생성 인공지능과 HR의 미래

[힘힘]

제너레이티브 AI와 HR의 미래

2023년 6월 5일| 팟캐스트

에 의해 브라이언 핸콕, 빌 샤닝거, 그리고라레이나 이

공유하다

인쇄

다운로드

구하다

챗봇이 당신의 일을 앗아가지 않을 수도 있지만 거의 확실하게 바꿀 것입니다. Gen AI를 사용하는 방법에 대해 생각하기 시작하는 방법은 다음과 같습니다.

다운로드

기사(7페이지)

생성 AI: 강력합니다. 접근 가능합니다. 그리고 우리가 일하는 방식을 바꿀 준비가 되어 있습니다. McKinsey Talks Talent 팟 캐스트의 이번 에피소드에서는 인재 리더인 Bryan Hancock과 Bill Schaninger가 McKinsey Technology Council 의장 Lareina Yee 및 글로벌 편집 이사인 Lucia Rahilly와 함께 채용에서 성과 관리, 챗봇에 이르기까지 HR에서 Gen AI를 사용할 때의 가능성과 위험에 대해 이야기합니다. -전문적인 성장이 가능합니다. 토론의 편집된 버전은 다음과 같습니다.

오디오

제너레이티브 AI와 HR의 미래

무엇이 그렇게 다르고 파괴적입니까?

Lucia Rahilly: 최근 몇 달 동안 생성 AI 및 ChatGPT와 같은 도구에 대한 소문이 무성했습니다. 많은 사람들이 이러한 도구의 잠재력에 대한 경이로움과 내재된 위험에 대한 두려움 사이에서 혼란스러워하는 것 같습니다. Lareina, 생성 AI의 차이점은 무엇이며 파괴적인 잠재력 뒤에 무엇이 있습니까?

가장 인기 있는 인사이트

1. 모든 CEO가 생성 AI에 대해 알아야 할 사항
2. 앞서 나가기: 최고의 CEO가 지속적으로 성과를 개선하는 방법
3. 부와 성장의 미래는 균형에 달려 있습니다.
4. ESG 모멘텀: 조직을 차별화하는 7가지 보고된 특성
5. 2023년 조직 현황: 조직을 변화시키는 10가지 변화

Lareina Yee: 생성 AI에 대해 몇 가지 눈에 띄는 점이 있습니다. 2022년 11월 OpenAI는 ChatGPT 3.5를 출시했고 5일 만에 사용자가 100만 명에 달했습니다. 따라서 채택 속도는 우리가 본 어떤 것과도 달랐습니다.

나에게 그 순간에 대해 가장 심오한 것은 연령, 교육 수준, 국가에 관계없이 누구나 GPT에 가서 한두 가지 질문을 검색하고 시나 에세이와 같은 실용적이거나 재미있는 것을 찾을 수 있다는 것입니다. 모두가 접근할 수 있는 경험이 있었습니다. 그 이후로 우리는 기술의 많은 발전을 보았고 불과 몇 달 밖에 되지 않았습니다.

두 번째 매우 흥미로운 점은 이 기술을 활용하기 위해 컴퓨터 과학자가 될 필요가 없다는 것입니다. 이 기술은 모든 유형의 직업에서 사용할 수 있습니다. OpenAI의 연구에 따르면 직업의 80%가 생성 AI 기술과 기능을 오늘날 업무에서 발생하는 활동에 통합할 수 있다고 추정합니다. 그것은 재능과 직업에 지대한 영향을 미치며 이전에 이야기했던 것과는 다릅니다.

어떤 면에서 지니는 병 밖에 있습니다. 그것을 다시 집어넣는 것은 아마도 최선의 전략이 아닐 것입니다. 앞으로 몸을 기울여 생산적이고 안전한 방식으로 그것을 사용하는 방법을 알아내십시오.

Lucia Rahilly: 사용 사례의 직접성은 매우 새롭고 매우 빠르게 느껴집니다. 생성 AI가 무엇인지 설명하고 해당 용어의 공통된 정의에서 작업하고 있습니다.

Lareina Yee: Generative AI는 차선책을 제시하는 기술입니다. 많은 사람들이 ChatGPT를 사용하여 정보를 요약하고, 무언가에 대한 응답 초안을 작성하고, 엄청난 양의 공개 데이터를 수집했습니다. 그러나 놀라운 이미징도 있습니다. 노래, 오디오, 비디오 또는 코드를 원할 수 있습니다. 코드가 큰 예입니다. 제너레이티브 AI가 세계에서 할 수 있는 일의 범위는 놀랍고 이제 막 시작되었습니다.

Bryan Hancock: ChatGPT에 제 자신에 대해 물어봤더니 제가 재능에 대해 많은 일을 한다고 정확하게 보고했습니다. 하지만 내가 다니던 버지니아 대학교가 아니라 내 배경에 비추어 볼 때 코넬이 가장 적절한 대답이라고 가정했기 때문에 내가 코넬에 갔다고 잘못 보고했습니다. 나는 당신이 반드시 옳은 것을 얻는 것이 아니라 논리적인 것을 얻는다는 것이 매우 흥미로웠다고 생각했습니다.

Lareina Yee: 어떤 면에서 그것은 우리가 생각하는 방식을 모방합니다. 나는 그것이 인간이 하는 방식으로 생각한다고 제안하는 것이 아닙니다. 그러나 많은 면에서 우리는 가정을 하기 위해 지름길과 단서를 사용합니다. 그것이 사람들이 "이런, 정말 영리한 느낌이야."라고 말하는 이유입니다. 하지만 귀하의 요점으로 브라이언, 그것은 100% 정확하지 않습니다. "환각"이라는 훌륭한 용어가 있습니다.

McKinsey Talks Talent 팟캐스트 구독

구글 팟캐스트애플 팟캐스트스포티 파이스티처RSS

AI 세대가 채용 담당자에게 의미하는 것 . . .

Lucia Rahilly: 몇 가지 위험에 대해 더 자세히 이야기하겠지만 이러한 종류의 생성 AI 기능이 특히 인재에게 어떤 의미가 있는지 살펴보겠습니다. 생성 AI가 채용 프로세스를  의미 있는 방식으로 재구성하거나 변경할 것으로 예상하십니까 ?

Bryan Hancock: 두 가지 의미 있는 방법으로 채용을 재구성할 것이라고 생각합니다. 첫 번째는 관리자가 더 나은 직무 요구 사항을 작성하도록 돕는 것입니다. 생성 기술은 실제로 작업에서 성공하는 데 필요한 기술을 끌어낼 수 있습니다. 관리자가 최종 제품을 확인할 필요가 없다는 말은 아닙니다. 직업 요구 사항이 좋은지 확인하려면 루프에 있는 인간이어야 합니다. 그러나 gen AI는 속도와 품질을 획기적으로 향상시킬 수 있습니다.

모집의 다른 응용 프로그램은 후보자 개인화입니다. 현재 수만 명의 지원자가 있는 조직인 경우 지원한 사람들에게 다가가는 매우 맞춤화된 방법이 있을 수도 있고 없을 수도 있습니다. 제너레이티브 AI를 사용하면 지원자가 적합하지 않은 이유가 있는 경우 지원자, 직무 및 가능한 다른 직무에 대해 훨씬 더 많은 개인화를 포함할 수 있습니다. 이러한 모든 것들은 생성 AI를 통해 훨씬 더 쉽고 빠르게 만들어집니다.

빌 섀닝거: Gen AI의 가장 좋은 적용은  합리적으로 잘 알려진 직업을 채우려는 대규모 기술 풀 에 있습니다. 들어오는 모든 프로필을 탐색할 수 있는 보다 생산적이고 효율적인 방법이 필요합니다. 저를 조금 불안하게 만드는 것은 새로운 직업, 즉 새로운 역할이거나 심지어 미국 법률에서 25% 또는 33% 이상 변경된 직업일 때입니다. 그런 경우에는 풀 안팎의 사람들을 판단하는 기준을 다시 확인해야 합니다.

유효성 검사의 문제는 퇴보하고 "차이점은 무엇입니까?"라고 말할 성능 기준이 필요하다는 것입니다. 어떤 경우에는 다른 사람의 독점 성능 데이터를 침해하지 않고 데이터 레이크에서 해당 기준을 얻는 방법을 알아내는 것을 의미합니다. "글쎄, 우리는 우리 데이터를 고용주로서만 사용할 것입니다."라고 말하면 이미 고용한 사람들을 기준으로 삼는 것뿐입니다. 그리고 확인하려면 고용하지 않은 사람들을 살펴봐야 합니다.

따라서 기술을 사용할 수 없다는 의미는 아닙니다. 그것은 새로운 직업에 적용하기 위한 프런트 엔드 작업이 조금 더 있고 큰 기술 풀에 대한 활짝 열린 기회가 있음을 의미합니다.

Lucia Rahilly: 우리는 채용 과정에서 자격 증명에 대한 지수가 과도하고 기술에 대한 지수가 낮은 것에 대해 많이 이야기합니다.  제너레이티브 AI 는 대학 학위와 같은 자격 증명에서 후보자가 실제로 직장에 기여할 수 있는 기술로의 전환을 가속화하는 역할을 합니까 ?

Lareina Yee: 그럴 수 있다고 낙관합니다. 이 기술이 매우 잘 수행하는 한 가지는 비정형 데이터에 단어에 태그를 지정하는 기능인 태깅입니다. 이를 전자 상거래, 다양한 유형의 소매 경험에 적용하는 것에 대해 생각하는 비즈니스가 많이 있습니다. 그러나 인재 확보나 역량을 찾는 데에도 적용할 수 있습니다. 이제 자격증이나 학위를 찾을 필요가 없습니다. 능력과 기술 측면에서 키워드를 찾을 수 있습니다.

소셜 미디어를 보면 사람들은 특정 기능에 대해 어떻게 이야기합니까? 그러한 기술을 가진 사람들과 연관시키기에 더 좋은 단어가 있다는 것을 알게 될 것입니다. 직장에서 배운 놀라운 경험이 있지만 박사 학위나 대학 학위가 없는 지원자를 찾을 수 있기를 원하는 세상을 생각해 보십시오. 나는 이것이 그런 사람들에게 더 많은 문을 열 수 있다고 낙관합니다.

Bill Scheninger: 이것은 독점 데이터 세트와 프로필 그룹화를 좋아하는 비즈니스 세계에서 흥미로운 절충안입니다. 진정한 힘은 "페이월에 부딪히기 시작할 때까지 퍼블릭 도메인에서 얼마나 얻을 수 있습니까?"일 수 있습니다.

오래 전에 LinkedIn을 인수했을 때 API는 직책으로 제한되었습니다. 반드시 그 아래에 있는 모든 사양은 아니었습니다. 이러한 풀, 특히 작업 프로필에는 힘이 있습니다. 작업과 기술을 살펴볼 수 있기 때문입니다. "이 17가지가 이 기술을 설명합니다." 자격 증명이 아니라 기술 에 관한 것이기 때문입니다 .

. . . 전문적인 성장을 위한 의미

Bryan Hancock: 고용주의 관점뿐만 아니라 후보자 또는 직원의 관점에서 기술 기반 전환을 돕는 것으로 생각할 수도 있습니다. 현재 세계에서 당신이 약간의 기술을 가지고 있지만 당신의 경력 기회가 무엇인지에 대한 명확한 견해가 없는 사람이라면 당신은 관리자나 당신에게 관심을 갖고 탐색을 돕는 누군가에 크게 의존하고 있습니다. "전통적이지 않은" 경로로 이동합니다.

그러나 생성 AI의 세계에서는 매우 지능적인 챗봇과 대화를 나누고 이렇게 말할 수 있습니다. “이봐, 여기 내 기술과 경험이 있어. 나에게 어떤 직업이 열려있을 수 있습니까?” 그리고 그것은 돌아와서 "글쎄요, 당신의 기술 프로필을 가진 대부분의 사람들은 이런 일을 하지만 일부는 A, B, C를 합니다"라고 말할 수 있습니다. "C"는 코딩입니다. 그런 다음 "코딩에서 이 직업이 무엇인지 말해주세요."라고 말하면 IT 담당자를 대상으로 하는 것이 아니라 이해하는 단어로 번역된 코더의 직업 설명을 가져올 수 있습니다. 그런 다음 “좋아요, 훌륭합니다. 내가 관심. 어떤 학습 경험이 필요합니까?” 그리고 생성 AI는 이러한 학습 경험이 무엇인지 알려줄 수 있습니다.

따라서 타고난 능력은 있지만 가시성이 없는 사람을 위해 생성 AI는 다양한 경력 경로를 밝히고 사람들이 거기에 도달하는 방법을 이해하도록 도울 수 있습니다.

Lareina Yee: 제가 경력을 쌓은 지 10년이 되었는데 조금 막힌 느낌이 든다고 상상해 보세요. “어떤 유형의 직업을 찾아야 합니까? 회사 내 역할 유형은 무엇입니까? 나는 그들에 대해 어떻게 생각합니까?” 그리고 "어떤 수업을 들을까요?" 누군가가 나를 재교육하기를 기다리는 것과는 반대로 끔찍하게 들립니다. 기술을 구축하고 내 능력에 맞는 작업 범위를 이해하기 위해 10년 동안 어떻게 주도권을 잡을 수 있을까요? 정말 멋질 것입니다.

Bill Schaninger: 귀하가 속해 있는 규제 환경에 따라 사람이 관여하지 않고 선택 결정을 내릴 수 없습니다. 이것은 특히 EU에서 사실입니다. 이는 인간의 작업을 강화하면서도 의사 결정을 중단하지 않는 좋은 방법입니다. 직원 측면에서는 훨씬 더 많은 투명성을 제공해야 합니다. 당신은 실제로 당신이 많은 것들에 얼마나 가까운지 볼 수 있습니다. 나는 직원 경험 부분을 좋아합니다. 데이터 레이크에 무엇이 있는지, AI를 유도하는 데 얼마나 능숙한지 아직 확실하지 않기 때문에 선택 부분이 불안합니다.

Lareina Yee: 맞습니다. 몇 가지 옵션을 제공하는 것은 좋지만 답변이나 추천 엔진은 아닙니다. 당신의 판단이 중요합니다.

브라이언 핸콕: 우리가 보고 있는 또 다른 사실은 ChatGPT(그리고 보다 광범위하게는 생성 AI)가 특히 신입 직원을 더 빨리 적응시키는 데 능숙할 수 있다는 것입니다.

Stanford의 Erik Brynjolfsson과 MIT의 다른 사람들이 최근에 발표한 콜센터 직원에 대한 흥미로운 연구가 있습니다. 그들은 생성 AI 기능이 가장 경험이 많은 대표에게 그다지 도움이 되지 않는다는 것을 발견했습니다. 새로운 사람들이 제도적 지식을 훨씬 더 빨리 얻을 수 있었기 때문에 그것은 매우 도움이 되었습니다. 그들의 손끝에 있었다. 그들은 질문을 하고 답을 얻을 수 있었습니다. 따라서 신입 사원의 생산성은 극적으로 높아졌습니다. Generative AI는 완전히 숙달하는 방법의 80–90%를 실제로 제공합니다.

Lareina Yee: Bryan, 저는 그것을 좋아하고 낙관론을 공유합니다.

McKinsey Talks Talent Podcast

Bryan Hancock, Bill Schaninger 및 기타 인재 전문가는 빠르게 변화하는 환경을 탐색하고 인재를 경쟁 우위로 만들어 업무의 미래를 준비하도록 돕습니다.

더 많은 에피소드 보기

성능 검토를 위한 새로운 기능

Bryan Hancock: 사람들 앞에서 제너레이티브 AI를 개인적으로 가장 좋아하는 용도 중 하나는 실제로 성능 리뷰를 위한 것입니다. 제 말을 들어주세요: 저는 생성 AI가 실제로 누군가의 성과 검토를 생성하는 것을 원하지 않습니다. 그것은 인간이 필요하고, 인간의 판단이 필요하고, 공감이 필요합니다.

하지만 제가 McKinsey 평가자로서 하는 일의 이 예를 사용하겠습니다. 저는 15명에서 20명의 개인으로부터 서면 피드백을 받습니다. 그들은 그것을 디지털 시스템에 입력합니다. 긴 형식의 피드백이 있습니다. 서면 해설과 특정 숫자 기반 점수를 포함하는 상향 피드백 점수를 봅니다. 사람들이 실제로 참여에 얼마나 자주 배치되었는지 살펴봅니다. 컴플라이언스 관련 조치를 살펴봅니다. 그들은 제 시간에 물건을 제출했습니까? 모든 범위의 것들. 저에게 평가자로서 초안을 작성하는 것은 엄청나게 힘든 과정입니다. 나는 시간과 그것에 들어가는 사려 깊음을 자랑스럽게 생각합니다.

하지만 버튼을 누르고 초안을 얻을 수 있다면 어떨까요? 내가 평가하는 사람을 가장 잘 아는 15명과 각각 대화를 나눌 때 이미 작업 중인 초안이 있으면 어떻게 됩니까? 모든 과정을 거치는 것을 대신할 수는 없지만 초기 통합은 그 사람의 발전과 성장을 조사하는 데 정말로 필요한 것을 더 빨리 얻는 데 도움이 될 것입니다.

나는 많은 작업을 제거하기 때문에 그 사용 사례에 대해 흥분됩니다. 처음에는 많은 사람들이 "성능 리뷰 근처에 생성 AI를 원하지 않을 것"이라고 생각할 것입니다. 그러나 이것을 생산성 향상이나 우리가 더 잘할 수 있도록 도와주는 무언가로 생각한다면 그것은 신나는 일입니다.

Lareina Yee: 이제 그가 평가하는 직원에 대해 이야기해 보겠습니다. 직원은 피드백을 받고 Bryan은 아마도 피드백을 명확하게 작성했고 공감을 담아 전달했습니다.

하지만 직원으로서 내가 "내 강점과 약점이 있는 5가지 성공 모델은 누구이며, 그들은 무엇을 했는지? 내 경력 개발을 어떻게 시각화할 수 있습니까? 어떻게 계속 작업할 수 있습니까?” 또한 전문성 개발을 지도화하는 데 도움을 주는 조수를 둘 수도 있습니다. 그런 식으로 1년 후에 우리가 체크인했을 때, 나는 정말 향상되었고 포부도 커졌습니다.

빌이 내가 본받아야 할 사람이라면? Bryan이 저에게 Bill을 소개해야 하는 대신, 생성 AI는 제가 Bill Schaninger의 자질을 가지고 있다는 것을 깨닫도록 도와줍니다. 나는 그것에 영감을 받을 수 있다. 수년 동안 힘들게 노력해 온 것을 향상시키는 것이 많이 있다고 생각합니다.

Bill Scheninger: 우리는 감독을 성과 관리에 다시 투입하는 것에 대해 이야기합니다. 누군가에게 좋은 점이나 나쁜 점에 대해 이야기할 때마다 기록해 두십시오. 그런 식으로 연말에 집계 및 종합에 가깝고 누구에게도 놀라운 일이 아닙니다. 그러나 그것은 정기적 인 입장이 필요합니다. 그래서 저는 당신이 설명하는 것을 좋아하지만 그렇게 하는 것은 기술이 아닙니다. 공통 데이터 캡처에 전념하는 사람들과 이를 가능하게 하는 공통 접근 방식입니다.

Bryan Hancock: 귀하의 요점은 잘 이해되었습니다. 그런 다음 평가자로서 인간의 판단을 적용합니다.

빌 섀닝거: 규범적 데이터가 좋습니다. McKinsey에서 후원 및 멘토링 데이터를 받으면 특정 지역의 다른 파트너와 비교하는 방법을 확인합니다. 하지만 기준점이 없다면 실제로 "좋은 것"이 무엇인지 어떻게 알 수 있습니까? 표준 데이터를 얻으면 몇 가지 지침을 얻을 수 있습니다. 저는 이 모든 것이 마음에 들며 엄청난 양의 데이터로 가능합니다.

이것이 실제 성능에 대한 보다 강력하고 건전한 관점을 가능하게 한다면 어려운 성능 대화를 훨씬 더 쉽게 할 수 있습니다 . 우리는 관리자를 성과 관리에 다시 투입 해야 합니다 . 그러나 관리자가 일정을 작성하거나 15개의 데이터 포인트를 짜 맞추는 대신 관리하는 데 더 쉽게 시간을 할애할 수 있습니까?

편향 및 기타 위험

Lucia Rahilly: 몇 가지 위험에 대해 좀 더 이야기해 봅시다. 제너레이티브 AI는 과거 데이터를 기반으로 학습하며, 데이터의 과거 패턴은 과거 편향을 반영합니다. 생성 AI 기반 도구에 의존함으로써 이러한 상속된 편견을 무심코 전파하는 위험은 무엇입니까?

Lareina Yee: 확실히 오늘날 생성 AI는 편견을 증폭시킬 수 있습니다.

내가 채용 중이고 몇 가지 다른 자격을 설명한다고 가정해 보겠습니다. 나는 재능 있는 도시 중심을 보고 있으며 농구 주장을 찾고 싶다고 결정했습니다. 아니면 대신 라크로스 주장이 바람직하다고 말할 수도 있습니다. 이들은 주장과 리더십이 있는 팀 스포츠이므로 어떤 면에서는 이치에 맞습니다.

하지만 인구 통계를 보면 도시에서 농구를 하는 사람과 라크로스를 하는 사람은 매우 다릅니다. 따라서 라크로스를 강조하면 일반적으로 더 많은 젊은 백인 남성 리더를 얻을 수 있지만 농구를 선택하면 더 많은 아프리카계 미국인이나 라틴계를 찾을 수 있습니다. 여성을 볼 수 있는 소프트볼은 어떻습니까? 대신 전체 스포츠 세트를 선택하면 어떻게 될까요? 그럼에도 불구하고 스포츠를 필터로 선택하는 것만으로도 질문의 편견이 증폭될 수 있습니다. 질문의 힘은 인간인 우리에게 있다고 생각합니다.

Bryan Hancock: 물론 지적 재산권 문제도 있습니다.

그러나 나는 또한 우리 모두가 덜 흥미로워질 위험이 있다고 생각합니다. 창의적인 분야에 종사하는 사람이 생성 AI를 활용하여 일주일에 6개의 기사를 12개로 늘리면 기사당 시간이 줄어듭니다. 제시간에 출판하기 위해 그렇게 해야 할 수도 있지만, 그것은 또한 샤워, 달리기 또는 차 안에서 기사에 대해 생각 하는 데 많은 시간을 보내지 않는다는 것을 의미합니다. 생산성은 향상되지만 창의적 사고를 할 시간이 반드시 많지는 않을 수 있습니다. 우리는 가장 창의적인 생각이 휴식 시간, 즉 다른 일을 하고 마음이 방황할 때 나온다는 것을 알고 있습니다.

덜 흥미로울 수 있는 이러한 위험은 중요하며 아직 충분히 생각하지 않았을 수 있습니다.

Lareina Yee: 맞습니다. 많은 위험이 있습니다. 이 기술을 구현하는 리더에 대해서도 생각해 봅시다. 종종 사람들은 기술과 비즈니스 투자 수익에 대해 생각하는 워크플로가 있었고 마지막에만 "우리가 걱정해야 할 위험이 있습니까?"라고 묻곤 했습니다. 워크플로 디자인에서 미리 위험에 대해 생각하는 것이 좋습니다.

다른 하나는 우리가 일반적으로 "변화 관리"라고 부르는 것에 대한 진정한 기회가 있다는 것입니다. 기술이 작업, 작업 흐름 또는 공동 작업 모델을 어떻게 변화시키는지 생각하지 않는다면 추가 시간을 반드시 더 많은 부가가치를 창출하는 데 사용하는 것은 아닙니다. 그것이 나머지 근무일과 근무주에 어떤 영향을 미치는지 생각해야 합니다.

Bill Scheninger: 많은 경우에 우리는 기술을 비난하고 그것을 구현하기 직전에 발생한 부실한 문제 해결을 강조하고 싶지 않습니다. 더 빠르고 더 광범위하고 더 훌륭하고 빛나는 도구를 얻는다고 해서 사물을 생각해야 하는 부담이 덜해지는 것은 아닙니다.

Lareina Yee: 여기서 언급해야 할 더 큰 점은 우리 셋이 모든 긍정적인 의도와 이것을 선을 위해 사용할 수 있는 방법에 대해 생각하는 데 시간을 보냈다는 것입니다. 하지만 이 기술에 대해 생각하고 "이것을 어떻게 해를 끼치는 데 사용할 수 있습니까?"라고 묻는 사람들이 있을 것입니다. 전통적으로 이것이 정부 규제, 정책 및 국제 표준이 우리 사회에서 근본적인 역할을 하는 이유입니다. 민간부문에 자율규제를 완전히 맡길 수는 없다고 생각합니다.

불가피한 상황에 대비

Lucia Rahilly: 사람들의 큰 관심사는 이러한 종류의 도구가 일자리를 없애거나 잠재적으로 더 나쁘게 상사가 될 수 있다는 것입니다. 제너레이티브 AI로 다가올 변화에 대비하기 위해 사람들이 지금 무엇을 할 수 있다고 생각하십니까?

빌 섀닝거: 그들이 더 쉽게 배우고 가지고 놀 수 있도록 노력하겠습니다. 이것은 계속 저항하려고 하는 것보다 낫습니다. 나는 우리가 이러한 두려움에 신세를 져야 한다고 생각하지 않습니다.

Lucia Rahilly: 그리고 HR 및 인재 프로세스가 점점 더 자동화되고 있다고 가정할 때 리더는 어떻게 Bryan이 "루프에 있는 인간"이라고 부르는 제너레이티브 AI가 방해가 되지 않도록 보장할 수 있습니까?

Lareina Yee: 리더는 두 가지 면에서 큰 역할을 합니다. 하나는 기능 내에서 자체 인재 역량을 현대화하고 도약하는 것입니다. 둘째, 직원의 80%가 이동하는 경우 이동이 발생하는 방식과 회사 직원에게 미치는 영향에 대해 큰 역할을 합니다. 저는 리더들이 테이블에서 큰 목소리를 낸다고 생각합니다.

Bryan Hancock: HR이 막대한 인력을 위한 기회에 대한 접근성을 높일 수 있는 엄청난 기회입니다.  관리자 가 관리 작업을 수행하는 대신 HR 리더가 항상 달성하기를 원했던 성과 수준까지 보다 일관되게 달성할 수 있는 기회입니다 . 나는 HR이 이것을 그들이 할 필요가 없는 일을 일상화하고 제거할 수 있는 기회로 보기를 바랍니다. 그런 다음 수행해야 하는 작업에 대해 이 기술을 사용하여 더 나은 답변을 더 빨리 얻을 수 있는 방법을 찾을 수 있습니다.