HR Lens

HR전략

사업 전략과 연계된 인사 전략, 인력계획, 조직 역량, 리더십, HR 의사결정 체계를 다루는 태그입니다.

  • 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 ⑧] 번아웃과 직원경험, HR이 다시 써야 할 심리적 계약

    [2026 HR Trend ⑧] 번아웃과 직원경험, HR이 다시 써야 할 심리적 계약

    2026 HR Trend 연재의 마지막 8편이다. 앞선 글들이 AI 책임선, 성과관리, 채용, 업스킬링, 혼합형 인력, Polywork를 다뤘다면, 이번 글은 이 변화들이 직원경험과 번아웃으로 어떻게 모이는지를 본다.

    2026년 HR의 결론은 단순하다. 조직은 더 높은 생산성과 더 빠른 변화를 요구하고, 직원은 더 나은 보상, 성장, 유연성, 존중을 요구한다. 이 균형이 깨질 때 직원경험은 나빠지고 번아웃은 반복된다.

    직원경험은 복지 이벤트가 아니라 심리적 계약이다

    SHRM 2026 State of the Workplace 요약은 1,800명 이상 HR 전문가와 2,000명 이상 근로자 데이터를 바탕으로 직원 기대와 직장 이슈를 다룬다. 이 조사 대상과 표본은 HR 담당자의 관찰과 근로자 응답자 관점을 함께 보여준다는 점에서 직원경험 논의의 출발점이 된다. SHRM 공개 요약에서 HR 전문가 72%가 근로자의 고용주 기대 상승을 인식한다고 제시한 점은 직원경험이 복지 프로그램의 문제가 아니라 조직과 직원 사이의 기대 조정 문제임을 보여준다.

    심리적 계약은 문서에 쓰인 고용계약과 다르다. 직원은 “이 조직에서 열심히 일하면 무엇을 얻는가”를 묻고, 조직은 “우리가 요구하는 성과와 변화에 직원이 어떻게 따라올 것인가”를 묻는다. 직원경험은 이 두 질문이 만나는 지점이다.

    번아웃은 개인 회복력 문제가 아니라 업무 설계 문제다

    SHRM 2026 Talent Trends 요약은 HR 전문가 약 70%가 정규직 채용 어려움을 겪고, 42%가 최근 12개월 동안 정규직 유지 어려움을 경험했다고 제시한다. 인력 충원이 어렵고 이탈 위험이 커지는 환경에서는 남아 있는 직원에게 업무가 몰릴 가능성이 높다.

    이때 번아웃을 개인의 회복력 부족으로만 설명하면 해법이 좁아진다. 명상 앱, 웰빙 캠페인, 휴가 권장도 필요할 수 있지만, 실제 업무량과 우선순위가 바뀌지 않으면 효과는 제한적이다. HR은 업무량, 역할 기대, 관리자 피드백, 인력계획을 함께 봐야 한다.

    AI가 생산성을 높일수록 관리자 역할은 더 중요해진다

    SHRM 2026 HR Trends는 CEO의 89%가 AI가 조직의 가치 창출과 확보 방식을 재정의할 것으로 예상한다고 제시한다. 동시에 SHRM은 AI가 비용, 위험, 생산성, 더 나은 인력 의사결정과 연결된다고 설명한다. AI가 일의 속도를 높일수록 직원은 더 많은 산출과 더 빠른 대응을 요구받을 수 있다.

    따라서 AI 시대의 직원경험은 기술 도입률이 아니라 관리자 행동에서 갈린다. 관리자가 우선순위를 정리하지 못하면 AI는 업무를 줄이는 도구가 아니라 더 많은 일을 더 빨리 처리하게 만드는 압박이 된다. 반대로 관리자가 목표, 기대수준, 피드백, 휴식 기준을 명확히 하면 AI는 직원의 부담을 줄이는 도구가 될 수 있다.

    혼합형 인력과 Polywork는 직원경험의 경계를 흔든다

    SHRM 2026 HR Trends는 Workforce Fragmentation, 독립계약자·긱워커·프리랜서 활용 증가, 그리고 직원이 두 개의 수입원을 갖는 흐름을 함께 보여준다. 특히 CEO의 72%가 2026년에 독립계약자, 긱워커, 프리랜서 활용 증가를 예상한다는 수치는 직원경험의 경계가 정규직 내부에만 머물 수 없음을 보여준다.

    SHRM의 “Employees Work Harder, Smarter… and Collect Two Pay Checks” 흐름까지 연결하면 직원경험은 더 복잡해진다. 정규직 직원은 외부 전문가와 협업하고, AI 도구를 쓰며, 때로는 자신도 회사 밖에서 다른 일을 한다. 이때 조직문화는 사무실 이벤트가 아니라 협업 규칙, 정보 접근권한, 성과 책임, 이해상충 기준으로 드러난다. 직원경험은 더 이상 “우리 회사 안에서의 경험”만이 아니라 “우리 조직과 연결된 일의 경험”으로 확장된다.

    한국 기업은 직원경험을 성과계약으로 다시 써야 한다

    한국 기업이 2026년 직원경험을 재설계할 때 출발점은 복지 항목을 늘리는 것이 아니다. 조직이 요구하는 성과, 변화 속도, 학습 부담, 협업 방식과 직원에게 제공하는 보상, 성장기회, 유연성, 관리자 지원이 균형을 이루는지 점검해야 한다.

    실무적으로는 세 가지 질문이 필요하다. 첫째, 우리 조직은 직원에게 무엇을 더 요구하고 있는가. 둘째, 그 요구에 맞춰 무엇을 더 제공하고 있는가. 셋째, 요구와 제공 사이의 불균형이 어느 직무와 어느 관리자 아래에서 커지고 있는가. 이 질문에 답하지 못하면 직원경험은 설문 점수 관리로 축소되고, 번아웃은 개인 문제로 남는다.

    2026 HR Trend 연재의 핵심은 결국 하나로 모인다. AI, 성과관리, 채용, 업스킬링, 외부인력, Polywork는 각각 다른 이슈가 아니다. 조직이 일하는 방식을 다시 설계하라는 신호다. HR은 제도를 더 많이 만드는 부서가 아니라, 조직이 요구하는 성과와 직원이 지속가능하게 일할 수 있는 조건 사이의 계약을 다시 쓰는 역할을 맡아야 한다.

    2026 HR Trend 연재 글

    마지막 편은 앞선 7개 주제를 직원경험과 심리적 계약 관점에서 종합한다.

  • [2026 HR Trend ⑦] Polywork와 부업 확산, 보상·몰입 전략의 재설계

    [2026 HR Trend ⑦] Polywork와 부업 확산, 보상·몰입 전략의 재설계

    2026 HR Trend 연재의 7편이다. 6편이 정규직 중심 HR의 한계를 다뤘다면, 이번 글은 직원 개인의 일하는 방식이 어떻게 바뀌는지를 다룬다. Polywork, 부업, 사이드 프로젝트는 더 이상 일부 직군의 예외적 현상만은 아니다.

    문제는 “부업을 허용할 것인가, 금지할 것인가”로만 정리되지 않는다. 직원이 여러 수입원과 여러 역할을 갖는 시대에는 보상 경쟁력, 몰입, 이해상충, 정보보안, 성과 판단 기준을 함께 설계해야 한다.

    부업은 개인 일탈이 아니라 보상 신호다

    SHRM 2026 HR Trends는 “Employees Work Harder, Smarter… and Collect Two Pay Checks”라는 흐름을 제시한다. 이 표현은 2026년 HR 의제에서 직원이 더 높은 생산성을 요구받는 동시에 추가 수입원을 찾는 현상이 함께 나타난다는 점을 보여준다. SHRM이 같은 트렌드 페이지에서 AI의 생산성 효과와 비용·위험을 함께 다루는 것도 이 변화가 개인의 선택만이 아니라 조직 운영의 문제임을 시사한다.

    직원이 부업을 하는 이유는 다양하다. 생활비 압박, 불확실한 고용환경, 성장기회 부족, 자신의 전문성을 시장에서 확인하려는 욕구가 섞여 있다. SHRM 2026 State of the Workplace 요약이 1,800명 이상 HR 전문가와 2,000명 이상 근로자 데이터를 바탕으로 직원 기대와 조직 이슈를 다루고, HR 전문가 72%가 근로자의 고용주 기대 상승을 인식한다고 제시한 점을 함께 보면, 부업은 보상·성장·직원경험 신호로 읽어야 한다. HR이 이를 모두 문제 행동으로만 보면 원인을 놓친다. 반대로 아무 기준 없이 방치하면 성과 저하, 이해상충, 정보 유출 리스크가 커질 수 있다.

    Polywork 시대의 핵심 질문은 몰입과 이해상충이다

    SHRM 2026 HR Trends의 Workforce Fragmentation 흐름은 조직 밖의 일과 조직 안의 일이 더 느슨하게 연결되는 변화를 보여준다. CEO의 72%가 2026년에 독립계약자, 긱워커, 프리랜서 활용 증가를 예상한다는 수치는 외부 노동시장이 조직 운영 안으로 더 깊게 들어오고 있음을 시사한다.

    이 흐름은 정규직 직원에게도 영향을 준다. 직원은 회사 안에서는 구성원이지만, 회사 밖에서는 프리랜서, 크리에이터, 강사, 자문가, 온라인 판매자일 수 있다. HR의 핵심 질문은 “부업이 있느냐”가 아니라 “그 활동이 본업의 성과, 회사의 이해관계, 고객정보와 충돌하는가”다.

    Total Rewards는 급여표가 아니라 선택지의 설계가 된다

    SHRM 2026 State of the Workplace 요약은 1,800명 이상 HR 전문가와 2,000명 이상 근로자 데이터를 바탕으로 직원 기대와 조직 이슈를 다룬다. SHRM 공개 요약에서 제시된 HR 전문가 72%의 근로자 기대 상승 인식은 보상이 임금 수준만으로 설명되지 않는다는 점을 보여준다.

    Polywork 시대의 Total Rewards는 기본급, 성과급, 복리후생의 묶음에 그치지 않는다. 유연근무, 성장기회, 재정 웰빙, 인정, 경력 이동성, 심리적 안전감이 함께 작동한다. 직원이 회사 밖에서 추가 수입과 기회를 찾는다면, HR은 급여표만이 아니라 직원이 조직 안에서 얻는 총가치를 점검해야 한다.

    AI가 부업의 문턱을 낮추면 규정도 달라져야 한다

    SHRM은 CEO의 89%가 2026년에 AI가 조직의 가치 창출과 확보 방식을 재정의할 것으로 예상한다고 제시한다. AI는 본업의 생산성을 높이는 동시에 부업의 문턱도 낮춘다. 콘텐츠 제작, 데이터 분석, 문서 작성, 교육자료 개발, 온라인 판매 운영은 예전보다 더 적은 시간과 비용으로 시작할 수 있다.

    따라서 기존 겸업 규정은 다시 점검해야 한다. 근무시간 중 외부활동, 회사 장비와 계정 사용, 회사 데이터 활용, 경쟁사 또는 고객사와의 거래, 회사 직무와 유사한 유료 활동은 각각 다른 기준이 필요하다. AI를 활용한 결과물이라도 회사 자료나 고객정보가 섞이면 리스크는 커진다.

    한국 기업은 금지 조항보다 판단 기준을 먼저 정해야 한다

    한국 기업이 부업과 Polywork를 다룰 때 가장 쉬운 접근은 금지 조항을 강화하는 것이다. 하지만 SHRM 2026 HR Trends가 보여주는 흐름처럼 직원의 외부활동과 다중 수입원은 더 넓어지는 방향으로 움직인다. 단순 금지만으로는 실제 행동을 파악하기 어렵고, 오히려 숨은 리스크를 키울 수 있다.

    HR은 최소한 네 가지 판단 기준을 정해야 한다. 첫째, 본업 성과와 근무시간을 침해하는가. 둘째, 회사의 영업비밀, 개인정보, 고객정보와 연결되는가. 셋째, 경쟁사·고객사·협력사와 이해상충이 있는가. 넷째, 회사의 평판과 직무윤리에 영향을 주는가. 이 기준은 취업규칙, 보안정책, 성과관리, 관리자 교육과 함께 운영되어야 한다.

    결국 Polywork와 부업 확산은 직원의 충성심이 약해졌다는 단순한 이야기가 아니다. 조직이 직원에게 제공하는 보상과 성장기회가 시장의 다른 선택지와 비교되는 시대가 왔다는 뜻이다. HR은 부업을 숨은 문제로만 볼 것이 아니라, 보상 전략과 몰입 전략을 다시 점검하는 신호로 읽어야 한다.

    2026 HR Trend 연재 글

    Polywork 편은 혼합형 인력 흐름이 직원 개인의 보상·몰입 문제로 확장되는 지점을 다룬다.

  • [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 ④] 채용 자동화보다 먼저 바꿔야 할 스킬 기준

    [2026 HR Trend ④] 채용 자동화보다 먼저 바꿔야 할 스킬 기준

    2026 HR Trend 연재의 4편이다. 앞선 글들이 AI 책임선과 성과관리 재설계를 다뤘다면, 이번 글은 채용이다. 2026년 채용의 핵심 질문은 “AI로 얼마나 빨리 선별할 것인가”가 아니라 “무엇을 기준으로 사람을 볼 것인가”다.

    채용 자동화는 지원서 검토, 후보자 분류, 면접 질문 생성의 속도를 높일 수 있다. 그러나 직무요건이 낡아 있고 스킬 기준이 모호하다면 자동화는 채용 문제를 해결하기보다 같은 문제를 더 빠르게 반복하게 만든다.

    채용난은 선별 속도의 문제가 아니라 기준의 문제다

    SHRM 2026 Talent Trends 요약은 조사 대상에 2,000명 이상 HR 전문가 응답자 표본을 포함하고, 채용난과 스킬 부족을 함께 다룬다. 공개 요약에 따르면 HR 전문가 약 70%는 정규직 채용에서 여전히 어려움을 겪고, 42%는 최근 12개월 동안 정규직 유지 어려움을 경험했다.

    이 수치는 채용 문제가 단순히 공고 노출이나 서류 검토 속도의 문제가 아니라는 점을 보여준다. 필요한 사람이 시장에 부족하고, 뽑은 사람을 유지하기도 어렵다면 채용 기준 자체를 다시 봐야 한다. “좋은 사람을 빨리 찾는 문제”가 아니라 “우리 조직이 어떤 스킬을 필요로 하는지 정확히 정의하는 문제”가 된다.

    자동화는 모호한 요건을 더 빠르게 반복할 수 있다

    SHRM 2026 HR Trends는 채용 문제를 자동화와 알고리즘만으로 해결할 수 없다는 문제의식을 제시한다. AI가 지원서를 빠르게 요약하고 후보자를 정렬하더라도, 입력된 직무요건과 평가 기준이 모호하면 결과도 모호해진다.

    예를 들어 공고에는 “커뮤니케이션 역량”이라고 쓰여 있지만 실제로는 고객 대응, 이해관계자 조율, 문서 작성, 갈등 중재 중 무엇을 의미하는지 분명하지 않은 경우가 많다. AI는 이런 표현을 더 깔끔하게 정리할 수는 있지만, 조직이 원하는 성과 행동을 대신 정의해주지는 못한다.

    스킬 기준은 직무요건, 면접, 내부육성을 함께 바꿔야 한다

    SHRM 2026 Talent Trends 요약은 HR 전문가 41%가 충원하기 어려운 역할을 위해 기존 직원을 훈련한다고 제시한다. 채용난이 계속되면 외부 채용만으로는 필요한 역량을 확보하기 어렵고, 내부육성과 채용 기준이 함께 움직여야 한다.

    스킬 기반 채용은 학력이나 경력 조건을 단순히 줄이는 일이 아니다. 직무 성과에 실제로 필요한 스킬을 정의하고, 그 스킬을 어떤 방식으로 검증할지 정하며, 부족한 스킬은 입사 후 어떤 경로로 키울지 연결하는 일이다. 따라서 직무요건, 면접 질문, 과제 전형, 온보딩, 교육 계획이 같은 언어를 써야 한다.

    채용팀과 HRD는 같은 스킬 언어를 써야 한다

    채용팀은 후보자를 선별하고 HRD는 입사 후 교육을 담당한다는 식으로 역할을 나누면 스킬 기준은 끊어진다. 채용 단계에서 “필수”라고 본 스킬이 온보딩과 교육 과정에서는 다르게 해석되거나, 교육에서 키우려는 역량이 채용 기준에는 반영되지 않는 일이 생긴다.

    2026년 채용 운영에서 필요한 것은 채용팀과 HRD가 함께 쓰는 스킬 언어다. 역할별 핵심 스킬, 입사 전 반드시 확인할 스킬, 입사 후 3개월 안에 개발 가능한 스킬, 장기적으로 육성해야 할 스킬을 나눠야 한다. 그래야 채용 자동화도 단순 필터링이 아니라 인력계획과 연결된다.

    한국 기업은 지원자 선별표보다 역할별 스킬 맵을 먼저 점검해야 한다

    한국 기업에서 채용 개선은 종종 채용관리시스템 교체, AI 서류검토 도입, 면접 평가표 개선으로 시작된다. 하지만 그보다 먼저 필요한 것은 역할별 스킬 맵이다. 직무별로 현재 필요한 스킬과 앞으로 중요해질 스킬을 분리하고, 각 스킬을 어떤 증거로 확인할지 정해야 한다.

    첫째, 공고의 자격요건을 스킬 단위로 분해해야 한다. 둘째, 면접 질문이 실제 스킬을 검증하는지 확인해야 한다. 셋째, 내부 후보자와 외부 후보자를 같은 스킬 언어로 비교할 수 있어야 한다. 넷째, 부족한 스킬을 채용 실패로만 보지 말고 온보딩과 교육으로 보완할 수 있는지 판단해야 한다.

    채용 자동화의 성패는 알고리즘의 정교함만으로 결정되지 않는다. 자동화할 기준이 정확해야 한다. 2026년 채용의 출발점은 더 빠른 선별이 아니라 더 정확한 스킬 기준이다.

    2026 HR Trend 연재 글

    채용·스킬 편은 성과관리와 업스킬링 사이에서 인재 기준을 다시 정리한다.

  • [2026 HR Trend ③] 연례평가의 끝, AI 코칭 시대의 성과관리 재설계

    [2026 HR Trend ③] 연례평가의 끝, AI 코칭 시대의 성과관리 재설계

    2026 HR Trend 연재의 3편이다. 1편은 HR 운영 방식의 재설계를, 2편은 AI 책임선을 다뤘다. 이번 글은 성과관리다. SHRM의 2026년 트렌드에서 AI 코칭과 People Analytics는 연례평가 중심의 성과관리 관행을 다시 보게 만드는 신호로 읽힌다.

    성과평가가 사라진다는 뜻은 아니다. 오히려 목표 설정, 피드백, 역량개발, 관리자 판단이 더 자주 연결되어야 한다는 뜻에 가깝다. AI 코칭은 평가자를 대체하는 기술이 아니라, 성과관리의 리듬을 바꾸는 운영 장치로 봐야 한다.

    연례평가가 흔들리는 이유는 평가 주기가 아니라 일의 속도다

    SHRM의 2026 HR Trends는 AI가 2026년에도 HR의 중심 의제이며, 조직이 비용과 위험을 함께 보면서 실제 비즈니스 영향으로 연결해야 한다고 설명한다. 같은 흐름에서 SHRM의 2026 트렌드 해설은 AI 코치가 연례 성과평가의 종말을 앞당길 수 있다는 관점을 다룬다.

    여기서 중요한 것은 “연례평가 폐지”라는 구호가 아니다. 일의 속도가 빨라졌고, 역할이 자주 바뀌며, 필요한 스킬도 짧은 주기로 달라진다는 점이다. 1년에 한 번 목표를 점검하고 등급을 매기는 방식만으로는 직원의 성장과 조직의 성과를 동시에 관리하기 어렵다.

    AI 코칭은 평가자를 대체하기보다 피드백의 빈도를 높인다

    SHRM은 AI 활용을 비용 절감, 생산성 향상, 더 나은 인력 의사결정과 연결해 설명한다. 성과관리에서 이 관점을 적용하면 AI 코칭의 역할은 명확해진다. AI는 관리자 대신 최종 평가를 내리는 장치가 아니라, 피드백의 초안을 만들고 대화의 빈도를 높이며 목표와 행동을 연결하는 보조 장치다.

    예를 들어 관리자는 AI를 활용해 최근 프로젝트 기록을 요약하고, 직원의 강점과 개선 포인트를 정리할 수 있다. 하지만 어떤 피드백을 실제로 전달할지, 성과 문제를 공식 기록으로 남길지, 보상이나 승진 판단과 연결할지는 사람이 결정해야 한다. AI가 평가를 대신하면 책임이 흐려지고, AI가 피드백 준비를 돕게 하면 관리자의 대화 품질을 높일 수 있다.

    성과관리 재설계의 출발점은 목표, 피드백, 개발의 연결이다

    SHRM 2026 Talent Trends 요약은 조사 대상에 2,000명 이상 HR 전문가 응답자 표본을 포함하고, 채용난과 스킬 부족을 함께 다룬다. 공개 요약에 따르면 HR 전문가 41%는 충원하기 어려운 역할을 위해 기존 직원을 훈련하고, 42%는 최근 12개월 동안 정규직 유지 어려움을 경험했다.

    이 수치는 성과관리가 평가와 보상만의 문제가 아니라는 점을 보여준다. 필요한 인재를 외부에서 쉽게 구하기 어렵고, 기존 인력 유지도 쉽지 않다면 성과관리는 내부 역량개발과 더 강하게 연결되어야 한다. 목표가 바뀌면 필요한 스킬도 바뀌고, 피드백은 그 스킬을 어떻게 개발할지까지 이어져야 한다.

    관리자의 역할은 줄어들지 않고 더 명확해진다

    AI 코칭이 확산되면 관리자의 역할이 줄어든다고 보는 시각이 있다. 그러나 실제로는 반대에 가깝다. AI가 더 많은 데이터와 문안을 제공할수록 관리자는 무엇을 근거로 판단했는지 더 명확히 설명해야 한다.

    성과관리에서 관리자는 세 가지 책임을 가져야 한다. 첫째, AI가 제안한 피드백이 실제 업무 맥락과 맞는지 확인해야 한다. 둘째, 직원에게 전달할 메시지와 공식 기록으로 남길 내용을 구분해야 한다. 셋째, 목표 조정이나 개발계획이 조직의 우선순위와 연결되는지 판단해야 한다. AI가 도와줄 수는 있지만 이 책임을 대신할 수는 없다.

    한국 기업은 평가제도보다 운영 리듬을 먼저 바꿔야 한다

    한국 기업에서 성과관리 개편은 종종 평가등급, 상대평가 여부, 보상 반영률 논의로 시작된다. 그러나 2026년의 변화는 제도 문구보다 운영 리듬을 먼저 묻는다. 목표를 언제 점검하는가, 피드백은 얼마나 자주 이뤄지는가, 개발계획은 다음 업무 배치와 연결되는가가 더 중요해진다.

    HR이 먼저 할 일은 AI 코칭 도구를 고르는 것이 아니라 성과관리의 흐름을 그리는 것이다. 목표 설정, 중간 점검, 피드백, 역량개발, 보상 판단이 어디에서 끊기는지 확인해야 한다. 그 다음 AI가 도울 수 있는 지점을 정해야 한다.

    2026년 성과관리의 핵심은 “평가를 더 자주 하자”가 아니다. 직원이 지금 무엇을 잘하고 있고, 다음 성과를 위해 무엇을 배워야 하며, 관리자는 어떤 대화를 해야 하는지를 더 빨리 확인하는 것이다. AI 코칭은 그 대화를 준비하게 해주는 도구일 때 가장 유용하다.

    2026 HR Trend 연재 글

    성과관리 편은 AI 책임선 이후 관리자 피드백과 운영 리듬을 다루는 글이다.

  • [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.

  • Deloitte 2026 인적자본 트렌드, AI 성과 논의가 HR 운영 재설계로 이동

    Deloitte 2026 인적자본 트렌드, AI 성과 논의가 HR 운영 재설계로 이동

    Deloitte Insights의 2026 Global Human Capital Trends는 AI 논의를 기술 구매나 생산성 도구의 문제가 아니라 업무 재설계의 문제로 옮긴다. 특히 조사 대상 100명의 C-suite 리더 중 59%가 AI에 대해 기술 중심 접근을 취하고, 그런 조직이 인간 중심 접근 조직보다 기대를 넘는 AI 투자수익을 실현하지 못할 가능성이 1.6배 높다는 대목은 HR이 놓치기 어렵다. AI 성과는 도입률이 아니라 일의 구조에서 갈린다는 뜻에 가깝다.

    59%의 기술 중심 접근은 AI 투자 검토표의 빈칸을 드러낸다

    Deloitte가 제시한 100명 C-suite 리더 조사에서 조직의 59%는 AI를 기술 중심으로 접근한다. 같은 자료는 기술 중심 접근 조직이 인간 중심 접근 조직보다 기대 초과 AI 투자수익을 실현하지 못할 가능성이 1.6배 높다고 설명한다. 이 숫자는 AIHR 예산 심의에서 단순한 경고 문구가 아니다. 구매한 도구가 업무 판단, 승인, 협업, 학습을 어떻게 바꾸는지 묻지 않으면 성과 측정 자체가 비어 있다는 신호다.

    HR은 그래서 AI 도입 검토표를 바꿔야 한다. 기능 목록과 라이선스 비용만 비교하면 부족하다. 사용 직무, 데이터 접근 권한, 결과 검토자, 오류 보고 방식, 교육 대상, 성과지표 변경 여부를 같은 표에 넣어야 한다. 1.6배라는 수치는 기술팀의 성과만이 아니라 HR 운영 설계의 책임을 가리킨다.

    우위는 정적 배치보다 사람·스킬·데이터의 실시간 조율에서 나온다

    Deloitte 원문은 AI가 업무 속도를 높이면서 경쟁우위가 정적인 인재 배분에서 사람, 스킬, 데이터, 기술을 실시간으로 조율하는 방식으로 이동한다고 설명한다. 이 문장은 조직도 개편보다 운영 리듬의 변화를 말한다. 연 1회 인력계획, 반기별 역량 진단, 분기별 교육 신청만으로는 업무 수요가 바뀌는 속도를 따라가기 어렵다.

    HR 실무에서는 스킬 데이터의 갱신 주기부터 확인해야 한다. 어떤 직무가 어떤 도구를 쓰는지, 새 업무가 생겼을 때 내부 이동 후보가 며칠 안에 확인되는지, 프로젝트 인력 배치가 성과관리와 학습 이력에 남는지 점검해야 한다. 사람·스킬·데이터를 실시간으로 조율한다는 말은 플랫폼 도입보다 먼저 데이터 품질과 의사결정 주기를 바꾸라는 요구다.

    HR 기능은 사일로가 아니라 결과 중심 역량 묶음으로 재조립된다

    보고서는 HR·재무·IT 같은 전통 기능이 오늘의 사업 요구에는 느리고 사일로화돼 있다고 쓴다. 같은 section은 기능을 결과 중심 역량으로 해체하고 재조립할 필요도 제기한다. HR 입장에서는 채용팀, 교육팀, 평가팀, HRIS팀이 각자 연간 계획만 수행하는 방식이 AI 시대의 업무 변화와 충돌할 수 있다는 의미다.

    예를 들어 고객응대 AI를 도입하는 조직이라면 채용은 프롬프트 작성 경험만 볼 수 없다. 교육은 도구 사용법만 가르쳐서도 부족하다. 성과관리는 AI가 만든 초안과 사람이 수정한 판단을 어떻게 평가할지 정해야 한다. HRIS는 로그와 권한 데이터를 남겨야 한다. 기능별 KPI를 그대로 두면 한쪽은 도입 속도를 높이고 다른 한쪽은 리스크를 뒤늦게 처리하는 구조가 된다.

    지속학습은 교육 과정이 아니라 업무 흐름 안의 적응 능력이다

    Deloitte는 전통적 변화관리와 교육이 조직과 구성원의 적응 속도를 맞추기에 느릴 수 있다고 본다. 원문은 AI가 학습, 적응, 스킬 적용을 업무 흐름 안으로 끌어들인다는 설명도 덧붙인다. 이 대목은 HRD의 역할을 교육 신청률이나 수료율 관리에서 일하는 중의 학습 데이터 관리로 확장시킨다.

    다음 분기 HR 회의에서는 세 가지 지표를 물어볼 만하다. 첫째, AI 관련 업무 변경이 발생한 뒤 해당 직무의 교육 콘텐츠가 며칠 안에 업데이트되는가. 둘째, 구성원이 실제 업무에서 어떤 도움말·코칭·검토 절차를 쓰는지 데이터로 남는가. 셋째, 새 스킬이 성과평가와 내부 이동 의사결정에 반영되는가. 2026년 인적자본 트렌드의 핵심은 AI를 더 많이 사는 것이 아니다. 사람이 판단하고 배우고 협업하는 방식을 얼마나 빨리 다시 설계하느냐에 있다.

    참고한 공개 자료
    Deloitte Insights, 2026 Global Human Capital Trends.