기업교육 예산은 어디로 이동하는가: 2026 수요구조 지도

1. 전문가의 스킬에서, 전 직원의 기본기로

예산 이동의 첫 번째 방향은 '누구를 가르치는가'의 변화입니다. DataCamp가 기업 리더 500여 명을 조사한 결과, 88%가 기본 데이터 리터러시를, 72%가 AI 리터러시를 '일상 업무에 중요한 역량'으로 꼽았습니다. 불과 몇 년 전까지 데이터 분석가와 개발자의 전유물로 여겨지던 역량이, 이제 마케터·영업·재무·인사 담당자 모두의 기본 직무 역량으로 재정의되고 있다는 뜻입니다.

문제는 '준비'입니다. 같은 조사에서 60%는 조직에 데이터 스킬 격차가 있다고 답했고, 성숙한 전사 업스킬링 프로그램을 갖춘 조직은 35%에 그쳤습니다. 반면 그런 프로그램을 갖춘 조직이 유의미한 AI 투자 수익을 보고할 확률은 42%로 뛰어오릅니다. 필요는 88%인데 준비는 35% — 이 간극이 2026년 교육 예산이 흘러드는 자리입니다.

노동시장 신호는 더 가파릅니다. 미국 구인공고에서 AI 스킬 요구는 1년 새 144% 늘었고(초당파정책센터·Lightcast, 2026년 4월 기준), 세계경제포럼은 2030년까지 핵심 역량의 39%가 바뀔 것으로 전망합니다. 그런데 딜로이트 2026 보고서에서 인간·AI 협업 설계에 실질적 진전을 이뤘다고 답한 리더는 6%에 불과했습니다. 수요는 폭발하는데 설계가 따라가지 못하는 구간 — 예산은 언제나 이런 병목에서 움직입니다.

기준선을 어떻게 잡을지에 대해서는 Microsoft의 구분이 유용합니다. AI 리터러시는 AI의 한계를 알고, 결과를 검증하고, 데이터 취급 규칙을 지키는 '책임 있는 사용의 기준선'입니다. 업스킬링은 그 위에 쌓는 직무별 실무 역량 — 프롬프트 작성과 결과 검증을 실제 워크플로에 통합하는 능력입니다. 리터러시가 없으면 환각(할루시네이션)·보안 유출·과의존·섀도 AI 같은 리스크가 커지고 AI 투자 수익이 낮아지며, 교육만으로는 부족해 리더십 지원·명확한 가드레일·승인된 안전한 도구를 병행해야 한다는 것이 Microsoft의 권고입니다. 요컨대 예산 편성 단위가 '직무 전문 과정' 하나에서 '전사 공통 리터러시 + 직무별 업스킬링'의 2층 구조로 재편되고 있습니다.

2. '도입할까'는 끝났다 — 질문은 '어떤 방식으로'

국내에서도 논점이 이동했습니다. 2025년에 이미 삼성전자·LG전자·LG에너지솔루션 등 다수 대기업이 임직원 생성형 AI 교육을 진행했습니다(윈스펙 정리). 대기업 기준으로 'AI 교육을 할 것인가'는 이미 지나간 질문이고, 지금 담당자의 책상 위에 놓인 것은 자체 제작·외부 위탁·국비지원 세 경로 중 무엇을 고를지의 의사결정입니다.

세 방식의 손익은 뚜렷합니다. 자체 제작은 사내 데이터·업무 맥락을 가장 잘 반영하지만 만들 사람과 시간이 필요합니다. 외부 위탁은 전문성과 속도를 사지만 비용이 들고, 사내 맥락 반영은 설계 단계에서 챙겨야 합니다. 국비지원은 비용 부담이 가장 작아 자체 예산이 빠듯한 중소기업에 현실적인 경로로 꼽힙니다. 어느 쪽이든 공통 과제는 '우리 회사 업무에 붙는가'입니다.

커리큘럼의 축도 함께 이동합니다. 콥스랩은 2026년 기업 AI 교육 수요가 ChatGPT 활용 교육을 넘어 멀티에이전트·바이브코딩 중심으로 확대될 것으로 전망했고, 패스트캠퍼스 사례를 다룬 한국경제 보도의 표현을 빌리면 기업 AI 교육은 '활용'에서 '실행'으로 넘어가는 중입니다. 비전공 재직자 교육도 도구 사용법을 넘어 고객 데이터 분석, 콘텐츠 제작, 보고서 자동화처럼 부서별 적용 과제를 중심에 두는 구성이 흐름이 됐습니다.

동시에 1회성 특강의 한계도 뚜렷해졌습니다. 전사 생성형 AI 교육을 진행해도 조직 전체의 변화가 체감되지 않는다는 담당자 목소리가 많습니다. 정착률을 좌우하는 것은 이론의 양이 아니라 '배운 것을 다음 날 업무에 바로 쓸 수 있는가'이며, 그래서 반복 학습 구조와 직무 연계 설계에 예산을 배분하는 기업이 늘고 있습니다. 특강 한 번의 단가가 아니라, 정착까지의 총비용으로 계산하는 시각이 필요한 시점입니다.

3. 전사 리스킬링, 스케일이 달라졌다

글로벌 선두 기업들은 리스킬링의 단위를 '부서'가 아니라 '전 직원'으로 바꿨습니다. 대표 사례가 월마트입니다. 월마트는 전 직원 210만 명이 일정 수준의 AI 역량을 갖추는 것을 목표로, OpenAI·구글 제미나이와 협력한 직무별 AI 인증을 자체 플랫폼으로 제공하기 시작했습니다. 현재 미국·캐나다 직원 170만 명에게 개방된 상태입니다.

주목할 것은 이 교육의 지향점입니다. 화려한 신기술 시연이 아니라, 매장 재고를 더 빨리 찾고 AI 에이전트가 외국어 고객과의 대화를 통역하는 식의 일상 업무 마찰 해소가 목표입니다. 월마트는 2022년 생성형 AI 등장 직후부터 실험을 이어왔고 이듬해 직원용 AI 실험 플랫폼을 구축했습니다. 즉 210만 명 인증은 갑작스러운 선언이 아니라 3년 넘게 쌓아온 실험의 확장입니다.

이 흐름은 한 기업의 이벤트가 아닙니다. 아마존·마이크로소프트 등도 AI로 대체되는 인력의 리스킬링 지원에 앞장서고 있고(HR Executive), 공공 부문에서도 미국의 한 시 정부가 AI 업스킬링 프로그램으로 직원들이 업무 도구를 직접 만들게 한 사례가 보도됐습니다(GovTech). 배우는 사람이 곧 만드는 사람이 되는 구조까지 나아간 것입니다.

규모만큼 중요한 것이 설계 철학입니다. 하버드비즈니스리뷰는 리스킬링 참여를 끌어내는 것은 위기감·의무감이 아니라 '될 수 있는 모습'을 보여주는 동기 설계라고 지적합니다. AI 에이전트 시대의 인간 주체성을 다룬 Chief Learning Officer 칼럼도 기술 접근성만으로는 부족하며 환경적 지원이 뒷받침돼야 한다고 짚습니다. 전사 리스킬링 예산을 잡을 때, 커리큘럼 목록보다 먼저 직원이 도달할 미래상과 지원 환경을 그려야 한다는 뜻입니다.

4. 형태의 진화 — 마이크로러닝·AI 튜터·초개인화

예산이 이동하는 세 번째 축은 교육의 형태입니다. 우선 길이가 짧아집니다. 긴 정규 과정 대신 잘게 쪼갠 학습 단위가 직무 스킬 습득 방식을 재편하고 있다는 마이크로러닝 분석이 이어지고 있습니다. 바쁜 현업 일정과 빠른 기술 변화 속에서, '몰아서 한 번'보다 '짧게 자주'가 정착률에 유리하다는 판단입니다.

다음은 상호작용입니다. Synthesia의 L&D 팀 421곳 조사에서 에이전트형 AI 활용 탐색 분야 1위는 AI 튜터(49%)였고, 개인 맞춤 안내·코칭이 각각 43%로 뒤를 이었습니다. AI 튜터가 교사를 대체하기보다 '연습 부족'을 메우는 역할을 한다는 분석(eLearning Industry, 어학 교육 사례)처럼, 강의는 사람이 하되 반복 연습과 개별 피드백을 AI가 맡는 분업이 자리를 잡아가고 있습니다.

개인화도 실험 단계를 지나고 있습니다. 국내에서는 휴넷이 22,000개 스킬을 분석하는 AI 학습 플랫폼 '랩스'를 공개하고 초개인화 기업교육을 내걸었습니다. 학습자마다 콘텐츠와 경로를 자동 조율하는 방식이 실제 이수율과 성과에 어떤 영향을 주는지가 다음 검증 과제입니다. AI 기반 LXP 도입으로 사내교육 이수율을 높이는 단계별 전략을 다룬 국내 보도(한국데이터경제신문)도 같은 흐름 위에 있습니다.

교육담당자 입장에서 이 변화는 공급자 선택 기준의 변화이기도 합니다. '몇 시간짜리 과정을 몇 명에게'가 아니라, 짧은 단위·반복 구조·개별 피드백·업무 연계가 설계에 들어 있는지가 예산 대비 효과를 가르는 항목이 되고 있습니다.

5. 다음 예산은 콘텐츠가 아니라 '정착과 측정'으로

Synthesia 조사의 또 다른 대목은 상징적입니다. L&D 팀의 87%가 이미 교육에 AI를 쓰고 있고 도입 계획이 없는 곳은 2%뿐이며, 84%가 콘텐츠 제작 속도 향상을 경험했습니다. 현재 활용처는 음성 생성(63%), 콘텐츠·퀴즈 초안(60%), 영상 제작(52%), 번역(38%) 순 — 즉 '콘텐츠를 빨리 만드는 것'은 이미 상수가 됐습니다. 차별화 요소가 아니라는 뜻입니다.

그래서 측정이 다음 격전지입니다. '이수 완료는 채택이 아니다'(eLearning Industry)라는 명제가 확산되고 있습니다. 교육을 끝낸 것과 업무에서 실제로 도구를 쓰는 것은 별개이며, 재야 할 것은 이수율이 아니라 업무 속 사용률과 행동 변화라는 것입니다. 온보딩 교육이 강의실에서는 성공하고 현장에서 실패하는 이유를 다룬 분석도 같은 문제의식입니다.

방치하면 부채가 쌓입니다. HR Dive는 AI가 당장의 업무 공백을 메워주는 사이 빠르게 변하는 직무의 역량 격차가 조용히 누적되는 '학습부채(learning debt)'를 경고합니다. 겉으로는 일이 돌아가니 교육 필요가 가려지고, 부채는 조직이 눈치채지 못한 채 커집니다. 학습 루프를 공학 기법이 아니라 거버넌스 문제로 다뤄야 한다는 칼럼(Enrique Dans)이 나오는 배경입니다.

기대와 현실의 간극도 확인되고 있습니다. eLearning Industry가 L&D 시장 참여자 500여 명을 조사해 발표한 벤치마크 리포트는 학습 기술 분야의 'AI 기대치 격차'를 짚었습니다. AI가 학습에 미치는 최대 영향은 콘텐츠가 아니라 '무엇을 누구에게 언제 가르칠지'라는 의사결정에 있다는 분석(Solutions Review)까지 겹쳐 보면, 결론은 하나로 모입니다. EdTechX Summit 2026 기조연설 분석의 표현대로 — AI 교육 투자의 성패는 콘텐츠나 도구가 아니라 데이터·시스템·업무를 잇는 정렬 인프라에 달렸습니다. 교육 예산 품의서에 '측정 설계'와 '정착 구조' 항목이 들어가기 시작한 이유입니다.

6. 정책 자금도 표적화된다

공공 자금의 흐름도 바뀌고 있습니다. 미국의 신규 인력개발 기금은 원자력·AI 같은 특정 전략산업의 인력 양성으로 표적을 좁히고 있습니다(HR Dive). '모두를 위한 범용 지원'에서 '전략산업 타깃 지원'으로 — 정책 예산도 어디에나가 아니라 어디로를 정하기 시작했습니다.

한국도 같은 방향입니다. 한국산업인력공단은 2026년 1월부터 중소기업 맞춤형 AI 융합과정 2,952개의 훈련비를 90% 이상 지원하는 신규 사업을 시작했습니다. 자체 예산과 교육 전담 인력이 부족한 중소기업에는 국비지원 경로가 가장 현실적인 선택지가 된 셈입니다. 예산 계획을 세우기 전에 지원사업 목록부터 확인할 이유가 하나 더 늘었습니다.

유럽에서는 규제가 수요를 만듭니다. EU AI Act는 직원의 충분한 AI 리터러시 확보를 사용자(기업)의 의무로 규정했습니다. 교육이 '있으면 좋은 복지'에서 '해야 하는 컴플라이언스'로 성격이 바뀌는 것입니다. 유럽과 거래하는 국내 기업에도 남의 일이 아니며, 2026년 하반기 예산 편성에서 가장 조용하지만 확실한 변화입니다.

7. 한국 공급 시장의 반응 — 플랫폼이 먼저 움직인다

수요 구조가 바뀌면 공급자가 먼저 움직입니다. 국내 기업교육 시장에서 그 신호가 뚜렷합니다. 휴넷은 'AI Powered Learning' 시대를 선언하며 22,000개 스킬 분석 기반의 초개인화 플랫폼 '랩스'를 내놨고, 조영탁 대표는 '이러닝을 넘어 AI 기업교육으로 승부한다'고 밝혔습니다. 이러닝 시대의 대표 주자가 스스로 다음 판으로 넘어가겠다고 선언한 것입니다.

실무 교육 진영도 마찬가지입니다. 패스트캠퍼스는 기업 AI 교육을 '활용'에서 '실행'으로 옮기는 과정을 앞세우고 있고, 콥스랩은 멀티에이전트·바이브코딩 등 다음 단계 커리큘럼 수요를 전망합니다. 수도권 밖에서도 이천 등 지역 단위로 기업교육 서비스를 확대하는 전문기관 소식이 이어집니다. '한국의 학습 열기가 놀랍다'는 글로벌 교육기업의 평가(동아일보 인터뷰)처럼, 한국 시장은 리스킬링 흐름에 빠르게 반응하는 시장으로 꼽힙니다.

교육담당자에게 이 지형 변화는 협상력의 재료입니다. 공급자들이 초개인화·실행형·측정형으로 이동하는 지금이, 기존 계약 조건과 교육 설계를 다시 협상하기 좋은 타이밍입니다.

8. 한국 현장에서 본 이동 (참조)

저희 나눔경영컨설팅이 최근 1년간 영업기회 원장 411건을 주제별로 나누면 AI 관련이 134건 — 전체의 32.6%로 단일 주제 1위입니다. 교육기회 세 건 중 한 건이 AI라는 뜻이고, 2위권인 B2B 세일즈(14%)·마케팅(8%)과의 격차도 큽니다.

더 의미 있는 것은 비율의 질입니다. AI 주제의 종결 건(성사·실패·반려) 63건 가운데 성사가 37건 — 성사율 59%로 전체 평균(60%)과 대등합니다. AI 교육 문의가 '일단 알아보는' 검토성 문의였다면 성사율이 평균을 크게 밑돌았을 것입니다. 견적과 계약 단계에서 평균과 같은 비율로 예산이 집행된다는 것은, AI 교육 수요가 유행이 아니라 실수요라는 증거입니다. 누적 원장에서도 AI가 단일 주제 상위권(29회)에 올라 있는데, 생성형 AI 교육이라는 과목 자체가 최근 2~3년 사이에 생겼음을 감안하면 이 수요 전부가 사실상 최근에 집중된 것입니다. 예산 이동은 통계청 발표보다 견적 요청함에서 먼저 보입니다.

다만 자사 표본은 시장 전체를 대표하지 않습니다. 위 매크로 신호가 한국 B2B 교육 현장의 견적·계약 단계에서도 그대로 재확인된다는 참고 자료로 읽어 주시기 바랍니다.

9. 교육담당자를 위한 2026 하반기 체크리스트

① 전사 공통 AI 리터러시와 직무별 업스킬링 — 예산을 2층으로 분리 편성했는가.

② 이수율 외의 지표(업무 내 사용률, 행동 변화)를 교육 설계·계약 단계에 한 가지라도 넣었는가.

③ 1회성 특강 대신 반복 구조(적용 과제·후속 세션·짧은 단위 학습)에 예산을 배분했는가.

④ 국비지원 경로(중소기업 AI 융합과정 등)를 검토했는가 — 특히 자체 예산이 빠듯한 조직이라면.

⑤ AI가 가리는 학습부채 — 빠르게 변하는 직무의 역량 점검 주기를 정했는가.

⑥ 리스킬링 대상자에게 위기감이 아니라 '도달할 미래상'을 제시하고 있는가.

⑦ AI 리터러시 교육에 가드레일(승인 도구·데이터 취급 규칙)과 리더십 지원을 병행하고 있는가.

⑧ 교육 공급자 선정 기준에 개인화·업무 연계·측정 설계가 들어 있는가 — 공급 시장이 움직이는 지금이 재협상 적기다.

이번 호가 참고한 자료

· DataCamp, 「2026 데이터·AI 리터러시 현황」 — 기업 리더 500여 명 조사

· Gloat, 「2026 AI 인력 트렌드(2분기 업데이트)」 — Lightcast·세계경제포럼·딜로이트 수치 인용

· CIO Dive — 월마트 전 직원 210만 명 AI 교육 계획 보도

· Synthesia, 「2026 L&D 분야 AI 활용 리포트」 — L&D 팀 421곳, 2만여 데이터 포인트

· Microsoft — AI 리터러시와 업스킬링 구분 프레임, 리스크·가드레일 권고

· HR Dive(Learning) — 학습부채 경고, 미국 인력개발 기금의 산업 타깃화

· eLearning Industry — 이수율과 채택의 분리, 온보딩 이후 실패 분석, AI 기대치 격차 벤치마크, AI 튜터와 연습 격차

· Harvard Business Review — 리스킬링 동기 설계론

· HR Executive — 아마존·마이크로소프트 리스킬링 지원 / GovTech — 시 정부 AI 업스킬링 사례

· Chief Learning Officer — AI 에이전트 시대의 인간 주체성 / Solutions Review — AI와 학습 의사결정 / Enrique Dans — 학습 루프와 거버넌스

· 윈스펙 — 국내 기업 AI 교육 도입 방식 비교, 산업인력공단 지원사업 정리

· 한국경제·콥스랩·휴넷·한국데이터경제신문·동아일보 보도 — 국내 기업 AI 교육 전환과 플랫폼·시장 동향

· 나눔경영컨설팅 자체 데이터 — 15년 강의 원장·영업기회 411건 (참조)