AI 리터러시를 넘어 'AI 플루언시'로

생성형 AI가 업무 현장에 빠르게 확산되면서 기업이 인재를 바라보는 기준도 근본적으로 바뀌고 있다. 불과 몇 년 전만 해도 AI 역량은 기술을 이해하고 활용하는 수준인 'AI 리터러시(AI Literacy·이해 능력)'를 의미했다. 생성형 AI 도구를 다룰 줄 아는지, 프롬프트 엔지니어링 기술을 갖췄는지, 혹은 AI의 원리와 한계를 인지하고 있는지가 주요 평가 대상이었다.

그러나 AI가 단순한 도구를 넘어 업무의 실질적인 파트너로 자리 잡으면서 기업의 관심은 전혀 다른 곳으로 이동하고 있다. 실제 업무 현장에서는 동일한 생성형 AI 모델을 사용하더라도 사용자에 따라 결과물의 성과가 천차만별 달라지기 때문이다. 미국 MIT 슬론(MIT Sloan)이 소개한 연구에 따르면, 이런 성과 차이는 기술이나 모델의 성능 때문이 아니라 사용자의 프롬프트 구성과 활용 방식에서 비롯된다. 결국 생성형 AI의 효용성은 기술 자체보다 이를 다루는 인간의 업무 방식과 협업 역량에 크게 좌우된다는 뜻이다.

이러한 패러다임의 변화 속에서 새롭게 주목받는 개념이 바로 'AI 플루언시(AI Fluency·AI 유창성)'다. AI 플루언시는 단순히 AI를 다룰 줄 아는 상태를 넘어, AI와 유기적으로 소통하며 직면한 문제를 해결하고 실질적인 비즈니스 성과를 창출해내는 고차원적 역량을 의미한다. 인공지능 스타트업 앤트로픽은 이를 'AI와 인간의 역할을 적절히 분담하고, 필요한 맥락을 정확히 전달하며, 생성된 결과를 철저히 검증해 책임 있게 활용하는 역량'으로 정의한다. 핵심은 AI 플루언시가 기술적 활용 능력 그 자체보다 인간의 판단력과 협업 방식에 초점을 맞추고 있다는 점이다. 이제 AI 시대의 진정한 경쟁력은 AI를 얼마나 많이 사용해 봤는가가 아니라, AI와 얼마나 효과적으로 '협업'할 수 있는가에 의해 결정된다.

AI 플루언시를 어떻게 평가할 것인가

많은 기업이 이같은 역량의 필요성에는 공감하지만, 이를 실제 채용과 인재 평가 현장에서 어떻게 검증할 것인가라는 현실적인 문제 앞에서는 여전히 명확한 기준을 찾지 못하고 있다. 대부분의 기업은 여전히 최종 결과물 중심의 평가에 의존한다. 그러나 생성형 AI 환경에서는 결과만 보고 그 사람의 실제 역량을 판단하기가 매우 어려워졌다. 똑같이 훌륭한 보고서나 코드를 제출했더라도, 어떤 인재는 전략적으로 AI와 대화하며 최적의 결론에 도달한 반면, 다른 인재는 AI가 뱉어낸 결과물을 아무런 검증 없이 그대로 복사해 붙여넣었을 수 있기 때문이다.

결국 기업에 필요한 과제는 'AI를 써 본 사람'이 아니라, 'AI와 함께 제대로 된 성과를 만들어낼 수 있는 사람'을 감별해내는 일이다.

필자가 참여하고 있는 '프로그래머스 AI 역량평가' 역시 이런 문제의식에서 출발했다. 추상적인 개념에 머물러 있는 AI 플루언시를 실제 업무 환경에서 관찰 가능한 '구체적인 행동 지표'로 정립하는 것이 핵심이었다. 앤트로픽이 AI 시대 역량의 본질을 이론적으로 설명했다면, 우리는 그 역량이 실제 업무에서 어떻게 구현되는지 평가 시스템으로 시각화하고자 했다. 그 결과, 우리는 AI 플루언시를 지탱하는 핵심 행동을 문제 정의, AI 협업, 결과 검증, 책임 관리라는 네 가지 단계로 체계화했다.

[AI 플루언시를 구성하는 4대 행동 지표]

문제 정의(역할 분담) ➔ AI 협업(피드백과 발전) ➔ 결과 검증(비판적 시각) ➔ 책임 관리(리스크 통제)

첫째는 '문제 정의' 단계다. AI 활용의 진정한 출발점은 프롬프트 입력창이 아니라 문제를 바라보는 시선에 있다. 해결해야 할 비즈니스 과제를 명확히 규정하고, 어떤 업무는 AI에게 위임하고 어떤 핵심 판단은 사람이 맡을지 역할을 분담하는 능력이다. 진정으로 AI를 잘 다루는 사람은 무작정 질문부터 던지는 사람이 아니라, '누가 어떤 역할을 맡아야 가장 효율적인지' 설계도부터 그릴 줄 아는 사람이다.

둘째는 'AI 협업'이다. 많은 이들이 프롬프트를 단순히 단발성 질문 작성 기술로 오해하지만, 실제 업무에서의 프롬프트는 AI와 일하는 방식 그 자체를 의미한다. 자신이 원하는 목표와 제약 조건, 배경지식을 얼마나 명확하게 동료(AI)에게 전달하느냐에 따라 산출물의 품질이 완전히 달라진다. AI를 잘 활용하는 인재는 단 한 번의 질문으로 완벽한 답을 기대하지 않는다. 지속적인 대화와 추가 피드백을 통해 AI의 답변을 점진적으로 고도화해 나간다.

셋째는 AI 플루언시의 유효성을 결정짓는 '결과 검증' 역량이다. 생성형 AI는 간혹 그럴싸하지만 틀린 답을 내놓는 '할루시네이션(환각)' 현상을 보인다. 따라서 AI의 결과물을 마주했을 때 "이 분석 모델이 과연 타당한가?", "데이터의 출처는 신뢰할 수 있는가?", "혹시 다른 해석의 여지는 없는가?"와 같은 비판적 의문을 던질 수 있어야 한다. 정보의 출처를 추적하고 반례를 찾아내며 결과물을 개선하는 검증 과정이야말로 인간만이 할 수 있는 핵심 역량이다.

마지막은 '책임 관리'의 영역이다. AI가 도출한 결과물이라 할지라도 비즈니스 환경에서 발생하는 최종 책임은 결국 인간과 조직의 몫이다. 업무 과정에서 개인정보나 기업 기밀이 유출되지 않도록 보호하고, 저작권 이슈를 검토하며, AI의 답변에 편향성이나 차별적 요소가 없는지 점검하는 눈이 필요하다. 책임 관리는 단순한 주의력이 아니라 위험을 인식하고 관리하는 판단 역량이며, 조직의 보안과 윤리를 지키는 핵심 요소다.