생성형 AI 업무생산성 교육 사례 | LG에너지솔루션 엔지니어 8시간 과정 (2026년 8월)

실무 적용형 AI 교육은 기능을 훑는 교육과 목표가 다릅니다. 기능 교육은 "무엇을 할 수 있는가"를 보여주고, 적용형 교육은 "내 업무 중 무엇을 어떤 순서로 AI와 함께 할 것인가"를 정리하고 끝납니다. 다음 날 업무가 달라지는지는 이 차이에서 갈립니다.

2026년 8월, 딥택트러닝 박재현 소장은 LG에너지솔루션 생산기술혁신센터 구성원을 대상으로 「생성형 AI 활용 업무생산성 향상」 교육을 8시간 과정으로 1·2차 진행했습니다.

교육 개요

• 교육 주제 : 생성형 AI 활용 업무생산성 향상
• 교육 대상 : LG에너지솔루션 생산기술혁신센터 구성원 (기술기획·그룹별 기획 담당 엔지니어 중심)
• 교육 일자 : 2026년 8월 (1·2차)
• 교육 시간 : 8시간 (09:00~18:00)
• 교육 방식 : 강의 + 개인 실습 + 짝꿍 토론
• 참석 규모 : 50여 명 (1·2차 합계)

도입과 활용은 다른 문제입니다

많은 기업이 이미 생성형 AI 도구를 열어뒀습니다. 그런데 계정이 있는 것과 쓰는 것은 다릅니다. 교육 현장에서 반복해서 듣는 이야기가 있습니다.

• 계정은 열려 있는데 정작 업무에서는 쓰지 않는다
• 몇 번 써봤지만 원하는 답이 안 나와서 하던 방식으로 돌아갔다
• 어떤 업무를 AI에게 넘겨도 되는지 판단이 서지 않는다
• 결과를 그대로 써도 되는지 확신이 없다

네 가지 다 도구를 몰라서 생긴 문제가 아닙니다. 이 과정은 그래서 사용법이 아니라 업무 배치를 다뤘습니다.

LLM의 성격과 두 가지 검증

출발점은 언어모델의 성격을 정확히 아는 것입니다. LLM은 명령을 그대로 따르고(Instruction Following), 주어진 맥락을 활용하며(In-Context Learning), 문제를 쪼개주면 더 깊이 사고합니다(Step by Step).

한계도 분명합니다. 최신 정보가 부족할 수 있고, 근거가 불분명한 답을 자신 있게 말하기도 합니다. 그래서 두 가지 검증을 업무 습관으로 붙였습니다. 이유와 출처를 밝히게 하는 자기검증, 다른 AI에게 되묻는 교차검증입니다.

프롬프트 3원칙과 심화 기법

프롬프트는 길게 쓰는 기술이 아니라 맥락을 전달하는 기술입니다. 세 원칙으로 정리했습니다.

• 지시 문장과 참고 문장을 구분한다
• 쪼개서 지시하고 물고 늘어진다
• 역할을 부여하고 업무 맥락을 설명한다

여기에 고맥락 대화와 저맥락 대화의 차이를 더했습니다. "더 다양하게 제안해봐"와 "온보딩 교육 프로그램 아이디어를 10개 제안해줘"는 전혀 다른 요청입니다. 세 원칙을 매번 지키기 어렵다면 목적과 목표 두 가지만이라도 항상 붙이도록 안내했습니다.

심화에서는 세 기법을 다뤘습니다.

• CounterView Prompt — 반론과 재반론을 반복해 논리를 단단하게 만듭니다 (주장 -> 반론 -> 재반론 -> 새로운 제안)
• Step-back Prompting — 어려운 과제에서 한 발 물러나 일하는 순서와 필요한 이론부터 확인합니다
• Framework Prompt — 검증된 프레임워크를 지정해 답의 구조를 잡습니다

일상업무 — 시간을 줄이는 쪽

메일은 긴 내용의 핵심을 요약하고, 내가 결정할 사항만 객관식으로 되묻게 한 뒤 회신을 씁니다. 클레임 메일은 고객 심리를 먼저 분석하고 정중한 회신으로 전개합니다. 회의록은 녹음을 텍스트로 바꾼 뒤 사내 양식에 맞춰 정리합니다.

보고서는 논리적인 내용, 간결한 문장, 보기 좋은 편집 셋으로 나눠 각각 프롬프트를 적용했습니다. 상사의 니즈 파악 → 목차 구성 → 세부내용 작성 → 예상 질문과 대응까지 이어집니다.

여기서 한 걸음 더 나갑니다. 자주 반복하는 업무는 매번 프롬프트를 새로 쓰지 않고 챗봇으로 굳혀둡니다. 이번 과정에서는 제미나이 Gems로 각자의 업무용 챗봇을 만들어 서로 공유하는 실습까지 진행했습니다.

프로젝트성 업무 — 결과의 질을 높이는 쪽

전략기획은 시장 트렌드와 경쟁사 동향 과제에 Step-back Prompting을 적용하고, 딥리서치로 외부 자료를 모은 뒤 문서로 정리했습니다.

프로젝트 관리는 사내 행사 운영 상황을 놓고 WBS를 Level 1~3으로 작성하고, 누락 업무 검토까지 AI에게 요청했습니다. 이후 일정 설계 → 역할 배분 → 리스크 관리 → 진척 관리로 연결됩니다.

데이터 분석은 설문 주관식 응답을 MECE하게 정리하거나 클러스터링하고, 표기가 제각각인 거래 데이터의 품질 문제를 유형별로 정리해 정리본·피벗·월간 보고서까지 만들었습니다.

이 실습에는 원칙이 하나 붙습니다. 이상치와 결측치를 임의로 고치지 않고 「확인필요」로 표시만 합니다. 확인과 판단은 사람의 몫으로 남깁니다.

교육 설계 관점 : 같은 8시간도 대상의 활용 단계에 따라 다르게 잡습니다

과정 초반에 다루는 AI 업무활용 레벨 5단계는 도식 이상의 역할을 합니다. 학습자가 지금 어느 단계에 있느냐에 따라 같은 강의에서도 반응하는 지점이 확연히 갈리기 때문입니다.

• 검색·생성 단계 — 프롬프트 작성법과 일상업무 적용에 관심이 몰립니다
• 활용 단계 — 반복 업무의 챗봇화, 업무별 프롬프트 자산화로 관심이 넘어갑니다
• 재설계·자율 단계 — 에이전트, 나아가 여러 에이전트를 팀처럼 구성하는 방향에 관심이 큽니다

그래서 조직 단위 AI 교육을 설계할 때는 대상자의 활용 단계를 사전에 확인합니다. 같은 8시간이라도 어디에 시간을 더 배분할지가 달라집니다. 만족도의 편차도 대개 여기서 생깁니다.

참석자 목소리

"제미나이와 같은 Tool을 단순 검색 기능으로만 사용하였는데, 생성 기능으로도 활용할 수 있다는 점에서 의미가 있었습니다. 프롬프트의 중요성을 배웠습니다." — 참석자 자유응답

"완벽한 프롬프트 작성에 공들이지 않고 가볍게 시도하는 것에서 시작해봐야겠다는 마인드 세팅이 되는 기회였습니다." — 참석자 자유응답

이런 조직에 추천합니다

• 생성형 AI를 도입했지만 실제 업무 활용률이 낮은 기업
• 보고서·기획서 작성 비중이 높은 기획·관리 조직
• 프로젝트 단위 업무가 많아 일을 쪼개고 관리해야 하는 부서
• 엑셀 데이터 정리와 분석에 시간을 많이 쓰는 실무 부서