재정 / 교육

2026 년 5 월 29 일- 2026 년 6 월 4 일 B-3

1961 년생 메디케어 무료로 신청해 드립니다!

앤텀 / 애트나 / 유나이티드 / 카이저 휴메나 / 케어훨스트 / 웰케어

▶1면 < AI 문제 > 에 이어 환각은 모델이 학습 데이터의 유사한 컨텍 스트를 기반으로 공백을 메우거나 편향되거 나 불완전한 학습 데이터를 사용해 구축될 때 자주 발생한다. 이것은 잘못 이름을 붙인 블 루베리 머핀의 경우와 같이 잘못된 추측으로 이어진다. 그래서 AI 환각과 의도적으로 창 의적인 AI 출력을 구별하는 것이 중요하다. AI 시스템이 스토리를 작성하거나 예술적 이 미지를 생성할 때와 같이 창의적이어야 할 때 새로운 결과물이 기대되고 개선된다. 반면에 환각은 AI 시스템이 사실에 입각한 정보를 제공하거나 특정 작업을 수행하도록 요청받 지만 정확한 것으로 제시하면서 부정확하거 나 오해의 소지가 있는 콘텐츠를 생성할 때 발생한다. 가장 큰 차이점은 맥락과 목적에 있다: 창의 성은 예술적 과제에 적합한 반면, 환각은 정 확성과 신뢰성이 필요할 때 문제가 된다. 이 런 문제를 해결하기 위해 기업들은 고품질 훈 련 데이터를 사용하고 특정 지침을 따르도록 AI 응답을 제한할 것을 제안했다. 그럼에도 불구하고 이런 문제는 인기 있는 AI 도구에 서 지속될 수 있다. 블루베리 머핀을 치와와 라고 부르는 것과 같은 출력의 영향은 사소해 보일 수 있지만, 이미지 인식 시스템을 사용 하는 다양한 기술을 감안하면 중요하다. 자율 주행차가 물체를 식별하지 못하면 치명적인 교통사고로 이어질 수 있다. 자율 주행 군사 용 드론이 표적을 잘못 식별하면 민간인의 생 명을 위험에 빠뜨릴 수 있다. 자동 음성 인식 기능을 제공하는 AI 도구의 경우, 환각은 실제로는 언급되지 않은 단어나 구절을 AI가 번역한 것이다. 이는 소음이 많 은 환경에서 발생할 가능성이 더 높은데, AI 시스템이 지나가는 트럭 소리나 우는 아기 소 리와 같은 배경 소음을 해석하기 위해 새 단 어나 관련 없는 단어를 추가할 수 있기 때문 이다. 이런 시스템이 의료, 사회 복지 및 법률 분야에 더욱 광범위하게 통합됨에 따라, 자동 음성 인식에서 발생하는 환각은 환자, 형사 피고인 또는 사회적 지원이 필요한 가족에게 해를 끼치는 부정확한 임상 또는 법적 결과로 이어질 수 있다.

관련성 있고 역할 업무별 교육 이런 AI 가 가진 기술적 한계가 해결되더라

도 사용자는 여전히 AI 를 확신하지 못할 것 이다. 그리고 처음 컴퓨터를 기업에서 업무에 활용하기 시작했을 때, 체계적인 교육을 심도 있게 시행한 것처럼 인공지능 역시 마찬가지 과정이 필요하다. 많은 조직에서 AI 사용과 관련된 교육을 제공한다. 그러나 이런 프로그 램은 종종 너무 광범위해 다른 프로그램에 로 그인하는 방법, 인터페이스의 모양 또는 AI 가 " 일반적으로 " 할 수 있는 것과 같은 주제 를 다룬다. 대화형 챗봇 및 콘텐츠 제작 플랫 폼에서 고급 데이터 분석과 작업 과정 자동화 프로그램에 이르기까지 사용할 수 있는 AI 도구의 수를 고려할 때 이것만으로는 여전히 충분하지 않다. AI 의 활용은 특정 주제 영역 과 학년 수준에서 매일 직면하는 장치, 소프 트웨어 및 상황에 맞게 조정된 교육에서 가 장 큰 혜택을 받았다. 교육은 직무에 따라 달 라져야 하며 사용자 중심적이어야 하며, 모든 상황에 적용하는 것이 아니어야 한다.

그리고 세대에 따라 활용도에 차이가 있다. 젊은 근로자는 나이가 많은 근로자보다 기술 을 사용하는 데 더 자신감을 느끼는 경향이 있다. Z 세대와 밀레니얼 세대는 디지털 네이 티브이며, 디지털 기술을 일상 생활의 일부로 삼으며 성장했다. 반면에 X 세대와 베이비붐 세대는 커리어 중간에 디지털 기술 사용에 적 응해야 하는 경우가 많았다. 그 결과, 그들은 능력이 떨어진다고 느끼고 AI 와 그 가능성을 무시할 가능성이 더 커질 수 있다. 그리고 AI 에 대한 몇 번의 시도가 실망스럽거나 실수 로 이어진다면 그 첫인상은 계속 남게 된다.

생성형 AI 도구가 처음 상용화되었을 때 환각에 빠져 자신 있게 잘못된 정보를 쏟아 낼 가능성이 더 높았다. 구글이 2023 년에 AI 도구를 시연한 후 사실에 입각한 오류로 인 해 모회사가 1,000 억 달러의 시장 가치를 잃 었다. 또한 변호사가 ChatGPT 의 호의로 조 작된 사례를 인용해 뉴스가 되었다. 이와 같

은 순간은 특히 AI 의 신뢰성에 대해 이미 확 신이 없는 근로자들 사이에서 회의론을 강화 했을 가능성이 높다. 그러나 이 기술은 비교 적 짧은 기간에 이미 먼 길을 왔다. AI 를 받아 들이는 속도가 느릴 수 있는 사람들을 끌어들 이기 위한 해결책은 그들을 더 세게 밀어붙이 는 것이 아니라 그들을 코칭하고 그들의 배경 을 고려하는 것이다.

효과적인 AI 교육의 모습 인공지능 전문가는 AI 활용에 성공할 수 있 는 능력에 대한 개인의 믿음을 형성하는 4 가 지 핵심 요인을 제시하고 있다.- 숙달 경험 또는 개인적 성공- 대리 경험 또는 비슷한 위치에 있는 다른 사람들이 성공하는 것을 보는 것- 언어적 설득 또는 긍정적인 피드백- 생리적, 감정적 상태, 또는 누군가의 기분, 에너지, 불안 등. 교육자에 대한 연구를 통해 이런 개념이 어 떤 차이를 가져오는지 살펴본 결과, 동일한 접근 방식이 기업 세계 또는 개인이 자기 효 능감을 구축해야 하는 거의 모든 환경에서 AI 에 적용될 수 있음을 파악했다. 직장에서 는 성장, 개선 등에 대해 리더와 직원 간의 정 기적인 커뮤니케이션인 피드백 루프를 포함 하는 코호트 기반 교육과 직원의 요구와 역 할에 맞게 사용자 지정할 수 있는 콘텐츠를 통해 이를 달성할 수 있다. 또한 조직은 직원 들이 자신감을 키우고 새로운 AI 프로그램 을 시도할 수 있는 낮은 부담 기회를 제공하 는 프롬프트 파티와 같은 매력적인 형식을 실 험할 수 있다.

" Pokemon Go!" 에서는 작고 부담이 적은 승리를 많이 쌓고 그 과정에서 경험치를 획 득해 레벨을 올릴 수 있다. 직장도 같은 방식 으로 AI 교육에 접근해 직원들에게 실제 업 무와 연계된 간단한 기회를 자주 제공해 자신 감과 기술을 꾸준히 구축할 수 있다. 커리큘 럼이 혁신적일 필요는 없다. 조직이 AI 기술 을 개발하고 액세스하는 데 지속적으로 막대 한 투자를 함에 따라 이를 사용할 사람들에게 투자하는 것도 필수적이다. AI 가 인력의 모 습을 바꿀 수 있지만 여전히 인력은 존재한 다. 그리고 사람들이 잘 훈련되면 AI 는 그들 과 그들이 일하는 환경을 훨씬 더 효과적으로 만들 수 있다.