AI로 만드는 HR 대시보드, 속도보다 먼저 봐야 할 5가지 기준

"이번 달 부서별 퇴사율 좀 정리해 주세요." 대표의 한마디에 인사팀장은 급여 시스템과 근태 시스템을 오가며 엑셀을 붙였다 뗐다 합니다. 리포트가 완성될 즈음이면 숫자는 이미 어제 것이 되어 있죠.

요즘 저에게 들어오는 질문의 결도 비슷합니다. "AI로 대시보드 만들면 정말 반나절이면 되나요?" "그럼 우리도 지금 당장 도입해야 하나요?" 결론부터 말씀드리면, 기술적으로는 가능합니다. 다만 그 전에 정리해야 할 판단이 있고, 이 판단을 건너뛴 채 도구부터 켜면 빠르게 만든 만큼 빠르게 틀린 대시보드를 갖게 됩니다.

핵심 요약

• AI는 스프레드시트 정리·수식 계산·초안 차트 작성 같은 '손 노동'을 줄여 대시보드 제작 속도를 크게 높입니다.
• 하지만 어떤 질문을 던질지, 어떤 KPI를 볼지, 숫자를 어떻게 해석할지는 여전히 사람의 몫입니다.
• 한국에서는 개인정보보호법상 가명처리·동의 문제를 도구 선택보다 먼저 점검해야 합니다.
• 목표는 완벽한 대시보드가 아니라, 경영진과 현업이 실제로 보고 피드백할 수 있는 '작동하는 1차 버전'입니다.

인사 리포팅이 느린 진짜 이유

HRIS, 급여, 근태, ATS, 평가 도구는 대부분 따로 움직입니다. 각 시스템에서 CSV를 내려받고, 부서명과 날짜 형식을 맞추고, VLOOKUP을 걸고, 데이터가 갱신될 때마다 차트를 다시 그리는 과정이 반복됩니다. 이 반복 자체가 병목입니다. 시스템이 부족해서가 아니라, 시스템들을 이어 붙이는 손 노동이 매번 새로 필요하기 때문입니다.

최근 몇 년 사이 이 구조가 바뀔 조건은 이미 갖춰졌습니다. Microsoft Copilot in Power BI, Power BI Q&A, Tableau Pulse 같은 도구에 자연어 분석 기능이 들어왔고, Claude·ChatGPT·Gemini 같은 범용 AI로도 데이터 정리와 초안 작성을 시킬 수 있습니다. 한국생산성본부의 2025 HRD 트렌드 리포트에서 생성형 AI 활용 스킬 교육이 50%로 1순위, 데이터 분석·활용 스킬이 45%로 2순위에 오른 것도 같은 흐름을 보여줍니다. 채용 시장에서도 잡코리아 플랫폼의 2025년 입사 제안이 1,200만 건을 넘어 3년 전보다 31.3% 늘었는데, 그중 중소기업 비중이 62%로 가장 높았습니다. AI 기반 인사 데이터 활용이 더 이상 대기업만의 이야기가 아니라는 뜻입니다.

AI가 바꾸는 것과, 바꾸지 못하는 것

저는 전략기획과 CIO, 인사·총무 임원을 거치면서 시스템 도입 프로젝트를 여러 번 지켜봤습니다. 그 경험에서 반복적으로 확인한 사실이 하나 있습니다. 도구가 바뀌어도 '무엇을 물을지'는 여전히 사람의 일이라는 것입니다. AI는 차트를 그리는 손을 대신할 수 있지만, 그 차트가 답해야 할 질문을 대신 정해주지 않습니다.

지금 HR 클라우드와 AI HR 서비스를 만들면서도 같은 원칙을 적용합니다. AI가 계산을 빠르게 해주는 것과, 그 계산이 맞는지 판단하는 것은 완전히 다른 문제입니다. 실제로 보상 데이터를 다루다 보면 AI가 분석 구조는 정확히 잡아도 특정 수치를 잘못 계산하는 경우가 있습니다. 구조를 만드는 것과 숫자를 검증하는 것, 이 두 역할을 헷갈리면 안 됩니다.

제가 현장에서 보는 다섯 가지 판단 기준

1. 질문이 먼저, 도구는 그다음

"AI로 대시보드 만들어줘"로 시작하면 결과가 산만해집니다. "무엇을 물을지"를 먼저 정해야 데이터도, KPI도, 차트 유형도 정해집니다. 퇴사 위험이 어디서 커지는지 볼 것인지, 채용 지연이 현업에 어떤 영향을 주는지 볼 것인지에 따라 필요한 데이터와 지표가 완전히 달라집니다.

2. 데이터 리터러시는 여전히 인사팀의 핵심 역량

AI가 제작 속도를 올려도, 리포트를 읽고 이상한 결과에 의문을 제기하고 관리자가 행동으로 옮길 수 있게 설명하는 능력은 인사팀에 남습니다. 이 역량이 없으면 AI가 만든 그럴듯한 차트를 그대로 믿는 위험이 커집니다.

3. 통제권은 사람이 쥔다

AI는 열을 잘못 읽거나, 틀린 수식을 적용하거나, 결측값을 놓칠 수 있습니다. 질문·데이터셋·KPI 정의·최종 해석에 대한 통제권은 항상 사람에게 있어야 합니다. 수식을 AI가 썼더라도 결과에 대한 책임은 인사팀에 남는다는 전제를 조직 전체가 공유해야 합니다.

4. 도구보다 '어디서 볼 것인가'를 먼저 정한다

Claude는 문서 요약과 구조화에 강하지만, 대표가 결과를 Power BI나 엑셀에서 봐야 한다면 그 환경에 맞는 산출물을 준비해야 합니다. 가장 좋은 도구는 적절한 사람에게 적절한 화면을 적절한 곳에서 보여주는 도구이지, 가장 화려한 도구가 아닙니다.

실천 포인트 — 직원 이름·주민등록번호·급여·평가 같은 식별 정보를 공개형 AI에 그대로 올리는 것은 판단이 아니라 리스크입니다. 개인정보보호위원회가 2025년 8월 발표한 「생성형 AI 개발·활용을 위한 개인정보 처리 안내서」는 명시적 동의 없는 개인정보 AI 활용을 수집 목적 범위를 벗어난 이용으로 보고, 부실한 가명처리는 개인정보보호법 제28조의2 기준을 충족하지 못한다고 명시합니다. 위반 시 과징금·과태료와 데이터 삭제 조치가 따릅니다. 가명처리·익명화한 샘플을 쓰거나, 데이터가 외부 학습에 쓰이지 않는 기업용 계정 안에서만 작업하세요.

5. 첫 대시보드는 3~6개 KPI로 제한한다

욕심을 줄이는 것이 대시보드를 완성하는 가장 빠른 방법입니다. 아래는 규모와 무관하게 출발점으로 쓸 만한 지표입니다.

모든 지표는 "이 숫자가 두 배가 되면 나는 무엇을 다르게 할 것인가"라는 질문에 답할 수 있어야 합니다. 답이 분명하지 않은 지표는 대시보드에 있을 이유가 없습니다.

조직 규모에 따라 적용은 달라집니다

중소기업은 시스템 수가 적은 대신 담당 인력도 적습니다. 이 경우 엑셀과 범용 AI 조합만으로도 충분히 시작할 수 있습니다. 데이터 정리 → 분석 → 스토리 설계 → 대시보드 구축의 네 단계를 나눠 각 단계마다 필요한 지시만 명확히 주면, 코딩이나 BI 전문 지식 없이도 1차 버전을 만들 수 있습니다.

반대로 시스템이 여러 개로 분산된 중견·대기업이라면, 도구 선택보다 데이터 정의 통일이 먼저입니다. 부서명, 직급 체계, 사번 규칙이 시스템마다 다르면 AI가 아무리 정교해도 결과는 어긋납니다. 이 경우 대시보드 프로젝트를 시작하기 전에 데이터 거버넌스를 짧게라도 정리하는 편이 결과적으로 더 빠릅니다.

규모와 무관하게 공통되는 원칙은 하나입니다. 도구를 먼저 정하지 말고, 질문과 데이터 상태를 먼저 정리하십시오.

시작 전 자가진단 질문

• 지금 가장 오래 걸리는 인사 리포트 하나를 꼽을 수 있는가?
• 그 리포트가 답하려는 질문을 한 문장으로 말할 수 있는가?
• 회사가 이미 쓰는 도구(Microsoft 365, Google Workspace, Power BI, Tableau)에 AI 기능이 포함되어 있는가?
• 그 도구가 외부 학습에 데이터를 쓰지 않는 기업용 계정인가?
• 결과 숫자를 최소 한 개는 직접 검산할 수 있는 담당자가 있는가?

이 다섯 질문에 바로 답하기 어렵다면, 대시보드 제작보다 이 질문들을 정리하는 것이 먼저입니다.

전문가 결론

AI는 HR 대시보드를 '기술의 문제'에서 '판단의 문제'로 옮겨 놓았습니다. 차트를 그리는 일은 이제 몇 시간이면 끝나지만, 어떤 질문을 던지고 어떤 숫자를 믿을지는 여전히 인사 책임자가 정해야 합니다. 저는 이 순서를 바꿔 도구부터 도입한 조직이 결과적으로 더 오래 헤매는 경우를 자주 봅니다. 질문과 데이터를 먼저 정리한 조직만이 AI에서 실제 가치를 가져갑니다.

지금 조직에서 가장 오래 붙들고 있는 인사 리포트가 있다면, 그 하나를 어떻게 판단 가능한 대시보드로 바꿀지 전문가에게 직접 질문해 보세요. 데이터 정리부터 KPI 설계, 개인정보 리스크 점검까지 실제 상황에 맞춰 짚어드리는 상담을 요청하실 수도 있습니다.