제약회사 AX 교육: 경동제약, 전사 AI 교육을 10개 현업 과제와 대표 PoC로 연결하다
전사 AI 교육이 실제 AX로 이어지려면,
구성원의 활용 기준을 맞추는 교육과 현업 과제를 검증하는 과정이 함께 설계돼야 합니다.
안녕하세요, 데이터다이빙입니다.
제약회사의 업무에는 연구자료 조사와 생산·품질 문서 검토, 데이터 분석처럼 정확한 근거와 반복적인 확인이 필요한 영역이 많습니다.
생성형 AI를 활용하면 자료를 찾고 문서를 정리하는 시간을 줄일 수 있지만, AI가 작성한 결과를 그대로
업무에 적용하기는 어렵습니다. 답변의 근거와 원본 데이터를 확인해야 하며, 현장의 조건과 규정에 맞는지 담당자가 다시 판단해야 하기 때문입니다.
구성원의 AI 활용 수준이 서로 다르다는 점도 고려해야 합니다. 일부 구성원은 이미 자료조사와 문서 작성에 AI를 활용하고 있지만, 다른 구성원에게는 기본적인 사용법과 검증 기준부터 필요할 수 있습니다.
반대로 실제 업무 자동화를 추진할 핵심인재에게는 프롬프트 교육을 넘어 데이터 처리와 서비스 구현까지 이어지는 역량이 요구됩니다.
경동제약은 2026년 산업혁신바우처 사업을 통해 전사 구성원의 AI 활용 기준을 정립하는 교육과 현업
과제를 검증하는 PoC 컨설팅을 함께 추진했습니다.
이번 글에서는 경동제약과 함께 진행한 ‘제약회사 AX 교육’을 소개합니다.
교육과 PoC,
두 갈래를 하나의 AX 프로젝트로
경동제약 프로젝트는 크게 교육과 PoC 컨설팅이라는 두 갈래로 구성됐습니다.
교육은 다시 전사교육과 핵심인재 교육으로 나뉩니다. 전사교육에서는 구성원별로 달랐던 AI 활용 수준의 격차를 좁히고, 업무에서 공통으로 지켜야 할 검증과 보안 기준을 전달했습니다.
핵심인재 교육은 실제 현업 과제를 구현하기 위한 과정으로 설계했습니다. 사전에 수집한 업무 요구를 검토한 뒤 과제 수행에 필요한 프롬프트, 데이터 분석, 업무 자동화와 서비스 구현 역량을 순서대로 구성했습니다. 이후 과제기획과 멘토링을 연결해 교육에서 학습한 내용을 각자의 업무 문제에 적용하도록 했습니다.
PoC 컨설팅은 조직 차원에서 중요도가 높은 과제의 적용 가능성을 보다 깊이 확인하는 과정입니다.
요구사항을 분석하고 구현 범위와 성공지표를 설계한 뒤, PoC 실행과 결과 분석을 거쳐 향후 AX 전략에
반영하도록 전체 흐름을 구성했습니다.
활용 수준은 달라도,
업무에서 지켜야 할 기준은 함께 맞추다
교육을 설계하기 전에는 직책자와 생산·R&D 구성원, 핵심인재를 대상으로 각각 사전설문을 진행했습니다.
설문 결과, 대상에 따라 현재의 활용 수준과 업무에서 필요로 하는 역량이 서로 다르게 나타났습니다.
직책자 사전설문에서는 응답자 33명 가운데 81.8%가 자신의 생성형 AI 활용 수준을 기초 또는 중급으로 평가했습니다. 현재는 자료조사와 문서 작성에 AI를 활용하는 비중이 높았지만, 교육에서는 문서 정리와
분석, 기획·보고서 작성, 개인 업무용 챗봇에 대한 수요가 크게 나타났습니다.
생산·R&D 구성원은 Excel과 문서 업무에 대한 요구가 두드러졌습니다. 특히 Excel 반복업무 자동화는
필요도 3.79점, 현재 숙련도 1.47점으로 조사 항목 가운데 가장 큰 차이가 확인됐습니다. 데이터 정제와
분석 보고서, 대용량 문서 분석 역시 현재 숙련도보다 업무상 필요도가 높았습니다.
경동제약 전사교육의 목적은 모든 구성원을 동일한 수준으로 만드는 것이 아니었습니다. 대상자의 업무에 맞는 활용 방법을 익히면서도 다음과 같은 공통 기준을 적용할 수 있도록 하는 데 초점을 맞췄습니다.
생산·R&D 특화와 직책자,
같은 AI를 다른 업무에 적용하다
생산·R&D 특화 과정에서는 실제 업무 요청을 AI가 이해할 수 있는 구조로 바꾸는 방법을 다뤘습니다.
업무 배경과 요청사항을 한 문단 안에 길게 작성하는 것보다 AI가 요청을 이해하기 수월한 구조로 질문을 바꾸는 방법을 알아야 효율적으로 실무에 적용할 수 있기 때문입니다. 결과에 포함돼야 할 항목과 데이터가 부족할 때의 처리 방법까지 명시하면서, AI가 임의로 내용을 채우지 않는 방법도 함께 실습했습니다.
전사교육에서 프롬프트를 다룬 목적은 고급 기능을 구현하는 것이 아니라, AI에게 업무를 전달하는 공통
방식을 만드는 것이었습니다. 이를 통해 생성형 AI를 처음 활용하는 구성원도 결과를 검토하고 수정하기
쉬운 형태로 요청할 수 있도록 했습니다.
직책자 과정은 근거가 있는 정보를 확인하고 이를 조직의 판단에 활용하는 방향으로 구성했습니다.
보고서에서 필요한 내용만 추출하고, 수치와 비교 기준, 근거가 있는 위치를 함께 확인했습니다. 문서에서 직접 확인된 사실과 AI가 해석한 시사점을 구분하고, 추가 확인이 필요한 내용은 별도로 표시하도록 하여 오류를 줄이는 방법을 실습 했습니다.
AI가 관리자를 대신해 결론을 내리는 것이 아니라, 판단에 필요한 자료를 빠르게 정리하고 검토 범위를
좁히는 보조 역할을 담당하도록 한 것입니다.
10개 현업 과제에서 필요한 역량을
역으로 설계하다
핵심인재 과정의 목적은 여러 AI 도구를 폭넓게 체험하는 것이 아니었습니다.
경동제약에서 수집한 부서별 AX 요구과제 28건을 분석하고, 이 가운데 우선 추진과제 10건을 선정했습니다. 이후 해당 과제를 구현하는 데 필요한 역량을 기준으로 핵심인재 교육과정을 설계했습니다.
사전설문에서도 핵심인재는 Excel 반복업무 자동화와 데이터 분석 보고서에 높은 필요도를 보였습니다.
여러 도구를 연결하는 자동화와 서비스 구현 역량 역시 현재 숙련도보다 요구 수준이 높았습니다.
이에 따라 교육은 질문을 구체화하는 단계에서 시작해 정형 데이터와 여러 파일을 다루는 과정으로 확장됐으며, 마지막에는 교육생이 직접 이용할 수 있는 화면과 업무 흐름을 구현하는 단계로 이어졌습니다.
1과정. 프롬프트를 구조화해 개인 업무용 GPTs를 설계하다
첫 번째 과정에서는 프롬프트의 기본 구조를 바탕으로 반복해서 사용할 수 있는
업무용 GPTs를 제작했습니다.
전사교육이 하나의 요청을 명확하게 전달하는 방법에 집중했다면, 핵심인재 1과정에서는 특정 업무에서
지속적으로 적용할 지침과 참고자료, 답변 기준을 하나의 도구 안에 구성했습니다.
어떤 자료를 근거로 답해야 하는지, 자료에서 확인되지 않는 내용은 어떻게 처리해야 하는지, 결과를 어떤 형식으로 제공해야 하는지를 설정했습니다. 정상적인 질문뿐 아니라 자료가 부족하거나 업무 범위를
벗어난 질문도 입력해보며 답변의 범위를 확인했습니다.
이를 통해 GPTs 제작 자체보다 업무 기준을 AI가 반복해서 따를 수 있는 형태로 구조화하는 방법을
익히도록 진행되었습니다.
2과정. Excel 반복업무를 재사용 가능한 분석 구조로 바꾸다
두 번째 과정에서는 이미 많은 구성원이 사용하고 있는 Excel을 중심으로 반복업무를 자동화했습니다.
여러 자료를 다루기 전에 먼저 열의 구조와 값의 형식, 누락된 데이터가 있는지를 확인했습니다. 이후 함수와 VBA, 데이터 처리 기능을 활용해 반복되는 정리와 계산 작업을 자동화했습니다.
여기서의 핵심은 새로운 프로그램을 만드는 것이 아니라, 기존 Excel 업무 안에서 반복되는 작업을 동일한 기준으로 다시 실행할 수 있게 만드는 것이었습니다.
정리된 데이터는 피벗테이블과 차트로 연결해 결과를 확인했습니다. 단순히 한 번의 분석 결과를 만드는 데 그치지 않고, 다음 데이터가 추가 되더라도 같은 처리방식을 다시 적용할 수 있도록 구성했습니다.
3과정. Codex로 비정형 자료를 데이터와 자동화 흐름으로 전환하다
세 번째 과정에서는 Excel 한 파일을 다루는 범위를 넘어 여러 파일과 비정형 자료를 처리하는 방법을
학습했습니다.
실제 업무에서는 같은 의미를 가진 열이 서로 다른 이름으로 작성되거나, 월별 파일마다 구조와 표기 방식이 달라지는 경우가 많습니다. 이러한 상태에서는 AI나 코드를 바로 적용하더라도 결과가 일관되게 나오기 어렵습니다.
참여자는 Codex를 활용해 각 파일의 구조를 먼저 확인하고, 어떤 열을 기준으로 데이터를 합칠지 정했습니다. 표기가 다른 항목은 하나의 기준으로 통일하고, 값이 비어 있거나 의미가 불분명한 데이터는 임의로 처리하지 않도록 규칙을 설정했습니다.
2과정이 Excel 내부의 반복작업을 줄이는 과정이었다면, 3과정은 서로 다른 파일을 분석 가능한 형태로
바꾸고 반복 실행할 수 있는 처리 흐름을 만드는 과정입니다. 기능을 한 번에 구현하지 않고 파일 확인,
구조 통일, 병합, 결과 검증의 순서로 나눠 진행하면서 원본과 처리 결과가 일치하는지도 단계별로
점검했습니다.
4과정. 바이브코딩으로 LLM 업무 웹을 구현하다
마지막 과정에서는 앞서 익힌 프롬프트와 데이터 처리 역량을 웹서비스 형태로 확장했습니다.
참여자는 자신의 업무에서 필요한 입력과 처리 단계, 결과 확인 방식을 화면과 기능으로 구성했습니다.
기능을 한 번에 완성하기보다 핵심 흐름을 작은 단위로 나눠 구현하고, 각 단계가 의도한 대로 작동하는지 확인했습니다.
이 과정의 목적은 완성형 시스템을 개발하는 것이 아니었습니다. 현업 아이디어가 실제 사용 가능한 흐름으로 구성될 수 있는지, 어떤 데이터와 기능이 추가로 필요한지를 프로토타입을 통해 확인하는 데 초점을
맞췄습니다.
PoC의 목적은 완성형 시스템보다
적용 가능성을 확인하는 것
교육이 핵심인재의 과제 수행 역량을 만드는 과정이라면, PoC 컨설팅은 조직이 중요하게 판단한 과제의
적용 가능성을 검증하는 과정입니다. 공통 예제를 따라 구현한 결과만으로는 실제 업무에 적용할 수 있는지 판단하기 어렵습니다.
경동제약은 핵심인재가 자신의 업무 문제를 직접 과제로 발전시킬 수 있도록 별도의 과제기획 과정을 운영했습니다. 참여자는 구현에 앞서 해결하려는 업무와 현재 처리방식, 시간이 오래 걸리는 구간을 정리했습니다. 이후 필요한 데이터와 확보 방법, 정제해야 할 항목, AI가 처리할 단계와 사람이 검토할 단계를 하나의 흐름으로 작성했습니다.
과제기획서는 이후 구현 방향을 정하고 멘토링에서 진행상황을 점검하는 기준으로 활용했습니다.
과제의 규모가 지나치게 크거나 필요한 데이터가 준비되지 않은 경우에는 핵심 기능만 남겨 검증 범위를
조정했습니다.
현업 과제는 교육시간 안에 한 번 구현했다고 완성되지 않습니다.
실제 업무자료를 적용하면 파일 구조와 데이터 상태에 따라 새로운 오류가 발생할 수 있고, 보안과 권한
문제로 구현 방식을 조정해야 할 수도 있습니다. 처음 설정한 기능이 지나치게 많다면 핵심 범위를
다시 정해야 합니다.
이에 따라 경동제약 프로젝트에는 과제별 진행상황을 이어서 점검할 수 있는 온라인 멘토링을
배치했습니다.
멘토링에서는 구현된 기능과 오류, 데이터 준비상태와 검토가 필요한 부분을 확인했습니다. 기술적 문제만 해결하는 것이 아니라, 과제의 목적에 비해 불필요한 기능은 없는지, 결과를 사람이 어떻게 확인해야 하는지도 함께 검토했습니다.
교육과 과제기획, 멘토링을 연결함으로써 학습한 기능이 실제 업무 조건에서도 작동할 수 있도록 지원한 것입니다.
10개의 현업 과제를 하나의 AX 실행계획으로
경동제약의 제약회사 AX 교육은 생성형 AI 사용법을 전달하는 교육에 머물지 않았습니다.
전사 구성원에게는 업무에서 AI를 활용할 때 필요한 공통 기준을 제시하고, 핵심인재에게는 실제 과제를
구현하는 데 필요한 역량을 단계적으로 제공했습니다. 이후 현업 아이디어를 10개의 과제로 구체화하고,
과제기획과 멘토링을 통해 구현 범위와 검증 기준을 정리했습니다.
대표 PoC는 이러한 교육 결과를 조직의 다음 의사결정으로 연결하는 단계입니다.
PoC를 통해 기술적으로 구현 가능한 범위와 현업 유용성, 필요한 데이터와 보안 조건을 확인하고,
그 결과를 바탕으로 우선 추진할 과제와 추가 개발이 필요한 영역을 구분할 수 있습니다.
조직의 AX는 한 번의 교육이나 하나의 결과물만으로 완성되지 않습니다. 구성원의 활용 기준을 맞추고,
현업 문제를 과제로 전환하며, 핵심 과제는 직접 구현해 검증해야 합니다. 그 결과가 다시 조직의 투자와
운영 방향으로 이어질 때 교육은 실질적인 AX의 출발점이 될 수 있습니다.
데이터다이빙은 조직의 업무와 구성원별 역할을 분석해 교육과정을 설계하는 것뿐 아니라, 현업 과제기획과 멘토링, PoC와 후속 AX 실행계획까지 연결되는 프로젝트를 함께 만들어가고 있습니다.
상세 커리큘럼이 궁금하신가요?
제약회사 AX 교육 커리큘럼에 대해 자세히 알고 싶으시다면,
아래 버튼을 클릭하여 문의해 주세요. 귀사의 특성에 맞는 맞춤형 교육 방안을 제안해 드리겠습니다.
