AI가 실행을 대신하는 시대,
AI를 활용하는 것만으로는 충분하지 않습니다.
AI와 함께 더 나은 판단을 내리는 힘이 경쟁력입니다.
AQbar는 구성원의 문제해결 역량을 7개 지표로 측정해, 조직의 현재 수준과 변화를 데이터로 관리합니다.
2026 Q2 · 3차 진단 · 응시 216명 / 대상 216명 · 완료 186명 · 부서 5 · 직급 4
| 지표 | 전략기획 | 마케팅 | 영업 | 개발 | 운영 |
|---|---|---|---|---|---|
| 전제 인식 · 재정의 | |||||
| 문제 구조화 | |||||
| 의사결정 | |||||
| 자기검증 | |||||
| 논증 구조화 | |||||
| 실행 가능성 | |||||
| 통합적 추론 |
상세 수치와 부서별 인사이트는 아래 히트맵에서 확인하세요 ↓
자기검증 57점 · 전 부서 최저 — 부서 간 격차(9점)보다 부서 내부 개인 편차(30점)가 더 큽니다.
자기검증운영 · 마케팅 우선 · 대상 62명
48통합적 추론영업 · 운영 · 대상 55명
55문제 구조화운영 신규 입사자 · 대상 21명
61| AI 교육 이수군 | 76.8 | +4.4 | |
| 미이수군 | 70.1 | +1.2 | |
| 입사 1년 미만 | 73.5 | +6.0 | |
| 일자 | 대상 | 완료 | 평균 | Q1 대비 | 상태 |
|---|---|---|---|---|---|
| 2026-06-18 | 운영본부 · 전 직급 | 38/44 | 66.2 | ▲ 2.1 | 분석 완료 |
| 2026-06-11 | 개발본부 · 시니어 | 29/31 | 76.4 | ▲ 5.3 | 리포트 발행 |
| 2026-06-04 | 영업본부 · 전 직급 | 41/48 | 69.0 | ▲ 3.8 | 리포트 발행 |
| 2026-05-28 | 마케팅 · 주니어 | 26/26 | 72.1 | ▲ 4.6 | 리포트 발행 |
| 2026-06-24 | 전략기획 · 리더 | 12/17 | — | — | 응시 진행 중 |
지금의 AX 교육은 AI 활용법을 익히는 데 집중되어 있습니다.
하지만 AI와 함께 생각하고 판단하는 역량까지는 다루지 못합니다.
“우리 조직은 AI를 얼마나 많이 활용하는지 보고 있습니까?
아니면 AI로 어떤 문제를 해결하고 있는지 보고 있습니까?”
AI 답변의 오류·근거 부족을 스스로 찾아내 수정하는 비율
막연한 업무 지시를 스스로 핵심 질문으로 재구성하는 비율
비교 기준과 근거를 명시적으로 제시하고 선택하는 비율
사람이 직접 검토·수정한 후 결과물 품질이 향상된 비율
교육 실행과 도구 사용에 대한 지표는 숫자로 보고할 수 있지만,
교육 이후 달라진 “역량 지표”에 대해서는 데이터가 없습니다.
출처: ① MIT NANDA · BCG (2025) · ② HBS×BCG (2023) · MSR×CMU CHI (2025) · ③ HBS×BCG (2023/2025)
곡선의 모양은 개념적 표현이며, 인용한 연구는 특정 시점에 측정한 결과입니다.
AI는 업무의 속도를 높입니다.
하지만 지속적인 성과를 만드는 것은
결국 사람의 판단력입니다.
조직과 직무의 맥락을 반영한 과제를 설계합니다. 정답이 정해져 있지 않은 실무 환경을 반영합니다.
실무와 동일하게 AI를 활용해 문제를 해결하도록 합니다. 폐쇄형 샌드박스, 제한된 시간 안에서 어떤 정보가 필요한지 스스로 판단하고 탐색합니다.
결과물이 아니라 대화를 봅니다. 무엇을 묻고, 무엇을 검증하고, 어떤 근거로 수정하고 결정했는지를 대화의 흐름 속에서 분석합니다.
AI와 협업하며 문제를 정의하고, 판단하고, 해결하는
전 과정을 분석합니다.
채용 평가와 동일한 평가 엔진으로
구성원의 문제해결 역량을 진단합니다.
AI와 상호작용하는 과정에서 드러나는 문제해결 역량을
7개 지표로 분류해 정량 측정합니다.
모든 지표는 인지과학·교육심리학·역량평가론의
검증된 연구를 바탕으로 설계되었습니다.
채용부터 재직까지 같은 기준으로
구성원의 역량 수준과 변화를 비교할 수 있습니다.
같은 기준으로 조직과 개인의 역량을 측정하고,
시간에 따른 역량 변화를 데이터로 확인할 수 있습니다.
부서 · 직급별 역량 분포와 취약 영역을 파악하고,
교육과 인재 육성의 우선순위를 정할 수 있습니다.
자신의 역량 프로파일을 확인하고,
강점과 보완 영역, 성장 변화를 확인할 수 있습니다.
데이터가 쌓일수록, 채용과 육성이 우리 조직의 인재 밀도를 높이고 있는지 확인할 수 있습니다.
186명 측정 완료 · 0–100점 · 셀 값 = 부서 평균 · 셀 작은 숫자 = 개인 최저–최고 점수
| 지표 | 전략기획22명 | 마케팅41명 | 영업58명 | 개발39명 | 운영26명 | 조직 평균 | 개인 최저–최고 | 60점 미만 |
|---|---|---|---|---|---|---|---|---|
| 전제 인식 및 재정의 | 7866–89 | 7155–84 | 6648–82 | 8068–92 | 6447–79 | 72 | 47–92 | 24% |
| 문제 구조화 | 8070–91 | 7964–90 | 7054–85 | 8472–94 | 6852–81 | 76 | 52–94 | 15% |
| 의사결정 | 7463–86 | 7258–85 | 7661–88 | 7360–86 | 7055–82 | 73 | 55–88 | 12% |
| 자기검증 | 6144–75 | 5538–72 | 5740–74 | 6045–76 | 5235–68 | 57 | 35–76 | 61% |
| 논증 구조화 | 7259–85 | 8167–92 | 6952–83 | 7461–87 | 6650–80 | 72 | 50–92 | 21% |
| 실행 가능성 | 7968–90 | 7360–86 | 7865–89 | 8069–91 | 7562–87 | 77 | 60–91 | 8% |
| 통합적 추론 | 7360–86 | 7257–85 | 6649–81 | 7966–90 | 6548–79 | 71 | 48–90 | 26% |
| 부서 평균 | 74 | 72 | 69 | 76 | 66 | 72.4 | 35–94 | 26% |
| 부서 내 개인 격차 | 23 | 34 | 36 | 26 | 32 | 30.2 | — | — |
채용부터 재직까지 같은 기준으로 진단하면 그 차이가 보입니다.
AI의 답을 그대로 수용하지 않고 다시 묻고 검증하는 과정이 늘었습니다. 답을 얻는 데서 그치지 않고, 자신의 판단을 점검하는 방식으로 변화했습니다.
AI의 답을 그대로 받아들이는 방식이 크게 달라지지 않았습니다. 익숙한 문제는 안정적으로 해결하지만, 새로운 문제에서는 스스로 판단하고 접근하는 데 어려움이 있을 수 있습니다.
AI의 답을 검증하기보다 그대로 받아들이는 경우가 늘었습니다. 문제를 스스로 확인하고 판단하기보다, AI의 답에 의존하는 경향이 커졌습니다.
위 그래프는 진단 데이터가 드러내는 변화의 예시이며, 실제 수치는 진단 결과에 따라 달라집니다.
대부분의 평가는 채용에서 끝납니다.
AQbar는 그 이후까지 연결합니다.
입사 후 역량 변화를 지속적으로 확인합니다.
채용부터 조직 진단까지 하나의 기준으로 연결합니다.
채용할 때 확인한 역량을 조직 진단으로 이어가고,
교육 후에는 같은 기준으로 다시 측정합니다.
하나의 기준으로 연결되는 네 단계
결과가 아니라 생각하는 사람을 평가합니다.
부서 · 직급별 역량 수준과 분포를 확인합니다.
취약 지표에 맞춰 교육 우선순위를 정합니다.
같은 기준으로 다시 측정해 역량의 변화를 확인합니다.
채용부터 재직까지 하나의 기준으로 연결합니다.
역량 데이터가 쌓이면, 이 질문에도 답할 수 있습니다.
"우리는 인재 밀도를 높이는 채용을 하고 있습니까, 낮추는 채용을 하고 있습니까?"
AI를 얼마나 잘 쓰는지를 넘어, AI와 함께 얼마나 나은 판단을 내리고 있는지 확인할 수 있습니다.
진단 규모와 도입 방식은 조직 상황에 맞춰 안내해 드립니다.
