Chat GPT : AI가 성과와 평가에 미칠 수 있는 영향

 

1. AI가 ‘성과’에 미치는 영향

기술의 발전은 업무 수행의 방식과 최종적인 결과에 직접적인 영향을 준다. PC의 보급으로 보고서를 수기가 아닌 PC로 작성하게 되었으며 우편으로 보내던 서류가 팩스로 대체되고 지금은 이메일로 대체 되었다. 결재를 종이에 도장으로 직접 받는 방식에서 전자 형태로 바뀐것이 대표적인 사례가 될 것이다. 업무는 점진적으로 전자화, 자동화의 방향으로 변해가고 있다. 최근의 사례로는 RPA로 RPA의 도입이 일반적이지는 않으나, 기술이 업무에 직접적인 영향을 주었던 대표적인 사례가 될 것이다. 단순 반복 업무를 대신하고 일부 업무의 거의 대부분을 대체했다. RPA는 업무 효율을 높여주지만 결과물 즉, 성과에 직접적인 영향을 주는 데에는 한계가 있는 기술이다. 시간을 절약하여 핵심 업무에 더 많은 시간을 할애할 수 있도록 해줄 순 있지만 성과 자체에 영향력이 있지는 않다. 최근의 생성형 AI의 영향력이 커지고 있다. 이 AI가 업무에 본격적으로 적용이 된다면 많은 변화가 예상된다. AI가 탑재된 오피르 프로그램과 각 업무에 적용할 수 있는 프로그램들이 적용된다면 업무의 효율성을 높임과 동시에 결과물의 질도 향상 시키게 될 것이다. 그리고 결과적으로는 결과물의 수준이 전체적으로 향상될 수 있다.

팀 내에 다양한 직급이 존재한다고 가정할 때, 각 직급 별로는 기대되는 역할에 차이가 있다. 지식과 경험의 차이로 인해 직급이 정해지고 그에 따른 기대치가 다르게 되기 때문이다. 같은 시간 동안 같은 결과물을 사원과 과장이 만들어 냈다면 매우 유능한 사원이거나 과장이 기대치를 충족하지 못했거나 둘 중의 한 가지 상황일 것이다. AI의 도입의 결과로 예측해볼 수 있는 상황은 성과의 차이가 줄어들 수 있다는 것이다. 경험과 지식이 부족한 사항을 AI 도구의 활용을 통해 보완할 수 있는 가능성이 생겨나기 때문이다.

이런 식으로 성과의 차이가 줄어든다면 기대치의 차이도 줄어들 수 있고 기대치의 차이가 줄어든다면 직급에 따른 차이가 낮아질 수 있다. 아직까지는 업무를 보조 하는 역할을 주로 하고 있지만 최근의 발전 속도를 보면, 각 세부 영역별로 활용할 수 있는 생성형 AI의 도입이 불가능해 보이지는 않는다. 시장 조사와 전문 분야에서의 경험을 바탕으로 전략 컨설팅을 하는 역할이나, 경쟁 환경과 시장 상황에 따른 자금의 조달과 예산 수립의 역할 같은 것들이 더 이상 경험이 많은 시니어 만의 영역이 아니게 될 수 있다.

결과적으로 성과의 상향 평준화 또는 직급에 의한 차이가 줄어드는 방향으로 상황이 변할 수 있다. 이런 상황이 발생한다면 성과의 향상 이외에도 조직적인 영향을 미치게 된다. 우선 직급 체계의 변화가 수반될 것이다. 직급 체계의 목적 중에서 역할의 구분에 대한 부분이 역해질 것이다. 필요하다면 지금보다 적은 수의 직급 체계로 변경하거나 업무 특성에 따라서는 직급을 없앨 수도 있다. 다음은 조직의 규모에 영향이 있을 수 있다. 업무의 효율이 올라가고 직급 별 차이가 적어진다면 팀은 지금보다 작은 규모로 변화를 하거나 지금보다 더 많은 역할을 담당하게 될 수 있다. 작은 규모로 된다면 팀의 수가 늘어나고 팀의 수 만큼 리더의 인원도 늘어나게 할지 아니면 팀의 역할을 추가 부여하기 위한 팀단위 업무의 변경이 필요로 된다. 어떤 방향으로 운영을 하게 되더라도 지금과는 다른 모습을 하게 된다는 점은 분명하다.

 

 

 

2. AI가 ‘평가’에 미치는 영향.

성과에 대한 영향은 평가에 대한 영향으로 이어지게 된다. 평가의 단계 중, 운영 단계인 목표 설정, 운영, 결과의 확인 단계에 모두 영향을 미치게 된다. 평가를 위한 목표 설정부터 영향을 줄 수 있기 때문이다. 목표를 설정할 때 생성형 AI의 활용 정도의 반영 여부를 정해야 한다. 목표설정에서부터 반영이 된다면 운영시에는 계획한대로 활용이 되고 있는지 활용의 장애요소는 없는지, 다른 팀원이나 회사에도 적용할만한 사항은 없는지 검토해야 한다. 그리고 수립한 목표의 달성정도에 대한 확인을 하고 회사의 기준에 따른 최종 평가를 하게 된다. 활용 여부에 대해 반영을 할지 검토를 하는 것은 업무 효율성과 성과에 직접적인 영향이 있을 것이기 때문이다. 단순히 활용 여부 뿐 아니라 활용 정도에 따른 개인 차이도 있을 것이다. 물론 지금까지는 AI의 활용이 이런 차이를 만들 정도가 아니어서 공감하지 못할 수 있지만 AI 기술이 적용된 업무 지원 툴이 지속적으로 개발된다면 불가능한 일 만은 아닐 것이다. 그리고 다양한 툴이 등장할수록 사용을 하는 사람과 그렇지 않은 사람의 차이는 점차 벌어질 것이기 때문이다.

평가 진행시에 처음부터 달성하기 쉬운 목표가 부여된다면 평가의 공정성에도 영향을 줄 수 있기에 부정적인 영향을 만들지 않기 위해서라도 고려해볼 수 있다.

평가를 진행하는 리더에게도 영향이 있을 수 있다. AI 반영 여부를 결정하거나 실제 반영을 하려면 리더가 AI 기술에 대한 이해가 있어야만 가능하다. 평가를 위해 리더에게 AI 리터러시 역량이 필요로 된다. (AI 리터러시 : AI 활용 능력 뿐 아니라, AI를 통해 얻게 되는 정보에 대한 이해, 판단, 활용 등)

평가에 도입을 하지 않는것으로선택을 할 수 있다. 부여한 목표가 각 개인의 직급이나 연봉 수준에 적합한 수준으로 부여하고 이에 대한 결과에 대한 확인해야 한다. 개인의 AI업무 활용도가 높은 팀원이 있다면 고성과자로 평가될 확률이 높다. 그리고 이 차이는 줄어들기 힘들어질 것이고 동시에 목표 수준이 낮을 수록 당연히 달성률도 주로 높을 것이다. 기대치가 낮은 구성원 위주로 고성과자로 선정되는 상황이 발생할 수 있는 것이다.

개인별로 설정한 목표의 달성을 위해 업무 생산성을 높이는 것이 평가의 근본적인 목적이라면 AI를 적용하거나 다른 방법을 적용 했는지에 무관하게 높은 수준의 평가 결과를 매칭해야 한다. 그리고 그 결과 수준은 다음의 목표 설정에도 반영이 되는 선순환으로 가야 한다. 이 때, 단순히 목표 수준만 높아지는 상황이 되지 않도록 보상 제도와의 연계가 필요할 것이다. 그렇지 않으면 평가의 공정성이 낮아지게 되고 급기야는 조직 이탈로 이어질 수 있다.

결과적으로 개인의 능력에 따른 목표의 설정, 평가 그리고 보상에 까지 연결되는 구조가 생길 수 있다. 목표 설정은 연차나 직급에 의존하기 보다는 전년도의 성과에 따라 설정할 수 있다. 목표의 수준도 영향이 있지만 역할 자체가 보다 다양해 지면서 보다 새로운 목표를 설정하게 될 수도 있을 것이다. 목표의 수준과 종류가 달라진다면 평가를 위한 과정상에서 장애 요소의 확인과 필요 사항의 지원단계가 지금까지보다 중요해질 것이다. 보상은 회사의 상황이나 보상 전략에 따라 정할 수 있을 것이다. 목표 수준과 보상의 정도가 비례하지 않는 경우의 조직 이탈을 방지하는 차원에서라도 보상 전략은 보다 중요해 질 수 있을 것이다.