AI 에이전트 시대, HR의 진짜 경쟁자는 조직 밖에 있다

에이전틱 AI — 도구가 동료가 될 때 생기는 일

한국지능정보사회진흥원(NIA)은 2026년을 ‘에이전틱(Agentic) AI’ 시대의 원년으로 정의했다. AI가 보조 도구에서 업무 수행의 주체로 진화하는 전환점이라는 진단이다. 그런데 에이전트가 동료가 되는 시대에, HR이 여전히 채용·평가·보상의 전통적 틀에 머문다면 무슨 일이 벌어질까. 글로벌 HR 리서치, AI 엔지니어링 담론, 국가 정책 데이터를 교차해 보면 불편한 결론에 도달한다. AI 에이전트 시대, HR의 진짜 위기는 ‘AI를 못 쓰는 것’이 아니라 ‘조직 안보다 바깥이 더 강한 AI 환경이 되는 것’이다 — HR이 AI 하네스 설계자로 진화하지 못하면, 인재는 조직을 떠나는 게 아니라 조직을 우회한다.

‘에이전트’라는 단어가 주는 기대와 실제 운용 사이에는 넓은 골짜기가 존재하고, 소프트웨어 엔지니어링 커뮤니티에서는 이미 이 골짜기를 정면으로 다루고 있다. AI를 “강력하지만 길들여지지 않은 야생마”에 비유하면서, 이를 실제 업무에 투입하려면 체계적인 통제 장치 — 이른바 ‘하네스(Harness)’ — 가 필수라고 경고한다. 맥락(Context)과 메모리, 도구 접근 권한, 오케스트레이션 루프, 상태 관리, 샌드박스, 관측성, 비용 최적화까지 7가지 설계 요소를 갖춰야 AI 에이전트가 비로소 ‘동료’로 기능한다. 빠진 요소가 하나라도 있으면? 야생마는 야생마 그대로다.

한 줄 요약: HR이 AI 하네스 설계자로 진화하지 못하면, 인재는 조직을 떠나는 게 아니라 조직을 우회한다.

HR의 새 직업 — 피플 사이언티스트에서 AI 아키텍트로

글로벌 컨설팅 리서치에서 100명 이상의 HR 리더를 인터뷰한 결과, 미래 HR의 핵심 구조로 세 가지 축이 제시됐다. 피플 스트래티지스트(사업 전략을 인재 전략으로 번역하는 시니어 코치), 피플 사이언티스트(증거 기반 개입을 설계하는 전문가), 그리고 피플 테크놀로지스트(데이터 사이언스와 기술 인프라를 구축하는 역할). 기존 COE(전문 역량 센터)가 해체되고, 유연한 전문가 풀이 크로스펑셔널 프로덕트 스쿼드에 배치되는 구조다.

여기서 하네스 담론과의 교차점이 생긴다. 피플 테크놀로지스트가 해야 할 일은 단순히 HR 소프트웨어를 도입하는 게 아니다. AI 에이전트에게 조직의 맥락(업무 프로세스, 성과 기준, 문화 코드)을 주입하고, 행동 권한을 설계하고, 실행 결과를 관측하고, 비용을 최적화하는 — 말하자면 7가지 하네스 요소를 HR 맥락에 맞게 설계하는 아키텍트다. 개인적으로는, 이게 지금까지 HR 직무 정의서 어디에도 없었던 역할이라는 점이 가장 불안한 대목이다.

70% 관심, 5% 실행 — 준비도 절벽의 실체

2026 ATD 아시아 리더십 서밋에서 발표된 숫자가 상황을 요약한다. 조직의 70%가 AI 활용에 관심을 보이지만, 실제 준비 수준은 25%에 불과하다. 글로벌 컨설팅 데이터를 겹치면 그림이 더 선명해진다. AI 기반 HR 모델을 완전히 구현한 조직은 5%. 70%에서 시작해 25%로 좁혀지고, 실행까지 도달하면 5%만 남는다. 관심에서 실행까지의 전환율이 14분의 1인 셈이다.

이 준비도 절벽이 왜 위험한지는 ATD 서밋의 키워드가 설명한다. 국제 ATD는 AI의 기술적 도입과 통합을 강조한 반면, 아시아 ATD는 조직 전체가 AI에 대비하는 종합적 준비 태세에 집중했다. 둘 다 맞는 말이지만, 그 사이의 간극이 핵심이다. 기술 도입은 솔루션을 구매하면 시작할 수 있다. 통합은 조직의 의사결정 구조, 성과 평가 체계, 리더십 역량까지 재설계해야 완성된다. 70%가 관심을 갖는 건 기술 도입 쪽이고, 5%만 도달한 건 통합 쪽이다.

서밋에서 Paul Epstein이 제시한 “Intentionally Human”(의도적으로 인간답게)이라는 프레임도 같은 맥락이다. AI 시대에 리더십이 ‘의도적으로’ 인간적이어야 한다는 건, 방치하면 비인간적이 되기 쉽다는 뜻이기도 하다. 문제는 이 ‘의도적 인간성’을 조직 시스템으로 구현하는 역량 — 바로 그 하네스 설계 역량 — 이 HR에게 있느냐다.

조직 밖이 더 강해지는 역설

여기서 글의 방향이 달라진다. 지금까지는 ‘조직 내부의 HR 역량 부족’을 다뤘다. 하지만 진짜 위기는 내부가 느려지는 것만이 아니다. 외부가 빨라지고 있다는 것이다.

직장의 미래를 전망한 전문가 패널은 놀라운 역전 현상을 지적한다. AI 에이전트 시대에 긱워커(프리랜서)가 기업 직원보다 더 강력한 AI 도구에 접근할 수 있게 된다는 것이다. 논리는 간단하다. 기업 직원은 회사가 도입한 단일 엔터프라이즈 라이선스에 묶인다. 반면 독립 프리랜서는 OpenAI, Google, Anthropic 등 최고 수준의 AI 플랫폼을 자유롭게 조합할 수 있다. 기업이 수개월에 걸쳐 도입·교육·보안 검토를 거치는 동안, 1인 프리랜서는 이미 최신 모델을 업무에 적용하고 있다.

OECD의 공공 AI 정책 분석은 이 흐름에 구조적 가속 장치를 추가한다. 미국의 NAIRR(국가 AI 연구 자원), 유럽의 AI Factories, 캐나다의 Sovereign AI Compute Strategy, 인도의 Open Cloud Compute — 각국이 공공 AI 인프라를 구축하면서 상업 AI 제공자에 대한 의존도를 줄이고, 연구자·스타트업·프리랜서까지 최첨단 AI 컴퓨팅에 접근할 수 있는 환경을 만들고 있다. OECD는 컴퓨트(연산 자원), 데이터(고품질 공공 데이터셋), 모델(오픈소스 공익 모델)의 3계층 프레임워크를 제시하며, “상업적 집중에 의한 문제적 의존”을 낮추는 것이 정책 목표라고 명시한다.

솔직히 이 그림을 이어 붙이면 결론이 불편하다. 에이전틱 AI 시대가 선언됐고, 하네스 설계 역량이 경쟁력이며, 공공 인프라가 접근 장벽을 낮추고, 긱워커가 기업보다 유연하게 AI를 활용한다면 — 조직에 속해 있는 것이 오히려 AI 활용의 제약 조건이 되는 시나리오가 현실에 가깝다.

AI 거버넌스라는 이름의 HR 과제

그렇다면 조직이 가진 유일한 비교우위는 무엇인가. 스탠퍼드 HAI(인간중심 AI 연구소)의 연구가 실마리를 준다. AI 시스템의 안전과 신뢰성을 확보하기 위한 3-Pillar 모델 — 투명성(Transparency), 책임성(Accountability), 신뢰성(Trustworthiness) — 이 조직 수준에서만 작동할 수 있다는 점이다.

개인 프리랜서가 아무리 강력한 AI를 쓰더라도, 조직적 차원의 안전 아키텍처는 구축하기 어렵다. 연구에 따르면 인간 기관이 신뢰할 수 있는 집단 행동을 달성하는 방식 — 구획화(compartmentalisation)와 적대적 검토(adversarial review) — 을 다중 AI 에이전트 시스템에도 적용해야 한다. 이건 조직 구조를 전제로 하는 설계다. 1인 프리랜서가 자기 자신에게 적대적 검토를 수행할 수는 없다.

여기서 HR의 새로운 존재 이유가 생긴다. AI 거버넌스 — 에이전트의 행동 범위를 정하고, 의사결정 투명성을 보장하고, 결과에 대한 책임 구조를 설계하는 일 — 가 본질적으로 조직 관리의 영역이기 때문이다. 하네스 7요소 중 관측성(Observability)과 거버넌스를 담당하는 주체가 필요하다면, 그건 IT 부서가 아니라 조직의 사람·프로세스·문화를 관장하는 HR이어야 한다.

McKinsey가 제안한 피플 사이언티스트가 “조직 건강과 효과성에 집중”한다면, AI 에이전트의 건강과 효과성도 같은 프레임으로 관리해야 하지 않을까. AI 코칭을 통해 고객 만족도 17% 향상을 달성한 사례가 이미 보고되고 있다면, 그 AI의 행동을 모니터링하고 조정하는 역할은 누구의 것인가. 이 질문에 답하지 못하는 조직에서, 인재는 자신의 역량을 AI 하네스 설계에 투자할 동기를 잃는다.

인재는 떠나지 않는다 — 우회한다

전통적인 인재 유출은 ‘퇴사’였다. 더 좋은 조건, 더 나은 문화, 더 높은 보상을 찾아 경쟁사로 이동하는 것. 하지만 에이전틱 AI 시대의 인재 이동은 다른 패턴을 보일 가능성이 높다. 퇴사가 아니라 우회다.

미래 직장 전망에서 제시된 포트폴리오 커리어의 부상이 이를 설명한다. 하나의 직장에 귀속되는 대신 여러 수입원을 동시에 운영하는 방식이다. 여기에 AI 에이전트가 결합하면 상황은 급변한다. 과거에는 프리랜서가 기업 직원보다 생산성에서 불리했다. 조직의 인프라, 데이터, 프로세스를 쓸 수 없었으니까. 하지만 AI 에이전트가 맥락 주입, 도구 연결, 오케스트레이션을 1인 단위로 가능하게 만든다면 — 개인이 조직 수준의 생산성을 갖추는 시대가 된다면 — ‘조직에 속하는 것’의 가치 제안이 근본적으로 흔들린다.

미래 전문가 전망에서 또 하나 주목할 대목은 제너럴리스트의 부상이다. 경영 관행이 계획과 예측 중심에서 민첩성 중심으로 이동하면서, “연결 짓고, 사일로를 넘고, 창의성을 발휘하는” 제너럴리스트 역할이 커진다는 것. 이건 조직 안에서도 가능하지만, 조직 밖에서 AI를 활용하면 더 쉽게 가능하다. 여러 산업의 클라이언트를 동시에 만나는 프리랜서가, 한 부서에 갇힌 직원보다 더 넓은 맥락에서 연결을 만들어낼 수 있기 때문이다.

인구학적 변수도 이 방향을 밀어준다. 유럽, 일본, 미국에서 가용 노동력이 줄어드는 시기에, 기업은 인재를 투자 모델(장기 육성)로 다뤄야 하지만, AI로 무장한 개인은 거래 모델(프로젝트 단위 계약)을 선호할 가능성이 높다. HR이 이 비대칭을 해소하지 못하면 — 조직 안의 AI 환경이 바깥보다 못하면 — 인재는 조직 안에 있으면서도 핵심 역량을 바깥 프로젝트에 투입하는 ‘조용한 우회’를 시작한다.

하네스를 설계하는 HR이 살아남는다

다시 처음으로 돌아가자. NIA가 2026년을 에이전틱 AI 원년으로 선언했고, 하네스 설계가 경쟁력의 핵심이며, HR 태스크의 66%가 기술 전환 대상이지만 95%의 조직이 이를 실행하지 못하고 있다. 그 사이 조직 바깥에서는 공공 AI 인프라와 오픈 모델이 개인의 AI 역량을 끌어올리고 있다.

이 상황에서 HR이 선택할 수 있는 길은 뚜렷하다. AI 에이전트를 ‘관리 대상’이 아니라 ‘조직 구성원’으로 설계하는 역할을 맡는 것이다. 에이전트에게 조직의 맥락을 가르치고, 행동 권한을 부여하고, 성과를 측정하고, 윤리적 가드레일을 설치하는 — 사실상 신입 사원 온보딩과 본질적으로 같은 프로세스를 AI에 적용하는 것. 이것이 HR이 가진 고유한 비교우위이자, 1인 프리랜서가 대체할 수 없는 조직의 강점이다.

반대로 이 전환을 거부하거나 미루면 어떻게 되는가. 기술 부서가 AI를 도입하고, 법무팀이 거버넌스를 설계하고, 현업 부서가 각자 에이전트를 운용하는 — HR이 빠진 AI 시대가 온다. 그 시점에서 HR의 존재 이유를 묻는 건 경영진이 아니라 조직을 우회한 인재들일 것이다.

💡 실무 시사점 — HR이 이번 분기에 점검할 3가지:

① AI 하네스 설계 역량 진단. 현재 HR팀에 데이터 사이언스, AI 오케스트레이션, 관측성 설계 경험을 가진 인원이 있는가. 없다면 외부 영입이 아닌 내부 육성 계획부터 수립해야 한다. McKinsey의 ‘피플 테크놀로지스트’ 역할 정의를 자사 맥락에 맞게 재해석하는 것이 출발점이다.

② 조직 내 AI 환경 vs 외부 비교. 우리 직원이 업무에 쓸 수 있는 AI 도구가 프리랜서 마켓에서 개인이 접근 가능한 수준보다 나은가. 만약 내부 도구가 더 느리거나 제한적이라면, 그것 자체가 인재 유출의 구조적 원인이다.

③ AI 에이전트 거버넌스 소유권 확보. AI 에이전트의 행동 범위, 공정성 기준, 투명성 보고 체계를 HR이 공동 설계하고 있는가. IT가 단독으로 설계하면 기술 효율에 치우치고, 법무가 단독으로 설계하면 방어에 치우친다. HR이 참여해야 ‘사람 중심’이 구호가 아닌 시스템이 된다.

#AI하네스 #HR운영모델 #에이전틱AI #인재우회 #AI거버넌스

참고 링크

• McKinsey, “HR’s new operating model” (2025)
• Wall Street Journal, “How the World of Work Will Change Over the Next 20 Years” (2026)
• HR인사이트, “ATD 아시아 리더십 서밋 2026, AI 시대의 미래 준비 리더십 강조” (2026)
• GeekNews, “AI 이후의 소프트웨어: 하네스(Harness) 시대의 개막” (2026)
• 한국지능정보사회진흥원(NIA), “토픽 분석을 통한 AI 주요 트렌드 및 2026 전망” (2025)
• OECD AI Policy, “Public AI: Policies for democratic and sustainable AI infrastructures” (2026)
• Stanford HAI, “Progress Toward Safe and Reliable AI” (2026)

작성: 서재홍 | NODE