좀더 구체적으로 말하면 이렇습니다.
첫째, 단순 작업량이 아닌 실질적인 비즈니스 임팩트를 평가해야 합니다. 컨설팅업체 맥킨지는 AI의 진정한 가치를 측정하기 위해서는 기술적 성능이나 직원의 AI 도입률 자체보다 전략적 결과(Strategic outcomes)와 운영 핵심성과지표(Operational KPIs)에 집중해야 한다고 강조하는데요, 예를 들어 소프트웨어 개발자의 성과를 ‘작성한 코드 라인 수’나 ‘AI 코딩 어시스턴트 사용 시간’으로 평가해서는 안 됩니다.
그 대신, ‘그가 다듬은 코드가 고객의 서비스 이탈률을 얼마나 낮추었는가’ 혹은 ‘시스템 장애 복구 시간을 얼마나 단축했는가’와 같은 최종 결과(Outcome)를 지표로 삼아야 합니다. AI가 아무리 많은 코드를 짜내도 그것이 고객 만족도 향상이나 비용 절감으로 이어지지 않는다면 그저 클라우드 컴퓨팅 비용을 낭비한 것에 불과하기 때문이죠.
둘째, 'AI 활용 스킬' 자체가 아니라 'AI와 협업하며 발휘하는 인간 고유의 가치'를 평가해야 합니다. 글로벌 리서치 기업 가트너(Gartner)는 성과와 잠재력을 명확히 구분하지 않고 ‘AI 툴을 능숙하게 다루는 능력’ 그 자체에만 금전적 보상을 하면 정작 중요한 성과와 보상 간의 연결고리가 무너질 위험이 있다고 경고합니다.
예를 들어, 고객 서비스(CS) 부서에서 AI 챗봇이 단순 문의를 모두 처리하게 되었다고 가정해 봅시다. 이때 상담원의 성과 지표는 '콜 처리 건수(속도와 양)'가 되어서는 안 됩니다. AI가 해결하지 못해 사람에게 넘어온 복잡하고 감정적인 문제에 대해 상담원이 얼마나 깊은 공감 능력을 발휘하여 고객의 마음을 돌려놓았는지가 평가의 핵심이 되어야 하죠. 기계가 만들어낸 초안에서 논리적 오류와 윤리적 리스크를 짚어내고, 조직의 맥락에 맞게 수정하는 ‘비판적 사고와 감독 능력’이 새로운 성과의 기준이 되어야 합니다.
AI 시대의 성과 관리는 인간이 기계와 나란히 달려서 누가 더 빠르고 많은 것을 생산해 내는지 시합하는 방식으로 이루어져서는 안 됩니다. 직원들이 AI를 활용해 올바른 목적지에 도착했냐를 평가해야 하는 것이죠.
혹시 여러분이 적용 받는 평가지표 가운데 작업량이나 속도에 해당되는 것이 있는지 살펴 보세요. 과연 그 지표가 여러분 비즈니스의 최종 목적(Outcome)과 직접적으로 맞닿아 있는지 질문해 보세요. AI시대에 과거에나 맞을 법한 지표로 평가하고 평가받고 보상이 결정되는 일은 없어야 함을 명심하기 바랍니다. (끝)
