노동력 도전을 극복하기 위해 확장된 인력 데이터에 AI를 적용하는 방법

오늘날의 노동 시장은 유연성을 요구한다. 실업률은 낮고, 직원들은 전임 역할에서 더 많은 것을 원하며, 기업들은 자신의 필요에 맞는 자격을 갖춘 후보자를 찾는 데 어려움을 겪고 있다. 이러한 도전을 극복하기 위한 방법 중 하나는 프리랜서, 임시 근로자, 기그 직원 및 벤더 공급 인력을 포함하는 확장된 인력에 접근하는 것이다. 그러나 이러한 데이터는 다양한 시스템에 분산되어 있기 때문에 다른 고용 데이터와 함께 관리하기 어렵다.

이러한 상황에 더해지는 것은 AI의 복잡성이다. 한편으로, 인력 데이터에 AI를 적용하면 인사 부문에서 경쟁력을 유지하고 역할을 빠르게 채우고 직원 경험을 개선하는 데 도움이 될 수 있다. 그러나 모든 인력 데이터를 하나의 시스템에 집중시키지 못하는 것은 인사 부문에서 AI를 사용하기 어렵게 만든다.

역할을 빠르게 채우고 비용을 낮추는 압력이 증가함에 따라, 인력 데이터를 준비하여 AI가 전임 및 확장된 인력에서 올바른 근로자를 찾는 데 도움이 될 수 있는 방법을 탐구하는 것이 가치 있다.

현재 노동 시장

현재는 역사적으로 낮은 실업률로 인해 기업들이 인력을 찾는 데 어려움을 겪고 있는 시기이다. 2025년 6월 현재, 실업률은 4.1%로, 최근 몇 년간의 추세를 이어갔다. 대부분의 근로자가 이미 일자리를 가지고 있기 때문에 선택할 수 있는 사람이 적다. 약 3/4의 조직(74%)이 역할을 채우기 위해熟练한 근로자를 찾는 데 어려움을 겪고 있다.

흥미로운 점은 많은 근로자가 있지만, 많은 직원이 지금은 계약자로 일하고 있으며, 전임 근로를 찾고 있지 않다. 미국의 확장된 인력은 약 72.7 백만 명으로, 약 170 백만 명의 미국 총 근로자 중 약 42%이다. 이러한 독립 계약자의 약 40%는 전임 독립 계약자이며, 약 80%는 밀레니얼 세대 또는 Z 세대이다.

임시 근로자가 활용되지 않는 이유

임시 근로자는 전체 인력의 중요한 부분이며, 전임 근로자와 함께 신중하게 고려되어야 한다. 그러나 시스템 간의 불일치로 인해 조직이 임시 근로자를 활용하지 못하고 있다. 특히 인사 부문에서 AI를 사용할 때 계약자를 전혀 포함하지 않는 경우이다.

AI가 전체 인력을 계산하려면, 계약자와 전임 근로자를 모두 포함하여, 벤더 관리 시스템(VMS), 재무 및 조달 시스템의 데이터를 포함해야 한다. 모든 이러한 데이터를 하나의 VMS에 집중시키고 동일한 방식으로 레이블을 붙여서 AI 도구가 전체 그림을 볼 수 있도록 한다.

확장된 인력 데이터에 AI를 적용할 수 있는 것

인력 데이터를 AI를 사용하는 데 활용하면, 새로운 인력을 통해 역할을 채울 수 있다. 또한, 비전형적인 근무 이력을 가진 후보자(많은 임시 근로자가 해당)에 대한 편견을 줄이는 데도 도움이 될 수 있다. 이는 고용 관행에서 차별의 외관을 피하는 데 중요하다.

많은 조직이 새로운 벤더 관리 시스템이나 인사 부문에서 AI를 사용하는 데 투자하기를 주저하는 이유 중 하나는 비용에 대한 우려이다. 그러나 이는 실제로 계약자에 대한 과도한 지출을 줄이는 데 도움이 될 수 있다. 전문 서비스(계약 근로자를 포함하여)가 조직의 총 비직원 지출의 45%에서 65%를 차지하는 경우, 이는 제대로 관리하지 않으면 쉽게 kontroli할 수 없는 비용이 될 수 있다. 인력 데이터에 AI를 사용하면, 과도한 지출을 줄일 수 있다.

최종적으로, 확장된 인력에 AI를 사용하는 것은 빈 자리를 줄이고, 일일 인사 활동의 효율성을 높이고, 편견 규제를 준수하며, 임시 근로자의 사용을 최적화하는 데 도움이 될 수 있다.

수집된 인력 데이터에 AI를 적용하는 방법

데이터를 수집한 후, 작업을 시작할 수 있다. AI 도구는 지원자들을 선별하고, 이력서를 검토하며, 데이터베이스의 다른 관련 정보를 분석할 수 있다. 올바르게 수행되면, AI는 전임 및 확장된 인력 데이터를 훨씬 더 빠르게 처리할 수 있다.

그러나 출력은 입력한 데이터의 품질과 명령의 명확성에 달려 있다. 이는 인내와 훈련이 필요하다. AI는 인력 계획 및 관리의 “인턴”으로 생각해야 한다. 매우 구체적이고 비즈니스 컨텍스트를 제공해야 한다. 예를 들어:

• 나는 [직무]를 채용하고 있다. 직무 공고에 포함되어야 할 10가지 주요 기술을 나열하라.
• 이 직무 공고를 [대상 аудитория]에게 더 환영할 수 있도록 변경을 추천하라.
• 이 역할의 시장 가격을 분석하라.

이러한 통찰력을 통해, 여러 시장에서 직무 공고를 게시하고, 후보자와 통화하며, 급여를 협상할 수 있다.同時에 시간, 돈, 및 규제 위험을 절약할 수 있다.

기억해야 할 사항

확장된 인력에 AI를 사용할 때, 추가 비용을 지불할 필요는 없다. 이미 가지고 있는 데이터를 최대한 활용하는 것이 중요하다. 현재 계약자와 전임 근로자로 구성된 건강한 인력을 가지고 있을 수 있다. 그러나 현재의 직무 필요에 맞게 이를 최대한 활용하지 못할 수 있다.

준수는 핵심이다. AI는 편견을 줄이는 데 도움이 될 수 있다. 그러나 AI는 또한 편견을 도입할 수 있다. 따라서 결과를 검토하기 위해 인간이 포함되어야 한다. 또한, 인력 데이터를 내부 도구에 안전하게 연결하여 외부에 정보를 노출하지 않도록 해야 한다.

ChatGPT 또는 Microsoft Copilot와 같은 인기 있는 AI 도구의 사설 버전은 이러한 위험을 완화하는 데 도움이 될 수 있다. 그러나 데이터를 실제로 연결하는 문제도 있다. 이미 AI가 내장된 VMS는 비용과 시간을 절약하는 데 도움이 될 수 있다.

최종적으로, AI의 목표는 인간의 노력을 대체하는 것이 아니라, 보완하는 것이다. 비효율성과 오류를 줄이는 것이 목표이다. 강력한 AI 정책, 주의 깊은 데이터 통합, 및 적절한 훈련이 AI를 사용하여 비용을 절약하고, 올바른 후보자를 채용하며, 전임 및 임시 근로자를 찾는 데 도움이 될 수 있다. 이러한 모든 것이 더 중요한 일에 집중할 수 있는 시간을 제공한다.

AI를 사용하지 않으면, 이미 AI를 사용하여 역할을 채우고 있는 경쟁과 따라잡을 수 없다. 시간이 중요하다. càng sớm에 시작할수록, 근무자와 고용의 격차를 메우는 데 càng 빨라질 것이다.