HR Digital Transformation 추진 전략

HR Digital Transformation 추진 전략

1. Intro

지난해 9월, 「Digital 기업이 일하는 법 - HR 혁신」이라는 제목으로 인사를 드렸었는데요. 올해도 새로운 내용으로 다시 인사를 드릴 수 있게 되어 기쁩니다. 작년에는 Digital HR의 개념과 그 적용 사례를 중심으로 말씀드렸다면, 이번에는 대내외 사례를 바탕으로 HR의 Digital Transformation(이하 HR DT)을 추진하기 위한 Framework를 정리하고, 관련된 사례를 소개해 드리고자 합니다.

2020년에는 HR DT를 위해서 많은 시도를 했었으나, HR DT를 추진하기 위한 구체적인 방향과 전략은 부족한 상황이었습니다. 2021년을 시작하면서 내부적으로 HR DT 수준에 대한 정확한 진단과 함께, 중장기적인 진행 방향에 대한 필요성을 느끼고 있었던 차에 삼성경제연구소와 협업할 기회가 생겨서 함께 내용을 정리하게 되었습니다.

이 글을 통해 DT 기술 접목을 고민하는 인사담당자들에게는 HR DT에 대한 기본 개념부터 추진 방향 수립에 도움이 되길 바라며, 현재 DT 기술을 활용 중인 분들에게는 세부 영역별 수준을 점검하고 Next level을 검토하는 데 유용하게 쓰일 수 있길 바랍니다.

2. HR Digital Transformation이란?

HR DT란 디지털 기술을 활용해 "HR의 운영 프로세스 및 일하는 방식을 획기적으로 개선"하는 활동으로, "HR 생산성 향상, 임직원 만족도 제고 및 비즈니스 성과 창출"을 목표로 한다고 정의할 수 있습니다.[1]

HR DT를 추진할 수 있게 된 배경에는 3가지를 이야기할 수 있는데요. 가장 먼저 이야기할 수 있는 요인은 "기술의 발전"입니다. 현재 육체노동을 로봇이 점차 대체해 가고 있는 것처럼, AI 등 4차 산업혁명으로 대변되는 다양한 첨단기술의 발달이 지식노동까지 자동화하는 수준에 이르렀다고 볼 수 있습니다.

두 번째는 "고객 마인드 적용"으로 많은 서비스가 개인화를 지향하는 흐름에 발맞춰 HR도 임직원에게 제공하는 서비스들을 직원 개개인이 원하는 맞춤형으로 바꿔가야 한다는 것입니다. 그리고 마지막 세 번째는 "사업 환경의 불확실성 증가"에 따라 HR이 보다 민첩하게 대응하고 전략적으로 움직일 필요성이 커졌다는 것입니다.

이러한 맥락 속에서 HR DT 추진을 위한 3가지 영역을 정의할 수 있었습니다. 첫 번째는 "HR Automation"으로 단순 반복 및 정형화된 업무를 자동화하는 영역이며, 두 번째는 "HR Assistant"로 챗봇을 활용한 임직원 개인별 맞춤형 서비스를 제공하는 영역이고, 마지막으로 세 번째는 "HR Analytics"로 데이터 분석을 통한 미래 예측 및 대안을 제시하는 영역입니다.

  • 기술의 발전:AI가 지식노동 자동화수준에 이름
  • 고객마인드:임직원 개인 맞춤형 서비스 제공 필요
  • 외부 불확실성:HR의 민첩성, 전략적 역할 필요
  • Automation:단순,반복및 정형화된 업무 자동화(현황 집계,단순입력 등의 업무를 자동화하여 시간 낭비 및 휴먼 에러 최소화)
  • Assistant:직원들에게 개인별 맞춤형 HR 서비스 제공(시간,장소 제약 없이 접근 가능한 HR서비스를 필요에 따라 맞춤형으로 제공)
  • Analytics:데이터 기반의 과학적 의사결정 지원(현상 분석을 통한 미래 예측, 선제적 대안 제시)
HR DT 배경 및 세부 영역

3. HR Digital Transformation의 3개 영역

앞서 말씀드린 HR DT의 3개 영역(Automation, Assistant, Analytics)에 대해 영역별 고도화 과정을 설명하고, 동시에 대외 리서치를 통해 확인된 사례와 함께 삼성SDS HR의 적용 사례를 기반으로 추가 설명해 드리도록 하겠습니다.

3.1 HR Automation

HR Automation은 단순/반복적인 업무를 자동화함으로써 인사담당자가 보다 전략적인 업무에 집중할 수 있도록 지원합니다. 대내외 사례를 조사한 결과, Automation 영역은 간단한 업무를 자동화하는 것을 시작으로, 나아가 하나의 프로세스 단위로 엮어 자동화 범위를 확대하는 추세로, 최근에는 Machine Learning, AI 등 기술의 발전에 힘입어 비정형 업무 자동화에도 투자가 활발하게 진행되고 있음을 확인할 수 있었습니다.

HR Automation의 복잡성 수준에 따라 3단계로 진행 단계를 구분하고 있으며, 이를 도식화하면 아래와 같이 정리할 수 있겠습니다.

1단계-단위업무 자동화
  • 단순,반복 업무를 선별하여 자동화(업무 수행시간 단축 및 휴먼에러 제거(ex:휴직자에게 복직 안내 메일 발송 자동화)
2단계-프로세스 자동화
  • 전체 프로세스를 전면 자동화(프로세스의 A부터 Z를 완전 자동화하여 임직원 및 인사 담당자의 편의성 제고(ex:휴/복직 프로세스 전면 자동화)
3단계-비정형업무 자동화
  • 비정형 업무 처리 자동화(비정형 문서를 자동으로 분석/분류하여 필요한 정보를 자동으로 추출(ex:이력서,이메일 등 비정형 문서 내 필요항목 자동 추출 및 DB화)
HR Automation 고도화 단계

HR Automation 영역의 대외 사례로, 지멘스(Siemens)는 구인/구직 사이트에 필요한 포지션 정보를 자동으로 등록하고, 적합한 후보자를 발굴하여 포지션 안내 메일을 자동 발송하는 등 비정형 업무까지 자동화하는 3단계 수준에 이른 것으로 보고 있으며, [2] 인텔(Intel)은 휴직 신청부터 복귀까지 전체 프로세스를 인사담당자의 개입 없이 로봇이 자동으로 수행하고 있어 프로세스 전체를 자동화하는 2단계 수준으로 보고 있습니다. [3]

반면, 삼성SDS HR은 자체적으로 1단계에서 2단계로 발전하는 과정에 있다고 보고 있습니다. 지난해에는 「LinkedIn 채용 후보자 발굴 자동화」를 소개해 드렸었는데요. 올해 진행한 몇 가지 사례를 더 공유해 드리겠습니다.

① 자료 배포/취합 자동화
인사 현안을 파악하는 과정에서 엑셀 데이터 양식을 정리하여 산하 조직에 배포하고, 데이터를 취합하는 방식은 생각보다 잦은 업무 중 하나입니다. 이 과정에서 마스터 파일을 산하 조직별로 분리하여 담당자별로 메일을 보내고, 회신받은 자료를 다시 합치게 되는데, 이는 인사담당자에게 있어 대표적인 불필요 업무입니다.

이렇게 낭비되는 시간을 줄이기 위하여 Brity RPA를 적용하였습니다. 자료 배포/취합 자동화 RPA는 어떤 엑셀 양식이든 지정된 셀 기준으로 엑셀을 분리하여 생성하고, 메일함을 열어서 지정된 대상자들에게 분리 생성된 파일을 첨부하여 발송합니다. 그리고 작성된 자료를 회신받으면 자료들을 합쳐서 통합된 파일을 생성합니다.

Brity RPA 설계 화면, Low code 방식으로 누구나 손쉽게 설계할 수 있습니다 (step 1)마스터 엑셀 -> 파일분리/저장 -> 메일송/수신 (step 2)-> 자료 다운 -> 파일 통합) 자료 배포/취합 자동화 프로세스

이 RPA는 인사 내부 영역과 무관하게 어떤 업무든지 접목하여 다 사용할 수 있고, 실질적으로 단순/반복 업무를 줄여줄 수 있어 인사담당자들이 매우 유용하게 사용한 아이템입니다. 특히 대량의 데이터 작업을 자주하게 되는 주니어 레벨에서 많은 호응을 받을 수 있었습니다.

② 주 52시간 초과근무자 사전 예측 및 안내 자동화
주 52시간 근무제 시행에 따라, 인사담당자에게는 임직원 근무시간 관리 및 52시간 초과자 예방이 매우 중요한 업무가 되었습니다. 하지만 보통 월말에 근무시간 초과가 예상되는 상황에서 조치하게 되고, 이로 인해 임직원과 인사담당자 모두 급작스런 업무 조정이나 촉박한 시간 관리로 어려움을 겪게 됩니다. 이 과정에서 인사담당자는 초과자 예방을 위해 단순 캠페인을 넘어, 실질적인 관리 방안을 고민하게 되었습니다.

그래서 Brightics AI를 활용하여 월초에 임직원의 근무시간 추이를 분석하여, 주 52시간 초과가 예상되는 대상자 명단을 도출하고 임직원 스스로 업무량을 조정할 수 있도록 안내하였습니다. 그리고 월중에는 실제 진행된 근무시간을 기반으로 초과 예상자 명단을 도출하고, 메신저로 각 사업부 담당자들에게 명단 배포를 자동화하였으며, 월말에는 현황 리포트를 메일로 발송하여 결과를 확인할 수 있도록 하였습니다.

월초 : Brightics AI -> 결과 메일링, 월중 : 현황데이터 -> 메신저 배포, 월말 : 결과 리포트 -> 결과 메일링 주 52시간 초과 근무자 사전 예측 및 안내 프로세스

현재 Brity RPA가 Brightics AI로 도출된 예측 결과를 정리하여 인사담당자들에게 메일을 보내거나, 메신저로 예측된 명단을 산하 조직별 담당자들에게 직접 전달함으로써 단순 작업에 대한 부담감과 시간 낭비를 줄여주고 있습니다. 동시에 예정된 스케줄 기반으로 자동으로 업무를 수행함으로써 52시간 초과자 리스크 관리를 안정적으로 지원합니다.

3.2 HR Assistant

HR Assistant는 AI를 통해 분석/학습된 데이터를 바탕으로 키워드 혹은 대화를 사용하여 사용자와 커뮤니케이션하며 답을 주는 메신저 서비스입니다. 글로벌 기업들은 임직원의 경험 증진과 HR 업무 효율성 제고를 위하여 HR Assistant를 적극 도입하고 있습니다. 자연어처리 기술 발달에 따라 단순 질의응답(FAQ) 수준에서 개인비서(Human Advisor) 역할로 진화하고 있으며, 도입 효과가 높은 채용과 인사 제도 안내 부분에서 먼저 도입 후 조직 문화, 양성 등으로 확산되는 경향을 보이고 있습니다.

HR Assistant 영역 역시 복잡성 수준에 따라 3단계로 구분이 가능하다고 보고 있으며, 이를 도식화하면 아래와 같이 정리할 수 있겠습니다.

1단계-FAQ Bot
  • 사용자 질의에 응답만 가능한 Chatbot(사용자(질문) -> Chatbot(답변) 형식의 단방향 소통만 가능(ex:채용절차 문의에 대한 Chatbot의 답변)
2단계-Dialogue Bot
  • 자연스러운 쌍방향 대화가 가능한 Chatbot(Chatbot이 사용자에게 질문하고 추가정보를 획득하는 쌍방향 소통 가능(ex:지원자의 관심 직무를 역으로 질문하고, 자격 요건을 추가로 안내)
3단계-Advisor Bot
  • Human Advisor Chatbot(사용자가 원하는 최적의 대안을 선제적으로 제시(ex:Chatbot이 지원자와의 대화내용을 분석하여 최적 직무를 추천)
HR Assistant 고도화 단계

HR Assistant 영역의 대외 사례는, 로레알(L'Oréal)이 3단계 수준으로, Chatbot이 이력서 내용을 지원자에게 직접 질문해서 검증하고, 대화 내용을 분석하여 최적 직무를 추천하고 있으며, 이를 통해 채용 소요시간을 2주에서 72시간까지 단축한 것으로 확인하였습니다. [4] 페이스북(Facebook)은 Chatbot을 통해 임직원이 스트레스 및 마음건강 진단을 실시하면 결과에 맞는 맞춤형 명상 훈련법을 제공하는 것으로 확인하여 3단계 수준으로 분류하였습니다. [5]

삼성SDS HR은 현재 1단계 수준을 마무리하고 2단계 진입을 준비하고 있는 수준으로 자체 진단하고 있으며, 지난해 소개드렸던 「회사생활가이드 Chatbot」, 「Pulse survey Chatbot」에 이어, 추가 사례를 소개해 드리도록 하겠습니다.

① 찾아가는 챗봇
우리는 생각보다 많은 시스템을 활용하여 업무를 처리하고 있습니다. 시스템이 잘 갖춰지고 구조가 커짐에 따라 전체적으로 잘 설계되어 관리된다는 장점이 있지만, 한편으로는 그에 따른 복잡도가 커져 전체 시스템 속에서 개별 메뉴를 찾아가는 단계가 많아지고, 낭비되는 시간 역시 늘어나는 단점도 있습니다.

그리고 상세하게 만들어진 시스템에서 실제 임직원이 자주 사용하는 항목은 그렇게 많지 않은 경우들이 많고, 간단한 처리들을 위해 개별 시스템을 찾아가야 하는 번거로움은, 눈에 잘 띄지는 않지만 임직원들에게는 매일매일 조금씩 쌓이는 스트레스 중 하나입니다.

외근 알림
  • 외근 현황 내용 -> 변경 ->내용 입력
일일 근무 확정
  • 일일근무 미확정건 -> 확정(as-is:근태시스템->근무확정메뉴->근무시간확인->전일근무체크,to-be:알림->확정)
부속의원 예약
  • 부속의원 예약일자 입력 -> 예약 -> 부속의원 예약 완료
찾아가는 챗봇 주요 기능

이러한 측면에서 찾아가는 챗봇을 개발하여 다양한 업무에 접목하여 활용하고 있습니다. 찾아가는 챗봇은 개인별로 맞춤형 리마인드(외근, 휴가 신청내역 등)를 제공함으로써 바쁜 업무 속에서 처리해야 할 업무를 놓치지 않도록 지원합니다. 그리고 메신저상에서 간편하게 꼭 필요한 업무만 처리할 수 있도록 지원(근태 신청, 부속의원 예약, OA 반납 등)함으로써, 복잡한 시스템 접속 단계 및 소요시간을 최소화하고 편의성을 높입니다.

② 리크루팅 챗봇
리크루팅을 나가보신 적 있으신가요? 리크루터는 지원자가 생각하는 고민에 대해 깊이 있게 들어주고, 회사에서 적합한 분야와 포지션에 대해 상세히 설명을 해주고 싶지만, 실제 리크루팅 자리에서는 한 지원자에게 회사에 대한 간략한 소개와 채용 절차를 설명하고 나면 시간이 끝나 버리고, 다음 지원자를 맞이하게 되는 경우가 많습니다.

지원자도 마찬가지의 비슷한 경험을 하게 됩니다. 많은 정보를 얻고 싶지만, 본인에게 부여된 짧은 시간에 우왕좌왕 하기도 하고, 너무 사소한 질문인 것 같아 주저하기도 하며, 부족한 시간으로 다음 지원자 눈치를 보며 자리를 비켜 주어야하는 상황에서 불만족스럽게 면담이 끝나는 경우가 많습니다.

리크루팅 면담 전에 회사에 대해 충분히 알 수 있고, 채용하는 포지션, 사업, 기술 분야에 대해 미리 파악해서 리크루터와 면담 때 상세하게 질문할 수 있으면 얼마나 좋을까요? 사소하다 생각되는 질문도 편하게 확인하고, 채용 프로세스는 미리 체크해서 리크루터에게는 단계별 중점 포인트를 물어볼 수 있다면 리크루터와 지원자 모두 만족도가 올라가지 않을까요?

주요 정보/링크 제공
  • 삼성SDS 박사 채용 챗봇(확인하기/알아보기/둘러보기/신청하기)
채용분야/사업 연결
  • Data 컨설팅 : 수행업무(주요정보/링크제공의 확인하기), 필수사항, 우대사항 -> 관련사업 알아보기 -> 인공지능/애널리틱스
질문 입력/질문 추천/답변
  • 제목 -> 채용 프로세스는 어떻게 진행되나요?
리크루팅 챗봇 주요 기능

삼성SDS HR은 올해 리크루팅 챗봇을 준비하여 시범운영을 하였습니다. 그동안 지원자들의 주요 질문사항을 준비하여 정제하고, Brity Assistant AI 엔진에 유사 발화를 학습시켜 질문에 대응토록 하였습니다. 그리고 회사소개, 채용분야, 상담신청 등을 주요 메뉴를 만들어 지원자에게 손쉽게 이용할 수 있도록 제공하고, 채용 포지션 소개와 회사 사업을 함께 연결하여 줌으로써 입사 후 업무에 대한 이해를 돕고자 하였습니다.

3.3 HR Analytics

마지막으로 HR Analytics는 인사 데이터를 다양한 통계 기법과 기술로 분석하여 과학적 의사 결정을 지원함으로써 비즈니스 성과 창출을 이루어내는 모든 활동을 의미합니다. 글로벌 기업들은 HR 자체 데이터 분석은 상당한 수준에 이르렀다 보이며, 이제는 HR을 넘어 재무, 마케팅, 영업 등 외부 데이터를 통합 연계하여 예측/최적화 기능을 구현하는데 주력하는 것으로 보입니다.

HR Analytics 영역의 고도화 진행 단계를 정리하면 아래와 같습니다.

1단계-진단(Descriptive)
  • 현재 현황과 문제점을 신속·정확하게 파악(데이터에 기반한 문제점 도출하고 워닌 규명에 주력(ex:조직/계층별 실시간 이직률 파악, 원인 확인
2단계-예측(Predictive)
  • 데이터 모델링에 기반한 미래 예측(통계분석, 머신러닝을 활용해 구체적이고 정확하게 발생 가능한 미래 사건을 예측(ex:개인별 이직 가능성을 예측하여 이직 위험군 명단 도출)
3단계-최적화(Prescriptive)
  • 개인별/상황별 맞춤형 최적 대안을 추천(예측되는 미래 상황/문제를 해결하기 위해 선제적으로 대안을 제시(ex:개인별 이직 가능성을 낮추기 위한 방안 제시)
HR Analytics 고도화 단계

HR Analytics 영역의 대표적인 외부 사례는 코카콜라(Coca-Cola)의 석세서 후보군 추천입니다. Post별로 우수 인력의 경력/역량 특성을 분석하여, 적합한 인력을 추천하고, 양성해야 할 인력들의 보완점을 제시하는 등 데이터 분석 기반으로 Succession Plan을 관리하는 3단계 수준으로 확인하였습니다.[6] 아이비엠(IBM)은 고과, 잔업, 정서 정보 등을 분석해 퇴직 발생 가능성을 예측하고, 이를 부서장을 통해 관리토록 가이드하고 있으며, 나아가 보상 정책과 연계하여 우수 인력 리텐션에 활용하는 것으로 확인하였습니다. [7]

삼성SDS HR은 현재 1단계에서 2단계 사이에 있는 수준으로 보고 자체 진단하고 있으며, 완전한 2단계 수준으로 진입하기 위해 분석 모델 개발에 힘쓰고 있습니다. 이와 관련하여, 지난해 소개해 드렸던 「Analytics를 접목한 설문 결과 분석」에 이어, 추가 사례를 소개해 드리도록 하겠습니다.

퇴직자 의견 텍스트 분석을 통한 프로세스 개선

우수 인력의 유출은 어느 회사든 리스크 관리 측면에서 1순위에 있는 항목일 것입니다.
그렇기 때문에 HR Analytics를 수행하는 조직들은 퇴직 예측 모델을 개발하여 이러한 문제들을 해결하고자 합니다. 삼성SDS HR 역시 다양한 인사 데이터를 활용하여 예측 모델을 개발했고, 매년 모델의 최적화 및 수준 향상을 위해 노력하고 있습니다.

모델 개선의 방법은 여러 가지가 있지만, 가장 핵심적인 방법은 실제 퇴직한 인력들의 특성을 파악하여 모델 최적화에 활용하는 것입니다. 그래서 실제 퇴직을 결정하게 된 이유와 배경을 보다 상세히 파악하기 위하여, 퇴직자 면담 텍스트를 분석하여 연령, 직무 등을 활용한 인력 유형별 키워드 분석을 진행하였습니다.

Brightics AI
  • 퇴직원(임직원 퇴직 의견) -> text 데이터 전처리 및 네트워크 분석 (->내부 도메인 단어 학습, 불용어 처리, 핵심 키워드 도출 및 네트워크 파악) -> 퇴직 예측모델과 정교화
  • 퇴직 면담기록(부서장/인사) -> 지속적인 분석을 위한 한계점 확인 (->부서장/인사 담당자 면담 기록과 퇴직자 본인의 의견 GAP 해결 필요) -> 퇴직 프로세스 개선

퇴직자가 부서장 및 인사담당자와 면담한 내용을 언어 형태소 기준으로 Tokenizing하고,‘클라우드 컴퓨팅’과 같은 특화 단어 학습 및 ‘생각한다’와 같은 불필요한 단어 처리 등 텍스트 전처리 진행 후, 핵심 키워드 도출 및 키워드 간 네트워크 분석을 실행했습니다.

그 결과 퇴직자의 직무/연령대/보유자격 등에 따라 기술 내용에 도출되는 핵심 키워드가 상이한 것을 발견하였고, 퇴직자 전체 집단에 대한 접근보다 상세 집단을 구분하고 그에 맞는 퇴직 모델 정교화를 진행하는 것이 보다 바람직하다는 결론에 이르렀습니다.

그리고 이번 분석 결과를 실무부서와 논의하면서 퇴직 면담 설문을 개편하고, Pulse Survey를 통해 퇴직예정일 일주일 전에 퇴직자의 의견을 청취하는 프로세스를 시범 운영하기로 하였습니다. 기존에는 부서장과 인사담당자가 면담한 내용을 바탕으로 데이터를 수집, 관리하였기 때문에 퇴직자 본인의 의사가 간접적으로 전달된 반면, 프로세스 개선 후에는 보다 가감 없는 퇴직자의 의견이 수집될 것이라 보고 있습니다.

4. 파일럿을 통한 교훈

2021년 상반기에, 앞서 소개해 드린 아이템들을 포함해서 약 30개 모듈을 삼성 관계사에 소개하고, 12개 모듈을 체험 버전으로 제공했었습니다. 그리고 Pulse survey Chatbot을 활용하여 설문을 진행한 결과, 5점 만점에 4.1점이라는 높은 평가를 받을 수 있었습니다.

주요 피드백으로는, Automation 영역에 대해서는 "인사담당자의 업무 효율이 높아진다"는 의견과 함께 "휴먼 에러 방지에 도움이 된다"는 긍정적인 의견을 받을 수 있었으며, Assistant에 있어서는 "매우 유용하다. 적용 사례를 더 많이 만들어 달라"는 의견과 함께 "다양한 형태의 질문에 대한 학습이 더 필요할 것 같다"는 개선에 대한 피드백도 있었습니다. 그리고 Analytics 영역은 "주관적 평판/감에 의존하던 부분을 보완할 수 있을 것 같다", "인사담당자의 의사결정에 도움이 된다"는 의견을 받을 수 있었습니다.

위 내용 외에도 파일럿 과정에서 다양한 피드백을 받을 수 있었으며, 이를 통해 앞서 언급한 바 있는 HR DT의 3개 영역별 추진 방향이 단순히 교과서적인 정의에 머무르지 않고, 중장기적인 목표로 삼을 수 있는 구체적인 전략으로서 의미를 가진다는 것에 확신을 가질 수 있었습니다.

5. Outro

작년과 비교했을 때, 삼성SDS HR 내에서도 많은 변화가 있음을 느끼고 있습니다. 실무자들이 각자의 업무를 하는데 있어 DT 기술 활용에 대해 문의하고 있고, 스스로 자신의 업무에 접목하고 직접 사용하는 모습을 보고 있으며, 경영진 보고에 이전과 다른 Insight를 더하고자 Analytics 관련 협업을 먼저 요청하고 있습니다. 그래서 작년보다 더 많은 부담감을 가지고 더 새로운 기술 연계와 서비스 개발, 데이터 분석을 할 수 있도록 노력하고 있습니다.

하지만, 이것이 화려하고 멋지게 보이는 기술을 찾아다니는 것이 아니라, 임직원을 위한 Employee Experience 향상과 함께 회사의 성장에 기여하겠다는 목표에 집중하고, 동시에 함께하는 HR 멤버들의 업무 수준 향상을 지원하는데 초점을 맞춰야 함을 알고 있습니다. 그래서 어제보다 오늘 더 많은 고민을 하고 새로운 시도를 하고 있고, 내일은 오늘보다 더 많은 노력을 할 계획입니다.

이상으로 내용을 마무리하고자 합니다. 작년에도 같은 인사로 마무리를 했던 것 같은데요. 지금까지 공유해 드린 HR DT 추진 전략과 사례들이 이 글을 읽는 모든 분들께 도움이 되길 바라며, 내년에는 더 발전된 모습과 더 많은 사례들로 인사드릴 수 있길 바랍니다.

감사합니다.



References
[1] Global Human Capital Trend 2017, Deloitte Consulting
[2] Smartdreamers조사내용(https://www.smartdreamers.com/smartdreamers-automation)
[3] ServiceNow HR Service 고객 사용사례 공유, ServiceNow Korea, 2021
[4] 코카콜라 유럽법인 사례발표, People Analytics London, 2016
[5] CNN, 2019(https://edition.cnn.com/2019/04/29/tech/ai-recruitment-loreal/index.html)
[6] INSIDER, 2016(https://www.insider.com/chatbot-millennial-stress-facebook-shine-2016-6)
[7] IBM 사례발표, HR부문 AI적용 사례, AI-Powered Organization, 2020글로벌인재포럼




▶ 해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에게 저작권이 있습니다.
▶ 해당 콘텐츠는 사전 동의 없이 2차 가공 및 영리적인 이용을 금하고 있습니다.


공유하기 열기
주철민
주철민

삼성SDS 인사팀 Digital HR파트

입사해서 HR 업무만을 해 오다가, Data Scientist 자격 취득 후 HR Digital Transformation 업무를 하게 되었습니다. 현재 Analytics를 좀 더 깊이 공부하고 있고, 다양한 Digital HR 아이템의 발굴/실행을 위해 좌충우돌하고 있습니다.