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 전이는 일어나지 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
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
BEFORE개인 산출물의 상향 평준화
AFTER개인의 관점과 집단의 아이디어 다양성 유지
BEFOREAI 지원이 사라지면 드러나는 학습 손실
AFTER스스로 설명·판단·적용하는 개념전이
03 · Evidence
좋은 의도만으로 설계하지 않았습니다
HAMMA는 생성형 AI와 학습, 창의성, 독립 수행에 관한 실증 연구와 생산적 실패·자기설명·인출 등 학습과학의 축적된 원리를 바탕으로 설계했습니다.
AI가 빠른 수행을 만들어도, 학습이 자동으로 남는 것은 아닙니다
가드레일 없는 AI는 연습 중 성과를 높이면서도 AI가 사라진 뒤의 독립 수행을 약화시킬 수 있습니다. 그래서 정답보다 힌트와 질문을 주고, 학습자의 선행 답변과 수정을 요구하는 설계가 중요합니다.
연구 근거 더 보기
- Bastani 등의 고교 수학 현장 RCT에서 자유형 GPT 집단은 AI가 있는 연습에서는 높은 점수를 보였지만, AI 없이 치른 시험에서는 통제집단보다 17% 낮았습니다.
- Fan 등의 무작위 글쓰기 실험에서 GPT-4 지원은 에세이 개선폭을 높였지만 측정된 지식 획득과 다른 영역으로의 전이를 높이지는 못했습니다.
- 선행 답변, 힌트와 자기 수정을 요구하는 구조는 일반 ChatGPT 사용보다 참여·지식·자기조절 지표를 개선하는 방향을 보였습니다.
AI는 개인의 아이디어를 높일 수 있지만, 모두의 생각을 비슷하게 만들 수도 있습니다
생성형 AI는 개인 산출물의 참신성과 유용성을 높일 수 있지만, 많은 사람이 비슷한 제안에서 출발하면 집단의 아이디어 다양성이 줄어들 수 있습니다. 사람이 먼저 독자적인 관점을 만들어야 하는 이유입니다.
연구 근거 더 보기
- Doshi와 Hauser의 실험에서는 AI 아이디어에 접근한 작성자의 평균 창의성 평가가 높아졌지만, 이야기 사이의 유사성도 높아져 집단 차원의 다양성이 낮아졌습니다.
- 사람이 먼저 아이디어를 만든 뒤 구조화된 방식으로 AI와 협업한 조건은 후속 독립 창의성에서 더 나은 결과를 보였습니다.
- HAMMA는 개인과 팀이 서로 다른 초안과 가설을 만든 뒤 AI 피드백을 받게 해 초기 관점의 다양성을 지킵니다.
먼저 고민하고 실패해 본 경험이, 더 깊은 문제해결과 전이를 만듭니다
학습자가 먼저 가설을 세우고 서툰 해결안을 만들어보는 과정은 이후의 설명과 피드백을 받아들일 인지적 구조를 활성화합니다. 핵심은 실패 자체가 아니라 선행 시도와 후속 통합 수업의 연결입니다.
연구 근거 더 보기
- 생산적 실패 연구는 학습자가 먼저 다양한 해결방법을 만든 뒤 설명과 피드백을 받는 구조가 개념 학습과 전이에 도움을 줄 수 있음을 보여줍니다.
- 먼저 혼자 문제를 시도한 뒤 ChatGPT를 사용한 집단이 즉시 질문한 집단보다 유사한 새 상황에서 더 높은 점수를 보인 보조 연구도 있습니다.
- HAMMA는 사람이 문제와 가설을 먼저 만들고 AI의 반례를 검토한 뒤, 마지막에는 자신의 말로 설명하고 새로운 상황에 적용하게 합니다.
AI를 쓰는 동안에도 계획·점검·평가는 사람이 맡아야 합니다
AI와 함께 배우는 주도성은 좋은 의지만으로 유지되지 않습니다. 학습자가 목표를 세우고 자신의 전략을 점검하며, AI의 답과 자신의 이해를 스스로 평가하도록 과정 안에 장치를 넣어야 합니다. 그래서 HAMMA는 AI의 역할을 분리하고 사람이 채택·수정·기각의 이유를 설명하게 합니다.
연구 근거 더 보기
- Xu 등의 대학생 68명 대상 4주 준실험에서 생성형 AI 환경에 과제전략과 자기평가를 돕는 명시적 메타인지 지원을 더하자 자기조절학습 과정과 학습경험 지표가 개선됐습니다. 다만 집단 간 성취도 차이는 유의하지 않았습니다.
- de Boer 등이 메타인지 전략 개입 48개를 종합한 메타분석에서는 계획·모니터링·평가를 가르치는 복합 개입의 학업수행 효과가 사후뿐 아니라 추후에도 관찰됐습니다.
- Abrami 등의 비판적 사고 수업 메타분석에서는 대화, 실제적 문제와 사례, 멘토링이 긍정적인 조건으로 나타났습니다. 단순히 AI와 대화하는 것만으로 비판적 사고가 향상된다는 뜻은 아닙니다.
- HAMMA는 사람이 목표와 평가기준을 먼저 정하고 AI의 반론과 대안을 검토한 뒤, 어떤 제안을 왜 받아들이거나 버렸는지 기록하도록 운영합니다.
AI를 닫은 뒤 꺼내 설명하고 적용해야 배움이 남습니다
AI가 정리한 내용을 읽을 때의 익숙함은 실제 이해와 다를 수 있습니다. 기억에서 직접 꺼내고 자신의 말로 설명하는 과정은 무엇을 알고 무엇을 놓쳤는지 드러내며, 새로운 문제에 적용할 수 있는지를 확인하게 합니다. 그래서 HAMMA의 학습은 AI가 만든 결과물에서 끝나지 않고 사람의 설명과 무도구 재적용으로 마무리됩니다.
연구 근거 더 보기
- Agarwal, Nunes와 Blunt의 학교·교실 인출연습 체계적 리뷰는 50개 실험과 5,374명을 포함했습니다. 49개 효과크기 중 57%에서 중간 또는 큰 이점이 관찰됐지만 모든 실험에서 큰 효과가 나타난 것은 아닙니다.
- Rittle-Johnson, Loehr와 Durkin의 수학 자기설명 메타분석에서는 자기설명 프롬프트가 절차지식, 개념지식과 일부 절차 전이에 작거나 중간 정도의 즉각적 이점을 보였습니다.
- Adesope, Trevisan과 Sundararajan의 메타분석은 연습시험과 같은 인출 활동이 다시 읽는 학습보다 파지에 전반적으로 유리할 수 있음을 보여줍니다.
- HAMMA는 과정 말미에 AI를 닫고 핵심 개념과 판단 이유를 자신의 말로 설명하게 하며, 다른 사례와 새로운 조직 과제에 다시 적용해 학습전이를 확인합니다.
각 연구는 특정 연령, 과제, 기간과 AI 사용 조건에서 수행됐습니다. 더이노베이션랩은 개별 결과를 모든 상황에 그대로 일반화하지 않고, 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.