생성형 AI가
실무 안으로 들어온 뒤,
조직의 일하는 방식은
빠르게 바뀌고 있습니다.
보고서 초안은 더 빨리 만들어지고,
회의 내용은 자동으로 정리되고,
반복 업무 일부는
이전보다 짧은 시간 안에 처리됩니다.
예전 같으면
몇 시간이 걸리던 작업이,
이제는 몇 분 안에
형태를 갖추는 경우도 생깁니다.
그런데 HR 현장에서는
속도 변화만큼이나,
다른 질문도 함께 커지고 있는데요.
이 결과를
누가 검증했는가.
누가 판단했는가.
그리고 최종 책임은
누가 설명할 수 있는가입니다.
AI 이후,
성과평가 기준이 흔들리기 시작했습니다
예전 성과평가에서는
개인의 생산성이
상당히 중요한 기준이었습니다.
얼마나 빠르게 처리했는가.
얼마나 많은 결과물을 만들었는가.
그리고 얼마나 높은 성과를 냈는가입니다.
특히 업무량이 비교적 명확한 조직에서는
이 방식이 작동하기도 했습니다.
누가 더 많은 문서를 작성했는지,
누가 더 많은 프로젝트를 처리했는지,
누가 더 높은 수치를 만들었는지가
상대적으로 눈에 보였기 때문입니다.
물론 그 안에서도
정성 평가 논의는 늘 존재했습니다.
하지만 적어도
산출량 자체가
평가 설명의 중심에 놓이는 경우는
많았습니다.
그런데 생성형 AI가
실무 안으로 들어오면서,
이 기준이 조금씩 흔들리기 시작했습니다.
초안 작성 속도는 빨라졌고,
자료 정리 시간은 줄어들었고,
반복 업무 일부는 자동화되고 있습니다.
이 흐름 자체는
이제 낯설지 않습니다.
최근 보도에 따르면,
잡코리아 운영사 웍스피어는
HR 컨퍼런스 ‘흐레카 26’을 통해
AI 조직 운영과
데이터 기반 성과관리 등을
함께 논의했다고 합니다.
겉으로 보면
기술 활용 논의처럼 보입니다.
어떤 도구를 쓰는가.
어떤 자동화가 가능한가.
생산성을 얼마나 높일 수 있는가 같은
이야기입니다.
그런데 실제 HR 현장에서는
조금 더 근본적인 질문으로
이어지게 되는데요.
AI를 활용해 만든 결과를,
이제 무엇으로 평가할 것인가입니다.
같은 보고서를 만들어도,
누군가는 AI로 빠르게 초안을 만들고,
누군가는 내용을 검증하고,
누군가는 최종 의사결정을 내립니다.
산출물은 하나인데,
성과 기여 방식은 달라진 셈입니다.
예전에는
결과물을 만든 사람이
상대적으로 분명했다면,
이제는 과정 안에서의 역할이
더 세분화되는 흐름도 나타납니다.
그래서 최근 조직에서는
단순 산출량 중심 평가만으로는
실제 기여를 설명하기 어렵다는
이야기가 함께 나오기 시작합니다.
특히 팀 단위로 움직이는 조직일수록,
이 변화는 더 선명하게 체감될 수 있습니다.
결과물 자체는 빠르게 완성되는데,
정작 중요한 것은
그 결과를 어떻게 다듬고,
어떻게 설명하고,
어떻게 조직 안에 연결했는가가 되기 때문입니다.
빠르게 만드는 능력보다,
판단 책임이 더 중요해집니다
생성형 AI 도입 이후,
많은 조직이 먼저 체감한 것은
속도 변화였습니다.
문서 작성,
회의 요약,
시장 조사,
코드 보조 같은 업무는
이전보다 훨씬 빨라졌습니다.
실무자 입장에서는
반복 작업 부담이 줄어드는 경험이
분명 존재합니다.
실제로 현업에서는
빈 문서 앞에서 처음부터 시작하는 시간보다,
이미 만들어진 초안을 검토하는 시간이
더 많아졌다는 이야기도 나옵니다.
문제는 그 다음 단계입니다.
AI가 만든 결과를
그대로 사용할 수 있는가.
오류는 없는가.
조직 맥락에 맞는가.
그리고 최종 책임은 누가 지는가입니다.
실제 현장에서는
결과물 생성보다,
검토와 검증 과정이
더 중요해지는 경우도 생깁니다.
예를 들어,
AI가 만든 보고서 초안은 빠르게 나와도,
데이터 해석이 부정확하거나,
맥락 이해가 부족하면,
오히려 수정 시간이 더 늘어날 수 있습니다.
처음에는
업무가 빨라진 것처럼 보였는데,
검증 과정에서
회의가 다시 열리고,
부서 간 조율이 반복되면서,
다른 형태의 시간이 투입되는 경우도 생깁니다.
특히 대외 커뮤니케이션,
인사 판단,
평가 피드백,
채용 의사결정처럼
설명 책임이 중요한 영역에서는
이 문제가 더 민감해집니다.
문장 하나,
표현 하나,
판단 기준 하나가
조직 신뢰와 연결될 수 있기 때문입니다.
그래서 조직 안에서는
단순 작성 능력보다,
무엇을 검증했는가.
어떤 기준으로 판단했는가.
리스크를 어떻게 걸러냈는가가
새로운 역량으로 부상하는 흐름도 나타납니다.
AI가 초안을 만들고,
사람이 책임을 지는 구조가
확산될수록,
성과평가 역시
‘생성’보다 ‘판단’을
함께 보게 되는 셈입니다.
이 지점에서
팀장의 부담도 커질 수 있습니다.
예전에는
업무량과 결과물 중심으로
상대 비교가 가능했습니다.
하지만 이제는
누가 실제 사고를 했는지,
누가 오류를 발견했는지,
누가 협업 리스크를 줄였는지 같은
보이지 않는 기여가 늘어납니다.
문제는 이런 기여가
숫자로 바로 드러나지 않는다는 점입니다.
회의 안에서
조용히 위험 요소를 짚은 사람,
부서 간 충돌을 줄인 사람,
최종 메시지를 정리한 사람이
실제 성과에 큰 영향을 줬더라도,
기존 평가표 안에서는
설명하기 어려운 경우가 생깁니다.
그래서 HR은
평가 항목보다 먼저,
무엇을 성과로 정의할 것인가를
다시 정리하게 됩니다.
이 과정은 단순히
평가 문구를 바꾸는 문제가 아니라,
조직이 중요하게 보는 기여 방식을
다시 설명하는 과정에 가깝습니다.
협업 역량이,
다시 핵심 평가 항목이 되는 이유
AI 활용이 늘수록,
오히려 협업 중요성이 커진다는 점도
흥미로운 변화입니다.
겉으로 보면
AI는 개인 생산성을 높이는 도구처럼
보일 수 있습니다.
혼자 빠르게 자료를 만들고,
혼자 기획안을 정리하고,
혼자 업무를 끝낼 수 있기 때문입니다.
실제로 처음에는
개인 단위 활용에 관심이 몰리기도 합니다.
누가 더 잘 쓰는가.
누가 더 빨리 결과를 만드는가.
누가 더 효율적으로 처리하는가 같은
관점입니다.
하지만 실제 조직에서는
반대 현상도 함께 나타납니다.
결과물 생성 장벽이 낮아질수록,
무엇이 더 적절한 방향인지,
어떤 기준을 적용할지,
누가 최종 결정을 내릴지가
더 중요해지기 때문입니다.
즉,
결과물 자체보다,
조율 과정 가치가 커지는 흐름입니다.
특히 여러 부서가 함께 일하는 조직에서는
이 변화가 더 선명하게 나타날 수 있습니다.
AI가 만든 자료를 두고도,
현업은 현실성이 부족하다고 보고,
법무는 리스크를 우려하고,
경영진은 메시지 방향을 수정할 수 있습니다.
같은 결과물을 보더라도,
부서마다 중요하게 보는 기준이
다르기 때문입니다.
결국 성과는
혼자 만든 결과보다,
다른 부서와 어떻게 검증하고
정렬했는가에서 결정되는 경우가 많아집니다.
그래서 최근 HR 논의에서는
협업 과정을
성과관리 안에 어떻게 반영할 것인가가
다시 중요해지고 있습니다.
예를 들어,
정보 공유 방식,
의사결정 투명성,
피드백 반영 수준,
검증 참여도 같은 요소를
조직이 어떻게 바라볼 것인가입니다.
이 지점은
실무에서도 자주 부딪히는 고민인데요.
협업은 중요하다고 말하지만,
막상 평가 단계로 들어가면
무엇을 기준으로 볼 것인가가
모호해질 수 있기 때문입니다.
물론 여기에도
현실적인 긴장이 존재합니다.
협업을 강조하면,
평가 기준이 모호해졌다는
반응이 나올 수 있기 때문입니다.
누가 얼마나 기여했는지
명확하지 않다는 불만도 생길 수 있습니다.
반대로 개인 KPI만 강조하면,
정보를 공유하지 않거나,
AI를 활용한 단기 산출 경쟁으로
흐를 가능성도 있습니다.
실제 조직 안에서는
이 두 방향 사이에서
균형을 찾으려는 논의가 이어질 수 있습니다.
그래서 HR은
개인 성과와 협업 기여를
어떤 균형으로 설계할지
고민하게 됩니다.
이 과정에서 중요한 것은
협업을 추상적 태도로만 보지 않는 일입니다.
누가 검증을 맡았는가.
누가 리스크를 발견했는가.
누가 다른 부서 연결을 조율했는가.
이런 역할도
조직 성과 일부로 설명할 수 있어야 합니다.
성과는 항상
앞에 드러나는 결과만으로
완성되지 않기 때문입니다.
이제 HR은,
‘AI 사용 여부’보다
활용 방식의 책임을 보게 됩니다
초기 AI 도입 단계에서는
많은 기업이
누가 AI를 활용하는가에
관심을 가졌습니다.
디지털 적응력과
생산성 향상 관점이었습니다.
실제로 현업에서도
AI 활용 자체가
새로운 업무 역량처럼 받아들여지던
시기가 있었습니다.
하지만 시간이 지나면,
질문은 조금 달라질 가능성이 있습니다.
얼마나 많이 썼는가보다,
어떻게 활용했는가입니다.
AI 결과를 무비판적으로 사용했는가.
민감 정보를 적절히 다뤘는가.
오류 가능성을 검토했는가.
최종 판단 근거를 설명할 수 있는가.
이런 요소들은
기술 사용 능력과는 다른 차원의
조직 역량입니다.
최근 주간경향 보도에서는
AI 시대 리더십과 관련한 흐름도
언급됐는데요.
이 역시 결국
사람의 판단 역할이
완전히 사라지지 않는다는 점과
연결됩니다.
AI가 의견을 제시하더라도,
최종 결정과 설명 책임은
관리자와 조직에 남기 때문입니다.
그래서 앞으로의 성과평가는
단순히 업무 결과만이 아니라,
판단 과정과 책임 구조까지
함께 연결될 가능성이 커집니다.
실제 HR 실무에서도
다음 질문들이 중요해질 수 있습니다.
AI 활용 역량을
평가 항목에 포함할 것인가.
검증 책임은
어떤 방식으로 기록할 것인가.
팀 성과와 개인 기여는
어떻게 구분할 것인가.
그리고 AI 활용 격차가
평가 공정성 문제로 이어지지는 않는가입니다.
이 질문들은
단순 운영 이슈를 넘어,
조직이 어떤 행동을
성과로 인정할 것인가와 연결됩니다.
중요한 것은,
평가 제도를 급하게 바꾸는 것만은 아닙니다.
조직이 무엇을
실질 성과로 볼 것인지,
구성원에게 어떤 책임 기준을 요구할 것인지,
그 방향을 먼저 설명하는 일이
점점 더 중요해지고 있습니다.
AI 시대의 성과평가는
기술 경쟁 이야기처럼 보이지만,
결국 사람의 판단과 신뢰를
어떻게 정의할 것인가의 문제에
조금 더 가까워지고 있습니다.
그리고 HR은 지금,
그 기준이 바뀌는 과정을
가장 먼저 마주하는 영역 중 하나가
되고 있는지도 모릅니다.
참고 자료
- “AI 시대에 맞는 HR 성과평가 체계 갖춰야”…잡코리아, HR 컨퍼런스 개최 — 전자신문, 2026-09-09
- 잡코리아, HR 콘퍼런스 성료…AI 시대 걸맞은 HR 인사이트 공유 — 네이트, 2026-09-09
- 잡코리아, HR 컨퍼런스 '흐레카 26' 성료…AI 시대 채용 해법 제시 — 네이트, 2026-09-09
- “팀장님, AI는 아니라고 하는데요”···AI 시대의 리더십 사용 설명서 — 주간경향, 2026-09-07