AI 동료와 함께 일하는 시대, HR이 달라진다

필자는 최근 실리콘밸리에서 열린 K-Global 스타트업 행사에 참석하면서 이런 흐름을 직접 체감할 수 있었다. 행사장에서 만난 기업 대부분이 AI 관련 사업을 하고 있었고, 자연스럽게 나누는 대화들도 AI 이야기가 주를 이뤘다. 그중에서도 ‘AI 에이전트’라는 용어를 자주 듣게 되었다. AI가 단순한 도구에서 벗어나 스스로 판단하고 행동하는 에이전트로 진화하고 있다. 과거 AI가 사람의 명령에 따라 반응하는 수동적 역할이었다면, 이제는 목표를 설정하고 스스로 계획을 세워 실행하는 능동적 존재가 되었다. 이러한 변화는 모든 산업 분야에 영향을 미치고 있으며, 특히 사람을 다루는 HR 영역에서 그 파급효과가 두드러지게 나타나고 있다.

2025년, AI 에이전트의 해가 열리다

엔비디아의 CEO 젠슨 황은 CES 2025에서 AI 에이전트의 시대가 도래했다고 단언했다. 그는 AI 에이전트를 단순한 도구가 아니라 새로운 디지털 인력으로 설명했다. OpenAI의 샘 알트만 역시 2025년을 AI 에이전트가 업무 현장에 통합되어 “기업의 성과를 실질적으로 변화시킬” 해라고 전망했다.
AI 에이전트는 기존 AI와 무엇이 다를까? 지금까지의 AI가 사람이 명령을 내리면 그에 따라 답변하는 ‘반응형’이었다면, AI 에이전트는 스스로 계획을 세우고 행동하는 ‘주도형’이다. 이들은 자율성을 가지고 복잡한 업무를 처리하며, 시간이 지날수록 학습하고 개선된다.
가트너의 2024년 보고서에 따르면, HR 리더의 44%가 향후 12개월 내에 반자율 AI 에이전트 기능을 사용할 계획이라고 답했다. 흥미롭게도 단 2%만이 인간 HR 직원을 완전히 대체하는 무감독 에이전트를 배포할 것으로 예상한다고 했다. 이는 HR에서의 AI 에이전트가 인간을 대체하는 것이 아니라 인간의 능력을 증강하는 데 있음을 시사한다.

AI HR 활용 현황

에이치닷이 국내 인사담당자 960명을 대상으로 조사해 발표한 「HR팀의 AI 사용 현황」에 따르면, 응답자의 90%가 이미 AI를 업무에 활용한 경험이 있다고 답했다. 실제 현장에서는 AI 도입으로 HR 업무 처리 속도가 평균 74% 향상되고, 의사결정의 정확성도 25% 높아지는 등 뚜렷한 효과가 확인되고 있다. 채용부터 직원 관리에 이르기까지 HR 전반에서 AI 에이전트 활용 사례와 연구 결과가 잇달아 나타나고 있다.
① 채용
가장 먼저 변화가 일어난 영역은 채용이다. AI는 이력서 분석, 지원자 평가, 면접 일정 조율 등 반복적이고 시간이 소요되는 업무를 자동화해 효율을 높이고 있다. 실제로 2024년 SHRM 조사에서도 기업들이 HR 프로세스에 AI를 도입하는 가장 큰 목적이 인재 확보에 있는 것으로 나타났다. 해당 조사에 따르면 HR 전문가의 65%가 생성형 AI로 직무기술서를 작성하고 있으며, LLM 기반 채용 챗봇은 지원자의 질문에 실시간 답변하거나 조직문화 적합도를 예측하는 데 활용되고 있다.
AI기반 채용플랫폼 원티드는 단순히 기업이 설정한 조건에 맞는 인재를 추천하는 수준을 넘어 AI 에이전트가 직접 후보자에게 채용 기회를 제안하는 기능을 선보이고 있다. 이는 채용 과정의 혁신을 넘어 기업과 후보자 간의 연결 방식을 새롭게 정의하는 시도로 평가된다.
② 온보딩
신규 입사자의 온보딩 과정에서도 AI의 역할이 커지고 있다. 입사자 안내부터 교육까지 챗봇과 AI 비서가 개인 맞춤 지원을 제공하여, 신규 입사자의 초기 경험을 개선하고 조기 이탈을 방지하는 것이 핵심 목표이다.
입사자가 회사 정책, 복리후생, 휴가 규정 등 궁금한 사항을 24시간 실시간 문의하면 AI 챗봇이 즉각 답변을 제공한다. 이를 통해 새로운 직원들은 HR 부서의 응답을 며칠씩 기다릴 필요 없이 필요한 정보를 즉시 얻고 업무에 집중할 수 있다. 이러한 AI 기반 자가서비스 도입으로 HR 문의 티켓량을 줄이고 응답시간을 단축하여, 직원 만족도가 높아지는 효과를 볼 수 있다.
AI 에이전트는 신규 입사자의 직무, 지역, 계약 형태에 따라 필요한 할 일 체크리스트를 자동으로 생성하고, 서류 제출 마감이나 교육 수강 일정을 잊지 않도록 리마인드 알림을 제공할 수 있다. 이러한 맞춤형 온보딩은 일률적인 오리엔테이션보다 훨씬 효과적이다. 예를 들어, Infeedo.ai와 같은 도구는 문서 자동화, 진행 상황 추적, 맞춤형 교육을 제공해 신입사원을 24시간 지원한다. 이를 통해 기업은 온보딩 소요 시간을 최대 53% 단축하고, 신입사원의 초기 적응 경험을 크게 개선할 수 있다. IBM은 Ask HR이라는 사내 AI 에이전트를 도입해 휴가 신청, 급여 명세서 확인, 각종 증명서 발급 등 단순 업무의 94%를 자동화했다.
③ 성과관리
직원 성과관리와 평가는 오래도록 주관성과 비효율 문제가 지적되어 온 분야로, AI 도입으로 투명성과 객관성을 높일 수 있는 영역이다. 글로벌 인적자원관리 소프트웨어 분야 선두기업인 워크데이는 미국 샌프란시스코에서 열린 연례 컨퍼런스 ‘워크데이 라이징’에서 ‘퍼포먼스 리뷰 AI 에이전트’를 발표했다.
이 에이전트는 워크데이 플랫폼이 보유하고 있는 분기·연간 성과, 직원 상호 평가, 업무 기여도 등 데이터를 종합적으로 분석해 인사 담당자에게 초안을 제공한다. 최종 평가는 데이터를 검토한 인사담당자가 내리게 된다. 아직은 인사담당자의 판단을 돕기 위한 데이터를 제시하는 수준이지만 인사 관리 분야에서 점점 높아지는 AI의 활용도를 알 수 있다.
AI 기반 성과평가 도입 시 관리자의 역할 변화도 눈여겨볼 부분이다. AI가 기본정보 수집과 초안 작성 등을 해주므로 관리자는 단순 서류작업에서 벗어나, 직원과의 “피드백 대화”에 집중할 수 있게 된다. 이는 평가가 일방적 통보가 아니라 코칭과 경력개발 상담의 기회로 바뀌는 긍정적 효과를 낳는다. 다만 AI 평가는 데이터에 없는 맥락이나 창의적 기여를 파악하기 어려울 수 있으므로, 최종 의사결정에는 여전히 인간 관리자의 통찰과 공감이 필요하다.
④ 학습 및 개발(L&D)
사내 교육 분야에서도 AI 에이전트 활용이 두드러진다. IBM은 25만 명이 넘는 임직원의 교육을 위해 자사 AI 플랫폼 왓슨(Watson)을 활용한 맞춤형 학습 시스템을 구축했다. Watson은 직원들의 직무, 경력 목표, 이전 수강과정, 현재 보유 스킬 데이터를 분석하여 각자에게 필요한 과목과 콘텐츠를 추천한다. 또한 스킬 갭 진단을 통해 직원이 다음 단계로 성장하려면 어떤 역량을 추가 획득해야 하는지 제시한다. 이러한 AI 개인튜터 도입으로 IBM은 교육 소요시간을 크게 단축하고 직원 만족도와 이수율을 향상시켰다. 학습자들이 “필요한 내용만 골라 학습”하게 되어 학습 효율과 몰입도가 높아진 것이다.
Google은 AI를 활용하여 Grow라는 강력한 내부 학습 시스템을 구축했다. AI 분석 기술을 기반으로 하는 구글 시스템은 직원들의 학습 성과와 참여도를 모니터링한다. 현재 진행 중인 업무뿐 아니라 향후 업계에서 인기를 끌 것으로 예상되는 업무까지 고려하여 맞춤형 교육 과정, 워크숍, 실습 프로젝트를 제안한다. 모든 직원이 앞으로 어떤 도전에 직면하더라도 준비된 상태를 유지하는 것이 구글의 주요 목표이며, Grow를 통해 내부 역량이 강화되었고, 모든 직원이 자신의 역할과 가장 관련성 높은 학습 기회에 집중할 수 있게 되었다.

AI 시대, 변화하는 HR의 역할

AI 에이전트의 등장은 단순한 기술 도입을 넘어 기업의 일하는 방식을 근본적으로 뒤흔들고 있다. 반복적이고 규칙 기반의 업무가 빠르게 자동화되면서, 조직에서 사람이 수행해야 할 역할의 의미 자체가 재정의되고 있다. 이 변화는 HR의 역할에도 직접적인 파급력을 미친다.
AI 전환이 가속화된 지금, 모든 조직은 자신들의 활동이 매출, 시장 점유율, 고객 경험과 같은 명확한 비즈니스 성과로 이어짐을 입증해야 한다. HR도 예외일 수 없다. 더 이상 ‘사람 관리의 뒷받침’에 머물러서는 경영진의 기대에 부응할 수 없다. 기술 발전은 기업 간의 격차를 줄이는 동시에, 사람의 역량이 차별화의 핵심이 되도록 만들었다. 우수한 인재를 확보하고 유지하는 것은 더 이상 HR의 고유 기능이 아니라 기업 생존 전략의 중심축이다. 시장 환경이 빠르게 변하는 시대에는 조직의 민첩성이 생존 조건이 되며, 인력 재배치, 스킬 전환, 혁신 프로젝트 실행 속도 모두가 비즈니스 성과와 직결된다. 이러한 환경 변화 속에서 HR 목표와 지표도 달라져야 한다. 단순히 ‘채용 소요 시간’, ‘교육 이수율’, ‘직원 만족도’ 같은 관리 지표로는 성과를 설명하기 어렵다. AI 에이전트가 효율성 업무를 담당하게 되면서, HR은 이제 “프로세스의 완료”가 아닌 “비즈니스 결과”에 집중해야 한다.
새로운 시대의 HR 지표는 매출 기여까지의 시간, 생산성 목표 달성 속도, 고객 서비스 우수성 도달 기간, 혁신 기여도, 조직 민첩성 지수 등 비즈니스 성과와 직결된 결과 중심 측정이 되어야 한다. 단순히 빠르게 채용하는 것보다는 채용된 인재가 얼마나 빨리 성과를 내는지가 중요하고, 교육을 많이 시키는 것보다는 그 교육이 실제 업무 성과로 이어지는지가 핵심이다.
AI 시대의 HR은 효율적 관리자가 아니라 비즈니스 성과를 가속하는 촉매자로 자리매김해야 한다. HR이 진정한 전략 파트너로 인정받기 위해서는, 이제 ‘얼마나 잘 관리했는가’가 아니라 ‘얼마나 성과를 앞당겼는가’를 증명해야 한다.

HR의 새로운 역할, AI와 함께 일하기

HR은 AI의 강점과 한계를 이해하고, 인간과 AI가 각각 잘할 수 있는 일을 적절히 분배하는 조정자 역할을 해야 한다. 중요한 것은 단순히 AI를 ‘사용’하는 것을 넘어, AI와 어떻게 협업할 것인가를 배우는 일이다.
앞으로 HR은 AI를 단순한 도구가 아니라 ‘조직의 새로운 동료’로 다루는 관리 체계를 설계해야 한다. 이미 해외에서는 AI 에이전트 전용 구인 플랫폼이 등장했고, 다양한 직무에서 AI를 채용하는 사례가 나타나고 있다. 이런 흐름은 HR이 AI 에이전트에게도 채용, 온보딩, 교육, 보상, 성과관리라는 전통적인 HR 프로세스를 적용해야 함을 시사한다.
① AI 에이전트 선별과 채용
비즈니스 인사이더(Business Insider)는 최근 AI 에이전트 직업 플랫폼(Job for Agent)이 2024년 12월에 등장해서 상용화되어 있음을 보도했다. 팟캐스트 편집, 검색 분석, 계약직 변호사 등 12개 AI 에이전트에 대한 구인 광고가 플랫폼에 올라와 있다.
HR 부서는 AI 에이전트를 도입할 때도 마치 인재를 채용하듯 신중한 평가와 선별 절차를 거쳐야 한다. 도입하려는 AI의 정확도, 처리 속도 등 성능 지표와 업무 적합도를 기준으로 만들어 선별에 활용해야 한다. 또한, 윤리적 위험요소(편향이나 차별 가능성)를 사전에 검토해야 한다. 실제로 아마존은 지원자 이력서를 평가하는 AI 시스템을 도입했다가 해당 AI가 과거 데이터 학습으로 여성 지원자에게 불리한 편향을 갖게 되어 프로젝트를 폐기한 바 있다.
② AI 에이전트 온보딩
신입사원 온보딩과 같이 AI 에이전트를 팀에 통합시키는 과정이 필요하다. HR은 기존 직원들에게 AI 에이전트의 역량과 제한점을 충분히 알리고, 조직 내에서 AI가 맡을 역할과 책임을 명확히 설명해야 한다. AI 에이전트가 실제 업무에서 전문성을 발휘하려면 해당 도메인에 특화된 맞춤형 교육 자료와 시뮬레이션 기회를 제공해 초기 학습 환경을 마련해야 하며, 이 과정에서 AI 에이전트와 상호작용하는 방법에 대한 직원 교육도 병행되어야 한다.
③ AI 에이전트 교육과 훈련
채용된 AI 에이전트가 조직에 장기적으로 기여하기 위해서는 도입 초기부터 체계적인 교육과 훈련이 이루어져야 한다. 인간 신입사원의 온보딩 과정처럼 AI도 조직의 데이터와 업무 프로세스를 충분히 학습하도록 지원하는 것이 핵심이다. 이를 위해서는 우선 대량의 고품질 데이터를 수집하고, 해당 데이터를 AI가 이해할 수 있는 형식으로 전처리하는 단계가 선행되어야 한다. 그 후에 적합한 알고리즘과 모델을 선택하여 훈련을 진행하고, 테스트 데이터를 활용해 모델의 성능을 평가하며 필요시 하이퍼파라미터 조정이나 추가 학습을 통해 개선한다. 이러한 교육 프로세스는 단기적인 일회성 활동이 아니라, 환경 변화와 새로운 데이터에 끊임없이 적응하는 지속적 학습(Continual Learning)을 지원해야 한다.
④ AI 에이전트 보상 체계 설계
AI는 인간처럼 금전적 보상을 인식하지 못하지만 보상 설계 개념은 필요하다. 강화학습의 맥락에서 보상함수(reward function)는 AI의 행동방향을 결정짓는 핵심 요소인데, 이 보상함수를 어떻게 설계하느냐가 곧 AI의 성과 유도 장치라고 볼 수 있다. AI 에이전트의 보상함수는 에이전트가 달성해야 할 전체 목표와 부합하도록 설계되어야 한다. 조직이 원하는 성과와 성과지표에 맞게 AI의 의사결정에 가중치를 부여하는 것이 중요하다. HR 부서는 경영진 및 개발자와 함께 AI 에이전트의 성과평가기준을 설정하고, 이에 따른 알고리즘적 보상 체계를 디자인하는 역할을 맡는다.
⑤ AI 에이전트 성과 관리
HR 부서는 AI 에이전트의 업무 성과를 지속적으로 모니터링하고 관리하는 체계를 마련해야 한다. AI 에이전트가 수행하는 역할에 적합한 주요성과지표(Key Performance Indicator; KPI)를 설정하고, 정기적으로 성과를 측정하여 피드백과 교정을 반복하는 것이다. 이를 위해서는 강화학습의 원리가 유용하게 활용될 수 있다. 강화학습에 기반한 목표 관리가 효과를 발휘하려면, AI 에이전트가 내놓은 결과물뿐 아니라 사고 과정(Chain-of-Thought)을 추적해보는 것이 필요하다.
HR Tech 기업인 Lattice는 AI 에이전트를 온보딩하면서 인간 직원과 동일한 목표 관리를 실험했는데, 이는 AI의 목표 달성도를 피드백으로 지속 관리하여 성과를 극대화하는 방법이었다. 나아가 AI 에이전트가 인간 팀원과 함께 업무를 수행하는 환경이라면, 협업으로 인한 생산성 향상이나 오류 감소율 같은 지표를 종합적으로 측정해 AI-인간 시너지 효과를 관리하는 것이 바람직하다.
결국 HR은 이제 ‘사람만 관리하는 부서’가 아니다. AI와 인간이 함께 일하는 조직을 설계하고, 그 협업이 성과로 이어지도록 관리하는 부서로 진화해야 한다. HR이 이 새로운 책무를 제대로 수행할 때, AI는 단순한 기술이 아니라 진정한 동료로 자리 잡을 수 있다.

AI 시대 조직의 연금술사로 거듭나는 HR

뉴턴은 만유인력의 법칙을 발견하고, 현대 과학의 기초를 세운 위대한 과학자이다. 하지만 동시에 그는 생애의 절반을 연금술 연구에 몰두했던, ‘마지막 연금술사’이기도 했다. 납을 금으로 만들겠다는 목표는 지금 기준으로 보면 허황해 보이지만, 뉴턴에게 연금술은 단순한 실험이 아니라 자연의 근본 법칙을 탐구하는 또 다른 시도였다. 수많은 실패와 시행착오 속에서도 그는 그 과정 자체를 통해 세계를 이해하고자 했던 것이다.
AI의 학습과 발전은 연금술과 비슷하다. AI, 특히 AI 에이전트는 명확한 이론이나 완벽한 공식 위에서 작동하는 기술이 아니다. 여러 번의 실험과 반복 속에서 조금씩 다듬어지고, 예상치 못한 실패를 거치며 비로소 성과를 낸다. AI를 조직에 도입할 때도 마찬가지다. 한 번에 완벽한 답을 얻으려 하기보다는, 시행착오를 허용하고 그 과정에서 학습하는 문화를 만드는 것이 무엇보다 중요하다.
뉴턴이 연금술 속에서 새로운 발견의 단서를 찾았듯, HR 담당자는 AI 에이전트를 실험하고 활용하는 과정에서 조직의 새로운 가능성을 발굴해야 한다. AI의 답변은 항상 확정적인 진리가 아니라 “가능성”일 수 있다. 따라서 HR은 불확실성을 관리하고, 직원들이 확률적 사고에 익숙해지도록 돕는 역할을 맡아야 한다. 이것이 바로 AI와 함께 일하는 문화를 정착시키는 첫걸음이다. 작은 시도를 통해 배우고, 불확실성을 열린 태도로 받아들이며, AI 에이전트가 단순한 자동화 도구가 아니라 직원 경험과 성과를 높이는 동반자로 자리 잡을 수 있도록 돕는 것. 뉴턴의 연금술이 근대 과학으로 이어진 것처럼, HR의 이러한 역할은 조직을 다음 단계로 이끄는 중요한 다리가 될 것이다.