홍콩 2026 AI 스킬 로드맵: 도구보다 ‘검증 가능한 워크플로’를 먼저 배워라

2026년에 우선 배울 AI 역량 5가지

1. 생성형 AI 실무: 프롬프트를 ‘산출물’로 바꾸기

프롬프트 작성은 단순히 AI에게 ‘이것 좀 써줘’라고 말하는 기술이 아니다. 목표, 배경, 제약 조건, 어조, 출력 형식, 참고 자료, 평가 기준을 명확히 제시하는 일이다. 또한 AI가 어떤 가정을 했는지, 어디에 불확실성이 있는지, 어떤 부분을 사람이 확인해야 하는지 표시하게 만드는 습관도 필요하다.

먼저 다음과 같은 고빈도 업무부터 연습해볼 수 있다.

• 긴 문서를 경영진용 요약, 리스크 목록, 후속 과제로 정리하기
• 회의록을 액션 아이템, 담당자, 후속 이메일 초안으로 바꾸기
• 기초 자료를 프레젠테이션 개요, 보고서 초안, 고객 이메일로 재구성하기
• AI에게 반대 논리나 누락 가능성을 제시하게 한 뒤 사람이 근거를 점검하기

비기술 직무라면 핵심은 ‘특정 AI 도구를 써봤다’가 아니다. ‘AI를 활용해 특정 유형의 업무를 안정적으로 처리하고, 결과를 검토하는 기준도 갖고 있다’고 말할 수 있어야 한다.

2. 워크플로 설계: AI를 업무 흐름 안에 넣기

프롬프트는 출발점일 뿐이다. 더 가치 있는 역량은 워크플로 설계다. 하나의 업무를 여러 단계로 나누고, 어느 단계에서 AI가 초안을 만들지, 어느 단계에서 사람이 검토할지, 어느 지점에서 문서·스프레드시트·CRM·사내 지식베이스와 연결할지를 정하는 능력이다.

현실적인 예시는 다음과 같다.

• 주간 보고: AI가 자료를 정리하고 요약 초안을 만들면, 사람이 핵심 수치와 해석을 검토한다.
• 고객 지원: 자주 묻는 질문을 지식베이스로 정리하고, AI는 낮은 위험도의 문의에 답하되 불확실하면 상담원에게 넘긴다.
• 영업 프로세스: 회의 기록에서 후속 이메일과 CRM 메모 초안을 자동 생성한다.
• 문서 검토: 여러 문서를 비교표, 이상 항목 목록, 확인 질문으로 변환한다.

홍콩 고용주가 AI 모델 적용 능력을 중요하게 본다면, 워크플로 설계는 ‘AI를 쓸 줄 안다’를 ‘AI가 실제 업무에 도움이 된다’로 바꾸는 핵심 연결고리다.

3. Python, API, 자동화: 수작업을 재사용 가능한 시스템으로 바꾸기

채팅창에서 질문하고 답을 받는 수준은 곧 기본기가 될 가능성이 크다. 다음 단계는 약간의 Python, API 개념, 자동화를 익혀 AI가 자료를 대량으로 처리하게 만드는 것이다. 매번 파일을 열어 복사·붙여넣기 하는 방식에서 벗어나야 한다.

비기술 직무라도 최소한 다음은 이해하는 편이 좋다.

• API가 무엇이며 AI가 기존 업무 도구와 어떻게 연결되는지
• Python으로 Excel, CSV, PDF, 텍스트 파일을 읽는 기본 방식
• 여러 문서를 한꺼번에 요약하고, 필드를 정리하며, 정해진 형식의 보고서를 출력하는 법
• 반복 업무를 재사용 가능한 절차로 바꾸는 방법

데이터, IT, 제품 기술 직무를 목표로 한다면 한 단계 더 나아가 LLM 앱 개발을 배울 수 있다. 예를 들어 RAG, 벡터 검색, 프롬프트 템플릿, 모델 평가, 모니터링, 클라우드 배포 같은 역량이다. 이는 Jobsdb에 나타난 AI Engineer, AI Technical Lead 같은 기술 직무의 채용 언어와 더 가깝다.

4. 데이터 역량: Excel, SQL, 정제와 검증

많은 AI 워크플로의 성패는 모델 성능만으로 결정되지 않는다. 데이터가 깨끗한지, 필드 정의가 명확한지, 출력 결과를 사람이 검증했는지가 중요하다. 대부분의 사무직에게 데이터 역량은 가장 먼저 보강할 만한 기초 체력이다.

최소한 다음은 연습해두는 것이 좋다.

• Excel 또는 Google Sheets에서 데이터 정리, 필터링, 피벗 분석하기
• SQL의 기본 조회 개념 이해하기
• 필드 정의, 예외 사례, 오류 유형, 표본 점검 기준 정하기
• AI 출력물을 원문과 대조하고, 누락·중복·논리 오류를 확인하기

기업이 실제로 받아들일 수 있는 AI 산출물은 ‘그럴듯해 보이는 답’이 아니다. 출처가 있고, 검토 절차가 있으며, 오류가 났을 때 처리할 방법이 있는 결과물이다.

5. AI 평가, 리스크, 거버넌스: 오래 쓸 수 있게 만들기

기업이 AI를 도입할 때 묻는 질문은 ‘빠른가’만이 아니다. 정확한가, 누가 최종 확인하는가, 어떤 데이터를 넣어도 되는가, 결과를 추적할 수 있는가도 함께 본다. 처음부터 AI 거버넌스 전문가가 될 필요는 없지만, 적어도 다음 질문에는 답할 수 있어야 한다.

• 어떤 자료는 공개 AI 도구에 직접 입력하면 안 되는가
• 어떤 업무는 사람이 최종 판단하는 human-in-the-loop 구조가 필요한가
• 프롬프트, 버전, 데이터 출처, 수정 이유를 어떻게 기록할 것인가
• 표본 검수, 오류 분류, 재검토 비율로 출력 품질을 어떻게 평가할 것인가

금융, 보험, 전문 서비스, 정보통신 관련 직무를 목표로 한다면 이런 통제 가능한 실행 역량은 새 도구를 많이 써봤다는 말보다 설득력이 크다. PwC의 홍콩 분석도 금융·보험, 전문·과학·기술, 정보통신 등 업종별 AI 채용 수요를 구분해 살펴본다.

현재 직무별로 무엇을 먼저 배울까

이 표의 목적은 전직을 권하는 것이 아니다. 자신의 산업 지식 위에 AI를 얹는 방법을 찾자는 것이다. 홍콩 채용 시장에는 AI 기술 수요가 높아지는 신호가 있지만, PwC의 업종 분석은 AI 기술 요구 채용공고 비중이 모든 업종에서 동시에 크게 뛰고 있는 것은 아니라는 점도 보여준다.

6개월 학습 로드맵

1개월 차: AI를 ‘기준 있게’ 쓰는 법부터 익히기

첫 달의 목표는 가장 많은 도구를 써보는 것이 아니다. 자신의 출력 템플릿을 만드는 것이다. 문서 요약, 회의 정리, 보고서 초안, 프레젠테이션 개요, 리스크 점검을 안정적으로 수행하고, AI에게 가정과 불확실성을 표시하게 만들 수 있어야 한다.

업무 유형별로 입력 자료 요구사항, 프롬프트 구조, 출력 형식, 검토 체크리스트를 저장해두자. 그래야 개인 요령이 아니라 재사용 가능한 업무 절차가 된다.

2~3개월 차: 자동화와 데이터 기본기 보강하기

이 단계에서는 수작업에서 반자동화로 넘어간다. Python 기초, API 개념, Excel/SQL 조회, 데이터 정제를 익히는 것이 좋다. 연습 방향은 여러 문서를 한꺼번에 읽고, 필드를 정리하고, 고정 형식의 결과물을 만든 뒤, 사람이 표본 검사를 하는 방식이 적절하다.

기술 직무가 아니라면 처음부터 대형 시스템을 만들 필요는 없다. 우선 문서 10개, 데이터 100행, 회의록 여러 건을 같은 형식의 결과물로 안정적으로 바꿀 수 있으면 된다. 이는 일회성 질문을 잘하는 것보다 훨씬 실무적이다.

36개월 차: 보여줄 수 있는 포트폴리오 23개 만들기

포트폴리오는 실제 업무 문제를 해결한다는 점을 보여줘야 한다. 다음 중 하나를 골라 시작해볼 수 있다.

• AI 문서 요약 시스템: PDF나 회의록을 입력하면 핵심 내용, 리스크, 후속 과제를 출력한다.
• 사내 지식 검색 도우미: 정책, 제품 자료, FAQ를 기반으로 출처가 추적되는 답변을 만든다.
• 고객지원 지식베이스 봇: 자주 묻는 질문에 답하고, 불확실하면 사람에게 넘긴다.
• 영업 보고 자동화: CRM 메모나 표 데이터를 바탕으로 주간 요약을 만든다.

각 포트폴리오에는 네 가지를 반드시 적자. 어떤 문제를 해결했는지, 어떤 데이터를 사용했는지, AI가 어느 단계를 맡았는지, 사람이 어디서 검토했는지다. 마지막에는 표본 검사, 오류 분류, 출처 대조, 사용자 피드백 등 평가 방법을 덧붙이면 좋다.

구직·승진 자리에서 AI 역량을 어떻게 말할까

이력서나 면접에서 ‘ChatGPT 사용 가능’이라고만 쓰는 것은 약하다. 도구 이름보다 업무 성과로 바꿔 설명해야 한다.

예를 들면 다음과 같다.

• AI 보조 문서 요약 프로세스를 설계해 장문 문서를 경영진 요약과 액션 리스트로 전환했다.
• Python/API를 활용해 자료를 일괄 처리하고, 검토 가능한 보고서 초안을 생성했다.
• 사내 지식베이스 질의응답 프로토타입을 만들고, 출처 표시와 사람의 검토 단계를 포함했다.
• 부서 AI 사용 가이드라인을 마련해 데이터 입력 기준, 출력 검증, 예외 상황 처리 절차를 정리했다.

이런 표현은 단순한 도구 숙련도보다 강하다. AI를 실제 업무 흐름 안에 넣어 결과를 낼 수 있다는 점을 보여주기 때문이다. 홍콩에서 AI 기술 키워드가 포함된 채용공고가 늘고 있는 상황에서는, 능력을 ‘성과 언어’로 번역하는 것이 고용주에게 더 쉽게 전달된다.

가장 안전한 답: AI에 ‘내 직무 전문성’을 더하라

홍콩의 2026년 AI 학습에서 가장 중요한 것은 단일 도구가 아니다. ‘나의 산업·직무 지식 + 생성형 AI + 워크플로 설계 + 자동화 + 데이터 검증’의 조합이다.

AI 기술 수요가 커지고 있다는 신호는 분명하다. PwC Hong Kong은 홍콩에서 AI 관련 기술을 요구하는 직무 수요가 증가했다고 밝혔고, Jobsdb by SEEK도 AI 기술 키워드가 들어간 채용공고의 전년 대비 증가를 기록했다. 동시에 PwC의 업종 분석은 2021~2024년 대부분 업종에서 AI 기술 요구 채용공고 비중이 큰 변화 없이 유지됐다고 지적한다.

그래서 가장 실용적인 학습법은 지금 하는 일에서 출발하는 것이다. 반복적이고, 시간이 많이 들며, 검증 가능한 업무 흐름 두 가지를 골라 AI 워크플로 포트폴리오로 만들어보자. AI로 업무를 개선하고, 리스크를 통제하고, 결과물을 낼 수 있음을 증명할 때 비로소 ‘도구를 써본 사람’이 아니라 ‘직장에서 쓸모 있는 AI 역량을 가진 사람’이 된다.