사람이 배우면 늦다 — AI 시대, 교육의 주인공은 에이전트다

프롤로그: 옆자리에만 소문 나는 AI

모든 회사가 AI를 도입하고 있다. 하지만 나는 다른 풍경을 더 자주 본다.

누군가 작은 워크플로를 만들었다. 보고서 자동화, 고객 응대 초안, 리서치 루틴. 효과도 있고, 옆자리에 소문도 난다. 그런데 3개월 뒤, 그 도구는 사라진다. 만든 사람이 팀을 옮겼거나, 프롬프트가 개인 노션에 묻혔거나, 관리해 줄 시스템이 없었기 때문이다.

꼬냑(Cognac)이 X에서 던진 한 문장이 이 상황을 정확히 찌른다.¹

나는 이 글을 읽으며 교육 현장의 모습과 겹쳐 보였다. 교사 한 명이 ChatGPT 활용법을 터득해도 학교 시스템에 안착하지 못하는 경우가 많다. 학생 한 명이 AI로 과제를 빨리 해도 학습 역량으로 전환되지 않는 경우도 많다.

회사든 학교든, 문제는 도구가 없어서가 아니다. 배움의 주체와 저장의 시스템이 아직 '사람'에 묶여 있기 때문이다.

I – 회사 AI 도입의 3가지 실패 패턴

꼬냑은 요즘 조직의 AI 도입을 세 가지 유형으로 나눈다.¹ 교육기관을 떠올려도 거의 똑같다.

① 개인형 — 빠른데, 팀이 못 받는다

자기 일을 줄이려고 작은 AI 워크플로를 만든다. 효과는 있다. 하지만 팀의 도구가 되지 못한다.

비유: 집에서 맛있는 레시피를 개발했는데, 식당 메뉴판에 안 올라가는 것. 본인만 빨리 먹을 뿐, 조직은 여전히 느리다.

원인은 단순하다. 관리하는 사람이 없고, 받아주는 시스템이 없다.¹ 결국 한 번 쓰이고 버려진다.

② 비전형 — 크게 말하는데, 내일이 없다

"AI로 회사 전체를 바꾸겠다"는 조직은 많다. 그런데 다음 분기에 당장 바꿀 업무가 뭐냐고 물으면 답이 없다.¹

비유: "건강해지겠다"고 외치지만, 오늘 점심 메뉴는 모르는 다이어트.

교육 버전: "AI 디지털 대전환" 포스터는 화려한데, 이번 학기 3학년 수업에서 뭘 바꿀지는 모호하다.

③ 열정형 — 에이전트는 많은데, 시스템은 없다

팀장이 AI에 진심이라 직원마다 에이전트를 붙여준다. 가장 앞서 보인다. 하지만 그 에이전트가 무엇을 하고, 무엇을 저장하고, 어떤 기준으로 결과를 내는지엔 관심이 없다.¹

비유: 학생 전원에게 태블릿을 나눠줬는데, 수업 설계·평가 기준·데이터 정책은 그대로인 학교.

의욕은 최고치인데, 시스템은 꽝이다.

pie title "조직 AI 도입의 3가지 함정"
    "개인형: 빠르지만 소멸" : 40
    "비전형: 크지만 실행 없음" : 35
    "열정형: 많지만 관리 없음" : 25

II – 러닝머신 위의 코딩 강의

꼬냑의 핵심 주장은 여기서 나온다. 사람이 기술을 배우는 방식 자체가 너무 느리다.¹

예전에는 엑셀, SQL, 피그마, 노션, 파이썬을 배우면 몇 년은 경쟁력이 됐다.

AI 이후에는 다르다.

• 어떤 툴을 몇 주 공부하면, AI가 그 기능을 기본 탑재한다.
• 워크플로를 겨우 익혔는데, 다음 달 모델 업데이트에 흡수된다.
• 우리가 배우는 순간, 그 기술은 감가상각이 시작된다.

비유하자면, 러닝머신 위에서 코딩 강의를 듣는 것이다.¹ 열심히 뛰는데 위치는 그대로.

그래서 앞으로 중요한 질문은 이것이다.

에이전트가 학습하면 구조가 바뀐다.¹

• 새 API → 에이전트가 문서를 읽는다
• 새 툴 → 에이전트가 설치하고 테스트한다
• 반복 업무 → 스킬로 저장한다
• 실패 → 메모리에 남기고 반복하지 않는다

개인의 학습 곡선을 에이전트의 업데이트로 바꾸는 일이다.

III – 조직 자산으로 올리는 법: 프롬프트가 아니라 스킬

회사에서 전 직원에게 AI 계정을 나눠주는 것만으로는 부족하다.¹ 중요한 건 좋은 워크플로가 사라지지 않게 붙잡는 것이다.

쓸만한 프롬프트, 자동화, 검증 루틴, 고객 응대 방식, 리서치 방법 — 이것들을 개인 노트에 묻지 말고 조직의 에이전트 스킬로 올려야 한다.¹

비유: 개인이 만든 요리법 카드가 식당의 표준 레시피북이 되는 것. 주방장이 바뀌어도 맛이 유지된다.

MIT Sloan은 이 흐름을 Agentic Enterprise(에이전틱 기업) 로 부른다. 2026년 의사결정의 핵심은 "AI를 쓸까 말까"가 아니라, 에이전트가 어떤 권한·데이터·평가 기준으로 일하는가다.²

앞으로 AI를 잘 쓰는 사람은 툴을 많이 아는 사람이 아닐 가능성이 크다.¹

자기 에이전트에게 일을 가르치고, 실패를 복기하고, 새 기술을 대신 흡수하게 만드는 사람일 것이다.

뒤처지는 사람은 AI를 안 쓰는 사람이 아니라, 모든 걸 아직도 자기 머리로 직접 익히려는 사람일지도 모른다.¹

IV – AI 시대 교육: 도구 교육에서 에이전트 교육으로

여기서 교육 이야기로 연결한다.

지금 많은 AI 교육은 "도구 사용법" 에 머물러 있다. ChatGPT 프롬프트, 이미지 생성, 코딩 보조. 유용하다. 하지만 꼬냑가 말한 3가지 함정을 그대로 재현한다.

UNESCO는 2024~2025년 교사·학생 AI 역량 프레임워크를 발표했다.³ 핵심은 단순한 도구 조작이 아니라, 비판적 이해, 윤리, 인간 주도성을 포함한 역량이다.

하지만 프레임워크에 아직 약한 부분이 있다. 바로 에이전트 설계·조직 학습 인프라다.

교육에 필요한 3가지 전환

① 배움의 주체 전환

학생이 매번 새 AI 툴을 익히게 하지 말고, 자기 학습 에이전트가 새 도구를 흡수하게 설계한다. 초등 문해력 연구에서도 나왔듯, AI는 코치여야지 대신 쓰는 비서가 아니다.⁴

② 지식의 저장 위치 전환

좋은 프롬프트·피드백 루틴·프로젝트 방식을 개인 노션에 두지 말고, 학급·학교 에이전트 스킬로 올린다. 교사가 퇴직해도, 학생이 졸업해도 학습 자산이 남는다.

③ 평가 기준 전환

"AI를 썼는가"가 아니라 "에이전트에게 무엇을 가르쳤고, 실패를 어떻게 복기했는가"를 본다. 결과물만 보는 평가는 열정형 함정을 그대로 복제한다.

graph TD
    subgraph 구교육 ["🔴 구형 AI 교육"]
        A[새 툴 등장] --> B[사람이 교육받음]
        B --> C[개인이 씀]
        C --> D[졸업·이동 시 소멸]
    end

    subgraph 신교육 ["🟢 에이전트형 교육"]
        E[새 툴 등장] --> F[에이전트가 흡수]
        F --> G[스킬·메모리로 저장]
        G --> H[학급·조직 자산화]
        H --> I[실패 복기 → 업데이트]
    end

교실에서의 구체적 모습

• 학생: "이번 프로젝트에서 에이전트에게 가르친 3가지"를 제출
• 교사: 개인 프롬프트가 아니라 학급 공용 에이전트 스킬을 분기마다 업데이트
• 학교: AI 계정 배포가 아니라 에이전트가 뭘 저장·공유·평가받는지 정책화
• 사회: 직장인 AI 교육이 "ChatGPT 입문"이 아니라 "내 업무 에이전트 설계" 로 전환

Cedefop·UNESCO 보고서도 강조한다. AI 교육은 기술 훈련이 아니라 인간 주도성(human agency)을 지키는 설계 교육이어야 한다.³

에이전트가 배우게 하되, 판단·윤리·목표 설정은 사람이 한다 — 이게 AI 시대 교육의 균형점이다.

💭 이 글을 읽고 생각해볼 질문

1. 개인이 만든 소규모 AI 워크플로가 팀 차원의 수용 시스템 부재로 확장되지 않는 상황에서, 에이전트 설계 중심 교육이 조직 인프라와 관리 구조를 어떻게 재설계해 회사의 AI 도입 패턴을 집단적 실행 체계로 전환할 수 있는가?

2. 개인의 작은 AI 워크플로 성과가 팀 차원의 도구로 전환되지 못하는 병목은 관리자 부재보다 에이전트 학습을 수용하는 시스템·조직 인프라·교육 설계의 결핍에 얼마나 더 크게 기인하는가?

3. 당신의 교실·팀·회사에서, 지난 3개월간 "한 번 쓰이고 버려진" AI 워크플로는 무엇이었고, 그것을 에이전트 스킬로 올렸다면 어떻게 달라졌을까?

댓글로 당신의 조직·학교 AI 도입 유형(개인형/비전형/열정형)을 알려주세요.

결론: 배우는 사람에서 가르치는 사람으로

시의적 질문: "AI 시대에 뭘 배워야 살아남을까?"

보편적 질문: "누가, 무엇을, 어디에 배우게 할 것인가?"

꼬냑의 글은 날카롭다. 사람이 배우면 늦다. 에이전트가 배워야 한다.¹

하지만 이건 "사람은 안 배워도 된다"는 뜻이 아니다. 배우는 대상과 방식이 바뀐다는 뜻이다.

• 사람은 판단, 윤리, 목표 설정, 실패 복기를 한다
• 에이전트는 흡수, 실행, 저장, 반복을 한다
• 조직·학교는 수용 시스템을 만든다

교육이 이 전환을 놓치면, 학생은 러닝머신 위에서 프롬프트 강의만 듣게 된다. 회사는 AI 계정만 나눠주고 생산성 격차는 더 벌어진다.

역설적으로, AI 시대에 가장 배워야 할 것은 도구가 아니라 설계다. 내 에이전트를 어떻게 가르칠지, 실패를 어떻게 메모리에 남길지, 좋은 워크플로를 어떻게 조직 자산으로 올릴지.

Sources