인적자원 관리용 전문가 시스템 기반 역량 평가: 수학적 접근법

초록

본 논문은 전문·혁신·사회(PIS) 역량 트리를 기반으로, 정량화·통계·클러스터링 기법을 활용한 역량 평가 모델을 제시한다. 360도 피드백과 자기보고식 설문을 통해 획득한 개인 역량 데이터(ACD)를 요구 역량 데이터(RCD)와 비교·시각화함으로써 역량 격차를 정량적으로 파악하고, 최적 직무 배치·교육·채용 의사결정을 지원한다. 유럽 ComProFITS 프로젝트 실증을 통해 시스템의 실용성을 검증하였다.

상세 분석

이 연구는 인적자원 관리(HR)에서 역량 격차를 정확히 식별하고, 이를 기반으로 전략적 의사결정을 지원하는 전문가 시스템을 설계한다는 점에서 의미가 크다. 먼저 기존 문헌에서 제시된 ‘역량’과 ‘competency’의 개념적 혼동을 명확히 구분하고, 유럽연합이 정의한 역량을 ‘지식·기술·태도·가치’의 복합적 능력으로 재정의한다. 이러한 정의를 토대로 저자들은 Professional‑Innovative‑Social(PIS) 역량 트리를 구축했으며, 이는 3차원 계층 구조로 각 레벨에 정량적 점수를 부여한다.

정량화 단계에서는 360도 피드백과 설문조사를 통해 획득한 개인 역량 데이터(ACD)를 0‑100 스케일로 정규화하고, 기업이 정의한 직무별 요구 역량 데이터(RCD)와 매칭한다. 매칭 과정은 벡터 내적·코사인 유사도 계산을 이용해 전체 격차를 산출하고, 각 역량 항목별 차이를 구분한다. 차이값이 임계치를 초과하면 ‘핵심 격차’로 표시되어 우선 교육·재배치 대상이 된다.

수학적 모델링 측면에서는 다중 기준 의사결정(MCDM) 기법과 군집화 알고리즘을 결합한다. 먼저 ACD와 RCD 간의 거리 행렬을 기반으로 계층적 군집화를 수행해 유사한 역량 프로파일을 가진 직원 그룹을 도출한다. 이후 TOPSIS·AHP와 같은 MCDM 방법을 적용해 각 그룹의 우선순위를 산정하고, 최적 직무 매칭을 자동화한다. 이 과정에서 가중치 설정은 전문가 인터뷰와 설문을 통해 경험적(heuristic)으로 결정되며, 가중치 조정이 시스템의 민감도 분석에 활용된다.

시스템 구현은 웹 기반 HRIS와 연동되는 모듈형 아키텍처로 설계되었다. 데이터 입력·관리, 역량 매핑, 시각화, 의사결정 지원 네 개의 핵심 컴포넌트가 각각 RESTful API로 통신한다. 시각화 모듈은 역량 트리와 격차 히트맵을 제공해 관리자가 직관적으로 문제점을 파악하도록 돕는다. 또한, 역량 향상 시뮬레이션 기능을 통해 교육 투자 대비 기대 효과를 정량적으로 예측한다.

실증 연구는 유럽 프로젝트 ComProFITS의 실제 기업 데이터를 활용했으며, 200여 명의 직원에 대해 ACD와 RCD 매핑을 수행했다. 결과는 평균 격차 감소율이 23%에 달했으며, 직무 재배치 후 12개월 동안 이직률이 15% 감소하는 등 조직 성과 개선 효과를 보였다. 다만, 역량 가중치 설정의 주관성, 데이터 수집 비용, 그리고 역동적인 직무 요구 변화에 대한 실시간 업데이트 부족이 한계로 지적된다. 향후 연구에서는 베이지안 네트워크를 통한 동적 가중치 학습과, 머신러닝 기반 예측 모델을 도입해 시스템의 적응성을 높이는 방안을 제시한다.