
빠르게 재편되는 직무 위에서 사람을 보는 기준을 다시 세우는 일은 이제 많은 기업의 공통 과제입니다. 대형 보험사 C사도 같은 고민에서 출발했습니다. C사가 주목한 곳은 보험 가입부터 유지, 지급까지 이어지는 고객 여정을 기획하고 운영하는 마케팅 및 CRM 직무군이었습니다.
이 직군은 100여 명 규모로, 사업 경쟁력이 좌우되는 핵심 직무였습니다. 하지만 정작 이들에게 어떤 역량이 필요한지, 그 역량을 어떻게 키워야 하는지까지는 일관된 기준으로 설명하기 어려웠습니다.
C 보험사의 상황을 자세히 들여다보면, 세 가지 문제가 서로 맞물려 있었습니다.
결국 채용과 배치, 교육 투자는 매번 소수 인원의 경험과 감에 기대어 결정됐고, 그 판단을 경영진에게 근거로 설명하기는 어려웠습니다. 세 문제의 뿌리는 오로지 하나, 기준이 통일되지 않았다는 것이었습니다. 역량을 정의하는 일, 사람을 진단하는 일, 교육으로 채우는 일이 서로 다른 기준 위에서 작동하고 있었던 것이죠.
뿌리가 하나였으니 해법도 하나였습니다. 역량을 정의하고, 진단하고, 교육으로 채우는 세 가지 일을 같은 데이터 선상으로 위치시켰죠. 순서대로 짚어보겠습니다.
첫 번째 문제, 즉 역량의 기준부터 데이터로 다시 세웠습니다.
텔타는 알리안츠, 메트라이프, 프루덴셜, 취리히를 비롯한 글로벌 주요 보험사의 공개 직무 데이터를 LLM으로 분석해, 보험업에 적합한 스킬 체계의 초안을 빠르게 도출했습니다. 여기에 C사 고유의 직무 정의와 용어를 결합하고, 직무기술서를 출발점으로 삼되 현업 인터뷰를 통해 문서에서는 볼 수 없었던 실제 업무 정보까지 끌어냈죠. 다른 곳에서 만들어 둔 직무 데이터를 그대로 옮겨오는 대신 보험 가입·유지·지급이라는 C사의 업무 맥락에 맞춰 스킬을 다시 정의한 것입니다.
결과물은 추상적인 역량 키워드의 나열이 아니라, 의사결정에 바로 쓸 수 있는 스킬 체계였습니다. 4개 팀, 12개 직무, 실무자부터 리더까지 3개 직급을 가로질러 100개가 넘는 스킬을 정리했죠. 각 스킬은 직무 고유의 전문 능력인지, 분석·프레임워크 같은 방법론인지, 실무 도구를 다루는 능력인지로 나눴습니다.
같은 직무라도 직급에 따라 핵심이 갈렸는데요. 예를 들어 데이터 분석 직무에서 실무자에게는 ‘SQL·데이터베이스 활용’이, 리더에게는 ‘분석 과제 타당성 평가’가 핵심으로 꼽혔습니다. 이렇게 “이 직무에는 무엇이 필요한가”라는 첫 번째 문제에 일관된 답이 생겼습니다.
기준이 데이터로 만들어지자, 서로 제각각이던 진단과 교육도 같은 기준을 따를 수 있게 되었습니다.
사전에 정의된 스킬셋을 기반으로 목적과 직무에 맞춰 진단 방식을 선택했습니다. 일관된 기준과 적합성을 최우선에 두었고, 실제 업무와 유사한 상황을 제공하는 시뮬레이션 기반 진단과 과거 경험에서 능력의 발현을 검증하는 방식을 활용했습니다. 서술형 답변을 텔타의 AI가 일관된 기준으로 채점하자, 그 동안 눈에 보이지 않던 개인의 역량 수준이 점수로 보이게 되었죠.
세 번째 문제인 교육은 진단 결과에 자연스럽게 연결됩니다. 진단 결과를 통해 구성원에게 부족한 스킬이 드러나면, 그 스킬을 보강할 수 있는 교육을 전문 파트너사와 함께 설계했습니다. 다양한 교육 커리큘럼 중 적당히 선택하지 않고, 진단으로 드러난 부족한 역량을 채우는 교육이었습니다.
위 과정을 통해 C 보험사의 역량 정의-진단-교육까지 흐름이 하나로 완성되었습니다. 교육을 마친 뒤 같은 기준으로 다시 진단해, 무엇이 얼마나 달라졌는지 확인할 수 있는 구조를 갖춘 것입니다.
이런 식으로 구조를 세팅해두면, 교육이 '이수했다'에서 끝나지 않고 '역량에 변화가 있는가'를 기준으로 파악할 수 있게 됩니다. 역량 정의와 진단과 교육이 비로소 하나의 축으로 연결되는 겁니다.
한 번 만들고 캐비닛에 넣어두는 역량 모델링 문서였다면, 이 이야기의 의미는 절반에 그쳤을 겁니다. 텔타와의 프로젝트를 통해 C사에는 두 가지가 남았습니다.
스킬 체계를 만드작업은 보통 전문가가 수개월을 투자해야 가능합니다. 그만큼 거대한 비용과 시간이 투입되죠. 하지만 텔타는 이 직무 분석 컨설팅 작업의 시간과 비용을 약 70% 줄여, 초안을 약 1개월만에 완성했습니다. 초안부터 이미 90% 이상의 퀄리티로 완성되었기 때문에, 현업 전문가의 빠른 검토로 마무리할 수 있었죠. AI시대에 속도는 곧 최신성을 의미합니다. 직무가 바뀌어도 기준을 다시 세우는 부담이 그만큼 줄어든다는 뜻이니까요.
하지만 C사가 더 크게 체감한 변화는 사람을 말하는 방식에 있었습니다. 이제 C사는 "핵심 직무에 사람이 더 필요하다"거나 "교육에 더 투자해야 한다"는 요청을, 어떤 직무의 어떤 스킬이 어느 수준에서 부족하고 교육 이후 얼마나 움직였는지를 보여주는 데이터로 바꿔 말할 수 있게 됐습니다. 채용 기준, 배치 판단, 교육 투자의 우선순위가 같은 지도 위에서 논의된다는 것은, 사람에 대한 의사결정이 감의 영역에서 근거의 영역으로 옮겨 왔다는 뜻입니다.
빠르게 재편되는 직무 위에서 사람을 보는 기준을 세우고, 그 기준을 진단과 교육까지 하나로 이어야 한다면 텔타에게 문의해 주세요. 우리 조직에는 어떤 접근이 필요할 지 텔타가 함께 고민하고 최적화된 솔루션을 제안해 드리겠습니다.