우리의 어린 시절, 2020년은 정말 아득한 미래였습니다. 하늘을 나는 자동차는 아직 발명되지 않았지만, 머신러닝은 인적 자원을 포함한 비즈니스 운영 방식에 실질적인 변화를 가져오기 시작했습니다. 어떤 HR 전문가는 “소 잃고 외양간 고친다”는 진부한 표현으로 머신러닝의 물결에 한발 늦었음을 한탄하겠지만, 이는 핑계에 불과합니다. 전문가들은 머신러닝이 우리 생활의 일부가 되었고 앞으로 HR 업무에 지속적인 영향을 미칠 것이라는 데 동의합니다. 이제 이에 대응하기 위해 행동으로 옮길 차례입니다. 잠시 시곗바늘을 돌려, 급변하는 세상의 변곡점으로 보이는 현시점에 이르게 된 과정을 살펴보겠습니다.
전문가들은 머신러닝이 우리 생활의 일부가 되었고 앞으로 HR 업무에 지속적인 영향을 미칠 것이라는 데 동의합니다.
머지않은 미래의 기술
초창기의 인사부는 오픈 포지션 충원, 보상 등의 관리 업무에 초점을 맞추었습니다. 그러나 직원 관계의 인적 요인을 강조하기 시작하고 직원 만족도가 회사의 비즈니스 목표 달성에 기여한다는 사실을 깨닫게 되면서, 역할이 바뀌었습니다. 무엇보다도 HR 업무의 의미 및 비즈니스와 관련된 역할에 대한 인식도 달라졌습니다.
HR 부서는 초창기 인터넷부터 휴대폰, 클라우드, 머신러닝까지 첨단 기술을 받아들이면서 지속적으로 진화해 왔습니다.
IBM의 부사장 겸 파트너이자 인재 기술 프랙티스 리더인 Richard McColl의 설명에 따르면, 최초로 머신러닝을 접목한 HR 프로세스에서는 더 빠른 실행 속도로 방대한 비정형 데이터를 처리하는 것이 관건이었고, 후보자 경험에 주안점을 두었습니다. 하지만 이제는 모든 HR 프로세스 및 경험이 머신러닝의 영향을 받게 될 것이라고 McColl은 말합니다. “이러한 프로세스를 통해 자동화, 속도, 효율성의 이점을 누리는 것이 전부는 아닙니다. 뛰어난 매니저를 육성할 방법은 무엇일까요? 정보에 근거한 현명한 의사결정을 내릴 방법은 무엇일까요? 머신러닝을 통해 커리어 개발의 성공 패턴을 파악한 덕분에 가시화된 기회를 제대로 활용하도록 도울 방법은?”
현재 상황
119개 국가에서 1만여 명이 참여한 설문조사를 기반으로 한 2019년 딜로이트 글로벌 인적 자원 동향(Deloitte Global Human Capital Trends) 리포트에 따르면, 응답자의 80%가 머신러닝을 포함한 코그너티브 기술의 성장을 예측했습니다.
따라서 HR 리더의 입장에서는 이러한 흐름이 HR 업무에 가져올 변화에 주목하는 것이 당연합니다. 딜로이트가 발표한 “The Evolution of Work” 리포트에서는 이렇게 설명합니다. “애자일 조직의 경우, 모든 단계에서 인적 자원과 머신의 능력 조합을 비즈니스 및 전략 계획의 필수 요소로 간주하면서 끊임없이 재평가합니다. 이러한 노력이 제대로 이루어지면 조직의 생산성, 경쟁력, 포지셔닝에 매우 긍정적으로 작용할 수 있습니다.”
딜로이트는 “The Evolution of Work” 리포트에서 “애자일 조직의 경우, 모든 단계에서 인적 자원과 머신의 능력 조합을 비즈니스 및 전략 계획의 필수 요소로 간주하면서 끊임없이 재평가한다”고 설명합니다.
시간을 절약하면서 경험의 질적 향상 도모
머신러닝을 HR 업무에 접목하면, 직원의 라이프사이클 전 범위에서 속도와 효율성을 높일 수 있습니다. 머신러닝으로 엄청난 양의 데이터를 분석하여 패턴을 파악하고 향후 일어날 일을 예측한다면, 효율성이 크게 향상되고 과거에 수작업으로 해야 했던 많은 태스크가 불필요해집니다.
BM 리포트, “The Business Case for AI in HR”에 따르면, HR 조직은 주로 5가지 이유로 AI와 머신러닝을 구현합니다.
- 시급한 비즈니스 과제 해결
- 새로운 스킬 유치 및 개발
- 직원 경험 개선
- 효과적으로 의사결정 지원
- 가장 효율적으로 HR 예산 사용
새로운 기술 도입을 고려할 때도 이러한 기준을 적용할 수 있습니다.
이 기준에는 HR의 거의 모든 영역이 포함되어 있음을 확인할 수 있습니다. 예를 들어, 새로운 스킬 세트 및 광범위한 채용 카테고리에서 후보자를 유치한다고 가정해 보겠습니다. 머신러닝을 적용하면, 수작업으로 할 때보다 훨씬 더 빠른 속도로 채용공고에 부합하는 이력서와 스킬을 찾아내고 수많은 입사지원서를 검토할 수 있습니다. 오늘날 채용의 규모 및 속도가 증가하고 있는 만큼 이러한 신속성은 중요한 장점이 됩니다. 가트너의 채용 효율성 설문조사(Recruiting Efficiency Survey)에 따르면, “오늘날 후보자의 25%가 10가지 이상의 직무에 지원합니다. 포지션당 평균 지원자 수는 2012년~2018년에 39% 증가했습니다. 게다가 채용담당자가 골라내야 하는 부적합 후보자도 훨씬 더 많아졌습니다. 자격이 평균에 미치지 못하는 지원자가 72%에 달하기 때문입니다.” 하지만 채용담당자는 머신러닝을 기반으로 하는 적합한 도구를 활용하여 이력서 검토 시간을 단축하고 잠재력이 우수한 후보자를 찾아내 조사하는 데 더 많은 시간을 투자할 수 있습니다.
기술의 도움을 통해 기존에는 알지 못했던 평생 직업을 만나는 경우가 늘어날 것입니다.
구직자도 머신러닝의 이점을 누립니다. 수많은 채용공고를 검색하느라 시간을 낭비하지 않고 알고리즘이 추천해주는 포지션을 검토하면서 시간을 효율적으로 사용할 수 있습니다. 전혀 생각지도 않았던 일자리를 추천받은 경험이 누구나 있을 것입니다. 기초적인 키워드 매칭에 머무르지 않고 모든 직무 유형을 포괄하는 실제 스킬 매칭 방식으로 기술이 꾸준히 발전함에 따라, 기존에는 알지 못했던 평생 직업을 만나는 경우가 늘어날 것입니다. 앞으로 블록체인 기술까지 도입하여 후보자의 주요 경력을 검증한다면, 구직자와 채용담당자 모두가 더 편리해 질 수 있습니다.
직원 참여 및 유지의 차원에서는 머신러닝으로 사내 피드백을 분석하여 직원 참여도 및 만족도를 모니터링할 수 있습니다. IBM에 따르면, “이 기술로 연례 설문조사 및 직원 만족도 조사뿐만 아니라 소셜 미디어까지 다양한 비정형 콘텐츠를 분석합니다. 몇 시간이면 각종 주제에 관한 수백만 개의 댓글을 분석할 수 있습니다.”
머신러닝은 직원의 지속적인 학습에도 중요한 역할을 하는데, 소비자에게 상품이나 영화를 추천하는 서비스처럼 학습 플랫폼에서 연관성 높은 콘텐츠를 추천해줍니다.
정기적으로 리소스를 재배치하는 기업은 15년 후 역동성이 떨어지는 다른 기업보다 40% 더 높은 가치를 창출할 것입니다.
자동화에서 전략적 의사결정으로
머신러닝 기술이 성숙하면서 그 이점도 확대되었습니다. 채용 분야에서는 절차가 빨라졌을 뿐만 아니라 핵심 인재를 더 일찍 채용하는 것이 가능해졌습니다. IBM 리포트에서는 이렇게 설명합니다. “예전에는 인터넷을 통해 채용 시간을 단축하는 것이 기술의 장점이었습니다. 이제는 AI를 통해 직무에 대한 스킬 매칭을 평가하고, 미래의 성공 가능성을 예측하며, 어떤 역할 충원의 예상 소요 시간을 계산하면서 적임자를 신속히 채용할 수 있습니다.”
이와 같이 HR이 더 전략적인 역할을 수행하면서 조직에 지속적인 영향을 미칩니다. 포춘 선정 “일하기 좋은 100대 기업” 리스트의 분석을 담당하는 Great Place to Work에서는 이렇게 설명합니다. “HR을 관리가 아니라 전략 업무로 간주하는 기업에서는 HR 조직이 비즈니스 성과를 좌우하는 역할을 합니다. 전략적 HR 팀은 시장 점유율 상승, 고객 기반 확대, 제품 혁신, 매출 신장에 기여할 뿐만 아니라 회사가 애자일 조직으로 거듭나게 하는 등 다양한 성과를 거둘 수 있습니다.”
스킬이 가장 중요한 이유
머신러닝의 예측 능력은 뛰어나지만, 여전히 이러한 예측을 해석하는 데는 사람의 판단이 필요합니다. 기계를 효과적으로 활용하면서 인간의 지성을 강화할 수 있는지가 자동화의 성공 지표가 될 것입니다. 또한 모든 업무 영역의 매니저와 HR 부서는 변화하는 환경에 적응하기 위해 갖춰야 할 스킬 요구사항을 새로운 시각에서 검토해야 합니다.
기계를 효과적으로 활용하면서 인간의 지성을 강화할 수 있는지가 자동화의 성공 지표가 될 것입니다.
자동화는 일부 인력을 대체하는 것으로 끝나지 않고, 새로운 일자리를 창출하고 기존 직무 기능을 혁신할 수도 있습니다. 포레스터 리포트, “The Technology-Augmented Employee”에서 J.P. Gownder는 재무 서비스의 “기계적으로 반복되는 업무”에 로봇 프로세스 자동화(RPA) 봇 기술을 적용한 기업의 사례를 소개합니다. 결국 이 기업의 재무 부서는 “전략적이고 즐겁게 일하는 곳”으로 바뀌었습니다.
딜로이트의 연구도 이 결과를 뒷받침합니다. 특정 태스크를 자동화하면 여러 직책의 업무 특성이 바뀌게 됩니다. “일부 업무가 기계에 의해 자동화되더라도, 해석이 필요하거나 서비스 지향적인 일은 여전히 사람이 맡습니다. 여기에는 문제 해결, 데이터 해석, 소통과 경청, 고객 서비스 및 공감, 팀워크 및 협업 능력이 필요합니다. 하지만 이러한 고차원적인 스킬은 전통적인 직무와 달리 고정된 태스크가 아닙니다. 따라서 더 유연하고 끊임없이 진화하며 탄력적으로 정의되는 포지션 및 역할이 필요해졌습니다.” 더 나아가 이 리포트에서는 일부 반복적인 작업이 기계에 의해 자동화되겠지만 이러한 변화에 보조를 맞추려면 조직 차원에서 업무 수행 방식을 재고해야 한다고 지적합니다.
HR 부서와 관련하여, McColl은 장차 모든 인재 조직이 스킬 중심으로 운영되면서 기업에서 직원들이 다음 기회를 쉽게 찾을 수 있도록 지원할 것으로 내다봤습니다. 또한 직원이 수행하는 업무의 성격, 직원이 말하고 기록하는 내용, 직원과 소통하는 고객을 분석하는 데 머신러닝을 활용할 수 있다고 그는 말합니다. “머신러닝을 사용하여 이러한 정보로부터 직원이 보유한 스킬을 알아내고 적합한 커리어 개발 기회를 제안할 수 있습니다. 예를 들어, ‘내가 더 성장하고 도약할 수 있는 커리어 트랙 추천’이 가능하다면 큰 효과를 발휘할 것입니다.”
의식 있는 기업이라면, 다양성과 포용성을 이 새로운 머신러닝 기술의 한 축으로 삼아야 합니다. Workday의 부사장 겸 최고개인정보보호책임자(CPO)인 Barbara Cosgrove는 블로그에서 이러한 기술을 윤리적으로 사용하려는 노력에 관해 얘기합니다. “ML은 인간 의사결정자를 대체하는 것이 아닙니다. 오히려 ML 기반 어플리케이션의 예측 기능과 인간의 판단 능력이 어우러져 더 현명한 의사결정이 가능해집니다. 물론 여느 신기술과 마찬가지로, ML의 성공 조건은 신뢰입니다. 기업이 책임감 있고 윤리적인 프랙티스를 따르는 경우에만 이러한 신뢰가 조성됩니다.”
끊임없는 혁신
이 머신러닝의 제2막은 인간성을 근간으로 한다고 McColl은 말합니다. 그는 실제로 기업에서 머신러닝을 통해 각 직원의 개성, 정서, 선호사항 등을 더 세심하게 반영하면서 일하기 좋은 환경을 조성하리라 확신합니다. “머신러닝으로 차원 높은 맞춤형 솔루션과 경험을 누리게 됩니다. 일의 관점에서 보면, 이 기술은 우리가 경험하는 어플리케이션, 시스템, 프로세스에서 인간성을 강화할 기회를 제공합니다.”
Workday의 연구에 따르면, 머신러닝을 비롯한 각종 데이터 기반 기술이 등장하면서 새로운 기회뿐만 아니라 거대한 과제도 주어졌습니다. 즉, 기업은 미래의 비즈니스에 필요한 스킬을 서둘러 확보해야 합니다. 예를 들어, 2024년까지 직원의 절반 이상을 업스킬링할 계획인 기업이 52%에 달합니다. 기업이 머신러닝 기술을 효과적으로 활용하면서 상업적 가치 창출에 여전히 필요한 인적 자원의 스킬 세트를 발전시키고, 윤리적인 고용 및 사회 공헌 활동에 필요한 인간성의 가치를 지킬 방법은 무엇일까요?
전문가들은 머신러닝 및 기타 첨단 기술의 시대에서 직업과 스킬이 진화해야 한다는 데 동의합니다. 그러나 MIT의 집단지성 전문가인 Thomas Malone은 우리가 ‘인간 대 기계’의 담론에서 중요한 점을 놓치고 있다고 지적합니다. 그는 딜로이트와의 인터뷰에서 이렇게 말합니다. “우리는 인간 대 컴퓨터의 대결 구도에 집착하느라 인간과 컴퓨터의 공생 관계에 충분한 관심을 기울이지 않았습니다. 컴퓨터 때문에 사라질 일자리만 걱정할 뿐, 인간이 컴퓨터를 활용하여 지금까지는 불가능으로 여겨졌던 일을 해낼 수 있다는 사실에 주목하지 않은 것입니다.”
새로운 10년을 시작할 때, 2020년은 사람과 컴퓨터가 혼자서는 이루지 못할 목표를 함께 해내기 시작한 미래 지향적인 해였다고 기억하길 바랍니다.