AI는 아웃풋을 만들고, HR은 아웃컴을 만듭니다

이제는 업무 현장에 AI를 사용하지 않는 분을 찾기가 더 힘들 것 같습니다.하지만 우리는 스스로에게 본질적인 질문을 던져야 합니다. 우리는 ‘왜’ AI를 쓰고 있을까요? 단순한 효율성 제고일까요, 아니면 막연한 시대적 불안감에 의한 관성일까요.

실제로 AI를 활용하면서 우리는 묘한 기시감과 맞닥뜨립니다.

"AI가 초안을 잡아줬지만, 이대로 보고해도 괜찮을까?"

"결국 더블 체크하는 시간에 내가 직접 쓰는 게 빠르지 않을까?"

이러한 ‘찜찜함’은 단순한 기분 탓이 아닙니다. 실제로 생성형 AI를 활용하는 대학생의 60.2%가 AI 의존으로 인한 사고력 저하를 우려한다는 연구 결과(윤혜준 외, 2025)가 이를 뒷받침합니다. 이는 비단 학생들만의 고민이 아닙니다. AI를 일상의 도구로 삼는 HRer라면 누구나 직면한, 거부할 수 없는 실존적인 불안입니다.

일이 줄어든 게 아니라, 일의 성격이 바뀐 것입니다

AI의 도입으로 HR의 업무 지형은 급변했습니다. 채용 공고 초안 작성, 설문 결과 요약, 교육 안내문 생성 등 반복적이고 정형화된 과업의 속도는 비약적으로 빨라졌습니다.

하지만 속도가 빨라진 만큼 업무는 역설적으로 더 복잡해졌습니다. AI의 결과물에 자신의 이름을 얹는 순간, 그 내용에 대한 책임은 오롯이 담당자의 몫이 되기 때문입니다. 검토와 수정에 투입되는 에너지를 고려하면, 우리는 다음과 같은 근본적인 질문에 도달하게 됩니다.

그래서 이런 질문이 생깁니다.

AI는 방대한 데이터를 학습해 패턴을 추출하는 데 탁월합니다. 수만 건의 JD와 설문 데이터를 기반으로 '그럴듯한' 답을 내놓죠. 그러나 이렇게 똑똑한 AI가 읽어내는 데 한계가 있는 영역이 있습니다. 특정 채용 건에 유독 예민한 현업 팀장의 심리, 설문 답변 이면에 숨겨진 구성원의 고충, 조직 내부에 흐르는 미묘한 정서적 기류 같은 것들입니다. 이러한 ‘맥락(Context)’은 데이터가 아닌 인간의 통찰 영역에 머물러 있습니다.

아웃풋(Output)과 아웃컴(Outcome)

아웃풋(output)과 아웃컴(outcome). 비슷해 보이지만 전혀 다른 말입니다.

• 아웃풋(Output): 작성된 JD, 완성된 보고서, 배포된 설문지처럼 눈에 보이고 측정이 가능한 '산출물'입니다. AI가 압도적인 속도로 수행하는 영역입니다.

• 아웃컴(Outcome): 그 JD를 통해 최적의 인재가 유입되었는지, 보고서가 올바른 의사결정을 이끌어냈는지와 같은 '실질적인 변화'입니다.

AI는 아웃풋의 속도를 높여주지만 아웃컴은 여전히 사람의 몫입니다. 우리가 AI에게 느끼는 그 찜찜함, 빠르게 만든 결과물이 정작 원하는 변화로 이어지지 않을 때의 공허함. 그건 AI가 부족해서가 아니라, 아웃풋과 아웃컴을 같은 것으로 착각했던 탓일 수 있습니다.

여기에는 심리적인 기제가 작동합니다. 스스로 수행 가능한 사고 과정임에도 불구하고 인지적 부담을 줄이기 위해 AI에게 고차원적인 인지 활동을 위임하려는 경향, 이른바 '인지적 외주화(Cognitive Offloading)'가 반복될수록 빠른 아웃풋을 얻는 경험이 습관화되기 때문입니다. 최근 연구에 따르면, 생성형 AI를 통한 인지적 외주화는 단순히 업무를 돕는 수준을 넘어 '사고의 주도권'을 AI에게 넘겨주는 결과로 이어질 수 있으며, 이는 결국 아웃컴을 설계해야 할 HRer의 역할마저 흐릿하게 만듭니다(김가영 외, 2026).

AI가 가져간 자리에 남는 것, HR의 진짜 역량

JD를 잘 쓰고, 설문을 빠르게 정리하고, 공지를 매끄럽게 다듬는 것. 그게 내 핵심 역할이었다고 생각했다면, AI의 등장이 불안하게 느껴지는 건 어쩌면 당연합니다.

하지만 반대로 생각해 보면, AI가 그 일들을 가져갔을 때 남는 것이 HR의 진짜 역할입니다. 구성원의 언어 뒤에 숨은 감정을 읽어내고, 숫자가 말하지 못하는 조직의 맥락을 짚어내며, 갈등의 전조 증상을 감지하는 일. 이러한 무형의 가치들은 산출물이나 속도로 증명되지 않기에 더 어렵고, 그렇기에 더욱 대체 불가능합니다.

AI가 할 수 없는 일을 수행하고, 그 가치를 조직의 언어로 풀어내는 것. 이것이 지금 이 시대 HRer에게 요구되는 새로운 전문성입니다.

그렇다면, 지금 우리는 무엇을 바꿔야 할까요

1. 오늘 하루, AI가 대체할 수 없었던 ‘나만의 업무’를 기록하세요

거창한 분석이 아니어도 좋습니다. 퇴근 전 5분, 오늘 한 일 중 AI라면 하기 어려웠을 일을 딱 하나만 골라보는 겁니다. 그 지점이, 바로 우리가 집중해야 할 영역입니다.

2. AI의 결과물 위에 ‘나만의 해석’을 올리세요

AI가 정리해준 결과물로 끝내지 마세요. "이 중에서 우리 조직에 유의미한 건 이 부분입니다"라는 한 마디가 붙는 순간, 그것은 비로소 AI의 아웃풋이 아닌 당신의 아웃컴이 됩니다.

3. 프롬프트 창을 켜기 전, '내가 원하는 변화'를 먼저 정의하세요

기술적인 프롬프트보다 중요한 것은 '질문의 목적'입니다. 작업을 시작하기 전 "이 업무를 통해 내가 얻고자 하는 진짜 결과가 무엇인가"를 한 줄로 써보세요. 이 작은 습관이, AI를 쓰는 사람과 AI에 끌려다니는 사람을 나눕니다.

HR의 가치는 증명이 아닌 발휘를 통해 드러납니다

"AI 시대에 HR 담당자의 가치를 증명해야 한다"는 말, 요즘 자주 듣는데요. 그런데 이 말이 왠지 좀 이상하다고 느끼지 않으시나요. 가치는 원래 증명하는 게 아니라 발휘하는 것이니까요.

증명하려 할 때 우리는 남의 언어로 자신을 설명하게 됩니다. 발휘할 때는 내 언어로 일하게 되고요. AI가 들어온 지금, 필요한 건 존재를 입증하려는 노력보다 AI가 못 하는 일을 조용히, 꾸준히 잘하는 것 아닐까요.

속도보다 방향이 중요하다는 걸 우리는 HR을 하면서 이미 알고 있습니다. AI를 쓸 때도 마찬가지로 빠르게 쓰는 것보다, 제대로 쓰는 게 먼저입니다.

오늘 당신이 내린 수많은 결정 중 AI는 절대 할 수 없었던 그 찰나의 판단,

그것이 바로 대체 불가능한 당신의 진짜 역할입니다.

[참고문헌]
윤혜준, 정은진, & 김혜정. (2025). AI 시대의 학습에 대한 대학생의 인식과 불안.
김가영, 오현하, 윤소은, 이규나, & 한채연. (2026). 대학생의 생성형 AI 학업 의존도 측정 도구 개발 연구. 사회과학연구, 19(1), 315-355.