김영웅 - mysetting

3:47 5/30

brunch.co.kr

mobile screenshot relative

3:47

brunch.co.kr

mobile screenshot

김영웅
https://brunch.co.kr/@youngwungkim

효과적인 테크교육 시스템을 설계합니다. 학습자의 성장에 대한 민감한 안테나를 바탕으로 UX Writing 과 행동제안을 잘 합니다. 전문성 발견과 코칭을 곧잘 해냅니다.

저작도구: Kakao Brunch

최종 피드 수집: 2026-08-20 16:46

전체 (151)

1d

AI 시대의 실력은, 옮겨 붙느냐에서 갈립니다 - 빨리 끝내는 것보다, 그게 다음 문제로 옮겨붙느냐가 관건입니다.

지난달에 낸 보고서가 잘 나왔습니다. 반나절은 걸릴 일이었는데 초안을 받아 앞뒤를 고치고 숫자를 채워 넣으니 한 시간 만에 끝났어요. 읽어 본 사람이 정리가 깔끔하다고 했고 그대로 통과됐으니, 그날은 일이 잘 풀린 날이었지요.

000

2d

AI에게 일을 맡길수록, 확인할 실력이 필요해집니다 - AI 시대의 안전장치는 사람의 검토가 아니라, 검토할 수 있는 사람입니다

회의가 끝나면 문서가 올라옵니다. AI가 만든 초안 위에 담당자 의견이 붙고, 팀장 검토가 지나가고, 임원 결재가 얹혀집니다. 보고 라인 어딘가에는 늘 같은 말이 남지요. 확인했습니다. AI가 쓴 문장이니 사람이 한 번 보면 된다

001

4d

AI 시대야말로 함께 자라기가 필요합니다. - 답은 혼자서도 구할 수 있습니다. 배움은 주고받는 동안에 자라납니다.

사무실이 조용해졌습니다. 예전에는 일하다 막히면 고개부터 돌렸지요. 옆자리에 대고 이거 왜 이렇게 되느냐고 묻고, 상대는 하던 일을 잠시 멈추고 이쪽 모니터로 몸을 기울였고요. 그렇게 10분쯤 주고받다 보면 처음 물어본 것과 다

000

6d

AI 시대에 남겨야 할 건, 결론이 아니라 이유와 과정 - 결론은 복사되지만, 이유는 복원되지 않습니다. 그게 바로 암묵지입니다.

지나간 문서들을 다시 열어 본 적이 있으신가요. 결론은 또렷하게 남아 있어요. A안으로 간다, 예산은 얼마, 일정은 언제까지 같은 것들이죠. 그런데 그 문서 어디에도 왜 B안이 아니었는지가 없습니다. 그때 그 회의에 있던 사람이

002

7d

AI로 빨라진 건 맞아요. 그런데 좋아졌을까요 - 효율은 시간을 돌려주고, 효과는 방향을 바꿉니다. 그 너머를 봐야 합니다

"AI를 써서 얼마나 빨라졌습니까." 요즘 이 질문에는 대개 숫자가 돌아옵니다. 도입률, 활용률, 절감된 시간. 회의실 화면에 띄우기 좋은 형태로 이미 정리되어 있죠. 그런데 정작 중요한 확인사항들이 비어있습니다. 그렇게

000

17d

AI 쓰는 시간은 늘었는데, 일은 왜 그대로일까요? - AX의 성적표는 사용량이 아니라, 달라진 일입니다.

“우리 회사 AI 활용률은 몇 퍼센트나 됩니까.” 요즘 경영 회의에서 가장 자주 나오는 질문일 것입니다. 지난 한 해 많은 조직이 전사 교육을 돌리고, 계정을 깔고, 사용 현황판을 세웠습니다. 숫자는 분기마다 오릅니다. 도입률,

001

20d

주니어 대신 AI를 쓰면, 시니어는 어디서 오나요? - 숙련은 지루한 일의 부산물이었습니다. 그 부산물이 사라졌습니다.

어느 개발팀의 조직도를 떠올려 봅니다. 시니어들은 AI와 함께 일하면서 그 어느 때보다 많은 것을 만들어 냅니다. 신입 채용은 두 해째 미뤄져 있습니다. 뽑을 이유가 없었기 때문입니다. 이번 분기 숫자는 좋습니다. 아마 다음 분기

000

21d

AI 실력은, 끄고 난 뒤에 드러납니다. - 같은 도구를 같은 시간 써도 결과가 갈립니다. 가른 것은 양이 아닌 방식

같은 기수에 두 사람이 있었습니다. 같은 커리큘럼을 들었고, 같은 도구를 썼고, 과제에 들인 시간도 비슷했습니다. 제출물의 품질마저 나란했습니다. 그런데 몇 달 뒤 두 사람은 전혀 다른 자리에 서 있었습니다. 한 사람은 처음 보는

001

25d

말로 배울 수 없는 것은, AI로도 배울 수 없습니다. - 해 본 사람만 아는 것이 있습니다. 그것이 AI 시대의 마지막 실력입니다

자전거를 탈 줄 아는 분이라면, 한번 말로 설명해 보시기 바랍니다. 핸들이 오른쪽으로 쏠릴 때 몸은 어느 쪽으로 얼마나 기울여야 합니까. 속도가 어느 정도로 떨어지면 페달에 힘을 더 주어야 합니까. 아마 잘 되지 않을 겁니다. 설

000

29d

AI 교육에서, 우리는 무얼 측정하고 있나요? - 만족도, 정답률, 사용량. 우리는 배움을 제대로 보고 있을까요?

2019년, 하버드의 물리학 강의실에서 조용한 역전이 일어났습니다. Louis Deslauriers 연구진은 『Measuring Actual Learning versus Feeling of Learning』(2019, PNAS)에

000

1M

AI 교육에도, 적절한 난이도가 필요합니다. - 다 맞는 수업은 성장이 멈춘 수업. 최적의 난이도에는 과학이 있습니다.

2019년, 기계를 더 빨리 학습시키는 방법을 찾던 연구진이 뜻밖의 숫자 하나를 내놨습니다. Robert Wilson 연구진은 『The Eighty Five Percent Rule for Optimal Learning』(2019,

001

1M

AI 활용의 깊이는, 암묵지를 얼마나 꺼내느냐 따라 - 같은 AI를 쓰는데, 왜 결과는 다를까요. 당신의 맥락이 필요합니다.

2023년, 같은 질문을 던진 두 개의 대형 실험이 상반된 답을 내놨습니다. MIT의 Shakked Noy와 Whitney Zhang은 『Experimental Evidence on the Productivity Effects o

001

1M

항상 도와주는 AI가 오히려 학습을 망칠 수 있습니다. - 막힘이 사라지면, 배움도 사라집니다.

요즘 교육현장의 풍경은 이렇습니다. 모르는 것이 생기면 곧바로 AI에게 묻고, 몇 초 만에 친절하고 긴 답을 받습니다. 진도는 빠릅니다. 학습자도 만족합니다. 그런데 몇 주 뒤 혼자 문제 앞에 앉으면, 이상하게 아무것도 꺼내지지

001

1M

AI 교육에도 바퀴를 재발명할 필요는 없습니다. - 새로워진 것은 도구이고, 더 중요해진 것은 배움을 설계하는 방식입니다.

1885년, 헤르만 에빙하우스는 의미 없는 음절을 혼자 외우고 스스로 잊어버리는 실험을 몇 달간 반복했습니다. 그렇게 그려진 곡선 하나가 남았습니다. 배운 것의 절반 가까이가 하루 안에 사라지고, 나머지도 시간이 지날수록 완만하게

000

1M

AI 도입은 도착이 아니라 출발선입니다 - 도입과 성과 사이에서, 교육이 잃어버린 질문이 있습니다

지난달 파리에서 발표된 퍼블리시스 사피엔트(Publicis Sapient)의 2026 Global Enterprise AI Report에 따르면, 대기업 AI 의사결정자 1,550명 중 73%가 AI를 정기적으로 또는 대부분의 업

000

1M

AI가 빠를수록, 질문은 느려져야 합니다. - 정답을 빨리 받는 일과, 판단이 자라는 일은 다릅니다.

AI를 학습에 붙이면 가장 먼저 좋아지는 것은 속도입니다. 막힌 개념을 물으면 바로 설명해주고, 오류 메시지를 붙여넣으면 원인을 짚어주고, 과제 방향을 말하면 예시와 구조를 만들어줍니다. 학습자는 기다릴 필요가 줄고, 강사는

000

1M

AX 교육은 가르치는 문제가 아니라, 흡수의 문제입니다 - 강의를 들은 조직이 아니라, 피드백을 흡수하는 조직이 바뀝니다

요즘 이런 연락을 자주 받습니다. “이번에 AX 교육 한번 해보려고 하는데요." 그리고 대화는 거의 예외 없이 같은 방향으로 흘러갑니다. "어떤 내용을 넣을까요?"로 시작하죠. 누군가는 클로드 기본 사용법을 꼽고, 누군가는

000

2M

AI 교육의 기준은, 사용량이 아니라 사고 회수율입니다 - AI는 사고를 도와주지만, 사고를 남겨주지는 않습니다.

학습설계에서 스캐폴딩은 오래된 상식입니다. 말 그대로 건축 현장의 비계처럼, 학습자가 아직 혼자 오르기 어려운 단계에 잠시 세워주는 구조입니다. 중요한 것은 도움을 많이 주는 것이 아니라, 학습자가 다음 단계로 이동할 수 있을 만

000

2M

AI 시대의 교육은 ‘남는 실력' 을 설계해야 합니다 - 진정한 의미의 성장을 가능하게 하는 AI 활용 실전: 부트캠프 적용편

이전 글에서 저는 AI 시대의 학습설계가 ‘편리함’만으로는 불충분하다고 썼습니다. 이번 글은 그 후속편입니다. 조금 더 현장적인 이야기를 해보려고 합니다. 특히 부트캠프, KDT, 재직자 테크교육처럼 짧은 시간 안에 실제 역량을

000

2M

AI 시대의 학습설계는 '편리함' 만으로 불충분합니다. - AI가 대신 생각해줄수록, 내 학습은 사라집니다.

오랫동안 좋은 수업 설계의 중심에는 인지부하 이론(Cognitive Load Theory) 이 있었습니다. 학습자의 작업기억은 한계가 있으니, 불필요한 복잡성을 줄이고 꼭 필요한 내용에 집중할 수 있도록 돕자는 관점이에요. AI

000