[이데일리 신문경 기자] 채용 시장에 AI가 들어온 지 오래다. 취업이나 이직을 준비하다 AI 인·적성검사, AI 면접으로 인공지능을 먼저 마주치는 일은 이제 낯설지 않다. 이제 AI는 채용 현장을 넘어 조직 내 인사 의사결정 영역까지 파고들고 있다. 직원들의 행동 패턴 등 HR 데이터를 기반으로 효율적인 의사결정을 내리는 피플 애널리틱스(People Analytics)에도 AI가 본격적으로 접목되기 시작했다.
HR컨설팅과 더불어 인적성 검사 등 채용 툴을 개발하는 ㈜ACG의 정진우 대표는 “AI 인적성 검사 결과를 활용해 채용 단계에서 성과 예측 요인을 분석한다. 재직 중인 고성과자와 저성과자를 대상으로 직군별 변별 요인을 추출하고, 이를 기반으로 스코어링 로직을 재설계하는 식”이라고 피플 애널리틱스의 예시를 들었다. 다만 그는 피플 애널리틱스가 제대로 작동하려면 기술 도입만으로는 부족하다고 짚었다.
㈜ACG 정진우 대표(사진=정진우 대표 제공)
기술 도입만으로 피플 애널리틱스를 실현했다고 보기는 어렵다. 4대 그룹 수준의 대기업이 아니라면 충분한 데이터를 확보하기가 어렵고, 도출한 인사이트를 실제 선발 툴에 적용하는 과정에서 시스템 부재도 문제가 된다. 정 대표는 “예를 들어 ‘우리 회사의 고성과자는 주도성과 협력 역량이 높다’라는 결과가 나오면, 자동화된 시스템으로 결과가 산출되어야 한다. 그러나 비용 문제로 회사에 맞춘 커스터마이징이 이루어지지 않고 표준화된 검사를 그대로 쓰는 경우가 많다”고 지적했다.
상대적으로 데이터 인프라가 부족한 중소·중견 기업도 AI를 활용하면 피플 애널리틱스를 활용할 수 있다. 챗GPT 등 AI 툴에 직무 기술서, 고성과자와 저성과자에서 도출한 인사이트, 인적성 검사 결과 등을 입력하면 AI가 이를 분석해 원하는 양식으로 결과를 내놓는다. 별도의 시스템 구축 없이도 소규모 기업에서 충분히 활용 가능한 방식이다.
정 대표는 “최근의 AI 인·적성 검사는 점수가 높다고 무조건 채용하는 방식은 아니다”라고 덧붙였다. 과거에는 인적성 검사를 인재상과 거리가 먼 지원자를 걸러내는 ‘스크린 아웃’ 도구로 주로 활용했지만, 지금은 그 기능이 확장됐다. 직무별 고성과자와 저성과자를 변별하는 요인을 분석해 적용하고, 여기에 AI 활용 능력까지 평가 기준에 접목하는 방식으로 발전하고 있다. 평가 기준 자체가 다차원적으로 넓어지는 셈이다.
◇AI 평가도 사람과의 협업이 핵심
개인 데이터를 다루는 만큼 AI를 활용한 채용에서의 윤리적 문제도 부상하고 있다. 정 대표는 “AI 평가를 단독으로 활용하는 것은 권장하지 않는다. 반드시 사람의 평가와 병행되어야 한다”라고 말했다. 실제로 AI가 사람보다 정확한 평가를 내리는 경우도 있지만, 법적·제도적으로 아직 AI 단독 평가는 허용되지 않는다. 미국에서는 AI 평가만으로 탈락한 지원자가 대면 면접을 요청할 권리가 보장되어 있으며, 국내에서도 유사한 방향으로 제도가 마련되는 중이다.
AI의 역할은 평가자의 오류를 보완하는 데 있다. 사람은 면접 과정에서 선택적으로 듣거나 중요한 부분을 놓치기도 한다. AI의 분석을 참조해 자신의 평가를 검토하고 수정하는 방식으로 활용할 때 평가의 정확성이 높아진다. “AI와 사람의 협업 구조가 핵심”이라고 정 대표는 강조했다.
◇데이터를 다루는 HR, 출발점은 사람·회사를 이해하는 것
데이터 분석이 HR의 영역으로 들어오면서 HR의 역할도 자연스럽게 변화한다. 정 대표 역시 “HR은 조직과 직무를 설계하는 기획자로 역할을 전환해야 한다”라고 말했다. AI 시대는 누구도 경험해 본 적 없는 영역인 만큼, 과거 경험이 절대적인 기준이 되기 어렵기 때문이다. 모더나는 HR과 IT 부서를 통합했다. 기술 변화에 맞춰 직무를 재설계하고 재정립하는 것이 HR의 핵심 역할이 되어야 한다는 것이다. “오퍼레이션을 잘 관리하는 HR이 아니라, 조직의 방향을 함께 기획하는 HR이 앞으로 더 필요한 인재다.”
정 대표는 AI 시대 HR에게 인문학적 소양이 중요하다고 봤다. 데이터를 분석하는 기술은 누구나 익힐 수 있다. 다만 그 결과에서 유의미한 인사이트를 끌어내고 자사 조직에 맞게 해석하는 능력이 필요하다. 이를 위해서는 자신이 속한 회사에 관한 전문가적 이해가 바탕이 되어야 한다. AI에 적절한 맥락을 제공하고, AI의 분석 결과가 타당한지를 판단할 수 있기 때문이다.
평가 매트릭스를 직접 설계해 보는 것도 중요한 경험이다. 자신의 논리를 AI와의 협업으로 검증하되, 결과를 무조건 수용하지 않고 다양한 시각에서 재검토해야 한다. “결국 데이터를 다루는 HR의 역량도 사람에 관한 깊은 이해에서 출발한다. 사람을 이해하는 능력이 AI를 제대로 활용하는 토대가 된다.”
