"채용 전 퇴사 시점 예측"··· AI 활용한 새 고용 풍속도

채용 예정자가 출근하기 전에 그가 언제 퇴사할지 알 수 있다면 어떨까? 신입 사원이 퇴사할 시점을 분 단위로 예측하는 시스템이 개발해 현재 스타트업 2곳이 판매하고 있다. 고용주가 유망한 직원이 1년 이상 근무할지를 예측하는데 도움이 되는 패턴 매칭(Pattern Matching)이다. 이 기술이 효과가 있다면 기업은 수 십억 달러를 절감할 수 있을 것이다. 하지만 그만한 가치가 있을까?



우선, 구직자에게 12개의 온라인 게임을 제공하는 데이터 공학 스타트업 '파이메트릭스(Pymetrics)'가 있다.
CEO 겸 공동 설립자 프리다 폴리는 "이것들은 단순한 게임이 아니다. 전 세계적인 인지 신경과학 커뮤니티가 다양한 인지 및 감성 특성을 살펴보기 위해 개발한 것이다"라고 말했다.

파이메트릭스의 주요 고객은 액센추어(Accenture)와 유니레버(Unilever)다. 이 업체에 지원하는 사람들은 솔리테어(Solitaire)를 온라인으로 진행하고 가상의 링을 쌓으며 지원자의 두뇌 속 작용을 해독하기 위해 개발된 다른 연습에 참여한다. 이를 통해 이타적인 사람일까, 집중이 되지 않는 상황에서 일하는 속도가 더 빠를까? 아니면 느릴까, 등 90개 이상의 인지, 감성, 사회적 특성을 측정한다.

테스트를 통해 후보자의 '정신'을 측정하고 나면 파이메트릭스의 인지 모델링이 나설 차례다. 폴리는 "모든 고객의 상위 성과자가 게임을 진행하고 우리는 이를 통해 해당 기업의 해당 역할에서 좋은 성과를 내기 위해 중요한 특성이 무엇인지 모델을 만든다"라고 말했다. 그리고 데이터 공학을 이용해 성공한 직원의 데이터 세트에 대해 입사 후보자의 결과와 패턴을 비교한다. 파이메트릭스는 시험 참가자가 1년 이상 근무할 가능성에 기초해 백분율 기반의 일치도를 제공한다.

폴리에 따르면 각 판단 지표는 고객이 결정한다. 그러나 영업직의 경우 목표를 달성한 분기 수 등 정량화가 가능한 지표를 사용하도록 조언한다. 1-100% 범위의 일치도를 높음(Strong), 중간(Medium), 낮음(Low)으로 분류하는데, 중간 또는 낮음 일치도는 지원자가 잘 어울리지 않으며 퇴사할 것임을 의미한다.

AI 유지 예측: 정확도의 문제
하지만 인력 조사기업 워크 인스티튜트(Work Institute)의 대표 대니 넬름스는 이런 예측에 문제를 제기한다. 내부의 기업 지향적인 요소 때문에 직원이 퇴사하는 경우가 매출 같은 지표보다 훨씬 더 많다는 것이다.

그는 "기준 이하의 임금 등 일부는 기업이 일정 부분 통제할 수 있지만 훌륭한 직원이 저질 상사와 짝을 이루게 되면서 퇴사하는 경우도 있다. 예를 들어 40명의 관리자가 있는 직장이라면 40명이 각각 관리 방식이 조금씩 다르다. AI가 이 사람이 정확히 어떤 관리 방식을 원하는지 구체적으로 파악할 수 있고 그 사람이 그런 방식으로 관리를 받을까?"라고 반문했다.

그래서 파이메트릭스는 각 팀 레벨에서 일치도를 평가하지 않으며 같은 직위의 일자리가 기업마다 큰 차이를 보일 수 있음을 고려한다. 예를 들어 영업이라면 일부 기업은 공격적인 '사냥꾼'이 필요하지만, 다른 기업은 '관계 구축자'가 필요할 수 있다.

폴리는 "50년 전에는 기업의 일자리가 지금보다 더 비슷했을 것이다. 세상이 상대적으로 덜 복잡했다. 하지만 지금은 직원에 주어진 역할 자체가 가변성이 너무 크기 때문에 단순히 '이런 것들만 살펴보면 끝이다'라고 말하기가 어렵다"라고 말했다.

실제로 필자도 한번 파이메트릭스의 테스트를 해 봤다. "고위험에 대한 위험 선호", "저위험에 대한 위험 선호", "계획 속도" 등에서 높은 점수를 받았다. 그러나 이런 특성이 기업가에게는 부정적인 것이며, 1년 이상 근무할 가능성은 6%에 불과했다. 필자는 2번이나 기술 기업을 설립했고 처음에 설립한 기업은 9년 동안 운영하면서 매출이 몇 배나 뛰었다. 그리고 기술 설립자로서 말하자면 이런 소위 말하는 부정적인 특성이 필자의 업무에는 도움이 됐다.

정확도 측면에서 보면 AI를 활용하는 것은 주목할 필요가 없을 수도 있다. 그러나 워크 인스티튜에 따르면, 미국에서만 잦은 직원 퇴사로 인한 비용이 연간 5,360억 달러이고, 직원 중 34%가 첫 해에 퇴직하는 것으로 나타났다. 넬름스는 "직원 1인당 기본급의 약 33%에 해당하는 비용이다. 채용 및 교육 비용에 공석으로 인한 생산성 문제까지 존재한다"라고 말했다.


추천인의 예측력
파이메트릭스가 지원자에게 제공하는 12개의 인지 시험 중 실제 직무 재능을 측정하는 시험은 없었다. 그래서 성과 관련 패턴 매칭의 경우 추천인이 제공하는 피드백을 분석하는 스타트업 '스킬서베이(SkillSurvey)'가 있다.

이 업체의 사장 겸 CEO 레이 빅슬러에 따르면, 이 피드백은 2가지 형태로 나타난다. 우선, 추천인에 따라 30개의 직장 행동을 1~7점으로 채점한다. 또한 일명 '버바텀(Verbatim)'을 수집한다. 3개의 강점 영역과 3개의 개발 영역 등 추천인이 추가 설명할 수 있는 자유 영역을 의미한다. 스킬서베이는 행동 점수와 버바텀을 결합해 분석한 후 유사한 업무에 지원한 사람과 비교해 이를 통해 새로 입사하는 사람의 퇴사 가능성을 산출한다.

빅슬러는 "비용을 예측하기 위해 살펴봐야 할 가장 중요한 데이터 세트는 추천인 응답 점수이다. 결과적으로 데이터는 지속적으로 지원자가 채용 비용을 줄이는 데 얼마나 일조하는지 채점하고 1년 후의 성과를 예측한다"라고 말했다. 스킬서베이의 고객이 원하는 평균은 35%의 채용 비용 절감이다.

하지만 이런 성과를 내려면 좋은 패턴을 사용해야 한다. 도큐사인(DocuSign)의 채용 책임자 수잔 로스에 따르면, 업체는 도큐사인을 도입해 결과가 좋지 못한 11명을 채용하지 않기로 했다. 이를 통해 발생 가능성이 있었던 비용을 100만 달러 이상 절감했다. 폴리도 파이메트릭스 도입 후 1년 동안 14~60% 개선됐다고 말했다. 그는 "판매 증가 등 개선된 직무 성과 지표와의 상관관계 또는 관련성을 확인했다"라고 말했다.

역경을 이겨내는 데 익숙한 지원자에게는 이러한 패턴 매칭이 불리할 수 있다. 그리고 통계적인 가능성을 초월할 수 있는 사람을 고용하지 않으면 고용주는 그들을 통해 얻을 수 있는 통찰을 잃게 된다. 하지만 그렇다고 해서 채용 비용이 낮아지거나 그 관리 필요성이 줄어드는 것은 아니다. 진정한 해결책은 각 채용자가 기술 예측을 활용하는 방법에 달렸다. 빅슬러는 "우리는 판단하지 않는다. 데이터만 공유할 뿐이다"라고 말했다. ciokr@idg.co.kr