AI를 활용하여 인사팀의 확대되는 역량 격차 해소

HR 리더십에 계신 분이라면 이미 조직이 기대하는 것과 팀이 실제로 제공할 수 있는 것 사이의 격차가 좁혀지는 것이 아니라 오히려 벌어지고 있다는 불편한 진실을 알고 계실 것입니다. 팬데믹이 근본적으로 업무 방식을 재편했음에도 불구하고, 이전과 거의 같은 인력과 도구로 성장 및 비즈니스 혁신에 대한 전략적 파트너 역할을 수행하는 동시에 전례 없이 많은 복잡하고 감정적으로 힘든 직원 문제를 처리해야 합니다.

이것은 더 열심히 일하거나 더 효율적으로 일하는 것에 관한 것이 아닙니다. 수학적으로 더 이상 맞지 않습니다. 팬데믹 이후의 변동성, 만성적인 기술 부족, 끊임없는 조직 변화로 인해 HR 부서는 거의 지속적인 위기 모드에 놓여 있습니다. 동시에 5세대에 걸친 직원들은 복리후생부터 경력 개발까지 모든 것에서 소비자가 기대하는 수준의 개인화를 요구하고 있으며, 리더들은 고령화되는 인력에 대한 승계 계획, 단기적인 측정 가능한 비즈니스 성과 달성, AI 증강 미래를 위한 인력 준비와 같은 전략적 과제를 해결하기를 기대합니다.

증가하는 수익 과제

그 압박감이 나타나고 있습니다. 최근 연구에 따르면 HR 리더의 84%가 빈번한 스트레스를 보고하고, 81%가 번아웃을 느끼며, 95%가 이 직업을 "너무 많은 업무와 스트레스"라고 묘사합니다. 다른 설문 조사에서는 HR 부서가 점점 더 "역량을 초과하여 확장"되고 있으며, 설문 참여자들은 업무의 질과 효과가 저하되었다고 보고합니다.

과로한 HR 팀으로 인해 직원 채용 및 유지율이 감소하면서 조직이 미래는 물론 현재 수요에 적절하게 인력을 충원하기가 더 어려워지고 있어 비즈니스에 미치는 영향은 엄청납니다. 직책 미충원으로 인한 월별 비용은 직책의 직급과 산업에 따라 $5,000에서 $25,000에 이르며, 대체 비용은 일반 직원의 연봉의 200%까지 이르므로 기존 직원의 역량을 최대한 활용하는 것이 절대적으로 중요합니다.

또한 지원, 참여 및 경력 명확성 부족으로 인해 직원 참여도가 감소하고 있으며, 조용한 사직이 점점 더 보편화되고 있습니다. 직원 참여도 하락이 몇 퍼센트만으로도 기업에 수백만 달러의 생산성 손실로 이어질 수 있다는 점을 고려할 때 이는 우려스러운 추세입니다.

분명히 무언가는 바뀌어야 하며, 점점 더 많은 경우 그 해답은 더 많은 인력이나 또 다른 포인트 솔루션이 아닙니다. 앞서 나가는 조직은 적은 것으로 더 많은 것을 하는 것이 아니라, HR이 하는 일, AI가 하는 일, 그리고 둘이 만나는 지점을 근본적으로 재고하고 있습니다.

HR의 AI 혁신 여정

HR과 AI에 대한 모든 대화에서 현재까지 AI의 제한적인 영향을 인정하는 것이 중요합니다. HR 리더를 대상으로 한 최근 Gartner 설문 조사에서 88%는 조직에 AI를 광범위하게 도입하려는 시도에도 불구하고 AI 도구로부터 상당한 비즈니스 가치를 실현하지 못했다고 보고했습니다. AI 도구는 소싱 및 인재 검색, 이력서 스크리닝, 인터뷰 메모 작성 및 요약과 같이 좁게 정의된 HR 작업에 영향을 미쳤지만, 더 복잡한 인력 관리 기능에 대한 광범위한 채택에는 신뢰가 근본적인 장애물로 남아 있습니다.

그럼에도 불구하고, 설문 조사마다 HR 리더들은 AI를 통한 HR 기능의 장기적인 혁신에 대해 계속해서 낙관적인 태도를 표현하고 있으며, 기술에 대한 투자를 계속 늘리고 있습니다. 이들 조직 중 많은 곳에서 깨닫고 있는 것은 AI 기반 혁신이 오래된 조직적 요구에 대한 마법 같은 빠른 해결책이 아니라, 기술 역량이 발전하고 거버넌스 정책 및 관행이 등장함에 따라 기존 프로세스와 재설계된 프로세스에 신중하고 점진적으로 통합될 수 있는 도구라는 것입니다. 이 접근 방식은 혁신을 HR 부서가 달성했거나 달성하지 못한 이진 상태가 아니라 시간이 지남에 따라 증가하는 이점을 제공하는 점진적인 변화와 프로세스 개선의 장기적인 여정으로 재구상합니다.

성공을 위한 검증된 경로

MathCo와 Databricks는 함께 다양한 HR 팀이 AI를 프로세스에 통합하도록 지원해 왔습니다. 가장 좋은 결과를 제공하는 것으로 입증된 접근 방식은 일련의 단계로 진행되며, 각 단계는 이전 단계의 성공을 기반으로 하고 그 과정에서 점진적인 비즈니스 가치를 제공합니다(그림 1).

">

1단계: 데이터 기반 구축

조직의 독점 정보 자산과 기성 AI 모델이 결합될 때만 원하는 가치를 제공할 수 있습니다. 이는 대부분의 HR 팀에게 두 가지 과제를 제기합니다. 즉, 기업 전체의 직원을 어떻게 통합하고 이 민감한 정보를 적절하게 보호하는 방법을 가장 잘 보장하는가 하는 것입니다.

마케팅 팀은 소비자 데이터와 관련된 이러한 과제를 오랫동안 인식해 왔습니다. 대부분의 팀이 채택한 핵심 패턴은 개별 소비자의 신원에 대한 공유 개념을 중심으로 연결된 관련 정보의 중앙 집중식 저장소를 구축하는 것입니다. 종종 고객 360이라고 불리는 이 정보 저장소는 직원 정보에 쉽게 적용할 수 있습니다.

직원 360 내에서 직원 데이터는 기업 전체에서 중앙 집중화됩니다. 다양한 운영 시스템의 구조화된 정보는 복제되며, 다양한 관리 및 통신 시스템의 비구조화된 정보도 복제됩니다. 이러한 데이터에서 유용한 지표와 분류가 추출되고 예측 인사이트도 생성됩니다. 목표는 직원 360에 저장된 원시 데이터를 HR 팀이 더 즉시 작업할 수 있도록 만들고 직원 정보의 신호에 대한 중요한 해석에 일부 표준화를 가져오는 것입니다.

데이터 거버넌스는 여기서 절대적으로 중요합니다. 데이터에 대한 적절한 액세스가 부여되고 신중하게 감사되도록 하는 데 많은 주의를 기울이지만, 저장소 내 정보의 품질에도 주의를 기울이는 것이 중요합니다. 신뢰할 수 없는 정보로 인력 결정을 내리는 것은 비즈니스에 해로울 뿐만 아니라 기업에 규제 및 법적 영향을 미칠 수 있습니다.

2단계: 인력 인사이트 재검토

강력하고 신뢰할 수 있으며 안전한 데이터 기반이 마련되면 다음 단계는 해당 기반을 활용하는 것입니다. 수동 보고 및 일회성 분석에 계속 의존하는 대신, 조직은 이제 직원 360에서 직접 구축된 재사용 가능한 인력 인사이트 제품을 제공하고 데이터가 가장 중요한 핵심 HR 워크플로(채용, 성과 관리, 보상, 이직, 인력 계획)에 데이터를 통합할 수 있습니다.

이러한 변화는 효율성 향상 이상을 제공합니다. 데이터 가시성이 제한적인 상태로 운영해 온 조직의 경우, 인력 인텔리전스를 모든 주요 HR 결정의 중심으로 삼아 HR 리더, 관리자 및 분석가가 앞으로 필요로 할 분석 능력을 구축합니다. 동시에 공유되고 권위 있는 직원 정보 소스에 대한 액세스 확장은 데이터 자체에 대한 자연스러운 압력 테스트 역할을 합니다.

이 단계 초기에 의사 결정자는 필연적으로 기대에 도전하는 결과를 접하게 될 것입니다. 이러한 도전 중 일부는 수정할 가치가 있는 실제 데이터 또는 논리 문제를 드러낼 것입니다. 더 자주, 그것들은 더 가치 있는 것을 드러낼 것입니다. 즉, 오래된 가정과 실제 인력이 작동하는 방식 사이의 격차입니다.

두 결과 모두 건설적입니다. 이 단계를 거친 조직은 더 깨끗한 데이터, 더 날카로운 분석적 직관, 그리고 아마도 가장 중요하게는 기존의 사고방식이 무너지는 지점을 직접 목격한 리더십 팀을 갖게 됩니다. 이것이 바로 HR 워크플로를 처음부터 재고하는 데 필요한 사고방식입니다.

3단계: AI로 워크플로 강화

조직은 이제 AI를 활용할 준비가 되었지만, 기술에 대한 신뢰 문제는 여전히 남아 있습니다. HR 워크플로우를 근본적으로 재고하는 대신, AI 생성 결과 해석 및 모든 중요 의사 결정에 인간을 참여시키는 상태를 유지하면서 기존 HR 워크플로우를 개선하는 것부터 시작하는 것이 가장 좋습니다.

모든 HR 프로세스를 철저히 매핑하는 것이 매우 유익하겠지만, 이 단계는 종종 리소스가 제한적이고 정보 해석에 상당한 인간의 노력이 필요한 워크플로우를 간단히 열거하는 것부터 시작됩니다. 이러한 워크플로우를 캡처하고, AI를 활용할 수 있는 워크플로우 관리 도구로 가져오고, 시간이 많이 걸리고 반복적이며 해석적인 작업에 AI를 선택적으로 사용하여 워크플로우에 더 많은 구조를 부여하고 팀을 위한 측정 가능한 이점을 포착할 기반을 제공하기 시작합니다.

이 단계에서는 투명성이 중요합니다. AI가 사용될 때마다 의사 결정자는 어떤 결정이 내려졌는지뿐만 아니라 그 이유에 대한 세부 정보에 액세스할 수 있어야 합니다. 이러한 의사 결정자는 AI에 피드백과 수정을 제공할 수 있는 능력이 필요하며, 이 피드백은 시간이 지남에 따라 결과를 미세 조정하는 데 사용되어야 합니다. AI가 완벽하고 순전히 결정론적인 결과를 제공할 것으로 기대하지는 않지만, 적절한 피드백 사용을 통해 숙련된 전문가의 신뢰성과 일관성을 능가하는 결과를 제공할 수 있습니다. 하지만 거기에 도달하는 데는 시간이 걸립니다.

4단계: AI 최적화 프로세스 구축

3단계에서는 AI 사용을 제한적으로 사용하여 기존 워크플로우를 개선하는 데 상당한 시간이 소요될 것입니다. 이 단계에서 상당한 이점을 얻을 수 있지만, 팀이 AI 사용에 더 익숙해지고 자체 워크플로우에 더 깊이 익숙해짐에 따라 조직이 일부 영역에서 근본적인 재고를 할 준비가 되는 시점이 옵니다.

이 시점에서 대화는 AI가 조직 내 리소스 제약을 어떻게 완화할 수 있는지에서 AI가 조직이 HR 및 인력 관리를 차별화된 역량으로 전환하는 데 어떻게 도움이 될 수 있는지로 바뀝니다.

이 단계에는 정해진 한 가지 경로가 없으며 각 조직의 요구 사항이 다르겠지만, 여기에 설명된 점진적 접근 방식을 취함으로써 조직은 그러한 노력을 지원하는 데 필요한 데이터 및 기술 기반을 갖추게 됩니다. 또한 HR 팀과 전사적인 리더 모두의 익숙함과 신뢰를 구축하여 AI가 인력에게 제공할 수 있는 더 넓은 범위의 기회를 탐색할 수 있습니다.

MathCo의 경험 활용

이 4단계 로드맵을 현실로 만드는 것은 의도만으로는 충분하지 않습니다. 전략을 실현하기 위한 올바른 기술 기반이 필요합니다. MathCo는 비즈니스 혁신을 가속화하도록 설계된 엔터프라이즈급 AI 플랫폼인 NucliOS를 통해 이러한 격차를 해소합니다(비디오 1).

비디오 1. 모듈식 빌딩 블록과 사전 구성된 청사진을 특징으로 하는 MathCo의 NucliOS 스튜디오

NucliOS는 처음부터 시작하는 대신 모듈식 빌딩 블록과 사전 구성된 HR 청사진을 적용하여 조직이 파편화된 데이터에서 통합되고 안전한 Employee 360 뷰로 신속하게 전환할 수 있도록 지원합니다. 이 접근 방식은 구현 시간을 단축하고 기반이 거버넌스되고 신뢰할 수 있으며 인력 데이터의 고유한 뉘앙스에 맞춰 조정되도록 보장합니다.

팀이 후기 단계를 진행함에 따라 NucliOS는 AI 채택을 확장 가능하고 상황 인식적으로 만드는 내장형 가속기를 제공합니다. 채용 추천부터 이직 알림까지 모든 모델과 인사이트는 투명하고 설명 가능하여 HR 팀이 AI 작동 방식을 완전히 파악하고 사람들이 결과 안내 및 개선에 참여하도록 유지할 수 있습니다.

변환의 4단계와 일치하는 NucliOS는 지속적인 진행을 지원하기 위해 세 가지 통합 환경을 제공합니다:

• 데이터 스튜디오는 데이터 기반을 자동화하고 보호합니다.
• AI 스튜디오는 모델을 운영화하고 인간 피드백 루프를 중심으로 유지합니다.
• 의사 결정 스튜디오는 성숙한 인사이트를 전략적 조치로 전환하는 사용자 지정 애플리케이션 생성을 가능하게 합니다.

이러한 기능들은 함께 HR이 비즈니스 속도에 맞춰 프로세스를 발전시킬 수 있는 도구를 제공하며, 투명성, 거버넌스 및 지속적인 혁신에 기반한 AI 주도 우수성을 향해 기본적인 자동화를 넘어 나아갑니다.

Databricks로 혁신 가속화

모든 성공적인 AI 혁신은 신뢰할 수 있는 고품질 데이터에서 시작됩니다. Databricks는 이를 가능하게 하는 기반을 제공합니다. 즉, Employee 360가 형성되는 안전하고 거버넌스된 환경입니다. 모든 인력 데이터의 중앙 허브 역할을 하는 Databricks는 HR 시스템 전반의 구조화된 정보와 비구조화된 정보를 통합하여 조직에 대한 일관되고 감사 가능하며 개인 정보 보호 규정을 준수하는 뷰를 보장합니다.

Lakehouse 아키텍처를 기반으로 구축된 Databricks는 엔터프라이즈 데이터 웨어하우징의 신뢰성과 데이터 레이크의 유연성을 결합하여 팀 간의 원활한 데이터 공유 및 실시간 협업을 가능하게 합니다. 강력한 액세스 제어, 계보 추적 및 품질 검사는 규정 준수에 필요한 투명성과 추적성을 유지하면서 민감한 직원 정보를 보호합니다.

중요하게도 Databricks는 안전한 저장 이상의 기능을 제공합니다. 고급 AI 및 머신러닝 기능과의 긴밀한 통합을 통해 데이터는 NucliOS와 같은 도구로 안전하고 지능적으로 흐르며, 여기서 예측 모델, 인간 참여 워크플로우 및 지속적인 프로세스 최적화를 지원합니다. 보호와 혁신 간의 이러한 균형은 인력 데이터가 잠기지 않고 새로운 전략적 가치를 창출하기 위해 책임감 있게 활성화되도록 보장합니다.

HR 혁신 여정 시작

HR의 증가하는 역량 격차는 저절로 해소되지 않겠지만, 올바른 데이터 기반, 신뢰할 수 있는 AI 및 숙련된 파트너와 함께라면 조직 변화의 촉매제가 될 수 있습니다. Databricks를 통해 제공되는 MathCo의 검증된 접근 방식은 HR 리더가 안전하고 투명하며 확장 가능한 AI 혁신을 통해 비전을 행동으로 전환하도록 돕습니다.

귀사의 조직에서 AI가 HR을 어떻게 재구상할 수 있는지 알아볼 준비가 되셨다면, MathCo에 문의하여 더 민첩하고 데이터 중심적이며 미래 지향적인 인력을 향한 여정을 시작하십시오.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)