확장된 인력 데이터에 AI를 적용하여 노동 문제 극복

오늘날 노동 시장은 유연성을 요구합니다. 실업률은 낮고, 근로자들은 정규직에서 더 많은 것을 원하며, 기업들은 필요에 맞는 자격을 갖춘 지원자를 찾는 데 어려움을 겪습니다. 고용주가 이러한 과제를 극복하는 방법 중 하나는 프리랜서, 임시직, 긱 스태프, 그리고 벤더 공급 인력 등 확장된 인력을 활용하는 것입니다. 하지만 이러한 데이터는 여러 시스템에 분산되어 있어 다른 고용 데이터와 함께 관리하기가 어려운 경우가 많습니다.

여기에 AI의 복잡성이 더해집니다. 한편으로는 인력 데이터에 AI 적용 HR 분야에서 경쟁력을 유지하는 데 도움이 될 수 있습니다. 채용을 더 빠르게 진행하고 더 나은 직원 경험을 제공함으로써 말이죠. 하지만 비정규직을 포함한 모든 인력 데이터를 한곳에 모으지 못하는 것은 HR 관련 AI 이니셔티브를 실현하는 것을 훨씬 더 어렵게 만듭니다.

비용을 절감하는 동시에 역할을 신속하게 채워야 한다는 압력이 커짐에 따라, 조직이 AI를 통해 정규직과 연장 근무자 모두에서 적합한 인력으로 역할을 채우는 데 도움이 될 수 있도록 인력 데이터를 적절히 준비하는 방법을 알아볼 가치가 있습니다.

현재 노동 시장

지금은 기업들이 인력을 구하는 데 특히 어려운 시기입니다. 그 이유 중 하나는 역사상 최저 실업률 때문입니다. 2025년 XNUMX월 기준으로 실업률은 4.1%지난 몇 년간의 추세를 이어가고 있습니다. 대부분의 근로자가 이미 직무를 수행하고 있기 때문에 선택할 수 있는 사람이 줄어들고 있습니다. 조직의 약 4분의 3이 (74%)은 자신의 역할을 채울 숙련된 근로자를 찾는 데 어려움을 겪고 있다고 보고했습니다.

흥미로운 점은 많은 근로자들이 있지만, 많은 직원들이 이제 정규직을 구하지 않는 계약직으로 일하고 있다는 것입니다. 미국의 연장 근로 인구는 72.7 만 약 ~에서 170 만 미국 전체 근로자(약 42%) 중 상당수가 정규직 독립 계약자(거의 40%)이며, 거의 80%가 밀레니얼 세대 또는 Z세대입니다.

비정규직 근로자가 제대로 활용되지 않는 이유

비정규직 근로자가 이제 전체 인력의 중요한 부분을 차지하며 정규직 근로자와 함께 신중하게 고려해야 한다는 것은 분명합니다. 하지만 시스템 간의 단절로 인해 기업들은 비정규직을 제대로 활용하지 못하고 있으며, 특히 HR 관련 AI 이니셔티브에 계약직 근로자가 전혀 포함되지 않은 상황에서 더욱 그렇습니다.

AI가 계약직 및 정규직을 포함하여 사용 가능한 인력을 완전히 계산하려면 다음 데이터를 포함해야 합니다. 공급업체 관리 시스템 (VMS)와 재무 및 조달 시스템까지 포함됩니다. 이 모든 데이터를 하나의 VMS에 통합하고 동일한 방식으로 라벨을 지정하면 AI 도구가 채용 가능한 인력을 전체적으로 파악하는 데 도움이 됩니다.

AI가 확장된 인력 데이터를 활용하는 데 도움이 될 수 있는 방법

AI 이니셔티브를 위해 인력 데이터를 결합하면 신규 인력으로 직무를 채우는 데 분명 도움이 될 수 있습니다. 또한 후보자에 대한 편견을 줄이는 데에도 도움이 될 수 있습니다. 비전통적인 (많은 비정규직 근로자의 경우) 근무 이력을 파악하는 것이 중요합니다. 이는 채용 과정에서 차별이 드러나는 것을 방지하는 데 매우 중요합니다.

많은 기업이 비용 문제로 인해 새로운 공급업체 관리 시스템이나 HR 관련 AI 이니셔티브에 투자하는 것을 주저할 수 있지만, 실제로는 계약직 직원에 대한 과다 지출을 억제하는 데 도움이 될 수 있습니다. 전문 서비스(계약직 직원 포함)가 점점 더 중요해지고 있습니다. 45%에서 65% 사이라고 안내하고 있다. 조직의 총 비직원 지출 중 이는 제대로 관리하지 않으면 빠르게 통제 불능 상태가 될 수 있는 비용입니다. 인력 데이터에 AI를 활용하면 어떤 계약업체나 조직에 과도한 지출이 발생하고 있는지 더 쉽게 파악하고 그에 따라 조정할 수 있습니다.

궁극적으로, 확장된 인력에 AI를 활용하는 것은 공석 감소, 일상적인 HR 활동의 효율성 증가, 편견 방지 규정 준수 강화, 임시 근로자 활용 최적화를 통한 비용 절감 등의 형태로 이익을 낼 수 있는 투자입니다.

수집된 인력 데이터에 AI를 구현하는 방법

데이터 수집이 완료되면 이제 작업을 시작할 차례입니다. AI 도구는 지원자를 선별하고, 이력서를 검토하고, 데이터베이스의 기타 관련 정보를 분석할 수 있습니다. 제대로 작동한다면 AI는 정규직 및 연장 근무자 데이터를 사람보다 훨씬 빠르게 분석하여 실행 가능한 인사이트를 훨씬 더 빠르게 도출할 수 있습니다.

결과는 입력하는 데이터의 품질과 지시 사항을 얼마나 명확하게 전달하느냐에 따라 달라진다는 점을 기억하세요. AI는 인력 계획 및 관리 분야의 "인턴"처럼 여겨져야 하므로, 인내심과 훈련이 필요합니다. 요구 사항을 매우 구체적으로 제시하고, 현재 진행 중인 작업에 대한 비즈니스 맥락을 제공해야 합니다. 예를 들면 다음과 같습니다.

• [직책]에 대한 채용을 진행합니다. 채용 공고에 포함되어야 할 핵심 기술 10가지를 나열해 주세요.
• [대상 고객]에게 더욱 환영받는 내용으로 이 구인 광고를 변경해 주시기 바랍니다.
• 이 지역의 이 직무에 대한 시장 가격을 분석합니다.

이러한 통찰력을 바탕으로 여러 시장에 일자리를 신속하게 게시하고, 후보자와 대화하고, 급여를 협상할 수 있으며, 이 모든 작업을 시간과 비용을 절약하고 규정 준수 위험을 줄일 수 있습니다.

상황이 기억하기

장기 근무 인력에 AI를 활용할 때, 데이터를 확보하기 위해 더 많은 비용을 지출할 필요는 없습니다. 중요한 것은 이미 보유하고 있는 데이터를 최대한 활용하는 것입니다. 예를 들어, 현재 계약직이나 전직 직원 등 임시직 인력이 충분히 있을 가능성이 높습니다. 하지만 현재 업무 요구를 충족하기 위해 그 데이터를 최대한 활용하지 못하고 있을 수도 있습니다.

AI는 편향을 줄이는 데 도움이 되므로 규정 준수가 중요합니다. 하지만 AI 자체로 편향이 발생할 수 있으므로, 결과 검증 과정에 인간을 포함시키는 것이 중요합니다. 또한, 공용 AI 도구가 공유 데이터를 외부에 노출할 수 있으므로, 직원 데이터를 외부에 노출시키지 않도록 내부 도구에 안전하게 연결하는 것도 중요합니다.

ChatGPT나 Microsoft Copilot과 같은 인기 AI 도구의 비공개 버전은 이러한 위험을 완화하는 데 도움이 될 수 있지만, 실제로 데이터를 연결하는 문제도 있습니다. 이미 AI가 내장된 VMS는 임시직 및 정규직 인력 데이터를 수집하고 AI의 잠재력을 실현할 수 있는 도구로 가져오는 데 드는 비용과 시간을 극대화할 수 있습니다.

궁극적으로 AI의 목표는 업무에 투입되는 인간적인 요소를 대체하는 것이 아니라, 업무 효율성을 높이는 것입니다. 비효율성과 오류를 줄이는 것이 목표입니다. 강력한 AI 정책, 신중한 데이터 통합, 그리고 적절한 교육을 통해 AI를 활용하여 비용을 절감하고, 적합한 인재를 채용하고, 정규직 및 비정규직 인력을 확보하여 인력 공백을 메울 수 있습니다. 이 모든 것을 통해 전략적 우선순위에 집중하고 자신에게 가장 의미 있는 업무를 수행할 수 있는 시간을 확보할 수 있습니다.

AI 없이는 고용주들에게 어려운 시장에서 이미 AI를 활용하여 일자리를 채우고 있는 경쟁자들을 따라잡을 방법이 없습니다. 시간이 매우 중요합니다. 일찍 시작할수록 기술과 고용 격차는 곧 과거의 일이 될 것입니다.