PRACTICE

코로나19 팬데믹 이후 사회 변화는 메타버스 활용을 가속화시켰고, 그 변화는 현재와 미래에도 지속될 것으로 예상된다. 메타버스는 게임, 홈트레이닝 등 개인의 활용은 물론 원격근무, 디지털 전환 등 기업에서도 활용이 확대되고 있다. 기업의 디지털 전환에 따른 메타버스 활용으로 인해 일의 변화도 발생하고 있다. 이러한 기업의 디지털 전환은 가속될 것으로 예상되는 가운데 메타버스 활용 확대와 일의 변화도 더욱 커질 것으로 예상된다. 이런 측면에서 일의 변화에 대비한 ‘메타버스에 대한 교육훈련’도 필요해졌다. 이제는 어떻게 메타버스 교육훈련을 실시할 것인지 고민하고 준비할 때이다."코로나19 팬데믹으로 멈춘 일상 복구를 위해기존 일상과 유사한 가상세계인메타버스를 향한 관심이 커지고 있다."---메타버스(Metaverse)란 용어는 최근 2년-3년 사이 누구나 한번쯤은 들어봤을 것이다. 코로나19 팬데믹이 시작된 2020년, 우리의 일상은 멈추기 시작했다. 기업과 학교, 그리고 수많은 상점이 방역으로 인해 문을 닫는 날이 많았다. 하지만, 우리는 다시 일상으로 복귀하기 위해 노력했다. 기업은 재택근무, 원격근무, 온라인 마케팅을 더욱 확대했고, 학교도 원격수업을 확대하여 운영하기 시작했다. 그러면서 좀 더 기존의 일상과 유사한 메타버스에 관심을 기울이기 시작했다. 학교는 메타버스를 통해 입학식과 졸업식을 열며 학생 개인의 아바타가 참석할 수 있는 공간을 제공했다. 학생들은 학교와 동일한 메타버스 공간에서 친구들과 함께 입학식과 졸업식은 물론 수업에도 참여할 수 있게 되었다. 기업은 메타버스 공간에서 일을 하기도 하고, 고객을 대상으로 제품 홍보 및 제품 간접 체험(옷을 입어보고, 신발을 신어보고, 심지어 가상공간에서 가구를 배치하거나 자동차 운전까지)을 통해 제품 판매까지 하게 되었다. 개인들은 안전한 집에서 각종 홈트레이닝과 OTT 서비스를 즐기기 시작했다.코로나19 팬데믹 이후 만 3년이 다 되어가는 2023년 1월 현재 학교와 기업, 그리고 개개인의 일상은 여전히 큰 변화 없이 유사하다. 아직 코로나19에서 완전히 벗어나지 못하기도 했지만, 새로운 메타버스 경험도 일상을 ‘조금씩’ 변화시키고 있기 때문이다.이쯤에서 메타버스 개념에 대해 한번 살펴보자. 최근 꾸준히 발표되는 메타버스 관련 연구와 글에서 주목할 점은 메타버스는 여러 기술과 융합되어 개념이 계속해서 확장되고 있다는 것이다. 생활기록(블로그 등 SNS), 가상현실(VR), 증강현실(AR), 디지털 트윈 등이 메타버스의 분류에 속하는데, 그 포함 기술의 범위가 확대되고 서로 융합되면서, 또는 인공지능 등의 기술과 융합되면서 개념이 확장되고 있는 것이다. 이러한 개념 확대는 활용 확대로 이어지고 있다. 이러한 메타버스 활용 확대를 감안하여 국내외 산업과 기술을 전망하는 여러 기관은 최근에도 여전히 메타버스를 주목해야 할 기술로 선정하여 발표하고 있다.그렇다면, 메타버스는 어디에 주로 활용될까? 초기에는 게임과 같이 개인 활용 중심이었는데, 엔터테인먼트(공연, 운동 등), 원격수업, 원격근무 등 기관에서의 활용 중심으로 변화되고 있다. 디지털 기기 활용이 일상이 된 요즘, 개인 활용의 비중이 여전히 확대되면서 학교와 기업 등 기관들의 메타버스 활용 필요성과 활용 범위는 더욱 커질 것으로 예상된다. 그리고 또 하나 기관 중심 메타버스 활용 확대의 당위성은 4차 산업혁명으로 불리는 기업의 디지털 전환이다. 기업은 디지털 전환 과정에서 생산과 물류, 연구에 이르는 전사적 분야에 메타버스 기술을 도입하여 활용하기 시작했다. 예를 들면, 글로벌 자동차, 의류, 건축, 의학, 항공 등의 분야뿐만 아니라 제조업에 이르기까지 다양한 분야에 속한 기업들이 이미 메타버스를 디지털 전환 기술로 활용하고 있다."기업은 디지털 전환 과정에서 생산, 물류, 연구를 포함한전사적 분야에 메타버스 기술을 도입하여 활용하기 시작했다.이렇게 디지털 전환에 따른 일의 변화로 인해메타버스 활용 역량을 키우기 위한 교육훈련이 필요해졌다."이렇게 기업의 디지털 전환 과정에서 활용하는 메타버스로 인해 일의 변화는 불가피하게 발생하고 있다. 가령 연구실에서 일하는 직원은 메타버스 가상공간에서 실험을 하고, 제품 생산 관계자는 디지털 트윈 기술을 통해 최적의 생산 라인으로 변경하기도 하고, 마케팅 담당 직원은 고객 맞춤형으로 신발, 의류, 자동차 디자인을 변경하는 것을 돕기도 한다. 이러한 기업의 디지털 전환에 따른 직무 환경 변화로 인해 우리는 교육훈련을 통해 메타버스를 활용하는 역량을 키워야 한다.그렇다면, 일터에서 필요한 메타버스 활용 역량을 키우기 위한 교육훈련은 어떻게 준비할까?먼저, 메타버스라는 어려운 기술 자체에 초점을 두지 말고, 일(직무)에서의 활용에 초점을 두는 자세가 필요하다. 즉, 기술 자체를 배우는 것이 중요한 것이 아니고 일(직무)에서 어떤 필요에 의해 그 기술을 활용하는지가 중요하다. 이러한 태도는 기술에 대한 막연한 두려움을 없애주고, 교육훈련 측면에서 보다 충실하게 대비해서 교육성과를 높이는 데 도움을 준다.둘째, 메타버스는 다양한 융합기술과 함께 활용되기 때문에 적응능력을 키우기 위해서는 공통적으로 디지털 역량 교육훈련이 필수적이다.셋째, 메타버스를 활용하고 있는 일터의 직무를 분석하여 실제 수행하는 핵심 업무를 중심으로 교육훈련을 실시하는 것이다. 우리가 새로운 스마트폰이나 자동차를 구입했을 때 모든 기능 사용법을 처음부터 다 배우지 않는 것과 유사하다. 부가적인 기능들은 사용하면서 점차 배우면 된다.넷째, 어느 정도 직무에서 메타버스를 활용하는 역량을 갖추게 되면 업무의 개선이나 혁신을 위해 메타버스를 활용한 ‘확장 가능한 기술들’을 교육훈련(심화)을 통해 배우면 된다.필자의 경험에 비추어 볼 때 메타버스는 일의 세계를 변화시킬 것이고 우리는 곧 그에 맞는 일의 방식을 배워야 할 것이다. 향후 몇 년 후에 모든 일이 변한다고 말할 수는 없을 것이다. 변화는 점진적으로 일어날 것이며, 우리는 이러한 변화에 지금부터 대비해야 한다. 물론 대비할 때 두려워하지는 말자. 메타버스, 인공지능 등의 기술개발과 적용은 IT전문인력 양성기관에 맡기고, 메타버스를 활용하는 교육훈련에 보다 많은 관심을 가질 때이다.전종호 연구위원한국직업능력연구원(KRIVET)에서 22년간 평생직업능력개발 관련 정책연구와 사업을 수행하고 있다. 특히, 오랜 기간에 걸쳐 교육과정 개발, 교수·학습, e-Learning 관련 연구사업을 수행해왔다. 최근에는 디지털 역량, 메타버스, 인공지능(AI), 소프트웨어(SW) 등 IT 관련 주제 연구에 참여하거나 자문을 수행하고 있다.

HR 애널리틱스를 향한 관심은 뜨겁다. 하지만 그에 비해 성공적으로 HR 애널리틱스를 인사운영에 활용하는 사례는 많지 않아 보인다. 이런 현실에 대해 일부 전문가들은 ‘애널리틱스와 관련해 나타나는 현상들이 실제보다는 허상에 가깝다’고 지적한다. HR 애널리틱스에 대한 잘못된 믿음은 이런 허상을 더욱 키울 수 있다.오해 #1. ‘데이터 수집’이 먼저다HR 애널리틱스를 위해 데이터 수집에 온 힘을 쏟는 경우가 있다. 데이터를 많이 모으면 통찰력이 좋아질 거라 믿는다. 물론 데이터가 많을수록 애널리틱스에 힘이 실린다. 분석의 신뢰성을 높이고 적은 양의 데이터에서는 찾기 어려운 의미를 발견할 수 있다. 그렇다고 데이터 수집 자체가 애널리틱스가 될 순 없다.HR 부서에는 이미 많은 양의 데이터가 쌓여 있다. 직원의 성별, 나이, 학력, 전공, 경력 등은 어느 회사나 보유하고 있는 데이터다. 직원이 근무하는 동안 자연스레 쌓이는 데이터도 많다. 직무이력, 교육결과, 급여수준, 출퇴근 시간, 휴가패턴 등도 활용하기에 따라 좋은 분석 재료가 된다. 대다수 기업은 매년 직원들의 성과를 평가한다. 성과평가 결과는 점수와 등급, 피드백 형태의 데이터로 남는다. 근무태도와 역량의 수준도 평가되어 데이터로 쌓인다. 조직의 건강상태를 주기적으로 파악하는 조사의 결과는 직원의 인식, 심리적 상태, 행동의 패턴을 대변하는 훌륭한 데이터다.---이 정도 데이터만으로도 초기 단계의 애널리틱스를 충분히 수행할 수 있다. 진짜 걸림돌은 데이터를 통해 무엇에 답해야 할지 모르는 데 있다. 직면한 문제를 확보 가능한 데이터로 분석해서 합리적 답을 찾는 활동이 애널리틱스다. 따라서 문제를 제대로 정의하는 게 먼저다. 문제를 제대로 파악하지 않은 채 데이터의 수집과 분석에만 집중하는 활동은 과녁이 어디인지 모르고 마구 날리는 활쏘기나 다름없다. 무턱대고 모은 데이터로 많은 분석을 할 수는 있다. 그러나 이런 경우 진짜 답을 찾는 분석인지는 운에 맡겨야 한다.데이터 수집에 들이는 노력이 헛되지 않으려면 올바른 질문을 해야 한다. 올바른 질문은 어떤 데이터가 필요한지 알려준다. 질문을 정의할 때는 현실적이고 실행 가능성 높은 문제에서 시작하는 것이 좋다. 따라서 이미 확보하고 있거나 쉽게 수집할 수 있는 데이터로 답을 찾을 수 있는 문제부터 접근하는 자세가 필요하다. 질문은 구체적일수록 좋다. 구체적일수록 어떤 데이터가 필요한지도 분명해진다. ‘바람직한 리더의 특징을 분석하겠다’보다는 ‘고성과 영업조직을 이끄는 리더는 어떤 직무경험을 가지고 있는가’란 질문을 만드는 식이다. 문제의 본질에 맞는 질문을 정의하는 것을 HR 애널리틱스의 첫 단추로 삼아야 한다.오해 #2. ‘빅데이터 분석’이 필수적이다애널리틱스를 이야기할 때 등장하는 단짝 용어가 있다. 바로 빅데이터다. HR 데이터도 ‘빅’을 향해 가고 있다. 그런데 과연 HR에서 ‘빅’이라는 수식어가 붙을 정도의 데이터를 분석해야 하는 상황이 얼마나 있을까? 엄청난 양의 HR 데이터를 보기 좋게 집계해 놓고 빅데이터 분석이라 말하는 경우를 본다. 그러나 ‘현 상황을 잘 파악했네’ 이상의 의미를 주지 못한다. 그로 인해 빅데이터의 허구성을 경계하는 목소리가 늘고 있다. 네트워크 과학자 사무엘 앨버즈먼 역시 빅데이터에 대한 맹신을 우려하며, ‘롱데이터(Long Data)’에 관심을 기울여야 한다고 제시한다. 그가 설명하는 롱데이터는 시계열 흐름과 반복적 주기를 가진 데이터 집합을 말한다.HR 활동은 특정 시점의 스톡(Stock)이 아닌 흐름을 갖는 플로우(Flow)에 가깝다. 주기적 시간 흐름을 가진다. 성과평가, 인재육성, 인력계획, 보상운영, 조직문화 개선 등 대부분의 HR 활동은 1회성 이벤트가 아니라 월, 분기, 연 단위로 반복되는 프로세스다. 시간이 흐르면서 변하는 현상과 원인, 그 속의 상호작용이 어떻게 전개되는지 이해하는 것이 중요하다.HR 활동이 플로우라는 점에서 롱데이터 분석은 더욱 부각된다. 롱데이터 분석은 여러 기간에 걸친 데이터에서 시간의 흐름에 초점을 두고 의미를 찾는 활동이다. 물론 특정 시점에서 전수 데이터를 분석하는 것은 현상을 이해하는 훌륭한 렌즈가 된다. 1년 동안의 성과평가 결과를 분석하면 어떤 직무환경이 우수한 성과를 만드는지 살펴볼 수 있다. 다만 이런 분석은 통찰의 깊이와 상관없이 한 시점을 찍어낸 스냅샷에 가깝다. 순간의 짤막한 묘사인 셈이다. 롱데이터 분석은 스냅샷에만 의지해 HR 활동을 하는 위험을 줄여준다. 시간의 흐름 속에 숨은 큰 그림을 보여주고 단선적 분석에서 얻을 수 없는 통찰의 기회를 준다. HR 애널리틱스 활동에 필요한 데이터는 꼭 ‘빅’이 아니어도 된다. 딱 필요한 만큼의 양과 길이면 족하다.오해 #3. ‘데이터 분석만이 진실’이다데이터 활용 기술이 발전하면서 데이터에 기반한 ‘분석적’ 의사결정이 중시되고 있다. HR 분야 역시 예외는 아니다. 채용, 승진, 리더 선발 등을 결정하는 데 있어 데이터에 의지하는 사례가 늘고 있다. 이런 모습을 보면 HR 분야에서 사람의 직관이 데이터에 점차 밀려나는 인상이다. 데이터와 비교할 때 사람의 판단은 비합리적이고 비효율적으로 비친다.직관을 타고난 특성으로 보는 경향이 있다. 의도되지 않고 우연히 떠오르는 비과학적 ‘감’ 정도로 취급한다. 이는 어떤 과정을 거쳐 직관이 형성되는지 이해하지 못해서 생기는 오해다. 직관은 근거 없이 순간적으로 떠오르는 감이 아니다. 많은 경험과 훈련 그리고 종합적 사고를 반복하며 체계화된 일종의 문제해결능력이다. 직관이 뛰어난 사람은 일일이 모든 정보를 분석하고 검토하는 과정 대신 머릿속에 존재하는 다양한 패턴을 통해 상황에 적합한 해결책을 신속하게 찾아낸다. 데이터에만 매몰되지 말고 직관에도 귀를 기울여야 하는 이유가 바로 여기에 있다.인간의 뇌는 분석적 사고와 직관적 사고의 이중체계로 구성되어 있다고 한다. 분석적 사고는 다소 시간이 걸리는 의식적 단계를 거친다. 이를 통해 보다 이성적, 논리적 판단을 하도록 도와준다. 직관적 사고는 주어진 상황 속에서 신속하게 작동한다. 단계를 거쳐 순차적으로 사고하는 것이 아니라 자신이 인지하지 못하는 가운데 순간적으로 전체 패턴을 인식하는 식이다. 두 가지 중 어느 하나가 다른 하나보다 우월하다 말하긴 어렵다. 상황에 따라 한 사고체계가 다른 것보다 적합할 수 있기 때문이다. 따라서 두 가지 사고체계를 적절하게 활용하는 자세가 필요하다. 신속한 결정이 필요한 상황에서 분석에 매몰되어 의사결정이 지연될 경우 최적의 시점을 놓치는 실수를 할 수 있다. 시간이 충분치 않고 선택 가능한 대안들이 엇비슷해서 결론을 쉽게 내릴 수 없는 경우 직관은 빛을 발한다. 수많은 데이터와 분석을 조망하면서 필요한 부분을 추려 새롭게 해석해서 본질을 꿰뚫어 볼 수 있도록 도와준다.하지만 직관에 의한 의사결정은 위험성도 내포하고 있다. 직관으로 한 번 마음을 굳힌 경우, 자신의 결정을 고수하려는 심리적 오류에 빠질 수 있다. 이런 오류에 빠지지 않으려면 자신의 직관에 부합하는 데이터만 받아들이는 확증편향을 주의해야 한다. 자신의 특정 경험에 매몰되어 그 상황에서 중요했던 단서에만 치중할 경우 의사결정에 중요한 새로운 정보를 놓치기 쉽다. 자신의 직관만이 옳다는 지나친 믿음을 경계하고 자신의 직관이 어떤 근거에서 왔는지 돌아보는 자세가 필요하다. 합리적 근거가 부족하다고 판단될 때는 다시 데이터로 돌아올 필요가 있다. 애널리틱스 접근은 합리적인 직관의 농도를 진하게 해준다. 직관에만 의존해서도, 데이터만 신봉해서도 HR의 합리성을 높일 수 없다. 분석과 직관을 적절히 오가는 양손잡이가 되어야 한다.