1편과 2편에서 한국서부발전의 기업 생성형 AI 교육이
업무 전환 프로젝트였다는 점을 확인했습니다.
3편에서는 실제 조직 운영과 설비 데이터 영역에서
'어떤 AI 업무 혁신이 일어났는지' 구체적으로 공개합니다.
#####
2팀: 설비 고장정보 데이터셋 구성
'데이터는 있었지만, 쓸 수는 없었습니다.'
발전소에는 방대한 운전 데이터가 존재합니다.
분당 단위 센서값 수집, 수년간 축적된 운전 기록, 고장이력 문서 보관
그러나 문제는 이것이었습니다.
정상/고장 상태 라벨 부재, 고장이력 문서는 비정형 텍스트,
데이터 표준화 부족, 외부 활용 및 데이터 거래 어려움
즉, 데이터는 많았지만
AI 모델 학습이 가능한 데이터셋은 존재하지 않았습니다.
#####
생성형 AI로 ‘문서 → 데이터셋’ 전환
이번 실무 적용 AI 교육에서 2팀은
고장이력 문서를 생성형 AI로 구조화하는 방법을 학습했습니다.
단계 1. 고장이력 문서 텍스트 추출
PDF/HWP → 텍스트 확보
단계 2. LLM 기반 정보 구조화
- 고장 유형 / 발생 시점 / 설비 위치 / 조치 내용 / 재발 여부
단계 3. 센서 데이터와 매칭
비정형 문서 데이터 + 센서 로그 결합
단계 4. 데이터베이스 설계
SQLite 기반 구조화 저장
단계 5. CSV export 및 UI 구현
분석 가능한 데이터셋 완성
이 과정을 통해 센서 데이터는 단순 수치가 아니라 라벨링된 학습 데이터로 전환되었습니다.
이것이 진짜 디지털기술
교육의 실무 적용 결과입니다.
이 변화는 단순 시간 단축이 아니라 데이터 자산화 구조 구축입니다.
#####
3팀: 4,000명 임직원 R&R 데이터베이스화
'조직을 검색 가능한 구조로
바꾸다'
이번 프로젝트에서 가장 조직적 파급력이 컸던 과제는
4,000명 임직원의 R&R(Role & Responsibility)을 데이터베이스화한 사례였습니다.
기존 문제는 단순하지만 치명적이었습니다.
업무분장 문서 개별 관리
인사이동 후 업데이트 지연
담당자 확인에 15~20분 소요
설비 관련 이력 시스템 분산
이 구조에서는 어떤 기업 맞춤 AI 교육도 체감 성과를 만들기 어렵습니다.
생성형 AI로 조직 정보를 구조화하다
이번 기업 생성형 AI 교육에서 3팀은 다음을 수행했습니다.
①
PDF/HWP 업무분장 텍스트 추출
②
생성형 AI를 활용한 업무 항목 구조화
③
이름·부서·직무 기준 DB 설계
④
Streamlit 기반 검색 앱 개발
⑤
폐쇄망 실행파일 패키징
특히 의미 있었던 부분은
생성형 AI를 활용해 비정형 업무 설명을 정제·구조화했다는
점입니다.
사람 중심 문서 → 데이터 중심 조직 구조
3개 팀 공통 교육 구조
이번 프로젝트에서 3개 팀이 공통적으로 학습한 역량은 다음과 같습니다.
✔ 파이썬 개발 기초
✔ LLM API 활용 (Claude 등)
✔ 데이터베이스 설계
✔ UI 애플리케이션 구현
✔ 폐쇄망 실행파일 패키징
즉, 단순 생성형 AI 실습 교육이 아니라
업무 시스템을 직접 구축하는 실무 적용 AI 교육이었습니다.
교육 만족도와 현업 적용성
교육 평가 결과: 100% 만족이라는 경이로운 결과 도출
전반 만족도 5.0 / 5.0
현업 적용도 5.0 / 5.0
강사 전문성 5.0 / 5.0
이것이 AI 업무 혁신으로 연결된 기업 생성형 AI 교육이라는 증거입니다.
#####
공공기관 AI 교육은 이렇게 설계해야 합니다
한국서부발전 사례에서 확인된
성공 조건은 4가지입니다.
현업 과제 기반 설계
내부 데이터 직접 활용
교육 중 결과물 완성
경진대회·보상 체계 연계
이 네 가지가 맞물려야 디지털기술 교육이 조직 문화로 정착합니다.
설계도면을 데이터로, 고장이력을 자산으로, 4,000명 조직을 검색 가능한 구조로.
이것이 진짜 기업 생성형 AI 교육의 차이입니다.
#####
우리 조직에 적용 가능할까요?
✔ 우리 조직 AI 적용 가능성 무료 진단
✔ 현장 맞춤 AI 교육
제안서 요청 가능
✔ 디지털기술 교육 커리큘럼 자료 제공
AI 교육이 아니라
AI 업무 혁신 프로젝트를 고민 중이라면 지금이 실행 시점입니다.
#####