도구를 깔았다고 바뀌지 않습니다. 사람이 익혀야 남습니다
아무리 좋은 도구도, 쓰는 사람이 익히지 않으면 다시 예전 방식으로 돌아갑니다.
우리가 우리 회사에서 익힌 순서 그대로, AI와 일하는 법을 함께 익힙니다.
전환은 도구가 절반, 사람이 절반입니다.
자율 에이전트를 들이고 사내 LLM 위키를 만들어도, 사람이 AI와 일하는 법을 모르면 전환은 한 번의 프로젝트로 끝납니다.
교육은 그 전환이 조직에 남게 하는 마지막 1마일입니다. 초안은 AI가 먼저, 확정은 사람이 — 그 방식을 몸에 익히게 합니다.
무엇을 익히나요.
우리가 헤르메스·맴제로·페이퍼클립으로 일하며 익힌 순서 그대로 짰습니다.
기본기에서 시작해, 검증과 책임으로 마칩니다.
AI 네이티브 입문
왜 AI가 먼저 일하고 사람이 검증하는가. 일하는 방식이 어떻게 달라지는지 큰 그림부터 잡습니다.
에이전트에게 일 맡기기
자율형 AI 에이전트에 일을 맡기고, 결과를 받아 검증하는 법. 무엇을 맡기고 무엇을 사람이 쥘지 가릅니다.
사내 LLM 위키 200% 쓰기
도서관과 AI 사서에게 제대로 묻고, 근거 출처까지 확인하는 법. 답을 머릿속이 아니라 위키에 남깁니다.
맥락 설계와 토큰 절감
필요한 맥락만 골라 넘기는 프롬프트·컨텍스트 설계. AI를 쓰면서도 비용이 새지 않게 합니다.
여러 에이전트 굴리기
역할·예산·승인 규칙으로 여러 에이전트를 한 팀처럼 묶고, 일과 비용을 한곳에서 보는 법을 익힙니다.
확정은 사람이 합니다
AI 초안을 사람이 확정하는 기준과 승인 게이트. 무엇을 어떻게 검증하고, 책임은 누가 지는지 정합니다.
커리큘럼은 조직의 직무·도구 환경에 맞춰 조정합니다. 모듈 구성·차시는 진단 단계에서 함께 정의합니다.
배우고 나면, 이런 일들을 직접 자동화합니다.
고빈도로 반복되고, 데이터를 옮겨 적고, 사람이 자주 틀리는 일.
그 순서로 자동화 1순위를 잡습니다.
매일·매주 똑같이 되풀이되는 정형 업무
흩어진 자료를 모으고 양식에 맞춰 옮겨 적는 일
한 번 틀리면 비용·신뢰가 새는 까다로운 일
재무·회계
영업·마케팅
기획
생산·물류
고객센터
행정·데이터 수집
칩을 누르면 Before / After 가 펼쳐집니다.
자동화 대상·범위는 회사 환경과 업무에 맞춰 함께 정합니다. 외부 서비스 연동은 각 서비스의 약관·정책 범위 안에서 진행합니다.
강의가 아니라, 직접 해보는 시간입니다.
듣기만 하는 교육은 남지 않습니다. 우리 환경에서 직접 묻고, 맡기고, 검증해 봅니다.
역할에 맞게 나눕니다
경영·실무·관리자 트랙을 나눠, 각자 자기 일에서 바로 쓸 수 있는 것부터 익힙니다.
우리 위키로 직접 해봅니다
남의 사례가 아니라, 구축한 사내 LLM 위키와 에이전트로 직접 묻고 맡기고 검증해 봅니다.
정착까지 이어집니다
전환·구축과 같이 진행해, 도구를 들이는 순간부터 사람이 함께 익히도록 설계합니다.
우리 팀에 맞는 교육을, 함께 설계합니다.
직무 구성과 쓰는 도구부터 같이 봅니다.
전환·구축과 함께 진행하면, 도구를 들이는 순간부터 사람이 함께 익힙니다.