성과평가 시즌이 끝나면 HR로 꼭 들어오는 질문이 있다. “평가 의견에는 제가 잘했다고 되어 있는데, 왜 등급은 B인가요?” 답하기가 쉽지 않다.
실제로 평가 의견을 열어 보면 이런 문장이 적혀 있는 경우가 많다. “OO님은 올해 맡은 업무를 성실하게 수행하였으며 팀 내 협업에도 긍정적인 기여를 하였습니다.” 틀린 말은 아니다. 문제는 이 문장이 평가등급과 연결되지 않는다는 점이다. 구성원 입장에서는 자연스럽게 의문이 생긴다. 이렇게 좋은 평가라면 왜 등급이 낮은가.
또 다른 장면. 한 직원이 프로젝트 일정 관리, 내부 회의 정리, 보고서 작성을 매우 성실하게 해냈다. 그런데 조직의 핵심 KPI가 신규 고객 확보와 신규 매출 창출이었다면 이야기가 달라진다. 이 직원의 업무는 프로젝트 운영을 지원하는 역할이라 조직 성과와의 직접적인 연결성이 상대적으로 낮고, 관리자 입장에서는 평가등급을 높게 주기 어렵다. 그리고 이 논리가 설명되지 않으면 구성원은 평가를 받아들이지 못한다.
결국 문제는 평가 결과 자체가 아니다. 평가를 설명하는 방식이다. 바로 이 지점에서 AI 기반 Performance Review 지원이 현실적인 도움을 줄 수 있다.
평가가 설득력을 잃는 세 가지 지점
등급과 코멘트가 따로 논다
많은 평가 코멘트가 “업무를 성실하게 수행하였다”, “팀워크에 기여하였다” 같은 문장으로 시작한다. 사실과 다르지는 않지만 평가등급의 근거가 되지는 못한다. 근거가 비어 있으니 구성원은 평가 논리를 이해할 길이 없다.
조직 성과와 개인 업무의 연결이 설명되지 않는다
프로젝트 문서와 일정을 성실히 관리한 직원이라도, 조직의 핵심 목표가 신규 매출 확대였다면 그 업무와 조직 성과의 직접적인 연결성은 낮다. 관리자는 그 이유로 등급을 낮게 줄 수 있다. 구성원이 모르는 것은 등급이 아니라 바로 이 연결 논리다.
성장 피드백이 없다
적지 않은 평가 코멘트가 “앞으로도 좋은 성과를 기대한다”로 끝난다. 정작 구성원이 알고 싶은 것은 따로 있다. 무엇을 잘했는가. 무엇을 개선하면 좋은가. 어떤 역할을 하면 성장할 수 있는가. 필요한 것은 판정이 아니라 성장 중심 피드백이다.
여기서 한 문장만 기억하면 된다. AI는 평가를 대신하는 도구가 아니라, 평가자의 생각을 구조화하고 의미 있는 피드백을 돕는 도구다. 그렇다면 People Analytics 시스템도 없는 조직에서 이것을 어떻게 시작하는가.
복잡한 시스템 없이 시작하는 방법
많은 HR 담당자가 묻는다. 시스템이 없는데 AI를 어떻게 활용하나? 시스템은 필요 없다. 핵심은 도구가 아니라 평가를 작성하는 생각의 구조를 바꾸는 것이다.
먼저, 세 가지 질문으로 구조를 잡는다
관리자는 평가를 쓰기 전에 세 가지 질문만 정리하면 된다. 이 직원이 올해 가장 잘한 일은 무엇인가. 그 일이 팀이나 조직 성과와 어떤 관계가 있는가. 앞으로 어떤 역할을 하면 더 성장할 수 있는가. 이 세 가지 답만으로 평가의 뼈대가 만들어진다.
그다음, AI에게 문장 구조를 맡긴다
관리자는 간단한 메모 형태로 정보를 입력한다. 직원: 김OO / 잘한 점: 프로젝트 일정 관리 안정적 / 조직 성과 연결: 프로젝트 운영 안정성 기여 / 개선점: 고객 커뮤니케이션 경험 부족. 이 정도면 충분하다.
AI는 이를 기반으로 다음과 같은 평가 문장을 생성한다. “김OO님은 프로젝트 일정 관리 역할을 안정적으로 수행하며 프로젝트 진행 과정에서 일정 지연이 발생하지 않도록 관리하였다. 이러한 역할은 프로젝트 운영 안정성을 높이는 데 기여하였다. 향후 고객 커뮤니케이션이나 사업 기획 단계에 참여한다면 조직 성과와의 연결성을 더욱 높일 수 있을 것으로 기대된다.” 초안 작성 단계가 사라지는 것만으로도 평가 작성 시간이 크게 줄어든다.
다만 여기까지 들으면 반드시 나오는 걱정이 있다. 시간이 줄어드는 대신, 다른 무언가도 함께 줄어드는 것 아니냐는 걱정이다.
팀장의 책임감은 어떻게 지키는가
AI를 활용할 때 HR에서 가장 많이 나오는 우려가 바로 이것이다. AI가 평가 문장을 작성하면 팀장의 책임감이 약해지지 않을까? 설계로 막을 수 있다. AI를 ‘초안 생성 도구’로만 쓰도록 만들면 된다.
AI는 초안만 쓴다
AI의 역할은 문장의 구조를 잡는 것까지다. 최종 평가 책임은 관리자에게 있다. 관리자는 반드시 실제 사례를 추가하고, 본인이 관찰한 내용을 더하고, 문장을 직접 수정해야 한다.
제출 전에 확인 질문을 거치게 한다
평가 시스템에 이런 질문을 넣을 수 있다. 이 평가 문장은 실제 사례를 포함하고 있는가. 조직 성과와의 연결 설명이 충분한가. 본인이 직접 관찰한 행동을 반영했는가. 이 질문에 답해야 평가 제출이 가능하도록 만든다.
초안 대비 수정 정도를 확인한다
AI 문장을 그대로 사용하는 것을 방지하기 위해 AI 초안과 최종 평가 문장을 비교하는 방식을 쓸 수 있다.
| 수정 비율 | 의미 |
| 0~10% | AI 문장 그대로 사용 가능성 |
| 20~40% | 사례 및 설명 추가 |
| 40% 이상 | 관리자 관찰 기반 평가 |
이 설계의 핵심은 하나다. AI가 평가를 대신하지 않게 하는 것. AI는 문장 구조를 돕고, 최종 판단과 책임은 관리자에게 남는다. 그렇게 했을 때 무엇이 달라지는가.
무엇이 달라지는가
우선 평가 작성에 들어가는 시간이 눈에 띄게 줄어든다. 정확한 절감 폭은 조직의 평가 문항 수와 관리자당 평가 인원에 따라 달라지지만, 초안 작성 단계가 사라지는 것만으로도 체감 효과는 분명하다. 그런데 시간보다 중요한 변화가 있다. 평가등급과 평가기술의 논리적 연결성이 높아지고, 구성원이 평가 결과를 더 잘 이해하게 된다는 점이다. 평가가 단순한 등급 결정이 아니라 구성원 성장 피드백 과정으로 바뀐다. 데이터 기반 HR과 People Analytics가 지향하는 방향과 맞닿아 있는 변화다.
그렇다면 많은 기업이 매달리는 평가 제도 개편은 과연 정답이었을까.
제도가 아니라 설명이 문제다
많은 기업이 성과평가 제도를 바꾸려고 한다. 하지만 실제 문제는 제도 자체가 아니라 평가를 설명하는 방식에 있다. 평가등급과 평가기술이 연결되지 않으면 구성원은 평가를 신뢰하지 않는다. 앞으로 인사관리에서 중요한 것은 평가 논리를 명확하게 설명하는 것, 조직 성과와 개인 성과의 관계를 보여주는 것, 성장 중심 피드백을 제공하는 것이다.
AI는 평가를 대신하는 도구가 아니다. 관리자가 더 좋은 평가를 할 수 있도록 돕는 도구다. 그리고 이것이 People Analytics 시대 HR 전략의 중요한 변화가 될 것이다.
평가에 대한 신뢰를 바꾸는 것은 제도가 아니라 문장이다.
[함께 읽으면 좋은 글]
- 평가 작성 시간을 줄이는 것과 함께, 평가의 공정성 자체를 높이려면 기여(Contribution)를 구조화하는 방법이 필요하다. 【성과평가 공정성을 높이는 법: 기여를 데이터화해야 하는 이유】에서 Deliver·Enable·Protect·Improve 4분류를 실무에 적용하는 방법을 다룬다.
- AI가 작성한 평가 코멘트를 승진 결정에 연결할 때는 일관된 점수 기준이 필요하다. 【승진 결정, 토론 대신 데이터로 하는 법】를 함께 참고하라.
- 이 도구가 Copilot인지 Agent인지 구분하는 것이 도입 범위와 기대치 설정에 중요하다. 【HR Copilot vs HR Agent의 본질적 차이】 에서 기준을 확인하라.