"HRD의 중요성 대두"
첫째, 업무 자동화 확대 및 일의 속성 변화로 인해 HRD 교육의 수요가 증가하며 그 중요성이 강화될 것으로 예상된다.
아래의 세 사진은 ChatGPT에게 차례로 시, 시놉시스, 기획서를 부탁하고 받은 답변이다. ChatGPT에 원하는 키워드를 입력해 주거나, 상황을 설정해 주거나, 정보를 입력해 주면 마치 사람이 채팅을 치듯이 한 단어 한 단어 출력해낸다. ChatGPT의 답변을 읽어보면 AI가 단시간에 답변을 작성했다고는 믿기 어려울 정도로 질문의 의도를 잘 파악하고, 자연스러운 문장을 구사하고 있음을 확인할 수 있다. 이는 이전에는 인간 고유의 영역이라고 여겨지던 창작 분야의 일까지 AI가 해낼 수 있게 되었음을 시사한다. ChatGPT가 제공하는 정보를 100% 신뢰할 수 없다는 한계를 지닌 것은 사실이지만, 인터넷의 방대한 양의 데이터로 학습했기에 매우 빠르게 사용자의 요구에 반응할 수 있어, 반복적 업무의 자동화 혹은 정해진 틀 내의 일 처리를 신속하게 처리할 수 있어 업무에 매우 효과적인 도구가 될 것으로 기대할 수 있다.
복잡한 요구 조건도 이해하고 빠르게 설득력 있는 답을 생성해낸다
하지만 이러한 장점과 동시에, AI가 인간의 일자리를 대체하는 업무 자동화의 범위가 훨씬 확대되며 고용 감소의 우려가 있다. 또한 AI에 일자리가 완전히 대체되지 않더라도 기존에 익숙한 업무나 일의 속성이 변화하며 인간의 역할이 크게 바뀔 것으로 예상된다. 이러한 변화들로 인해 기업 내에서 일자리의 위협을 느끼는 조직원들은 경력 전환을 시도함과 동시에 AI가 모방할 수 없는 인간만의 역량을 찾아 이를 강화하려고 할 것이다. 또, 일자리 자체의 위협을 느끼지 않더라도 업무를 함에 있어서 기존에 숙련화되었던 방식에서 새로운 방식으로 변화할 가능성이 크기에, 기업이 이전과 같이 수월하게 운영되기 위해선 변화한 일의 방식과 속성에 대한 조직원들의 재숙련화(re-skilling)와 숙련고도화(up-skilling)가 필수적이다. 다시 말해, 경력을 전환하지 않더라도 새로운 버전의 일의 방식을 조직원들이 체화하고 암묵지를 쌓아갈 수 있도록 기업이 교육을 제공하는 과정이 꼭 필요하다는 것이다.
위와 같은 변화가 예상되는 바, 경력 전환 및 역량 강화 또는 업무에 대한 숙련도 향상에 관한 기업과 개인의 수요가 모두 증가할 것이라 판단된다. 개인의 입장에선 자신의 일자리를 지키기 위해, 기업의 입장에선 기업 경쟁력을 유지하기 위해 구성원에 대한 교육을 필요로 할 것이다. 따라서 이를 총괄하는 HRD에 대한 관심이 몰리며, 생성형 AI 언어 모델이 기업의 운영에 활용될 경우 결과적으로 HRD의 중요성이 대두될 것이라 결론 내릴 수 있다.
둘째, 기업들이 '초세분화(micro-segmentation)'된 특정 고객을 대상으로
'초개인화(hyper-personalization)'된 서비스의 제공을 확대함에 따른 HRD의 중요성 강화가 일어날 것으로 예상된다.
생성형 AI 언어 모델을 활용하면, 고객에게 맞춤으로 제공되는 개인화 서비스를 제공하는 비용이 크게 절감된다. 개인화된 서비스의 제공이 기업 입장에서 매우 용이해진다는 것이다. 이에 각 기업들은 자신들이 제공하는 서비스의 차별화를 통한 경쟁력 제고를 위해 초세분화(micro-segmentation)된 고객들을 대상으로 한 초개인화(hyper-personalization)를 진행하려는 유인이 크다. 이로 인해 과거 큰 단위로 묶여있던 서비스들이 고도로 세분화되며 각 기업이 제공하는 서비스의 양보다 질이 훨씬 중요해지며, 세분화된 시장의 전문성을 갖추는 것이 기업 경쟁력 확보를 위한 중요한 요인이 된다. 이러한 전문성의 확보를 위해선 기업이 서비스에 대한 전문성을 갖춘 고급 인력을 양성해 내는 것이 중요하다. 고급 인재의 양성이 곧 기업 경쟁력으로 직결될 수 있다는 것이다. 이를 바탕으로 기업들은 세부 분야의 전문성 및 그에 필요한 조직원의 역량 강화 교육에 대한 필요성을 인식하게 되며, 결국에 기업 목표에 맞는 양질의 교육을 조직원에게 제공하기 위해 HRD 파트에 투자를 활발히 할 것으로 예상된다.
"조직 구조의 변화"
셋째, 프로젝트 단위 knot-working 구조가 점차 확산될 것으로 예상된다.
놋워킹(knot-woring)이란, 매듭이 지어지고 풀어지듯 인재가 협업하고 다시 흩어지는 유동적 일의 방식을 말한다. 앞에서 설명했듯, 생성형 AI 언어 모델이 업무에 도입될 경우 조직원 개개인이 자신만의 고유한 역량을 갖추는 것과 기업이 이러한 역량을 갖춘 고급 인력을 양성하고 제 역할을 할 수 있도록 업무 환경을 조성해 주는 것이 점차 중요해질 것이다. 이에 따라 회사 내의 특정한 역할을 하는 팀, 그리고 이를 이루는 하나의 톱니바퀴처럼 일을 하던 방식에서 프로젝트 단위의 팀을 구성하는 놋워킹의 구조가 확산될 것으로 보았다. 이러한 방식은 역량을 갖춘 필요 인원만으로 업무를 진행할 수 있게 하여 효율적이고, 프로젝트 마다의 특성에 맞춰 팀을 구성할 수 있어 유동적이며 일의 완성도를 높일 것으로 예상된다. 나아가 팀이 계속해서 바뀌기 때문에, 팀원의 조합에 따라 각기 다른 시너지 효과를 기대할 수도 있다.
다만, 놋워킹의 방식이 도입된다면 조직원이 팀이나 회사에 소속감을 느끼지 못하며 오히려 업무 몰입도가 떨어질 수 있다는 우려도 존재한다. 따라서 이러한 일의 방식이 확산된다면 HRD 파트는 이들이 조직에 소속감을 느끼고 업무에 집중할 수 있도록, 프로젝트 시작 전, 팀워크 교육을 기획하는 것이 필요하다. 또한, 프로젝트 팀의 비전, 미션이 회사 전체의 비전, 미션과 맞아 회사의 목표 달성에 기여할 수 있도록 주기적인 조직 문화 교육 등의 사내 교육 기획을 활발히 해야 할 것으로 보인다. 즉, 역량 강화 교육으로 육성해낸 고급 인력들이 조직에 소속감과 조직에 대한 자부심을 가지고 일할 수 있는 환경을 만들어줘야 한다는 것이다.
"HRD 담당자의 역할 및 요구 역량의 변화"
마지막으로, HRD 담당자의 역할 변화가 예상된다.
우선 생성형 AI를 활용한 적응형 학습의 도입을 활발히 해야 한다. 적응형 학습이란 학습자 개개인의 능력이나 스타일에 맞게 학습 정보와 학습량, 학습 방법 등을 맞춤형으로 제공하는 학습법인데, 생성형 AI를 활용한다면 마치 개인 비서나 개인 과외 선생님이 있는 것처럼 효과적인 학습이 가능하다. 같은 시간의 교육을 받더라도 교육의 효과가 훨씬 커질 수 있다는 것이다. 따라서 HRD 담당자는 적응형 학습에 맞춤화된 콘텐츠를 기획하고 이에 대한 운영 지원을 하는 역할을 수행해야 한다. 생성형 AI라고 하더라도 사내에 잘못된 정보 및 데이터가 입력되어 교육 자체에 오류가 생길 수도 있기 때문에 꾸준한 모니터링이 필요하고, 개인화된 교육이 원활하고 적절하게 진행되고 있는지 조직원들에게 피드백을 받아 교육 내용을 수정하는 절차 또한 필요하다.
또한, 조직 내 문제 해결에 대한 능동적 대처 역량과 이에 대한 해결책을 고안해낼 수 있는 통찰력 및 창의성의 역량을 갖춰야 한다. 생성형 AI 언어 모델의 도입으로, HRD를 비롯해 HRM, 즉 인사 업무 전반의 반복적이고 간단한 업무는 전부 자동화될 수 있으며, 사내 데이터에 대한 수집도 전부 AI로 대체할 수 있다. 따라서 인사 담당자는 AI가 수집한 사내 데이터를 활용해, AI가 직접 해결하기 어려운 복잡한 사내 갈등, 사내 정치 등의 해결을 위한 전략을 수립하고 사내에 실제로 퍼져있는 문화와 네트워크를 파악할 수 있는 능동적 대처 역량이 요구된다. 또한, 이렇게 파악한 문제 상황에 대해 수집한 데이터를 활용해 실질적인 인사 제도 개선, 교육 기획 등의 해결책을 만들어낼 수 있는 통찰력과 창의성 또한 필요하다. 이에 실제로 파악했던 문제가 해결되었는지, 후속 데이터 수집과 설문 그리고 피드백을 통해 실질적인 개선이 될 수 있도록 지속적인 관찰이 필요하다.
이상, 2편에서는 생성형 AI 언어 모델의 기술이 HRD에 끼칠 영향 네 가지를 알아봤다. 마지막 편인 다음 편에서는, HRD 교육 기획에 생성형 AI 언어 모델 기술을 어떤 식으로 활용할 수 있을지 몇 가지 제언을 통해 마무리하고자 한다.
■ 인키움 양지인 인턴
"HRD의 중요성 대두"
첫째, 업무 자동화 확대 및 일의 속성 변화로 인해 HRD 교육의 수요가 증가하며 그 중요성이 강화될 것으로 예상된다.
아래의 세 사진은 ChatGPT에게 차례로 시, 시놉시스, 기획서를 부탁하고 받은 답변이다. ChatGPT에 원하는 키워드를 입력해 주거나, 상황을 설정해 주거나, 정보를 입력해 주면 마치 사람이 채팅을 치듯이 한 단어 한 단어 출력해낸다. ChatGPT의 답변을 읽어보면 AI가 단시간에 답변을 작성했다고는 믿기 어려울 정도로 질문의 의도를 잘 파악하고, 자연스러운 문장을 구사하고 있음을 확인할 수 있다. 이는 이전에는 인간 고유의 영역이라고 여겨지던 창작 분야의 일까지 AI가 해낼 수 있게 되었음을 시사한다. ChatGPT가 제공하는 정보를 100% 신뢰할 수 없다는 한계를 지닌 것은 사실이지만, 인터넷의 방대한 양의 데이터로 학습했기에 매우 빠르게 사용자의 요구에 반응할 수 있어, 반복적 업무의 자동화 혹은 정해진 틀 내의 일 처리를 신속하게 처리할 수 있어 업무에 매우 효과적인 도구가 될 것으로 기대할 수 있다.
복잡한 요구 조건도 이해하고 빠르게 설득력 있는 답을 생성해낸다
하지만 이러한 장점과 동시에, AI가 인간의 일자리를 대체하는 업무 자동화의 범위가 훨씬 확대되며 고용 감소의 우려가 있다. 또한 AI에 일자리가 완전히 대체되지 않더라도 기존에 익숙한 업무나 일의 속성이 변화하며 인간의 역할이 크게 바뀔 것으로 예상된다. 이러한 변화들로 인해 기업 내에서 일자리의 위협을 느끼는 조직원들은 경력 전환을 시도함과 동시에 AI가 모방할 수 없는 인간만의 역량을 찾아 이를 강화하려고 할 것이다. 또, 일자리 자체의 위협을 느끼지 않더라도 업무를 함에 있어서 기존에 숙련화되었던 방식에서 새로운 방식으로 변화할 가능성이 크기에, 기업이 이전과 같이 수월하게 운영되기 위해선 변화한 일의 방식과 속성에 대한 조직원들의 재숙련화(re-skilling)와 숙련고도화(up-skilling)가 필수적이다. 다시 말해, 경력을 전환하지 않더라도 새로운 버전의 일의 방식을 조직원들이 체화하고 암묵지를 쌓아갈 수 있도록 기업이 교육을 제공하는 과정이 꼭 필요하다는 것이다.
위와 같은 변화가 예상되는 바, 경력 전환 및 역량 강화 또는 업무에 대한 숙련도 향상에 관한 기업과 개인의 수요가 모두 증가할 것이라 판단된다. 개인의 입장에선 자신의 일자리를 지키기 위해, 기업의 입장에선 기업 경쟁력을 유지하기 위해 구성원에 대한 교육을 필요로 할 것이다. 따라서 이를 총괄하는 HRD에 대한 관심이 몰리며, 생성형 AI 언어 모델이 기업의 운영에 활용될 경우 결과적으로 HRD의 중요성이 대두될 것이라 결론 내릴 수 있다.
둘째, 기업들이 '초세분화(micro-segmentation)'된 특정 고객을 대상으로
'초개인화(hyper-personalization)'된 서비스의 제공을 확대함에 따른 HRD의 중요성 강화가 일어날 것으로 예상된다.
생성형 AI 언어 모델을 활용하면, 고객에게 맞춤으로 제공되는 개인화 서비스를 제공하는 비용이 크게 절감된다. 개인화된 서비스의 제공이 기업 입장에서 매우 용이해진다는 것이다. 이에 각 기업들은 자신들이 제공하는 서비스의 차별화를 통한 경쟁력 제고를 위해 초세분화(micro-segmentation)된 고객들을 대상으로 한 초개인화(hyper-personalization)를 진행하려는 유인이 크다. 이로 인해 과거 큰 단위로 묶여있던 서비스들이 고도로 세분화되며 각 기업이 제공하는 서비스의 양보다 질이 훨씬 중요해지며, 세분화된 시장의 전문성을 갖추는 것이 기업 경쟁력 확보를 위한 중요한 요인이 된다. 이러한 전문성의 확보를 위해선 기업이 서비스에 대한 전문성을 갖춘 고급 인력을 양성해 내는 것이 중요하다. 고급 인재의 양성이 곧 기업 경쟁력으로 직결될 수 있다는 것이다. 이를 바탕으로 기업들은 세부 분야의 전문성 및 그에 필요한 조직원의 역량 강화 교육에 대한 필요성을 인식하게 되며, 결국에 기업 목표에 맞는 양질의 교육을 조직원에게 제공하기 위해 HRD 파트에 투자를 활발히 할 것으로 예상된다.
"조직 구조의 변화"
셋째, 프로젝트 단위 knot-working 구조가 점차 확산될 것으로 예상된다.
놋워킹(knot-woring)이란, 매듭이 지어지고 풀어지듯 인재가 협업하고 다시 흩어지는 유동적 일의 방식을 말한다. 앞에서 설명했듯, 생성형 AI 언어 모델이 업무에 도입될 경우 조직원 개개인이 자신만의 고유한 역량을 갖추는 것과 기업이 이러한 역량을 갖춘 고급 인력을 양성하고 제 역할을 할 수 있도록 업무 환경을 조성해 주는 것이 점차 중요해질 것이다. 이에 따라 회사 내의 특정한 역할을 하는 팀, 그리고 이를 이루는 하나의 톱니바퀴처럼 일을 하던 방식에서 프로젝트 단위의 팀을 구성하는 놋워킹의 구조가 확산될 것으로 보았다. 이러한 방식은 역량을 갖춘 필요 인원만으로 업무를 진행할 수 있게 하여 효율적이고, 프로젝트 마다의 특성에 맞춰 팀을 구성할 수 있어 유동적이며 일의 완성도를 높일 것으로 예상된다. 나아가 팀이 계속해서 바뀌기 때문에, 팀원의 조합에 따라 각기 다른 시너지 효과를 기대할 수도 있다.
다만, 놋워킹의 방식이 도입된다면 조직원이 팀이나 회사에 소속감을 느끼지 못하며 오히려 업무 몰입도가 떨어질 수 있다는 우려도 존재한다. 따라서 이러한 일의 방식이 확산된다면 HRD 파트는 이들이 조직에 소속감을 느끼고 업무에 집중할 수 있도록, 프로젝트 시작 전, 팀워크 교육을 기획하는 것이 필요하다. 또한, 프로젝트 팀의 비전, 미션이 회사 전체의 비전, 미션과 맞아 회사의 목표 달성에 기여할 수 있도록 주기적인 조직 문화 교육 등의 사내 교육 기획을 활발히 해야 할 것으로 보인다. 즉, 역량 강화 교육으로 육성해낸 고급 인력들이 조직에 소속감과 조직에 대한 자부심을 가지고 일할 수 있는 환경을 만들어줘야 한다는 것이다.
"HRD 담당자의 역할 및 요구 역량의 변화"
마지막으로, HRD 담당자의 역할 변화가 예상된다.
우선 생성형 AI를 활용한 적응형 학습의 도입을 활발히 해야 한다. 적응형 학습이란 학습자 개개인의 능력이나 스타일에 맞게 학습 정보와 학습량, 학습 방법 등을 맞춤형으로 제공하는 학습법인데, 생성형 AI를 활용한다면 마치 개인 비서나 개인 과외 선생님이 있는 것처럼 효과적인 학습이 가능하다. 같은 시간의 교육을 받더라도 교육의 효과가 훨씬 커질 수 있다는 것이다. 따라서 HRD 담당자는 적응형 학습에 맞춤화된 콘텐츠를 기획하고 이에 대한 운영 지원을 하는 역할을 수행해야 한다. 생성형 AI라고 하더라도 사내에 잘못된 정보 및 데이터가 입력되어 교육 자체에 오류가 생길 수도 있기 때문에 꾸준한 모니터링이 필요하고, 개인화된 교육이 원활하고 적절하게 진행되고 있는지 조직원들에게 피드백을 받아 교육 내용을 수정하는 절차 또한 필요하다.
또한, 조직 내 문제 해결에 대한 능동적 대처 역량과 이에 대한 해결책을 고안해낼 수 있는 통찰력 및 창의성의 역량을 갖춰야 한다. 생성형 AI 언어 모델의 도입으로, HRD를 비롯해 HRM, 즉 인사 업무 전반의 반복적이고 간단한 업무는 전부 자동화될 수 있으며, 사내 데이터에 대한 수집도 전부 AI로 대체할 수 있다. 따라서 인사 담당자는 AI가 수집한 사내 데이터를 활용해, AI가 직접 해결하기 어려운 복잡한 사내 갈등, 사내 정치 등의 해결을 위한 전략을 수립하고 사내에 실제로 퍼져있는 문화와 네트워크를 파악할 수 있는 능동적 대처 역량이 요구된다. 또한, 이렇게 파악한 문제 상황에 대해 수집한 데이터를 활용해 실질적인 인사 제도 개선, 교육 기획 등의 해결책을 만들어낼 수 있는 통찰력과 창의성 또한 필요하다. 이에 실제로 파악했던 문제가 해결되었는지, 후속 데이터 수집과 설문 그리고 피드백을 통해 실질적인 개선이 될 수 있도록 지속적인 관찰이 필요하다.
이상, 2편에서는 생성형 AI 언어 모델의 기술이 HRD에 끼칠 영향 네 가지를 알아봤다. 마지막 편인 다음 편에서는, HRD 교육 기획에 생성형 AI 언어 모델 기술을 어떤 식으로 활용할 수 있을지 몇 가지 제언을 통해 마무리하고자 한다.
■ 인키움 양지인 인턴
뉴스레터구독
블로그
카카오톡
교육문의