AX Camp for Leaders
사전설문조사 종합 분석 보고서

LG그룹 임원 661명의 AI 역량 평균은 4점 만점에 2.20으로, 이는 '간단한 질문 수준의 프롬프트 작성이 가능하고, 단순 질의응답 수준으로 AI를 활용하는' 초급~중급 경계에 해당합니다. 전체 응답자의 38.2%가 초급 이하(입문 6.4% + 초급 31.8%)에 분포하여, 대다수 임원이 AI를 '써보긴 했지만 아직 업무에 본격 통합하지 못한' 단계에 있음을 보여줍니다.

응답자의 65.7%가 상무급으로 LG그룹의 실질적 사업단위 의사결정자입니다. LG전자(39.9%)가 단일 최대 그룹이며, 나머지 60.1%는 에너지솔루션 · 디스플레이 · 유플러스 등 22개 계열사로 구성되어 있어, LG그룹 전반의 AI 역량 현황을 대표할 수 있는 표본입니다. 다만, 계열사별 표본 크기 차이(n=1~264)가 커 소규모 계열사의 결과 해석에는 주의가 필요합니다.

가장 주목할 패턴은 '사용 빈도(3.12)와 활용 깊이(2.27) 사이의 격차'입니다. 임원들은 AI를 주 1~2회 이상 사용하지만(77.3%), 실제 업무 통합 수준은 '단순 질의응답' 수준에 머무르고 있습니다. 이는 전형적인 'AI 도구는 써봤지만, 제대로 활용하지 못하는' 단계를 시사합니다.

가장 취약한 영역은 멀티모달(1.70)과 코딩(1.96)으로, 임원의 약 87%가 이미지 · 영상 생성 AI를 사용해보지 않았고, 75%가 프로그래밍 경험이 전무합니다. 반면 터미널(2.23)은 코딩(1.96)보다 높은데, 이는 과거 DOS/명령어 경험이 있는 세대적 특성을 반영할 수 있습니다.

Q6(유료 구독)은 분산이 가장 크고(SD=1.05), 응답이 4개 옵션에 고르게 퍼져 있어, 개인별 AI 투자 의지 편차가 매우 크다는 것을 보여줍니다. 이 변수가 군집 판별에서 가장 중요한 변수로 나온 것과 일맥상통합니다.

5단계 등급 분포에서 가장 두꺼운 층은 '중급(31.0%)'과 '초급(31.8%)'으로, 전체의 62.8%가 이 두 등급에 집중되어 있습니다. 이는 교육 대상자의 과반이 '비슷한 수준'에 있어, 교육 커리큘럼의 난이도 설정에 유리한 조건입니다.

고급(12.1%)은 이전 기준(3.5 이상)보다 넓어진 구간(3.0 이상)으로 80명이 포함되며, 이들은 코딩 · 자동화 역량을 갖춘 'AI 챔피언'으로 교육 시 조교/멘토 역할이 가능합니다. 입문(6.4%, 42명)은 전체의 소수이나, AI 기초 실습부터 시작해야 하는 별도 지원이 필요한 그룹입니다.

Cronbach's α = .832는 사회과학 연구에서 '양호(Good)' 수준으로, 8개 문항이 'AI 역량'이라는 하나의 구인을 일관되게 측정하고 있음을 확인합니다. 모든 문항의 수정 문항-총점 상관이 .48~.64로 적정 범위(.30 이상)에 있으며, 특정 문항을 제거해도 α가 .832를 초과하지 않아 '삭제가 필요한 문항은 없다'고 판단됩니다.

KMO = .837은 '뛰어남(Meritorious)' 수준으로 요인분석 적합도를 충족하며, Bartlett 구형성 검정(χ²=1982.4, p<.001)도 문항 간 상관이 단위행렬이 아님을 확인합니다. 다만, Q11(코딩)과 Q12(터미널)의 개별 KMO가 .71/.70으로 상대적으로 낮은데, 이는 이 두 문항이 나머지 6개와 다른 차원(기술역량)을 측정하고 있기 때문입니다.

2요인 구조는 매우 깔끔하게 분리됩니다:

Factor 1 '실용적 AI 활용' (37.6%): Q5~Q10이 .47~.80으로 적재 — AI 도구를 얼마나 자주, 얼마나 깊게 사용하는가

Factor 2 '기술적 역량' (25.5%): Q11(.89), Q12(.91)이 압도적 적재 — 코딩/터미널 등 개발 환경 경험

이 구조의 교육적 함의는 명확합니다. '프롬프트 잘 쓰는 것(Factor 1)'과 '코드를 다루는 것(Factor 2)'은 별개의 역량입니다. AI 교육을 '활용 교육'과 '기술 교육'으로 이원화하는 것이 측정도구의 요인 구조와 부합합니다.

Q9(멀티모달)의 교차적재(F1: .63, F2: .40)는 멀티모달이 활용과 기술 양쪽 모두에 걸친 '경계 역량'임을 시사합니다.

전체 AI Readiness 점수에서 LG전자와 기타 계열사 간 차이는 통계적으로 유의하지 않습니다(p=.319). Cohen's d=0.079는 '무시할 수 있는(negligible)' 효과크기로, LG그룹 내에서 LG전자가 특별히 앞서거나 뒤처지지 않음을 보여줍니다.

그러나 문항별로 보면 흥미로운 패턴이 드러납니다. AI 사용 빈도 · 구독 · 프롬프트 · 업무활용(Q5~Q8)에서는 차이가 없지만, 멀티모달 · GPTs · 코딩 · 터미널(Q9~Q12)에서는 LG전자가 유의하게 높습니다. 이는 LG전자 임원들이 '기본적 AI 활용'은 타사와 동일하나, '기술적 탐구심/실험 의지'에서 약간 앞서 있음을 시사합니다. 다만 효과크기(d=.17~.20)가 모두 '작은(small)' 수준이므로 실질적 차이라기보다 통계적 검출력이 높아(n=661) 작은 차이도 유의하게 나온 것으로 해석하는 것이 적절합니다.

계열사 간 AI 역량 차이는 통계적으로 매우 유의합니다(F=7.286, p<.001). η²=.088은 중간(medium) 효과크기로, 전체 분산의 약 9%가 계열사에 의해 설명됩니다.

LG CNS(M=2.60)가 가장 높은 것은 IT서비스 기업의 특성상 당연한 결과입니다. 주목할 점은 LG디스플레이(M=1.87)와 LG생활건강(M=1.92)이 가장 낮다는 것입니다. 이 두 계열사는 제조업/소비재 중심으로, AI 도구 활용보다는 전통적 업무 프로세스에 더 의존하고 있음을 시사합니다.

Tukey HSD에서 LG CNS는 6개 계열사와 유의한 차이를 보여 'AI 역량 선두 그룹'으로 확인됩니다. LG디스플레이는 LG유플러스 · LG이노텍 · LG전자와 유의하게 낮아, 집중적 역량 강화가 필요한 계열사입니다.

Levene 등분산 검정(p=.001)이 유의하여 등분산 가정이 충족되지 않았으나, Kruskal-Wallis 비모수 검정(H=52.5, p<.001)에서도 동일한 결론이 확인되어 결과의 강건성(robustness)이 확보됩니다.

2개 군집은 직관적으로 '소극적 사용자(57.2%)'와 '적극적 사용자(42.8%)'로 명명할 수 있습니다.

소극적 사용자(Cluster 0, M=1.79): AI를 가끔 사용하지만 유료 구독 안 하고, 프롬프트는 단순 질문 수준, 코딩/멀티모달 미경험

적극적 사용자(Cluster 1, M=2.76): AI를 매일 사용하며 유료 구독, 구체적 프롬프트 작성 가능, 코딩/터미널 경험 있음

군집 판별에서 가장 중요한 변수는 Q6(유료 구독, importance=.189)입니다. 이는 '본인 돈으로 AI를 결제하는가'가 AI 역량의 가장 강력한 예측 변수임을 의미합니다. 교육 전에 '유료 구독 여부'만 물어도 대략적인 수준 분류가 가능하다는 실무적 시사점을 제공합니다.

LG디스플레이는 Cluster 0(소극적) 비율이 86%로 전 계열사 중 가장 높고, LG CNS는 Cluster 1(적극적) 비율이 69%로 가장 높습니다.

'Agent'가 42회 언급되며 키워드 상위 7위에 올라온 것은 매우 의미 있습니다. LG그룹 임원들이 단순 챗봇 활용을 넘어 'AI Agent 구축'이라는 최신 개념까지 인지하고 있음을 보여줍니다.

주제 분석에서 '업무효율화(29.4%)', '데이터분석(28.9%)', '문서작성(27.0%)'이 거의 동률로 1~3위를 차지한 것은, 임원들의 니즈가 특정 영역에 편중되지 않고 고르게 분포되어 있음을 시사합니다. 이는 교육 과정에서 특정 도메인에 치우치지 않는 '범용적 AI 활용법'을 중심으로 하되, 각자의 도메인에 적용하는 실습을 병행해야 함을 의미합니다.

AI 등급별 주제 차이도 뚜렷합니다. 고급 등급은 '업무효율화(37건)'와 '데이터분석(22건)'에서도 높은 관심을 보이면서 '코딩/자동화(16건)'와 '연구개발(14건)'이 두드러지는 반면, 초급 등급은 '업무효율화(59건)'와 '데이터분석(57건)' 같은 기본적 활용에 관심이 집중됩니다. 이는 수준별 교육 설계의 근거를 제공합니다.

'실무활용법(36.1%)'이 압도적 1위이며, '사례/벤치마크(13.6%)'가 뒤를 잇습니다. 이는 임원들이 '이론 강의'가 아닌 '바로 적용할 수 있는 실무 교육'을 원한다는 명확한 메시지입니다.

특히 주목할 것은 '보안/윤리/리스크(6.3%)'가 별도 주제로 분류될 만큼 반복 등장한다는 점입니다. '사내 기밀 정보를 AI에 넣어도 되는가?'라는 질문이 여러 계열사에서 반복되며, 이는 AI 도입의 실질적 장벽이 '역량 부족'뿐 아니라 '보안 불확실성'에도 있음을 보여줍니다. 교육 과정에서 보안 가이드라인을 명확히 제시하는 것이 AI 활용 확산의 핵심 촉매가 될 수 있습니다.

LG전자: 업무효율화 · 문서작성 · 코딩 — R&D 조직 특성상 기술 자동화 니즈가 강합니다.

LG에너지솔루션: 데이터분석이 1위 — 배터리 공정 데이터의 양이 방대하여 분석 자동화 수요가 뚜렷합니다.

LG디스플레이: 데이터분석 · 생산/품질 — 반도체 공정과 유사한 수율 관리 이슈가 반영됩니다.

LG CNS: 문서작성 = 코딩 = 경영전략 동률 — IT서비스 기업답게 균형 잡힌 니즈입니다.

LG유플러스: 코딩/자동화 = 데이터분석 동률 — 통신 서비스 자동화 니즈가 확인됩니다.

LG생활건강: 데이터분석 1위, 시장조사 3위 — 소비재 기업의 마케팅 분석 중심 니즈입니다.

LG이노텍: 업무효율화가 압도적 1위(21.7%) — 제조현장 효율화가 절실합니다.

본 보고서의 모든 분석 결과가 수렴하는 핵심 메시지는 하나입니다: LG그룹 임원의 절반 이상이 AI를 '써보긴 했지만 아직 업무에 통합하지 못한' 초급~중급 경계에 있으며, 이들이 원하는 것은 '이론'이 아니라 '바로 적용할 수 있는 실무 역량'입니다.

661명이라는 대규모 표본에서 도출된 정량적 근거(Cronbach's α=.832, 2요인 구조, K=2 군집)와, 612건의 서술형 응답에서 확인된 정성적 근거(Agent 42회 언급, 보안 우려 반복 등장)가 일관된 결론을 뒷받침합니다. 이 보고서의 제언을 교육 설계에 반영한다면, 661명 임원의 AI 역량을 효과적으로 한 단계 끌어올릴 수 있는 맞춤형 교육 프로그램이 가능할 것입니다.