HR Lens

PeopleAnalytics

  • 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/

  • 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 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.

  • 조직문화 ROI 측정이 경영지표 논의로 들어왔다

    조직문화 ROI 측정이 경영지표 논의로 들어왔다

    Gallup의 2026년 State of the Global Workplace는 2025년 글로벌 직원 몰입도가 20%로 낮아졌다고 제시했다. Gallup은 낮은 몰입이 전 세계 생산성 손실과도 맞닿아 있다고 분석한다. 숫자의 정확한 크기보다 HR이 주목해야 할 대목은 따로 있다. 조직문화가 더 이상 “좋은 분위기”나 “내부 캠페인”의 언어로만 설명되기 어려워졌다는 점이다.

    조직문화 ROI 측정은 문화를 돈으로 단순 환산하는 작업이 아니다. 문화 활동이 이직, 몰입, 협업 속도, 관리자 행동, 성과 실행률 같은 운영 지표와 어떤 관계를 갖는지 검증하는 일이다. 경영진이 묻는 질문도 바뀌고 있다. “구성원이 만족했는가”에서 “그 변화가 어떤 비용을 줄이고 어떤 성과 가능성을 높였는가”로 이동하고 있다.

    몰입 하락은 문화 측정을 비용 논의로 끌어올렸다

    조직문화의 효과를 측정하려는 압력은 구성원 경험의 악화와 맞물려 있다. Gallup은 2026년 보고서 소개 페이지에서 2025년 글로벌 직원 몰입도가 20%였고, 이는 2020년 이후 가장 낮은 수준이라고 설명한다. 동시에 이 보고서는 직원 경험을 140개 이상 국가와 지역에서 추적하는 자료로 소개된다. 문화와 몰입은 더 이상 일부 기업의 내부 이슈가 아니라 노동시장과 생산성 논의의 일부가 된 셈이다.

    이 수치를 그대로 개별 기업의 손익계산서에 옮겨 적을 수는 없다. 그러나 조직문화가 비용과 무관하다는 주장도 설득력을 잃고 있다. 몰입이 낮은 조직에서는 자발적 이직, 결근, 갈등 조정, 재작업, 의사결정 지연 같은 숨은 비용이 늘어난다. 조직문화 ROI 측정은 이 비용을 한 번에 정확히 계산하겠다는 시도가 아니라, 문화 문제가 어디에서 운영 손실로 바뀌는지 찾는 분석이다.

    HR이 이 논의를 시작할 때 가장 먼저 구분해야 할 것은 문화 활동의 목적이다. “조직문화 개선”이라는 넓은 목표로는 ROI를 측정하기 어렵다. 신규 입사자의 조기 이탈을 줄이려는 것인지, 관리자 피드백의 품질을 높이려는 것인지, 부서 간 협업 지연을 줄이려는 것인지에 따라 지표와 비교 기준이 달라진다. 목적이 좁아질수록 ROI 논의는 추상적인 만족도 보고에서 실제 운영 판단으로 이동한다.

    만족도 평균은 출발점이지만 투자효과의 증거는 아니다

    많은 기업은 조직문화 진단을 만족도 조사나 몰입도 설문으로 시작한다. 이 데이터는 필요하다. 다만 평균 점수가 올랐다는 사실만으로 조직문화 투자의 효과를 설명하기는 어렵다. 점수가 오른 이유가 리더십 교육 때문인지, 보상 조정 때문인지, 경기 상황 때문인지, 조직개편 이후 기대감 때문인지 구분되지 않기 때문이다.

    ROI 관점에서는 문화 지표와 결과 지표를 함께 봐야 한다. 예를 들어 심리적 안전감 점수가 상승했다면 회의 발언 편중, 리스크 조기 보고, 품질 이슈 발견 시점, 제안 채택률이 함께 움직였는지를 확인해야 한다. 관리자 피드백 문화가 개선됐다면 목표 이해도, 1대1 면담 실행률, 성과면담 만족도, 저성과 조기 개선률, 핵심인재 유지율이 연결 지표가 된다.

    중요한 것은 전사 평균보다 편차다. 전사 몰입도가 3.8점이라는 숫자는 경영진에게 전체 분위기를 보여줄 수 있지만, 어디에서 문화가 성과를 막는지는 설명하지 못한다. 같은 제도를 운영해도 특정 조직에서는 이직 위험이 낮아지고 다른 조직에서는 악화된다면, 실제 분석 단위는 제도가 아니라 리더, 직무, 업무량, 의사결정 방식일 수 있다.

    ROI는 네 개의 지표군으로 나눠야 보인다

    조직문화 ROI를 하나의 산식으로만 계산하려 하면 측정은 쉽게 왜곡된다. 실무에서는 네 개의 지표군을 함께 설계하는 방식이 더 현실적이다.

    첫째는 인력 리스크 지표다. 자발적 이직률, 핵심인재 이탈률, 신규 입사자 6개월 내 퇴사율, 결근율, 번아웃 위험 신호가 여기에 해당한다. 조직문화가 흔들릴 때 가장 먼저 나타나는 현상 중 하나는 사람의 이탈이다. 이 지표는 문화 활동이 실제 인력 비용과 연결되는지를 확인하는 후행 신호다.

    둘째는 직원 경험 지표다. 몰입도, 업무 의미감, 성장 기회 인식, 리더 신뢰, 공정성 인식, 심리적 안전감이 포함된다. 이 영역은 문화의 현재 상태를 보여준다. 다만 평균 점수만 보지 말고 조직별 분산, 리더별 차이, 직무군별 하락 구간, 입사 시점별 변화를 함께 봐야 한다. 조직문화의 실제 문제는 평균이 아니라 특정 집단의 급격한 하락에서 드러나는 경우가 많다.

    셋째는 업무 성과 지표다. 프로젝트 납기 준수율, 협업 리드타임, 의사결정 소요 시간, 재작업률, 고객 불만, 품질 오류, 영업 전환율 등이 여기에 들어간다. 부서 간 협업 문화를 개선한다고 하면서 협업 만족도만 측정하면 ROI 논의는 약해진다. 중복 업무가 줄었는지, 승인 단계가 줄었는지, 에스컬레이션이 빨라졌는지까지 봐야 문화 활동이 운영 성과와 만난다.

    넷째는 관리자 행동 지표다. 1대1 면담 실행률, 피드백 빈도, 목표 조정 기록, 팀 회고 운영, 인정 행동, 구성원 성장계획 수립률이 대표적이다. 조직문화는 결국 현장의 반복 행동으로 구현된다. 가치문이 좋아도 관리자의 행동이 바뀌지 않으면 구성원이 체감하는 문화는 달라지지 않는다. 그래서 관리자 행동 지표는 조직문화 ROI의 중요한 선행지표가 된다.

    AI와 하이브리드 업무는 문화 지표의 범위를 넓힌다

    조직문화 ROI 측정이 어려워진 또 하나의 이유는 일하는 방식이 빠르게 변하고 있기 때문이다. Microsoft WorkLab의 2024 Work Trend Index는 Microsoft와 LinkedIn이 31개국 3만1천 명을 조사했고, 글로벌 지식근로자의 75%가 생성형 AI를 사용하고 있다고 설명한다. 이 자료는 AI가 개인 생산성 도구를 넘어 조직 차원의 실행 계획과 성과 연결 과제가 되고 있음을 보여준다.

    AI 도입 환경에서는 조직문화 측정 지표도 달라져야 한다. 단순히 “AI 교육을 몇 명이 들었는가”보다 실제 업무에서 AI 사용 기준이 공유되는지, 결과물 검토 책임이 명확한지, 팀 간 도구 사용 편차가 업무 품질 차이로 이어지는지, 구성원이 새로운 방식에 대해 질문하고 실험할 수 있는지가 중요하다. AI 활용 문화는 생산성 지표뿐 아니라 신뢰, 학습, 책임, 리스크 관리 지표와 함께 측정돼야 한다.

    하이브리드 워크도 같은 문제를 만든다. 사무실 출근일 수만으로 협업 문화를 판단하기 어렵다. 회의가 의사결정으로 이어지는 비율, 비동기 협업 도구의 응답 리드타임, 신규 입사자의 관계 형성 속도, 원격 구성원의 정보 접근성 같은 운영 지표가 필요하다. 일하는 방식이 바뀌면 문화 ROI의 측정 단위도 근태가 아니라 업무 흐름으로 이동해야 한다.

    단일 금액보다 인과 가설이 먼저다

    조직문화 ROI를 말할 때 가장 흔한 오류는 모든 효과를 하나의 금액으로 환산하려는 태도다. “문화 프로그램에 1억 원을 투자했고 이직률이 낮아졌으니 얼마를 절감했다”는 식의 설명은 직관적이지만, 실제로는 여러 요인이 동시에 작동한다. 보상 인상, 채용시장 변화, 리더 교체, 사업부 실적, 조직개편도 이직률에 영향을 준다.

    따라서 HR은 산식보다 인과 가설을 먼저 제시해야 한다. 예를 들어 관리자 피드백 훈련은 목표 명확성을 높이고, 목표 명확성은 재작업과 우선순위 혼선을 줄이며, 그 결과 프로젝트 리드타임과 성과 달성률이 개선된다는 가설을 세울 수 있다. 이 경우 선행지표는 피드백 실행률과 목표 이해도이고, 후행지표는 재작업률, 납기 준수율, 성과 달성률이다.

    이 가설이 있어야 비교 설계도 가능해진다. 프로그램 참여 조직과 미참여 조직, 교육 전후, 유사 직무군 간 변화, 리더 교체 전후를 비교할 수 있다. 완벽한 실험 설계가 아니어도 된다. 다만 비교 기준이 없으면 ROI 논의는 “좋아진 것 같다”는 인상 평가에 머문다.

    측정 결과는 다음 분기 투입 결정을 바꿔야 한다

    Deloitte의 2026 Global Human Capital Trends는 경쟁우위의 조건으로 속도, 적응력, 재창조를 강조한다. 이 관점에서 조직문화 측정은 연 1회 보고서가 아니라 다음 분기의 자원 배분을 정하는 운영 장치에 가까워져야 한다. 어떤 조직에 리더십 코칭을 우선 배치할지, 어느 직무군의 온보딩을 다시 설계할지, 어떤 협업 프로세스를 줄일지 결정하는 데 쓰여야 한다.

    HR이 바로 적용할 수 있는 절차는 비교적 단순하다. 먼저 문화 과제를 하나로 좁힌다. 다음으로 선행지표와 후행지표를 구분한다. 세 번째로 비교 기준을 만든다. 네 번째로 직접 비용과 투입 시간을 기록한다. 마지막으로 현업 리더와 해석 회의를 열어 다음 실험을 정한다. 이 흐름이 있어야 측정은 보고가 아니라 개선으로 이어진다.

    조직문화 ROI의 핵심은 문화를 숫자로 축소하는 것이 아니다. 문화가 조직 성과를 만드는 경로를 더 명확히 보는 것이다. 만족도 점수는 출발점이 될 수 있지만, 경영진을 설득하는 언어는 문제, 지표, 비교, 비용, 다음 조치다. 2026년의 조직문화 관리는 좋은 분위기를 만드는 일을 넘어, 지속 가능한 성과를 가능하게 하는 운영 체계를 설계하는 일로 옮겨가고 있다.

    참고한 공개 자료
    Gallup, State of the Global Workplace 2026 · Deloitte, 2026 Global Human Capital Trends · Microsoft WorkLab, 2024 Work Trend Index