인공지능이 기술 데이터에 대한 조직의 생각을 바꾸는 5가지 방법_1편
기술 전략에서 AI의 역량을 활용하려면 CHRO는 기술 데이터 접근 방식을 재고해야 합니다. 여기에는 어떤 데이터를 사용하고, 얼마나 많은 데이터를 활용해야 하는지, 직원의 발전 기회 창출에 이 데이터를 어떻게 활용할지, 그리고 자동화의 기술적, 윤리적 측면이 어떻게 작용하는지를 고려해야 합니다.
새로운 AI 기능들은 조직이 스킬 데이터를 효과적으로 활용할 수 있게 돕지만, 이를 수집하고 활용하는 데 새로운 복잡성을 불러옵니다.
현재 조직들은 AI 지원 기술 데이터를 제공하는 다양한 HR 애플리케이션을 사용하고 있어, HR 리더들은 다양한 시스템에 존재하는 방대한 데이터로 인해 혼란스러워할 수 있습니다.
중앙화된 표준 데이터 저장소가 없다면, 어떤 데이터 소스를 우선적으로 활용해야 할지 결정하기 어려울 것입니다. CHRO는 이런 방대한 데이터 컬렉션 속에서 당황하지 않고 탐색해야 합니다.
이를 위해 AI가 기술 데이터에 대해 어떻게 다르게 접근하는지를 이해하고, 이러한 변화에 대응하기 위해 기술 데이터 사용 전략을 조정해야 합니다.
기술 데이터 사용 전략은 주로 다섯 가지로 나눌 수 있습니다:
CHRO는 AI의 역량을 활용하여 각 변화에 대응하며 기술 감지 기능을 향상시킬 수 있습니다. 이번 1편에서는 '수집되는 데이터의 양'과 '데이터의 활용 목적'에 대해 알아보도록 하겠습니다.
AI 도입 이전에는 조직이 일반적으로 각각 독립적이고 관리 가능한 기술 및 역량 목록을 통해 기술 데이터를 기록했으며, 이를 지속적으로 수동으로 업데이트해야 했습니다. 이로써 발생하는 데이터 유지에 필요한 광범위한 노력으로 인해 조직은 야망을 축소하고 소수의 필수 기술을 추적하는 데 집중해야 했습니다.
AI 이전에는 데이터를 대량으로 수집하기가 너무 어려웠지만 AI는 그 반대입니다.
AI 도입 이전에는 대량의 데이터를 수집하는 것이 어려웠지만, AI는 이와 반대로 작용합니다. HR 리더들은 이제 더 많은 데이터를 보유하고 있어 자세한 기술 정보와 더 친숙한 역량 뿐만 아니라, 직원의 개별 지식 영역, 프로젝트 경험, 학습 및 개발 활동, 경력 경로 등을 수집하고 종합할 수 있습니다.
술 데이터의 급증으로 어려움을 겪고 있는 CHRO의 경우, 핵심 기술 정보를 안정적으로 유지하면서 혼란을 수용하는 것이 중요한 교훈입니다. (그림 1 참조)
핵심 데이터에는 역할 요건을 충족시키거나 표준을 준수하기 위한 역량 모델, 업계 인증, 기술 추적과 같은 내용이 포함됩니다.
이러한 데이터 포인트는 여전히 중요합니다. 그러나 이 외에도 CHRO는 AI가 상황, 지식, 경험, 최신 동향, 빈도 등의 세부적 데이터를 활용하여 직원의 기술과 잠재적 경로를 추론하는 복잡한 방식에 익숙해져야 합니다.
AI 시스템의 권장 사항에 따라 자격 요건에 맞지 않는 역할에 직원을 배치하는 것은 적절하지 않지만, 이러한 시스템은 그 외에도 직원의 능력을 알려주지 못했던 정보를 제공할 수도 있습니다. 비록 혼란스럽고 불완전한 데이터라도, 더 깊은 수준에서 자신의 재능을 이해하는 데 도움을 줄 수 있으며, 이는 직원들이 조직 내에서 자신의 성장을 보여주고 지원받을 수 있도록 돕습니다.
AI는 조직이 기술 데이터를 활용하는 방식에 큰 영향을 미칩니다.
과거에는 조직이 직원의 기술, 역할, 직무 이력 등을 수동으로 유지 관리하는 검색 가능한 데이터베이스를 운영했습니다. 이 데이터베이스는 내부적으로 채용 관리나 역할에 맞는 인재를 찾는 데 활용되었습니다. 이러한 시스템에서는 데이터베이스가 항상 최신 상태이고 필요한 정보가 일관되게 저장되기를 기대했습니다.
하지만 AI 기반 기술 데이터 시스템은 이와는 다릅니다. 이들은 거의 기관실과 유사하게 작동합니다.
조직은 데이터베이스를 뒤지는 대신 AI 지원 내부 인재 마켓플레이스를 활용하여 특정 역할이나 프로젝트에 맞는 여러 인재를 즉시 찾아낼 수 있습니다. 이 AI 엔진은 단순히 "앞으로 몇 년 동안 누가 이 일을 할 수 있을까?"라는 질문이 아니라, "지금 이 일을 할 수 있는 사람은 누구인가?"라는 유연한 기술 기반 접근 방식을 제공하여 인재 관리를 지원합니다.
더 나은 결과를 얻기 위해 이 엔진은 먼저 다양한 소스에서 더 많고 더 풍부한 데이터를 제공해야 합니다. 이는 더 나은 일치 항목을 생성하는 데 도움이 됩니다. (그림 2 참조)
AI 시스템이 처리해야 하는 정보가 더 많을수록 기술 가용성과 요구 사항 간의 접점과 격차를 더 정확하게 식별할 수 있습니다.
HR 시스템 데이터를 기반으로 시작하는 것은 중요하지만, 이러한 시스템에는 일상적인 작업이나 업무에 관련된 특정 지식이 부족한 경우가 있습니다. 내부 인재 마켓플레이스는 공연이나 프로젝트 성과에 대한 데이터를 추가하여 역할에 대한 정보를 보완할 수 있습니다. 도메인 지식과 주제 전문 지식은 협업 도구와 지식 문서의 상호 작용 데이터를 통해도 얻을 수 있습니다. 이러한 엔진에 생명력을 불어넣는 것은 직원들이 의미 있는 일을 더 빨리 찾을 수 있도록 돕는 것을 의미합니다. 그 결과, 조직 내에서 직원들은 더욱 성장할 수 있게 됩니다.
