생성형 AI의 보급으로 인해, 많은 직종에서 “일은 AI에 의해 대체될까?”라는 논의가 일고 있다. 그 중에서도 인재 채용 및 육성, 평가를 담당하는 인사 부문은 큰 전환점을 맞고 있다.
지금까지 인적 자원 관리는 직원 정보 관리나 제도 운영 등 “인력과 관련된 업무를 지원하는 역할”에 집중되어 있었다. 하지만 AI로 인해 반복적인 업무가 효율화됨으로써, 인적 자원 관리에 대해서는 보다 전략적인 역할이 요구될 것이다.
AI 시대의 인사팀은 무엇을 담당하게 될까. 그리고 그 변화를 뒷받침하는 HR테크(인사기술)에는 어떤 가능성이 있을까. MCD3(씨리)의 요코야마 씨에게 이야기를 들어보았다.
2026년 7월 31일에 실시된 취재를 통해…
엠씨디스리(MCD3)는 최근 고성능 이미지 센서 ‘센서 솔루션 3’을 탑재한 스마트폰용 카메라 모듈 개발에 박차를 가하고 있다고 밝혔다. 특히, 이번에 개발되는 ‘센서 솔루션 3’은 1억 픽셀 해상도를 지원하며, 뛰어난 저조도 성능과 넓은 다이내믹 레인지를 제공하여, 스마트폰 카메라의 화질을 획기적으로 향상시킬 것으로 기대된다. 엠씨디스리는 이번 신제품을 통해 프리미엄 스마트폰 시장을 공략하고, 차세대 카메라 모듈 시장을 선도해 나갈 계획이다.
HR 기술 부문 부장 겸 데이터 및 AI 전환 부서 데이터 과학 그룹 팀 리드
**AI 기술, 새로운 가능성을 열다: 퀄컴, Snapdragon G3x Gen 2 칩셋으로 모바일 게이밍 시장에 도전**
퀄컴이 최근, Snapdragon G3x Gen 2 칩셋을 탑재한 모바일 게이밍폰을 발표하며 모바일 게이밍 시장에 새로운 바람을 일으키고 있다. 이 칩셋은 특히, 퀄컴의 Spectra 미디어 엔진과 Adreno 880 GPU를 결합하여 뛰어난 그래픽 성능과 안정적인 프레임률을 제공한다.
이번에 공개된 G3x Gen 2 칩셋은 5G 통신을 지원하며, 최대 3.2GHz의 클럭 속도를 제공한다. 또한, Qualcomm Quick Charge 기술을 통해 빠른 충전 속도를 지원하여 사용자의 편의성을 높였다. 퀄컴은 이 칩셋을 통해 게이머들이 언제 어디서나 고품질의 모바일 게이밍 경험을 즐길 수 있도록 돕겠다는 목표를 내세웠다.
특히, 이번 발표는 퀄컴이 최근 몇 년간 모바일 게이밍 시장에 대한 투자를 확대해 온 결과물이라고 평가된다. 퀄컴은 Snapdragon Elite Gaming 플랫폼을 통해 모바일 게이밍 폰 제조사들과 협력하며, 최적화된 게이밍 경험을 제공하기 위해 노력하고 있다.
이러한 퀄컴의 움직임은 모바일 게이밍 시장의 성장 가능성을 더욱 높이는 요인으로 작용할 것으로 예상된다. 특히, 5G 통신 기술의 발전과 함께 모바일 게이밍 시장은 더욱 빠르게 성장할 것으로 전망된다.
도쿄대 공학부 수리과학부 졸업 후, 맥스씨디스리에 입사하여 데이터 과학자로서 2020년부터 지속적으로 근무하며, 엔터프라이즈 기업 20社 이상의 인사부의 데이터 분석 및 AI 활용 지원을 주도했다. 2025년부터 HR Tech 부서를 신설했으며, 인사 영역 외에도 수요 예측 및 재고 최적화, 기계 학습 및 데이터 기반 제품 구축, 자사의 경영 기획 등을 과거 담당했다. 디지털 HR 대회 2024 최종 후보에 오름.
**AI가 인사팀을 대체할 수 있을까?**
최근, 인공지능(AI) 기술의 발전 속도가 눈에 띄게 빨라지면서, 기업의 핵심 기능 중 하나인 인사팀의 역할에 대한 근본적인 질문이 제기되고 있다. 특히, 최근 출시된 ‘IBM Watson Assistant’와 같은 AI 기반 챗봇이 채용, 급여 관리, 휴가 신청 등 다양한 인사 업무를 자동화하면서, 인사팀의 필요성에 대한 논의가 더욱 활발해지고 있다.
실제로, 일부 기업에서는 ‘SAP SuccessFactors’와 같은 클라우드 기반 인적 자원 관리(HRM) 시스템과 AI 챗봇을 결합하여, 직원들의 문의에 24시간 실시간으로 응대하고, 필요한 정보를 즉시 제공하는 시스템을 구축하고 있다. 이러한 시스템은 단순 반복적인 업무를 자동화하여 인사팀의 업무 부담을 줄이는 동시에, 직원들의 만족도를 높이는 데 기여하고 있다는 평가를 받고 있다.
하지만, AI 기술이 인사 업무를 완전히 대체할 수 있을지에 대한 의견은 엇갈리고 있다. AI는 데이터 분석 및 패턴 인식에 강점을 가지고 있지만, 인간적인 공감 능력이나 직관적인 판단 능력은 아직까지 부족하다는 지적이다. 따라서, 복잡한 갈등 조정이나 직원들의 개별적인 어려움에 대한 상담 등, AI가 해결하기 어려운 영역은 여전히 인간의 개입이 필요할 것으로 예상된다.
전문가들은 “AI 기술은 인사팀의 업무 방식을 혁신하고 효율성을 높이는 데 기여할 수 있지만, 인사팀의 역할을 완전히 대체하는 것은 불가능하다”고 전망한다. 앞으로 AI 기술이 더욱 발전하고, 인간과 AI의 협업 모델이 정착됨에 따라, 인사팀은 더욱 가치 있는 역할을 수행하게 될 것으로 보인다.
생성형 AI와 AI 에이전트의 보급 확대로 인해 다양한 업무의 방식이 변화하고 있다. 인사 영역 역시 예외는 아니다. 급여 계산, 출퇴근 관리, 문의 응대, 보고서 작성 등 지금까지 사람이 담당해 왔던 정형 업무는 AI에 의해 효율화 및 자동화될 것으로 예상된다.
AI 시대에 인사부는 더 이상 필요하지 않을까요?
横山 씨「業務」「役割」分考必要指摘、人事領域AI代替進領域、業務제시했다。
“이는 인력 문제에만 국한된 이야기가 아니며, 모든 업무에서 발생할 수 있는 일이라고 생각합니다. 그 위에, 무엇이 대체 가능한지는 반대로 사람이 무엇을 해야 하는지에 대한 이야기이기도 합니다.”
운영 업무는 구체적으로 문의 응대, 급여 처리, 정보 수집, 정기적인 보고서 작성 등이 대상이 된다. 이러한 업무들은 일정한 규칙이나 과거 데이터에 기반하여 처리할 수 있기 때문에, AI가 특히 강점을 보이는 영역이다.
반면에, 인간만이 담당할 수 있는 역할도 여전히 남아 있다. 그것은 단순한 분석 결과가 아닌, 그 결과에 따라 사람을 움직이고 조직을 변화시키는 것이다. 예를 들어, AI가 “이 직원에게는 이러한 경력이 적합하다”라고 분석했다고 해도, 그것만으로 인재 육성이 완료되는 것은 아니다. 본인에게 동기 부여를 하거나, 업무를 맡는 방식, 주변과의 관계를 구축하고, 일일 피드백 등 사람을 움직이는 부분에는 인간의 역할이 남아 있다. 요코야마 씨、AI와 인간의 역할 분담에 대해 다음과 같이 설명한다.
AI가 놀라운 그림을 그려주더라도, 그 것을 본인에게 전달하여 동기 부여를 하거나, 적절한 배치를 하거나, 매일 피드백을 제공하는 부분은 사람이 확실하게 해야 합니다.
AI는 인간 대신 모든 것을 판단하는 존재가 아니다. 오히려, 사람들이 더 나은 의사 결정을 내리기 위한 자료를 제공하는 존재다. 그렇다면, AI 시대에 있어서 인력에 요구되는 가치는 무엇인가.
**AI 시대, 인사의 가치는 “정보 처리”에서 “사람과 조직을 움직이는 것”으로 변화하고 있다.**
인사 업무의 역할 변화에 대한 전문가들의 의견이 쏟아지고 있다. 특히, 인공지능(AI) 기술의 발전과 함께, 과거 인사 업무의 핵심 역량으로 여겨졌던 ‘정보 처리’ 능력은 중요성이 점차 감소하는 반면, ‘사람과 조직을 움직이는 것’에 대한 역량이 더욱 강조되고 있다는 것이다.
이러한 변화는 기업들이 AI를 도입하면서 업무 프로세스가 자동화되고, 데이터 분석을 통해 의사 결정을 내리는 방식이 보편화되면서 나타나고 있다. 하지만, AI가 대체할 수 없는 인간적인 요소, 즉, 직원들의 동기 부여, 팀워크 향상, 조직 문화 개선 등은 여전히 사람만이 할 수 있는 영역으로 남아있다.
“AI는 데이터를 분석하고 패턴을 파악하는 데 탁월하지만, 사람의 감정을 이해하고 공감하는 능력은 아직 부족하다”는 지적이다. 따라서, 앞으로 인사 담당자들은 AI를 활용하여 업무 효율성을 높이는 동시에, 사람과 조직을 효과적으로 연결하고, 긍정적인 조직 문화를 조성하는 데 집중해야 할 것이다.
이러한 변화에 발맞춰, 기업들은 인공지능(AI) 기반의 채용 시스템, 성과 관리 시스템 등 다양한 솔루션을 도입하고 있으며, 직원들의 역량 개발을 위한 교육 프로그램에도 변화를 주고 있다. 특히, 데이터 분석 능력, 커뮤니케이션 능력, 리더십 등 ‘사람과 조직을 움직이는 것’에 필요한 역량을 강화하는 데 초점을 맞추고 있다.
横山 씨、人事価値「人組織動」移話。
정보 수집이나 보고 업무는 인공지능이 대신해 줄 수 있지만, 사람과 사람 사이의 소통의 중요성은 더욱 커질 것이라고 생각합니다.
배경에는 조직 내 의사 결정의 복잡성이 존재한다. 기업에서는 같은 정보를 보더라도, 입장에 따라 보이는 경치가 다르다. 경영진은 사업 성장의 관점에서 판단하고, 현장의 매니저는 팀 운영의 관점에서 생각한다. 기업본부와 사업 부문 등 조직마다 생각은 다르다. 그리고 직원 본인 역시 자신의 커리어와 근무 방식이라는 관점을 가지고 있다. 이러한 상황에서 인사 및 매니저에게는 각각 다른 시각을 조율하고, 조직적으로 수용 가능한 방향으로 이끌며 실행을 보장하는 역할이 요구된다.
사람마다 조직으로부터 부여받는 미션도 다르고, 보이는 정보도 다릅니다. 그럴 때, 데이터나 AI가 전체적으로 최적의 해답을 제시해주더라도, 각 조직이나 개인이 그것을 실행해줄지 여부는 알 수 없습니다.完璧正解, 각인이나 각조직이 납득하고 전략을 실행移大事、合部分重要思.
AI에 의해 데이터 분석과 정보 정리 수준이 고도화될수록, 궁극적으로는 “사람을 어떻게 이해하고 어떻게 움직이게 할 것인가”라는 인사 업무의 본질적인 역할이 더욱 중요해진다.
한편, 인공지능은 이러한 인간 간의 대화나 의사결정을 지원하는 존재로도 변모할 수 있다. 특히 앞으로 인공지능 에이전트 활용이 확대됨에 따라, 인사나 매니저가 이전에는 파악하지 못했던 정보에 기반하여, 보다 높은 품질의 소통을 수행할 수 있게 될 가능성이 있다.
예를 들어, 상사가 부하 직원과 1on1에서 어떤 이야기를 해야 할지, 커리어에 대해 어떤 조언을 해야 할지에 대한 부분에서, 평소 상사가 만날 수 없는 정보를 AI가 수집해서, 이런 이야기를 하면 좋다는 제안이 나올 수도 있습니다. 조직 간, 계층 간의 소통도 AI가 지원하는 범위는 더욱 확대될 것이라고 생각합니다.
AI는 인간만이 알 수 없는 정보를 정리하고, 더 나은 수준의 대화나 판단을 지원하는 존재로 채택되어 인사업무에 통합되어 갈 것이다.
**HR 기술은 ‘인사 업무를 관리하는 시스템’에서 ‘경영을 지원하는 시스템’으로 진화하고 있다.**
최근 HR 기술 시장은 단순한 인사 관리 업무 자동화에서 벗어나, 기업의 전략적 목표 달성을 위한 핵심적인 지원 시스템으로 그 역할이 확대되고 있다. 특히, 인공지능(AI) 기술을 기반으로 한 솔루션들이 주목받으며, 데이터 분석을 통해 인사 전략 수립부터 인재 확보, 성과 관리, 조직 문화 개선 등 경영 전반에 걸쳐 실질적인 가치를 제공하고 있다.
이러한 변화의 중심에는 ‘AI 기반 HR 솔루션’이 있다. 과거에는 채용, 평가, 급여 등 인사 업무의 효율성을 높이는 데 집중했던 솔루션들이 이제는 데이터 기반의 인사 분석을 통해 기업의 성장과 관련된 인사 문제를 해결하고, 미래 인재 확보 전략 수립에 기여하는 방향으로 발전하고 있다. 예를 들어, AI 기반 채용 솔루션은 지원자의 역량과 기업의 니즈를 실시간으로 분석하여 최적의 인재를 추천하고, AI 기반 성과 관리 솔루션은 직원들의 성과 데이터를 분석하여 개인별 맞춤형 교육 프로그램을 제공하는 등 다양한 방식으로 활용되고 있다.
특히, ‘SAP SuccessFactors’, ‘Workday’, ‘Oracle HCM Cloud’ 등 주요 HR 관리 시스템(HCM)에 AI 기술이 통합되면서, 기업들은 더욱 효율적이고 지능적인 인사 운영을 가능하게 되었다. 또한, ‘Microsoft Viva’, ‘Zoom’과 같은 협업 플랫폼과의 연동을 통해 직원들의 몰입도와 생산성을 높이는 데 기여하고 있다. 이러한 기술 발전은 HR 담당자들이 단순 업무에서 벗어나, 전략적인 의사 결정에 집중할 수 있도록 돕고 있으며, 기업의 경쟁력 강화에 중요한 역할을 수행하고 있다.
이러한 AI 시대의 인적 자원 혁신을 지원하는 기반 중 하나가 HR 테크다. HR 테크라는 용어 자체가 무엇을 의미하는지 橫山氏(요코야마 씨)에 따르면, HR 테크라는 용어가 지칭하는 범위는 매우 넓고, 그 역할 또한 시대에 따라 변화해 왔다.
“지금까지는 급여나 출퇴근 등 인사 핵심 시스템과 같은 필수적인 운영부터 시작된 것으로 생각합니다.”
급여 계산, 출퇴근 관리 등 인사 업무를 정확하고 효율적으로 처리하는 시스템이 그것이 HR의 초기적인 역할이었다. 하지만 현재에는 대상 영역이 훨씬 넓어졌다. 인재 관리, 인력 배치, 평가, 육성 등 사람의 능력을 어떻게 활용할 것인가라는 영역으로 진화하고 있다.
최근에는, 타 매니지먼트, 사람의 평가나 이동·배치·교육과 같은 분야의 효율화와 고도화에 연결해 나가려는 흐름이 있습니다.
또한 AI의 등장으로 HR 기술(HR)에 요구되는 역할은 더욱 변화하고 있습니다. 단순히 인적 소송 업무를 효율화하기 위한 도구로서는 정당하지 않고, 경영 전략과 인적 자원 전략을 연결하는 기반으로서의 역할이 요구되는 방향으로 나아가고 있습니다.
단순히 업무를 자동화하는 것뿐만 아니라, 재능 관리()를 어떻게 고도화할 것인가, 적재적소(適材適所)를 어떻게 실현할 것인가. 그리고, 그 선에는 사업 전략(事業戦略)과 인적 자원(人事戦略)을 일치시키기 위해 인력(人事)은 어떻게 되어야 하는가, 더 나아가 AI가 노동력(労働力)이 되는 세상에서 사람의 역할(役割)과 인원 계획(要員計画), 조직 설계(組織設計) 및 제도 설계(制度設計)를 어떻게 그려야 하는가, 라는 지점에서 확장되고 있습니다.
즉, HR의 진화는 단순한 인사업무 효율화가 아니다. 기업이 어떤 인재를 필요로 하고, 그 인재를 어떻게 활용하여 사업 성장에 연결할 것인가에 대한 질문까지 포함한다. 인사를 경영 전략의 중심으로서 기능시키기 위한 시스템으로 변화하고 있는 것이다.
데이터만 있으면 정답이 나온다는 생각은 오해일 수 있습니다.
데이터의 양이 많다고 해서 반드시 정확한 결과를 얻을 수 있는 것은 아니며, 오히려 잘못된 데이터가 포함될 경우 더욱 심각한 오류를 초래할 수 있다는 점을 명심해야 합니다. 특히, 인공지능 모델은 학습 데이터에 의존하기 때문에, 데이터의 편향성이나 불균형이 결과에 큰 영향을 미칠 수 있습니다.
예를 들어, 특정 성별이나 인종에 대한 데이터가 부족한 경우, 모델은 해당 그룹에 대한 예측이나 판단에서 오류를 범할 가능성이 높습니다. 또한, 데이터 수집 과정에서 발생할 수 있는 오류나 노이즈 역시 결과의 정확도를 떨어뜨리는 요인이 됩니다.
따라서, 인공지능 시스템을 개발하고 활용할 때에는 데이터의 품질 관리와 함께, 모델의 한계를 인지하고, 결과 해석에 주의를 기울이는 것이 중요합니다. 단순히 데이터를 많이 확보하는 것보다, 데이터의 신뢰성을 확보하고, 다양한 관점에서 결과를 검증하는 과정을 통해 더욱 정확하고 신뢰할 수 있는 결과를 얻을 수 있습니다.
이러한 점들을 간과할 경우, 인공지능 시스템은 오히려 잘못된 판단을 내리거나, 사회적 불평등을 심화시키는 결과를 초래할 수 있다는 점을 명심해야 합니다. 결국, 인공지능 기술을 효과적으로 활용하기 위해서는 데이터뿐만 아니라, 인간의 지혜와 윤리적 판단이 함께 어우러져야만 합니다.
HR 기술의 진보로 인해 많은 기업에서 직원 정보와 조직 데이터를 축적할 수 있는 환경이 점차 갖춰지고 있지만, 동시에 데이터를 수집하는 것만으로는 인사 및 경영 의사 결정에 이르지 못한다는 과제도 존재한다. 인재 관리 시스템이나 참여도 설문 조사 등을 도입하여 직원들에 대한 다양한 정보를 수집하는 기업은 늘고 있다. 하지만 중요한 것은 “얼마나 많은 데이터를 가지고 있는지”가 아니라 “그 데이터를 위해 무엇을 사용하는가”이다. 데이터 분석 자체는 1원의 가치를 생성하지 않는다. 데이터를 바탕으로 어떤 가치를 어떻게 연결하는가가 본질이다. 호리우사 씨는 인력 데이터 활용에서 유스케이스 설계가 중요하다고 지적한다.
데이터를 쌓아만 두는 것은 기본적으로 아무 의미가 없습니다. 가치의 80% 정도는 유스케이스에 달려 있다고 생각합니다.
엔먼트 설문조사나 360도 피드백을 실시하고 있는 기업들 중에서도, 수집한 결과를 충분히 활용하지 못하는 경우가 많다. 설문조사 결과의 보고서를 각 조직장에게 전개한 것에도 불구하고, “이 결과를 어떻게 해석해야 하는가”, “구체적으로 어떤 액션으로 이어져야 하는가”가 파악되지 않아 개선 시책으로 이어지지 않는 문제가 발생한다.
또한 인재 배치 및 육성 측면에서도 마찬가지이다. 직원들의 역량과 경험을 파악하고, 적재적소에 배치하거나 인재 포트폴리오 관리로 연결하는 것은 중요한 경영 과제이며, 특히 대기업의 경우, 각 개인의 경험과 역량을 정리하고 활용 가능한 데이터로 정비하는 데 상당한 부담이 따른다.
이러한 문제의 배경에는 “데이터가 없는” 것이 아니라, “존재하는 데이터를 활용할 수 있는 상태에 도달하지 못한” 문제 자체가 있다.
MCD3는 이 과제에 대해 “기존의 HR 데이터 × 생성 AI × 동행 지원”을 핵심으로 삼아, 인사 영역의 데이터 활용을 지원하고 있습니다. 이 회사가 중시하는 것은 분석 결과를 제시하는 것 자체라기보다는, 그 결과를 인사 전략이나 구체적인 실책 검토, 실책의 효과 측정, 그리고 논의의 토대로서의 가치 발휘로 연결시키는 데 있습니다. 료노산 대표는 다음과 같이 강조했습니다.
“사용 사례를 고려하지 않고 모은 데이터는 그 양이 얼마나 되고, 얼마나 정교한 분석을 해도 ‘데이터의 양이 많으면 품질이 떨어진다’라는 결과로 귀결됩니다.”
AI 활용의 핵심은 조직 내 ‘암묵지’를 어떻게 다루느냐에 달려 있다. 기업이 보유한 오랜 경험과 노하우, 그리고 숙련된 직원들의 직관적인 지식은 쉽게 정형화되거나 문서화되지 않는다. 이러한 암묵지는 기업의 경쟁력과 혁신을 이끄는 중요한 자산이지만, AI 시스템이 제대로 활용하기에는 접근성이 떨어진다.
특히, AI 모델 학습에 필요한 데이터 구축 과정에서 암묵지가 제대로 반영되지 못하면, AI는 결국 기존의 데이터 패턴을 그대로 반복하는 데 그치게 된다. 즉, 새로운 아이디어나 창의적인 해결책을 제시하는 데 한계가 발생할 수 있다.
이에 따라, 기업들은 AI 도입 시 암묵지를 효과적으로 활용하기 위한 전략 수립이 필수적이다. 단순히 데이터를 수집하고 분석하는 것을 넘어, 숙련된 직원들과 AI 시스템을 연결하고, 그들의 경험과 지혜를 AI 학습에 반영하는 메커니즘을 구축해야 한다. 예를 들어, 전문가의 지식 기반 시스템을 구축하여 AI가 실시간으로 전문가의 의견을 참고하도록 하거나, AI가 전문가의 업무를 지원하여 새로운 아이디어를 도출하도록 하는 방식 등이 고려될 수 있다.
또한, 암묵지를 AI 학습에 활용하기 위해서는, 단순히 지식만 전달하는 것이 아니라, 그 지식의 맥락과 배경, 그리고 전문가의 사고방식을 AI가 이해하도록 하는 것이 중요하다. 이를 위해, 자연어 처리 기술을 활용하여 전문가의 대화 내용을 분석하고, AI가 그 내용을 학습하도록 하는 기술 개발이 활발하게 이루어지고 있다. 이러한 기술을 통해 AI는 단순히 데이터를 분석하는 것을 넘어, 인간과 유사한 수준의 이해 능력을 갖추게 될 것으로 기대된다.
이러한 노력들을 통해 기업들은 AI를 통해 암묵지를 효과적으로 활용하고, 새로운 가치를 창출할 수 있을 것이다. 특히, 제조, 의료, 금융 등 경험과 노하우가 중요한 산업 분야에서는 AI와 암묵지의 시너지 효과를 통해 더욱 혁신적인 성과를 달성할 수 있을 것으로 전망된다.
AI 시대의 인사를 고민할 때 중요한 것이 조직에 축적된 암묵지(tacit knowledge)의 대처 방식이다. 일본 기업에서는 오랜 경험과 문화 속에서 형성된 “말로 표현되지 않는 공통 인식”이 매우 많다. 예를 들어, “귀신 군사(鬼軍曹)형의 특성을 가진 사람은 상황에서는 능력을 발휘하지만, 상황에는 맞지 않는다”거나, “이 부서에서는 관리보다 선구안(率先垂範)의 리더십이 요구된다”는 정보 등이 있다.
이러한 정보는 지금까지 조직 내에서 개개인의 머릿속이나, 언어화되지 않은 공기와 같은 형태로 잠겨 있었다. 그러나 AI를 활용하기 위해서는 이러한 암묵지를 정리하고, 다루어질 수 있는 정보로 변환해 나가야 한다. 호리우시 씨, 이 과정의 중요성을 지적한다.
현재 일본 기업들 중 AI가 아직 대체하지 못한 특징적인 요소로, 언어화되지 않은 공통 인식이나 분위기와 같은 것들이 있습니다. 우선 이들을 데이터나 AI가 읽을 수 있는 정보로 전환하여 AI의 해석 가능성을 높이는 것이 필요합니다. 또한 데이터화가 불가능한 요소를 사람들이 이해하고 판단에 반영하는 것이 중요합니다.
AI가 조직 내에서 제대로 기능하기 위해서는 인간만이 이해하는 전제나 가치관을 AI가 다룰 수 있는 형태로 정리해야 합니다. 그럴 때 중요해지는 것이 업무상의 맥락을 고려하여 언어의 의미나 개념의 관계성을 정의하는 “온톨로지”라는 접근 방식입니다.
“숨겨진 지식이나, 개인 간 또는 조직 간 정의가 다른 개념, 업무 프로세스 등을 언어화하여 온톨로지 형태로 정리하는 것은 AI 활용에서 매우 중요할 것입니다.”
AI 시대의 인사에는 단순히 AI 툴을 도입하는 것뿐만 아니라, 자사의 사업 및 조직, 그리고 인적 자원에 대한 지식을 정리하고, 사람과 AI가 협력할 수 있는 환경을 만드는 역할도 요구됩니다.
## AI 시대, 인사부에 요구되는 것은 “관리”에서 “조직 설계”로의 진화
AI에 의해 인사업무의 일부는 확실히 변화해갈 것입니다. 하지만 이는 인사의 가치가 사라지는 것을 의미하지 않습니다. 오히려 MCD3에 대한 취재를 통해 보인 것은, AI 시대에 있어 인사의 역할이 “관리”에서 “의사 결정을 지원하고, 더욱 조직을 움직이는 것”, “AI를 전제하고 인· 조직의 본질을 재설계하는 것”으로 진화해간다는 점입니다.
지금까지의 인사는 제도 운영이나 노동 관리 등 조직을 안정적으로 운영하는 역할을 담당해왔습니다. 반면에, 이제부터는 AI와 데이터를 활용하여 인재 배치, 육성, 평가, 조직 개발 등 기업의 성장에 직접적으로 연결되는 영역에서 의사 결정와 실행을 지원하는 것이 더욱 중요해집니다.
하지만 AI가 도출한 분석 결과만으로 조직이 움직이는 것은 아닙니다. 중요한 것은 데이터로부터 얻은 시사점을 바탕으로, 사람과 사람들 사이의 대화를 만들어내고, 조직으로서 실행될 방향으로 이끌어가는 것입니다. AI는 인사의 대신 판단하는 존재가 아니라, 인사가 보다 본질적인 과제에 매진하기 위한 기반이 됩니다.
HR 테크 또한 단순한 업무 효율화 툴에서, 경영과 인적 자원 전략을 연결하는 기반으로 진화하고 있습니다. AI 시대에 요구되는 것은 “AI에 의해 인사가 없어지는가” 하는 것이 아닙니다. 데이터로 인해 보이는 것이 많아질수록, 마지막으로 요구되는 것은 그 정보를 바탕으로 사람과 조직을 어떻게 움직이게 할 것인가, 즉 인사의 역량입니다.
원문 보기 | 출처: Ledge.ai