HR 테크 시장, AI 등 신기술 적용으로 노동 시장 변화에 대응 [제2의 알파고 쇼크, ‘챗GPT’]

HR 테크 시장, AI 등 신기술 적용으로 노동 시장 변화에 대응

인력 채용 및 근태 관리 등 적용분야 확대, SaaS형 제품 주목

코로나19와 디지털 전환(DX)으로 인해 우리 사회의 일하는 방식, 인력 채용, 노동시장 구조 등이 바뀌고 있다. 특히 대 퇴직의 시대라고 불릴 만큼 이직이 활발해지고 워라밸(일과 삶의 균형, Work-life balance의 준말)을 중시하는 가치가 정립됐다. 그뿐만 아니라 긱 워커(단기 계약을 맺고 일하는 근로자, Gig Worker)의 증가, IT 기술 인력난 심화 등 노동 시장이 급속히 변화하고 있다. 이러한 변화는 HR시장에도 큰 영향을 미치고 있다. 포춘비즈니스인사이트에서 발표한 자료에 따르면 HR 테크 시장은 2020년 228억 달러에서 2028년에는 356억 달러로 확대될 것으로 보인다. HR 테크 시장은 시장 성장만큼이나 인력 채용에서부터 인재/근태 관리 등 여러 분야에서 기술이 발전하고 있다.

 

산업화 진행으로 부각된 HR 테크

초기 인적자원(HR)시스템은 급여/근태관리 등 행정업무에 중점을 두고 있었다. 전사적자원관리(ERP)에 기업의 업무 작업 연계 또는 그룹웨어의 근태관리 모듈을 그대로 쓰는 형태가 일반적이었다.

 

레스토랑이나 편의점 등 아르바이트생을 고용하는 업장에서는 아날로그 형태의 출퇴근 기록기나 근무표에 수기로 작성하는 방법을 주로 사용했다. 기업에서는 엑셀에 수기로 입력하는 방식으로 전자카드, 지문인식, 얼굴인식, 디지털 달력 등 근태 업무에 여러 시스템을 혼용했다.

 

과거 인사 담당자들 또한 지원자들의 정보와 합격 여부를 엑셀로 관리했다. 채용 과정을 수기로 관리하다 보니 합격 결과 누락 및 오인으로 인해 잘못 통보하거나 메일을 보낼 때 참조를 걸지 않아 개인정보가 유출되는 일도 빈번히 발생했다.

이후 정보화가 진행되고 기업들의 규모가 커지면서 인사관리와 인공지능 및 빅데이터 등 핵심 기술이 합쳐진 HR 테크의 중요성이 대두되기 시작했다. 모든 산업 분야에서 IT로 각종 문제를 해결해 나가는 가운데 HR 시장 역시 이러한 추세에 발맞춰 HR 테크를 전면에 내세우고 있다.

 

인재 유지 및 육성 전략 필요

최근 HR 업계는 신고용 생태계로 ‘긱 이코노미(Gig Economy)와 긱 워커’에 주목하고 있다. 긱 이코노미는 필요에 따라 일을 맡기고 구하는 경제 형태를 뜻한다. 긱 이코노미에 대해 사람인HR 남광현 IT연구소장은 “디지털 플랫폼을 기반으로 한 공유경제가 확산되면서 등장한 근로 형태다. 갈수록 평생직장의 개념이 희박해지고, MZ세대의 ‘일’에 대한 가치관이 변화되면서 대세로 자리 잡았다. 인력은 필요하나 정규직 채용 또는 정식 컨설팅을 맡기기엔 부담스러운 기업의 니즈와 맞물려 긱 이코노미는 더욱 확산될 전망”이라고 말했다.

 

보스턴컨설팅그룹 보고서에 따르면 국내 긱 이코노미 시장은 향후 5년간 연평균 35% 성장, 2026년 연간 채용 건수가 5.5억 건에 이를 것으로 예상된다. 2021년 미국에서는 약 4,740만 명이 퇴사했다. 팬데믹 이전인 2019년의 4,210만 명에 비해 크게 증가했다는 것을 알 수 있다. 이러한 퇴직자 증가 현상은 비단 미국에서만 일어나는 것이 아니다. 세계 모든 국가에서 이러한 현상이 증가하고 있다.

 

직원 교체 시 기존 직원 연봉의 50%~250%에 해당하는 비용이 발생하고 직원 채용, 온보딩(신규 직원이 조직에 적응할 수 있도록 업무에 필요한 지식이나 기술 등을 안내·교육하는 과정)을 위한 시간도 필요하다. 따라서 원활한 비즈니스 운영을 위해서는 전반적인 직무 만족도가 높은 근무 환경을 조성하고 강력한 인재 관리, 유지 및 육성 전략이 요구된다.

 

이런 상황에 대해 인크루트웍스 김성민 본부장은 “지금은 사람을 채용해 충원시키는 것으로 끝나는 게 아니라 직원을 어떻게 유지하는지가 문제다. 퇴사하지 않도록 인재를 관리하는 방법도 HR의 영역으로 들어오고 있다”고 말했다. HR에서 인적 자원의 최고 자질을 끌어내고, 성공적인 진로를 마련해 직무 및 특정 근무자에게 필요한 스킬을 파악하고 맞춤형 상시 학습을 제공해야 하는 중요성이 부각되고 있다는 의미다.

워크데이코리아 이상훈 지사장 역시 “조직의 스킬을 파악하고 직원들이 보다 역동적으로 해당 스킬을 활성화하도록 지원한다면 인재 확보보다는 인재 육성으로 기업들의 사고의 패러다임이 바뀔 것으로 전망된다. 실제 세계경제포럼에서는 향후 3년 동안 직종의 42%는 다른 스킬을 필요로 할 것이며, 2030년까지 10억 명이 넘는 근로자가 리스킬링(새로운 직무에 필요한 스킬을 배우는 것)이 필요할 것이라고 추산했다. 앞으로 스킬 우선 및 지원 우선 전략은 기업이 인재 확보하는 데 있어 핵심이 될 것”이라고 말했다.

 

2030년 HR 테크 시장 383억 달러 전망

HR시장은 매해 성장하고 있다. 리서치인사이트에서 발표한 글로벌 인력관리 소프트웨어 시장 보고서에 따르면 전 세계 인력관리 시장 규모는 2018년 24억 4천만 달러 규모를 형성했으며, 2026년에는 52억 5천만 달러로 성장할 것으로 예측했다. 글로벌 시장조사업체 VMR은 세계 HR 테크 시장이 2030년에 383억 6천만 달러(약 50조 3천억 원)를 기록할 것으로 전망했다.

 

국내 시장 역시 계속 성장할 것으로 보인다. 다올투자증권(옛 KTB투자증권)에 따르면 HR 분야 중 하나인 국내 채용시장 규모는 2025년 3조 8천억 원 규모로 전망된다. 지난 3년간의 팬데믹으로 인재 관리와 유지 등 인사 관련 전략에 많은 변화가 있었다. 이러한 비즈니스 환경의 변화가 HR 솔루션의 성장을 이끈 한 원인으로 풀이된다.

 

인크루트웍스 김성민 본부장은 “공채 위주에서 수시 채용 위주로 트렌드가 바뀌는 추세다. 기존 취업 포털 외 다양한 신규 매체가 추가되면서 채용의 횟수가 많아져 전체적으로 HR시장이 커졌다. 다양한 채널을 활용하면서 지원자들을 효율적으로 관리할 수 있는 솔루션에 대한 수요는 지속해서 증가할 것”이라고 말했다.

 

시프티 신승원 대표는 “HR 테크 시장 내에서도 특히 인력관리 솔루션이 두각을 나타낼 것으로 보인다. 국내에서는 주52시간제가 전면적으로 도입되면서부터 이미 근태관리 솔루션 시장은 가파르게 성장해왔다”고 덧붙였다.

 

디지털 전환 가속으로 클라우드의 중요성 부각

과거 HR솔루션은 주로 사내에서 직접 개발해 사용했다. 그리고 성과관리, 학습관리 등 필요한 부분을 추가/개발하는 형태였다. 그러나 최근에는 서비스형 소프트웨어(SaaS) 기반 클라우드 도입이 활발해지고 서비스 간 연동 가능 여부가 중요해졌다. 고객의 비즈니스를 도울 수 있고 SaaS 기반 서비스를 받아 사용하는 것이 투자 대비 효과가 좋기 때문이다.

 

워크데이코리아 이상훈 지사장은 “소위 말하는 인적자원관리(HRM)와 인적자원개발(HRD) 영역 통합을 기반으로 통합 인사 데이터를 구현하고 활용할 수 있는 솔루션이 필요하다. 인사팀만을 위한 솔루션이 아닌 전사 직원이 적극 활용할 수 있어야 한다. 과거에는 평균 10년 주기로 시스템이 교체됐다면 지금은 그 교체 시기가 매우 빨라지고 있다. 몇 달 후의 시장을 예측하기도 힘들거니와 그 변화 속도도 이전과 비교할 수가 없다. 시장의 변화에 뒤처지지 않도록 주기적으로 새로운 기술을 적용해 혜택을 받을 수 있는 솔루션이 필요하다”고 말했다.

 

사람인HR 남광현 IT연구소장은 자사의 온프레미스에 구성된 프라이빗 클라우드와 퍼블릭 클라우드를 연결한 하이브리드 형태를 언급했다. 휘발유와 전기차의 장점을 결합한 자동차처럼 서로 다른 클라우드 환경을 결합해 장점을 극대화시키고 효율성과 기능성을 끌어올렸다는 의미다.

 

그는 “사람인HR이 보유한 주요 데이터 자산은 온프레미스 내 프라이빗 클라우드 인프라를 통해 보다 안전하게 관리하고 있다. 이밖에 데이터는 퍼블릭 클라우드의 강점을 활용해 기술의 다양성과 급변하는 수요에 대응할 수 있도록 유연하고 안정적인 서비스를 운영하는 데 중점을 뒀다”고 말했다.

 

이 외에 자연어 처리 기술(NLP)도 각광받고 있다. NLP는 컴퓨터가 인간의 언어를 이해하고 생성하고 조작할 수 있도록 해주는 인공지능의 한 분야다. NLP는 HR 분야에서 공고, 이력서 및 자기소개서 등의 텍스트들이 갖고 있는 다양한 정보들을 이해하고 활용할 수 있도록 돕는다. HR 분야에 특화된 형태소 분석, 개체명 인식, 구문 분석 등의 자연어 이해(NLU) 기술부터 선학습 언어모델(PLM)을 기반으로 한 주제분류, 기계독해(MRC), 챗봇 등의 응용기술까지 폭 넓게 활용되고 있다.

 

사람인HR 김정길 AI 랩 실장은 “HR 분야에 적합하게 개발한 NLU 기술을 토대로 공고나 이력서, 자기소개서 등의 비정형 텍스트의 주요 정보를 추출해 정형적인 데이터로 구성한다. 구성한 HR 정형데이터를 토대로 자연어처리 응용기술들을 통해 사용자에게 더 유의미한 정보를 제공할 수 있는 서비스들을 만들고 있다”고 말했다.

 

김정길 실장은 이를 위해 다양한 HR데이터를 확보해 가공하고, 각 서비스의 목적에 맞는 기술과 데이터를 선정해 서비스의 핵심 기술을 만들어가는 것의 중요성을 강조했다.

면접질문생성 예시 이미지 (제공: 무하유)

 

무하유 송복령 프로는 “자연어 처리 기술을 통해 HR 분야에 특화된 문맥 이해 기술로 개체명 인식 기술과 키프레이즈 기술(단어가 아닌 구절 중심의 유사도 판단)을 결합했다. HR 분야에 최적화된 문맥 이해 기술로 유의미한 문장을 효율적으로 분류할 수 있다”고 말했다. 무하유는 NLP 기술로 데이터 기반 직무적합을 판단할 수 있다. 실무역량, 구체적인 직무경험, 직무에 대한 이해도와 관심이 포함된 문장을 분석할 수 있어 지원자의 역량과 지원 직무의 적합도 판단에 용이하다. 문항적합도 및 구체성 평가 기술도 가능하다.

 

딥러닝 또한 주목할만하다. HR 솔루션에 머신러닝 방식만 적용했을 때는 알고리즘을 사용해 데이터를 분석하고 학습하며, 학습한 내용에 따라 정보에 근거한 결론을 내렸다. 딥러닝은 머신러닝의 하위 개념으로 자체적으로 학습하고 결론을 내릴 수 있는 인공신경망을 만들어 결정한다. 과거의 머신러닝과 함께 적용하면 사람이 원하는 결과 데이터를 제공해준다. 사람이 판단한 수없이 많은 문맥과 정답을 데이터로 만들어 머신러닝에 입력시킨 후 딥러닝으로 사람과 유사한 수준으로 정확하게 판단할 수 있도록 하는 것이다.

면접질문생성 예시 이미지 (제공: 무하유)

 

예를 들어 인력 채용 시, 편견 요소 포함 여부를 판단하는 경우에 사전과 룰 방식에 의해 정해진 대로 편견 요소를 포함, 불포함으로 판단한다. 여기서 사전 방식은 직업명, 지역명, 학교명과 같은 단어를 사전으로 구축하는 것이다. 해당 단어가 문장에 포함돼 있을 때 판단이 가능하다. 룰 방식은 IF(A가 있다면 B를 해라), ELSE(C가 있다면 D를 해라)와 같은 규칙을 생성해 주는 것으로, 다양한 사전을 구축해 놓으면 경우에 따라서 조합해 규칙을 생성할 수 있다.

 

인터뷰 / HR 테크 기업들이 대내외 각종 보안 이슈에 대응하는 방법

 

코로나를 겪으면서 언택트(Untact)는 모든 산업 분야에 자연스럽게 자리를 잡게 됐다. 채용분야도 예외는 아니다. 이직을 통한 커리어의 상승을 당연하게 여기게 되면서 한 회사에 3년 이내 퇴사 후 이직하는 ‘대 이직의 시대’, ‘대 퇴직의 시대’를 경험하고 있다.

 

이러한 상황 속에서 1년에 한 번 실시하던 공개채용은 수시채용의 형태로 변하고 있다. 채용 담당자는 회사에서 필요한 직원들을 찾고, 대면 면접과 비대면 면접 여부를 확인해 스케줄 관리를 해야 한다. 또한 면접관 평가 결과를 수집하고 채용 결과를 안내해야 하는 등 채용 과정에서 많은 일을 처리해야 한다, 이러한 일을 자동으로 처리해주는 HR 테크 기업들의 ATS(Applicant Tracking System)이 부상하는 이유다.

 

포천에서 선정한 500대 기업의 98%가 ATS를 사용 중일 정도로 이미 외국에서는 ATS 사용이 일반화 돼 있다. 최근의 ATS 트렌드는 SaaS 형태로 서비스된다는 점이다. 별도로 시스템을 설치하거나 관리하지 않아도 되는 장점이 있을 뿐 아니라 인재 채용에 대한 전반적인 자동화 기능은 물론 채용사이트도 코딩 없이 쉽게 구현하는 기능도 겸비하고 있다.

 

하지만 ATS를 도입하는데 한 가지 걸림돌이 있을 수 있다. 그것은 바로 ‘보안’ 문제다. 회사에서 적용받는 내·외부 규제가 강할수록 보안은 문제가 될 수 있다. 일반적인 시드 단계 또는 시리즈 A 단계의 스타트업에서는 보안에 대해 크게 우려하지 않는다. 비용에 대한 부담외에도 당장 사업의 성장이 최우선 과제로 보안에 대해서까지 신경 쓸 여력이 없기 때문이다. 그렇다고 시스템 공급업체가 보안을 등한시 하면 안된다. 어떤 경우든 보안을 중시해야 한다. 특히 클라우드 공급업체는 더더욱 그렇다.

 

SaaS 방식의 ATS (그리팅) 서비스를 B2B 고객에게 제공하고 있는 두들린은 사업 초기부터 고객이 채용시스템을 사용하는 과정에서 지원자의 지원서류가 안전하게 보호되고 있는지에 대한 우려를 해소시켜야 하는 책임이 전적으로 자사에 있다고 생각했다. 스타트업을 비롯해 대기업, 중견기업 등의 고객사가 늘어나면서 취급해야 하는 개인정보가 늘어나면서 이러한 생각은 더욱더 강해질 수밖에 없었다.

 

그리팅 서비스는 단순히 한 기업 내의 개인정보만을 담당하는 것이 아닌, 해당 기업에 지원하는 수백, 수천 명의 개인정보를 보호해야 하므로 서비스 초기부터 보안을 중요하게 여겼다.

 

두들린은 스타트업으로서는 이례적으로 정보보호를 총괄하는 정보보호최고책임자(CISO)를 임원으로 영입했다. CISO를 통해 채용이 시작되는 개인정보 수집 동의 절차부터 채용이 완료되는 개인정보 파기의 전 과정에 개인정보보호법의 기본 원칙을 확립하고 법무법인을 통해 검토했다. 또한 고객의 신뢰도 향상을 위한 정보보호 예산을 전폭적으로 지원했다. 정보보호 컨설팅 전문 기업을 통한 국내 인증(ISMS-P, 정보보호 및 개인정보보호 관리체계 인증) 컨설팅 및 각종 정보보호시스템, 서버실 구축 등을 완료했으며, 개인정보 손해배상 책임보험에 가입함으로써 혹시 모를 개인정보 유출 사고의 위험에도 대비했다.

 

최근 두들린은 자체적으로 보안의 전 영역을 커버하기 위해 모의해킹과 취약점 진단의 기술 영역 보안담당자를 채용했고, 추가적으로 개인정보보호 관리 영역 보안담당자를 채용했다.

 

AI와 RPA 기술 활성화로 영역 확대

 

과거 취업포털 서비스들은 채용정보를 등록하고 수만 명에 이르는 대규모 지원서 접수를 가능하게 하는 안정적 서비스를 제공하는 수준의 기술만 필요했다. 하지만 대규모 공채에서 수시 채용으로 트렌드가 변화한 만큼 최근에는 기업에 적합한 인재를 매칭해 줄 수 있는 기술들이 도입되고 있다.

 

사람인HR 남광현 IT연구소장은 “AI기술을 활용한 추천 및 매칭, 구직자 코칭 기술들이 지속적으로 고도화되고 있으며 이는 서비스의 개인화를 넘어 초개인화로 발전해 나가는 데 기반이 되기도 한다. 이러한 초개인화 서비스를 위해서는 대량의 개인 데이터를 확보하는 것이 가장 중요하다”고 말했다.

 

무하유 송복령 프로 역시 “인사 담당자가 기업에 적합한 인재를 찾는 데에 한계가 있다. 그 한계점을 AI 기술을 활용해서 해결해보겠다는 점을 매칭의 개념으로 이해하면 된다”고 덧붙였다.

 

한편 수시 채용으로 인사 담당자들의 업무 효율성이 중요해지고 있다. 기존 업무를 자동화 할 수 있는 로보틱 처리 자동화(RPA) 같은 기술들이 떠오르는 이유다. 특히 반복적인 업무를 자동화함으로써 인사팀의 업무 부담을 줄일 수 있다.

 

최근 HR 관련 서비스는 대부분 통합 서비스를 지향하고 있다. 말 그대로 원스톱 서비스가 가능한 형태로 진화돼 나가고 있는 것이다. AI, 빅데이터, 블록체인, 메타버스, 화상/음성 등 미디어 처리 기술과 같은 신기술들이 HR 서비스에 접목되고 있다.

 

기업별 솔루션

워크데이 / 인력 운영 위해 갖춰야 하는 정확성과 민첩성 제공

 

워크데이의 ‘인재 관리 솔루션’의 주요 이점으로 △막대한 비용이 드는 코어 HCM, 보상, 채용, 인력 계획, 인재 시스템과의 통합 불필요 △조직의 목표 및 이니셔티브와 연계해 인력 운용 △완전히 통합된 보고 및 분석 기능으로 인재의 강점, 위험 요인, 추천 액션 확인 △정기적인 점검과 상시 피드백 기능으로 지속적인 협업 장려 등이다.

 

워크데이의 ‘인재 관리 솔루션’은 적응형 아키텍처에서 기술 플랫폼을 계속 확장할 수 있도록 설계됐다. 머신러닝부터 확장형 프레임워크와 고급 분석에 이르기까지 고객에게 새로운 차원의 지능적인 맞춤형 경험을 제공하고 있다. 인재 관리 솔루션의 특징으로 △코딩할 필요 없이 프로세스 작동 방식을 구성할 수 있는 ‘비즈니스 프로세스 프레임워크(BPF)’ △적용 가능성의 핵심 요소인 엔티티, 속성 및 관계를 모델링하는 ‘오브젝트 데이터 모델’ △모든 트랜잭션에 대한 데이터와 분석을 통합해 인사이트를 필요한 시점에 얻을 수 있는 ‘고급 보고 및 분석’ △다양한 방법으로 데이터와 시스템을 원활하게 통합할 수 있도록 지원하는 ‘엔터프라이즈 통합 클라우드’ 등을 들 수 있다.

워크데이 인재관리솔루션 대시보드 경영진 스코어카드 (제공: 워크데이)

 

워크데이코리아 이상훈 지사장은 “워크데이 플랫폼을 고객 및 광범위한 에코시스템을 구성하는 파트너 개발자에게 개방함으로써, 워크데이 구성요소를 활용해 커스텀 확장과 애플리케이션을 개발할 수 있게 하고 있다. 국내 기업의 경우, 이러한 커스텀 확장과 애플리케이션 개발에 대한 요구가 많았다.

 

이와 같은 고객들의 요구사항을 충족시키기 위해, 워크데이코리아는 올해부터 본격적으로 고객 스스로 혹은 제3자가 개발한 앱을 워크데이 내에 확장해 구축할 수 있는 솔루션인 ‘워크데이 익스텐드’를 통해 고객의 비즈니스에 알맞은 특별한 방식으로 워크데이를 확장해 워크데이 애플리케이션의 효용성과 가치를 확대할 수 있도록 지원하고 있다”고 말했다.

 

사람인HR / 자체 개발한 알고리즘 20개 이상…초개인화된 서비스 제공

 

사람인HR은 빅데이터 기술력을 바탕으로 △1억여 건 프로필을 분석, 인재를 기업과 연결하는 ‘인재풀 서비스’ △구직자와 기업 데이터를 AI로 분석, 구직자에게 적합한 공고를 제공하는 ‘사람인 추천’ △NLP를 활용해 단순 키워드 분석이나, 맞춤법, 분량 체크 등 기초적 범위를 벗어나 AI가 다수의 자기소개서에서 쓰는 진부한 표현까지 분석하는 한 차원 발전된 코칭을 선보이는 ‘AI 자기소개서 코칭’ 등의 기술 특화 서비스를 선보이고 있다.

 

채용 대행 솔루션의 보안성과 공정성 강화를 위해 블록체인 기술을 활용하거나 코로나 펜데믹으로 ‘비대면 채용’이 떠오르면서 영상기술을 적용한 서비스를 내놓는 등 신기술도 적극 활용하고 있다. 지난해에는 내부추천 엔진인 ‘퀀텀 엔진’을 고도화했다. 새로운 아키텍쳐 도입을 통해 사용자 로그 분석 시간을 대폭 줄이고, 추천의 퀄리티를 모니터링 할 수 있는 등 운영 효율성도 높였다.

사람인HR 핵심 서비스 개념도 (제공: 사람인HR)

 

사람인HR 관계자는 “사용자의 활동 기반으로 만들어진 분석 결과는 곧 사람인 검색과 추천 서비스로 연결된다. 현재 AI 랩에서 자체적으로 개발한 추천 알고리즘만 20개 이상으로 연내 딥러닝 알고리즘을 더 추가해 AI 기술을 고도화 할 계획이다”고 말했다.

 

인크루트웍스 / 고객의 피드백 적극 반영…지원자 통합 관리 서비스 제공

 

인크루트웍스는 온라인에서 진행할 수 있는 채용 전형 단계별 모든 프로세스에서 지원자를 통합 관리할 수 있는 서비스를 제공하고 있다. 인크루트웍스가 제공하는 솔루션은 △채용 관리 솔루션 중 메인 서비스로 지원자와 후보자를 관리하고 반복적인 채용 업무를 자동화시킨 ‘ATS&CRM’ △인적성 검사를 진행할 수 있는 ‘어세스(Assess)’ △화상 면접, 화상 녹화 영상 등 진행이 가능한 ‘인터뷰’ △온라인 필기시험 운영 및 AI 온라인 감독 기능을 제공하는 ‘프록터’ △모바일에서 지원자의 평판 등록 및 조회를 할 수 있는 ‘레퍼런스 체크’ 등이다.

인크루트웍스 솔루션 개념도 (제공: 인크루트웍스)

 

인크루트웍스는 채용공고 등록부터 지원자 접수, 지원자 평가, 검사, 시험, 면접, 레퍼런스체크, 합격자발표까지 채용의 모든 단계를 자동화하는데 주력하고 있다. 인사담당자들이 반복적인 채용업무 진행에 할애하는 시간을 줄이고 인사 본연의 업무에 더 집중할 수 있도록 하고자 서비스를 지원 중이다.

채용솔루션인 ATS 본연의 기능과 더불어 채용업무에 활용되는 다양한 평가도구들을 개발하고 있다. 이런 평가기능들을 유기적으로 연결해 손쉽게 사용할 수 있도록 편의성도 개선하고 있다.

 

무하유 / 실제 업무에 도움을 줄 수 있는 자연어 기반 AI 기술 제공

 

2011년 표절 검사 서비스 ‘카피킬러’를 선보인 무하유는 고유의 문자인식(OCR) 기술을 활용해 AI 채용 솔루션 ‘프리즘’을 제공하고 있다.

프리즘은 사람이 자기소개서를 검토하는 평균 시간 10분을 AI를 통해 평균 8초로 줄였다. 표절이나 기업명 오기재 등 감점 사유 등을 포착하는 것 뿐만 아니라 고역량자를 선별하고 지원자별 질문도 제공한다. 자기소개서 문장 내 구절을 포함하는 단순 질문부터 자소서 내용을 수정한 학습 데이터를 구축해 딥러닝한 심층 질문도 만들 수 있다.

‘프리즘’, ‘몬스터’ 개념도 (제공: 무하유)

 

대화형 AI면접 솔루션 ‘몬스터’는 고도화된 STT(Speech-to-Text) 기술이 적용돼 분석의 정확도를 증가시킨다. STT기술은 사람이 말하는 음성언어를 컴퓨터가 해석해 그 내용을 문자 데이터로 전환한다. 실제 면접 답변 데이터를 활용한 데이터 튜닝 및 딥러닝 기술을 활용해 HR 분야에 특화돼 있는 기술이다.

비대면 시대를 맞아 활발하게 도입되고 있는 AI 면접이나 자연어 처리를 통해 업무 효율을 향상시키는 데 주력하고 있다.

 

시프티 / 규모에 상관없이 모든 업종에서 운영할 수 있는 ‘범용 소프트웨어’

 

시프티는 SaaS 기반 통합 인력관리 서비스를 제공하고 있다. 근무일정관리, 출퇴근 기록, 근태관리, 휴게시간 관리, 휴가관리를 위한 각종 전자결재, 근태 정산 업무의 자동화, 전자계약/전자서명 기능을 지원한다.

변화하는 근로기준법 및 근로형태에 상시 대응하고 있으며, 근태관리 및 정산을 자동화해 관련된 모든 데이터는 자동 집계함으로써 복잡한 정산 업무를 간소화시킬 수 있다. 복잡한 조직도와 기업 체계를 반영할 수 있어 상하관계 기반 승인규칙 설정이 가능해 대규모 인력 운영에 효과적이다.

시프티 통합 인력 관리 솔루션 핵심 기능 (제공: 시프티)

 

오픈 API와 SFTP(Secure File transfer protocol)를 통해 ERP HR 솔루션에 조직도와 정산을 위한 데이터를 유기적으로 연결할 수 있도록 한 것이 대표적인 예다. 슬랙, MS팀즈, 구글캘린더 등 글로벌 협업툴과도 연동이 가능하다.

 

두들린 / 채용관리 A-Z까지 지원…불필요한 오퍼레이션 감소

 

채용관리 솔루션 기업 두들린은 B2B SaaS 기반 기업용 채용관리 ‘그리팅’ 플랫폼을 제공하고 있다. 그리팅은 다수의 채용 플랫폼을 통해 지원한 이력서를 동일한 양식으로 한 번에 관리할 수 있다. 각 지원자별 평가, 일정 조율, 합격 유무를 파악하고 모니터링 할 수 있어 채용 담당자와 경영진들의 효율적인 의사소통을 돕는다.

최근에는 채용사이트 제작 기능이 추가돼 기업이 자체적으로 채용사이트를 제작할 수 있다. 기업 이미지에 맞게 채용 사이트를 커스터마이징 할 수 있어 채용에 참가할 동료를 초대하고 공고별로 열람 권한을 부여해 효율적으로 지원자를 평가할 수 있다.

그리팅 핵심 기능 (제공: 두들린)

제2의 알파고 쇼크, ‘챗GPT’

뛰어난 자연어처리 성능으로 인간-컴퓨터 모달리티 혁신 가속화

바야흐로 챗GPT(ChatGPT)의 시대다. 일반 사용자와 기업들을 가리지 않고 IT와 관련된 모든 분야에서 챗GPT가 가장 큰 주목을 받고 있다. 과거 구글 딥마인드가 공개한 알파고(AlphaGO)가 인공지능(AI)의 가능성에 대한 인식을 완전히 바꾸어놓았던 것처럼, 챗GPT는 대화형 검색의 혁신을 통해 알파고와 같은 수준의 변화를 만들어나가고 있다.

챗GPT 메인 화면

 

글로벌 기업들의 ‘경계 경보’ 발령

지난해 12월 21일, 검색 서비스 시장의 최강자인 구글이 ‘코드 레드(code red)’를 발령했다. 코드 레드는 구글이 위험한 상황에 직면했다는 것을 의미한다. 구글 순다 피차이(Sundar Pichai) CEO는 자사의 주력 비즈니스 중 하나인 검색 시장에서 심각한 위협이 발생했다고 설명하며, 이러한 위협을 헤쳐 나가기 위해 전사적인 역량을 집중할 것이라고 선언했다. 구글이 전 세계 검색 시장의 80% 이상을 독점하고 있는 지배적인 사업자임에도 불구하고 ‘심각한 위협’을 느낄 정도의 사태가 발생했다는 것이다.

 

구글이 코드 레드를 발령하도록 만든 것은 최근 전 세계를 들썩거리게 만들고 있는 챗GPT다. 오픈AI가 지난해 11월 베타 버전을 공개한 챗GPT는 기존과 차별화된 검색 방법과 편리한 사용성, 뛰어난 성능 등을 바탕으로 폭발적인 인기를 끌었다. 구글은 챗GPT가 출시된 지 5일 만에 100만 명이 넘는 사용자를 모으는 것을 보면서 자사가 독점하고 있는 시장에 강력한 대항마가 등장했다는 것을 직감했다.

 

챗GPT 열풍에 자극을 받은 것은 비단 구글만이 아니다. 마이크로소프트는 지난 1월 오픈AI와 파트너십을 체결하고 100억 달러에 달하는 투자를 공식화하며 챗GPT에 지대한 관심을 가지고 있음을 표명했다. 그동안 구글에 밀려서 빛을 보지 못하고 있었던 빙(Bing)에 챗GPT를 결합해 검색 시장의 판도를 바꾸겠다는 목표다. 특히 2021년 이전의 데이터를 주로 학습한 베타 버전 챗GPT와 달리, 실제 서비스가 가능하도록 최신 데이터까지 학습했다.

 

메타는 독자 개발한 초거대 AI ‘라마(LLaMA)’를 공개했다. 라마는 챗GPT보다 적은 650억 개의 매개변수(parameter)를 학습했지만, 최소 70억 개에서 최대 650억 개까지 매개변수 학습량에 따라 서비스 모델을 구분해 제공하는 것이 특징이다. 필요에 따라 매개변수 학습량이 적은 모델을 선택해 빠르고 효율적인 서비스 이용이 가능하고, 매개변수가 적은 대신 학습 데이터의 양을 늘려 성능을 고도화했다. 메타가 공개한 성능평가 지표에 따르면, ‘학습 데이터에 포함되지 않은 상식추론’ 등 일부 테스트에서는 챗GPT보다 우수한 성능을 기록하기도 했다.

 

코드 레드를 선언했던 구글은 2년 전 공개했던 대규모 대화 모델 ‘람다(LaMDA)’를 기반으로 대화형 AI ‘바드(Bard)’를 선보였다. 과거 ‘알파고(AlphaGO)’를 개발해 일약 AI 붐을 일으켰던 구글의 계열사 딥마인드는 또다른 대화형 AI ‘스패로우(Sparrow)’를 공개했다. 하지만 구글은 바드를 야심차게 공개한 첫 시연회장에서 잘못된 답변을 내놓으며 체면을 구겼다. 이날 구글의 모회사인 알파벳의 주가는 7% 넘게 하락했다.

대규모 대화 모델 ‘람다’를 공개하는 구글 순다르 피차이 CEO

 

장문‧복문까지 이해하는 자연어처리 성능

GPT는 오픈AI에서 개발한 대형언어모델(LLM, Large Language Model)이다. 오픈AI는 지난 2018년 6월 처음으로 GPT를 발표했고, 채 1년이 지나지 않아 2019년 2월에는 더 많은 데이터와 매개변수를 학습시킨 GPT-2를 공개했다. 이어서 2020년에는 GPT-3가 공개됐으며, 챗GPT는 GPT-3를 더욱 발전시킨 GPT-3.5를 기반으로 한다.

 

GPT는 ‘Generative Pre-trained Transformer’의 약자다. ‘Generative’는 사용자의 질문에 대한 답변을 스스로 생성하는 모델임을, ‘Transformer’는 GPT가 신경망 모델 중 트랜스포머(Transformer) 아키텍처를 사용하고 있음을 의미한다. 그리고 ‘Pre-trained’는 GPT가 사전학습을 통해 수많은 매개변수를 갖추고 있음을 나타낸다. 학습한 매개변수의 숫자는 대형언어모델의 성능을 판가름하는 중요한 지표다. 실제로 GPT-2와 GPT-3의 성능 차이는 기술적인 변화보다 학습한 데이터와 매개변수의 숫자에서 발생했다. 학습한 매개변수의 숫자를 따지면 처음 공개된 GPT는 약 1억 개, GPT-2는 15억 개 정도이며, GPT-3는 무려 1,750억 개에 달한다.

 

풍부한 매개변수들을 통해 챗GPT는 뛰어난 자연어처리(NLP, Natural Language Processing) 성능을 갖출 수 있다. 자연어로 구성된 길고 복잡한 질문도 정확히 이해하고 사전 학습된 방대한 데이터를 바탕으로 답변을 제시할 수 있다. 기존 검색 서비스들은 사용자가 입력한 검색어를 바탕으로 관련 정보를 제공하는 웹사이트 링크를 제시하는 데에 그쳤지만, 챗GPT는 주어진 정보들을 수집하고 결합해서 독자적인 내용을 만들어 제공하는 것이 차별점이다. 수집한 정보를 이해하고 논리적인 추론을 바탕으로 재배치할 수 있는 성능을 갖추고 있기에 가능한 결과다.

챗GPT의 핵심인 트랜스포머 알고리즘 구조

 

다양한 정보를 결합해 독자적인 장문의 답변을 제시할 수 있는 챗GPT는 기존 검색 서비스들과는 상당히 다른 방법으로 사용되고 있다. 예를 들어 사용자가 A와 B의 공통점과 차이점에 대해 조사하고자 할 때, 기존의 검색 서비스로는 A와 B를 각각 검색해 수많은 보고서나 뉴스기사, 논문 등을 직접 확인해가며 정보를 모으고 이렇게 수집한 정보들을 비교해가며 공통점과 차이점을 추론해내야 한다. 반면 챗GPT에 “A와 B의 공통점과 차이점을 알려달라”고 질문하면 수많은 정보들을 AI가 취합해 이해하기 쉬운 형태로 재작성해 제공해준다. 검색에 드는 수고가 크게 줄어드는 것은 물론, 기존 검색 서비스에서는 불가능했던 수집한 정보 간의 결합과 추론까지 AI가 대체할 수 있다.

 

광범위한 정보 수집, 그리고 정보 간의 결합과 추론 등은 챗GPT가 이전까지의 챗봇 서비스들과 차별화되는 특징이다. 기존의 챗봇 서비스들은 제한적인 영역에서 서비스 품질과 편의성을 높이기 위해 사용되는 경우가 대부분이었다. 따라서 사용자의 의도를 정확히 이해하고 사전에 설계된 답변과 서비스들을 연결해주는 것이 중요했다. 개발 목적에 따라 학습하는 데이터도, 제공하는 답변과 서비스도 한정적이었다. 반면 챗GPT는 방대한 인프라와 데이터들을 바탕으로 범용적인 검색 서비스로 활용될 수 있을 만큼 광범위한 정보들을 제공한다.

 

다만 챗GPT가 일반적인 의미의 범용 AI(AGI, Artificial General Intelligence)에 속한다는 뜻은 아니다. 결국 질문에 대한 이해와 답변만이 가능한 대화형 AI에 속하기 때문이다. 챗GPT가 기존의 다른 챗봇들에 비하면 분야의 제한없이 데이터를 학습하고 답변을 제시할 수 있는 것은 맞지만, 그렇다고 해서 서비스 범위를 대화 이외의 영역까지 확대할 수 있다고 보기는 어렵다.

챗GPT, ‘검색의 모달리티’ 바꾼다

챗GPT로 인해 시작된 검색 서비스들의 혁신은 사용자 경험에 있어서도 많은 변화를 가지고 온다. 특히 유의미한 변화 중 하나는 사용자와 정보 사이에 놓여있는 채널, 모달리티(modality) 측면에서 일어날 것으로 보인다.

 

검색에 챗GPT를 이용하면 단 한 번의 질문으로 AI가 광범위한 정보를 수집하고 분석과 추론까지 제공하면서 사용자가 해야 할 일은 크게 줄어든다. 자연어처리가 가능한 대화형 인터페이스는 원하는 결과를 얻기 위해 검색어를 고민할 필요를 없애주고, AI가 정보를 모아서 정리까지 해주므로 검색 결과창의 링크를 하나하나 눌러가며 다양한 웹사이트를 돌아다녀야 하는 피로를 덜어준다. 컴퓨터에게 검색이라는 명령을 내리는 단계와 결과값을 돌려받는 단계 모두에서 AI의 역할이 늘어나고, 반대로 사용자가 개입해야 할 영역은 줄어든다.

 

결과적으로 사용자가 검색을 통해 정보를 얻는 과정에서 어려움을 겪지 않게 된다. 원하는 정보가 있어도 검색을 활용하기 어려웠던 이들에게 챗GPT가 제공하는 쉽고 편리한 인터페이스와 풍부한 검색 결과는 무척 매력적이다. 비록 지금 당장은 챗GPT가 디지털 기술에 익숙한 사용자들을 위주로 소비되고 있지만, 장기적으로는 디지털 소외계층에게 인터넷을 통한 정보 검색의 창구로써 유용한 옵션이 될 수 있을 것으로 예상된다.

 

검색 이외의 영역에서는 사용자와 컴퓨터 사이의 상호작용을 보다 정교하고 직관적으로 변화시킬 수 있다. 최근 몇 년 사이에 대화형 챗봇을 도입해 서비스 품질을 개선하는 사례가 늘어나고 있으며, 애플의 시리(Siri)나 삼성 빅스비(Bixby)와 같은 스마트폰 개인비서, 아마존 알렉사(Alexa)나 카카오 미니(Kakao mini)와 같은 AI 스피커 등을 중심으로 음성인식을 통한 디바이스 조작 또한 다양해지는 추세다. 이처럼 사용자들은 컴퓨터와의 대화 채널, 모달리티의 변화를 자연스럽게 받아들이고 있다.

 

하지만 이러한 기술이 상용화된 후 상당한 시간이 지났음에도 불구하고 여전히 대다수 서비스들은 이상적인 목표를 달성했다고 보기 어렵다. 여전히 사용자의 명령을 정확히 이해하고 수행하는 데에 어려움을 겪고 있기 때문이다. 실제로 앞서 예시로 들었던 스마트폰 개인비서나 AI 스피커들은 문장이 길어지거나 구조가 복잡해지면 명령을 이해하지 못하는 경우가 부지기수다. 사용자가 원하는 결과를 얻기 위해서는 AI가 이해할 수 있는 명령을 생각해서 말해줘야 한다. 이는 입력 방식이 다소 변화했을 뿐, 여전히 사용자가 명령 내용에 대해서 고민해야 한다는 점에서 한계를 드러낸다.

챗GPT는 다양한 정보를 모아 독자적인 장문의 답변을 제시할 수 있다.

 

이러한 점에서 챗GPT가 보여준 가능성은 무척 고무적이다. 챗GPT가 가진 가장 중요한 의미는 바로 뛰어난 자연어처리 성능이다. GPT의 근간을 이루고 있는 트랜스포머(Transformer) 알고리즘은 자연어처리 분야에서 가장 활발히 사용되고 있는 신경망 기술이다. 챗GPT는 현재 1,750여 개의 매개변수와 방대한 데이터들을 학습해 전에 없던 수준의 자연어처리 성능을 보여주고 있으며, 이를 바탕으로 이전에는 불가능했던 길고 복잡한 문장도 이해할 수 있음을 증명해보였다.

 

현재 오픈AI의 챗GPT는 텍스트 기반의 대화형 챗봇 형태로 제공되고 있지만, GPT가 가진 자연어처리 성능을 스마트폰 개인비서와 같이 변화한 모달리티들과 결합한다면 사용자의 디지털 경험은 크게 향상될 것으로 예상된다. 터치나 음성과 같은 새로운 입력 장치들과 길고 복잡한 음성 명령을 이해할 수 있는 GPT의 자연어처리 성능을 결합한다면 사용자가 컴퓨터와 대화하는 채널이 크게 향상될 수 있을 것이다.

독창성 결여된 콘텐츠

다만 챗GPT의 등장이 모든 점에서 긍정적인 영향만 가지고 올 수 있는 것은 아니다. 이미 챗GPT는 사용법에 있어서 많은 문제점과 한계들을 노출하고 있다. 실제로 많은 커뮤니티 사이트에서 챗GPT를 이용해 학교 과제나 자기소개서 등을 대리 작성하는 방법이 공유되고 있다. 인간의 섬세한 감성이 요구될 것으로 생각됐던 시나 소설, 노래 가사 등 예술의 영역에서도 챗GPT가 종횡무진 활약 중이다. 학계에서는 논문의 얼개를 짜거나 구체적인 내용 구성, 초록 작성 등에 챗GPT의 도움을 받는 것이 올바른가에 대해 많은 논의가 오가고 있으며, 이름있는 학회들에서는 챗GPT를 포함한 AI의 논문 대리작성을 금지한다고 선언하기도 했다. 챗GPT를 통한 대리작성이 빈번히 일어나다 보니 일각에서는 역으로 AI가 작성해준 콘텐츠를 잡아내는 AI 기술을 개발해 공개하기도 했다.

 

챗GPT와 같은 생성적(generative) AI는 잘 사용할 경우 사용자의 업무 효율을 크게 향상시킬 수 있다. 예를 들어 프로그래밍 분야에서는 챗GPT에게 코딩을 맡기는 것이 유행이다. 프로그래밍 지식이 없는 일반인들이 간단한 코딩을 맡기는 것은 물론, 전문 개발자들도 업무 능률을 높이기 위해 챗GPT의 도움을 받기도 한다. 이는 최근 상승세를 타고 있는 로우코드/노코드(low-code/no-code) 개발 방법론들이 내세우는 장점이기도 하다.

 

그렇다면 학교 과제나 연구 논문, 그리고 프로그래밍에는 어떤 차이가 있기에, 챗GPT를 통한 대리 작성에 온도차가 있는 것일까? 이 두 가지를 가르는 것은 독창성(originality)이다.

 

학교 과제를 작성할 때 인터넷 사이트에서 찾은 내용을 그대로 복사해 붙여넣으면, 그 내용이 아무리 정확하고 훌륭하더라도 낙제점을 피할 수 없을 것이다. 연구 논문에서 일부라도 그런 일을 했다가는 표절 시비에 휘말려 학계의 신임을 잃어버릴 수도 있다. 이는 과제나 논문이 전에 없던 독창성을 요구하는 것이기 때문이다. 이 경우 독창성은 논문을 구성하는 텍스트에서 나오는 것이 아니라, 해당 텍스트가 담고 있는 내용에서 나온다.

 

많은 학회들에서 AI를 이용한 논문 작성을 금지하는 것은, 독창성이 있어야 할 논문의 내용을 연구자가 아닌 AI에게 맡긴다는 이유에서다. 실제로 글로벌 최고 수준의 학회 중 하나인 ICML에서는 “(GPT와 같은) 대형언어모델(LLM)으로 생성된 텍스트를 금지한다”고 선언하면서도, “다만 텍스트를 편집하거나 다듬는 데에 LLM을 사용하는 것은 금지하지 않는다”고 덧붙였다. 이는 논문이 가져야 할 독창성이 어디에 있는지를 명확히 설명하는 대목이다.

 

프로그래밍에서 챗GPT를 이용한 코딩, 로우코드/노코드 기술을 통한 코딩 자동화가 금기시되지 않는 것은 독창성을 해치지 않기 때문이다. 코딩은 논문의 텍스트를 작성하는 과정이다. 프로그래밍에서 독창성이 필요한 것은 소프트웨어의 아이디어와 기능을 구현하는 방식이지, 그것을 구성하는 한 줄 한 줄의 코드들이 아니다. 그렇기 때문에 오래전부터 프로그래밍 분야에서는 잘 만들어져 있는 코드를 재활용하는 것이 나쁜 일로 여겨지지 않았고, 오픈소스와 같은 생태계가 만들어질 수 있었던 것이다.

검색의 완전한 대체는 불가능하다

챗GPT가 야기하는 독창성의 문제는 비단 논문이나 프로그래밍과 같은 전문적인 영역에서만 발생하는 것이 아니다. 구글이 ‘코드 레드’를 선언할 만큼, 챗GPT는 이미 디지털 기술에 익숙한 사용자들에게 있어 새로운 검색 채널로 인식되고 있기 때문이다.

 

기존의 검색 서비스들은 사용자가 입력한 검색어에 대해 관련 웹사이트 링크들을 찾아주는 것에 그쳤다. 반면 챗GPT는 해당 웹사이트들에 담긴 정보들을 취합하고 새롭게 엮어 독자적인 내용을 보여준다. 이것은 사용자의 검색 경험을 편리하게 만들어주는 장점이다. 하지만 한편으로는 사용자가 얻을 수 있는 정보를 제한하는 단점이기도 하다. 각 웹사이트에 있는 날 것 그대로의 정보들 대신 챗GPT가 선별한 정보들만을 제한적으로 얻을 수 있기 때문이다. 특히 AI의 근간에는 통계학이 자리하고 있으므로, AI인 챗GPT는 통계적으로 다수인 정보들을 중요하다고 판단하고 소수의 독창적인 의견들은 사장될 가능성이 높다.

 

사용자 입장에서 기존의 검색 서비스들은 검색 결과창에서 여러 웹사이트들을 들락날락거려야 하는 불편함이 있다. 이를 통해 얻은 정보를 바탕으로 직접 머리를 쓰고 아이디어를 내야 한다는 점이 귀찮기도 하다. 하지만 그렇다고 해서 쉽고 편리한 챗GPT가 기존의 검색 서비스들을 완전히 대체할 수 있다고 보기는 어렵다. 기존의 검색 서비스를 이용하면 10명의 사용자에게서 서로 다른 10가지 아이디어가 탄생할 수 있었겠지만, 챗GPT를 이용하면 선별된 정보들을 논리적으로 잘 짜맞춘 단 한 가지 아이디어가 남게 될 것이기 때문이다. 챗GPT의 급격한 성장세를 경계해야 하는 이유가 여기에 있다.

 

반응형

 

SMALL