AI가 직원의 이직, 퇴직을 예측할 수 있을까? (송지훈 엔씨소프트 마케팅분석팀장)

한 줄 핵심

AI가 HR과 데이터 분석을 대체하기보다 분석·설득·검증의 주도권을 가진 사람이 더 중요해지는 방향으로 일을 재편한다는 점을, 직원 이탈 예측 사례까지 들어 구체적으로 설명하는 영상이다.

시간별 요약

0:00
PA | AI Connect 2026 컨퍼런스 사람 중심 HR에 People Analytics와 AI를 결합해 에이전트 리더십과 HR 패러다임 변화를 준비해야 한다는 문제의식이 제시된다. 관련 컨퍼런스 안내도 함께 포함된다.
0:20
하이라이트 데이터 분석가라는 직무는 줄어들 수 있지만 분석 역량은 더 중요해지고, AI는 반복 업무 자동화와 데이터 인프라 구축에 활용되고 있다. 또한 출산, 승진 누락, 이직 같은 사건이 이탈을 설명하므로 예측과 케어의 필요성이 강조된다.
2:59
데이터 분석가는 사라져도 분석 역량은 더 중요해진다 현업이 직접 로우 데이터를 다루려는 흐름 때문에 분석 리포트만으로는 부족해졌고, 실험 설계와 통계적 해석 능력이 더 중요해지고 있다. AI로 삽질이 줄어들수록 데이터 이해, 검증, 해석의 경험이 부족한 상태로는 진짜 인사이트를 만들기 어렵다.
7:33
AI에 분석의 주도권을 뺏기지 않으려면? AI에 업무를 위임할수록 분석 프로젝트의 큰 설계와 해석 권한까지 넘어갈 수 있으므로, 중간 과정을 다시 검토하는 습관이 필요하다. 방법론을 폭넓게 이해하고 결과를 거꾸로 추적해 판단하는 능력이 있어야 AI가 고른 경로가 맞는지 평가할 수 있다.
13:44
직원의 일은 빨라졌는데 팀장은 왜 더 힘들까? 개별 실무자의 작업은 AI로 빨라졌지만, 팀장은 더 많은 결과물을 받아 복잡한 맥락을 해석하고 설득해야 해서 부담이 커진다. 이를 줄이기 위해서는 AI를 세컨드 브레인처럼 쓰되, 기록된 지식을 다시 해석하고 재구성하는 습관이 중요하다.
19:31
데이터와 현업, 두 언어로 설득해야 하는 이유 인사 업무에서 데이터 분석으로 전환하며, 검증 가능한 결과를 통해 주장해야 하는 부담이 크게 늘었다. 분석의 언어로 한 번, 도메인별 언어로 다시 한 번 설득해야 하므로 분석가는 데이터와 현업을 잇는 이중 번역자의 역할을 하게 된다.
23:14
AI는 직원의 퇴사를 미리 예측할 수 있을까? 소규모 인사 데이터 환경에서는 LLM의 사전 지식과 튜닝을 활용해 이탈 예측력을 높일 가능성이 있다. 단순히 이탈 여부를 맞히는 것보다 1년 후, 3년 후처럼 위험 확률을 제시하는 생존 분석 관점이 더 실용적이다.
25:35
출산·승진 누락 이후, 이직 위험을 어떻게 낮출까? 이직은 개인의 탐색보다 출산, 승진 누락, 이직 제안 같은 사건이 촉발하는 경우가 많으므로, 사건 이후 만족도와 몰입도의 변화를 추적해야 한다. 이를 위해 조직은 연말 평가, 온보딩, 교육, 자연스럽게 수집되는 정보까지 포함해 케어와 제도 설계에 활용할 데이터를 축적해야 한다.
29:24
LLM으로 고객의 다음 행동도 예측할 수 있을까? LLM은 고객 이동 경로나 다음 방문 장소처럼 시퀀스가 있는 행동 예측에도 활용될 수 있고, 마케팅에서는 광고 노출 이후 다음 행동과 전환을 예측하는 데 응용 가능하다. 텍스트로 변환 가능한 데이터는 매우 넓지만, 무엇을 어떤 방식으로 가공해 쓸지에 대한 설계가 핵심이다.
31:48
AI 시대 커리어, 직무를 과업으로 쪼개서 보자 AI가 직무 전체를 바꾸는 것처럼 보여도 실제 대응은 직무를 전처리, 분석, 시각화 같은 과업 단위로 분해해 영향도를 보는 방식이 현실적이다. 결국 AI 시대의 핵심은 도구 활용 자체보다, AI를 어디까지 맡길지 정하고 주도권을 유지하는 철학과 이해 수준에 있다.

실무 인사이트

팀 단위 AI 도입에서는 자동화보다 먼저, 어떤 판단과 검증을 사람이 끝까지 가져갈지 역할 경계를 명확히 정해야 한다.
HR·마케팅·재무처럼 설명과 설득이 중요한 직무일수록, AI가 만든 결과를 그대로 쓰기보다 중간 과정과 근거를 다시 복기하는 습관이 경쟁력이 된다.
이직·이탈 예측은 단순 분류보다 사건 전후의 변화와 맥락을 쌓는 데이터 설계가 더 중요하며, 이는 곧 조직별 케어 전략으로 이어질 수 있다.