[기고] 성과 관리에서 생성AI의 효용성과 한계

[윤명훈의 Generative AI In HR ③] "데이터 기반 결정·편견 완화 도움...아직은 사람 보완 필요"

윤명훈 원티드랩 피플팀장

성과 관리(Performance management)는 회사의 성장과 구성원 육성에서 중요한 역할을 차지하는 HR 프로세스입니다. 그러나 성과 관리에 사용되는 프로세스와 기술은 그동안 크게 변화하지 않았습니다. 예를 들어 아직도 많은 조직에서 사용하고 있는 MBO(Management by Objectives)는 피터 드러커가 1954년에 소개한 개념입니다. 어니스트 헤밍웨이가 ‘노인과 바다’로 노벨문학상을 수상한 해입니다. 노인과 바다는 고전이 되었지만 MBO는 아직도 현역인 셈입니다.

성과 관리의 프로세스는 대략 이렇습니다. 연초가 되면 직원들은 달성해야 할 목표 목록을 작성하고, 1년이 지나 연말에 이르러 성과와 기여도를 평가하라는 메시지를 받습니다. 평소에 기록을 잘해두었다면 좀 낫겠지만 희미한 기억에 의존해 셀프리뷰 자료를 작성하는 경우가 많습니다. 관리자 역시 마찬가지입니다. 어렴풋한 기억에 의존해 성과 피드백과 최종 평가 등급을 작성합니다. 기억이라도 더듬으면 다행입니다. 때로는 업무와 무관한 기준으로 성과평가를 합니다. 전통적인 성과 관리 방식에는 데이터의 부정확함, 주관성, 편견 등의 다양한 오류의 발생가능성이 있습니다.

성과 관리에 생성 AI를 도입하면 지금은 사용하지 못하고 있는 다양한 원천의 데이터를 활용할 수 있습니다. 예를 들어 ▲여러 이해관계자의 피드백 ▲평가대상자가 참여한 프로젝트의 결과 ▲업무 습관 ▲의사소통 패턴 및 성과의 추세 등이 있습니다. 또 AI 기술은 성과 관리의 다양한 측면을 간소화하고 향상할 수 있습니다. 성과 평가 자동화부터 실시간 피드백 및 코칭 제공에 이르기까지 생성 AI는 HR이 데이터 기반 결정을 내리고 편견을 완화하며 지속적인 학습 및 성장 문화를 조성할 수 있도록 돕습니다.

성과 평가 자동화

전통적으로 성과 평가는 시간이 많이 걸리고 주관에 좌우되는 프로세스였습니다. AI 알고리즘은 직원 성과 지표, 피드백, 고객 리뷰, 동료 피드백 등과 같은 데이터 포인트를 분석해 포괄적이고 편견 없는 성과 보고서를 생성할 수 있습니다. AI 기반 자동화는 프로세스 속도를 높이는 것 외에도 공정하고 일관된 평가 프로세스를 만드는데 도움이 됩니다.

맞춤형 개발 계획

성과 평가 정보를 기반으로 직원을 위한 맞춤형 개발 계획을 수립할 수 있습니다. AI 알고리즘은 개인의 강점, 약점, 커리어 목표를 분석해 맞춤형 교육 프로그램이나 멘토링 기회를 제안할 수 있습니다. 이런 개인화된 접근 방식으로 구성원의 성장을 유도하고, 잠재력을 최대한 발휘하도록 돕습니다.

실시간 피드백 및 코칭

AI 기반 챗봇을 통해 구성원에게 실시간 피드백과 코칭을 제공할 수 있습니다. 관리자의 역할에 맞는 대화를 시뮬레이션해 즉각적인 가이드를 제공할 수 있습니다. 성과 향상뿐만 아니라 지속적인 학습과 성장의 문화를 조성하여 직원 경험을 향상할 수 있습니다.

인재 관리를 위한 예측 분석

생성 AI를 통해 방대한 양의 직원 데이터를 분석해 패턴과 추세를 분석, 데이터 기반 의사결정을 내릴 수 있습니다. 구성원의 향후 성과, 필요 스킬셋과 보유 스킬셋의 차이 등을 예측 분석할 수 있습니다. 예를 들어 특정 역할에서 어떤 후보자가 더 나은 성과를 낼 수 있는지 예측하고, 고성과자 중 퇴사리스크가 있는 직원을 찾아낼 수도 있습니다. HR에서는 이러한 잠재적 문제를 적극적으로 해결하고 인재 확보, 유지 및 승계 계획에 활용할 수 있습니다.

성과 관리의 편향 완화

성과 관리의 중요한 과제는 무의식적인 편견입니다. 생성 AI는 객관적이고 데이터 기반 통찰력을 제공하여 편견을 완화하는 데 도움이 될 수 있습니다. 선입견 없이 성과 데이터를 분석함으로써 관리자가 간과할 수 있는 패턴과 추세를 식별할 수 있습니다.

아직은 사람의 역할이 필요할 때

지금의 생성 AI의 기술 수준은 보완이 필요합니다. 프로세스가 올바른지 확인하려면 지속적인 사람의 감독과 모니터링이 필요합니다. 컨펌이라는 HR테크 기업에서는 성과 검토를 위해 ChatGPT를 사용했습니다. ChatGPT는 피평가자에게 날카로운 질문을 해 성과 리뷰를 작성하는 데 기여했습니다. 하지만 아직 직원 개개인에게 정확한 피드백 내용과 어조에는 아쉬움이 있습니다. 생성 AI는 개별 관리자가 감독자로서 성과 관리를 수행하는 데 도움을 줄 수 있으나 100% 대체할 수준은 아닙니다.

검토가 필요한 다른 측면이 있습니다. 생성 AI가 오히려 잘못된 데이터로 인해 편견을 강화시킬 수도 있습니다. 실제로 봇(Bot)이나 AI 지원 도구와 상호작용하면서 인간이 비윤리적인 행동에 참여하는 경향이 증가한 연구결과가 존재합니다.

일부 한계는 있지만 생성 AI는 리더가 직속 부하 직원과 동료에게 보다 포괄적이고 의미 있는 피드백을 제공할 수 있도록 돕는 유용한 도구입니다. 객관적이고 시의적절한 데이터 기반 통찰력을 제공하는 능력은 성과 관리를 크게 향상할 수 있습니다. 무엇보다 리더가 직원과 연결하고 직원의 업무 경험을 더 깊이 이해하며 직원의 목표 달성을 더 잘 지원할 수 있는 귀중한 시간을 확보할 수 있습니다. 결국 생성 AI의 적절한 활용은 오랜 관행을 개편하고, 성과 관리 시스템을 최적화하고 혁신하는 데 핵심적인 역할을 할 것입니다.

*본 칼럼 내용은 본지 편집방향과 다를 수 있습니다.