AI 리터러시 뜻, 직원에게 필요한 4가지 능력과 진단법

AI 리터러시(AI literacy)는 AI를 업무에 맞게 쓰고, 그 결과가 맞는지 판단하고, AI에게 맡기면 안 되는 일을 구분하는 능력입니다. 글을 읽고 쓰는 능력을 리터러시라고 부르듯, AI와 함께 일하는 데 필요한 기본기를 말합니다. 챗GPT 사용법을 아는 것과는 다릅니다. 메뉴를 몰라도 리터러시가 높은 사람이 있고, 매일 AI를 켜도 틀린 숫자를 그대로 보고서에 옮기는 사람이 있습니다.

이 차이가 회사 성과로 이어진다는 숫자가 나와 있습니다. 대한상공회의소 경제연구원이 2026년 6월 근로자 약 3,000명을 조사한 결과, 생성형 AI 활용률은 대기업 66.5%, 중소기업 52.7%였지만 회사 지원과 개인 역량 같은 조건을 맞추면 기업 규모에 따른 순수한 차이는 4%포인트 수준으로 줄었습니다(아이뉴스24 보도). 회사가 크냐 작으냐보다, 직원이 AI를 다룰 줄 알고 회사가 그것을 뒷받침하느냐가 차이를 만든다는 뜻입니다.

AI 리터러시의 뜻: 도구 사용법이 아니라 판단력

AI 리터러시를 가장 구체적으로 정한 곳은 유럽연합입니다. EU 인공지능법(AI Act) 제4조는 AI 시스템을 제공하거나 업무에 쓰는 회사가 직원과 그 회사를 대신해 AI를 다루는 사람들의 AI 리터러시를 키우는 조치를 하도록 정했고, 이 의무는 2025년 2월부터 적용되었습니다. 조문은 직원의 기술 지식, 경험, 교육 수준, 그리고 AI를 어떤 상황에서 누구에게 쓰는지를 고려하라고 요구합니다. 모든 직원이 같은 수준일 필요는 없고, 하는 일에 맞는 수준이면 된다는 뜻입니다.

학교 교육 쪽에서는 유럽연합 집행위원회와 OECD가 2025년 5월 AI 리터러시 프레임워크 초안을 내놓았습니다. 이 초안은 AI 리터러시를 AI와 관계 맺기, AI로 만들기, AI 관리하기, AI 설계하기의 네 영역으로 나눕니다. 학생용 틀이지만 회사에 옮겨 보면 핵심은 같습니다. AI를 쓰는 기술보다, AI가 내놓은 결과를 비판적으로 보고 책임 있게 쓰는 태도가 리터러시의 중심입니다.

직원에게 필요한 4가지 능력

회사 업무에 맞춰 풀어 보면, AI 리터러시는 아래 네 가지 능력으로 나뉩니다.

1. 맡길 일과 맡기면 안 되는 일을 구분한다

AI는 초안 쓰기, 요약, 분류, 비교처럼 틀려도 확인하면 되는 일에 강합니다. 반대로 최종 금액 확정, 거래처와의 약속, 법적 판단처럼 틀리면 되돌리기 어려운 일은 AI가 만든 결과를 그대로 쓰면 안 됩니다. 리터러시가 높은 직원은 일을 받자마자 "이건 AI가 80%를 하고 내가 마지막을 본다"처럼 나눕니다.

2. 일을 구체적으로 시킨다

"견적서 만들어 줘"와 "성우유통이 지난달과 같은 품목 3개를 120개씩 요청했으니, 지난번 단가로 견적서를 만들고 납기는 다음 주 금요일로 적어 줘"는 결과가 전혀 다릅니다. 앞의 대한상의 조사에서도 프롬프트 작성 역량을 갖춘 근로자는 생성형 AI를 쓸 확률이 23.5%포인트 높았습니다. 무엇을, 어떤 기준으로, 어떤 형식으로 받고 싶은지 말하는 능력이 곧 AI를 쓰는 능력입니다.

3. 결과를 검증한다

AI는 그럴듯하게 틀립니다. 존재하지 않는 법 조항을 인용하고, 표의 합계를 잘못 더하고, 문서에 없는 내용을 만들어 냅니다. 리터러시가 있는 직원은 숫자는 원본과 맞춰 보고, 출처가 있는 답은 출처를 열어 보고, 중요한 판단은 다른 방법으로 한 번 더 확인합니다. AI가 틀리는 원리와 줄이는 방법은 따로 정리해 두었습니다.

👉 할루시네이션 뜻, AI가 틀리는 이유와 줄이는 법

4. 넣으면 안 되는 데이터를 안다

개인용 무료 AI 서비스에 거래처 단가표나 직원 급여 자료를 붙여 넣으면, 그 서비스의 약관에 따라 데이터가 저장되거나 학습에 쓰일 수 있습니다. 어떤 도구에 어떤 자료를 넣어도 되는지 아는 것도 리터러시입니다. 이건 직원 개인이 판단할 일이 아니라 회사가 정해 줘야 하는 일이기도 합니다.

리터러시가 없을 때 회사에 생기는 일

AI 리터러시가 부족한 회사에서 생기는 문제는 대개 두 가지 모습으로 나타납니다.

첫째는 데이터가 새는 일입니다. 2023년 삼성전자에서는 엔지니어들이 업무 중 사내 소스 코드를 챗GPT에 올린 일이 확인되었고, 회사는 사내 기기와 네트워크에서 생성형 AI 사용을 임시로 막았습니다. 당시 사내 공지는 외부 AI에 보낸 데이터가 회사 밖 서버에 저장되어 되찾거나 지우기 어렵다는 점을 이유로 들었습니다(CSO 보도). 직원이 나쁜 뜻으로 그런 것이 아니라, 어떤 자료를 넣으면 안 되는지 몰랐기 때문입니다.

둘째는 틀린 결과가 그대로 나가는 일입니다. AI가 만든 견적서, 보고서, 거래처 메일을 확인 없이 쓰면 틀린 숫자와 지어낸 내용이 회사 이름으로 밖에 나갑니다. 이런 일은 한 번 생기면 직원들이 AI를 아예 쓰지 않게 되는 계기가 되고, 회사는 다시 처음으로 돌아갑니다. 두 문제 모두 도구를 막거나 바꾼다고 해결되지 않고, 직원이 판단하는 능력을 갖춰야 사라집니다.

직무별로 필요한 수준

모든 직원이 같은 것을 배울 필요는 없습니다. EU 인공지능법이 말하듯 하는 일과 쓰는 상황에 맞추면 됩니다. 유통/제조 회사의 주요 직무로 나눠 보면 이렇습니다.

표의 오른쪽 칸이 그 직무의 리터러시 기준입니다. AI가 아무리 잘해도 이 칸의 일은 사람이 원본을 보고 확인해야 하고, 그것을 몸에 익힌 상태가 리터러시가 있는 상태입니다.

한 사람의 하루로 보는 차이

영업관리팀 두 직원이 같은 날 같은 일을 받았다고 해 보겠습니다. 거래처 세진물산에서 "지난번 PE 필름 단가로 3,000kg 견적 부탁드립니다"라는 메일이 왔습니다.

리터러시가 낮은 직원은 메일을 AI에 붙여 넣고 "견적서 써 줘"라고 합니다. AI는 그럴듯한 견적서를 만들지만, 지난번 단가를 모르기 때문에 숫자를 지어내거나 빈칸으로 둡니다. 직원은 형식이 깔끔해 보여 그대로 보내고, 이틀 뒤 거래처에서 단가가 다르다는 전화가 옵니다.

리터러시가 있는 직원은 먼저 지난번 견적서를 찾아 단가와 조건을 함께 넘기고, 이번 수량과 납기를 정확히 적어 초안을 받습니다. 받은 초안에서 단가, 수량, 합계, 부가세를 원본과 맞춰 보고, 납기는 재고를 확인해 고친 뒤 보냅니다. 걸린 시간은 비슷하거나 더 짧고, 틀린 견적이 나가지 않습니다.

두 사람의 차이는 AI 도구가 아니라 일을 나누고, 구체적으로 시키고, 검증하는 습관에 있습니다.

우리 회사 AI 리터러시를 진단하는 법

시험을 볼 필요는 없습니다. 아래 다섯 가지 질문에 직원들이 어떻게 답하는지 보면 수준이 드러납니다.

1. 지난주에 AI로 처리한 업무를 하나 말할 수 있는가
2. 그 결과에서 무엇을 확인했는지 말할 수 있는가
3. AI에 넣으면 안 되는 자료가 무엇인지 아는가
4. AI가 틀렸던 경험과 그때 어떻게 알아챘는지 말할 수 있는가
5. 같은 일을 다시 시킨다면 무엇을 더 구체적으로 말하겠는가

1번에 답하지 못하는 직원이 많다면 활용 자체가 부족한 것이고, 2번과 4번에서 막힌다면 검증 습관이 없는 것입니다. 3번에 답이 제각각이라면 회사 기준이 없는 것입니다.

회사 기준이 없는 곳은 생각보다 많습니다. 앞의 대한상의 조사에서 생성형 AI 도입 로드맵이 없다는 응답은 중소기업 70.4%, 대기업 54.4%였고, 내부 가이드라인이나 매뉴얼을 제공한다는 응답은 중소기업 24.3%에 그쳤습니다. 반대로 회사가 AI 사용을 적극 권장하면 활용 확률이 15.5%포인트, 구독료 같은 비용을 지원하면 8.1%포인트 올라갔습니다. 직원 개인에게 맡겨 두지 않고 회사가 방향을 정해 주는 것만으로 차이가 생깁니다.

AI 리터러시를 키울 때 흔한 실수

도구 사용법만 가르친다. 버튼 위치와 메뉴는 금방 바뀌고, 도구가 바뀌면 처음부터 다시 배워야 합니다. 결과를 검증하는 습관과 맡길 일을 고르는 판단은 도구가 바뀌어도 남습니다.

금지만 한다. 보안이 걱정된다고 AI 사용을 막으면 직원들은 개인 계정으로 몰래 씁니다. 그러면 회사는 어떤 자료가 어디로 나갔는지 알 수 없습니다. 쓸 수 있는 도구와 넣으면 안 되는 자료를 정해 주는 편이 안전합니다.

한 번 하고 끝낸다. 전 직원 대상 특강 한 번으로는 습관이 바뀌지 않습니다. 각 팀에서 실제로 AI로 처리한 업무와 틀렸던 사례를 정기적으로 나누는 편이 효과가 큽니다.

모두에게 같은 내용을 가르친다. 경리에게 필요한 것과 현장 반장에게 필요한 것은 다릅니다. 위의 직무별 표처럼 각자 확인해야 할 것부터 정해 주면 교육이 짧아집니다.

교육 과정, 무료 강의, 정부 지원 훈련은 별도 글에 모아 두었습니다. 고용노동부 집계로 2025년 10월 기준 AI 훈련을 한 사업장은 전체 훈련 사업장의 6.9%에 그쳐(고용노동부 보도자료), 지금 시작해도 늦지 않습니다.

👉 AI 교육, 직원이 실제로 쓰게 만드는 방법

AI 리터러시 자주 묻는 질문 (FAQ)

Q. AI 리터러시와 디지털 리터러시는 무엇이 다른가요?

디지털 리터러시는 컴퓨터와 인터넷을 다루고 정보를 찾는 능력입니다. AI 리터러시는 여기에 더해, AI가 만든 결과가 맞는지 판단하고 어디까지 맡길지 정하는 능력이 중심입니다. AI는 틀린 답도 자신 있게 내놓기 때문에 검증하는 힘이 핵심이 됩니다.

Q. 나이 많은 직원도 AI 리터러시를 갖출 수 있나요?

리터러시의 핵심은 업무를 아는 사람이 결과를 판단하는 것이라, 오히려 경력이 긴 직원이 유리한 부분이 많습니다. 숫자가 이상한지, 거래처 관행에 맞는지는 업무 경험이 있어야 알아챕니다. 도구 사용은 처음 몇 번 함께 해 보면 금방 익힙니다.

Q. 한국에도 AI 리터러시를 의무로 정한 법이 있나요?

2026년 1월 22일 시행된 인공지능 기본법은 생성형 AI 결과물 표시 같은 사업자 의무를 정했지만, EU 인공지능법 제4조처럼 회사에 직원 AI 리터러시 조치를 의무로 지운 조항은 없습니다(정책브리핑). 다만 유럽에 AI를 쓴 제품이나 서비스를 공급하는 회사라면 EU 기준을 확인해 둘 필요가 있습니다.

Q. 리터러시가 어느 정도 갖춰졌는지 어떻게 알 수 있나요?

위의 다섯 가지 질문에 대부분의 직원이 구체적인 사례로 답할 수 있으면 기본은 갖춰진 것입니다. 그다음은 팀별로 AI로 처리하는 업무가 늘고, AI 때문에 생긴 실수가 줄어드는지를 보면 됩니다.

inline AI로 AI 리터러시 키우기

리터러시는 교육보다 매일의 업무 안에서 AI를 쓰고 확인하는 경험으로 자랍니다. inline AI에서는 직원이 회사 파일과 사이트를 연 채 AI에게 말로 일을 맡기고, AI가 바로 고치고 만든 문서를 확인합니다. 회사용 AI OS까지 함께 쓰면 ERP 업무도 같은 방식으로 맡깁니다. 회사 데이터는 암호화해 저장하고 AI 학습에 쓰지 않습니다.