리더십 교육을 해도 팀이 달라지지 않는 이유
AI 시대, ‘리더의 자기인식’에서 답을 찾다
팀장 교육을 매년 하는데도 팀은 왜 그대로일까요? 리더십 교육을 기획해 본 담당자라면 한 번쯤 부딪히는 질문입니다.
올해 5월 미국 LA에서 열린 세계 최대 HR 콘퍼런스 ATD26에서도 같은 질문이 던져졌습니다.
“리더십 프로그램의 반응은 좋은데, 왜 리더십의 변화는 없는가?”
글로벌 리더십 연구기관 DDI의 CEO 테이시 바이햄(Tacy Byham)이 지적한 현실은 명확했습니다. 리더들은 수년간 교육을 받았음에도 동일한 스킬 격차를 반복하고 있고, 이제는 초개인화된 프로그램을 원한다는 것입니다.
이 글에서는 리더십 교육이 성과로 이어지지 않는 근본 원인인 ‘리더의 자기인식’ 문제를 권위 있는 연구로 짚어보고, ATD26 트렌드와 국내 기업교육 동향 속에서 AI를 활용해 이 문제를 해결하는 방법을 정리합니다.
1. 자기인식은 데이터로 검증된 성과 변수입니다
리더의 자기인식은 막연한 인성 덕목이 아니라, 오래전부터 측정되어 온 성과 변수입니다. 리더십 연구에서는 리더가 스스로 평가한 리더십과 팀원이 평가한 리더십의 ‘일치도’를 자기인식의 지표로 사용해 왔습니다.
핵심 연구 결과를 표로 정리하면 다음과 같습니다.
| 연구 (기관/학술지) | 분석 대상 | 핵심 결과 |
|---|---|---|
| Atwater & Yammarino (Personnel Psychology, 1992), Fleenor 외 (Leadership Quarterly, 1996) 등 자기-타인 평가일치 연구 | 후속 연구 기준 관리자 2,056명 | 자기 평가와 타인 평가의 불일치, 특히 자기 과대평가는 리더십 효과성을 해석하는 핵심 변수로 확인됨 |
| Zes & Landis (Korn Ferry Institute, 2013) | 486개 상장사 6,977명, 30개월 주가 추적 | 수익률이 높은 기업일수록 구성원의 자기인식 수준이 높은 경향, 실적 부진 기업 구성원은 자기인식 낮을 확률 79% 높음 |
| Tasha Eurich (Harvard Business Review, 2018) 및 인용 연구 | Eurich 연구 약 5,000명, 별도 리더 연구 3,600여 명 | 95%가 스스로 자기인식이 높다고 믿지만 실제는 10~15%, 상위 리더일수록 20개 역량 중 19개에서 자기 과대평가 경향 |
세 갈래 연구의 결론은 하나로 모입니다. 자기인식은 개인의 리더십 효과성부터 기업의 재무 성과까지 연결되는 변수인데, 정작 직급이 올라갈수록 솔직한 피드백을 해줄 사람이 사라지면서 자기인식은 오히려 떨어진다는 것입니다.
리더십 교육이 반복돼도 팀이 달라지지 않았다면, 스킬이 아니라 이 지점부터 점검해야 합니다.
2. ATD26이 보여준 방향 — 진단에서 실행으로, 그리고 AI로
올해 ATD26에서도 AI와 리더십은 핵심 아젠다였습니다. 휴넷 홍정민 소장의 ATD26 디브리핑에 따르면, 올해 개인의 리더십 역량을 다루는 ‘Personal Leadership Capabilities’ 트랙이 신설됐고, ‘Leadership in AI Era’는 4년 연속 핵심 키워드로 꼽혔습니다.
급변하는 시대에 리더 자신에 대한 이해에서 출발하는 리더십이 그만큼 중요해졌고, 리더십과 AI가 별개의 교육 주제가 아니라 하나로 결합되고 있다는 뜻입니다.
DDI 세션이 제시한 해법도 같은 방향입니다. 리더십 프로그램은 ‘진단 기반의 개인화 학습과 실시간 피드백’ 단계를 거쳐, 최종적으로 ‘인사이트를 측정 가능한 행동으로 바꾸는’ 단계로 진화해야 한다는 것입니다.
진단 결과를 해석하고 끝나는 교육이 아니라, 리더가 자신과 팀의 데이터를 근거로 행동을 바꾸는 교육. 그리고 이 개인화를 현실적인 비용으로 가능하게 만드는 도구가 바로 생성형 AI입니다. 실제로 ATD26 현장에서는 스킬 진단 에이전트, 리더십 코치 에이전트처럼 AI가 리더 개개인의 데이터를 분석하고 코칭을 지원하는 사례가 다수 소개됐습니다.
3. 국내 기업교육 시장 — AI 교육과 리더십 교육의 결합
국내 상황도 이 방향을 뒷받침합니다. 휴넷의 ‘2026 기업교육 전망’ 조사(국내 371개사)에서 2026년 기업교육의 최우선 중점 분야는 AI 교육(50.9%)이 압도적 1위였고, 리더·임원 교육(24.3%)도 상위권을 유지했습니다.
별도로 진행된 ‘기업 AI 활용·인식’ 조사에서도 2025년 AI 교육을 진행한 기업은 71.4%에 달했고, 2026년 AI 교육을 확대하겠다는 응답이 53.9%로 가장 많았습니다.
흥미로운 점은 교육 형태입니다. ‘2026 기업교육 전망’ 조사에서 2026년 계획된 교육 형태 1위는 오프라인 집합교육(66.6%)이었습니다. 도구 사용법은 온라인으로 배울 수 있지만, 리더십처럼 자기 팀의 맥락이 필요한 주제는 실습형 오프라인 교육 수요가 여전히 강하다는 의미입니다.
이 흐름을 겹쳐 보면 2026년 리더십 교육을 설계할 때 확인해야 할 기준이 보입니다.
- 리더의 자기인식을 객관적 데이터(강점 진단 등)로 확보하는가
- 진단 데이터를 AI로 분석해 리더별 초개인화된 인사이트로 바꾸는가
- 인사이트가 면담 질문·피드백 문장·업무 배분 기준 등 측정 가능한 행동 도구로 남는가
- 리더가 교육 중 생성형 AI를 직접 활용하는 실습이 포함되는가
다시 말해, 이제 리더십 교육은 그 자체로 ‘AI 활용 교육’이어야 합니다. 리더가 교육장에서 생성형 AI로 자기 리더십을 분석하고 팀관리 도구를 직접 만들어 보는 경험이, 도구 특강 열 번보다 확실한 AI 역량 교육이 됩니다.
4. 리더의 자기인식이 팀 성과의 출발점이라면
이 칼럼을 준비하며 문득 처음으로 리더로서 첫걸음을 뗐던 때가 생각났습니다. 결정해야 할 것도, 관리해야 할 것도 많았지만, 나 자신에 대한 확신이 없는 상태에서는 모든 것이 혼돈일 수밖에 없었습니다.
10여 년 전 우연히 강점에 대해 알게 되었고, 제 강점이 어떤 상황에서는 단점으로 작동한다는 것을 알게 되면서 강점을 의사결정과 관계의 기준점으로 삼기 시작했습니다. 삶에 긍정적인 변화가 생겼고, 국내에서는 아직 낯설었던 스트렝스파인더 진단 워크숍을 한국쓰리엠, SK이노베이션, BMW 등 여러 기업에서 진행했습니다.
무엇보다 강점이 가장 크게 영향을 끼친 부분은 리더로서의 역량이었습니다. 강점을 몰랐을 때와 달리, 지금은 제가 리더로서 어떤 방식으로 작동하는지 스스로 이해하고, 구성원 각자의 강점에 맞춰 소통합니다. 그러다 보니 애쓰지 않아도 구성원들이 제 메시지를 이해하고, 저와 팀이 더 몰입하게 되는 것을 경험했습니다.
다만 현실적인 어려움도 있습니다. 구성원 모두의 강점을 다 외우고 그에 맞춰 의사결정을 하기란 쉽지 않습니다. 일이 바쁘고 상황이 복잡해지면 나도 모르게 리더가 가장 편한 방식으로 빠르게 진행하게 되고, 결국 또 불통의 조직이 되는 악순환에 빠질 수 있습니다.
듀잇은 20년간 기업교육 콘텐츠를 제작해 온 경험을 바탕으로, 이 흐름을 담은 「팀원의 강점을 성과로 바꾸는 AI 리더십」 워크숍을 운영하고 있습니다.
리더가 자신과 팀원의 강점 데이터를 생성형 AI로 분석해 자기 리더십의 영향과 과사용 리스크를 확인하고, 팀원별 면담 질문·피드백 문장·업무 배분 기준을 담은 우리 팀 전용 팀관리 도구를 교육 당일 직접 완성하는 실습형 AI 활용 과정입니다. 진단지 없이도 진행할 수 있습니다.
AI 교육과 리더십 교육을 하나의 과정으로 해결하고 싶은 담당자분들의 문의를 기다립니다.
참고 자료
- Eurich, T. (2018). What Self-Awareness Really Is (and How to Cultivate It). Harvard Business Review
- Zes, D. & Landis, D. (2013). A Better Return on Self-Awareness. Korn Ferry Institute
- Atwater & Yammarino (1992), Personnel Psychology / Fleenor, McCauley & Brutus (1996), The Leadership Quarterly
- 휴넷 (2025.11), 「2026 기업교육 전망」 설문조사 (국내 371개사)
- 휴넷 (2025.12), 「기업 AI 활용·인식」 설문조사 (국내 371개사)
- ATD26 관련 내용은 홍정민 소장의 ATD26 디브리핑 자료(2026.5)를 참고했습니다