AI와 연결된 HR은 무엇을 바꾸는가

사람을 기록하는 시스템에서 사람을 이해하는 시스템으로

많은 조직에서 HR 시스템은 이미 충분히 갖춰져 있다고 말합니다. 인사정보를 관리하는 시스템이 있고, 휴가와 근태를 처리하는 기능이 있으며, 직무기술서와 성과평가 문서도 따로 존재합니다. 교육 이력과 자격증 현황도 관리합니다. 겉으로 보기에는 필요한 정보가 이미 다 있는 것처럼 보입니다. 그런데 정작 중요한 질문을 던지면 답이 나오지 않는 경우가 많습니다.

이 사람은 현재 맡고 있는 일을 제대로 수행할 수 있는가.

어떤 사람이 어떤 프로젝트에서 실제로 좋은 결과를 내고 있는가.

교육을 많이 받은 사람과 실제 성과를 내는 사람이 같은 사람인가.

현재 성과 문제는 개인 역량의 문제인가, 직무 정의의 문제인가, 배치의 문제인가.

품질 사고가 반복되는 원인은 특정 공정 때문인가, 특정 역할 때문인가, 특정 역량 부족 때문인가.

이 인포그래픽은 바로 이런 문제를 다룹니다. 단순히 HR 데이터를 저장하는 구조가 아니라, HR 데이터와 실제 업무 데이터를 연결하여 AI가 조직을 더 깊이 이해하도록 만드는 구조를 설명하고 있습니다. 다시 말해, 이 그림은 ‘인사 시스템의 디지털화’가 아니라 ‘사람 중심 조직 운영의 지능화’가 무엇인지를 보여주는 개념도입니다.

이 그림의 가장 중요한 메시지는 간단합니다.
전통적인 HR 시스템은 기록을 보관하지만, AI-Connected HR은 사람과 일을 연결해 의미를 해석한다는 것입니다.

먼저 그림의 가장 아래를 보겠습니다. 하단에는 굵게 Work라고 쓰여 있습니다. 이것은 조직의 실제 일이 일어나는 영역을 의미합니다. 조직은 결국 일을 통해 존재합니다. 프로젝트를 수행하고, 제품을 만들고, 품질 문제를 해결하고, 연구를 진행하고, 생산을 운영합니다. 이 영역에서 실제 결과가 발생합니다. 조직의 성과는 결국 이곳에서 만들어집니다.

이 하단 Work 영역 위에는 네 개의 업무 도메인이 배치되어 있습니다. 각각은 Project Delivery, Quality Management, Research and Development, Production Operations입니다. 이 네 가지는 단순 예시가 아니라, 조직의 실제 활동이 어떤 시스템들에 분산되어 존재하는지를 보여주는 대표적 범주입니다.

Project Delivery는 프로젝트 수행과 관련된 영역입니다. 여기에는 milestones, timelines, assignments가 적혀 있습니다. 즉, 프로젝트의 마일스톤, 일정, 과업 배정 정보가 포함됩니다. 이 데이터는 누가 어느 업무를 맡았는지, 어떤 일정에 어떤 결과를 내야 하는지, 프로젝트가 어떻게 진행되는지를 보여줍니다. 그러나 이 정보만으로는 한 사람의 역량 수준이나 조직 내 역할 적합성을 완전히 알 수는 없습니다. 단지 업무 배정과 진행 현황을 보여줄 뿐입니다.

Quality Management는 품질관리 영역입니다. complaints, incidents, corrective actions가 적혀 있습니다. 이는 클레임, 사고, 시정조치 정보를 의미합니다. 여기에는 조직이 만들어낸 결과물의 안정성, 문제 발생 빈도, 문제 해결 방식 등이 담깁니다. 품질 이슈는 단순한 숫자가 아니라, 실제로 누가 어떤 업무를 수행했고 그 결과 어떤 문제가 발생했는지와 연결될 때 비로소 의미가 커집니다. 하지만 대부분의 조직에서는 품질 시스템과 HR 시스템이 별도로 운영되기 때문에, 품질 문제를 사람의 역량이나 교육, 배치 상태와 직접 연결해서 보기 어렵습니다.

Research and Development는 연구개발 영역입니다. experiments, trials, results가 적혀 있습니다. 이는 실험, 시험, 결과를 뜻합니다. 연구개발 조직에서 중요한 것은 누가 어떤 실험을 수행했고 어떤 결과를 냈는가, 누가 반복적으로 좋은 연구 성과를 내는가, 특정 연구 역할에 필요한 역량이 실제로 갖춰져 있는가와 같은 질문입니다. 하지만 전통적으로는 연구 성과 데이터와 인사 및 역량 데이터가 분리되어 있어, 성과를 사람 관점에서 통합 해석하기 쉽지 않습니다.

Production Operations는 생산 운영 영역입니다. schedules, batch records, compliance가 적혀 있습니다. 생산 일정, 제조 배치 기록, 규정 준수 관련 정보입니다. 제조나 운영 조직에서는 누가 어떤 작업을 어떤 조건에서 수행했는지, 규정 준수와 품질 수준이 사람의 훈련 정도나 직무 적합성과 어떤 관계가 있는지를 파악하는 것이 매우 중요합니다. 그런데 많은 기업에서는 생산 시스템은 생산 시스템대로, HR은 HR대로, 교육은 교육대로 따로 관리합니다. 결과적으로 생산 현장에서 벌어지는 일과 사람 관련 데이터가 연결되지 않습니다.

이 하단 업무 영역 왼쪽에는 말풍선 형태로 Traditional HR systems operate as isolated record stores라고 적혀 있습니다. 이 문장은 이 그림 전체의 문제의식을 압축합니다. 전통적인 HR 시스템은 고립된 기록 저장소처럼 작동한다는 뜻입니다. 다시 말해, 사람과 관련된 정보는 여러 곳에 저장되어 있지만, 그것들이 서로 충분히 연결되지 않고 실제 업무와도 긴밀히 이어지지 않는다는 것입니다.

그리고 하단 오른쪽에는 But none of them know WHO is doing that work라고 적혀 있습니다. 이 문장은 매우 중요합니다. 프로젝트 시스템도, 품질 시스템도, 연구 시스템도, 생산 시스템도 각각 업무 기록은 가지고 있지만, 그 일이 결국 누구에 의해 수행되고 있는지를 인사와 역량 관점에서 제대로 이해하지 못한다는 뜻입니다. 물론 형식적으로는 작업자 이름이나 사용자 계정이 기록될 수 있습니다. 그러나 그 정보가 역량, 교육, 직무 요구사항, 평가 이력과 통합되어 해석되지 않으면, 시스템은 단지 이름만 기록할 뿐 사람을 이해하지는 못합니다.

이제 그림의 중간 영역을 보겠습니다. 여기에는 HR 관련 운영 도메인들이 위치해 있습니다. Training and Competency, Personnel Files, Leave Management, Job Descriptions, Performance Appraisal이 그것입니다. 이들은 전통적인 HR 운영의 핵심 구성 요소들입니다. 얼핏 보면 매우 익숙한 HR 시스템 구성입니다. 그러나 이 그림은 이 요소들을 단독 기능으로 보지 않고, 상위 인텔리전스 레이어의 재료로 보고 있습니다.

Training and Competency에는 programs, records, certifications, expiry tracking이 적혀 있습니다. 이 영역은 교육 프로그램, 교육 이수 기록, 자격증, 자격 만료 추적 등을 다룹니다. 많은 기업이 교육 데이터를 관리하지만, 그 교육 이력이 실제 성과 향상과 연결되어 있는지, 자격증이 업무 품질에 어떤 영향을 주는지, 필요한 훈련을 받지 않은 사람이 중요한 업무를 맡고 있지는 않은지까지 연결해서 보지는 못하는 경우가 많습니다. 이 시스템은 본래 사람의 준비 상태를 보여주는 중요한 데이터 원천입니다.

Personnel Files에는 employment details, onboarding, checklists, documents가 적혀 있습니다. 이것은 고용 세부정보, 입사 온보딩, 체크리스트, 관련 문서를 의미합니다. 전통적인 인사 파일은 조직 내 개인의 공식적인 기록을 담는 저장소입니다. 입사일, 소속, 계약 정보, 직위, 문서 보관 같은 정보들이 들어 있습니다. 하지만 이런 파일은 대체로 정적인 정보에 머물기 쉽습니다. 개인의 현재 업무 성과나 역량 격차와 실시간으로 연결되지 않으면, 사람을 살아 있는 운영 주체로 이해하는 데는 한계가 있습니다.

Leave Management에는 entitlements, balances, calendar가 적혀 있습니다. 이는 휴가 권한, 잔여 일수, 일정 관리를 뜻합니다. 표면적으로 보면 휴가관리와 사람 인텔리전스는 크게 연결되지 않아 보일 수 있습니다. 그러나 실제 조직 운영에서는 휴가와 부재 정보가 업무 배치, 성과 해석, 프로젝트 일정 지연, 운영 리스크 관리와 밀접하게 연결됩니다. 예를 들어 특정 기간의 생산 차질이 단순한 현장 문제인지, 핵심 인력 부재와 연결된 문제인지 파악하려면 이런 데이터가 함께 연결되어야 합니다.

Job Descriptions에는 role requirements, competency specifications, reporting structure가 적혀 있습니다. 이는 역할 요구사항, 역량 명세, 보고 체계를 의미합니다. 이 영역은 조직이 각 역할에 대해 기대하는 바를 정의합니다. 어떤 역할이 어떤 역량을 필요로 하는지, 누구에게 보고하는지, 어떤 수준의 책임과 기술 요건이 있는지 등이 여기에 담깁니다. 중요한 점은 직무기술서는 단지 채용 공고용 문서가 아니라, 사람과 역할의 적합성을 비교하는 기준이라는 것입니다. 이 기준이 실제 인력의 교육 이력, 성과 기록, 업무 결과와 연결될 때 비로소 가치가 커집니다.

Performance Appraisal에는 cycles, criteria, scores, goals가 적혀 있습니다. 이는 평가 주기, 평가 기준, 점수, 목표를 뜻합니다. 많은 조직이 연간 혹은 반기별 평가 체계를 갖고 있지만, 평가가 실제 업무 데이터와 충분히 연결되지 않는 경우가 많습니다. 결국 상사 판단, 정성적 인상, 제도적 절차에 머무르기 쉽습니다. 만약 평가 데이터가 프로젝트 납기, 품질 사고, 연구 성과, 생산 준수도와 같은 실제 업무 결과와 통합된다면, 평가는 보다 근거 기반이 될 수 있습니다.

이 중간 HR 도메인 아래와 하단 업무 도메인 사이에는 가로선이 하나 있고, 그 위에 Shares the same person identifier as the operational domains라는 문장이 적혀 있습니다. 이 문장은 기술적으로도, 개념적으로도 이 그림의 핵심 축입니다. 의미는 분명합니다. HR 도메인과 업무 도메인이 동일한 사람 식별자를 공유해야 한다는 것입니다.

이것은 단순히 사번을 맞춘다는 뜻이 아닙니다. 훨씬 더 중요합니다. 사람을 기준으로 여러 시스템을 연결할 수 있어야 한다는 뜻입니다. 누군가가 교육을 받았는지, 어떤 직무기술서를 기준으로 역할이 부여되었는지, 휴가나 부재 상태가 어땠는지, 평가 결과가 어땠는지, 동시에 그 사람이 어떤 프로젝트를 수행했고, 어떤 품질 이슈와 연결되었으며, 어떤 연구 결과를 냈고, 생산 운영에서 어떤 기록을 남겼는지가 하나의 사람 단위로 이어져야 합니다.

이 연결이 없으면 조직은 개별 시스템을 많이 보유하더라도 사람을 입체적으로 이해하지 못합니다. 반대로 이 연결이 만들어지면, 비로소 사람을 중심으로 한 분석이 가능해집니다. 이 인포그래픽은 바로 그 지점에서 상위 레이어를 제시합니다.

그 상위 레이어에는 세 개의 핵심 블록이 있습니다. Workforce Hub, Competency Gap, Performance Crosswalk입니다. 이 세 블록은 단순한 데이터 저장소가 아니라, 연결된 데이터 위에서 새롭게 형성되는 해석의 허브입니다.

먼저 Workforce Hub를 보겠습니다. 여기에는 users + employment details + job descriptions라고 적혀 있습니다. 즉, 사용자 정보, 고용 정보, 직무기술서를 결합한 중심 허브입니다. 이것은 사람과 역할의 기본 구조를 조직 차원에서 바라보는 관문입니다. 단순히 ‘누가 재직 중인가’를 보는 것이 아닙니다. 누구가 어떤 고용 형태로 어떤 역할을 맡고 있으며, 그 역할은 어떤 직무 정의에 기반하고 있는지를 통합적으로 보여주는 구조입니다.

Workforce Hub가 중요한 이유는 모든 분석이 사람의 구조적 맥락에서 시작되기 때문입니다. 어떤 사람이 성과를 냈다는 사실만으로는 충분하지 않습니다. 그 사람이 어떤 역할에 배치되어 있었는지, 어떤 고용 조건에서 일하고 있었는지, 어떤 직무 기대를 안고 있었는지가 함께 보이지 않으면 성과를 제대로 해석할 수 없습니다. Workforce Hub는 조직의 인적 구조를 하나의 통합된 맥락으로 재구성하는 역할을 합니다.

다음은 Competency Gap입니다. 여기에는 job descriptions + required competencies + training records라고 적혀 있습니다. 이것은 직무가 요구하는 역량과 실제 사람이 보유하거나 습득한 역량 사이의 차이를 파악하는 레이어입니다. 전통적인 HR에서는 직무기술서가 문서로 존재하고, 교육 이력이 별도 기록으로 존재합니다. 하지만 이 둘을 동적으로 비교해 누가 어떤 역할을 수행하기에 준비되어 있고, 어디에 어떤 격차가 있는지를 체계적으로 보여주는 경우는 많지 않습니다.

Competency Gap의 핵심 질문은 이것입니다. 현재 조직에서 각 사람이 맡고 있는 일과 그 역할이 요구하는 역량 사이에 차이가 있는가. 있다면 그 차이는 무엇이며, 어떤 교육이나 재배치, 코칭이나 채용이 필요한가. 이 개념은 단순 교육 관리와 다릅니다. 교육을 많이 받았는지가 중요한 것이 아니라, 필요한 역량이 실제로 충족되고 있는지가 중요합니다. 따라서 이 레이어는 조직의 인력 개발 전략과 배치 전략을 보다 정교하게 만드는 중심이 됩니다.

세 번째는 Performance Crosswalk입니다. 여기에는 delivery rate + quality incidents + R&D output per person이라고 적혀 있습니다. 이 블록은 가장 직접적으로 업무 결과와 사람을 연결합니다. 납기율, 품질 사고, 개인별 연구개발 산출 같은 데이터를 사람 단위로 매핑하는 구조입니다. 전통적인 평가 체계에서는 성과가 사람의 인상이나 상사의 판단, 또는 한정된 KPI에 의해 평가되는 경우가 많습니다. 그러나 이 레이어는 실제 운영 데이터와 사람을 교차 연결함으로써, 보다 실증적인 성과 해석을 가능하게 합니다.

Performance Crosswalk가 특히 강력한 이유는 성과를 다면적으로 볼 수 있게 해주기 때문입니다. 예를 들어 어떤 사람은 프로젝트 완료율은 높지만 품질 사고도 잦을 수 있습니다. 또 다른 사람은 생산성은 평균적이지만 품질 안정성이 매우 높을 수 있습니다. 또 다른 사람은 교육을 많이 받았지만 연구 산출이 낮을 수 있습니다. 이런 다차원 성과 구조를 실제 업무 데이터와 함께 해석할 수 있어야 진짜 성과 관리가 가능합니다.

Crosswalk라는 표현은 단순 집계가 아니라 서로 다른 데이터 체계를 교차 연결한다는 뜻을 담고 있습니다.

이 세 개의 블록 옆에는 AI-Connected HR: People Intelligence Layer라는 별도 말풍선이 있습니다. 이것은 앞서 설명한 세 블록 전체를 하나의 상위 개념으로 묶어주는 표현입니다. 즉, 이 구조는 단지 데이터 통합이 아니라 People Intelligence Layer, 곧 사람 인텔리전스 계층이라는 것입니다. 여기서 인텔리전스란 데이터를 저장하는 것이 아니라, 데이터를 해석 가능한 지식으로 바꾸는 능력을 말합니다.

People Intelligence Layer란, 조직 내 사람에 대한 판단을 더 정교하고 구조적으로 할 수 있게 만드는 정보 구조입니다. 누가 어떤 역할을 맡아야 하는지, 누가 어떤 역량을 더 개발해야 하는지, 어떤 부서에 성과 문제의 원인이 있는지, 성과 저조가 개인의 문제가 아니라 역할 설계의 문제인지, 채용이 필요한지 아니면 재교육이 필요한지 등을 데이터 기반으로 판단하게 합니다.

그리고 그림의 가장 위에는 AI Agents Query Across This Connected Layer라고 적혀 있고, 여러 개의 에이전트 아이콘이 배치되어 있습니다. 이는 이제 AI가 이 연결된 레이어 전체를 가로질러 질의하고 분석할 수 있다는 뜻입니다. 여기서 중요한 것은 AI가 개별 시스템 하나만 보는 것이 아니라는 점입니다. 교육 시스템만 보는 것도 아니고, 프로젝트 시스템만 보는 것도 아니며, 성과평가 문서만 읽는 것도 아닙니다. 서로 연결된 사람 중심 레이어 전체를 질의 대상으로 삼는다는 것입니다.

이것이 가능해지면 AI는 단순 챗봇이 아니라 조직 분석 파트너가 될 수 있습니다.

예를 들어 AI는 다음과 같은 질문에 답할 수 있게 됩니다.

현재 프로젝트 품질 저하가 반복되는 팀에서 공통적으로 부족한 역량은 무엇인가.

특정 직무군에서 높은 평가 점수를 받지만 실제 운영 성과와 괴리가 큰 사람들은 누구인가.

최근 교육 이수 이후 실제 품질 사고가 감소한 집단은 어디인가.

연구개발 성과가 높은 인력은 어떤 경력 경로와 교육 패턴을 보였는가.

생산 운영 준수율이 높은 인력은 어떤 직무 요건과 평가 특성을 가지고 있는가.

성과 문제가 개인 역량의 문제인지, 직무 정의 자체의 문제인지, 또는 배치와 리소스 배분의 문제인지.

이런 질문에 답하려면 단일 시스템으로는 부족합니다. 데이터가 사람 기준으로 연결되어 있어야 하고, AI가 그 연결층 위에서 질의해야 합니다. 그림 속 상단 AI 에이전트들은 바로 그 가능성을 상징합니다.

이 인포그래픽이 특히 좋은 점은 HR을 더 이상 지원 기능의 기록 시스템으로만 보지 않는다는 데 있습니다. 대부분의 조직에서 HR은 여전히 행정적 성격이 강합니다. 입사와 퇴사, 평가와 보상, 휴가와 근태, 교육과 문서 관리가 중심입니다. 물론 이것들도 중요합니다. 그러나 이 그림은 한 걸음 더 나아갑니다. HR을 ‘사람을 이해하는 운영 인텔리전스 체계’로 재정의합니다.

즉, HR은 더 이상 사람에 관한 문서를 보관하는 곳이 아니라, 조직 성과와 실행을 사람 관점에서 해석하는 핵심 기반이 됩니다. 사람을 잘 이해한다는 것은 곧 배치를 잘하고, 교육을 정교하게 하고, 평가를 현실화하고, 성과 문제의 원인을 더 정확히 찾는다는 뜻입니다. 결국 이는 조직 운영 전체의 수준을 끌어올리는 일입니다.

또 하나 중요한 점은, 이 그림이 사람과 일을 분리하지 않는다는 것입니다. 많은 조직에서 사람 관리는 사람 관리대로, 업무 운영은 업무 운영대로 따로 생각됩니다. 하지만 실제 조직 문제는 대부분 그 경계에서 발생합니다. 역할은 정의되어 있지만 실제 역량이 부족할 수 있습니다. 교육은 진행되었지만 현장 성과로 이어지지 않을 수 있습니다. 평가 점수는 높지만 프로젝트 결과는 부진할 수 있습니다. 성과가 낮은 것이 개인 책임처럼 보이지만 사실은 직무 설계나 부재 관리, 일정 압박의 결과일 수 있습니다. 그러므로 사람과 일을 연결해서 보는 시각이 필수적입니다.

이 인포그래픽은 그 연결 방식을 매우 명확하게 제시합니다.

첫째, HR 운영 데이터와 업무 운영 데이터를 분리된 저장소로 두지 않는다.

둘째, 동일한 사람 식별자를 통해 연결한다.

셋째, 그 위에서 Workforce Hub, Competency Gap, Performance Crosswalk 같은 해석 레이어를 만든다.

넷째, AI가 이 연결 레이어 전체를 질의하고 분석하게 한다. 이 네 단계가 그림의 핵심 구조입니다.

조직 경영 관점에서 보면, 이 구조는 몇 가지 전략적 효과를 만듭니다.

첫째, 채용과 배치의 정확도가 높아집니다. 어떤 역할이 실제로 어떤 성과 패턴과 연결되는지 알 수 있기 때문에, 단순 스펙이 아니라 실제 역할 적합성 중심으로 인재를 판단할 수 있습니다.

둘째, 교육 투자의 효율이 높아집니다. 누가 어떤 교육을 받아야 하는지, 어떤 교육이 실제 성과 향상으로 이어지는지를 더 분명히 볼 수 있기 때문입니다. 교육이 단지 이수율 관리가 아니라 성과 개선 수단으로 전환됩니다.

셋째, 성과평가의 현실성이 높아집니다. 상사 인상이나 형식적 점수 중심이 아니라, 실제 프로젝트 수행, 품질 수준, 연구 산출, 운영 준수 같은 데이터를 함께 볼 수 있습니다.

넷째, 조직 문제의 원인 분석이 더 정교해집니다. 납기 지연, 품질 사고, 연구 생산성 저하가 발생했을 때, 그것이 단순히 개인 탓인지, 직무 요구 역량의 정의가 잘못된 것인지, 교육 체계가 부족한 것인지, 휴가와 부재로 인한 운영 리스크인지 구체적으로 분석할 수 있습니다.

다섯째, AI 에이전트의 활용 가치가 커집니다. 연결되지 않은 데이터 위에서는 AI도 단편적인 답만 할 수 있습니다. 하지만 이처럼 사람 중심으로 연결된 데이터 위에서는 AI가 훨씬 더 깊이 있는 조직 분석과 의사결정 지원을 제공할 수 있습니다.

기술적 관점에서도 이 인포그래픽은 매우 중요한 통찰을 줍니다. 많은 기업이 AI를 도입하려고 할 때 먼저 챗봇이나 요약 기능부터 떠올립니다. 그러나 실제로 조직에 강력한 AI를 도입하려면 먼저 데이터 구조가 연결되어 있어야 합니다. 이 그림은 AI의 성패가 단순 모델 성능보다 데이터 연결 구조에 달려 있다는 사실을 보여줍니다. 특히 사람과 일의 관계를 설명할 수 있는 데이터 구조가 마련되어야 AI가 진짜 조직적 가치를 만들 수 있습니다.

결국 이 인포그래픽은 이렇게 읽을 수 있습니다.

기존 HR은 사람의 기록을 저장한다.

기존 업무 시스템은 일의 기록을 저장한다.

하지만 조직은 사람과 일이 만나는 곳에서 성과가 만들어진다.

따라서 사람과 일의 데이터를 연결해야 한다.

그리고 그 연결 위에서 AI가 조직을 이해해야 한다.

그때 비로소 HR은 운영 행정이 아니라 People Intelligence가 된다.

한 문장으로 정리하면 이 그림은 다음을 말합니다.

사람에 대한 데이터와 일에 대한 데이터를 하나의 연결된 레이어로 통합하고, AI가 그 위를 가로질러 질의할 수 있게 할 때, 조직은 비로소 ‘누가 무엇을 얼마나 잘하고 있으며 무엇이 부족한지’를 실질적으로 이해할 수 있다.

이것이 바로 이 인포그래픽이 말하는 AI-Connected HR의 본질입니다.

출처 소개

제작자: SY Thian (HR/People Analytics 분야 전문가)

유형: 개인 제작 인포그래픽 (개념 아키텍처 모델)

유통 경로: Facebook 및 LinkedIn 등 SNS

성격: 제품 문서가 아닌 실무 인사이트 기반의 thought leadership 콘텐츠

--

Written by AI Alchemist & Maestro 두드림(Two Dreams)

- Orchestrating AI, systems, and human judgment

이 글은 Creative Commons BY-NC 라이선스에 따라 비영리적 용도로 자유롭게 복사·배포·활용할 수 있습니다. 출처(저자명·브런치 링크)만 표시해 주세요.