Convergence Security Journal (융합보안논문지)

Korea convergence Security Association (한국융합보안학회)
권호 표지
DOI QR코드

DOI QR Code

A Study on intention to use Generative AI-based human resource management system

생성형 AI 기반 인사관리 시스템 사용 의도에 관한 연구

  • 박정욱 (숭실대학교 IT정책경영학과) ;
  • 김광용 (숭실대학교 경영학부)
  • Received : 2024.08.14
  • Accepted : 2024.09.06
  • Published : 2024.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

This study is an empirical study on the factors affecting the intention to use the Generative AI-based human resource management system (GAI-HRMS), which is suggested as an alternative to overcoming the closed human management limitations by intuition and control of existing human resources managers. Based on the information system success model and technology acceptance model, research models and hypotheses were established, and a survey was conducted on those who have experience using Generative AI such as chatbots, and those who have used human resources management systems. As a result of empirical analysis using IBM SPSS 22.0 for 150 valid surveys, the independent variables convenience, security, suitability, accessibility, and value had a positive effect on perceived ease of use, and convenience, suitability, consistency, accessibility, and value had a positive effect on perceived usefulness. Both perceived ease of use and perceived usefulness, which are parameters, were found to have a positive effect on the intention to use. The results of this study are significant in that they presented significance and practical implications as a relatively previous study on the intention to use GAI-HRMS, which argues that it can be a solution to efficient human resource management by minimizing judgment errors based on the intuition of the person in charge.

본 연구는 기존 인사담당자의 직관과 통제에 의한 폐쇄적 인사관리 한계를 극복하기 위한 대안으로 제시되고 있는 생성형 AI기반 인사관리시스템(Generative AI-based human resource management system: GAI-HRMS)의 사용 의도에 미치는 영향요인에 대한 실증적 연구로써, 정보시스템 성공 모델과 기술 수용 모델을 기반으로 연구모형과 가설을 설정하고, 챗봇 등 생성형 AI 사용경험을 갖고 있으며, 인사관리 시스템을 사용한 경험이 있는 계층을 대상으로 설문조사를 진행하였고, 유효설문 150부를 IBM SPSS 22.0를 활용한 실증분석 결과, 독립변수인 편리성, 보안성, 적합성, 접근성, 가치성은 지각된 사용 용이성에 그리고, 편리성, 적합성, 일관성, 접근성, 가치성은 지각된 유용성에 긍정적인 영향을 미쳤다. 매개변수인 지각된 사용 용이성과 지각된 유용성 모두 사용 의도에 긍정적인 영향을 미치는 것으로 나타났다. 이 연구 결과는 담당자의 직관에 의한 판단 오류를 최소화함으로써 효율적인 인적자원 관리의 해법이 될 수 있다고 주장하는 GAI-HRMS 사용 의도에 관한 비교적 선행 연구로서 의의와 실무적 시사점을 제시하였다는데 의의가 있다.

Keywords

1. 서론

4차 산업혁명과 디지털 전환의 핵심 기술인 AI는 단순 자동화 기능을 넘어 인간의 지적사고 기능 까지 수행하는 수준으로 발전하고 있다[1]. 특히 인공지능과 빅데이터로 대변되는 기술혁명이 2020년까지 510만 개의 일자리를 사라지게 할 것이라는 충격적인 보고서로 인해 전 세계 사람들의 관심이 집중되었다[2]. Frey and Osborn(2013)이 향후 10년에서 20년 사이에 미국 내 일자리 47%가 컴퓨터에 의해 대체 될 것이라는 연구결과를 발표하는 등 기술혁명이 초래하는 산업구조의 변화와 일자리의 소멸에 대한 지적이 있었기 때문이었다[3]. 이는 인공지능 로봇이 언젠가 인간을 지배할 것이라는 생각은 상상의 영역을 넘어서 진지한 논쟁의 주제로 부각 되었다[4][5][6]. 인공지능의 역사는 1950년대로 거술러 올라가 영국의 수학자 앨런 튜닝(Alan Tuning)에 의해 기계도 생각 할 수 있다는 개념이 제기 되었고, 1956년 다트머스 회의(Dartmouth Conference)에서 “인간의 학습, 추론, 지각, 판단력 등을 가진 스스로 성장 가능한 기계’로 정의하고 이를 구현할 수 있는 기술들을 통칭한다 하였다[7]. 하지만, 모든 사람이 비관적 입장을 취하는 것은 아니다. Autour(2015)는 기술혁명이 기존의 일자리를 없앨 수도 있지만, 그와 동시에 새로운 일자리를 만들어낸다는 점을 들어서 일자리 소멸론을 반박했으며[8], 이러한 주장은 많은 학자들이 지지하고 있다[6][9]. 어떤 주장이 맞는 것인지는 시대적 배경과 경제적 환경에 따라 다르겠지만, 중요한 것은 기업 경영에 있어 기술혁명이 초래하는 새로운 시대에 적응하고 활용해야 하는데, 이는 새로운 기술혁명은 그에 부합하는 인사관리 전략과 방식을 필요로 하기 때문이다 [6][10][11]. 이러한 가정은 2022년 말, 미국의 OPEN AI사에서 거대언어모델(Large Language Model :LLM)을 탑재한 챗 GPT (Generative Pre-trained Transformer) 3.5를 출시 하면서 인류는 거대한 기술적 변혁의 쓰나미를 맞이했기 때문이다. 아울러 축적되는 데이터를 기반으로 하는 인공지능 기반 인사관리 시스템 (AI-Human Resource Management System:AI-HRMS) 도입을 통해 담당자의 직관에 의한 판단 오류를 최소화함으로써 공정성을 확보하고 효율적인 인사관리의 해법이 될 수 있다는 주장[12]을 기반으로, IT환경과 정책 변화에 대응하고 인사담당자의 업무를 경감시키고 공정성을 높이는 방식으로, 인사관리의 해법을 찾을 수 있다고 판단된다. 본 연구는 이러한 질문에 대한 답을 모색하는 것을 목적으로 하고 있으며, 생성형 AI를 기반으로 한 인사관리 시스템을 어떻게 바라보고 활용할 것인가에 대한 사전 연구단계로서, 직장내 다양한 계층들의 생성형 AI 기반 인사관리시스템의 사용 의도에 영향을 미치는 요인에 관한 연구를 통해, 생성형 AI 기반 인사관리 시스템(Generative AI-based human resource management system: GAI-HRMS)의 나아갈 방향과 극복할 한계점등을 제언 하고자 한다

2. 이론적 배경

2.1 생성형 인공지능 개념과 현황

빅데이터, 사물인터넷(IoT), 클라우드, 3D 프린팅, 유전자공학, 나노기술, 블록체인 등 다양한 기술들이 결합된 결과물인 기술혁명에 있어, 우리가 인공지능에 초점을 맞추는 이유는, 인공지능이 다양한 기술들을 하나로 묶는 중심 역할을 하고 있기 때문이다[6]. 그러나 정작 인공지능에 대해 확정적 정의가 존재하지 않는 상황인데, 이는 인공지능에 대한 다양한 관점과 인공지능의 빠른 발전속도 때문에 연구자들마다 각각의 정의를 내리고 있기 때문이다. 생성형 AI에 대한 정의를 요약하면, 기존 데이터에서 패턴을 학습하여 새로운 데이터를 생성하는 AI의 한 분야이다[13]. 2014년 이안 굿펠로우(Ian Goodfellow)는 ‘GANs(GenerativeAdversarial Networks, 생성적 적대 신경망)’ 모델을 발표하면서 생성형 AI의 개념의 초석을 마련했다고 볼 수 있다[14]. GANs는 두 신경망이 경쟁적으로 학습을 반복하면서 정교한 데이터를 완성하는 개념인데, 현재까지 이미지 생성과 변환 등 다양하게 응용되고 있으며, 2017년에는 데이터간의 관계를 중요한 변수로 고려하는 자연어처리(Natural Language Processing, NLP) 모델인 ‘트랜스포머’ 가 발표되면서, 언어이해와 기계 번역 그리고 대화형 시스템등 자연어처리 분야에 일대 혁신을 가져오면서 거대언어모델(Large Language Model:LLM) 출현의 기반이 되었다. 이후 2018년 챗 GPT 첫 개발에 성공했고 2022년 말 챗 GPT 3.5가 출시되면서, 명실상부한 생성형 AI 시대가 열리게 되었다. 이후 다양한 유형의 생성형 AI모델이 출시되었고, 시장은 급성장 하였다. 글로벌 시장 조사기관 POLARIS의 자료에 의하면 2022년 106억 3천만 달러 규모의 생성형 AI 시장은 연 평균 34.2%씩 성장하여 2032년에는 2,007억 3천만 달러 규모로 전망되며[15], IoT Analytics가 발표한 최신 “What CEOs talked about” 보고서에 의하면 2023년 2분기 글로벌 CEO들의 최대 관심 주제가 생성형 AI였다는 것에서 이를 확인할 수 있다[16].

생성형 AI기반 인사관리 시스템은(Generative AI-based human resource management system: GAI-HRMS)은 생성형 AI의 출현에 따른 일하는 방식 및 조직 내 변화를 이러한 생성형 AI의 특징과 연계, 인사업무별 특성에 맞게 적용하여, 인사관리 시스템 사용자의 편의성 증진을 통해 만족도를 제고 하려는 시도의 산물이며, 챗봇 등과 같이 대화형 상호작용 인공지능을 통해 회사 내부 인사데이터에 한정하여 조직 구성원이 원하는 인사정보를 제공하는 시스템으로 정의할 수 있다. GAI-HRMS는 이미 글로벌기업을 중심으로 다양한 분야에서 활용이 되고 있다. 첫째, 가장 활발하게 사용되는 분야는 채용 분야로, 챗 GPT가 많이 사용되고 있으며, 챗 GPT 3.5와 4 모델로 나눈 뒤 인사담당자 9명이 자기소개서를 평가한 것과 GPT가 평가한 것을 비교분석 한 결과 어느 정도 점수가 일치한다는 것을 그림1과 그림2 서 확인 할 수 있다[17].

SOBTCQ_2024_v24n4_25_3_f0001.png 이미지

(그림 1) GPT-4 모델과 GPT-3.5 모델의 인간 평가자 점수와 상관관계 비교

SOBTCQ_2024_v24n4_25_3_f0002.png 이미지

(그림 2) GPT-4 모델과 GPT-3.5 모델의 Top-k 일치도 비교

챗 GPT가 데이터 분석과 판별 소요시간을 획기적으로 단축함으로써 사용자와 지원자 모두 만족도가 향상되는 도입 효과를 보고 있다고 발표되고 있다. 둘째, 직원 개인별 특성을 입력하여 직원별 적절한 역할과 직무를 매칭시켜 주고, 필요한 직무역량을 정의하고 안내하여 경력관리에 도움을 주기도 하는데, 대표적인 애플리케이션은 에이트폴드(Eightfold), 시크아웃(Seekout), 라이트캐스트(Lightcast)와 글로트(Gloat) 등이 있다. 셋째, 구성원에 대한 역량진단과 직무특성에 맞는 역량개발 로드맵을 제시해 주면서 성장비젼을 제시하는데 사용되는데, 대표적인 애플리케이션으로는 ‘비바클린트(Viva Glint)’가 있으며, ‘비바골(Viva Goal)’ 같이 목표 대비 달성도를 확인해 주는 것들이 대표적이다. 마지막으로 데이터 분석 분야에서, 기존에는 특정 통계 프로그램을 통해 분석과 예측을 했다면, 지금은 자연어 입력만으로 차이-영향-예측 분석에 활용하고 있으며, 원하는 결과를 시각화 자료까지 보여줌으로써 입력된 데이터가 정확하다면 문제점을 90%까지 해석할 수 있다는 발표도 있다[18]. 대표적인 애플리케이션으로는 ‘챗 GPT’ ‘클로드’ 와 ‘제미나이’등이 있다. 이렇듯 다양한 인사 관리 분야에서 생성형 AI가 사용되면서, 단순반복되는 데이터 분석과 가공부문에 있어서는 확실한 대체제가 될 것으로 생각 되며, 담당자의 직관에 의한 판단 오류를 최소화함으로써 인사관리의 공정성을 높이는 방식으로, GAI-HRMS 사용 의도를 높여 갈 것으로 판단되고 있다.

2.2 기술수용모델(Technology AcceptanceModel:TAM)

기술수용모델(Technology Acceptance Model:TAM)은 신념(행동적, 규범적), 태도, 의도, 행위 사이의 관계에 관심을 두고 태도와 행위 간의 관계를 찾기 위해 개발된 합리적 행동이론(Theory of reasoned action: TRA)을 확장하여 Davis(1989)에 의해 도입되었다[19]. 그는 지각된 사용 용이성(Perceived Ease of Use)과 지각된 유용성(Perceived Usefulness) 두 개념을 이용하여 새로운 혁신기술을 수용하려는 행동의도와 태도 간의 상관관계를 실증분석하였다[20][21]. TAM은 주로 새로 도입예정인 시스템이나 기술에 대한 사용 의도에 사용되는 연구모형으로, 관련 선행연구를 살펴보면, 인사관리자의 인적자원관리 관행에 대한 몰입이 인공 지능 수용에 미치는 영향[22], IT 중소기업의 인공지능기반 인사관리 시스템 도입 의도에 영향을 미치는 요인에 관한 연구[12], 가상세계 메타버스 이용 의도에 영향을 미치는 요인에 관한 연구[23], 채용인공지능에서 인간-인공지능간의 협업 수준에 따른 수용의도 연구[24], 정부의 인공지능 (AI) 기반 서비스에 대한 국민의 사용 의향 분석: 공공가치와 확장된 기술수용모형을 중심으로[25], 인공지능 서비스의 사용자 수용 의도에 관한 연구:대화형 AI 서비스 필요성에 대한 인식에 영향을 주는 요인을 중심으로[26], 소비자의 기술수용과 저항이 인공지능(AI) 사용 의도에 미치는 영향[27], 혁신적 관점에서 혁신정보 기술에 대한 소비자의 수용도를 측정한 연구등과 같이 주로 신기술과 시스템에 대한 사용 의도 중심으로 연구했음을 살펴 볼 수 있다[28][29]. 명료하지만 지나치게 단순해 보이는 기술수용모델의 한계 극복위해 외부 변수를 사회적 영향(주관적 규범, 자발성, 이미지)과 인지적 도구 프로세스(직무 관련성, 출력품질, 결과 시현성, 지각된 용이성)로 확장한 기술수용모델(TAM2 또는 ETAM: Expanded Technology Acceptance Model)과 같이 연구모형의 설명력을 높이려는 시도를 계속하였다[30][31][32]. 이처럼 TAM은 사용자의 신념, 태도 그리고 행동 의도에 대한 외부요소들의 영향력을 추적할 수 있고 정보기술 및 제품들의 수용과 확산을 설명하는 간결하면서 강력한 특성을 가지고 있음을 알 수 있다[20][33].

2.3 정보시스템 성공모델(Information System Success Model:ISSM)

기술의 급격한 발전으로 정보시스템의 성능과 효율성이 빠르게 개선되었고, 이를 기반으로 다양한 온라인 기반의 IT서비스가 증가함에 따라, 정보시스템(Information System, IS)의 성과를 평가하고 설명하기 위해 DeLone and McLean(1992, 2003)에 의해 제안된 것이 정보시스템 성공 모델로, 정보시스템의 다양한 성공 요인들을 통합적으로 분석하고, 평가에 관한 연구 중에서 가장 대표적인 모델로서, 정보시스템이 제공하는 정보의 정의를 정보시스템의 산출물 또는 커뮤니케이션 시스템의 메시지로 정의하였으며, 각각 다른 수준에서 측정될 수 있음을 제시하였다[34]. 그들은 1992년 그들의 모델이 발표된지 10년 후인 2003년에 기존 모델에 대한 많은 연구들의 평가에 기반을 두어 정보시스템의 성공을 다각도로 평가할 수 있는 통합적 프레임워크를 제공하였는데, 시스템 품질, 정보 품질, 서비스 품질, 시스템 사용, 사용자 만족도, 개인적 영향, 그리고 조직적 영향 등 다양한 요소들이 상호작용하여 정보시스템의 성공을 결정하는 개선된 정보시스템 성공 모델을 제안 하였다[35]. 이러한 이론적 기초를 바탕으로 IS SUCCESS 모델은 이미 사용 중인 정보시스템의 성과를 체계적으로 분석하고 평가하는 데 중요한 도구로 활용 되고 있다.

3. 연구모형 및 가설

3.1 연구모형

본 연구는 인간의 직관에 의한 판단 오류를 극복하고자 생성형 AI 기반의 인사관리 시스템(GAI HRMS)에 대한 연구와 상품 출시가 본격화 되는 시점이지만, 관련 이론적 정의와 선행연구가 부족한 점을 감안, GAI-HRMS의 특성인 기존 시스템과 신기술의 접목을 반영, DeLone& McLean(2003)의 정보시스템 성공모형(Information System Success Model)과 새로운 기술을 수용하는 과정의 설명을 위해 기술수용모델(TAM)을 사용하여, 독립변수들이 ‘지각된 유용성’ ‘지각된 사용 용이성’이라는 매개변수에 어떠한 영향을 미치는가를 검증하고[21], ‘지각된 유용성’ ‘지각된 사용 용이성’ 이 종속변수인 ‘사용 의도’에 미치는 영향을 검증하는 연구모형을 <그림 3>과 같이 수립하고, 변수의 조작적 정의를 실시하였다.

SOBTCQ_2024_v24n4_25_5_f0001.png 이미지

(그림 3) 연구모형

3.2 연구가설

혁신적인 정보기술의 수용차원에서 GAI-HRMS 사용 의도에 영향을 미치는 요인에 대한 분석을 위해 정보 시스템 사용의지를 설명할 수 있는 ISSM을 토대로 독립변수를 설정하였으며, TAM의 매개요인들을 매개변수로 설정하여 사용 의도에 미치는 영향도와 관계성을 고려하여 연구가설을 설정하였다.

3.2.1 시스템 품질 특성과 매개변수 관계

GAI-HRMS 시스템 품질 특성에서 편리성, 안정성, 보안성이 지각된 사용 용이성과 지각된 유용성에 미치는 영향에 관한 선행연구를 살펴보면 다음과 같다. 편리성의 경우 GAI-HRMS 사용자가 느끼는 편리한 정도로 정의를 내렸다. DeLone & McLean(2003)은 시스템 품질의 주요 변수로 편리성을 지정하였다[35], 조용구(2018)는 편리성이 사용자 만족에 긍정의 영향을 미치는 것으로 분석하였다[37]. 안정성의 경우, 사용시 오류나 중단, 끊김없이 안정적으로 사용 및 관리 된다고 인식하는 정도로, 예상치 못한 오류나 문제 없이 일관되게 작동하는 능력으로 정의되며, 이는 지속적 가용성과 성능을 보장하는 주요 요인으로 정의된다[34]. 보안성은 데이터 및 정보가 무단 접근, 변경, 파괴로부터 보호되는 정도로 정의 되는데, 이는 사이버보안 한계 극복의 중요한 도구로 생성형 AI가 중요한 요인으로 대두됨에 따라, 사용자의 신뢰를 높이고 시스템의 전체적인 성공에 중요한 요소로 작용한다고 볼 수 있다[35]. 본 연구에서는 시스템 품질의 3가지 변수요인인, 편리성, 안정성, 보안성을 사용 의도에 정(+)의 영향을 미치는 선행변수로 예측, 다음과 같이 가설을 설정하였다.

H1-1: GAI-HRMS의 편리성은 지각된 사용 용이성에 정(+)의 영향을 미칠 것이다

H1-2: GAI-HRMS 편리성은 지각된 유용성에 정(+)의 영향을 미칠 것이다

H1-3: GAI-HRMS 안정성은 지각된 사용 용이성에 정(+)의 영향을 미칠 것이다

H1-4: GAI-HRMS의 안정성은 지각된 유용성에 정(+)의 영향을 미칠 것이다

H1-5: GAI-HRMS의 보안성은 지각된 사용 용이성에 정(+)의 영향을 미칠 것이다

H1-6: GAI-HRMS의 보안성은 지각된 유용성에 정(+)의 영향을 미칠 것이다

3.2.2 정보 품질 특성과 매개변수 관계

GAI-HRMS 정보 품질 특성에서 정확성과 적합성이 지각된 사용 용이성과 지각된 유용성에 미치는 영향에 관한 선행연구를 살펴보면 다음과 같다. 정확성의 경우 정보시스템이 장기적으로 사용되면서 데이터의 정확성을 유지하고 오류 없이 작동하는 능력으로 정의된다. 이는 시스템의 지속 가능성과 안정성을 평가하는 중요한 기준이 된다[38]. 적합성은 정보시스템이 사용자의 요구와 비즈니스 목표에 맞게 설계 되고, 실제 사용시 그 목적을 달성하는 능력으로 정의된다. 이는 시스템의 유용성과 관련된 중요한 요소로 간주 된다[39]. 또한, 정보 시스템이 특정 비즈니스 환경과 요구 사항에 맞게 설계되고 구현 되어, 사용자에게 필요한 기능과 성능을 제공하는 능력으로 정의된다. 이는 시스템 사용자의 만족도와 직접적으로 관련이 있다[40]. 본 연구에서는 정보 품질의 2가지 변수요인인 정확성과 적합성을 GAI-HRMS 사용 의도에 정(+)에 영향을 미치는 선행 변수로 예상하고, 다음과 같이 가설을 설정하였다.

H2-1:　GAI-HRMS의 정확성은 지각된 사용 용이성에 정(+)의 영향을 미칠 것이다

H2-2:　GAI-HRMS의 정확성은 지각된 유용성에 정(+)의 영향을 미칠 것이다

H2-3:　GAI-HRMS의 적합성은 지각된 사용 용이성에 정(+)의 영향을 미칠 것이다

H2-4:　GAI-HRMS의 적합성은 지각된 유용성에 정(+)의 영향을 미칠 것이다

3.2.3 서비스 품질 특성과 매개변수 관계

GAI-HRMS 서비스 품질 특성에서 일관성, 접근성, 가치성이 지각된 사용 용이성과 지각된 유용성에 미치는 영향에 관한 선행연구를 살펴보면 다음과 같다. 일관성의 경우 정보시스템이 제공하는 서비스가 일관성 있게 제시 되고 관리되는 정도를 의미 한다. DeLone and McLean(2003)은 서비스가 시간과 상황에 관계없이 동일한 수준의 품질을 지속적으로 제공하는 능력으로, 이는 사용자가 시스템을 신뢰하고 반복적으로 사용할 수 있도록 하는 중요한 요소라고 정의하였다[35]. Petter, DeLone et al(2008)은, 언제나 동일한 품질의 서비스를 제공하여 사용자가 예측 가능한 경험을 할 수 있게 하는 능력으로, 이는 시스템 사용자의 신뢰를 구축하는데 중요한 역할을 한다고 정의하였다[38]. 접근성은 GAI-HRMS 정보에 접속하기 쉽다고 느끼는 정도를 의미하며, Urbach and Müller (2012)는 사용자들이 필요할 때 언제든지 시스템과 서비스를 쉽게 이용할 수 있는 정도로, 이는 시스템 사용의 용이성을 높여 사용자 만족도를 증대시키는 요소라고 정의하였다[41]. Gorla, Somers et al(2010)은, 시스템이 다양한 디바이스와 환경에서 쉽게 접근 가능하고 사용될 수 있는 능력으로, 이는 사용자 경험을 향상시키는 중요한 요인이라고 정의하였다[42]. 가치성은 GAI-HRMS 도입시 잇점이 희생(도입비용)보다 크다고 믿는 정도를 의미하는데, Rai, Lang et al (2002)은 정보시스템이 사용자와 조직에 제공하는 실질적인 혜택과 가치를 측정하는 변수로, 이는 시스템이 기대 이상의 성과를 내고 사용자에게 의미 있는 결과를 제공하는지를 평가하는 요소로 정의하였다[43]. 본 연구에서는 서비스품질의 3가지 변수요인인 일관성, 접근성, 가치성을 GAI-HRMS 사용 의도에 정(+)에 영향을 미치는 선행변수로 예상하고, 다음과 같이 가설을 설정하였다.

H3-1: GAI-HRMS의 일관성은 지각된 사용 용이성에 정(+)의 영향을 미칠 것이다

H3-2: GAI-HRMS의 일관성은 지각된 유용성에 정(+)의 영향을 미칠 것이다

H3-3: GAI-HRMS의 접근성은 지각된 사용 용이성에 정(+)의 영향을 미칠 것이다

H3-4: GAI-HRMS의 접근성은 지각된 유용성에 정(+)의 영향을 미칠 것이다

H3-5: GAI-HRMS의 가치성은 지각된 사용 용이성에 정(+)의 영향을 미칠 것이다

H3-6: GAI-HRMS의 가치성은 지각된 유용성에 정(+)의 영향을 미칠 것이다

3.2.4 매개변수와 종속변수 관계

본 연구에서 지각된 사용 용이성은 GAI-HRMS를 편리하고 쉽게 사용할 수 있다고 믿는 정도라고 정의하였으며, 지각된 유용성은 GAI-HRM을 사용함으로써 자신의 업무 성과가 향상될 것이라는 믿음의 정도, 사용 의도는 GAI-HRMS을 실제 사용하고자 하는 정도로 정의를 하였다. 매개와 종속변수간 관계에 대한 선행연구는 다음과 같이 이루어졌다. Davis(1989)는 ‘Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology’에서 지각된 사용 용이성과 지각된 유용성 두 가지 매개변수와 사용 의도에 관한 상관관계를 연구하였으며, Venkatesh, Morris et al. (2003)도 ‘User acceptance of information technology: Toward a unified view’에서 TAM 모델의 주요 변수를 체계적으로 정의하고 이를 바탕으로 기술 및 시스템의 수용을 분석하는 데 중요한 기여를 했다. 선행연구 기반으로 GAI-HRMS의 매개 변수인 지각된 사용 용이성과 지각된 유용성이 사용 의도에 영향을 미칠 것으로 추론하여 다음과 같은 가설을 설정하였다.

H4: GAI-HRMS의 지각된 사용 용이성은 사용 의도에 정(+)의 영향을 미칠 것이다

H5: GAI-HRMS의 지각된 유용성은 사용 의도에 정(+)의 영향을 미칠 것이다.

3.3 변수의 조작적 정의

본 연구에서 사용된 변수의 조작적 정의 및 측정항목은 <표 1>과 같으며 선행연구에서 검증된 설문문항을 본 연구 취지에 맞게 수정하여 사용했으며, 각 설문 문항 측정은 리커트 7점 척도를 사용하였다

<표 1> 연구변수의 조작적 정의 및 측정항목

SOBTCQ_2024_v24n4_25_7_t0001.png 이미지

4. 연구방법 및 실증분석

4. 1 조사대상 및 방법

본 연구에서는 챗봇 등 생성형 AI 사용경험을 갖고 있으며, 소속 집단 인사관리 시스템을 사용한 경험이 있어, 설문에 대한 정확한 이해와 응답을 해 줄 수 있는 계층을 대상으로 설문조사를 진행, 유효한 설문 150부를 IBM SPSS 22.0을 활용하여 분석하였다.

4.2 표본의 인구통계학적 특성

본 설문 응답자는 시스템 사용경험 보유, 성별, 역할, 학력, 회사규모, 직급, 직무, 근속, 산업군까지 총 9가지 구분으로 다양한 관점의 사용 의도를 파악하기에 적절하게 구성되어 있으며, 빈도분석 결과는 <표 2>와 같다

<표 2> 표본의 특성

SOBTCQ_2024_v24n4_25_8_t0001.png 이미지

4.3 타당성 및 신뢰성 분석

4.3.1 탐색적 요인분석 및 신뢰성 검증

본 연구에서는 GAI-HRMS 특성 및 매개/종속 변수에 대한 요인별 적재치 검증을 실시 하였다. 실시 결과 Kaiser-Meyer-Olkin(KMO) 기준값이 0.5 이상으로 적합한 수준으로 나타났으며, Bartlett의 구형성 검증 결과(p<.000) 요인분석이 통계적으로 유의하여 적합한 것으로 나타났다.

내적 일관성을 검정하기 위하여 수행한 크론바하 알파값도 모두 0.6 이상이므로 신뢰성 확보 했다고 할 수 있다. 측정도구의 판별 타당성 및 신뢰성 결과는 <표 3-1>, <표 3-2>와 같다.

<표 3-1> 독립요인 타당성 및 신뢰성 검증 결과

SOBTCQ_2024_v24n4_25_8_t0002.png 이미지

<표 3-2> 매기요인 타당성 및 신뢰성 검증 결과

SOBTCQ_2024_v24n4_25_9_t0002.png 이미지

4.3.2 가설 검증 결과

독립변수와 매개변수간 영향관계 가설검정 위해 다중회귀분석(Multiple regression analysis)을 실시하였다.

먼저, 8가지 독립요인과 지각된 사용 용이성과의 관련성 분석 결과, 과 같이 편리성(β=.209), 보안성(β=.167), 적합성(β=.106), 접근성(β=.287), 가치성(β=.222)은 모두 지각된 사용 용이성에 정(+)의 영향을 미치지만, 안전성(β=.063, p>.05),정확성(β =-.117, p>.05), 일관성(β=.082, p>.05)은 유의한 영향을 미치지 않는 것으로 나타났다.

다음, 8가지 독립요인과 지각된 유용성과의 관련성 분석 결과, 와 같이, 편리성(β=.223), 적합성(β=.155), 일관성(β=.312), 접근성(β=.155), 가치성(β =.270)은 모두 지각된 유용성에 정(+)의 영향을 미치지만, 안전성(β=-.072, p>.05), 보안성(β=-.109, p>.05), 정확성(β=.029, p>.05)은 유의한 영향을 미치지 않는 것으로 나타났다.

<표 4-1> 독립요인과 지각된 용이성간 회귀분석 결과

SOBTCQ_2024_v24n4_25_10_t0001.png 이미지

<표 4-2> 독립요인과 지각된 유용성간 회귀분석 결과

SOBTCQ_2024_v24n4_25_10_t0002.png 이미지

5. 결론

5.1 연구결과와 시사점

본 연구는 본격적인 생성형 AI시대가 열리고, ‘공정’을 중요한 판단기준으로 삼는 MZ세대가 등장함에 따라, 기존 인사담당자의 직관과 통제에 의한 폐쇄적 인사관리 한계를 극복하기 위한 해법으로, 생성형 AI기반 인사관리 시스템(Generative AI-based human resource management system: GAI-HRMS) 사용 의도에 미치는 영향 요인에 대한 실증분석을 통해 해답을 모색하고자 하였으며, 생성형 AI를 기반으로 한 인사관리 시스템을 어떻게 바라보고 활용할 것인가에 대한 사전 연구단계로서, 챗봇 등 다양한 생성형 AI 사용경험을 갖고 있으며, 인사관리 시스템을 사용한 경험이 있어, 설문에 대한 정확한 이해와 응답을 해줄수 있는 계층을 대상으로 설문조사를 진행하고, 유효한 설문 150부를 IBM SPSS 22.0를 활용하여 실시한 실증 분석 결과는 다음과 같다.

첫째, GAI-HRMS의 편리성, 보안성, 적합성, 접근성, 가치성은 모두 지각된 사용 용이성에 정(+)의 영향을 미쳤다. 이는, 시스템이 제공하는 서비스를 사용하는데 있어, 상기의 품질 특성이 사용자의 사용 편의성을 높이는데 큰 영향을 끼친다고 볼 수 있다. 이는 시스템 사용방법 및 기능에 대하여 사용자가 필요한 정보를 편하게 접근하여 사용할 수 있는 것 등이 시스템 사용 확산에 중요한 요인임을 의미한다. 둘째, GAI-HRMS의 편리성, 적합성, 일관성, 접근성, 가치성은 모두 지각된 유용성에 정(+)의 영향을 미쳤다. 이는 시스템이 제공하는 서비스 결과물의 상기 품질 특성이 사용자가 지각하는 유용함에 큰 영향을 미침을 알 수 있다. 시스템의 결과물이 사용자의 욕구에 부합하고, 품질이 일정하며, 언제 어디서든 시스템에 접근하여 충분히 가치 있는 결과를 제공 받을 수 있어야, 사용자는 편익과 혜택에 대한 효용 가치를 높게 느낀다는 것을 의미한다. 셋째, 지각된 사용 용이성과 지각된 유용성 모두 사용 의도에 정(+)의 영향을 미쳤으며, 이러한 결과는 시스템을 사용하며 지각하는 편의성과 유용성 등에 대한 사용자의 기대와 일치 했을때, 사용 의도를 높이며 시스템의 확산에 긍정적인 영향을 미친다고 볼 수 있다. 생성형 AI가 출시된지 2년이 안되었지만, 급격한 확산과 다양한 미래 예측이 쏟아지는 시점에서, 무엇보다도 인간의 직관 오류에 대한 보완을 통해 ‘공정’하고 ‘빠르며’ ‘안전’하고 ‘편안한’ 인사관리 시스템에 대한 요구가 증가하고 있고, 관련하여 본격적으로 해당 시스템과 서비스가 본격적으로 출시되는 시점에서, 본 연구가 가지는 실무적 시사점은 다음과 같다.

첫째, 정보시스템 성공 모델(ISSM)과 기술수용모형(TAM)을 활용하여 GAI-HRMS의 사용 의도에 영향을 미치는 요인에 대한 연구 사례로는 선행 연구 사례에 해당한다. 이는 이미 사용중인 인사시스템이라는 정보시스템의 성공모델과 생성형 AI를 기반으로 하는 신기술이 결합 되는 특성에 기인한다. 둘째, 대기업부터 중견기업까지 인사업무 수행경험을 기반으로 GAI-HRMS에 대한 정의와 더불어 인사담당자들과의 사전면담을 통해 사용 의도를 높이고 확산에 필요한 요인의 관점에서 가설을 설정하였으며, 실제 생성형 AI 및 인사시스템 사용 경험자를 대상으로, 다양한 관점의 사용 의도에 대한 조사가 이루어 졌다는 점에서 유사 선행연구와의 차별점이 있다고 할 수 있다. 마지막으로 기각된 가설에서 향후 GAI-HRMS를 개발하고 제공하는 입장에서 유의미한 시사점을 찾을 수 있다. 시스템 개발자가 제공하는 안정성, 정확성, 일관성, 보안성의 경우 개발자 입장에서는 중요하고 차별화 된 시스템의 특성이라고 인지하고 있지만, 실제 사용자의 입장에서는 당연한 특성이라고 인지하며, 사용 용이성과 유용성에 영향을 미치는 중요한 요인이 아니라고 인식을 한다는 점이다. 즉 이론과 현실과의 괴리로 안정성과 정확성은 사용 용이성과 유용성 공통으로, 일관성은 사용 용이성 측면에서, 보안성의 경우는 사용 유용성 측면에서는 당연한 전제로 사용자들에게 인식 된다는 것이다. 이러한 기각 가설의 원인에 대한 정확한 이해를 기반으로 사용자의 의도에 대한 정확한 파악과 반영을 해야, 시스템과 서비스의 확산에 중요한 차별성을 확보할 수 있음을 확인 했다는데 그 의미가 있다.

5.2 연구의 한계점 및 향후 연구 방향

본 연구는 생성형 AI의 발전과 더불어 더욱 더 활성화가 예상되는 GAI-HRMS 사용 의도에 관한 연구를 다루고 있다. 해외에서 활발하게 관련 연구와 신제품 확산을 추진 중인데 반해, 국내는 아직 관련 활동이 미온적이라는 제약으로 다양한 특성 도출 등 연구 과정 전반에 있어 일부 한계점이 있을 수 있다.

먼저, 본 연구는 실제 사용자인 실무자와 관리자의 비율이 상대적으로 낮아 사용 의도를 폭넓게 반영하지 못한 부분이 있을 수 있다. 온라인 설문조사를 통해 표본구성은 다양하게 수집되었지만, 표본양이 제한적이다보니 편향성 이슈가 있을 수 있으나 향후 연구에서 조사대상 표본을 더 확장하면 편향성을 최소화 하는데 도움이 될 수 있을 것이다.

향후 연구에서는 생성형 AI 확산에 따른 보안성 강화 및 규제요구가 강해지는 시대적 흐름을 반영, 기각된 가설 중 상반된 입장차이가 큰 보안성 부분에 대해 시스템 개발자와 사용자의 입장차이에 대한 자세한 조사를 통해 사용 의도에 영향을 미치는 요인에 대한 심층연구를 진행한다면, 생성형 AI 기반 인사관리 시스템의 안착과 확산에 유의미한 연구가 될 것으로 기대한다.

References

  1. 최상민, 문태수, "제조산업의 인공지능(AI) 기술 도입과 활용을 위한 탐색적 연구", 한국경영정보학회 학술대회논문집 ,통권 제6호, pp. 637-641, 2022.
  2. World Economic Forum, "The Future of Jobs– Employment Skills and Workforce Strategy for the Fourth Industrial Revolution Geneva", Switzerland, World Economic Forum, 2016.
  3. Frey, C. B. and Osborne, M. A, "The Future of Employment: How Susceptible Are Jobs to Computerization", Oxford Martin School, 2013.
  4. 小林 雅一, AIb·人間老殺才日: 車, 民療, 兵器上粗오迅력沈心人工知能 集英社新書, 2017.
  5. 前野隆司, AI紗人類在支配一和日 人工知能力 65820未來子想因,7부 /出版, 2018.
  6. 박우성, 양재완, '인공지능 시대의 지속 가능한 인재관리 전략", Korea Business Review 24(신년 특별호): 189-209, 2020. https://doi.org/10.17287/kbr.2020.24.0.189
  7. McCarthy, J., Minsky, M.L., Rochester, N. and Shannon, C.E., "A Proposal for the Dartmouth Summer Research Proj ect on Artificial Intelligence, August 31, 1955", AI Magazine, Vol. 24, No. 4, pp. 1-12, 2006.
  8. Autor, D. H., Levy, F., & Murnane, R. J., "The Skill Content of Recent Technological Change: An Empirical Exploration," Quarterly Journal of Economics, 118(4), 1279-1333, 2003. https://doi.org/10.1162/003355303322552801
  9. 최강식, "기술혁신이 일자리에 미치는 영향," 4차 산업혁명 일과 경영을 바꾸다, 삼성경제연구소, 113-151, 2018.
  10. 신동엽, 최강식, 양동훈, 한준, 박우성, 노용진, 박지순, "4차 산업혁명 일과 경영을 바꾸다", 삼성경제연구소, 2018.
  11. 최우재, 신제구, 백기복, "제 4차 산업혁명 시대가 요구하는 리더십은 무엇인가?" Korea Business Review, 22(3), 175-195, 2018. https://doi.org/10.17287/kbr.2018.22.3.175
  12. 송일형, "IT중소기업의 인공지능기반 인사관리시스템 도입의도에 영향을 미치는 요인에 관한 연구", 서울, 숭실대학교 대학원, 2023.
  13. Epstein, Ziv, et al. "Art and the science of generative AI", Science, 380(6650), 2023. https://doi.org/10.1126/science.adh4451
  14. Goodfellow, I. J., "On distinguishability criteria for estimating generative models', arXiv preprint arXiv:1412.6515, 2014.
  15. https://www.polarismarketresearch.com/industry–analysis/generative-ai-market.
  16. https://iot-analytics.com/what-ceos-talked about-q2-2023/.
  17. 윤욱지, et al., "챗 GPT를 활용한 자기소개서 평가 성능 및 업무자동화 가능성에 대한 연구', 조직과인사관리연구 47(4): 27-51,
  18. 이중학, '일과 직장의 현재와 미래;Better than Best', 2024.
  19. Fishbein, M. & Ajzen, I., Belief, Attitude, "Intention, and Behavior. An Introduction to Theory and Research, Reading", MA: Addison-Wesley, 1975.
  20. Davis, F. D., "Perceived usefulness, perceived ease of use, and user acceptance of information technology," MIS Quarterly, 13(3), pp.319-340, 1989. https://doi.org/10.2307/249008
  21. Davis, F. D ., R . P. Bagozzi, and P. R. Warshaw, "User acceptance of computer technology: a comparison of two theoretical models," Management Science, 35(8), pp.982-1003, 1989. https://doi.org/10.1287/mnsc.35.8.982
  22. 어승수, "인사관리자의 인적자원관리 관행에 대한 몰입이 인공 지능 수용에 미치는 영향". 서울, 성균관대학교 일반대학원, 2024.
  23. 박천호, et al., "가상세계 메타버스 이용의도에 영향을 미치는 요인에 관한 연구.' 한국IT서비학회지 22(2): 41-56, 2023.
  24. 방병권, "채용인공지능에서 인간-인공지능 간의 협업수준에 따른 수용의도 연구". 서울, 경희대학교 대학원, 2022.
  25. 한명성, "정부의 인공지능(AI) 기반 서비스에 대한 국민의 사용 의향 분석: 공공가치와 확장된 기술수용모형을 중심으로", 2021.
  26. 전소원, et al., "인공지능 서비스의 사용자 수용의도에 관한 연구: 대화형AI 서비스 필요성에 대한 인식에 영향을 주는 요인을 중심으로', 기술혁신학회지 22(2): 242-264, 한국콘텐츠학회논문지 21(8): 388-402, 2019. https://doi.org/10.35978/jktis.2019.04.22.2.242
  27. 이한신, 김판수, '소비자의 기술수용과 저항이 인공지능(AI) 사용 의도에 미치는 영향.' 經營學硏究 48(5): 1195-1219, 2019. https://doi.org/10.17287/kmr.2019.48.5.1195
  28. Jeong, N., Y. Yoo, and T. Y.Heo, "Moderating effect of personal Innovativeness on mobile RFID services: Based on Warshaw's purchase intention model", Technological Forecasting and Social Change, 76(1), pp.154-164, 2009. https://doi.org/10.1016/j.techfore.2008.08.007
  29. Shin, D. H., "An empirical investigation of a modified technology acceptance model of IPTV," Behaviour & Information Technology, 28(4), pp.361-372, 2009. https://doi.org/10.1080/01449290701814232
  30. 박상호, 최용준, "교육용 모바일 애플리케이션 프로그램의 이용에 관한 연구", 한국방송학회, 2013.
  31. Venkatesh, V. and F.D. Davis, "A Theoretical Extension of the Technology Acceptance Model: Four Longitudinal Field Studies", Management Science, 46(2), p186-204, 2020. https://doi.org/10.1287/mnsc.46.2.186.11926
  32. 황재, 유홍식, '수용자의 모바일 간편결제에 대한 적극적 이용의도에 관한 연구 TAM2와 인지된 위험을 중심으로', 정보기술아키텍처연구, 13(2): 291-306, 2016.
  33. Venkatesh, V., and F. D. Davis, "A model of he antecedents of perceived ease of use: Development and test," Decision sciences, 27(3), pp.451-481, 1996. https://doi.org/10.1111/j.1540-5915.1996.tb01822.x
  34. Delone, W illiam & McLean, Ephraim ., "Information Systems Success: The Quest for the Dependent Variable", Information Systems Research. 3. 60-95. 10.1287/isre.3.1.60, 1992.
  35. DeLone, W. H. and E. R. McLean, "The DeLone and McLean Model of Information Systems Success: A Ten-Year Update", Journal of management information systems: 9-30, 2003. https://doi.org/10.1080/07421222.2003.11045748
  36. 윤혜정, et al., "인공지능기반 건강기능식품 추천 서비스 사용 의도에 미치는 영향요인 분석', 한국IT서비스학회지 20(6): 1-16, 2021.
  37. Petter, S., et al., "Measuring information systems success: models, dimensions, measures, and interrelationships", European Journal of Information Systems 17(3): 236-263, 2008. https://doi.org/10.1057/ejis.2008.15
  38. Gable, G. G., et al., "Re-conceptualizing information system success: The IS-impact measurement model.' Journal of the associationfor information systems 9(7): 18, 2008.
  39. Seddon P. B ., "A Respecification and Extension of the DeLone and McLean Model of IS Success' Information Systems Research: 240-253, 1997. https://doi.org/10.1287/isre.8.3.240
  40. Urbach, N . and B. Müller, 'The updated DeLone and McLean model of information systems success.' Information Systems Theory: Explaining and Predicting Our Digital Society,Vol.1:1-18, 2012.
  41. Gorla N, Somers T M, Wong B, "Organizational impact of system quality information quality, and service quality", The journal of strategic information systems : 207-228, 2010. https://doi.org/10.1016/j.jsis.2010.05.001
  42. Rai A ,Lang S S ,Welker R B, "Assessing the Validity of IS Success Models: An Empirical Test and Theoretical Analysis', Information Systems Research : 50-69, 2022. https://doi.org/10.1287/isre.13.1.50.96
  43. Venkatesh, V., et al., 'User acceptance of information technology: Toward a unified view.' MIS quarterly:425-478, 2003.