HR Lens

PeopleAnalytics

  • [2026 Skills Shift ⑧] 업스킬링·리스킬링, 90일 파일럿으로 시작하는 법

    [2026 Skills Shift ⑧] 업스킬링·리스킬링, 90일 파일럿으로 시작하는 법

    핵심 요약

    업스킬링·리스킬링은 처음부터 전사 대형 프로젝트로 시작할 필요가 없다. 오히려 처음부터 모든 직무, 모든 직원, 모든 스킬을 대상으로 잡으면 범위가 커지고 책임이 흐려진다. 2026년에 필요한 접근은 핵심 직무 1~2개를 정해 90일 동안 작게 실험하고, 그 결과를 바탕으로 확장하는 것이다.

    CompTIA의 2026년 Workforce and Learning Trends는 조직의 83%가 스킬 우려 대응을 높은 우선순위로 두고, HR 전문가와 IT 리더의 62%가 향후 1년 AI 교육 예산 증가를 예상한다고 제시한다. 그러나 공식 조직 차원의 업스킬링·리스킬링 프로그램을 보유한 기업은 34%에 그친다. 관심과 예산은 커졌지만 실행 체계는 아직 부족하다는 뜻이다.

    따라서 HRD는 “완벽한 체계 구축”보다 “검증 가능한 파일럿”으로 시작해야 한다. 90일 파일럿의 목표는 교육 과정을 많이 여는 것이 아니라, 바뀌는 업무를 고르고, 필요한 스킬을 정의하고, 현재 수준을 진단하고, 학습경로와 업무 적용 과제를 설계한 뒤, 적용 결과와 역할 전환 가능성을 확인하는 것이다.

    90일 파일럿은 전사 프로젝트보다 작게 시작해야 한다

    업스킬링·리스킬링은 전략적으로 중요하지만, 실행은 작게 시작해야 한다. 전사 스킬 사전, 전 직무 진단, 통합 플랫폼, 대규모 교육 체계를 한 번에 만들려 하면 시간이 길어지고 현업의 관심이 떨어진다. 파일럿은 “우리 조직에서 실제로 작동하는 방식”을 확인하기 위한 실험이어야 한다.

    CompTIA는 workforce development 프로그램 구축에서 훈련 비용뿐 아니라 실행과 측정이 주요 과제라고 설명한다. 조사 대상과 산업 구성이 한국 기업과 다를 수는 있지만, 이 신호는 HRD가 큰 구호보다 작동 가능한 운영 설계를 먼저 해야 한다는 점을 보여준다.

    Deloitte의 2026 Global Human Capital Trends는 경쟁우위가 정적인 인력 배치에서 사람, 스킬, 데이터, 기술을 실시간으로 오케스트레이션하는 방식으로 이동한다고 설명한다. 이 관점에서 90일 파일럿은 단순 교육 운영이 아니다. HRD, HRBP, 현업 리더, People Analytics, IT 또는 HR Tech 담당자가 함께 업무-스킬-학습-적용-성과 데이터를 연결하는 작은 운영 실험이다.

    파일럿 범위는 좁을수록 좋다. 예를 들어 고객지원, 채용, 영업관리, 생산관리, 교육운영처럼 AI나 자동화로 업무 변화가 분명한 직무 1~2개를 고른다. 대상자는 전체 직원이 아니라 해당 직무 안에서 역할 변화 가능성이 높은 20~50명 정도로 시작할 수 있다. 중요한 것은 숫자보다 학습 이후 실제 업무 적용을 확인할 수 있는 범위다.

    1~15일차: 바뀌는 업무와 핵심 직무를 고른다

    첫 15일의 목표는 교육 과정을 고르는 것이 아니라 바뀌는 업무를 고르는 것이다. “AI 교육을 하자”가 아니라 “어떤 업무가 자동화·증강·재설계되고 있는가”를 확인해야 한다. 이 단계에서 현업 인터뷰, 업무 목록 정리, 최근 자동화 도구 도입 영역, 반복 업무 비중, 고객 또는 내부 사용자 불만 데이터를 함께 본다.

    CompTIA가 조직의 83%가 스킬 우려 대응을 높은 우선순위로 둔다고 제시한 점은 이 단계의 긴급성을 보여준다. SHRM의 2026년 AI in HR 보고서도 AI 배치 조직에서 직무 책임 변화 39%, 신규 역할 24%, 약간의 일자리 대체 7%를 보고한다. workplace AI의 조직 영향이 직무 책임 변화와 신규 역할 생성에 더 크게 나타난다는 신호다.

    따라서 1~15일차에는 다음 세 가지를 정해야 한다. 첫째, 파일럿 직무다. 둘째, 해당 직무에서 바뀌는 핵심 업무 3~5개다. 셋째, 90일 안에 적용 결과를 확인할 수 있는 업무 과제다. 예를 들어 채용 직무라면 후보자 소싱 자동화, 면접 질문 설계, 채용 데이터 분석, 온보딩 연계 같은 업무가 후보가 될 수 있다.

    이 단계의 산출물은 파일럿 주제 정의서다. “누구를 교육할 것인가”보다 “어떤 업무 변화에 대응할 것인가”가 먼저 적혀야 한다. 그래야 이후 스킬맵과 학습경로가 교육 카탈로그가 아니라 실제 업무 변화에 연결된다.

    16~30일차: 업무-스킬맵과 현재 수준을 진단한다

    16~30일차에는 파일럿 직무의 업무-스킬맵을 만든다. 스킬맵은 거대한 역량 사전이 아니다. 90일 파일럿에서는 바뀌는 업무 3~5개와 그 업무를 수행하는 데 필요한 스킬 5~10개면 충분하다. 예를 들어 “채용 데이터 분석” 업무에는 데이터 정리, 지표 해석, 편향 검토, 현업 리포팅, AI 도구 활용 같은 스킬이 연결될 수 있다.

    CompTIA는 현재 사용 중인 훈련 형식으로 직무 역할 기반 훈련 64%, 기초 AI 스킬 훈련 64%, 워크플로 관련 훈련 62%, 고급 AI 훈련 53%를 제시한다. 이 수치는 교육 설계가 직무 역할과 워크플로 단위로 이동하고 있음을 보여준다. 따라서 스킬맵도 직무명 아래 추상 역량을 나열하는 방식이 아니라 업무와 수행 행동 중심으로 만들어야 한다.

    현재 수준 진단은 복잡하게 시작할 필요가 없다. 자기진단, 관리자 확인, 간단한 과제 수행, 기존 산출물 검토를 조합하면 된다. 숙련도는 4단계 정도로 충분하다. 1단계는 개념 이해, 2단계는 가이드에 따른 수행, 3단계는 독립 수행, 4단계는 타인 코칭 또는 업무 개선 제안이다.

    이 단계의 산출물은 업무-스킬맵과 현재 수준 진단표다. 중요한 것은 진단을 평가로 오해하지 않도록 커뮤니케이션하는 것이다. 파일럿 진단은 직원을 줄 세우는 도구가 아니라, 90일 동안 어떤 학습과 업무 적용을 설계할지 정하는 출발점이다.

    31~60일차: 학습경로와 업무 적용 과제를 함께 설계한다

    31~60일차에는 학습경로를 설계한다. 여기서 실수하기 쉬운 점은 교육 과정만 배치하는 것이다. 리스킬링 파일럿의 학습경로는 콘텐츠, 실습, 현업 과제, 관리자 피드백이 함께 있어야 한다. 과정을 듣고 끝나는 것이 아니라 실제 업무에서 한 번 적용해보는 구조가 필요하다.

    TalentLMS의 2026 L&D Report는 스킬 격차 대응 방식으로 기존 인력 업스킬링·리스킬링 64%, AI 자동화 62%, 외부 전문인력 채용 57%를 제시한다. 모든 기업이 여러 대응 방식을 함께 쓰고 있다는 신호다. HRD는 내부 인력의 학습경로를 설계하되, 어떤 업무는 자동화하고 어떤 역할은 외부 채용과 연계할지도 함께 봐야 한다.

    학습경로는 3개 층으로 설계할 수 있다. 첫째, 공통 기초 학습이다. AI·데이터·업무 변화 이해처럼 대상자가 함께 알아야 하는 내용이다. 둘째, 업무별 실습이다. 자신의 직무에서 실제로 쓰는 문서, 데이터, 고객 이슈, 프로세스를 가지고 연습한다. 셋째, 적용 과제다. 2~4주 안에 현업에서 수행할 수 있는 작은 개선 과제를 정한다.

    이 단계의 산출물은 학습경로표와 업무 적용 과제 목록이다. 과제는 반드시 현업 리더와 함께 정해야 한다. HRD가 혼자 만든 과제는 실제 업무 우선순위와 어긋날 수 있다. 파일럿 성공 여부는 교육 콘텐츠의 완성도보다 업무 적용 과제가 실제로 수행되는지에 달려 있다.

    61~90일차: 적용 결과와 역할 전환 가능성을 검증한다

    61~90일차에는 적용 결과를 확인한다. 이때 확인할 것은 수료율만이 아니다. 직원이 어떤 업무에 적용했는지, 어떤 산출물이 나왔는지, 관리자 확인이 있었는지, 해당 스킬이 다른 업무나 인접 역할로 확장될 수 있는지를 봐야 한다.

    TalentLMS는 HR 매니저의 44%가 신규 역할에 내부 직원보다 외부 후보자를 우선한다고 제시하면서, 내부 이동 경로를 만들고 스킬 데이터를 활용해 채용 전 역할 준비도를 확인하라고 제안한다. 이 관점에서 90일 파일럿은 내부 후보자의 역할 준비도를 확인하는 실험이기도 하다.

    SHRM은 HR 조직의 AI 투자 성과를 공식적으로 측정하지 않는 응답이 56%라고 제시한다. 이 측정 공백을 피하려면 파일럿 종료 전에 최소한의 검증 기준을 정해야 한다. 예를 들어 적용 과제 완료 여부, 산출물 품질, 관리자 확인, 업무 시간 절감, 오류 감소, 고객 또는 내부 사용자 반응, 인접 역할 투입 가능성을 확인할 수 있다.

    이 단계의 산출물은 파일럿 결과 리포트다. 좋은 리포트는 “몇 명이 수료했다”로 끝나지 않는다. 어떤 업무가 바뀌었고, 어떤 스킬이 필요했고, 누가 어느 수준까지 도달했고, 어떤 업무에 적용했고, 다음 90일에는 무엇을 확장할지 보여줘야 한다.

    파일럿 종료 후 HRD가 남겨야 할 5가지 산출물

    90일 파일럿이 끝나면 HRD는 교육 결과 보고서가 아니라 확장 가능한 운영 자산을 남겨야 한다. TalentLMS가 L&D 성공의 보조 지표로 비즈니스 영향 37%, 커리어 성장 결과 31%, 교육 만족도 28%를 제시한 점을 보면, 산출물도 교육 운영과 커리어·업무 성과를 함께 설명해야 한다.

    첫째, 파일럿 직무의 업무 변화 지도다. 어떤 업무가 줄고, 어떤 업무가 커지고, 어떤 업무가 새로 생겼는지 정리한다.

    둘째, 업무-스킬맵이다. 직무명 아래 역량을 나열하는 것이 아니라, 바뀌는 업무와 필요한 스킬, 숙련도 기준을 연결한다.

    셋째, 학습경로와 적용 과제 목록이다. 어떤 학습 콘텐츠와 실습, 현업 과제가 실제로 작동했는지 남겨야 다음 직무로 확장할 수 있다.

    넷째, 스킬 진단과 적용 결과 데이터다. 사전·사후 수준 변화, 과제 산출물, 관리자 확인, 프로젝트 투입 여부를 정리한다.

    다섯째, 확장 의사결정안이다. 다음 파일럿 직무를 어디로 할지, 플랫폼이나 외부 교육이 필요한지, 내부 이동 또는 역할 전환과 어떻게 연결할지 제안한다.

    이 다섯 가지가 남으면 90일 파일럿은 단발성 교육이 아니라 스킬 기반 HRD 운영모델의 출발점이 된다. Deloitte가 말한 사람·스킬·데이터·기술의 실시간 오케스트레이션도 이런 작은 운영 자산이 쌓일 때 가능하다.

    HR이 다음에 봐야 할 방향

    2026년 업스킬링·리스킬링은 교육 목록을 늘리는 일이 아니다. 일의 변화, 스킬 데이터, 학습경로, 업무 적용, 성과지표를 하나의 흐름으로 연결하는 일이다. 이 시리즈에서 다룬 핵심도 같다. 리스킬링은 직무가 사라질 사람을 고르는 일이 아니라, 바뀌는 업무와 이동 가능한 역할을 찾는 일이다.

    HRD는 이제 “무엇을 가르칠까”보다 “어떤 업무 변화에 대응할까”를 먼저 물어야 한다. 그리고 “몇 명이 수료했는가”보다 “누가 어떤 업무를 새롭게 수행할 수 있게 되었는가”를 설명해야 한다. 그 설명을 가능하게 하는 것이 스킬 데이터와 성과지표다.

    90일 파일럿은 이 전환을 시작하는 현실적인 방법이다. 전사 프로젝트를 기다릴 필요는 없다. 핵심 직무 1~2개, 바뀌는 업무 3~5개, 필요한 스킬 5~10개, 적용 과제 몇 개로 시작하면 된다. 작게 시작하되, 반드시 데이터와 성과를 남겨야 한다. 그래야 업스킬링·리스킬링은 유행어가 아니라 조직의 일하는 방식을 바꾸는 HR 전략이 된다.

    참고자료

  • [2026 Skills Shift ⑦] 리스킬링 성과지표, 수료율로는 부족하다

    [2026 Skills Shift ⑦] 리스킬링 성과지표, 수료율로는 부족하다

    핵심 요약

    리스킬링 성과를 수료율로만 보면 교육 운영은 설명할 수 있지만 인력 전환은 설명하기 어렵다. 직원이 과정을 들었는지, 만족했는지, 시험을 통과했는지는 필요 지표다. 그러나 리스킬링의 본질은 “새로운 역할이나 바뀐 업무를 수행할 수 있게 되었는가”에 있다.

    TalentLMS의 2026 L&D Report는 HR 매니저 표본을 중심으로 학습 설계, 예산, 우선순위, 성과 측정 방식을 다룬다. 이 자료는 L&D 성공의 보조 지표로 비즈니스 영향 37%, 커리어 성장 결과 31%, 교육 만족도 28%를 제시한다. 만족도보다 비즈니스 영향과 커리어 성장 결과가 함께 등장한다는 점이 중요하다.

    SHRM의 2026년 AI in HR 보고서도 측정 문제를 보여준다. HR 조직의 AI 투자 성과를 공식적으로 측정하지 않는 응답이 56%이고, 자체 ROI 지표를 활용한다는 응답은 16%에 그친다. AI 교육과 리스킬링 투자가 늘어나는 상황에서 측정 체계가 뒤따르지 않으면 HRD는 계속 “많이 교육했다”는 보고에 머물게 된다.

    수료율은 필요하지만 리스킬링 성과의 끝이 아니다

    수료율은 버릴 지표가 아니다. 교육이 실제로 전달되었는지, 대상자가 참여했는지, 최소한의 학습 경험이 있었는지 확인하는 기본 지표다. 문제는 수료율이 리스킬링의 최종 성과처럼 쓰일 때 생긴다. 수료율이 높아도 직원이 새로운 업무를 맡지 못하거나, 현업이 역할 전환을 설계하지 않으면 리스킬링은 완료되지 않은 것이다.

    CompTIA의 2026년 Workforce and Learning Trends는 workforce development 프로그램 구축의 주요 과제로 훈련 비용과 함께 실행·측정 요인을 제시한다. 조사 대상과 산업 구성이 한국 기업과 다를 수는 있지만, 이 신호는 HRD가 비용과 운영뿐 아니라 측정 구조를 함께 설계해야 한다는 점을 보여준다.

    리스킬링 성과지표는 세 층으로 나눠야 한다. 첫째는 교육 운영 지표다. 수료율, 출석률, 만족도, 사전·사후 평가가 여기에 해당한다. 둘째는 업무 적용 지표다. 교육 이후 어떤 업무에 적용했는지, 어떤 산출물을 만들었는지, 관리자 확인이 있었는지를 본다. 셋째는 인력 전환 지표다. 내부 이동, 역할 전환, 프로젝트 투입, 신규 업무 수행 가능성이 여기에 해당한다.

    첫 번째 지표는 업무 적용이다

    리스킬링의 첫 번째 성과는 “배운 것을 어디에 썼는가”다. 교육 직후 만족도는 높아도 업무에 적용되지 않으면 조직 성과로 연결되기 어렵다. 따라서 HRD는 과정 종료 후 30일, 60일, 90일 단위로 업무 적용 데이터를 수집해야 한다.

    TalentLMS가 L&D 성공의 보조 지표로 비즈니스 영향 37%를 제시한 점은 이 방향과 맞닿아 있다. SHRM도 AI 투자 성과 측정 지표로 생산성 향상, 비용 절감, 의사결정 개선, 직원 만족도를 언급한다. 두 자료 모두 학습이나 AI 투자의 성과가 “교육을 들었다”가 아니라 “업무 결과가 달라졌다”는 방식으로 설명되어야 함을 보여준다.

    업무 적용 지표는 거창할 필요가 없다. 예를 들어 AI 활용 교육이라면 보고서 초안 작성 시간 단축, 고객 문의 분류 정확도 개선, 회의록 요약 품질 검수, 반복 업무 자동화, 데이터 해석 리포트 작성 같은 적용 사례를 기록할 수 있다. 리스킬링 교육이라면 새 업무 수행 횟수, 현업 과제 참여, 산출물 검토 결과, 관리자 피드백을 함께 봐야 한다.

    중요한 것은 적용 여부를 직원 자기보고만으로 끝내지 않는 것이다. 자기보고, 관리자 확인, 산출물, 프로젝트 투입 기록을 조합해야 한다. 그래야 HRD가 “이 과정을 들은 직원이 실제로 어떤 업무를 수행할 수 있게 되었는가”를 설명할 수 있다.

    두 번째 지표는 내부 이동과 역할 준비도다

    리스킬링은 학습 프로그램이 아니라 인력 이동 전략이다. 특히 AI 도입으로 직무 책임이 바뀌고 신규 역할이 생기는 상황에서는 내부 이동과 역할 준비도가 핵심 지표가 된다. SHRM은 AI 배치 조직에서 빈번한 업스킬링·리스킬링 기회 57%, 직무 책임 변화 39%, 신규 역할 24%, 약간의 일자리 대체 7%를 보고했다. 또한 workplace AI의 조직 영향이 일자리 대체보다 직무 책임 변화에는 5.7배, 신규 역할 생성에는 3배 더 가능성이 높다고 설명한다.

    이 수치는 리스킬링 성과를 “교육 이수”가 아니라 “역할 전환 가능성”으로 봐야 한다는 근거가 된다. 교육을 들은 직원이 인접 역할 후보군에 들어갔는지, 프로젝트에 투입되었는지, 직무 전환 면담을 진행했는지, 새 역할의 필수 스킬 기준을 충족했는지를 봐야 한다.

    TalentLMS도 내부 이동의 중요성을 직접 언급한다. HR 매니저의 44%가 신규 역할에 내부 직원보다 외부 후보자를 우선한다고 제시하면서, 내부 이동 경로를 만들고 스킬 데이터를 활용해 채용 전 역할 준비도를 확인하라고 제안한다. 리스킬링 성과지표에 내부 이동과 역할 준비도가 들어가야 하는 이유다.

    실무에서는 “역할 준비도”를 단순 점수로 만들기보다 조건표로 관리하는 것이 좋다. 필수 스킬 충족 여부, 관련 프로젝트 경험, 관리자 추천, 학습 후 적용 사례, 본인 이동 의사, 배치 가능 시점 등을 함께 본다. 이렇게 해야 HRD 데이터가 채용, 배치, 승계, 성과관리와 연결된다.

    세 번째 지표는 스킬 검증과 관리자 확인이다

    리스킬링의 어려운 점은 수료와 숙련이 다르다는 데 있다. 교육을 들었다고 바로 새 역할을 수행할 수 있는 것은 아니다. 그래서 스킬 검증 지표가 필요하다. 검증은 시험 점수만 뜻하지 않는다. 실제 업무 과제, 프로젝트 산출물, 시뮬레이션, 관리자 관찰, 동료 피드백, 고객 또는 현업 사용자 반응까지 포함할 수 있다.

    SHRM의 자료에서 HR 조직의 AI 투자 성과를 공식적으로 측정하지 않는 응답이 56%라는 점은 검증 체계의 공백을 보여준다. 자체 ROI 지표를 활용한다는 응답도 16%에 그친다. AI와 리스킬링 투자가 커질수록 “어떤 스킬이 실제로 검증되었는가”를 설명할 수 있어야 한다.

    검증 지표는 4단계로 단순화할 수 있다. 1단계는 개념 이해, 2단계는 가이드에 따른 수행, 3단계는 독립 수행, 4단계는 타인 코칭 또는 업무 개선 제안이다. 이 단계는 6편에서 다룬 스킬 데이터 구조와 연결된다. 스킬 이름만 관리하는 것이 아니라, 실제 행동 수준과 업무 적용 수준을 함께 기록해야 한다.

    관리자 확인도 중요하다. HRD가 모든 직무의 숙련도를 직접 판정하기 어렵기 때문이다. 다만 관리자 확인이 주관적 평가로만 흐르지 않도록 기준이 있어야 한다. “업무 적용 사례가 있는가”, “산출물이 기준을 충족하는가”, “반복 수행이 가능한가”, “다른 사람에게 설명할 수 있는가”처럼 관찰 가능한 기준을 사용해야 한다.

    HRD 실무 대시보드: 리스킬링 성과를 5단계로 본다

    리스킬링 성과 대시보드는 처음부터 복잡할 필요가 없다. 핵심은 수료율 이후의 흐름을 끊지 않는 것이다. TalentLMS가 비즈니스 영향 37%, 커리어 성장 결과 31%, 교육 만족도 28%를 L&D 성공의 보조 지표로 제시하고, SHRM이 AI 투자 성과 미측정 응답을 56%로 제시한 점을 함께 보면 대시보드는 교육 운영과 업무 성과를 동시에 보여줘야 한다.

    CompTIA도 workforce development 프로그램의 과제로 훈련 비용뿐 아니라 실행과 측정을 언급한다. 따라서 HRD 대시보드는 단순 수료율 표가 아니라 참여, 학습 변화, 업무 적용, 이동·전환, 조직 성과를 연결하는 운영표로 설계하는 편이 현실적이다. 다음 5단계 구조로 시작할 수 있다.

    첫째, 참여 지표다. 대상자 수, 참여율, 수료율, 중도 이탈률, 만족도를 본다. 이는 교육 운영 품질을 확인하는 기본 지표다.

    둘째, 학습 변화 지표다. 사전·사후 진단, 스킬 숙련도 변화, 과제 통과율, 시뮬레이션 결과를 본다. 이 단계부터 단순 수강 기록을 넘어선다.

    셋째, 업무 적용 지표다. 교육 후 30일 또는 60일 안에 적용한 업무, 산출물, 관리자 확인, 프로젝트 참여 여부를 본다. 이 지표가 있어야 교육과 업무가 연결된다.

    넷째, 이동·전환 지표다. 내부 이동 후보군 편입, 역할 전환 면담, 인접 직무 프로젝트 투입, 실제 배치 전환, 신규 역할 수행 여부를 본다. 리스킬링의 목적이 인력 전환이라면 이 지표가 빠져서는 안 된다.

    다섯째, 조직 성과 지표다. 생산성 개선, 비용 절감, 품질 개선, 의사결정 속도, 고객 경험, 직원 유지, 채용 대체 효과 등을 본다. 모든 과정을 조직 성과로 바로 환산할 수는 없지만, 파일럿 단위에서는 최소한 한두 개의 업무 성과 지표를 연결해야 한다.

    이 대시보드는 HRD만의 보고서가 아니라 HRBP, 현업 리더, People Analytics, 경영진이 함께 보는 운영표가 되어야 한다. Deloitte가 말한 사람·스킬·데이터·기술의 실시간 오케스트레이션은 이런 연결 구조가 있을 때 가능해진다.

    HR이 다음에 봐야 할 방향

    리스킬링 성과지표를 바꾸면 HRD의 역할도 바뀐다. 교육 운영자는 과정을 끝내는 사람이 아니라, 업무 변화와 역할 전환의 증거를 모으는 사람이 된다. 수료율은 출발점이고, 업무 적용과 내부 이동, 스킬 검증이 성과의 중심이 된다.

    다음 단계는 이 지표를 거대한 전사 프로젝트로 만들지 않는 것이다. 처음부터 모든 직무를 대상으로 완벽한 대시보드를 만들려 하면 실패하기 쉽다. 핵심 직무 1~2개, 바뀌는 업무 3~5개, 필요한 스킬 5~10개, 적용 과제 몇 개로 시작하는 것이 현실적이다.

    마지막 8편에서는 이 흐름을 90일 파일럿 로드맵으로 정리할 필요가 있다. 진단, 스킬맵, 학습경로, 업무 적용, 성과측정까지 작게 시작하는 방식이다. 리스킬링은 교육 프로젝트가 아니라 인력 전환 실험이다. 성과지표도 그 실험을 설명할 수 있어야 한다.

    참고자료

  • [2026 Skills Shift ⑥] AI 학습 플랫폼보다 먼저 설계해야 할 스킬 데이터

    [2026 Skills Shift ⑥] AI 학습 플랫폼보다 먼저 설계해야 할 스킬 데이터

    핵심 요약

    AI 학습 플랫폼을 도입하면 스킬 기반 HRD가 자동으로 완성될 것처럼 보인다. 하지만 실제로는 반대다. 플랫폼은 데이터를 담는 그릇이고, 어떤 스킬을 어떤 직무·업무·성과와 연결할지 정하지 않으면 추천 학습, AI 코칭, 역량 진단도 표면적인 기능에 머문다.

    CompTIA의 2026년 Workforce and Learning Trends는 조직의 83%가 스킬 우려 대응을 높은 우선순위로 두고, HR 전문가와 IT 리더의 62%가 향후 1년 AI 교육 예산 증가를 예상한다고 제시한다. 그런데 같은 자료는 공식 조직 차원의 업스킬링·리스킬링 프로그램을 갖춘 기업이 34%에 그친다고 설명한다. 예산과 관심은 커지지만, 스킬을 어떻게 정의하고 축적할지에 대한 운영 구조는 아직 부족하다는 뜻이다.

    따라서 2026년 HRD의 질문은 “어떤 AI 학습 플랫폼을 살 것인가”보다 먼저 “우리 조직의 스킬 데이터는 어떤 의사결정에 쓰일 것인가”가 되어야 한다. 스킬 데이터는 교육 이수 기록이 아니라 직무 변화, 학습 경로, 업무 적용, 내부 이동, 성과 검증을 연결하는 HR 운영 데이터다.

    스킬 기반 HRD는 플랫폼이 아니라 데이터 모델에서 시작된다

    스킬 기반 HRD를 시작할 때 흔히 먼저 검토하는 것은 LMS, LXP, AI 학습 추천 도구다. 물론 도구는 필요하다. 그러나 도구가 먼저 오면 “학습 콘텐츠를 많이 추천하는 시스템”은 만들 수 있어도 “어떤 스킬이 어떤 업무 전환에 필요한지 설명하는 시스템”은 만들기 어렵다.

    Deloitte의 2026 Global Human Capital Trends는 경쟁우위가 정적인 인력 배치에서 사람, 스킬, 데이터, 기술을 실시간으로 오케스트레이션하는 방식으로 이동한다고 설명한다. 여기서 핵심은 기술 자체가 아니라 연결 구조다. 사람의 현재 역할, 필요한 스킬, 업무 변화, 데이터, 기술 활용이 한 흐름으로 연결되어야 한다.

    CompTIA의 조사 대상은 HR 전문가와 IT 리더를 포함한 workforce development 관련 응답자다. 이 표본에서 스킬 우려 대응 우선순위는 높지만, 공식 조직 차원의 업스킬링·리스킬링 프로그램 보유 비율은 34%에 그친다. 이 격차는 플랫폼 부족만으로 설명하기 어렵다. 더 근본적인 문제는 스킬을 어떤 단위로 정의하고, 어떤 데이터로 확인하며, 어떤 HR 의사결정에 연결할지 정하지 못한 데 있다.

    스킬 데이터 모델은 적어도 네 가지 질문에 답해야 한다. 첫째, 직무별로 중요한 스킬은 무엇인가. 둘째, 현재 직원의 스킬 수준은 어떻게 확인할 것인가. 셋째, 학습 이후 실제 업무 적용은 어떻게 볼 것인가. 넷째, 그 결과를 배치, 내부 이동, 역할 전환, 성과관리와 어떻게 연결할 것인가.

    첫 번째 데이터는 ‘직무명’이 아니라 ‘업무와 스킬의 연결’이다

    스킬 데이터 설계의 출발점은 직무명이 아니다. 같은 직무명 안에서도 자동화되는 업무, 사람이 계속 해야 하는 판단 업무, AI와 함께 수행해야 하는 검증 업무가 다르다. 5편에서 본 것처럼 리스킬링 대상자 선정도 직무 전체가 아니라 바뀌는 업무를 기준으로 해야 한다. 6편의 데이터 설계도 같은 원칙을 따른다.

    CompTIA는 현재 사용 중인 훈련 형식으로 직무 역할 기반 훈련 64%, 기초 AI 스킬 훈련 64%, 컴플라이언스·보안 62%, 워크플로 관련 훈련 62%, 고급 AI 훈련 53%를 제시한다. 이 수치는 교육이 이미 “직무 역할”과 “워크플로” 단위로 이동하고 있음을 보여준다. 따라서 스킬 데이터도 직무명 아래에 단순 역량 목록을 붙이는 방식으로는 부족하다.

    실무에서는 직무를 세 단계로 쪼개는 것이 유용하다. 첫째, 직무명이다. 예를 들어 채용담당자, 교육담당자, 영업관리자처럼 조직이 이미 쓰는 역할 단위다. 둘째, 주요 업무다. 채용담당자라면 후보자 소싱, 면접 운영, 채용 데이터 분석, 온보딩 연계가 될 수 있다. 셋째, 업무별 필요 스킬이다. 데이터 해석, 인터뷰 설계, 이해관계자 커뮤니케이션, AI 도구 활용, 개인정보 판단처럼 더 작은 단위로 내려가야 한다.

    이렇게 설계하면 플랫폼의 학습 추천도 달라진다. “채용담당자에게 AI 교육 추천”이 아니라 “후보자 소싱 자동화 이후 남는 데이터 검증과 후보자 경험 설계 스킬을 강화”하는 방식으로 추천할 수 있다. 스킬 데이터는 교육 카탈로그 분류표가 아니라 업무 변화 지도여야 한다.

    두 번째 데이터는 학습 이력이 아니라 스킬 숙련도 변화다

    많은 조직의 LMS에는 수강 이력, 이수율, 만족도, 시험 점수가 남는다. 그러나 이것만으로는 직원이 실제로 어떤 스킬을 더 잘하게 되었는지, 어떤 업무를 맡을 수 있게 되었는지 설명하기 어렵다. 스킬 기반 HRD에서 필요한 데이터는 “교육을 들었다”가 아니라 “어떤 스킬 숙련도가 어느 수준에서 어느 수준으로 이동했다”다.

    SHRM의 2026년 AI in HR 보고서는 HR 조직의 AI 투자 성공을 공식적으로 측정하지 않는 응답이 56%라고 제시한다. 조사 대상과 산업 구성이 한국 기업과 다를 수는 있지만, AI 도입과 학습 투자가 늘어나는 상황에서 측정 구조가 뒤따르지 못하는 문제를 보여준다. AI 학습 플랫폼도 마찬가지다. 수료율만 남으면 투자 성과를 설명하기 어렵다.

    스킬 숙련도 데이터는 너무 복잡하게 시작할 필요가 없다. 예를 들어 4단계 정도로 시작할 수 있다. 1단계는 개념 이해, 2단계는 가이드에 따른 수행, 3단계는 독립 수행, 4단계는 타인 코칭 또는 업무 개선 제안이다. 중요한 것은 이 단계가 교육 과정명이 아니라 실제 업무 행동과 연결되어야 한다는 점이다.

    예를 들어 “생성형 AI 활용”이라는 스킬을 하나로 두면 데이터가 흐려진다. HRD 담당자에게는 교육 요구 분석 초안 작성, 학습 콘텐츠 구조화, 설문 응답 요약, 교육 효과 리포트 초안 검토처럼 업무별 행동으로 나눠야 한다. 그래야 교육 전후 진단, 관리자 피드백, 프로젝트 적용 사례가 하나의 스킬 변화 데이터로 연결된다.

    세 번째 데이터는 교육 이후의 업무 적용이다

    스킬 데이터가 HRD 안에서만 머물면 “교육을 잘 운영했다”는 보고는 가능하지만 “조직의 일하는 방식이 바뀌었다”는 설명은 어렵다. 교육 이후 어떤 업무에 적용되었는지, 어떤 프로젝트에 투입되었는지, 어떤 역할 전환으로 이어졌는지가 함께 기록되어야 한다.

    TalentLMS의 2026 L&D Report는 HR 매니저 표본을 중심으로 L&D 설계, 예산, 우선순위, 성과 측정 방식을 다룬다. 이 자료는 L&D 성공의 보조 지표로 비즈니스 영향 37%, 커리어 성장 결과 31%, 교육 만족도 28%를 제시한다. 만족도보다 비즈니스 영향과 커리어 성장 결과가 함께 언급된다는 점은 중요하다. 학습 데이터가 실제 업무와 내부 이동으로 연결되어야 한다는 신호이기 때문이다.

    업무 적용 데이터는 거창한 생산성 지표부터 시작할 필요가 없다. 교육 이후 30일 안에 적용한 업무, 적용 산출물, 관리자 확인, 동료 피드백, 프로젝트 투입 여부, 자동화 또는 개선한 업무 단위처럼 작은 데이터부터 시작할 수 있다. 핵심은 “교육 종료”와 “업무 변화” 사이를 끊지 않는 것이다.

    예를 들어 AI 교육을 들은 직원이 보고서 초안 작성 시간을 줄였는지, 고객 문의 분류 기준을 개선했는지, 반복 업무를 자동화했는지, 회의록 요약 품질을 검토하는 기준을 만들었는지 확인해야 한다. 이런 데이터가 쌓여야 다음 편에서 다룰 성과지표도 수료율이 아니라 적용, 이동, 역할 전환 중심으로 설계할 수 있다.

    HRD 실무 체크리스트: 플랫폼 도입 전 확인할 6가지 데이터 질문

    AI 학습 플랫폼이나 LXP를 검토하기 전에 HRD는 먼저 데이터 질문을 정리해야 한다. CompTIA의 2026년 자료에서 AI 교육 예산 증가를 예상한 HR 전문가와 IT 리더가 62%라는 점은 투자 압력이 커지고 있음을 보여준다. 하지만 공식 업스킬링·리스킬링 프로그램 보유 기업이 34%라는 수치는 투자 전 데이터 구조 점검이 필요하다는 경고이기도 하다.

    첫째, 우리 조직은 스킬을 어떤 단위로 정의하는가. 직무명, 직무역량, 업무, 행동지표, 도구 활용 능력이 섞여 있으면 플랫폼에 넣어도 검색과 추천 품질이 낮아진다.

    둘째, 스킬과 업무의 연결표가 있는가. “AI 활용 역량”처럼 넓은 표현보다 “교육 만족도 주관식 응답을 요약하고 개선 과제를 분류한다”처럼 업무 행동과 연결된 표현이 필요하다.

    셋째, 현재 수준을 어떻게 진단할 것인가. 자기진단만 쓸지, 관리자 확인을 더할지, 과제 수행 결과를 볼지, 프로젝트 산출물을 볼지 정해야 한다. 진단 방식이 없으면 학습 추천은 개인의 관심사 추천에 머문다.

    넷째, 학습 이후 변화를 어떻게 기록할 것인가. 수료 여부, 진단 점수 변화, 업무 적용 사례, 관리자 확인, 프로젝트 투입 여부가 최소한의 후보 데이터가 될 수 있다.

    다섯째, 이 데이터를 어떤 HR 의사결정에 쓸 것인가. 교육 추천만 할 것인지, 내부 이동, 역할 전환, 승계 후보군, 프로젝트 배치, 인력계획까지 연결할 것인지에 따라 필요한 데이터 수준이 달라진다.

    여섯째, 개인정보와 평가 리스크를 어떻게 관리할 것인가. 스킬 데이터는 직원 성장 지원과 배치 의사결정에 유용하지만, 불투명한 평가나 낙인으로 쓰이면 신뢰를 잃는다. 데이터 수집 목적, 접근 권한, 보관 기간, 개인 피드백 방식은 플랫폼 계약보다 먼저 정해야 한다.

    HR이 다음에 봐야 할 방향

    2026년 업스킬링·리스킬링의 핵심은 더 많은 교육 콘텐츠를 배치하는 것이 아니다. 어떤 업무가 바뀌고, 어떤 스킬이 필요하며, 누가 어떤 수준에 있고, 학습 이후 어떤 업무에 적용했는지 설명할 수 있어야 한다. 이 설명 가능성이 스킬 데이터의 역할이다.

    플랫폼은 이 데이터를 잘 모으고 보여줄 수 있다. 하지만 데이터 모델이 없으면 플랫폼은 수료율과 콘텐츠 추천을 반복할 뿐이다. 반대로 업무-스킬-진단-학습-적용-검증의 흐름이 정리되어 있으면 작은 LMS나 스프레드시트로도 파일럿을 시작할 수 있다.

    다음 편에서는 이 데이터가 어떤 성과지표로 이어져야 하는지 다룰 필요가 있다. 리스킬링의 성과는 수료율만으로 설명하기 어렵다. 내부 이동, 역할 전환, 업무 적용, 생산성 개선, 관리자 평가, 프로젝트 투입 같은 지표가 함께 있어야 한다. 스킬 데이터는 그 성과지표를 만들기 위한 기초 인프라다.

    참고자료

  • [2026 Skills Shift ⑤] 리스킬링 대상자 선정, 직무가 아니라 업무 변화부터 보라

    [2026 Skills Shift ⑤] 리스킬링 대상자 선정, 직무가 아니라 업무 변화부터 보라

    핵심 요약

    리스킬링 대상자를 고를 때 가장 위험한 질문은 “어떤 직무가 사라질까”다. 이 질문은 빠르게 공포를 만들지만, 실제 실행 기준으로는 거칠다. 더 유용한 질문은 “어떤 업무가 줄고, 어떤 업무가 커지며, 어떤 역할로 이동할 수 있는가”다.

    SHRM의 2026년 AI in HR 보고서는 1,908명의 HR 전문가를 대상으로 한 조사에서 AI 배치 조직의 응답자가 빈번한 업스킬링·리스킬링 기회 57%, 직무 책임 변화 39%, 신규 역할 24%, 약간의 일자리 대체 7%를 보고했다고 제시한다. workplace AI의 조직 영향도 일자리 대체보다 직무 책임 변화에는 5.7배, 신규 역할 생성에는 3배 더 가능성이 높다고 설명한다.

    따라서 리스킬링 대상자는 “없어질 직무에 있는 사람”이 아니라 “업무 조합이 바뀌고, 인접 역할로 이동 가능성이 있으며, 학습과 배치가 함께 설계될 수 있는 사람”에서 찾아야 한다.

    리스킬링 대상자는 ‘사라질 직무’가 아니라 ‘바뀌는 업무’에서 나온다

    직무명만 보면 리스킬링 대상자를 과하게 넓히거나 잘못 좁히기 쉽다. 예를 들어 같은 고객지원 직무 안에서도 단순 문의 응답은 자동화될 수 있지만, 복잡한 이슈 조정, 고객 불만 분석, AI 응답 품질 검수는 더 중요해질 수 있다. 직무 전체를 위험군으로 보면 남는 업무와 커지는 역할을 놓친다.

    SHRM의 조사 범위는 글로벌 HR 전문가 표본이며 산업·직군 구성은 한국 기업과 다를 수 있다. 그럼에도 직무 책임 변화 39%, 신규 역할 24%, 일자리 대체 7%라는 수치는 리스킬링의 출발점이 직무 폐지가 아니라 업무 변화라는 점을 보여준다. 대상자 선정은 직무명보다 업무 단위의 변화 지도를 먼저 그려야 한다.

    첫 번째 기준은 자동화 가능성이 아니라 남는 판단 업무다

    AI가 할 수 있는 일을 찾는 것만으로는 리스킬링 후보군을 고를 수 없다. 자동화 가능성이 높은 업무가 있더라도, 그 주변에 사람이 더 잘해야 하는 판단 업무가 남을 수 있기 때문이다. SHRM이 workplace AI의 조직 영향이 일자리 대체보다 직무 책임 변화에 5.7배 더 가능성이 높다고 설명한 점이 중요하다.

    따라서 첫 번째 기준은 “무엇이 자동화되는가”가 아니라 “자동화 이후 어떤 판단이 남는가”다. 반복 입력이 줄면 예외 처리와 품질 검증이 남을 수 있다. 보고서 초안 작성이 빨라지면 데이터 해석과 의사결정 지원이 중요해질 수 있다. 상담 응답이 자동화되면 고객 이슈 분석과 서비스 개선 제안 역할이 커질 수 있다.

    두 번째 기준은 이동 가능한 인접 역할이다

    리스킬링은 교육만으로 끝나지 않는다. 배치 가능한 인접 역할이 있어야 한다. TalentLMS의 2026년 L&D Report는 “Training builds skills, but mobility builds futures”라고 설명하며, 내부 커리어 경로와 학습의 연결 필요성을 강조한다. 동시에 HR 매니저의 44%가 신규 역할에 내부 직원보다 외부 후보자를 우선한다고 제시한다.

    이 수치는 리스킬링 대상자 선정에서 내부 이동 경로가 얼마나 중요한지 보여준다. 내부 후보자를 키운다고 말하면서 실제 신규 역할은 외부 채용으로 채운다면 리스킬링은 동기를 잃는다. 대상자를 고를 때는 현재 스킬과 목표 역할 사이의 거리를 봐야 한다. 너무 가까우면 업스킬링에 가깝고, 너무 멀면 단기 리스킬링으로는 어렵다. 인접 역할이 보이는 집단부터 시작하는 것이 현실적이다.

    세 번째 기준은 학습 가능성과 배치 가능성을 함께 보는 것이다

    리스킬링 후보군을 선정할 때 학습 의지만 보면 실패하기 쉽다. 배치 가능성이 없는 학습은 개인에게도 조직에게도 모호한 약속이 된다. TalentLMS는 스킬 격차 대응에서 기존 인력 업스킬링·리스킬링을 선택한 HR 매니저가 64%, AI로 업무를 자동화한다는 응답이 62%, 외부 전문인력 채용에 의존한다는 응답이 57%라고 제시한다.

    또 TalentLMS는 절반의 기업이 역할 또는 책임을 재구조화하고, 29%가 오래된 스킬에 의존하는 직위를 제거한다고 설명한다. 이 조사 대상과 표본은 기업 상황에 따라 다르게 해석해야 하지만, 한 가지는 분명하다. 리스킬링은 교육 프로그램이 아니라 자동화, 역할 재구조화, 외부 채용, 내부 이동 사이에서 선택하는 인력전략이다.

    실무 매트릭스: 리스킬링 후보군을 가르는 4개 질문

    첫째, 현재 업무 중 줄어드는 업무와 커지는 업무가 구분되어 있는가. 둘째, 현재 보유 스킬과 목표 역할 사이에 인접성이 있는가. 셋째, 학습을 통해 3~6개월 안에 검증 가능한 산출물을 만들 수 있는가. 넷째, 교육 후 투입 가능한 프로젝트나 역할이 있는가.

    이 네 질문을 기준으로 후보군을 나누면 실행 우선순위가 선명해진다. 업무 변화가 크고 인접 역할이 있으며 배치 가능성이 높은 집단은 1순위 리스킬링 대상이다. 업무 변화는 크지만 인접 역할이나 배치 가능성이 낮은 집단은 장기 전환 또는 별도 인력계획이 필요하다. 업무 변화가 작고 현재 역할 성과 개선이 핵심인 집단은 리스킬링보다 업스킬링 대상에 가깝다.

    CompTIA가 조직의 83%가 스킬 우려 대응을 높은 우선순위로 둔다고 제시한 만큼, 많은 기업이 비슷한 질문을 마주하고 있다. 중요한 것은 전 직원을 한 번에 리스킬링 대상으로 묶는 것이 아니라, 조사 대상, 직군, 업무 변화, 배치 가능성을 구분해 작은 파일럿부터 시작하는 것이다.

    HR이 다음에 봐야 할 방향

    리스킬링 대상자 선정은 개인을 위험군으로 분류하는 작업이 아니다. 업무 변화와 역할 전환 가능성을 데이터로 보고, 조직이 실제로 이동 경로를 열 수 있는지 확인하는 작업이다. 직무가 아니라 업무를 보고, 교육 의지가 아니라 배치 가능성을 함께 봐야 한다.

    다음 편에서는 이 판단을 가능하게 만드는 스킬 데이터 설계를 다룬다. LMS나 AI 학습 플랫폼을 도입하기 전에, 어떤 스킬 데이터를 어떻게 쌓고 검증해야 하는지부터 정리할 필요가 있다.

    참고자료

  • [2026 Skills Shift ④] 스킬 기반 조직, 교육팀 프로젝트로 끝나지 않으려면

    [2026 Skills Shift ④] 스킬 기반 조직, 교육팀 프로젝트로 끝나지 않으려면

    핵심 요약

    스킬 기반 조직은 교육팀이 스킬 사전을 만들고 과정을 개설한다고 완성되지 않는다. 핵심은 “누가 어떤 스킬을 배웠는가”를 기록하는 것이 아니라, 그 스킬이 채용, 배치, 성과관리, 내부 이동, 보상 논의와 연결되는가다.

    Deloitte의 2026 Global Human Capital Trends는 경쟁우위가 정적 조직 구조 안에서 인재를 배치하는 방식에서 사람, 스킬, 데이터, 기술을 실시간으로 오케스트레이션하는 방식으로 이동한다고 설명한다. CompTIA도 조직의 83%가 스킬 우려 대응을 높은 우선순위로 둔다고 제시하지만, 현재 직원을 위한 공식 조직 차원의 업스킬링·리스킬링 프로그램을 갖춘 기업은 34%에 그친다고 밝힌다.

    이 간극은 스킬 기반 조직이 왜 HRD 단독 프로젝트로 끝나기 쉬운지 보여준다. 교육은 열리지만 직무, 현업 수요, 내부 이동, 성과지표와 연결되지 않으면 스킬은 운영 데이터가 아니라 교육 이력으로만 남는다.

    스킬 기반 조직은 스킬 사전이 아니라 운영 방식이다

    스킬 기반 조직을 시작할 때 많은 기업은 먼저 스킬 사전이나 역량 모델을 만든다. 물론 공통 언어는 필요하다. 하지만 Deloitte가 말한 핵심은 목록이 아니라 오케스트레이션이다. 사람, 스킬, 데이터, 기술을 실시간으로 연결해 성과 중심으로 역량을 재구성하는 방식이 중요하다.

    조사 범위와 산업 구성은 리포트마다 다르지만, 방향은 같다. CompTIA는 스킬 구축을 최상위 비즈니스 우선순위로 보면서도 공식 조직 차원의 업스킬링·리스킬링 프로그램 보유 조직을 34%로 제시한다. 스킬이라는 말은 확산됐지만, 이를 실제 인력 운영 방식으로 바꾼 조직은 아직 많지 않다는 뜻이다.

    따라서 첫 질문은 “우리 회사의 스킬 목록이 있는가”가 아니다. “스킬 데이터가 어느 의사결정에 쓰이는가”여야 한다. 채용 요건을 바꾸는가, 내부 지원자를 추천하는가, 교육 우선순위를 정하는가, 성과 면담에서 성장 목표로 쓰이는가를 봐야 한다.

    HRD는 학습경로를 만들지만, 혼자 배치를 바꿀 수 없다

    HRD는 스킬 기반 조직의 중요한 출발점이다. 하지만 HRD가 할 수 있는 일은 주로 진단, 학습경로, 과정 설계, 학습 이력 관리다. 실제 역할 변화와 배치는 현업, HRBP, 조직설계, 채용, 성과관리와 연결되어야 한다.

    CompTIA의 응답 표본을 보면 개발 예산이 HR/L&D에 속한다는 응답은 46%, 개별 부서에 속한다는 응답은 43%로 거의 나뉜다. 외부 재원이라는 응답도 10%다. 예산 책임이 이렇게 나뉜다는 것은 스킬 개발이 이미 HRD 단독 예산으로만 움직이지 않는다는 신호다.

    SHRM의 2026년 AI in HR 보고서도 비슷한 함의를 준다. 1,908명의 HR 전문가 표본에서 AI 도입은 HR이 단독으로 이끄는 경우보다 IT, 법무·컴플라이언스, cross-functional team과 연결되는 경우가 많다고 설명한다. 스킬 기반 조직도 마찬가지다. 교육팀이 과정을 만들 수는 있지만, 어떤 업무가 바뀌고 어떤 역할이 생기는지는 현업과 함께 결정해야 한다.

    HRBP와 현업은 ‘필요한 스킬’을 업무 변화로 번역해야 한다

    스킬 기반 조직에서 HRBP와 현업의 역할은 교육 요청을 전달하는 데 그치지 않는다. “데이터 분석 교육이 필요하다”는 요청을 “어떤 업무 의사결정에서 어떤 데이터를 해석해야 하는가”로 바꿔야 한다. “AI 교육이 필요하다”는 요청도 “어떤 반복 업무를 자동화하고, 어떤 검증 책임은 사람이 가져야 하는가”로 구체화해야 한다.

    SHRM은 AI가 배치된 조직에서 HR 전문가 응답자가 빈번한 업스킬링·리스킬링 기회를 57%, 직무 책임 변화를 39%, 신규 역할을 24%로 보고했다고 제시한다. 약간의 일자리 대체를 언급한 응답은 7%였다. 이 수치는 직무 전체가 사라진다는 단순 서사보다, 업무 책임과 역할 조합이 바뀌는 변화가 더 중요한 관리 대상임을 보여준다.

    그래서 HRBP와 현업은 직무명보다 업무 단위를 봐야 한다. 어떤 업무가 자동화되는지, 어떤 업무가 더 중요해지는지, 어떤 스킬이 내부 이동의 기준이 되는지를 정의해야 HRD가 실제 학습경로를 설계할 수 있다.

    채용과 성과관리가 연결되지 않으면 스킬 데이터는 쌓이지 않는다

    스킬 기반 조직은 학습 데이터만으로 작동하지 않는다. 채용에서 어떤 스킬을 요구하는지, 내부 지원자가 어떤 스킬을 증명했는지, 성과관리에서 어떤 성장 목표가 합의됐는지, 프로젝트 배치에서 어떤 경험이 축적됐는지가 함께 쌓여야 한다.

    TalentLMS의 2026 L&D Report는 L&D를 비즈니스 영향으로 측정하는 회사가 37%라고 제시한다. 또 HR 매니저의 84%는 L&D 프로그램이 커리어 진행과 연결되어 있다고 보지만, 실제 직원 경험은 더 느리게 움직인다고 설명한다. 이 간극은 교육 이력과 커리어 이동 사이에 운영 연결선이 약할 때 생긴다.

    Deloitte가 말한 실시간 오케스트레이션도 결국 같은 문제를 가리킨다. 스킬 데이터가 채용, 성과관리, 내부 이동, 프로젝트 투입으로 이어지지 않으면 데이터는 많아져도 의사결정은 바뀌지 않는다. People Analytics는 대시보드를 만드는 기능이 아니라, 스킬 데이터가 어떤 인력 의사결정에 쓰였는지 확인하는 기능으로 설계되어야 한다.

    실무 체크리스트: 스킬 기반 조직을 시작할 때 확인할 5가지 연결선

    첫째, 스킬 사전의 각 항목이 실제 직무와 업무 단위에 연결되어 있는가. 둘째, HRD 과정 수료 데이터가 내부 이동, 프로젝트 배치, 성과 면담에서 확인되는가. 셋째, 개발 예산의 책임이 HRD와 현업 사이에서 어떻게 나뉘는가. CompTIA의 46%·43% 수치처럼 예산 책임은 조직마다 다르므로, 내부 기준을 먼저 정해야 한다.

    넷째, 스킬 데이터의 조사 대상과 표본을 내부에서도 명확히 하는가. 전 직원 기준인지, 특정 직군 기준인지, 핵심 직무 기준인지가 달라지면 대시보드와 KPI도 달라진다. 다섯째, L&D 성과를 수료율이 아니라 비즈니스 영향, 내부 이동, 업무 적용, 성과 개선과 연결해 보고하는가. TalentLMS가 제시한 37% 수치는 이 연결이 아직 많은 조직에서 약하다는 점을 보여준다.

    이 다섯 가지 연결선을 확인하면 스킬 기반 조직은 교육팀의 신규 프로젝트가 아니라 HR 운영모델의 변화로 출발할 수 있다.

    HR이 다음에 봐야 할 방향

    스킬 기반 조직의 핵심은 교육을 더 많이 여는 것이 아니라, 스킬을 인력 의사결정의 언어로 바꾸는 것이다. HRD는 학습경로를 만들고, HRBP와 현업은 업무 변화를 정의하며, 채용과 성과관리는 스킬을 선발과 성장의 기준으로 연결해야 한다. People Analytics는 이 과정이 실제로 작동하는지 데이터로 확인해야 한다.

    다음 편에서는 이 운영모델 안에서 리스킬링 대상자를 어떻게 선정할지 다룬다. 사라지는 직무를 찾는 방식보다, 바뀌는 업무와 이동 가능한 역할을 기준으로 우선순위를 잡는 접근이 필요하다.

    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 먼저 봐야 할 부분은 “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.

      HR이 다음에 봐야 할 방향

      이 글의 결론은 제도를 하나 더 만들자는 뜻이 아닙니다. 지금 필요한 일은 이 이슈를 조직의 운영 기준으로 옮기는 것입니다.

      작게 시작한다면 한 가지 질문이면 충분합니다. 이 변화가 채용, 성과관리, 학습, 보상 중 어디의 의사결정을 실제로 바꾸는가. 그 답이 분명할수록 HR의 일은 보고서가 아니라 현장의 기준에 가까워집니다.

      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. 하지만 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.

    HR이 다음에 봐야 할 방향

    이 글의 결론은 제도를 하나 더 만들자는 뜻이 아닙니다. 지금 필요한 일은 이 이슈를 조직의 운영 기준으로 옮기는 것입니다.

    작게 시작한다면 한 가지 질문이면 충분합니다. 이 변화가 채용, 성과관리, 학습, 보상 중 어디의 의사결정을 실제로 바꾸는가. 그 답이 분명할수록 HR의 일은 보고서가 아니라 현장의 기준에 가까워집니다.

    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. 하지만 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. 하지만 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 먼저 봐야 할 부분은 “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.

    HR 트렌드 시리즈 함께 읽기

    이 글은 2026 HR 트렌드 시리즈의 한 편입니다. AI 도입, 책임선, 성과관리, 채용, 업스킬링, 혼합형 인력, Polywork, 직원경험을 연결해 읽으면 HR 운영모델 변화의 흐름을 더 입체적으로 볼 수 있습니다.

    HR이 다음에 봐야 할 방향

    이 글의 결론은 제도를 하나 더 만들자는 뜻이 아닙니다. 지금 필요한 일은 이 이슈를 조직의 운영 기준으로 옮기는 것입니다.

    작게 시작한다면 한 가지 질문이면 충분합니다. 이 변화가 채용, 성과관리, 학습, 보상 중 어디의 의사결정을 실제로 바꾸는가. 그 답이 분명할수록 HR의 일은 보고서가 아니라 현장의 기준에 가까워집니다.

    참고자료

    이 글은 SHRM의 2026 HR Trends, 2026 Talent Trends, 그리고 2026년 HR 트렌드 해설을 바탕으로 작성했다. 공개 자료에서 확인 가능한 수치와 문구만 본문 근거로 사용했고, 회원 전용 상세 보고서의 비공개 내용은 인용하지 않았다.

  • [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. 먼저 봐야 할 부분은 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. 그래서 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. 하지만 SHRM이 지적하듯 자동화와 알고리즘만으로 채용 문제를 해결할 수는 없다. 직무요건이 낡아 있고 평가 기준이 불명확하다면 AI는 그 모호함을 더 빠르게 반복할 뿐이다.

    그래서 채용 AI의 먼저 봐야 할 부분은 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.

    HR 트렌드 시리즈 함께 읽기

    이 글은 2026 HR 트렌드 시리즈의 한 편입니다. AI 도입, 책임선, 성과관리, 채용, 업스킬링, 혼합형 인력, Polywork, 직원경험을 연결해 읽으면 HR 운영모델 변화의 흐름을 더 입체적으로 볼 수 있습니다.

    HR이 다음에 봐야 할 방향

    이 글의 결론은 제도를 하나 더 만들자는 뜻이 아닙니다. 지금 필요한 일은 이 이슈를 조직의 운영 기준으로 옮기는 것입니다.

    작게 시작한다면 한 가지 질문이면 충분합니다. 이 변화가 채용, 성과관리, 학습, 보상 중 어디의 의사결정을 실제로 바꾸는가. 그 답이 분명할수록 HR의 일은 보고서가 아니라 현장의 기준에 가까워집니다.

    참고자료

    이 글은 SHRM의 2026 HR Trends, 2026 Talent Trends, 그리고 2026년 HR 트렌드 해설을 바탕으로 작성했다. 특히 2026 Talent Trends의 HR 전문가 응답자 표본과 공개 수치를 기사 수준 근거로 사용했다. 공개 자료에서 확인 가능한 수치와 문구만 본문 근거로 사용했고, 회원 전용 상세 보고서의 비공개 내용은 인용하지 않았다.

  • 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. 하지만 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.

    그래서 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 먼저 봐야 할 부분은 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.

    HR이 다음에 봐야 할 방향

    이 글의 결론은 제도를 하나 더 만들자는 뜻이 아닙니다. 지금 필요한 일은 이 이슈를 조직의 운영 기준으로 옮기는 것입니다.

    작게 시작한다면 한 가지 질문이면 충분합니다. 이 변화가 채용, 성과관리, 학습, 보상 중 어디의 의사결정을 실제로 바꾸는가. 그 답이 분명할수록 HR의 일은 보고서가 아니라 현장의 기준에 가까워집니다.

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