인사 업무 AI 자동화, 어디부터 시작할까? 채용과 인사 행정에 AI를 도입한 실제 사례

직답 요약

인사 업무에 AI를 적용하는 경우는 지원자 선발 과정과 인사 행정 간편화로 구분되는데, 공개된 성과 수치를 따라가 보면 검증되는 쪽은 대부분 행정입니다. 그리고 사내 인사 챗봇을 가장 오래 운영한 IBM이 밝힌 원칙은 하나였습니다. 자동화보다 규정과 문서 정리가 먼저였습니다.

경영진에게 AI를 써 보라는 주문을 받은 인사팀이 가장 먼저 마주하는 벽은 너무도 많은 솔루션 목록입니다. 채용 솔루션과 사내 챗봇과 자동화 플랫폼은 이미 시장 포화 상태이고, 우리 팀에 적합한 솔루션이 무엇인지 명확히 알기 어렵습니다. 기능 설명은 어디나 비슷하게 적혀 있으니까요.

고용노동부와 한국고용정보원이 매출 상위 500대 기업 인사담당자에게 물어보니, 앞으로 채용 업무에 AI를 도입하거나 확대할 계획이 있다는 곳이 74.5%였습니다. 그런데 지금 채용에 AI를 쓰고 있는 곳은 21.7%입니다. 계획과 실행 사이가 50%p 넘게 벌어져 있습니다. 무엇을 맡길지부터 정하지 않았기 때문입니다.

인사팀 업무 중 AI가 맡을 수 있는 건 어디까지일까?

인사 업무에 AI를 적용하는 경우는 크게 둘로 나뉩니다. 지원자 선발 과정과 인사 행정 간편화입니다.

첫 번째는 선발입니다. 지원 서류를 검토해 점수를 매기고, 역량검사나 AI 면접 결과를 판단에 쓰는 일이 여기 해당합니다. 사람을 평가하는 영역이라 결과가 지원자의 합격 여부를 바꿉니다.

두 번째는 인사 행정입니다. 인사팀에 들어오는 사내 문의에 대신 응답하고, 면접 일정을 조율하고, 입사 서류를 수집하고, 신규 입사자에게 절차를 안내하는 등 행정 전반을 지원합니다. 판단보다 처리에 가깝고, 답이 이미 규정과 문서 안에 정해져 있습니다.

인사 분야에 AI를 도입한 국내 사례로는 인재 선발 영역이 조금 더 많습니다. 고용노동부 조사에서 인사 업무에 AI를 공식 도입한 163개사 가운데 직원 채용에 쓴다는 곳이 52.8%로 가장 많았고, 교육·훈련과 인사 관련 문의 응대가 각각 45.4%로 뒤를 이었습니다. 채용에 쓰는 86개사 안에서는 AI 기반 인적성 또는 역량 검사가 69.8%, 지원 서류 검토가 46.5%였습니다.

채용에 AI를 쓴 회사들은 실제로 어떤 성과를 냈을까?

공개된 수치를 따라가 보면, 성과가 반복해서 확인되는 영역은 판단이 아니라 그 판단을 둘러싼 행정입니다. 자주 인용되는 사례들을 열어 보면 최종 선발 판단만은 사람이 하도록 설계돼 있습니다.

가장 자주 인용되는 사례는 유니레버입니다. 25만 명이 지원해 800명을 뽑는 신입 공채 프로그램에서 채용 업무에 드는 시간을 75% 줄였다는 수치가 채용 솔루션 공급사 하이어뷰의 사례 자료에 실려 있습니다. 인사총괄 리나 나이르는 2018년 인터뷰에서, 자동 선별 시스템 덕분에 회사 전체에서 면접과 평가에 들어가던 약 7만 시간이 줄었다고 말했습니다. 그런데 정작 유니레버는 영국·아일랜드 신입 공채 2026년 안내에 채용 과정에서 AI를 선별 도구로 쓰지 않으며 디지털 인터뷰 영상은 사람이 검토한다고 적어 두었습니다. AI 채용의 대표 성공 사례로 2018년부터 인용돼 온 회사가, 지금은 지원자에게 사람이 본다고 고지하고 있는 셈입니다.

AI에 지원자를 고르게 하지 않는다고 밝힌 회사는 더 있습니다. 미국의 멕시칸 패스트푸드 체인 치폴레는 2024년 10월 매장 근무직 채용에 대화형 AI를 도입한다고 발표하면서 채용 소요 시간이 최대 75%까지 줄어들 것으로 기대한다고 밝혔습니다. 도입 아홉 달 뒤 인사총괄 아일린 에스케나지는 지원부터 채용 준비까지 걸리던 기간이 최대 12일에서 3.5일로 짧아졌다고 말했는데, CNBC는 이 AI가 이력서를 심사하지 않고 고용 결정을 내리지 않는다고 함께 적었습니다. 화장품 기업 로레알의 인사 담당 부사장 에바 아줄레도 2019년 발표에서, 인턴과 신입 등 일부 직군에 한해 쓰고 있다고 전제하면서 기계는 지원자를 고르지 않으며 채용 담당자가 점수를 확인한 뒤 면접 여부를 스스로 결정한다고 설명했습니다.

맥도날드가 공개한 수치는 AI가 실제로 무엇을 줄였는지 더 분명하게 보여 줍니다. 인사운영 담당 알렉사 모스는 2022년 컨퍼런스 발표에서, 지원자가 지원서를 내고 면접 일정을 잡기까지 걸리던 시간이 사흘에서 3분으로 줄었고 매장 관리자는 행정이 아닌 업무 시간을 주당 4~5시간 돌려받았다고 말했습니다. 줄어든 시간은 합불을 판단하는 시간이 아닌, 면접 일정을 조율하는 등의 제반 시간이었습니다.

인재 선발에 직접 AI를 도입한 사례도 있습니다. LG CNS는 사내 신입·경력 채용에 6종의 AI 에이전트를 시범 적용해 서류 검토 시간이 약 38% 줄었다고 발표했고, 서울관광재단은 매월 100여 건을 외부 전문가 정성평가로 처리하던 서류 검토를 AI 솔루션 도입 뒤 100건 기준 평균 3일에서 2시간으로 단축했습니다. 두 사례 모두 줄어든 것은 검토에 걸린 시간이고, 합격 여부는 담당자가 정했습니다.

직원 문의 응대와 온보딩은 어디까지 자동화될까?

인사팀에 들어오던 사내 문의는 상당 부분을 챗봇이 대신 수행할 수 있습니다. 온보딩도 같은 방식으로 줄어듭니다.

단 개인이 쓰는 AI와는 다릅니다. 차이는 우리 회사 문서를 읽느냐 아니냐입니다. 새로 온 직원이 아무리 똑똑해도 우리 회사 규정집을 안 읽었으면 연차 계산을 못 하는 것과 같습니다. 그래서 사내용 인사 챗봇은 읽을 문서를 먼저 지정합니다. 이렇게 사내 문서를 찾아 읽고 답하는 구조를 RAG라고 부르며, 없는 답을 지어내는 환각을 줄이는 방법이기도 합니다. 자세한 원리는 RAG란 무엇인가에서 따로 다뤘습니다.

가장 오래 운영된 사례는 IBM의 사내 인사 챗봇 AskHR입니다. IBM이 공개한 자료를 보면 2024년 한 해 1,150만 건이 넘는 직원 상호작용이 있었고, 일반적인 문의의 94%가 담당자에게 넘어가지 않고 챗봇 안에서 끝났습니다.

국내에서도 도입 발표가 이어지고 있습니다. 포스코는 2025년 9월 인사노무 GPT를 확장한 경영지원 GPT를 열면서 인사·노무·행정·법무 문의에 통합 답변하고 휴가신청 등 일부 업무를 실제로 실행할 수 있도록 업무시스템과 연동했다고 발표했습니다. 풀무원의 HR 챗봇 두리번은 인사 정보 문서를 기반으로 답을 생성하고, 코오롱베니트의 코아이봇은 학습·연동 범위를 회사 내부 시스템으로 한정해 환각을 줄였습니다. 다만 세 곳 모두 문의 건수나 처리 시간 같은 성과 수치는 공개하지 않았습니다.

성과 수치가 공개된 국내 사례는 규모가 큰 곳이 아니었습니다. 사내 HR 지식 시스템을 공급하는 오토웍스가 공개한 익명 사례에서, 약 1,000명 규모 식품 제조·유통 기업의 인사 담당자는 이렇게 말합니다. 문서는 분명히 있는데 질문이 들어오면 어디 있는지부터 찾아야 했고, 현장직인지 사무직인지 계열사인지 외국인 근로자인지에 따라 답이 달라지니 결국 오래 일한 담당자에게 묻게 되더라는 것입니다. 오토웍스는 이 회사의 문의 대응 시간이 하루 15시간에서 2시간으로 줄었다고 밝혔습니다.

앞선 문의들과 마찬가지로, 신규 입사자가 묻는 것도 규정과 절차이고 그 답은 이미 문서로 존재합니다. 히타치는 그 문서가 제때 전달되지 않는 것을 문제로 봤습니다. 온보딩에 10일에서 15일이 걸렸고, 노트북 세팅을 IT에 요청하거나 출입증과 자리를 총무에 요청하는 수기 양식이 많았으며, 신규 입사자의 질문에 실시간으로 답하지 못했습니다. IT 부서가 사내 사이트와 발표 자료, PDF, 사규 문서를 학습시킨 자체 AI를 만들어 인사팀과 함께 부서별로 시범 운영했고, 지표를 충족한 뒤 10월에 확대했습니다. 약 여섯 달이 걸렸습니다. 미주 IT 총괄 발라 크리슈나필라이는 그 결과 온보딩 기간이 나흘 줄었고 신규 입사자 한 명당 인사팀이 쓰던 시간이 20시간에서 12시간으로 줄었다고 말했습니다.

마이크로소프트 고객 사례에 실린 KPMG는 신규 입사자가 필요한 양식과 과거 자료를 찾도록 돕는 사내 에이전트를 도입해 후속 문의 전화를 20% 줄였습니다.

도입하려면 무엇부터 검토해야 할까?

세 가지를 순서대로 정리합니다. 업무 프로세스 정리, AI가 맡을 부분 구분, 그리고 구현입니다.

첫째, 업무 프로세스를 정리합니다. 최근 석 달 동안 인사팀에 들어온 문의를 유형별로 세어 봅니다. 상위 다섯 개 유형이 전체의 몇 퍼센트인지가 자동화로 덜어낼 수 있는 범위의 출발점입니다. 문의를 따로 기록하지 않고 있다면 그 자체가 첫 번째 과제입니다. 이어서 그 상위 유형의 답이 어느 문서에 있는지 찾아 적습니다. 찾는 데 오래 걸리는 것, 담당자 머릿속에만 있는 것, 옛 규정과 새 규정이 함께 있는 것을 표시합니다. 이 목록이 차후 에이전트가 답변 시 참조할 소스가 됩니다.

둘째, AI가 맡을 부분을 구분합니다. 여기서 먼저 할 일은 대상을 늘리는 것이 아니라 줄이는 것입니다. IBM도 사내 AI를 도입하면서 없애고, 단순화하고, 자동화한다는 원칙을 세웠습니다. 어떤 절차를 자동화하자고 제안하려면 그것이 왜 존재해야 하는지부터 설명하게 했고, 그 과정에서 25종이 넘던 휴가를 한 종류로 통합했습니다. 자동화 대상의 절차를 줄이는 것이 자동화 솔루션을 고르는 것보다 먼저입니다.

그다음 남은 업무를 선발과 인사 행정으로 구분합니다.

셋째, 구현 방식을 고릅니다. 선발 쪽은 솔루션보다 평가 기준 문서화가 먼저라 구현 검토는 그다음입니다. 인사 행정 쪽은 사내 규정과 양식을 읽고 답하는 방식이라 문서를 얼마나 유연하게 연결할 수 있느냐가 관건입니다. ONS가 다루는 Dify는 개발자 없이 사내 문서를 연결해 챗봇과 업무 흐름을 만드는 플랫폼이라 인사 행정 업무에 잘 맞습니다. 인사팀이 규정 문서를 지식베이스로 올려 두면 챗봇이 그 문서 안에서 답을 찾는 방식입니다. 도입 검토에 필요한 기능과 라이선스, 보안 심의 항목은 Dify 도입, 무엇부터 확인해야 할까에 따로 정리해 두었습니다.

다른 팀에서 AI가 어떻게 쓰이고 있는지 궁금하다면 마케팅팀 AI 효율화 사례와 영업팀 AI 자동화 사례, 고객상담 AI 자동화 사례도 같은 방식으로 정리해 두었습니다.

자주 묻는 질문

AI를 도입하면 인사팀 인원이 줄어드나요?

공개된 사례에서 줄어든 쪽은 반복해서 들어오던 문의 처리량입니다. IBM은 일반 문의의 94%가 챗봇 안에서 끝났다고 밝혔는데, 뒤집으면 나머지는 담당자에게 넘어갔다는 뜻입니다. 오히려 넘어온 문의를 받을 사람이 필요하기 때문에, 자동화한 만큼 인력을 줄이면 어려운 문의를 처리할 여력이 사라집니다.

기존 채용관리 시스템을 갈아타야 하나요?

도입하려는 기능에 따라 다릅니다. 문의 응대나 안내처럼 답변 중심 기능은 기존 시스템 위에 얹는 형태가 많고, 일정 조율이나 서류 접수처럼 처리까지 이어지는 기능은 연동 작업이 필요합니다. 검토 초기에 지금 쓰는 시스템의 연동 방식을 IT 부서와 먼저 확인하시길 권합니다.

우리 회사 규모에서도 효과가 있을까요?

공개 사례는 임직원 수만 명 규모에 몰려 있어 그대로 적용하기 어렵습니다. 다만 공급사가 공개한 국내 사례는 약 1,000명 규모 기업의 것이었고, 하루 15시간이 걸리던 문의 대응을 대상으로 했습니다. 규모보다 중요한 것은 같은 질문이 반복해서 들어오는지, 그 답이 문서로 정리돼 있는지입니다.

어떤 지표로 성과를 재야 하나요?

도입 전에 재 두어야 비교가 됩니다. 문의 응대 쪽은 담당자가 문의 처리에 쓰는 시간과 평균 응답 시간을, 선발 쪽은 서류 검토 소요 시간과 전형 기간을 도입 전에 측정해 둡니다. 측정 기준이 없으면 도입 뒤에 성과를 증명할 방법도 사라집니다.

출처

출처

• 「2025년 기업 채용동향조사」 2차 발표(2025-11-28), 고용노동부·한국고용정보원

• AskHR 운영 성과, IBM 사례 자료

• 없애고 단순화하고 자동화한다(인사총괄 니클 라모로), IBM Think

• 히타치 AI 온보딩 에이전트 도입 사례(미주 IT 총괄 발라 크리슈나필라이), Business Insider(Yahoo Finance 전재본)

• KPMG 사내 온보딩 에이전트 성과(글로벌 AI 총괄 스티브 체이스), Microsoft 고객 사례

• 유니레버 사례 자료(Oracle 마켓플레이스 미러본), HireVue

• 유니레버 인사총괄 리나 나이르 인터뷰(2018), Bernard Marr

• UK & Ireland Future Leaders Programme 2026 안내, Unilever

• AI 채용 플랫폼 도입 보도자료(2024-10-22), Chipotle Newsroom

• 치폴레 인사총괄 아일린 에스케나지 인터뷰(2025-07-28), CNBC

• 맥도날드 McHire 발표(2022), HR Executive

• 로레알 인사 담당 부사장 에바 아줄레 발표록(2019-10-07), École de Paris du management

• LG CNS 채용 AI 에이전트 시범 적용(2025-11-13), 스타트업투데이

• 서울관광재단 AI 서류평가 사례(2023-05-25), ZDNet Korea

• 경영지원 GPT 오픈(2025-09-19), 포스코 뉴스룸

• HR 챗봇 두리번 오픈(2024-12-23), 풀무원 뉴스룸

• 코오롱베니트 코아이봇 도입(2024-08-05), 코오롱 미디어

• AI-HR 선배 고객 사례, 오토웍스