HR 소프트웨어가 ‘에이전트’를 품기 시작했다 — 급여·채용·온보딩, AI가 직접 실행하는 시대

HR 소프트웨어 시장에 기묘한 전환이 일어나고 있다. 2024년까지만 해도 “AI 탑재”라고 하면 챗봇이 달린 대시보드가 전부였다. 직원이 “연차 며칠 남았어?”라고 물으면 답해주는 정도. 그런데 2026년 상반기, 글로벌 HR 플랫폼 빅3가 거의 동시에 내놓은 건 챗봇이 아니라 에이전트다. 질문에 답하는 게 아니라, 스스로 판단하고 실행까지 마치는 AI. 이 차이가 한국 사업장 HR 실무에 어떤 균열을 만드는지 짚어본다.

한 줄 요약: HR 소프트웨어가 ‘질문-응답’ 챗봇에서 ‘판단-실행’ 에이전트로 전환 중이며, 급여 정산·채용 스크리닝·온보딩까지 사람 개입 없이 처리하는 시대가 열리고 있다.

챗봇과 에이전트, 한 글자 차이가 아니다

솔직히, 처음엔 마케팅 용어 바꿔치기인 줄 알았다. 그런데 실제 제품을 뜯어보면 구조가 다르다.

챗봇은 사용자가 질문하면 정해진 범위 안에서 답변을 돌려주는 반응형 시스템이다. “4월 급여명세서 보여줘”에 PDF를 꺼내주는 수준. 에이전트는 다르다. 급여 정산 전에 이상치를 스스로 스캔하고, 누락된 데이터를 식별하고, 담당자에게 예외 사항만 올려보내는 식이다. 사람이 시키기 전에 움직인다는 점이 결정적 차이다.

SAP는 2026년 5월 Sapphire에서 SuccessFactors에 200개 이상의 특화 AI 에이전트를 탑재한다고 발표했다. 급여(Payroll) 에이전트, 채용(Recruiting) 에이전트, 온보딩 에이전트, 인력계획 에이전트가 각각 독립적으로 작동하면서 Joule이라는 오케스트레이터가 이를 조율한다. Workday도 Sana AI 기반 에이전트로 IT 서비스 관리와 출장 업무를 하나의 대화형 인터페이스로 통합했다. Lattice는 성과 리뷰 요약, 1:1 미팅 어젠다 자동 생성, 코칭 프롬프트 제공까지 에이전트가 매니저 업무 흐름 안에서 직접 실행한다.

급여 에이전트가 바꾸는 것 — 정산 전 ‘사전 감사’의 자동화

한국 사업장에서 급여 담당자의 월말은 전쟁이다. 수당 변동, 입퇴사 처리, 4대보험 변경분, 연말정산 잔여 반영. 이 모든 걸 정산 전에 수동으로 교차 확인한다. 개인적으로는, 이 과정에서 가장 큰 리스크는 ‘빠뜨림’이라고 본다. 데이터가 틀린 게 아니라, 아예 누락된 걸 모르고 넘어가는 것.

SAP의 Payroll 에이전트가 정확히 이 지점을 건드린다. 정산 실행 전에 자동으로 이상치를 스캔하고, 누락 데이터와 설정 오류를 식별해 예외 사항만 컨텍스트와 함께 담당자에게 올린다. SAP 측은 “며칠 걸리던 사전 감사 주기를 몇 시간으로 단축한다”고 설명한다.

이건 좀 생각해볼 지점이다. 한국은 급여 아웃소싱 비율이 높은 편인데, 에이전트가 이 사전 감사를 자동화하면 아웃소싱 업체의 역할 자체가 바뀐다. 단순 정산 대행에서 예외 관리·컨설팅으로 무게중심이 이동할 수밖에 없다. 노무법인 입장에서도 급여 위탁 서비스의 부가가치를 어디에 둘 것인지 재정의가 필요한 시점이다.

채용 에이전트의 실체 — 스크리닝은 자동, 판단은 사람

채용 쪽 에이전트는 좀 더 민감한 영역이다. SAP의 Recruiting Agent는 지원자 매칭, 면접 일정 조율, 커뮤니케이션 자동화를 맡고, Lattice는 성과 데이터 기반으로 내부 이동 후보를 자동 서제스트한다.

핵심이다 — 여기서 실무자가 경계해야 할 건 편향 검증이다. 에이전트가 “이 후보가 적합도가 높다”고 판단할 때, 그 판단 근거가 과거 합격자 데이터에 기반한다면, 과거의 편향이 그대로 복제된다. 한국 채용 시장에서 특히 문제가 되는 건 학력·출신 지역·연령 편향인데, 에이전트가 이를 ‘패턴’으로 학습할 가능성을 배제할 수 없다.

그래서 글로벌 HR Tech 기업들은 에이전트 설계에서 “실행은 자동, 최종 판단은 사람” 원칙을 내세운다. BambooHR은 에이전트 도입 가이드에서 “agentic AI가 독립적으로 작동하더라도, HR은 투명성과 인간의 책임(accountability)을 반드시 관리해야 한다”고 명시하고 있다.

한국 노동법 관점에서 보면 이건 더 복잡하다. 채용 과정에서 AI가 실질적 의사결정을 했다면, 채용 차별 분쟁 시 그 판단 과정에 대한 설명의무가 생긴다. 「채용절차의 공정화에 관한 법률」은 아직 AI 판단에 대한 명시적 규정이 없지만, 국가인권위원회는 이미 AI 채용 시스템의 차별 가능성에 대해 경고한 바 있다. 에이전트를 도입하더라도 판단 로그를 남기고, 정기적으로 편향 감사를 수행하는 체계가 선행되어야 한다.

한국 사업장의 현실 — 도입률 61%, 내재화 3.7%의 간극

수치가 말해준다. 한국 기업의 생성형 AI 도입률은 61.1%에 달하지만, 전사 차원으로 내재화된 기업은 6.7%에 불과하다. AI 에이전트로 좁히면 내재화 비율은 3.7%로 더 떨어진다. 300여 개 기업 HRD 담당자를 대상으로 한 2026년 조사 결과다.

솔직히 이 간극의 원인은 기술이 아니다. 거버넌스다. AI 전담 조직을 갖춘 기업이 11.5%에 그치고, 구체적 AI 도입 전략(로드맵)을 보유한 기업은 15.5%뿐이다. “필요하다는 건 알지만 아직 논의 중”이 38.9%. C-suite의 62%가 “인사 데이터와 비즈니스 성과의 연결에 불만”이라는 SAP의 조사 결과와도 맞물린다.

이건 결국 HR 부서가 기술 도입의 ‘수혜자’가 아니라 ‘설계자’로 역할을 전환해야 한다는 뜻이다. AI 에이전트를 급여 시스템에 붙이는 건 IT팀 몫이지만, 그 에이전트가 어떤 예외 사항을 사람에게 올리고 어떤 건 자동 처리할지 — 이 경계를 설계하는 건 HR이어야 한다.

💡 AI·도구로 측정/자동화 가능한 부분

• 급여 사전 감사 자동화 — 정산 전 이상치 탐지·누락 데이터 식별을 에이전트에 위임하고, 담당자는 예외 건만 확인. 수동 교차 검증 시간 80%+ 절감 가능성.
• 채용 스크리닝 + 편향 감사 대시보드 — 에이전트가 1차 스크리닝을 수행하되, 합격/탈락 결정의 근거 로그를 자동 기록. 분기별 편향 감사 리포트 자동 생성.
• 온보딩 체크리스트 자동 오케스트레이션 — 입사자 데이터 입력 시점부터 장비 발급, 계정 생성, 교육 일정 배정까지 에이전트가 순차 실행. 인사팀은 진행률 모니터링만 수행.
• 성과 리뷰 요약·코칭 프롬프트 — 리뷰 데이터를 에이전트가 요약해 매니저에게 제공하고, 피드백 품질 편차를 자동 측정. 일관성 낮은 매니저에게 코칭 넛지 발송.
• HR 서비스 데스크 자동 응답률 측정 — 에이전트가 처리한 문의 vs 사람이 처리한 문의 비율을 실시간 트래킹. 자동화 ROI를 정량화하는 기초 지표.

💡 실무 시사점: HR 소프트웨어의 에이전트 전환은 ‘있으면 좋은 기능’이 아니라 플랫폼 아키텍처의 근본적 변화다. 한국 사업장에서 당장 SAP·Workday를 쓰지 않더라도, 급여 사전 감사·채용 편향 로그·온보딩 자동화는 자체 시스템에서도 에이전트 방식으로 재설계할 수 있다. 먼저 움직여야 할 건 IT가 아니라 HR이다. “에이전트에게 뭘 맡기고 뭘 사람이 판단할지” — 이 경계 설계가 앞으로 HR 조직의 역량을 가르는 기준이 된다.

#AI에이전트 #HR테크 #급여자동화 #채용AI #에이전틱AI #HR시스템

참고 링크

• SAP, “SAP SuccessFactors Innovations Define a New Era of Autonomous HCM” (2026)
• Workday, “New Workday Agents Turn IT Tickets and Travel Chaos Into One Conversation” (2026)
• 캐럿글로벌, “2026 한국기업 AI 활용 현황 디브리핑” (2026)
• Lattice, “AI Agent for HR” (2026)
• BambooHR, “Preparing Your Workplace for Agentic AI” (2026)

작성: 서재홍 | NODE