제조사 AI 인재 육성 사례: 데이터 분석을 통한 현업 문제 해결 프로젝트

데이터 분석을 통한 현업 문제 해결 프로젝트 - 제조사 AI 인재 육성 사례

데이터 분석 역량은 현대 사회에서 개인과 조직의 성공을 위한 필수적인 요소가 되었습니다. 데이터 분석을 통해 현업에서의 불필요한 작업을 줄이고, 업무 프로세스를 개선하여 생산성을 높일 수 있을 뿐만 아니라 생성형 AI를 활용한 데이터 분석을 통해 새로운 통찰력을 제공할 수도 있죠.

지난 10월 30일 열린 2025 Future Conference for HRD에서는 데이터 분석을 통한 현업 문제 해결 프로젝트를 소개하는 세션이 오픈되었는데요.
오늘은 해당 세션에서 소개된 ‘국내 제조사의 AI 활용 프로젝트 사례’를 바탕으로 데이터 분석을 통한 현업 문제 해결 프로젝트에 대해 이야기해 드리겠습니다.

제조사 AI 인재 육성 사례 소개

프로젝트 진행에 앞서 해당 제조사에서 데이터 분석 및 AI 활용과 관련된 어떠한 Pain Point가 있는지 파악하였습니다.

무엇보다 해당 제조사는 현업 인력과 데이터 부서 간의 의사소통의 오류가 발생하면서 비효율적인 업무가 지속되고 있다는 것이 가장 큰 문제점이었습니다. 또 이를 해결하기 위해 새로운 인력을 채용하는 것에도 한계가 있어 비전문가의 데이터 분석 역량을 높여 전반적인 업무 프로세스를 효율적으로 전환하는 것을 목표로 현업 프로젝트를 기획하였습니다.

데이터 분석 기반의 AI 프로젝트 프로세스

해당 프로젝트는에서는 프로세스를 보다 세분화하여 제조사의 니즈에 적합한 맞춤형 설계가 가능하도록 하였습니다. 또한 설계/진행/종료 이후 단계를 구분하여 각 단계 별로 필요한 핵심 요소를 설정해 보았는데요. 단계 별 핵심 요소는 다음과 같습니다.

단계 별 핵심 요소

① 설계 단계
설계 단계에서는 전사를 대상으로 현업 문제 아이디어를 모집하는 것부터 시작했습니다. 실무자 역량 강화를 최우선의 목표로 설정하여 사전에 수집한 데이터를 바탕으로 최종 8개 과제를 선정하였고, 이를 기반으로 한 사전 평가와 맞춤형 온라인 큐레이션을 제공하였습니다.

② 진행 단계
진행 단계에서는 현직자와의 1:1 멘토링을 중심으로 함께 방향성과 진행 방식을 논의하였습니다. 과제유형에 적합한 KPI를 수립하고 달성 가능성에 맞추어 WBS를 작성하며 교육 목표에 효과적으로 도달할 수 있는 최선의 방식을 사용하였습니다.

③ 종료 이후 단계
종료 이후에는 수강생의 만족도 설문을 통해 현업 프로젝트에서의 보완점을 발굴하고자 하였습니다. 뿐만 아니라 멘토와 실습 코치 분들의 피드백 또한 수집하여 개선점을 찾았고 추후 프로젝트에서 이를 어떻게 보완하여 활용할지에 대해 논의했습니다.

현업 프로젝트의 목표 달성을 위한 단계 별 체크포인트

단계 별 핵심 요소 외에도 맞춤형 AI 프로젝트가 원활하게 진행될 수 있도록 몇 가지의 단계 별 사전 장치가 활용되었는데요.
맞춤형 프로젝트를 위해 활용한 사전 장치에 대해 설명해 드리겠습니다.

1. 맞춤형 프로젝트에 걸맞는 기술 유형 별 사전 평가

첫 번째는 기술 유형별 사전 평가입니다. 모든 대상자에게 일괄적으로 동일한 테스트를 부여하는 것이 아니라 학습하고자 하는 교육 과정이나 기술 유형에 따라 각각 다른 테스트를 진행하였습니다 . 이를 통해 수강생들의 선수 지식과 기술 활용 능력 등의 수준을 보다 상세히 파악할 수 있었고 평가 내용을 바탕으로 적합한 교육 자료를 제공할 수 있었습니다.

해당 기업은 머신러닝과 딥러닝으로 기술 유형을 나누어 각각 다른 평가 범위와 내용을 가지고 선수 지식과 활용 정도를 평가하고 교육을 진행하였습니다.

2. 프로젝트의 완성도를 높이는 사전 평가 기반의 맞춤형 콘텐츠

두 번째로 언제든지 필요한 지식을 학습할 수 있도록 온라인 콘텐츠를 제공하였습니다. 또한 콘텐츠 선별에 어려움을 겪는 수강생이 없도록 사전 평가를 기반으로 한 콘텐츠 큐레이션 서비스를 구축하였는데요.

현업 프로젝트인 만큼 다양한 사전 지식이 필요할 뿐만 아니라 학습자 간의 난이도 격차가 발생할 수 있다는 점에 주목하였습니다. 따라서 수강생의 사전 평가 결과를 상세히 분석하여 각 수강생에게 필요한 콘텐츠 유형과 주제, 난이도에 적합한 콘텐츠를 제공하였습니다. 이를 통해 수강생은 필요한 지식을 효율적으로 학습할 수 있었으며 학습한 지식을 바탕으로 더 완성도 높은 프로젝트 결과물을 도출할 수 있었습니다.

3. 1:1 멘토링을 통한 현업 전문가의 노하우 전수

또한 현업에 종사하고 계신 분들로 구성된 멘토와 실습 코치 분들을 배정하여 실제 현업에서의 니즈를 명확히 파악한 실무 중심의 멘토링을 진행하였습니다. 목표 달성을 위해 멘토와 실습 코치가 1:1로 수강생을 직접 서포트하며 함께 프로젝트의 결과물을 만들어 나가는 과정으로 이루어졌는데요. 교육 효과를 최대화하기 위해 수강생이 직접 작성한 기획안을 바탕으로 과제의 방향성과 기대 효과 등을 논의하는 과정부터 시작하였습니다. 논의 후에는 과제 유형에 맞는 프로젝트 진행 방식과 KPI를 수립하고, 달성 가능성에 맞는 WBS를 작성하였습니다.

또한 프로젝트 진행 중에도 끊임없이 피드백을 주고받을 뿐만 아니라 중반부에는 과제의 방향성에 대한 중간 점검을 함께 진행하였습니다. 이때의 회고 내용을 바탕으로 WBS와 KPI를 전반적으로 조율하고, 목표치에 도달할 수 있는 방향으로 계획을 수정하였습니다.

4. 최고의 시너지를 위한 체계적인 협업 시스템

마지막으로 원활한 프로젝트의 진행을 위해 역할을 분배하였습니다. 참가자와 멘토, 실습 코치가 1:1로 멘토링을 진행하며 결과물의 완성도를 높이는 데에 집중한다면 운영진들은 전반적인 일정 조율, 산출물 관리, 제반 사항 준비 등을 맡아 최대의 효율을 낼 수 있도록 하였습니다. 단순한 교육 설계가 아닌 현업 프로젝트인 만큼 R&R 분배를 통해 프로젝트의 혼란을 줄이고 협업을 촉진했다는 점에서 그 의미가 있었습니다.

이 외에도 패스트캠퍼스는 실무자의 역량 강화를 위해 기업의 니즈에 따라 교육 방식과 프로젝트를 구성하고 그 효과를 최대로 끌어올릴 수 있는 다양한 방법을 연구하고 있습니다.

기업의 AI를 활용한 현업 프로젝트나 DX 교육에 대해 고민하고 있는 기업 담당자분들이 계시다면 패스트캠퍼스와 함께 고민해 보시는 것은 어떨까요?
조직의 성장을 위해 패스트캠퍼스가 적극적으로 함께 하겠습니다.