HR Lens

컴플라이언스

HR 운영에서 지켜야 할 법규, 내부 통제, 감사 대응, 개인정보·노무 리스크 관리 이슈를 다루는 태그입니다.

  • [2026 HR Trend ②] AI 도입률보다 중요한 것, HR의 AI 책임선 설계

    [2026 HR Trend ②] AI 도입률보다 중요한 것, HR의 AI 책임선 설계

    2026 HR Trend 연재의 2편이다. 1편이 전체 흐름을 “HR 운영 방식의 재설계”로 읽었다면, 이번 글은 그중 AI를 다룬다. 핵심은 AI 도입률이 아니다. HR이 AI를 어디까지 쓰고, 누가 검토하며, 구성원에게 어떻게 설명할 것인가다.

    SHRM은 2026년에도 AI가 HR의 중심 의제로 남을 것으로 본다. 동시에 AI가 기대만큼 성과를 냈는지, 비용과 위험은 어디에 숨어 있는지 다시 봐야 한다고 설명한다. CEO의 89%가 AI가 조직의 가치 창출과 확보 방식을 재정의할 것으로 예상한다는 수치도 제시한다. 기대가 큰 만큼 책임도 커진다.

    AI가 HR의 중심 의제가 될수록 책임선이 먼저 필요하다

    AI는 채용, 성과관리, 교육, 인력계획, 직원경험 분석에 빠르게 들어온다. 하지만 HR에서 AI를 쓴다는 말은 하나의 행동이 아니다. 후보자 서류를 요약하는 AI, 면접 질문을 추천하는 AI, 성과 피드백 문안을 만드는 AI, 이직 위험을 예측하는 People Analytics 도구는 각각 다른 위험을 만든다.

    문제는 도구가 많아질수록 판단의 출처가 흐려진다는 점이다. AI가 낸 결과를 HR 담당자가 그대로 따랐는지, 관리자가 수정했는지, 예외를 인정한 기준이 무엇인지 남아 있지 않으면 구성원은 결과를 납득하기 어렵다. 그래서 2026년 HR AI의 첫 과제는 “무엇을 도입할 것인가”보다 “누가 최종 판단자인가”를 정하는 일이다.

    HR AI 책임선은 세 가지 질문으로 시작된다

    첫 번째 질문은 사용 목적이다. SHRM의 2026년 HR Trends는 AI를 둘러싼 과대 기대를 걷어내고, 실제로 중요한 지점에서 AI를 활용해야 한다고 설명한다. 따라서 AI를 비용 절감용으로 쓰는지, 생산성 향상용으로 쓰는지, 더 나은 인력 의사결정을 위한 보조 도구로 쓰는지 구분해야 한다. 목적이 흐리면 성과도 측정하기 어렵다.

    두 번째 질문은 검토 책임이다. AI가 만든 추천을 누가 확인하는가. 채용에서는 채용 담당자와 현업 리더의 역할이 다르고, 성과관리에서는 관리자와 HRBP의 책임이 다르다. 세 번째 질문은 기록 기준이다. 어떤 데이터가 입력됐고, 어떤 기준으로 결과가 수정됐으며, 예외는 누가 승인했는지 남겨야 한다.

    이 세 질문이 정리되지 않으면 AI는 HR을 더 빠르게 만들 수는 있어도 더 신뢰받게 만들지는 못한다.

    채용 AI는 선별 속도보다 설명 가능성이 중요하다

    SHRM은 2026 Talent Trends에서 2,000명 이상 HR 전문가 데이터를 바탕으로 채용난과 스킬 부족을 다룬다. 공개 요약에 따르면 HR 전문가 약 70%가 정규직 채용에서 여전히 어려움을 겪고, 42%는 최근 12개월 동안 정규직 유지의 어려움을 경험했다.

    이런 상황에서 채용 AI는 매력적인 해결책처럼 보인다. 지원서를 빠르게 요약하고, 후보자를 분류하고, 면접 질문을 만들 수 있기 때문이다. 그러나 SHRM이 지적하듯 자동화와 알고리즘만으로 채용 문제를 해결할 수는 없다. 직무요건이 낡아 있고 평가 기준이 불명확하다면 AI는 그 모호함을 더 빠르게 반복할 뿐이다.

    따라서 채용 AI의 핵심은 속도가 아니라 설명 가능성이다. 왜 이 후보자가 제외됐는지, 어떤 역량이 부족하다고 판단했는지, AI의 추천을 사람이 어떻게 검토했는지 설명할 수 있어야 한다.

    성과관리 AI는 관리자 판단을 더 투명하게 만들어야 한다

    AI 코칭과 People Analytics는 성과관리 방식도 바꾼다. SHRM의 2026년 HR Trends는 AI가 비용 절감과 생산성 향상을 넘어 더 나은 인력 의사결정으로 이어질 수 있다고 설명한다. 또 SHRM의 2026 트렌드 해설은 AI 코치가 연례 성과평가의 종말을 앞당길 수 있다는 흐름을 다룬다. 이는 평가가 사라진다는 뜻이 아니다. 오히려 피드백이 더 자주, 더 구체적으로, 더 데이터에 기반해 이뤄져야 한다는 뜻이다.

    여기서도 책임선은 중요하다. AI가 직원의 개발계획 초안을 만들 수는 있다. 하지만 어떤 피드백을 실제로 전달할지, 어떤 목표를 조정할지, 어떤 성과 문제를 공식 기록으로 남길지는 관리자가 판단해야 한다. HR은 AI가 관리자 판단을 대신하게 할 것이 아니라, 판단 과정을 더 일관되고 투명하게 만드는 장치로 써야 한다.

    한국 기업은 AI 사용 기록과 예외 처리 기준을 남겨야 한다

    한국 기업이 먼저 할 일은 거창한 AI 윤리 선언보다 운영 문서 정비다. SHRM이 2026년 AI 의제를 비용, 위험, 생산성, 인력 의사결정의 문제로 함께 제시했다는 점을 한국 HR 운영 기준으로 옮기면, 채용·성과관리·교육 추천·이직 위험 분석처럼 구성원에게 영향을 주는 영역부터 AI 사용 기준을 나눠야 한다.

    예를 들어 채용에서는 AI가 지원서 요약까지만 하는지, 후보자 순위화까지 하는지 구분해야 한다. 성과관리에서는 AI 피드백 문안이 참고자료인지 공식 평가 근거인지 분리해야 한다. HR 데이터 분석에서는 개인 단위 예측을 관리자에게 제공할지, 조직 단위 지표로만 활용할지 기준이 필요하다.

    2026년 HR AI의 경쟁력은 더 많은 도구를 쓰는 데 있지 않다. AI가 만든 판단을 사람이 검토하고 설명할 수 있는 구조를 만드는 데 있다. 그것이 HR이 AI를 조직의 신뢰 자산으로 바꾸는 출발점이다.

    2026 HR Trend 연재 글

    AI 책임선 편은 허브 글과 성과관리 편을 함께 읽으면 HR AI 운영 흐름이 이어진다.

  • AI HR 확산, 컴플라이언스 인프라가 HR Tech 투자의 핵심 변수로 부상

    AI HR 확산, 컴플라이언스 인프라가 HR Tech 투자의 핵심 변수로 부상

    2026년 1분기 HR Tech 거래 97건에 28억 달러가 움직였다는 숫자는 단순한 투자 뉴스처럼 보일 수 있다. 그러나 HR Executive가 6월 15일 보도한 대목에서 더 중요한 것은 거래 금액보다 투자 판단의 무게중심이다. AI 에이전트가 채용, 성과관리, 인력계획에 들어오면 HR 시스템은 업무를 빠르게 처리하는 도구를 넘어 “누가 승인했고, 어떤 커뮤니케이션이 적절했으며, 어떤 워크플로가 규제 노출을 만들었는지”를 남기는 장치가 된다.

    이 사안에서 HR 담당자가 봐야 할 핵심은 특정 벤더나 리포트 이름이 아니다. AIHR 투자 회의에서 기능 자동화만 비교하면 빠뜨리기 쉬운 컴플라이언스 인프라, 즉 승인 로그·편향 감사·데이터 흐름·책임 소재가 HR 운영모델의 핵심 변수로 올라오고 있다는 점이다.

    HR Tech 구매 기준이 자동화 속도에서 책임 추적으로 이동한다

    HR Executive가 소개한 Norwest Venture Partners 분석에 따르면 Q1 2026 HR Tech 거래는 97건, 28억 달러 규모였다. ADP의 WorkForce Software 인수는 12억 달러, Workday의 Sana 인수는 11억 달러 규모로 언급됐다. 표면적으로는 대형 인수합병 뉴스지만, HR 관점에서 더 중요한 신호는 자동화 기능보다 거버넌스와 컴플라이언스 계층의 중요성이 커지고 있다는 점이다.

    AI 에이전트가 HR 워크플로 전반에 들어올수록 컴플라이언스 노출면도 함께 넓어진다. 여기서 HR 담당자가 봐야 할 지점은 자동화 기능의 개수보다 추적 가능한 책임 구조다. 채용 공고 작성, 후보자 선별, 성과 피드백 초안, 인력계획 시나리오가 AI를 거치면 결과물만 남겨서는 충분하지 않다. 누가 어떤 기준으로 도구를 승인했는지, 예외 처리는 어디에 남는지, 모델 출력이 사람의 판단을 얼마나 대체했는지가 구매 요건이 된다.

    AI 채용·성과 도구의 리스크는 벤더 계약으로 끝나지 않는다

    법·규제 측면에서도 AI HR 도구의 리스크는 점점 구체화되고 있다. 채용, 성과관리, 인력계획 영역에서 AI를 쓰는 기업은 지역별 규제와 기존 차별금지 법리 사이에서 책임 구조를 설명해야 한다. Colorado의 고위험 AI 시스템 영향평가, Illinois의 AI 영상면접 제한, New York City의 자동화 고용결정도구 편향 감사 요건은 모두 같은 방향을 가리킨다.

    이 사례들은 미국 제도이므로 한국 기업에 그대로 적용되는 의무로 읽으면 안 된다. 다만 HR 운영 판단에는 분명한 공통 질문을 남긴다. 제3자 AI 도구를 썼다는 사실이 고용주의 책임을 자동으로 줄여 주지 않는다는 점이다. HR Executive가 전한 Littler의 Britney Torres 발언도 같은 방향이다. 법원은 AI 관련 규정과 일반 차별 관련 법리를 함께 보며 편향된 고용 의사결정의 책임 소재를 판단할 수 있다는 취지다.

    한국 HR팀은 기능 목록보다 승인 로그와 데이터 흐름을 먼저 물어야 한다

    컴플라이언스와 HR 서비스 관리 영역은 직원관계 사건관리, 컴플라이언스 교육, 백그라운드 스크리닝처럼 중단하기 어려운 운영 업무와 연결된다. 조사 범위가 미국 HR Tech 시장이라는 한계는 있지만, Q1 2026 거래 97건·28억 달러 흐름 속에서 이런 운영성 항목이 함께 언급됐다는 점은 중요하다. 특히 AI 에이전트가 대량의 HR 판단에 영향을 주는 환경이라면 누락된 로그 하나가 나중에 설명 불가능한 결정으로 돌아올 수 있다.

    한국 기업이 이 논의를 적용할 때는 미국 규제명을 외우는 것보다 내부 데이터 흐름을 먼저 그리는 편이 실무적이다. 후보자 정보, 평가 의견, 관리자 피드백, 교육 이수 기록, 성과 등급처럼 민감한 HR 데이터가 어떤 시스템을 지나고, AI가 어느 지점에서 추천·요약·분류·자동 실행을 하는지 확인해야 한다. Colorado의 알고리즘 영향평가, Illinois의 AI 영상면접 제한, New York City의 편향 감사 요건은 국내 의무 조항이라기보다 승인자·변경 이력·예외 처리자·삭제 기간·벤더 접근 권한·편향 점검 주기를 표준 검토 항목으로 바꾸라는 신호에 가깝다.

    다음 HR Tech 검토 회의의 질문은 ‘무엇을 자동화하나’에서 시작하면 늦다

    HR Tech 검토 회의에서 던져야 할 질문은 꽤 직설적이다. 누가 실행을 승인했는가. 커뮤니케이션은 적절했는가. 특정 워크플로가 규제 노출을 만들지는 않았는가. 이 세 질문은 HR Tech 도입 회의의 안건 순서를 바꾼다. 첫 질문이 “어떤 업무를 자동화할 수 있나”라면 데모 화면은 좋아 보일 수 있다. 하지만 첫 질문이 “나중에 설명해야 할 판단은 무엇이며, 그 증거는 어디에 남나”라면 벤더 비교표의 항목이 달라진다.

    실무적으로는 네 가지를 먼저 확인할 만하다. 첫째, AI가 추천한 후보자·평가·인력배치 결과에 대해 사람이 수정한 흔적이 남는가. 둘째, 관리자와 HRBP가 AI 제안을 채택하거나 거절한 이유를 짧게라도 기록할 수 있는가. 셋째, 특정 집단에 불리한 결과가 반복될 때 이를 감지하는 지표와 점검 주기가 있는가. 넷째, 벤더 계약서가 기능 SLA뿐 아니라 데이터 보존, 감사 로그 제공, 모델 변경 고지, 사고 대응 시간을 포함하는가. 결국 컴플라이언스 노출면이 넓어진다는 말은 승인, 커뮤니케이션, 규제 리스크가 발생하는 접점이 많아진다는 뜻이다.

    참고한 공개 자료
    – HR Executive, “Compliance tech is becoming a strategic priority, as AI expands in HR”, 2026-06-15. 참고 보도 보기
    – Google News RSS field collection, AIHR·HR Tech / 노무·고용 분야. 이 자료는 기사 주제 선정을 위한 보조 수집 신호로만 활용했다.