사상 리더

실험에서 실행으로: AI가 인사·급여 업무의 수준을 높이는 방법

Wesley Bryan
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트HR AI는 민감한 직원 데이터를 보호하기 위해 HIPAA 규정을 준수하는 안전한 플랫폼이 필요합니다.
더 보기
  • HR AI는 민감한 직원 데이터를 보호하기 위해 HIPAA 규정을 준수하는 안전한 플랫폼이 필요합니다.
  • 인간의 감독은 AI 분석을 검증하고 급여 정확성을 보장하기 위해 여전히 필수적입니다.
  • AI는 복잡한 복리후생 계획 문서를 해석함으로써 혜택 관리와 같은 HR 업무를 효율화할 수 있습니다.

AI는 지난 몇 년 동안 기업의 기술 관련 논의에서 중심을 차지해 왔다. 생산성과 효율성을 높일 수 있다는 약속이 실제로 업무를 크게 바꿀 가능성이 있기 때문이다. 그러나 맥킨지 보고서는 기업의 AI 활용 현황을 조사한 결과, 거의 모든 응답자가 어떤 형태로든 AI 도구를 사용하지만 대부분은 여전히 실험 단계에 머물러 있다고 밝혔다.

조사 대상 기업의 거의 3분의 2는 아직 기술을 조직 전체로 확대하고 가치를 창출하는 방식으로 실행하지 못했다. 기술 자체도 빠르게 발전한다. AI는 계속 움직이는 목표물이어서, AI에 대한 기대를 측정 가능한 성과로 전환하려는 기업 리더에게 또 다른 과제를 안긴다.

인사와 급여 업무는 실험에서 실행으로 넘어가는 과정의 시험대가 되고 있다. 이 중요한 시점에 인사 리더가 직면한 과제, 사람의 감독이 계속 핵심 성공 요인이 되는 이유, 기업에 가장 긍정적인 영향을 주는 방향으로 나아가는 방법을 살펴본다.

인사·급여 업무에 AI를 적용할 때의 고유한 과제

이론적으로 인사와 급여는 AI를 적용하기에 이상적인 분야다. 정확성과 효율성이 필요한 대량의 데이터 집약적 업무가 많기 때문이다. 그러나 직원의 건강, 업무 성과, 급여 정보는 특히 민감한 데이터다.

이런 상황에서 인사·급여 업무에 AI를 도입하려는 리더는 두 가지 주요 과제에 직면한다. 첫째는 데이터 보안이다. 개인 식별 정보(PII)를 보안이 확보되지 않은 공개 AI 환경에 입력하는 것은 도저히 감수할 수 없는 위험이다.

인사·급여용 AI 기능은 안전하고 HIPAA를 준수하는 환경에서 실행되어야 하며, 공개 ChatGPT 환경에서 실행되어서는 안 된다. 이것이 첫 번째 안전장치이며, 타협할 수 없는 조건이다.

둘째는 기술을 어떻게 적용할지 결정하는 일이다. AI 도구는 비교 분석을 수행하거나 급여 처리 과정에서 이상을 찾아내는 등 노동 집약적 업무에 유용하지만, 성공의 핵심은 데이터의 정확성이다. 인사와 급여는 직원에게 직접 영향을 미치므로 오류가 허용될 여지가 없다. 인사 업무에서는 99%를 맞혀도 F학점이다.

따라서 인사 리더가 인사·급여 업무에 AI를 효과적으로 적용하려면 해당 플랫폼에 특화된 전문성과 거버넌스에 집중해야 한다. AI의 일반 이론을 아는 것만으로는 부족하다. 또한 공개 인터넷 정보뿐 아니라 조직 자체의 데이터에서 학습할 수 있는 AI 도구를 제공하는 플랫폼을 선택하는 것이 중요하다.

사람의 감독은 핵심 성공 요인

인사·급여 분야에서 AI가 측정 가능한 성과를 낼 수 있음이 입증되면서, 효과적인 AI 전략에는 거버넌스와 데이터 무결성뿐 아니라 핵심 성공 요인인 사람의 감독도 포함되어야 한다는 점이 더욱 분명해지고 있다.

가장 좋은 접근법은 조직 자체의 데이터를 활용하는 실제 업무 흐름에 AI를 통합하고, 사람이 AI의 분석을 검증하는 것이다. 이렇게 하면 AI를 온라인에서 공개 데이터를 가져오는 독립형 도구로만 사용하는 흔한 함정을 피할 수 있다. 그런 방식이 위험한 이유는 AI를 가장 열렬히 지지하는 사람들조차 인정하듯이 AI가 100% 정확하지 않으며, 위험을 최소화하는 안전장치로서 검토가 필요하기 때문이다.

급여 구간을 정하는 과정은 사람의 세심한 감독이 필요한 인사 업무의 좋은 예다. 기업은 우수한 지원자를 유치하기 위해 경쟁력 있는 급여 구간을 마련해야 하며, 여러 주에서는 급여 투명성 법률이 시행되고 있다. 인사팀이 정확한 데이터를 바탕으로 판단하도록 하는 것이 중요하다.

급여 구간을 최적화할 때는 지역에 대한 고려 등 여러 요소가 작용한다. 예를 들어 공개 데이터에 접근하는 ChatGPT 형태의 플랫폼에 의존하는 인사팀이 플로리다주 올랜도의 급여 구간을 정하면서 자신도 모르게 뉴욕시의 데이터를 사용한다면 불리한 상황에 놓이게 된다.

인사팀이 강력한 거버넌스 통제를 갖추고 조직 자체의 데이터를 분석하는 HIPAA 준수 플랫폼을 이용하면 실제 성과를 입증하기 시작할 수 있다. 그래도 사람의 역할은 여전히 중요하다. 인사·급여 업무에서 정확성은 선택 사항이 아니기 때문이다. 따라서 AI에 어떤 역할을 맡기는지가 중요하다.

인사 리더는 AI에 급여 구간을 정하거나 세율을 파악하도록 요청하기보다, 사람이 확인할 분석을 수행하게 하고 사람이 이후 실행할 다른 작업을 만들게 해야 한다. 예를 들어 AI는 세금을 제때 납부하도록 알림을 만들고, 인터넷이 아니라 시스템의 데이터를 바탕으로 사용자에게 보고서를 제공할 수 있다.

가치를 창출하도록 AI 도입하기

AI의 특별한 점 중 하나는 놀라울 정도로 빠르게 발전한다는 것이다. 계속 학습하고 역량을 확장하므로 AI를 어디에 어떻게 도입할지 결정하는 일은 언제나 움직이는 목표를 겨냥하는 것과 같다.

인사 리더가 고려할 수 있는 전략은 시간이 가장 많이 드는 업무 세 가지에서 다섯 가지를 골라 AI로 어떻게 효율화할지 판단하는 것이다. 업무 흐름에 통합되어 작업을 완료하는 에이전트형 AI부터 데이터 분석을 수행하는 대규모 언어 모델(LLM)까지, 이미 여러 형태의 지원이 가능하다.

예를 들어 소프트웨어 기업들은 직원 복리후생 관리를 크게 간소화하기 위해 AI를 활용하기 시작했다. AI는 내용이 방대하고 복잡한 복리후생 제도 문서와 인사정보시스템(HRIS)에 필요한 고도로 구조화된 설정 규칙 사이에서 지능형 번역기 역할을 한다. 고급 자연어 처리(NLP)를 통해 복잡한 법률 계약서나 복리후생 요약서를 읽고, 자격 기준, 보장 수준, 자기부담금, 납입 한도 등 핵심 정보를 자동으로 추출할 수 있다. 그런 다음 이 변수들을 인사 소프트웨어가 이해하는 특정 디지털 형식과 논리에 직접 매핑하고 변환한다. 이러한 자동화는 지루하고 오류가 발생하기 쉬웠던 수작업 데이터 입력 과정을 바꾸어, 인사 부서가 연례 제도 변경, 규정 준수 규칙 갱신, 완전히 새로운 복리후생 제도 도입을 전례 없는 속도와 정확성, 편리함으로 처리할 수 있게 한다.

이는 인사·급여 리더가 실험에서 실행으로 넘어갈 때 AI 기능에 관해 알아야 할 근본적인 사실을 보여준다. 자율 에이전트 간 대화 같은 흥미로운 가능성이 다가오고 있으며, 이는 판도를 바꿀 것이다. 그러나 최종 결정을 내려야 하는 주체는 사람인 리더다.

인사 리더가 거버넌스를 중심에 두고 데이터 무결성을 보장하며 사람의 감독을 필수 요소로 포함하는 시스템을 구축하면, 업무 흐름에 통합된 AI가 업무 부담을 맡을 수 있다. 그러나 책임은 사람에게 남는다. 인사·급여 업무의 수준을 높이기 위해 AI를 활용하는 리더라면 그렇게 해야 한다.

웨슬리 브라이언은 베리타스 프라임의 BPaaS 서비스 사장으로, AI를 활용한 SaaS 플랫폼, 클라우드 전환, 글로벌 시장의 기업 제품 혁신을 이끌면서 수십 년간의 경험을 가지고 있습니다.