업무를 대신하는 기술이 아니라 판단의 질을 높이는 파트너로 AI를 다루는 법
AI가 채용 공고를 쓰고, 이력서를 요약하고, 교육 콘텐츠까지 추천하는 장면은 더 이상 특별하지 않습니다. 그래서 인사담당자의 일이 줄어들 것이라는 전망도 자주 나옵니다. 그러나 자동화되는 것은 대체로 반복 작업의 일부입니다. 어떤 문제를 풀 것인지 정하고, 결과가 조직의 가치와 제도에 맞는지 판단하며, 구성원에게 그 결정을 설명하는 책임은 오히려 커집니다. 역할의 중심이 ‘처리’에서 ‘설계와 책임’으로 옮겨가는 셈입니다.
운영자는 줄고 문제 설계자는 중요해집니다
과거에는 지원자 명단을 정리하고 면접 일정을 맞추는 능력이 채용 운영의 큰 비중을 차지했습니다. 이제 도구가 일정 조정과 문서 요약을 빠르게 처리할 수 있습니다. 그만큼 인사담당자는 현업이 말하는 ‘좋은 사람’이 어떤 성과를 내는 사람인지 구체화하고, 선발 기준이 실제 직무와 연결되는지 확인해야 합니다. 모호한 요청을 명확한 평가 항목으로 바꾸는 힘은 자동화하기 어렵습니다.
보상과 평가에서도 마찬가지입니다. AI는 과거 데이터를 바탕으로 이상 패턴이나 비교 대상을 보여줄 수 있지만, 조직이 감수할 수 있는 격차와 이번 해의 전략적 우선순위를 정하지는 못합니다. 데이터가 내놓은 답을 받아 적는 대신 어떤 가정으로 계산됐는지 묻고, 누락된 집단이나 예외 상황을 찾는 일이 새로운 기본기가 됩니다.
AI 시대의 인사 전문성은 답을 빨리 얻는 능력보다, 틀린 질문과 위험한 답을 알아보는 능력에 가깝습니다.
데이터 번역가 역할이 커집니다
인사 데이터는 매출 데이터처럼 결과가 즉시 드러나지 않습니다. 퇴사율이 낮아졌다고 반드시 건강한 조직은 아니고, 교육 참여율이 높다고 역량이 향상됐다고 말하기도 어렵습니다. 인사담당자는 숫자를 사업 언어로 번역해야 합니다. 특정 팀의 이탈 증가가 고객 대응 지연과 연결되는지, 채용 소요 기간이 길어진 원인이 승인 구조인지 후보자 부족인지 구분해야 합니다.
번역에는 맥락이 필요합니다. 대시보드에서 평균값만 보면 근속 기간이나 직군별 차이가 가려질 수 있습니다. 전체 추세를 보고, 세부 집단으로 나누고, 현장 인터뷰로 이유를 확인하는 세 단계를 함께 써야 합니다. AI 분석이 상관관계를 제시해도 인사팀이 곧바로 원인으로 단정하지 않는 태도가 중요합니다. 데이터는 대화를 시작하는 근거이지 사람을 낙인찍는 판결문이 아닙니다.
사람과 기계의 결정 경계를 정해야 합니다
가장 먼저 정할 것은 ‘AI를 어디에 쓸까’가 아니라 ‘AI가 어디까지 결정해도 되는가’입니다. 일정 추천이나 문서 형식 검사는 자동 실행에 가깝게 둘 수 있지만, 채용 탈락·승진·징계처럼 개인의 기회에 영향을 주는 판단은 사람이 근거를 검토하고 책임져야 합니다. 위험도가 높은 업무일수록 입력 데이터, 모델 결과, 최종 판단, 수정 이유를 남기는 구조가 필요합니다.
구성원에게도 사용 사실과 이의 제기 방법을 이해하기 쉽게 알려야 합니다. 복잡한 기술 설명보다 어떤 데이터가 쓰였고 결과가 어떤 용도로 활용되는지, 오류가 의심될 때 누구에게 말할 수 있는지가 중요합니다. 이 절차가 있어야 AI 활용이 효율화라는 명분 아래 불투명한 감시로 변하는 일을 막을 수 있습니다.
관계와 대화의 질은 더 희소한 역량이 됩니다
면담 기록을 요약하는 도구가 있어도 어려운 피드백을 전하는 순간은 사라지지 않습니다. 갈등에는 문서에 적히지 않은 기대와 감정, 권력 관계가 존재합니다. 인사담당자는 리더가 불편한 대화를 미루지 않도록 질문을 설계하고, 당사자가 충분히 말할 수 있는 절차를 만들며, 합의된 행동을 추적해야 합니다. 기술이 시간을 절약할수록 그 시간을 이런 고난도 관계 업무에 배분해야 합니다.
또한 AI 활용 격차가 새로운 조직 격차가 되지 않도록 살펴야 합니다. 일부 직군만 좋은 도구와 교육을 얻거나, 개인이 자비로 익힌 활용법이 성과 차이로 굳어지면 공정성 논란이 생깁니다. 직무별 기본 사용 역량을 정의하고, 안전한 실습 환경과 공통 가이드를 제공하며, 좋은 사례를 공개 자산으로 축적하는 운영이 필요합니다.
지금 준비할 세 가지 업무 습관
첫째, 반복 업무 하나를 골라 전후 시간을 기록해 자동화 효과를 검증합니다. 둘째, AI가 만든 결과에는 출처·오류·편향을 확인하는 짧은 검토 항목을 붙입니다. 셋째, 중요한 의사결정에는 사람이 개입한 지점과 수정 이유를 남깁니다. 거대한 전환 계획보다 이 세 가지 습관이 실제 조직의 신뢰를 지킵니다. 도구를 바꿔도 유지되는 운영 원칙이기 때문입니다.
인사담당자는 AI의 사용자가 아니라, 조직이 AI를 책임 있게 사용하도록 만드는 설계자입니다.
결국 역할의 변화는 직무 소멸보다 직무의 고도화에 가깝습니다. 행정 처리 비중은 줄고 사업 이해, 데이터 해석, 제도 설계, 윤리적 판단, 대화 촉진의 비중이 커집니다. 모든 인사담당자가 개발자가 될 필요는 없습니다. 다만 도구의 한계를 질문하고 현장의 맥락을 연결하며 결과에 책임지는 능력은 더 이상 선택이 아닙니다. AI가 잘하는 일을 넘겨주고, 사람만이 책임질 수 있는 일을 더 잘하는 것이 변화의 핵심입니다.