HR Lens

기사유형-트렌드분석

HR, 노동시장, 조직운영, 기술 변화의 흐름을 종합해 방향성과 실무 시사점을 분석하는 기사유형 태그입니다.

  • 국내 채용시장, 전문성·AI·팀핏이 2026년 선발 기준을 다시 짠다

    국내 채용시장, 전문성·AI·팀핏이 2026년 선발 기준을 다시 짠다

    고용노동부와 한국고용정보원이 2025년 11월 발표한 기업 채용동향조사는 2026년 국내 채용시장의 출발점을 분명하게 보여준다. 조사 범위는 2025년 8월 1일부터 9월 1일까지 진행된 기업·청년 조사였고, 조사 대상은 기업 396개와 전국 17개 시도 청년 재직자 3,093명이었다. 이 표본에서 응답 기업의 52.8%는 청년 채용에서 전문성을 우선 요구한다고 답했다. 지원자의 일경험이 입사 후 조직·직무 적응에 도움이 됐다고 본 기업도 85.4%였다.

    한편 2차 발표에서는 인사 업무에 AI 도구를 쓰는 기업이 86.7%로 조사됐다. 공식 채용절차에서 AI를 활용하는 기업은 아직 21.7%지만, 향후 도입·확대 계획은 74.5%에 달했다. 2026년 국내 채용은 채용 규모 확대보다 전문성 검증, AI 활용의 공정성, 팀 단위 적합성이라는 세 기준을 어떻게 운영 문서로 만들 것인가에 가까워지고 있다.

    전문성은 전공보다 직무 관련 경험으로 좁혀진다

    고용노동부 2025년 기업 채용동향조사에서 기업의 52.8%는 청년 채용 시 전문성을 우선 요구한다고 답했다. 전문성을 평가하는 항목은 전공 22.3%, 인턴제 등 일경험 19.1%, 직무 관련 교육·훈련 17.4% 순이었다. 전공이 여전히 중요하지만, 기업은 전공명만으로 전문성을 판단하기보다 직무와 연결된 경험·훈련의 흔적을 함께 보고 있다.

    이 변화는 신입 채용의 질문을 바꾼다. “어느 전공인가”보다 “해당 직무의 문제를 어느 정도 경험했는가”가 더 중요해진다. 채용팀은 직무기술서에 필요한 전문성을 지식, 실습 경험, 도구 사용, 협업 산출물로 나눠 적어야 한다. 면접에서도 전공 설명을 듣는 데서 끝내지 말고, 지원자가 어떤 과제를 수행했고 어떤 기준으로 결과를 판단했는지를 확인해야 한다.

    일경험은 스펙이 아니라 적응 가능성을 검증하는 자료가 된다

    고용노동부 조사에서 기업의 85.4%는 지원자의 일경험이 입사 후 조직·직무 적응에 도움이 됐다고 평가했다. 일경험을 볼 때 가장 중요한 기준은 채용 직무와의 업무 관련성 84.0%였고, 일경험 시 도출 성과 43.9%, 경험 유무 39.5%가 뒤를 이었다.

    이 수치는 일경험을 단순한 스펙 목록으로 읽어서는 안 된다는 뜻이다. 기업이 보는 것은 경험의 존재가 아니라 직무 관련성과 산출물이다. 채용 과정에서는 인턴·프로젝트·교육 이수 경험을 같은 표에 넣기보다, 직무 관련 과제, 맡은 역할, 사용한 도구, 결과물, 피드백을 분리해 평가해야 한다. 청년 지원자에게도 “경험이 있다”는 말보다 “채용 직무와 어떤 업무 관련성이 있는가”를 설명할 수 있는 지원서 구조가 필요하다.

    AI 채용은 효율화보다 사전고지와 검증 절차를 먼저 요구한다

    고용노동부 2차 발표에서 응답 기업 396개 중 인사 업무에 AI 도구를 사용하는 비율은 86.7%였다. 직원 채용에 AI 도구를 쓰는 기업은 21.7%였고, 향후 채용 업무에 AI 도구를 도입하거나 확대할 계획이 있는 기업은 74.5%였다. 활용 영역은 AI 기반 인적성 또는 역량검사 69.8%, 지원서류 검토 46.5%, AI 면접 및 대면 면접 시 결과 활용 46.5%로 나타났다.

    채용팀이 여기서 먼저 정해야 할 것은 도입 여부보다 운영 기준이다. 어떤 전형에서 AI를 쓰는지, 평가 요소는 무엇인지, 수집된 개인정보는 어떻게 처리되는지, 최종 판단에 사람이 어떻게 개입하는지를 사전에 안내해야 한다. AI를 도입하는 이유가 데이터 기반 판단 34.6%, 전형 소요 시간 단축 31.5%로 제시된 만큼, 효율성과 공정성 지표를 함께 관리하지 않으면 도구 도입 효과를 설명하기 어렵다.

    지원자 경험은 AI 심사의 설명 가능성까지 포함한다

    고용노동부 조사에서 청년의 23.7%는 취업 과정 중 AI 채용 전형을 경험했고, 63.8%는 기업이 AI 채용 전형을 운영하는 데 찬성했다. 그러나 우려도 구체적이었다. 청년들은 AI 판단 기준의 공정성 26.9%, AI 심사 기준의 불투명성 23.1%, 자기 표현 왜곡 18.4%를 걱정했다.

    지원자 경험은 면접 일정 안내나 빠른 피드백만으로 끝나지 않는다. AI 전형에서는 평가 정확성 검증 47.1%, 편향성 검증 42.3%, 평가 요소 사전고지 41.5%가 구직자 보호 장치로 요구됐다. 기업은 AI 평가 결과를 후보자에게 어디까지 설명할 수 있는지, 이의제기나 재검토 절차를 둘 것인지, 면접관이 AI 결과를 어떤 방식으로 참고할지 정해야 한다. 이 기준이 없으면 지원자 경험은 편리해지는 대신 불투명해질 수 있다.

    컬처핏에서 팀핏으로, 검증 단위가 조직에서 팀으로 내려온다

    원티드는 2025년 12월 공개한 2026 채용 트렌드 자료에서 HR 담당자 153명에게 2026년 채용 계획과 전망을 물었다고 밝혔다. 자료의 핵심 키워드는 컬처핏을 넘어선 팀핏이다. 조직 전체와 맞는 사람을 찾는 데서 더 나아가, 실제 함께 일할 팀의 과제·속도·협업 방식과 맞는지를 보겠다는 흐름이다.

    팀핏은 감으로 판단하면 위험하다. “우리 팀과 잘 맞는다”는 말은 면접관 개인의 선호로 흐르기 쉽다. 따라서 팀핏 검증은 팀의 현재 과제, 필요한 보완 역량, 협업 리듬, 의사결정 방식으로 쪼개야 한다. 예를 들어 빠른 실험이 필요한 팀인지, 안정적인 운영 품질이 중요한 팀인지, 고객 커뮤니케이션이 많은 팀인지에 따라 같은 직무라도 선발 기준은 달라진다. 팀핏을 쓰려면 평가표도 조직문화 적합성, 직무 적합성, 동기 적합성, 팀 보완성으로 분리해야 한다.

    채용 규모가 줄어도 선발 난도는 낮아지지 않는다

    잡코리아 기업라운지의 2026년 채용 전략 글은 한국경영자총협회의 2025년 신규 채용 실태조사를 인용해 신규 채용 계획이 있는 기업이 60.8%였다고 전했다. 같은 글은 사람인 자료를 근거로 2024년 채용을 진행한 기업 중 49.7%가 계획한 만큼 채용하지 못했고, 그 이유로 적합한 지원자가 없었다는 응답이 63.6%였다고 설명했다.

    이는 보수적 채용 기조가 곧 선발 난도 하락을 의미하지 않는다는 점을 보여준다. 채용 규모가 줄면 한 명의 실패 비용은 더 커진다. 그래서 기업은 다이렉트 소싱, 레퍼럴, 인재풀 운영, 구조화 면접, 복수 평가자, 바 레이저 같은 장치를 더 많이 검토하게 된다. 2026년 채용팀의 역할은 공고를 열고 지원자를 처리하는 기능보다, 현업 리더와 함께 어떤 후보자를 놓치면 안 되는지 정의하는 비즈니스 파트너 역할에 가까워진다.

    2026년 채용 회의는 직무·팀·AI 기준표를 함께 봐야 한다

    2026년 국내 채용 전략을 세울 때 HR이 확인해야 할 표는 최소 세 가지다. 첫째, 직무별 전문성 기준표다. 전공, 일경험, 직무교육, 자격, 산출물을 같은 기준으로 비교해야 한다. 둘째, 팀핏 기준표다. 팀의 과제, 보완 역량, 협업 방식, 온보딩 리스크를 현업과 함께 정의해야 한다. 셋째, AI 채용 운영표다. AI 사용 전형, 사전고지 문구, 개인정보 처리, 사람의 최종 판단, 편향성 검토 기록을 남겨야 한다.

    이 세 표가 분리되면 채용은 다시 감과 속도의 문제로 돌아간다. 전문성은 높지만 팀 과제와 맞지 않는 후보자, 팀에는 맞지만 AI 평가 기준을 설명하기 어려운 후보자, 빠르게 선발했지만 입사 후 90일 적응 지표가 낮은 후보자를 구분할 수 있어야 한다. 국내 채용시장의 2026년 과제는 더 많은 지원자를 모으는 데만 있지 않다. 적은 채용 기회 안에서 어떤 기준으로 사람을 선택했는지 조직이 설명할 수 있게 만드는 데 있다.

    참고자료

  • 현장 인력 데이터가 AI 분석으로 넘어갈 때, HR의 과제는 대시보드보다 지표 통제다

    현장 인력 데이터가 AI 분석으로 넘어갈 때, HR의 과제는 대시보드보다 지표 통제다

    핵심 요약

    • 2026년 6월 19일 공개된 Indeavor 관련 발표는 AI가 HR 문서를 쓰는 단계보다 더 운영적인 장면을 보여준다. 교대근무, 결근, 초과근무 같은 현장 인력 데이터가 자연어 질의와 대시보드로 바로 연결되는 흐름이다.
    • 이 변화의 핵심은 “AI 대시보드 도입”이 아니다. 24/7 운영환경에서 scheduling and absence data를 누가 어떤 기준으로 보고, 어떤 의사결정에 쓸 수 있는지 정하는 문제다.
    • 한국 기업이 참고할 지점은 벤더 기능보다 데이터 사전, 권한, 책임자, 지표 해석 기준이다. 특히 결근·초과근무 지표는 개인 평가로 바로 연결하기보다 조직 운영 신호로 해석해야 한다.

      • AI 대시보드보다 먼저 봐야 할 것은 현장 데이터의 정의다

      Techrseries가 2026년 6월 19일 공개한 발표문은 Indeavor의 AI Analytics Hub를 “natural language reporting platform”으로 소개했다. 대상 환경도 비교적 분명하다. 복잡한 24/7 운영, 그리고 manufacturing, food and beverage, energy, nuclear처럼 현장 교대와 규제가 중요한 4개 산업군이 언급된다.

      눈에 띄는 대목은 연결 데이터다. 발표문은 이 도구가 scheduling and absence data에 직접 연결된다고 설명한다. HR 관점에서는 이것이 작지 않다. 채용, 근태, 배치, 결근, 초과근무가 각각 다른 표와 시스템에 남아 있을 때는 분석보다 정합성 확인에 시간이 더 든다. AI가 화면을 예쁘게 만드는 것보다, 같은 “결근”이 부서·현장·기간별로 같은 뜻인지 먼저 정해야 한다.

      그래서 현장 인력 AI 분석은 People Analytics의 하위 기능이라기보다 운영모델 과제에 가깝다. 데이터 항목의 이름, 집계 기준월, 결근 유형, 초과근무 산식, 예외 처리 기준이 불명확하면 AI는 빠르게 답하지만 조직은 느리게 흔들린다. 숫자가 빨리 나오면 회의는 쉬워진다. 다만 숫자가 맞다는 뜻은 아니다.

      자연어 질의는 분석 접근성을 넓히지만 권한 경계를 흐릴 수 있다

      발표문은 사용자가 SQL이나 spreadsheets 대신 plain English로 질문할 수 있다고 설명한다. 예시도 구체적이다. “지난달 시설별 결근 추이를 비교해 달라”, “지난주 생산부서 초과근무를 보여 달라”는 식의 질문이 가능하다는 설명이 나온다. 분석가나 IT 지원 없이 site managers, HR, enterprise leadership이 직접 볼 수 있다는 점도 강조된다.

      이런 접근성은 분명 장점이다. 현장 리더가 매번 엑셀 추출을 기다리지 않아도 되고, HR은 같은 질문을 반복해서 처리하는 부담을 줄일 수 있다. 하지만 권한 설계가 약하면 다른 문제가 생긴다. 한 현장장이 다른 시설의 결근 추이를 어느 수준까지 볼 수 있는가. 개인 식별 가능성이 있는 데이터는 어떤 기준으로 마스킹되는가. AI 질의 로그는 누가 감사하는가.

      자연어 질의는 “누구나 쉽게 분석”하게 만든다기보다, 분석 권한의 경계를 더 자주 시험하게 만든다. HR은 도입 전에 최소 3가지를 정해야 한다. 첫째, 역할별 조회 범위. 둘째, 개인·팀·시설 단위 데이터의 최소 표시 기준. 셋째, 민감 지표를 성과평가나 징계 판단으로 옮길 때 필요한 별도 승인 절차다.

      초과근무와 결근 지표는 생산성 숫자가 아니라 조직 운영 신호다

      발표문 속 예시는 absenteeism trends와 production department overtime이다. 지난달 시설별 결근, 지난주 생산부서 초과근무처럼 기간과 단위가 붙은 질문이다. 또 smart insights가 overtime spikes, staffing gaps 같은 위험과 추세를 드러낼 수 있다고 설명한다.

      HR이 여기서 조심할 점은 해석의 속도다. 초과근무가 늘었다고 곧바로 생산성이 높아졌다고 볼 수 없다. 결근이 늘었다고 바로 개인 책임으로 돌릴 수도 없다. 같은 1주 초과근무라도 수요 급증, 설비 문제, 교육 미흡, 교대표 설계, 리더십 공백이라는 서로 다른 원인이 숨어 있을 수 있다.

      그래서 AI 분석 결과는 평가표가 아니라 질문표로 출발해야 한다. 현장별 overtime이 갑자기 튀면 HR은 인력 충원, 작업 재배치, 안전 리스크, 관리자 승인 패턴을 함께 봐야 한다. absenteeism이 늘면 건강, 번아웃, 통근, 교대 간 휴식시간, 결근 코드 입력 방식까지 확인해야 한다. 지표는 사람을 찍어내는 도구가 아니라 운영의 병목을 찾는 신호다.

      한국 기업은 벤더 도입 전에 데이터 사전과 책임자를 정해야 한다

      발표문은 benchmarking and standardization, automated delivery, standardized dashboards를 기능으로 제시한다. 이는 HR에 꽤 실무적인 힌트를 준다. 벤치마킹은 멋진 단어지만, 표준 정의가 없으면 비교는 금방 왜곡된다. 같은 결근율이라도 유급휴가, 병가, 무단결근, 교대 변경을 어떻게 분류하느냐에 따라 전혀 다른 숫자가 된다.

      한국 기업이 이런 도구를 검토한다면 먼저 데이터 사전을 만들어야 한다. 항목명, 산식, 분모, 기준월, 제외 대상, 승인자, 수정 권한을 정리하는 문서다. 두 번째는 책임자 지정이다. HR이 지표 소유자인지, 생산·운영 부서가 소유자인지, IT가 데이터 품질 책임자인지 모호하면 AI 도구는 답을 내도 실행이 멈춘다.

      마지막으로 자동 리포트의 사용 목적을 제한해야 한다. 매주 임원에게 보내는 표준 대시보드와 현장 개선 회의용 리포트는 목적이 다르다. 평가·징계·보상 의사결정에 쓰는 데이터라면 검토 절차와 이의제기 통로도 필요하다. AI 분석 도구의 성패는 모델보다 운영 규칙에서 갈릴 가능성이 크다.

      실무 점검 질문

      • 교대근무, 결근, 초과근무, 대체근무의 데이터 정의가 부서별로 같은가.
      • 자연어 질의 사용자는 역할별로 어떤 시설·팀·개인 단위 데이터를 볼 수 있는가.
      • AI가 제시한 staffing gap이나 overtime spike를 누가 검토하고 조치하는가.
      • 자동 발송되는 dashboard는 의사결정용인지, 모니터링용인지, 평가자료인지 구분돼 있는가.
      • 벤더 도입 전 데이터 사전, 권한표, 감사 로그, 예외 승인 절차가 문서화돼 있는가.

      참고자료: Techrseries, “Indeavor Launches AI Analytics Hub to Turn Frontline Workforce Scheduling and Absence Data Into Real-Time Insights With AI”, 2026-06-19. https://techrseries.com/hr/indeavor-launches-ai-analytics-hub-to-turn-frontline-workforce-scheduling-and-absence-data-into-real-time-insights-with-ai/

  • AI가 신입 직무를 없앤다는 해석, HR이 먼저 봐야 할 것은 역할 재설계다

    AI가 신입 직무를 없앤다는 해석, HR이 먼저 봐야 할 것은 역할 재설계다

    AI가 신입 일자리를 없앤다는 말은 빠르게 퍼진다. 하지만 HR이 먼저 봐야 할 질문은 조금 다르다. 어떤 직무가 사라지는가보다, 신입이 맡던 과업이 어떻게 쪼개지고 다시 묶이는가에 가깝다.

    Cognizant와 Pearson이 6월 18일 공개한 조사 요약은 이 차이를 잘 보여준다. 인도에서는 신입 직무 과업의 37%가 이미 AI로 수행되고, 전 세계 평균도 33%라고 제시했다. 동시에 HR 리더의 94%는 앞으로 5년 안에 AI가 새로운 신입 역할을 만들 것이라고 봤다. 대체와 생성이 같은 표 안에 들어 있는 셈이다.

    신입 일자리 논쟁의 출발점은 대체율보다 과업 구성이다

    이번 조사 요약에서 가장 눈에 띄는 숫자는 37%다. 인도 신입 직무 과업 가운데 이미 AI가 수행하는 비중이다. 전 세계 평균 33%보다 높다. 또 HR 리더의 18%는 AI가 신입 업무의 절반 이상을 처리하고 있다고 답했다. 숫자만 보면 불안이 먼저 올 수 있다.

    그런데 이 수치를 곧바로 “신입 채용 축소”로 읽으면 HR 판단이 거칠어진다. 과업 일부가 AI로 이동해도 직무 전체가 사라지는 것은 아니다. 오히려 채용 담당자는 직무기술서 안의 반복 입력, 초안 작성, 정보 검색, 검증, 고객 응대, 내부 조율 과업을 분리해 봐야 한다. 어느 과업은 자동화되고, 어느 과업은 사람의 판단을 더 많이 요구한다.

    채용 기준은 전공보다 AI와 함께 일하는 능력으로 이동한다

    Cognizant와 Pearson 조사에서 HR 리더의 96%는 5년 안에 신입 역할이 AI 시스템을 감독하거나 관리하는 방향으로 진화할 것이라고 봤다. 94%는 지금 존재하지 않는 새로운 신입 역할이 AI로 생길 것이라고 답했다. 이 대목은 채용 기준의 초점이 “AI를 쓸 줄 아는가”에서 “AI 결과를 검토하고, 맥락에 맞게 고칠 수 있는가”로 옮겨간다는 뜻에 가깝다.

    흥미로운 점은 기술 전공만 강조하지 않는다는 것이다. 조사 요약은 HR 전문가의 97%가 소프트 스킬의 중요성이 더 커졌다고 답했고, 69%는 초기경력 인재에게 좁은 전문성보다 폭넓은 학제적 배경이 더 중요하다고 봤다고 전했다. 한국 기업도 신입 채용 평가표를 다시 본다면 전공명, 자격증, 도구 사용 경험만 세기보다 문제 정의, AI 출력 검증, 협업 설명 능력을 함께 봐야 한다.

    교육 수요는 늘었지만 L&D의 속도는 뒤처진다

    조사 요약에 따르면 HR 전문가의 91%는 최근 12개월 동안 구성원의 AI 교육 수요가 늘었다고 답했다. 하지만 60%는 L&D 프로그램이 AI로 인한 직무 변화 속도를 따라가지 못한다고 봤고, 인도 응답에서는 이 비율이 63%로 제시됐다. 교육 수요와 교육 공급 사이의 간격이 이미 운영 이슈가 된 것이다.

    이 지점에서 HRD는 단발성 AI 특강보다 직무별 과업 지도를 먼저 만들어야 한다. 예를 들어 신입 영업, 마케팅, 개발지원, 인사운영 직무에서 AI가 맡는 초안·검색·분류 과업과 사람이 확인해야 할 판단 과업을 나눠야 한다. 그리고 교육 지표도 수강 인원만 볼 일이 아니다. 교육 후 실제 과업 전환율, 관리자 피드백, 오류 검토 기준, 온보딩 기간 변화까지 같이 확인해야 한다.

    중간관리자가 AI 채용과 온보딩의 병목이 된다

    Cognizant와 Pearson 조사에서 HR 리더의 95%는 중간관리자가 구성원의 효과적인 AI 활용을 보장하는 데 중요하다고 답했다. 92%는 AI가 일상 업무를 바꾸는 과정에서 중간관리자가 직무 역할 재정의에 중요한 역할을 한다고 봤다. 신입을 뽑아도 현장 관리자가 AI와 사람의 일을 다시 배분하지 못하면 변화는 채용 공고 문구에서 멈춘다.

    따라서 HR의 다음 점검 질문은 비교적 구체적이어야 한다. 첫째, 신입 직무별로 AI가 가져간 과업과 새로 생긴 검증 과업을 적었는가. 둘째, 온보딩에서 AI 사용법보다 판단 기준과 금지 기준을 가르치는가. 셋째, 중간관리자에게 역할 재설계 권한과 코칭 문장을 제공했는가. 넷째, 2025년에 신입 2만 명을 채용했고 2026년에는 이를 넘길 계획이라는 Cognizant 사례처럼, 대규모 초기경력 채용을 유지하는 기업은 교육·배치·관리자의 실행역량을 함께 확장하고 있는가.

    한국 기업에 그대로 같은 비율을 적용할 수는 없다. 이 조사의 조사 범위는 미국, 영국, 인도 3개국이고, 조사 대상은 직원 1,000명 이상 기업의 director급 이상 HR 전문가 750명이다. 표본과 응답자 구성은 2026년 3월 23일부터 4월 3일까지 온라인 survey 방식으로 수집됐다. 그래도 메시지는 분명하다. AI 시대 신입 채용의 핵심은 “몇 명을 줄일 수 있나”가 아니라 “어떤 과업을 새로 설계하고, 어떤 역량을 초기에 길러야 하나”다. HR이 이 질문을 놓치면 AI는 인력계획의 해답이 아니라 온보딩 실패의 또 다른 원인이 된다.

    ReferencesCognizant Newsroom, 37% of Entry-Level Tasks in India Already Done by AI, Finds Cognizant and Pearson Study, 2026-06-18

  • AI 도입률보다 낮은 교육 참여율, HR 운영모델의 병목을 드러내다

    AI 도입률보다 낮은 교육 참여율, HR 운영모델의 병목을 드러내다

    AI 도구를 깔았다는 말과 사람들이 실제로 일을 바꿨다는 말은 다르다. Aon이 6월 17일 공개한 글은 이 간격을 꽤 선명하게 보여준다. 전 세계 조직의 거의 4분의 3이 AI를 배포했거나 파일럿을 돌리고 있지만, 구성원 다수가 AI 리스킬링·업스킬링에 참여한 조직은 18%에 그쳤다는 대목이다.

    이 숫자는 HR팀이 AI 프로젝트를 볼 때 첫 질문을 바꿔야 한다는 신호다. “어떤 도구를 도입했나”보다 “누가 배웠고, 어느 업무가 달라졌으며, 그 변화가 성과 지표로 잡히는가”가 먼저다. 도입률이 높아도 학습 참여율과 운영 기준이 낮으면 AI 투자는 HR 운영모델의 병목을 그대로 드러낸다.

    배포율과 학습 참여율 사이의 간격이 가장 먼저 보인다

    2026년 6월 17일자 Aon insight는 AI 배포나 파일럿이 이미 넓게 진행되고 있다고 설명한다. 숫자로는 전 세계 조직의 거의 4분의 3이 AI를 배포했거나 시험 중이다. 또 고용주 기준으로는 4분의 3을 넘는 곳이 AI 도구를 이미 내놓았다고 제시했다. 겉으로 보면 AI 전환은 빠르다.

    하지만 같은 자료가 던진 두 번째 숫자가 더 불편하다. 구성원 다수가 AI reskilling과 upskilling에 참여한 조직은 18%뿐이다. 배포율과 학습 참여율의 차이는 단순한 교육 일정 지연이 아니다. HRD 예산, 직무별 우선순위, 관리자 역할, 업무 재설계가 한 화면에서 연결되지 않았다는 뜻일 수 있다.

    사용 횟수만 세면 AI 투자의 성과가 보이지 않는다

    Aon은 AI 활용을 여전히 “frequency of use”로 측정하는 경우가 많다고 짚었다. 몇 명이 로그인했는지, 몇 번 프롬프트를 입력했는지, 어떤 팀이 가장 많이 썼는지는 초기 확산 지표로는 쓸 수 있다. 그러나 이 지표만으로는 채용 리드타임, 교육 전환율, 고객 대응 품질, 문서 검토 시간, 관리자 의사결정 속도가 나아졌는지 확인하기 어렵다.

    교육 커버리지도 같은 문제를 보여준다. Aon은 10%의 인력조차 교육하지 못한 고용주가 3분의 1 미만이라고 썼고, 6곳 중 1곳은 어떤 직원도 교육하지 않았다고 설명했다. AI 프로젝트 회의에서 “사용자 수”만 보고 끝내면 이 공백이 가려진다. HR은 교육 대상, 직무군, 사용 사례, 전후 성과 지표를 함께 묶어 봐야 한다.

    HRD와 People Analytics가 같은 대시보드를 봐야 한다

    이제 AI 교육은 독립된 캠페인처럼 운영하기 어렵다. 18%라는 참여율 숫자는 HRD팀만의 문제가 아니라 People Analytics와 HRBP, IT, 현업 리더가 같이 봐야 할 운영 지표다. 예를 들어 교육 수료율만 볼 것이 아니라 교육 후 실제 업무에 AI가 투입된 비율, 승인된 사용 사례 수, 리스크 검토가 끝난 프로세스 수를 같이 놓아야 한다.

    John McLaughlin은 조직이 AI를 배포하면서도 그것을 효과적으로 쓰는 데 필요한 clarity, direction, operating model을 충분히 제공하지 않는다고 말했다. 이 문장은 HR 운영모델의 체크포인트로 읽을 수 있다. 직무별 AI 사용 기준이 있는가. 관리자는 어떤 산출물을 승인해야 하는가. 교육 후 30일, 60일, 90일에 무엇을 비교할 것인가. 이런 질문이 없으면 AI 활용은 개인의 호기심에 맡겨진다.

    한국 기업의 다음 회의 질문은 도구가 아니라 준비도다

    Aon 자료는 글로벌 컨설팅 관점의 글이므로 한국 기업의 법적 의무나 산업별 규정을 대신 설명하지 않는다. 이번 자동 실행에서 표본, 조사 범위, 산업별 응답자 분포까지 확인한 것은 아니기 때문에 숫자는 인력준비도 점검의 신호로 읽어야 한다. 다만 HR 실무 판단에는 적용 가능한 경고가 있다. AI 전환을 솔루션 도입 프로젝트로만 다루면 교육, 역할, 성과 측정, 책임 구조가 뒤따라오지 못한다는 점이다.

    다음 AIHR 회의에서는 기능 목록보다 준비도 표를 먼저 펼치는 편이 낫다. 직무군별 교육 참여율, 실제 적용 업무, 관리자 승인 기준, 금지 사용 사례, 성과 지표, 데이터 보안 점검 상태를 한 줄씩 확인해야 한다. 도구가 이미 들어왔다면 더 늦기 전에 물어야 한다. 우리 조직은 AI를 쓰는 사람을 늘리고 있는가, 아니면 AI를 쓸 수 있는 일을 새로 설계하고 있는가.

    참고한 공개 자료

  • [2026 HR Trend ⑥] 정규직 중심 HR의 한계와 혼합형 인력 운영

    [2026 HR Trend ⑥] 정규직 중심 HR의 한계와 혼합형 인력 운영

    2026 HR Trend 연재의 6편이다. 5편이 내부 인재를 실시간으로 키우는 업스킬링을 다뤘다면, 이번 글은 조직 밖의 인력까지 포함한 운영모델을 다룬다. 2026년의 인력 구조는 정규직만으로 설명하기 어렵다.

    프리랜서, 긱워커, 외부 전문가, 독립계약자, 프로젝트 기반 파트너가 함께 일하고, 여기에 AI 도구까지 결합된다. HR의 질문은 “누구를 채용할 것인가”에서 “어떤 역할을 어떤 고용형태와 어떤 책임 구조로 운영할 것인가”로 이동한다.

    정규직 중심 인력계획만으로는 2026년을 설명하기 어렵다

    SHRM 2026 HR Trends는 CEO의 72%가 2026년에 독립계약자, 긱워커, 프리랜서 활용 증가를 예상한다고 제시한다. 동시에 SHRM 2026 Talent Trends 요약은 2,000명 이상 HR 전문가 응답자 표본을 바탕으로 채용난과 유지 어려움을 다룬다.

    정규직 채용이 어렵고 외부인력 활용이 늘어난다면 인력계획의 단위도 달라져야 한다. 기존에는 부서별 정원, 직급, 직무, 인건비를 중심으로 계획했다면, 이제는 핵심역할, 외부전문성, 프로젝트 기간, 데이터 접근권한, 성과책임까지 함께 설계해야 한다.

    혼합형 인력은 외주가 아니라 운영모델의 변화다

    SHRM이 제시한 Workforce Fragmentation 흐름은 단순한 외주 확대와 다르다. 독립계약자, 긱워커, 프리랜서 활용이 늘어나는 2026년의 변화는 조직이 필요한 역량을 고용계약 하나로만 확보하지 않는다는 뜻이다.

    따라서 혼합형 인력 운영은 구매부서나 현업이 필요할 때 외부 인력을 쓰는 문제로만 볼 수 없다. 누가 조직의 핵심 지식을 다루는가, 누가 고객과 접촉하는가, 누가 의사결정 자료를 만드는가, 누가 성과와 품질에 책임지는가를 정하는 운영모델 문제다.

    AI와 외부인력이 결합하면 책임선은 더 복잡해진다

    SHRM은 CEO의 89%가 2026년에 AI가 조직의 가치 창출과 확보 방식을 재정의할 것으로 예상한다고 제시한다. AI가 외부인력 운영과 결합하면 책임선은 더 복잡해진다. 외부 전문가가 AI 도구로 만든 결과물을 내부 의사결정에 사용할 때, 최종 책임은 누구에게 있는지 정해야 한다.

    예를 들어 외부 컨설턴트가 People Analytics 보고서를 만들고, AI가 데이터 요약을 도우며, 현업 리더가 그 결과로 인력 배치를 결정한다면 책임은 여러 층으로 나뉜다. HR은 계약 범위, 데이터 접근권한, 결과물 검토자, 최종 승인자를 명확히 해야 한다.

    HR은 고용형태별 온보딩과 성과 기준을 나눠야 한다

    SHRM 2026 Talent Trends 요약은 HR 전문가 약 70%가 정규직 채용에서 어려움을 겪고, 42%가 최근 12개월 동안 정규직 유지 어려움을 경험했다고 설명한다. 이 상황에서 외부인력 활용은 임시방편이 아니라 인력 포트폴리오의 일부가 된다.

    그러나 모든 인력을 같은 온보딩과 성과관리 기준으로 다룰 수는 없다. 정규직은 조직문화, 장기 성장, 내부 이동까지 고려해야 한다. 프리랜서와 외부 전문가는 프로젝트 범위, 산출물 기준, 보안·데이터 접근 기준이 더 중요하다. AI 도구는 사용 목적, 검토 책임, 기록 기준이 필요하다.

    한국 기업은 인력 포트폴리오를 먼저 그려야 한다

    한국 기업이 혼합형 인력 운영을 준비할 때 먼저 할 일은 외부인력 활용을 늘릴지 줄일지 결정하는 것이 아니다. 현재 조직의 일이 어떤 인력 조합으로 수행되고 있는지 그려보는 것이다. 정규직, 계약직, 파견·도급, 프리랜서, 외부 전문가, AI 도구가 어떤 업무에 들어와 있는지 확인해야 한다.

    다음으로 역할별 위험도를 나눠야 한다. 고객정보, 인사정보, 핵심 기술, 전략 의사결정에 접근하는 역할은 더 높은 기준이 필요하다. 반대로 단기 산출물 중심의 역할은 명확한 범위와 품질 기준이 중요하다. HR은 이 기준을 현업, 법무, 보안, 구매와 함께 정리해야 한다.

    2026년 HR의 과제는 정규직을 줄이고 외부인력을 늘리는 단순한 선택이 아니다. 핵심역할은 내부에 어떻게 남길지, 외부역량은 어디에서 활용할지, AI 도구는 어떤 판단을 보조할지 정하는 일이다. 혼합형 인력 운영은 비용 절감 전략이 아니라 조직 설계 전략이다.

    2026 HR Trend 연재 글

    혼합형 인력 편은 업스킬링 이후 조직 밖 역량까지 포함한 운영모델을 다룬다.

  • [2026 HR Trend ①] AI보다 먼저 바뀌어야 할 것은 HR 운영 방식이다

    [2026 HR Trend ①] AI보다 먼저 바뀌어야 할 것은 HR 운영 방식이다

    2026 HR Trend 연재의 1편이다. SHRM이 공개한 2026년 HR 트렌드는 한 문장으로 요약하면 “AI를 도입하라”가 아니다. 더 정확히는 AI, 채용난, 스킬 변화, 직원 기대 상승이 동시에 밀려오는 상황에서 HR의 운영 방식을 다시 설계하라는 메시지에 가깝다.

    2025년까지 많은 조직이 AI 실험, 자동화 도구, 채용 시스템 개선에 집중했다면 2026년의 질문은 조금 달라진다. 이 기술이 실제 성과를 냈는가. 직원의 일하는 방식은 명확해졌는가. 관리자는 더 나은 피드백을 하고 있는가. 채용은 더 공정하고 정확해졌는가. SHRM의 2026 HR Trends, Talent Trends, State of the Workplace 자료는 이 질문을 여러 각도에서 던지고 있다.

    자료의 조사 대상도 넓다. SHRM 2026 Talent Trends 요약은 2,000명 이상 HR 전문가 데이터를 바탕으로 채용과 유지 문제를 다루고, State of the Workplace 요약은 1,800명 이상 HR 전문가와 2,000명 이상 근로자 응답자를 바탕으로 직원경험과 번아웃 문제를 제시한다. 따라서 이 글은 개별 예측보다 공개 요약에서 반복되는 운영 신호를 중심으로 읽어야 한다.

    AI의 과제는 도입률이 아니라 성과와 통제다

    SHRM은 2026년에도 AI가 HR의 중심 의제로 남을 것으로 본다. 다만 분위기는 초기의 낙관론과 다르다. AI가 비용 절감, 생산성, 인력 의사결정에 어떤 효과를 내는지 확인해야 한다는 압력이 커지고 있다.

    이 지점에서 HR의 역할은 단순한 도구 도입 담당자가 아니다. SHRM은 CEO의 89%가 2026년에 AI가 조직의 가치 창출과 확보 방식을 재정의할 것으로 예상한다고 소개한다. 기대가 큰 만큼 HR은 AI 활용 기준, 데이터 사용 범위, 편향 점검, 의사결정 책임선을 함께 설계해야 한다. 채용 AI가 후보자를 걸러내고, 성과관리 AI가 피드백을 제안하고, HR 데이터 분석 도구가 이직 가능성을 예측할수록 “누가 최종 판단을 하는가”라는 질문은 더 중요해진다.

    따라서 2026년 AIHR의 핵심 키워드는 자동화가 아니라 설명 가능성이다. HR은 AI 결과를 그대로 받아들이는 조직이 아니라, AI가 만든 판단을 검토하고 구성원에게 설명할 수 있는 조직을 만들어야 한다.

    성과관리는 연례평가에서 실시간 피드백으로 이동한다

    SHRM이 제시한 또 하나의 강한 신호는 성과관리의 변화다. AI 코칭과 People Analytics가 확산되면서 연 1회 평가 중심의 방식은 점점 설득력을 잃고 있다. 업무 속도가 빨라지고 역할이 자주 바뀌는 환경에서 1년 전 목표를 기준으로 한 번에 평가하는 방식은 현장의 학습 속도를 따라가기 어렵다.

    앞으로의 성과관리는 더 자주, 더 구체적으로, 더 데이터에 기반해 작동해야 한다. 관리자는 평가 시즌에 점수를 매기는 사람이 아니라 일하는 과정에서 우선순위, 행동 기준, 성장 방향을 조정하는 사람이 된다. HR은 이를 위해 피드백 문항, 관리자 교육, 성과 데이터, 보상 연결 방식을 함께 손봐야 한다.

    중요한 것은 AI 코칭이 관리자를 대체한다는 뜻이 아니라는 점이다. 오히려 관리자의 판단 품질이 더 드러난다. AI가 피드백 문장을 추천할 수는 있어도, 어떤 맥락에서 어떤 대화를 해야 하는지는 여전히 리더의 책임이다.

    채용 자동화보다 스킬 기준의 재정의가 먼저다

    SHRM의 2026 Talent Trends는 채용난이 여전히 광범위하게 남아 있다고 본다. 정규직 채용의 어려움, 핵심 직무의 스킬 부족, 유지 문제는 단기간에 사라질 이슈가 아니다. 여기서 눈에 띄는 방향은 스킬 기반 채용과 내부 인재 육성이다.

    많은 기업이 채용 자동화에 기대를 걸지만, SHRM의 문제의식은 더 근본적이다. 알고리즘만으로 좋은 채용이 완성되지 않는다는 것이다. 공개 요약에서 SHRM은 HR 전문가의 약 70%가 정규직 채용에 여전히 어려움을 겪고, 42%는 최근 12개월 동안 정규직 유지의 어려움을 경험했다고 제시한다. 채용난은 단순히 공고 노출이나 선별 속도의 문제가 아니라 직무 요건과 유지 전략의 문제라는 뜻이다.

    HR은 먼저 해당 직무에서 실제로 필요한 역량이 무엇인지 다시 써야 한다. 학위, 근속연수, 특정 산업 경험이 정말 필수인지 점검하고, 면접 질문과 과제, 평가표를 스킬 검증 중심으로 바꿔야 한다. SHRM이 언급한 것처럼 충원하기 어려운 역할에 기존 직원을 훈련하는 HR 전문가가 41%에 이른다는 점도 중요하다. 내부 이동과 L&D 경로는 더 이상 교육 부서의 별도 과제가 아니라 채용 전략의 일부가 된다.

    인력 구조는 정규직 중심에서 혼합형으로 흔들린다

    SHRM은 프리랜서, 독립계약자, 긱워커, 소규모 프로젝트팀, AI 에이전트가 섞이는 인력 구조를 중요한 변화로 제시한다. 이를 workforce fragmentation, fractional work의 확산으로 볼 수 있다. SHRM의 2026 HR Trends 페이지는 CEO의 72%가 2026년에 독립계약자, 긱워커, 프리랜서 활용 증가를 예상한다고 소개한다.

    한국 기업에도 이 변화는 낯설지 않다. 이미 프로젝트 단위 외부 전문가 활용, 단기 계약, 플랫폼 인력, 자동화 도구가 동시에 들어오고 있다. 문제는 제도가 이 속도를 따라가지 못한다는 점이다. 누가 조직의 구성원인가. 어떤 정보에 접근할 수 있는가. 성과는 어떻게 평가하는가. 보안과 컴플라이언스 책임은 어디까지인가.

    이제 HR 운영모델은 정규직 인사관리만으로 충분하지 않다. 내부 직원, 외부 전문가, 자동화 도구가 함께 일하는 구조를 전제로 역할, 권한, 책임, 보상 기준을 다시 정리해야 한다.

    직원경험과 보상은 다시 심리적 계약의 문제가 된다

    SHRM의 State of the Workplace 자료는 직원 기대 상승, 번아웃, 직원경험을 2026년의 중요한 과제로 다룬다. 동시에 HR Trends에서는 부업, polywork, side hustle, 재정적 압박과 보상 전략의 변화를 언급한다.

    이는 단순히 복지 항목을 늘리라는 뜻이 아니다. 직원은 더 많은 성과와 적응을 요구받지만, 조직이 제공하는 안정감과 성장 기회가 줄어든다고 느낄 수 있다. 이 간극이 커지면 몰입 저하, 번아웃, 이직, 조직문화 약화로 이어진다.

    따라서 Total Rewards는 임금표나 복리후생 패키지의 문제가 아니라 직원과 조직 사이의 심리적 계약을 다시 설계하는 작업이다. 보상, 성장, 유연근무, 웰빙, 관리자 품질, 일의 의미가 함께 연결되어야 한다.

    2026년 HR 부서가 먼저 점검할 다섯 가지

    SHRM의 2026년 트렌드를 한국 기업의 실무 과제로 옮기면 다음 다섯 가지 질문으로 정리할 수 있다.

    첫째, AI 도구별로 사용 목적, 책임자, 검토 기준이 문서화되어 있는가. 둘째, 성과관리는 연례평가가 아니라 상시 피드백 구조로 작동하고 있는가. 셋째, 채용 기준은 학력과 경력보다 실제 스킬을 검증하도록 바뀌었는가. 넷째, 내부 직원과 외부 인력, 자동화 도구가 함께 일하는 권한 체계가 정리되어 있는가. 다섯째, 직원경험과 보상 전략은 높아진 기대와 번아웃 위험을 함께 다루고 있는가.

    2026년 HR 트렌드는 새로운 유행어 목록이 아니다. AI 현실화, 성과관리 재설계, 스킬 기반 채용, 실시간 업스킬링, 혼합형 인력 구조, 직원경험, Total Rewards라는 키워드는 결국 하나의 방향으로 모인다. HR이 더 이상 제도 운영 부서에 머물지 않고, 조직이 일하는 방식을 설계하는 기능으로 이동해야 한다는 것이다.

    2026 HR Trend 연재 글

    이 허브 글은 SHRM 2026 HR 트렌드를 한국 기업 HR 운영 의제로 재구성한 연재의 출발점이다. 아래 후속 글에서 각 쟁점을 세부 주제로 나눠 다룬다.

  • AI 에이전트 업무 전환, HR 데이터 승인 구조를 다시 흔든다

    AI 에이전트 업무 전환, HR 데이터 승인 구조를 다시 흔든다

    2026년 5월 공개된 Work Trend Index 항목은 AI 에이전트를 단순한 업무 보조 도구로 설명하지 않는다. 핵심 문장은 짧다. AI와 에이전트가 실행을 맡으면 사람의 agency가 넓어진다는 것이다. HR 관점에서는 여기서 질문이 갈라진다. 직원이 더 많은 일을 할 수 있느냐보다, 누가 어떤 데이터로 어떤 실행을 승인했는지 남길 수 있느냐가 먼저다.

    일의 실행 주체가 바뀌면 승인자 기록부터 흔들린다

    2026-05-05 공개된 Work Trend Index 최신 연례 보고서 항목은 “AI and agents take on execution”이라는 표현을 쓴다. 실행이 사람의 손에서 도구와 에이전트로 일부 이동한다는 뜻이다. 이 변화는 채용 공고 작성, 후보자 분류, 교육 추천, 성과 대화 준비처럼 HR이 이미 데이터로 처리하던 업무부터 번질 가능성이 크다.

    그래서 HR 운영 문서에는 최소 3개의 칸이 필요하다. 첫째, 에이전트가 실행한 업무 범위. 둘째, 사람이 승인한 시점과 승인자. 셋째, 결과가 사람에게 불리하게 작용했을 때 되돌릴 절차다. 이 3개가 없으면 생산성 개선 사례는 남아도 책임의 순서는 흐려진다.

    조사와 관찰 자료라는 형식은 HR 지표의 기준월을 묻게 만든다

    Work Trend Index 페이지는 이 자료군을 “global, industry-spanning surveys”와 “observational studies”에 기반한 연구라고 설명한다. 2024년, 2025년, 2026년 연례 보고서가 함께 배열된 점도 중요하다. AI 업무 논의가 한 번의 기술 발표가 아니라 3년 이상 이어진 일하는 방식 변화라는 신호이기 때문이다.

    HR 데이터팀은 여기서 지표의 기준월을 다시 확인해야 한다. AI 도입 전후를 비교하려면 채용 리드타임, 교육 수료율, 내부 이동 신청, 성과 피드백 작성 시간의 기준월이 맞아야 한다. 한 부서는 2026년 5월 이후 자료를 쓰고, 다른 부서는 2025년 6월 후속 보고서 시점의 기준을 쓰면 같은 대시보드도 서로 다른 이야기를 하게 된다.

    개인정보와 People Analytics 사이에는 감사 로그가 필요하다

    개인정보보호위원회 공개 메뉴는 기업정책, 가명처리·가명정보 결합, ISMS-P, 개인정보 영향평가 같은 항목을 별도로 둔다. 이 항목들이 곧바로 모든 HR AI 도구에 같은 의무를 부과한다는 뜻은 아니다. 다만 한국 기업이 People Analytics와 AI 자동화를 함께 다룰 때 개인정보 처리와 보안 인증, 영향평가 언어를 피할 수 없다는 점은 분명하다.

    실무적으로는 벤더 계약서보다 내부 로그가 먼저다. 어떤 HR 데이터가 모델 입력에 들어갔는지, 원자료와 가명처리 자료를 누가 구분했는지, 추천 결과를 사람이 언제 검토했는지 남겨야 한다. 특히 후보자, 저성과자, 교육 추천 대상자처럼 개인에게 영향이 큰 그룹은 데이터 사전과 승인 기록을 분리해 관리할 필요가 있다.

    다음 분기 의사결정은 도입 범위보다 예외 처리에서 갈린다

    Work Trend Index의 질문은 조직이 이 기회를 포착할 준비가 되어 있느냐에 가깝다. HR 회의에서는 이 문장을 도입 찬반으로만 읽으면 부족하다. 2026년 하반기 AIHR 검토에서 더 어려운 부분은 “어디까지 자동화할 것인가”보다 “예외가 생겼을 때 누가 멈출 것인가”다.

    다음 분기 검토표에는 네 가지 항목을 올려야 한다. AI 에이전트가 실행할 업무 목록, 사람 승인 없이 진행하면 안 되는 업무, 데이터 기준월과 분모, 이의제기 또는 재검토 요청 경로다. 이 네 칸이 비어 있으면 AI 도입은 빠르게 보일 수 있다. 그러나 HR 운영에서는 빠른 실행보다 되짚을 수 있는 기록이 더 오래 남는다.

    참고한 공개 자료
    • Microsoft WorkLab, Work Trend Index
    • 개인정보보호위원회 정책·법령 및 기업정책 안내