"우리 회사 평가 항목의 80퍼센트는 결국 평가자의 주관으로 매겨지는데, 이게 공정하다고 할 수 있나요?" 평가 결과에 이의를 제기하던 직원이 이제는 이런 질문과 함께 ChatGPT가 알려준 '공정한 평가 기준'을 근거로 면담을 신청합니다. 우리 팀의 등급 분포가 다른 팀과 다르다는 점, 평가자의 주관이 개입될 수 있는 항목이 무엇인지, 공정한 평가 시스템이 갖춰야 할 요건까지, AI로부터 미리 정리된 논리를 가지고 면담에 들어옵니다. 연봉, 승진, 조직문화, 리더십, 노동법에 대한 질문도 마찬가지입니다. 직원들은 이제 HR을 찾아오기 전에 AI와 먼저 대화를 나눕니다.

생성형 AI가 업무 현장에서 일상적인 도구로 자리잡았다는 사실은 더 이상 낯선 이야기가 아닙니다. 직원들은 더 이상 정보의 부재 상태에서 HR을 찾아오지 않습니다. 이미 어느 정도의 답을 손에 쥔 채로 옵니다. 이는 단순히 질문의 양이 늘어난 현상이 아닙니다. 질문과 답변을 주고받던 대화의 구조 자체가 바뀌고 있다는 신호입니다.

HR담당자들이 체감하는 피로감의 본질도 여기에 있습니다. 예전에는 정보를 모르는 직원에게 정보를 전달하면 대화가 마무리되었습니다. 지금은 이미 정보를 가진 직원과, 그 정보가 우리 회사에는 그대로 적용되기 어려운 이유를 설명해야 하는 대화가 시작됩니다. 같은 질문이라도 대응의 난이도가 완전히 달라진 것입니다.

HR이라는 직무가 오랫동안 가져온 권위의 상당 부분은 정보의 비대칭에서 나왔습니다. 급여 체계, 평가 제도, 노동법 쟁점, 인사 규정을 가장 잘 아는 사람이 HR이었고, 직원들은 그 지식에 의존해 질문하고 답을 들었습니다. 생성형 AI는 이 비대칭을 빠르게 허물고 있습니다. 글로벌 웹 트래픽 분석 기관들의 자료에 따르면 한국은 전 세계에서 ChatGPT 이용 규모가 미국에 이어 가장 큰 국가군에 속합니다. 직장인 개개인의 업무 도구로 ChatGPT가 이미 깊숙이 들어와 있다는 의미입니다. 이제 직원들은 이미 사전 학습을 마친 상태로 HR과의 대화를 시작합니다. HR이 독점적으로 보유했던 정보 우위는 점차 줄어들고 있습니다.

이것을 위기로 받아들일 필요는 없습니다. 변호사가 인터넷에 법률 정보가 넘쳐난다고 해서 직업적 가치를 잃지 않았듯, 의사가 환자들이 검색을 통해 병명을 예측하고 온다고 해서 전문성을 잃지 않았듯, HR 역시 정보 제공자로서의 역할이 줄어드는 만큼 다른 역할로 무게중심을 옮기면 됩니다. 문제는 그 다음 단계, 즉 무엇으로 이동할 것인가에 있습니다.

이번 글에서 가장 강조하고 싶은 지점은 여기입니다. AI가 직원에게 제시하는 답은 대부분 틀리지 않습니다. 다만 그 답은 일반화된 최선의 관행, 즉 베스트 프랙티스(Best Practice)입니다. 반면 HR이 실제로 고민하고 설계해야 하는 것은 우리 조직에 맞는 답, 즉 베스트 핏(Best Fit)입니다.

베스트 프랙티스와 베스트 핏 사이에는 좁혀지지 않는 간극이 존재합니다. 회사의 재무(예산) 상황, 업종 특성, 조직 규모, 조직문화, 누적된 내부 히스토리, 과거 유사 사례에서 쌓인 판단 기준, 법적 리스크에 대한 회사의 태도, 경영진의 의사결정 방식까지, AI가 충분히 알기 어려운 변수들이 실제 의사결정의 절반 이상을 차지합니다. 정답은 검색으로 얻을 수 있지만, 해답은 조직을 들여다본 사람만이 만들 수 있습니다.

여기에 더해 한 가지 변수가 더 있습니다. AI에게 입력된 정보 자체가 직원 개인의 시각에서 정리된 것이라는 점입니다. 본인에게 불리한 맥락이나 모르는 사실은 빠지고, 본인의 입장에서 해석된 상황만 전달되었을 가능성이 적지 않습니다. 즉 AI의 답은 틀리지 않았더라도, 그 답이 기반한 정보 자체가 이미 한쪽으로 기울어 있을 수 있다는 뜻입니다.

그래서 직원과 HR 사이에서 벌어지는 충돌은 사실 AI와 HR의 충돌이 아닙니다. 일반론과 조직의 현실 사이의 충돌입니다. 이 구도를 정확히 이해하는 것이, HR이 이 상황에서 방어적으로 위축되지 않고 당당하게 대응할 수 있는 첫 번째 조건입니다.

과거 HR의 설명은 대부분 전문지식이나 규정(내부기준)을 전달하는 일이었습니다. 평가 등급은 이렇게 산정됩니다, 연봉 인상률은 이 기준을 따릅니다, 라는 식으로 정해진 답을 전달하면 충분했습니다. 지금은 다릅니다. 직원들은 왜 그렇게 설계되었는지, 왜 예외가 존재하는지, 왜 이번 사안에는 다르게 적용되는지를 묻습니다.

다시 말해 직원은 정답을 요구하지만, HR은 판단의 과정을 설명해야 하는 입장에 놓였습니다. 정보를 전달하는 사람에서 판단을 설계하고 그 논리를 설명하는 사람으로, 요구되는 역할 자체가 바뀐 것입니다. 이 변화를 받아들이지 못하면 HR은 매번 같은 피로감 속에서 방어적인 태도로 일관하게 됩니다. 반대로 이 변화를 정확히 인식한다면, 이전과는 다른 차원의 전문성을 쌓을 기회로 삼을 수 있습니다. 여기서 필요한 핵심 역량은 논쟁에서 이기는 능력이 아니라 설명력입니다.

실무에서 가장 흔한 실수는 AI의 답변을 정면으로 부정하려는 태도입니다. AI 답변이 틀렸다고 지적하는 순간, 대화는 사실 관계를 다투는 논쟁으로 변질됩니다. 더 효과적인 접근은 AI의 답을 부정하지 않고, 그 위에 회사의 맥락을 더하는 것입니다.

먼저 직원이 그런 질문을 하게 된 문제의식 자체를 인정하는 것에서 시작해야 합니다. 그 다음 회사가 그러한 기준을 갖게 된 의사결정의 맥락을 설명합니다. 단순히 제도의 내용을 나열하기보다, 그 제도가 왜 그렇게 설계되었는지 설계 원칙을 짚어주는 것이 설득력을 높입니다. 가능하다면 추상적인 설명보다 실제 사례나 데이터를 활용하는 편이 효과적입니다. 연봉 문제라면 동일 직무군 내 형평성 데이터를, 평가 문제라면 과거 등급 분포와 기준을, 노무 문제라면 관련 법령과 회사의 리스크 관리 원칙을 함께 제시하는 방식입니다.

이는 단순한 응대 요령이 아닙니다. 설명의 구조를 바꾸는 일입니다. 결론을 전달하는 화법에서, 결론에 이르기까지의 논리를 보여주는 화법으로 전환하는 것이 핵심입니다.

이제 HR의 경쟁력은 정답을 알고 있느냐가 아니라, 조직에 맞는 해답을 설계할 수 있느냐로 옮겨가고 있습니다. 분석적 사고와 복잡한 문제를 다루는 능력, 그리고 명확하게 설명하고 설득하는 커뮤니케이션 역량은 이미 여러 산업에서 핵심 직무 역량으로 꼽히고 있으며, HR이라는 직무에도 그대로 적용됩니다.

앞으로 HR에게 요구되는 역량은 다음과 같이 정리할 수 있습니다. 인사 제도와 노동법에 대한 깊이 있는 전문 지식은 더 이상 차별화 요소가 아니라 기본값이 되었습니다. 그 위에 데이터를 근거로 의사결정을 뒷받침하는 능력, AI를 도구로 적극 활용하는 능력, 복잡한 판단의 과정을 명료하게 설명하는 능력, 그리고 인사 이슈를 경영의 관점에서 바라보고 조직을 설계하는 능력이 더해져야 합니다.

다만 설명력은 기본 지식만으로 채워지지 않습니다. 채용 기준이 왜 그렇게 설계되었는지를 설명하려면 직무관리(업무요건 및 인재요건)와의 관계를 알아야 하고, 보상 체계를 설명하려면 그것이 채용 경쟁력과 직원의 동기부여와 어떻게 연결되는지를 알아야 합니다. 교육 투자를 설명하려면 그것이 조직가치와 실제 업무 성과로 이어지는 경로를 짚을 수 있어야 합니다. 즉 개별 제도에 대한 부분적 지식을 넘어, HR의 각 기능이 서로 어떻게 맞물려 있는지를 이해하는 통합적 관점이 필요합니다.

이 가운데 가장 중요한 것은 결국 설명력입니다. 그러나 설명력은 화법의 기술이 아닙니다. 깊이 있는 전문성 없이는 만들어지지 않는 결과물입니다. 표면적으로 정리된 지식으로는 직원의 두 번째, 세 번째 질문 앞에서 금세 한계를 드러냅니다. 왜 그런 판단에 이르렀는지를 설득력 있게 전달하려면, HR담당자 스스로가 평소에 더 깊이 있게 고민(공부)하고 사례를 축적해 두어야 합니다.

여기서 한 가지 짚어야 할 점이 있습니다. HR담당자 역시 업무에서 ChatGPT에 의존하는 비중이 늘고 있다는 사실입니다. 빠른 정보 정리에는 분명 도움이 되지만, 그것이 전문성을 대체할 수는 없습니다. 도구가 제공하는 답을 그대로 옮기는 수준에 머문다면, 직원이 가져온 AI의 답변과 HR이 내놓는 답변 사이에 차이가 사라집니다. 결국 직원과 같은 도구를 쓰더라도, 그 위에 더 깊은 전문성과 조직에 대한 이해를 더할 수 있어야 HR의 자리가 유지됩니다.