hunel(휴넬)로 시작하는 AX 준비

AI 도입 예산은 있는데 왜 HR은 달라지지 않는가

AI 전환(AX, AI Transformation)이 기업 경영의 핵심 의제로 올라선 지금, HR 조직도 예외가 아닙니다. Gartner(2025)는 HR 전문가의 76%가 '향후 1~2년 내 AI를 활용하지 않으면 조직 경쟁력이 낮아질 것'이라고 응답했다고 밝혔습니다. 실제로 전 세계 기업의 80% 가까이가 적어도 하나의 업무 영역에 AI를 도입했습니다. (McKinsey, 2025)

그런데 이상한 일이 벌어지고 있습니다. AI 챗봇을 도입했는데 HR 담당자의 업무는 줄지 않습니다. 인사 데이터를 AI에 연결했는데 경영진이 원하는 인사이트는 나오지 않습니다. Forrester Consulting이 2026년 Q1에 발표한 AI 디지털 워크플레이스 서베이는 이 현상의 원인을 데이터로 보여줍니다. 응답 기업의 85%가 'AI가 성공하려면 단편화된 데이터와 시스템을 먼저 통합해야 한다'고 답했고, AI 성과 미달을 경험한 기업 중 45%는 조직 맥락 데이터의 부재를 주요 원인으로 지목했습니다. Gartner 역시 같은 방향을 경고했습니다. 'AI 준비 데이터를 갖추지 못한 AI 프로젝트의 60%는 2026년까지 폐기될 것이다.'

Josh Bersin 역시 2026년 보고서에서 같은 방향을 강조했습니다. 'AI 성과를 결정하는 것은 구매한 에이전트의 숫자가 아니라 그 기반이 되는 데이터 구조의 품질이다.' AI 도입이 성과로 이어지지 않는 조직에는 공통점이 있습니다. 도구를 먼저 도입하고 데이터 구조는 나중에 생각하는 순서입니다. AI는 도구가 아니라 데이터를 읽는 엔진입니다. 읽힐 수 있는 구조가 없으면 가장 정교한 AI도 빈 화면을 마주하게 됩니다.

이 글은 AX 전환을 준비하는 대기업 · 그룹사 CHRO와 HR 전략가를 위해, AI가 HR에서 실제로 작동하기 위해 갖춰야 할 3가지 데이터 구조와 hunel(휴넬)이 이 구조를 어떻게 지원하는지를 설명합니다.

데이터 구조 1 | Conversational HR Data — 자연어로 접근 가능한 HR 데이터

왜 이 구조가 필요한가

'올해 연차 며칠 남았어?' '육아휴직 신청 조건이 어떻게 돼?' 직원이 이 질문을 AI에게 했을 때 즉시 정확한 답변이 나오려면 전제 조건이 있습니다. 사내 인사 규정 · 취업규칙 · 복리후생 가이드가 AI가 읽을 수 있는 구조로 시스템 안에 저장되어 있어야 합니다.

이것이 AX 문서에서 말하는 RAG(검색 증강 생성) 기반 지식 관리의 핵심입니다. AI가 사내 규정 데이터를 기반으로 답변하게 하려면, 먼저 그 규정이 검색 가능한 형태로 존재해야 합니다. 그런데 많은 대기업에서 인사 규정은 PDF 파일로, 복리후생 가이드는 인트라넷 게시판에, 취업규칙은 별도 폴더에 분산되어 있습니다. AI가 연결할 데이터 자체가 없는 상태입니다.

갖춰야 할 데이터 구조

• ① 구조화된 인사 규정 데이터 — 취업규칙 · 복리후생 · 신청 절차가 시스템 내 검색 가능한 형태로 저장되어 있어야 AI가 참조할 수 있습니다.
• ② ESS 트랜잭션 데이터 연결 — 연차 잔여 · 급여명세 · 증명서 발급 등 직원 셀프서비스 데이터가 AI 응답과 직접 연동되어야 합니다.
• ③ 온보딩 · 오프보딩 프로세스 자동화 — 신규 입사자 계정 생성 · 가이드 발송 · 퇴직자 처리 등이 시스템에서 자동 트리거되는 구조여야 합니다.
• ④ 채용 데이터 구조화 — 지원서 · 면접 기록 · 직무 기술서(JD)가 AI 매칭에 활용 가능한 형태로 저장되어야 합니다.

hunel이 이 구조를 지원하는 방식

hunel의 ESS(Employee Self-Service) · MSS(Manager Self-Service) 모듈은 연차 · 급여 · 증명서 · 신청결재 등 직원이 일상적으로 필요로 하는 HR 정보를 시스템 안에서 구조화합니다. 온보딩 · 오프보딩 기능은 신규 입사자의 정보 등록부터 퇴직자 처리까지 프로세스를 자동화합니다. 채용관리 모듈은 채용 홈페이지 · 온라인 면접 · 지원서 · 심사 데이터를 시스템 안에 저장합니다.

데이터 구조 2 | Skill-Based People Data — 직무 타이틀이 아닌 실제 역량이 기록되는 인사 데이터

왜 이 구조가 필요한가

스킬 기반 조직(Skill-Based Organization)은 2026년 HR의 가장 강력한 화두입니다. WorldatWork(2025.12)는 '2026년 AI 시대의 진짜 차별화 요소는 기술 자체가 아니라 그 뒤에 있는 인적 준비도(Human Readiness)'라고 정의했습니다. AI가 사내 인재 추천 · 내부 이동 매칭 · 스킬 갭 분석을 수행하려면, 먼저 구성원의 실제 역량이 시스템 안에 기록되어 있어야 합니다.

그런데 대부분의 대기업 HR 시스템에서 '인사 데이터'는 직급 · 직책 · 근속연수 · 부서 정도입니다. 이 사람이 실제로 무엇을 할 수 있는가, 어떤 프로젝트를 수행했는가, 어떤 교육을 이수했는가는 시스템 밖에 흩어져 있습니다. AI는 이 데이터 없이 의미 있는 인재 매칭을 할 수 없습니다.

갖춰야 할 데이터 구조

• ① 역량 · 경력 프로필 데이터 — 학력 · 경력 · 자격증뿐 아니라 수행 프로젝트 · 교육 이수 이력이 구성원별로 시스템에 누적되어야 합니다.
• ② CDP(경력개발계획) 데이터 — 구성원의 커리어 방향과 개발 목표가 시스템 안에 기록되어 핵심인재 · 후임자 데이터와 연결되어야 합니다.
• ③ 사내공모 · 내부이동 이력 — 내부 이동 신청 · 결과 데이터가 축적되어 AI가 적합 인재를 추천하는 근거 데이터가 되어야 합니다.
• ④ Talent Search 가능한 구조 — 자연어 질문으로 '이 조건을 가진 사람이 누구인가'를 즉시 꺼낼 수 있도록 인사 데이터가 구조화되어야 합니다.

hunel이 이 구조를 지원하는 방식

hunel의 경력개발 모듈은 CDP · 멘토링 · 사내공모 · 핵심인재 · 후임자 데이터를 시스템 안에서 관리합니다. 인사관리 모듈의 직책 · 직급 · 학력 · 경력 · 자격 항목은 커스터마이징 설정이 가능해 조직별 역량 프로필 구조를 그대로 담을 수 있습니다. EIS(경영진 대시보드)의 Talent Search는 조건에 맞는 인재를 즉시 검색하는 기능을 제공합니다.

데이터 구조 3 | Continuous Performance Data Pipeline — 단절 없이 흐르는 성과 · 피드백 데이터 파이프라인

왜 이 구조가 필요한가

연 1회 평가 데이터만 있는 조직에서 AI는 작년 스냅샷만 봅니다. AI가 이탈 위험 구성원을 조기에 감지하고, 성과 패턴을 실시간으로 분석하고, 매니저에게 코칭 시점 알림을 보내려면 성과 · 피드백 데이터가 상시적으로 시스템 안을 흘러야 합니다. AX 문서에서 말하는 '상시 피드백 데이터 파이프라인'과 '위험 징후 알림 시스템'이 작동하는 전제가 이것입니다.

Gartner(2025)는 'AI 생산성 영향의 29%는 운영 모델 적응에서 온다'고 밝혔습니다. 운영 모델 적응의 핵심은 연 1회 평가 구조를 벗어나, 성과와 피드백이 상시적으로 축적되는 구조로 전환하는 것입니다. 이 구조 없이는 AI가 예측할 데이터 자체가 없습니다.

갖춰야 할 데이터 구조

• ① 다면 · 360도 평가 데이터 — 업적 · 역량 · 다면평가 결과가 정기적으로 시스템에 쌓여야 AI가 성과 패턴을 학습하고 분석할 수 있습니다.
• ② 인건비 · 인력 현황 데이터 — 부서별 · 직급별 인건비 추이와 인원 변동이 실시간으로 집계되어야 AI 기반 인력 계획이 가능합니다.
• ③ 성과급 시뮬레이션 데이터 — 평가 결과와 보상 연계 시뮬레이션이 시스템 안에서 이루어져야 데이터 정합성이 유지됩니다.
• ④ EIS 대시보드 데이터 흐름 — 경영진이 필요로 하는 인력 현황 · 이직률 · 인건비 추이가 실시간으로 집계되는 구조여야 합니다.

hunel이 이 구조를 지원하는 방식

hunel의 평가관리 모듈은 업적 · 역량 · 360도 · 다면평가를 통합 운영합니다. 성과급 시뮬레이션 기능은 평가 결과와 보상 체계가 시스템 안에서 연결되도록 설계되어 있습니다. EIS(경영진 대시보드)는 인원 현황 · 인건비 추이 · Talent Search를 실시간으로 시각화해, 경영진이 엑셀 가공 없이 인사 인사이트를 바로 확인할 수 있는 구조를 제공합니다.

3가지 데이터 구조와 hunel의 연결 지도

AX 준비는 AI 도구가 아닌 데이터 구조에서 시작된다

3가지 데이터 구조와 hunel 기능의 연결을 정리하면 다음과 같습니다.

AX 전환 준비를 위해 새로운 AI 도구를 먼저 도입하는 조직이 있고, 데이터 구조를 먼저 점검하는 조직이 있습니다. 전자는 도입 후 '기대만큼 효과가 없다'는 결론에 도달하고, 후자는 AI가 실제로 작동하는 HR 시스템을 갖추게 됩니다.

hunel은 위 3가지 데이터 구조를 엔터프라이즈 HR 시스템 안에서 구현하도록 설계되어 있습니다. 국내 주요 산업별 TOP 10 그룹사 중 70%, KOSPI 200 기업 중 25% 이상이 hunel을 선택한 것은 단순히 기능이 많아서가 아닙니다. 복잡한 대기업의 인사 제도를 정교하게 구현하면서, 동시에 AI 연동에 필요한 데이터 구조를 갖출 수 있기 때문입니다.

elizax AI 어시스턴트와의 연동은 hunel 위에 구축된 데이터 구조를 AX 실행 단계로 연결합니다. 데이터 구조 → AI 연동 → 직원 경험 시각화. 이 순서가 대기업 HR의 AX 전환이 실제로 작동하는 방식입니다.