생성형 AI의 보편화로 본격적인 Agentic AI 시대가 열리고 있다. 이제 AI는 단순한 정보 검색이나 문서 요약을 넘어, 기업의 내부 데이터와 시스템에 직접 연결되어 복잡한 업무 프로세스를 스스로 이해하고 실행하는 수준에 도달했다. AI가 실질적인 업무 주체로 등장한 것이다. 이 변화는 HR 분야에도 큰 변화를 가져오고 있다. ‘피플 애널리틱스’가 데이터를 기반으로 퇴직 가능성을 예측하는 등의 성과를 보여줬다면, 이제 AI는 분석과 예측을 넘어 계획에 따라 사람이 하던 업무를 실제로 수행하는 단계까지 진화하고 있다. AI는 더 이상 단순한 도구가 아닌, 함께 일하는 동료로 자리 잡고 있다.

여전한 피플 애널리틱스 가치

피플 애널리틱스는 객관적인 데이터를 기반으로 조직 내 잠재적인 문제를 파악하고 해결책을 모색한다는 점에서 여전히 높은 가치를 지닌다. 대표적인 사례로, 홀텀(Holtom)과 알렌(Allen)의 연구를 들 수 있는데, 이들은 50만 명이 넘는 미국 직장인의 데이터를 활용, AI를 통해 이직 예측이 가능함을 입증했다. 연구에서는 개인이 조직에 얼마나 깊이 연결되어 있는지를 나타내는 ‘직무 착근도(Job Embeddedness)’와, 인수합병(M&A)이나 경쟁사의 제안과 같은 외부 요인인 ‘이직 충격(Turnover Shocks)’을 함께 분석했다. 그 결과, 직원들을 네 개의 이직 위험 그룹으로 분류할 수 있었고, 이 중 가장 위험도가 높은 그룹은 가장 낮은 그룹보다 이직 확률이 무려 63%나 높은 것으로 나타났다. 이 결과는 데이터를 기반으로 이직 고위험군을 사전에 식별하고, 이에 선제적으로 대응할 수 있음을 보여준다. 이러한 접근은 국내 기업 환경에서도 활발히 적용되고 있다. 알고리즘랩스는 다수의 국내 대기업과 협력해, 데이터 기반의 퇴직 예측 모델을 성공적으로 구축한 바 있다. 이 프로젝트의 핵심 목표는 단순히 이탈 가능성이 높은 직원을 찾아내는 것을 넘어, 이탈의 근본 원인을 파악하여 핵심 인재를 선제적으로 관리하는 데 있었다. 이를 위해 업무 관련 데이터를 비롯해 출퇴근 거리, 야근 빈도 등 근무 환경 데이터, 그리고 직무 만족도나 교육 이수 현황 같은 개인의 성장 관련 데이터까지 다각도로 정보를 수집했다. 퇴직은 어느 한 가지의 요인이 아닌, 다양한 변수들이 복합적으로 얽힌 결과이기 때문에, AI 모델을 활용해 그 복잡한 패턴을 정밀하게 분석한 것이다. 이 퇴직 예측 모델을 도입한 기업들은 기존의 ‘감’에 의존한 주관적인 인재 관리 방식에서 벗어나, 데이터에 기반한 객관적이고 정교한 의사결정을 할 수 있게 되었다. 또한, 분석 결과는 인사 제도 설계나 핵심 인재의 장기 근속을 유도하는 맞춤형 관리 전략으로 이어지며, 실제 조직 운영에 실질적인 변화를 가져오고 있다.

HR Analytics와 AI Agent의 시너지: 예측에서 실행으로