fbpx

AI 인공지능 인사시스템을 도입하기 전에 고려할 사항

인공지능은 산업 전반에 활용되고 있습니다.  그러면서 인사 시스템에 도입이 되기 시작하였습니다. 기존 인사 담장가가 채용을 할 때는, 인사담당자가  회사의 비전을 확인한 다음에,  그 비전에 따른 여러 수행 사항들을 충실하게 이행 할 사람을 공정하게 선발하는 것이 목표입니다.
그러나 기존 인사 담당자는 사람이기 때문에 여러가지 오류를 발생시킵니다. 그러면서 인공지능 인사시스템을 도입하는 것이 좋지 않나라고 생각하게 되었습니다.

기존 인간 인사담당자에게서 도출되는 문제점

  1. 공정성
    • 인사시스템에서 가장 중요한 것이 공정성입니다. 채용에 대한 기준과 절차를 정하고, 그 기준에 절차에 따라서 인사 담당자가 정확하게 채용하는  것이 공정한 채용의 방법입니다.
    • 하지만 인간 인사담당자들은 여러가지 선입견이 작동합니다. 출신 대학에 대한 선입견, 출신 지역에 대한 선입견, 성별에 따른 선입견, 외모에 따른 선입견이 작동하게 됩니다. 이는 인간이 평생을 살아 오면서 자연스럽게 가지게 되는 자기만의 사람 판별 노하우를 인사시스템에 적용하게 됩니다. 그러면서 많은 실수를 하게도 되기도 합니다.
  2. 상호작용
    • 채용을 하다보면, 피채용자와 이야기를 나눠야 합니다. 이 과정에서 상호작용을 잘 하는 인사담당자도 있고, 그렇지 못한 인사담당자도 있습니다.
    • 상호작용을 할 때 인사담당자의 역량에 따라서 결과가 많이 달라지기 때문에, 인사담당자의 실력을 어떻게 높이고, 어떻게 표준화를 해야하는지에 대한 문제가 항상 존재합니다.
  3. 신뢰도
    • 회사에서 정한 채용기준과 채용 절차를 진행함에 있어서, 각 단계별로 피채용자를 평가를 하고 나면 결과값이 존재합니다.
    • 이 결과값에 대해서 회사가 신뢰를 하고, 피 채용자도 신뢰를 해야 하는데, 편차가 심하게 나오는 경우가 많습니다.

인공지능 인사 담당자 도입시 고려할 사항

  1. 공정성
    • 인간 인사담당자가 피채용자의 지역, 학교, 성별등에 따라서 편견을 가지고 평가를 진행하는 경우가 많기 때문에, 인공지능을 도입하면 이런 문제가 없을 것이라고 많이들 생각하고 있습니다.
    • 그래서 인공지능은 사람이 아니고 기계이기 때문에, “공정” 할 것이라고 많이들 생각하고 있습니다. 실제로 그럴수도 있지만, 그렇지 않을 수 도 있다는 문제가 제기되고 있습니다.
    • 일례로, 아마존도 인공지능 인사시스템을 도입했다가, 폐기한 적이 있습니다. 이유는 인사 인공지능 시스템이 여성보다 남성을 선호하는 편향성을 가지게 되었기 때문입니다. 인공지능은 학습한 데이터를 기반으로 판단 기준을 세우게 되는데, 과거 채용 관련 학습 데이터가 남성 중심의 채용이 이루어진 것을 보게 된 것으로 추측됩니다. 인공지능이 스스로 이 편향성을 잡을수 없을 것이라고 보는 견해도 있습니다.
    • 즉, 인공지능이 학습할 데이터셋에 “편향성” 이 없게 어떻게 할 것인가? 라는 해결하기 어려운 질문이 남아 있습니다. 그리고 이 편향된 데이터셋을 학습한 인공지능이, 어떻게 그 편향성을 스스로 극복할 수 있을 것인가? 라는 2가지의 난제가 남아 있습니다. 이 2가지를 해결하지 못한 상태에서 인공지능을 인사시스템에 도입하게 되면, 장기적으로 엄청난 폐혜를 가져오게 될 것입니다. 그냥 단순히 모든 산업 분야에 인공지능을 도입하기 때문에, 인사 분야에도 쉽게 도입하려는 국내 대기업들은 이 부분을 꼭 확인 해야 합니다. 국내 대기업들보다 수십배는 기술력이 좋은 아마존이 인공지능 인사시스템을 폐기한 사례를 반면교사로 삼아야 할 것입니다.
  2. 상호작용
    • 인사담당자와 피채용자가 상호작용을 통해서 여러 가지 사항에 대해서 파악해야 하는데, 인공지능 시스템이 과연 인간과 자연스러운 상호작용을 할수 있을 것인지에 대한 의문점이 존재합니다.
    • 인간과의 교감을 자연스럽게 해 내는 것은 아직은 어렵기 때문입니다.
    • 그리고 피채용자가 사람이 아닌, 인공지능과의 대화에 있어서, 사람이 아니라는 것을 알면 진짜 자기의 의사표현을 제대로 할 것인지, 또는 숨길 것인지에 대한 연구도 아직 진행되지 않았습니다.
  3. 신뢰도
    • 정량적 데이터
      • 대학교 학점, 토익 점수, 시험 점수에 대한 단편적 정량 평가는 분명 인공지능이 뛰어 날 것으로 보입니다.
      • 물론 이런 단편적 데이터에 대한 평가는 인공지능이 아니라도, 기존의 인사 전산시스템에 의해서 가능한 측면도 있습니다.
    • 정성적 데이터
      • 인성에 대한 평가,  비전에 대한 평가, 끈기성에 대한 평가등에 대해서 인공지능이 어떻게 평가를 잘 해 낼수 있을지가 관건입니다.

인공지능 인사담당자의 영역을 어디까지 정할 것인가?

  1. 한계
    • 아마존의 인공지능 채용 시스템 실패 사례에서 보듯이, 아직까지 인공지능을 바로 인사 전체 과정에 도입하는 것은 무리인 측면이 있습니다.
    • 그래도 분명 인공지능이 인간보다 편향성 없이, 잘 할 수 있는 측면도 존재합니다.
  2. 목표 범위
    • 그래서 어디까지가 인공지능이 대체하고, 어디서부터 인간이 직접 할 것인지에 대한 목표 설정이 필요해 보입니다.

상호보완적 관계 도출이 1차적 목표

  1. 인공지능과 인간 인사담당자의 역할을 분명 상호 보완적 관계로 설정하면, 효율적으로 활용이 될 것으로 보입니다.
  2. 설정된 목표를 인공지능 인사시스템 기술의 발전에 따라서, 점진적 확대를 하는 것이 필요해 보입니다.
  3. 인공지능 인사 시스템에 대한 연구와 적용을 통해서 발전시켜 나가는 것이 과제로 보입니다.