한국 직장인 리스킬링 실패하는 이유

의지 문제가 아닌 구조 문제, 현장 DS가 직접 말하는 해법

"리스킬링으로 데이터 사이언티스트가 되자"

이 말은, 2022년경부터 급속히 퍼지기 시작하여, 이제는 정부 정책에서 기업 연수 프로그램까지, 여기저기서 들리게 되었다. 한국 정부는 고용보험 직업능력개발 훈련 지원에 수천억 원 규모의 예산을 투입하고, 대기업은 잇달아 "전 직원 AI/DX화"를 선언했다.

그러나 현실은 어떤가?

한국직업능력연구원의 리스킬링 실태 조사에 따르면, 리스킬링 실패 사례로 가장 많이 거론되는 것은:

'연수·학습 내용이 실무에 맞지 않았다' (40%대)

'종업원 개인 맡기기가 되어, 성과로 이어지지 않았다' (30%대)

'대상자가 학습을 완료할 수 없었다' (30%대)

그리고 더욱 근본적인 문제가 있다. 한국경영자총협회 조사에 따르면, 한국 직장인의 상당수가 "업무 외 시간에 별도 학습을 하지 않는다"고 응답하고 있다.

배우려 하지 않는 사람에게, 배우게 할 수는 없다. 그러나 나는 "그러므로 리스킬링은 무의미하다"고 말하고 싶지는 않다.

문제는 리스킬링 그 자체가 아니라, "무엇을 어떻게 배우게 하려고 하는가"의 설계에 있다.

이 장에서는, 현장에서 봐온 리스킬링의 실태를 솔직하게 쓴다. "AI를 사용할 수 있는 사람"과 "AI에 사용당하는 사람"에 대한 잔혹한 사실도 포함하여 설명한다.

리스킬링이라는 말이 갖는 '오해'

먼저, 말의 정리부터 시작하자.

'리스킬링'과 '연수'는 다르다. '리스킬링'과 '자격 취득'도 다르다.

연수는 '지금의 일을 더욱 잘하기 위한 지식 보충'이다. 자격 취득은 '특정 스킬을 가지고 있다는 증명'이다. 그러나 리스킬링은 '새로운 직종·역할에 종사하기 위해 필요한 스킬을 근본부터 재습득하는 것'을 가리킨다.

이 차이는 중대하다.

Python 입문 부트캠프를 2주간 수료해도, 데이터 사이언티스트가 될 수는 없다. ADsP(데이터분석 준전문가)·빅데이터분석기사를 취득해도, 현장에서 AI를 구현할 수 있게 되지는 않는다.

진정한 리스킬링이란, 일하는 방식을 근본부터 바꾸는 것이다. 그것은 2주간으로도 3개월로도 완성되지 않는다. 많은 경우, 1~2년의 지속적인 실천이 필요해진다.

결정적인 문제가 있다. 자격 취득이 전사의 AI·DX 전략의 어디에 연결되는지가 불명확한 경우, 단순한 개인의 스킬업에 그쳐버린다. 회사가 추진하는 AI 전략과 개인의 리스킬링이 분리되어 있는 한, 조직 차원의 변화는 일어나지 않는다.

'AI를 사용할 수 있는 사람'과 'AI에 사용당하는 사람'의 분기

데이터 사이언티스트로의 리스킬링에 관여해온 경험으로부터, 이 분기는 '머리의 좋음'이나 '나이'와는, 생각하는 것보다 관계가 없다. 결정적인 분기점은 세 가지다.

분기점①: '답이 없는 물음'을 즐길 수 있는가

데이터 사이언스의 일은, 교과서 대로 풀리는 문제가 거의 없다. 현장 데이터는 더럽다. 문제의 정의부터 시작해야 한다. 정답이 하나가 아니다.

Python 구문은 외울 수 있다. 통계 공식은 암기할 수 있다. 그러나 '애초에 무엇을 풀어야 하는가'라는 물음에 계속 마주할 수 있는지는, 학습 내용이 아니라 사고의 형(型)의 문제다.

HIRA 청구 데이터를 받아서 '의료비 낭비를 줄이고 싶다'는 오더가 왔을 때, AI에 '물음을 설계해주세요'라고 프롬프트를 쳐도 의미 있는 답은 돌아오지 않는다. 청구 데이터의 구조를 이해하고, 실제 진료 현장의 의사결정 맥락을 파악하고, '진짜 문제는 낭비가 아니라 특정 진료과의 진단 편차다'라고 재정의하는 프로세스는 데이터 사이언티스트가 현장을 알아야 처음으로 할 수 있는 일이다.

프로세스가 보이지 않는 물음에 대해 '가르쳐주세요'라고 말하는 사람과, '먼저 이런 어프로치를 시험해보겠습니다'라고 말하는 사람의 차이는, 몇 달의 연수로는 메워지지 않는다.

분기점②: 실패를 학습 비용으로 받아들일 수 있는가

데이터 사이언스는, 시행착오의 연속이다. 모델을 만든다. 정밀도가 나오지 않는다. 가설을 바꾼다. 또 시험한다. 이 사이클을 수십 번 반복한다.

"실패를 탓하는 것보다 챌린지한 것이 평가받는다"는 문화가 있는 조직에서는, 리스킬링은 뿌리내린다.

한국 기업의 성과 연구에서도, AX 성과의 실감과 가장 관련이 있었던 것은 "실패를 탓하는 것보다 챌린지한 것이 평가받는다"는 직장 환경이었다는 것이 나타나고 있다.

역으로 '성공한 사례밖에 보고해서는 안 된다'는 암묵적인 규칙이 있는 조직에서는, 데이터 사이언티스트는 자라지 않는다. KPI 달성 보고에만 집중하는 성과주의 문화가 강한 조직일수록, AI 프로젝트의 PoC 단계에서 멈추기 쉽다.