임금이란 미지의 영역에 AI 기술로 도전

AI로 분석한 보상 중심 직무 지도

합리적 보상 수준 결정은 인재 확보·유지를 위한 기본 조건이다. 특히 외부 시장과 비교하여 자사의 임금 전략을 설정하는 것이 합리적이다. 그러나 세계 GDP에서 임금(노동소득)이 차지하는 비중이 50% 전후이지만, 누구도 실시간 시장가격을 알 수 없는 미지의 시장이기도 하다. HR 플랫폼 플렉스는 다양한 산업군과 조직 규모를 아우르는 빅데이터와 AI 분석 기술로 임금 시장 정보의 탐험에 나섰다.

플렉스는 채용부터 퇴직까지 구성원 생애주기(HR Full-cycle)에 걸친 전 영역의 프로세스를 수행하는 HR 플랫폼이자 AI HR SaaS 기업이다. 플렉스는 AI 기술로 단순한 비용 지출로 여겼던 ‘임금’을 기업의 인재 전략과 투자의 우선순위를 보여주는 전략적 ‘언어’로 재해석했다.

AI 기술을 활용해 임금 수준, 직급별 페이밴드, 직무별 임금 비중 등을 포함한 임금 현황을 진단한다. 그리고 시장 임금과 비교하여 고객사의 임금정책 방향과 직무별 임금 경쟁력을 분석해 제시하고, 당해년도 연봉 조정 가이드를 제안하는 종합적 임금 분석 커스텀 리포트를 생성한다. 리포트에는 표준 직무·직급 체계에 따른 직무별·직급별 시장 임금 정보를 포함해 기업의 의사결정을 지원한다. 다음은 장해남 플렉스 대표와 나눈 임금 정보 AI 분석에 대한 일문일답.

플렉스는 HR 플랫폼으로서 조직·구성원별 인사 데이터를 어떻게 표준화하고 DB화하는가.

데이터는 AI의 쌀이다. 아무리 훌륭한 AI 모델도 양질의 데이터 없이는 잠재력을 발휘할 수 없다. 플렉스는 ‘올인원’HR 플랫폼으로서 채용부터 퇴직까지 모든 인사 데이터를 SSoT(Single Source of Truth) 기반의 통합 플랫폼 내에 유기적·체계적·표준화된 형태로 축적해왔다. 이 방대한 데이터를 플렉스 AI 아키텍처 내의 안전한 LLM(대규모 언어 모델)을 활용해 각종 인사이트를 도출, 데이터 기반의 합리적 의사결정을 돕는다. 플렉스의 데이터 표준화는 단순한 DB 구축이 아니다. AI가 HR 데이터에 숨겨진 맥락과 구조를 이해하고 해석하여 인사이트 도출의 기반을 마련하는 핵심 과정이다.

특히 기업마다 비정형적인 직무명, 직급, 직책 등의 체계 표준화에 AI, LLM 기반 자연어 처리(NLP) 기술을 적극 활용했다. 이를 통해 플렉스만의 3수준 ‘표준 직무’와 5수준 ‘표준 직급’ 체계를 마련해 유저 데이터의 생성·변경 발생 시 해당 체계 내에 분류, 매핑한다.

방대한 HR 데이터를 어떻게 분석하고, 발굴한 통찰력과 실질적 효용을 기업에 어떻게 제공하는가.

플렉스 HR 플랫폼은 채용, 계약, 근태, 성과, 평가, 급여 등 HR 업무의 생산성을 높이는 자동화 도구에 그치지 않고, ‘데이터 기반의 합리적 의사결정’을 돕는 ‘문제해결 서비스’를 목표로 설계됐다. 플랫폼 모듈에 ‘인사이트’ 기능을 더해 조직, 직무, 직책, 직위, 성별 등 다양한 기준에 따라 각 데이터를 비교·분석할 수 있다. 경영진 혹은 HR 담당자가 조직의 성장 과정을 데이터 기반으로 편향 없이 합리적·객관적으로 인식하고, 부족한 부분을 보완할 수 있도록 한다.

기존 설문 기반 HR 분석과 비교했을 때 플렉스의 데이터 기반 분석 결과에 대해 기업들의 반응은 어떠한가.

외부 HR 시장 대비 자사의 임금 제도 및 경쟁력 분석이 필요하나, 근거 데이터 확보가 어려우니 감이나 편향된정보에 의존하기 십상이다. 대표적인 참고 정보가 각종 설문조사 기반의 리포트와 언론 보도인데, 설문은 주관적 판단이 개입될 여지가 있기에 정확도와 신뢰성에 한계가 있다.

시장 데이터와 AI 분석 기술 기반의 ‘임금분석 리포트’는 시장 임금과 비교해 고객사의 임금정책 방향 및 직무별 임금 경쟁력을 분석해 제시하고, 당해년도 연봉 조정 가이드를 제안한다. 기업들은 잡레벨에 따른 페이밴드 설계·개편, 신규 채용 시 잡레벨 평가·처우 협상, 기존 구성원의 연봉 조정 등 제도 마련부터 협상에 이르기까지 근거로써 데이터 기반 분석 리포트를 유의미하게 활용하고 있다.

특히 최근 대외적으로 공개한 구성원 리텐션(인사에서 우수한 인재가 조직을 떠나지 않고 오랫동안 머물도록 유지하는 정책과 전략) 요인 리포트는 각종 대기업과 정부 부처 등 규모·업종·업태를 막론하고 수요가 많았다. 그만큼 HR이 ‘데이터’가 아닌 ‘감’에 의존해 의사 결정할 수밖에 없었던 영역임을 방증한다고 본다. 이 분석은 특정 조건에 부합하는 약 300만 건의 실제 HR 데이터를 머신러닝으로 학습해 자체 개발한 AI 기반 ‘리텐션 예측 모델’로 분석한 결과 리포트다. ‘리텐션 예측 모델’은 퇴사 여부에 영향을 미치는 주요 요인을 식별하고, 각 요인의 리텐션 영향도를 파악했다.

AI 시대 직군별·직무별 주요 트렌드를 무엇으로 보고 있으며, 보상 격차가 앞으로 어떤 방향으로 변화할 것으로 예상하는가.

AI는 업무 방식뿐 아니라, 조직 내 직무 설정 방식 자체를 바꾸고 있다. 특히 조직과 직군마다 AI를 받아들이는 방식과 속도가 다르기에 변화는 더욱 복합적으로 나타날 것이다. 혁신 속도가 워낙 빠르기에 종합적 트렌드보다는 각 기업의 산업군과 세부 업종에 따라 마이크로한 관점에서 적시성 있게 트렌드를 살펴야 한다. 그럼에도 현시점에서 주목할 만한 지점을 압축하면 다음과 같다.

첫째, 단순 반복성 업무의 자동화를 넘어 대다수 직무를 재구성할 정도로 AI의 영향력이 가시화되고 있다. 화이트칼라 전반이 변화의 중심에 들어왔다고 봐야 한다. 특정 직무의 존폐를 예측하는 시대는 이미 저물었다. 이제는 모든 직무가 에이전트 단위로 분화·재조립되는 과정에 있다고 본다.

둘째, 직무 간 AI 리터러시 격차 해소다. 예컨대 전략·기획·마케팅 등 일부 직군은 AI와 협업하는 구조를 빠르게 수용할 수 있는 환경인 반면, 생산직·관리직 등은 접근성과 학습 환경의 제약으로 진입장벽이 존재한다. 이 같은 격차는 생산성과 성과의 격차로 이어질 수 있지만, 개인 차원에 앞서 구조적 문제이기에 조직 주도의 AI 리터러시 설계와 환경 개선이 급선무다.

셋째, 사람 고유 역량에 대한 재발견이다. AI의 성능이 진화할수록 공감, 설득, 판단 등 사람 고유의 감각의 중요성이 더욱 높아진다. 영업 직군을 예로 들면 정보 제공형 세일즈는 AI 챗봇으로 대체 가능하지만, 복잡한 이해관계 속에서 신뢰를 구축하고 관계를 설계하는 B2B 세일즈에서는 오히려 사람의 역할이 더 중요해진다. 조직 내부의 커뮤니케이션, 리더십, 협업 역량 역시 장차 더 높은 가치로 인식될 수 있다.

한편, 보상 격차는 ‘기술을 얼마나 잘 다루느냐’를 넘어 ‘AI로 어떤 문제를 해결하고 어떤 임팩트를 창출하느냐’가 기준이 되리라 본다. AI 발전과 함께 고유 기술 자체의 희소성은 희석되고 동시에 AI를 통해 실질적 성과로 전환하는 실행 능력이 보상 구조를 결정짓는 주요 요인이 될 것이다.

정부는 ‘임금분포제’를 실시해 임금 정보의 투명성을 높이겠다는 구상이다. 이에 따라 투명한 임금 테이블 정보의 중요도가 높아질 텐데, 플렉스의 이번 분석 결과가 산업계에 어떤 의미를 제공할 수 있을 것으로 보는가.

‘임금분포제’뿐만 아니라 ‘고용평등임금공시제’, ‘실근무시간 측정/기록 강화’ 등 새 정부의 노동정책 방향은 데이터 기반의 투명성 강화를 골자로 한다. 기업 입장 에서는 임금과 노동시간 등 HR 데이터의 체계적·과학적·지속적인 축적이 필연적인 방향이 되리라 본다.

일부 보도에 따르면 고용노동부는 임금분포제를 위해 대규모 실태조사를 준비한다고 한다. 일종의 공공 빅데이터를 마련할 구상으로 보인다. 다만 알려진 실태 조사 방식은 비용·노동력 측면에서 행정 부담이 크고, 기업이 임의로 제출하는 정보를 수집하는 방식이기에 데이터의 신뢰수준을 보장하기 어렵다는 한계가 있다.

한편 직무와 직급에 대한 표준화된 체계가 정립되지 않은 상태이기에 플렉스가 선제적으로 마련한 LLM(Large Language Model, 대규모 언어 모델) 기반 표준 직무·표준 직급 체계에 더 큰 의의가 있을 것이라 생각한다. 표준 직무·표준 직급을 바탕으로 임금 분포 현황을 분석한 이번 리포트는 산업계가 임금분포제에 대비하도록 디딤돌 역할을 할 수 있길 기대한다.

비단 제도적 대비뿐 아니라 인재 확보·유지에 필요한 보상 수준을 제공하고 있는지, 동일 직무나 직급 내 보상 격차가 납득 가능한 수준인지 등 각 기업의 보상 체계 점검 및 합리적 개편에 유의미하게 쓰이길 바란다.

플렉스가 AI를 활용해 분석하는 인사이트 리포트가 앞으로 HR의 어떤 영역까지 확대 적용될 수 있는가.

기존의 ‘인사이트’ 서비스를 LLM 및 XAI(eXplainable AI, 설명 가능한 AI)와 결합해 더 깊이 있는 통찰·예측, 예측의 근거를 리포트로 제공하는 ‘플렉스 AI 인사이트 리포트’로 업그레이드 중이다. 이를 통해 각 기업에 최적화된 인사정책을 수립함은 물론 실행을 자동화한다. 결과적으로 경영진과 HR 담당자는 비즈니스와 조직 성장에 핵심이 되는 고부가가치의 고민과 의사결정에만 몰입할 수 있게 된다.

플렉스는 이를 ‘HR 영역에 국한할 필요가 있는가’라는 근본적 성찰과 함께 다음 스텝을 준비하고 있다. ‘조직과 구성원 데이터 기반의 AI SaaS’의 역할은 무궁무진하다. 이미 조직과 구성원의 모든 디지털 발자국을 AI와 결합하고 있다. 각종 문서 작성 도구, 협업 도구, 캘린더 등과의 연동은 물론, 비정형적인 커뮤니케이션 데이터를 AI가 유기적으로 연결하고 분석하는 것을 포함한다.

‘어떤 팀의 협업 시너지가 가장 뛰어난가’, ‘지식 허브 역할을 하는 숨은 리더는 누구인가’ 등 정형화된 HR 데이터만으로는 답을 내릴 수 없던 질문에 대한 실마리를 AI가 제시하도록 할 것이다.

플렉스의 ‘비용 관리’ 및 HR-파이낸스 연계 서비스 출시 이후, 앞으로 플렉스가 데이터 기반 HR 혁신을 주도할 주요 사업 영역과 계획을 이야기해달라.

기업과 구성원이 상호 신뢰 관계에 있을 때 비즈니스도, 조직도 성장한다고 나는 믿는다. 따라서 플렉스의 AI HR SaaS 역시 데이터를 기반으로 투명한 상호 신뢰 환경을 조성하는 철학을 담고 있다. AI가 기업의 업무방식을 혁신해도 ‘사람’과 ‘돈’의 본질적 가치는 변함 없을 것이다. 플렉스가 ‘HR’에 이어 ‘재무’에 주목한 까닭이다. 재무 데이터 없이는 인력 계획, 보상 체계, 조직 구성 등 HR의 핵심 기능을 온전히 수행하기 어렵고, 반대로 HR 데이터 없이는 재무 계획과 예측의 정확도가 현저히 떨어진다. 비즈니스 성장을 위해선 두 영역의 데이터와 업무 프로세스의 유기적 결합이 필수다.

그간 플렉스는 ‘데이터’라는 재료를 모았고, 이제 ‘AI’라는 가장 강력한 도구를 손에 쥐었다. 따라서 앞으로는 HR이나 재무와 같은 특정 도메인의 벽을 허물고 조직과 구성원 데이터 기반의 AI SaaS를 개척할 것이다.

이진원 기자 lee.zinone@joongang.co.kr

출처: 포브스 코리아 '25년 9월호