AI시대 HR이 생존하기 위한 역할 "설계자와 3가지 파괴"
1. Intro
요즘 인사담당자들이 모이면 빠지지 않고 나오는 질문이 있다. “HR에서 AI를 실무적으로 어떻게 활용해야 할까?” 질문은 무성한데 명확한 답을 내리는 경우는 드물었다. 현실을 보면 더욱 그렇다. 일부 기업은들 사내 챗봇을 만들고 GPT로 이력서를 검토해 채용 속도를 높인다. IBM, Unilever, Google 과 같은 글로벌 기업들은 자체 AI 에이전트를 구축해 의사결정에 활용한다.
"HR은 어떤 역할을 수행해야 할까?
조금 더 나아가서 인사관리의 역할이 미래에 존재할까?"
이 과정에서 HR의 생존에 대한 걱정과 불안감이 발생한다. 최근 해외 사례를 보면 변화의 파고는 생각보다 높다. 미국 주요 테크 기업들은 이미 대졸자 채용 비중을 줄이고 학위보다 실질적인 역량을 강조하는 ‘스킬 기반 채용’으로 급격히 이동하고 있다. Google은 “대학 졸업장이 필수 요건이 아니다”라고 선언하며 자체 교육과정인 'Google Career Certificates'를 학위와 동등하게 인정하기 시작했다. IBM 역시 전체 직무의 상당수에서 학위 요건을 제거했다. 이는 세계경제포럼의 Future of Jobs Report에서 강조하듯 학력이 아닌 기술·경험·학습 민첩성이 인재를 판별하는 더 정확한 신호가 되었음을 의미한다. 또한, AI 알고리즘의 획일성이 다양성을 해칠 수 있다는 경고도 잇따르고 있다. MIT와 스탠퍼드 대학교 연구진은 AI가 과거의 편향된 데이터를 학습할 경우 조직의 창의성을 저해할 수 있음을 지적한다.
즉, 우리가 오랫동안 당연하게 여겨온 연공, 학벌, 정형화된 성장 경로라는 전통적 공식은 더 이상 유효하지 않을 수 있다.
2. 설계자로 전환해야 할 HR
필자가 제안하는 AI 시대 HR의 정체성은 명확하다. HR은 더 이상 정해진 룰을 집행하는 ‘운영자’가 아니라, 생존의 확률을 높이는 시스템을 만드는 ‘설계자’가 되어야 한다고 생가간다. 설계자의 역할은 AI 기술을 도입하는 것이 아니라 다음의 과정을 주도하는 것이다.
① 문제의 본질 정의 : 기술적 해결책에 앞서 ‘해결해야 할 조직적 난제’가 무엇인지 정의한다.
② 데이터의 선별과 관리 : 의사결정에 필요한 데이터를 선별하고 정제한다.
③ 객관성의 확보 : 머신러닝 등 기술적 기법을 통해 주관적 판단을 배제하고 명확한 근거를 마련한다.
④ 언어의 전환 : 기술적 데이터를 현장의 언어와 경영의 언어로 번역하여 경영진의 의사결정을 이끈다.
가장 중요한 것은 이 모든 설계가 기업의 생존과 부가가치 창출이라는 종착지에 닿아야 한다는 점이다. AI는 판단을 대신해주지 않는다. 다만 판단의 구조를 투명하게 드러낼 뿐이다. 결국 무엇을 묻고 어떤 데이터를 쓰며 어떻게 해석할지는 전적으로 HR의 설계 역량에 달려 있다.
퇴직관리 업무를 예로 들어보자. HR에서 퇴직 관리는 사직서 처리, 4대 보험 신고, 퇴직금 계산 등 노무 리스크 예방에 초점이 맞춰져 있었다. 이는 전형적인 ‘운영자’의 모습이다. 하지만 설계자의 관점에서 질문을 던지면 업무의 차원이 달라진다.
“이 퇴사가 핵심 인재의 유출인가 아니면 예견된 자연 감소인가?”
“AI 예측 모델이 퇴사 징후를 사전에 포착했는가 포착했다면 왜 개입하지 못했는가?”
“퇴사자의 공백을 반드시 채용으로 메워야 하는가 아니면 직무 재설계나 AI 자동화로 대체 가능한가?”
이 질문에 답하지 못하는 HR은 사후 처리 부서에 머물 수밖에 없다. AI는 이 질문에 답하기 위한 패턴과 확률을 제공할 뿐 질문 자체를 던지는 것은 HR의 몫이다.
3. AI 시대를 준비하기 위해 필요한 3가지 파괴
(1) 연공의 파괴
우리나라 기업의 대부분 임금체계는 여전히 연공 중심이다. 호봉제든 연봉제든 실제 작동 원리는 시간이 지나면 임금이 오르는 구조다. 이 구조는 산업화 시대에는 합리적이었다. 경험이 곧 숙련이었고 숙련이 곧 생산성이었기 때문이다.
하지만 AI 시대에는 이 전제가 더 이상 성립하지 않는다. AI는 개인의 생산성을 완만하게가 아니라 비선형적으로 증폭시킨다. 같은 직급, 같은 연차라도 ① AI를 활용해 업무 구조를 재설계하고 새로운 가치를 창출하는 사람과 ② 기존 방식을 그대로 유지하는 사람의 성과 격차는 급격히 벌어진다. 실제로 MIT 연구진(Noy & Zhang, 2023)이 전문직 종사자를 대상으로 수행한 실험에 따르면 Chat GPT를 활용한 그룹은 그렇지 않은 그룹보다 업무 처리 속도가 37% 빨라졌으며 결과물의 품질은 약 40% 향상되었다.
연공의 파괴는 임금을 삭감하는 것이 아니다. 임금의 기준을 바꾸는 일이다. 임금은 연차가 아니라 스킬과 조직에 기여하는 가치에 연결되어야 한다. 완전한 스킬 기반 임금체계 도입이 어렵다면 직능·역할·설계 기여도 중심의 단계(Level) 체계를 도입해야 한다. 운영자를 넘어 AI를 활용해 전략을 설계하고 변화를 주도하는 ‘AI 아키텍트’ 인재에게 보상을 집중하는 구조를 설계하는 것이 핵심이다.
(2) 학벌의 파괴
공채 중심 문화가 무너진 지 채 5년도 되지 않았지만 우리나라에서 여전히 인재 선발에서 학벌은 강력한 의사결정 요인이다. 특히 지방 중소기업 경영진을 만나면 “대졸자가 일
