직급별 생성형 AI 교육 사례 | 크레텍 책임 직급 3시간×3회 9시간 과정 (2026년 7월)

직급별 AI 교육의 목적은 개인의 활용 능력을 높이는 것만이 아닙니다. 같은 직급이 같은 프롬프트 원칙과 같은 검증 기준을 쓰게 만드는 것, 즉 공통 업무 언어를 만드는 것이 더 큽니다. 개인별 편차가 줄어야 팀 단위 보고 품질이 올라갑니다.

2026년 7월, 딥택트러닝 박재현 소장은 크레텍 책임 직급 구성원을 대상으로 「현업에 바로 쓰는 생성형 AI 활용법」을 3시간씩 3회, 총 9시간으로 진행했습니다.

교육 개요

• 교육 주제 : 현업에 바로 쓰는 생성형 AI 활용법
• 교육 대상 : 크레텍 책임 직급 구성원
• 교육 일자 : 2026년 7월 (3회차)
• 교육 시간 : 3시간 × 3회, 총 9시간
• 교육 방식 : 개인 실습 및 상호학습
• 참석 규모 : 20여 명

써봤어도 업무에 붙이려면 다시 막힙니다

생성형 AI를 사용해본 경험이 있어도 실제 업무에 적용하려면 새로운 질문이 생깁니다. 어떤 업무부터 맡겨야 하는지, 원하는 결과를 얻으려면 무엇을 어떻게 요청해야 하는지, AI가 만든 결과를 어디까지 믿고 어떻게 검증해야 하는지.

이 세 질문을 기준으로 9시간을 세 차례로 나눴습니다. 원리 이해 → 프롬프트 실습 → 업무 프로세스 적용 순서입니다.

방향은 업무 성격에 따라 갈립니다. 반복적이고 정형화하기 쉬운 일상 업무는 처리 시간을 줄이는 쪽으로, 기한과 난도가 있는 프로젝트성 업무는 결과의 전문성을 높이는 쪽으로 붙입니다.

AI 작동 원리와 세 겹의 검증

AI는 사용자의 명령을 따르고, 제공된 맥락을 읽으며, 복잡한 문제를 단계별로 처리하는 데 강점이 있습니다. 하지만 최신 정보가 부족하거나 사실과 다른 내용을 그럴듯하게 만들기도 합니다.

그래서 검증을 세 겹으로 걸었습니다.

• 자기검증 — 답변의 이유와 출처를 다시 확인하게 한다
• 교차검증 — 다른 자료나 다른 AI로 결과를 확인한다
• 사람의 최종 검토 — 조직과 업무의 실제 맥락을 기준으로 판단한다

AI가 초안을 빠르게 만들고, 사람이 사실과 맥락을 책임지는 역할 분담입니다.

프롬프트 기본·심화와 고맥락 대화

좋은 프롬프트는 길고 복잡한 문장이 아닙니다. 원하는 일을 먼저 말하고, 참고 자료를 구분하고, 한 번에 풀기 어려운 업무는 작은 단계로 나눕니다.

기본 3원칙을 실습한 뒤 심화로 확장했습니다. 반론을 요청하는 CounterView Prompt, AI가 필요한 정보를 먼저 질문하게 만드는 Meta Prompt, 업무에 맞는 분석 틀을 활용하는 Framework Prompt입니다.

여기서 짚은 것이 고맥락 대화입니다. AI는 내 업무 상황을 저절로 알지 못합니다. 조직의 배경, 대상, 예산, 일정, 목적과 목표를 충분히 전달해야 결과가 구체적으로 바뀝니다. 정해진 문구를 외우는 것보다 이 습관이 중요합니다.

이메일·회의록·엑셀 반복 업무

장황한 이메일의 핵심을 요약하고, 회신에 필요한 의사결정 사항을 확인한 뒤, 상대의 어조에 맞는 답장을 작성하는 흐름을 실습했습니다.

회의록은 녹음 파일을 텍스트로 바꾸고 조직 양식에 맞춰 결정사항과 할 일을 정리하는 과정으로 연결했습니다. 엑셀 업무에서는 기존 자료의 중복, 결측치, 표기 불일치, 계산 오류를 찾아 정리하는 방법을 다뤘습니다.

반복 업무의 핵심은 매번 처음부터 질문하지 않는 것입니다. 자주 쓰는 프롬프트를 모으고 개선하고, 정형화하기 좋은 업무는 챗봇 기능과 연결해 일관된 업무 도우미로 발전시킵니다.

보고서·데이터 분석·AI 리서치

프로젝트성 업무는 한 번의 질문으로 완성되지 않습니다. 보고서 작성을 다음 흐름으로 나누고 각 단계에 AI를 연결했습니다.

상사의 요구 파악 -> 목차 구성 -> 자료 조사 -> 초안 작성 -> 중간보고 -> 피드백 반영 -> 최종보고

데이터 분석에서는 정성 자료를 비슷한 주제로 묶고, 엑셀 자료의 결측치와 이상치를 확인하고, 데이터에서 얻을 인사이트를 질문했습니다. PDF·회의 음성·유튜브·웹 자료를 소스로 모아 분석하는 NotebookLM 활용도 다뤘습니다.

검색 AI, 생성 AI, Agent AI의 역할 차이도 정리했습니다. 사실을 찾는 일, 초안을 만드는 일, 여러 도구를 연결해 실행하는 일을 구분하면 도구 선택이 쉬워집니다.

교육 설계 관점 : 9시간을 왜 세 번으로 나눴는가

같은 9시간이라도 하루에 몰아서 하는 것과 세 번에 나누는 것은 다릅니다.

AI 교육은 배운 것을 자기 업무에 한 번 써봐야 다음 질문이 생깁니다. 하루에 몰면 질문이 생길 시간이 없습니다. 세 번으로 나누면 회차 사이에 각자 써보고, 막힌 지점을 들고 다음 회차에 옵니다. 상호학습이 실제로 작동하는 것도 이 구조에서입니다.

조정한 것

마지막 회차 끝에 배치한 NotebookLM 실습이 시간이 부족했습니다. 복잡한 도구 제작과 자료 분석 실습은 강사가 학습자의 진행 상황을 직접 확인하며 속도를 조절해야 하는데, 마지막 순서에 두면 그 여유가 안 나옵니다. 다음 차수에서는 이 실습을 앞쪽으로 옮기거나 별도 시간을 확보하는 쪽으로 잡겠습니다.

실습 자료에 대한 요청도 있었습니다. 사내가 아닌 환경에서 진행하다 보니 각자의 실제 업무 자료를 쓰기 어려웠습니다. 다음 설계에서는 직급별로 공통되는 업무 자료를 미리 확보해 실습 재료로 넣는 방식을 검토하고 있습니다. 사내 보안 기준 안에서 어디까지 쓸 수 있는지를 사전에 정리해두는 것이 먼저입니다.

참석자 목소리

"이렇게 필요목적별로 다양한 AI가 있다는걸 알았어유" — 참석자 자유응답

"챗지피티만 쓰다가 제미나이도 쓰게 되었슈" — 참석자 자유응답

이런 조직에 추천합니다

• 생성형 AI를 도입했지만 구성원의 활용 수준이 고르지 않은 조직
• 이메일·회의록·문서작성 반복 업무를 줄이려는 기업
• 보고서·기획·데이터 분석의 품질을 높여야 하는 실무 조직
• 부서별 공통 프롬프트와 AI 활용 기준을 만들려는 조직