사내 AI 교육 대상자 선정 4단계: 직무·수준별 그룹핑과 제외 기준까지

교육 공지 메일을 쓰다가 멈춘다.

수신자 목록에 커서를 두고 한참을 망설이게 됩니다. 전 직원을 넣자니 예산과 강의장이 감당이 안 되고, 몇 팀만 고르자니 “왜 우리는 빠졌냐”는 말이 먼저 떠오릅니다. 팀장들에게 추천을 받으면 한가한 사람이 올라오고, 자원을 받으면 이미 잘 쓰는 사람만 손을 듭니다. 결국 명단은 정해지는 게 아니라 떠밀려 만들어집니다. AI 교육 대상자 선정이 커리큘럼보다 먼저 막히는 지점이 여기입니다.

이 글을 다 읽지 않아도 괜찮습니다. 그룹핑 매트릭스와 선정 채점표만 필요하다면 교육 대상자 선정 템플릿과 진단 자료 모음에서 먼저 받아 쓰셔도 됩니다.

핵심 요약

• AI 교육 대상자 선정의 출발점은 ‘전 직원 필수’가 아니라 직무 축(무엇을 하는가) × 수준 축(어디까지 아는가)의 2차원 매트릭스
• 교육부 AI 온이음, 서울 AI 허브 공고가 쓰는 신청자격 · 서류평가 · 발표평가 3단 구조의 사내 이식
• 영업·마케팅, 개발자, 지원부서는 같은 생성형 AI를 써도 실습 과제가 다른 별개 반, 개발자·비개발자 혼반은 양쪽 만족도 동반 하락의 주범
• 선정 기준과 같은 무게의 ‘이번 기수 제외 대상’ 명문화, 그리고 미선정자용 재신청 경로와 다음 기수 일정 안내

대부분의 조직에서 AI 교육 대상자 선정은 인원수 배분 문제로 다뤄집니다. 부서별로 두 명씩, 총 40명. 그렇게 모인 40명은 첫 시간부터 서로 다른 표정을 짓습니다. 이미 프롬프트로 앱까지 만들어본 사람과 챗GPT 계정이 없는 사람이 같은 화면을 보고 있으니까요.

이 글은 그 명단을 만드는 절차를 4단계로 나눠 정리합니다. 직무 축과 수준 축을 교차한 그룹핑 매트릭스로 반을 나누고, 선정 채점표로 우선순위를 매기고, 제외 기준까지 문서로 남기는 순서입니다.

근거는 두 갈래입니다. 하나는 교육부의 2026년 대학 AI 기본교육과정 개발 지원사업, AI 온이음 사업, 서울 AI 허브 공고처럼 공공 영역이 실제로 쓰는 선정 기준을 뜯어본 것입니다. 다른 하나는 40곳 넘는 기업·기관에서 교육을 진행하며 본 반 편성의 실패 장면들입니다.

전체 흐름과 진단·성과 측정까지 함께 보려면 사내 AI 교육 완전 가이드: 진단부터 성과 측정까지 8단계 실행법을 먼저 보시면 됩니다. 이 글은 그중 대상 세분화 한 단계만 깊게 팝니다. 교육의 성패는 커리큘럼이 아니라, 누구를 어느 반에 넣었는가에서 이미 절반이 결정되기 때문입니다.

왜 전 직원 대상 AI 교육은 매번 실패할까요?

만족도는 4점대. 한 달 뒤 실사용률은 바닥.

이 조합을 이상하다고 느끼는 담당자가 많지만, 사실 가장 흔한 패턴입니다. 전 직원 2시간 특강은 대개 같은 경로를 밟습니다.

당일엔 반응이 좋고, 다음 주엔 각자 원래 하던 방식으로 돌아갑니다. 원인은 강의장 안에 있습니다.

같은 공간에서 ‘너무 쉽다’와 ‘따라갈 수 없다’가 동시에 나오기 때문입니다. 이미 생성형 AI로 보고서 초안을 뽑는 직원에게 프롬프트 기본 구조는 복습입니다.

반대로 계정조차 없는 직원은 화면 전환 속도부터 벅찹니다. 강사가 어느 쪽에 맞추든 절반은 이탈합니다.

커리큘럼이 나빠서가 아니라, 한 반에 앉으면 안 되는 사람들이 같이 앉아 있어서 생기는 일입니다.

한 IT 기업 마케팅팀에서 이 문제를 정면으로 요청받은 적이 있습니다. 잘 쓰는 직원과 못 쓰는 직원의 간극이 벌어지자, 그건 생산성 문제가 아니라 위화감이라는 조직 문제가 됐다는 겁니다.

격차 해소를 교육 주제에 넣어달라는 요청이었습니다. 개인기가 아니라 팀의 표준을 만들어달라는 뜻이었죠.

그래서 AI 교육 대상자 선정은 커리큘럼 설계보다 앞에 옵니다. 진단은 끝났고 강의안은 아직 열지 않은 구간, HRD 담당자가 가장 자주 건너뛰는 자리입니다.

이 글이 다루는 범위도 딱 그 한 단계입니다. 진단 결과를 직무 맞춤형 AI 교육이 가능한 그룹으로 쪼개고, 이번 차수에서 뺄 사람을 정하는 기준까지.

전체 흐름 안에서는 사내 AI 교육 완전 가이드 8단계의 2단계에 해당합니다. 앞뒤 단계가 궁금하다면 그쪽을 먼저 보는 편이 빠릅니다.

정부·기관은 AI 교육 대상자를 어떤 기준으로 뽑고 있나요?

사내 기준을 백지에서 만들려니 막막하실 겁니다. 그럴 필요가 없습니다.

이미 공신력 있는 기관들이 수백 개 신청서를 걸러내는 선정 기준을 공개해두었습니다. 문장만 사내 언어로 바꾸면 그대로 씁니다.

교육부·서울 AI 허브·기업교육의 선정 기준 비교표

사업·제도	대상 유형	핵심 선정 기준	절차	사내 적용 포인트
2026년 대학 인공지능(AI) 기본교육과정 개발 지원사업	4년제 대학 등 고등교육기관	기존 교육과정과의 연계성, 개발 역량	공고 → 신청 → 선정평가	기존 직무 업무와 붙는 교육인지 먼저 확인
AI 온이음 사업	취약계층·지역 고등학생	접근 기회가 부족한 대상 우선	기관 추천·모집	가장 뒤처진 그룹을 별도 차수로 분리
AI 융합형 교육실	선정된 학교(118개교 조성)	운영 계획과 활용 지속성	학교 신청 → 심사 → 조성	교육 후 쓸 환경(계정·도구)이 있는 조직 우선
서울 AI 허브 입주기업 모집	AI 분야 기업	사업성·성장 가능성	서류평가 → 발표평가 → 결과발표	신청서(서류) + 팀장 확인(발표)의 2단 검증
특수교육대상자 선정·SESA	진단 결과 기반 개별 학생	표준화된 데이터로 사전 예측	진단 → 판정 → 배치	감이 아니라 진단 점수로 반 배치

교육부 공고문의 신청자격 항목은 2026년 대학 인공지능 기본교육과정 개발 지원사업 원문에서 확인할 수 있습니다.

공공 기준에서 사내로 옮겨올 수 있는 3가지 항목

정책주간지 K-공감이 소개한 AI 융합형 교육실 조성 사례를 보면 평가 항목이 반복됩니다. 교육과정 연계성, 운영역량, 지속가능성입니다.

• 연계성 — 이 직원의 실제 업무에 교육 내용이 붙는가
• 운영역량 — 소속 팀장이 교육 후 실습 시간을 보장할 수 있는가
• 지속가능성 — 3개월 뒤에도 그 도구를 쓸 계정과 예산이 있는가

세 항목 중 두 개 이상이 비면, 그 직원은 이번 차수 대상이 아닙니다. 다음 분기로 미루는 편이 서로에게 낫습니다.

여기서 SESA 같은 예측 도구가 시사하는 바가 있습니다. 특수교육대상자 선정처럼, 대상자 배치는 인상이 아니라 사전 데이터로 결정된다는 원칙입니다.

선정 기준을 세우고 나면 그다음은 그 기준을 소화할 파트너를 고르는 일입니다. 판단 항목은 기업 AI 교육 업체 비교 9가지 기준에 따로 정리해두었습니다.

1단계: 직무 축은 어떻게 나눠야 할까요?

보통은 조직도를 엽니다. 영업본부 한 반, 마케팅팀 한 반, 개발실 한 반.

깔끔해 보이지만 여기가 첫 번째 함정입니다.

부서명이 아니라 ‘업무 산출물’로 묶으세요

같은 마케팅팀 안에도 카피를 쓰는 사람과 대시보드를 보는 사람이 섞여 있습니다. 두 사람이 AI에게 시키는 일은 전혀 다릅니다.

부서별 생성형 AI 활용 교육이 겉돌기 시작하는 지점이 정확히 여기입니다. 그래서 축을 산출물로 바꿉니다.

• 문서·콘텐츠 생성형 — 기획서, 카피, 보고서를 쓰는 사람
• 데이터 분석형 — 표와 지표를 해석하는 사람
• 코드·자동화형 — 개발·운영·업무 자동화를 다루는 사람
• 고객 응대형 — 문의와 상담 응대가 주업무인 사람

한 제약사 사업부는 메디컬·마케팅·영업이 한 조직 안에 있었습니다. 조직도로 나눴다면 한 반이었을 텐데, 실제 요구는 갈렸습니다.

그 사업부의 관심은 도구가 아니라 출처를 어떻게 믿게 만들 것인가였습니다. 규제 산업일수록 요청이 구체적입니다.

영업·마케팅, 개발, 지원부서의 실습 과제가 달라지는 지점

같은 8시간이라도 손에 쥐고 나가는 결과물이 달라야 합니다. 영업 마케팅 AI 교육 내용은 세 갈래로 잡힙니다.

• 제안서 초안 생성 프롬프트
• 고객 세그먼트별 메시지 변형
• 경쟁사 리서치 요약과 출처 확인

지원부서는 결이 다릅니다. 인사·재무·총무는 규정 문서 요약, 회의록 정리, 사내 문의 응대 템플릿이 실습 과제가 됩니다.

개발자 비개발자 AI 교육 차이는 더 분명합니다. 개발자에게는 API 연동, 에이전트 구성, 코드 리뷰 활용이 본론입니다.

비개발자에게는 프롬프트 구조화와 결과 검증 절차가 본론입니다. 두 그룹을 한 반에 넣으면 앞서 말한 이탈이 그대로 재현됩니다.

모듈 시수를 어떻게 배분할지까지 정하려면 직무별 AI 교육 커리큘럼 설계법에 4주 구성안이 들어 있습니다. 대상자를 나눈 다음 열어보면 순서가 맞습니다.

직무 축만으로는 아직 반이 짜이지 않습니다. 같은 마케팅 콘텐츠 담당자 안에서도 수준이 갈리기 때문입니다.

그 수준 축을 잡으려면 조직의 현재 위치를 숫자로 확인해야 합니다. 설문 돌릴 여유가 없다면 사내 AI 성숙도 진단이 그 역할을 대신합니다.

2단계: 수준 축(레벨)은 몇 단계로 설계하는 게 적당할까요?

직무로 나눴는데도 강의장 온도가 다르면, 남은 축은 하나입니다. 수준입니다.

여기서 담당자들이 가장 많이 하는 실수가 레벨을 촘촘하게 쪼개는 것입니다. 세분화할수록 정교해 보이지만, 반 편성 단계에서 무너집니다.

3단계가 현실적인 이유(입문·활용·심화)

1. 레벨은 3단계로 고정합니다. 5단계 이상으로 나누면 200명 조직에서도 한 반이 12명 밑으로 떨어집니다. 강사 일정과 회의실이 먼저 깨집니다.
2. 입문은 계정 개설과 기본 프롬프트까지입니다. 유료 계정을 아직 안 써본 사람, 한두 번 시도하고 접은 사람이 여기 들어옵니다.
3. 활용은 자기 업무 워크플로에 붙이는 단계입니다. 보고서 초안, 리서치 요약, 메일 응대처럼 반복 업무 한 가지를 AI로 돌려본 경험이 기준선입니다.
4. 심화는 자동화와 자체 도구 제작입니다. GPTs·에이전트·API 연동, 팀용 앱까지 가는 사람들이 모입니다.
5. 이 3단계를 앞 섹션의 직무 4분류와 교차하면 3×4 그룹핑 매트릭스가 나옵니다. 12칸 중 실제로 개설하는 반은 보통 4~6개입니다. 인원이 적은 칸은 인접 칸에 합칩니다.

레벨 판정은 자기평가가 아니라 사전 설문 문항으로

“본인 수준을 상·중·하로 골라주세요”는 가장 부정확한 문항입니다. 잘 쓰는 사람은 낮게 적고, 한 번 써본 사람은 높게 적습니다.

대신 사실 확인형 문항 여섯 개를 씁니다.

• 최근 한 달 생성형 AI 사용 빈도(주 5회 이상 / 1~4회 / 거의 없음)
• 유료 구독 여부와 사용 중인 도구 이름
• 업무 결과물에 AI 산출물을 반영한 경험 유무
• 결과가 틀려서 폐기한 경험과 그때 대응 방식
• 사내 문서·고객 데이터를 입력해본 적이 있는지
• 다른 사람에게 프롬프트를 공유하거나 알려준 경험

다섯 번째 문항은 레벨 판정용이자 보안 리스크 탐지용입니다. 여기서 ‘있다’가 많이 나오면 교육 전에 가이드라인부터 손봐야 합니다.

그래도 애매한 경계값이 남습니다. 그럴 때는 실기형 미니 과제 한 문항을 붙입니다. “지난주 본인이 쓴 메일 한 건을 AI로 다시 써보고, 원문과 결과를 함께 제출”이면 충분합니다. 프롬프트 구조를 보면 자기평가보다 훨씬 빨리 판정됩니다.

설문을 돌릴 여유가 없다면 조직 단위 진단이 그 역할을 대신합니다. 사내 AI 성숙도 진단 40문항으로 5단계 레벨을 먼저 잡고, 개인 배치는 위 6문항으로 좁히는 순서가 실무에서 가장 덜 무너집니다. 여기서 나온 그룹이 그대로 직무별 AI 교육 커리큘럼 설계의 입력값이 됩니다.

여기까지 읽고 “우리 조직은 지금 어느 단계지?”가 궁금하다면 — 17문항 5분 정밀 진단으로 AMI 점수, 8차원 중 어디가 병목인지, 90일 로드맵이 담긴 리포트가 바로 메일로 옵니다. 품의서에 그대로 첨부할 수 있는 형식입니다. 무료 진단 시작하기 →

3단계: 지원자가 정원보다 많다면 어떤 기준으로 뽑나요?

정원 30명에 신청 70명. 반가운 동시에 곤란한 상황입니다.

이때 선착순이나 팀장 임의 지명으로 가면, 다음 기수부터 신청서가 형식적으로 변합니다. 기준이 없다는 걸 조직이 먼저 알아채기 때문입니다.

대상자 선정 채점표 5개 항목과 배점

정부 지원사업 심사기준을 사내 규모로 축소하면 이 정도가 됩니다. 배점은 100점 기준입니다.

• 업무 적용 가능성 30점 — 신청서에 적힌 업무가 실제로 AI로 개선 가능한 형태인가
• 학습 의지·사전과제 수행 20점 — 사전 설문과 미니 과제를 기한 내 제출했는가
• 조직 내 확산 역할 20점 — 팀 내 공유 위치에 있는가(파트장, 프로세스 담당, 신입 온보딩 담당 등)
• 직무 대표성 20점 — 해당 직무 그룹에서 이미 몇 명이 선발됐는가(중복 과다 시 감점)
• 사후 공유 약속 10점 — 교육 후 팀 공유 세션 진행에 동의했는가

신청서에는 한 줄 필수 문항을 넣습니다. “교육 후 3개월 안에 개선하고 싶은 내 업무 1가지”입니다. 이 한 줄만 읽어도 30점 항목의 절반이 채점됩니다.

평가위원회를 만들 것인가, 팀장 추천으로 갈 것인가

서울 AI 허브 입주기업 선정처럼 서류평가와 발표평가를 나누는 구조는 사내에도 그대로 축소됩니다. 서류는 신청서, 발표는 팀장 인터뷰 5분입니다.

평가위원회 최소안은 네 명입니다. HRD 1명, 현업 팀장 2명, IT·보안 1명. 보안 담당이 들어가야 데이터 실습 가능 여부가 선정 단계에서 걸러집니다.

결재하는 쪽에 앉아 교육 품의서를 승인하고 반려해본 입장에서 말하면, 임원이 보는 건 커리큘럼이 아니라 선정 근거입니다. 채점표 한 장이 첨부되면 질문의 방향이 “왜 이 사람들인가”에서 “언제 시작하나”로 바뀝니다. 배점과 예산 논리를 같이 묶는 방법은 AI 교육 품의서 작성 쪽에 정리해뒀습니다.

4단계: 이번엔 제외해야 할 사람은 누구이고, 어떻게 안내하나요?

미선정 통보는 능력 평가처럼 읽힙니다. 아닙니다. 순서와 시점의 문제입니다.

그런데 이 구분을 통보 메일이 대신 설명해주지 않으면, 떨어진 사람은 조직에 대한 감정으로 정리해버립니다. 다음 기수 신청률이 그때 결정됩니다.

실무에서 자주 나오는 미선정 사유 6가지

신청서 목표가 불명확한 경우가 첫째입니다. “AI를 배우고 싶다”까지만 적힌 신청서는 채점 자체가 안 됩니다.

둘째는 직무 중복 과다입니다. 같은 팀에서 다섯 명이 신청하면 이번엔 두 명만 갑니다. 셋째는 사전과제 미제출, 넷째는 교육 기간 중 출장·프로젝트로 참석률 확보가 불가능한 경우입니다.

다섯째는 레벨 불일치입니다. 심화반을 신청했지만 사전 설문상 입문에 가까운 경우, 다음 기수 활용반이 본인에게 더 낫습니다. 여섯째는 보안 등급상 실제 데이터 실습이 불가한 직무입니다. 한 제약사 사업부에서는 강의 첫 문장을 ‘민감정보를 넣지 말라’는 당부로 시작해달라는 요청을 받았습니다. 이런 조직에서는 실습 데이터 범위가 곧 선정 조건이 됩니다.

떨어진 사람을 적으로 만들지 않는 안내문 구조

정부 지원사업 공고가 미선정 기관에 차기 공고 재도전을 열어두듯, 사내 기수 운영도 재신청 전제로 설계하는 편이 낫습니다. 탈락이 아니라 대기입니다.

통보 메일은 세 단락이면 충분합니다. 이번 기수 미선정 사유 한 줄, 다음에 보완하면 좋을 지점 한 줄, 차기 기수 일정과 신청 시점 한 줄.

대체 경로를 같이 주면 감정이 남지 않습니다. 사내 위키 셀프러닝 자료, 점심시간 30분 미니 세션, 대기자 명단 등록. 결원이 생기면 대기자에서 채운다는 문장 하나가 체감을 크게 바꿉니다.

선정 이력은 반드시 기록으로 남깁니다. 기수·신청자·소속·레벨·총점·선정 여부·미선정 사유 코드까지 한 시트에 쌓으면, 3기쯤부터는 신청서를 안 봐도 어느 직무가 병목인지 보입니다. 이 데이터가 AI 교육 실무 적용률을 올리는 90일 운영 설계의 출발점이 되고, 조직 전체 그림은 AI 활용 성숙도 단계로 다시 연결됩니다.

외부 지원사업이나 취약계층 대상 과정도 함께 봐야 할까요?

사내 예산은 늘 정원보다 작습니다. 그래서 미선정 명단이 길어집니다.

이때 눈을 밖으로 돌리면 선택지가 하나 늘어납니다. 정부·지자체가 운영하는 AI 교육 지원사업 중 일부는 기업이 연계 주체로 참여할 수 있습니다.

특히 AI 온이음 사업은 취약계층 고등학생에게 인공지능 교육 기회를 주는 구조여서, 기업 사회공헌 예산과 붙이기 좋습니다. 임직원 교육 예산과 CSR 예산은 지갑이 다르니까요.

사업·과정	주 대상	확인 포인트	사내 연계 방식
2026년 대학 인공지능(AI) 기본교육과정 개발 지원사업	대학(교육과정 개발 주체)	교육과정 연계성·지속가능성 중심 평가	산학 연계로 실무 사례 제공, 신입 온보딩 과정 공동 설계
AI 온이음 사업	취약계층 고등학생	대상 유형 구분 기준(교육급여 대상자 등)	사회공헌 예산 연계, 임직원 멘토 참여
AI 융합형 교육실	초·중·고 학교 단위	공간·기자재 중심 예산 지원 규모	지역 학교 협력, 장비 후원
서울 AI 허브 입주·프로그램	AI 분야 기업	서류평가 → 발표평가 → 결과발표	사내 선정 절차의 축소 모델로 참고

여기서 가져올 건 예산만이 아닙니다. 교육급여 대상자, 시도교육청 교육복지우선지원사업이 쓰는 유형 구분 방식은 사내 그룹핑에도 그대로 응용됩니다.

공적 사업은 ‘누구를 왜 우선하는가’를 문서로 남깁니다. 사내 선정에서 가장 자주 빠지는 게 바로 그 문장이죠.

운영은 하이브리드로 갑니다. 정원에서 밀린 인원 중 입문 레벨은 외부 무료 과정으로 안내하고, 사내 유료 과정은 활용·심화에 집중시키는 식입니다.

다만 공고는 매년 조건이 바뀝니다. 요약 기사만 보고 품의를 올렸다가 자격 요건에서 걸리는 경우를 여러 번 봤습니다. 교육부 공고문 원문과 모두를 위한 인공지능 인재양성 방안 관련 정책 소개를 직접 열어 확인하는 편이 빠릅니다.

연간 캘린더는 단순하게 만듭니다. 사업명·공고 시기·신청 자격·담당자, 네 칸이면 충분합니다. 예산 항목까지 붙이려면 기업 AI 교육 도입 로드맵의 예산 편성 부분을 같이 보는 게 낫습니다.

이 4단계를 일주일 안에 끝내려면 무엇부터 하나요?

“이걸 언제 다 하죠.” 대부분 이 지점에서 멈춥니다.

실제로는 일주일이면 됩니다. 결재하는 쪽에 앉아 교육 품의서를 승인하고 반려해본 입장에서 말하면, 오래 끄는 선정 절차일수록 명단의 설득력이 떨어졌습니다.

1. D-7 사전 설문조사 발송. 6문항, 응답 시간 3분 이내로 맞춥니다.
2. D-6 발송 문구는 “선착순 아님, 응답자만 배정 대상”으로 씁니다. 이 한 줄이 응답률을 80%대로 올립니다.
3. D-4 응답 마감. 미응답 팀은 팀장에게 개별 리마인드 한 번만 보냅니다.
4. D-3 레벨×직무 매트릭스에 인원 배치. 한 칸이 3명 미만이면 인접 칸과 합칩니다.
5. D-2 채점표로 정원 초과분 정리. 평가위원 4명이 각자 20분이면 끝납니다.
6. D-1 선정·미선정 통보 발송, 팀장에게는 1페이지 요약 공유.

팀장용 요약은 네 칸이면 충분합니다. 팀별 신청/선정 인원, 배정 그룹, 미선정 사유 유형, 다음 기수 예정일.

여기까지가 HRD의 몫입니다. 확정 명단이 나오면 곧바로 직무별 AI 교육 커리큘럼 설계로 넘기고, 그룹별 사전 과제와 실습 데이터 권한만 인수인계 항목으로 남기면 됩니다.

설문 돌릴 여유조차 없다면 사내 AI 성숙도 진단이 그 역할을 대신합니다. 조직 레벨과 병목이 리포트로 나와서 배정 근거로 그대로 붙일 수 있습니다.

자주 묻는 질문

AI 교육 대상자 선정 기준은 무엇인가요?

업무 적용 가능성, 직무 대표성, 학습 의지, 조직 내 확산 역할, 사후 공유 약속 다섯 항목을 점수로 매기는 방식이 가장 안정적입니다. 이 중 배점이 가장 큰 항목은 업무 적용 가능성입니다. 교육이 끝난 뒤 무엇이 바뀌는지 신청서 한 줄로 쓰지 못하는 지원자는, 대체로 3개월 뒤에도 쓰지 않기 때문입니다. 나머지 네 항목은 “이 사람이 배운 것을 옆자리로 옮길 수 있는가”를 보는 장치라고 보면 됩니다.

기업에서 생성형 AI 교육 대상자는 어떻게 정해야 하나요?

직무 4분류와 레벨 3단계를 교차한 매트릭스에 전 인원을 먼저 배치한 뒤, 칸별 정원이 넘칠 때만 채점표를 쓰는 순서가 좋습니다. 조직도부터 나누면 같은 팀 안의 카피라이터와 데이터 분석가가 한 반에 묶입니다. 배치를 먼저 끝내면 어느 칸이 비었고 어느 칸이 터졌는지가 눈에 보이고, 그때 선발이 아니라 분반 조정으로 풀리는 경우도 많습니다. 채점은 최후 수단입니다.

개발자와 비개발자를 같은 반에 넣어도 되나요?

입문 레벨의 공통 모듈까지는 합반이 가능하고, 활용·심화부터는 분반이 원칙입니다. 계정 개설, 사내 데이터 입력 금지 규칙, 기본 프롬프트 구조는 직무와 무관하게 같은 내용이라 함께 들어도 손해가 없습니다. 반면 개발자 쪽은 API·에이전트·코드 리뷰로, 비개발자 쪽은 프롬프트 구조화와 결과 검증 절차로 갈라집니다. 이 지점을 합반으로 끌고 가면 한쪽은 지루하고 다른 쪽은 못 따라가는 장면이 반드시 나옵니다.

정부 AI 교육 지원사업에 떨어지면 재신청 가능한가요?

대부분의 사업은 차기 공고에 다시 신청할 수 있습니다. 다만 같은 신청서를 그대로 내는 건 의미가 적습니다. 미선정 통보에 사유가 담겨 있다면 그 항목을 보완 목록으로 옮겨 적고, 사유가 없다면 공고문의 평가 항목표를 기준으로 자체 채점을 해보는 편이 빠릅니다. 2026년 대학 인공지능(AI) 기본교육과정 개발 지원사업 공고처럼 신청자격과 평가 기준이 원문에 공개된 경우가 많으니, 재도전 전에 원문을 다시 읽는 것이 먼저입니다.

AI 온이음 사업과 AI 융합형 교육실 사업의 차이는 무엇인가요?

대상이 다릅니다. AI 온이음은 취약계층·지역 고등학생에게 인공지능 학습 기회를 주는 사람 중심 사업이고, AI 융합형 교육실은 학교에 공간과 장비를 갖추는 인프라 구축 사업입니다. 앞쪽은 참여 학생 선발 기준이 핵심이고, 뒤쪽은 학교 단위 신청과 공간 조성 계획이 핵심입니다. 사내 교육에 옮겨 보면 전자는 대상자 선정, 후자는 실습 환경 예산에 해당합니다.

마무리

대상자 선정은 사람을 고르는 일처럼 보이지만, 실은 반을 설계하는 일입니다.

• 실패의 원인은 커리큘럼이 아니라 한 강의실에 섞인 직무 축과 수준 축
• 선발보다 먼저 할 일은 3×4 매트릭스 배치, 채점표는 정원 초과 시의 최후 수단
• 미선정 통보의 완성도는 다음 기수 신청률을 결정하는 변수

지금 당장 할 수 있는 건 하나입니다. 6문항짜리 사전 설문을 오늘 안에 발송하는 것.

주 사용 빈도, 유료 구독 여부, 실패 경험, 사내 데이터 입력 경험까지 네 문항만 받아도 레벨 축은 거의 완성됩니다. 설문 돌릴 여유가 없다면 사내 AI 성숙도 진단이 그 역할을 대신합니다. 조직 점수와 병목이 리포트로 나와 배경 자료에 그대로 붙일 수 있습니다.

그런데 여기서 대개 한 번 막힙니다. 명단이 나오고 나면 “왜 이 40명인가”를 결재선에 설명해야 하는 순간이 옵니다. 저는 SK텔레콤과 존슨앤드존슨에서 결재하는 쪽에 앉아 교육 품의서를 승인하고 반려해봤습니다. 반려의 이유는 대부분 문장력이 아니라, 선정 근거와 예산 사이에 인과가 비어 있다는 것이었습니다.

한 IT 기업 마케팅팀에서는 잘 쓰는 직원과 못 쓰는 직원의 간극이 위화감으로 번지고 있었습니다. 그 조직이 원한 건 개인기가 아니라 팀의 표준이었고, 표준은 결국 예산이 승인돼야 만들어집니다. 대상자 명단 다음 관문이 품의서인 이유입니다.

선정 이후 단계 전체가 궁금하다면 사내 AI 교육 완전 가이드: 진단부터 성과 측정까지 8단계 실행법에 진단부터 성과 측정까지 이어집니다. 커리큘럼으로 바로 넘어갈 계획이라면 직무별 AI 교육 커리큘럼 설계법이 이 매트릭스를 그대로 이어받습니다. 항목 구조와 예시 문구가 필요하면 AI 교육 품의서 작성 편도 함께 보면 됩니다.

이미 한 번 반려당한 상태라면 빈 양식보다 채워진 문서가 빠릅니다. 320명 규모 가상 기업 시나리오로 전 칸을 채운 품의서 완성 예시본과, ‘보안은?’ ‘효과 증명은?’ ‘내년에 하자’를 포함한 반려 사유 5가지별 재상신 문구가 들어 있습니다. AI 교육 도입 서류 3종 무료로 받기 — 전 칸을 채운 품의서 완성 예시본과 반려 사유 5가지별 재상신 문구 포함 (편집용 DOCX)

이 내용을 우리 회사 상황에 맞춰 이야기하고 싶다면 — 문의를 남겨 주세요. 24시간 안에 대표가 직접 답하고, 문의하신 분께는 전자책 《우리 회사 AI는 왜 2단계에서 멈췄을까》를 무료로 드립니다. 먼저 보고 결정하고 싶다면 다음 무료 라이브 특강을 예약해 두세요. 날짜가 잡히면 가장 먼저 알려드립니다.