기업이 찾는 인재 개념이 바뀌고 있습니다" (황성현 교수)
Quick Summary
기업이 AI 시대에 지켜야 할 인간 경쟁력은 분석력이 아니라 문제를 새로 정의하고 여러 해법을 통합해 책임 있게 결정하는 능력이다. 그래서 채용·평가·기록·거버넌스까지 전부 그 역량이 드러나도록 다시 설계해야 한다.
영상 보기
클릭 전까지는 가벼운 미리보기만 먼저 불러옵니다.
🖼️ 4컷 인포그래픽

💡 한 줄 결론
기업이 AI 시대에 지켜야 할 인간 경쟁력은 분석력이 아니라 문제를 새로 정의하고 여러 해법을 통합해 책임 있게 결정하는 능력이다. 그래서 채용·평가·기록·거버넌스까지 전부 그 역량이 드러나도록 다시 설계해야 한다.
📌 핵심 요점
- 학벌과 시험형 성취로 대표되던 논리·분석 우위는 AI에 빠르게 잠식되고 있어, 채용 기준은 문제 정의력·창의적 대안 설계·최종 책임 판단력 쪽으로 이동해야 한다.
- 복리후생 처리, 서류 수집, 신고, 온보딩 같은 정답형 HR 업무는 에이전트 대체 속도가 빠르며, 사람에게 남는 가치는 인사 전략과 사람·AI 혼합 조직 운영이다.
- 공정한 피드백은 “성실하다” 같은 인상 비평이 아니라 특정 시점의 행동, 맥락, 영향, 수정 포인트가 남아 있는 기록에서 나온다.
- 기업의 실제 AI 생산성 병목은 실무자 초안 작성보다 관리자 리뷰와 의사결정 단계에 있으므로, 내부 데이터와 업무 맥락이 반영된 버티컬 AI가 더 큰 효과를 낸다.
- 범용 도구를 부서별로 흩어 도입하면 중복 투자와 보안 리스크만 커질 수 있어, 중앙 컨트롤타워 아래 데이터·권한·개발 기준을 묶는 AI 거버넌스가 필요하다.
🧠 상세 요약
1) 배경과 문제 정의
이 대담의 출발점은 단순한 “AI 도구를 어떻게 쓰나”가 아니다. AI가 사람의 역할, 평가의 기준, 기록의 형태, 조직의 권한 구조를 동시에 바꾸는 상황에서 기업이 무엇을 인간의 핵심 가치로 남길지 다시 정의해야 한다는 문제의식이 깔려 있다.
2) 섹션별 상세 정리
1. 문제를 푸는 능력보다 문제를 고르는 능력이 중요해진다 [00:00]
- 미국에서 컴퓨터공학·데이터사이언스보다 리버럴아츠·인문학 선호가 커진 사례를 통해, AI가 아직 대체하지 못한 영역이 “무엇을 만들 것인가”와 “어떤 문제를 풀 것인가”라는 질문 생성 영역임을 짚는다.
- 기업의 본질이 문제 해결의 연속이라면, 앞으로의 경쟁력은 정답 계산보다 문제 발굴과 정의에 더 크게 달린다는 관점이 제시된다.
2. 평가 주체를 HR로 오해하게 만드는 언어부터 바꿔야 한다 [01:09]
- “인사평가”라는 표현은 HR팀이 사람을 직접 재단하는 듯한 오해를 만들지만, 실제 판단 주체는 해당 업무를 가장 가까이에서 본 현업 관리자여야 한다고 본다.
- HR이 제도와 관점을 제공할 수는 있어도 현업 맥락이 없는 상태에서 최종 판단자로 개입하면 바이어스가 더 커질 수 있다는 점을 강조한다.
3. 피드백과 평가는 다르고, 근거 없는 묘사는 둘 다 망친다 [02:47]
- 점수·석차처럼 결과를 매기는 것은 평가이고, 행동을 바꿀 수 있게 돕는 정보는 피드백인데, 현실에서는 둘이 뒤섞여 있다고 지적한다.
- “산만하다”, “교우 관계가 좋다” 같은 표현은 듣기엔 피드백 같지만 언제 어떤 행동이 문제였는지 빠져 있어 실제 개선에 쓸 수 없는 근거 없는 평가에 가깝다.
4. 형용사 중심 평가를 버리고 행동 중심 기록으로 가야 한다 [03:54]
- 오랜 HR 실무 경험상 평가 문서에는 형용사가 과도하게 많았고, 이런 표현은 사람을 흐릿한 인상으로 고정할 뿐 수정 가능한 행동 정보를 주지 못한다고 말한다.
- 좋은 피드백은 “게으르다”가 아니라 “배트 각도를 60도에서 45도로 낮춰야 한다”처럼 구체적 행동과 조정 포인트를 제시해야 하며, 이런 구조화는 AI가 더 잘할 수 있다.
- 단, AI가 잘 작동하려면 사건 시점과 행동 근거가 남아 있어야 하므로 기록 체계가 먼저 바뀌어야 한다.
5. AI 시대의 기록은 폴더 분산형이 아니라 맥락 축적형으로 바뀐다 [06:27]
- 워드·엑셀·PPT와 깊은 폴더 구조는 인간의 기억과 분류를 돕기 위해 만들어진 체계이지만, AI가 맥락을 읽고 연결하기에는 비효율적이라고 본다.
- 파일을 잘게 쪼개는 대신 마크다운·PDF·태그 중심으로 재구성하고, AI가 한 번에 읽을 수 있는 형태로 정보를 모으는 쪽이 더 유리하다는 주장이다.