디지털 전환(DX)의 물결은 전 세계 기업에 큰 변화를 가져오고 있습니다. 특히 인공지능(AI)의 도입은 단순한 기술적인 발전을 넘어, 조직 내 다양한 영역에서 혁신을 이끌고 있습니다. 그러나 AI는 그저 기술자나 IT 부서의 관심사로 끝나지 않습니다. 오히려 HRD 부서가 AI를 적극적으로 활용해야만 기업은 진정한 성장을 이룰 수 있습니다. 오늘은 기업 HRD에 AI 도입이 가져다줄 혁신적인 변화와 그것이 필요한 이유, 그리고 조직에 AI를 도입하기 위한 여러 방법을 소개할까 합니다.
1. AI 도입이 HRD에 필요한 이유
개인 맞춤형 학습 제공
과거에는 HRD 부서가 주로 행정 업무의 효율성을 높이는 데 AI를 활용했다면, 이제는 직원 개개인에 맞춘 교육 프로그램을 제공하는 데 AI를 사용하고 있습니다. AI는 학습자의 학습 스타일, 능력, 속도에 맞춰 최적화된 학습 경로를 제시합니다. 이를 통해 각 직원은 자신에게 가장 효과적인 방식으로 학습할 수 있으며, 학습 효율성과 몰입도가 크게 향상됩니다.
예를 들어, 한 회사에서 직원들이 새로운 소프트웨어를 배우고 있다고 가정해봅시다. 모든 직원이 같은 속도로 학습할 수 없으며, 학습 방법도 다를 수 있습니다. AI는 이를 해결해 줍니다. 예를 들어, 일부 직원은 시각적 자료를 선호하는 반면, 다른 직원은 텍스트로 된 자료를 더 선호할 수 있습니다. AI는 이러한 개별 차이를 파악해 각각에게 맞춤형 학습 자료를 제공함으로써 학습 효과를 극대화할 수 있습니다. 또한, 학습 중 어려움을 겪는 부분을 AI가 실시간으로 파악하고, 추가적인 자료나 연습 문제를 제안하여 직원들이 더 쉽게 이해할 수 있도록 돕습니다. 이러한 방식은 학습 과정의 효율성을 크게 향상시켜 결과적으로 기업의 생산성에 긍정적인 영향을 미칩니다 (Page et al., Citation2021).
성과 관리의 혁신
초기 HRD에서 AI가 주로 행정 업무의 정확성과 효율성을 높이는 데 집중했다면, 현재는 AI를 활용하여 인력에 대한 예측 분석과 개인화된 교육 프로그램까지 가능해졌습니다.
HRD 담당자라면 알고 계실 겁니다. 모든 직원이 동일한 속도로, 동일한 방식으로 학습할 수는 없다는 것을요. AI는 이런 문제를 해결할 수 있는 강력한 도구입니다. AI는 개개인의 학습 스타일, 능력, 속도에 맞춘 학습 경로를 제공할 수 있습니다. 이를 통해 직원들은 자신에게 최적화된 학습 경험을 할 수 있게 되고, 학습 효율성과 참여도가 크게 향상됩니다.
자동차 조립 라인에서 직무 순환 모델을 적용한 사례를 살펴볼까요? 제조업에서는 작업자가 동일한 작업을 반복적으로 수행할 때 발생할 수 있는 신체적 부담(근골격계 질환 등)을 줄이기 위해 직무 순환을 적용합니다. Moussavi et al.(2019)의 연구에서는 특정 자동차 조립 라인에서 각 작업자의 작업 부하를 분석하고, 이를 수학적으로 최적화하여 작업자 간에 일일 작업 부하가 균등하게 분배되도록 직무 순환을 설계했습니다. 이를 통해 작업자의 신체적 부담을 줄이고, 작업 단조로움을 해결하는 효과를 기대할 수 있게 되었습니다.
<Density visualisation>
© Balancing high operator's workload through a new job rotation approach: Application to an automotive assembly line
(Moussavi et al., 2019)
연구는 두 가지 단계를 거쳤습니다. 첫 번째로, 각 작업자의 작업 부하를 분석하는 인체공학적 평가를 통해 각 작업의 물리적 부하를 측정했습니다. 두 번째로는 혼합 정수 계획법(Mixed Integer Programming)을 사용하여 작업자들의 직무 순환을 최적화하고, 작업 부하가 고르게 분포되도록 하였습니다. 예를 들어, 작업자들이 한 작업에서 너무 많은 신체적 부담을 받지 않도록 조정하면서, 다양한 작업 간에 작업 부하가 분산되도록 설계했습니다. 아래는 직무 순환 전후 작업 부하의 차이를 시각적으로 확인할 수 있는 그래프입니다.
<Comparison of dispersion of the workload by and without job rotation>
<Workforce schedule by Group Job Rotation>
© Balancing high operator's workload through a new job rotation approach: Application to an automotive assembly line
(Moussavi et al., 2019)
직무 순환이 적용되기 전에는 작업 부하가 특정 작업자에게 집중되었지만, 직무 순환 후에는 부하가 고르게 분배되었음을 알 수 있습니다. 결과적으로, 작업자가 특정 작업에만 반복적으로 노출되어 근골격계 질환이 발생하는 위험을 줄이는 데 도움이 되었습니다.
이렇게 AI는 성과 관리에서도 실시간으로 직원들의 성과를 추적하고, 이에 대한 즉각적인 피드백을 제공하는 데 매우 유용한 도구입니다. 이를 통해 HRD 담당자는 직원의 작업 패턴, 프로젝트 진행 상황 등을 파악하고, 맞춤형 피드백을 줄 수 있습니다.
2. HRD와 HRM: AI 도입의 가능성과 한계
HRD와 HRM은 서로 밀접하게 연관된 개념입니다. HRD는 주로 직원들의 학습과 개발에 초점을 맞추지만, HRM은 이보다 더 광범위하게 인력 채용, 성과 관리, 복리후생 등을 포함합니다. 따라서 HRD에서의 AI 도입은 HRM에서도 함께 다루어질 수밖에 없습니다. Aguinis et al. (2023)의 연구는 생성형 AI, 특히 ChatGPT가 HRM 전문가들에게 전략적이거나 운영적인 업무에서 큰 도움을 줄 수 있음을 강조합니다.
예를 들어, AI는 직원 온보딩 과정에서 자주 묻는 질문에 대한 자동 응답을 제공하거나, 새로운 직원이 필요로 하는 리소스(회사 정책, 혜택, 일정 등)에 신속하게 접근할 수 있도록 돕습니다. 이렇게 반복적인 업무가 자동화되면, HRM 전문가들은 더 전략적인 문제에 집중할 시간이 생깁니다. 잘 훈련된 HRM 전문가들이 생성형 AI를 활용하면 업무량을 줄이고, 번아웃을 예방할 수 있습니다. 이로 인해 HRM 전문가들은 전략적이고 장기적인 문제 해결에 더 많은 시간을 할애할 수 있으며, 궁극적으로 기업 내에서 중요한 의사결정에 참여할 수 있는 기회를 얻게 됩니다. (Aguinis et al., 2023).
AI는 HRM의 다양한 영역에서 강력한 도구로 활용될 수 있으며, 다음과 같은 여러 방면에서 적용됩니다:
1. 직원 채용 과정에서 AI는 이력서 검토와 인터뷰 일정 조율을 자동화할 수 있습니다.
2. 성과 평가 시스템에서 AI는 각 직원의 성과 데이터를 실시간으로 분석하여, 관리자가 더 효과적인 피드백을 제공할 수 있게 돕습니다.
3. AI는 조직의 다양성 관리에서도 중요한 역할을 할 수 있습니다. ChatGPT 같은 생성형 AI는 조직 내 편견을 줄이기 위한 정책 제안에 도움을 줄 수 있습니다.
이 외에도 HRM에서의 AI 프롬프트 활용 사례 8가지는 다음과 같이 적용됩니다:
1. 구체적인 학습 목표 설정
2. 실시간 피드백 제공
3. 맞춤형 교육 콘텐츠 생성
4. 직원 성과 예측
5. 인재 평가 최적화
6. 조직 내 다양한 시나리오 예측
7. 맞춤형 온보딩 프로세스
8. 직무 관련 문제에 대한 실시간 솔루션 제시
AI는 이러한 방식으로 HRM의 운영적 효율성을 높이며, 관리자가 전략적인 결정을 내리는 데 필요한 시간을 확보할 수 있도록 도와줍니다. (Aguinis et al., 2023).
3. HRD와 AI의 미래: 사람과 기술의 조화
하지만 이러한 혜택에도 불구하고, AI가 모든 HR 업무를 완전히 대체할 수는 없습니다. AI는 반복적인 업무를 자동화할 수 있지만, 직원의 복잡한 감정적 요구를 처리하는 데에는 여전히 한계가 있습니다. 따라서 AI의 제안에 의존하기보다는, 이를 검토하고 보완하는 인간의 역할이 더욱 중요해질 것입니다.
궁극적인 의사결정은 여전히 인간의 몫입니다. 예를 들어, AI는 온보딩 과정에서 반복적인 질문에 대한 응답을 자동화할 수 있지만, 직원들의 감정적 요구를 반영하는 데는 한계가 있으며, 이는 훈련된 HRM 전문가가 처리해야 하는 영역으로 남습니다. 또한 AI는 성과 관리와 인재 평가 시스템에서 매우 유용하게 사용되지만, 직원의 실제 업무 환경이나 복잡한 인간관계를 완전히 이해하지 못할 수 있습니다. HRD 전문가들은 AI가 제공하는 데이터를 바탕으로 한 결정을 내리기 전에, 이를 검토하고 수정하는 과정을 반드시 거쳐야 합니다. AI는 실시간으로 데이터를 제공하고 분석하지만, 그 결과가 항상 최적의 결정으로 이어지지는 않을 수 있습니다.
결론적으로, HRD와 AI의 관계는 '협력'에 있습니다. AI는 성과 관리, 학습 및 개발, 인력 계획 등 HRD의 핵심 업무를 혁신할 수 있지만, 인간 중심의 접근을 유지하면서 AI를 사용하는 것이 중요합니다. 앞선 연구에서도 강조되었듯이, AI는 HRM 전문가의 번아웃을 줄이고, 더 많은 시간을 전략적 문제에 투자할 수 있게 하며, 이를 통해 기업 내 의사결정 과정에서 중요한 역할을 수행할 수 있게 합니다.
미래의 HRD는 사람과 기술이 조화를 이루는 방향으로 나아갈 것입니다. AI는 HRD의 혁신을 가져오지만, 사람의 가치를 놓치지 않는 것이 기업의 지속적인 성공을 보장하는 열쇠가 될 것입니다.
에이블런은 지금까지 축적해 온 부트캠프 및 기업 데이터 및 AI 교육을 통해 여러 전문 인재를 배출한 바 있습니다. 실무에 적용할 수 있는 디지털 전환 도입이 필요하다면 아래 링크를 통해 에이블런의 교육 프로그램을 더 알아보세요!
참고 문헌
Aguinis et al., (2023) How to use generative AI as a human resource management assistant.
Komal Khandelwal, Ashwani Kumar Upadhyay & Aaradhana Rukadikar (2024) The synergy of human resource development (HRD) and artificial intelligence (AI) in today’s workplace.
Moussavi et al., (2019) Balancing high operator's workload through a new job rotation approach: Application to an automotive assembly line.
디지털 전환(DX)의 물결은 전 세계 기업에 큰 변화를 가져오고 있습니다. 특히 인공지능(AI)의 도입은 단순한 기술적인 발전을 넘어, 조직 내 다양한 영역에서 혁신을 이끌고 있습니다. 그러나 AI는 그저 기술자나 IT 부서의 관심사로 끝나지 않습니다. 오히려 HRD 부서가 AI를 적극적으로 활용해야만 기업은 진정한 성장을 이룰 수 있습니다. 오늘은 기업 HRD에 AI 도입이 가져다줄 혁신적인 변화와 그것이 필요한 이유, 그리고 조직에 AI를 도입하기 위한 여러 방법을 소개할까 합니다.
1. AI 도입이 HRD에 필요한 이유
개인 맞춤형 학습 제공
과거에는 HRD 부서가 주로 행정 업무의 효율성을 높이는 데 AI를 활용했다면, 이제는 직원 개개인에 맞춘 교육 프로그램을 제공하는 데 AI를 사용하고 있습니다. AI는 학습자의 학습 스타일, 능력, 속도에 맞춰 최적화된 학습 경로를 제시합니다. 이를 통해 각 직원은 자신에게 가장 효과적인 방식으로 학습할 수 있으며, 학습 효율성과 몰입도가 크게 향상됩니다.
예를 들어, 한 회사에서 직원들이 새로운 소프트웨어를 배우고 있다고 가정해봅시다. 모든 직원이 같은 속도로 학습할 수 없으며, 학습 방법도 다를 수 있습니다. AI는 이를 해결해 줍니다. 예를 들어, 일부 직원은 시각적 자료를 선호하는 반면, 다른 직원은 텍스트로 된 자료를 더 선호할 수 있습니다. AI는 이러한 개별 차이를 파악해 각각에게 맞춤형 학습 자료를 제공함으로써 학습 효과를 극대화할 수 있습니다. 또한, 학습 중 어려움을 겪는 부분을 AI가 실시간으로 파악하고, 추가적인 자료나 연습 문제를 제안하여 직원들이 더 쉽게 이해할 수 있도록 돕습니다. 이러한 방식은 학습 과정의 효율성을 크게 향상시켜 결과적으로 기업의 생산성에 긍정적인 영향을 미칩니다 (Page et al., Citation2021).
성과 관리의 혁신
초기 HRD에서 AI가 주로 행정 업무의 정확성과 효율성을 높이는 데 집중했다면, 현재는 AI를 활용하여 인력에 대한 예측 분석과 개인화된 교육 프로그램까지 가능해졌습니다.
HRD 담당자라면 알고 계실 겁니다. 모든 직원이 동일한 속도로, 동일한 방식으로 학습할 수는 없다는 것을요. AI는 이런 문제를 해결할 수 있는 강력한 도구입니다. AI는 개개인의 학습 스타일, 능력, 속도에 맞춘 학습 경로를 제공할 수 있습니다. 이를 통해 직원들은 자신에게 최적화된 학습 경험을 할 수 있게 되고, 학습 효율성과 참여도가 크게 향상됩니다.
자동차 조립 라인에서 직무 순환 모델을 적용한 사례를 살펴볼까요? 제조업에서는 작업자가 동일한 작업을 반복적으로 수행할 때 발생할 수 있는 신체적 부담(근골격계 질환 등)을 줄이기 위해 직무 순환을 적용합니다. Moussavi et al.(2019)의 연구에서는 특정 자동차 조립 라인에서 각 작업자의 작업 부하를 분석하고, 이를 수학적으로 최적화하여 작업자 간에 일일 작업 부하가 균등하게 분배되도록 직무 순환을 설계했습니다. 이를 통해 작업자의 신체적 부담을 줄이고, 작업 단조로움을 해결하는 효과를 기대할 수 있게 되었습니다.
<Density visualisation>
© Balancing high operator's workload through a new job rotation approach: Application to an automotive assembly line
(Moussavi et al., 2019)
연구는 두 가지 단계를 거쳤습니다. 첫 번째로, 각 작업자의 작업 부하를 분석하는 인체공학적 평가를 통해 각 작업의 물리적 부하를 측정했습니다. 두 번째로는 혼합 정수 계획법(Mixed Integer Programming)을 사용하여 작업자들의 직무 순환을 최적화하고, 작업 부하가 고르게 분포되도록 하였습니다. 예를 들어, 작업자들이 한 작업에서 너무 많은 신체적 부담을 받지 않도록 조정하면서, 다양한 작업 간에 작업 부하가 분산되도록 설계했습니다. 아래는 직무 순환 전후 작업 부하의 차이를 시각적으로 확인할 수 있는 그래프입니다.
<Comparison of dispersion of the workload by and without job rotation>
<Workforce schedule by Group Job Rotation>
© Balancing high operator's workload through a new job rotation approach: Application to an automotive assembly line
(Moussavi et al., 2019)
직무 순환이 적용되기 전에는 작업 부하가 특정 작업자에게 집중되었지만, 직무 순환 후에는 부하가 고르게 분배되었음을 알 수 있습니다. 결과적으로, 작업자가 특정 작업에만 반복적으로 노출되어 근골격계 질환이 발생하는 위험을 줄이는 데 도움이 되었습니다.
이렇게 AI는 성과 관리에서도 실시간으로 직원들의 성과를 추적하고, 이에 대한 즉각적인 피드백을 제공하는 데 매우 유용한 도구입니다. 이를 통해 HRD 담당자는 직원의 작업 패턴, 프로젝트 진행 상황 등을 파악하고, 맞춤형 피드백을 줄 수 있습니다.
2. HRD와 HRM: AI 도입의 가능성과 한계
HRD와 HRM은 서로 밀접하게 연관된 개념입니다. HRD는 주로 직원들의 학습과 개발에 초점을 맞추지만, HRM은 이보다 더 광범위하게 인력 채용, 성과 관리, 복리후생 등을 포함합니다. 따라서 HRD에서의 AI 도입은 HRM에서도 함께 다루어질 수밖에 없습니다. Aguinis et al. (2023)의 연구는 생성형 AI, 특히 ChatGPT가 HRM 전문가들에게 전략적이거나 운영적인 업무에서 큰 도움을 줄 수 있음을 강조합니다.
예를 들어, AI는 직원 온보딩 과정에서 자주 묻는 질문에 대한 자동 응답을 제공하거나, 새로운 직원이 필요로 하는 리소스(회사 정책, 혜택, 일정 등)에 신속하게 접근할 수 있도록 돕습니다. 이렇게 반복적인 업무가 자동화되면, HRM 전문가들은 더 전략적인 문제에 집중할 시간이 생깁니다. 잘 훈련된 HRM 전문가들이 생성형 AI를 활용하면 업무량을 줄이고, 번아웃을 예방할 수 있습니다. 이로 인해 HRM 전문가들은 전략적이고 장기적인 문제 해결에 더 많은 시간을 할애할 수 있으며, 궁극적으로 기업 내에서 중요한 의사결정에 참여할 수 있는 기회를 얻게 됩니다. (Aguinis et al., 2023).
AI는 HRM의 다양한 영역에서 강력한 도구로 활용될 수 있으며, 다음과 같은 여러 방면에서 적용됩니다:
1. 직원 채용 과정에서 AI는 이력서 검토와 인터뷰 일정 조율을 자동화할 수 있습니다.
2. 성과 평가 시스템에서 AI는 각 직원의 성과 데이터를 실시간으로 분석하여, 관리자가 더 효과적인 피드백을 제공할 수 있게 돕습니다.
3. AI는 조직의 다양성 관리에서도 중요한 역할을 할 수 있습니다. ChatGPT 같은 생성형 AI는 조직 내 편견을 줄이기 위한 정책 제안에 도움을 줄 수 있습니다.
이 외에도 HRM에서의 AI 프롬프트 활용 사례 8가지는 다음과 같이 적용됩니다:
1. 구체적인 학습 목표 설정
2. 실시간 피드백 제공
3. 맞춤형 교육 콘텐츠 생성
4. 직원 성과 예측
5. 인재 평가 최적화
6. 조직 내 다양한 시나리오 예측
7. 맞춤형 온보딩 프로세스
8. 직무 관련 문제에 대한 실시간 솔루션 제시
AI는 이러한 방식으로 HRM의 운영적 효율성을 높이며, 관리자가 전략적인 결정을 내리는 데 필요한 시간을 확보할 수 있도록 도와줍니다. (Aguinis et al., 2023).
3. HRD와 AI의 미래: 사람과 기술의 조화
하지만 이러한 혜택에도 불구하고, AI가 모든 HR 업무를 완전히 대체할 수는 없습니다. AI는 반복적인 업무를 자동화할 수 있지만, 직원의 복잡한 감정적 요구를 처리하는 데에는 여전히 한계가 있습니다. 따라서 AI의 제안에 의존하기보다는, 이를 검토하고 보완하는 인간의 역할이 더욱 중요해질 것입니다.
궁극적인 의사결정은 여전히 인간의 몫입니다. 예를 들어, AI는 온보딩 과정에서 반복적인 질문에 대한 응답을 자동화할 수 있지만, 직원들의 감정적 요구를 반영하는 데는 한계가 있으며, 이는 훈련된 HRM 전문가가 처리해야 하는 영역으로 남습니다. 또한 AI는 성과 관리와 인재 평가 시스템에서 매우 유용하게 사용되지만, 직원의 실제 업무 환경이나 복잡한 인간관계를 완전히 이해하지 못할 수 있습니다. HRD 전문가들은 AI가 제공하는 데이터를 바탕으로 한 결정을 내리기 전에, 이를 검토하고 수정하는 과정을 반드시 거쳐야 합니다. AI는 실시간으로 데이터를 제공하고 분석하지만, 그 결과가 항상 최적의 결정으로 이어지지는 않을 수 있습니다.
결론적으로, HRD와 AI의 관계는 '협력'에 있습니다. AI는 성과 관리, 학습 및 개발, 인력 계획 등 HRD의 핵심 업무를 혁신할 수 있지만, 인간 중심의 접근을 유지하면서 AI를 사용하는 것이 중요합니다. 앞선 연구에서도 강조되었듯이, AI는 HRM 전문가의 번아웃을 줄이고, 더 많은 시간을 전략적 문제에 투자할 수 있게 하며, 이를 통해 기업 내 의사결정 과정에서 중요한 역할을 수행할 수 있게 합니다.
미래의 HRD는 사람과 기술이 조화를 이루는 방향으로 나아갈 것입니다. AI는 HRD의 혁신을 가져오지만, 사람의 가치를 놓치지 않는 것이 기업의 지속적인 성공을 보장하는 열쇠가 될 것입니다.
에이블런은 지금까지 축적해 온 부트캠프 및 기업 데이터 및 AI 교육을 통해 여러 전문 인재를 배출한 바 있습니다. 실무에 적용할 수 있는 디지털 전환 도입이 필요하다면 아래 링크를 통해 에이블런의 교육 프로그램을 더 알아보세요!
Aguinis et al., (2023) How to use generative AI as a human resource management assistant.
Komal Khandelwal, Ashwani Kumar Upadhyay & Aaradhana Rukadikar (2024) The synergy of human resource development (HRD) and artificial intelligence (AI) in today’s workplace.
Moussavi et al., (2019) Balancing high operator's workload through a new job rotation approach: Application to an automotive assembly line.