|
알고리즘랩스는 최근 '2022 HR 전략수립 세미나'를 개최했다. 온라인 생중계로 진행된 이번 포럼에서는 손진호 알고리즘랩스 대표와 천성현 포스코 기업시민실장이 연사로 나서 HR 내 AI 도입과 ESG 경영이라는 최근 기업 인사담당자들이 주목하고 있는 화두에 대한 이야기를 나눠 눈길을 끌었다.
.jpg) HR 내 AI 도입, 빅 데이터가 아닌 굿 데이터가 관건 _손진호 알고리즘랩스 대표 흔히들 인공지능AI이라고 하면 데이터를 먼저 떠올리지만 사실 데이터보다 중요한 부분이 어디에 AI를 활용할 것인가이다. AI 적용 영역은 각각의 산업마다 너무 다르기 때문에 현업 담당자들의 의견을 취합해 이 부분에 대해 제대로 설정하는 것이 무엇보다 중요하다. AI 적용과 관련해 다수의 인사담당자들이 궁금해하는 3가지 질문에 답하고자 한다. 현재 HR은 어느 단계까지 AI화 되고 있나 국내기업의 AI 도입은 어느 정도에 다다랐을까. 알고리즘랩스는 이미 다수의 국내기업들과 함께 승진 적합도 예측, 부서이동 추천, 퇴사자 예측, 연수 추천, 핵심인재 선발, 성과 예측, 퇴사자 예측 등 프로젝트를 진행, HR 영역에 AI를 접목하고 있다. 많은 기업에서 완벽한 수준으로 데이터를 쌓아야만 AI 적용이 가능할 것이라고 생각하지만 사실 '완벽한 데이터'의 정의는 무척 불분명하다. 실행 없이는 데이터를 어디까지 어떻게 쌓아야 할지에 대한 청사진을 명확하게 그리기 어렵기 때문이다. 따라서 현재 가진 적은 양의 데이터로 차근차근 스텝을 밟아 나가야 다음 스텝을 고민할 수 있다. 완벽한 데이터를 쌓았는데 막상 필요한 데이터가 없을 수 있기 때문에 실제로 알고리즘랩스와 함께 HR에 AI를 적용해 나가고 있는 기업들 역시도 현재 가지고 있는 데이터의 범위 내에서 어디까지 분석이 가능한지 기준점을 세우고 빠르게 시도해 성공 사례를 도출해 낸 기업들이 많았다. HR 데이터는 정형 데이터와 비정형 데이터로 나눠지는데 초기에 분석을 할 때는 정량화된 정형 데이터를 먼저 활용하는 것이 좋다. 정량화된 데이터의 각 요인을 분석하고 이를 조합해 유의미한 패턴을 찾아나가면 승진자 예측, 퇴사자 예측과 같은 데에까지 다다를 수 있다. HR에 AI를 도입하기 위해 필요한 데이터의 양 우리는 흔히 수십만 개, 수백만 개의 데이터 없이는 AI 도입을 할 수 없다는 빅 데이터의 공포에 빠져있다. 그러나 중요한 것은 데이터의 절대적인 양이 아니다. 구글 브레인 총괄이었던 앤드류 응은 '수백 개에서 수억 개에 달하는 데이터의 그 어느 지점에서도 유의미한 AI가 만들어질 수 있다'고 이야기했다. 즉 주어진 데이터의 어느 부분에서나 AI를 통해 우리가 목표로 하는 성과를 거둘 수 있다는 것이다. 따라서 데이터가 충분히 쌓이길 기다리는 것보다 현재 보유한 데이터로 어느 정도 퍼포먼스의 AI가 도출될 수 있는지를 보는 것이 중요하다. 그 후 현재 보유하고 있는 데이터를 토대로 도출한 결과가 기존 프로세스 대비 얼마나 의미 있는지 확인하는 것이다. 실제로 글로벌 기업인 닐슨의 경우에도 퇴사자 예측을 진행할 때 20개의 데이터 추적에서 시작해 유의미한 데이터를 얻은 후 150개, 그 후 더 많은 데이터들을 취합하면서 예측을 고도화해나가고 있다. 이는 결국 빅 데이터가 아닌 굿 데이터를 토대로 한 AI 도입 전략을 세우는 것이 중요하다는 점을 보여준다. 굿 데이터란 공백이나 결함, 왜곡이 없는 데이터를 말한다. 이러한 굿 데이터가 있다면 상대적으로 데이터가 많지 않더라도 충분히 의미 있는 결과를 도출해낼 수 있다. 이를 위해서는 HR이 단순히 데이터의 양에 집중하기보다는 해당 데이터가 수집되는 과정에서 데이터의 품질을 관리하는 것이 중요하다. AI를 통해 현재 보유하고 있는 데이터로 어디까지 분석이 가능한지를 파악하고 어떻게 필요한 영역에 맞춰 데이터를 모으고 품질 관리를 할지에 대한 기준을 정립해야 한다. ... 중략 ... |
|
기사 전문은 구독권한이 있는 회원께만 제공됩니다. 먼저 로그인 하세요.
로그인
|
