분기 성과평가 회의에서 이런 질문이 나왔다고 해보겠습니다.
“김 대리가 만든 보고서의 절반은 AI 에이전트가 작성했는데, 모두 김 대리의 실적으로 봐야 할까요?”
한 직원은 AI로 많은 보고서를 만들었습니다. 다른 직원은 산출물 수는 적었지만 AI의 오류를 찾아내고 동료들이 재사용할 검토 기준을 남겼습니다. 기존 평가표에서 처리량만 본다면 첫 번째 직원이 앞섭니다. 그러나 조직에 더 큰 가치를 남긴 사람도 첫 번째 직원일까요?
AI 에이전트가 일에 참여하기 시작하면 ‘누가 만들었는가’만으로 성과를 나누기 어려워집니다. 이제 HR은 누가 무엇을 통제했고, 어떤 결과에 책임졌는가를 함께 물어야 합니다.
같은 AI를 써도 성과는 같지 않다
Brynjolfsson et al.(2025)은 고객지원 상담사 5,172명에게 생성형 AI 도구가 단계적으로 도입된 과정을 분석했습니다. AI의 제안을 받은 상담사들은 시간당 해결 건수가 평균 15% 늘었습니다. 하지만 효과는 모두에게 같지 않았습니다. 숙련도가 낮은 직원은 속도와 품질이 함께 좋아졌지만, 숙련도가 높은 직원에게서는 생산성 향상이 뚜렷하지 않았고 일부 품질 지표는 조금 낮아졌습니다.
이 연구의 AI는 스스로 업무를 끝내는 에이전트가 아니라 답변을 제안하는 도구였습니다. 고객지원 업무 한 곳에서 나온 결과이므로 모든 직무에 그대로 적용할 수도 없습니다. 다만 한 가지는 분명합니다. 같은 AI를 제공해도 직원과 업무에 따라 결과가 달라질 수 있다는 점입니다. AI 사용 횟수나 산출물 수만 평가하면 문제 정의, 검증, 재작업과 고객에게 미친 영향을 놓치기 쉽습니다.
하나의 점수표를 세 장으로 나눠야 한다
인간–AI 팀의 신뢰를 연구한 Ulfert et al.(2024)은 개인, 두 구성원 사이의 관계, 팀 전체를 구분해서 살펴봐야 한다고 설명합니다. 성과평가를 직접 다룬 연구는 아니지만, HR 관점에서는 평가 단위도 여러 층위로 나눠볼 수 있습니다.
첫 장은 직원의 기여와 책임입니다. 문제를 제대로 정의했는지, AI에 어떤 일을 맡겼는지, 결과를 검증하고 예외를 판단했는지 평가합니다. AI가 만든 초안을 그대로 전달한 사람과 오류를 발견해 더 나은 기준을 남긴 사람은 다르게 봐야 합니다.
두 번째 장은 인간–AI 업무 시스템의 성과입니다. 결과의 품질과 처리시간뿐 아니라 재작업률, 오류, 비용, 고객이나 현업에 미친 영향을 함께 봅니다. 이 지표는 직원의 인사평가 점수라기보다 업무 방식이 제대로 작동하는지 확인하는 운영 지표에 가깝습니다.
세 번째 장은 관리자와 조직의 설계 책임입니다. 직원마다 AI 접근 권한과 데이터 품질이 달랐다면 결과 차이를 개인 역량으로만 볼 수 없습니다. 관리자는 역할과 권한, 사람이 개입할 기준, 실패를 보고하고 멈출 절차를 만들었는지 평가받아야 합니다. NIST(2023)도 인간과 AI의 역할·책임을 구분하고 실제 사용 환경에서 시스템 성능을 계속 확인할 것을 권고합니다.
이 구분이 필요한 이유는 책임까지 AI에 넘길 수 있기 때문입니다. 최근 실험 연구에서는 만족스러운 답이 없는 어려운 결정을 AI에 맡길 때 책임을 피하려는 동기가 작용할 수 있음이 나타났습니다(Xu et al., 2026). “AI가 그렇게 판단했다”는 말이 면책 사유가 되면 위임은 늘어도 책임은 사라집니다.
따라서 질문의 답은 하나가 아닙니다. 사람의 판단, 인간–AI 시스템의 결과, 관리자의 설계를 모두 평가하되 하나의 점수로 섞지 않아야 합니다. AI 에이전트의 정확도와 안정성은 운영 지표로 관리하고, 사람의 평가는 그가 통제할 수 있었던 판단과 책임을 중심으로 해야 합니다.
AI 에이전트를 팀원이라고 부르기 시작한 조직이라면 평가표에도 자리를 만들어야 합니다. 단, 사람과 같은 자리가 아니라 사람·기술·관리 책임의 경계를 보여주는 자리여야 합니다.
여러분의 성과평가표는 아직도 한 사람의 결과만 기록하고 있습니까?
새로운 HR 연구와 현장 적용 아이디어를 계속 받아보고 싶다면 HRer 성장노트를 구독해 주세요.
[참고자료]
• Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044
• Ulfert, A.-S., Georganta, E., Centeio Jorge, C., Mehrotra, S., & Tielman, M. (2024). Shaping a Multidisciplinary Understanding of Team Trust in Human-AI Teams: A Theoretical Framework. European Journal of Work and Organizational Psychology, 33(2), 158–171. https://doi.org/10.1080/1359432X.2023.2200172
• National Institute of Standards and Technology. (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0). https://doi.org/10.6028/NIST.AI.100-1
• Xu, L., Tian, H., Zhang, Y., & Yu, F. (2026). Shifting Accountability to Artificial Intelligence: Delegating Challenging Decisions to AI for Responsibility Avoidance. Journal of Business Research, 215, 116313. https://doi.org/10.1016/j.jbusres.2026.116313
의견을 남겨주세요