개발자 출신 인사팀장이 일하는 법 (남동득 번개장터 피플실장)

🎯 목적 중심 사고: 기술보다 “왜”와 “무엇”

AI 활용과 업무 방식의 출발점은 기술이 아니라 목적 정의입니다. 어떤 도구를 쓸지보다 “왜 이 일을 하는지”, “무엇을 만들고 싶은지”가 먼저 명확해야 하며, 목적 없이 기능만 좇으면 결과물이 기대에 미치지 못하는 경우가 많습니다. 데이터 분석에서도 파이썬이나 R 같은 도구 선택보다 어떤 데이터를 어떤 방식으로 분석할지가 선행되어야 하며, 기술은 그 목적을 실현하기 위한 수단으로 선택되어야 한다는 점이 강조됩니다.

🤖 AI 협업 방식: 반복과 피드백의 파트너십

AI는 단순한 결과 생성기가 아니라 사고를 확장하는 협업 파트너로 작동합니다. 한 번의 질문으로 완성된 답을 얻기보다, 질문–응답–평가–수정의 반복적 이터레이션을 통해 결과를 개선하는 과정이 핵심입니다. 초기 결과는 약 80% 수준으로 보고, 구체적인 피드백을 통해 부분 수정과 재요청을 반복해야 원하는 결과에 도달할 수 있으며, 이 과정 자체가 AI 활용 역량의 본질로 제시됩니다.

🧠 효과적인 프롬프트 구조: TCLEI 프레임워크

업무에 적합한 AI 활용을 위해서는 ‘TCLEI(Task, Context, Reference, Evaluate, Iterate)’ 구조가 중요합니다. 수행할 작업과 목적을 명확히 정의하고, 충분한 맥락과 원하는 결과물의 형태를 구체적으로 제시한 뒤, 결과를 평가하고 반복 개선하는 방식입니다. 특히 평가 기준은 사전에 설정된 기대 결과 이미지에 기반하며, 필요 시 AI에게 질문을 요청해 요구사항 자체를 구체화하는 방식도 활용됩니다.

⚙️ 자동화 전략: 효율보다 예측 가능성

자동화의 핵심 목적은 단순한 편의성이 아니라 업무의 일관성과 예측 가능성 확보입니다. 반복적이고 패턴화된 업무를 자동화하면 담당자가 바뀌어도 동일한 결과를 유지할 수 있으며, 휴먼 에러를 줄이고 조직 신뢰도를 높일 수 있습니다. 특히 스타트업 환경에서 정의되지 않은 업무를 체계화하기 위해 자동화를 도입하며, 이를 통해 인간은 더 중요한 업무에 집중할 수 있는 시간을 확보하게 됩니다.

🔄 자동화 사례: 데이터 기반 업무 흐름 설계

구글 시트, 슬랙, 사내 위키 등 기존 도구를 연결해 다양한 자동화가 구현됩니다. 예를 들어 입사·퇴사·생일 등의 이벤트를 날짜 기반으로 감지해 자동 알림을 보내거나, 특정 데이터에 따라 담당자에게 정보를 전달하는 구조가 구축됩니다. 또한 사내 위키와 AI를 연동해 질문에 대한 정보를 자동으로 검색·요약해 제공하는 시스템도 활용되며, 이러한 자동화는 별도의 로그인 없이 기존 계정 기반으로 운영되어 효율성과 보안성을 동시에 확보합니다.

👥 인간의 역할 재정의: 반복에서 가치 창출로

반복 업무는 기계가 수행하고, 인간은 사람과의 상호작용과 의사결정에 집중해야 한다는 관점이 제시됩니다. 특히 인사 조직에서는 구성원과의 대화, 조직 구조 설계, 제도 개선 등 인간 고유의 영역에 더 많은 시간을 투자하게 되며, 이는 개인의 성장과 조직의 성과를 동시에 높이는 방향으로 이어집니다.

📊 성과 평가 변화: 양보다 임팩트 중심

AI 시대의 성과 평가는 단순한 업무량이 아니라 결과의 영향력과 확장성에 초점을 맞춰야 합니다. 짧은 시간에 더 큰 성과를 내거나 더 넓은 범위로 확장할 수 있는 능력이 중요하며, AI 사용량 자체를 평가 지표로 삼는 것은 한계가 있습니다. 실제로 AI 활용도를 측정하는 기준은 아직 명확하지 않으며, 비용 대비 생산성 증가를 어떻게 증명할 것인지가 주요 과제로 남아 있습니다.

💬 핵심 역량: 커뮤니케이션 능력

AI와 협업하는 시대에는 명확한 의사 전달과 피드백 능력이 가장 중요한 역량으로 강조됩니다. 사람뿐 아니라 AI에게도 원하는 결과를 구체적으로 설명하고, 결과를 평가해 다시 요청하는 과정이 필수적이며, 이는 곧 업무 성과로 직결됩니다. 모호한 지시나 암묵적 이해에 의존하던 방식은 점차 사라지고, 명확한 표현과 구조화된 사고가 중요해집니다.

🔍 학습 방식 변화: 언러닝과 재학습

빠르게 변화하는 기술 환경에서는 기존 지식을 지속적으로 버리고 다시 배우는 ‘언러닝–리러닝’ 사이클이 필요합니다. 과거에는 코드를 직접 작성하는 데 집중했다면, 현재는 문제 정의와 구조 설계 중심으로 학습 방식이 이동하고 있으며, AI를 활용해 더 빠르게 실험하고 개선하는 방식으로 진화하고 있습니다.

🚀 실행 전략: 작은 시도와 경험 축적

AI 활용 확산의 핵심은 작은 성공 경험입니다. 기술에 대한 막연한 두려움보다 실제 업무에서 간단한 자동화나 개선을 시도해보는 것이 중요하며, 이를 통해 점진적으로 활용도를 높일 수 있습니다. 특히 구성원들에게 직접적인 효용을 체감하게 하는 ‘작은 성과’를 제공하면 자연스럽게 도입과 확산이 이루어지는 구조가 형성됩니다.