2027년 기업 인력 전략이 바뀐다…AI 확산 이후 채용·직무·관리자·경력개발의 새로운 기준 -Forbes Human Resources Council-
Marketcast
2026. 9. 30. 14:09
기업의 인력 전략이 사람 수를 관리하는 방식에서 업무와 역량을 설계하는 방식으로 빠르게 이동하고 있다. 생성형 AI와 AI 에이전트가 반복 업무를 처리하기 시작하면서 기업이 성장할 때마다 직원을 같은 비율로 늘려야 한다는 전제도 흔들린다. 2027년을 앞두고 HR이 풀어야 할 문제는 몇 명을 채용할지보다 어떤 업무를 사람이 맡고, 어떤 업무를 AI에 맡기며, 남은 사람에게 어떤 역량을 키워야 하는지 결정하는 일에 가까워지고 있다. Forbes Human Resources Council의 HR 전문가 19명이 제시한 전망에서도 직무 재설계, 스킬 기반 채용, AI와 사람의 혼합 인력, 관리자 역할 변화, 초기 경력자 육성, 직원 경험 등이 하나의 흐름으로 이어진다.
이 변화는 AI를 얼마나 많이 도입했느냐로 설명하기 어렵다. 기업이 기존 조직 구조를 유지한 채 직원에게 AI 도구만 제공하면 생산성이 일부 개선될 수 있지만 업무 배분과 평가, 채용, 교육 방식까지 자연스럽게 바뀌지는 않는다. 오히려 AI가 처리하는 업무가 늘어날수록 사람이 담당해야 할 판단과 책임의 경계가 불분명해질 수 있다. 2027년 인력 전략의 핵심은 AI라는 새로운 노동 자원을 기존 조직에 추가하는 데 있지 않다. 사람과 AI가 함께 일한다는 전제로 조직 운영 방식을 다시 설계하는 데 있다.
인원 수보다 ‘기업이 보유한 역량’이 중요한 경영 지표가 된다
기업의 전통적인 인력 계획은 매출과 사업 규모가 커지면 필요한 인원을 계산하고 부족한 인력을 채용하는 방식에 가까웠다. AI가 업무 일부를 맡으면서 이 공식이 달라진다. 반복적인 행정 업무와 정형화된 작업을 AI가 처리하면 기업은 같은 업무량을 처리하기 위해 이전과 같은 규모로 인력을 늘릴 이유가 줄어든다. 그 대신 판단력과 적응력, 유연성처럼 자동화하기 어려운 역량의 가치가 커진다. Niki Armstrong은 2027년 HR이 인원 확대가 아니라 역량 확대를 중심으로 조직을 운영해야 한다고 전망했다.
여기서 중요한 것은 AI를 비용 절감 수단으로만 계산하지 않는 것이다. Michael D. Brown은 AI 활용의 초점이 비용 절감에서 사업 확장으로 이동할 것으로 내다봤다. 직원 수를 줄이는 것만 목표로 삼으면 비용은 낮아질 수 있지만 동시에 기업이 성장할 수 있는 역량까지 줄어들 위험이 있다. AI와 자율 시스템이 반복적인 운영 물량을 흡수하고 사람은 혁신, 성장, 고객 관계와 같은 고부가가치 업무에 집중하는 구조가 대안으로 제시된다. 최근의 다른 HR 분석에서도 감원 자체를 AI 전략의 성과로 간주하면 조직에 축적된 판단력과 고객 관계, 업무 지식까지 함께 사라질 수 있다는 지적이 나온다.
직무의 경계도 이전보다 유동적으로 변한다. 기존 조직에서는 직책과 직무기술서를 기준으로 사람을 배치했지만 AI가 업무를 빠르게 흡수하면 직무 안에서 사람이 맡는 일과 기계가 맡는 일이 계속 달라진다. Prithvi Singh Shergill은 HR이 정해진 포지션을 관리하는 역할에서 벗어나 자동화할 업무, AI로 보완할 업무, 새로 학습할 역량, 다른 조직으로 재배치할 인력, 외부에서 채용할 역량을 계속 조정해야 한다고 설명했다. Melanie Rosenwasser 역시 직원이 자신의 업무를 직접 다시 설계하면서 ‘AI가 할 일’, ‘내가 할 일’, ‘내가 가장 큰 가치를 만들 수 있는 일’을 구분하는 과정이 중요해질 것으로 전망했다.
핵심 변화기존 인력 운영2027년 인력 운영 방향기업이 점검할 항목
인력 계획
필요한 인원 수 계산
필요한 역량과 업무량 계산
어떤 업무를 사람·AI·외부 인력에 배분할지 결정
AI 활용
자동화와 비용 절감
운영 규모 확대와 생산성 향상
AI가 흡수할 업무와 사람이 집중할 업무 구분
직무 설계
고정된 직무기술서 중심
업무 단위의 지속적인 재설계
자동화·보완·학습·재배치·채용 판단
채용
학력·경력·이력서 중심
검증된 스킬과 학습 가능성 중심
실제 과제와 역량 검증 방식 강화
경력 개발
승진과 직급 중심
역량 이동과 내부 전환 중심
새로운 스킬과 다음 역할을 연결
관리자
인력·성과 관리
사람과 AI의 업무 조정
AI 결과 검증, 업무 재배분, 변화 실행 역량
교육
정기 교육 프로그램
업무 속 상시 학습
분기별 스킬 격차 파악과 재교육
초기 경력자
반복 업무로 경험 축적
멘토링·관찰·비판적 검토 강화
AI가 없애는 학습 경험을 다른 방식으로 복원
AI가 채용을 바꾸면서 이력서와 학력의 영향력이 낮아진다
채용 시장에서는 이력서가 가진 정보 가치가 약해질 가능성이 제기된다. 생성형 AI를 이용하면 지원자는 이력서와 자기소개서를 손쉽게 다듬을 수 있고, 지원자의 실제 역량과 문서의 완성도 사이에 차이가 생길 수 있다. Josh Millet은 이 같은 변화 때문에 이력서가 인재를 평가하는 신호로서 점차 약해질 것으로 전망했다. 상당수 지원자 추적 시스템이 이력서를 AI 인재 매칭의 기초 데이터로 사용하는 상황에서는 입력 정보의 신뢰도가 떨어지면 AI가 수행하는 후보자 추천의 품질도 함께 낮아질 수 있다.
대안으로 떠오르는 것이 스킬 기반 채용이다. 학위나 과거 직함만으로 사람을 평가하기보다 실제로 무엇을 할 수 있는지, 새로운 기술을 얼마나 빠르게 배울 수 있는지, 환경 변화에 어떻게 적응하는지를 확인하는 방식이다. Kathy George는 출발점보다 학습 가능성과 잠재력에 초점을 맞추면 기업이 기존 채용 방식에서 놓쳤던 인재를 발견할 수 있다고 설명했다. AI 때문에 직무 자체가 빠르게 변하는 상황에서는 과거 경력이 미래 업무 수행 능력을 충분히 설명하지 못할 가능성이 커지기 때문이다.
채용 신뢰를 둘러싼 또 다른 문제는 지원자의 신원이다. Houman Akhavan은 딥페이크 지원자가 음성 복제와 실시간 얼굴 변환 기술을 이용해 화상 면접을 통과하는 사례를 언급하며 신원 확인이 채용의 새로운 전선이 될 것으로 전망했다. 이 흐름이 확대되면 기업의 채용 절차는 ‘이 사람이 업무를 할 수 있는가’를 확인하는 과정에 ‘실제로 이 사람이 맞는가’를 검증하는 절차까지 더해야 한다. 이력서의 신뢰도 하락, 스킬 검증 강화, 신원 확인 확대가 동시에 진행되면서 채용 기술의 초점도 후보자를 빠르게 찾는 것에서 후보자와 역량을 정확하게 검증하는 쪽으로 이동할 가능성이 크다.
가장 어려운 문제는 신입 직원이 전문가로 성장하는 경로를 지키는 일이다
AI 자동화가 확대될수록 기업이 놓치기 쉬운 문제가 초기 경력자의 성장 과정이다. 지금까지 신입 직원은 자료 정리, 초안 작성, 분석 보조, 반복적인 실무를 수행하면서 업무의 기본 원리를 익혔다. AI가 이런 업무를 빠르게 처리하면 생산성은 올라가지만 신입 직원이 시행착오를 거치며 판단력을 형성할 기회가 줄어든다. Sarah Davis는 AI가 높은 수준의 결과물을 만들어내더라도 초급자가 전문가로 성장하는 경험의 순서를 잃어버리면 장기적으로 AI 결과를 비판하고 수정할 전문가 자체가 부족해질 수 있다고 경고했다. 멘토링과 관찰, 비평, 독립적인 사고를 일상 업무에 의도적으로 포함해야 한다는 주장이다.
사람과 자율 AI 에이전트가 함께 일하는 혼합 인력 구조에서는 이 문제가 더 커진다. 직원의 역할은 직접 결과물을 만드는 것에서 AI에게 업무를 지시하고, 결과를 질문하고, 오류를 검증하며, 최종 결과에 책임지는 방향으로 이동한다. Dr. Ghenwa Habbal은 기업이 직무와 성과평가 체계, 관리자 역량, 초기 경력자의 성장 경로를 함께 다시 설계해야 한다고 강조했다. 자동화가 전문가를 만드는 데 필요했던 경험까지 제거한 뒤에 교육 프로그램만 추가해서는 문제를 해결하기 어렵기 때문이다.
따라서 기업의 교육 전략도 연 1~2회의 교육 프로그램으로는 부족해진다. AI 발전으로 필요한 스킬의 수명이 짧아지면서 업무 과정 자체에 학습을 포함하는 구조가 필요해진다. Jonathan Westover는 관리자가 분기 단위로 새롭게 생기는 스킬 격차를 파악하고, 직원의 기존 역할이 크게 변하기 전에 내부에서 다른 업무로 이동할 수 있는 경로를 만들어야 한다고 제안했다. 기술 변화가 빠를수록 교육은 복지 프로그램이 아니라 인력 공급망을 관리하는 운영 체계에 가까워진다.
직원이 회사를 떠나지 않는다고 조직이 건강한 것은 아니다
2027년 HR이 살펴봐야 할 지표에는 이직률뿐 아니라 직원이 왜 남아 있는지도 포함된다. Felicia Taylor는 고용시장의 불확실성 때문에 직원이 조직에 애착을 느껴서가 아니라 새로운 직장으로 이동하는 것이 두려워 현재 직장에 머무는 ‘잡 허깅(job-hugging)’ 현상을 경고했다. 겉으로는 이직률이 낮고 조직이 안정적으로 보이지만 내부에서는 몰입도가 떨어질 수 있다는 설명이다.
관련 조사에서도 이런 위험이 확인된다. Monster가 2025년 10월 미국의 현재 취업자 1,004명을 조사한 결과 75%가 2027년까지 현재 직장에 머물 계획이라고 답했으며, 48%는 현재 직장에 남는 이유로 두려움과 경제적 불확실성을 들었다. 85%는 경력 중 한 번 이상 잡 허깅을 경험했다고 답했다. 따라서 낮은 이직률을 곧바로 높은 충성도나 만족도로 해석하면 조직 내부의 문제를 놓칠 수 있다.
AI 도입 과정에서 직원 경험을 함께 관리해야 하는 이유도 여기에 있다. AI는 생산성을 높일 수 있지만 디지털 피로와 성과 압박, 자신의 직무가 사라질지 모른다는 불확실성을 동시에 키울 수 있다. Christine Muldoon은 자신이 속한 조직으로부터 충분한 배려를 받는다고 느끼는 직원이 그렇지 않은 직원보다 AI가 생산성을 높인다고 응답할 가능성이 75% 높았다는 조사 결과를 소개했다. AI 도입의 성패가 소프트웨어 기능만으로 결정되지 않고 직원이 변화 과정에서 얼마나 신뢰와 안정감을 느끼느냐에도 영향을 받는다는 설명이다.
직원에게 자신의 다음 경력 경로를 설명하는 일도 중요해진다. AI 때문에 업무가 계속 바뀌는데 새로 배우는 스킬이 어떤 직무와 기회로 이어지는지 알 수 없다면 교육 참여를 요구하는 것만으로는 부족하다. John Morgan은 직원이 새로운 스킬과 향후 기회 사이의 연결 관계를 이해하고 AI가 자신의 가치를 떨어뜨리는 것이 아니라 새로운 역할을 맡게 하는 수단이라는 확신을 가질 필요가 있다고 설명했다. Kathleen Pai 역시 AI가 반복 업무와 행정 업무를 맡으면 리더와 직원은 판단, 관계 형성, 의미 있는 대화에 더 많은 시간을 쓸 수 있다고 전망했다.
AI 전환의 병목은 기술보다 관리자가 될 가능성이 크다
경영진이 AI 전략과 새로운 인력 모델을 결정하더라도 실제 팀 단위에서 이를 실행하는 사람은 관리자다. Sherry Martin은 새로운 기술과 전략이 현장에 정착하지 못하는 이유 가운데 하나로 일선 관리자의 시간 부족, 실행 도구 부족, 불명확한 성과 기준을 지목했다. HR이 경영진의 인력 전략을 관리자에게 전달하는 데 그치지 않고 업무에 바로 적용할 수 있는 도구와 양방향 피드백 체계, 팀 성과와 유지율에 연결된 책임 구조를 만들어야 한다는 주장이다.
관리자가 갖춰야 할 역량 자체도 달라진다. AI가 팀의 일부 업무를 수행하면 관리자는 사람만 관리하지 않는다. AI에 어떤 업무를 맡길지 정하고 결과를 검토하며, 직원의 역할을 다시 나누고, 필요한 스킬을 찾아 교육과 채용을 연결해야 한다. 동시에 사람의 판단이 필요한 업무와 자동화할 업무 사이의 경계를 관리해야 한다. 이런 환경에서는 기존 방식에 익숙한 관리자에게도 변화 압력이 커진다. Jennifer Morehead는 새로운 도전에 맞지 않는 리더를 교체하는 ‘톱그레이딩’ 논의가 늘어날 수 있으며, HR이 관리자가 자신의 리더십 방식을 계속 발전시키도록 준비시켜야 한다고 설명했다.
HR 역시 예외가 아니다. AI 전략은 이제 기술 부서가 시스템을 도입하고 HR이 교육을 지원하는 순서로 운영하기 어렵다. 어떤 업무가 자동화되는지에 따라 채용 규모와 보상, 성과평가, 경력 경로가 함께 달라지기 때문이다. 최근 HR 분야에서도 AI 전략을 곧 인력 전략으로 봐야 하며 CHRO가 기술 도입 초기부터 업무 구조 변화에 관여해야 한다는 주장이 이어지고 있다.
규제와 변화관리까지 HR의 운영 범위가 넓어진다
기술 변화와 별개로 HR 운영의 복잡성도 높아진다. 미국에서는 주별 유급휴가와 임신 관련 편의 제공, 돌봄 노동자 보호 규정 등이 계속 늘어나면서 지역별 규정을 수작업으로 추적하기 어려워지고 있다. Seth Turner는 일반적인 HR 시스템이나 수동 관리 방식만으로 이런 규제 변화를 따라가기 어려울 것으로 전망했다. 글로벌 기업이라면 근무 지역과 고용 형태가 다양해질수록 규정 관리의 복잡성은 더 커질 수 있다.
변화관리도 일회성 프로젝트로 끝나지 않는다. Nara Ringrose는 지정학적 환경과 조직 변화가 동시에 진행되면서 HR이 이사회와 경영진의 의사결정을 지원하고 문제 해결과 의사결정을 더욱 긴밀하게 연결해야 한다고 설명했다. 기술을 한 차례 도입하고 조직을 안정시키는 방식보다 업무와 조직 구조를 계속 수정하는 운영 역량이 중요해지는 배경이다. 직원에게도 변화가 끝나는 시점을 약속하기 어려워진다. 새로운 AI 기능이 등장할 때마다 업무 배분과 필요한 스킬이 다시 달라질 수 있기 때문이다.
이 과정에서 기술과 인간 경험의 균형도 경영 문제로 다뤄야 한다. Clare Miller는 조직이 신뢰와 웰빙, 지속적인 학습과 업스킬링에 투자해야 인재 확보와 유지, 사업 성과를 함께 관리할 수 있다고 강조했다. AI를 일상 업무에 깊게 넣을수록 기업문화와 직원 경험을 별도 영역으로 취급하기 어려워진다. 직원이 AI를 자신의 경쟁자로 받아들이는지, 업무를 더 잘 수행하게 하는 도구로 받아들이는지에 따라 같은 기술에서도 조직이 얻는 결과가 달라질 수 있다.
2027년 HR의 핵심 과제는 ‘사람 관리’보다 ‘일의 설계’에 가까워진다
19개의 전망을 하나로 연결하면 방향은 비교적 선명하다. AI가 일상 업무에 들어갈수록 기업은 사람 수를 기준으로 조직을 설계하기 어려워진다. 사람과 AI가 함께 만들어내는 역량을 기준으로 필요한 업무를 정의하고, 그 업무를 수행할 가장 적합한 방법을 선택해야 한다. 채용할 것인지, 내부 인력을 교육할 것인지, 다른 부서에서 이동시킬 것인지, 외부 인력을 활용할 것인지, AI에 맡길 것인지가 하나의 인력 계획 안에서 결정되는 구조다. Forbes의 다른 분석에서도 기존의 ‘build, buy, borrow’ 인력 확보 방식에 AI와 자동화를 뜻하는 ‘bot’을 추가해야 한다는 접근이 제시됐다.
이 변화에서 사람의 중요성이 줄어든다고 해석하기는 어렵다. 오히려 반복 업무를 기계가 맡을수록 판단력과 책임, 적응력, 관계 형성, 비판적 사고의 가치는 높아진다. 문제는 이런 역량이 자동으로 생기지 않는다는 데 있다. 초기 경력자가 경험을 축적할 업무가 사라지면 미래의 전문가가 부족해질 수 있고, 교육과 경력 이동 경로가 불명확하면 직원은 AI를 기회보다 위협으로 받아들일 수 있다. 관리자가 변화된 업무를 실제 팀 운영에 적용하지 못하면 경영진이 설계한 AI 전략도 현장에서 멈춘다.
2027년을 준비하는 기업이 먼저 정해야 할 것은 AI 도입률이나 감원 목표가 아니다. 앞으로 필요한 업무가 무엇인지 정의하고 그 업무 가운데 사람이 해야 할 일과 AI가 맡을 일을 나눈 뒤, 사람에게 남는 업무를 수행할 역량을 어떻게 확보할지 결정해야 한다. 그 다음에 채용과 교육, 배치, 평가, 경력개발 체계를 맞춰야 한다. AI 도입과 인력 전략을 별개의 프로젝트로 운영하던 방식으로는 이런 연결을 만들기 어렵다.
HR의 역할도 이에 맞춰 달라진다. 채용과 평가, 교육, 보상이라는 개별 제도를 관리하는 조직에서 기업이 필요한 역량을 지속적으로 설계하고 공급하는 조직에 가까워진다. 직원에게는 자신의 업무가 어떻게 변하고 어떤 스킬을 갖추면 다음 역할로 이동할 수 있는지를 설명해야 하며, 관리자에게는 사람과 AI를 함께 운영할 도구와 기준을 제공해야 한다. 경영진에게는 기술 투자와 인력 투자, 조직 구조를 하나의 의사결정으로 연결할 근거를 제공해야 한다.
2027년 인력 전략의 경쟁력은 AI가 사람을 얼마나 많이 대체했는지보다 기업이 사람과 AI 사이에서 업무를 얼마나 정교하게 다시 나눴는지에서 갈릴 가능성이 크다. 자동화로 없어진 업무만 계산하는 기업과 자동화 이후 새롭게 필요한 역량까지 설계하는 기업의 차이는 시간이 지날수록 커진다. 결국 HR이 관리해야 할 대상도 고정된 직무와 인원 수에서 업무, 역량, 학습, AI 에이전트가 결합된 운영 체계로 넓어지고 있다.
