어떤 상황이었나
- — "요즘 AI, 챗봇 이야기가 많은데 실무자들이 이해하고 실제로 쓸 수 있는 교육이 있는지 모르겠습니다." 담당자의 이 말에는 단순한 교육 문의를 넘어 조직 안에서 AI를 어떻게 받아들여야 할지에 대한 고민이 담겨 있었습니다.
- — 참여자 대부분은 개발자가 아니었습니다. 코딩 경험이 전혀 없는 분도 있었고 기초만 접해 본 분도 있었습니다. 그래서 전제가 분명했습니다 — 이 교육은 개발자를 양성하는 과정이 아니라는 것입니다.
어떻게 진행했나
- — AI 기술을 나열하는 강의가 아니라 사내에서 실제로 활용 가능한 AI Agent를 직접 만들어보는 교육으로 설계했습니다. AI 교육은 '설명'보다 '적용 가능한 구조'를 먼저 보여줘야 한다는 원칙입니다.
- — 실무자는 이 챗봇이 어떤 업무를 대신해야 하는지 정의하고 어떤 답변이 필요한지 기준을 세웁니다. AI가 그 설명을 바탕으로 코드를 생성하면, 실무자는 그 코드를 읽고 업무 흐름에 맞게 수정하며 잘못된 방향을 바로잡습니다.
- — 핵심은 RAG(Retrieval-Augmented Generation) 구조였습니다. 기업에서 쓰는 AI는 그럴듯한 답변보다 근거 있는 답변이 훨씬 중요합니다. 사내 문서·매뉴얼·엑셀·규정 자료를 찾아 그 내용을 근거로 답변을 생성하는 구조입니다.
- — 초반에는 AI Agent와 바이브코딩의 전체 구조를 이해하는 데 집중했고, 중반에는 사내 데이터를 기반으로 RAG 에이전트를 직접 설계·구현했으며, 후반에는 "이걸 실제 업무에 어떻게 적용할 것인가"를 함께 고민했습니다.
무엇이 남았나
- — 수업이 진행될수록 참여자들 사이에서 "코딩을 배우는 게 아니라 AI에게 일을 시키는 법을 배우는 느낌이에요"라는 말이 나왔습니다.
- — RAG 개념을 이해한 이후에는 질문 자체가 달라졌습니다. "그럼 이 매뉴얼도 연결할 수 있겠네요", "부서별 기준 문서도 넣어볼 수 있을까요?" — AI가 업무의 도구로 바뀌는 순간이었습니다.
- — 남은 것은 교육 수료증이 아니라 실무자가 직접 만든 사내 챗봇, 업무에 바로 적용 가능한 AI Agent 구조, 그리고 AI를 '도입 대상'이 아니라 '업무 파트너'로 보는 관점이었습니다. 교육 이후에도 고도화와 확장에 대한 논의가 자연스럽게 이어졌습니다.
이 사례가 말하는 것
교육이 끝난 뒤에도 이 AI가 현장에서 계속 쓰일 수 있는가 — 이 기준 하나로 모든 실습을 실제 업무 시나리오에 맞춰 설계했습니다. AI를 설명하는 교육보다 AI를 조직 안에서 쓰게 만드는 교육이 목표입니다.
현장 이야기 · 네이버 블로그