피플 애널리틱스에 돈은 쓰는데 왜 만족도는 떨어질까 — 도입률과 가치 실현 사이 벌어진 균열

2024년, 한 300인 규모 IT 기업의 HRBP가 이런 질문을 던졌다. “대시보드는 생겼는데, 의사결정이 달라진 게 뭐죠?” 이직률 그래프는 실시간으로 돌아가고 있었지만, 정작 팀장들은 여전히 ‘감’으로 퇴사 면담 타이밍을 잡고 있었다. 개인적으로는 이 장면이 한국 HR 애널리틱스의 현주소를 가장 정확히 보여준다고 생각한다.

한 줄 요약: 피플 애널리틱스 도입률은 역대 최고인데, 실제 가치를 체감하는 조직은 오히려 줄고 있다. 문제는 도구가 아니라 ‘데이터 → 의사결정’ 사이의 아키텍처에 있다.

도입률 83%, 그런데 만족도는 하락 중이라는 역설

전 세계 기업의 83%가 워크포스 애널리틱스 도구를 보유하고 있다(Deloitte, 2025). 한국도 예외가 아니다. 매출 상위 500대 기업 중 86.7%가 인사 업무에 AI를 활용한다고 답했다. 숫자만 보면 ‘이미 끝난 게임’처럼 보인다.

그런데 HR.com의 2025-26 State of People Analytics 리포트가 불편한 숫자를 내놓았다. “피플 애널리틱스에서 가치를 얻고 있다”고 답한 비율이 2023년 57%에서 2025년 45%로 12%p 하락했다. 도구는 더 많아졌는데 체감 효과는 줄었다. 솔직히 이건 꽤 충격적인 수치다.

Insight222의 370개 조직 글로벌 조사에서도 비슷한 패턴이 나온다. 52%만이 “측정 가능한 비즈니스 개선을 달성했다”고 보고했고, 나머지 48%는 아직 기본기를 세우는 단계에 머물러 있다. 리더 그룹(93%)과 래거드 그룹(13%)의 “데이터로 인재 의사결정을 개선한다”는 응답 격차가 80%p다. 양극화가 벌어지고 있다.

한국이 특히 취약한 세 가지 구조적 이유

한국의 HR Tech 도입률은 20% 수준으로, 미국(70% 이상)의 3분의 1도 안 된다. 그런데 이게 단순히 ‘덜 샀다’의 문제가 아니다. 도입한 기업조차 가치를 못 뽑는 구조적 원인이 있다.

첫째, 데이터 사일로가 극단적이다. 급여는 ERP, 근태는 별도 솔루션, 성과평가는 엑셀, 교육 이력은 LMS, 직원 설문은 또 다른 SaaS. 시스템 5개가 각각 다른 사원번호 체계를 쓰고 있는 사업장을 실제로 본 적 있다. 이 상태에서 ‘통합 대시보드’를 만들면? 숫자는 나오지만 맥락은 없다.

둘째, ‘보고용 지표’와 ‘의사결정 지표’를 구분하지 못한다. 이직률, 평균 근속 연수, 교육 이수율 — 이건 후행 지표다. 정작 팀장이 “이 사람 3개월 내에 나갈 것 같은데 어떻게 하죠?”라고 물을 때 답을 줄 수 있는 선행 지표 체계를 갖춘 한국 기업은 극소수다.

셋째, HRIS 투자 의사결정 구조의 문제. 한국 기업은 HR 시스템을 IT 인프라 예산으로 잡는다. 그래서 ‘기능 스펙 대비 가격’으로 비교 선정한다. 문제는 애널리틱스의 가치가 기능이 아니라 ‘연결’에서 나온다는 점이다. 개별 모듈 최저가 입찰로는 절대 통합 아키텍처가 만들어지지 않는다.

가치를 뽑아내는 조직은 뭐가 다른가 — 아키텍처의 차이

Insight222 리포트가 정의하는 ‘리더 조직’의 공통점은 기술 스택이 아니다. 이건 좀 아쉽게도 한국에서 흔히 놓치는 포인트인데, 핵심은 세 가지 구조적 조건이다.

1) 직원 2,500명당 애널리틱스 전담 1명. 이게 글로벌 평균 스태핑이다. 한국 대기업 기준으로 환산하면, 만 명 조직에 최소 4명의 전담 인력이 필요하다는 뜻이다. 현실은? 대부분 HRM팀 내 겸직 1명이 ‘대시보드 관리’를 추가 업무로 맡고 있다.

2) HR 데이터와 비즈니스 데이터의 조인(JOIN). 매출, 프로젝트 딜리버리, 고객 만족도 데이터와 인사 데이터를 연결해야 “이 팀의 이직이 매출에 얼마나 영향을 미쳤는가”를 말할 수 있다. 리더 조직의 93%가 이 연결을 갖추고 있고, 래거드는 13%다.

3) 의사결정 루프 설계. 데이터 → 인사이트 → 알림 → 개입 프로토콜 → 결과 측정 → 피드백. 이 루프가 자동화되어 있어야 한다. 영국의 한 글로벌 기업은 리더십 프로그램 참여자 팀의 eNPS가 대조군 대비 +12점 높다는 걸 증명한 뒤, 승진 의사결정에 이 데이터를 의무 참조하도록 프로세스를 바꿨다. 데이터가 ‘보고서’가 아니라 ‘트리거’가 된 것이다.

flowchart TD
    A[HR 데이터 수집] -->|근태·성과·설문| B[통합 데이터레이크]
    B -->|비즈니스 데이터 조인| C[예측 모델링]
    C -->|이탈 위험·번아웃 점수| D[실시간 알림]
    D -->|팀장 대시보드| E[개입 프로토콜 트리거]
    E -->|1:1 면담·경력 상담| F[결과 측정]
    F -->|피드백 루프| B

한국 노동법이 만드는 데이터 수집의 벽

여기서 한국 특유의 제약을 짚어야 한다. 개인정보보호법 제15조, 근로기준법 제93조(취업규칙 기재사항) — 직원 행동 데이터를 수집·분석하려면 법적 근거가 필요하다. OECD 조사에 따르면 미국 기업 90%가 알고리즘 기반 모니터링 도구를 쓰고 있지만, 28%의 관리자가 책임 소재가 불분명하다고 답했다.

한국은 더 엄격하다. 직원 이메일 분석, 화면 캡처, 키스트로크 로깅 같은 건 원칙적으로 불법이다. 그래서 한국형 피플 애널리틱스는 ‘행동 데이터’보다 ‘결과 데이터 + 자발적 설문 데이터’에 기반해야 한다. 이 제약이 오히려 장점이 될 수 있는 게, 직원 신뢰를 확보하기 쉽다. 84%의 시니어 HR 임원이 “프라이버시와 공정성에 대한 가이던스가 필요하다”고 답한 상황에서, 한국의 강한 개인정보보호 프레임워크는 역설적으로 직원 참여율을 높이는 기반이 된다.

HR 예산 0.7% 성장 시대, ROI를 증명하는 법

2026년 한국 HR 부문 예산 증가율은 0.7%로 전년 2.4% 대비 급락 전망이다. 돈이 없다. 이 상황에서 “피플 애널리틱스 팀 4명 채용하겠습니다”는 통하지 않는다.

현실적 접근은 이렇다. 퇴직 1건의 비용(연봉의 50~200%)을 기준으로 역산한다. 연봉 7,000만 원 직원 기준 교체비용 최소 3,500만 원. 500명 조직에서 이직률 5%p만 개선해도 연간 8.75억 원 절감이다. 글로벌 데이터로는 예측 분석 도입 후 리텐션이 31% 개선되는 것으로 나타난다.

ROI 공식은 단순하다: (절감액 + 생산성 향상분) ÷ 투자액. 문제는 ‘생산성 향상분’을 정량화하는 게 어렵다는 점인데, 여기서 리더 조직은 비즈니스 데이터 조인으로 이걸 증명한다. “애널리틱스 기반 인력 배치를 한 프로젝트의 납기 준수율이 대조군 대비 18% 높았다” — 이런 식의 A/B 비교가 가능해야 CFO가 고개를 끄덕인다.

AI 도구로 측정/자동화 가능한 부분

• 이탈 예측 스코어링: Workday Peakon, Culture Amp, Lattice — 설문+근태+성과 데이터 조합으로 이탈 위험도 자동 산출. 한국형은 플렉스(flex.team), 시프티(Shiftee) 등이 근태 기반 스코어링 제공
• 자연어 분석(NLP) 기반 직원 감정 분석: 익명 설문 자유 텍스트를 GPT/Claude API로 분류. 주제별 감정 점수 자동 트래킹. 개인 식별 없이 팀 단위 집계
• HR-비즈니스 데이터 자동 조인: dbt + Snowflake(또는 BigQuery) 파이프라인으로 급여·근태·ERP 매출 데이터를 일 1회 자동 연결. 한국 스타트업 OneByOne, 원티드랩 피플팀이 이 구조 활용 중
• 개입 프로토콜 자동 트리거: 이탈 위험 점수 80+ → Slack/Teams 봇이 팀장에게 “OO님 1:1 면담 권고” 알림 + 면담 가이드 자동 생성. Notion AI + Zapier 조합으로 소규모 팀도 구현 가능
• ROI 자동 리포팅: 월별 이직 비용·채용 비용·생산성 지표를 자동 집계해 C-level 대시보드에 표시. 투자 대비 절감액 자동 계산으로 HR 부서의 존재 가치를 수치로 증명

실무 시사점: 피플 애널리틱스의 가치는 ‘보는 것’이 아니라 ‘움직이는 것’에서 나온다. 대시보드를 만들기 전에 “이 숫자가 빨간불일 때 누가 무엇을 하는가”부터 설계하라. 한국 기업은 개인정보보호법 제약을 오히려 기회로 삼아, 자발적 참여 기반의 고품질 데이터 수집 → 비즈니스 연결 → 자동 개입이라는 짧은 루프를 먼저 만들어야 한다.

#피플애널리틱스 #HR데이터 #의사결정자동화 #이직예측 #HRTech #ROI

참고 링크

• AIHR, “10 Workforce Analytics Trends Shaping HR in 2026” (2026)
• HR.com, “State of People Analytics 2025-26” (2025)
• Insight222, “People Analytics Trends 2025/26” (2025)
• 한국능률협회, “2026 HRD Trend Report” (2026)
• HireRoad, “State of People Analytics Report 2025-2026” (2025)

작성: 서재홍 | NODE