생성형 AI, 교육담당자 업무 어디에 넣을 수 있을까

ChatGPT로 교육자료를 만들 수 있다는 건 알지만, 정확히 어디에 써야 할까요? 요구조사·설계·평가·행정 업무별 활용 7가지와 프롬프트 4원칙, 활용 적합성 매트릭스를 가상 사례와 함께 정리했습니다.

"ChatGPT로 교육자료를 만들 수 있다"는 말은 이제 낯설지 않다. 그런데 막상 교육담당자가 매일 처리하는 업무 목록을 펼쳐놓고 "정확히 어디에, 어떻게 넣을 것인가"를 답하려 하면 막막해지는 경우가 많다. 요구조사 문항을 짜는 데도 쓸 수 있고, 커리큘럼 아이디어를 얻는 데도 쓸 수 있고, 만족도 주관식 의견을 분류하는 데도 쓸 수 있다는 말은 들었지만, 실제로 시도해보면 "내용이 너무 교과서적이라 그대로 쓰기 어렵다"거나 "우리 회사 상황과 맞지 않아 결국 처음부터 다시 썼다"는 경험이 돌아온다. 이는 AI의 성능이 부족해서가 아니라, AI를 '완성본을 대신 써주는 도구'로 오해했기 때문이다. 이 글에서는 지금까지 다뤄온 요구조사·설계·평가·행정 업무 각각에 생성형 AI를 접목하는 7가지 방법과, 좋은 프롬프트를 쓰는 원칙, 그리고 어디까지 맡기고 어디서부터 사람이 검토해야 하는지를 정리한다.

1. 대전제: AI는 초안 생성자, 담당자는 최종 판단자

생성형 AI(LLM)는 방대한 언어 패턴을 학습해 그럴듯한 문장을 만드는 데 탁월하지만, 특정 조직의 문화, 내부 프로세스, 구성원의 실제 역량 격차를 스스로 파악하지는 못한다. 따라서 모든 활용법의 대전제는 하나로 압축된다. AI의 산출물은 언제나 초안(60~70% 수준)으로 취급하고, 조직의 맥락을 더해 완성하는 것은 언제나 담당자의 몫이다. 이 역할 구분이 무너져 결과물을 검증 없이 그대로 사용하는 순간, 3번 글에서 다룬 학습 전이는커녕 학습자의 신뢰조차 얻기 어려워진다.

2. 교육담당자 업무에 AI를 접목하는 7가지 방법

① 요구조사 설문 문항 초안 및 주관식 응답 정리

2번 글에서 다룬 요구조사를 설계할 때, 대상 직무의 상황을 구체적으로 입력하면 세부 문항 초안을 빠르게 받을 수 있다.

다음은 생산현장 안전관리자를 대상으로 한 요구조사 설문이다. 이중질문 없이, 업무 상황을 구체적으로 묻는 문항 10개를 만들어줘.

응답이 많이 모인 뒤에는 "공통적으로 나타난 요구사항", "교육에 반영할 주제", "추가 확인이 필요한 의견"으로 나누어 정리하도록 요청할 수 있다. 다만 응답 빈도가 높다고 반드시 중요한 요구는 아니므로, 최종 판단은 2번 글에서 다룬 조직·직무·개인 분석 기준으로 담당자가 내려야 한다.

② 커리큘럼 기획 뼈대(Outline) 도출

3번 글에서 소개한 ADDIE의 '내용 선정' 단계에서, 백지 상태로 목차를 짜는 대신 AI에게 대상과 목표를 제시하고 3~4가지 버전의 커리큘럼 뼈대를 요청하면 기획 착수 시간을 크게 줄일 수 있다. 다만 어떤 모듈이 실제 조직 문제와 관련 있는지는 요구조사 데이터를 근거로 담당자가 취사선택해야 한다.

③ 역할연기(Role-play) 시나리오 개발

12번 글에서 다룬 리더십 교육의 실습 자료 중 가장 손이 많이 가는 작업이 '그럴듯한 사내 갈등 사례'를 만드는 일이다. "일정 지연에 대해 변명하는 주니어와 성과 중심 팀장의 대화"처럼 구체적 상황을 입력하면 현장감 있는 대본 초안을 얻을 수 있다. 다만 실제 조직의 화법과 다른 부분은 반드시 다시 손봐야 한다.

④ 이해도 점검 퀴즈 제작

정해진 학습 내용을 기준으로 사실 확인형 퀴즈를 만드는 작업은 AI가 특히 빠르게 처리한다. 다만 AI가 만든 정답과 해설이 실제 교육 내용과 정확히 일치하는지는 반드시 대조해야 한다. AI는 그럴듯하지만 사실과 다른 내용을 자연스럽게 섞어 넣는 경우가 있기 때문이다.

⑤ 대상별 안내문·홍보 문구 작성

15번 글에서 다룬 반복 업무 중, 교육 안내 메일이나 수료 안내문은 형식이 일정하므로 핵심 정보(일정·장소·준비물)만 입력하면 대상별로 다른 버전을 한 번에 받을 수 있다. 개발팀에는 기술적 효용 중심으로, 영업팀에는 시간 절약 중심으로 소구 포인트를 다르게 요청하는 식이다.

⑥ 만족도 주관식 의견 분류·요약

4번·5번 글에서 다룬 만족도 조사의 서술형 응답이 수십~수백 건에 달하면 사람이 일일이 읽고 분류하기 어렵다. 응답 목록을 입력해 "콘텐츠 관련", "운영 관련", "강사 관련"으로 자동 분류하고 반복적으로 언급된 의견을 요약하게 하면 방대한 정성 데이터에서 핵심을 빠르게 추출할 수 있다. (단, 이름·사번 등 개인정보는 반드시 제외한 뒤 입력해야 한다.)

⑦ 참고자료 요약 및 대상별 재구성

사내 배포용 마이크로러닝 자료를 만들거나 최신 트렌드 아티클을 검토할 때, 수십 페이지 분량의 보고서를 3~5개 핵심 메시지로 압축하거나, 같은 원본을 관리자용 요약본과 실무자용 상세본으로 나누어 재구성하는 데 탁월한 효율을 보인다.

활용 영역	관련 글	주요 작업	필수 검토 사항
요구조사	2번	문항 초안, 응답 분류	이중질문 여부, 요구 우선순위
설계	3번	커리큘럼 뼈대	조직 전략과의 연계성
실습자료	12번	역할연기 시나리오	조직 화법·현실성
평가	-	퀴즈 문항	정답·해설 정확성
행정	15번	안내문·홍보문구	일정·링크 등 사실정보
데이터 분석	4·5번	주관식 의견 분류	개인정보 제거, 맥락 왜곡 여부
콘텐츠	-	자료 요약·재구성	원문과의 사실 일치

3. 좋은 프롬프트를 쓰는 4원칙

같은 AI라도 입력하는 방식에 따라 결과물의 질이 크게 달라진다. 교과서적인 답변에서 벗어나 실무에 근접한 산출물을 얻으려면 아래 4가지 요소를 프롬프트에 포함해야 한다.

• 역할 부여(Role): "너는 10년 차 HRD 교수설계 전문가야."
• 구체적 대상과 상황(Context): "대상은 제조업 현장 관리자 30명이며, 최근 안전 규정 개정으로 현장 적용에 어려움을 겪고 있어."
• 명확한 과업(Task): "이들이 현장에서 바로 활용할 수 있는 3단계 대화 가이드라인을 작성해줘."
• 출력 형식(Format): "각 단계별로 핵심 질문 1개와 주의할 표현 1개를 포함한 표로 정리해줘."

이 네 요소가 갖춰지지 않은 채 "리더십 교육자료 만들어줘"처럼 막연하게 요청하면, 어디서나 볼 수 있는 일반론 수준의 답변만 돌아온다.

4. AI 활용 적합성 매트릭스: 어디까지 맡길 수 있는가

7가지 방법을 아무 기준 없이 적용하면 곤란한 상황이 생긴다. 콘텐츠의 성격(정형적인가, 창의적 판단이 필요한가)과 정보의 민감도(개인정보·기밀 포함 여부)라는 두 축으로 적용 범위를 나누어야 한다.

      정보 민감도 낮음                정보 민감도 높음

정형적 [적극 활용] [익명화 후 활용] 콘텐츠 퀴즈 문항, 안내문 초안, 실제 명단·평가 데이터는 설문 문항 초안 가명·가상 데이터로 치환 후 입력

창의적 [초안 활용 + 검증 필수] [활용 자제, 사람이 직접] 판단 커리큘럼 아이디어, 특정 개인의 인사평가· 필요 역할연기 시나리오 코칭 피드백 문안 작성
'창의적 판단 + 정보 민감도 높음' 영역, 예를 들어 특정 팀원의 인사평가 결과를 바탕으로 한 코칭 피드백 문안 작성 같은 업무는 AI에 맡기지 않는 것이 안전하다. 이 영역에서 발생할 수 있는 구체적인 정보보안 문제는 다음 글에서 다룬다.

5. 가상 사례: 신임 파트장 온보딩 콘텐츠 개발에 AI를 적용한 결과

가상의 기계제조기업 (주)명진기계의 교육담당자가 10번 글에서 다룬 신임 파트장 온보딩 프로그램(리더십 실습 + 이해도 점검 퀴즈)을 신규 개발하며, 앞선 매트릭스의 '정형적+낮은 민감도' 영역에만 AI를 적극 활용하고 최종 검수는 그대로 사람이 담당하도록 설계했다.

개발 단계	AI 활용 전 소요시간	AI 활용 후 소요시간	절감률
커리큘럼 기획·목차 설계	10시간	3시간	70.0%
역할연기 시나리오 5건 개발	8시간	2시간	75.0%
이해도 점검 퀴즈 15문항 제작	5시간	1.5시간	70.0%
사실관계·현장 적합성 검수(사람)	5시간	5시간	0%
합계	28시간	11.5시간	58.9%

주목할 부분은 마지막 행이다. 기획·시나리오·퀴즈 단계는 AI 덕분에 70%대의 시간이 줄었지만, 사실관계 검수와 현장 적합성 검토에 들어가는 시간은 의도적으로 그대로 유지했다. 이는 앞서 강조한 원칙, "AI는 초안 생성자이고 담당자는 최종 판단자"라는 역할 구분을 실제 업무 시간 배분에도 반영한 것이다. 절감된 16.5시간은 현업 인터뷰와 요구조사 보강에 재투입되었다.

6. 자주 발생하는 3가지 실수

첫째, 사실 확인을 생략하는 것이다. AI는 실제 법률 조항이나 통계를 인용할 때 그럴듯하지만 부정확한 내용을 만들어내는 경우가 있다. 법정교육처럼 정확성이 중요한 콘텐츠는 반드시 원문과 대조해야 한다.

둘째, 조직 맥락을 생략한 채 사용하는 것이다. AI가 제시하는 사례는 대체로 일반적이고 범용적이다. 8번 글에서 강조했듯 기업교육은 조직의 전략 목표와 연결되어야 하므로, AI 초안에 자사의 실제 상황을 반영하는 후속 작업이 반드시 필요하다.

셋째, 결과물의 톤이 조직문화와 어긋나는 것이다. AI가 만든 문구가 지나치게 격식적이거나 캐주얼해서 회사의 일반적인 소통 방식과 어긋나는 경우가 있다. 이는 반복 사용을 통해 조직에 맞는 프롬프트 표현을 다듬어가며 개선할 수 있다.

7. 실무 적용 체크리스트

• 이 업무가 정형적 콘텐츠인지, 창의적 판단이 필요한 콘텐츠인지 구분했는가
• 프롬프트에 역할·대상/상황·과업·출력형식을 구체적으로 명시했는가
• 입력하려는 자료에 개인정보나 기밀정보가 포함되어 있지 않은가
• AI가 생성한 사실관계(법규·통계·절차)를 원문과 대조해서 확인했는가
• AI의 결과물이 조직의 실제 맥락과 문화에 맞게 재구성되었는가
• 검수·최종 판단 시간을 줄이지 않고 그대로 확보해두었는가

8. 정리

생성형 AI를 교육담당자의 업무에 접목하는 것은 도구를 하나 더 얹는 일이 아니라, 기존 업무를 '정형적인가, 창의적 판단이 필요한가'와 '정보가 민감한가'라는 기준으로 다시 분류하는 일이다. 요구조사 문항 초안, 퀴즈 제작, 안내문 작성처럼 정형적이고 민감하지 않은 영역에서는 AI를 적극 활용해 시간을 확보하고, 확보된 시간을 조직 맥락에 맞는 검수와 현업 인터뷰에 재투자하는 것이 핵심이다. 다음 글에서는 이번 글에서 잠시 언급했던 정보 민감도 문제, 즉 교육담당자가 생성형 AI를 쓸 때 반드시 지켜야 할 보안 원칙을 구체적으로 다룬다.