체크리스트

AI 강사를 고를 때, 이력서로는 안 보이는 기준

AI 강사를 뽑을 때 경력·자격증만으로는 부족합니다. KISDI·KRIVET·NIA 자료로 강사가 우리 업무 데이터로 실습을 설계할 수 있는지 확인하는 질문을 정리했습니다.

2026-09-03

AI 강사를 고를 때 강의 경력이나 자격증만 확인하면 실무 적용력을 놓치기 쉽습니다. 정말 확인해야 할 것은 이력이 아니라, 그 강사가 우리 조직의 실제 업무 데이터로 실습을 설계할 수 있는가입니다. 이 글은 그 능력을 검증하는 질문 목록을 정리합니다.

질문 목록을 만들기 전에 먼저 볼 것이 있습니다. 지금 채용 담당자들이 어떤 기준으로 강사를 고르고 있는지, 그리고 그 기준이 왜 실무 적용력까지는 보여주지 못하는지입니다.

AI 강사를 고를 때 흔히 확인하는 기준

채용 공고나 제안요청서에서 자주 보이는 조건은 강의 경력 연수, 보유 자격증, 이전 교육 수강생의 만족도 점수입니다. 이 조건들은 확인하기 쉽고 비교하기도 편해서 1차 필터로 쓰기에는 무리가 없습니다.

문제는 이 조건들이 강사가 다른 조직에서 잘 가르쳤다는 것만 보여준다는 점입니다. 우리 조직의 구성원이 AI를 얼마나 알고 얼마나 쓰고 있는지, 우리 업무에 맞는 실습을 설계할 수 있는지는 이력서에 나타나지 않습니다.

인지도와 실제 이용 사이의 격차부터 확인해야 합니다

정보통신정책연구원(KISDI)이 한국미디어패널조사를 분석한 결과, 생성형 AI 인지율은 2024년 38.1%에서 2025년 50.4%로 12.3%p 늘었지만, 실제 이용률은 2025년 기준 31.6%에 그쳐 인지와 이용 사이에 격차가 남아 있습니다. 알고 있다고 해서 쓰고 있다는 뜻은 아니라는 것입니다.

같은 경제활동인구 안에서도 지위에 따라 이 격차의 크기가 다릅니다. 2025년 기준 생성형 AI 이용률은 임금근로자 39.7%, 고용주 20.5%, 단독자영업자 12.6%, 무급가족종사자 6.6%로 나타났습니다.

구분	2025년 이용률
임금근로자	39.7%
고용주	20.5%
단독자영업자	12.6%
무급가족종사자	6.6%

같은 부서라도 구성원마다 출발선이 다를 수 있다는 뜻입니다. 강사 후보에게 이력만 물으면 이 격차를 알고 대응할 수 있는지는 확인할 수 없습니다. 먼저 물어야 할 것은 강의를 시작하기 전에 참가자의 실제 이용 수준을 파악하는 절차를 두고 있는지입니다.

직무별 실습 모듈을 설계할 수 있는가

고용노동부와 한국직업능력연구원이 개발한 AI 리터러시 훈련 커리큘럼은 기초 과정 하나에 직무별 5개, 업종별 3개로 나눈 실습 과정을 따로 두고 있습니다. 기초 과정은 생성형 AI의 원리와 활용법을 다루고, 직무별 과정은 일반사무·디자인·홍보(마케팅)·데이터/기획·건축설계 5개 직무로, 업종별 과정은 이·미용업·화훼장식업·카페·요식업 3개 업종으로 나눠 개발했습니다.

직무별 실습 과정은 모든 직무에 동일하게 적용하는 모듈과 직무별 사례로 실습하는 모듈, 두 개로 나눠 설계했습니다. 국가가 만든 표준 커리큘럼조차 직무를 하나로 묶지 않았다는 뜻입니다.

강사 후보에게 물어야 할 두 번째 질문은 이것입니다. 우리 조직의 직무 구성에 맞춰 실습 모듈을 따로 준비할 수 있는지, 아니면 표준 강의안 하나로 모든 부서를 가르치는지입니다.

조직 내부에 그 역량이 없다는 신호부터 봐야 합니다

한국지능정보사회진흥원(NIA)이 제조업을 중심으로 진행한 심층 인터뷰 조사는 현장의 상황을 이렇게 설명합니다.

도메인 지식과 AI 기술을 동시에 이해하는 융합형 인재가 부족하여, 현장 관리자·스마트팩토리 전문가와 AI 전문가 간 소통 간극에 따른 협업 마찰이 다수 발생

도메인 지식과 AI 지식을 함께 갖춘 인력이 조직 내부에 부족하다면, 외부에서 데려오는 강사가 그 간극을 메워야 합니다. 그런데 같은 조사에서 제조업 기업들이 AI 도입 확대를 위해 1순위로 꼽은 활동은 '새로운 AI 기술 및 서비스 동향 파악'(44.8%)이었고, '직원 대상 AI 교육'을 1순위로 꼽은 기업은 8.9%에 그쳤습니다.

기술 동향을 챙기는 일이 직원 교육보다 다섯 배 가까이 우선순위에 있다는 뜻입니다. 교육이 후순위로 밀리는 조직일수록, 막상 교육을 결정했을 때 강사 한 명의 역량이 그 공백을 대신하게 됩니다. 그래서 세 번째로 확인할 것은 강사가 AI 개념뿐 아니라 우리 산업과 직무의 맥락을 함께 설명할 수 있는지입니다.

그래서 무엇을 확인해야 하나요

세 가지 근거를 질문으로 바꾸면 강사를 검증하는 순서가 됩니다.

참가자의 실제 AI 이용 수준을 사전에 파악하는 절차가 있는지 물어봅니다. 설문이든 짧은 인터뷰든, 그 결과로 강의 내용을 바꾼 사례가 있는지까지 확인합니다.
우리 조직의 직무 구성에 맞춰 실습 모듈을 따로 준비할 수 있는지 물어봅니다. 표준 강의안 하나로 모든 부서를 가르친다고 답한다면, 실습 설계력이 아니라 발표력만 검증한 셈입니다.
우리 업무에서 실제로 쓰는 문서나 데이터 샘플을 보여주고, 그 자리에서 실습안을 구체적으로 제안할 수 있는지 확인합니다. 이 질문에 답하지 못하면 나머지 조건이 아무리 좋아도 실무 적용력은 검증되지 않은 것입니다.
AI 개념 설명과 우리 산업·직무 맥락 설명을 모두 할 수 있는지 물어봅니다. 둘 중 하나만 가능하다면 나머지 절반은 조직이 직접 채워야 합니다.

이 네 가지에 답하지 못하는 강사는 경력이 길어도 우리 조직에는 맞지 않을 수 있습니다.

자주 묻는 질문

AI 강사를 고를 때 경력 연수만 봐도 되나요?
경력 연수는 다른 조직에서 가르친 기간을 보여줄 뿐입니다. KISDI 조사에서 생성형 AI 인지율(50.4%)과 이용률(31.6%) 사이에 격차가 있는 것처럼, 조직마다 구성원의 실제 이용 수준이 다르므로 강사가 그 격차를 사전에 파악하는 절차를 갖췄는지 함께 확인해야 합니다.
표준 커리큘럼을 잘 아는 강사면 충분하지 않나요?
충분하지 않습니다. 고용노동부·한국직업능력연구원이 만든 공식 AI 리터러시 커리큘럼도 직무별로 5개, 업종별로 3개 실습 과정을 따로 뒀습니다. 표준 강의안 하나로 모든 부서를 가르치겠다는 강사는 실습 설계력을 검증받지 않은 것입니다.
강사가 우리 업무 데이터를 실습에 활용할 수 있는지는 왜 중요한가요?
실제 문서나 데이터 샘플을 보여줬을 때 그 자리에서 구체적인 실습안을 제안할 수 있는지가 실무 적용력을 가장 직접적으로 드러내기 때문입니다. 이 질문에 답하지 못하면 나머지 조건이 좋아도 우리 업무에 맞는 교육으로 이어지기 어렵습니다.
조직 내부에 AI 교육을 설계할 사람이 없으면 강사에게 무엇을 더 기대해야 하나요?
NIA 조사에서 제조업 기업들은 AI 도입 확대를 위한 활동 중 '새로운 기술 동향 파악'(1순위 44.8%)을 '직원 대상 교육'(1순위 8.9%)보다 훨씬 우선했습니다. 내부에 도메인 지식과 AI 지식을 함께 갖춘 인력이 부족한 조직일수록, 강사가 AI 개념과 우리 산업의 맥락을 모두 설명할 수 있는지가 더 중요해집니다.
수준별로 반을 나누는 것도 강사 섭외 단계에서 물어봐야 하나요?
물어봐야 합니다. 사전 설문으로 참가자 수준을 나눠 반별로 다른 강사를 배치한 교육 사례처럼, 수준 차이를 미리 파악하고 그에 맞춰 강의를 조정한 경험이 있는지가 실습 설계력을 보여주는 근거가 됩니다.