"AI 에이전트를 도입해야 한다"는 이야기, 요즘 정말 많이 들립니다.
그런데 막상 "AI 에이전트가 정확히 무엇이고, 우리 HR 업무에는 어떻게 적용할 수 있는지" 물어보면 명확하게 답하기 어려운 경우가 많습니다.
본 포스팅에서는 복잡한 기술 용어 없이, HR 담당자의 시선에서 AI 기술의 발전 단계를 쉽게 정리하고, 각 단계가 실제 HR 실무에 어떻게 적용될 수 있는지 짚어보겠습니다.
챗GPT 같은 챗봇, 우리가 아는 그 AI로 충분할까요?
챗GPT, 구글 제미나이, 클로드 같은 챗봇은 거대 언어 모델(LLM)을 기반으로 합니다. LLM은 질문을 입력하면 학습된 데이터를 바탕으로 답변을 생성하는 방식으로 작동합니다. 다만 LLM에는 두 가지 한계가 있습니다. 아무리 방대한 데이터를 학습했더라도 우리 회사의 인사 데이터나 규정, 개별 구성원의 정보는 알 수 없습니다.
스스로 먼저 나서서 무언가를 처리하지 않고, 지시한 것에만 응답하는 수동적인 방식을 택합니다.
LLM은 채용 공고 초안 작성, 사내 공지 문구 다듬기, 면접 질문지 초안 만들기처럼 일회성 글쓰기 업무에는 바로 활용할 수 있으나 우리 회사 고유의 인사 규정이나 재직자 데이터를 반영한 답변까지는 기대하기 어렵다는 점을 이해하고 사용하셔야 합니다.
실제로는 이런 방식으로 활용됩니다. 인사 시스템에서 연차와 근태 데이터를 가져오고, 연차 소진율이 낮은 직원 리스트를 뽑아, 해당 직원들에게 안내 메일을 자동으로 발송하고, 이 모든 과정을 매주 월요일 아침에 자동 실행되도록 설정하는 방식입니다. 이 과정은 모두 사람이 설계한 순서대로 움직이는 것이므로 AI 워크플로우에 해당하며, 결과물이 마음에 들지 않으면 사람이 직접 로직이나 문구를 수정해야 합니다.
스스로 생각하고 움직이는 AI, 어떻게 다를까요?
AI 워크플로우에서 사람이 담당하던 '생각하고 판단하는 과정'까지 AI가 대신 수행하게 되면, 이것이 바로 AI 에이전트입니다. AI 에이전트는 어떤 방식이 가장 효율적일지 스스로 판단하는 추론 능력, 도구를 사용해 실제로 업무를 처리하는 행동 능력, 그리고 결과를 스스로 점검하고 부족한 부분을 개선하는 반복 능력, 이 세 가지를 갖추고 있습니다.
예를 들어 채용 AI 에이전트라면, 지원자 이력서를 검토하고 직무 적합도를 스스로 판단하며, 부족한 정보가 있으면 추가 자료를 요청하거나 면접 질문을 스스로 설계하는 것까지 수행할 수 있습니다. 사람이 매 단계 지시하지 않아도 AI가 목표 달성을 위해 스스로 절차를 만들어가는 것이 핵심 차이입니다.
채용 영역에서는 이력서 스크리닝부터 1차 인터뷰 질문 설계, 지원자 커뮤니케이션까지 AI 에이전트가 일련의 흐름을 스스로 처리할 수 있습니다. 성과관리 영역에서는 정기 평가 데이터를 스스로 분석해 이탈 위험이나 저성과 패턴 같은 이상 신호를 포착하고 담당자에게 선제적으로 알려줄 수 있습니다. 온보딩 영역에서는 신규 입사자의 질문에 맞춰 필요한 사내 문서를 스스로 찾아 안내하고, 진행 상황을 추적해 누락된 절차를 자동으로 챙길 수 있습니다.
AI가 똑똑해질수록, 결국 무엇이 더 중요해질까요?
여기까지 살펴보면 한 가지 공통점을 발견하실 수 있습니다.
LLM이든, AI 워크플로우든, AI 에이전트든 결국 모든 단계는 데이터를 기반으로 작동한다는 점입니다.
레벨이 올라갈수록 AI가 다루는 데이터의 양과 질에 대한 요구도 함께 높아집니다. 초기 단계에서는 일반적인 지식만으로도 충분했다면, 워크플로우와 에이전트 단계로 갈수록 우리 회사의 실제 인사 데이터, 즉 재직자 정보와 평가 이력, 근태 기록, 채용 데이터가 정확하고 체계적으로 축적되어 있어야만 AI가 제 역할을 할 수 있습니다.
아무리 뛰어난 AI 에이전트를 도입하더라도, 참고할 데이터가 흩어져 있거나 형식이 제각각이거나 애초에 기록조차 되어 있지 않다면 AI는 정확한 판단을 내릴 수 없습니다. 결국 AI 활용의 출발점은 우리 회사 HR 데이터가 얼마나 잘 쌓여 있는가에 달려 있는 셈입니다.
HR SaaS의 역할이
더욱 중요해지고 있습니다.
플젝HR은 흩어지기 쉬운 HR 데이터를 하나의 체계 안에 축적하고, 표준화된 형태로 관리할 수 있게 해줍니다. 이렇게 정리된 데이터는 향후 AI 워크플로우나 AI 에이전트를 도입할 때 곧바로 활용할 수 있는 자산이 됩니다.
인사-근태-급여-정산의 '원스톱 데이터 파이프라인' 구축
인적 정보와 세무 기준의 실시간 결합
각 개인의 인적 사항(나이, 외국인 여부, 부양가족 여부, 근무지 이전 발령일 등)이 급여 마스터 및 급여계약 정보와 긴밀히 연동됩니다
급여 계산 사전검증
급여 계산 이전에 '급여계약 기간 중복건', '퇴직처리일 이후 연차 사용건', '(-)연차 사용자', '법정휴게기준 미달자', '일연장 과다(4시간 이상) 발생자' 등 근태와 급여의 특이사항을 실시간으로 상호 대조하고 자동으로 경고 알림을 주어 마감 직전의 수작업 검토 시간을 획기적으로 줄여줍니다
HR Insight를 통한 데이터의 능동적 활용 및 의사결정
누적된 데이터를 바탕으로 연차 소진율, 평균 재직 기간, 부서별 주당 평균 근무시간 분포, 인건비 추이, 이직률 등 100여 종의 통계 메트릭스와 직관적인 시각화 그래프를 실시간으로 제공하여 경영진과 HR 팀이 선제적으로 조직의 건강도를 모니터링할 수 있도록 돕습니다
AI 도입을 고민하는 HR 담당자라면, 먼저 우리 회사 HR 데이터가 어디에 어떤 형태로 흩어져 있는지 점검하고, HR SaaS를 통해 이를 한 곳에 축적하고 표준화한 다음, 그 데이터를 기반으로 반복 업무부터 AI 워크플로우로 자동화하고, 마지막으로 데이터와 자동화 기반이 갖춰진 이후에 AI 에이전트 도입을 검토하는 순서로 접근하시길 권해드립니다. AI는 데이터 없이 작동할 수 없습니다. AI 시대의 HR 경쟁력은 결국 얼마나 좋은 AI 도구를 쓰느냐가 아니라, 얼마나 좋은 데이터를 쌓아왔느냐에서 판가름 날 것입니다.
