4차 산업혁명 시대 인재경영 어떻게 할 것인가
-한국 기업들은 과학적 인재경영을 위해 무엇을 준비해야 하는가

인재경영 과학자의 시대가 왔다!
지금 전세계 글로벌 기업들에서는 경험에 의존한 직관과 직감을 넘어 인재경영 과학화가 시도되고 있다. 과학적 근거를 가지고 우수한 인재를 채용하고 배치하고 육성하고 승진시키고 보상하기 위해 노력하고 있는 것이다. 특히 인사부서에 빅데이터, 머신러닝, 인공지능 기술이 물밀 듯이 들어오면서 큰 변화를 맞이하고 있다. 가장 앞선 대표적인 기업이 구글이다. 구글은 과학적인 인재경영을 촉발시킨 장본인이다. 구글 산소 프로젝트는 훌륭한 관리자의 특성을 데이터 분석 방법으로 연구했다. 특히 인사최고책임자 라즐로 복은 인적자원이라는 의미의 인사부서HR를 없애고 대신 ‘사람 운영people operation’이라는 이름의 부서를 만들었다. 이제 우리 기업들도 인재경영 데이터사이언스 시대를 준비해야 한다.
이 책의 저자는 리더십 심리학자이자 조직 인류학자이자 대기업 실무 인사 담당자로 있으면서 인재경영 과학화 분야에서 선구자격으로 좌충우돌하며 겪은 희로애락을 흥미로운 이야기들과 함께 풀어내고 있다. 아울러 채용, 육성, 평가, 승진 등 인재경영의 여러 분야에서 어떤 점들을 고민해볼 수 있는지도 사례와 함께 제시하고 있다.

어떻게 누가 인재인지를 알아보고 채용할 것인가
기업에서 가장 중요한 일은 인재 채용이다. 유능한 사람을 뽑아 여건을 마련해주면 모든 일이 저절로 잘되기 때문이다. 그런데 문제는 ‘누가 인재인지?’를 어떻게 알아보고 채용하느냐이다. 열 길 물속은 알 수 있어도 한 길 사람 속은 모르기 때문이다. 그러다 보니 오늘날 글로벌 기업이 되는 데 초석을 다진 삼성그룹 창업자 이병철 회장조차 초창기 시절 다소 미신 같아 보일 정도로 비과학적인 사주 관상을 동원해 인재를 뽑았다. 1957년부터 1994년까지 이어졌다.
그 후 40여 년이나 지난 1990년대 들어서야 비로소 심리검사인 인적성 검사를 시작됐다. 그러나 여전히 면접자의 주관적인 감흥에 따라 “부모님은 뭐 하시는지요?” “애인은 있는지요?” “결혼은 언제 할 것인지요?” “상사가 야근해야 한다고 할 때 어떻게 할 것인지요?” 같은 물으나 마나 한 질문과 정해진 답변이 오고 갔다. 그러다가 2005년부터는 본격적인 과학화가 진행됐다. 효과적인 설문지 항목이 미리 만들어졌고 표준화됐고 똑같은 순서에 따라 체계적으로 설계된 구조화된 인터뷰가 시작됐다. 진일보한 발전이었다. 그리고 2010년대에 들어서면서 전 세계적으로 빅데이터 바람이 불었고 2015~2016년경부터 마침내 채용 제도에도 큰 변화를 맞이했다. 바로 인재 채용에 빅데이터와 인공지능을 활용하기 시작한 것이다. 그 영감을 준 것은 넷플릭스였다.
넷플릭스는 온라인 동영상 스트리밍 서비스 기업인데 사용자 가입정보와 사용자 행동 정보를 수집하고 분석해서 사용자들의 취향을 정확하게 저격했다. 어떤 영화를 좋아하고 어떤 기기로 언제 볼지도 예측할 수 있게 됐다. 인공지능과 빅데이터의 활약 덕분이다. 넷플릭스가 할 수 있다면 그 방법은 인재경영에도 적용할 수 있을 것이다. 단적인 예로 일본 소프트뱅크에서는 IBM의 왓슨을 이용해 직원 채용 시 합격과 불합격을 판정하고 있다. HR 테크가 적용되고 있는 것이다. 물론 그대로 우리나라에서 적용할 수 있지는 않다. 그 어떤 과학적 방법을 사용한 인재 채용일지라도 기업별 상황 또는 맥락을 함께 고려해서 적용해야 한다.

인공지능과 빅데이터를 이용해 사람 데이터를 분석한다
앞으로 인공지능의 발달로 인재경영 분야에 엄청난 변화가 예상된다. 2017년 기준 HR 테크라고 불리는 인공지능 기반 스타트업들과 회사들 130여 곳이 활발하게 활동하고 있다. 인재경영에서 채용, 급여 보상, 인력 배치, 조직문화 등의 전 영역에서 야심 차게 활동을 시작했다. 이미 기술적으로 가능한 일들은 많다. 그럼에도 인간의 영역은 있다. 세계 최고의 테크 기업 구글 역시 기술적으로는 가능한 승진 결정을 인간이 의사 결정하도록 남겨두었다. 앞으로 인공지능의 역할과 인간의 영역은 지속적으로 영역 싸움을 할 것이다.
또한 아직 우리나라에서는 큰 관심을 끌지는 못하고 있지만 이직 예측도 중요해질 것이다. 전세계는 갈수록 인재 전쟁이 치열해질 것이기 때문이다. 실제 실리콘밸리에 있는 한 기업의 인사담당자는 이직 예측을 하고 있었다. 그가 아침에 출근하면 이직할 가능성이 높은 순서대로 구성원 명단이 뜬다고 한다. 그런데 그 순서는 회사에서 가장 유능한 구성원 순서라는 것이다. 그는 그 순서대로 찾아가 만나 이직하지 않도록 잘 관리를 하는 것이다.



요즘은 어디를 가나 인재경영이 화두이다, SK도 예외는 아니다. 4차 산업혁명의 물결 속에 기업의 미래를 책임질 핵심인재를 키우는 일에 최고경영층부터 발 벗고 나서고 있다. 핵심인재로 키울 사람을 어떻게 알아보고 어떤 방향으로 키워나갈 것인가? 이 책은 많은 기업에서 궁금해하고 목말라 하는 물음에 한줄기 소나기 같은 명쾌한 답을 줄 것이다. 저자는 SK 내 임원과 팀장들에 대한 가치, 역량, 리더십을 체계적으로 진단하고 측정하며 리더십 개발과 인재경영을 이끌어온 그룹 내 이 분야의 최고 전문가이기 때문이다.
-고대환, SK 아카데미 원장

피플 트랜스포메이션! 디지털 트랜스포메이션 시대는 인재경영 역시 데이터를 통해 분석하고 관리해야 한다. 감과 촉에 의한 인사 및 교육 활동은 지양하고 인재의 활동 및 이력 등을 데이터화해 경영하는 회사만이 대변혁의 시대에 살아남을 것이다. 지금 인재경영의 과학화를 고민하고 있는 사람들에게 일독을 권한다.
-전영민, 롯데인재개발원 부원장

구글은 데이터를 활용한 의사결정으로 유명하다. 나는 구글 본사에서 부문 인사책임자로 수년간 근무하면서 과학적인 인재경영을 구현하기 위해 많은 노력을 기울여 왔다. 우리나라 IT 기업 문화와 인력의 발전에 기여하고자 카카오로 이직한 후에도 사람 데이터 분석 전문가들을 모아 인사부서에 ‘피플 앤 인텔리전스 랩 People & Intelligence’을 만들었다. 조직과 사람 이슈를 객관적으로 들여다보고 데이터에 기반을 둔 합리적인 대안을 찾고자 노력 중이다. 인재경영의 과학화를 꿈꾸는가? 이 책이 답이 될 것이다.
-황성현, 다음 카카오 부사장

저자는 수십 년 동안 발전한 심리, 통계, 경영 이론들을 독자들의 눈높이에 맞추어 쉽고 친절하게 설명한다. 아울러 채용, 평가, 리더십, 조직문화 등 인재경영 분야에서 여전한 숙제로 남아 있는 화두와 관련하여 실전적인 사례들을 맛깔나게 곁들인다. 데이터를 어떻게 분석하고 경영자와 구성원들에게 어떻게 소구해야 하는지 명쾌하게 보여준다. “이론은 현실과는 달라. 실제로는 적용하기는 어려워!” 하는 우려를 확실하게 날려버린다. 인사 담당자들은 물론이고 인재경영의 체계화를 고민하는 경영자들에게 적극 추천한다.
-이동훈, LG전자 HR 담당

IBM은 인공지능 왓슨을 사내 인사 영역에도 적용하고 있다. 일례로 한국IBM에서는 신입사원 채용 시 지원자의 궁금증에 적절하고 빠르게 대응하고 채용 담당 직원의 효율성을 높이기 위해 왓슨의 대화 기능을 활용한 챗봇 서비스를 제공하고 있다. 또한 전세계 IBM 직원들의 경력관리를 위하여 자신의 경력 기술서를 인사 시스템에 입력하면 왓슨의 도움으로 개인의 경력에 맞는 직무를 추천해주는 서비스를 제공하고 있다. 최근 IBM뿐만 아니라 유수의 국내외 기업들도 이러한 인공지능 기술을 인사 영역에 적용하고자 하는 추세이다. 이 책은 이러한 기업들의 시도들을 서사적인 해설과 쉬운 예시를 곁들여 독자들의 이해를 돕고 저자의 개인적인 좌충우돌 체험담을 생생하게 곁들여 흥미를 더하고 있다.
-김덕중, IBM 실장

이 책의 저자는 차가운 데이터로 그 안에 있는 사람을 뜨겁게 바라볼 수 있는 교차점을 찾아냈다. 사람에 대한 호기심과 관심을 데이터로 녹여내며 빠르게 변하는 시대의 디지털 HR 영역에 대한 새로운 정의를 제시해주었다. 대기업의 인사 담당자를 비롯하여 새로운 조직 문화를 만드는 스타트업 창업자까지 꼭 읽어야 할 필독서다.
-최경희, 튜터링 대표

“인사가 만사다!”
누구나 한 번쯤 들어본 말일 것이다. 모든 일에서 사람이 중요하다는 의미다. 유능한 사람을 뽑아 여건을 만들어주면 모든 일은 저절로 잘된다는 뜻이다. 인사가 그렇게 중요함에도 불구하고 그동안 인재경영은 ‘과학화’가 더디게 이루어져 왔다. 여기서 말하는 과학화란 사회과학social science 방법론을 활용해 인재경영과 관련된 현상을 탐구하고 시사점을 적용하는 과정을 말한다. 조직 내에서 일어나는 현상에 가설을 세우고 그와 관련된 데이터를 측정 또는 입수해 객관적으로 검증하는 활동을 의미한다.
-p. 27

넷플릭스는 구글처럼 엄청난 데이터를 축적했다. 시청자가 가입할 때 기록한 기본 인적사항에 더해 ‘사용자 행동user action’이라고 불리는 데이터를 실시간으로 수집했다. 예를 들어 개개인이 언제 공포 영화를 보는지, 언제 로맨틱 코미디 영화를 보는지를 기록한다. 드라마를 볼 때도 몇 시에 보기 시작하는지, 어디서 시청을 그만두는지, 티브이로 봤는지 아이패드로 봤는지 등을 남겼다. 어떤 영화들을 봤는지 그 내역은 물론이고 각각에 매긴 평점까지도 기록에 남겼다. 넷플릭스는 이러한 데이터 분석을 통해 「하우스 오브 카드」 감독과 주연배우를 결정했다. 감독인 데이빗 핀처와 주연인 케빈 스페이시의 과거 작품들에 대한 시청자들의 반응까지 분석해서 드라마 시나리오 등에 적극 반영했다. 시청자들의 취향을 제대로 저격한 것이다.
그런데 회사 조직 내에도 넷플릭스처럼 많은 데이터가 쌓여 있다. 대기업들을 한번 생각해보자. 매년 수백 수천 통에서 수만 통의 입사 지원서가 들어온다. 글로벌 기업이라면 전 세계에서 들어온 다양한 지원서가 수십만 통 쌓인다. 이렇게 쌓인 입사 지원서를 검토해 서류 전형을 통과하면 인성과 적성검사를 한다. 이 역시도 엄청난 데이터 양이라 하겠다.
그렇다면 이처럼 조직 내 축적되는 구성원 데이터를 잘 분석하여 인재경영에 유용하게 활용할 수 있지 않을까? 그 가능성에 주목해 최근 많은 인사부서가 빅데이터, 머신러닝, 인공지능에 주의를 돌리고 있다.
-pp.50~51

구글은 과학적인 인재경영을 촉발시킨 장본인이다. 이 회사에는 ‘사람 운영people operations’이라는 이름의 부서가 있다. 인사부서를 총칭하는 이름으로 보면 되겠다. 얼마 전에 구글의 인사 최고 책임자 자리를 내놓고 물러난 라즐로 복이 전세계에 유행시킨 이름이다. 기존에 많은 사람이 사용하던 인적 자원human resource이라는 용어가 본인이 보기에는 별로였다고 한다. 인격을 가진 ‘사람’을 ‘자원’으로 전락시킨다는 비판적 시각에서 그 대안으로 사용할 수 있는 표현을 쓰고 싶었다고 한다.
라즐로 복은 원래 전략을 하던 소위 ‘전략 가이strategy guy’다. 루마니아에서 태어나 미국 퍼모나 칼리지 학부를 졸업하고 예일대학교 경영대에서 MBA를 했다. 맥킨지에서 약 4년간 전략 컨설팅을 하고 나서 GE의 인적자원 부서에서 관리자로 근무하다가 구글의 인사 최고 책임자로 이직한다. 한 개인의 사고관은 그의 사회경력 초기에 겪은 경험들로부터 크게 영향을 받을 수 있다. 맥킨지에서 전략 컨설팅을 하던 경험들이 인사 업무를 하면서 적지 않게 영향을 준 듯하다. 인사 업무를 하는 사람들의 그 고유한 도그마 중 몇몇은 전략 일을 하던 본인이 보기에 탐탁지 않았던 듯하다. 그중에서도 그가 가장 마음에 들지 않았던 것은 데이터에 기반을 두지 않은 의사결정이었다.
-pp. 62~63

“삼성인력개발원이 개발한 프로그램은 지난 20년간 신입사원들이 제출한 이력서와 자기소개서를 텍스트 마이닝 기법을 활용해 분석한 뒤 데이터베이스로 만들었다. 여기에 신입사원들이 입사한 후 달성한 성과와 경력을 추적해 빅데이터화했다. 신입사원 지원자가 제출한 이력서와 자기소개서를 삼성인력개발원이 개발한 프로그램을 활용해 분석하면 입사 후 어느 정도의 성과를 달성할 수 있을지를 빅데이터 프로그램이 전망하게 된다. …(중략)… 삼성그룹 핵심 관계자는 ‘지난 20년간 신입사원 자기소개서를 빅데이터로 분석해보니 지나치게 많은 미사여구를 쓴 신입사원들이 입사 후 이룬 성과가 평균에 훨씬 못 미쳤다’고 말했다. 하지만 그 미사여구가 무엇인지, 어느 정도면 지나친 건지 등에 대해서는 ‘절대 밝힐 수 없다’고 말했다.”
이 기사 내용을 설명하기 전에 데이터 유형을 먼저 이해하면 좋을 듯하다. 데이터는 크게 ‘정형 데이터structured data’와 ‘비정형 데이터unstructured data’로 나뉜다. 형태가 있느냐와 연산 가능하느냐의 기준이다. 정형 데이터는 숫자와 같이 일종의 규약이 존재하며 연산이 가능하다. 반면 비정형 데이터는 연산이 불가하고 일정한 형태가 없다. 트위터나 페이스북에 올라온 글들, 네이버와 다음에 게시된 신문 기사 등이 그렇다.
-pp. 74~75

‘통계 전공자를 뽑아서 인사 일을 배우게 하는 게 더 낫느냐, 원래 인사 일을 하는 사람에게 통계를 배우는 게 더 낫느냐’는 것이다. 무엇이 더 좋을까?
서구, 특히 미국에 있는 사람들은 전자가 더 낫다는 의견이다. 통계 지식과 식견 그리고 데이터를 분석하는 기술을 가진 사람을 뽑아서 인사 일을 가르치는 게 더 낫다는 것이다. 반면 우리나라는 전자보다는 후자를 더 선호하는 경향이 있다. 왜 그런 차이가 나는 걸까? 미국 기업들은 사람을 뽑을 때 명확한 ‘직무 명세서’를 만들어놓고 그에 규정된 일만 맡긴다. “너는 이것만 해.”라고. 1~2년 일을 시키다가 그 직무가 회사에 별로 가치를 제공해주지 못한다거나 필요 없다고 여겨지면 해고하면 그만이다.
하지만 한국에서는 고용 계약 문화가 미국과는 다르다. 한국 기업들에는 명확한 직무 명세서가 없다. 조직의 필요에 따라 이 일도 하고 저 일도 해야 한다. 사람 데이터만 분석하게 할 수 없다. 채용도 하고 교육도 해야 한다. 해당 직무가 필요 없어졌다고 해도 정규직을 쉽게 해고할 수 없다. 다양한 활용 가능성까지 고민해야 한다. 그래서 한국에서는 통계 전공자를 뽑아서 인사를 가르치기보다는 인사 일을 해오던 사람에게 통계를 배우게 하려는 움직임이 더 많다.
-pp. 110~111

2017년 11월에 인재경영 분야의 전문 웹사이트인 hr.com은 인공지능이 어떤 영향을 미칠지를 995개 회사 인사담당자를 대상으로 설문을 실시했다. ‘인재경영과 관련해, 현재 인공지능을 활용하는 수준은 어느 정도이며 향후 5년 안에 어느 정도가 될 것으로 예상하십니까?’라는 질문에 현재는 약 7% 수준으로 활용하고 있지만 5년 내에는 39%까지 늘어날 것으로 전망했다.
아울러 인사담당자들에게 인공지능이 앞으로 5년 안에 가장 많이 활용될 수 있는 분야를 골라보도록 했는데 그 결과는 다음과 같다. 앞으로 인재경영 분야에서 엄청난 변화가 예상된다. 변화의 파도에 몸을 실어 적응하는 일도 중요하지만, 한편으로는 앞서 구글의 사례에서 나온 시사점들을 미리미리 고민하는 일들이 필요할 듯하다. 사람과 인공지능 간의 조화에 대한 문제이다. 인공지능으로 구현할 수 있는 영역은 무엇인지, 그럼에도 지켜야 하는 ‘인간의 영역’은 무엇인지를 말이다.
-pp. 256~257

프롤로그 “사람 데이터를 분석합니다!”

서문 왜 사람 데이터인가?

1부 인재경영, 4차 산업혁명을 만나다

1장 인재경영에 데이터사이언스 바람이 불다

1. 한국의 인재경영은 어떻게 발전해왔는가
공채제도 발전사 1단계: ‘관상’과 ‘역술’의 시대
공채제도 발전사 2단계: 심리검사의 시대
공채제도 발전사 3단계: 채용 인터뷰의 과학화
공채제도 발전사 4단계: 빅데이터와 인공지능의 등장

2장 인사부서에 등장한 심리학자, 통계학자, 데이터학자

1. 사람 데이터 분석가들이 왜 인사부서에 왔는가
조직의 리더십 개발이 실제로 유용한가
그 일을 누가 해야하지?
아이디어를 실천으로, 실천을 아이디어로!

2. 사람 데이터 분석의 세 가지 유형
첫 번째 유형: 분석 결과가 가존 직관이나 통념과 일치한다
두 번째 유형: 분석 결과가 기존 직관과 통념에서 벗어나 있다
세 번째 유형: 분석 결과가 기존의 직관과 통념을 뒤집는다

3. 인사 빅데이터를 분석하는 두 가지 접근법
가설은 반드시 필요한가
첫 번째 접근법: 모델 의존적 방식
두 번째 접근법: 데이터 적응적 방식
두 가지 접근법을 동시에 활용하자

4. 분석할 때 상황과 맥락을 함께 읽어야 한다
의미는 맥락에 따라 달라진다
맥락에 따라 반응이 달라진다
조직에 따라 주제와 가설은 다르다

3장 사람 데이터 분석가들은 무엇으로 사는가

1. 내가 아는 것과 당신이 알아야 할 것은 무엇인가
“나는 그럴 줄 알았다!”
통계적으로 유의하다는 것
상관과 인과의 차이를 이해해야 한다
고급통계, 기초통계, 차원 이동을 반복하다

2. 누군가를 설득한다는 것은 어렵다
“내게 블랙박스를 보여줘!”
투명성과 명확성이 중요하다
아웃라이어 사례로 반박하면 힘들다

3. 인공지능 시대에 사람의 몫은 어디까지일까
인격일까, 숫자일까
인공지능 면접관은 얼마나 일을 잘할까
인간과 인공지능 중 누가 더 합리적인가

4. 조직문화는 보이지 않는 율법이다
‘폐관 수련’, 무한히 학습하다
조직문화가 사무실 공간과 배치에 영향을 미친다
조직문화가 용어와 보고 방식에 영향을 미친다
데이터를 통해 조직을 객관적으로 들여다볼 수 있다
학계에서 수행하기 어려운 연구를 현업에서 직접 한다
보편성이 있어야 특수성을 이해할 수 있다
데이터 분석을 통해 성장한다

2부 인재경영, 어떻게 과학화할 것인가

4장 우수한 인재를 어떻게 뽑을 수 있을까

1. 인적성 검사 결과로 신입사원 성과를 예측할 수 있는가
IQ가 높으면 일을 잘한다. 일반적으로
성격 연구의 발전사
성격으로 직무성과를 예측할 수 있는가
인적성 검사에는 ‘범위 제한’의 문제가 있다
타당도 계수에 연연하지 말자

2. AI를 이용한 서류전형 통과 예측 모델링을 채택할 것인가
인공지능 IBM 왓슨이 합격과 불합격을 판단한다
자기소개서 예측 모델링의 원리는 무엇인가
자기소개서 표절에는 어떻게 대응하는가
어떤 면접관들이 더 효과적일까?

5장 사람은 기르면 자라는 존재인가

1. 인재 육성 프레임워크 70:20:10 모델은 무엇인가
사람은 무엇으로 성장하는가
70:20:10 모델은 어떻게 만들어졌는가

2. 경험을 통해 어떻게 성장할 것인가
일을 통한 육성은 어떻게 하는가
어떻게 ‘경험 프로파일’을 만들고 활용하는가

3. 임원에게도 교육이 필요한가
임원에게 요구되는 역량은 무엇인가
임원에게 전략적 사고 역량은 필수이다
전략적 사고 역량은 향상될 수 있는가
만족도 평가를 없앤다면 대안은 있는가

6장 과학적 인재경영의 핵심은 성과 평가와 승진이다

1. 천재 한 명이 10만 명을 먹여 살릴 수 있는가
‘천재’에 대한 평가는 관점에 따라 다르다
사람의 성과는 정규분포인가?
사람의 성과는 멱법칙 분포인가
정규분포 vs 멱법칙 분포

2. 성과평가, 어떻게 할 것인가
인재경영의 핵심 기능 인사평가
인사평가의 척도를 무엇으로 할 것인가
하드 데이터와 소프트 데이터
함께 수행해야 할 ‘정량 평가’와 ‘정성 평가’

3. 구글은 왜 ‘승진 예측 모형’을 거부했는가
구글의 운명은 인간이 결정한다
인재경영에 인공지능이 활용된다
이직은 어느 정도 예측 가능한가

에필로그 인간과 기술의 접점을 함께 고민하자

미주