인재를 구별하는 신호 체계가 바뀌고 있다" (SK아카데미 임창현 박사)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

AI 시대에는 학력과 결과물만으로 인재를 구별하기 어려워지며, 어떤 문제를 발견하고 정의했는지와 실패에서 무엇을 배웠는지가 새로운 판단 신호가 된다.

📌 핵심 요점

1. 인재 평가의 중심이 지식 보유에서 문제 발견으로 이동한다. AI가 지식과 결과물을 생산하면서 정답을 많이 아는 능력의 구별력이 약해지고 있다. 무엇을 풀어야 하는지 정하고, 가설을 세워 해결을 이어 가는 능력이 중요해진다는 진단이다.
2. 실제 문제를 해결한 경험이 역량의 증거가 된다. 누구와 어떤 문제를 풀었고 해결책이 누구에게 작동했는지가 인재를 판단하는 근거다. SK의 아이젠도 청년들이 현장의 문제를 찾고 해결 결과를 가치로 증명하는 경험을 지향한다.
3. AI 결과물의 효용과 인간의 과정 이해가 함께 필요하다. 결과물의 수준만으로 전문성을 판단하기 어려워질수록 오류의 원인과 판단 과정을 설명하는 능력이 중요하다. 특히 생명이나 고객과 관련된 문제에서는 사람이 결과를 통제할 수 있어야 한다.
4. 학습 민첩성은 실패 비용을 낮추는 구조에서 자란다. 작은 시도를 자주 실행하고 실패를 일찍 감지하며 평판 손상을 줄여야 경험이 배움으로 이어진다. 업무에 가설과 성공·실패 기준을 두고, 피드백의 대상을 가설과 방법으로 삼는 것이 핵심이다.
5. 리더는 목표를 제시하고 구성원의 방법 탐색을 지원해야 한다. 답을 먼저 알려 주면 당장의 효율은 높아져도 구성원의 학습이 제한될 수 있다. 목적과 가설을 묻고 재시도를 지원하되, 조직의 미션과 정체성을 변화의 판단 기준으로 유지해야 한다.

🧩 배경과 문제 정의

• AI가 지식과 결과물을 생산하면서, 정답을 얼마나 많이 아는지 보여 주던 학력과 지식 중심의 인재 평가 기준이 도전받고 있다.
• 풀어야 할 문제를 발견하고, 이해관계자에게 가치 있는 문제로 정의하며, 시행착오를 통해 해결하는 능력이 중요해지고 있다.
• 교육과 조직 운영도 정답 전달에서 실제 문제 해결로 전환필요가 있다. 이를 위해 실패의 비용과 불안을 낮추고, 경험을 학습으로 바꾸는 구조가 필요하다.

🕒 시간순 섹션별 상세정리

1. 정답 지식에서 문제 발견과 정의로 이동하는 인재 기준

• AI라는 또 다른 지능이 새로운 지식과 가치를 만들면서, 정답에 가까운 지식을 얼마나 많이 아는지 평가하던 학력 중심의 기준이 이전처럼 작동하기 어려워지고 있다. 학력을 보지 않는 채용의 배경에도 이러한 변화가 있다는 해석이다. [02:23]
• 무엇을 풀어야 하는지 발견하고 정의하는 능력, 정답 없는 문제에 가설을 세우는 능력, 시행착오에도 해결을 이어 가는 힘이 더 중요하고 희귀한 자원이 되고 있다. 인재 확보와 육성, 일하는 구조도 이에 맞춰 바뀔 필요가 있다. [03:06]

2. 기업이 직접 만드는 현장 문제 중심의 인재 육성 경로

• 실리콘밸리의 투자자와 혁신 기업들이 직접 교육기관을 세우는 현상은 기존 교육 방식만으로 필요한 인재를 확보하기 어렵다는 판단과 연결된다. [03:40]
• 교과목이나 전문가의 지식 전달보다 누구와 어떤 실제 문제를 풀었는지, 해결책이 누구에게 작동했는지, 현장에서 어떤 네트워크를 만들었는지가 인재를 발견하고 육성하는 증거가 되고 있다. [04:08]

3. AI의 좋은 결과와 인간의 과정 이해는 함께 필요하다

• AI의 수학 난제 해결을 둘러싼 논쟁에는 정답을 얻는 것만으로 좋은 수학자의 요건을 충족하지는 못한다는 입장이 있다. 반면 신약의 효과를 기다리는 환자에게는 과정 이해보다 치료 효과가 더 중요할 수 있다는 반론도 있다. [05:24]
• AI는 기존에 생산성이 낮았던 사람도 높은 수준의 결과물을 만들게 하지만, 결과물만으로 전문가와 비전문가를 구분하기는 어려워진다. 특히 생명이나 고객과 관련된 문제에서는 오류가 생겼을 때 어디서 왜 잘못됐는지 알아야 한다. [06:15]

4. 아이젠은 정답 전달보다 문제 해결과 안전한 실패를 지향한다

• SK의 ‘아이젠’은 미래 청년 세대가 문제를 감지하고, 고객과 이해관계자에게 가치 있는 문제로 정의하며, 해결 결과를 가치로 증명하는 경험을 지향한다. 잘 정리된 정답을 가르치는 일은 AI가 더 잘할 수 있다는 판단이 바탕에 있다. [08:13]
• 기업과 공공기관 등에 존재하는 실제 문제를 스스로 찾고 풀어 볼 안전한 무대를 만들려 한다. 정답을 미리 주지 않아 생길 수많은 실패를 안전하게 경험하면, 이후에도 스스로 문제를 정하고 해결할 수 있으리라는 기대다. [08:40]

5. 기업 교육은 지식 공급에서 업무 속 학습으로 전환해야 한다

• AI 시대에는 인재와 역량의 중요성이 커지는 동시에, 지식과 정답을 전달하던 HRD의 역할은 도전받는다. 고객과 실제로 부딪히는 문제를 풀고 실패하면서 배우는 방식이 더 필요해지고 있다. [10:48]
• 마인드셋·스킬셋·툴셋을 갖추는 교육은 현장과 더 밀접해져야 한다. AI도 이를 가능하게 하는 수단이지만, 현재는 기존 방식과 새로운 시도가 혼재하는 전환 과정에 있다는 진단이다. [11:12]

6. 관심 문제와 해결 경험이 새로운 신호가 되고, 정답 지시는 학습을 제한한다

• 어떤 문제에 관심을 갖고 무엇을 문제로 보는지, 누구와 함께 해결했는지가 사람을 판단하는 중요한 근거가 된다. 주어진 문제를 푸는 경험뿐 아니라 자신이 고민하는 문제를 해결하는 경험이 중요하며, 학습자의 분명한 문제의식이 필요하다. [12:29]
• 경험 많은 리더가 답을 알려 주면 당장의 문제를 빠르게 풀고 실패를 줄일 수 있다. 그러나 구성원의 학습이 제한되고 조직 역량이 리더의 역량에 머물러, 새로운 문제를 해결하기 어려워질 수 있다. [13:19]

7. 빠른 추격 이후에는 새로운 질문을 만드는 역량이 필요하다

• 한국의 빠른 추격은 주어진 질문을 잘 풀고 실행하는 역량에 기반했지만, 이제는 다음 문제가 외부에서 주어지지 않는다는 진단이 나온다. 진행자가 인용한 이정동 교수의 견해에서는 중국이 실행력과 함께 문제를 발견하고 제기하는 인재를 키우는 반면, 한국은 전환을 고민하는 상황이다. [14:23]
• 창업자와 스타트업은 새로운 문제를 발견하고 기회로 바꾸는 사람들의 사례가 된다. 이러한 문제의식이 『실패를 설계하는 사람들』에서 혁신 기업과 창업자를 살펴보는 배경으로 연결된다. [14:46]

8. 학습 민첩성은 경험을 통해 생각과 행동을 바꾸는 능력이다

• 학습 민첩성은 경험에서 빠르게 배워 자신의 생각과 행동을 바꾸는 능력이다. 익숙하지 않은 시도에는 실패가 따르며, 스타트업과 혁신 기업의 경영자들은 생존 조건 속에서 새로운 기회와 실패를 반복적으로 경험한다는 점에서 관찰과 인터뷰의 대상이 됐다. [15:31]

9. 혁신의 출발점은 당연하게 받아들인 불편의 작은 신호다

• 새로운 기회를 발견하는 일이 반드시 거대한 통찰에서 시작되지는 않는다. 여러 혁신 사례에서는 작은 변화가 축적되기 전의 약한 신호를 일찍 알아차리는 일이 중요했다. [16:13]
• 너무 익숙해 불편으로 인식하지 못하는 일, 많은 노동과 노력을 들이는 것이 불가피하다고 여기는 관행이 기회의 단서가 될 수 있다. 주변의 당연한 일을 낯선 각도에서 보는 것이 문제 발견의 출발점이다. [17:07]

10. 학습 민첩성을 높이려면 실패의 단가·발견 지연·손상을 낮춰야 한다

• 같은 경험을 해도 모두가 똑같이 배우지는 않는다. 실패에서 배우려면 한 번의 실패가 치명적이지 않아야 하므로, 시도를 작게 나눠 자주 실행하고 결과에 따라 빠르게 바꾸는 방식이 필요하다. [18:40]
• 실패를 늦게 알아차릴수록 돈과 노력 등 투입이 쌓여 비용이 커진다. 실패를 조기에 감지하고, 실패에 따른 평판 손상까지 줄이면 학습 민첩성을 높일 수 있다. [19:18]

11. 여유 시간뿐 아니라 일상 업무의 가설과 성공·실패 기준이 필요하다

• 진행자는 노트북LM을 작은 조직의 아이디어와 여유 시간에서 나온 서비스로 이해하고 있으며, 이를 실험 여유의 사례로 든다. 조직의 여유 시간을 효율화 대상으로만 취급하면 실험 기회가 줄어들 수 있다는 문제의식이다. [20:23]
• 인터뷰에서 언급한 연구에 따르면 사람은 자신의 실패보다 타인의 실패에서 더 많이 배우기도 한다. 자신이 무엇을 시도했고 무엇에 실패했는지조차 명확히 알아차리지 못하는 경우가 있기 때문이다. [21:19]

12. 실패 피드백의 대상은 사람이 아니라 가설과 방법이어야 한다

• 실패를 드러내고 배우려면 피드백이 개인에 대한 평가로 이어지지 않아야 한다. 평판 손상이 커지면 실패 비용도 커져 구성원이 시도를 꺼리게 된다. [22:28]
• 논의 대상을 가설과 방법으로 삼으면 실패 후 바꿔야 할 것도 개인이 아니라 방법이 된다. 고객의 피드백과 사실을 중심으로 일상 업무를 검토하고, 큰 실행에 앞서 작게 시험하는 경험을 축적필요가 있다. [23:05]

13. 리더의 질문이 실패를 학습 가능한 정보로 바꾼다

• AI가 훌륭한 결과물을 만들 수 있으므로 결과만으로 학습 여부를 판단하기 어렵다. 어떤 가설을 세웠고 무엇을 검증하거나 버렸는지 알아야 하며, 애초에 가설이 없으면 실패 원인을 몰라 같은 실패를 반복하기 쉽다. [24:00]
• 리더가 목적과 의도, 처음 세운 가설을 일상적으로 물으면 구성원도 이를 생각하게 된다. 무엇이 어떤 장면에서 잘못됐는지 파악할 때 실패가 배움에 필요한 정보로 바뀐다. [24:32]

14. 리더는 목표와 방향을 정하고, 구성원은 해결 방법을 실험한다

• 명확한 지시를 선호하는 구성원에게는 해야 할 일이 분명하고 평가 기준과 인정 절차도 명료하다는 이유가 있다. 스스로 정답 없는 문제를 제기하면 성과를 어떻게 평가받고 설득할지 불안할 수 있다. [25:31]
• 목표와 방향은 리더가 조직 차원에서 도전적으로 설정해야 한다. 구성원에게는 그 목표로 가는 방법을 스스로 고안하고 새로운 가설을 시험할 기회를 주어야 하며, 그 과정의 실패는 학습을 위해 허용필요가 있다. [26:16]

15. 위기감 강화보다 학습 불안을 낮추는 구조가 변화를 돕는다

• 새로운 배움에는 실패와 평판 손상에 대한 ‘학습 불안’이 따르고, 바꾸지 않으면 위험해진다는 ‘생존 불안’도 존재한다. 생존 불안이 학습 불안보다 클 때 사람이 변화한다는 설명이다. [28:11]
• 기업이 위기감을 높이면 생존 불안뿐 아니라 실패에 대한 학습 불안도 함께 커질 수 있다. 실패가 치명적이라고 느끼면 구성원은 변화보다 방어와 회피를 택하게 된다. [28:40]

16. 흔들리지 않는 정체성이 과감한 변화를 가능하게 한다

• 제품과 서비스뿐 아니라 가격 정책과 비즈니스 모델까지 거침없이 바꾸는 사람들에게는 바꾸지 않는 중심이 있었다. 일을 시작한 근본적인 이유와 정체성이 명확하면, 나머지는 바꿀 수 있는 방법이 된다. [30:36]
• “이걸 바꿔도 우리가 우리인가”라는 질문은 변화의 판단 기준이 된다. 자기 자신을 명확하게 이해하는 ‘자기 명료성’이 높을수록 자신에게 맞는 변화가 쉬워지며, AI 시대에도 자신이 누구이고 어떤 문제를 풀려는지 분명히 하는 일이 중요하다. [31:06]

17. 조직의 미션은 실제 선택을 바꾸는 기준이어야 한다

• 조직에서는 핵심 가치와 해결하려는 미션이 변화의 중심이 될 수 있다. 시각장애인을 돕는 서비스를 만든 사례에서는 “시각장애인이 독립적으로 자기 삶을 살도록 돕는가”를 기준으로 디자인과 가격을 바꾸고, 요금을 받으려던 계획도 바꿨다. [32:41]
• 벽에 붙어 있는 가치만으로는 행동이 달라지기 어렵다. 현장에서 도전받을 때도 지킬 수 있는 가치가 실제로 작동해야 하며, 그 기준이 분명하면 본질을 향해 방법을 유연하게 바꾸면서 성장할 기회가 생길 수 있다. [33:31]

18. 인간의 차별화는 도전과 실패에서 배우는 데 있다

• 정답을 찾고 틀리지 않는 일에 익숙했던 방식에서 벗어나, 인간은 틀릴 수 있다는 전제 아래 더 가치 있게 틀리고 배우는 방식을 고민해야 한다. 이는 AI와 함께하는 환경에서 인간이 어떤 역할을 맡아야 하는가라는 문제와 연결된다. [34:50]
• AI는 주어진 문제를 잘 풀지만 아무것도 걸지 않는다. 사람은 무언가를 걸고 도전하며, 실패를 겪는 과정에서 배운다는 점에서 역할의 차이가 있다. [35:31]

19. 작고 빠른 실패를 일상화하고 서로에게 시도할 기회를 준다

• 실패는 거창한 사건일 필요가 없다. 사람이 목적과 의도를 갖고 시도하고 실패하며 배우는 과정을 더 적은 비용으로, 더 빠르고 유연하게 반복할 수 있는 구조를 일터에 만들어야 한다. [36:31]
• AI는 놀라운 생산성을 주지만, 사용자가 틀렸을 때도 그럴듯한 방식으로 잘못된 생각을 강화해 실패와 학습을 막을 수 있다. 따라서 실패할 수 있고 실패를 통해 배워야 한다는 인간의 조건을 받아들일 필요가 있다. [36:56]

🧾 결론

• 새로운 인재 신호는 문제 선택, 협업, 가설 검증, 실패 이후의 행동 변화에서 드러난다.
• 실패를 권장하는 말만으로는 부족하다. 작은 비용으로 시도하고 결과를 확인하며 다시 실행할 수 있는 업무 구조가 필요하다.
• 교육과 리더십은 지식 전달을 넘어 실제 업무에서 배우는 경험을 설계하는 방향으로 전환필요가 있다.
• 지켜야 할 목적과 가치를 명확히 하면 제품, 가격, 비즈니스 모델 등 실행 방법을 유연하게 바꿀 수 있다.

📈 투자·시사 포인트

• 기업의 AI 활용을 평가할 때 결과물 생산성뿐 아니라 오류를 이해하고 통제하는 역량, 업무 재설계 여부를 함께 살펴볼 관점을 제공한다.
• 인재 확보와 육성에서는 학력이나 교육 이수 외에 현장 문제 해결 경험과 고객에게 입증한 가치를 확인필요가 있다.
• 조직의 혁신 역량을 살피는 단서로 실험의 크기, 실패 발견 속도, 재시도 기회, 실패에 따른 평판 부담을 점검할 수 있다.
• 교육·HRD의 변화 방향은 학습자의 현재 문제와 업무 흐름을 중심으로 제시된다. 다만 인터뷰만으로 관련 사업의 수익성이나 투자 성과를 판단할 수는 없다.

⚠️ 불확실하거나 확인이 필요한 부분

• 학력 중심 평가의 약화와 문제 발견 역량의 부상은 인터뷰의 진단이다. 제공 자료에는 업종별 채용 변화나 평가 효과를 비교한 정량 근거가 없다.
• 아이젠의 안전한 실패 경험과 인재 육성 플랫폼 확대는 지향점과 기대를 중심으로 설명된다. 실제 운영 성과와 참여자의 장기적인 성장 효과는 별도 확인이 필요하다.
• 타인의 실패에서 더 많이 배운다는 연구는 연구명과 조건이 제시되지 않았다. 노트북LM의 탄생 배경도 진행자의 이해로 소개되므로 확정된 사실로 일반화하기 어렵다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 현재 업무에서 해결하려는 문제와 그 문제가 고객·이해관계자에게 중요한 이유를 한 문장으로 적는다.
• 실행 전에 가설과 성공·실패 기준을 정하고, 큰 실행에 앞서 작게 시험할 방법을 찾는다.
• 회고에 시도한 방법, 확인한 사실, 버린 가설, 다음에 바꿀 행동을 기록한다.
• 리더와 구성원은 목표와 방향을 확인하고, 해결 방법을 스스로 고안할 기회와 실패 후 재시도 방식을 논의한다.

❓ 열린 질문

• 문제 발견과 학습 민첩성을 채용·성과 평가에서 어떤 증거로 일관되게 판단할 수 있을까?
• 안전하게 허용할 실패와 반드시 막아야 할 오류의 경계를 업무별로 어떻게 정할 수 있을까?
• 리더가 답을 제시해야 하는 상황과 구성원의 탐색을 기다려야 하는 상황을 어떻게 구분할까?