은행의 차세대 인재 개발에서 AI/ML의 역할

인공지능과 머신러닝을 통해 직원 데이터를 인재 인텔리전스로 전환할 수 있습니다. 이를 통해 조직은 운이나 희망에 기대는 대신 전략을 활용하여 적합한 인재를 찾고 더 강력한 인력을 개발할 수 있습니다.

많은 금융 기관은 소프트웨어 엔지니어, IT 직원 등 수요가 많은 기술 인재를 둘러싼 치열한 경쟁과 베이비붐 세대 은퇴자 증가라는 두 가지 측면에서 인재 운용의 문제를 겪고 있습니다. 

종합해보면, 이 업종은 인력난에 직면할 가능성이 큽니다. 실제로 Korn Ferry의 글로벌 리포트에 의하면, 금융 및 비즈니스 서비스 산업은 2030년까지 모든 업종 중에서도 가장 심각한 인력난에 직면할 것으로 예상됩니다.

숙련된 직원이 퇴사하면서 수십 년간 쌓아온 제도화된 지식과 노하우가 함께 사라져 실무 인재의 공백이 커지고 있습니다. 또한 점점 더 많은 베테랑 직원이 떠남에 따라 그 자리를 채워야 하는 부담도 만만치 않습니다.

은행은 2025년에 전체 인력의 27%를 차지하게 될 Z세대 직원을 유치하고 채용하는 데 어려움을 겪습니다. EY의 설문조사에 의하면, 젊은 세대의 직원은 잠재적 기여도가 크지만, 은행 산업에 대해 회의적인 시각을 갖고 있는 것으로 나타났습니다. 은행은 적합한 인재를 유치하기 위해 역할과 학습 모델을 포함한 직원 경험을 현대화해야 합니다.

2030년에는 1억 5천만 개의 일자리가 55세 이상의 근로자로 채워질 것입니다.

기술 변화의 속도가 빨라지면서 은행이 규모의 제약 없이 성장하고 고객 참여를 촉진할 수 있느냐는 필요한 인재를 유치하고 유지하는 데 달려 있다고 Workday의 금융 서비스 산업 부문 Managing Director, Nicole Carrillo는 말합니다. "이 모든 새로운 기술을 제대로 활용할 인재가 없다면 은행이 원하는 속도로 변화가 이루어지지 않을 것입니다."라고 Carrillo는 덧붙입니다.

하지만 단순히 채용을 확대하면서 모든 자리가 채워지기만 바라는 것은 해답이 아닙니다. Carrillo는 은행이 인재 개발에 관해 더 폭넓게 생각할 필요가 있다고 말합니다. 즉, 선제적으로 스킬 갭을 파악한 다음 목표에 맞는 업스킬링 및 재교육을 시행해야 합니다. 인공지능(AI)과 머신러닝(ML)은 이러한 HR 부서의 활동을 지원하는 동시에 보다 전략적인 업무에 더 많은 시간을 할애하도록 도와줍니다. 

"인재, AI 및 ML과 관련하여 은행에게 주어질 기회는 더 많은 가치를 창출할 수 있는 역량을 확보하는 것입니다."라고 Carrillo는 말합니다. "이러한 기술은 여러 업무 영역에서 새로운 방식으로, 완전히 다른 규모로 가치를 더하는 데 도움이 될 것입니다. 실제로 이미 일어나고 있습니다."

많은 은행 리더가 이 사실을 이해하고 있는 것 같습니다. Workday AI IQ: 기업의 인공지능 활용에 대한 인사이트 리포트에서 압도적인 대다수(86%)가 비즈니스 경쟁력을 유지하기 위해 AI 및 ML을 활용해야 한다고 생각하는 것으로 나타났습니다. 

가시성 향상, 선제적 인재 관리

은행 업종에서 AI 및 ML 기술에 의존하는 것은 새로운 일이 아닙니다. 예를 들어, 비정상적이고 사기 가능성이 있는 신용카드 거래를 신속하게 탐지하는 것은 ML 기능에서 유래합니다. 회사 웹사이트에 "무엇을 도와드릴까요?" 팝업 채팅창이 보편화하는 현상에서도 AI를 확인할 수 있습니다.

이러한 종류의 개별적인 고객 대면 방식은 은행 업계에 최초로 적용된 AI 및 ML 혁신의 대표적인 예입니다. 새로운 기술의 물결은 내부 기능에 더 초점을 맞추고 있습니다. 따라서 이 업계를 비약적으로 발전시킬 기회입니다. 

수동적이고 반복적인 트랜잭션 및 프로세스의 자동화를 확대하면, 직원이 전략적 의사결정에 더 많은 시간을 집중적으로 사용할 수 있습니다. 또한 상시 인재 문제를 해결하려는 HR 리더는 스킬 매핑과 인력 예측 분석에 AI 및 ML을 활용할 수 있습니다.

거대 데이터 모델을 사용하면 역할별, 팀별, 부서별 스킬 요구사항을 표현할 수 있습니다. 이를 통해 현재와 미래의 스킬 갭을 모두 파악할 AI 및 ML 지원 기능의 기초를 마련할 수 있다고 Carrillo는 말합니다. HR 리더는 이러한 기초에서 강력한 인사이트를 발견하고 인재 문제를 선제적으로 해결할 수 있습니다.

"이러한 기술[AI 및 ML]은 여러 기능에 걸쳐 새로운 방식과 완전히 새로운 규모로 가치를 더하는 데 도움이 될 것입니다."

Nicole Carrillo 금융 서비스 산업 부문 Managing Director Workday

시스템에 특정 유형의 역할과 직원 프로필(예: 젊은 소프트웨어 엔지니어)에 이직률이 높다고 표시될 수 있습니다. "그러면 직원들이 떠나는 이유를 평가하여 단순히 채용 노력을 강화하는 것 이상의 일을 할 수 있습니다."라고 Carrillo는 말합니다. "직원이 떠나는 이유를 분석하고 문제점을 해결하기 위해 역할 및 책임을 변경할 수 있습니다."

AI 및 ML을 통합한 HR 플랫폼은 현재 부족한 부분을 파악하고, 단기적인 인재 관리 니즈를 예측하며, 리소스 배분을 최적화하고, 포용성 있는 인재 관리를 지원할 수 있습니다. 예를 들어, 직원이 계속 조퇴 기록을 남긴다면 사직이 임박했다는 신호일 수 있습니다. 이 예측 인사이트를 통해 HR 부서는 조직에서 문제가 되기 전에 스킬 갭과 빈자리를 예측할 수 있다고 Carrillo는 말합니다. 

"여기서 이상을 감지하여 제안하는 게 관건입니다."라고 Carrillo는 말합니다. "AI 및 ML이 지원하는 예측 분석을 통해 단기적인 인력 운용 이벤트와 트렌드를 파악할 수 있으며, 리더는 새로운 갭과 니즈에 대비할 수 있습니다."

위대한 지식 이전

은행 업계가 맞이한 중단기 인력 운용 트렌드 중 하나는 이미 명확합니다. 직원들이 빠르게 고령화하고 있습니다. 2030년까지 1억 5천만 개의 일자리가 55세 이상의 근로자로 채워질 것입니다. 베이비붐 세대의 은퇴가 본격화되면서 수십 년 동안 축적된 지식을 갖춘 숙련된 직원을 잃게 되는 조직은 일상적인 운영이 위협받고 있습니다.

Carrillo는 AI 및 ML이 HR 부서가 이러한 세대별 인재 문제를 해결하는 데 도움이 될 수 있다고 말합니다. 은행은 숙련된 직원들이 퇴사하기 전에 그들의 역할을 대체할 충분한 인력을 고용할 수 없을 뿐 아니라 교육할 시간도 부족합니다. 이 지식 전달의 문제 해결이 생성형 AI 기반 지식 수집에 관한 귀중한 시험대가 될 수 있습니다.

"이들 머신은 직원의 행동을 따라 하면서 학습하여 운영 절차를 문서화하고 교육 권장 사항을 작성할 수 있습니다."라고 말하는 Carrillo는 도구가 제안하는 모든 것이 직원에 의해 검증되어야 한다고 지적합니다. "게다가 이러한 도구는 제가 하는 일을 실제로 학습하여 자료를 작성하며, 이 자료는 제가 직접 작성하는 것보다 더 나을 것입니다."

정년퇴직의 여파를 관리한다는 측면에서 은행에 미치는 영향은 엄청납니다. "이를 통해 퇴직이 임박한 고숙련 직원과 이제 막 업무를 시작한 직원 간의 지식 격차를 줄일 수 있습니다."라고 Carrillo는 덧붙입니다. 신규 직원이 특정 절차 단계를 잊지 않도록 알림을 보내거나 진행하기 전에 구체적 승인을 받도록 지원하는 챗봇을 상상해 보세요. 

"(방대한 양의 데이터로 훈련된) 이러한 도구는 직원들이 직무를 더 효과적으로 수행하는 데 도움이 될 것입니다."라고 Carrillo는 말합니다. 

스킬 기반의 혁신 시작

AI와 ML은 HR 부서와 개별 직무를 포함하여 은행에서 사람과 기술이 공존하는 방식에 혁신을 가져올 것입니다. 많은 변화가 다가오는 지금, 리더는 두 가지 중요한 질문에 답해야 합니다.

"AI와 ML이 지원되는 환경에서 미래의 업무 환경은 어떤 모습이어야 할까요?" Carrillo는 묻습니다. "또한 이 목표를 향해 어떻게 나아가시겠습니까? 리더는 오래된 습관과 가정을 버리고 새로운 사고방식과 업무 방식을 받아들여야 합니다."

"AI 및 ML이 지원하는 예측 분석을 통해 단기적인 인력 운용 이벤트와 트렌드를 파악하면서 리더는 장래의 격차와 요구사항에 대비할 수 있습니다."

Nicole Carrillo 금융 서비스 산업 부문 Managing Director Workday

직무 기반이 아닌 스킬 기반 인재 개발 방식이 힘을 얻고 있습니다. 이 방식에서는 학위 소지 및 직선형 커리어 발전을 중요하게 생각하지 않습니다. 인재난이 이어지는 시대에 업스킬링과 재교육이 뒷받침하는 이 접근 방식은 큰 이점이 될 수 있습니다. AI와 ML은 이러한 활동을 백그라운드에서 지원하여 직원 및 스킬 요구사항 데이터를 전략적 이점으로 전환할 수 있습니다.

거시적 관점에서 중요한 것은 생산성 향상 및 혁신의 귀중한 기회를 포착하는 능력입니다. "궁극적으로 AI는 은행에서 이루어지는 수많은 일상 활동을 완전히 바꿔 놓을 것이며, 이 현상은 도처에서 일어나겠죠."라고 Carrillo는 말합니다. "조직은 새롭고 다양한 스킬을 가진 직원이 필요해질 것입니다."

Carrillo는 은행이 새로운 AI 및 ML 기술이 제공하는 잠재력을 활용할 수 있다면 현재는 쉽지 않아 보이는 인재 과잉도 꿈이 아닐 것이라고 말합니다. "인재들이 혁신적인 프로젝트를 수행하고 새로운 방식으로 고객과 상호 작용할 기회를 제공할 수 있는 기업은 필요한 스킬을 갖춘 스마트한 인재를 유치할 것입니다."라고 Carrillo는 설명합니다. "은행이 한 발만 앞서 나가면 정말 뛰어난 인적 자원을 확보할 수 있을 것입니다."

더 보기