[기업경영과 빅데이터의 편향성] #2. 인사조직-2
이어서 연재됩니다
하지만 빅데이터를 이용해서 뭔가 의미가 있는 결론을 이끌어내기 위해서는 말 그대로 '빅' 데이터여야 합니다. 즉, 가지고 있는 데이터(정형화된 것이든, 비정형화된 것이든) 수가 정말 많아야한다는 것이죠. 이를 직원 수가 많아야한다고 해석하는 것도 어느 정도 일리가 있습니다. 실제로도 대기업에서 가장 빅데이터를 활발히 활용하고 있으며, 중소기업은 직원 수도 적고 매출도 상대적으로 적기 때문에 분석을 해도 유의미한 결과가 나오지 않을 가능성이 높기 때문이죠. 하지만, 데이터를 늘리는 한 가지 방법이 있습니다. 바로 거래형 데이터를 활용하는 것인데요, '디지털 발자취'를 활용하면 직원들이 업무와 관련한 디지털 방식의 소통을 하면서 자연스럽게 생성되는 데이터를 얻을 수 있습니다.
<조직을 어떻게 바꿔야 효과적인가>
이러한 디지털 발자취를 하면 빅데이터 분석을 통해 특이 패턴이 나타나는지를 관찰할 수 있고, 이러한 패턴이 나타나는, 혹은 특정 패턴이 나타나지 않는 이유를 분석할 수 있습니다. 이러한 요인을 장애요인, 혹은 성공요인으로 분류하여 그 패턴을 해소할 수 있는 제도와 프로그램을 고안하는 것이 바로 HR 부서의 목표여야 합나다. 디지털 발자취 속에서 조직원간 서로 의사소통하는 데이터를 분석하면, 개인의 성격 유형까지 파악할 수 있습니다. 그러면 구성원들 사이에 나타날 수 있는 관계의 시나리오를 예측하고, 대비할 수 있도록 조언해줄 수 있습니다.
<인사 데이터의 민감성>
인사 데이터는 근로자의 성별, 과거 경력, 근로년수, 성과 등에 대한 정보가 모두 포함 되어있기 때문에 굉장히 민감한 개인정보로 분류됩니다. 따라서 다른 종류의 빅데이터와 마찬가지로 개인정보보호법 규제의 제한을 받을 수 밖에 없는 단점이 있습니다. 특히 우리나라 기업이 해외에서 영업을 할 때 주의해야할 점은, 미국의 경우 인종, 성별, 연령 등 특정 직원에게 불리하게 작용할 수 있는 데이터의 활용과 유출로 인해 소송이 잦게 일어난다는 점입니다. 이러한 부분을 조심해서 인사 데이터를 활용할 필요가 있습니다.
<인사 데이터의 편향성>
인사 데이터의 편향성은 약자에 대한 차별을 불러올 수 있습니다. 아마존의 사례를 들 수 있는데, 아마존이 채용 시스템에 도입한 인공지능이 여성 지원자를 차별하는 것으로 드러났습니다. 아마존의 기존 개발자들은 대부분 남자여서, 남자 개발자를 더욱 우수하다고 평가하였습니다. 따라서 이력서에 '여성 댄스 동아리'와 같이 여성이라는 단어가 들어가기만 하면 감점이 되는 식으로 평가가 이루어졌던 것입니다. 또한, AI는 남성들의 자기소개서에 특히나 자주 사용되는 동사를 훨씬 더 유리하게 인식하고 있었습니다. 이는 AI가 축적된 데이터를 통해 작동하는 방식이기 때문에 데이터 자체가 편향적이면 충분히 발생할 수 있는 문제입니다. 기술산업 자체가 남성이 우위를 가지고 있는 현실이기 때문에, 이러한 현실을 그대로 AI가 반영한 것입니다.
이러한 사례에 경각심을 가지고, 세상의 모든 약자에게도 공정한 기업을 만들 필요가 있습니다.
참고문헌