AX는 AI 도구 도입이 아니다
AX의 핵심은 도구 수를 늘리는 일이 아니라, AI가 개입한 뒤 사람이 판단하고 협업하고 책임지는 방식이 어떻게 달라지는지 설계하는 일이다.
안영규의 AX 관점 노트
AX를조직문화와 HR의 언어로다시 정의하기
AX는 기술 도입이 아니라,인간·AI·업무·조직문화의 관계가 재배치되는 변화입니다.
조직문화, HR, 조직개발은 이 변화 앞에서무엇을 새로 보아야 하는가.
핵심 주장
AX는 자동화 프로젝트가 아니라 조직의 판단 구조와 상호작용 구조가 바뀌는 일입니다.
AX 관계 재배치 맵
사람·AI·업무·조직문화가 동시에 움직일 때 AX가 시작된다.
사람
판단·책임
조직문화
신뢰·학습
AX
관계 재배치
AI
보조·자동화
업무
과업·성과
판단
협업
책임
학습
조직문화는 AX의 주변부가 아니다
AI가 업무에 들어오면 신뢰, 권한, 책임, 평가, 학습 방식이 함께 흔들린다. 따라서 문화는 도입 이후의 저항 관리가 아니라 전환 설계의 중심 조건이다.
HR AX는 의사결정 구조의 전환이다
HR 영역의 AX는 챗봇이나 대시보드 설치보다, HR 데이터가 어떤 의사결정에 쓰이고 그 결정을 구성원이 수용할 수 있는지 묻는 과정이다.
WHAT AX MEANS
AX란 무엇인가
AX는 AI를 도구로 들여오는 사건이 아니라, 사람이 AI와 함께 일하면서 업무·판단·책임의 배치가 달라지는 변화다.
AX는 네 관계를 동시에 바꾼다
도구 도입 여부보다 중요한 것은 관계별 판단·책임·신뢰 조건이다.
인간 ↔ 인간
협업, 신뢰, 갈등, 심리적 안전감
인간 ↔ 업무
역할, 과업, 성과, 학습
인간 ↔ AI
수용성, 의존, 통제감, 설명가능성
AI ↔ 업무
자동화, 보조, 감시, 자율 수행
인간 ↔ 인간
협업, 신뢰, 갈등, 심리적 안전감
인간 ↔ 업무
역할, 과업, 성과, 학습
인간 ↔ AI
수용성, 의존, 통제감, 설명가능성
AI ↔ 업무
자동화, 보조, 감시, 자율 수행
THREE QUESTIONS
AX를 읽는 세 가지 질문
AX는 준비도, 가능 영역, 내재화라는 세 질문을 계속 왕복하며 진행된다. 한 번의 진단보다 중요한 것은 실행 중에 다시 묻고 보정하는 힘이다.
진단이 아니라 왕복 구조
AX는 준비도를 본 뒤 과제를 고르고 끝나는 절차가 아니다. 실행하면서 다시 준비도를 묻고, 적용 범위를 조정하고, 내재화 방식을 바꾸는 순환 구조다.
1
Question
Readiness 진단
우리 조직은 AI 전환을 받아들일 준비가 되어 있는가?
2
Question
가능 영역 설계
어디에, 무엇을, 어느 수준까지 AI를 연결할 것인가?
3
Question
내재화
구성원은 AI를 실제 일하는 방식으로 받아들이고 있는가?
실행 중 피드백은 다시 준비도 진단과 적용 범위 설계로 돌아간다.
AX Readiness 진단
우리 조직은 AI 전환을 받아들일 준비가 되어 있는가?
AI 활용 친밀도, 업무 적용 경험, 변화 수용 태도, 리더십 정렬, 데이터 거버넌스를 함께 본다. 기술 준비도만으로는 AX 준비도를 설명할 수 없다.
AI 인식과 심리적 수용성
리더십 메시지의 명확성
문화적 저항과 암묵적 가정
데이터·윤리 거버넌스
AX 가능 영역 설계
어디에, 무엇을, 어느 수준까지 AI를 연결할 것인가?
업무를 과업 단위로 분해하고 자동화 가능성, 조정 비용, 수용성, 리스크를 함께 평가한다. 기술적으로 가능한 영역과 조직적으로 운영 가능한 영역은 다르다.
As-Is 업무 흐름
To-Be 인간-AI 협업 구조
RICE-A 우선순위
조정 비용과 실행 난이도
[6]RICE-A[7]MIT 과업 기반 자동화
AX 내재화
구성원은 AI를 실제 일하는 방식으로 받아들이고 있는가?
교육 이수 여부가 아니라 행동 변화가 남는지를 본다. 실행 후 피드백을 다시 업무 설계와 문화 구조에 반영하는 반복 루프가 필요하다.
AI 활용 실천 과제
ADKAR 수용 여정
Culture-MAP 변화 기록
강화와 재설계 루프
[8]Prosci ADKAR
BEFORE AND AFTER
조직문화·HR·조직개발에서 AX 이전과 이후
AX 이후의 변화는 더 많은 AI 기능이 아니라, 기존 OD와 HR이 다루던 좌표계 자체가 확장되는 데 있다.
영역
AX 이전
전환 압력
AX 이후
조직문화
설문과 인터뷰로 현재 문화를 진단하고, 보고서와 워크숍으로 개선 과제를 제안했다.
신뢰·권한·책임의 재구성
AI 판단을 누가 믿고 누가 책임지는가
AI가 협업과 판단 과정에 들어오며 신뢰·권한·책임의 기본 가정까지 재구성해야 한다.
HR
채용, 평가, 보상, 교육을 제도와 운영 프로세스 중심으로 관리했다.
데이터 품질·편향·고지 절차
HR 데이터가 실제 인사 결정에 견딜 수 있는가
HR 데이터가 의사결정 알고리즘과 연결되며 데이터 품질, 편향, 고지, 이의제기 절차가 핵심 쟁점이 된다.
조직개발
리더십, 팀워크, 변화관리 프로그램을 인간-인간 상호작용 중심으로 설계했다.
인간-AI-업무 반복 루프
실행 후 피드백이 다시 업무 설계로 돌아오는가
인간-AI-업무의 상호작용을 함께 다루며, 실행 후 피드백을 다시 업무 설계에 반영하는 반복 루프가 필요하다.
영역
AX 이전
AX 이후
조직문화
설문과 인터뷰로 현재 문화를 진단하고, 보고서와 워크숍으로 개선 과제를 제안했다.
AI가 협업과 판단 과정에 들어오며 신뢰·권한·책임의 기본 가정까지 재구성해야 한다.
HR
채용, 평가, 보상, 교육을 제도와 운영 프로세스 중심으로 관리했다.
HR 데이터가 의사결정 알고리즘과 연결되며 데이터 품질, 편향, 고지, 이의제기 절차가 핵심 쟁점이 된다.
조직개발
리더십, 팀워크, 변화관리 프로그램을 인간-인간 상호작용 중심으로 설계했다.
인간-AI-업무의 상호작용을 함께 다루며, 실행 후 피드백을 다시 업무 설계에 반영하는 반복 루프가 필요하다.
HR AX PROCESS
HR 영역에서 AX는 어떻게 진행되는가
HR AX는 HR 데이터를 AI에 넣는 절차가 아니다. 어떤 HR 의사결정에 어떤 데이터가 쓰이고, 그 결정을 누가 신뢰할 수 있는지 설계하는 과정이다.
반복 루프
수용성 검토 결과는 요건 정의를 다시 바꾸고, 데이터 해석 결과는 현황 진단을 보정한다.
HR AX 5단계 흐름
각 단계는 다음 산출물을 만들고, 마지막 내재화 결과는 다시 현황 진단을 보정한다.
1
현황 진단
진단 맵
2
AI 적용 후보 발굴
후보 목록
3
우선순위 결정
우선순위
4
기술팀 협업 요건 정의
요건 정의
5
내재화 설계
운영 루프
내재화 설계에서 얻은 수용성·윤리·데이터 품질 피드백은 다시 현황 진단과 후보 발굴 기준을 바꾼다.
1
현황 진단
HR 제도, 데이터 구조, 업무 프로세스, 구성원 수용성을 함께 본다.
Schein 3층위 관점으로 표면 행동과 근본 가정을 분리한다.
[10]Schein 문화모델
2
AI 적용 후보 발굴
채용·평가·보상·교육·근태·퇴직 영역별 적용 가능성을 탐색한다.
데이터 품질과 법·윤리 리스크를 동시에 본다.
3
우선순위 결정
효과가 크고 위험이 낮으며 데이터 준비도가 높은 영역부터 고른다.
RICE 또는 RICE-A로 실행 가능한 과제를 먼저 선별한다.
[6]RICE-A
4
기술팀 협업 요건 정의
HR 문제를 입력 데이터, 모델 출력, 화면, 검증 기준, 설명가능성 요건으로 번역한다.
HR 언어와 기술 언어 사이의 번역이 핵심이다.
5
내재화 설계
파일럿 이후 실제 운영에 반영될 역할, 절차, 안내, 이의제기, 개선 루프를 만든다.
ADKAR의 Ability와 Reinforcement가 특히 중요하다.
[8]Prosci ADKAR
HR DATA LAYERS
HR AX의 출발점은 데이터 계층을 구분하는 일이다
같은 HR 데이터라도 기록 중추, 구성원 접점, 의사결정 인사이트 중 어느 계층에 있는지에 따라 리스크와 활용 방식이 달라진다.
HR 데이터 계층 피라미드
기록이 안정되어야 접점이 열리고, 접점이 쌓여야 판단 인사이트가 만들어진다.
인사이트
Systems of Insight
참여·경험
Systems of Engagement
기록 중추
Systems of Record
위 계층은 우열이 아니라 의사결정 사용처와 책임 범위의 차이를 뜻한다.
기록 중추
Systems of Record
인사 기본, 근태, 급여, 성과, 이동·퇴직처럼 사실 기록을 축적하는 계층
[15]SoR / SoE / SoI[16]HRIS / HCM / HXM[14]HR 데이터 6영역
참여·경험
Systems of Engagement
온보딩, LMS, 챗봇, 사내 커뮤니케이션처럼 구성원이 직접 접촉하는 계층
[15]SoR / SoE / SoI[16]HRIS / HCM / HXM[19]IBM AskHR / UNA
인사이트
Systems of Insight
People Analytics, 예측 모델, 역량 그래프처럼 판단을 돕는 계층
[15]SoR / SoE / SoI[22]People Analytics 성숙도[21]LinkedIn / Lightcast Skills
HR 데이터 구조 진단 질문
HR AX는 모델보다 먼저 데이터가 의사결정에 견딜 수 있는 구조인지 확인하는 일에서 시작한다.
인사 기본
employee_id, org_code, job_code, grade_code, hire_date, status
사번·조직·직무·직급 코드가 일관되며 변경 이력이 보존되는가?
근태
work_date, start_time, end_time, overtime_hours, leave_type
근태 기록이 실제 근무 방식과 일치하며 과부하 신호를 해석할 수 있는가?
성과 평가
eval_period, rater_id, grade, kpi_score
평가자 식별과 등급 분포 분석이 가능해 편향을 점검할 수 있는가?
보상
base_salary, bonus, incentive, pay_grade
보상 밴드와 성과급 데이터가 형평성 분석에 사용할 수 있는 구조인가?
이동·퇴직
event_type, event_date, reason_code
이동·퇴직 사유가 자유 텍스트가 아니라 표준 코드로 관리되는가?
교육·역량
course_id, completion_status, skill_id, proficiency_level
직무별 요구 역량과 개인 역량 데이터가 연결되어 있는가?
ROLE OF HR LEADER
HR 리더는 무엇을 해야 하는가
여기서 말하는 HR 리더는 AX 전환 과정 안에서 구성원, 경영진, 기술팀 사이를 연결하며 HR 의사결정의 신뢰 조건을 설계하는 사람이다.
HR 리더 역할 네트워크
HR 리더는 한쪽을 대변하는 사람이 아니라 여러 언어와 기대를 연결하는 조정자다.
구성원
수용성·신뢰
경영진
의사결정 기준
HR 리더
번역·조정
기술팀
구현 언어
법·윤리
책임과 통제
HR 데이터
해석 기반
맥락 정의자
데이터 해석자
요건 번역자
수용성·윤리 검토자
맥락 정의자
고객사 HR 제도와 실제 의사결정 흐름을 읽고, AI가 들어갈 문제의 경계를 정한다.
데이터 해석자
사번, 조직 코드, 평가자, 사유 코드, 역량 데이터가 분석 가능한 수준인지 판단한다.
요건 번역자
HR의 모호한 문제를 기술팀이 구현할 수 있는 데이터, 출력, 화면, 검증 요건으로 바꾼다.
수용성·윤리 검토자
구성원이 AI 판단을 신뢰할 수 있는지, 고지와 이의제기 절차가 충분한지 점검한다.
BOUNDARY OF APPLICATION
무엇을 먼저 하고, 무엇을 조심해야 하는가
HR AX의 우선순위는 기술적으로 가능한가보다 운영 가능하고 정당화 가능한가에 의해 결정되어야 한다.
먼저 다룰 수 있는 영역
데이터 준비도가 높고 개인의 인사 의사결정에 직접 영향을 덜 주는 영역
HR 규정·제도 Q&A
온보딩 지원
교육·역량 추천
HR 분석 대시보드
신중하게 다뤄야 하는 영역
채용·평가·보상·해고와 연결되어 법·윤리·수용성 검토가 선행되어야 하는 영역
이직 위험 예측
성과 평가 편향 탐지
채용 AI 스크리닝
보상 형평성 분석
적용 경계 매트릭스
아래 구분은 정량 점수가 아니라 문헌상 리스크 기준과 HR 데이터 준비 조건을 결합한 질적 분류다.
운영 통제 용이
선행 통제 필요
개인 인사결정 영향 낮음
우선 검토
상대적으로 낮은 인사 의사결정 리스크
정형 문서·이벤트 데이터 활용 가능
HR 규정·제도 Q&A온보딩 지원 자동화
답변 근거 제시, 사람 상담 라우팅, 온보딩 체크포인트처럼 운영 통제가 가능한 영역
[19]IBM AskHR / UNA[20]SHRM / AIHR 온보딩 지표
설계 후 확장
중간 수준의 해석·추천 리스크
분류체계와 지표 정의가 선행되어야 함
교육·역량 추천People Analytics
Skill Taxonomy, Skill Graph, People Analytics 지표 정의가 갖춰져야 활용 가능
[21]LinkedIn / Lightcast Skills[22]People Analytics 성숙도
개인 인사결정 영향 높음
보조 분석 한정
높은 신뢰·형평성 리스크
분석 가능해도 해석 책임이 필요
성과 평가 편향 탐지보상 형평성 분석
평가자 일관성, 보상 격차 분해는 의사결정 대체가 아니라 검토 근거로 제한
[23]평가 편향 분석[24]Oaxaca-Blinder / Pay Transparency
엄격한 통제
고위험 또는 낙인 가능성 리스크
법·윤리·고지·감사 체계가 선행되어야 함
이직 위험 예측채용 AI 스크리닝
채용·선발 자동화와 개인 단위 위험 예측은 편향 감사, 후보자 고지, 사용 목적 제한이 핵심
[17]EU AI Act / 고위험 AI[18]NYC LL144 / 4/5ths Rule
우선 적용
HR 규정·제도 Q&A
규정 문서와 FAQ처럼 정형 텍스트가 충분하고, 답변 근거를 원문 링크로 제시할 수 있다.
RAG 기반 원문 검색
환각 방지와 사람 상담 라우팅
법적 해석 아님 고지
우선 적용
온보딩 지원 자동화
입사 전후 체크리스트, 교육 이수, 계정 발급, 멘토링 일정처럼 이벤트 기반 안내가 가능하다.
30/60/90일 체크포인트
Time-to-Productivity
감시로 인식되지 않는 커뮤니케이션
[20]SHRM / AIHR 온보딩 지표
우선 적용
교육·역량 추천
직무별 요구 역량과 학습 이력이 연결될수록 개인별 학습 추천과 팀 단위 역량 갭 분석이 가능하다.
Skill Taxonomy
Skill Graph
추천 정확도와 설명가능성
[21]LinkedIn / Lightcast Skills
우선 적용
People Analytics
이직률, 충원 기간, 교육 이수, 성과 분포처럼 이미 축적된 데이터를 의사결정 대시보드로 구조화한다.
지표 정의 일관성
월간 추적 가능성
해석 권한과 책임 소재
[22]People Analytics 성숙도
신중 접근
이직 위험 예측
개인에게 낙인이 찍히거나 관리자 판단이 왜곡될 수 있으므로 예측 결과의 사용처를 제한해야 한다.
개인 단위 노출 제한
개입 목적 명확화
정확도보다 오탐 리스크 검토
신중 접근
성과 평가 편향 탐지
평가자 편향을 발견하는 것은 필요하지만, AI가 평가를 대신한다는 인식이 생기면 수용성이 무너진다.
평가자 분포 분석
Cohen's Kappa/ICC 등 일관성
해석은 HR과 리더가 담당
[23]평가 편향 분석
신중 접근
채용 AI 스크리닝
채용·선발 AI는 고위험 영역으로 분류될 가능성이 높아 편향 감사와 후보자 고지가 선행되어야 한다.
4/5ths Rule
후보자 고지
불합격 사유 설명 가능성
[18]NYC LL144 / 4/5ths Rule
신중 접근
보상 형평성 분석
보상 데이터는 민감도가 높고 조직 신뢰에 직접 영향을 주므로 분석 목적과 공개 범위를 조심스럽게 정해야 한다.
보상 밴드 정합성
Oaxaca-Blinder 등 격차 분해
정당화 가능한 보상 원칙
[24]Oaxaca-Blinder / Pay Transparency
GROUNDS
이 관점을 지탱하는 근거
AX를 이해하려면 기술 가능성만으로는 부족하다. 역할 충돌, 변화 수용, 문화의 기본 가정, 디지털 운영 기반을 함께 보아야 한다.
AX 논의에서 가장 위험한 단순화는 기술 가능성을 조직 수용성과 동일시하는 것이다. 가능하다는 말은 곧바로 해도 된다는 뜻이 아니다.
Role Theory
AX 전환 과정의 HR 리더는 구성원 보호자, 경영 의사결정 지원자, 기술팀 협업자라는 복수 역할 기대를 동시에 받는다. 이 긴장을 조정하는 능력이 핵심 역량이 된다.
[12]Role Theory[13]Boundary Spanner
Boundary Spanner
AX 전환 과정의 HR 리더는 HR 현장의 언어, 경영진의 의사결정 언어, 기술팀의 구현 언어를 오가며 의미를 번역한다.
[13]Boundary Spanner[12]Role Theory
Schein Culture Model
AX 저항은 도구 사용법 부족만이 아니라, 평가·책임·신뢰에 대한 암묵적 가정에서 발생한다.
[10]Schein 문화모델[8]Prosci ADKAR
ADKAR / Kotter
조직 차원의 변화 모멘텀과 개인 차원의 수용 여정을 함께 설계해야 AX가 이벤트가 아니라 일하는 방식으로 남는다.
[8]Prosci ADKAR[9]Kotter 8-Step
조직 현상과 해석 프레임
이론은 장식이 아니라 특정 조직 현상을 읽기 위한 렌즈로 배치되어야 한다.
역할 충돌
Role Theory
복수 역할 기대를 어떻게 조정할 것인가
[12]Role Theory
경계 번역
Boundary Spanner
HR·경영·기술 언어를 어떻게 연결할 것인가
[13]Boundary Spanner
문화 저항
Schein
겉으로 드러난 행동 뒤의 기본 가정은 무엇인가
[10]Schein 문화모델
변화 수용
ADKAR / Kotter
개인 수용과 조직 모멘텀을 어떻게 함께 설계할 것인가
[8]Prosci ADKAR[9]Kotter 8-Step
운영 기반
MIT CISR
데이터·플랫폼·책임 체계가 AI 운영을 감당하는가
[11]MIT CISR
Kotter 8-Step
AX가 왜 지금 필요한지 긴박감을 만들고, CHRO·IT·법무·현업 리더의 변화 연합을 만든다.
비전 소통 없이 기능만 오픈하면 구성원은 AI를 또 하나의 시스템 변경으로 받아들인다.
[9]Kotter 8-Step
ADKAR
구성원 개인의 인식, 욕구, 지식, 능력, 강화를 구분해 개입한다.
사용법 교육은 Knowledge일 뿐이며, Desire와 Ability가 없으면 실제 업무 변화로 이어지지 않는다.
[8]Prosci ADKAR
Schein 3-Layer
AI 저항을 표면 행동, 표방 가치, 암묵적 가정으로 나누어 해석한다.
'평가는 사람이 해야 한다' 같은 기본 가정을 건드리지 않으면 도구 도입은 표면에 머문다.
[10]Schein 문화모델
MIT CISR Building Blocks
HRIS 안정성, 데이터 파이프라인, 공유 가능한 인사이트, 책임 체계를 점검한다.
운영 중추가 약한 상태에서 AI를 얹으면 결과보다 데이터 불신이 먼저 커진다.
[11]MIT CISR[16]HRIS / HCM / HXM
CONCLUSION
안영규가 보는 AX의 핵심
AX는 사람을 AI로 대체하는 이야기가 아니라, 사람이 AI와 함께 일하는 조건을 다시 설계하는 이야기다. 조직문화와 HR의 역할은 이 변화가 조직 안에서 신뢰 가능한 방식으로 작동하도록 판단 구조, 책임 구조, 학습 구조를 세우는 데 있다.
REFERENCES
참고문헌
[1]
McKinsey AI Maturity
McKinsey/QuantumBlack Rewired 및 State of AI 기반 AI 성숙도 차원. 전략, 데이터·기술, 거버넌스, 운영 모델, 인재·조직, 신뢰·윤리 차원 참조.
[2]
UNESCO RAM
UNESCO Readiness Assessment Methodology. AI 준비도 평가를 기업 환경에 맞게 재구성한 5개 도메인 진단 기준.
[3]
BCG ASPIRE
BCG AI Maturity Matrix / ASPIRE Index. 노출도와 준비도를 교차해 AI 성숙도 위치를 판단하는 관점.
[4]
MGI DWA
McKinsey Global Institute, A Future That Works 및 생성형 AI 경제 잠재력 보고서. 세부 업무 활동별 자동화 가능성 분류 기준.
[5]
WEF Agentic AI
World Economic Forum, Future of Jobs Report 2025 및 Navigating the Agentic AI Era. 에이전틱 AI 자율성 판단과 직무 변화 전망.
[6]
RICE-A
Intercom RICE 우선순위 모델을 원형으로 AI Complexity를 더한 AX 적용 우선순위 평가 방식.
[7]
MIT 과업 기반 자동화
Acemoglu & Autor, Skills, Tasks and Technologies(2011); Acemoglu & Restrepo(2018/2024). 과업 분해와 인간-AI 조정 비용 진단.
[8]
Prosci ADKAR
Prosci ADKAR Model. Awareness, Desire, Knowledge, Ability, Reinforcement의 개인 변화 여정.
[9]
Kotter 8-Step
John P. Kotter, Leading Change 및 Kotter Inc. 8-Step Process. 조직 차원의 변화 모멘텀과 확산 단계.
[10]
Schein 문화모델
Edgar H. Schein, Organizational Culture and Leadership. Artifacts, Espoused Values, Basic Underlying Assumptions의 3층위 문화 모델.
[11]
MIT CISR
MIT CISR, Enterprise AI Maturity Model(2025) 및 Building Blocks of Digital Transformation(2018/2024). 운영 중추와 디지털 플랫폼 기준.
[12]
Role Theory
Katz & Kahn, The Social Psychology of Organizations. 복수 역할 기대, 역할 충돌, 역할 모호성 관점.
[13]
Boundary Spanner
Tushman & Scanlan, Boundary spanning individuals. 조직 경계를 넘어 정보를 번역·전달하고 신뢰를 형성하는 역할.
[14]
HR 데이터 6영역
인사 기본, 근태, 성과 평가, 보상, 이동·퇴직, 교육·역량으로 나누어 보는 HR 데이터 구조.
[15]
SoR / SoE / SoI
Geoffrey Moore와 Forrester의 Systems of Record, Engagement, Insight 구분. HR 데이터 계층과 의사결정 사용처 구분에 적용.
[16]
HRIS / HCM / HXM
행정 기록 중심 HRIS, 전략적 인재관리 중심 HCM, 직원 경험까지 결합하는 HXM의 구분.
[17]
EU AI Act / 고위험 AI
European Union, Regulation (EU) 2024/1689. Article 4 AI Literacy 및 Annex III 채용·평가·해고 관련 고위험 AI 분류.
[18]
NYC LL144 / 4/5ths Rule
NYC Local Law 144와 채용 자동화 의사결정 도구의 편향 감사, 후보자 고지, 4/5ths Rule 기준.
[19]
IBM AskHR / UNA
IBM AskHR, Microsoft & Unilever UNA 공개 사례. HR 챗봇의 containment, ticket deflection, 사용자 만족도 지표 참조.
[20]
SHRM / AIHR 온보딩 지표
SHRM Onboarding Toolkit 및 AIHR Onboarding Metrics. Time-to-Productivity, 90-Day Retention, Onboarding NPS.
[21]
LinkedIn / Lightcast Skills
LinkedIn Skills Graph와 Lightcast Open Skills Taxonomy. Skill Taxonomy, Skill Graph, 역량 추천 체계.
[22]
People Analytics 성숙도
Gartner, Deloitte, Bersin 계열 People Analytics 성숙도와 HR 핵심 KPI 분류. HR 대시보드와 분석 활용 기준.
[23]
평가 편향 분석
Cohen's Kappa, ICC, 등급 분포 분석 등 평가자 일관성·편향 진단 방법론.
[24]
Oaxaca-Blinder / Pay Transparency
Oaxaca-Blinder decomposition 및 EU Pay Transparency Directive. 보상 격차 분해와 정당화 기준.