2018 5-6월(합본호) 알고리즘을 믿을까, 직감을 믿을까? 제프리 폴저(Jeffrey T. Polzer)

CASE STUDY

알고리즘을 믿을까, 직감을 믿을까?

어떤 후보자를 승진시킬지 고민하는 부사장의 이야기

18_56_234_1

알리야 존스는 송별회 건배사가 도무지 귀에 들어오지 않았다.

 

오랫동안 동료였던 앤 뱅크가 회사를 떠나게 돼 슬펐지만, 머릿속으로는 앤의 후임자 선정에 온통 정신이 팔렸다.

 

세계적인 소비재회사 베커번바움 인터내셔널(BBI)의 세일즈 및 마케팅 담당 부사장인 알리야는 자기 부문의 34개 제품군을 맡아줄 유능한 마케팅 디렉터가 필요했다. HR과 함께 후보자 명단을 간추려 두 명의 최종후보를 골랐고 둘 다 내부 지원자였다. 알리야 팀 소속으로 청소용품 사업부의 브랜드 매니저인 몰리 애시워스와 화장품 사업부의 유망한 스타 에드 유가 물망에 올랐다.

 

알리야는 몰리를 좋아했고 업무도 높이 평가했다. 2년 전 몰리는 BBI의 새로운 청소용품 월 정기구매 서비스 도입을 앞장서 이끌었다. 이 서비스는 지난

2분기 동안 강력한 성장세를 보였다. 고객들은 이 서비스가 편리해서 좋아했고 R&D 부서와 마케팅, 경영진은 이를 신제품 테스트를 위한 플랫폼으로 사용할 수 있어 매우 기뻐했다. 신규 서비스를 제안하고 출시하는 동안 알리야는 멘토로서 몰리에게 조언을 해주었다. 알리야는 후배의 강점과 약점을 자세하게 파악하게 되었고 몰리가 다음 단계로 도전할 준비가 되었다는 확신이 들었다.

 

하지만 채용 공고가 뜨자마자 HR 담당 부사장 크리스틴 젠킨스가 에드의 이력서를 들고 왔다. 몰리와 마찬가지로 에드도 경영대학원을 마치고 곧바로 BBI에 입사한 다음 금세 유망한 인재로 주목을 받았다. 또한 BBI에서 자신만의 성공을 거두었다. 에드는 화장품 그룹의 브랜드 매니저로서 20년 된 FreshFace 메이크업 클렌징 제품 라인을 맡아서 3년 동안 매출을 60%나 키워 부활시켰다. 에드는 HR의 새로운 인재 분석 시스템people-analytics system에서 96%의 직무 적합성을 보여 자동 추천되었다. 크리스틴은 이 시스템을 지지해 왔다(반면 몰리는 시스템상 83%의 적합도를 보였다). 이 시스템을 도입한 이유는 고용과 승진, 보상에 관련한 의사결정을 내릴 때 데이터 분석을 더 많이 활용하자는 것이었다. 알리야는 회사 내부에서 후보자가 두 명이나 나와 기뻤다. 본인 역시 내부 승진으로 이 자리까지 올라온 것이었다. 그래서 그런지 둘 중에 누구를 선택해야 할지 결정을 내리기가 더 힘들어졌다.

 

case study classroom note

 

기업은 일관성 유지 및 편향성 축소, 다양한 후보자 확보, 효율성 등 여러 이유로 인사 관련 의사결정에 알고리즘을 사용한다. 알고리즘의 제안은 데이터분석을 활용하지 않는 채용 매니저의 의견과 어떻게 다를까? 

 

 

어떤 방식이든 인재 분석에 알고리즘을 사용하면 직원의 프라이버시를 침해하는 것일까? 새로 도입된 법률, 특히 EU의 개인정보규정(General Data Protection Regulation·GDPR)은 고용주가 수집할 수 있는 정보와 금지된 정보 그리고 직원에게 통지해야 하는 방법의 범위를 규정하고 있다. 

 

 

COO가 앤을 위해 건배를 제안할 때, 알리야는 에드와 몰리와 나눈 인터뷰 내용을 떠올리며 생각에 잠겼다.

 

 

에드 유와 만남

18_56_234_2

“너무 늦어 죄송합니다.” 약간 당혹스러워하며 에드가 말했다. “우버 운전사가 히스로 공항에서 오는 지름길을 안다고 큰소리를 쳤는데 아니었어요.”

 

언제나 한결같고 침착한 몰리와 어쩔 수 없이 비교되었지만, 알리야는 마음의 문을 닫지 않으려 노력했다.

 

조사에 따르면 채용 매니저들은 일반적으로 인터뷰 시작 후 30초 안에 지원자의 성격과 역량에 대해 평가를 내린다. 

 

 

“괜찮아요. 시작해 볼까요?” 알리야가 대답했다.

“좋습니다.” 에드가 기다렸다는 듯 말했다.

“어떤 동기로 이 자리에 관심을 가졌나요?”

 

에드는 자신이 이끌었던 FreshFace 라인의 성장을 자랑스럽게 내세우는 한편, 새로운 도전에 나설 준비가 되었다고 지원 동기를 밝혔다. 한 가지 제품을 깊게 파고드는 일도 좋지만, 자신의 역량은 여러 프로그램을 폭넓게 아우르고 더 큰 포트폴리오를 이끄는 위치에 더 적합하다고 느꼈다고 말했다.

 

날카롭고 명확한 대답이라고 알리야는 평가했다.

 

“화장품 사업부에서 배운 것 중 청소용품 사업부에 적용할 만한 게 어떤 게 있었나요?”라고 이어 물었다.

 

중요한 질문이었다. BBI의 최고경영진은 각 부문이 우수 사례best practices를 더 많이 나누고 협력하라는 지시를 내렸다. 실제로 알리야의 상사는 그에게 다른 부문의 동료들과 더 긴밀하게 일하라고 주문했다.

 

에드는 현장고객 조사in-field customer research FreshFace 라인 매출 증가의 요인으로 꼽았다. 그리고 화장품 사업부에서의 활용방식을 어떻게 청소용품 사업부에 적용할 수 있을지 설명했다. 인류학자와의 협업은 알리야 팀에서도 이야기가 나왔지만 아직 시도해 보지 않은 사안이었다. 또한 에드는 최근에 나온 월 정기구매 비즈니스모델 동향 백서를 언급하며 알리야의 정기구독 프로그램에 관해 질문을 던졌다. 에드는 분명히 준비를 잘했고 똑똑하고 야심이 있었으며 BBI의 사업을 잘 알면서 더 배우려는 열망이 있어 보였다.

하지만 에드의 대답은 물론 심지어 질문도 좀 경직돼 보였다. 몰리에게 볼 수 있던 역동성이나 기업가정신을 느끼기 힘들었다. 어쩌면 에드가 긴장했을 거라 생각도 들었지만 그게 본모습일지도 모른다. 알리야는 에드의 직무능력은 전혀 걱정되지 않았다. 하지만 에드를 꼭 뽑고 싶다는 마음이 들지는 않았다.

 

몰리와 인터뷰

 

에드와 같은 날 몰리의 인터뷰를 잡자고 크리스틴에게 제안했을 때 처음에는 좋은 생각처럼 보였다. 정오 시간대에 약속이 잡혔기 때문에 자연스럽게 사무실 근처 점심을 먹는 장소에서 만났다. 하지만 카페에 들어서는 순간 알리야는 바로 연이은 인터뷰가 에드에게 얼마나 불공평한지 깨달았다.

 

연구결과에 따르면 관리자들은 자신과 비슷한 사람을 고용하는 경향을 보인다. 예를 들어, 더 능력이 좋은 사람이 있어도 자신의 친구가 될 가능성이 가장 높은 후보자를 선호한다는 것이 노스웨스턴대 켈로그경영대학원의 로런 리베라(Lauren Rivera) 교수의 분석이다. 알리야는 자신이 개인적으로 몰리를 좋아해서 승진시키려 하는 게 아닌지 걱정해야 할까? 

 

몰리를 보자 저절로 그를 껴안게 됐다. 또 지금 하고 있는 프로젝트와 가족의 안부에 대해 잠깐씩 물어볼 수밖에 없었다. 심지어 알리야는 몰리처럼 카레를 넣은 달걀 샐러드를 주문했다. 하지만 웨이트리스가 떠나자마자 몰리는 본론으로 들어갔다. “우리가 하루에 수십 번 이메일을 주고받지만, 이건 공식적인 인터뷰라고 생각하고 싶어요.”

 

알리야는 웃었다. “당연하죠.”

18_56_234_3

크리스틴의 조언대로 알리야는 에드에게 던진 질문과 같거나 비슷한 내용을 물었다.

 

대부분의 채용 매니저들이 기본적으로 비체계적 인터뷰 방식을 선택하지만, 이는 후보자의 실제 업무능력을 제대로 예측하지 못한다는 연구결과가 많이 나와 있다. 

 

 

“어떤 동기로 이 자리에 지원했는지 얘기해 주세요.” 알리야가 입을 열었다. 어색하게 느껴졌다. 알리야는 이미 대답을 알고 있었지만 몰리가 원하는 대로 마치 가까운 동료가 아닌 듯 계속했다. 몰리는 질문에 대한 답변을 통해 사업에 대한 지식을 풍부하게 보여 주었고, 어떻게 여러 프로그램 전반에 걸쳐 타 부서와 협력하고 어떻게 월정기구매 프로그램의 성공을 이어나갈지 좋은 아이디어를 제시했다. 몰리는 에드만큼 탁월하고 생각이 깊었다. 하지만 게다가 더 따뜻하고 자기 자신을 잘 파악하고 있는 것 같았다.

 

 

사무실로 돌아오며 알리야는 자신의 수제자 격인 몰리가 인터뷰에서 홈런을 쳤다고 생각했다. 몰리 얼굴에 비친 미소를 보면서 몰리 스스로도 잘했다고 확신하고 있음을 알았다.

 

알고리즘

18_56_234_5

앤의 송별회 다음날 알리야는 크리스틴과 인재분석팀people analytics team의 데이터과학자인 브래드 빕슨을 만났다.

 

“인터뷰를 정리해 보니 부사장님 마음이 몰리에게 기울고 있다는 걸 알겠네요.” 크리스틴이 말문을 열었다. “하지만 더 많은 데이터를 보여드리고 싶었습니다.”

 

브래드가 여러 색깔의 도표 두 개를 건넸다. “BBI에서 몰리와 에드의 이메일과 회의기록으로 작성한 네트워크 분석입니다. 동의를 받았고요, 내용은 보지 않고 단지 이 분들이 지난 6개월 동안 회사 전체에 걸쳐 누구와 연락했는지 분석했습니다.”

 

네트워크 분석을 통해 평소에 보기 힘든 패턴을 찾을 수 있다. 예를 들어 사내 비공식 정보 흐름의 가운데 서 있는 사람이 누구인지 파악할 수 있다. 

 

 

이 도표는 에드가 자기가 속한 화장품 부문 내 동료뿐 아니라 다른 그룹의 핵심인물들과 연결되어 있음을 분명히 보여주고 있었다. 몰리의 인적 네트워크는 주로 청소용품사업부 내에 있었다.

 

 

“우리가 이런 분석을 하는 줄 몰랐네요.” 알리야가 말했다.

 

브래드는네트워크 분석은 이제 막 시작했으며 유용한 인사이트를 발견할 수 있을 거라 생각합니다라고 대답했다.

 

크리스틴이 이어 말했다. “차트 하나로 결정을 바꾸진 않으시겠지만 데이터는 있는 게 좋죠. 그렇죠? 데이터 없이는 신제품이나 새로운 광고를 출시하지 않잖아요. HR 관련 결정도 같은 방식으로 접근해야 합니다.”

크리스틴이 신규 계획을 홍보하면서 수없이 되풀이한 내용이었다. “저희 알고리즘을 사용한 결정이 더 논리적이고 강력하며 개인적 감정에 치우치는 경우가 덜 하다고 확신합니다.” 크리스틴이 덧붙였다.

 

알리야는 브래드에게 물었다. “같은 생각이겠죠?”

 

“물론입니다.” 브래드가 크리스틴의 반응을 살피며 대답했다. “하지만 저는 데이터과학자로서 건전한 비판도 함께 가져보자고 장려합니다. 우리의 알고리즘은 아주 새로운 것입니다. 지금까지 3건의 승진자 결정에 사용했지만, 그 사람들의 성과가 어떤지 판단을 내리기는 너무 이릅니다. 저희가 이 알고리즘에 대해 100% 자신한다는 인상을 주고 싶지는 않습니다.”

 

연구진들은알고리즘 혐오(algorithm aversion)’라는 현상을 발견했다. 데이터 기반 예측이 직관적인 인간의 예측보다 높은 성공률을 보여도 사람들은 종종 직관적 판단을 선호한다. 그리고 알고리즘이 불완전하다고 알려지면 그냥 사용하지 않는다. 

 

 

크리스틴은 불쾌한 듯 보였다. “브래드, 주의를 줘서 고마워요. 하지만 채용담당 매니저들에게 듣자 하니, 알고리즘의 추천을 받고 나서 포지션과 후보자에 대한 사고방식이 바뀌었다고 합니다. 시스템을 도입한 지 벌써 몇 달이 지났고요.”

 

 

알리야는 한숨을 쉬었다. “알고리즘을 좀 더 제대로 이해할 수 있다면 믿음이 더 갈 텐데요.” 알리야는 주저하는 사람이 자신만이 아니라는 사실을 알았다. 크리스틴의 팀은 전사적으로 교육을 실시했지만 방법론에 대해 수많은 질문을 받았다.

 

미국 여론조사기관 퓨리서치센터(Pew Research Center)의 연구에 따르면 관리자와 마찬가지로 후보자들도 알고리즘에 회의적인 태도를 보였다. 76%에 달하는 대다수의 미국인은 채용 결정시 컴퓨터 프로그램을 사용하는 자리에 지원하지 않겠다고 말했다. 

 

 

“알고리즘이 어떻게 작동하는지 얼마든지 더 설명해 드릴 수 있습니다. 하지만 지금은 두 후보에게 집중해야 합니다. 요점은 시스템이 부사장님 대신 결정을 내리지는 않는다는 거예요. 시스템 없이는 알 수 없는 유능한 사람들을 발굴해 더 충분한 정보에 입각한 결정을 내리도록 도와드리는 게 목표입니다라고 크리스틴이 말했다.

 

 

브래드는데이터의 활용을 늘리고 직감에 대한 의존도를 낮추어서 선입견 없이 의사결정을 내리는 데 도움이 될 겁니다라고 말했다.

 

알리야는 브래드가 자신이 편파적으로 몰리를 선호한다고 생각하는지 궁금했다. 그 점이 걱정되자 객관적인 결정을 내릴 수 있을지 크게 마음이 쓰였다. 새로운 시스템을 믿으면 도움이 될까?

 

“하지만 알고리즘도 완전히 중립적이지는 않죠?” 알리야가 물었다. 여전히 편견이 녹아 있는 업적평가나 이력서 같은 정보에 의존하잖아요.”

 

데이터과학자 캐시 오닐(Cathy O'Neil)은 자신의 저서 <   대량살상 수학무기   >에서 경고했다. 과거 데이터를 사용해 알고리즘을 쉽게 생성할 수 있으며 이를 이용해 의사결정 프로세스의 효율성을 개선할 수는 있다. 하지만 사람들은 종종 알고리즘이 퍼뜨릴 수 있는 편견을 이해하지 못하고 있다. 

 

“맞는 말씀이에요.” 크리스틴이 인정했다. “그래서 그런 요소를 통제하려고 애를 많이 썼습니다. 하지만 우리는 데이터 중심의 기업입니다. 비즈니스에서 가장 중요한 부분인 인적자원 관리에도 우리의 접근 방식을 확장해야 합니다.”

 

 

고객 분석을 위한 알고리즘 사용과 직원을 대상으로 하는 알고리즘의 사용은 어떻게 다른가? 기업은 이런 방법론을 시행할 때 내부적으로 더욱 신중해야 할까? 

 

 

“크리스틴 님은 이 자리에 에드를 밀고 계신 듯하네요.”라고 알리야가 말했다.

 

 

“잊지 마세요. 저는 더 넓게 봐야 합니다.” 크리스틴이 대답했다. “우리는 어떤 유망한 인재가 BBI를 떠날 위험이 있는지 보기 위해 분석을 했고 에드가 리스트 거의 맨 위에 있었습니다. 화장품 사업부에는 자리가 날 가능성이 없기 때문에 에드를 잡고 싶어요.”

 

“하지만 몰리는 어떡하죠?” 알리야가 말했다. “그 친구가 이 자리를 놓치면 엄청나게 충격을 받고 이직을 생각할 겁니다.”

 

“저희의 분석 결과 몰리는 이직 위험이 높게 나오지 않았습니다. 하지만 부사장님이 옳을 수도 있죠.” 브래드가 말했다.

 

결정의 시간

 

일주일 후에도 알리야는 전혀 마음을 결정하지 못했다. 몰리를 피해 다니면서 브래드의 분석자료를 서랍에 넣어 두고 있었다. 에드는 분명히 자질이 충분했고 깊은 인상을 남겼다. 하지만 알리야는 몰리가 일을 맡을 준비가 돼 있음을 직관적으로 알았다.

 

알리야는 가깝다는 이유로 몰리를 선호했을까? 몰리는 승진에서 제외되더라도 BBI에 남을까?

알리야는 결정을 내려야 했다. 알고리즘을 신뢰할 것인가 아니면 직감인가?

 

제프리 폴저

제프리 폴저(Jeffrey T. Polzer)는 하버드경영대학원 조직행동 전공의 UPS재단 교수다. 인적자원 관리를 강의하고 있다. HBR 가상으로 만든 케이스스터디는 실제 기업에서 리더가 직면한 문제를 제시하고 전문가의 솔루션을 제공한다. 이번 사례는 하버드경영대학원 제프리 폴저와 마이클 노리스(Michael Norris) 교수의 케이스스터디 <   Susan Cassidy at Bertram Gilman International (case no. 417-053)   >을 기반으로 한다.

다음 페이지의 전문가 의견을 보세요

 

알리야는 몰리와 에드 중 누구를 선택해야 할까?

전문가 의견

 

수년간 열성적으로 인재 분석을 직접 시행해 본 사람으로서, 나는 인간의 판단을 대체할 목적이 아니라 보완하는 차원에서 인재 분석을 적용하는 것이 최선이라 생각한다. 예를 들면 어떤 역할을 놓고 채용 매니저가 검토할 후보자 그룹을 넓히기 위해 알고리즘을 사용할 수 있다. BBI의 경우 인재 분석 시스템은 알려지지 않은 후보자인 에드를 발굴함으로써 훌륭하게 역할을 수행했다.

 

하지만 알고리즘이 알리야를 대신해 승진 결정을 내리려면 그에 대한 입증 책임이 매우 높아진다. 내가 보기에 BBI가 과거 세 가지 결정을 내린 실적으로 시스템 안정성을 입증하기는 부족하다. 채용과 승진 문제 관련해서는 무엇보다 특정한 선택을 한 이유를 설명할 수 있어야 한다. 알리야가 시스템의 방법론을 더 명확하게 알고 싶어 한 행동은 바람직하다. 알고리즘이 어떤 후보를 추천하는지만 아니라 무슨 기준을 적용하는지 알아야 한다.

 

그렇다면 나는 알리야에게 어떤 충고를 할 수 있을까? 알리야는 그 자리에 사람을 뽑아서 무엇을 달성하고 싶은지 명확하게 정의를 내려야 한다. 알고리즘으로서는 판단하기 힘든 일이다. 그리고 명확한 정의에 근거해 결정을 내려야 한다. 만일 알리야가 재능 있는 마케팅 디렉터를 최대한 빨리 합류시키고 신임 디렉터가 즉시 최대한 신속하게 활약을 펼치기 바란다면, 몰리가 더 적합해 보인다. 만약 회사의 다른 부서와의 협력 증대에 더욱 관심이 간다면, 폭넓은 관계 네트워크를 지닌 에드가 더 현명한 선택으로 보인다. 어느 쪽이든 알리야가 결정권을 지니고 왜 그런 결정을 내렸는지 설명할 수 있어야 한다.

 

이상적인 경우 BBI는 객관적이고 편견 없는 채용 결정을 내리기 위해 노력할 것이다. 그러기 위해서 체계적인 인터뷰 절차와 평가 프로세스를 짜고 기준을 미리 세우며 후보자의 능력을 평가할 상중하 등급을 정의한다. 회사는 폭넓게 지원자를 모으기 위해 모든 채용을 사내 공모로 시행한다. 여러 사람이 평가에 참여하고 지원자 평가를 맡지 않았던 사람들이 최종 결정을 내린다. 인재 분석은 절차를 수립하고 잠재적 후보자를 추천하며 내린 결정들이 실무 현장의 성과에 어떤 영향을 끼치는지 살펴보는 용도로 활용할 수 있다. 본 사례에서는 그런 모습을 보기 힘들었다. 알리야는 BBI의 기존 프로세스와 자신이 알고 있는 정보, 목표에 바탕을 두고 후보자 중 한 명을 골라야 한다.

 

우리 구글의 관리자들은 일방적으로 채용 및 승진 결정을 내리지 않는다. 채용 기회는 모두 사내에 공개돼 누구나 자유롭게 지원할 수 있다. 독립적인 위원회가 지원자들을 평가한다. 위원회는 직무 성공 요소를 열거한 체계적인 채점표rublic를 사용한다. 우리는 이 프로세스의 결과를 분석해서 인사 결정의 품질을 높인다. 예를 들어 뽑힌 사람들이 새로운 자리에서 성공적으로 일하고 있는지를 조사한다.

 

구글의 인재분석그룹이 출범했을 때, 우리는 데이터와 분석을 바탕으로 모든 인사 결정을 내리겠다고 목표를 세웠다. 그 이후 10년 동안 데이터 위주의 HR 의사결정이 지닌 한계를 목격했다. 이제 우리는 채용 과정에서 리더들의 역할을 약화시키려 하지 않고, 리더들이 좀 더 확신을 가지고 결정을 내릴 수 있게 데이터와 맥락을 제공하려 한다. 오늘날 우리 팀은모든 사람이 데이터와 분석을 기반으로 의사결정을 하도록 돕자라는 슬로건 아래 힘을 모은다.

 

알고리즘이 알리야를 대신해 승진 결정을 내리려면 입증 책임이 매우 높아진다.

 

알리야는 알고리즘이 아니라 직관을 믿어야 한다.

 

오직 자신만이 어떤 마케팅 디렉터를 진심으로 필요로 하는지 알고 있으며 몰리가 분명히 자질을 지니고 있다.

 

나는 넷플릭스에서 일하던 시절, 수많은 데이터분석 회사의 제안을 받았다. 자기들이 개발한 알고리즘으로 우리가 더 나은 인사 관련 의사결정을 내리게 도와주겠다고 약속했다. 하지만 투자 대비 효과가 없어 보였다. 당시 우리는 직원 규모가 몇천 명이었고 최고인재들은 이미 사내에서 충분히 두각을 나타내고 있었기 때문에 알고리즘이 의사결정을 어떻게 크게 향상시킬지 상상하기 어려웠다. BBI는 넷플릭스보다 규모가 훨씬 크기 때문에 그런 차원에서 AI가 더 유용할 수 있다. 하지만 지금 결정은 알리야에게 달렸다.

 

물론 알리야는 관리자를 뽑을 때 우수 사례를 따르고 팀 전체를 고려해 분석해야 한다. 현재 구성은 어떻고 새로 승진한 디렉터는 어떻게 어울릴까? 사업부문이 잘 운영되고 있다고 증명하려면 6개월에서 1년 사이 어떤 성과를 내야 할까? 그리고 적절하게 지원해 준다면, 어떤 후보자가 성과를 달성할 가능성이 가장 큰가?

 

알리야는 또한 후배로 여기고 수년간 가까이서 일한 여성을 향한 자신의 편견에 당연히 의문을 가질 수 있다. 채용 매니저들은 흔히똑똑하고, 혼자라도 믿음직하며, 주어진 역할에 뛰어들 준비가 된 사람을 찾는다라고 말한다. 그리고 자기가 제일 좋아하는 사람이 그렇게 보이는 경우가 생긴다. 이를 꼭 명백한 편견이라고 보기는 힘들다. 이는 많은 경우 잘 모르는 후보자를 선택함에서 오는 위험을 감수하고 싶지 않은 생각에서 비롯한다.

 

알리야가 몰리가 여자라서 선호한다는 증거는 아무데도 보이지 않는다. 하지만 나는 이 경우 성별을 고려해야 한다고 생각한다. 연구진들은 여성이 남성과 같은 비율로 승진하지 못한다는 사실을 거듭해서 보여주었다. HR 분야에서 일하는 내내 나는 남성들이 여성 후보자를 고려하다가 남자를 선택하는 사례를 보았다. 그런 사람들은그녀가 자질이 충분합니다. 하지만 지금 당장 올라갈 준비가 된 사람을 찾고 있으며 그녀가 새로운 자리에서 실패하게 만들고 싶지 않습니다라고 말하곤 했다. 당연히 여성에게 실패할 기회를 주지 않는다면 승리하게 해줄 수도 없다. 나는 몰리가 이 기회를 얻지 못하면 다른 기회가 없을지도 모른다고 걱정이 된다.

 

크리스틴은 알고리즘에 편견이 없다고 내세운다. 하지만 방법론과 사용한 기준에 대해 자세히 설명해 주지 않으면 그 주장이 맞는지 확신하기 힘들다.

 

크리스틴은 알고리즘에 편견이 없다고 내세운다. 하지만 방법론과 사용한 기준에 대해 자세히 설명해 주지 않으면 그 주장이 맞는지 확신하기 힘들다. 사실, 나는 브래드가 미팅에서 보여준 네트워크 데이터에 특히 의문이 생긴다. 에드는 많은 미팅에 초대받아 더 많은 사람과 접촉하면서 연락하는 사람이 많은 게 아닐까? 남자이기 때문에 빛나 보일 기회를 더 많이 접하지 않았을까? 내가 알리야라면 브래드가 보여준 네트워크 지도가 회사 전체 남성과 여성들의 경우 어떤 모습인지 물어보고 싶다.

 

여기서 성 역할gender role이 바뀌면 아마 나는 다른 충고를 할 것이라고 인정한다. , 친숙한 남성 후보자를 선호하는 남성 채용 매니저에게 알고리즘이 여성을 추천한 경우 이야기가 달라진다. 본 사례에서 알고리즘은 의외의 인물을 추천해 역할을 충분히 다했다. 하지만 알리야가 자신의 선입관을 의식적으로 배제하고 객관적으로 누가 그 자리에 가장 적합한지를 고려해 공정하게 분석을 한 다음에도 여전히 몰리를 선호한다면, 자신의 직감을 신뢰하고 몰리를 승진시켜야 한다.

 

HBR 웹사이트 게시판에 올라온 조언

개인의 문제다

알고리즘은 잠재적 후보자를 찾는 데 도움이 되지만 직원이 새로운 팀에 얼마나 잘 어울릴 수 있는지 판단하지는 못한다. 개인적인 성격, 같이 일하는 능력처럼 명확하지 않은 요소들은 알고리즘이 객관적으로 판단할 수 없다.

도르피다 찰스 Thorfida Charles, Reliance Professional Systems and Services 선임 컨설턴트

 

에드를 선택해야 한다

에드가 더 적임자라는 사실은 데이터뿐 아니라 면접 결과에서도 잘 나타났다. 몰리는 부당하게 혜택을 보고 있다. 에드 대신 몰리를 승진시키면 편파적이고 사적인 의견으로 내린 결정으로 평가받을 것이다.

윌리엄 커밍스 William Cummings, PR Newswire/Cision 임원

 

잠시 기다려 보자

나라면 후보자가 어떤 기준의 특정 비율(예를 들어 80% 이상)에 맞아야 고려한다는 규칙을 도입하겠다. 그런 다음 직속 상사가 의사결정 프로세스를 이끌어야 한다. 데이터가 투입되면 알고리즘은 학습을 통해 더 정교해질 것이다. 그러는 동안 1년이 지나면 알고리즘은 더욱 안정될 것이다.

대니얼 바카신 Daniel Vacassin, 인디고골드Indigogold 창업자 

 

 

 

 

번역: 박정엽 / 에디팅: 조진서

18_56_234_8

프라사드 세티Prasad Setty는 구글의 인재분석팀을 이끌고 있다.

 

18_56_234_9

패티 매코드Patty McCord는 전직 넷플릭스의 최고인재책임자Chief Talent Officer로서 스타트업과 기업가들의 자문을 맡고 있다.

 

페이스북 트위터

2018 5-6월(합본호) 다른 아티클 보기

목록보기

무료 열람 가능 아티클 수 0/1 회원가입 | 서비스상품안내