AI 시대, 감원이 아니라 업무 재설계가 먼저다

요즘 AI 도입 소식이 나올 때마다 빠지지 않는 단어가 있다. ‘구조조정’. 실제로 2026년 들어 대형 은행부터 소비재 기업까지, AI를 명분으로 인력 감축 계획을 발표한 곳이 줄을 이었다. 그런데 솔직히, 그 결과가 기대만큼 나왔다는 얘기를 들은 적이 있는가? 감원으로 조직은 작아졌지만, 과연 더 똑똑해졌을까.

최근 HBR, G2, arXiv에서 공개된 연구와 사례를 종합하면, AI 시대 HR의 진짜 과제는 ‘몇 명을 줄일 것인가’가 아니라 ‘업무를 어떻게 재설계할 것인가’로 수렴한다. 이 글에서는 AI 감원의 역설, 실무 AI 에이전트의 현재, 그리고 AI 채용 파이프라인의 맹점을 하나의 논지로 묶어본다.

한 줄 요약: AI 도입의 핵심은 인력 감축이 아니라 업무 재설계다 — 과업 단위로 분해하고, AI 에이전트를 배치하되, 반드시 사람의 검증 레이어를 함께 설계해야 한다.

AI 감원, 왜 기대한 만큼 효과가 없었나

골드만삭스 추산에 따르면, AI로 인한 미국 내 순 일자리 감소는 월 약 16,000건에 불과하다. 실업률 기준으로 0.1%p. 대규모 자동화 물결을 경고하는 헤드라인에 비하면 놀라울 정도로 미미한 숫자다.

하지만 진짜 문제는 감원 자체가 아니라 감원 방식에 있다. 자율 자동화 역량을 도입한 기업의 80%가 인력을 줄였지만, 감원 규모와 투자 수익률 사이에는 유의미한 상관관계가 없었다. 개인적으로는 이 숫자가 가장 충격적이었다 — 줄인다고 나아지는 게 아니라는 뜻이다.

감원이 실패하는 패턴은 반복적이다. 첫째, AI가 실제로 업무를 대체하기 전에 ‘예상’만으로 인력을 줄인다 — 실제 AI 활용 실적을 근거로 감원한 기업은 고작 2%였다. 둘째, HR 리더의 54%가 AI 역량에 대한 이해가 부족한 상태에서 결정을 내렸다고 인정했다. 셋째, 감원 조직의 구성원 몰입도는 51%에서 44%로 떨어진다. 조직은 작아졌지만 남은 사람들의 에너지까지 줄어드는 역설이 발생하는 것이다.

직무가 아닌 ‘과업’ 단위로 쪼개는 기업들

그래서 선도 기업들은 전혀 다른 접근법을 택했다. ‘직무(role)’를 통째로 없애는 대신, 직무를 구성하는 ‘과업(task)’을 분해해서 AI가 맡을 수 있는 부분과 사람이 해야 하는 부분을 구분한 것이다.

시티그룹은 자동화 대상으로 선정한 50개 프로세스를 먼저 분석한 뒤 점진적으로 구조를 조정했고, 24만 명 중 약 1만 5천 명을 줄이되 빈 자리의 50%는 내부 이동으로 채웠다. 월마트는 AI 교육에 약 10억 달러를 투자하며 160만 명의 미국 직원 규모를 향후 3~5년간 유지하겠다고 선언했다.

핵심은 단순하다. AI가 대체하는 건 ‘사람’이 아니라 ‘반복 과업’이다. 그리고 그 과업이 사라진 자리에 새로운 과업 — 판단, 소통, 예외 처리 — 이 들어온다. HR 리더의 3분의 1이 감원 후에야 해당 직무가 실제로 어떤 일을 했는지 제대로 파악하지 못했다고 고백한 것은, 과업 분석 없는 감원이 얼마나 위험한지를 보여준다.

HR AI 에이전트, 지금 현장에서 무엇을 하고 있나

과업 재설계의 구체적 도구로 떠오르는 것이 ‘AI 에이전트’다. 기존 HR 소프트웨어가 정해진 워크플로를 자동화했다면, AI 에이전트는 자연어로 질문을 받고, 데이터를 조회하고, 보고서까지 생성한다.

G2의 2026년 가을 평가에서 HR AI 에이전트 부문 1위를 차지한 Rippling의 사례가 대표적이다. 이 플랫폼의 핵심은 HR·IT·재무를 하나의 데이터 모델로 통합한 것이다. 챗봇을 기존 분절된 시스템 위에 올려놓은 것이 아니라, 단일 데이터 레이어 위에서 AI가 작동하기 때문에 “수년간의 퇴직자 리포트를 몇 초 만에 뽑아달라”는 요청도 즉시 처리할 수 있다.

실무자 관점에서 주목할 점은 권한 상속(permission inheritance) 설계다. AI 에이전트가 조직의 기존 권한 체계를 그대로 따르기 때문에, 인사 담당자 A가 볼 수 없는 급여 정보에 AI도 접근하지 못한다. 변경 사항은 기존 승인 워크플로를 통과해야 하고, AI가 독자적으로 인사 결정을 실행하지 않는다. 이 부분이 핵심이다 — AI 에이전트의 가치는 ‘자율 결정’이 아니라 ‘실무자 역량의 증폭’에 있다.

AI 채용 파이프라인의 치명적 맹점

그런데 AI 에이전트를 채용 프로세스에 도입할 때는 한 가지 심각한 리스크가 있다. LLM(대규모 언어 모델)이 지원자 정보를 ‘꾸며낸다’는 것이다.

arXiv에 공개된 최신 실증 연구에 따르면, 다단계 AI 채용 파이프라인에서 기본 설정 기준 96.7%의 산출물에 최소 1건의 근거 없는 주장이 포함되었다. AI가 이력서를 개선하는 과정에서 자격을 부풀리고, 경력을 창작하고, 심지어 가상의 신원 정보를 만들어내는 것이다.

연구진은 두 가지 방어막을 테스트했다. 프롬프트 수준 가드레일을 적용하면 문제 발생 건수가 86% 감소했지만(건당 6.80→0.92), 여전히 산출물의 50%에 날조가 남아 있었다. 사람이 직접 검토하는 체크포인트를 추가하면 심각한 날조는 거의 제거되었으나, 미묘한 과장이나 그럴듯한 창작은 절반 수준(54.5%)만 잡아냈다.

결론은 명확하다. 프롬프트 가드레일과 사람 검토는 대체 관계가 아니라 보완 관계다. 가드레일이 대량의 명백한 오류를 비용 효율적으로 걸러내고, 사람이 심각한 실패를 최종 방어하는 이중 구조가 필요하다.

재설계를 위한 실무 프레임워크

이 세 가지 사례에서 공통적으로 끌어낼 수 있는 실무 원칙이 있다.

과업 분해가 먼저다. AI 도입 전에 각 직무를 구성하는 과업을 목록화하라. 어떤 과업이 반복적이고 규칙 기반인지, 어떤 과업이 판단과 맥락을 요구하는지 구분해야 한다. 슈나이더 일렉트릭은 4주에 걸쳐 56회의 워크숍을 열어 15개 기능 조직의 임원과 AI 전문가가 함께 과업을 분석했다.

AI 에이전트는 권한 체계 안에서 작동시켜라. AI가 기존 승인 워크플로와 접근 권한을 우회하면, 효율은 올라가도 통제는 무너진다. 기존 거버넌스 구조를 AI 레이어에 그대로 적용하는 것이 안전한 확장의 전제조건이다.

사람 검증 레이어를 설계에 포함하라. 특히 채용·평가·보상처럼 개인에게 직접적 영향을 미치는 영역에서는, AI 산출물을 그대로 의사결정에 반영하는 구조가 아니라 반드시 사람이 최종 확인하는 체크포인트를 넣어야 한다.

이 세 원칙을 관통하는 메시지는 하나다 — AI는 도구이지, 전략이 아니다. 전략은 여전히 사람이 설계해야 한다. 그리고 그 설계의 출발점은 ‘감원 계획서’가 아니라 ‘과업 분석표’여야 한다. 지금 우리 조직의 업무 목록을 펼쳐놓고, 어디에 AI를 배치하고 어디에 사람의 판단을 강화할지 그려보는 것 — 그것이 AI 시대 HR의 진짜 첫 번째 과제가 아닐까.

💡 실무 시사점: AI 도입 시 직무 단위 감원이 아닌 과업 단위 재설계부터 시작하라. AI 에이전트는 기존 권한 체계 안에서 운영하고, 채용·평가 등 고위험 영역에는 반드시 사람의 검증 체크포인트를 설계에 포함해야 한다.

#AI업무재설계 #HR_AI에이전트 #과업분석 #채용AI #LLM가드레일

참고 링크

• HBR, “AI Transformation Requires Redesigning Work, Not Cutting Roles” (2026)
• Rippling, “G2 Users Name Rippling #1 in AI Agents for HR” (2026)
• arXiv, “Mitigating Fabrication in Multi-Stage LLM Pipelines for Hiring” (2026)

작성: 서재홍 | NODE