AI 내부 이동은 이제 빈자리를 더 빨리 메우는 채용 보조 기능으로만 볼 수 없습니다. AIHR는 신뢰할 만한 인력 스킬 데이터를 보유한 조직이 8%에 그치고, 스킬 격차를 메우기 위해 인재를 효과적으로 이동시키는 조직도 20% 미만이라고 짚습니다. 이 수치가 뜻하는 것은 알고리즘의 부족이 아니라, 조직이 사람의 경험과 가능성을 아직 제대로 읽지 못하고 있다는 사실입니다.
외부 채용 공고를 내기 전에 조직 안에 어떤 인접 역량이 있는지, 누가 새로운 과제를 통해 성장할 의사가 있는지, 어느 관리자가 인재를 내보내기 어려워하는지를 함께 봐야 합니다. AI가 이 정보를 연결할 수는 있어도 이동의 의미를 정해주지는 못합니다. 내부 이동을 경력 개발로 느끼게 할지, 또 하나의 배치 통제로 느끼게 할지는 제도와 대화의 설계에 달려 있습니다.
AI 내부 이동의 출발점은 추천 엔진이 아니라 스킬 가시성입니다
AIHR가 설명하는 AI 기반 internal mobility는 직원의 프로필, 프로젝트 경험, 학습 기록, 성과 대화에서 신호를 찾고 역할·프로젝트·멘토·학습 기회와 연결하는 방식입니다. 여기서 가장 위험한 오해는 HR 시스템에 쌓인 직급, 소속, 과거 직무 이력만으로도 충분하다고 생각하는 것입니다. 정식 직무기술서에는 나타나지 않는 문제 해결 경험과 협업 방식, 인접 기술은 대부분 대화와 실제 과제 안에 있습니다.
스킬을 데이터로 만든다는 말은 사람을 점수로 환원한다는 뜻이 아닙니다. 오히려 한 사람이 현재 자리에 붙어 있는 이름표보다 넓은 역량을 설명할 언어를 제공하는 일입니다. 직원이 자신의 프로필을 직접 보완하고, AI가 어떤 근거로 기회를 제시했는지 이해할 수 있어야 이 데이터는 감시가 아니라 경력 자산이 됩니다.
실무자 시각
10만 시간 이상 HR 업무를 해온 실무자로서 저는 800명 규모 조직에서 반기 인력 재배치안을 준비할 때, 인력계획표의 빈칸보다 ‘표에 아직 없는 경험’이 더 큰 판단 변수였던 순간을 자주 보았습니다. AI 내부 이동의 첫 과제는 데이터를 많이 모으는 일이 아니라, 직원이 자신을 수정하고 설명할 수 있는 스킬 언어를 만드는 일입니다.
AI 내부 이동은 인력계획의 질문을 바꿉니다
전통적 인력계획은 정원, 채용 계획, 퇴직 예상, 충원 소요 기간을 중심으로 움직였습니다. 이 숫자는 여전히 필요하지만, AI 내부 이동이 작동하려면 질문을 하나 더 보태야 합니다. ‘어느 부서에 몇 명이 필요한가’에서 ‘어떤 과제를 수행할 인접 역량이 조직 어디에 있고, 그 사람은 어떤 경로를 원할 수 있는가’로 질문이 확장돼야 합니다.
이 변화는 정기 인사이동만의 문제가 아닙니다. 단기 프로젝트, 사내 공모, 멘토링, 직무 체험, 학습 과정까지 이동의 단위로 보아야 합니다. 한 번의 이동 성패만 측정하면 안전한 후보만 추천하는 시스템이 되기 쉽습니다. 반대로 다양한 작은 기회를 축적하면 직원과 조직은 서로의 가능성을 더 정확하게 학습할 수 있습니다.
무엇보다 인력계획의 시간 단위를 유연하게 바꿔야 합니다. 연간 정원 계획에서 보이지 않던 과제와 역량은 분기별 프로젝트 흐름에서 드러날 수 있습니다. AI가 이 신호를 연결하더라도, HR은 그것이 일시적 공백 해소인지 지속 가능한 경력 전환인지 구분해 설명해야 합니다.
| 기존 질문 | AI 내부 이동에서 추가할 질문 |
|---|---|
| 빈자리를 언제 채울 것인가 | 필요 역량의 인접 경험은 조직 어디에 있는가 |
| 누가 현재 직무에서 성과가 좋은가 | 누가 새 과제를 원하며 학습할 여지가 있는가 |
| 어느 팀의 인력이 부족한가 | 이동을 막는 승인·보상·인수인계 장벽은 무엇인가 |
AI 내부 이동의 병목은 관리자 인재 독점에서 드러납니다
좋은 인재를 다른 조직으로 보내는 일은 현장 관리자에게 손실처럼 보일 수 있습니다. AI가 더 많은 후보를 찾아도 승인권자가 계속 붙잡으면 추천은 알림창에서 끝납니다. 이른바 talent hoarding은 개인의 이기심으로만 해석할 문제가 아닙니다. 팀의 성과와 인력 공백 책임을 관리자가 혼자 떠안게 하는 평가·보상 구조가 이를 강화합니다.
따라서 HR은 이동을 허용한 관리자를 ‘핵심 인력을 놓친 사람’으로 보지 않도록 신호를 다시 설계해야 합니다. 후임 육성, 인수인계 품질, 다른 팀으로 보낸 구성원의 성장, 프로젝트 인재 공유를 리더십의 성과로 인정해야 합니다. 내부 충원율만 올리면 조직이 숫자 맞추기에 매달릴 수 있으므로, 이동 이후의 만족도와 성과까지 함께 관찰해야 합니다.
↓ 8%
AIHR가 제시한, 신뢰할 만한 인력 스킬 데이터를 보유한 조직의 비율입니다. 데이터의 빈틈을 관리자 관행이 덮어버리면 AI의 추천 품질은 더 빨리 무너집니다.
실무자 시각
실무에서 자주 보는 것은 1,500명 규모 조직에서 분기별 사내 공모 제도를 운영할 때, 이동 제도 자체보다 이동을 허용한 관리자를 어떻게 평가하는가가 실제 병목이었다는 점입니다. HR이 관리자에게 인재 배출의 비용만 남기고 조직 전체의 보상은 주지 않는다면, AI는 인재 독점을 더 선명하게 보여줄 뿐 바꾸지는 못합니다.
AI 내부 이동의 공정성은 설명과 이의 제기에서 완성됩니다
AI 추천은 과거 데이터에서 패턴을 학습합니다. 과거에 특정 경력만 승진이나 핵심 프로젝트로 연결됐다면, 모델은 그 경로를 ‘적합성’으로 오인할 수 있습니다. 추천 결과가 공정해 보인다는 이유만으로 편향이 사라지는 것은 아닙니다. 누락된 경험, 불균형한 평가 기록, 접근 가능한 학습 기회의 차이도 모두 결과에 들어갑니다.
직원에게 필요한 것은 ‘당신은 적합하지 않다’는 결과가 아니라, 어떤 스킬과 경험 때문에 이 기회가 제안됐는지 또는 제외됐는지 이해할 수 있는 설명입니다. 프로필 수정, 데이터 열람, 추천 거절, 이의 제기, 재검토의 경로를 제공해야 합니다. 그런데 그 불안을 들어줄 채널이 귀사에는 있으십니까?
이는 Human in the Loop: AI 시대 HR이 지켜야 할 3가지 원칙에서 다룬 원칙과도 이어집니다. 사람의 검토를 승인 버튼 하나로 축소하면 형식적 HITL이 됩니다. 실제 검토자는 추천 근거를 읽고, 직원의 희망과 팀의 맥락을 듣고, 결과가 남길 장기적 영향을 판단할 권한과 시간을 가져야 합니다.
AI 내부 이동은 경력 대화와 학습 기회를 연결해야 합니다
추천이 실제 기회가 되려면 직원의 경력 대화가 뒤따라야 합니다. AI가 ‘현재 역할과 유사한 자리’를 제시하는 데 그치면 효율은 높아 보여도 경력 개발은 좁아집니다. 직원이 원하는 방향, 감수할 수 있는 전환 비용, 준비에 필요한 학습과 경험을 대화로 확인해야 추천이 선택지가 됩니다.
특히 아직 완성되지 않은 역량을 가진 사람에게는 단번의 이동보다 프로젝트 참여, 직무 그림자 경험, 멘토링, 집중 학습 같은 중간 단계가 중요합니다. AI는 이 경로를 제안할 수 있지만, 누가 학습 시간을 보장하고 실패의 비용을 흡수할지는 조직이 결정합니다. 내부 이동의 질은 추천 수가 아니라 실제로 접근 가능한 성장 경로의 수로 판단해야 합니다.
이동 기회를 본인에게만 알리는 방식도 한계가 있습니다. 어떤 경험을 쌓으면 다음 기회에 가까워지는지, 추천에서 빠졌을 때 무엇을 보완할 수 있는지를 투명하게 알려야 합니다. 그래야 구성원은 AI가 자기 경력을 결정한다고 느끼지 않고, 자신의 선택과 학습을 지원하는 도구로 받아들일 수 있습니다. HR은 이동 전후의 대화가 끊기지 않도록 관리자와 직원 모두에게 질문의 틀을 제공해야 합니다.
핵심 메시지: AI 내부 이동의 성공은 ‘누가 가장 잘 맞는가’를 맞히는 정확도보다, 직원이 자신의 가능성을 넓히고 조직이 그 선택을 안전하게 지원하는 구조에 달려 있습니다.
이 문제는 AI 도구 전반의 수용성 문제와도 닿아 있습니다. 도구의 도입 속도보다 중요한 것은 직원이 도구를 통해 어떤 선택권을 얻는지 체감하는 일입니다. 이동 추천이 감시처럼 느껴지면 좋은 데이터도 사용되지 않습니다.
AI 내부 이동 파일럿은 다섯 가지 지표로 검증해야 합니다
AIHR는 한 부서 또는 한 유스케이스에서 시작해 측정하고 반복하라고 권합니다. 이 원칙은 기술 검증을 넘어 제도 검증에도 유효합니다. 전사 도입 전에 프로젝트 매칭이나 특정 직군의 사내 공모처럼 범위가 명확한 영역을 선택하고, 데이터 품질과 직원 경험을 함께 확인해야 합니다.
- 스킬 프로필 완성도: 직원이 직접 확인·수정한 비율을 봅니다. 자동 추론 항목만 늘어나면 신뢰도는 낮아질 수 있습니다.
- 기회 노출의 균형: 성별·연차·조직·고용 형태 같은 집단별로 추천과 지원 기회가 한쪽에 쏠리지 않는지 검토합니다.
- 내부 충원과 프로젝트 매칭률: 결과 수치만 보지 말고 실제 지원 가능한 기회가 늘었는지 함께 봅니다.
- 이동 후 경험: 이동 뒤 3개월과 6개월의 적응, 만족, 성과 대화를 살펴 추천의 질을 확인합니다.
- 관리자 협력 신호: 인재 배출과 육성을 지원한 관리자가 불이익을 받지 않는지를 별도로 측정합니다.
이 지표는 과도한 자동화가 아니라 학습하는 운영을 위한 장치입니다. 과거 HR AI 거버넌스, 실무자가 지켜야 할 6가지 체크포인트에서 강조했듯, 데이터 목적·책임자·검증 주기를 먼저 정하지 않으면 편리한 시스템도 책임 없는 시스템이 되기 쉽습니다.
실무자 시각
제 경험상 500명 규모 조직에서 특정 직군을 대상으로 스킬 매칭 파일럿을 3개월간 운영했을 때, 처음부터 큰 효과를 약속하지 않는 편이 오히려 안정적이었습니다. 누가 추천에서 빠지는지, 추천을 거절한 이유는 무엇인지, 관리자가 어느 지점에서 멈추는지를 드러내고 고치는 과정이 더 중요했습니다.
AI 내부 이동에서 HR이 끝까지 남겨야 할 판단입니다
AI는 숨은 경험을 발견하고, 복잡한 기회를 연결하고, 인력계획의 사각지대를 비추는 데 유용합니다. 그러나 한 사람의 다음 경력이 조직의 현재 공백을 메우기 위한 수단으로만 결정돼서는 안 됩니다. 최종 판단에는 직원의 희망, 준비 정도, 팀의 인수인계 여건, 장기 성장 가능성처럼 데이터만으로 환원하기 어려운 맥락이 남습니다.
이때 HR의 역할은 추천 결과를 번역하고 논의의 질을 지키는 데 있습니다. 후보자 목록을 전달하는 데서 멈추지 않고, 왜 이 기회가 지금 이 사람에게 의미가 있는지, 무엇을 더 확인해야 하는지, 이동하지 않는 선택도 존중되는지를 묻는 사람이 필요합니다. 사람의 판단이 AI보다 느릴 수는 있어도, 그 판단이 투명하고 수정 가능하다면 조직은 더 나은 데이터를 다음 결정에 남길 수 있습니다.
AI 내부 이동을 시작하려는 HR이라면 솔루션 데모보다 먼저 세 가지를 묻는 편이 좋습니다. 우리는 직원에게 자신의 스킬을 설명하고 고칠 권한을 주는가, 관리자가 인재를 내보내도 성장할 수 있는가, 추천이 틀렸을 때 사람이 실제로 고칠 수 있는가입니다. 이 질문에 답할 수 있을 때 AI는 내부 이동을 넓히는 도구가 됩니다.
AI 내부 이동에 필요한 HR 영어 키워드
| 표현 | 의미 | HR 실무 맥락 |
|---|---|---|
| Internal mobility | 내부 이동 | 직무·프로젝트·멘토링·학습을 통한 조직 내 성장 경로입니다. |
| Skills inference | 스킬 추론 | 기록에서 역량을 추정하되 직원 검증이 필요한 기능입니다. |
| Adjacent skills | 인접 역량 | 다음 역할로 전환 가능한 유사·확장 역량을 말합니다. |
| Talent hoarding | 인재 독점 | 관리자가 우수 인재를 자기 팀에만 묶어두는 현상입니다. |
| Explainability | 설명 가능성 | 추천 근거를 직원과 검토자가 이해할 수 있는 수준으로 제시하는 원칙입니다. |
| Human in the Loop | 사람의 검토 개입 | 추천을 승인하는 형식이 아니라 맥락을 판단하고 수정하는 책임 구조입니다. |
AI 내부 이동 FAQ
AI 내부 이동은 외부 채용을 대체합니까?
대체하기보다 순서를 바꾸는 역할에 가깝습니다. 외부에서만 찾기 전에 내부의 인접 역량과 성장 의지를 확인하게 하므로, 외부 채용이 꼭 필요한 경우와 내부 육성이 가능한 경우를 더 분명히 구분하게 합니다.
AI 추천 점수가 높으면 이동을 확정해도 됩니까?
그렇게 운영해서는 안 됩니다. 점수는 검토의 시작점일 뿐이며, 직원의 경력 희망과 준비도, 해당 조직의 역할 맥락, 이동 후 지원 계획을 사람이 함께 판단해야 합니다.
스킬 데이터가 불완전해도 파일럿을 시작할 수 있습니까?
가능합니다. 다만 데이터가 완전하다고 전제하지 말고, 직원 검증률과 누락 경험의 유형을 파일럿 지표로 삼아야 합니다. 범위를 좁히고 수정 절차를 먼저 설계하는 편이 안전합니다.
관리자의 인재 독점은 어떻게 줄일 수 있습니까?
개인의 태도만 탓하기보다 보상 구조를 바꿔야 합니다. 후임 육성, 인수인계, 인재 배출 이후의 성과를 리더십 평가에 반영하고, 갑작스러운 공백을 지원할 운영 장치를 마련해야 합니다.
직원이 추천을 원하지 않을 때는 어떻게 해야 합니까?
추천을 거절하거나 관심 분야를 조정할 수 있어야 합니다. 원하지 않는 경로를 반복 제시하는 시스템은 경력 지원이 아니라 통제로 인식될 수 있으므로, 거절 이유와 프로필 수정을 반영하는 운영이 필요합니다.
원문 출처
AIHR, AI for Internal Mobility: A Practical Guide to Talent Growth from Within
English summary: AIHR argues that AI can connect employee skills with roles, projects, learning paths, succession, and workforce planning, while warning that data quality, bias, privacy, transparency, and manager resistance must be governed deliberately.
한국어 요약: AI는 조직 내부의 역량과 기회를 연결해 내부 이동을 지원할 수 있습니다. 다만 신뢰할 만한 스킬 데이터가 부족하고 추천 편향·개인정보·관리자 인재 독점의 위험이 있으므로, 직원의 선택권과 설명·이의 제기, 사람의 최종 판단을 갖춘 거버넌스가 필요합니다.
