.png)
HRIS 팀이 1,000시간을 아꼈지만, 사용한 건 생성형 AI가 아니었어요. 흩어진 업무를 기록하고 반복 작업부터 자동화했을 뿐입니다. 이 사례가 알려주는 건 단순해요. AI 도구를 고르기 전에 어떤 일이 왜 반복되는지부터 보여야 합니다.
1,000시간의 진짜 의미는 ‘AI ROI’가 아닙니다
먼저 숫자를 정확히 읽어야 해요. HRBench의 팟캐스트에서 HRIS 리더 Dani DeMaio는 이전 직장에서 수작업을 자동화하고 절약된 시간을 추적한 결과, 성과평가 시점에 리더십에게 “HRIS 팀이 생산성 1,000시간을 절약했다”고 보고할 수 있었다고 설명합니다. 다만 회사 규모, 측정 기간, 자동화 목록과 계산식은 공개되지 않았어요. 따라서 1,000시간은 일반화할 벤치마크가 아니라 한 실무자의 자체 집계 사례로 보는 게 맞습니다.
1,000시간을 그대로 ROI로 쓰면 안 돼요
절약 시간은 곧바로 현금 절감액이 아닙니다. 남은 시간이 다른 업무에 실제로 재배치됐는지, 자동화 유지보수와 예외 처리에는 몇 시간이 들었는지까지 확인해야 해요. 이 사례의 중요한 부분은 숫자의 크기가 아니라 자동화 전후 시간을 기록했다는 점입니다.
출발점은 “어떤 AI를 살까?”가 아니었어요. 팀원들이 수행하는 업무, 투입 인원, 걸리는 시간을 세밀하게 문서화한 뒤 가장 큰 시간 낭비부터 찾았습니다. 한 사람이 자주 불평한다는 이유만으로 기술을 붙이지 않고, 여러 사람에게 반복적으로 발생하는 작업인지 확인했죠.
이 접근은 HR 시스템의 구조와도 맞습니다. Workday는 비즈니스 프로세스를 목표 달성을 위해 사람들이 시작하고 처리하고 완료하는 작업의 집합으로 정의해요. 각 단계에는 담당 역할, 보안 규칙, 조건, 완료 기준이 붙습니다. 즉 자동화할 대상은 막연한 ‘채용 업무’가 아니라 입력 → 검증 → 승인 → 알림 → 완료로 이어지는 구체적인 흐름이에요.
업무 흐름이 기억이나 구두 설명에만 남아 있다면 AI도 안정적으로 일하기 어렵습니다. Microsoft가 설명하는 프로세스 마이닝도 시스템 기록의 이벤트 데이터를 이용해 실제 경로를 시각화하고, 병목·재작업·자동화 기회·KPI를 찾는 방식이에요. 담당자가 생각하는 프로세스와 실제 실행 경로가 다를 수 있기 때문에 먼저 관찰 가능한 기록을 만드는 겁니다.
자동화와 AI는 해결하는 문제가 다릅니다
정답이 규칙으로 고정되는 일에는 일반 자동화가 먼저예요. 반대로 입력 형식이 계속 달라지거나 텍스트의 의미를 해석해야 하는 구간에서 AI를 검토할 수 있습니다. 두 기술을 구분하지 않으면 값비싼 AI로 간단한 조건문을 처리하거나, 오류 허용도가 낮은 결정을 확률적인 모델에 넘기게 돼요.
| 판단 질문 | 규칙 기반 자동화가 맞는 일 | AI를 검토할 수 있는 일 |
|---|---|---|
| 입력이 일정한가? | 정해진 필드와 코드로 들어옴 | 메일·문서·자유서술처럼 형식이 다양함 |
| 정답을 규칙으로 쓸 수 있는가? | 근무지에 따른 승인 경로, 마감 알림 | 문의 의도 분류, 문서 요약, 초안 작성 |
| 오류를 즉시 찾을 수 있는가? | 필수값·형식·중복 여부를 검증 가능 | 맥락에 따라 품질 판단이 달라짐 |
| 실패 시 영향은? | 재실행하거나 담당자에게 예외 전달 | 채용·평가처럼 사람에게 큰 영향을 주면 강한 검토 장치 필요 |
예를 들어 신규 입사자 정보가 승인되면 IT 티켓을 만들고, 장비 담당자에게 알림을 보내고, 완료 상태를 기록하는 흐름은 조건과 담당자가 명확합니다. Workday의 프로세스도 담당 역할로 작업을 전달하고 보안 및 비즈니스 규칙을 적용하며, 조건에 따라 단계를 실행하도록 설계할 수 있어요. IBM 역시 HR 자동화를 HRIS·급여·복리후생·지원자 추적 시스템과 연결해 데이터 흐름을 동기화하는 작업으로 설명합니다.
반면 직원 문의를 주제별로 분류하거나 정책 문서의 초안을 만드는 일은 표현이 매번 달라 AI가 유용할 수 있어요. 그래도 AI가 최종 결정을 내려야 한다는 뜻은 아닙니다. NIST AI 위험관리 프레임워크는 AI가 지원할 구체적인 작업, 모델의 한계, 사람이 결과를 감독하는 방식, 기대 편익과 오류 비용을 문서화하도록 권고합니다.
특히 채용처럼 사람의 기회에 직접 영향을 주는 업무는 더 조심해야 해요. 영국 정부의 책임 있는 채용 AI 지침은 편향, 디지털 배제, 차별적 광고 같은 위험을 지적하며 영향평가와 데이터 보호 검토, 투명성, 이의제기 수단을 다루라고 안내합니다. 법적 요구사항은 국가마다 다르지만, AI 추천을 사람이 승인한다는 문장 하나만으로 책임 있는 운영이 완성되지는 않는다는 판단 기준은 실무에도 유효합니다.
절약 시간만 세면 실패를 늦게 발견합니다
성과표에는 속도와 함께 품질·예외·사람의 경험을 넣어야 해요. 자동화가 평균 처리시간을 줄여도 잘못된 라우팅이나 누락된 권한 회수가 늘어난다면 개선이라고 보기 어렵습니다.
특히 ‘절약 시간’은 기준선을 고정해야 비교할 수 있어요. 자동화 전 2주 동안 업무별 건수와 실제 처리시간을 기록하고, 적용 후에도 같은 정의로 측정하세요. 절약 시간 = 처리 건수 × 건당 시간 감소분 − 예외 처리와 유지보수 시간처럼 계산식을 미리 공개하면 성과평가 때 숫자를 부풀릴 여지가 줄어듭니다.
AI 단계에서는 모델 사용료와 검수 시간도 비용에 포함해야 합니다. CIPD가 2026년 1~2월 1,342명의 HR·경영 리더를 조사한 결과, AI 도입 역량에 자신이 있는 조직일수록 성과 개선을 더 많이 보고했지만 이는 인과관계가 아니라 자기보고 자료의 연관성입니다. 조사에서 드러난 더 실용적인 메시지는 도구 접근만으로는 부족하고, 업무 재설계와 직원 참여 같은 기존 역량을 실제 변화에 적용해야 한다는 점이에요.
이번 주에 시작하는 3단계 실행법
- 1단계: 한 업무의 실제 경로를 2주간 기록하세요
온보딩, 인사변경, 휴직, 퇴사 중 처리량이 많은 업무 하나만 고릅니다. 스프레드시트에 시작 시각, 완료 시각, 담당자, 입력 시스템, 승인 대기, 재작업 사유, 예외 여부를 남기세요. Workday를 쓴다면 Business Process Definitions 보고서와 View Diagram에서 현재 단계와 역할을 확인할 수 있습니다. Microsoft 환경이라면 Power Automate의 Process mining > Processes에서 이벤트 로그 기반 흐름을 검토할 수 있어요. - 2단계: 규칙으로 표현되는 구간 하나를 자동화하세요
“조건 A이면 담당자 B에게 전달한다”처럼 한 문장으로 테스트할 수 있는 단계를 고릅니다. 예를 들면 필수값 검증, 승인 라우팅, 마감 알림, 티켓 생성입니다. 운영에 넣기 전 정상·누락·중복·취소·담당자 부재 사례를 테스트하고, 실패하면 어느 사람의 대기열로 돌아갈지도 지정하세요. - 3단계: 자동화로 해결되지 않는 변동 구간만 AI로 실험하세요
직원 문의 분류나 정책 초안처럼 입력이 다양하지만 결과를 사람이 검토할 수 있는 작업부터 시작합니다. 사용 데이터, 금지 데이터, 검토자, 승인 기준, 로그 보관 기간, 중단 조건을 한 장에 적으세요. 채용·평가·보상 결정은 영향평가와 이의제기 절차 없이 자동 실행하지 않는 편이 안전합니다. - 4단계: 30일 뒤 확대·수정·중단을 결정하세요
기준선과 비교해 처리시간, 오류율, 예외율, 수동 개입시간을 확인합니다. 속도는 빨라졌지만 오류나 검수 부담이 늘었다면 범위를 줄이세요. 효과가 확인된 경우에도 다음 업무를 한꺼번에 연결하지 말고, 동일한 측정표로 한 단계씩 확장합니다.
직원에게는 ‘일자리를 없애는 문서화’가 아니라고 먼저 설명하세요
씨앗 사례에서도 업무 기록 요청을 받은 팀원이 기술로 자신의 일자리를 없애려는 것인지 물었습니다. 기록의 목적, 자동화 후보를 정하는 기준, 바뀐 시간을 어디에 쓸지 먼저 공유하고 실제 수행자를 설계와 검수에 참여시키세요.
