이드의 HR 커피챗 시리즈
※ 내가 쓰는 글들은 개인적인 경험과 고민을 바탕으로 한 지극히 개인적인 의견이다. 특정 누군가를 비판하는 것도, 정답을 말하는 것도 아니니 가볍게 읽어주면 좋겠다. (자문/컨설팅 문의)

요즘 HR 쪽 모임에 가면 빠지지 않는 주제가 있다. HR Analytics, 그리고 AI다. 퇴사 예측 모델을 돌려봤다는 이야기, 평가 코멘트를 AI로 요약했더니 시간이 절반으로 줄었다는 이야기, 채용 데이터를 붙여봤더니 면접관마다 뽑는 사람이 너무 다르더라는 이야기까지. 다들 눈이 반짝인다. 나도 그 자리에서 꽤 오래 고개를 끄덕이다 왔다. 그런데 집에 오는 길에 자꾸 다른 질문이 맴돌았다.
사실 나도 데이터 이야기는 브런치에 몇 번 썼다. 데이터를 어떻게 제대로 정의하고 모을지, AI가 먹는 데이터의 품질과 오리지널리티는 어떻게 지킬지 같은 이야기들이었다.
- 데이터 기반 HR을 이야기할 때 간과하는 것들
- AI시대 HR, 인간은 끝내 비합리를 선택한다
- AI 학습 데이터들에 권리와 가격이 생기기 시작했다
- AI의 품질은 모델이 아니라 먹이가 결정한다
그런데 오늘은 조금 다른 이야기를 해보려고 한다. 일단 데이터는 있다고 치자. 사실 이것부터가 큰 산이지만, 오늘은 그 산은 넘었다고 가정하고 그다음 산 이야기를 해보려 한다. 데이터가 있을 때, 그걸 봐도 되느냐의 문제다.
이제 다 보인다
회사 시스템에 있다고 다 회사 건 아니더라
HR 데이터는 대부분 자연스럽게 쌓인다. 누가 일부러 모은 것도, 동의서에 사인한 것도 아니고 회사가 굴러가면서 저절로 남은 것들이다. 그래서 회사 시스템에 있으니 당연히 회사 거고, HR이 필요하면 꺼내 쓸 수 있다고 생각하기 쉽다. 나도 그랬다. 그런데 지도 앱 하나 깔 때도 위치 정보를 어디에 쓰는지 하나하나 동의 버튼을 누르는데, 이상하게 회사 안에서는 이 과정이 통째로 생략된다.
요즘 회의는 AI 회의록이 알아서 받아 적는다. 편하다. 그런데 그걸 모아 보면 누가 주로 반대 의견을 내는지, 누구 발언이 유독 짧아졌는지가 보인다. 메신저에 감정 분석을 돌리면 누구 말투가 퇴사 직전 사람들과 닮았는지 나온다. 평일 오후 외부 일정이 반복되는 사람을 찾아달라고 하면 AI는 그럴듯한 이직 의심자 명단도 뽑아준다. 사실은 치과 치료였을 뿐인데 말이다.
의외로 제일 많은 걸 말해주는 건 돈 쓴 기록이다. 비용 적요에 적힌 누구누구와 미팅 식대, 증빙으로 붙인 회식 참석자 명단, 야근 택시비, 복지포인트 사용처. 재무팀 입장에선 그냥 증빙이고 몇 년 동안 아무도 다시 안 여는 데이터다. 그런데 AI에 통째로 읽히면 누가 누구와 밥을 먹는지, 누가 늘 회식에 빠지는지, 몇 시에 퇴근해 어느 동네로 가는지, 요즘 병원을 자주 가는지, 갑자기 어학 시험을 결제했는지까지 보인다. 경비 처리하자고 쓴 한 줄이 모이면 사내 인맥 지도이자 생활 기록부가 된다.
HR 안쪽도 다르지 않다. 그때그때 참고하려고 적어둔 1:1 면담 메모도 몇 년 치를 AI에 넣으면 한 사람의 성향 리포트가 되고, 익명으로 받은 설문 주관식도 문체를 분석하면 누가 썼는지 꽤 높은 확률로 짐작된다.
귀찮아서 지켜지던 프라이버시
이상한 건, 이 데이터들이 어제 갑자기 생긴 게 아니라는 거다. 회의록도, 적요도, 면담 메모도 다 예전부터 있었다. 하나하나는 그냥 일하다 남은 평범한 흔적인데, 너무 흩어져 있고 양도 많아서 아무도 엮어볼 엄두를 못 냈을 뿐이다. 말하자면 귀찮아서 지켜지던 프라이버시였다.
그런데 AI가 그 귀찮음을 없애버렸다. AI는 새 데이터를 모은 게 아니라, 이미 있던 데이터를 처음으로 끝까지 읽었을 뿐이다. 조각을 붙이는 데 몇 분이면 되니, 조각 하나하나는 평범해도 붙여놓으면 한 사람의 일상과 속마음이 꽤 선명해진다. 데이터가 늘어난 게 아니라, 우리 눈이 갑자기 좋아진 거다. 그래서 첫 번째 질문은 단순하다. 이 데이터, 원래 뭐 하려고 쌓이던 거였지?
참고로 근로자참여법은 감시 설비를 설치할 때 노사협의회와 협의하도록 하는데, 처음부터 감시 목적이 아니어도 실제 감시 효과가 있으면 해당할 수 있다는 해석도 있다. 요즘 같아선 감시 설비는 설치할 때가 아니라 분석할 때 정해지는 것 같다.
보는 것과 쓰는 것 사이
같은 데이터인데 쓰는 순간 얼굴이 바뀐다
좋다, 원래 목적도 확인했고 필요한 동의도 다 받았다고 치자. 그리고 정말 순수하게 분석을 돌렸다고 하자. 그래도 진짜 중요한 건 그다음이다. 그 결과를 어디에 쓰느냐에 따라 같은 데이터의 성격이 확 달라진다.
레퍼런스 체크를 떠올려보면 쉽다. 전 직장 동료에게 그 사람 어땠냐고 묻는 건 커피 한 잔 하며 나눌 법한 가벼운 질문이다. 그런데 그 대답 하나로 누군가의 채용 당락이 갈린다는 걸 아는 순간, 묻는 사람도 답하는 사람도 말 한 마디가 무거워진다. 질문이 바뀐 게 아니라 쓰임새가 바뀐 거다.
HR 데이터도 똑같다. 팀별 야근 시간으로 인력이 부족한 팀을 찾으면 지원이지만, 개인별 순위를 매겨 평가에 넣으면 감시가 된다. 교육 이수 기록으로 효과 없는 프로그램을 찾으면 개선이지만, 승진 심사에서 자기계발을 안 한다는 근거로 쓰면 평가가 된다. 숫자는 하나도 안 바뀌었는데 말이다. 그걸 들여다보는 눈이 도와주려는 눈이냐 골라내려는 눈이냐에 따라 받아들이는 사람의 하루가 완전히 달라진다.
더 까다로운 건 의도가 한 번에 바뀌지 않는다는 거다. 처음엔 팀별 현황을 보려던 분석이 경영회의에 올라가면, 꼭 누군가 그럼 개인별로도 볼 수 있냐고 묻는다. 악의는 없다. 그냥 궁금할 뿐이다. 그런데 그 한마디에 지원용 분석은 평가용 명단이 되고, 다음 달엔 그 명단이 리더들 회의 자료에 올라가 있다. 아무도 나쁜 결정을 내린 적이 없는데 결과는 나빠진다. 처음 기획서에 조직 진단용이라고 적혀 있었다는 걸 기억하는 사람은 그때쯤 HR밖에 없다. 데이터의 성격을 정하는 건 데이터가 아니라 그걸 쥔 사람의 의도고, 그 의도는 생각보다 쉽게, 그리고 조용히 미끄러진다.
내 회사 데이터인데 뭐 어때, 라는 말의 함정
문제는 이 의도를 잘 안 밝힌다는 거다. 분석은 대부분 조용히, 뒤에서 이뤄진다. 굳이 알릴 필요 없다고 생각하거나, 알리면 괜히 시끄러워질 것 같아서다. 그리고 대표나 경영진 입장에선 이상할 게 하나도 없다. 회사 돈으로 산 시스템에 회사 일을 하다 생긴 기록인데 내가 보는 게 뭐가 문제냐는 거다. 솔직히 나도 그 마음은 이해가 간다. 회사를 책임지는 사람이라면 다 보고 싶은 게 당연하다. 누가 흔들리고 있는지, 어느 팀이 삐걱대는지 미리 알고 싶은 마음은 불안에서 나오는 거지 나쁜 마음에서 나오는 게 아니다.
그런데 데이터를 회사 것으로 인정하더라도, 그걸로 직원을 평가하거나 분류하는 순간 이야기가 달라진다. 그 결과를 고스란히 감당해야 하는 사람이 생기기 때문이다. 이건 소유의 문제가 아니라 영향의 문제다. 집 CCTV를 내가 달았으니 내 거라고 해도, 그걸로 가사도우미 분의 일거수일투족을 체크해 급여를 깎기 시작하면 더 이상 방범용이 아닌 것과 비슷하다. 같은 카메라인데 렌즈가 향하는 곳이 바뀐 거다.
세상도 이 지점을 진지하게 보기 시작했다. 2024년 3월부터 개인정보보호법에는 완전히 자동화된 결정에 설명을 요구하고, 중대한 경우엔 거부까지 할 수 있는 권리가 생겼다. 마지막에 사람이 도장 하나 찍으면 적용이 애매해지는 한계는 있지만 방향은 분명하다. 유럽은 채용, 승진, 근무 모니터링에 쓰는 AI를 아예 고위험으로 분류했다. 그러니 두 번째 질문도 단순하다. 그래서, 뭐 하려고 보는 건데?
몰래 본 값은 비싸다
분류표 하나가 만드는 연쇄 반응
시작은 대개 선의다. 이탈 위험군을 미리 알아서 면담도 하고 붙잡아보자는 거다. 여기까지는 누구도 반대하지 않는다. 그런데 명단이 리더에게 공유되는 순간, 리더가 그 사람을 대하는 태도가 미묘하게 바뀐다. 중요한 프로젝트에서 조금씩 빠지고, 어차피 나갈 사람이라는 시선이 생긴다. 그러다 진짜 나가면 다들 모델이 맞았다고 감탄한다. 사실은 모델이 만든 결과일 수도 있는데. 회식에 자주 빠져 고립 위험군이 된 사람이 그냥 육아 중이었다면, 분석은 관계를 보려다 사생활을 평가해버린 셈이다. 아마존이 과거 이력서로 학습한 채용 AI가 여성 관련 단어에 감점을 주는 걸 알고 접었던 것처럼, 데이터는 과거의 편견까지 객관적인 얼굴로 포장해준다.
그리고 이런 건 꼭 새어 나간다. 회사에 비밀은 없다. 회사가 뭘 보고 있다는 낌새가 돌면 사람들은 그 지표에 맞춰 움직이기 시작한다. 메신저 접속 시간을 본다는 소문에 다들 마우스를 흔든다. 초록불은 유지되는데 일은 안 늘어난다. 비용도 똑같다. 적요를 본다는 소문이 돌면 적요란엔 팀 미팅 식대만 남고, 경쟁사 지인과 밥 먹은 날엔 개인 카드를 꺼낸다. 측정하는 순간 측정 대상이 바뀌는 거다. 비용 관리는 오히려 더 불투명해지고, 그나마 남아 있던 데이터의 질까지 떨어진다.
그다음 무너지는 게 신뢰다. 직원들은 회사가 그동안 나를 지켜보고 있었다고 받아들이고, 설문엔 솔직한 답이 사라지고 1:1 면담에서도 다들 말을 고른다. 왜 내가 그 명단에 있었냐는 물음에 모델이 그렇게 나왔다는 답밖에 없다면 더 그렇다. 사람의 언어로 설명할 수 없는 결정은 HR이 감당할 수 있는 결정이 아니다. 결국 좋은 데이터를 얻으려던 분석이 앞으로 들어올 데이터를 망가뜨린다. 그 사이 처음 만든 분류표는 공유 드라이브 어딘가에서 최종_진짜최종을 달고 오래오래 산다.
그래서 분석 버튼 누르기 전에
원래 뭐 하려고 쌓이던 데이터인지 확인하는 게 첫 번째다. 회의록은 회의를, 적요는 경비를, 면담 메모는 다음 면담을 위해 생긴 거다. 그 목적에서 멀어질수록 조심해야 하고, 꼭 써야 한다면 미리 알리거나 개인을 알아볼 수 없게 가공하자.
뭐 하려고 보는지에 답하는 게 두 번째다. 대부분의 HR 문제는 집계로도 충분히 답이 나온다. 개인 단위로 내려가야 한다면 누가 볼 수 있는지부터 정하자. 혼자 보려던 시트가 리더들 공유 폴더에 올라가고, 면담 메모가 외부 AI 툴에 통째로 붙여넣어지는 건 생각보다 흔한 일이다. 그리고 어디에 쓸지 미리 말해두자. 사람들이 싫어하는 건 분석보다 몰래 하는 분석이다.
마지막으로 이 분석이 그대로 전사 공지로 나가도 괜찮은지 물어보자. 망설여진다면 그게 답이다. 생각보다 꽤 많은 분석이 이 질문 하나에서 걸러진다. 그리고 결정과 설명은 끝까지 사람이 하고, 목적을 다한 개인 단위 결과물은 깔끔하게 지우자. 최종_진짜최종이 몇 년씩 살아남지 않도록.
이 테스트를 대표에게 보여주는 것, 몰래 본 값이 얼마나 비싼지 비즈니스 언어로 통역하는 것까지가 HR의 몫이다. 보는 건 공짜 같지만 들키는 순간 청구서가 날아오고, 그 청구서는 대개 우리가 제일 아끼는 것, 사람들의 솔직함으로 날아온다고.
볼 수 있다고 다 봐도 되는 건 아니니까
HR Analytics와 AI는 분명 우리 일을 바꾸고 있다. 예전엔 감으로 하던 판단을 숫자로 확인할 수 있게 됐고, 몇 주 걸리던 분석이 몇 분으로 줄었다. 이건 정말 좋은 변화다.
다만 HR 데이터는 다른 데이터와 조금 다르다. 매출 데이터나 재고 데이터는 숫자 뒤에 물건이 있지만, HR 데이터 뒤에는 항상 사람이 있다. 심지어 재무팀 서버에 있는 비용 데이터조차 한 줄 한 줄 뒤에는 누군가의 점심과 저녁이 있다. 그리고 그 사람은 지금도 같은 사무실에서 일하고 있다. 데이터를 들여다본다는 건 결국 그 사람을 들여다본다는 거고, 그 사람도 언젠가는 회사가 자기를 들여다봤다는 걸 알게 된다.
그래서 요즘 나는 데이터 분석을 시작할 때 무슨 데이터를 볼지보다 먼저 이런 걸 생각해본다. 이걸 내가 본다는 걸 그 사람이 알아도 괜찮은가. 그리고 이 결과가 그 사람에게 무슨 일을 하게 될까. 이 두 질문에 편하게 답할 수 있다면, 그다음부터는 마음껏 분석해도 된다.
데이터는 이미 충분하다. 요즘 부족한 건 데이터가 아니라, 이건 안 보는 걸로 하자고 말할 수 있는 사람이다.
해당 콘텐츠는 이드님의 브런치에 게재한 글을 편집한 뒤 모비인사이드에서 한 번 더 소개합니다.
![]()
![[AI의 속마음, AI 시대, 디자인을 읽다] AI 비서가 건 전화를, 상담사는 끊을 수 없었다](https://mobiinsidecontent.s3.ap-northeast-2.amazonaws.com/kr/wp-content/uploads/2026/11/12093708/%EB%8B%A4%EC%9A%B4%EB%A1%9C%EB%93%9C-4-3-1-218x150.png)
![[수트와후드의 스타트업 경영] AI는 초안을, 사람은 서명을](https://mobiinsidecontent.s3.ap-northeast-2.amazonaws.com/kr/wp-content/uploads/2026/11/02104148/%EB%8B%A4%EC%9A%B4%EB%A1%9C%EB%93%9C-4-218x150.png)