대학의 적극적인 투자에도 베트남 AI 역량 격차 여전

직장 준비도 앞서는 AI 자신감

베트남 대학들은 인공지능에 대규모 투자를 하고 있으며, 베트남 학생들은 조사 대상 다른 시장의 학생들보다 AI와 함께 일하는 데 더 큰 자신감을 보였다. 그러나 피어슨과 아마존웹서비스(AWS)의 조사에 따르면 고용주들은 이러한 자신감과 졸업생들이 직장에서 AI를 효과적으로 활용하는 능력 사이에 격차가 있다고 본다.

베트남 조사에서 고등교육기관 지도자의 96%는 소속 기관이 AI에 투자하고 있다고 답했다. 학생의 52% 이상은 AI가 통합된 환경에서 일할 준비가 됐는지를 10점 만점에 8~10점으로 평가했다. 이는 조사 대상 6개 시장 가운데 가장 높은 자신감 수준이다. 반면 베트남 고용주 중 최근 졸업생들이 AI 통합 직장에서 필요한 8개 역량 전반에서 탁월하다고 평가한 비율은 15%에 불과했다.

이번 조사에는 베트남에서 학생 301명, 대학 지도자 및 교수진 50명, 고용주 및 기업 지도자 51명 등 총 402명이 참여했다. 전체 연구는 베트남, 브라질, 말레이시아, 사우디아라비아, 영국, 미국을 대상으로 했다. 조사 결과는 AI 도구에 대한 접근성 이상의 과제를 보여준다. 졸업생들은 판단력을 갖고 도구를 사용하며 결과를 검증하고 실제 업무에 적용할 수 있음을 입증해야 한다.

AI가 업무와 초급 일자리를 바꾸고 있는 만큼 이 격차는 중요하다. 챗봇에 프롬프트를 입력할 줄 아는 학생도 답변의 정확성을 판단하거나, 빠진 근거를 찾아내거나, AI의 추천이 기업의 필요에 어떻게 부합하는지 설명하는 데 어려움을 겪을 수 있다. 이런 과정에는 기술에 대한 이해와 함께 비판적 사고, 의사소통 능력, 전문 분야 지식이 필요하다.

투자는 빠르게 늘지만 고르지는 않아

보고서는 베트남을 AI를 전략적 우선순위로 삼고 상당한 투자를 하는 시장인 ‘고속 전략 추진국(High-Velocity Strategist)’으로 분류했다. 조사에 참여한 대학 지도자 10명 중 9명은 AI로 인한 직장 내 변화가 ‘매우 빠르거나’ ‘상당히 빠르게’ 일어나고 있다고 답했다. 이는 세계 평균인 67%보다 23%포인트 높은 수치다. 조사에 참여한 학계 지도자 전원은 향후 2년간 변화 속도가 더 빨라질 것으로 내다봤다.

투자가 모든 변화에 발맞출 역량을 보장하는 것은 아니다. 조사 대상 베트남 기관 중 모든 AI 발전에 보조를 맞추고 있다고 답한 곳은 28%에 그쳤다. 보고서는 교수진 역량 개발, 컴퓨팅 인프라, 기술 역량, 교육과정, 기관 운영을 위한 AI 시스템 등에 대한 투자를 짚으면서도, 준비도는 이러한 자원이 학습과 실습으로 어떻게 이어지는지에 달려 있다고 설명했다.

조사에서는 고등교육기관 지도자의 84%가 시장의 요구를 파악하기 위해 고용주와 정기적으로 소통하는 것으로 나타났다. 의미 있는 출발점이지만 정기적인 소통이 곧 고용주가 강좌 설계나 학생 평가에 참여한다는 뜻은 아니다. 다음 단계는 이런 협력을 더욱 실질적이고 지속적으로 만드는 것이다.

학생들의 자기 평가는 자신감에 대한 유용한 근거이지만 직무 수행 능력을 직접 측정하지는 않는다. 한편 고용주들은 실제 업무에서 마주하는 과제와 기대 수준을 기준으로 졸업생을 평가한다. 두 관점 사이의 격차는 학생들이 도구에 익숙해지는 데 그치지 않고 실무 역량을 입증할 기회를 더 많이 얻도록 강좌와 평가 방식을 설계해야 함을 시사한다.

고용주가 지적한 졸업생의 부족한 점

베트남 고용주들은 졸업생들의 AI 활용에서 몇 가지 문제를 지적했다. 43%는 AI 결과를 지나치게 신뢰하고 검증이나 사실 확인을 소홀히 하는 등 좋지 않은 습관을 꼽았다. 37%는 실무 경험 부족을, 35%는 AI 도구에 대한 과도한 의존을 지적했다. 응답은 서로 중복될 수 있지만, 종합적으로 보면 도구에 접근할 수 있다는 것만으로 준비도를 판단하기 어려운 이유를 보여준다.

고용주 중 AI 결과를 비판적으로 평가하는 능력이 탁월하다고 졸업생을 평가한 비율은 8%에 불과했다. 이 역량에는 신뢰할 만한 근거를 바탕으로 주장을 검토하고, 불확실성과 편향을 알아차리며, 자동화된 답변보다 사람의 전문성이 필요한 때를 판단하는 일이 포함된다. AI가 유창한 문장을 만들어내더라도 오류가 있을 수 있다는 점에서 특히 중요한 역량이다.

고용주들은 기술 지식, 적응력, AI 도구의 효과적인 활용, 창의성, 학문적 지식의 실무 적용, 지속적인 학습, 의사소통과 협업, AI 결과에 대한 비판적 평가 등 8개 영역을 평가했다. 전체 역량에서 탁월하다는 평가를 받은 비율인 15%는 이 역량들의 평균을 나타낸다. 모든 고용주가 각 영역에서 똑같은 평가를 내렸다는 뜻은 아니다.

이 문제는 베트남에만 국한되지 않는다. 피어슨과 AWS의 연구에서 전 세계 고용주의 53%는 직장 요건에 부합하는 AI 역량을 갖춘 최근 졸업생을 찾는 데 어려움을 겪는다고 답했다. 전체 조사에서 AI 도구를 전문 업무 과정에 적용하는 능력이 높은 수준에 도달했다고 답한 학습자는 14%에 그쳤다. 두 결과는 전환 과정의 문제를 보여준다. 도구 사용법을 배운다고 해서 직장에서 이를 안정적으로 활용할 준비가 저절로 갖춰지는 것은 아니다.

AI 활용 준비된 졸업생을 만드는 네 가지 역량

보고서는 AI 활용 준비도를 서로 연결된 네 가지 역량의 조합으로 설명한다. 실질적인 AI 활용 능력은 과제에 맞는 도구를 사용하는 방법을 아는 것이다. 핵심 인간 역량에는 판단력, 적응력, 의사소통, 협업, 문제 해결이 포함된다. 윤리적 책임은 AI를 책임감 있게 사용하고 개인정보 보호, 편향, 잠재적 피해를 고려하는 것을 뜻한다. 전략적 통찰력은 AI가 가치를 더할 수 있는 분야와 적합하지 않을 수 있는 분야를 이해하는 능력이다.

이 역량들은 함께 작동한다. 예를 들어 AI를 활용해 사업 제안서를 준비하는 졸업생은 과제를 구체화하고, 적절한 도구를 선택하고, 주장과 출처를 확인하고, 한계를 파악하고, 최종 권고의 근거를 설명할 수 있어야 한다. 시스템이 결과물 작성에 도움을 줬더라도 그 업무에 대한 책임은 사람에게 있다.

이 접근 방식은 AI를 가르치는 방법도 바꾼다. 널리 쓰이는 도구의 조작법에 주로 초점을 맞춘 강좌는 도구가 바뀌면서 금세 시대에 뒤처질 수 있다. 결과물을 평가하고 접근 방식을 조정하며 AI를 전공 지식과 연결하는 방법을 가르치는 편이 더 오래 유효하다. 이를 통해 학습자는 익숙하지 않은 시스템과 새로운 직무에도 역량을 적용할 수 있다.

보고서의 광범위한 ‘AI 준비도 마찰 프레임워크(AI Readiness Friction Framework)’는 교육에서 일자리로 넘어가는 과정에서 복합적으로 작용할 수 있는 여섯 가지 장벽을 설명한다. 변화 속도, 연계, 역량, 거버넌스, 경험, 기술이다. 변화 속도는 직장 내 변화가 교육과정 개편보다 빠르게 진행되는 상황을 말한다. 연계는 고용주와 교육자 사이의 피드백이 원활하지 않은 문제다. 역량에는 교수진의 준비도 차이가 포함된다. 거버넌스는 책임 있는 활용을 위한 실질적 규칙을 뜻한다. 경험은 체계적으로 실습할 기회가 부족한 문제다. 기술은 졸업생이 보여주는 역량과 일자리에서 요구하는 역량 사이의 불일치를 가리킨다.

고용주와의 소통을 공동 실습으로 연결

대학과 고용주는 실제 업무와 유사한 평가를 설계해 경험 부족 문제를 해결할 수 있다. 학생들에게 AI 도구를 설명하는 데 그치지 않고, AI로 제안서 초안을 작성하고 주장을 검증하며 약점을 찾아 권고안을 옹호하도록 과제를 낼 수 있다. 이렇게 하면 작업 과정이 드러나고 교수자는 최종 결과물뿐 아니라 판단력도 평가할 수 있다.

고용주는 실제 현장의 과제와 인턴십, 교육과정에 대한 피드백을 제공할 수 있다. 또한 교수진이 AI가 기업 현장에서 어떻게 활용되는지 파악하도록 팀을 관찰하거나 함께 일할 기회를 마련할 수 있다. 이런 협력은 불완전한 정보, 마감 기한, 동료에게 결과를 전달해야 하는 상황 등 교실 과제에서 놓치기 쉬운 제약을 학생들이 경험하게 해준다.

대학을 위해 보고서는 더 짧은 교육과정 검토 주기, 유연한 학습 모델, 학습자가 인정받는 자격을 단계적으로 쌓을 수 있는 누적형 자격 제도를 권고한다. 실무 중심 교수법에 초점을 둔 교수진 역량 개발과 현실적인 환경에서 AI를 실습할 수 있는 학점 인정 기회도 제안한다. 목표는 선택형 시연이나 단발성 입문 수업에 한정하지 않고 AI 활용을 핵심 학습 과정에 포함하는 것이다.

학생은 AI를 활용한 프로젝트 포트폴리오를 만들어 자신의 역량을 평가하기 쉽게 할 수 있다. 포트폴리오에는 과제의 내용, AI를 활용한 방식, 학생이 검증하거나 수정한 부분, 최종 결과를 담을 수 있다. 이런 증거는 학위나 AI에 능숙하다는 일반적인 주장만으로는 알기 어려운 지원자의 실무 역량을 고용주가 파악하는 데 도움이 된다.

보고서는 가상의 두 후보자, 즉 AI 역량은 뛰어나지만 학위가 없는 후보자와 학위는 있지만 AI 실무 경험이 제한적인 후보자 중 한 명을 선택하는 상황도 다룬다. 고용주들은 학위 소지자에게 단 4%포인트의 우위를 줬다. 이는 자격증과 학위가 여전히 중요하지만, 고용주들이 실제 역량을 보여주는 증거에도 상당한 비중을 둘 수 있음을 시사한다.

대학과 고용주를 넘어선 책임

명확한 거버넌스도 준비도의 한 축이다. 학생과 교직원은 어떤 도구를 사용해도 되는지, 어떤 정보를 입력해서는 안 되는지, AI가 생성한 결과물을 어떻게 공개해야 하는지, 검증 책임이 누구에게 있는지에 대한 실질적인 지침이 필요하다. 규칙이 명확하지 않으면 승인되지 않은 도구를 사용하거나 민감한 정보를 부주의하게 다룰 수 있으며, 교육 현장에서 시작된 위험이 직장으로 이어질 수 있다.

규제 당국은 정책을 명확히 하고 관련 디지털 기술 인증을 대학 교육과정에 포함할 수 있도록 지원해 전환을 뒷받침할 수 있다. 보고서는 교육기관과 고용주가 학습 성과와 평가 기준을 더 명확히 합의해 졸업생들이 역량을 일관된 방식으로 입증할 수 있도록 하라고도 권고한다.

피어슨과 AWS 경영진은 AI 활용 경험을 직장 역량으로 연결하는 데 초점을 맞춰 대응 방안을 제시했다. 이번 연구는 독립 조사기관 PSB 인사이트와 함께 진행됐으며, 6개 시장에서 학습자, 교육계 지도자, 고용주 2,700여 명의 설문 응답과 고등교육기관 지도자 인터뷰를 포함한다. 이 프레임워크는 각 기관이 교육에서 일자리로 이어지는 경로 중 어느 지점에 개선이 필요한지 파악하도록 돕기 위해 마련됐다.

베트남의 핵심 결과는 대학이 투자를 소홀히 했다거나 학생들의 관심이 부족하다는 것이 아니다. 투자는 폭넓게 이뤄지고 학생들의 자신감은 높으며, 조사 대상 기관 대부분은 이미 고용주와 소통하고 있다. 더 어려운 과제는 이런 강점을 반복적인 실습과 타당한 평가, 졸업 후 마주할 의사결정과 유사한 업무로 연결하는 것이다.

핵심 내용

• 조사에 참여한 베트남 고등교육기관 지도자의 96%가 소속 기관이 AI에 투자하고 있다고 답했다.
• 학생의 52% 이상이 AI 통합 업무에 대한 준비도를 10점 만점에 8~10점으로 평가했다.
• 고용주 중 최근 졸업생이 직장에서 필요한 AI 역량 8개 전반에서 탁월하다고 평가한 비율은 15%에 그쳤다.
• 고용주들은 부실한 검증 습관, 부족한 실무 경험, AI 도구에 대한 과도한 의존을 지적했다.
• 보고서는 고용주가 설계하는 평가, 실무 중심의 연습, 교수진 역량 개발, 명확한 AI 거버넌스를 권고한다.