AI로 평가하면 더 공정해질까?
AI를 사용했다는 사실만으로 성과평가가 공정해지는 것은 아니다. 무엇을 성과로 정했는지, 그 성과를 보여주는 자료를 썼는지, 빠진 맥락과 오류를 고칠 수 있는지를 확인해야 한다. AI 인사의 질문은 도구의 속도보다 평가의 근거에서 시작한다.
평가표는 빨리 완성됐다. 그런데 직원의 질문은 남았다. “왜 이런 평가를 받았나요?” AI가 분석했다는 답으로는 부족하다. 회사가 무엇을 중요하게 보았고, 무엇을 놓쳤는지 설명해야 한다.
활동 기록과 실제 기여는 다르다.
ILO 경제학자 Janine Berg의 2026년 5월 해설은 화면 사용 시간 같은 활동 기록을 업무의 질과 동일시하지 말아야 한다고 지적한다. 인사 담당자뿐 아니라 직원도 업무 배치·성과관리 시스템의 설계에 참여해야 한다는 제안이다. 이 해설은 2025년 연구를 바탕으로 하며, 새로운 2026년 실험 결과는 아니다. [1]
가상의 고객지원팀을 생각해 보자. 상담 건수가 많은 직원과 복잡한 문제를 오래 붙잡아 해결한 직원이 있다. 건수만 비교하면 앞선 직원의 성과가 높게 보일 수 있다. 그렇다고 오래 걸린 상담이 언제나 더 가치 있다는 뜻도 아니다. 문제의 난도, 해결 여부, 재문의, 맡은 역할을 함께 살펴야 한다. 이 사례는 설명을 위한 가정이며 특정 기업의 사례가 아니다.
회사가 약속한 것이 빠른 응답인지, 끝까지 해결하는 지원인지부터 정해야 한다. 두 목표는 함께 추구할 수 있지만 언제나 같은 숫자로 표현되지는 않는다. 고객의 문제를 해결하는 일과 시스템에 많이 기록되는 일이 다를 수 있다.
설명은 매끄러운 문장이 아니라 확인 가능한 근거다.
OECD의 2026년 7월 정책 검토는 AI와 노동시장을 다루며 투명성·설명 가능성·책임, 개인정보, 차별 방지를 검토한다. 개인정보·투명성·책임 영역의 조치와 지침은 여전히 발전 중이라고 설명한다. 이 자료는 여러 지역의 정책 검토이지, 특정 평가 도구의 효과를 입증한 실험은 아니다. [2]
이 흐름을 기업의 평가 운영으로 옮기면, 결과를 설명하는 문장을 생성하는 것과 결과의 근거를 확인하는 것을 나눌 필요가 있다. AI가 그럴듯한 평가 사유를 작성했더라도 실제 입력 자료와 평가 기준에 부합하는지 따로 확인해야 한다. 설명을 잘 썼다고 평가가 정확해지는 것은 아니다.
| 직원의 질문 | 회사가 확인할 것 | 피해야 할 답 |
|---|---|---|
| 무엇으로 평가했나요? | 사전에 정한 성과 기준과 업무 범위 | AI가 종합적으로 판단했다. |
| 어떤 자료를 사용했나요? | 자료의 출처·기간·누락·오류 | 데이터가 많으니 객관적이다. |
| 제 상황도 반영됐나요? | 업무 난도·역할·협업·예외 상황 | 같은 점수표를 썼으니 공정하다. |
| 틀린 결과를 고칠 수 있나요? | 재검토 담당자·절차·일정·변경 기록 | 시스템 결과라 바꿀 수 없다. |
이 표는 저자의 운영 제안이다. 검증된 평가 모델이나 국가별 법률 의무를 정리한 표가 아니다. 모든 정보를 누구에게나 공개하자는 뜻도 아니다. 직원의 이해를 돕는 설명과 타인의 개인정보·기밀 보호를 함께 설계해야 한다.
직원에게 필요한 것은 질문할 수 있는 과정이다.
직원에게 결과를 보여주는 것으로 끝내지 않는다. 어떤 자료가 빠졌는지 설명할 기회를 주고, 새 자료를 누가 어떤 기준으로 검토하는지 정한다. 수정이 필요하다면 이전 결과와 바뀐 이유를 남긴다. 재검토를 요청했다는 사실 자체를 불리한 평가의 근거로 삼지 않도록 운영 기준도 마련한다.
먼저 한 업무에서 시험해 볼 수 있다. AI가 자료 정리나 평가 초안을 돕는 범위를 정하고, 보상·승진 등 중대한 결정에 사용하기 전에 결과를 검토한다. 수정된 평가의 비율뿐 아니라 누락 자료, 잘못된 분류, 설명의 이해도, 검토 부담도 기록한다. 수정이 많다고 무조건 실패도 아니고, 이의가 적다고 신뢰가 높다는 뜻도 아니다. 질문하기 어려운 환경일 수 있기 때문이다.
- 직원이 평가 기준과 사용 자료를 이해할 수 있는가?
- 평가에 빠진 사실을 제출하고 답을 받을 경로가 있는가?
- 검토자는 AI 초안을 바꿀 권한과 필요한 자료를 갖고 있는가?
- 오류가 반복될 때 개별 점수뿐 아니라 기준이나 도구도 고치는가?
브랜드의 약속은 회사 안에서도 시험된다.
회사는 고객에게 사람을 존중한다고 말한다. 직원에게는 설명할 수 없는 점수를 받아들이라고 한다면, 그 약속은 회사 안에서 어떤 의미를 가질까. 이는 최승위가 브랜드디자인경영의 관점에서 제기하는 질문이다. 위 자료가 브랜드 평판이나 매출의 변화를 입증했다는 뜻은 아니다.
AI를 쓰지 말자는 결론이 아니다. 자료를 정리하고 빠진 정보를 찾도록 활용할 수 있다. 다만 직원에게 영향을 미치는 선택을 설명할 때, 도구의 이름이 근거를 대신해서는 안 된다. 빠른 평가 다음에 필요한 것은 더 긴 평가표가 아니라, 그 결과를 이해하고 고칠 수 있는 과정이다.
자료와 한계.
[1] Janine Berg, ILO, 2026년 5월 15일 공식 해설. 배경 연구는 Berg·Johnston의 2025년 Working Paper 154다. 과거 사례를 2026년 신규 조사로 표현하지 않았다. [2] OECD, 2026년 7월 24일, Artificial Intelligence Papers 63. G7·EU·일부 중남미 경제의 정책 검토다. 한국 기업의 법률 의무로 일반화하지 않는다. 본문의 표·가상 상황·검토 질문·브랜드 연결은 저자의 제안과 해석이다. 이 글은 법률 자문, 검증된 인사평가 방법론, 신뢰·매출 개선의 인과 추정이 아니다.