인재경영, 데이터사이언스를 만나다

인재경영, 데이터사이언스를 만나다 - 인재 경영 과학자의 시대가 온다
김성준 지음 / 클라우드나인 / 2018년 7월

2016년 이세돌과 알파고의 대결은 세계적으로 인공지능이 앞으로 우리에게 줄 충격을 실감하게 했습니다. 그후 한국사회도 인공지능에 대한 관심이 급격히 증가했습니다. 올해 벌어진 팬더믹 바이러스로 인해 인공지능에 대한 기술발전은 더욱 빨라질것입니다. <인재경영, 데이터 사이언스를 만나다>는 인공지능이 인재경영에 미치는 영향을 다룹니다. 데이터, 분석, 과학화로 과거와는 다른 HRD환경에 처하고 있습니다. 인재를 채용,육성, 평가, 보상에 통계학자와 사이언티스트의 분석이 중요한 판단기준으로 빠르게 침투하고 있습니다. 인공지능을 이용한 인재개발과 육성의 형태와 그들의 생각과 한계를 살펴보고 앞으로의 미래도 일부 점쳐볼수있게 구성되어 있습니다.

저자는 리더십 심리학자십니다. 고대에서 박사를 하셨고 롯데인재개발원과 SK그룹 아카데미에서 가르치셨고 현재는 국민대 경영대학원 리더십과 코칭MBA 겸임교수로 계십니다. 조직에서 일어나는 문제에 관심이 많다는 저자의 글이 눈길을 끕니다. 이 책의 전작으로 <빅데이터, 인재를 말하다>를 내셨고 알파고라는 동천경지할 충격을 준 사건후에 다시 인재경영에대한 인사이트를 추가해서 다시 책을 꾸몄습니다.

대기업공채제도의 역사를 설명하길, 1단계는 관상, 2단계는 심리검사, 3단계는 채용인터뷰, 4단계는 빅데이터 인공지능의 등장순으로 설명합니다. 관상은 삼성그룹에서 봤다는 소문이 무성했죠. 저도 한번 교육을 받았던 관상가 신기원선생이 그 역사의 순간을 함께 했다는 이야기를 직접들었습니다만 제 관상은 ㅠㅠ . 심리검사는 SSAT로 시작해서 현재는 직무적성감사 GSAT로 이어지고 있습니다. 인터뷰는 다양한 방식으로 이뤄지고 훨씬 체계화되어 점수화된다고 합니다. 빅데이터는 2010년경부터 본격화되었는데 미래는 인공지능인터뷰가 확실하지 않을까요. 방향은 확실한데 그 속도가 문제겠죠.

이제 많은 기업에서 데이터를 수집하기 시작했습니다. 그럼 이 데이터를 어떻게 활용을 할까요. 2가지 방법이 있다고 합니다.모델의존적 방식과 데이터적응형방식이 있습니다. 모델의존적은 가설을 세우고 접근을 하는것이고 데이터적응형은 데이터가 하는 의견을 듣는 방식이라합니다. 머신러닝에서 지도학습과 비지도학습의 모습을 연상하게 하고 얼추비슷한 방식이라는 생각도 듭니다. 저자는 두가지 방식을 사안에 따라 혼합해서 사용하는 방법에 좋은 듯한 뉴앙스를 받습니다. 데이터를 볼때 신경써야 하는 부분이 상관과 인과관계라고 합니다. 상관에는 정상관이 있고 역상관이 있습니다. 인과관계는 상관관계가 전제가 되고 시간적 선후가 있어야 합니다. 어떤 통계에서 교회가 증가하는데 범죄가 증가했다면 정상관이지만 인과관계에서는 정상관이라는 조건은 충족하지만 시간선후가 불명확하죠. 이러면 인과관계는 성립안됩니다.

기업들은 직원을 채용할때 자기소개서를 받습니다. 1년에 2만건의 자기소개서를 받는 회사는 5년이면 10만건의 데이터가 쌓입니다. 그 데이터에는 모두 합격과 불합격이라는 태그가 붙어 있습니다. 그럼 이 데이터중 70%로 학습데이터를 돌리고 나머지 3만건으로 테스트데이터를 돌려서 예측을 했을때 확률이 매우 높다고 합니다. 그런데 2020년 신규채용시 2만명의 자기소개서를 머신러닝으로 확인한 결과 과거데이터의 테스트데이터의 확률보다는 낮게 나왔다고 합니다. 2만명의 자기소개서를 사람이 확인하는데 인력과 비용이 들어갈 수밖에 없습니다. 머신러닝으로 하면 반나절도 안되어 결과는 빠르게 나옵니다. 문제는 예측 모델링이 만능이 아니라는 점과 머신러닝이 인간의 편견과 오류도 학습을 한다는 점,자기소개서의 진실성문제, 이것을 인공지능으로 했을때 사회적 맥락도 고려요소라고 합니다. 물론 이미 인공지능으로 자기소개서를 가리는 대기업이 나오고 있다는 점도 앞으로 활성화될 요소도 다분히 커보입니다.

사람을 육성하는 프레임워크중에 70:20:10비중으로 하라는 방법이 있답니다. 70은 경험, 20는 인간관계, 10은 교육입니다. 약50%의 인사담당자들이 자사 HRD에 적용해 사용한다고 합니다. 컴퓨터프로그래밍 교육을 받을때 비슷하게 사용하죠. 강사가 코딩을 보여주면 묻지도 말고 따지지도 말고 따라치라고 합니다. 그리고 안되면 먼저한 사람이 도와주라고 하죠. ㅎㅎ 한정된 예이기는 합니다만 강의만 듣는 것보다 그것을 적용하는 경험이 매우 중요하다는 겁니다. 저자는 인사담당 선배들의 직관과 통찰을 아직까지는 인공지능(머신러닝,딥러닝 등)이 증명하는 정도수준뿐이 안된다고 합니다. 현재는 인공지능이 판단할 데이터를 수집하고 전처리하는 과정이 더많은 시간이 들지만 그 결과는 선배들이 하는 의사결정에도 못미칠 가능성이 높다는 거죠. 그리고 인사담당전문가라는 호칭이 자신에게 붙는 것도 미안한 마음을 전합니다. 저자는 전문가가 아니라 교육생일 정도로 인간을 파악하는 것이 쉽지않다는 겁니다.그만큼 인재경영에 검토할부분과 불확실한 요소들이 많기때문일겁니다. 물론 기술의 발전이 인공지능의 발전속도를 누가 감히 예측할 수있겠습니까만은 현재는 비용대비해서 인재경영도 미래를 준비해야 하는 때인것만 확신합니다. 그리고 분명한것은 인사담당자들이 인공지능도입에 대해 긍정적이라는 겁니다. 저자가 언급했듯이 어려운 만큼 그 결과에 대한 불안이 생기고 인공지능으로 그 부분을 객관화하고 싶은 욕망이 크다는 겁니다.