본문 바로가기
사업/HR

데이터 활용으로 핵심인재 이탈 방지하기 (feat. HR 애널리틱스 활용 정도)

by 트렌디한 일반 상식 2024. 3. 28.
반응형

데이터 활용으로 핵심인재 이탈 방지하기 (feat. HR 애널리틱스 활용 정도)
데이터 활용으로 핵심인재 이탈 방지하기 (feat. HR 애널리틱스 활용 정도)

 

우리는 다음과 같은 질문들을 통해 현재 기업의 HR 애널리틱스 활용 정도를 확인해 볼 수 있습니다.

 

“연간 직원의 이직률은 어느 정도입니까?” 

“후회 손실로 직원의 이직률은 얼마입니까?”

“1년 이내에 회사를 떠날 가능성이 가장 높은 직원을 알고 있습니까?” 

 

위 질문에서 1번 질문에 답할 수 있다면 기업은 HR 관련 데이터를 DB를 통해 관리하고 있는 것입니다. DB를 통해 관리한다는 것은 HR 관련 데이터가 전산 시스템을 통해서 취합 및 관리되고 있는 것이며, HR 데이터가 적재되어 갈 수 있는 여건이 확보된 것이라 볼 수 있습니다.

 

2번 질문에 답할 수 있다면 기업은 DB화 된 HR 데이터를 통계적으로 분석할 수 있다는 것을 의미합니다. 특정 사건과 이 사건 이후 이직 여부에 대한 상관관계 등을 통계적으로 분석할 수 있어야 2번에 대한 답을 구할 수 있습니다. 이는 HR 애널리틱스를 통계적 분석 단계의 성숙도로 활용하는 것으로 볼 수 있습니다.

 

3번 질문에 답할 수 있다면 기업은 DB화 된 HR 데이터를 체계적으로 정리해 인공지능 관점의 분석을 할 수 있다는 것을 의미합니다. 물론 인공지능이 없더라도 기업 내에 속한 담당 팀장, HR 관계자가 잠재적 퇴사자와 소통하는 과정에서 얻은 정보와 태도 등을 토대로 직관적 판단을 해 누가 퇴사할지 예측해 볼 수 있습니다.

 

이러한 직관을 통한 분석을 컴퓨터 공학 관점에서는 휴리스틱 Heuristics 한 기법을 적용했다고 봅니다. 휴리스틱이라 함은 복잡한 과제를 간단한 판단 작업으로 단순화시켜 의사결정하는 경향을 뜻합니다. 업무 분야를 막론하고 셀 수 없을 정도로 많은 일들이 휴리스틱 한 기법을 토대로 판단을 받고 그에 따른 조치를 취하고 있습니다.

 

반응형

1. 기업의 HR 애널리틱스 성숙도와 활용 영역

기업 내 핵심인재가 퇴사를 결정하기까지 영향을 미치는 요인은 굉장히 다양할 것입니다. 휴리스틱 한 프로세스로 문제를 바라볼 수 있겠지만 보다 정확한 답변을 하기 위해서 수많은 요인을 고려한 분석을 통해 예측할 필요가 있습니다. 실제 인공지능은 어떠한 임직원이 퇴사할지에 대한 확률을 계산해 의사결정을 도울 수 있습니다.

 

앞서 언급한 1, 2, 3번 질문을 통해 간략하게 현재 속한 기업의 HR 애널리틱스 성숙도를 측정해 볼 수 있습니다. 이를 통해 현재 기업에 필요한 단계의 HR 애널리틱스 방향성을 정립할 수 있을 것입니다. 최근 HR 업무를 쉽게 전산화시키고자 하는 솔루션들이 시장에 적지 않게 존재하는 상황으로, HR 데이터가 적재되지 않고 있는 기업의 경우에도 빠르게 업무를 전산화시켜 DB 화할 수 있습니다. 마찬가지로 데이터를 통계적인 분석 혹은 인공지능 관점으로 분석해 본 경험이 없는 기업의 경우에도 아주 많은 데이터를 반드시 보유해야만 하는 것은 아니며, 기술 역량 없이도 쉽게 접근할 수 있는 방법이 존재합니다. 따라서 현재 기업 내의 HR 애널리틱스 성숙도 등의 상황이 어떠하건 인공지능 관점으로 HR 업무를 수행하는 것은 조직의 의사결정에 따라 충분히 단시간 내에 가능하며, 의미 있는 일들을 쉽게 수행할 수 있습니다.

 

2. 핵심인재 이탈 예측 관점에서의 인공지능 신뢰도 확보 전략

필자가 속한 알고리즘랩스에서는 현재까지 7개의 대기업 및 중견기업과 HR 관련 인공지능 프로젝트를 수행하고, 실제 HR 실무 적용을 위한 AI 시스템 보급을 완료했습니다. 프로젝트를 진행하며 받은 핵심 질문의 대부분은 인공지능에 대한 신뢰도에 있었습니다.

 

먼저, 핵심인재 이탈을 예측하는 것이 정말 가능한 일인지에 대한 질문이 많았습니다. 이 경우 답변을 할 때 2가지 정보를 같이 주는 것이 효과적이었습니다. 첫 번째는 동일한 영역의 인공지능을 잘 활용하고 있는 사례를 면밀하게 전달하는 것이었습니다. 임직원 4만 명 규모의 글로벌 기업 닐슨의 상세한 사례 내용을 요약해서 관련 질문을 한 담당자에게 제공했습니다.

 

닐슨의 케이스는 여러 가지 교훈을 줍니다. 첫째로 완벽한 데이터를 구축하기 전에 현재 보유한 데이터로 먼저 분석을 시작하며 차차 데이터를 늘려나갔다는 점, 두 번째로 실제 인공지능을 통해서 핵심인재 이탈률을 48% 감소시킨 점입니다. 더 많은 교훈이 있으나 여기서는 이 2가지에 집중하고자 합니다. 이 케이스를 인용해, 인공지능이 핵심인재 이탈을 예측하는 일을 수행하는 것에 대한 의구심을 가진 담당자에게 20개 내외의 변수만 가지고도 유의미한 결과를 냈던 부분과 충분히 의미 있는 성과가 났던 프로세스임을 공유했습니다.

 

그리고 두 번째로 실제 기업이 가진 데이터가 부족하고 완벽하지 않기에, 글로벌 기업은 되겠지만 본인의 기업은 인공지능 활용이 어려울 것이라는 의견에 대해서는 너무 어렵게 생각하지 말고 PoC(Proof of Concept) 프로젝트를 해볼 것을 제안했고 결과를 수치화해 제공함으로써 담당자가 가진 인공지능 신뢰도에 대한 의구심을 지워 나갈 수 있었습니다. 알고리즘랩스에서는 HR 영역의 인공지능 프로젝트를 다양하게 진행했고, 그 모든 결과를 상세하게 언급하긴 어렵지만 핵심인재 이탈 예측, 부서 이동 적합도 예측, 승진자 예측, 연간 성과(고과) 예측, 직무역량 향상을 위한 연수 큐레이션 등의 과제에서 인공지능이 충분한 퍼포먼스를 냈습니다. 기업의 규모는 1백 명 내외의 조직부터 1만 명 내외의 조직까지 다양한 규모로 분포했으며, 프로젝트 수행 기간은 모두 3개월을 초과하지 않았습니다. 그리고 데이터가 상대적으로 많지 않더라도 충분히 의미 있는 결과가 나왔다는 사실도 일러두고자 합니다.

 

여러 가지 이유로 인공지능을 신뢰하기 어렵다는 사실을 잘 알고 있습니다. 이러한 의구심을 지워나가는 가장 확실한 방법은 체계적인 시장 조사와 실제 본인의 업무에 적용해 보는 것입니다. 다만, 아직 HR 업무 영역에 적용된 AI 사례가 충분하지 않기에 체계적인 시장조사를 하기 굉장히 어려운 영역이라는 것을 잘 알고 있고, 본인의 업무에 적용해 보는 것은 더더욱 막연하다는 사실을 잘 알고 있습니다. 따라서, 여기 기재된 내용이 어둡고 막막한 영역을 밝혀 나가는 데 도움이 되기를 바랍니다. AI는 충분히 가깝게 와있기에, 당신의 업무에도 쉽게 적용될 수 있으며 현재의 고충을 해결해 나가는 열쇠가 될 수 있습니다.

 

728x90

3. 데이터를 통해 핵심인재 이탈을 예측하고 방지하기

먼저, <그림 1>과 같이 인공지능 예측치를 대시보드로 구성해 의미 있는 모니터링을 할 수 있습니다. 핵심인재 이탈 예측 관점에서 인공지능의 역할은 결국 다양한 변수를 고려해 특정 인원이 퇴사할 확률을 예측하는 것입니다. 이러한 과정에서 핵심인재 이탈에 영향을 많이 미치는 요인(변수)이 무엇인지 도출됩니다. 특정 인원의 퇴사 확률을 체계적으로 도출하는 프로세스는 사람이 수행하기 힘든 영역으로, 인공지능이 사람보다 더 잘할 수 있는 영역으로 볼 수 있습니다.

인공지능 예측치를 대시보드로 구성한 예시
인공지능 예측치를 대시보드로 구성한 예시


다만, 예측 이후 퇴사 확률 및 핵심 요인 등을 분석해 실제 퇴사를 방지하는 실행은 결국 HR담당자가 관여할 수밖에 없습니다. 앞서 다룬 닐슨의 사례도 인공지능의 통찰력을 활용해 무언가를 실행하지 않으면 의미가 없다는 내용을 포함하고 있습니다. 닐슨은 퇴사 확률이 높은 인원을 인공지능이 알려주면, 이를 토대로 조직장과 면담을 하는 프로세스를 정립했습니다. 이 과정에서 퇴사 위험군에 있던 임직원의 40%가 새로운 직무를 맡게끔 재배치를 하는 것이 자연스레 일어났습니다. 그리고 입사한 지 1년 이내에 퇴사하는 패턴이 명확했던 만큼, 입사 후 1년을 면밀하게 추적하며 고충을 빠르게 도출해 내는 ‘Golden Year 프로그램’을 새롭게 도입해 잠재적 퇴사자를 관리했고 그 결과 핵심인재 퇴사율이 48%가량 감소했습니다.

 

이처럼, 인공지능의 통찰력을 활용해 결국 실행까지 연결되어야 의미 있는 성과로 이어질 수 있기에 인공지능과 사람의 상호작용을 극대화하는 프로세스를 개발할 필요가 있습니다. 실제 인공지능 학계에서는 사람과 인공지능의 상호작용 Human-AI Interaction을 연구하는 분야의 중요성이 점점 커지고 있는 상황입니다. 인공지능 홀로 모든 것을 결정하고 실행에 옮기기에는 기술적인 이슈와 윤리적인 이슈 등 많은 이슈가 발생할 수 있습니다. 따라서, 인공지능의 통찰력을 극대화할 수 있는 Human-AI Interaction 관점의 전략을 개발해 HR담당자와 인공지능이 유의미한 상호작용을 함께 해나가는 것이 현재 인공지능의 적절한 활용 방법이라 볼 수 있습니다.

 

데이터 활용으로 핵심인재 이탈 방지하기 (feat. HR 애널리틱스 활용 정도)
데이터 활용으로 핵심인재 이탈 방지하기 (feat. HR 애널리틱스 활용 정도)

 

4. 인공지능 활용으로 인사관리 혁신 가능해져

인공지능 도입으로 인해 기업의 일자리가 크게 줄고 위협을 받는 상황이라는 인식이 다소 널리 퍼져있습니다. 현재의 인공지능은 그 자체로 모든 것을 수행할 수 없습니다.  HR 영역에서도 마찬가지로 인공지능이 도입된다 해도 현재 HR 직무를 수행하는 사람의 역할이 줄어들 것이라 생각하지 않습니다. 인공지능의 통찰력을 HR 직무의 전문가가 해석하고 이를 활용하기 위한 체계를 마련하지 않는다면 변하는 것이 없을 것이기에 결국 HR 전문가의 역할이 보다 고차원적인 업무로 수렴할 순 있어도, 그 일 자체가 사라지긴 어려울 것이라는 점을 여러 사례 조사와 실제 프로젝트 수행을 통해 확신하게 됐습니다. 매 순간 어떠한 임직원이 나갈지에 대한 확률을 계산하는 것과 같이 사람이 수행하기 어려워 존재하지 않던 프로세스가 도입되면서, 이를 활용한 새로운 업무 프로세스를 발굴해 조직 인사관리에 혁신적인 체제를 도입할 수 있을 것이라 생각합니다.

 

빅 데이터라는 의미 있는 단어가 최근에는 오히려 공포의 단어로 데이터 분석에 거리감을 형성하고 있는 듯합니다. 마치 빅 데이터가 없으면 그 무엇도 데이터 분석으로 할 수 없다는 듯한 오해를 많은 기업에서 하고 있습니다. 하지만, 닐슨 사례의 교훈처럼 현재 보유한 데이터로 출발하는 것이 중요합니다. 충분히 현재 보유한 데이터로 의미 있는 결과를 도출할 수 있으며, 생각보다 그렇게 크고 다양한 데이터가 필요하지 않을 수 있습니다. 추후 필요하다고 판단된다면 도입하는 과정상에서 점진적으로 추가 데이터를 수집하고 반영하면 될 뿐입니다.

 

인공지능은 가까이에 와있습니다. 의지를 가지고 경험하고자 한다면 충분히 경험할 수 있는 만큼의 거리에 있습니다. 시도를 해야만 보이는 영역이 있기에, 핵심인재 이탈 분야에서도 여러 성공사례가 존재하는 것을 근거로 적극적인 도입을 시도해 보길 권장합니다.


 

 

인사담당자를 위한 리스킬링 전략 수립 (feat. 리스킬링에 임하는 인사담당자의 자세)

지금과 같은 비즈니스 환경에서 조직 경쟁력을 유지하기 위한 필수 조건은 바로 기술력과 그 기술을 완벽하게 다룰 수 있는 조직 내 인재들입니다. 수익성을 극대화하는 혁신 기술 역량을 보유

mkpark03.tistory.com

 

 

밀레니엄 팀장들이 고려해야 할 경영자 리더십 (feat. 겸손함)

조직에서 20년 이상의 경력을 쌓은 X세대 직장인은 밀레니얼 팀장들을 거느린 상위 리더일 가능성이 높습니다. 이 ‘리더들의 리더’ X세대가 실천해야 할 리더십은 일반 리더십과 사뭇 다릅니

mkpark03.tistory.com

 

 

조직 내 고경력 비보직자를 몰입시키는 방법 (feat. 고인물의 재발견)

조직 내 리더들은 갈수록 젊어지고 있으며 구성원들은 점차 나이가 들어가고 있습니다. 그리고 시간의 흐름과 함께 자연스럽게 경력이 쌓인 이들은 조직에서 특별한 직책을 맡지 않은 채 때로

mkpark03.tistory.com

반응형

댓글