멈춰 선 교육자는 잘못된 것을 가르치게 됩니다.
그래서 우리는 뉴욕과 서울에서 매일 최전선의 변화를 직접 다룹니다. 우리가 고객에게 권하는 방법론과 도구를 우리가 먼저 씁니다. 우리가 가르치는 에이전트 하네스를 우리 조직 운영에 먼저 적용합니다. 가르치는 내용과 사는 방식이 일치할 때에만, 교육은 진정성을 갖습니다.
그리고 이 배움은 우리만의 것이 아니어야 합니다. AI 시대의 변화는 임원실에서만 일어나지 않습니다. 동네 가게 사장님, 혼자 브랜드를 키우는 크리에이터, 새 분야를 공부하는 학생의 일상에서 더 조용하고 크게 일어납니다. 그래서 우리는 공개 강연과 아카이브, 뉴스레터를 통해 누구나 접근할 수 있는 자리를 함께 엽니다. 이것이 COMMONS 프로그램의 자리입니다.
격차를 메우는 일
우리가 AI를 가르치는 방식은 결국 세 문장으로 정리됩니다.
원리가 아니라 사용법을 가르칩니다. 모두가 아니라 당신의 직무에 맞춥니다. 그리고 가르치는 우리 자신이 먼저 계속 배웁니다.
이 세 가지는 모두 한 곳을 향합니다. 지식의 격차를 메우는 일. 누군가는 이미 AI를 능숙하게 다루고 누군가는 입구조차 못 찾는 비대칭을, 한 사람 한 사람이 자기 일에서 AI를 쓸 수 있게 만들어 좁히는 일.
AI는 모두에게 같은 기회를 가져왔습니다. 그 기회를 자기만의 답으로 옮기는 일에, 우리는 이름을 붙였습니다 — 챈서. 우리가 가르치는 것은 도구의 사용법이 아니라, 결국 챈서가 되는 법입니다.