개인의 생산성에서 조직의 가치로
어떤 도구를 쓸 것인지보다 무엇을 바꿔야 하는지를 먼저 묻습니다. 조직의 병목과 고객의 문제, 필요한 의사결정을 정의한 뒤 AI를 해결 수단으로 연결합니다.
TIL AI-Based Education & Workshops
AI 도구를 쓰는 법보다,
AI와 함께 더 잘 생각하는 법을 배웁니다
AI가 결과를 대신 만드는 교육은 빠른 답을 남깁니다. 하지만 AI 툴 활용법을 넘어선 본질적인 학습과 전이가 자동으로 일어나지는 않습니다. 더이노베이션랩의 교육은 사람이 먼저 문제를 정의하고, AI의 교차 피드백을 활용해 더 깊이 검토하며, 최종 판단과 책임을 다시 사람이 갖도록 설계합니다.
개인의 업무 효율을 넘어 조직의 문제해결력으로, 한 번의 결과물을 넘어 새로운 과제에도 이어지는 학습전이로 연결합니다.
Human First · Problem-Driven · Evidence-Based · Transfer-Oriented
01 · Why
AI 도구를 더 많이 쓰는 것만으로 조직이 달라지지는 않습니다
개인이 한 업무를 빨리 끝내는 것과 조직이 더 중요한 문제를 발견하고 더 나은 결정을 내리는 것은 같은 일이 아닙니다. 조직이 풀어야 할 문제와 만들어야 할 가치를 먼저 정의하고, 그 해결 과정에 AI를 배치해야 합니다.
결과의 생산에서 역량의 성장으로
AI가 만들어준 좋은 결과와 사람에게 남은 실력은 다를 수 있습니다. AI의 도움 없이도 설명하고 판단하며 새로운 문제에 적용할 수 있어야 학습이 조직의 역량으로 남습니다.
AI가 지름길이 될수록, 학습의 설계는 더 세심해야 합니다
프롬프트를 복사해 결과를 얻는 방식은 수행을 쉽게 만들지만, 인지의 외주화와 무비판적 수용, 산출물에 대한 통제력 저하와 집단의 사고 다양성 축소로 이어질 수 있습니다. AI는 정답 제공자가 아니라 반론·사각지대·대안 탐색을 돕는 협업 파트너가 되어야 합니다.
AI가 있을 때 잘하는 사람을 넘어,
AI와 함께 배운 뒤에도 더 잘 판단하는 사람과 조직을 만듭니다.
02 · How
더이노베이션랩의 AI 교육 접근법, HAMMA
Human-AI Mentoring Motif Approach
HAMMA는 AI가 첫 답과 최종 결론을 대신하지 않도록 인간과 AI의 역할과 순서를 설계합니다. 사람의 생각으로 시작해, 사람의 판단으로 완성합니다.
BEFOREAI가 초안을 만들고 사람이 다듬기
AFTER사람이 초안·가설을 만들고 AI가 교차 피드백
BEFORE시간 절약과 생산량 증대 중심
AFTER결과의 품질, 협업과 학습능력 향상 중심
BEFORE인지의 외주화와 무비판적 수용
AFTER학습마찰로 비판적 사고와 인간 주도성 유지
BEFORE집단 아이디어의 수렴적 약화
AFTER개인의 관점과 집단의 아이디어 다양성 유지
BEFOREAI 지원이 사라지면 드러나는 학습 손실
AFTER스스로 설명·판단·적용하는 개념전이
03 · Evidence
좋은 의도만으로 설계하지 않았습니다
생성형 AI는 과제를 빠르게 끝내게 해주지만, 그 과정에서 사람이 해야 할 계획·검증·성찰까지 대신하면 독립적인 사고 역량은 약해질 수 있습니다. 연구의 결론은 AI 사용 자체를 줄이라는 데 있지 않습니다. 사람이 먼저 시도하고, AI의 도움을 통제하며, 마지막 판단과 설명을 다시 맡도록 협업의 순서와 조건을 설계해야 한다는 쪽에 가깝습니다.
TIL의 HAMMA는 생성형 AI와 학습, 창의성, 독립 수행에 관한 실증 연구와 생산적 실패·자기설명·인출 등 학습과학의 원리를 이 흐름에 맞춰 적용합니다.
AI가 과제를 잘 끝내게 해도, 사람의 실력까지 자라는 것은 아닙니다
아무런 가이드 없이 AI를 쓰면 학습자는 문제를 진단하고 도움의 타당성을 평가하는 과정을 건너뛴 채, 바로 실행할 수 있는 답을 찾기 쉽습니다. AI가 있는 동안의 수행은 좋아져도 계획·점검·성찰 같은 자기조절 학습은 약해질 수 있습니다. 정답을 주는 AI보다 먼저 답하게 하고, 힌트를 주고, 스스로 고치게 하는 AI가 필요한 이유입니다.
연구 근거 더 보기
- AI가 있는 동안의 높은 점수와 AI 없이 남는 실력은 다릅니다. Bastani et al.의 고교 수학 현장 RCT에서 자유형 GPT를 사용한 집단은 연습 점수가 높았지만, AI 없이 치른 시험에서는 통제집단보다 17% 낮았습니다. 반면 정답 대신 단계별 힌트를 제공한 GPT Tutor는 독립 수행의 하락을 통제집단 수준까지 줄였습니다. AI의 도움을 없애는 것이 아니라, 도움의 방식에 제약을 두어야 한다는 발견입니다.
- AI가 과제를 대신할수록 학습자는 자신의 사고를 덜 점검할 수 있습니다. Fan et al.의 무작위 글쓰기 실험에서 GPT-4 지원은 에세이 개선폭을 높였지만, 측정된 지식 획득과 다른 영역으로의 전이를 높이지는 못했습니다. 연구진이 지적한 ‘메타인지적 나태함’은 높은 산출물 품질을 곧 학습자의 성장으로 해석해서는 안 된다는 경고입니다.
- AI에게 도움을 구하는 방식 자체도 달라졌습니다. Chen et al.이 대학생 38명의 글쓰기·수정 과정을 다중모드 데이터로 분석한 실험에서 ChatGPT 집단은 인간 전문가 집단보다 피드백 평가 단계를 건너뛰는 비선형적 도움 구하기를 보였고, 바로 실행할 수 있는 조작적 질문을 더 많이 했습니다. AI 접근성이 높아질수록 질문 진단과 피드백 평가를 학습 절차로 명시해야 한다는 발견입니다.
- 선행 답변과 자기 수정이 들어가면 AI는 ‘버팀목’이 아니라 학습 장치가 됩니다. Lee et al.의 연구에서 ‘내 답 먼저 → 정답 대신 힌트 → 스스로 수정’하는 가이드 구조는 일반 ChatGPT보다 행동적 참여, 지식과 자기조절 관련 여러 지표에서 더 나은 결과를 보였습니다. 선행 답변과 자기 수정을 요구하는 장치가 학습자의 참여 방식을 바꿀 수 있다는 근거입니다.
- TIL은 사람이 먼저 초안과 가설을 내고, AI는 정답 대신 질문·힌트·반례를 제공하며, 사람이 수정 이유를 설명하도록 운영합니다. 목표는 AI 사용 중 성과가 아니라 AI가 사라진 뒤에도 남는 판단력입니다.
AI는 개인의 아이디어를 높일 수 있지만, 모두의 생각을 비슷하게 만들 수도 있습니다
생성형 AI는 개인의 아이디어를 더 참신하고 유용하게 만드는 데 도움을 줍니다. 특히 처음부터 아이디어를 만드는 데 어려움을 겪는 사람에게 이점이 큽니다. 하지만 모두가 같은 AI의 제안에서 출발하면 개인의 평균 수준은 올라가도 집단 전체의 관점은 비슷해질 수 있습니다.
연구 근거 더 보기
- 개인 창의성의 향상과 집단 다양성의 축소는 동시에 일어날 수 있습니다. Doshi & Hauser의 실험에서 AI 아이디어를 받은 작성자의 평균 참신성과 유용성 평가는 높아졌고, 원래 창의성 평가가 낮았던 작성자의 이점이 더 컸습니다. 그러나 AI 지원을 받은 이야기들은 서로 더 비슷해졌습니다. AI가 개인 간 성과 격차는 줄이면서도 집단의 아이디어를 소수의 프레임에 수렴시킬 수 있다는 발견입니다.
- AI를 언제 투입하느냐가 독립적인 창의성의 차이를 만들었습니다. Wong & Qiu의 무작위 실험에서 처음부터 자유롭게 AI를 사용한 집단의 첫 과제 우위는 AI 없이 수행한 후속 과제에서 유지되지 않았습니다. 반면 사람이 원시 아이디어를 먼저 만든 뒤 AI를 개선·평가 파트너로 사용한 조건은 후속 독립 과제에서도 더 높은 창의성 평가를 보였습니다.
- 두 연구를 함께 보면 AI의 투입 시점이 중요합니다. AI는 아이디어의 출발점을 대신할 때보다, 사람이 만든 서로 다른 관점을 정교화할 때 더 유익합니다. TIL은 개인과 팀이 먼저 각자의 초안과 가설을 만든 뒤 AI 피드백을 받게 하여 개인의 창의성은 높이고 집단의 관점 다양성은 지키도록 설계합니다.
완성된 AI 답보다, 먼저 풀어본 흔적이 문제해결력을 만듭니다
완성된 AI 답을 먼저 보면 문제를 어떻게 정의할지, 어떤 대안을 비교할지 고민할 기회가 줄어듭니다. 서툴고 틀리더라도 먼저 가설과 해결안을 만들어보는 과정은 자신이 무엇을 알고 무엇을 놓쳤는지 드러냅니다. 그 뒤에 설명과 AI 피드백을 연결해야 새로운 문제에도 적용할 수 있는 문제해결 구조가 만들어집니다.
연구 근거 더 보기
- 생산적 실패 연구는 ‘먼저 실패하면 무조건 더 잘 배운다’고 말하지 않습니다. 학습자가 수업 전에 여러 표상과 해결방법을 만들어본 뒤, 설명과 피드백을 통해 그 시도를 올바른 개념과 연결할 때 개념 학습과 전이가 좋아질 수 있음을 보여줍니다. 선행 시도는 후속 피드백을 깊게 받아들일 스키마를 활성화합니다.
- 해결방법의 수가 아니라 서로 다른 방식으로 문제를 표현하고 풀어본 경험이 중요합니다. Kapur, Saba & Roll의 연구에서는 학생들이 선행 문제해결 과정에서 만들어낸 해결방법의 다양성이 후속 학습을 예측했습니다. 다만 모든 학생이 생산적 실패 수업을 받은 연구이므로, 이 결과를 단순한 인과효과로 확대하지 않습니다.
- AI에 묻기 전의 짧은 고투가 이후 전이를 바꿀 수 있다는 초기 근거도 있습니다. Akgün & Toker의 프리프린트 연구에서는 ChatGPT에 즉시 질문한 집단보다 먼저 혼자 통계 문제를 시도한 뒤 ChatGPT를 사용한 집단이 유사한 새 상황에서 더 높은 점수를 보였습니다. 소표본·비동료심사 연구이므로 보조 근거로만 사용합니다.
- TIL은 사람이 문제를 정의하고 여러 가설과 대안을 먼저 만든 다음, AI의 반례·누락 변수·대안적 해석으로 이를 검토하게 합니다. AI는 먼저 고민하고 시도할 과정을 없애는 지름길이 아니라, 선행 시도를 더 깊은 문제해결로 연결하는 피드백 파트너입니다.
AI를 쓰는 동안에도 계획·점검·평가는 사람이 맡아야 합니다
사람이 최종 판단을 맡는다고 선언하는 것만으로 주도성이 생기지는 않습니다. 목표를 세우고, 해결 전략을 점검하고, AI의 답과 자신의 이해를 평가하는 절차를 학습 과정 안에 넣어야 합니다. 비판적 사고 역시 AI와 대화하는 횟수가 아니라 어떤 근거를 비교하고 판단을 어떻게 수정했는지 설명하는 과정에서 길러집니다.
연구 근거 더 보기
- 생성형 AI 환경에서도 메타인지 장치는 별도로 설계해야 합니다. Xu et al.의 대학생 68명 대상 4주 준실험에서 과제전략과 자기평가를 돕는 명시적 지원을 더하자 자기조절학습 과정과 학습경험 지표가 개선됐습니다. 집단 간 성취도 차이는 유의하지 않았으므로 성적 향상을 보장하는 근거는 아니지만, 학습자가 AI 사용 과정을 스스로 조절하게 만드는 장치의 필요성은 보여줍니다.
- 계획·모니터링·평가는 타고나는 태도가 아니라 가르칠 수 있는 전략입니다. de Boer et al.이 메타인지 전략 개입 48개를 종합한 메타분석에서는 이 세 요소를 함께 가르친 개입의 학업수행 효과가 사후뿐 아니라 추후에도 관찰됐습니다. AI 시대에도 사람의 판단권을 지키려면 판단의 절차 자체를 훈련해야 한다는 일반 학습과학 근거입니다.
- 비판적 사고는 대화만으로 저절로 생기지 않습니다. Abrami et al.의 메타분석에서는 구조화된 대화, 실제 문제와 사례, 멘토링이 비판적 사고 수업의 긍정적 조건으로 나타났습니다. 따라서 AI와 많이 대화하게 하는 것보다 AI의 반론을 실제 과제에 적용하고, 근거를 비교하며, 판단을 수정한 이유를 설명하게 하는 구조가 필요합니다.
- 설명을 더 붙이는 것만으로 AI 과신이 줄어드는 것도 아닙니다. Buçinca, Malaya & Gajos의 참가자 199명 실험에서 AI 권고를 곧바로 따르지 못하게 하고 숙고를 요구하는 인지적 강제 장치는 단순 설명형 조건보다 잘못된 AI 권고에 대한 과신을 줄였습니다. 다만 과신을 가장 많이 줄인 설계의 주관적 평가는 가장 낮았고, 숙고 성향이 높은 참여자에게 이점이 더 컸습니다. 바람직한 학습마찰은 필요하지만 사용성의 대가와 개인차까지 함께 설계해야 한다는 근거입니다.
- TIL은 사람이 목표와 평가기준을 먼저 정하고, AI가 제시한 반론과 대안을 검토한 뒤, 무엇을 왜 채택·수정·기각했는지 기록하게 합니다. AI를 이용하는 기술보다 AI의 도움을 평가하고 조절하는 능력을 먼저 훈련합니다.
AI를 닫은 뒤 꺼내 설명하고 적용해야 배움이 남습니다
AI가 정리한 내용을 다시 읽을 때의 익숙함은 실제 이해와 다를 수 있습니다. 배움이 남았는지는 AI를 닫은 뒤 핵심 개념을 기억에서 꺼내고, 자신의 말로 설명하고, 다른 문제에 적용해봐야 알 수 있습니다. HAMMA의 마지막 단계가 결과물 제출이 아니라 무도구 설명과 재적용인 이유입니다.
연구 근거 더 보기
- 다시 읽기보다 기억에서 꺼내는 활동이 파지에 더 유리합니다. Adesope, Trevisan & Sundararajan의 메타분석은 연습시험과 같은 인출 활동이 다시 읽는 학습보다 학습 내용을 오래 유지하는 데 전반적으로 도움이 된다는 결과를 제시했습니다. 이는 시험을 늘리라는 뜻이 아니라, AI 답을 덮은 뒤 핵심 내용을 회상·비교·적용하는 저위험 활동을 넣으라는 의미입니다.
- 꺼낸 지식을 자신의 말로 설명하면 절차와 개념의 연결을 확인할 수 있습니다. Rittle-Johnson, Loehr & Durkin의 수학 자기설명 메타분석에서 자기설명 프롬프트는 절차지식, 개념지식과 일부 절차 전이에 작거나 중간 정도의 즉각적 이점을 보였습니다. 좋은 설명을 이끄는 질문과 피드백이 중요했고, 교실 맥락과 지연된 파지에 관한 근거는 제한적이었습니다.
- 인출연습은 통제된 실험실을 넘어 실제 학교와 교실에서도 반복적으로 이점을 보였습니다. Agarwal, Nunes & Blunt의 체계적 리뷰는 50개 실험과 5,374명을 포함했고, 49개 효과크기 중 57%에서 중간 또는 큰 이점이 관찰됐습니다. 모든 실험에서 큰 효과가 나온 것은 아니며 비서구권 연구가 전체의 6%에 불과했지만, 무도구 인출을 실제 교육에 적용할 근거는 축적돼 있습니다.
- 세 연구는 하나의 학습 흐름을 뒷받침합니다. AI 답을 다시 읽는 데서 멈추지 않고, 기억에서 꺼내고, 자신의 말로 설명하고, 새로운 문제에 적용해야 합니다. TIL은 과정 말미에 이 절차를 넣어 결과물이 아니라 학습전이가 남았는지 확인합니다.
각 연구는 특정 연령, 과제, 기간과 AI 사용 조건에서 수행됐습니다. TIL은 개별 결과를 모든 상황에 그대로 일반화하지 않으며, 여러 실증 연구와 학습과학 원리를 함께 검토해 교육 설계 원칙으로 적용합니다.
04 · Programs
조직의 실제 문제로 배우고, 바로 사용할 결과물을 만듭니다
미리 정해진 예제를 따라 하는 도구 실습이 아닙니다. 참가 조직의 운영, 연구·제품, 고객, 시장과 사업 과제를 가져와 HAMMA 방식으로 분석하고 실제 의사결정과 후속 실행에 사용할 결과물로 완성합니다.
01 · HAMMA
AI를 활용한 경영 전략 워크숍
판을 읽고, 선택을 만들고, 실행으로 연결합니다.조직과 사업의 환경을 해석하고 핵심 전략 이슈와 대안을 도출해 실행안으로 구체화합니다.
상세 구성 보기 → 02 · HAMMA트렌드 센싱 기반 인사이트 도출
흩어진 변화 신호를 다음 기회로 바꿉니다.민간·공공 데이터와 API, NextBM200을 활용해 변화 신호와 지속적인 모니터링 체계를 만듭니다.
상세 구성 보기 → 03 · HAMMA고객 인사이트 발굴
숨은 문제와 가치의 기회를 발견합니다.딥리서치와 합성사용자, 모의 인터뷰를 탐색 장치로 활용해 실제 검증으로 이어질 고객 가설을 설계합니다.
상세 구성 보기 → 04 · HAMMA사업모델·시장접근 전략 수립
선택받는 가치와 성장 경로를 설계합니다.사업모델과 산업환경을 진단하고 목표시장·포지셔닝·채널·파트너를 실행전략으로 연결합니다.
상세 구성 보기 → 05 · HAMMAAX 비즈니스 전환 워크숍
막연한 AI 도입을 전환 전략으로 완성합니다.고객가치, 인간과 AI의 역할, 데이터, 경제성, 위험관리와 실행 로드맵을 하나의 전략으로 연결합니다.
상세 구성 보기 →05 · Curriculum
프로그램별 상세 구성
과정별 상세 구성을 펼쳐 확인할 수 있습니다. 실제 운영 시에는 조직의 목표, 참가자 직무와 현업 과제를 반영해 범위와 순서를 조정합니다.
01AI를 활용한 경영 전략 워크숍
전략 이슈 지도 · 전략 대안 · 우선과제 · 실행계획
조직이 마주한 판을 읽고 핵심 이슈를 정의하며 여러 대안 중 무엇을 선택할지 판단하는 실전형 전략 과정입니다. 사람이 상황을 해석하고 AI는 반론·사각지대·대안을 제시하며, 최종 전략과 실행 기준은 사람이 결정합니다.
공통 학습 흐름
- 1. 판을 읽는 관점
- 외부환경, 경쟁구도, 고객 변화와 내부 역량 연결
- 2. 전략 이슈 정의
- 현상과 원인을 구분하고 핵심 전략 질문 설계
- 3. 전략 대안 설계
- 사람의 선행 대안과 AI 레드팀 검토
- 4. 선택과 실행
- 우선순위, 성공조건, 위험과 실행과제 구조화
선택 운영안
- AI를 활용한 전도판 워크숍 — 총 6~8회, 15~20시간
- 전도판 세미나 — 하프데이 4시간
- AI 기반 경영계획·사업계획 원데이 워크숍 — 8시간
- 부교재: 《전략은 도구다: 판을 읽는 힘》, 《전략의 여왕》
02AI를 활용한 트렌드 센싱 기반 인사이트 도출 워크숍
변화 신호 지도 · 기회 가설 · 우선 인사이트 · 모니터링 보드
1일차 — 변화 신호를 발견하고 트렌드로 해석하기
- 1. 트렌드 센싱의 관점
- 유행·현상·구조적 변화 구분
- 조직과 사업에 의미 있는 신호 기준 설정
- 2. 데이터 소스와 탐색 설계
- 민간·공공 데이터셋과 API 이해
- NextBM200·MCP를 활용한 신호 수집
- 3. HAMMA 기반 신호 분석
- 사람의 변화 가설과 AI의 반대 신호·사각지대 검토
- 4. 트렌드 센싱 캔버스
- 유망 신호 클러스터와 1차 트렌드 맵 완성
2일차 — 사업 기회와 지속적 인사이트로 전환하기
- 1. 신호에서 기회 가설로
- 고객·시장·기술·규제 변화 연결
- 2. 인사이트의 질 높이기
- 사실·해석·가설 분리와 근거 수준 평가
- 3. 기회 우선순위화
- 영향도, 시급성, 불확실성, 조직 적합성 평가
- 4. 기회 모니터링 보드
- 핵심 지표, 업데이트 주기와 임계 신호 설정
부교재: 《넥스트 비즈니스모델 2026 — 총괄편·산업편》 · 활용 서비스: NextBM200 트렌드 익스플로러, MCP
03AI를 활용한 고객 인사이트 발굴 워크숍
고객 문제 가설 · 근거 기반 페르소나 · 고객여정지도 · 가치제안 기회안
1일차 — 질문과 근거로 고객 이해하기
- 1. 고객 인사이트의 출발점
- 고객 정보와 고객 인사이트 구분
- 2. 고객 문제 가설
- 터틀백 프레임워크와 플라워 모델로 관계 구조화
- 3. AI 기반 고객 리서치
- 공개자료, 딥리서치와 9개 국가 합성사용자 데이터 활용
- 4. HAMMA 교차 검증
- 반대 관점, 극단 사용자, 누락 맥락과 편향 검토
2일차 — 고객의 목소리를 가치제안으로 전환하기
- 1. 근거 기반 페르소나
- 행동, 목적, 맥락, 불편과 선택 기준 중심 정의
- 2. 고객여정과 결정적 순간
- 이탈 지점, 미충족 요구와 핵심 순간 발견
- 3. 기회 영역과 가치제안
- ERRC·전략캔버스와 AI 레드팀 검증
- 4. 고객 인사이트 실행안
- 실제 고객조사에서 검증할 질문과 다음 행동 설계
합성사용자와 모의 인터뷰는 실제 고객을 대신하는 정답이 아닙니다. 실제 검증 전에 가설의 폭을 넓히고 사각지대를 발견하는 탐색 장치로 사용합니다.
04AI를 활용한 사업모델 및 시장접근 전략 수립
사업모델 진단서 · 개선 사업모델안 · 시장접근 전략 · 성장 로드맵
1일차 — 사업모델을 진단하고 가치구조 재설계하기
- 1. 사업모델을 보는 관점
- 고객가치, 제공방식, 수익구조와 핵심역량 연결
- 2. 목표시장과 우선 고객
- TPM 서클과 시장·조직 적합성 평가
- 3. BM ZEN 기반 구체화
- 고객 문제, 가치제안, 가치사슬과 수익논리 구조화
- 4. 현행 사업모델 진단
- BM HealthCheck와 IndustrySight 활용
2일차 — 시장진입과 성장 실행전략으로 전환하기
- 1. 대안 탐색과 레드팀
- 대체 모델, 경쟁 관점, 실패 조건과 사각지대 검토
- 2. PM 시장접근 전략
- 포지셔닝, 메시지, 채널, 파트너, 가격·제안 구체화
- 3. 전략 스트레스 테스트
- 경쟁 대응, 실패 시나리오와 누락 변수 검토
- 4. 성장단계 로드맵
- 탐색–검증–진입–확장 단계별 목표와 지표 설정
활용 서비스: BM HealthCheck, IndustrySight, AI ToolBox, BM Explorer(개발 중) · 프레임워크: BM ZEN 툴킷, TPM 서클, PM 시장접근 전략
05AI를 활용한 AX 비즈니스 전환 워크숍
AX 변혁 논제 · 인간–AI 협업 구조 · 데이터·성과 플라이휠 · 실행 로드맵
AI 기술을 시험하는 PoC에서 벗어나 고객가치, 인간과 AI의 역할, 데이터, 성과 개선, 경제성과 위험관리, 도입 로드맵을 하나의 비즈니스 전환 전략으로 연결하는 2일 출장형 워크숍입니다.
1일차 — AI 도입 아이디어를 전환 청사진으로
- 1. AX 비즈니스 전환의 관점
- 자동화·AI 기능 도입과 비즈니스 전환의 차이
- 2. 전환 과제와 변혁 논제 — Why ①
- 핵심 문제와 전환 목표·성공 기준 정의
- 3. 고객가치와 경제적 기회 — Why ②
- 대상 고객, 핵심 가치와 경제적 기회 정의
- 4. 인간과 AI의 역할 — What ①
- 판단·책임과 AI 지원 업무 구분
2일차 — 실행 가능한 사업전략과 로드맵으로
- 1. 데이터와 성과 — What ②
- 데이터–학습–반응–성과 플라이휠 설계
- 2. AI 모델·작동 논리와 거버넌스 — How ①
- AI 역할과 품질 기준, 위험과 인간 승인 지점 설정
- 3. 경제 엔진과 실행 로드맵 — How ②
- 수익·비용·도입 효과와 단계별 실행계획 수립
- 4. 공유 및 피드백
- 팀별 전략 발표, 교차 피드백과 후속 과제 확정
참가 조직의 실제 운영·연구·제품·사업 과제를 중심으로 부서별 관점을 하나의 캔버스에 모으고, 이틀이 끝날 때 후속 의사결정에 사용할 AX 전환 전략 초안을 남깁니다.
06 · Value
AI를 쓰는 법을 넘어, 조직에 남는 힘
단기적인 업무 효율을 넘어 문제를 정의하고 더 나은 판단을 내리며, 새로운 과제에도 배움을 전이하는 역량을 만듭니다.
AI와 함께 더 깊이 생각하고 더 나은 결정을 내립니다.
조직의 핵심 문제를 정의하고 AI의 제안을 비판적으로 검증해 실행 가능한 전략과 해결안으로 전환합니다.
현업에 전이되는 AI 학습을 설계합니다.
인간 주도성, 협업, 문제해결력과 학습전이를 중심으로 교육 효과를 높입니다.
불확실성을 탐색하고 성장 가설을 검증합니다.
트렌드와 고객을 읽고 사업모델을 진단해 시장 진입전략과 성장 로드맵을 완성합니다.
근거와 시민의 관점에서 책임 있는 해결안을 만듭니다.
공개데이터와 AI를 활용하되 근거 검증과 최종 판단은 사람이 주도합니다.
07 · Operation
조직의 과제에 맞춰 과정과 운영방식을 설계합니다
운영 형태기업·공공기관 출장형 교육, 팀 워크숍, 세미나, 프로젝트 기반 학습
교육 설계조직의 목표, 참가자 직무와 실제 과제를 반영해 프로그램 조정
진행 방식개념 강의, 팀 토론, AI ToolBox·전용 프레임워크 실습, 교차 피드백
주요 산출물캔버스, 진단 결과, 전략안, 인사이트 보드와 실행 로드맵
일정·인원·장소조직의 과제와 운영 조건을 확인한 뒤 상담을 통해 협의
조직의 문제는 서로 다릅니다. 정해진 도구 목록을 반복하기보다 지금 필요한 문제와 의사결정을 기준으로 가장 적합한 과정과 실습을 구성합니다.
Contact
AI가 결과를 대신 만드는 교육이 아니라,
사람과 조직이 더 좋은 질문과 판단을 갖게 되는 교육
HAMMA는 AI의 속도를 활용하면서도 인간의 주도성과 창의성, 문제해결력과 학습전이를 지키는 더이노베이션랩의 AI 교육 접근법입니다. 우리 조직이 풀어야 할 문제에서 시작해 실제 전략과 실행안이 남는 교육을 설계해 보세요.
info@thelab.center · 02-3454-1108
ANSWER ENGINE
자주 묻는 질문
더이노베이션랩의 역할과 방법론을 과제 관점에서 빠르게 확인할 수 있습니다.
HAMMA는 무엇인가요?
HAMMA는 사람이 문제와 가설을 먼저 만들고, AI의 교차 피드백을 비판적으로 검토한 뒤, 최종 판단은 사람이 내리고 AI가 정리와 실행을 돕도록 설계한 더이노베이션랩의 AI 교육 접근법입니다.
일반적인 AI 도구 교육과 무엇이 다른가요?
특정 생성형 AI의 기능이나 프롬프트 사용법을 익히는 데 머물지 않습니다. 조직의 실제 문제를 먼저 정의하고 전략, 트렌드, 고객, 비즈니스모델과 AX 전환 과제를 AI와 함께 검토해 현업에서 사용할 결과물과 판단 역량을 함께 만듭니다.
어떤 조직이 참여할 수 있나요?
기업 임직원과 HRD 조직, 스타트업, 공공기관을 대상으로 운영합니다. 조직의 목표, 참가자의 직무와 실제 과제를 사전에 확인해 출장형 교육, 팀 워크숍, 세미나 또는 프로젝트 기반 학습으로 구성합니다.
교육을 마치면 어떤 결과물이 남나요?
선택한 과정에 따라 전략 이슈 지도와 실행계획, 변화 신호와 기회 모니터링 보드, 고객 문제 가설과 고객여정지도, 사업모델 진단서와 시장접근 전략, AX 전환 청사진과 실행 로드맵을 남깁니다.