🎬 "기업이 찾는 인재 개념이 바뀌고 있습니다" (황성현 교수)

▶️ 유튜브

• 원본 링크: https://youtu.be/F2-uO18HMYA?si=Qf6h2qxfl0r9cPSs

🖼️ 4컷 인포그래픽

💡 한 줄 결론

기업이 AI 시대에 지켜야 할 인간 경쟁력은 분석력이 아니라 문제를 새로 정의하고 여러 해법을 통합해 책임 있게 결정하는 능력이다. 그래서 채용·평가·기록·거버넌스까지 전부 그 역량이 드러나도록 다시 설계해야 한다.

📌 핵심 요점

1. 학벌과 시험형 성취로 대표되던 논리·분석 우위는 AI에 빠르게 잠식되고 있어, 채용 기준은 문제 정의력·창의적 대안 설계·최종 책임 판단력 쪽으로 이동해야 한다.
2. 복리후생 처리, 서류 수집, 신고, 온보딩 같은 정답형 HR 업무는 에이전트 대체 속도가 빠르며, 사람에게 남는 가치는 인사 전략과 사람·AI 혼합 조직 운영이다.
3. 공정한 피드백은 “성실하다” 같은 인상 비평이 아니라 특정 시점의 행동, 맥락, 영향, 수정 포인트가 남아 있는 기록에서 나온다.
4. 기업의 실제 AI 생산성 병목은 실무자 초안 작성보다 관리자 리뷰와 의사결정 단계에 있으므로, 내부 데이터와 업무 맥락이 반영된 버티컬 AI가 더 큰 효과를 낸다.
5. 범용 도구를 부서별로 흩어 도입하면 중복 투자와 보안 리스크만 커질 수 있어, 중앙 컨트롤타워 아래 데이터·권한·개발 기준을 묶는 AI 거버넌스가 필요하다.

🧠 상세 요약

1) 배경과 문제 정의

이 대담의 출발점은 단순한 “AI 도구를 어떻게 쓰나”가 아니다. AI가 사람의 역할, 평가의 기준, 기록의 형태, 조직의 권한 구조를 동시에 바꾸는 상황에서 기업이 무엇을 인간의 핵심 가치로 남길지 다시 정의해야 한다는 문제의식이 깔려 있다.

2) 섹션별 상세 정리

1. 문제를 푸는 능력보다 문제를 고르는 능력이 중요해진다 [00:00]

• 미국에서 컴퓨터공학·데이터사이언스보다 리버럴아츠·인문학 선호가 커진 사례를 통해, AI가 아직 대체하지 못한 영역이 “무엇을 만들 것인가”와 “어떤 문제를 풀 것인가”라는 질문 생성 영역임을 짚는다.
• 기업의 본질이 문제 해결의 연속이라면, 앞으로의 경쟁력은 정답 계산보다 문제 발굴과 정의에 더 크게 달린다는 관점이 제시된다.

2. 평가 주체를 HR로 오해하게 만드는 언어부터 바꿔야 한다 [01:09]

• “인사평가”라는 표현은 HR팀이 사람을 직접 재단하는 듯한 오해를 만들지만, 실제 판단 주체는 해당 업무를 가장 가까이에서 본 현업 관리자여야 한다고 본다.
• HR이 제도와 관점을 제공할 수는 있어도 현업 맥락이 없는 상태에서 최종 판단자로 개입하면 바이어스가 더 커질 수 있다는 점을 강조한다.

3. 피드백과 평가는 다르고, 근거 없는 묘사는 둘 다 망친다 [02:47]

• 점수·석차처럼 결과를 매기는 것은 평가이고, 행동을 바꿀 수 있게 돕는 정보는 피드백인데, 현실에서는 둘이 뒤섞여 있다고 지적한다.
• “산만하다”, “교우 관계가 좋다” 같은 표현은 듣기엔 피드백 같지만 언제 어떤 행동이 문제였는지 빠져 있어 실제 개선에 쓸 수 없는 근거 없는 평가에 가깝다.

4. 형용사 중심 평가를 버리고 행동 중심 기록으로 가야 한다 [03:54]

• 오랜 HR 실무 경험상 평가 문서에는 형용사가 과도하게 많았고, 이런 표현은 사람을 흐릿한 인상으로 고정할 뿐 수정 가능한 행동 정보를 주지 못한다고 말한다.
• 좋은 피드백은 “게으르다”가 아니라 “배트 각도를 60도에서 45도로 낮춰야 한다”처럼 구체적 행동과 조정 포인트를 제시해야 하며, 이런 구조화는 AI가 더 잘할 수 있다.
• 단, AI가 잘 작동하려면 사건 시점과 행동 근거가 남아 있어야 하므로 기록 체계가 먼저 바뀌어야 한다.

5. AI 시대의 기록은 폴더 분산형이 아니라 맥락 축적형으로 바뀐다 [06:27]

• 워드·엑셀·PPT와 깊은 폴더 구조는 인간의 기억과 분류를 돕기 위해 만들어진 체계이지만, AI가 맥락을 읽고 연결하기에는 비효율적이라고 본다.
• 파일을 잘게 쪼개는 대신 마크다운·PDF·태그 중심으로 재구성하고, AI가 한 번에 읽을 수 있는 형태로 정보를 모으는 쪽이 더 유리하다는 주장이다.

6. 원파일, 자동 타임스탬프, 해시태그가 새 기본 프로토콜이 될 수 있다 [07:53]

• 발표자는 하나의 누적 파일에 메모와 일지를 계속 쌓고 날짜·시간은 자동 기록하며 주제는 해시태그로 관리하는 방식으로 옮겨 갔다고 소개한다.
• 이렇게 축적된 데이터는 나중에 AI에게 연간 활동을 길이별로 요약시키거나 특정 맥락을 빠르게 재구성하게 하는 기반이 되며, 1~3년 내 이런 기록 방식이 표준에 가까워질 수 있다고 본다.
• 인터페이스도 스마트폰 중심에서 자동 기록·전사·요약이 가능한 안경형 디바이스 쪽으로 이동할 가능성을 언급한다.

7. 기업의 AI 교육은 초안 작성에 머물고, 진짜 병목은 관리자 판단이다 [10:25]

• 많은 기업이 LLM 사용법 체험 교육이나 실무자 생산성 향상 수준에서 AI를 소비하고 있지만, 실제 시간과 비용이 많이 드는 곳은 관리자 리뷰와 승인 단계라고 진단한다.
• 과장·차장·부장·임원이 내부 정보와 회사 맥락을 반영한 SLM/LLM 도구를 쓰기 시작해야 큰 생산성 혁신이 나는데, 아직 그 수준까지 간 기업은 드물다고 본다.

8. 과거의 성공 공식이 AI 전환을 가장 세게 막는다 [11:23]

• 누군가 관리하고 검토하고 승인하는 위계적 구조가 과거의 성공 방식이었기 때문에, 이를 줄이거나 재설계하는 일 자체가 조직에 생존 위협처럼 느껴진다고 설명한다.
• 그래서 오히려 기존 성공 경험이 많은 대기업이 전환에 더 둔감할 수 있고, 바닥부터 구조를 다시 짜는 스타트업이 더 유리할 수 있다는 해석이 나온다.

9. 인간의 가치 축은 분석에서 창의와 통합적 책임으로 이동한다 [12:15]

• 문제 해결 역량을 논리력·분석력·창의력·통합력으로 나눌 때, AI는 이미 논리와 분석에서 강한 우위를 보이고 있다고 진단한다.
• 인간에게 남는 핵심은 새로운 해법을 상상하는 창의력과 여러 대안을 조직적으로 묶어 최종 결정을 내리고 책임지는 통합력이라는 주장이다.
• 지금도 기업은 여전히 학벌과 시험형 성취를 높게 보지만, 그 기준을 유지할수록 AI와 직접 경쟁하는 인재만 뽑게 될 위험이 있다.

10. 인문학은 지식 암기가 아니라 질문 생성 능력으로 재정의된다 [16:21]

• 역사 연도나 고전 지식 암기가 아니라 “우리는 왜 이 제품을 만들어야 하는가” 같은 근본 질문을 던지는 능력이 AI 시대 인문학의 핵심 가치로 제시된다.
• 문장 정리나 정보 조합은 AI가 더 잘할 수 있어도, 질문의 방향을 정하고 존재론적 문제를 꺼내는 능력은 아직 인간 우위가 남아 있는 영역으로 본다.
• 다만 이 우위도 영구적이지 않을 수 있어, 기업과 개인 모두 빠르게 재학습해야 한다는 긴장감이 깔려 있다.

11. HR은 사람만이 아니라 에이전트까지 관리하는 기능으로 확장된다 [17:26]

• 복리후생, 신고, 서류 처리, 온보딩 같은 반복 업무는 자동화되고, HR의 중심은 전략·조언·설계 역할로 이동할 가능성이 크다.
• 동시에 조직은 사람만 운영하는 구조에서 사람과 AI 에이전트를 함께 운영하는 구조로 바뀌며, 에이전트의 자유도와 감독 방식까지 관리 대상에 포함된다.
• 결국 미래 HR은 “사람 관리 부서”보다 “조직 운영 구조 설계 기능”에 더 가까워질 수 있다.

12. AI 혁신은 한 부서의 소유물이 아니라 거버넌스 문제다 [20:07]

• HR이 맡을지 IT가 맡을지의 소유권 경쟁보다 중요한 것은 채용부터 퇴직까지 조직의 일하는 방식을 어떻게 AI에 맞게 재편할지에 대한 전사 설계다.
• 범용 도구를 넘어서 제조·영업·HR 등 업무별 버티컬 AI를 만들려면 회사 고유 데이터, 환각 억제, 보안, 권한 체계가 함께 설계돼야 한다.
• 중앙 컨트롤타워 없이 부서별로 따로 움직이면 툴 난립, 중복 투자, 비용 급증이 발생할 수 있어 조정 기능이 필요하지만, 그 기능을 HR 단독에 둘 필요는 없다고 본다.

13. 앞으로 사람은 의미를 부여하고, 기계는 서로 일한다 [23:33]

• 인간은 이벤트의 의미를 정의하고 방향을 설정하는 역할을 맡고, 실제 처리 과정은 여러 AI와 시스템이 서로 연결되어 수행하는 구조가 강화될 것이라고 본다.
• 이를 위해 각 도구를 잇는 공통 데이터 저장·연결 계층, 즉 조직 차원의 ‘저수지’ 같은 기반이 필요하다는 문제의식이 제시된다.

14. 지금은 도구 실험이 아니라 조직 재설계의 변곡점이다 [25:03]

• 이번 변화를 과거 ChatGPT 3.x 수준의 신기함이 아니라 조직 구조와 의사결정 방식을 뒤흔드는 변곡점으로 본다.
• 그래서 기대와 두려움이 동시에 존재하지만, 결국 경영진과 사업 리더가 미래 기준으로 조직을 다시 설계해야 한다는 메시지로 마무리한다.

✅ 액션 아이템

• 다음 채용 공고 1건에서 학벌·시험형 과제 비중을 줄이고, 지원자가 직접 문제를 재정의하거나 상충하는 대안을 통합해 결정한 사례를 묻는 면접 질문 3개를 새로 넣는다.
• 최근 2개 분기 평가서에서 “성실하다/리더십이 있다/산만하다” 같은 형용사 문구를 전수 추출해, 사건 시점·행동·영향·수정 제안을 포함한 행동형 문장 템플릿으로 교체한다.
• 관리자 검토 시간이 긴 업무 1개를 골라 내부 문서·판단 기준을 연결한 SLM/LLM 파일럿을 돌리고, 실무자 작성 시간보다 관리자 리뷰 시간 감소율을 핵심 지표로 측정한다.
• 팀 문서 저장소 1곳에서 폴더 분산형 자료를 마크다운·PDF·태그 체계로 재정리하고, 4주 동안 ‘원 파일+자동 타임스탬프+해시태그’ 기록 실험을 운영해 검색성과 요약 품질을 비교한다.
• HR, IT, 현업 리더가 함께 참여하는 월간 AI 거버넌스 회의를 열어 범용 툴 도입, 버티컬 AI 우선순위, 고유 데이터 접근 권한, 중복 구매 금지 기준을 한 장의 의사결정 문서로 묶는다.

❓ 열린 질문

• 논리력·분석력이 빠르게 범용화되는 상황에서, 채용과 승진 평가표에서 학벌·시험형 성취 비중을 실제로 얼마나 줄여야 창의력·통합력 중심 선발이 가능해질까?
• 행동 기반 피드백을 위해 기록을 촘촘히 남길수록 감시 강화 우려도 커지는데, 조직은 어느 수준의 데이터까지 모아야 공정성과 프라이버시를 동시에 지킬 수 있을까?
• 관리자 리뷰 병목을 줄이는 AI가 생산성을 높이더라도, 한국 기업의 위계 구조는 권한 축소에 대한 저항 때문에 도입 속도를 오히려 늦추지 않을까?
• 버티컬 AI의 성패가 고유 데이터 품질과 연결된다면, 데이터 정합성·보안·권한 체계가 약한 기업은 어떤 순서로 기반을 정비해야 시행착오 비용을 줄일 수 있을까?