일터학습의 재발견: 플로우 러닝의 부상

누군가 퇴근 후 별도의 시간을 내야만 배울 수 있다고 생각한다면, 그 조직의 학습 설계는 이미 절반쯤 실패한 것일지 모릅니다. 지금 글로벌 HRD 현장에서는 '업무의 흐름 속 학습(Learning in the Flow of Work)', 줄여서 플로우 러닝(Flow Learning)이 조직학습의 새로운 표준으로 빠르게 자리 잡고 있습니다.

왜 지금인가

전통적인 기업 교육 모델, 즉 강의실에 모여 집체 교육을 받거나 LMS(학습관리시스템)에 접속해 이러닝 과정을 이수하는 방식은 한 가지 근본적인 문제를 안고 있습니다. 바로 학습과 업무가 시간적·공간적으로 분리되어 있다는 점입니다. 미국의 HRD 석학 조시 버신(Josh Bersin)이 2018년에 처음 개념화한 플로우 러닝은, 이 간극을 메우는 것을 핵심 목표로 삼습니다.

이 흐름이 더욱 가속화된 배경에는 몇 가지 구조적 변화가 있습니다. 하이브리드 근무의 일상화로 직원들이 물리적으로 한 공간에 모이기 어려워졌고, 지식의 유효 기간이 단축되면서 필요한 순간에 즉각 학습하는 방식이 훨씬 효율적이라는 인식이 확산되었습니다.

LinkedIn Learning의 「2025 Workplace Learning Report」에 따르면, L&D(학습 및 개발) 담당자의 89%가 "직원들이 필요한 순간에 접근할 수 있는 학습 경험을 설계하는 것"을 최우선 과제로 꼽았습니다.

플로우 러닝의 실체: 업무와 학습의 경계가 사라지다

플로우 러닝이란 별도의 학습 시간을 할당하는 대신, 직원이 실제 업무를 수행하는 맥락 안에 학습 콘텐츠와 지원 도구를 자연스럽게 내재화하는 설계 방식입니다.

핵심 작동 원리

플로우 러닝은 세 가지 메커니즘으로 작동합니다.

첫째, 마이크로러닝(Microlearning) 입니다. 5분 내외의 짧은 콘텐츠 단위로 쪼개어, 직원이 업무 도중 즉시 꺼내 볼 수 있도록 구성합니다. 긴 이러닝 과정을 완료해야 한다는 부담을 줄이고 학습 완료율을 높입니다.

둘째, 워크플로우 임베딩(Workflow Embedding) 입니다. Slack, Microsoft Teams, Salesforce 등 직원이 매일 사용하는 업무 플랫폼 안에 학습 콘텐츠를 연결시키는 방식입니다. 예를 들어, 특정 업무 프로세스를 처음 실행하는 순간 팝업 형태의 가이드가 뜨거나, 실수 발생 시 관련 학습 리소스로 자동 연결되는 구조입니다.

셋째, AI 기반 개인화 추천입니다. 직원의 현재 역할, 프로젝트 이력, 검색 패턴을 분석하여 지금 이 순간 가장 필요한 콘텐츠를 추천하는 방식은, 학습의 적시성(Just-in-Time)을 극적으로 높여줍니다.

현장의 변화

마이크로소프트(Microsoft) 는 자사 직원들이 사용하는 Microsoft 365 플랫폼 안에 Viva Learning을 통합하여, 별도의 LMS 로그인 없이 Teams 화면 안에서 바로 학습 콘텐츠를 추천받고 이수할 수 있는 환경을 구축하였습니다. 업무 화면을 벗어나지 않아도 되는 이 구조는 학습 참여율을 눈에 띄게 끌어올린 사례로 자주 인용됩니다.

삼성전자는 최근 사내 HRD 부문에서 현업 직무 단위로 세분화된 마이크로러닝 콘텐츠 라이브러리를 구축하고, 직무별 필수 학습 경로(Learning Path)를 업무 포털과 연계한 방식을 도입한 것으로 알려져 있습니다. 이처럼 국내 대기업들도 기존의 연간 집체 교육 중심 체계를 플로우 러닝 방향으로 재편하는 중입니다.

학계에서도 이를 뒷받침합니다. 조지 워싱턴 대학교의 연구에 따르면, 업무 맥락과 연계된 학습 경험은 맥락이 분리된 교육 대비 지식 전이율(Transfer of Learning)이 최대 40% 이상 높다는 결과가 제시된 바 있습니다.

시사점: 우리가 갖춰야 할 것

플로우 러닝의 부상은 HRD를 공부하는 학생과 초보 실무자에게 중요한 준비 과제를 던져줍니다.

• 콘텐츠 설계 역량의 전환: 1~2시간짜리 강의안을 개발하는 역량만큼이나, 5분 내외의 마이크로콘텐츠를 설계하고 업무 맥락에 맞게 구조화하는 능력이 핵심 스킬이 됩니다.
• 플랫폼 리터러시 확보: LMS 중심 운영에 그치지 않고, MS Teams, Slack, Notion 등 업무 협업 도구와 학습 시스템을 연결하는 방식을 이해하고 실험해 보는 것이 필요합니다.
• 학습 필요 분석(LNA)의 정밀화: 어떤 업무의 어느 접점에 학습이 필요한지 파악하기 위해, 업무 프로세스를 흐름 단위로 분석하는 습관을 길러야 합니다.
• 데이터 해석 능력: AI 추천 기반 플로우 러닝의 효과를 측정하고 개선하기 위해, 학습 데이터를 읽고 해석하는 기초적인 분석 역량이 점점 더 요구됩니다.

맺음말

학습은 언제나 일터 밖에 있어야 한다는 오래된 전제가 무너지고 있습니다. 배움이 일의 흐름 안으로 들어올 때, 사람들은 더 자주, 더 적시에, 더 깊이 성장합니다. HRD를 공부하고 실천하는 우리가 이 변화의 설계자가 될 수 있습니다. 지금 당신이 설계하는 한 편의 학습 경험이, 누군가의 일과 삶을 바꾸는 흐름이 됩니다.

참고 자료

• LinkedIn Learning, 「2025 Workplace Learning Report」
• Josh Bersin, "Learning in the Flow of Work", Bersin by Deloitte (2018)
• Microsoft, Viva Learning 공식 소개 자료 (Microsoft Learn 공식 사이트)
• Gottfredson, C. & Mosher, B., Innovative Performance Support, McGraw-Hill (2011)
• 한국HRD협회, 「국내 기업 학습체계 혁신 현황 조사」(연간 보고서 시리즈)

테크창 연구팀 | 인천대학교 창의인재개발학과 전공심화연구모임
본 칼럼은 AI 보조로 작성되었으며, 수치·출처는 참고용입니다.