Chat GPT를 활용한 온보딩/오프보딩 실시하기
IBM HR Data를 활용하여
들어가며
현대 비즈니스 환경에서 데이터와 인공지능 기술은 조직 운영의 혁신을 주도하고 있습니다. 인적자원 관리 분야에서는 ChatGPT와 같은 인공지능을 활용하여 신입사원 입사 후 적응을 돕는 온보딩과 퇴직 직원의 이직을 최소화하고 퇴직시에도 조직에 대해 좋은 이미지를 남길 수 있도록 하는 오프보딩 프로세스의 설계 및 실행이 중요한 과제로 부상하고 있습니다.
이번 'HR Analytics 끄적끄적' 글에서는 Chat GPT와 IBM HR Data를 활용하여 효과적인 온보딩 및 오프보딩 프로세스를 설계해 보고자 합니다. 온보딩을 통해서는 신입사원의 조직 적응과 성장을 지원하고, 성과를 향상시킬 수 있으며, 오프보딩을 통해서는 퇴직자가 기관을 떠나면서도 기관에 대해 좋은 이미지를 가지고 퇴직 할 수 있도록 도와줍니다.
온보딩과 오프보딩은 조직의 지속 가능한 발전을 위한 핵심적 요소입니다. 온보딩과 오프보딩 프로세스에서 데이터는 해당 절차가 더욱 과학적으로 운영될 수 있도록 지원해 줍니다. 또한 Chat GPT와 같은 생성형 AI는 이런 데이터 기반 인사관리가 효율적으로 운영될 수 있도록 도와줍니다.
1. 데이터 기반 온보딩/오프보딩을 위한 데이터
<IBM HR Analytics Employee Attrition & Performance Data>
IBM HR Analytics Employee Attrition & Performance Data는 IBM의 HR부서에서 직원의 이직률 및 성과를 분석하기 위해 자주 사용되며 'HR Analytics 끄적끄적' R과 Chat GPT를 활용한 직원 퇴직 요인 분석하기, R과 Chat GPT를 활용한 HR Data 시각화, R과 Chat GPT를 활용한 퇴사자 예측하기 편에서도 활용한 한 적이 있는 데이터 셋입니다. 이 데이터셋은 직원의 개인정보(나이, 성별, 교육 수준 등), 직장 내 경험(직무 만족도, 월급, 초과근무 여부 등), 그리고 이직 여부 등의 정보를 포함하고 있습니다. 이런 정보들은 인사관리와 관련된 다양한 분석과 연구에 주로 활용됩니다. 이번 글에서는 해당 Data를 기반으로 하여 온보딩, 선제적 소모 프로그램, 오프보딩의 근거 자료로 활용하고자 합니다.
https://www.kaggle.com/datasets/pavansubhasht/ibm-hr-analytics-attrition-dataset
2. 데이터를 기반으로 한 온보딩/오프보딩
2_1. 데이터에 기반한 온보딩 실시하기
데이터 기반의 체계적인 온보딩 프로세스는 신입사원이 회사에 원활하게 적응하고 조직 문화에 빠르게 통합될 수 있도록 돕는 중요한 과정입니다. IBM의 신입사원 온보딩 상황을 가정하여, IBM HR Analytics Employee Attrition & Performance Data를 Chat GPT에게 제공하고 IBM 신입사원 온보딩 프로그램을 기획해보았습니다. 이는 신입사원이 수습 기간인 3개월 동안 성과를 관리하고 조직에 잘 안착할 수 있도록 지원하는 방안을 포함합니다.
https://blog.clap.company/probation_period/
우선 효과적인 온보딩을 위해 기존에 제가 작성하였던 '신입사원 수습기간 성과관리의 중요성' 글을 Chat GPT에 함께 탑재하였습니다. 또한 IBM 수습기간 신입사원 대상으로 1on1이 효과적으로 운영되기 위해서는 IBM이 궁극적으로 원하는 인재상에 대한 정보가 필요합니다. 따라서 IBM 직원 채용시 추구하는 인재상을 함께 Chat GPT에게 탑재하였습니다.
https://www.jobkorea.co.kr/starter/companyreport/view?Inside_No=12656&schCtgr=0&schGrpCtgr=0&Page=1
온보딩 프로그램은 맞춤형 1on1, 성과관리, 조직문화 적응 지원, 멘토링 프로그램, 피드백 개선 순으로 이루어 집니다. 주기적인 1on1을 통해서는 신입사원의 개별적인 경험과 역량을 파악합니다. 또한 면담을 통해 신입사원의 기대와 우려를 파악하고, 개인별 맞춤 지원 전략을 수립합니다. 신입사원이 성과목표를 설정하면 목표 달성 정도를 주기적으로 체크합니다. 이 과정에서 신입사원이 마주칠 수 있는 장애물을 검토하고 이를 해결할 수 있도록 지원합니다. 조직문화 적응 지원에서는 신입사원이 IBM의 인재상과 조직문화에 적응할 수 있도록 다양한 워크숍과 이벤트를 통해 조직에 소속감을 가질 수 있도록 지원합니다. 멘토링 프로그램을 통해서는 경험 많은 직원과의 연결을 통해 업무적 지식 습득과 조직 네트워크를 강화할 수 있도록 돕습니다. 마지막으로 피드백 및 개선은 수습기간 동안 신입사원을 통해 피드백을 지속적으로 수집하고 온보딩 프로세스 개선방안을 도출해 냅니다.
아래 화면은 IBM HR Data와 Chat GPT를 활용하여 3개월의 수습기간 동안 신입사원의 온보딩과 성과관리 방안에 대해서 도출해보았습니다. IBM의 인재상과 IBM Data를 통해 신입사원 성과와 이탈에 영향을 미치는 요인에 대해서 분석을 실시하고 이를 토대로 12주간의 온보딩/성과관리 절차를 마련하였습니다. 특히 이와 같은 온보딩 프로그램은 부서에 따라서 운영 시 고려해야 할 방향이 달라질 수 있으므로 영업부서, 연구 및 개발부서, 인사부서의 온보딩/성과관리 12주 프로그램을 각각 수립하였습니다. 전체적인 운영 계획(안)을 수립한 이후에는 12주간 세부 계획을 주단위로 추가 수립하였습니다.
2_2. 선제적 소모 프로그램 실시
'선제적 소모 프로그램(Predictive Attrition Program)'은 IBM에서 실시하는 프로그램으로 퇴직자를 미리 예측하고 선제적으로 면담을 실시하여 조직에 미치는 부정적 영향을 최소화하려는 프로그램입니다. 이와 같은 선제적 소모 프로그램은 데이터 분석과 예측 모델링, 위험평가, 선제적 면담 실시, 개선계획과 전략 수립 순으로 실시됩니다.
데이터 분석과 예측 모델링 단계에서는 구성원들의 근무데이터, 성과평가, 직무만족도, 연령, 재직기간, 승진 등의 다양한 인적 데이터를 분석하여 어떤 직원이 퇴직할 가능성이 높은지 분석하는 모델을 개발합니다. 위험평가 단계에서는 예측 모델을 통해 퇴직 가능성이 높은 직원을 파악하고, 그들이 퇴직함에 따라 조직에 미칠 영향에 대해서 분석합니다. 퇴직 가능성 높은 직원 중 핵심 인재가 포함되어 있는 경우에는 선제적으로 면담을 진행하여 그들이 가지고 있는 퇴직의사와 불만요인을 파악합니다. 이를 통해 조직은 처우 및 환경 개선, 경력개발 계획 등을 제공하여 만족도를 높이고 퇴직의사 재고를 유도합니다. 선재적 면담을 통해 받은 피드백은 조직문화, 근무환경, 보상체계 등을 개선하기 위한 데이터로 활용하고 이를 통해 조직개선 전략을 수립할 수 있습니다.
아래 화면은 IBM HR Data를 Chat GPT_Advanced Analysis Data에 탑재하고 퇴직직원 예측 분석을 시행하는 모습입니다. 선제적 소모 프로그램은 퇴직 가능성이 있는 직원을 잘 예측하여 이들이 퇴직하지 않도록 선제적으로 면담을 진행하고 그들의 불만을 제거하는 것을 목표로 하고 있습니다. 따라서 예측 모델인 로직스틱 회귀, 랜덤포레스트, 그래디언트 부스팅, 서포트 벡터 머신 등 각각 모델의 특성을 분석해보고 '선제적 소모 프로그램' 목적에 가장 맞는 서포트 벡터 머신(SVM)을 선택하여 분석을 진행하였습니다. 알고리즘을 선택한 후에도 목적에 가장 맞는 분석을 진행할 수 있도록 정확도 80% 이상, F1 최대치로 모델을 결정해달라고 한 후 해당 모델로 예측분석을 실시하였습니다. 분석을 실시한 후에 퇴사 가능성이 가장 높은 직원 5명을 제시해 달라고 요청하여 5명의 정보를 제공받았으며, 그 중 확률이 가장 높은 1명에 대하여 선제적 소모 프로그램 계획(안)을 도출하였습니다.
2_3. 데이터에 기반한 오프보딩 실시
오프보딩은 조직이 퇴직하는 직원으로부터 가치 있는 피드백을 얻고, 그들의 경험을 통해 조직 내 개선점을 찾아내는 과정입니다. 데이터 기반 오프보딩은 퇴직자의 데이터를 분석하여 조직문화 개선 및 리텐션 전략을 과학적으로 도출할 수 있도록 도와줍니다. 이번 글에서는 위에서 활용한 IBM HR Analytics Employee Attrition & Performance Data 내 이미 퇴직한 직원들의 특성을 분석하여 조직문화 개선 및 리텐션 전략을 수립해 보고자 합니다.
오프보딩 프로그램은 다음과 같이 구성됩니다. 가장 먼저 퇴직 인터뷰를 실시합니다. 퇴직하는 직원들과의 면담을 통해 그들이 퇴직을 하려는 이유와 조직에 대한 의견을 수렴합니다. 이 면담을 통해 조직은 개선점을 발견하고, 향후 리텐션 전략에 반영할 수 있는 정보를 제공받을 수 있습니다. 퇴직 인터뷰가 진행된 후에는 데이터 분석을 실시합니다. 퇴직자의 테이터를 분석하여 퇴직하는 주요 원인을 파악합니다. 이를 통해 조직은 조직의 문제점을 발견하고, 더 나아가 문제점의 패턴이나 경향을 추가로 도출해 낼 수 있습니다. 조직문화 개선 단계에서는 데이터 분석을 통해 얻은 인사이트를 통해 조직문화를 개선합니다. 또한 데이터 분석으로 얻은 인사이트를 통해 리텐션 전략을 수립합니다. 리텐션 전략을 통해 직원 퇴직률을 감소시키고, 핵심 인력의 이탈을 방지할 수 있습니다. 다음과 같은 단계들이 모두 종료된 이후에도 조직은 오프보딩 프로세스와 리텐션 전략의 효과를 지속적으로 살펴보고 필요할 경우 전략을 조정합니다.
https://blog.clap.company/exit_interview/
아래 화면은 Chat GPT를 이용하여 IBM HR 데이터를 분석하는 모습을 보여줍니다. 또한 Clap Blog에 게재된 '퇴사 인터뷰를 성공적으로 수행하는 방법'이라는 글을 참조하여, 효과적인 오프보딩 계획을 수립하는 과정을 보여주고 있습니다. '퇴사 인터뷰를 성공적으로 수행하는 방법'에 명시되어 있는 오프보딩의 원칙에 따라 Chat GPT는 오프보이 계획(안)을 수립하고, 이에 대한 구체적인 시나리오 까지 작성해 주었습니다.
오프보딩을 통해 기관의 퇴직요인에 대한 데이터가 쌓이면 조직문화 개선 및 리텐션 전략을 세우는데 도움을 받을 수 있습니다. 본 글에서는 IBM HR Analytics Employee Attrition & Performance Data를 탑재한 후 이미 퇴직한 사람들의 특징을 분석하여 조직문화 개선 및 리텐션 전략을 수립해 달라고 Chat GPT에게 요청하였더니 이에 대한 전략을 잘 수립해 줍니다. 이에 대한 추가적인 프롬프팅을 진행하면 좀 더 구체적인 조직문화 개선 및 리텐션 전략도 추가적으로 수립할 수 있습니다.
나가며
이번 'HR Analytics 끄적끄적' 글에서는 Chat GPT와 IBM HR Analytics 데이터를 활용하여 한 온보딩과 오프보딩 전략을 통해 신입사원의 조직 적응을 돕고, 퇴직 인력 관리를 개선하는 방법을 모색했습니다. 데이터를 활용한 맞춤형 면담, 성과 관리, 조직 문화 적응 프로그램을 제공하여 신입사원의 성공적인 안착을 지원하고 IBM 인재상 정보를 바탕으로 회사의 미래 방향성과 부합하는 인재를 육성하는 데 중점을 두었습니다.
또한 선제적 조직 프로그램과 오프보딩 과정에서는 조직 내 구성원의 퇴직 가능성을 선제적으로 예측하고, 예방적 면담과 제도 개선을 통해 구성원의 퇴직률을 감소시키며 조직 내 핵심 인력의 이탈을 방지하는 전략을 개발했습니다. 또한 오프보딩 과제에서는 퇴직 직원에 대한 인터뷰 및 피드백을 통해 데이터를 수집하고 이를 기반으로 조직문화 개선과 리텐션 전략 수립을 수행할 수 있었습니다. 이를 통해, 신입사원과 퇴직 인력 모두가 회사에 대한 만족도와 성과를 높일 수 있도록 하였습니다.
AI와 데이터 활용한 인사관리는 단기적인 직원의 만족 향상을 넘어 장기적인 조직 발전과 직원의 경력 성장을 도모할 수 있도록 도와줍니다. 또한 각 단계의 인터뷰에서 얻은 인사이트는 조직 내 변화를 이끌고, 이를 통해 조직구성원의 충성도와 회사의 경쟁력을 높이는 근간이 됩니다. 이와 같이, AI와 데이터 기반의 인사관리 접근법은 빠르게 변화하는 최근 환경 속에서 조직이 전략적으로 대응하고 성장하는 데 있어 중요한 역할을 할 수 있을 것 입니다.
이번 글의 대표 이미지는 Chat GPT 4_Dall-E 3으로 만들어 보았습니다.
Reference
김창일. 2023. "신입사원 수습기간 성과관리의 중요성: 수습기간 리뷰 잘하는 법 ". Clap Blog. 2023년 10월 24일 작성. 2023년 11월 4일 접속. https://blog.clap.company/probation_period/
Clap. 2023. "퇴사 인터뷰를 성공적으로 수행하는 방법: 퇴사하는 팀원과의 오프보딩 미팅 ". Clap Blog. 2022년 6월 6일 작성. 2023년 11월 4일 접속. https://blog.clap.company/exit_interview/
HRKIM. 2023. "R과 Chat GPT를 활용한 퇴사자 예측하기: 두번째 이야기: 모델 성능 향상 및 목적에 맞는 분석모델 찾기. 2023년 7월 2일 작성. 2023년 11월 4일 접속. https://brunch.co.kr/@publichr/56
잡코리아. 2022. "기업심층분석 1. 한국아이비엠, 채용분석 및 기업정보". 2022년 12월 6일 작성. 2023년 11월 4일 접속. https://www.jobkorea.co.kr/starter/companyreport/view?Inside_No=12656&schCtgr=0&schGrpCtgr=0&Page=1
