[HR 수다] AI Transformation 다음엔 과연 무엇이 기다릴까요?

지난 이야기에 이어…

이번 이야기는 지난 이야기에 연결되는 속편(?) 정도 될 것 같습니다. 지난 이야기에서는 AI를 조직 내 성공적으로 도입하기 위해서 고려해야 할 것들과 그 과정을 이야기 했습니다. 이번에는 좀 더 구체적으로 AI Transformation이 어떤 방식으로 직무재설계(Job Redesign)에 영향을 주는지 이야기 해 보려고 합니다.

그 많던 RPA는 어디로 사라졌을까?

2020년대 초반은 RPA의 시대였습니다. Robotic Process Automation의 줄임말인 RPA를 통해 업무효율을 극단적으로 높인 많은 사례가 등장했고, RPA 관련 책이 서점에 깔리기 시작했고, 인터넷과 SNS에서는 RPA에 대한 이야기가 끊임없이 등장 했습니다. 그런데 공교롭게도 OpenAI를 필두로 AI Agent가 등장하면서 RPA에 대한 관심은 점점 사라지기 시작했습니다.

왜 RPA는 AI Agent에 밀려나게 되었을까요? 여러가지 이유가 있을텐지만, 아마도 Automation과 Autonomus의 차이로 인해 밀려나게 된 것이 아닐까 생각해 봅니다. 그럼 Automation과 Autonomous의 차이는 무엇일까요? 우리가 회사에서 하는 일은 직무(Job), 업무(Task), 작업(Work Activity)으로 나누어 집니다. RPA는 개별 작업을 자동화 시켜줍니다. 이때 RPA는 정해놓은 규칙(Rule)을 기반으로 작동합니다. 만약 정해놓은 규칙의 범위에 포함되지 않는 경우에는 에러가 반환됩니다. 즉, 직무나 업무 또는 작업 중 최소한 하나라도 조금 바뀌게 되면 RPA의 규칙세트도 바꾸어 주어야 합니다. 반면, AI Agent는 목적함수를 기반(Goal-setting)으로 확률적 대응(Policy)을 기반으로 작동합니다. 즉 AI Agent는 자신에게 주어진 역할을 수행하는 환경이 바뀌어도 유연하게 대응하여 바뀐 상황에서 목적을 달성할 수 있는 최선의 확률적 선택을 합니다.

왜 그동안의 데이터 기반 의사결정(Data driven decision-making)은 성공적이지 못했을까?

다소 공격적인 표현이 아닐까 조금 걱정도 됩니다만, 잠시 옆길로 비켜서서 데이터 기반 의사결정을 이야기해 보겠습니다. 제가 People Analytics를 처음 접한게 2017년~2018년 무렵이었으니 적어도 HR 영역에서 ‘데이터 기반 의사결정’이라는 용어는 최소한 그 전부터 시작되었을 것으로 생각됩니다. 그런데 무려 10년이 넘는 시간 동안 우리는 여전히 ‘데이터 기반 의사결정’을 이야기하고 있습니다. 긴 시간 동안 데이터사이언티스트들은 의사결정 과정에서 참고할 만한 다양한 데이터를 분석하고 시각화를 제공해 왔습니다. 이를 통해 의사결정자들이 합리적 의사결정을 할 수 있도록 도우려고 애썼습니다. 하지만 10년이 지난 지금도 데이터사이언티스트들의 이러한 활동이 의사결정자들의 의사결정에 얼마나 도움을 주었는지 명쾌하게 대답하기는 어렵습니다. 물론 ‘데이터 기반 의사결정’에 진전이 없었던 것은 아닙니다. 하지만 여전히 HR은 ‘경영진의 전략적 파트너’ 역할을 해야만 한다고 주장하고 그 이유를 ‘데이터 기반 의사결정’으로 제시하고 있습니다.

문득 두 가지 질문이 떠오릅니다.

과연 HR은 ‘경영진의 전략적 파트너’로 자리매김 하는 것이 최종 목적인가?

‘데이터 기반 의사결정’이 그 목적을 달성할 수 있게 하는가?

잠시 글 읽기를 멈추고 한번 생각해 보시면 좋겠습니다.

여러분은 어떻게 생각하시나요?

AI Transformation 이후 등장하게 될 증강조직(Augmented Organization)

AI Transformation이 끝나면 AI 증강지능(AI Augmented Intelligence)에 기반한 증강조직이 등장하게 될 것으로 예상됩니다. 이미 여러 글로벌 컨설팅펌의 보고서와 세계경제포럼의 화이트페이퍼에서 AI 증강지능이 거론되고 있고, 이 끝에는 증강조직이 나타날 것이라는 것에 모두들 의견을 모으고 있습니다. 증강조직은 실제로 어떤 모양새이고 어떻게 작동할까요? 예측하는 사람마다 주장하는 구체적인 모양새나 작동하는 방식은 각각 다르지만 동일하게 언급하는 부분이 있습니다.

증강조직은 AI Agent와 Human이 함께 일하는 조직이 될 것이다.

기존의 직무가 가지는 업무의 범위(Role)과 책임(Responsibility)는 재정의 될 것이다.

증강조직에서는 조직의 구조가 달라질 것이고, 리더의 역할 또한 지금과는 다를 것이다.

증강조직은 AI Agent가 직무(Job)를 수행하기 위한 업무(Task) 안으로 들어와 역할을 부여받게 될 것이고 AI Agent와 Human이 함께 작업(Work Activity)를 수행하는 구조가 될 것이라고 예측하고 있습니다.

과연 직무재설계(Job Re-design)은 어떤 모습으로 진행될까요?

AI Transformation 이후 정말 다양한 논의와 예측이 이루어지고 있는 주제가 직무재설계입니다. 과연 직무재설계는 실제 어떤 모양으로 이루어질까요? 제가 몸담고 있는 회사의 사례가 모든 기업을 대표할수는 없지만 대략적인 이해를 도울 수는 있을 것 같습니다. 조금 전 이야기 한 ‘그 많던 RPA는 어디로 사라졌을까?’와 ‘왜 그동안의 데이터 기반 의사결정은 성공적이지 못했을까?’에 힌트가 있습니다. 먼저, 결론부터 말씀드리자면 직무재설계는 총 3개의 레이어로 구성되어 있습니다. 먼저 ‘Data Layer’, 그리고 ‘Ontology Layer’, 마지막으로 ‘Action Layer’입니다.

Data Layer는 과거 데이터웨어하우스와 데이터마트를 기반으로 한 1세대 데이터플랫폼과 데이터레이크를 기반으로 한 2세대 데이터플랫폼을 넘어 3세대 데이터플랫폼으로 진입하게 됩니다. 3세대에서는 과거와 같이 SQL로 필요한 데이터를 수집하고, Python이나 R로 데이터를 가공하는 데이터사이언티스트의 역할이 줄어듭니다. 모든 정형, 비정형 데이터가 클라우드 기반의 데이터레이어에 로딩되고, 그 안에서 직무 내 각각의 Task에 맞춰 자동으로 가공됩니다. 로딩된 데이터들은 Entity, Entity가 가지는 데이터 정보인 Property, 그리고 각 Entity들과 각 Property들이 서로 어떻게 연결되어 있는지에 대한 Relation이 자동으로 정렬됩니다. AI Agent의 역할도 데이터를 적합하게 분류, 가공, 적재하는 방식으로 중요하게 정의됩니다.

Ontology Layer는 각 직무(Job)별 업무(Task)를 작업단위(Work Activity)로 세분화하여 Workflow와 각각의 작업단위로 Data Layer에 정렬된 데이터와 연결됩니다. 만약 특정한 작업단위에 적절한 데이터소스가 없다는게 확인되면 새롭게 데이터소스를 만들어냅니다.정형데이터 확보가 어렵다면 텍스트, 이미지 등 비정형 데이터도 확보하여 활용할 수 있습니다. Ontology Layer에서 직무재설계의 핵심적인 프로세스가 이루어지고 이 과정에서 AI Agent에게 맡기면 적합할 업무와 Human in the loop 차원에서 인간이 맡아야 할 업무가 구분됩니다.

Action Layer는 직무재설계 과정에서 Data driven decision-making을 한 차원 넘어서게 만들어 줍니다. 즉, 기존의 Data driven decision-making이 데이터 분석과 시각화를 통해 의사결정자의 의사결정을 지원해주는데 그치는 것에 반해, 직무재설계의 온톨로지 기반 Action Layer는 데이터 분석의 결과가 의사결정에 즉각적으로 반영되도록 하는 구조로 설계됩니다. 이 과정에서 지금까지 존재하던 데이터사이언티스트들의 역할은 상당부분 재정의됩니다. 하지만 어쩌면 많은 분들이 의사결정은 인간의 고유한 영역이기 때문에 AI에게 맡길 수 없고, 적어도 책임소재의 문제 때문이라도 AI에게 맡길 수 없다고 생각하실 수 있을 것 같습니다. 맞는 말씀입니다. 결국 Action Layer에서는 디지털 트윈 환경에서 시뮬레이션을 통해서 실행했을 경우 발생할 수 있는 결과를 제시하고, 인간 의사결정자가 의사결정의 버튼을 누르는 순간 AI 기반의 애플리케이션들이 이를 실행하는 구조로 이루어집니다.

글을 마치며…

이미 이러한 온톨로지 기반 직무재설계는 해외의 경우 금융분야(여신, 투자, 상품설계 등), 건설분야(BIM, BOM, 출역관리 등), 제조분야(스마트팩토리, 품질관리 등) 등 다양한 산업섹터에서 실행에 옮겨지고 있고 그 결과가 속속 드러나고 있습니다. 하지만 국내에서는 아직까지 AI Transformation이 광범위하게 이루어지고 있지는 단계를 지나고 있는 상황입니다. AI Transformation이 마무리되어가는 시기가 되면 Human-AI Agent 협업 기반 직무재설계는 곧 다가올 미래이기도 합니다. 한국의 디지털 기반 환경적 특성을 생각해보면 머지않아 AI Transformation은 기업의 차별적 역량을 넘어 보편적인 역량으로 자리잡을 것이라고 봅니다. 이 과정에서 HR이 준비해야 할 것은 직무재설계 뿐만 아니라 채용-선발-평가-승진-보상-기업문화 전반에서 수 많은 이슈들이 존재하고 있습니다. 모더나와 같은 기업이 HR 부서와 IT 부서를 통합한 배경도 이러한 환경변화에 기인한 것이 아닐까 싶습니다. 현업에서 People Analytics를 실행하고 계신 분들과 또 학계에서 People Analytics를 연구하고 계신 분들과 함께 이러한 주제에 대해서 좀 더 활발한 논의가 진행되면 좋을 것 같습니다.

지난 글 다시보기 - [HR 수다] AI 도입 결과를 비즈니스 성과(Business Impact)로 설명하려면?