AI 리터러시 프레임워크(AILit)
AI와 관계 맺기, AI로 만들기, AI 관리하기, AI 설계하기의 4개 영역으로 정리했습니다. "AI 관리하기"에는 과업 성격에 따라 AI를 쓸지 정하고, 문제를 나눠 무엇을 자동화할지 결정하는 능력이 들어 있습니다. OECD 국제학업성취도평가(PISA) 2029의 미디어·AI 리터러시 평가에 반영될 예정입니다.
AI를 쓰는 사람은 이미 많습니다. 그런데 같은 AI를 써도 결과는 크게 다릅니다. 그 차이를 만드는 것이 AI 활용능력입니다. 이 글은 AI 활용능력의 뜻, 국제 기준, 기업이 채용과 사내 평가에서 실제로 보는 방식, 직군별 차이, 그리고 스스로 진단하는 방법을 정리합니다.
한 줄 정의AI 활용능력은 AI에게 맡길 일을 고르고, 목적과 조건을 담아 지시하고, 돌아온 결과가 맞는지 검증해 책임지고 쓰는 능력입니다.
두 말은 자주 섞여 쓰이지만 보는 곳이 다릅니다. AI 리터러시가 "AI를 아는가"라면, AI 활용능력은 "AI로 일을 끝내는가"입니다. 아는 것만으로는 업무 결과가 바뀌지 않습니다.
| 구분 | AI 리터러시 | AI 활용능력 |
|---|---|---|
| 핵심 질문 | AI가 무엇이고 어떻게 작동하는가 | 이 일을 AI와 어떻게 나눠 끝낼 것인가 |
| 보는 것 | 개념 이해, 위험과 한계 인식, 윤리 | 업무 분해, 지시, 결과 검증, 책임 있는 사용 |
| 확인 방법 | 지식 문항, 설명 | 실제 과제를 AI로 처리하는 과정과 결과물 |
| 결과로 남는 것 | 이해 | 바뀐 업무 방식과 결과 |
여러 국제기구가 AI 시대에 필요한 능력을 정리했습니다. 표현은 달라도 공통으로 "이해하기 · 적용처 찾기 · 지시하기 · 결과 평가하기 · 책임 있게 쓰기"를 다룹니다. 최근 기준일수록 무엇을 AI에게 맡길지 정하는 능력을 따로 강조합니다.
AI와 관계 맺기, AI로 만들기, AI 관리하기, AI 설계하기의 4개 영역으로 정리했습니다. "AI 관리하기"에는 과업 성격에 따라 AI를 쓸지 정하고, 문제를 나눠 무엇을 자동화할지 결정하는 능력이 들어 있습니다. OECD 국제학업성취도평가(PISA) 2029의 미디어·AI 리터러시 평가에 반영될 예정입니다.
성인을 포함한 전 시민 대상 기준입니다. AI를 별도 영역으로 떼지 않고 정보 탐색, 소통, 콘텐츠 제작, 안전, 문제 해결의 모든 역량에 녹였습니다. 수준은 기초, 중급, 고급, 최고급의 4단계로 나눕니다.
근로자와 직업훈련을 위한 기준입니다. AI 원리 이해, 업무 적용처 찾기, 효과적으로 지시하기, 산출물 평가하기, 책임 있게 쓰기의 다섯 영역으로 구성됩니다.
인간 중심 사고, AI 윤리, AI 기법과 활용, AI 시스템 설계를 다루며 이해하기, 적용하기, 만들기의 단계로 나눕니다.
바리온랩스의 AI 활용능력 진단은 위 기준의 공통 축을 참고해 업무 언어로 다시 정리했으며, 어떤 기관의 공식 인증이나 승인도 받지 않았습니다. 출처: AILit · DigComp
2026년 하반기, 국내 여러 기업이 채용과 사내 평가에 AI 활용능력을 넣었습니다. 방식은 달라도 방향은 같습니다. 아는지 묻지 않고, AI를 써서 해내는지 봅니다.
코딩 테스트를 없애거나, 반나절짜리 과제형 면접을 도입해 AI로 직무 과제를 풀게 하고 과정과 결과물을 봅니다.
도구를 몇 번 썼는지, 교육을 이수했는지가 아니라 AI로 실제로 바꾼 업무 결과를 평가에 넣습니다.
공무원 근무평정 가산점, 연구기관의 원내 AI 인증처럼 공공과 연구 분야에서도 AI 활용능력을 인사에 반영하기 시작했습니다.
공통으로 보는 축은 문제 정의, AI 활용 과정, 결과물, 결과 검증입니다. 특히 AI가 만든 결과를 그대로 쓰지 않고 비판적으로 판단해 고치는 능력이 반복해서 강조됩니다.
제목은 각 매체 원문 그대로입니다. 개별 기업은 바리온랩스 고객사가 아니며, 트렌드를 정리한 뉴스입니다. 더 많은 기사는 AI 활용능력 진단 페이지에서 직군별로 볼 수 있습니다.
채용에서 "AI"가 붙는 전형은 크게 두 가지입니다. 하나는 AI가 지원자를 평가하는 전형(AI 면접, AI 역량검사)이고, 다른 하나는 지원자가 AI를 써서 과제를 푸는 전형(AI 활용 과제 면접)입니다. 이름은 비슷하지만 준비할 것이 다릅니다.
| 구분 | AI 면접 · AI 역량검사 | AI 활용 과제 면접 · AI 활용능력 평가 |
|---|---|---|
| 누가 평가하나 | AI가 지원자의 답변·반응을 분석 | 사람(또는 기준표)이 지원자의 AI 사용 과정과 결과를 확인 |
| 무엇을 하나 | 영상 답변, 성향 문항, 게임형 과제 | AI로 직무 과제를 풀고, 결과를 검증해 제출 |
| 보는 것 | 성향, 직무 적합도, 의사소통 | 맡길 일 정하기, 지시하기, 결과 검증, 책임 있는 사용 |
| 준비 방법 | 답변 연습, 검사 형식 익히기 | 내 직무 과제를 AI로 끝내 보고, 틀린 곳을 찾아 고치는 연습 |
최근 늘어나는 쪽은 두 번째입니다. AI 면접이나 AI 역량검사를 준비하더라도, 면접 과제에서 AI를 써 보라는 요구가 함께 나오는 경우가 많아졌습니다. AI 활용능력 진단(입사 준비)으로 지원 직무 과제를 미리 연습해 볼 수 있습니다.
맡기고, 지시하고, 검증한다는 뼈대는 같습니다. 달라지는 것은 무엇을 맡기고 무엇을 검증하느냐입니다.
| 직군 | AI에게 맡기기 좋은 일 | 사람이 꼭 검증할 것 |
|---|---|---|
| 제조·생산·품질 | 실적 표 정리, 보고서 초안, 표준서 초안 | 수치가 원본과 맞는지, 공정 조건과 안전 기준이 빠지지 않았는지 |
| 연구·개발·설계 | 문헌 정리, 실험 계획 초안, 코드·계산 보조 | 근거 문헌이 실제로 있는지, 가정과 계산이 맞는지 |
| 마케팅·광고·미디어 | 카피 시안, 콘텐츠 기획 초안, 자료 요약 | 사실 관계와 출처, 브랜드 톤, 저작권·초상권 |
| 영업·고객 | 제안서 초안, 고객 문의 답변 초안, 미팅 정리 | 가격·조건·약속한 내용이 정확한지 |
| 경영지원·HR·재무 | 문서 요약, 공지문 초안, 데이터 집계 | 규정·법령 해석, 개인정보, 숫자 합계 |
| 금융·공공 | 민원·상담 답변 초안, 보고서 요약 | 규정 근거, 고객·시민에게 미치는 영향, 기록 보존 |
새로운 도구를 더 배우는 것보다, 지금 하는 일에서 세 가지 습관을 들이는 것이 빠릅니다.
이번 주 할 일을 "AI에게 / 내가 / 같이"로 나눠 적어 보세요. 나눈 이유를 설명할 수 있으면 첫 단계는 넘은 것입니다.
요청할 때마다 무엇에 쓸지, 어떤 조건을 지켜야 하는지, 어떤 모양으로 받을지를 빠짐없이 적어 보세요.
AI가 쓴 수치와 근거는 원본과 한 번 대조하고, 그대로 내보내면 안 되는 문서 목록을 만들어 두세요.
AI에게 맡길 일을 고르고, 목적과 조건을 담아 지시하고, 돌아온 결과가 맞는지 검증해 책임지고 쓰는 능력입니다. AI를 얼마나 자주 쓰는지보다 AI로 일을 맞게 끝내는지가 핵심입니다.
AI 리터러시는 AI가 무엇이고 어떻게 작동하며 어떤 위험이 있는지 아는 이해의 영역입니다. AI 활용능력은 그 이해를 바탕으로 실제 업무를 AI와 나눠 처리하고 결과를 책임지는 실행의 영역입니다.
채용에서는 지식 시험보다 AI를 써서 직무 과제를 풀게 하고 과정과 결과물을 보는 방식이 늘고 있습니다. 사내 평가에서는 사용 횟수나 교육 이수보다 실제로 바꾼 업무 결과를 보는 흐름입니다.
AI 면접과 AI 역량검사는 AI가 지원자의 답변·성향을 분석하는 전형입니다. AI 활용능력 평가는 지원자가 AI를 써서 직무 과제를 풀고 결과를 검증하는 과정을 봅니다. 앞의 것은 AI에게 평가받는 것이고, 뒤의 것은 AI로 일하는 능력을 보여 주는 것입니다.
최근에는 AI 면접이나 AI 역량검사와 함께, 면접 과제에서 AI를 직접 써서 결과물을 내게 하는 전형이 늘고 있습니다. 지원 직무의 과제를 AI로 끝내 보고 틀린 곳을 찾아 고치는 연습을 해 두는 것이 좋습니다.
AI 활용점수를 사용 횟수나 지식 문항 정답 수로 매기면 실제 업무 능력과 어긋나기 쉽습니다. 실제 과제를 AI로 처리하게 하고 맡길 일 정하기, 지시하기, 결과 검증을 기준표로 확인해 단계로 나타내는 방식이 업무 결과와 더 잘 맞습니다.
내 업무 목록을 AI에게 맡길 일과 내가 할 일로 나눠 보고, 요청할 때 목적·조건·형식을 빠짐없이 쓰고, AI가 만든 결과를 원본과 대조하는 습관부터 시작하는 것이 좋습니다.
관련 민간 자격시험이 있지만, 기업들은 자격보다 실제 과제를 AI로 어떻게 해결하는지를 직접 확인하는 추세입니다. 자신의 업무에서 AI로 무엇을 바꿨는지 설명할 수 있는 것이 중요합니다.