AI 리터러시 격차가 조직을 갈라놓는다 — HR이 놓치고 있는 진짜 변수

같은 사무실, 다른 세계 — AI 리터러시 격차가 만드는 보이지 않는 벽

요즘 조직에서 가장 위험한 착각이 하나 있다. “우리 팀도 AI 쓰고 있으니까 괜찮다”는 생각이다. 생성AI 도구를 도입했다고 해서 구성원 모두가 같은 수준으로 활용하는 것은 아니다. 오히려 도입 이후에 더 깊은 격차가 벌어지고 있다는 게 최근 연구들이 공통으로 지적하는 현실이다.

158명의 대학 구성원을 분석한 연구에서 흥미로운 패턴이 발견됐다. 학생 그룹은 고급 프롬프팅 기술에서 높은 자신감을 보였지만, 정작 AI가 어떻게 작동하는지에 대한 기초 이해는 부족했다. 반면 교직원 그룹은 전통적인 순서대로 — 개념 이해부터 응용까지 — 단계적으로 학습하고 있었다. 연구진은 이를 “스킬 바이패스(Skill Bypass)”라고 명명했다. 프롬프트를 잘 쓴다는 자신감이 실제 AI 역량을 가리는 일종의 착시 효과라는 것이다.

이건 대학만의 문제가 아니다. 기업 현장에서도 똑같은 일이 벌어지고 있다. 솔직히 말하면, 대부분의 HR 담당자가 이 격차를 측정조차 하지 못하고 있다.

한 줄 요약: AI 도구 도입만으로는 부족하다. 구성원 간 AI 리터러시 격차를 진단하고 관리하는 것이 조직 경쟁력의 핵심 변수다.

숫자가 말하는 격차의 규모

글로벌 데이터를 살펴보면 상황의 심각성이 더 선명해진다. CEO와 CHRO의 94%가 AI를 2025~2026년 가장 중요한 역량으로 꼽았지만, 자기 팀이 준비되어 있다고 답한 비율은 35%에 그쳤다. 리더들이 “중요하다”고 외치는 것과 실제 조직이 “준비되어 있는 것” 사이의 갭이 59%포인트나 된다.

개인적으로는 두 번째 숫자가 가장 뼈아프다. 42%의 직원이 “AI는 알아서 배우라”는 메시지를 받고 있다면, 이건 교육의 문제가 아니라 조직 전략의 부재다. AI 도구에 대한 접근권은 동등하게 주어졌지만, 학습 경로는 전적으로 개인에게 떠넘긴 셈이다.

“스킬 바이패스”는 왜 조직에서 더 위험한가

대학 연구에서 발견된 스킬 바이패스 현상을 기업 맥락에 대입해보자. 신입 MZ세대 직원이 ChatGPT로 보고서를 뚝딱 만들어내는 장면을 상상해보라. 팀장은 “역시 디지털 네이티브”라고 감탄하겠지만, 정작 그 직원이 AI의 한계를 이해하는지, 할루시네이션을 걸러내는 판단력이 있는지는 확인하지 않는다.

연구진의 표현을 빌리면, 이는 “취약한 유창함(fragile fluency)”이다. 프롬프팅 숙련도가 높다는 자기효능감이 AI 메커니즘에 대한 낮은 이해를 가려버리는 것이다. 학생과 교직원 사이의 스킬 난이도 상관관계가 r=0.188에 불과했다는 점은, 두 그룹이 완전히 다른 경로로 AI를 학습하고 있음을 보여준다.

이걸 조직으로 옮기면 이런 그림이 된다. 같은 팀에서 누군가는 AI를 “마법의 도구”로, 누군가는 “통계적 패턴 매칭 엔진”으로 인식한다. 이 인식 차이는 업무 품질의 차이로 직결된다. 그리고 아쉽다 — 대부분의 조직이 이 격차를 “세대 차이” 정도로 치부하고 넘어간다는 점이.

AI 투자는 폭증, 인재 준비는 정체 — 이 불일치의 대가

스탠퍼드 HAI의 2026 AI 인덱스 보고서는 이 괴리를 숫자로 확인시켜준다. 2025년 미국의 민간 AI 투자는 2,859억 달러에 달했다. 중국의 23배가 넘는 규모다. 글로벌 기업 AI 투자는 전년 대비 127.5% 성장했고, 생성AI 분야만 200% 이상 급증했다.

그런데 이 투자 폭증의 이면에서 무슨 일이 벌어지고 있는가. 22~25세 소프트웨어 개발자 고용은 2024년 대비 약 20% 하락했다. AI 연구자의 미국 유입은 2017년 이후 89% 감소했다. 이건 좀 아이러니하다. AI에 가장 많은 돈을 쓰는 나라에서, 정작 AI를 만들고 운용할 인재 파이프라인이 말라가고 있다는 뜻이기 때문이다.

조직 단위로 내려와 봐도 사정은 비슷하다. AI 투자에서 유의미한 ROI를 보고하는 기업은 21%에 불과하다. 그런데 체계적인 AI 업스킬링 프로그램을 운영하는 조직은 그 비율이 42%로 뛴다. 반대로 업스킬링 없이 AI를 도입한 조직에서 “ROI가 없다”고 답한 비율은 17%인 반면, 업스킬링을 병행한 조직은 11%로 낮아진다.

핵심이다 — AI 투자의 성패를 가르는 건 기술 자체가 아니라 사람에 대한 투자다.

인재 밀도를 관리하라 — AI 시대 HR의 새로운 역할

Groysberg 교수가 제시한 “인재 밀도(Talent Density)” 개념은 HR 실무자에게 구체적인 프레임워크를 제공한다. 인재 밀도란 전체 인력 중 핵심 역량을 갖춘 인재의 비율을 뜻한다. 1,000명 중 100명이 고성과자라면 인재 밀도는 10%다.

여기서 더 중요한 건 “핵심 직무 인재 밀도”다. 조직의 경쟁우위에 직접 연결된 50개 핵심 직무 중 40개를 우수 인재가 채우고 있다면 80%, 5개뿐이라면 10%다. Groysberg는 이 수치를 매년 추적해야 한다고 강조한다.

AI 시대에 이 개념은 새로운 차원을 얻는다. 단순히 “누가 잘하는가”가 아니라 “누가 AI와 함께 잘하는가”가 핵심 직무의 정의 자체를 바꾸고 있기 때문이다. Groysberg의 표현을 빌리면, “AI는 알파벳을 줄 수 있지만, 시를 쓰는 건 여전히 사람의 몫이다.” AI 리터러시가 높은 사람은 알파벳으로 시를 쓰고, 낮은 사람은 알파벳을 구경만 한다.

flowchart TD
    A[AI 도구 도입] --> B{구성원 AI 리터러시 수준}
    B -->|높음| C[생산성 10배 증폭]
    B -->|격차 방치| D[불균형 가속]
    D --> E[품질 편차 확대]
    D --> F[협업 마찰 증가]
    C --> G[조직 경쟁력 강화]
    E --> H[ROI 미달]
    F --> H
    H --> I[AI 투자 회의론 확산]
    G --> J[인재 밀도 상승 선순환]

진단부터 시작하라 — AI 리터러시 격차 관리 실행안

그렇다면 실무적으로 무엇을 해야 하는가. 스킬 바이패스 연구진은 “진단 기반 모듈형 개입(diagnostic-driven, modular interventions)”을 제안한다. 모든 구성원에게 동일한 AI 교육을 제공하는 것이 아니라, 먼저 각자의 AI 리터러시 수준과 학습 경로를 진단한 뒤 맞춤형으로 설계하라는 것이다.

이를 HR 실무에 적용하면 다음과 같은 흐름이 된다. 먼저, 전 구성원 대상 AI 리터러시 진단 도구를 도입한다. 단순히 “ChatGPT를 쓸 수 있느냐”가 아니라, AI의 작동 원리 이해도·한계 인식·윤리적 판단력까지 포함하는 다층적 평가여야 한다. 그 다음, 진단 결과에 따라 학습 트랙을 분리한다. 프롬프팅은 잘하지만 기초 이해가 부족한 “바이패스형” 인재에겐 AI 메커니즘 교육을, 기초는 탄탄하지만 실무 적용이 약한 “순차형” 인재에겐 프로젝트 기반 실습을 제공한다.

Groysberg 교수의 인재 밀도 관점도 여기에 결합된다. 그는 “뛰어난 AI 인재를 영입하는 건 쉽다. 그 인재의 지식을 조직 전체에 레버리지하는 게 어려운 것”이라고 했다. 개인의 AI 역량을 조직 역량으로 전환하려면, 팀 구성·온보딩 프로세스·협업 구조까지 재설계해야 한다. 4~5명의 다르지만 상호보완적인 사람이 모이면 “1+1=3″이 가능하다는 것이 그의 핵심 메시지다.

구조를 바꾸지 않으면 도구를 바꿔도 소용없다

마지막으로 짚어야 할 건 조직 구조의 문제다. AI가 개인 생산성을 극적으로 높이면서, 조직은 점점 작아질 수 있다고 Groysberg는 전망한다. 하지만 작아지는 것과 흩어지는 것은 다르다. 핵심 인재를 영입해놓고 기존 팀에 통합하지 않으면, “5년 안에 팀째로 떠난다”는 게 그의 경고다.

AI 리터러시 격차 문제도 결국 같은 맥락이다. 도구를 주고 교육까지 시켰는데, 조직 구조가 그 역량을 활용하도록 설계되어 있지 않으면 아무 소용이 없다. AI를 활용한 의사결정 권한은 누구에게 있는지, AI 산출물의 검증 체계는 어떻게 작동하는지, AI 리터러시가 성과평가와 승진에 어떻게 반영되는지 — 이런 구조적 질문에 답하지 않으면, AI 교육 프로그램은 복지 차원의 이벤트로 끝난다.

직원의 40%가 AI로 인한 일자리 불안을 느끼고 있다는 조사 결과도 이 맥락에서 읽어야 한다. 2024년 28%에서 2026년 40%로 급등한 이 수치는, AI 리터러시 격차가 단순한 스킬 문제를 넘어 조직 심리의 문제로 확산되고 있음을 보여준다. 자신의 AI 역량에 확신이 없는 구성원일수록 불안감이 크고, 불안감이 큰 구성원일수록 AI 학습을 회피하는 악순환이 만들어진다.

💡 실무 시사점: AI 리터러시 격차는 “교육을 더 하면 되는 문제”가 아니다. 진단→맞춤 학습→팀 구성→성과 체계까지 연결된 구조적 전환이 필요하다. AI 투자의 ROI는 기술이 아니라 사람에 대한 설계에서 결정된다.

#AI리터러시 #인재밀도 #스킬바이패스 #AI업스킬링 #HRTech #조직설계

참고 링크

• arXiv, “The GenAI Skill Bypass: Mapping Divergent Pathways of University Students and Staff AI Literacy” (2026)
• HBS Working Knowledge, “Winning with AI Starts With Talent Density” (2026)
• HBS Working Knowledge, “Beyond the Dashboard: Where Competitive Advantage Really Lives” (2026)
• Stanford HAI, “The 2026 AI Index Report” (2026)
• DataCamp, “Data & AI Literacy in 2026: Stats and Skills Gap” (2026)

작성: 서재홍 | NODE