AI 준비도는 이제 기술 부서만의 진단 항목이 아닙니다. HR Dive가 전한 Protiviti AI Pulse Survey에서 ‘우리 조직의 직무 설계가 AI를 받아들일 준비가 됐다’고 강하게 동의한 비율은 전체 C-suite 28%였지만, CHRO는 13%에 그쳤습니다. AI 학습 준비도에서는 IT 리더의 강한 긍정이 96%인 반면 CHRO는 14%였습니다. 같은 조직을 바라보는 두 리더 집단의 간극이 이 정도라면, 문제는 AI 도입 의지가 아니라 AI 도입의 기반일 가능성이 큽니다.
경영진의 약 80%는 3년 안에 AI가 매출 또는 수익성을 높일 것이라고 기대합니다. 그러나 HR 리더 가운데 같은 기간 HR 업무의 절반 이상이 AI 기반으로 전환될 것이라고 보는 비율은 5%에 불과했습니다. 이 숫자를 AI에 대한 HR의 저항으로 읽으면 처방을 잘못 내리게 됩니다. 사람·직무·권한·평가·책임이 실제로 바뀌는 과정을 아는 사람일수록, 기대 수익과 실행 가능성을 같은 속도로 보지 않기 때문입니다.
13% vs. 28%
‘직무 설계의 AI 준비도’에 강하게 동의한 CHRO와 전체 C-suite의 차이입니다. AI 전환에서 직무의 재설계가 아직 합의되지 않았다는 신호로 읽을 필요가 있습니다.
AI 준비도는 도구 구매가 아니라 일의 기초공사입니다
아파트를 지을 때 기초공사가 충분하지 않으면, 그 위에 아무리 좋은 자재를 올려도 오래 버티기 어렵습니다. 조직의 AI 전환도 같습니다. 전사 라이선스를 배포하고 교육 시간을 편성하고, 몇 개의 성공 사례를 발표하는 일은 눈에 잘 보입니다. 반면 어떤 업무를 AI가 보조하고 어떤 판단은 사람이 끝까지 책임질지, 오류가 생기면 누가 멈추고 고칠지, 그 변화가 개인의 성과와 경력에 어떤 영향을 주는지를 설계하는 일은 느리고 복잡합니다.
그래서 준비 작업은 종종 ‘속도를 늦추는 절차’처럼 보입니다. 하지만 준비 없는 확장은 속도가 아니라 부채를 키웁니다. 현장에서는 승인된 도구의 사용법보다 업무 맥락에 맞는 판단 기준이 부족해지고, 관리자는 결과를 검토할 시간과 권한을 확보하지 못하며, 구성원은 AI를 활용했다는 사실만 남기고 결과의 품질과 책임은 모호해질 수 있습니다.
실무자 시각
10만 시간 이상 HR 업무를 해온 실무자로서, 저는 제도 변화가 발표보다 적용 조건을 설계하는 데 훨씬 더 많은 시간이 든다는 점을 반복해서 보았습니다. AI도 예외가 아닙니다. HR의 신중함은 변화 반대가 아니라, 변화가 실제 현장에서 무너지지 않게 만드는 전문성일 수 있습니다.
AI 준비도를 묻기 전에 직무의 경계를 다시 정해야 합니다
‘우리 조직은 AI 준비가 됐는가’라는 질문은 너무 크고 추상적입니다. 더 유용한 질문은 ‘이 직무의 어느 단계가 AI의 도움을 받아도 되는가’입니다. 정보 수집, 초안 작성, 반복 문의 응답처럼 표준화되고 되돌릴 수 있는 업무와, 채용·평가·보상·징계처럼 맥락과 공정성, 설명 책임이 중요한 업무는 같은 속도로 자동화할 수 없습니다.
직무 재설계는 업무를 없애는 작업이 아닙니다. 사람이 더 잘해야 하는 일을 선명하게 만드는 작업입니다. AI가 자료를 요약했다면 관리자는 무엇을 검증해야 하는지, AI가 후보군을 제안했다면 담당자는 어떤 맥락 정보를 추가해야 하는지, AI가 문서를 작성했다면 최종 승인자는 어떤 근거로 채택 또는 반려하는지를 정해야 합니다. 이 경계가 없으면 AI는 생산성을 높이기보다 검토 부담을 다른 사람에게 넘길 수 있습니다.
| 업무 단계 | AI 활용의 역할 | 사람이 설계할 책임 |
|---|---|---|
| 정보 수집 | 자료 탐색·요약·초안 | 출처 검증, 누락·편향 확인 |
| 업무 판단 | 선택지·시뮬레이션 제시 | 조직 맥락 반영, 최종 판단 |
| 고위험 의사결정 | 근거 정리와 점검 보조 | 설명 가능성, 공정성, 승인 책임 |
빠른 AI 전환일수록 HR은 속도 조절자가 아니라 기반 설계자입니다
AI 시대에는 하나하나 준비하는 과정이 뒤처짐처럼 느껴질 수 있습니다. 경쟁사가 새로운 도구를 도입했다는 소식이 들리고, 경영진은 비용 절감과 성장의 숫자를 기대합니다. 이때 HR이 모든 실험을 멈추게 하면 기회를 놓칠 수 있습니다. 반대로 준비되지 않은 조직에 일괄 확산을 권하면 신뢰를 잃을 수 있습니다. 둘 중 하나를 고르는 것이 HR의 역할은 아닙니다.
HR은 실험의 속도와 확산의 속도를 분리해야 합니다. 저위험 업무에서는 작은 실험을 빠르게 반복하되, 전사 적용 전에는 직무 영향·데이터·권한·교육·성과 기준을 점검해야 합니다. 작은 실험에서 얻은 실패와 예외를 숨기지 않고 다음 설계에 반영하는 조직이 결국 더 빠르게 학습합니다. 준비는 출시 전의 긴 정지 구간이 아니라, 안전하게 배우기 위한 반복 장치여야 합니다.
핵심 메시지: AI 전환에서 HR이 지켜야 할 것은 느린 의사결정이 아니라, 성급한 의사결정이 만들어내는 조직적 부채를 막는 기준입니다. 기초가 잡힌 작은 실험은 빠르게, 사람의 삶과 권리에 영향을 주는 확산은 검증 가능하게 진행해야 합니다.
AI 준비도의 빈칸은 교육만으로 메워지지 않습니다
AI 교육을 많이 제공하면 준비도가 높아질 것이라고 생각하기 쉽습니다. 그러나 학습 준비도에 관한 CHRO의 낮은 자신감은 교육 콘텐츠만의 문제가 아님을 시사합니다. 구성원이 교육을 받고도 실제 업무에 적용할 시간, 사용 가능한 데이터, 관리자 피드백, 결과를 검증할 기준이 없다면 교육은 수료 기록으로만 남습니다.
특히 관리자의 역할이 중요합니다. 관리자는 구성원이 AI를 ‘얼마나 많이’ 썼는지를 감시하는 사람이 아니라, 팀의 일을 어떻게 나누고 어떤 결과를 다시 확인하며 어떤 실험을 다음 단계로 가져갈지를 코칭하는 사람이어야 합니다. 이 관점은 AI 직원 몰입도를 높이는 관리자 조건에서 다룬 공식 실험 시간과 피드백 루프의 필요성과도 연결됩니다.
실무자 시각
실무에서 자주 보는 것은 교육을 받지 않은 사람이 아니라, 배운 내용을 어떤 업무에 써도 되는지 확신하지 못하는 사람입니다. 조직이 허용 범위와 검토 책임을 명확히 할수록 구성원은 더 책임 있게 실험할 수 있습니다.
AI 준비도를 위한 5가지 HR 점검표
CHRO의 신중함을 실제 운영 언어로 바꾸려면, 거대한 전환 로드맵보다 먼저 현장을 확인하는 질문이 필요합니다. 다음 다섯 가지는 도구 도입 전후에 HR과 현업 리더가 함께 확인할 수 있는 최소 기준입니다.
- 직무별 영향도를 구분했는가. 모든 직무에 같은 AI 활용 목표를 주지 말고, 대체·보조·검토·판단이 필요한 지점을 나눠야 합니다.
- 데이터와 권한의 경계를 정했는가. 어떤 정보까지 입력할 수 있고, 어떤 결과를 누구에게 공유할 수 있는지 명확해야 합니다.
- 관리자에게 운영 역할을 부여했는가. 교육 수료 확인을 넘어 업무 배분·검토·피드백의 책임을 부여해야 합니다.
- 성과 기준을 다시 썼는가. AI 사용량이 아니라 업무 품질, 오류율, 협업, 판단의 투명성을 함께 보아야 합니다.
- 중단과 수정의 절차가 있는가. 문제가 생겼을 때 현장이 멈추고 질문할 채널, 그리고 설계를 고칠 책임자가 있어야 합니다.
이 점검표는 완벽한 준비를 요구하지 않습니다. 완벽을 기다리다 기회를 놓치지 않기 위해서라도, 무엇이 아직 준비되지 않았는지 보이게 만드는 장치입니다. 귀사의 AI 전환에서 가장 약한 기초는 무엇입니까? 그리고 그 불안을 현장이 안전하게 말할 채널은 있습니까?
AI 준비도는 HR이 ‘예’라고 말할 조건을 만드는 일입니다
AI 준비도가 낮다는 진단은 ‘하지 말자’는 결론이 아닙니다. 오히려 어떤 조건이 갖춰지면 더 자신 있게 전환할 수 있는지를 알려주는 출발점입니다. 직무 설계, 학습, 운영모델, 데이터 통제, 관리자 역할이 연결돼야 AI 도입은 일회성 캠페인이 아니라 조직의 역량이 됩니다.
이미 AI 교육과 활용을 시작한 조직이라면, 다음 단계는 교육 인원이나 계정 수를 보고하는 일이 아닙니다. 각 직무에서 실제로 무엇이 달라졌는지, 사람이 책임져야 하는 판단은 더 선명해졌는지, 구성원이 문제를 발견했을 때 설계를 고칠 수 있는지를 보아야 합니다. AI 교육이 현장 적용으로 이어지지 않는 이유를 다룬 글과 함께 읽으면, 준비도 진단이 왜 도입 속도의 반대말이 아닌지 더 분명해집니다.
AI 준비도가 낮을 때 조직에서 먼저 나타나는 4가지 장면
준비도는 설문 점수로만 확인되지 않습니다. 현장에서는 대개 더 구체적인 장면으로 드러납니다. 첫째, AI 활용 목표는 있는데 현업이 실제로 써도 되는 데이터와 업무 범위를 모르는 경우입니다. 둘째, 생성된 결과의 오류를 누가 확인할지 정해지지 않아 가장 바쁜 실무자에게 검토 부담이 몰리는 경우입니다. 셋째, 관리자가 팀의 업무 흐름을 바꾸지 않은 채 개인에게만 AI 학습을 요구하는 경우입니다. 넷째, 사용 여부나 산출량만 성과 지표에 넣어 품질과 판단을 놓치는 경우입니다.
이 네 장면은 기술 역량의 부족이라기보다 운영 설계의 빈칸입니다. 현장은 대개 지시보다 빠르게 움직입니다. 기준이 불명확하면 구성원은 일을 멈추거나, 반대로 위험을 감수하고 비공식 도구로 우회합니다. 둘 다 조직이 원하는 학습이 아닙니다. HR은 ‘사용을 장려할 것인가’와 ‘사용을 금지할 것인가’ 사이에서, 어떤 조건에서는 시도하고 어떤 조건에서는 반드시 검토를 거쳐야 하는지를 언어로 만들어야 합니다.
| 현장 신호 | 겉으로 보이는 문제 | HR의 우선 조치 |
|---|---|---|
| 허용 범위 질문 반복 | AI 교육 부족처럼 보임 | 데이터·도구·업무별 가이드 정리 |
| 검토 업무 특정인 집중 | 생산성 향상 체감 저하 | 검토 단계와 책임자 재배치 |
| 팀별 활용 격차 확대 | 개인 역량 차이로 해석 | 관리자 코칭과 업무 시나리오 제공 |
| 사용량 경쟁 | 형식적 AI 활용 증가 | 품질·오류·협업 지표를 병행 |
AI 전환의 속도는 ‘준비 완료’가 아니라 학습 루프로 관리해야 합니다
준비가 완벽해질 때까지 기다리는 접근도 현실적이지 않습니다. AI 기술과 업무 관행은 계속 바뀌고, 조직은 직접 써 보지 않으면 무엇을 준비해야 하는지도 알기 어렵습니다. 그래서 필요한 것은 완벽한 사전 승인 체계가 아니라, 작게 시작하고 빠르게 검토하며 기준을 고치는 학습 루프입니다. 다만 이 루프에는 반드시 책임 있는 중간 단계가 있어야 합니다.
예를 들어 하나의 직무에서 저위험 문서 초안 업무를 대상으로 실험한다면, 시작 전에 성공 기준과 금지 데이터, 검토자를 정합니다. 실행 중에는 시간 절감만이 아니라 오류 유형과 재작업 시간을 기록합니다. 종료 후에는 결과를 다음 팀에 그대로 복제하지 않고, 어떤 조건에서 효과가 있었고 어떤 역할에서 사람이 더 개입해야 했는지를 검토합니다. 이 과정이 있어야 한 팀의 성공이 조직 전체의 학습으로 바뀝니다.
실무자 시각
제 경험상 좋은 HR 운영은 ‘모든 위험을 미리 제거하겠다’는 약속보다, 문제가 생겼을 때 현장이 숨기지 않고 멈추고 수정할 수 있게 만드는 데서 시작합니다. AI 준비도도 같은 방식으로 관리해야 합니다.
경영진과 HR이 같은 숫자를 다르게 읽어야 하는 이유
경영진이 보는 AI의 숫자는 매출, 비용, 처리 시간처럼 사업 성과에 가까운 경우가 많습니다. HR이 보는 숫자는 직무 수행 가능성, 학습 격차, 리더의 코칭 여력, 공정성과 책임처럼 운영의 지속 가능성에 가깝습니다. 둘 중 하나가 더 중요하다고 말할 수는 없습니다. 중요한 것은 두 종류의 숫자가 같은 회의에서 연결되어야 한다는 점입니다.
예를 들어 AI로 문서 작성 시간이 줄었다면, 그 시간은 실제로 고객 대응·문제 해결·학습에 재투자됐는지 확인해야 합니다. 오류를 고치느라 다른 구성원의 시간이 늘었다면 절감 효과는 다시 계산해야 합니다. AI 활용이 특정 팀의 성과를 높였더라도, 다른 팀이 같은 조건을 재현할 수 없다면 그것은 조직 역량이 아니라 국지적 성공일 수 있습니다. HR은 이 연결을 보이게 하는 지표와 대화 구조를 설계해야 합니다.
결국 AI 준비도는 ‘우리 회사가 최신 도구를 갖췄는가’가 아니라 ‘새로운 일을 안정적으로 수행하고, 문제가 생겼을 때 더 나은 방식으로 고칠 수 있는가’의 문제입니다. 이 질문에 답하기 위해 HR이 중심을 잡을 때, 조직은 조급함과 안일함 사이에서 더 단단한 전환 경로를 만들 수 있습니다.
HR 영어 키워드
| 표현 | 의미 | HR 실무 맥락 |
|---|---|---|
| AI readiness | AI 준비도 | 도구 보유가 아니라 인력·직무·운영의 적용 가능성 |
| job design | 직무 설계 | 과업·권한·협업·책임의 재배치 |
| operating model | 운영모델 | 의사결정과 업무 분담 방식 |
| decision rights | 의사결정 권한 | AI 결과 채택·반려·승인의 책임 구분 |
| reskilling | 재교육·역량 전환 | 새 업무 방식에 맞춘 학습과 실습 설계 |
| human-in-the-loop | 사람의 검토 개입 | 고위험 판단의 최종 책임과 오류 교정 |
자주 묻는 질문
AI 준비도가 낮으면 도입을 미뤄야 하나요?
그렇지 않습니다. 저위험 업무에서는 작게 실험하되, 전사 확산 전에는 직무 영향과 데이터 경계, 검토 책임을 확인해야 합니다. 준비도 진단은 중단의 근거가 아니라 안전한 순서를 정하는 근거입니다.
CHRO의 신중함은 변화 저항과 어떻게 다른가요?
변화 저항은 새로운 시도 자체를 막는 태도입니다. 반면 준비도 진단은 어떤 역할·역량·권한이 먼저 갖춰져야 가치가 지속되는지 확인하는 실행 전문성입니다.
AI 교육만 확대하면 준비도를 높일 수 있나요?
교육은 출발점입니다. 실제 적용 시간, 사용 가능한 업무 범위, 관리자 피드백, 검토 기준이 함께 있어야 학습이 업무 변화로 이어집니다.
HR은 AI 도입에서 무엇을 가장 먼저 점검해야 하나요?
직무별로 AI가 보조할 업무와 사람이 최종 책임져야 할 판단을 구분하는 일입니다. 그다음 데이터·권한·성과 기준·관리자 역할을 연결해 설계해야 합니다.
AI 활용을 성과평가에 반영해도 되나요?
사용 횟수나 산출량만으로 평가하면 형식적 사용을 유도할 수 있습니다. 업무 품질, 오류 교정, 협업, 판단의 투명성을 함께 보는 기준이 필요합니다.
원문 출처
CHROs say they are skeptical about AI readiness, HR Dive, 2026년 8월 4일.
English summary: CHROs report substantially lower confidence than other executives in job-design and learning readiness for AI, pointing to a gap between expected business value and organizational execution conditions.
한국어 요약: CHRO는 다른 경영진보다 직무 설계와 학습 측면의 AI 준비도를 낮게 평가했습니다. 이는 AI 반대가 아니라, AI 가치를 안전하게 실현하려면 사람·직무·운영모델의 기반 설계가 필요하다는 현실적 진단으로 해석할 수 있습니다.
