인사고과 보정 회의에 AI가 들어왔다 — 캘리브레이션 자동화가 흔드는 평가 공정성과 한국 HR의 숙제

인사고과 보정(calibration) 회의는 HR에서 가장 불편한 자리 중 하나다. 매니저들이 모여 “우리 팀 A는 탁월, 옆 팀 B도 탁월?”이라며 점수를 맞추는 그 회의. 지금 그 자리에 AI가 앉기 시작했다.

2026년 6월, HR 성과관리 플랫폼 Lattice는 캘리브레이션 그룹을 AI가 자동 생성하고, 매니저 자기 평가 참여 같은 이해충돌 상황을 실시간으로 감지하는 기능을 전면 도입했다. 단순 알림이 아니라 평가 주기 설계 자체를 AI가 설정하는 구조다. 이 변화가 한국 사업장에서 어떤 의미인지, 아직 대부분의 HR 실무자는 실감하지 못하고 있다.

한 줄 요약: AI 캘리브레이션 도구가 평가 편향을 잡아낼 수 있다는 기대와 달리, 한국 사업장에서는 AI기본법상 고영향 AI 의무와 개인정보 영향평가라는 법적 검문이 먼저 기다리고 있다.

캘리브레이션 회의가 왜 이렇게 오래 망가져 있었나

보정 회의는 이론적으로 훌륭하다. 매니저별 평가 기준의 편차를 줄이고, 탁월함이 팀마다 다른 의미를 갖는 것을 막는다. 그런데 실제 운영은 전혀 다른 모습이다.

HR 팀이 사전에 부서별 직원 목록을 엑셀로 뽑아 캘리브레이션 그룹을 수동으로 구성한다. 매 평가 주기마다 조직 개편이 일어나면 그 작업을 처음부터 다시 한다. 한 매니저가 자신의 직속 보고서에 대한 평가에 참여하는 이해충돌 상황도 수동으로 걸러야 한다. Lattice가 “가장 수동적이고 오류 발생이 잦은 작업”이라고 명시한 이유가 바로 여기에 있다.

더 심각한 문제는 보정 자체가 편향을 제거하지 못했다는 점이다. Gartner 연구에 따르면 효과적인 성과 관리 시스템을 갖춘 기업이 경쟁사 대비 업무 성과를 상회할 가능성이 4.2배 높다. 그런데 같은 연구에서 관리자의 절반 이상이 자신의 팀 평가 기준과 다른 팀 기준이 동일하다고 확신하지 못했다. 보정 회의를 열면서도 편향이 그대로 남아있는 셈이다.

AI가 캘리브레이션에 투입되면 무엇이 달라지나

Lattice의 2026년 6월 업데이트가 보여주는 변화는 기능 추가가 아니라 프로세스의 재설계에 가깝다.

기존 방식: HR 담당자가 부서·직급·매니저 기준으로 캘리브레이션 그룹을 수동 설계 → 매 분기 엑셀 재작업 → 이해충돌 수동 검토.

AI 도입 후: 두 가지 직원 속성(부서, 직급, 커스텀 속성)을 선택하면 AI가 그룹을 자동 생성 → 미리보기 단계에서 이상값 확인 → “매니저가 자신을 평가하는 상황” 같은 충돌을 자동 감지하고 저장 전 경고.

솔직히 이게 단순한 편의 기능처럼 보일 수 있다. 그런데 핵심은 다른 데 있다. AI가 보정 회의 전 단계에서 편향 패턴을 데이터로 시각화하기 시작한다는 점이다. 같은 업무 성과를 냈는데 평가 점수가 다른 직원들을 AI가 묶어서 보여주고, 특정 매니저가 원격 근무자를 지속적으로 낮게 평가하는 패턴을 회의 전에 플래그한다. 이전에는 보정 회의 당일 구두로 “어, 저 팀 점수가 너무 높은 것 같은데”라고 하던 것이 이제는 데이터 기반 알림으로 바뀌는 것이다.

한국 사업장이 이 트렌드와 마주치는 순간 생기는 세 가지 마찰

글로벌 HR 테크 트렌드가 한국 사업장에 그대로 이식될 수 없는 이유는 항상 있다. AI 캘리브레이션 도구는 특히 세 곳에서 충돌을 일으킨다.

고영향 AI 해당 여부 — 가장 먼저 확인해야 할 관문

2026년 1월 22일 시행된 인공지능기본법은 ‘고영향 AI’에 해당하는 시스템 운영자에게 설명 의무와 영향 평가 의무를 부과한다. 인사고과·채용·해고에 영향을 미치는 AI 시스템은 고영향 AI로 분류될 가능성이 높다. 캘리브레이션 AI가 ‘의사결정 보조’ 수준에 머무르면 회색지대가 생기지만, AI가 생성한 편향 패턴 리포트가 최종 평가에 영향을 준다면 그 경계는 흐려진다.

실무 함의: 도구를 도입하기 전에 “이 AI의 결과물이 인사 결정에 얼마나 직접 연결되는가”를 먼저 문서화해야 한다. 단순 참고 도구와 결정 지원 도구는 법적 의무 범위가 다르다.

개인정보 영향평가(PIA) — 있으면 좋은 게 아니라 리스크 관리의 기본

캘리브레이션 AI는 직원의 업무 성과 데이터, 평가 점수 히스토리, 인구통계 속성을 처리한다. 개인정보보호위원회의 2025년 10월 개정 개인정보 영향평가 수행안내서는 AI 시스템이 직원 데이터를 처리할 때 PIA를 권고하고 있으며, 공공기관은 의무다. 민간 기업도 100명 이상 직원 데이터를 처리하는 HR AI 도구에서는 사실상 이 절차가 리스크 관리의 기본이 됐다.

평가 결과 불복 절차의 공백 — 이건 좀 심각한 문제다

근로기준법에는 인사고과 불복에 관한 명문 규정이 없다. 취업규칙이나 단체협약에 근거한 이의 제기 절차가 전부다. AI가 편향 패턴을 감지해서 특정 직원의 점수가 조정됐을 때, 그 직원은 “무슨 기준으로 바뀐 건가요?”라고 물을 권리가 있다. 현행법 체계에서 AI 생성 근거를 어디까지 공개해야 하는지에 대한 기준이 없다는 점이 아쉽다. AI 캘리브레이션 도입 전에 사내 이의 제기 절차를 먼저 정비해야 한다.

💡 AI·도구로 측정/자동화 가능한 부분

• 캘리브레이션 그룹 자동 생성: 부서·직급·근무 형태 조합으로 AI가 그룹을 생성하고, 이해충돌(매니저 자기 평가 참여 등)을 사전 플래그. 수동 작업 대비 시간 대폭 단축 가능.
• 편향 패턴 시각화: 성별·연령·근무 형태(원격/대면)별 점수 분포 차이를 보정 회의 전에 자동 리포트. Lattice, Peoplebox, Leapsome 등이 이미 상용화.
• 평가 코멘트 언어 편향 분석: 여성 직원에게 “협조적”이 과다 사용되고 남성 직원에게 “리더십”이 편중되는 패턴을 자연어처리(NLP)로 감지. 국내 클랩(CLAP) 등 한국 솔루션도 도입 중.
• 목표 달성 패턴 연동: OKR·MBO 달성 데이터와 정성 평가 코멘트를 연계해 평가 근거의 일관성 점검. 목표 미달 직원에 대한 점수가 근거 없이 높은 경우 알림.
• AI기본법 컴플라이언스 자가 진단: 도입 전 고영향 AI 해당 여부 자가 진단, 개인정보 영향평가 필요 항목 체크를 AI 기반 설문으로 자동화. 노무법인·법무법인이 별도 서비스로 제공 시작.

💡 실무 시사점: AI 캘리브레이션 도구는 보정 회의의 효율을 높이는 것이 아니라, 그동안 보이지 않던 편향을 데이터로 드러내는 역할을 한다. 그 데이터를 받아들일 준비가 조직 문화 차원에서 돼 있지 않다면, 도구는 오히려 갈등을 증폭시킨다. 한국 사업장에서 AI 성과관리 도구를 도입하기 전에 먼저 정비해야 할 것은 소프트웨어가 아니라 이의 제기 절차와 평가 근거 공개 기준이다.

#성과관리 #캘리브레이션 #HR테크 #AI기본법 #인사평가공정성

참고 링크

• Lattice, “June 2026 Product Updates: AI Coaching for Every 1:1, Calibration Groups at Scale, and More” (2026)
• Lattice, “Introducing the Lattice AI Agent in 1:1s” (2026)
• Lattice, “Building the People-Powered Future: Lattice’s Roadmap for AI + Talent” (2026)
• Worklaw, “인사노무 관리에서의 AI 도입과 대응 전략: 프라이버시 보호와 경영 효율의 경계선” (2026)
• 개인정보보호위원회, “개인정보 영향평가 수행안내서” (2025)

작성: 서재홍 | NODE