Loading summary...
AI가 HR 업무를 근본적으로 바꾸고 있으며, 예측 불가능한 시대에 HR이 나아가야 할 방향에 대한 논의가 필요하다.
국내 총 27명의 현업 HR 실무자들이 AI 시대 HR 역할과 조직에 일하는 방식에 대한 경험과 데이터를 공유하는 컨퍼런스. 자세한 사항은 댓글창 참고.
AI 활용 능력에 따라 업무 속도 차이가 발생하고, 이는 팀 내 불신과 갈등으로 이어질 수 있다. AI를 잘 쓰는 사람은 그렇지 못한 사람과 함께 일하는 것에 대한 의문을 가질 수 있다.
개인 생산성이 향상되어도 팀 내 협업 과정에서 문제가 발생하면 전체 팀 성과는 저하될 수 있다.
AI 활용 능력 차이로 인한 팀 내 갈등은 팀 성과 저하로 이어질 수 있다.
AI가 기업의 일하는 방식을 어떻게 혁신시킬 수 있는지 탐구.
AI를 활용한 HR 시스템 개발 경험 공유.
생성형 AI에 대한 높은 관심과 HR 분야 전문성 보유.
이중학 교수는 처음에는 업무 생산성을 높여주는 도구로서 AI에 접근했으며, 2023년 말부터 AI를 열심히 공부하고 주변에 알리기 시작했다.
AI 사용 방식과 숙련도 차이로 인해 팀 내에서 일하는 속도, 기대하는 바가 달라지면서 갈등이 발생했다. 초안을 공유할 때 서로의 작업 방식에 대한 불만이 생길 수 있다.
AI 활용 능력 차이는 팀 내 갈등을 유발하고 팀 생산성을 저하시킬 수 있다.
과거에는 HR 시스템 개발에 10~15명의 다양한 역할 담당자들이 참여하여 작은 합의를 도출하는 데도 많은 시간이 소요되었다. 팀원 간 서로의 업무를 정확히 알기 어려웠고, 시스템 개발에 3개월에서 1년까지 소요되었다.
AI가 각 역할에 초벌 작업을 제공하면서 개발 속도가 빨라졌다. 개발자와 HR 담당자가 초안을 보면서 어떤 것을 만들려고 했는지 대화할 수 있게 되었다.
과거에는 모든 리더를 동일한 문항으로 평가했지만, AI를 활용하여 리더의 산업, 직무, 팀 구성 등 중요한 요소들을 진단 문항에 반영할 수 있게 되었다.
피플 애널리스트가 문제 해결에 필요한 전문가 관점을 고려하여 PM, 백엔드/프론트엔드 개발자, AI 애널리스트 개발자, QA 개발자로 구성된 메인 에이전트 팀을 구성한다.
새로운 리더십 진단 방법 연구, 기존 리더십 진단 히스토리 추적, UI/UX 전문가 의견 수렴, 데이터 수집 및 분석 전문가로 구성된 벤치마킹 팀을 별도로 운영한다. 이들은 통합 시나리오 회의를 통해 기획 초안을 도출한다.
AI 에이전트 팀을 구성하여 각자의 관점에서 의견을 교환하고, 이를 바탕으로 전체 개발 프로세스를 기획한다.
멀티 에이전트 작업에 가장 적합.
디자인 개선에 활용 (제미나이 모델 사용).
기능이 복잡해지고 버그 발생 시 사용.
리더의 특성에 맞는 문항을 만들기 위해 스키마(직무, 특성 등)를 결정하고, 리더십에 가장 큰 영향을 미칠 요소를 기획한다.
기준에 맞게 맞춤형 문항을 생성하는 로직을 정의하고, 피플 애널리스트가 최종 컨펌한다.
각 단계마다 적절성, 보완 필요성, 누락 여부 등을 면밀하게 검수한다.
공통 문항 생성, 맞춤형 문항 생성, 두 문항 통합.
기존 문항을 현재 구조에 맞게 제이슨 구조로 데이터 구조화.
리더 특징에 맞게 만들어 놓은 스키마에 따라 맞춤형 문항 생성 로직 개발 (조직 심리학자 관점 반영).
기존 리더십 진단 문항과 새로 만든 맞춤형 문항을 하나의 진단지로 통합.
리더 특성 입력 화면 구성, 진단 문항 응답 창 생성, 점수 집계 및 피드백 로직 구성, 피드백 디자인 구조화.
클로드 코드에서 제공된 디자인을 기반으로 수정.
맞춤형 진단의 핵심인 리더 적합성 평가, 문항 검수, 난이도 조절.
설정된 기준을 넘어야 피플 애널리스트에게 보고 가능.
초기 문제 정의, 계획, 현재까지 만들어진 결과물의 적절성 판단.
개인별 AI 활용 수준이 다르기 때문에 다른 업무에도 유사하게 적용하기 어려울 수 있다.
MIT에서 전설적인 CEO와 리더 13명을 팀으로 구성하여 토론하는 시스템 구축.
실제 리더, 보고서 작성 전문가 등 다양한 관점을 에이전트에게 부여하여 보고서 작성 조합 생성.
단순 업무부터 복잡한 업무까지 AI를 활용할 수 있다.
개인이 AI로 초안을 만들어 팀에 공유해도, 기존 팀원들의 역할과 배치되어 팀 성과에 큰 영향을 미치지 못할 수 있다.
팀원들의 KPI가 이전 역할에 국한되어 있어 AI 결과물을 제대로 활용하지 못하는 상황 발생.
AI 학습 초기에는 개인적인 차원의 저항이 많았으나, AI 리터러시 교육 확산 후 감소했다.
AI 사용자가 늘어나면서 결과물을 어디에 끼워 넣어야 하는지, 누가 검토해야 하는지 등 프로세스에 대한 갈등이 발생했다.
AI 활용 능력에 따라 업무 속도 차이가 발생하면서 팀 내 누구의 속도에 맞춰야 하는지에 대한 문제가 제기되었다.
AI 활용 능력 차이로 인한 심리적 저항, 프로세스 갈등, 속도 차이 문제는 팀 내 관계 갈등으로 이어진다.
팀 성과 = 잠재 성과 - 프로세스 손실
AI를 통해 개인 생산성이 향상되어 잠재 성과는 계속 증가할 수 있다.
AI 협업 구조에서 속도 차이, 갈등, 의사소통 실패 등이 누적되어 프로세스 손실이 발생하고, 이는 팀 성과 저하로 이어진다.
피드백할 대상이 사라지는 현상. 팀원이 AI로 작성한 보고서에 대해 팀장이 피드백하기 어려워진다. 팀원 또한 AI가 생성한 결과물에 대한 이해 부족으로 설명 능력이 저하된다.
삽질(비효율적인 작업)이 사라지는 현상. AI를 통해 효율성은 높아지지만, 문제 해결 과정에서 얻는 학습 기회가 줄어든다.
AI가 모든 질문에 답을 제공하므로 동료 간 토론 및 정보 교환이 줄어든다. 초안 공유 시 피드백 과정이 간소화되어 팀 내 협력 원리가 약화된다.
AI가 뛰어난 결과물을 빠르게 생성함에 따라 직업인으로서의 정체성에 대한 위협을 느낄 수 있다.
AI가 제공하는 결과물에 의존하면서 업무에 대한 통제감과 주도성이 감소한다.
AI가 생성한 결과물의 퀄리티가 낮아 검증에 많은 시간이 소요된다.
AI가 생성한 결과물에 대한 개인의 기여도를 판단하기 어려워진다.
AI 활용 능력 부족으로 보일까 봐 질문을 꺼리게 되어 심리적 안정감이 저하된다.
팀 차원, 개인 차원에서 발생하는 문제들이 장기적으로 누적되면 팀이 분열될 수 있다.
AI를 잘 쓰는 팀원은 빠른 업무 처리 속도에 맞춰 업무를 분배받지 못하고, 남는 시간에 추가 업무를 받게 되어 불만을 느낀다. 이는 팀 내 불신으로 이어진다.
AI를 활용하여 빠르게 초안을 만드는 팀원과 그렇지 못한 팀원 간 초안에 대한 관점 차이가 발생한다. AI 사용자는 초안을 재료로 생각하지만, 비사용자는 중간 결과물로 인식한다.
AI 활용 능력에 따라 초안 생성 방식, 의사 결정 과정, 속도 등이 달라져 협업의 박자가 어긋난다.
AI를 잘 쓰는 사람은 기획, 분석, 보고서 작성, 디자인 등 다양한 업무를 혼자 처리할 수 있다고 생각하여 팀 존재 이유에 대한 의문을 가질 수 있다.
AI 활용 능력 차이는 팀 내 불신, 관점 차이, 의사 결정 과정 붕괴를 초래하고, 팀 존재 이유에 대한 의문을 야기한다.
AI 숙련자는 초심자의 어려움을 제대로 공감하지 못하는 현상. 전문 용어 사용으로 인해 초심자는 소외감을 느낄 수 있다.
빨리 하자는 것을 강조하기보다, 결과물의 적절성을 검토하는 리더가 되어야 한다.
AI 관련 어려운 용어를 쉬운 표현으로 바꿔주는 역할을 해야 한다.
AI를 잘 쓰는 사람의 속도를 조절하여 팀원들과 함께 갈 수 있도록 해야 한다.
AI 교육보다 팀 내에서 서로의 활용 경험을 공유하도록 장려해야 한다.
자료 조사는 AI가 하더라도 사람이 판단하고 내용을 공유하는 그라운드 룰을 설정해야 한다.
리더는 AI 활용을 촉진하는 것뿐만 아니라, 팀원 간 협업을 지원하고 격차를 줄이는 역할을 해야 한다.
AI 활용 여부와 과정을 투명하게 공유하여 팀원 간 기대치를 합의해야 한다.
AI가 제공하는 답변에 대해 동료에게 질문하여 다양한 관점을 얻어야 한다.
AI 활용 실패 경험을 공유하여 서로의 심리적 안정감을 높여야 한다.
AI로 업무를 빨리 끝냈더라도 주변 동료들의 진행 상황을 살펴봐야 한다.
팀원들은 AI 활용에 집착하기보다 팀 문화 조성에 힘쓰고, 서로 협력하는 자세를 가져야 한다.
AI 초안 검토 그라운드 룰이 잘 성립되려면 팀 규칙을 AI 시대에 맞게 재정비해야 한다.
3월 31일 코엑스에서 컨퍼런스 개최 예정. 구체적인 고민들을 자세히 나눌 예정.