성과 평가에 AI 에이전트가 들어왔다 — 매니저의 ‘기억’을 데이터가 대체하는 순간

성과 평가에 AI 에이전트가 들어왔다 — 매니저의 ‘기억’을 데이터가 대체하는 순간

6월 10일, 샌프란시스코. HR 테크 기업 Lattice가 연례 컨퍼런스 Lattiverse ’26에서 발표한 것은 단순한 신기능이 아니었다. AI 에이전트가 1:1 미팅에 들어와 코칭을 하고, 성과 리뷰 초안을 자동으로 쓰고, 캘리브레이션에서 이상치를 잡아낸다는 내용이었다. Pinterest, FanDuel 등 수백 명의 People Leader가 모인 자리에서 나온 메시지는 명확했다. “성과관리의 주어가 매니저에서 시스템으로 이동하고 있다.”

솔직히, 이 흐름을 처음 접했을 때는 반신반의했다. 한국 사업장에서 인사평가란 여전히 ‘팀장의 머릿속’에 있는 경우가 대부분이니까. 그런데 숫자를 들여다보면 이야기가 달라진다.

한 줄 요약: 성과관리에 AI 에이전트가 진입하면서, ‘기억에 의존하는 평가’에서 ‘데이터에 근거한 평가’로의 전환이 시작됐다 — 한국 사업장은 준비가 되어 있을까.

매니저의 기억은 왜 실패하는가

인사평가 시즌이 되면 벌어지는 풍경은 전 세계 어디서나 비슷하다. 매니저가 직전 2~3주의 인상을 기반으로 6개월치 평가를 쓴다. 심리학에서는 이것을 최신효과 편향(recency bias)이라고 부르는데, 개인적으로는 이게 한국에서 특히 심각하다고 본다. 반기 또는 연 1회 평가가 대부분이고, 중간 피드백 문화가 약한 조직에서 매니저의 ‘기억’은 사실상 ‘인상’에 가깝다.

SHRM이 반복적으로 확인한 데이터가 있다. HR 실무자의 57%가 정상 업무량을 초과해서 일하고 있고, Deloitte에 따르면 HR 업무 시간의 57%가 행정·반복 업무에 소비된다. 매니저는 더하다. 평가를 ‘잘’ 쓸 시간 자체가 없는 것이다.

Lattice가 이번에 내놓은 Evidence-Based Review Drafts는 이 문제를 정면으로 겨냥한다. 1:1 미팅 노트, 피드백 로그, 목표 달성 현황, 이전 리뷰 데이터를 전부 끌어모아서 리뷰 초안을 자동 생성한다. 포인트는 ‘최근 2주가 아니라 평가 기간 전체’를 데이터 소스로 쓴다는 것이다.

에이전트가 미팅룸에 앉는다 — Lattiverse ’26이 보여준 것

이번 Lattiverse에서 가장 눈에 띈 발표는 두 가지다.

첫째, AI Agent for 1:1 Meetings(2026년 여름 출시 예정). 이 에이전트는 매니저-팀원 1:1 미팅에 사실상 ‘동석’한다. 미팅 요약을 자동 생성하고, 액션 아이템을 추출하고, 다음 미팅 토킹 포인트까지 제안한다. 음성을 텍스트로 바로 변환하는 Voice-to-Text 기능은 이미 출시됐다. 이건 좀 의미가 크다 — 그동안 임원급에만 붙던 코칭을 모든 레벨의 구성원에게 확장하겠다는 선언이기 때문이다.

둘째, MCP(Model Context Protocol) 통합. Lattice 데이터를 Claude, ChatGPT 같은 LLM 도구에 직접 연결한다. 리뷰, 1:1 노트, 피드백, 목표, 업데이트 정보를 AI 채팅 인터페이스에서 바로 당겨 쓸 수 있다는 뜻이다. HR 데이터가 폐쇄된 대시보드를 벗어나 ‘대화형 인터페이스’로 열리는 것 — 이건 단순한 기능 업데이트가 아니라 HR 데이터 소비 방식의 전환이다.

숫자가 말하는 것 — HR AI, 어디까지 왔나

글로벌 트렌드부터 보자. McKinsey에 따르면 기업의 92%가 향후 3년간 AI 투자를 늘릴 계획이다. 하지만 현재 AI 성숙 단계에 도달했다고 답한 리더는 고작 1%. 개인적으로는 이 간극이 핵심이라고 본다 — 모두가 AI를 원하지만, 실제로 제대로 돌아가는 조직은 거의 없다.

한국은 더 극적이다. 매출 상위 500대 기업의 86.7%가 인사 업무에 AI 도구를 사용하고 있다고 답했지만(한국고용정보원, 2025), 딜로이트 글로벌 인적자원 트렌드 보고서에서 “실제 활용도가 높다”고 응답한 기업은 31%에 불과했다. 도입은 했는데 쓰지 못하고 있는 것이다.

채용 쪽은 상대적으로 빠르다. SHRM 데이터에 따르면 AI를 활용하는 리크루터의 86.1%가 채용 속도 향상을 체감하고 있고, 채용 건당 비용은 30% 절감된다. 하지만 성과관리와 조직개발 영역은 아직 ‘시범 도입’ 수준에 머물러 있다. 한국 기업의 생성형 AI 활용 현황을 보면, 시범 도입(25.9%)과 부분 확산(28.5%) 단계가 절반 이상을 차지한다.

아쉽다. 채용에서 AI로 뽑은 사람을 정작 AI 없이 관리하고, AI 없이 평가하고, AI 없이 코칭하는 셈이니까.

한국 사업장에서의 충돌 지점

여기서 현실적인 질문이 생긴다. AI가 쓴 평가서를 한국 노동법은 어떻게 볼 것인가?

근로기준법은 인사평가의 ‘공정성’과 ‘합리성’을 요구한다. 부당해고 분쟁에서 인사평가가 쟁점이 되면, 법원은 평가 기준의 객관성, 평가 절차의 투명성, 평가자의 재량권 남용 여부를 본다. AI 에이전트가 데이터 기반으로 리뷰 초안을 작성하면, 역설적으로 ‘객관적 근거가 있는 평가’라는 요건을 오히려 충족하기 쉬워질 수 있다.

하지만 반대 시나리오도 있다. AI가 편향된 데이터를 학습해서 특정 직군이나 성별에 불리한 평가를 생성한다면? 개인정보보호법상 ‘자동화된 의사결정’에 대한 설명 의무와 이의제기권은? 현재 한국에서는 이 부분에 대한 가이드라인이 사실상 공백이다.

실무자 입장에서 더 현실적인 문제는 따로 있다. 한국 기업의 인사평가 데이터는 대부분 구조화되어 있지 않다. Excel로 흩어져 있거나, 그룹웨어에 갇혀 있거나, 아예 구두로만 전달된다. Lattice 같은 도구가 작동하려면 평가 기간 동안의 1:1 기록, 피드백, 목표 진척도가 하나의 시스템에 쌓여 있어야 한다. 도구의 문제가 아니라 데이터 인프라의 문제인 것이다.

flowchart TD
    A[매니저 1:1 미팅] -->|음성/텍스트| B[AI 에이전트 요약]
    B --> C[피드백·목표 데이터 축적]
    C --> D[평가 시즌: Evidence-Based 초안 자동 생성]
    D --> E{매니저 검토·보정}
    E -->|승인| F[공정성 근거 확보]
    E -->|수정| G[편향 탐지·캘리브레이션]
    G --> F

💡 AI·도구로 측정/자동화 가능한 부분

• 1:1 미팅 자동 요약 + 액션 아이템 추출 — Lattice AI Agent, Otter.ai, Fireflies 등으로 매니저의 기록 부담을 제거하고 평가 근거 데이터를 자동 축적
• 최신효과 편향 탐지 — 평가 코멘트와 실제 성과 데이터(목표 달성률, 피드백 빈도)를 비교해 특정 시점에 편중된 평가를 자동 경고
• 캘리브레이션 이상치 자동 플래깅 — 부서별·매니저별 평가 분포를 실시간 분석, 통계적 이상치를 시각화해서 불공정 패턴 사전 차단
• HR 데이터 대화형 분석 — MCP 프로토콜로 성과 데이터를 LLM에 연결, “이번 분기 마케팅팀 이탈 위험자?”를 자연어로 질의
• 평가 공정성 감사 로그 — AI가 생성한 초안 vs 매니저 최종본의 diff를 기록, 사후 분쟁 시 평가 과정의 투명성 입증 자료로 활용

💡 실무 시사점: AI 에이전트가 성과관리에 진입하는 건 이제 ‘전망’이 아니라 ‘현황’이다. 한국 기업이 이 흐름에서 얻을 수 있는 것은 ‘효율’보다 ‘공정성의 증거’다. 매니저의 주관적 기억이 아닌 데이터 기반 평가 근거가 쌓이면, 인사분쟁에서 방어할 수 있는 객관적 기록이 된다. 다만 전제 조건이 있다 — 피드백과 1:1 기록이 하나의 시스템에 구조화되어 쌓여야 한다. 도구를 사기 전에, 데이터가 쌓이는 구조를 먼저 만들어야 한다.

#AI성과관리 #HRTech #인사평가자동화 #LatticeMCP #편향탐지

참고 링크

• Lattice, “Everything We Announced at Lattiverse ’26” (2026)
• SHRM, “2023-2024 State of the Workplace Report” (2024)
• McKinsey, “Superagency in the Workplace” (2025)
• Engagedly, “State of AI in HR” (2023)
• Goworkwize, “35 HR Automation Statistics and Trends 2026” (2026)

작성: 서재홍 | NODE