[PeopleValue Inside] 2월호

AI시대의 인력육성체계 현실화

우리의 육성체계에 DX교육 통합하기

조직의 규모와 속해 있는 산업에 따라, 또 인력육성 기능의 진화에 따라 회사는 나름의 인력육성체계를 갖추고 있다. 물론 체계적인 교육이나 직원육성을 고민하지 못하는 조직도 있다. 간헐적으로 교육을 하는 조직조차도 AI를 포함한 DX 교육을 하길 원하고 있다.

지금까지 나름의 방식으로 해오던 교육에 AI교육을 구겨놓고 있는 지금 상황에서 우리는 인력육성체계 내 DX교육이 어떻게 자리매김해야 할지 고민하는 그 중심에 서있다.

육성체계에 DX를 통합하는 단계

육성체계에 DX를 통합한다는 의미는 단순 DX교육을 추가한다는 것이 아니다. 물론 육성의 내용에 DX Tool활용과 같은 교육도 포함되겠지만 궁극적으로는 AI기반의 맞춤형 학습과 경력개발으로 이해된다. 이런 육성체계로 한 단계 더 나아가려면 어떻게 해야 할까?

통상 이 경우 역량체계에서 스킬체계로, 스킬체계에서 데이터체계로, 데이터체계에서 AI 의사결정 체계로 진화된다. 예를 들어 기존 리더십 역량모델에서 행동지표를 데이터화 하기 위해 스킬체계로 가게 되고 이를 데이터화 한다면 AI 진단 엔진을 개발하여 개인 맞춤 성장경로 생성할 수 있는 데이터체계를 갖추게 된다. 이후 개인별 맞춤화된 AI 코칭이나 프로젝트 배치, 그리고 성과 데이터 축적이나 AI 재학습 및 승계 등의 의사결정이 가능해지면서 인력육성과 성과평가, 배치 및 재학습 등의 연계가 아주 자연스럽게 일어나게 된다.

하지만 실패하는 가장 흔한 패턴은 주로 AI를 기존체계 위에 그냥 얹는 경우, 역량 정의를 그대로 둔 채 AI 도입하거나 데이터 품질이 낮은 상태에서 AI 적용, 혹은 경영진이 “교육 자동화”만 기대하는 경우이며 이 경우에는 제대로 된 육성체계로의 변화가 어렵다.

왜 시작은 스킬이어야 하나?

기존의 역량중심 체계는 역량의 하위 구조인 정의, 행동지표를 통해 측정하고 평가한다. 예를 들어 “전략적 민첩성”이라는 역량은 훌륭하고 인간이 평가할 수는 있지만 AI는 어떤 행동이 전략적 민첩성을 구성하는지, 어떤 데이터로 그 행동을 포착할 수 있는지, 그 행동과 성과의 상관관계는 무엇인지를 알아야 한다.

첫 번째로 예측가능성 때문이다.

우리가 현재 진행하는 육성 방식으로는 아래와 같은 질문에 데이터로 답변하는데 한계가 있다.

• 누가 부서장이 될 준비가 되었는가?

• 2년 뒤 전략적 사고가 부족해질 가능성은?

• 어떤 경험이 승진 확률을 높였는가?

위의 질문에 대한 예측은 “전략적 민첩성 점수”로는 어렵고 오히려 “의사결정 대안 수”, “시나리오 검토 패턴” 같은 스킬 기반 행동 데이터를 필요로 한다.

두 번째는 개인화 추천 정밀도 향상 때문이다.

예를 들어 A, B 리더들의 진단결과 “임파워먼트 낮음”이라는 결과는 같지만 스킬로 보면, A는 목표 설정은 잘하나 권한위임이 부족, B는 위임은 하나 피드백이 약함으로 분석된다면 접근이 달라진다. 이는 스킬 DB 없이는 구분 불가능하다.

세 번째는 조직 전략과 연결 때문이다.

개인별 맞춤화도 큰 이슈이지만 기업의 인력육성은 궁극적으로 기업의 전략과 연계되어야 한다. 즉 전략에 맞춰 최적화된 인력운영이 필요한 것이다. 예를 들어 한 기업이 향후 3년 ESG 전략 강화하고 디지털 전환을 가속화하는 전략을 펴고 있을 때 이를 실행할 인력의 ① 필요한 스킬 세트 정의 ② 현재 리더 보유 스킬과 비교 ③ 자동 재교육 타겟 설정의 단계가 순차적으로 가능해진다.

따라서 DX를 통합하는 육성체계에서는 그 시작점이 역량에 기반한 스킬셋의 구현이어야 한다. 통상 역량모델의 행동지표는 관찰 가능, 평가 가능, 등급화 가능 (예: 1~5점)하지만 이는 인간에 의한 것이고 AI가 필요로 하는 것은 기계적으로 분해되고, 조합되고, 상관분석 가능한 최소 단위인 스킬이 되는 것이다.

그러나 우리 조직이 연 1회 평가에 교육과정 매핑, 승진 심사 참고 정도로 육성체계를 활용하는 정도라면 기존 역량모델로 충분하다. 지금 이야기하는 목적은 실시간 진단, 개인 맞춤 성장 경로 자동 생성, 승진 가능성 예측, 핵심인재 이탈 예측, 전략 인력 시뮬레이션 등의 조직의 요구를 충족해야 한다면 반드시 스킬체계가 갖춰지는 것이 가장 선행되어야 한다.

다만 우리 조직의 행동지표 기반 평가가 정교하고, 데이터가 구조화되어 있으며 지표별 평가 히스토리가 충분히 축적되어 있는 상황이라면 굳이 무리하게 스킬 DB로 완전 재구성할 필요 없이 행동지표를 ‘AI feature화’하는 정도로도 충분할 수 있다.

최근 피플밸류그룹은 기존 역량모델을 스킬셋으로 전환하는 작업과 더불어 데이터화해서 활용할 수 있는 방법에 대한 컨설팅을 진행하고 있으며 조직 상황에 따라 다른 접근을 시도하고 있다.

AI리터러시 교육에서 조직역량으로 어떻게 접목하여야 하나?

기존의 교육체계 속에 부분으로 삽입되던 형식이 아니라 실제 역량개발 프로그램에서 잘 통합하려면 어떻게 해야 할까?

앞서 이야기한 리더의 전략적 민첩성이라는 역량을 강화한다고 생각해보자. 리더의 전략적 민첩성을 강화하기 위해 AI를 활용한 업무방식의 변화는 어떤 것이 있을까?

정책/환경 분석을 위해 자동 요약의 활용, 시나리오 플래닝 및 의사결정 과정에서의 대안 생성, 리스크 예측 모델에 적용 등이 해당할 수 있다. 그렇게 되면 교육 내용은 “AI로 전략 대안 3배 빠르게 만들기”, “AI 기반 의사결정 리스크 점검법” 등 실제 리더의 역할과 역량에 기반하여 전략적 민첩성을 강화하는데 도움되는 여러 방법론이 AI를 중심으로 확대될 수 있다. 역할과 역량에서 유리되지 않고 업무방식에서의 변화를 AI가 주도하는 것이다.

이렇게 교육내용이 구성되면, 평가방식도 변화하게 된다. 기존의 만족도 일변도였던 평가에서 업무시간 절감률, 문서 품질 개선도, 적용 사례 수, 생산성 변화 등의 성과를 측정하는 게 보다 용이해 진다.

일반적으로 스킬체계를 구축하고 예측모델로 가게 되면 너무 큰 변화로 조직 내 저항이 커지는데, 육성을 위한 교육을 통해 고도화 하면서 AI 활용 데이터 축적, 리더 행동 패턴 수집, 적용 사례 수집 등이 일어나게 되면 이후 데이터체계로 가기가 용이해지는 이점도 있다. 결국 거시적인 육성체계의 구조적 변화이든 프로그램과의 연계든 AI는 단계적 진화를 가능하도록 길을 만들고 있고 이를 적용하며 실질적 사례를 쌓아가는 것은 우리의 몫으로 남아 있다.

그리고 우리 조직이 공공기관인지 민간기업인지, 교육이 HR 주도인지, 디지털 조직 주도인지, 경영진이 AI에 대해 기대가 높은 지 형식적인지에 따라 우리의 접근방식은 달라진다. 이 세 가지는 “교육 설계 방식”이 아니라 전략·속도·저항관리 방식을 결정하기 때문이다. 예를 들어 공공기관이라면 리스크 최소화 전략, 민간기업이라면 속도와 성과 수치화 전략이 우선할 수 있는 것이다.

우리가 새로운 변화를 이야기할 때 혁신의 과제 같아 너무 크게 보이지만 스킬체계는 우리가 가진 역량을 더 잘 활용하기 위한 보완도구라는 걸 잊지 말아야 한다. 어디까지나 DX는 교체가 아니라 확장(extension) 이다. 역량체계를 부정하는 것이 아니다.

그리고 실행을 해나갈 때 단계적으로 접근이 필요한데, 먼저 성과를 만들어 낼 수 있어야 한다. 처음의 1년 목표는 “생산성 숫자” 하나면 충분하다. 오히려 조직에서는 완벽한 설계보다 작은 수치 하나가 더 강력할 때가 있다.

이렇게 육성체계를 진화하기 위한 시도에서 성공하기 위해서는 우리 조직의 상황에 맞는 단계별 접근전략이 무엇보다 중요하다.

우리는 완벽한 변화를 만들려는 것이 아니라, 멈추지 않는 변화를 만들려는 것임을 잊지 말자.

🥄 오늘의 스쿠퍼: 피플밸류그룹 김문숙 대표