기업의 인공지능(AI) 활용 경쟁이 인사·조직관리(HR) 영역으로 빠르게 확산하고 있다. 채용부터 역량개발, 리더십, 조직문화 분석까지 생성형 AI를 접목하려는 시도가 이어지고 있지만 실제 기업 현장에서 AI를 적용하는 문제는 단순하지 않다.

NFN은 이런 질문에 대한 해답을 단순히 더 뛰어난 LLM(Large Language Model)을 도입하는 데서 찾지 않았다.

NFN은 개인·리더십·팀·조직을 통합적으로 진단하는 GA Platform에 AI 피드백과 AI 코칭을 연결하는 AI 아키텍처 ‘GAX’를 구축하고 있다.

기존 Assessment가 사람과 조직을 측정하고 결과를 분석하는 데 집중했다면, GAX는 진단 데이터를 AI가 구조적으로 이해하도록 만들고, 사용자와 결과의 의미를 함께 탐색하며, 이를 실제 행동계획과 변화관리까지 연결하는 것이 핵심이다.

“고객 데이터를 학습시켜야 전문 AI가 된다는 생각부터 달랐다”

“현재 GAX는 고객사의 인사 데이터를 이용해 LLM 자체를 별도로 파인튜닝하는 방식을 사용하지 않는다.

HR 데이터는 일반적인 기업 데이터와 다르다. 개인의 역량, 리더십, 자기평가와 타인평가, 조직 내 구성원들의 인식과 같은 민감한 데이터가 포함될 수 있다.

이 데이터를 모델 자체의 학습에 이용하면 데이터의 이용 목적과 동의, 개인정보 보호 등에 대해 추가적으로 고려해야 할 문제가 발생한다.

그래서 우리는 모델 자체를 고객 데이터로 학습시키는 것보다 필요한 순간에 필요한 진단 정보를 정확하게 구조화해 제공하는 방식을 선택했다.

사용자가 AI 피드백을 시작하는 순간 해당 사용자의 실제 진단 결과와 역량 정의, 해석 가이드라인, 점수별 피드백 기준 등을 구조화해 AI 시스템 컨텍스트에 제공한다.

AI는 그 사람이 실제로 받은 진단 결과와 GA Platform이 가지고 있는 전문적인 해석 기준 안에서 대화를 진행한다.”

“점수 몇 개 넣는다고 진단 전문 AI가 되는 것은 아니다”

“가장 중요한 차이는 AI에게 어떤 데이터를 어떻게 이해시키느냐다.

예를 들어 리더십 진단에는 일반적으로 대분류-중분류-소분류와 같은 명확한 역량체계가 있다.

이 데이터를 평면적인 점수 목록으로 AI에 전달하면 LLM이 각각의 관계를 임의로 추론할 가능성이 있다.

실제 진단체계에는 존재하지 않는 관계를 만들어 ‘의사소통 역량 안의 갈등관리’와 같이 잘못된 해석을 만들어낼 수도 있다.

일반적인 챗봇에서는 작은 오류로 보일 수 있지만 사람의 역량을 해석하는 진단에서는 치명적인 오류가 될 수 있다.”

GAX는 이를 방지하기 위해 진단 시스템에 존재하는 문항그룹의 관계를 분석해 실제 역량 계층 트리(Competency Hierarchy)를 복원한 뒤 AI에 전달한다.

또 AI가 제공된 계층체계를 기준으로만 판단하고, 존재하지 않는 상위·하위 관계를 임의로 추정하지 못하도록 해석 규칙을 함께 적용한다.

5점·7점·100점부터 임원·팀장 진단까지 실제 데이터에 맞춰 재구성

기업마다 사용하는 진단체계도 다르다.

어떤 기업은 5점 척도를 사용하고 다른 기업은 7점 또는 100점 척도를 사용할 수 있다. 같은 기업에서도 임원과 팀장에게 서로 다른 진단지를 적용하기도 한다.

자가진단과 360도 다면진단은 해석 방법 자체가 다르다.

GAX는 이런 조건을 AI가 임의로 판단하도록 하지 않는다.

강 대표는 “GAX가 가장 중요하게 생각하는 것은 AI가 결과를 그럴듯하게 이야기하는 것이 아니라 실제 진단체계를 틀리지 않고 이해하는 것”이라고 말했다.

“범용 LLM에는 없는 것이 결국 ‘해석의 기준’”

“그렇다. 생성형 AI의 언어 능력 자체는 이미 상당히 높은 수준에 올라왔다.

앞으로 모델의 성능은 더 좋아질 것이다. 특정 LLM을 사용하는 것만으로 장기적인 경쟁력을 가지기는 쉽지 않다고 생각한다.

HR Assessment에서 훨씬 중요한 것은 ‘이 점수를 어떤 기준으로 해석할 것인가’이다.”

GA Platform에는 진단도구별로 축적된 전문적인 해석 자산이 존재한다.

GAX는 이 정보를 개인의 실제 진단 결과와 함께 AI에 제공한다.

특히 고객사와 진단체계를 설계하면서 기업 고유의 역량 정의와 해석 기준을 합의했다면 해당 정보까지 AI 피드백에 반영할 수 있다.

360도 다면진단의 ‘해석 원칙’까지 AI에 적용

다면진단은 특히 전문적인 해석이 중요하다.

자가평가 점수가 높다고 해서 반드시 리더십 역량이 높은 것은 아니다. 반대로 스스로 낮게 평가했다고 해서 반드시 역량이 부족하다고 해석할 수도 없다.

본인과 타인의 평가 차이가 크더라도 이를 단순히 ‘문제’나 ‘약점’으로 규정하지 않는다.

대신 자기인식의 차이와 성장 가능성이라는 관점에서 결과를 탐색한다.

또 특정 평가자가 누구인지 추정하거나 특정인을 부정적으로 평가하는 방향으로 대화가 진행되지 않도록 통제한다.

강 대표는 “다면진단 피드백은 단순히 점수를 읽는 과정이 아니다”며 “전문 컨설턴트가 실제 피드백 세션에서 누구의 경험을 중심으로 해석하고 본인과 타인의 인식 차이를 어떻게 설명하는지를 GAX의 해석 원칙으로 옮긴 것”이라고 말했다.

리포트를 읽어주는 AI가 아니라 ‘함께 탐색하는 AI’

GAX의 AI 피드백은 진단 리포트를 처음부터 끝까지 설명하는 방식이 아니다.

사용자가 자신의 결과를 단계적으로 탐색하는 3단계 대화 구조를 적용했다.

Assessment에서 Feedback, Coaching 그리고 Action으로

GAX의 중요한 차별점은 AI 피드백에서 끝나지 않는다는 점이다.

NFN은 진단의 목적을 점수를 확인하는 것 자체가 아니라 실제 행동 변화로 보고 있다.

AI 피드백 3단계가 완료되면 사용자에게 AI 코칭으로 이어갈 것을 제안한다.

이때 코칭 시스템은 사용자의 강점과 약점을 처음부터 다시 질문하지 않는다.

기존 피드백 대화 전체에서 주요 강점과 개발영역, 사용자가 관심을 보였던 역량, 자기인식 과정, 제안된 실행과제 등을 구조적으로 요약해 코칭 컨텍스트로 전달한다.

동시에 최근 대화 일부도 함께 제공해 대화 과정에서 나타난 사용자의 뉘앙스를 유지한다.

그 결과 코칭 단계에서 피드백 내용을 반복하지 않고 곧바로 앞으로 무엇을 바꿀 것인지에 대한 목표 설정으로 넘어갈 수 있다.

“좋은 AI 코치는 답을 많이 하는 AI가 아니다”

GAX의 AI 코칭에는 GROW 모델이 적용돼 있다.

다만 사용자가 방법론 자체를 의식하지 않도록 대화는 자연스럽게 진행된다.

• 한 번에 여러 질문을 하지 않고 하나의 질문만 한다.
• 사용자의 답변을 짧게 되짚은 뒤 다음 질문으로 넘어간다.
• 바로 해결책을 제시하기보다 질문을 통해 사용자가 스스로 대안을 발견하도록 유도한다.

과거의 ‘성장 경험’을 새로운 변화의 자원으로

NFN이 GAX의 중요한 경쟁력으로 보는 또 하나의 영역은 시계열 Assessment Data다.

동일한 리더십 또는 역량진단을 반복적으로 실시한 기업에는 개인과 조직의 변화 데이터가 축적된다.

GAX는 현재의 진단 결과만 해석하는 데 그치지 않는다.

이전 회차 결과가 존재하면 과거와 현재의 데이터가 함께 AI 컨텍스트에 제공된다.

AI 코칭에서도 시계열 데이터가 활용된다.

과거 특정 역량을 개선한 경험이 존재한다면 “당시 어떤 행동을 했는가”, “어떤 환경이 도움이 됐는가”를 탐색해 현재의 다른 개발과제에 적용하는 것이다.

강 대표는 “과거의 진단 데이터가 단순한 과거 기록이 아니라 개인이 이미 가지고 있는 성장의 성공 경험이자 미래 행동을 설계하는 자원으로 바뀌는 것”이라고 설명했다.

“HR AI는 무엇을 할 수 있는가보다 무엇을 하지 않을 것인가가 중요하다”

기업에서 AI 코칭을 도입할 때 개인정보와 윤리는 피할 수 없는 문제다.

NFN은 이 부분에서 기술적으로 가능한 기능을 모두 구현하는 대신 일부 기능을 의도적으로 배제했다.

기업용 AI에 필요한 운영 안정성까지 설계

GAX는 AI 모델과 프롬프트만으로 구성된 서비스가 아니다.

진단 해석, 진단과 연계된 성장 조언, 진단도구에 대한 설명 등 AI가 답할 수 있는 범위를 설정하고 범위를 벗어나는 요청에는 응답하지 않도록 가드레일을 적용했다.

의료·법률·금융과 같은 전문 조언뿐 아니라 시스템 규칙을 변경하려는 프롬프트 인젝션도 방어 대상이다.

AI 서비스 제공자의 원본 오류 내용은 사용자에게 직접 노출하지 않도록 했다.

AI 서비스 자체도 다시 측정한다

NFN은 GAX를 출시하는 것에서 AI 혁신이 끝난다고 보지 않는다.

AI 세션 로그 대시보드를 통해 사용자가 어느 단계에서 피드백을 중단하는지, 진단 범위를 벗어난 대화를 얼마나 시도하는지, 피드백을 받은 사용자 중 실제 AI 코칭으로 전환하는 비율은 어느 정도인지 등을 측정한다.

이 데이터를 기반으로 대화 흐름과 프롬프트, 피드백 방식 등을 지속적으로 개선할 수 있다.

“AI 모델은 계속 바뀐다…GAX의 경쟁력은 모델 밖에 있다”

“AI 모델은 앞으로 계속 바뀔 것이다.

오늘 가장 좋은 모델이 몇 개월 뒤에도 가장 효율적인 모델이라는 보장은 없다. 품질과 비용, 보안환경에 따라 적절한 모델을 선택할 수 있어야 한다.

그래서 특정 LLM 자체를 GAX의 핵심 경쟁력이라고 생각하지 않는다.

진짜 경쟁력은 지난 15년 동안 GA Platform을 통해 축적해 온 Assessment 경험과 진단 방법론, 역량체계, 해석기준, Norm DB, 개인·팀·조직 데이터 구조에 있다.

여기에 AI를 연결하면서 다면진단 해석 원칙, 시계열 변화관리, GROW 코칭, 가드레일, 개인정보 보호, 운영 안정성을 하나의 아키텍처로 통합하는 것이 GAX다.”

GA Platform이 사람과 조직의 현재 상태를 측정하는 기반이라면 GAX는 그 데이터를 이해하고, 대화하고, 행동으로 전환하는 Intelligence Layer다.

AI가 사람을 대신 평가하고 판단하는 것이 목적이 아니다.

측정된 데이터를 개인이 정확하게 이해하도록 돕고, 자신의 강점과 개발영역을 발견하게 하며, 실제 행동계획을 실행하도록 지원한 뒤 그 변화를 다시 Assessment를 통해 측정하는 것이다.

강병준 대표는 이를 ‘Assessment Intelligence’라고 정의했다.

■ GAX Architecture

진단 전문성과 AI를 연결하는 GA Platform의 Intelligence Architecture

GAX의 핵심은 LLM 자체가 아니라 Assessment Data와 AI 사이에 존재하는 구조화·해석·통제 아키텍처다.

GAX = Assessment Intelligence Architecture