CodeSignal, 일상 업무를 통해 역량을 평가하는 Agentic Skills Intelligence 출시

기업은 누가 교육 과정을 수료했는지, AI 어시스턴트를 도입했는지, 특정 직책을 맡았는지는 알 수 있어도 그 사람이 앞으로 맡을 업무를 얼마나 잘 수행할 수 있는지는 모를 수 있습니다. CodeSignal은 직원의 업무를 평가하고, 그 결과로 얻은 역량 프로필을 개인 맞춤형 연습 및 코칭과 연결하는 새로운 서비스 Agentic Skills Intelligence로 이러한 격차를 해소하고자 합니다.

10월 28일 정식 출시를 발표한 이 플랫폼은 자기 평가나 이력서의 키워드에 의존하는 대신, 직원들이 이미 사용하는 시스템에서 수행한 업무를 전문 에이전트로 평가합니다. CodeSignal은 이를 통해 리더들이 직원들의 역량 수준을 지속적으로 파악하고, 그 과정에서 드러난 격차를 해소할 수 있도록 하는 것이 목표라고 밝혔습니다.

이번 출시는 회사의 평가 및 학습 사업을 일상 업무의 흐름으로 확장합니다. 잠재적 가치는 흔히 별개로 이뤄지는 세 가지 활동, 즉 역량을 입증하는 자료를 수집하고, 어떤 부분의 개발이 필요한지 판단하며, 직원의 역량 향상을 돕는 일을 연결하는 데 있습니다.

체계적인 역량 평가 기준에 따라 업무 평가

CodeSignal은 발표에서 Gong, Salesforce, GitHub, Cursor, Claude, ChatGPT, Workday, Greenhouse, Google Workspace 등을 에이전트가 평가할 업무의 출처가 되는 시스템으로 언급했습니다. 업무는 직장 내 행동과 성과를 연구하는 산업·조직심리학에 기반한 체계적인 평가 기준에 따라 점수가 매겨집니다.

회사는 이 절차가 직책, 성과 평가 또는 교육 과정 수료 여부를 바탕으로 역량을 추론하는 것보다 숙련도를 더 직접적으로 측정한다고 설명합니다. 직원의 업무 결과는 역량 프로필을 구성하는 근거가 되며, 새로운 업무 자료가 들어오면 프로필을 갱신할 수 있습니다.

CodeSignal은 평가 방식의 배경으로 자사 플랫폼에서 완료된 역량 평가가 2,100만 건을 넘는다고 밝혔습니다. 이는 플랫폼에서 누적된 수치이며, 새로 발표된 이 제품으로 이미 평가를 받은 직원 수를 뜻하지는 않습니다.

근거와 추론을 구분하는 것은 유용하지만, 그렇다고 판단이 불필요해지는 것은 아닙니다. 업무 사례가 실제로 평가 대상 역량을 드러내야 하며, 평가 기준도 해당 업무에 적합해야 합니다. 예를 들어 AI의 도움을 받아 우수한 결과를 냈다면 어떤 역량이 발휘됐는지 따져볼 필요가 있습니다. 처음부터 해결책을 작성하는 능력인지, 어시스턴트를 지휘하는 능력인지, 결과물을 검토하는 능력인지, 아니면 이 활동들을 효과적으로 결합하는 능력인지 살펴봐야 합니다.

따라서 평가 기준은 연결된 시스템의 수만큼이나 중요합니다. 직장 내 데이터가 늘어나면 평가 범위를 넓힐 수 있지만, 그렇다고 모든 역량이 자동으로 드러나는 것은 아니며 협업의 결과에 개인이 얼마나 기여했는지도 확인할 수 있는 것은 아닙니다.

역량 격차를 개인 맞춤형 연습과 연결

Agentic Skills Intelligence는 역량 개발을 위해 CodeSignal의 AI 튜터 Cosmo를 활용해 상황에 맞는 연습 기회를 제공합니다. 제안된 과정은 숙련도 격차를 파악하고, 직원에게 관련 연습 기회를 제공한 다음, 역량이 향상되는지 추적하는 방식입니다.

CodeSignal이 기존에 제공하는 Learn Academies는 이러한 접근 방식을 이해하는 데 참고가 됩니다. 이 프로그램은 강의, 실습, 학습 과정에 포함된 평가를 통합해 단계별 학습 과정을 제공하며, Cosmo는 학습 중 피드백을 제공합니다. 핵심은 역량을 실제로 적용하고, 그 과정에서 진척도를 확인하는 것입니다.

회사의 비즈니스 교육 과정은 프로그래밍을 넘어 고객과의 대화, 글쓰기 과제, 재무 분석 등의 활동으로 연습 범위를 넓힙니다. 이러한 폭넓은 범위는 직원 역량 개발 제품에서 중요합니다. 기술적 문제를 해결하는 것뿐 아니라 영업 제안을 연습하거나 관리자로서 판단력을 발휘하는 것도 역량 개발에 포함될 수 있기 때문입니다.

예를 들어 영업 책임자는 새 시스템을 활용해 팀이 제품을 소개하는 데 도움이 필요한 부분을 파악한 다음, 해당 직원들에게 맞춤형 연습을 제공할 수 있습니다. CodeSignal은 이를 플랫폼의 활용 사례로 제시했으며, 이번 출시와 관련해 공개된 고객 성과로 밝힌 것은 아닙니다.

직원에게 유용한 결과는 구체적인 역량 개발 경로를 제시하는 것입니다. 무엇을 개선해야 하는지 설명하고 그에 맞는 연습으로 이어질 때 점수를 실제 행동에 활용하기가 더 쉽습니다. 제품의 효과는 다양한 직무와 업무 유형에서도 이러한 연결이 얼마나 잘 이뤄지는지에 달려 있습니다.

도입률을 넘어 AI 역량 측정

CodeSignal은 AI 투자가 더 나은 업무 성과로 이어지는지 살펴보는 방법으로도 이 제품을 소개하고 있습니다. 발표에서 인용한 자사 조사에 따르면 지난 1년간 조직의 84%가 AI 소프트웨어 투자를 확대했고 79%가 AI 교육을 늘렸지만, 79%는 해당 지출의 수익을 측정하지 못했습니다. 또한 관리자 10명 중 6명은 중요한 인재 관련 결정을 직감에 의존하며, 직원의 66%는 자신의 역량을 공식적으로 평가받은 적이 없다고 보고했습니다.

이는 CodeSignal이 보고한 조사 결과입니다. 제공된 보도자료에는 설문조사의 표본 규모나 방법론이 제시되지 않았으므로, 이 수치는 모든 고용주를 포괄적으로 측정한 결과라기보다 회사가 제품의 필요성을 설명하기 위해 제시한 배경 정보로 보아야 합니다.

그럼에도 실질적인 질문은 분명하다. 어시스턴트 사용 현황을 추적하면 직원들이 도구를 도입했는지는 알 수 있지만, 그 도구를 효과적으로 사용할 수 있는지까지는 알기 어렵다. 관련 기준에 따라 업무를 평가하면 고용주가 잦은 사용과 더 높은 숙련도를 구분하는 데 도움이 될 수 있다.

이는 교육 과정 이수 건수만 세는 것보다 개발 비용을 더욱 의미 있게 책정할 근거가 될 수도 있다. 관련 기술의 향상이 측정되면 유용한 신호가 되지만, 그 향상을 사업 성과로 연결하려면 여전히 직무와 프로젝트, 그리고 성과에 영향을 미치는 다른 요인들을 고려해야 한다.

기존 업무 흐름에 역량 인사이트 통합하기

CodeSignal에 따르면 MCP 서버를 통해 팀은 원하는 AI 어시스턴트에 역량 및 직무 데이터에 관한 질문을 할 수 있다. 모델 컨텍스트 프로토콜(Model Context Protocol)은 어시스턴트를 외부 도구 및 정보에 연결하는 공통 인터페이스를 제공한다. 여기서 목표는 사용자가 평소 이용하는 어시스턴트를 벗어나지 않고도 인력 관련 인사이트를 확인할 수 있게 하는 것이다.

이번 발표에는 조직의 역량 격차 분석, 인력 계획, 채용 수요·직무·급여 범위에 관한 시장 정보도 포함된다. 이들은 서로 관련은 있지만 구별되는 정보 출처다. 외부 노동시장 동향은 회사 외부의 수요를 보여 주는 반면, 직원 프로필은 회사 내부에서 입증된 역량을 설명하기 위한 것이다.

기존 CodeSignal 역량 인텔리전스 자료에서는 벤치마킹, 다단계 분석, 역량 습득 추적을 다룬다. 이번 신규 출시에서는 업무를 지속적으로 평가하고 그 결과로 얻은 근거를 개인의 역량 개발과 연결하는 데 중점을 더했다.

인력 관련 의사결정에서 맥락이 중요한 이유

더 최신의 역량 정보를 활용하면 리더는 긴급한 프로젝트에 필요한 사내 전문 인력을 찾고, 개발이 필요한 역량을 파악하거나, 채용이 필요한 분야를 계획할 수 있다. 또한 일상적인 업무 산출물의 의미도 달라진다. 과업을 완료하기 위해 만든 자료가 직원의 숙련도를 평가하는 근거로 쓰일 수 있기 때문이다.

따라서 평가 절차를 명확히 하는 것이 중요하다. 직원과 관리자는 어떤 업무가 프로필에 반영되는지, 평가 기준이 무엇을 측정하는지, 근거가 어디에서 불충분한지 알아야 한다. 특정 과업을 접할 기회가 적었다는 사실을 수행 능력이 없다는 증거로 혼동해서는 안 되며, 자동화된 점수는 해당 업무가 수행된 맥락과 함께 고려해야 한다.

CodeSignal의 이번 출시는 평가, 업무 현장에서 얻은 근거, AI 튜터링을 더욱 긴밀한 피드백 순환 구조로 연결한다. 이를 통해 인력 개발을 더 구체적이고 유연하게 추진할 수 있다. 관건은 이 순환 구조가 유용하고 설명 가능한 역량 근거를 만들어 내고, 직원들이 실제 업무에 필요한 역량을 키우도록 돕는지 여부다.