.svg)
훌륭했던 HR의 비전, 그러나 멀기만 한 현실
피플 애널리틱스(People Analytics)와 데이터 기반 인적자원관리(Data-Driven HR). 지난 10여 년간 HR 분야의 핵심 화두였습니다. 피플 애널리틱스란, HR 데이터를 종합적으로 수집하고 분석한 결과를 바탕으로 인재 채용, 육성, 평가 등 인사 전반의 의사결정 품질을 높이는 데이터 기반 접근 방식을 의미합니다. 이를 통해 구성원의 성과와 잠재력을 객관적으로 식별하고 조직 운영의 비효율을 정량적으로 분석하여 비즈니스 성과와 직결되는 전략적 의사결정을 내릴 수 있다는 비전은 많은 기업의 주목을 받았습니다.
하지만 2025년 현재, 피플 애널리틱스를 성공적으로 도입해 HR 운영의 핵심 동력으로 삼은 기업은 찾아보기 어렵습니다. 많은 투자와 시도에도 불구하고, 대부분의 프로젝트는 파일럿 단계에서 끝나거나 일부 지표를 보여주는 대시보드를 구축하는 수준에 머물렀습니다. 피플 애널리틱스는 왜 대부분의 기업에서 비전을 실현하기 어려웠을까요?
이번 아티클에서는 데이터 기반 HR을 추진하는 과정에서 마주했던 주요 과제들을 분석하고, AI 기술이 피플 애널리틱스의 고민, 특히 '역량 데이터'의 부재라는 핵심 문제를 해결하며 데이터 기반 HR 실현에 대한 구체적인 해법을 제안합니다.
1. 피플 애널리틱스 도입을 어렵게 만든 요인 3가지
많은 기업이 피플 애널리틱스 도입을 시도했지만, 비슷한 어려움을 겪으며 가시적인 성과를 내지 못했습니다. 이는 단순히 기술 도입의 문제를 넘어, HR 데이터와 분석이 가진 본질적인 특성에서 비롯되었습니다.
(1) 분산된 데이터로 인한 낮은 신뢰도 (Data Silos & Integrity)
가장 먼저 꼽을 수 있는 어려움은 데이터의 파편화입니다. 실제로 많은 글로벌 테크 기업들이 시도하는 핵심 인재 이직 예측 모델 개발 프로젝트가 대표적인 사례입니다. 이 모델을 만들기 위해서는 퇴사자의 과거 성과 평가 데이터, 보상 이력, 승진 기록, 교육 이수 내역, 그리고 조직 만족도 설문 결과 등 다양한 데이터가 필요합니다. 하지만 현실에서는 각 데이터가 서로 다른 시스템에 흩어져 있습니다. 성과 데이터는 성과관리 시스템에, 보상 이력은 급여 시스템에, 만족도 설문 결과는 별도의 외부 솔루션에 저장되어 있는 식입니다.
분석팀은 모델링을 시작하기도 전에, 각 시스템마다 다른 직원 ID를 매칭하고, 과거에 여러 번 변경된 성과 평가 척도를 현재 기준으로 변환하며, 비정형 텍스트로만 남아있는 퇴사 면담 기록을 분석 가능한 형태로 가공하는 데에만 수 개월을 허비하곤 합니다. 이처럼 데이터의 기준점(Single Source of Truth)이 없는 상황에서는 분석의 신뢰도를 확보하기 어렵고, 준비 과정에 막대한 리소스가 투입됩니다.
"One of the biggest struggles HR teams shared at the event was the complexity of managing data spread across multiple systems like SAP Success Factors, Workday, Oracle, iCIMS, PowerBI and many more. This fragmentation hinders their ability to pull all people data together and make timely decisions." (Gartner, "Reimagine HR Conference", 2024)
.png)
(2) HR과 데이터 사이언스 간의 전문성 격차
HR 전문가는 조직과 사람에 대한 깊은 이해를 갖추고 있지만, 통계적 모델링이나 데이터 분석 툴에 대한 전문성은 부족한 경우가 많습니다. 반대로 데이터 사이언티스트는 기술적 역량은 뛰어나지만, HR 분야의 복잡하고 미묘한 맥락을 이해하지 못해 문제와 동떨어진 분석 결과를 내놓기 쉽습니다.
예를 들어, 데이터 사이언티스트가 '교육 이수 시간과 성과 등급 사이에 강한 양의 상관관계가 존재한다'는 분석 결과를 제시할 수 있습니다. HR 맥락에 대한 이해가 없다면, 이 결과는 '교육 투자를 늘리면 직원의 성과가 향상된다'는 단순한 인과관계로 해석될 위험이 큽니다.
하지만 HR 전문가는 여기에 '원래부터 업무에 적극적이고 동기부여가 높은 직원이 교육 참여율과 성과 모두에서 높은 평가를 받는 것은 아닌가?' 와 같은 가설을 제기할 수 있습니다. 즉, 교육이 성과의 직접적인 '원인'인지, 아니면 '성실함'이라는 제3의 변수가 만들어 낸 통계적 착시 현상인지 의심하고 검증할 수 있는 관점이 필요합니다. 이처럼 HR의 깊이 있는 맥락과 비판적 시각이 없다면, 데이터 분석은 자칫 잘못된 의사결정으로 이어질 수 있습니다
(3) '무엇을 측정할 것인가'에 대한 고민
데이터 분석의 핵심은 중요한 것을 올바르게 측정하는 데 있습니다. 하지만 리더십, 협업, 창의성, 조직문화 기여도처럼 조직 성과에 결정적인 영향을 미치는 역량(Competency)과 스킬(Skill)은 본질적으로 정량화하기가 매우 어렵습니다. 이러한 역량은 특정 행동과 결과로 발현되는데, 기존의 HR 시스템에서는 이를 데이터로 포착할 수 없었습니다.
결국 교육 이수 시간, 근속연수, 평가 등급 등 측정이 쉬운 대리 지표에 의존할 수밖에 없었고, 이는 현상의 단편만을 보여줄 뿐 본질을 설명하지는 못했습니다. 측정할 수 있는 것만 관리하게 되는 상황에 이르러, 분석 결과가 실제 의사결정에 미치는 영향력은 미미했습니다. 이 점이 피플 애널리틱스 추진에 있어 가장 큰 고민거리 중 하나였습니다.
2. AX 시대, 피플 애널리틱스의 새로운 가능성을 찾다
앞서 언급한 여러 과제들은 데이터 기반 HR의 발전을 더디게 만들었습니다. 하지만 생성형 AI와 거대 언어 모델(LLM)의 등장은 이 고민을 해결할 새로운 패러다임을 제시하며 진정한 AX(AI Transformation) 시대를 열고 있습니다.
텔타는 조직문화, 근태, 성과, 이직률 등 모든 HR 데이터를 통합 분석하는 피플 애널리틱스 서비스를 지향하기보다, 그 모든 분석의 성패를 좌우하는 가장 근본적인 데이터, 즉 '역량과 스킬'에 집중합니다. 신뢰할 수 있는 역량 데이터라는 단단한 기반을 제공함으로써, 전체 피플 애널리틱스의 분석 품질과 신뢰도를 높이는 핵심적인 '조력자' 역할을 수행합니다.
(1) AI 기반 스킬셋 구축 및 커스터마이징
과거 기업들은 컨설팅펌에 의뢰해 수 개월에 걸쳐 역량 모델링을 진행했습니다. 이는 막대한 비용과 시간이 소요될 뿐만 아니라, 완성된 역량 체계가 현실과 동떨어져 사장되는 경우가 부지기수였습니다.
텔타는 이러한 문제를 AI 기술로 해결합니다. 글로벌 직무 데이터를 기반으로 산업 및 직무 특성에 맞는 커스텀 스킬셋을 제안하고, 여기에 각 기업의 직무 기술서, 사업 보고서 등 내부 데이터를 학습시켜 조직의 고유한 맥락과 전략에 맞는 맞춤형 스킬셋을 짧은 시간 안에 구축합니다. 이는 '측정 불가능성의 문제'를 해결하는 가장 현실적이면서도 효율적인 해법입니다.
(2) 역량 진단/평가 프로세스의 자동화
신뢰도 높은 데이터를 확보하려면 일회성 진단이 아닌, 지속적이고 반복적인 진단/평가가 필요합니다. 텔타는 역량 진단 및 평가의 전 과정을 자동화하여 HR과 구성원 모두의 운영 부담을 획기적으로 줄이는 동시에 데이터 축적을 가속합니다. 실제로 텔타를 통해 평가/진단을 진행하여 담당 실무 조직의 운영 리소스를 70%가량 절감한 사례도 있습니다.
AI 기반의 자동화는 HR팀을 끝없는 역량 모델링과 평가 운영의 부담에서 해방시켜, 구성원 육성이나 조직문화 개선과 같은 더 가치 있는 일에 집중할 수 있게 합니다. 구축된 스킬셋을 기반으로 진단 문항을 효율적으로 개발하고, 응답 결과를 실시간으로 채점 및 분석하며, 최종적으로 개인별 강약점과 조직 전체의 역량 현황을 담은 심층적인 리포트초안까지 자동으로 생성합니다.
(3) 조직 역량 가시성 확보와 전략적 의사결정 지원
텔타의 AI 기반 솔루션을 통해 확보된 구조화된 역량 데이터는 조직의 보이지 않던 역량 자산을 가시화합니다. HR과 경영진은 이제 '우리 회사는 어떤 스킬을 얼마나 보유하고 있는가?', '미래 사업 전략에 필요한 핵심 역량과 현재 수준의 격차(Skill Gap)는 어느 정도인가?', '신규 프로젝트에 가장 적합한 역량 조합을 가진 인재는 누구인가?'와 같은 핵심적인 질문에 데이터 기반으로 답할 수 있게 됩니다. 실제로 솔루션을 통해 확보된 역량 데이터를 기반으로 핵심 역량 강화 교육 성과를 측정하는 등 가시적인 성과로 이어지는 사례가 나타나고 있습니다.
HR, 이제 다시 데이터 기반의 혁신을 시작할 때
데이터 기반 HR의 비전은 틀리지 않았습니다. 단지 비전을 실현하는 데 필요한 신뢰도 높은 데이터가 부족했을 뿐입니다. 특히 조직의 가장 중요한 자산인 구성원의 역량을 객관적으로 측정하고 데이터화하는 것은 기존 방법론으로는 넘기 쉽지 않은 과제였습니다.
AI는 이러한 어려움을 극복하고, 데이터 기반 HR이 약속했던 가치를 실현할 수 있는 핵심 동력입니다. 객관적 데이터에 기반하여 인재를 확보 및 육성하고, 잠재적 조직 리스크를 선제적으로 관리하며, 구성원 모두의 잠재력을 극대화하는 Data-Driven HR 운영이 이제 현실로 다가왔습니다.
텔타와 함께, HR의 새로운 미래를 시작할 때입니다.
.webp)
