HR 시스템이 괴물이 됐다 — ‘프랑켄시스템’이 만드는 업무 블랙홀, AI로 뚫을 수 있을까

HR 시스템이 괴물이 됐다 — ‘프랑켄시스템’이 만드는 업무 블랙홀, AI로 뚫을 수 있을까

채용 공고를 올리면 ATS에 입력하고, 합격자가 나오면 HRIS에 다시 입력하고, 급여 처리할 때 또 다른 시스템에 같은 데이터를 넣는다. 한 명을 온보딩하는 데 시스템 3~4개를 건너뛰는 이 루틴이 당연한 것처럼 굳어졌다. HR Tech 업계에서는 이 현상을 ‘프랑켄시스템(Frankensystem)’이라 부른다. 여러 솔루션을 이어 붙여 만든 괴물 — 겉으로는 돌아가는 것 같지만, 뒷단에서는 데이터가 끊기고, 사람이 그 틈을 메우고 있다.

2026년 CHRO 서베이에서 91%가 ‘AI와 디지털화’를 1순위 과제로 꼽았지만, 정작 47%는 “생산성 측정 기준조차 못 만들었다”고 답했다. 솔직히, 측정 기준을 세우려면 데이터가 한곳에 있어야 하는데 — 프랑켄시스템 위에서는 그게 불가능하다.

한 줄 요약: HR 시스템이 분절될수록 AI는 무력해진다. 프랑켄시스템을 해체하지 않으면, 2026년 AI 투자의 절반은 허공에 뿌리는 셈이다.

프랑켄시스템은 어떻게 만들어지는가

한국 중견기업 인사팀을 들여다보면 패턴이 보인다. ERP 도입 → 근태관리 별도 구매 → 전자결재 또 따로 → 채용은 잡포털 연동 → 성과평가 엑셀… 각각의 시점에선 합리적인 선택이었지만, 5년이 지나면 시스템 간 데이터가 완전히 단절된다. Rippling은 이걸 “뒷단이 연결되지 않은 채 겉만 하나로 보이는 시스템”이라 정의한다.

문제는 단순한 불편이 아니다. 45%의 HR 리더가 업무 시간의 절반 이상을 행정 작업에 쓰고 있다는 통계가 프랑켄시스템의 직접적 결과다. 시스템 A에서 뽑은 데이터를 시스템 B 형식에 맞춰 수동 입력하는 작업 — 이건 자동화 이전에, 구조의 문제다.

AI가 프랑켄시스템 위에서 실패하는 구조적 이유

개인적으로는, AI 도입 실패 사례의 대부분이 ‘모델 성능’이 아니라 ‘데이터 파편화’에서 온다고 본다. CHRO 서베이가 이를 뒷받침한다.

AI가 제대로 작동하려면 세 가지가 필요하다: 깨끗한 데이터, 세분화된 권한 체계, 유연한 자동화 워크플로. 프랑켄시스템에서는 이 세 가지가 모두 깨진다.

데이터가 시스템별로 흩어져 있으면 AI가 학습할 ‘단일 진실 원천(single source of truth)’이 없다. 권한 체계는 시스템마다 달라서 통합 접근이 불가능하다. 워크플로는 시스템 경계에서 끊기기 때문에 end-to-end 자동화가 구조적으로 막힌다.

flowchart TD
    A[채용 확정] -->|ATS| B[합격자 데이터]
    B -->|수동 입력| C[HRIS 등록]
    C -->|수동 입력| D[급여 시스템]
    C -->|수동 입력| E[IT 계정 생성]
    B -->|데이터 단절| F[AI 분석 불가]
    style F fill:#ff6b6b,color:#fff

이 그림에서 ‘수동 입력’ 화살표가 3개나 된다는 게 핵심이다. 각 화살표마다 오류 가능성이 생기고, AI가 활용할 수 있는 연결 데이터가 끊긴다. 이건 좀 아쉽다 — 한국 HR Tech 시장에서 ‘통합’을 표방하는 솔루션이 늘고 있지만, 실제로 API 수준에서 양방향 동기화를 제공하는 경우는 여전히 드물다.

Agentic AI — 프랑켄시스템의 대안이 될 수 있는가

2026년 HR Tech의 키워드는 ‘에이전틱 AI(Agentic AI)’다. 단순히 질문에 답하는 챗봇이 아니라, 스스로 판단하고 다음 단계를 실행하는 AI 에이전트. 현재 대기업 48%, 중견기업 25%가 에이전틱 AI를 도입했고, 2027년까지 327% 성장이 전망된다.

에이전틱 AI가 프랑켄시스템 문제를 우회할 수 있는 이유는 명확하다 — 시스템을 통합하는 대신, 시스템 사이를 ‘대리 실행’하기 때문이다. 사람이 하던 ‘시스템 A 확인 → 시스템 B 입력’ 작업을 에이전트가 대신 수행한다.

하지만 여기에도 한계가 있다. 에이전트가 각 시스템에 접근하려면 API 또는 RPA 연동이 필요하고, 한국 HR 시스템 상당수는 폐쇄형 아키텍처다. 결국 중장기적으로는 시스템 통합이 불가피하되, 단기적으로 에이전틱 AI가 ‘접착제’ 역할을 할 수 있다는 게 현실적 진단이다.

한국 사업장에서의 현실 — 근로기준법과 시스템 설계의 충돌

한국 HR 시스템 설계에서 간과되는 부분이 있다. 근로기준법은 ‘기록 의무’를 부과하지만, ‘기록 형식’은 규정하지 않는다는 점이다. 근로시간 기록, 임금대장, 연차 관리 — 법은 이것들을 보관하라고 하지만 어떤 시스템에 어떤 형태로 저장하라는 규정은 없다.

이 때문에 사업장마다 기록 방식이 제각각이고, 인수합병이나 사업 이전 시 데이터 통합이 극도로 어려워진다. 솔직히 이게 한국형 프랑켄시스템의 근본 원인 중 하나다. 법적 요건만 충족하면 되니까, 시스템 간 호환성을 고려할 인센티브가 없는 것이다.

고용노동부의 전자근로계약서 활성화 정책, 4대보험 EDI 통합 신고 등이 일부 표준화를 밀어붙이고 있지만, 민간 HR 시스템의 데이터 구조까지 통일하기엔 역부족이다.

💡 AI·도구로 측정/자동화 가능한 부분

• 시스템 간 데이터 흐름 감사(Data Flow Audit) — API 로그 분석으로 어떤 시스템에서 데이터가 끊기는지 자동 탐지. n8n, Make 등 워크플로 도구로 연결 상태 모니터링 가능.
• 중복 입력 탐지 및 자동 동기화 — 동일 직원 정보가 3개 이상 시스템에 수동 입력되는 패턴을 RPA(UiPath, Power Automate)로 자동화. 입력 오류율을 실시간 대시보드로 추적.
• 온보딩 프로세스 시간 측정 — 입사 확정부터 첫 출근일까지 각 단계별 소요 시간을 자동 기록. 병목 구간 식별 후 에이전틱 AI로 자동 처리 전환.
• 시스템 통합도 스코어링 — 보유 HR 시스템의 API 개방도, 데이터 포맷 호환성, 양방향 동기화 여부를 점수화. 교체 우선순위 자동 산출.
• 규정 준수 자동 검증 — 근로시간 기록, 임금대장, 연차 잔여일수 등 법정 의무 데이터가 올바르게 저장·보존되고 있는지 AI가 주기적으로 검증.

시스템을 갈아엎을 것인가, 접착제를 바를 것인가

프랑켄시스템 문제의 해법은 결국 두 갈래다. 하나는 통합 플랫폼으로 전면 교체(rip and replace), 다른 하나는 기존 시스템 위에 통합 레이어를 얹는 것(integration layer). 전자는 비용과 전환 리스크가 크고, 후자는 근본 해결이 안 된다.

현실적 답은 단계적 접근이다. 먼저 에이전틱 AI와 워크플로 자동화로 ‘접착제’를 바르면서 — 동시에 가장 병목이 심한 시스템부터 순차 교체한다. 중요한 건, 이 판단을 ‘감’이 아니라 데이터로 내리는 것이다. 어떤 시스템 간 수동 작업이 가장 많은지, 오류율이 가장 높은 연결은 어디인지 — 이걸 측정하는 게 첫 번째 단계다.

HR 부서가 ‘AI 도입’을 외칠 때, 정작 봐야 할 건 AI 모델이 아니라 그 AI가 올라탈 데이터 인프라의 상태다. 프랑켄시스템 위의 AI는, 부서진 도로 위의 자율주행차와 다를 바 없다.

💡 실무 시사점: AI 예산을 편성하기 전에, 현재 HR 시스템 간 데이터 흐름을 먼저 감사하라. ‘몇 개의 시스템에 동일 데이터를 수동 입력하는가’라는 단 하나의 질문이, 프랑켄시스템 해체의 출발점이 된다. 통합이 어려우면 에이전틱 AI로 접착하되, 병목 지점부터 순차 교체하는 로드맵을 함께 설계하라.

#프랑켄시스템 #HR시스템통합 #에이전틱AI #데이터인프라 #온보딩자동화 #HRIS

참고 링크

• Rippling, “Top 10 HR Challenges in 2026 and How to Solve Them” (2026)
• PRNewswire, “2026 Survey Reveals AI Dominates Focus for HR Executives” (2026)
• CASO, “HR Workflow Automation: The Cure for Your Frankensystem Nightmare” (2025)
• SHRM, “The State of AI in HR 2026 Report” (2026)

작성: 서재홍 | NODE