참여 전
경영진 한마디로 시작됐지만, 저희도 답이 없었어요
"AI로 승진 심사 좀 객관화해보자."
경영진 회의에서 나온 이 한마디로 시작됐습니다. 문제는 저희도 뾰족한 답이 없었다는 겁니다.
평가 점수나 협업 이력이 시스템마다 흩어져 있는데, 이 상태에서 AI를 도입한다고 본다고 뭐가 달라질까 싶었습니다.
결국 그 해 심사도 예년처럼 연차 순으로 정리하게 되었습니다.
Pilot에서 얻은 변화
Pilot 기간에 CLAP으로 구축한 승진 심사 지원 Agent에 저희 실제 평가 데이터를 넣어봤습니다.
흩어져 있던 성과와 협업 이력이 후보자별로 한 화면에 묶여 나오는 걸 직접 확인할 수 있었습니다.
인사 데이터 구조가 꽤 복잡한 편인데 CLAP팀이 확실하게 연동 처리를 해줘서 저희는 결과 검증에만 집중할 수 있었고,
다음 승진 심사부터는 단순히 연차 순이 아닌, 구체적인 근거 기반의 승진 심사가 가능하겠다는 확신이 들었습니다.
참여 전
자동화 이야기는 나왔지만, 시작하기가 겁났어요
급여 정산 때마다 수당과 인센티브를 구성원별로 하나하나 계산했습니다. 부서마다 근태 기준이 달라 매번 엑셀 수식을 손보며 검증하느라 야근이 반복됐습니다. 자동화 이야기가 안 나온 건 아닙니다. 다만 저희 규정은 예외 케이스만 수십 개고, 급여는 한 건만 틀려도 바로 항의가 들어옵니다. AI가 실수 없이 구현해 준다는 확신이 없으니 매달 하던 방식을 그대로 반복했습니다.
Pilot에서 얻은 변화
부서별로 다른 근태 기준과 수당 규정을 Agent가 제대로 구분하는지가 급여 자동화 구현의 관건이었습니다.
Pilot 때 실제 한 달 치 급여 데이터를 AI로 돌려봤고, 저희가 엑셀로 뽑은 결과와 대조해 보니 오차 없이 동일했습니다.
저희 정산 규정이 워낙 예외가 많은데도 CLAP 팀이 규정 하나하나를 같이 정리하며 잘 반영해 주신 덕에, 이 정도면 다음 달 정산부터는 검증을 위한 야근을 없앨 수 있겠다는 희망이 생겼습니다.
참여 전
저희 규정까지 적용할 수 있는 건 없었어요
"연차는 며칠 남았나요", "육아휴직 신청은 어떻게 하나요" 같은 문의가 하루에도 몇 건씩 들어왔습니다.
챗봇을 알아본 적도 있습니다. 그런데 대부분 일반적인 안내만 답하는 수준이었고, 저희 규정집과 HR 데이터를 붙이는 부분은 늘 별도 개발이 필요했습니다. 결국 담당자는 여전히 규정집을 펼쳐가며 하나하나 답하며 응대 업무에 막대한 리소스를 사용했습니다.
Pilot에서 얻은 변화
Pilot 기간에 사내 규정과 HR 데이터를 연결한 문의 응대 Agent를 만들어서, 자주 들어오는 질문들을 던져봤습니다.
어느 조항을 근거로 답했는지까지 보여주니 답변을 그대로 믿고 쓸 수 있겠다고 판단했습니다.
중간에 저희가 '이런 질문엔 이렇게 답해야 한다'고 피드백한 것도 바로바로 반영됐습니다.
지금은 사용하던 메신저에 결합해 구성원들이 직접 물어보고 있고, 덕분에 HR팀의 문의 응대 부담이 눈에 띄게 줄었습니다.
Pilot 참가 기업은 참여 후 4주 만에 실제로 사용 가능한 AI 워크플로우를 검증했습니다.
