기업 교육에서 느끼는 AI 이해도와 활용도의 차이

기업 교육을 하면서 사람마다 AI 이해도와 활용도가 크게 다르다는 것을 자주 느낍니다. 안드레이 카파시도 2026년 10월 12일(한국 시간) X에 올린 글에서, LLM(대규모 언어 모델)이 무엇을 할 수 있는지에 대한 사람들의 이해 차이가 벌어지고 있다고 적었습니다.

카파시가 4월과 10월에 쓴 내용

카파시는 10월 12일 X 게시물에서 2026년 4월 10일(한국 시간)에 쓴 이전 글을 다시 꺼냈습니다. 4월 글의 주장은 이렇습니다.

• 무료 버전이나 예전 모델을 써 본 경험으로 AI에 대한 생각을 정한 사람이 많다.
• 최신 유료 모델도 능력이 크게 늘어난 분야는 프로그래밍·수학·연구 같은 기술 분야이고, 검색·글쓰기·조언에서는 그만큼 눈에 띄지 않는다.
• 그래서 서로 다른 경험을 한 사람들이 엇갈린 이야기를 한다.

10월 글에서는 이 차이가 더 벌어졌다며 깔때기에 비유했습니다. LLM을 거의 써 보지 않은 사람이 대부분이고, 써 본 사람도 다수는 검색이나 글쓰기 도우미로 쓴다고 봤습니다. 반면 수학·코딩 분야에서 최신 모델을 직업으로 쓰는 사람들은 몇 주 걸리던 큰 작업을 에이전트가 끝내는 것을 직접 본다고 적었습니다. 원문의 인구 규모 숫자는 카파시 스스로 "napkin math(대략 셈해 본 것)"라고 밝힌 추정이어서 이 글에서는 옮기지 않았습니다.

카파시가 꼽은 차이의 원인

원인	카파시의 설명	교육에서 생각해 볼 점 (작성자 해석)
문제의 크기	효과는 야망, 문제 크기, 작업 기간에 따라 커진다. 한 단락으로 답이 끝나는 질문으로는 AI를 거의 시험하지 못한다	짧은 질문만으로는 AI가 내 업무에서 어디까지 하는지 알기 어렵습니다. 실제 업무 자료를 넣어 봐야 합니다
분야마다 다른 능력	능력은 디지털이고, 결과를 검증할 수 있고, 경제적 가치가 큰 분야에서 가장 높다	코딩에서 본 결과를 모든 직무에 그대로 기대하지 않습니다. 자기 업무에서 직접 확인합니다
접근	무료, 유료, AI 개발사 내부에서만 쓰는 시스템처럼 쓸 수 있는 시스템이 다르다	쓰는 도구가 다르면 보는 결과도 다릅니다. 새 유료 제품으로 바꾸기만 해서 업무 활용이 따라오지는 않습니다

카파시의 글을 기업 교육에 적용해 보면

여기서부터는 제 해석입니다. 같은 "AI를 쓴다"는 말 안에도 서로 다른 경험이 섞여 있습니다.

• AI를 안다: 최신 모델과 기능이 무엇을 할 수 있는지 알고 설명할 수 있습니다.
• AI에 질문한다: 궁금한 것을 물어보고 답을 받아 씁니다.
• 업무 자료와 결과 검토까지 쓴다: 실제 업무 파일을 넣어 일을 맡기고, 나온 결과를 원본과 대조해 고칩니다.

이 경험들은 순서대로 올라가는 단계로 보기 어렵습니다. 예를 들어 최신 AI를 잘 알고 원리를 설명할 수 있어도 자기 업무에는 아직 적용하지 못했을 수 있습니다. 반대로 원리를 설명하기는 어려워도 업무 자료를 넣고 결과를 확인하며 잘 쓰고 있을 수 있습니다. 같은 사람도 업무에 따라 다를 수 있습니다.

그래서 기업 교육을 설계할 때는 AI 이해도와 실무 활용도를 하나의 점수로 묶지 말고 따로 확인해 보기를 제안합니다. 이해도는 이 과제에서 AI가 무엇을 할 수 있는지 설명할 수 있는지로 봅니다. 활용도는 자기 업무 자료로 결과를 만들고 원본과 대조해 고칠 수 있는지로 봅니다. 이렇게 따로 확인하면 각자에게 맞는 다음 연습을 정하기 쉽습니다.

위 도식은 교육 예시입니다. 같은 과제(회의록으로 팀 공유용 요약 메일 초안 만들기)를 두고 이해도와 활용도를 따로 확인합니다. 상자의 위치는 우열을 뜻하지 않고, 상자마다 다음 연습이 다릅니다.

실무자가 바로 해 볼 수 있는 것

• 지난주에 직접 한 업무 하나를 골라, 그때 쓴 자료(회의록, 표, 초안)를 AI에 넣고 같은 일을 맡겨 봅니다. 회사에서 허용한 도구와 자료 범위 안에서 합니다.
• 결과를 원본과 나란히 놓고 숫자, 이름, 날짜를 확인합니다. 틀린 곳은 AI에 다시 고쳐 달라고 합니다.
• 한 번 묻고 끝나는 질문 대신 며칠 걸리던 일 하나를 맡겨 봅니다. 그러면 카파시가 말한 문제의 크기를 자기 업무에서 시험해 볼 수 있습니다.
• 팀에서 AI 이야기를 할 때 "AI 써 보셨어요?" 대신 "어떤 업무 자료로 무엇을 맡겨 보셨어요?"라고 물어봅니다.

정리

카파시는 최신 AI의 능력에 대한 이해 차이가 벌어지고 있다고 보고, 원인으로 문제의 크기, 분야마다 다른 능력, 접근 환경을 꼽았습니다. 기업 교육에서는 사람을 등급으로 나누지 말고 AI 이해도와 실무 활용도를 따로 확인해 보기를 권합니다. 각자 자기 업무 자료로 결과를 만들고 검토해 보는 경험부터 만들면 됩니다.