HR AI 도입률 67%, 그 숫자 뒤에 감춰진 세 가지 과제

전 세계 HR 리더 1,033명에게 물었다. “AI, 지금 어디까지 쓰고 있습니까?” 답은 의외였다. 67%가 ‘중급 이상’ 단계에 도달했다고 응답했다. 불과 2년 전만 해도 “우리 팀에선 아직…”이라는 답변이 주류였는데, 판이 빠르게 뒤집히고 있다. 그런데 솔직히, 이 숫자만 보면 장밋빛이다. 문제는 그 뒤에 있다. SHRM이 1,722명의 HR 실무자에게 같은 질문을 던졌을 때, 54%는 “AI 도입 계획이 없다”고 답했다. 같은 2026년, 같은 HR이라는 직함 아래 이런 극단적 격차가 공존한다.

한 줄 요약: HR AI 도입률 67%라는 헤드라인 뒤에는 편향 리스크·거버넌스 공백·실무자 불신이라는 세 겹의 과제가 숨어 있고, 이를 직시하지 않으면 AI는 HR의 도구가 아니라 짐이 된다.

1,033명이 말하는 HR AI의 현주소

Rippling이 2026년 3월 호주·유럽·캐나다·영국 9개국 HR 의사결정자 1,033명을 대상으로 실시한 설문은 몇 가지 뚜렷한 패턴을 보여준다. 채용·후보자 스크리닝이 가장 많이 AI를 적용한 영역(44%)이었고, 온보딩 시간을 줄였다는 응답이 56%에 달했다. AI 도입 계획이 아예 없다는 조직은 4%에 불과했다.

그런데 이건 좀 눈여겨볼 대목이다. SHRM이 2025년 12월 미국 HR 전문가 1,722명에게 조사한 결과는 분위기가 사뭇 달랐다. 실제로 AI를 HR에 도입한 비율은 39%에 그쳤고, 절반 이상(54%)이 도입 계획조차 없었다. 채용 분야에서 AI를 쓰는 비율도 27%로, Rippling 조사의 44%와 17%p 차이가 난다.

왜 이렇게 다른 그림이 나올까. 조사 대상이 다르다. Rippling은 이미 HR테크에 관심 있는 글로벌 리더 풀을, SHRM은 미국 현직 실무자 전체를 표집했다. 개인적으로는 SHRM 쪽이 현장 체감에 더 가깝다고 본다. 얼리어답터 서베이의 67%를 업계 평균으로 읽으면 기대와 현실의 갭이 커질 수밖에 없다.

채용 AI의 어두운 이면 — 편향은 사라지지 않았다

HR에서 AI가 가장 빠르게 침투한 영역이 채용이다. 이력서 스크리닝, 직무 매칭, 면접 스케줄링에 LLM(대규모언어모델)을 붙이면 처리 속도는 비약적으로 올라간다. 하지만 속도가 곧 공정성을 뜻하진 않는다.

Hoffmann 등이 2026년 1월 발표한 연구 “Evaluating LLM Behavior in Hiring”은 유럽 온라인 프리랜서 마켓플레이스의 실제 프로필 데이터로 실험을 설계했다. 결과는 이중적이었다. 전체 평균으로 보면 소수자 집단에 대한 차별은 ‘최소’ 수준이었다. 하지만 교차분석(intersectional analysis)으로 들어가면 이야기가 달라졌다. 생산성 신호(스킬, 경력)가 인구통계 집단별로 서로 다른 가중치를 부여받고 있었다. 같은 경력 5년이라도 어떤 집단에겐 더 높은 점수로, 다른 집단에겐 낮은 점수로 반영되는 구조적 편향이 집계 평균 아래 숨어 있던 것이다.

Gartner가 구직자 2,918명에게 물었을 때, AI가 자신을 공정하게 평가할 것이라고 신뢰한 비율은 26%에 그쳤다. 채용 AI를 도입하는 기업은 늘어나는데 그 대상인 지원자 4명 중 3명은 믿지 않는다. 이 신뢰 적자(trust deficit)가 해소되지 않으면 채용 AI는 효율 도구가 아니라 인재 이탈의 원인이 될 수 있다.

거버넌스 없는 AI 도입이 만드는 리스크

Fuel50이 2026년 1분기 북미·유럽 1,000인 이상 조직의 HR 리더 250여 명을 조사한 결과, 25%가 공식적인 AI 거버넌스 프레임워크 없이 운영 중이었다. 26%는 개발 중이지만 아직 배포 전이었다. 합산하면 절반 이상이 AI를 이미 쓰고 있으면서 거버넌스는 뒤따라가는 상황이다.

핵심이다 — 45%가 규제·법적 우려로 AI 배포가 지연되거나 차단된 경험이 있다고 답했다. EU AI Act 시행, 미국 각 주의 AI 채용 규제 확산을 감안하면 이 비율은 더 올라갈 수밖에 없다. 거버넌스를 ‘나중에’ 정비하겠다는 접근은 이미 비용을 발생시키고 있다.

흥미로운 건 현장의 선호다. AI가 인간의 의사결정을 ‘대체’해주길 원하는 HR 리더는 거의 없었다. 63%가 “AI는 인간 판단을 보조·지원하는 역할”이어야 한다고 답했고, 47%는 데이터 추론형 AI보다 규칙 기반의 설명 가능한 AI를 선호했다. “왜 이 후보를 추천했는가”를 설명할 수 없는 블랙박스 AI에 대한 거부감이 분명하다.

경영진의 기대 vs 실무자의 체감 — 17%p의 간극

SHRM 조사에서 가장 눈에 띄는 숫자는 따로 있다. CHRO(최고인사책임자)의 92%가 “향후 AI 통합이 확대될 것”이라고 전망했다. 87%는 HR 프로세스 내 AI 채택이 늘어날 것으로 봤다. 그런데 실제 도입률은 39%다. 경영진이 그리는 그림과 현장이 밟고 있는 바닥의 온도 차가 극명하다.

이 간극은 단순한 속도 문제가 아니다. AI를 배포한 조직에서도 HR 담당자의 39%는 “업무 책임이 바뀌었다”고 느꼈고, 24%는 새로운 직무가 생겼다고 답했다. 반면 7%는 일부 역할이 줄었다고 보고했다. AI 도입 이후 HR 조직 내부에서 역할 재편이 조용히 진행되고 있는 것이다.

관리자 부담도 간과할 수 없다. Fuel50 조사에서 54%의 조직이 “관리자가 경력 가이드 업무에 중간 이상의 부담을 느끼고 있다”고 답했다. AI 도구가 이 부담을 덜어주리라는 기대와 달리, 30%는 오히려 AI 도구가 의사결정에 마찰(friction)을 더한다고 응답했다. 줄여주는 쪽(34%)과 늘리는 쪽(30%)이 거의 팽팽하다는 건, 도구의 문제가 아니라 도입 방식과 교육의 문제라는 뜻이다.

결국 데이터 역량이 승부를 가른다

AI 도입의 최대 장벽이 기술이 아니라 데이터라는 점은 모든 서베이가 일관되게 가리키는 방향이다. Fuel50 조사에서 최대 장벽 1위는 ‘AI 산출물에 대한 신뢰'(38%), 2위가 ‘법적·컴플라이언스 리뷰'(33%), 3위가 ‘데이터 준비도'(31%)였다. 예산 제약(25%)은 오히려 후순위였다. 돈은 있는데 데이터가 준비 안 됐고, 결과를 믿을 수 없다는 구조다.

아쉽다 — 많은 조직이 AI를 ‘기술 프로젝트’로 접근하면서 정작 HR 데이터의 정합성·연결성·시의성을 점검하지 않고 있다. 인사 마스터 데이터가 부서별로 파편화되어 있거나, 평가 기록이 텍스트 덩어리로만 축적되어 있으면 어떤 AI를 붙여도 쓸모 있는 결과를 만들어낼 수 없다. AI 역량은 곧 데이터 역량이다. 이 순서를 뒤집으면 투자 대비 성과가 나오지 않는다.

💡 실무 시사점: AI를 HR에 도입하기 전에 세 가지 질문에 답하라. “우리 HR 데이터는 AI가 먹을 수 있는 상태인가?” “AI의 추천을 설명할 수 있는 거버넌스가 갖춰져 있는가?” “채용 AI의 편향을 사전 테스트하고 모니터링하는 프로세스가 있는가?” 세 질문 중 하나라도 아니라면, 도구 선정보다 인프라 정비가 먼저다.

#HR_AI #채용AI편향 #HR거버넌스 #피플애널리틱스 #데이터역량

참고 링크

• Rippling, “The State of AI in HR 2026: New Research from 1,000+ Global HR Leaders” (2026)
• Hoffmann et al., “Evaluating LLM Behavior in Hiring: Implicit Weights, Fairness Across Groups, and Alignment with Human Preferences” (2026)
• SHRM, “The State of AI in HR 2026” (2026)
• Fuel50, “35+ AI in HR Statistics in 2026” (2026)

작성: 서재홍 | NODE