생성형 AI라는 일 잘하는 동료를 만났다. HR은 무엇을 준비해야 할까? 2022년 챗GPT가 등장한 후 생성형 AI는 본격적으로 우리 일상 속에 들어왔다. 생성형 AI는 기존 AI의 한계를 뛰어넘는 완성도로 높은 수준의 결과물을 내놓고 누구나 쉽게 사용할 수 있는 접근성을 갖춰 인간과의 원활한 상호작용이 가능하다. 에릭 슈미트는 챗GPT 발명이 구텐베르크의 인쇄술 발명에 버금가는 지적 혁명을 일으킬 것이라고 말하기도 했다. 업무 현장에서도 생성형 AI는 이미 폭넓게 활용되고 있다. 생성형 AI 활용에 능숙하고 적극적인 직원들은 이미 명석하고 손 빠른 동료와 협업하는 것과 같은 도움을 받고 있다고 이야기한다. AI의 빠른 발전 속도를 감안하면 앞으로 AI를 활용하는 인력과 그렇지 못한 인력, 나아가 AI를 효과적으로 사용하는 조직과 그렇지 못한 조직 간의 역량과 성과 격차가 상상 이상으로 확대될 것임을 예상할 수 있는 대목이다. 새로운 기술의 등장은 누군가에게는 기회이지만 누군가에겐 위협이 된다. 기회와 위협을 가르는 것은 무엇인가? 또 어떻게 해야 AI를 제대로 활용할 수 있을까? 삼성글로벌리서치의 인사 전문가들이 기업자원 배분의 핵심인 HR 분야를 중심으로 생성형 AI의 도입 현황부터 실제 활용 사례, 기업의 대응전략을 꼼꼼하게 정리했다. 급변하는 AI 환경에서 실질적 도움을 받을 수 있는 생성형 AI 활용 매뉴얼이자 가이드북이다.

추천사 책을 내며 제1부 HR은 왜 생성형 AI에 주목해야 할까? 1장. 챗GPT가 쏘아 올린 생성형 AI의 습격 01. “챗GPT 발명은 ‘인쇄술 발명’에 버금가는 지적 혁명” 02. 생성형 AI 도입, 더 이상 선택의 문제가 아니다 2장. 생성형 AI가 불러올 HR 테크 혁명, 그 도전과 기회 01. 생성형 AI의 진화, 일자리의 역습? 02. HR이 ‘생성형 AI’라는 동료를 만나면 어떤 일이 생길까? 제2부. 생성형 AI는 HR을 어떻게 바꾸어놓을까? 3장. 인재 확보를 지원하는 AI 01. 생성형 AI가 채용 부문에 불러온 변화와 혁신 02. 채용 과정에서 더 나은 사용자 경험을 선사하다 03. 면접 준비도 AI와 함께 04. 생성형 AI, 온보딩 프로세스를 혁신하다 4장. 직원 성장을 돕는 AI 01. 전통적 기업교육의 한계를 넘어선 생성형 AI의 에듀테크 02. 생성형 AI로 직원의 질적 성장을 밀착 지원하다 03. 최신의 콘텐츠로 최적의 학습 경험을 제공하다 04. “헤이 코치, 미래의 리더십은 어떤 모습일까요?” 5장. 성과 창출을 이끄는 AI 01. 성과관리 분야에서 생성형 AI 활용을 통해 얻게 될 이점 02. 성과 피드백, 이제 더는 두렵지 않다 03. 내부 인재시장 활성화를 지원하는 생성형 AI 플랫폼 04. AI로 부서 배치 면담에 날개 달기 6장. 조직 몰입을 촉진하는 AI 01. 직원의 마음을 읽고 해석을 도와주는 생성형 AI 02. 생성형 AI와 함께 직원 맞춤형 웰빙 프로그램 구축하기 03. 인사 담당자를 24시간 도와주는 ‘나만의 AI 비서’ 제3부. 생성형 AI 시대, HR은 무엇을 준비해야 할까? 7장. HR의 최우선 과제, 직원교육 01. AI 기술 격차, 업스킬링으로 해소하기 02. 리스킬링으로 미래를 위한 신기술을 장착하다 8장. 우리 회사에 가장 맞는 생성형 AI 도입 전략은? 01. 성공적인 LLM 활용을 위해 갖추어야 할 것들 02. 올바른 사용을 위한 명확한 가이드 수립이 필요하다 참고문헌 집필진 소개

생성형 AI는 “○○○을 만들어줘.”라는 사용자의 요구사항이 주어지면 스스로 자료를 수집하여 독창적이고 창의적인 콘텐츠를 자유자재로 생성해낸다. 예를 들어, 직무기술서를 작성하거나(텍스트), 조직문화 캠페인 홍보용 이미지 또는 영상을 만들거나(이미지, 영상), 직원 서베이 데이터 분석을 위한 코드를 만들어준다. 즉, 전통적 AI가 기존 데이터를 학습해 분석하고 예측하는 것이 목적이라면 생성형 AI는 훈련 데이터와 유사한 새로운 창의적 데이터를 만들어낼 수 있다는 것이 가장 큰 차이점이다.
- 〈1장·챗GPT가 쏘아 올린 생성형 AI의 습격〉 중에서

생성형 AI가 생산성 향상 및 경제성장에 미치는 영향을 분석한 보고서를 좀 더 깊이 들여다보면, 그것이 단지 AI가 인간을 대체해 해고가 증가할 것이라는 내용만을 담고 있는 것은 아님을 알 수 있다. 그보다는 생성형 AI를 통해 인간의 생산성 향상을 보완함으로써 일자리의 질이 더 좋아질 수 있다는 것, 즉 생성형 AI가 인간의 일자리에 미치는 긍정적 잠재력을 더 강조한다.
- 〈2장·생성형 AI가 불러올 HR 테크 혁명, 그 도전과 기회〉 중에서

채용공고 초안은 챗GPT 같은 생성형 AI 서비스를 활용해 작성할 수 있으며, 다양한 프롬프트를 직접 사용해보면서 사용자의 목적과 타깃 구직자에게 맞는 문구를 효율적으로 준비할 수 있다. 예를 들어, 사용하는 프롬프트 키워드에 전문기술을 강조하느냐, 아니면 다양성을 강조하느냐에 따라 채용공고의 문구가 매우 달라진다. 전문기술을 강조할 경우에는 ‘최첨단 기술’, ‘전문가’, ‘고도의 기술 역량’ 같은 키워드가 사용되는데 이는 해당 분야 전문가들을 끌어들이면서 조직의 전문성을 강조하는 데 도움이 된다. 반면 다양성과 포용성을 강조하고자 한다면 ‘다양한 배경’, ‘공정한 기회’, ‘포용적 미래’ 같은 키워드가 많이 쓰일 것이고, 이는 모든 지원자가 환영받고 존중받는 환경을 조성하는 데 중점을 둔다는 의미가 된다.
- 〈3장·인재 확보를 지원하는 AI〉 중에서

2022년, 대중 앞에 등장한 생성형 AI는 직원들이 전통적 교육 방식에서 경험할 수 없었던 새로운 차원의 학습을 조직 내에서도 제공할 수 있음을 보여주었다. 그리하여 이미 링크드인, 비바러닝 등 전통적 교육 플랫폼은 물론 업리미트, 사나 랩스 같은 생성형 AI 기반 교육 플랫폼들이 앞다투어 혁신적 경험을 제공하는 추세이다. 예를 들어 영업 전문가는 고급 커뮤니케이션 기법에 중점을 둔 대화형 교육과정을 자신의 업무 이력, 학습 속도, 스타일에 맞춰 제공받게 된다.
- 〈4장·직원 성장을 돕는 AI〉 중에서

피드백 대상과 맥락에 따라 중점적으로 전달하고자 하는 주요 성과와 강점 및 보완점, 면담의 길이, 피드백의 어조 등만 변형이 가능하도록 자신만의 기본적인 프롬프트 포맷을 만들어두면 리더 개인의 맞춤형 스크립트를 얼마든지 손쉽게 확보할 수 있다. 시간 절약과 함께, 챗GPT를 통해 성과 피드백 스크립트를 준비해둠으로써 얻게 되는 또 하나의 장점은 공정성 향상이다. 프롬프트에 성과 및 개선사항과 직접적으로 연관된 정보만 입력함으로써 팀원에 대한 선입견이나 편견, 성과와 무관한 개인적 정보와 맥락이 피드백 내용에 은연중 반영되는 것을 방지할 수 있다.
- 〈5장·성과 창출을 이끄는 AI〉 중에서

생성형 AI는 인사팀이 직원을 대상으로 한 게시글을 쓸 때 그 목적에 잘 부합하면서도 뉘앙스까지 세심하게 고려한 초안을 작성해준다. 물론 이를 그대로 사용하기보다는 인사팀의 담당자가 최종 수정을 해야 하겠지만 생성형 AI는 정확한 내용을 담을 뿐 아니라 요청에 따라 유머까지 가미해 초안을 작성해주기 때문에 매우 유용하다.
- 〈6장·조직 몰입을 촉진하는 AI〉 중에서

직원 및 리더를 대상으로 한 AI 교육은 AI 기술로 인한 변화와 자동화로 일자리가 사라지는 것에 대한 막연한 두려움과 초기 거부감을 줄이고 기술 채택을 촉진하는 데 중요한 역할을 할 것이다. 그런데 이와 관련해 무엇보다 중요한 것은 직원들이야말로 생성형 AI 관련 교육을 필요로 한다는 점이다. 2024년 3월 생성형 AI 도구를 한 달에 한 번 이상 사용한 경험이 있는 미국 근로자를 대상으로 한 조사에서, 응답자의 95%가 일상적 업무에서 생성형 AI 도구를 활용하는 데 자신감을 보였지만, 98%는 여전히 더 많은 교육과 회사 차원의 지원이 필요하다고 응답했다.
- 〈7장·HR의 최우선 과제, 직원교육〉 중에서

최근 많은 기업이 퍼블릭 LLM 서비스의 대안으로 ‘프라이빗 LLM’ 서비스에 주목하고 있다. ‘프라이빗 LLM’이란 기업의 내부 데이터를 활용해 자사의 핵심 비즈니스에 맞춤화된 기업 전용 LLM 모델을 안전한 사내망 또는 물리적으로 분리된 기업 전용 프라이빗 클라우드 안에 구축하는 방식이다. 프라이빗 LLM을 구축하는 방법 중 첫 번째 방법은 온프레미스(On-premises) 프라이빗 LLM을 기업 내부에 구축하는 것이다. […] 이 방식을 쓰면 기업 내부 데이터를 바탕으로 비즈니스와 고객 정보를 학습하여 사용자 니즈에 맞춤화된 다양한 서비스(데이터 분석, 코딩, 디자인 생성 등)를 개발할 수 있다. 기업 내부 데이터를 별도로 학습한 것이기에 질문에 적합한 데이터를 생성해낼 가능성이 더 크고, 당연히 환각 현상도 줄어들게 된다. 만약 학습 데이터에서 답변을 찾지 못할 경우 “적합한 정보를 찾을 수 없다”라고 응답하도록 조정해놓으면 환각 현상을 최소화할 수 있다.
- 〈8장·우리 회사에 가장 맞는 생성형 AI 도입 전략은?〉 중에서

요정 지니를 다시 호리병 안으로 넣을 수는 없다: 구체적 활용 방법을 고민해야 하는 시점 인공지능이 일하는 방식과 프로세스를 바꿔 생산성과 효율을 끌어올릴 것이라는 예상은 꽤 오래된 것이지만, 그동안에는 기술이 그러한 예상을 실현시키지 못했다. 하지만 생성형 AI의 등장 이후, 이전과는 다른 속도로 인공지능 기술이 일상 업무 속으로 깊이 침투하여 확산되고 있다. 전문가들은 알라딘의 요정 지니가 이미 세상 밖으로 나왔고, 지니를 다시 호리병 안으로 넣는 것은 옳은 선택이 아니라고 말한다. 그렇다면 이제는 다가올 미래에 대한 우려와 추측은 접어두고 긍정적 잠재력을 바라보며 지니, 즉 생성형 AI를 어떻게 활용해야 할지 구체적으로 고민해야 하는 시점이다. 새로운 기술은 항상 그런 이들의 손을 들어주었다. 원하는 답을 얻는 방법:　 40여 개의 HR 프롬프트 작성 예시, HR 담당자가 꼭 알아야 할 프롬프트는? 생성형 AI가 만들어낸 결과물의 품질은 사용자의 활용 능력에 따라 확연하게 달라진다. 어떤 사용자든 생성형 AI와 자연어로 대화하며 지시사항을 전달하고 원하는 결과물을 얻을 수 있지만, 생성형 AI에게 잘 지시하는 방법은 따로 있다. 이를 ‘프롬프트 엔지니어링(Prompt Engineering)’이라고 한다. 프롬프트란 생성형 AI에 입력하여 사용자가 원하는 결과물을 출력할 수 있게 만들어주는 자연어 명령어를 의미하고, 프롬프트 엔지니어링은 프롬프트를 효과적으로 구성하는 작업을 말한다. 사용자의 의도와 목적을 더 명확히 파악하도록 풍부한 정보를 제공하고, 사용자가 원하는 산출물의 포맷이 무엇인지, 어떤 내용을 포함해야 하는지 정확하게 표현할수록 생성형 AI가 내놓는 결과물의 질이 좋아진다. 달리 말하면 프롬프트의 구성요소, 즉 역할(Role), 상황(Context), 지시사항(Instruction), 결과 포맷(Output data), 예시(Example) 등을 충실하게 담을수록 좋은 결과를 얻을 수 있다는 뜻이다. 이 책에서는 동일한 지시를 입력할 때 이러한 구성요소를 적용한 경우와 적용하지 않은 경우의 결과를 비교한 프롬프트를 비롯하여 40여 개가 넘는 프롬프트 작성 예시 화면을 실제로 구현하여 원하는 결과물을 얻을 수 있는 프롬프트 작성법과 활용 노하우를 제공한다. AI로 바뀌는 업무 혁신의 현장: 생성형 AI에 과감하게 투자하는 글로벌 기업들과 AI 기반 HR 솔루션 업체들 이 책의 제2부에서는 실제 생성형 AI가 바꿔놓은 업무 현장을 인재 확보, 직원 성장, 성과 창출, 조직 몰입 등 4개 영역으로 나누어 구체적 활용 방법 및 사례를 집중적으로 소개한다. 각 영역의 담당자는 구체적 상황을 상정한 프롬프트 예시를 참고하여 실제 업무에서 바로 활용할 수 있을 것이다. 또한 모건스탠리, 월마트, P&G 등 생성형 AI에 과감하게 투자하며 업무 혁신을 꾀하고 있는 글로벌 기업들의 사례와 텍스티오(Textio), 탤뷰(Talview) 등 AI 기반 HR 솔루션 업체들이 현재 제공하고 있는 서비스를 풍성한 이미지와 함께 서술하여 HR 테크의 최신 현황을 생생하게 체험해볼 수 있다. 이중 ‘조직 몰입을 촉진하는 AI’를 조명한 6장을 통해 생성형 AI를 활용하여 회사생활 만족도를 조사하고 분석하는 방법을 알아보자. 지금까지는 인사팀의 조직문화 담당자가 많은 노력과 시간을 들여 설문 문항을 개발해야 했다. 이렇게 시간과 노력을 들여 문항을 개발했다 해도 그 설문은 세대, 성별, 직급 등에 관계없이 동일하게 적용되므로 다양한 욕구를 가진 직원들의 고충을 세세히 파악하기가 어려웠다. 이제는 AI로 계층별 특성을 고려한 설문 문항을 짧은 시간에 개발할 수 있으며, 직원들의 응답 결과에 따라 추가 설문 문항을 개발할 수도 있다. 설문 문항 만들기는 〈세대별 회사생활 만족도 설문 문항 만들기〉와 〈추가 질문과 세부 답변 만들기〉 프롬프트를 참고하면 된다. 설문을 통해 얻은 결과에 대한 통계 분석도 가능하다. 설문조사를 실행한 후 〈설문조사 결과 분석 요청하기〉, 〈통계 분석과 의미 해석 요청하기〉 프롬프트를 참고하여 생성형 AI에 응답 결과를 엑셀 등 파일로 업로드하고 분석을 요청하면 빈도, 상관 분석, 집단 간 응답 결과 차이, 만족도에 영향을 주는 주요 요인을 확인하는 회귀 분석 등을 종합적으로 실행하고, 조사 결과까지 해석해준다. 인사 담당자들이 구체적인 통계 분석 방법을 모르더라도 생성형 AI를 통해 다양한 통계 분석을 할 수 있게 된 것이다. 더 놀라운 것은 몇 시간 또는 며칠이 걸리던 분석이 이제 단 몇 분이면 가능해졌다는 점이다. 매우 고무적인 변화가 아닐 수 없다. AI와의 작업은 인간과 AI의 협업 예술: 인간의 역할은 끝나지 않는다 생성형 AI를 활용해 업무를 하는 장점 중 하나는 의사결정자의 편견과 사심이 개입될 여지를 최소화할 수 있다는 점이다. 그럼에도 불구하고 생성형 AI가 확인할 수 없는 사항도 있다. 최종의사결정이 인사팀과 리더의 입체적 고려와 책임감 있는 판단으로 이루어져야 하는 이유다. 개인정보 보호와 할루시네이션도 해결해야 할 과제다. 결국 생성형 AI 기술의 위험요소를 줄이며 올바르게 사용함으로써 그 잠재력을 최대한 발휘하려면 조직 차원의 명확한 가이드라인을 수립하는 일이 중요하다. 필요한 기본 교육과 주기적인 기술 업데이트 또한 병행되어야 한다. 생성형 AI와 협업하는 일에도 인간의 통찰력과 전문성 발휘는 여전히 필요하다.