숫자부터 보자. HR 업무의 67%가 사라진다
맥킨지가 올해 내놓은 분석 하나가 꽤 충격적이다. HR 업무의 약 2/3가 에이전틱 AI로 자동화 가능하다는 거다. 채용 공고 작성, 이력서 스크리닝, 급여 계산, 출퇴근 관리 — 이런 반복 업무는 이미 Workday나 SAP SuccessFactors 같은 플랫폼에서 AI가 처리하고 있다.
그런데 진짜 질문은 따로 있다. “그래서 나머지 1/3은 뭘 하는 건데?”
이게 지금 HR 실무자들이 가장 많이 받는 질문이고, 동시에 가장 대답하기 어려운 질문이다.
자동화가 못 건드리는 영역: 변화관리와 조직적응력
맥킨지는 자동화 이후 HR에 남는 핵심 역할로 변화관리(change management)와 조직적응력(organizational adaptability)을 꼽았다. 솔직히 말하면 이건 좀 뻔한 답이다. 하지만 그 안을 뜯어보면 이야기가 달라진다.
변화관리란 뭐냐. AI 도입으로 직무가 바뀌는 직원 500명한테 “괜찮아요, 잘될 거예요”가 아니라, 구체적으로 어떤 스킬을 언제까지 익혀야 하고, 그 과정에서 회사가 뭘 지원하는지를 설계하는 일이다. 이건 AI가 못 한다. 왜냐면 조직 내부의 정치, 문화, 암묵적 저항을 읽어야 하는 일이거든.
— 필자 코멘트: 실제로 Claude나 GPT에게 “우리 회사 구조조정 변화관리 계획 짜줘”라고 하면 그럴듯한 문서가 나온다. 하지만 “김 부장이 왜 저항하는지”는 절대 모른다. 그게 핵심인데.
머서(Mercer)의 2026 글로벌 인재 트렌드 보고서는 한 발 더 나간다. 투자자들이 이제 기업 가치를 평가할 때 “인간+AI 조합(Human+AI Combination)”을 경쟁우위 지표로 본다는 거다. 단순히 AI를 도입했느냐가 아니라, AI와 사람이 어떻게 협업 구조를 만들었느냐가 기업 밸류에이션에 반영된다.
짧게 말하면 이렇다. AI 도입은 이제 기본이고, 그걸 사람과 엮는 설계가 HR의 일이 된다.
2030년 노동모델 재설계 — BCG가 던진 경고
BCG는 더 직접적으로 말한다. “AI 전환은 곧 인력 전환(AI Transformation Is a Workforce Transformation)”이라고. 기술 전환 프로젝트가 실패하는 이유의 70%가 기술 자체가 아니라 사람 문제라는 데이터를 근거로 든다.
구체적으로 뭘 해야 하냐면:
- 직무 재설계: 기존 직무를 태스크 단위로 쪼개서, AI가 할 부분과 사람이 할 부분을 분리한다
- 스킬 매핑: 직원별로 현재 스킬과 필요 스킬의 갭을 측정하고 학습 경로를 설계한다
- 조직구조 리디자인: 부서 단위가 아니라 프로젝트 단위, 스킬 단위로 팀을 재편한다
이게 말은 쉬운데 실무에서는 엄청 복잡한 작업이다.
— 필자 코멘트: 한국 기업에서 “직무를 태스크 단위로 쪼갠다”는 말을 하면 대부분 “그게 뭔데?”라는 반응이 돌아온다. 직무기술서(JD)조차 제대로 없는 곳이 많으니까. 그래서 AI 전환 이전에 직무분석이 선행돼야 하는 건데, 이걸 할 수 있는 HR 인력이 또 부족하다. 악순환이다.
한국 노동법과의 접점 — 직무전환 시 법적 리스크
여기서 한국 노동법 이야기를 안 할 수 없다. AI 도입으로 직무가 바뀌면, 근로계약서상 “업무 내용”이 변경되는 거다. 근로기준법 제17조에 따르면 근로조건의 중요 사항 변경은 서면 합의가 필요하다.
더 큰 문제는 AI 자동화로 인한 인력 감축이다. 경영상 해고(근로기준법 제24조)의 요건 — 긴박한 경영상 필요, 해고 회피 노력, 합리적 기준, 근로자대표 협의 — 이 네 가지를 다 충족해야 하는데, “AI가 할 수 있으니까 사람은 필요 없다”는 논리만으로는 긴박한 경영상 필요를 입증하기 어렵다.
실무에서 자주 놓치는 부분이 전직지원(outplacement)이다. 고용정책기본법 제21조의2에 따라 일정 규모 이상 기업이 인력을 감축할 때 전직지원 서비스를 의무적으로 제공해야 한다. AI 전환기에 이걸 미리 설계해두는 게 HR의 역할인 셈이다.
자동화 예시: Python으로 스킬갭 분석 자동화
실제로 직원 스킬갭 분석을 자동화하는 건 생각보다 간단하다. Claude API를 활용하면 직무기술서와 직원 역량 데이터를 매칭할 수 있다.
import anthropic
client = anthropic.Anthropic()
def analyze_skill_gap(job_description: str, employee_skills: list[str]) -> dict:
prompt = f"""
[직무기술서]
{job_description}
[현재 보유 스킬]
{', '.join(employee_skills)}
위 정보를 비교해서 다음을 JSON으로 분석해줘:
1. 부족한 스킬 목록
2. 각 스킬별 학습 우선순위 (상/중/하)
3. 추천 학습 경로
"""
response = client.messages.create(
model="claude-sonnet-4-20250514",
max_tokens=1024,
messages=[{"role": "user", "content": prompt}]
)
return response.content[0].text
# 예시 실행
result = analyze_skill_gap(
job_description="AI 기반 채용 시스템 운영, 데이터 분석, 조직문화 설계",
employee_skills=["엑셀", "면접 진행", "급여 계산"]
)
print(result)
이런 식으로 500명의 스킬갭을 하루 만에 분석할 수 있다. 예전엔 컨설팅 펌에 수천만 원 주고 맡기던 일이다.
결국 HR은 “번역가”가 돼야 한다
세 보고서를 관통하는 메시지는 하나다. HR은 기술과 사람 사이의 번역가가 돼야 한다는 것.
AI가 뭘 할 수 있는지 이해하고, 그걸 현장 직원의 언어로 바꿔주고, 법적 리스크를 관리하면서 조직이 실제로 움직이게 만드는 사람. 이게 자동화가 못 건드리는 나머지 1/3이다.
— 필자 코멘트: 개인적으로 HR 부서가 가장 먼저 해야 할 일은 HR 자신의 업무를 AI로 자동화하는 거라고 본다. 직접 써봐야 현장에 “이렇게 하세요”라고 말할 수 있으니까.
AI가 HR 업무의 2/3를 가져갈 때, 당신의 회사 HR은 나머지 1/3을 준비하고 있는가.
참고 소스