---

臺退社, 조용한 退社에 이어 ‘退準生’이라는 新造語까지 나왔다. 就準生 身分을 벗어나자마자 더 나은 會社로의 移職을 위해 다시 退社를 準備하는 ‘退社+就業準備生’을 일컫는 말이다. MZ世代 職員들에게 退社는 烈風에 가깝다. 2021年 사람인에 따르면 大卒 新入 社員의 入社 1年 以內 退社者 比率이 46.9%였고, 2022年 트렌드모니터에 따르면 20代의 1年 以內 早期 退社 經驗者 比率은 60.4%, 30代는 56.4%에 達했다.

이제 제 몫은 하겠다 싶어지면 退社해 버리니 企業은 苦悶이 크다. 退社者가 發生하면 말 그대로 會社는 膏血을 짜내야 한다. 退職金도 支拂해야 하며 空白을 메꾸기 위해 새로 人材를 採用하고 敎育하는 데도 費用이 든다. 三星經濟硏究院은 核心 職員이 退社하면 管理職 職員 平均 月給의 24倍에 達하는 費用이 든다고 評價한다.

이에 따라 採用 基調 亦是 變化하고 있다. 過去에는 志願者가 얼마나 成果를 낼지가 主要한 評價 要因이었다면 只今은 얼마나 會社를 오래 다닐지를 함께 苦悶하게 됐다. MZ世代는 어째서 어렵게 들어간 會社를 自己 발로 나오는 걸까. MZ世代의 早期 退社를 막기 위해선 어떻게 해야 할까.

DBR은 4月 27日 서울 中區 韓國프레스센터에서 特別 세미나 ‘臺退社 時代, 人事管理 패러다임의 變化와 對應 戰略’을 열었다. MZ世代 리텐션을 끌어올리기 爲해선 ‘脫(脫)會社 人間’利子 ‘디지털 人間’人 MZ世代의 特徵을 理解하고, 職員 個個人이 重要하게 여기는 價値가 무엇인지에 注目해야 한다. 이때 採用 段階에서부터 職員 데이터를 連續的으로 蓄積하고 이를 人工知能(AI)으로 分析하면 早期 退社者를 95% 豫測할 수 있다. ‘臺退社 時代, 人事管理 패러다임의 變化와 對應 戰略’의 核心 內容을 要約해 紹介한다.

MZ世代는 왜 會社를 떠나는가?

美國 輿論 調査 機關 퓨리서치센터(Pew Research Center)가 2021年 先進國 17個國 國民들에게 “當身의 삶을 意味 있게 만드는 것은 무엇입니까?”라는 主題로 設問을 進行한 結果, 韓國, 스페인, 臺灣을 除外한 모든 國家가 家族을 1順位로 꼽았다. 그렇다면 韓國은 어떨까? 1位로 ‘物質的 豐饒’가 꼽혔다. 더 注意 깊게 살펴봐야 할 點은 大部分의 國家에서 5位圈 안에 屬한 ‘職業’이 韓國에서는 아예 順位圈 밖이라는 事實이다.

過去 어르신들은 아이들이 門地枋에 서 있으면 “福 날아간다”고 했다. 職業이 삶에 優先順位가 아닌 只今 MZ世代들이 會社에 있는 모습이 꼭 그렇다. 會社 안도 밖도 아닌 門地枋에 서 있는 格이다. 門地枋에 있지 말라고 忠告하던 어르신들처럼 會社 안에 있는 旣成世代에게는 會社 門地枋에 서성이는 MZ世代의 모습이 곱게 보이지 않을 수 있다.

20世紀 무렵 漢江의 奇跡을 일군 60~70年代 ‘會社 人間’들에게는 會社가 곧 自身이었고, 會社의 成長이 곧 나를 保護하는 길이었다. 以後 80~90年代生은 ‘半(半)會社 人間’으로 糾明된다. 자라면서 或은 社會生活을 始作하며 IMF를 겪은 이들이다. 會社를 다니는 게 一般的이었지만 會社가 自身을 책임져 주리라는 믿음은 없다. 會社 안에서 個人의 權利를 爭取하려 한다. 2020年代 以後로는 2000年代生들이 社會生活을 始作하게 됐다. 이들은 ‘脫(脫)會社 人間’이라 불린다. 어릴 적부터 投資를 통한 資産 暴騰을 目睹했다. 會社 生活 自體가 最善이 아닌 次善의 選擇일 뿐이며 會社를 自身과 同一視하지 않는 건 當然하다. 脫會社 人間이 會社를 選擇해 會社에 왔으니 한 發은 會社 안에 있어도 다른 한쪽 발은 會社 밖에 걸치고 있는 形局일 수밖에 없다.

그렇다고 마냥 ‘月루(월급 루팡, 會社에서 하는 일 없이 月給만 축내는 月給 도둑)’으로 置簿하기에는 曖昧하다. 大部分 月루와 模範 社員 그 中間 어디에 서 있다. 이들의 마인드는 基本的으로 ‘1人分만’ 다른 말로 ‘받은 만큼만’ 일하겠다는 것이다.

또 다른 MZ世代의 特徵으로는 ‘디지털 人間’을 꼽을 수 있다. 2017年 애플의 CEO 팀 쿡은 MIT 卒業 畜舍에서 “AI가 컴퓨터에 人間처럼 생각하는 能力을 附與하는 것은 걱정하지 않는다. 걱정되는 것은 人間이 컴퓨터처럼 생각하는 것”이라고 말했다.

팀 쿡이 걱정한 AI 같은 디지털 人間은 定型化된 시스템에 따라 움직이는 이들이다. 敎育 現場에서 만난 30年 經歷의 한 프로그래머는 只今의 MZ世代의 勤務 態度를 ‘프로그래밍적 事故’라고 評價했다. 모든 게 數字로 表現되는 디지털 世上에서는 시스템이 誤差 없이 設計돼야 프로그램이 正常的으로 기능한다. 어릴 적부터 디지털에 親熟한 只今의 MZ世代가 디지털 方式으로 思考하는 건 當然하다.

反面 旣成世代는 아날로그 人間이다. 아날로그 人間은 非定型的이지만 非情하지는 않다. 오히려 柔軟하고 人間的이다. 所謂 ‘개떡’같이 말해도 ‘찰떡’같이 알아듣는 게 아날로그 人間이다. 그러나 디지털 人間에게는 ‘개떡’을 入力하면 ‘개떡’이 出力된다. 이들에게 常識은 ‘하면 된다’가 아니라 ‘되면 한다’이다.

아날로그 人間과 디지털 人間은 認知하는 單位의 스케일도 다르다. 디지털 人間이 훨씬 더 細心하고 正確한 表現을 選好한다. 過去 피처폰 時節 배터리 殘量은 4~5個 칸으로 表記됐다. 技術이 不足해서가 아니다. 當時에도 100分位로 배터리 全量을 表記할 수 있었다고 한다. 굳이 100分位로 表現해야 할 必要性을 못 느꼈기 때문이었다. 그럼에도 過去 피처폰을 使用하던 사람들은 얼마나 핸드폰이 더 켜져 있을지를 큰 어려움 없이 認知했다. 只今의 MZ世代에게 배터리 殘量이 4~5칸으로 表記된 스마트폰을 주면 어떨까. 배터리가 얼마나 남은 건지 感도 잡지 못하며 크게 답답해 할 것이다.

이 槪念을 出勤 時間에 適用해보자. 過去 午前 9時가 定時 出勤 時間이라면 商社들은 部下 職員들에게 30分 前에는 미리 와서 業務를 準備하라고 指示했다. 部下 職員들도 9詩보다는 일찍 가야 하니 8時30分이나 8時45分이나 큰 差異를 느끼지 못했다. 그렇다면 디지털 人間에게 가장 合理的인 9時 前 出勤 時間은 언제일까. 當然히 8時59分이다.

勿論 이러한 二分法的 分類에서는 浮刻되는 劇團이 平均이 아니라는 點을 늘 留意해야 한다. 아날로그 人間이라고 모두가 ‘莫無可奈 人間’은 아니며 디지털 人間이라고 全部 ‘사이보그 人間’은 아니라는 것이다.

大部分 會社의 組織 文化는 아직 아날로그 人間에 맞춰져 있을 可能性이 크다. 가뜩이나 會社를 必須가 아닌 選擇으로 여기는 MZ世代에게 아날로그 組織은 體系的이지 않고 自身들의 常識 밖에 있는 곳으로 여겨질 수 있다. MZ世代가 會社를 所重히 여기지 않고 떠나는 건 어쩌면 當然한 일일지도 모른다.

많은 企業에서 MZ世代가 ‘成長’을 願하고 實際로 成長을 느낄 수 있게 해주면 된다고 말한다. 그러나 敎育 現場에서 MZ世代를 만나면 大部分 會社에서 成長을 願치 않는다고 말한다. 애初에 ‘動機附與는 不可能한 것’이라고까지 말하는 이도 있었다.

그렇다면 會社는 MZ世代가 會社에 머물러 있게끔 만들기 爲해 무엇을 줄 수 있을까. 大企業에서 오랜 期間 일하다 스타트업으로 移職한 뒤 이 質問에 對해 얻은 힌트가 하나 있다. 스타트업 代表들은 職員들이 언제든 그만둘 수 있다고 생각한다. 그들을 潛在的 背信者라고 생각하지 않는다. 代身 ‘生存’을 가르치고자 한다. 다른 會社에 가서도 살아남을 수 있는 方法을 알려줘야 이 會社에 1年이라도 더 남아 있는다고 생각한다. 退社 豫防法으로 MZ世代에게 會社가 奴隸를 量産하는 곳이 아니라 生存의 技術을 가르치는 곳이라는 點을 알려주는 건 어떨까.

臺退社 時代, 戰略的 人材 選拔/管理 戰略

政府의 雇傭 政策 變化, 經營 環境 變化 等 採用에 影響을 미치는 要因은 다양하지만 그中에서도 最近 志願者 特性의 變化가 두드러진다. 採用 對象者인 MZ世代 職場인 사이에서 조용한 退社, 早期 退社 現象이 나타나고 있다. 2022年 統計廳 資料에 따르면 靑年들의 첫 職場 平均 在職 期間은 18.8個月인 것으로 나타났다.

早期 退社는 두 가지 類型으로 나눌 수 있다. 計劃된 早期 退社와 計劃되지 않은 早期 退社이다. 計劃된 早期 退社는 本人의 目標를 위해 現在의 會社를 中間 過程으로 여기며 現在의 會社에서 計劃된 期間 또는 中間 目標가 達成되면 會社를 떠나는 것이다. 計劃된 早期 退社의 境遇 애初에 會社에 오래 다닐 計劃이 없기 때문에 退社 시그널이 存在한다. 計劃되지 않은 早期 退社者들은 처음부터 退社를 마음먹고 入社하지는 않는다. 熱心히 다니겠다고 다짐하며 會社에 들어왔지만 實狀은 組織이나 職務가 自身과 맞지 않아 退社를 決心한다.

어느 境遇든 結果的으론 採用 失敗로 돌아간다. 이러한 志願者들을 事前에 거르지 못하고, 入社 以後에도 管理하지 못한 것이다. 早期 退社者가 1名 發生하면 間接 費用, 機會費用 等 1億 원의 費用이 나간다.

그렇다면 職員들은 왜 早期 退社를 敢行할까. 于先 志願者들의 力量이 上向 平準化됐다. 마음만 먹으면 큰 걸림돌 없이 移職에 成功할 수 있다. 스타트업도 活性化돼 오라는 데도 많다. 求人求職 서비스도 活潑해 가만히 있어도 솔깃한 移職 提案들이 들어온다. 한 會社에 오래 있으면 有能한 人材가 아니라고 여겨지는 雰圍氣도 形成됐다.

이처럼 다양한 要因이 있지만 가장 注目해야 하는 건 사람들의 ‘欲求와 價値의 變化’이다. 팬데믹을 겪으며 사람들은 自身에게 眞正 重要한 價値가 무엇인지 생각해보는 時間을 가졌다. 韓國經營者總聯合會에 따르면 新入 社員 早期 退社 理由로 ‘職務가 適性에 안 맞음’이 58%로 壓倒的 1位에 꼽혔다. (以後 他 會社 合格 27.3%, 對人 關係 및 組織 不適應 17.4%, 年俸 不滿 14.7%, 業務 强度 不滿 6.7% 等)

特히 젊은 世代는 集團主義 性向이 낮아지고 個人主義 性向과 幸福 追求 性向이 높아지고 있다. 個人主義 文化가 될수록 個人의 생각, 感情을 表出하는 데 包容的인 雰圍氣가 形成되며 實際 이를 表出하는 行動과 性向이 剛해진다. 個人主義 文化가 剛해질수록 個人의 幸福을 찾아 早期 退社하는 現象은 繼續될 것이다.

早期 退社를 막기 위해서는 RJP(Realistic Job Preview, 現實的 職務 紹介)가 于先 돼야 한다. 잘못된 期待를 갖고 들어오지 않도록 職務에 對해 現實的으로 紹介하는 것이다. 아울러 志願者들이 우리 會社와 該當 職務에 符合한 人材인지 事前에 檢證하는 ‘科學的 選拔’ 過程이 必要하다. 入社 以後에는 이들이 會社에 適應하고 스트레스에 對應할 수 있도록 敎育해야 한다. 持續的으로 責任感과 自律性을 느낄 수 있도록 適時에 職務도 轉換해주며, 다른 會社에 뒤처지지 않게 補償도 强化해야 한다. 或如나 管理者가 ‘甲질’乙 하지 않는지 監督도 해야 한다. 職員들에 對한 情報를 持續的으로 蒐集해 移職 可能性을 豫測하고 管理하는 것도 重要하다.

問題는 이 모든 方法에 費用이 든다는 것이다. 退社를 막을 수 있는 效率的인 方法이 必要하다. 科學的 採用이란 올바른 採用 醫師決定 比率은 높이고 잘못된 意思決定 比率은 낮추는 것이다. 採用에서 올바른 意思決定은 選拔해야 할 사람을 합격시키고, 選拔해선 안 될 사람을 탈락시키는 것이다. 反對로 잘못된 意思決定은 選拔해야 할 사람을 탈락시키고, 選拔해서는 안 되는 사람은 합격시키는 것이다. 電子의 比率을 높이고 後者의 比率은 낮추기 위해선 우리 會社의 成果가 무엇인지 定義하고 이를 豫測할 수 있는 變數를 찾아 候補들을 檢證하는 것이다.




이러한 作業을 위해서는 職員들의 入社 後 業務 遂行 能力(Performance)의 變化 過程을 理解해야 한다. [그림 1]을 보자. 職員들의 年次別 業務 遂行 能力을 測定하는 遂行 曲線(Performance Curve)은 두 段階로 構成된다. 普通 1年까지는 學習이 일어나는 過渡期(Transition Stage)다. 새로운 業務와 技術을 익히며 業務 遂行 能力이 가파르게 成長하는 時期다. 이 時期에 重要한 要因은 빨리 많이 배우는 認知的 能力이다. 以後에는 維持氣(Maintenance stage)가 찾아온다. 學習한 業務 行動을 持續하고 强化하며 새로운 變化들을 스스로 探索하고 適應하는 段階로 上昇 曲線은 緩慢해진다. 問題는 過渡期에서 維持基로 轉換되는 時點이 職員이나 會社 모두에 損益分岐點이라는 것이다. 力量이 쌓여 本格的으로 成果를 낼 수 있는 時點인데, 同時에 배울 만큼 배워서 會社를 떠나기 딱 좋은 조기 退社의 岐路에 놓인다.

그런데 劉知幾 以後 成果는 個人의 性格이, 在職 期間은 價値가 左右한다. 以前까지는 採用에서 業務 成果에 焦點을 둬 性格에만 關心을 맞췄다면 早期 退社가 問題가 된 只今에는 價値에도 關心을 둬야 한다. 實際 ORP硏究所의 最近 硏究에서도 在職 期間을 個人의 價値를 통해 높은 水準으로 豫測할 수 있는 것으로 나타났다. 集團主義-個人主義, 課題 志向-關係 志向, 위계주의-수평주의 等의 價値는 個人-組織 適合性과 關聯이 있다. 또 客觀主義-直觀主義, 變化 志向-安定 志向, 自律 志向-慣習 志向 等의 價値는 個人-職務 適合性과 聯關性이 있다.

個人마다 重要하게 여기는 ‘價値 體系’는 全部 다르다. 어떤 價値를 얼마나 重要視하는지 그 水準도 다르고, 여러 價値 中 어떤 價値를 더 優先視하는지 順位도 다르다. 全般的으로 價値 志向 水準이 높은 사람들이 에너지 레벨이 높고 쉽게 動機附與된다.

價値가 맞지 않는 組織과 職務에 사람을 配置하는 일은 職員과 會社 모두에게 괴로운 일이다. 直觀的이고 아이디어 내기를 좋아하는 個人에게 꼼꼼하고 客觀的이어야 하는 業務를 주면 價値 없는 일을 한다고 느낀다. 部署 移動을 要請하거나 會社를 옮기고 싶어진다.

요즘 一般的인 MZ世代의 價値 體系를 살펴보면 個人主義的이고 課題 志向的이다. 이들이 公과 私를 明確히 區別하고 싶어 하는 理由다. 會社가 조금이라도 無理한 要求를 하면 自身의 權利가 無視되고 있으며 不當하다고 느낀다.

多幸인 點은 最近에는 AI(人工知能)가 心理學科 結合되면서 心理檢査의 豫測力이 높아지고 있다는 것이다. 過去에 採用 心理檢査는 데이터 蒐集의 限界 等으로 志願者들의 業務 遂行 能力 豫測에 어려움을 겪었다. 그러나 最近에는 AI를 活用해 優秀 成果者와 早期 退社者에 對한 情報를 蒐集하려는 試圖들이 이어지고 있다. 이러한 情報가 職務別, 個人別, 年次別 情報로 蓄積되고 實時間으로 分析할 수 있게 된다면 AI의 豫測力은 漸漸 높아질 것으로 보인다. 心理 檢査는 100年 넘게 發展한 매우 正確한 道具다. 여기에 AI가 結合하면 選拔 過程에서 志願者의 性格과 價値를 精巧하게 豫測해 採用 失敗를 막고, 入社 以後에도 退社 徵候가 보이는 이들에게 適切한 敎育 및 部署 再配置 等의 管理를 進行할 수 있을 것이다. 1 1 志願者의 性格과 價値 分析, AI와 心理檢査가 結合된 人事 科學(HR Science)에 對한 더 仔細한 內容은 DBR 368號(2023年 5月 1號) ‘優秀 人材보다 ‘오래 다닐 人材’ 뽑으려면…’ 參考 닫기

人工知能을 活用한
스마트 人事管理 戰略 및 事例

約 1萬3000個 職務에서 AI가 어떻게 쓰일 수 있는지 硏究하며 한 會社의 退社者 豫測 프로젝트를 遂行했다. 職員이 1萬 名이 넘는 會社였는데 한 分期에 退社者가 900餘 名이나 發生했다. AI 分析을 통해 이 會社에 다음 分期 移職 可能性이 높은 高危險群 職員 리스트를 추려서 提供했다. 實際 다음 分期 退社者 932名 中 約 80%인 746名이 리스트에 屬한 이들이었다. 大學에서 다음 學期 自退 可能性이 높은 學生을 豫測하는 프로젝트도 遂行했다.

人事에서 데이터가 活用될 수 있는 領域은 退社者 豫測 外에도 다양하다. 한 企業에서는 考課 評價에 AI를 活用하고자 했다. 業務 協業 툴, e메일 等 데이터를 통해 職員들의 考課를 豫測했고, 이를 實際 該當 職員의 팀長이 매긴 評價와 比較해 보니 約 94%가 一致했다. 昇進者를 豫測하는 프로젝트에서도 約 95%의 正確度를 보였다.

卽, AI는 企業이 實質的인 財務的 價値를 누릴 수 있는 水準으로 進化했다. 市場 調査 業體 IDC가 發表한 2022年 일의 未來 10代 豫測(IDC’s Future of Work 2022 Top 10 Predictions) 中 두 가지가 HR과 關聯된 이슈다. 2024年까지 글로벌 上位 2000個 企業 中 80%가 雇傭, 解雇, 敎育에 AI 基盤 디지털 管理者를 使用할 것이며, 2023年까지 포브스가 選定한 글로벌 2000(G2000) 企業의 60%가 온보딩부터 退職까지 全體 職員 라이프스타일 經驗을 支援하기 위해 AI 및 머신러닝 플랫폼을 活用할 것이란 內容이다.

AI가 할 수 있는 일을 한마디로 整理하면 패턴을 찾는 것이다. 退社者 豫測이라면 現在 職員들의 데이터가 3年 內에 退職한 職員들의 데이터 패턴과 얼마나 類似한지 判斷하는 것이다. 實際로 2019年 IBM은 自社의 AI인 왓슨을 活用해 退社 支援을 95% 正確度로 豫測할 수 있으며, 이를 통해 約 3億 달러(藥 3400億 원)를 切感했다고 밝혔다.

IBM이 公開한 退社者 데이터를 살펴보면 어떤 特性을 가진 職員들이 退社 可能性이 높은지 알 수 있다. 月給 水準이 낮을수록 退社者 分布가 높게 나타났고, 月給이 最上位圈이라면 退社 可能性은 매우 적었다. 다음으로는 超過 勤務 與否를 살펴볼 수 있다. 超過 勤務를 자주 한다고 應答한 사람들 中 約 54%는 退社했지만 反對로 超過 勤務를 잘 하지 않는다고 應答한 사람 中에서는 約 23%만 退社했다. 以外에도 學歷, 結婚 與否, 집과 職場 사이 거리 等 50個 程度의 要因을 把握했다. 하나의 變數만으로 退社 可能性을 豫測하는 건 말도 안 되지만 다양한 變數의 分布를 結合하면 AI는 各 變數에 加重値를 附與하며 패턴을 發見해낼 수 있다.

勿論 우리 會社의 데이터에 歪曲이 있지 않을까 疑心할 수 있다. 人事 評價 亦是 客觀的인 데이터가 아닐 수 있다. 팀長과 사이가 좋은 職員도 있고 나쁜 職員도 있어 그에 따른 偏向이 適用됐을 可能性도 크다. 그러나 거짓이 아닌 情報도 存在한다. 結婚 與否나 집과 會社 사이 거리 等의 데이터는 거짓일 수 없다. 이런 情報들만으로도 充分히 有意味한 豫測이 可能하다.

AI를 活用해야 偏向 없는 공정한 인사이트를 얻을 수 있는 境遇도 있다. 한 會社에서 昇進 對象 要人을 評價하는 프로젝트를 進行했는데 아이러니한 結果가 나왔다. 가장 重要하지 않은 要因, 卽 昇進 時 가장 많이 考慮되지 않는 要因이 ‘人事 評價’였던 것이다. 그럼 가장 많이 考慮되는 重要한 要因은 무엇일까? 바로 會社에 들어온 順序, 卽 四番이었다. 이처럼 AI는 旣存의 期待와 다른 結果를 導出하기도 한다. 이 會社는 以後 年功序列에서 脫皮해 어떻게 昇進者를 選別할 수 있을지 苦悶하기 始作했다.

DBR mini box I 아로 슬림(AHRO Slim, AI Human Resource Optimizer Slim)이란? 아로 슬림은 알고리즘랩스의 AI 솔루션과 ORP硏究所의 力量 및 價値 檢査가 結合된 HR 솔루션이다. 採用 段階에서부터 志願者의 性格과 價値를 同時에 測定해 成果는 勿論 在職 期間까지 豫測이 可能하다. 在職者들을 分析해 패턴을 比較하며 核心 人材, 昇進 可能性 等을 보여주는 AI 대시보드를 提供한다.

過去 人事 데이터는 會社 內部에서만 다뤄져야 했으며, 個人 情報 亦是 徹底히 保護돼야 해 接近이 어려웠다. 그런데 入社 時 進行하는 人性 檢査 데이터는 現場에서 活用할 수 있는 宏壯히 有效한 데이터다. 2018年 人性 檢査 데이터를 통해 AI가 同一한 勤務 環境에서 일하는 1179名의 入社者가 3年 內 退社할 確率을 豫測하는 硏究에서 約 89%의 正確度를 보였다. 採用 段階에서부터 檢事 데이터를 豫測하고 以後 人事 데이터를 追跡해 한 職員의 데이터를 쭉 連結해서 分析하면 더욱 高度化된 分析이 可能해진다.

사람의 直觀만으로 退社者를 豫測할 수 있는 確率이 20% 程度라면 人性 檢査 데이터만으로 AI로 分析하면 50% 程度 豫測이 可能해진다. 여기에 月給, 結婚 與否 等의 人事 데이터가 結合되면 75%, 各 데이터가 더욱 高度化되면 95% 以上까지 豫測이 可能해질 것이다. 아로 슬림(AHRO Slime)과 같은 솔루션이 職員들의 在職 期間 等을 評價하는 데 도움이 된다. (DBR mini box 1 ‘아로 슬림이란?’ 參考.)

莫大한 데이터가 必要한 게 아니다. ‘이 程度는 우리 會社에도 있겠다’ 싶은 데이터만으로도 充分하다. ‘빅데이터’에서 留意해야 할 말은 ‘빅’이다. 얼마나 커야 할지에 對한 基準은 定해진 게 없다. 最近에는 AI가 精巧한 豫測을 위해 要求하는 데이터의 量이 漸漸 줄어들고 있다. 完璧한 데이터를 쌓은 後에 AI를 導入하겠다는 것은 하지 않겠다는 말과 같다. AI도 實際 活用해봐야 무슨 데이터가 有效한지 알 수 있다. 採用 段階에서부터 始作해 人性 評價, 年間 成果 評價, 人事 記錄 等 職員當 50個 程度의 데이터는 엑셀에 貯藏돼 있을 것이다. 여기서부터 出發하길 勸한다. 이러한 資料를 連續的으로 分析하면 早期 退社者와 優秀 人材의 패턴을 찾을 수 있을 것이다.