하버드 교수진은 점수가 아닌 자질로 좋은 학습자를 정의합니다.
호기심, 성장 마인드셋, 목적 의식이 AI 시대 핵심 역량입니다.
'좋은 학생'과 '좋은 학습자'의 차이가 조직 경쟁력을 가릅니다.
우리는 오랫동안 '좋은 학생'을 채용해왔습니다.
하버드 교수들은 AI 시대에 필요한 것은 '좋은 학습자'라고 말합니다.
입사 면접에서 우리가 확인하는 것은 무엇입니까? 학점, 자격증, 이전 직장 이름입니다. 하버드대 Sy Boles가 복수의 교수진을 인터뷰한 결과, 이것들은 "좋은 학습자"의 조건이 아닙니다.
AI가 지식 검색과 처리를 대신하는 시대에 인재 기준이 달라지고 있습니다. 하버드 교수들이 교실에서 직접 관찰한 조건들은 인사 기준을 다시 쓸 근거가 됩니다.
AI를 도입한 팀에서 역설적인 현상이 나타납니다. 기존에 성과가 좋던 팀원이 AI 도입 이후 오히려 성과가 정체됩니다. 그 자리에 경험은 적지만 호기심이 높은 팀원이 빠르게 치고 올라옵니다. '아는 양'이 강점이었던 사람은 AI가 그 역할을 가져가면 경쟁력이 줄어듭니다. 새로운 도구와 방식을 계속 흡수하는 사람만이 기여도를 유지합니다.
핵심 프레임: '좋은 학생'과 '좋은 학습자'는 다릅니다. 하버드 교육대학원 교수 Tina Grotzer는 이 둘을 명확히 구분합니다. '좋은 학생'은 시스템이 요구하는 것을 잘 수행하는 사람입니다. '좋은 학습자'는 목적과 열정으로 이해 자체를 추구합니다. 좋은 학생은 지시가 없으면 멈추지만, 좋은 학습자는 스스로 다음 질문을 만듭니다. 하버드 교수진이 말하는 좋은 학습자의 조건은 아래 네 가지입니다.
조건 1. 호기심이 성과 욕구보다 앞에 있습니다. 하버드 물리학 교수 Cora Dvorkin은 뛰어난 학생의 공통점을 이렇게 말합니다. "잘 보이려는 욕구가 아니라 이해하고 싶은 진짜 욕구"입니다. 이 차이는 어려운 상황에서 드러납니다. 성과 지향 인재는 실패 앞에서 물러서고, 호기심 지향 인재는 실패를 탐구합니다. AI가 정답을 빠르게 바꾸는 환경에서 성과 지향형은 구조적으로 불리합니다.
조건 2. 실수를 분석하고 넘어섭니다. 하버드 법학대학원 교수 Dehlia Umunna는 뛰어난 학습자의 특징을 말합니다. 실수의 의미를 되짚고, 그것을 넘어서며, 스스로에게 너그러워집니다. 실수 후 자책에 머무르는 조직은 학습 속도가 느립니다. 실수를 분석하고 다음 행동으로 전환하는 문화가 조직 학습 속도를 결정합니다.
조건 3. 반대 의견을 증거로 처리합니다. 하버드 정치학 교수 Yuhua Wang은 훌륭한 학생이 반대 관점을 진지하게 다룬다고 말합니다. 단순히 듣는 것이 아닙니다. 증거가 충분하면 자신의 입장을 수정합니다. 정보가 넘쳐날수록 자기 의견에 갇히는 위험이 커집니다. 반대 의견을 묵살하지 않는 회의 문화가 조직의 판단력을 높입니다.
조건 4. 세부 사항 이전에 지식 구조를 먼저 세웁니다. 하버드 의대 교수 Henrike Besche는 의학 교육에서 발견한 패턴을 말합니다. 뛰어난 학생은 암기 전에 지식의 뼈대를 만듭니다. 전문가와 초보자의 차이는 '아는 양'이 아니라 '지식 구조'입니다. 조직 온보딩을 설계할 때 정보 전달 이전에 구조 이해를 먼저 배치해야 하는 이유입니다.
"최근 6개월 안에 스스로 새로 배운 것이 있습니까? 어떻게 배웠습니까?"라는 질문을 넣습니다. 학위나 자격증이 아니라 배움의 방식을 봅니다. Claude에 "비개발자 팀장이 학습 역량을 평가할 면접 질문 5개를 만들어줘"라고 요청합니다. (30분)
정례화 전에 먼저 1회 실험합니다. 최근 한 달 안의 실수 1건을 골라 "왜 이 결정을 했는가, 다음에는 어떻게 달리 할 것인가" 두 질문만 다룹니다. 비난 없이 원인과 대안만 씁니다. Claude에 "심리적 안전감을 유지하는 회고 회의 진행 방법을 알려줘. 20분 기준으로"라고 요청합니다. (준비 30분)
지금 온보딩의 첫 주가 정보 전달로 채워져 있다면, 구조 이해를 먼저 배치합니다. "우리 조직이 왜 이 일을 하는가"를 먼저 설명하고, 세부 업무 절차를 나중에 붙입니다. Claude에 현재 온보딩 자료를 붙이고 "지식 구조 중심으로 재구성해줘"라고 요청합니다. (2시간)
하버드 교수진의 관찰은 대학원생 기준입니다. 이 기사는 하버드 교수들이 자신의 수업에서 관찰한 학생을 기준으로 합니다. 대규모 조직의 다양한 직군에 동일하게 적용하기는 어렵습니다. '호기심 높은 인재'가 실행 속도가 빠른 업무에는 오히려 맞지 않을 수 있습니다. 직군과 업무 성격에 따라 기준을 조정해야 합니다.
학습 역량은 채용 시점에 측정이 어렵습니다. 면접 한 번으로 '좋은 학습자'를 가려내기는 힘듭니다. 과거 행동을 묻는 구조화 면접과 짧은 실제 과제 수행을 조합해야 합니다. 학습 역량을 기준으로 삼겠다고 결정했다면, 채용 프로세스 전체를 그에 맞게 재설계해야 합니다.
성장 마인드셋이 만병통치약은 아닙니다. Stanford 심리학 교수 Carol Dweck이 정립한 성장 마인드셋 개념은 유효하지만, 일부 조직에서 이를 "무조건 긍정"으로 왜곡해 적용합니다. 실패를 분석 없이 수용하거나, 역량 부족을 태도 문제로 덮는 데 사용하면 오히려 해롭습니다.
AI 시대에 조직이 채용해야 하는 것은 '이미 아는 사람'이 아니라 '계속 배우는 사람'입니다. 인재 기준을 지금 다시 써야 합니다.
- Boles, S. (2026, April). What makes a good student? [Article]. Harvard Gazette. (원문 보기 ↗)