SK 마이써니는 이런 고민을 하고 있었어요
SK mySUNI는 그룹 구성원의 AI 역량 교육을 맡고 있는 플랫폼이에요. 교육 과정은 이미 여러 갈래로 마련되어 있었습니다. 문제는 그 교육을 받는 사람이 지금 어느 수준인지 알 방법이 없다는 점이었어요. 구성원마다 AI를 다루는 수준은 크게 다릅니다. 누군가는 이미 업무에 생성형 AI를 능숙하게 쓰고, 누군가는 계정을 만드는 단계부터 시작하죠. 근데 수준을 모른 채 교육을 설계하면 아는 내용을 다시 듣거나 필요한 단계를 건너뛰게 되거든요. 교육이 끝난 뒤도 마찬가지였어요. 정성 평가에 기대어 온 방식으로는 역량이 얼마나 올라갔는지 말할 수 없었습니다. 육성 체계를 넓히기 전에 측정할 기준부터 세워야 한다는 것이 SK mySUNI의 판단이었어요.
AI 역량 교육에서 흔히 마주치는 3가지 어려움은 무엇일까요
1) 구성원의 현재 수준을 모르는 상태로 교육을 설계함
같은 과정을 모두에게 일괄 적용하면 AI 도구를 잘 쓰던 사람은 얻는 게 없고, 처음인 사람은 따라가기 어려워요.
2) 교육 이후 다음에 무엇을 배워야 할지 정해지지 않음
과정이 끝난 후 구성원은 다음 단계로 무엇을 배워야 하는지, 관리자는 누구에게 어떤 과정을 권해야 할지 판단할 기준이 없어요.
3) 교육 효과를 수치로 말할 수 없음
교육 이후 만족도 같은 정성 평가만 남다 보니 예산 대비 효과를 설명할 근거가 부족합니다.
SK 마이써니의 고민, 이렇게 해결했어요
그래서 SK mySUNI는 에이블 캠퍼스와 함께 AI 역량을 측정하는 기준(역량 체계)을 설계하고, 이를 바탕으로 구성원의 AI 역량을 정밀 진단해 Grade로 산정하여 결과에 따라 맞춤 교육을 자동 추천하는 AI Readiness 진단 시스템을 개발했어요. 진단부터 분석, 추천까지 AI Agent가 하나의 흐름으로 처리하도록 설계했습니다.
에이블 캠퍼스가 개발한 AI Readiness는 세 가지 어려움을 각각 하나의 기능으로 풀어요
AI 역량 자가진단 - 생성형·판별형 AI 영역을 적응형 진단으로 측정해 구성원의 현재 수준을 Grade로 산정해요.
개인 리포트 - 진단 Grade에 맞는 보완 교육 과정과 학습 로드맵을 자동으로 추천해, 다음에 무엇을 배워야 하는지 알려줘요.
관리자 대시보드 - 조직 전체 진단 현황과 영역별 평균 Grade 분포를 확인하고, 교육 전후를 같은 기준으로 비교해요.
에이블 캠퍼스가 개발한 AI Readiness의 진단 프로세스는 4단계로 진행돼요
기본 정보 입력 (준비) - 응답자 정보를 입력하고 진단 유형을 선택해요. 생성형 AI만 진단할지, 판별형 AI까지 포함할지 직무에 맞춰 선택합니다.
AI 역량 진단 (진단) - 응답에 따라 문항 난이도가 달라지는 적응형 방식(CAT)으로 진행돼요. 응답 수준에 따라 AI Agent가 다음 문항의 난이도를 자동으로 조절합니다.
결과 분석 (분석) - 영역별 Grade를 산정하고, 개인의 강점·약점과 목표 Grade까지의 격차를 분석해요.
맞춤 교육 추천 (추천) - 목표 Grade 도달에 필요한 교육 과정과 학습 로드맵을 추천합니다.
에이블 캠퍼스가 개발한 AI Readiness를 통해 SK mySUNI에는 이런 변화가 생겼어요
구성원 AI 역량을 같은 기준(Grade)으로 측정하는 체계 확보 - 구성원마다 다른 AI 역량 수준을 동일한 기준으로 파악할 수 있게 됐어요. 실제로 SK 계열사 한 곳에서는 역량 진단 결과에 따라 Grade별 교육을 설계해 해커톤을 진행했어요.
진단에서 맞춤 교육 추천까지 자동 연결 - 개인 리포트와 학습 로드맵이 함께 제공돼 진단이 다음 교육으로 이어집니다.
조직 단위 AI 역량 현황 가시화와 교육 효과 검증 - 관리자 대시보드로 부서별 역량 분포와 취약 영역을 확인해 교육 우선순위를 정하고, 교육 전후를 동일한 기준으로 진단해 교육 효과를 수치로 검증할 수 있게 됐어요.
에이블 캠퍼스의 AI 역량 진단 시스템은 이런 점이 특별해요
1) 응답에 따라 문항 난이도가 달라지는 진단 방식으로, 적은 문항으로도 개인 수준을 가려냅니다
모든 응시자에게 같은 문항을 일괄 제시하는 방식 대신, AI Agent가 응답 수준에 따라 다음 문항의 난이도를 조절해요. 잘 푸는 사람에게는 더 어려운 문항이, 어려워하는 사람에게는 수준에 맞는 문항이 이어집니다. 응시 부담을 줄이고 결과의 변별력을 높였어요. 진단 영역은 생성형 AI와 판별형 AI 두 가지예요. 문서·코드·이미지를 만들어내는 활용 역량과, 데이터를 분류·예측하는 모델 활용 역량을 나눠서 측정합니다. 응시자는 직무 특성에 따라 생성형 AI만 진단하거나 판별형 AI까지 함께 진단할 수 있어요.
2) 진단이 끝나면 '무엇을 배워야 하는지'까지 나옵니다
응시자는 영역별 Grade와 강점·약점, 목표 Grade까지의 격차를 개인 리포트로 받아요. 목표 Grade에 도달하기까지 필요한 교육 과정과 학습 로드맵이 함께 추천되어, 점수를 받는 것에서 끝나지 않고 어떤 교육이 필요한지를 확인할 수 있어요.
3) 조직 단위의 교육 효과가 수치로 남습니다
관리자 대시보드에서는 조직 전체 진단 현황과 영역별 평균 Grade 분포를 확인할 수 있어요. 부서별 역량 분포와 취약 영역을 확인할 수 있어, 어느 부서에 어떤 교육을 먼저 진행할지 기획할 수 있고, 인력 배치 및 조직 구성을 검토할 때 참고 기준으로 활용할 수 있습니다. 동일한 기준으로 교육 전후를 측정할 수 있다는 점이 핵심이에요. 교육 이후 Grade 변화를 수치로 확인할 수 있어, 그동안 정성 평가에 의지하던 교육 효과성을 객관적 수치로 검증해 볼 수 있습니다.