[AI가 ‘평가’에 미치는 영향] 성과에 대한 AI의 영향은 평가에 대한 영향으로 이어지게 된다. 평가의 단계 중에서 주로 운영 단계인 목표 설정, 운영, 결과의 확인 단계에 모두 영향을 미칠 것이다. 평가를 위한 목표 설정부터 영향을 줄 수 있기 때문이다. 목표를 설정할 때 생성형 AI의 활용 정도의 반영 여부를 정해야 한다. 목표 설정에서 부터 반영이 된다면 운영시에는 계획한 대로 활용이 되고 있는지 활용의 장애 요소는 없는지, 다른 팀원이나 회사에도 적용할만한 사항은 없는지 검토해야 한다. 그리고 수립한 목표의 달성 정도에 대한 확인을 하고 회사의 기준에 따른 최종 평가를 하게 된다. 활용 여부에 대해 반영을 할지 검토를 하는 것은 업무 효율성과 성과에 직접적인 영향이 있을 것이기 때문이다. 단순히 활용 여부 뿐 아니라 활용 정도에 따른 개인 차이도 있을 것이다. 물론 지금까지는 AI의 활용이 이런 차이를 만들 정도가 아니어서 공감하지 못할 수 있지만 AI 기술이 적용된 업무 지원 툴이 지속적으로 개발된다면 불가능한 일 만은 아닐 것이다. 그리고 다양한 툴이 등장할수록 사용을 하는 사람과 그렇지 않은 사람의 차이는 점차 벌어질 것이기 때문이다. 평가 진행 시에 처음부터 달성하기 쉬운 목표가 부여된다면 평가의 공정성에도 영향을 줄 수 있기에 부정적인 영향을 만들지 않기 위해서라도 고려해볼 수 있다. 평가를 진행하는 리더에게도 영향이 있을 수 있다. AI 반영 여부를 결정하거나 실제 반영을 하려면 리더가 AI 기술에 대한 이해가 있어야만 가능하다. 평가를 위해 리더에게 AI 리터러시 역량이 필요로 된다. (AI 리터러시 : AI 활용 능력 뿐 아니라, AI를 통해 얻게 되는 정보에 대한 이해, 판단, 활용 등) 평가에 도입을 하지 않는것으로선택을 할 수 있다. 부여한 목표가 각 개인의 직급이나 연봉 수준에 적합한 수준으로 부여하고 이에 대한 결과에 대한 확인해야 한다. 개인의 AI업무 활용도가 높은 팀원이 있다면 고성과자로 평가될 확률이 높다. 그리고 이 차이는 줄어들기 힘들어질 것이고 동시에 목표 수준이 낮을 수록 당연히 달성률도 주로 높을 것이다. 기대치가 낮은 구성원 위주로 고성과자로 선정되는 상황이 발생할 수 있는 것이다. 개인별로 설정한 목표의 달성을 위해 업무 생산성을 높이는 것이 평가의 근본적인 목적이라면 AI를 적용하거나 다른 방법을 적용 했는지에 무관하게 높은 수준의 평가 결과를 매칭해야 한다. 그리고 그 결과 수준은 다음의 목표 설정에도 반영이 되는 선순환으로 가야 한다. 이 때, 단순히 목표 수준만 높아지는 상황이 되지 않도록 보상 제도와의 연계가 필요할 것이다. 그렇지 않으면 평가의 공정성이 낮아지게 되고 급기야는 조직 이탈로 이어질 수 있다. 결과적으로 개인의 능력에 따른 목표의 설정, 평가 그리고 보상에 까지 연결되는 구조가 생길 수 있다. 목표 설정은 연차나 직급에 의존하기 보다는 전년도의 성과에 따라 설정할 수 있다. 목표의 수준도 영향이 있지만 역할 자체가 보다 다양해 지면서 보다 새로운 목표를 설정하게 될 수도 있을 것이다. 목표의 수준과 종류가 달라진다면 평가를 위한 과정상에서 장애 요소의 확인과 필요 사항의 지원 단계가 지금까지 보다 중요해질 것이다. 보상은 회사의 상황이나 보상 전략에 따라 정할 수 있을 것이다. 목표 수준과 보상의 정도가 비례하지 않는 경우의 조직 이탈을 방지하는 차원에서라도 보상 전략은 보다 중요해 질 수 있을 것이다.
로그인 후 모든 글을 볼 수 있습니다.