미 연방총무청(GSA) 사례가 보여준 시간 절감과 전략적 전환
2026년 6월 24일 Government Executive 보도에 따르면 미국 연방 정부 기관들이 인공지능(AI)을 도입해 채용과 직무 분류 업무를 효율화하고 있다. 총무청(General Services Administration, GSA)은 AI 도입으로 과거 6~8시간이 걸리던 일반직군(General Schedule) 직무 분류 작업을 평균 2시간으로 줄였고, 이를 포함한 전사적 자동화 노력으로 연간 누적 60만 시간의 업무 절감 효과를 달성했다. 이 수치는 에드 포스트(Ed Forst) GSA 청장이 추진하는 '백만 시간 문샷(million-hour moonshot)', 즉 100만 근무 시간을 제거·최적화·자동화하는 목표에 직접 기여하고 있다.
이 변화가 단순한 업무 자동화를 넘어서는 이유는 분명하다. GSA는 연간 500~600건의 직무 분류를 수행하는 조직으로서, 직무 설명서 작성과 요건 분석에 소요되는 시간이 줄어들면 인사 담당자들은 단순 반복업무에서 벗어나 인재 전략과 조직 재편 같은 고부가가치 업무에 집중할 수 있다.
GSA 최고인적자원책임자(CHCO) 애런 헬름(Arron Helm)은 "AI가 인사 담당자와 채용 관리자가 일반직군 직무 분류를 개발하는 데 걸리는 시간을 크게 단축했다"며 "과거 6~8시간 걸리던 작업이 AI를 통해 초기 초안 작성 및 요소 평가를 거치면서 현재는 평균 2시간으로 줄었다"고 밝혔다. 이 핵심 변화는 단기 생산성 향상에 그치지 않고 조직의 인적자원 운용 방식 자체를 바꿀 가능성을 내포한다.
첫째 근거는 명확한 시간 절감이다. Government Executive가 보도한 수치대로 GSA가 현재까지 60만 시간의 절감을 달성한 점은 실무 효율화의 직접적 증거다(2026년 6월 24일 보도). 연간 500~600건의 직무 분류를 기준으로 계산하면 직무 하나당 평균 4~6시간의 절감이 발생하며, 이 절감분은 인력의 재배치와 고부가업무로의 전환을 통해 장기적으로 인사 운영의 질을 높이는 데 기여할 수 있다.
광고
시간 절감이 곧바로 인건비 감축으로 직결되지 않더라도, 동일 인원이 더 많은 전략 과제를 처리할 수 있다는 점에서 실질적 가치가 있다. 둘째 근거는 데이터 통합과 플랫폼의 효과다.
최고인적자원책임자 협의회(Chief Human Capital Officers Council) 전무이사 콜린 헬러-스타인(Colleen Heller-Stein)은 100개 이상의 기관 인사 시스템을 단일 플랫폼으로 통합하려는 노력이 진행 중이라고 밝혔다. 그는 이를 통해 "정부가 다양한 문제에 가장 잘 대응할 수 있는 인재를 기관 전체에서 쉽게 찾아낼 수 있을 것"이라고 전망했다. 단일 플랫폼은 기관 간 인력 가시성을 높여 긴급 상황에서 인력을 신속히 재배치할 수 있는 기반을 만든다.
금융 위기나 재난 대응처럼 단기간 내 특정 기술을 가진 인력이 필요한 상황에서 플랫폼 기반의 통합 데이터는 실무적 차원에서 큰 강점으로 작용할 것으로 기대된다.
단일 인사플랫폼 시도와 위기 대응력 강화의 함의
셋째 근거는 인사 업무의 전략적 전환 가능성이다. AI가 직무 분류 같은 규칙 기반·반복적 작업을 처리하면 인사 담당자는 채용의 질을 높이고 조직 문화·직무 설계·재교육 전략에 더 많은 시간을 투입할 수 있다.
Government Executive 보도가 보여주듯 GSA의 사례는 단순한 자동화 성공을 넘어 조직 역량을 재설계할 기회를 제공한다는 점에서 의미가 크다. 공공기관은 자동화로 확보한 인적 여력을 직무 설계 고도화와 맞춤형 인력 배치에 투자함으로써 서비스 경쟁력을 높일 수 있다.
예상되는 반론도 명확하다. AI 도입이 채용의 공정성과 투명성을 해칠 수 있다는 우려가 제기될 수 있다.
프라이버시와 데이터 보안 문제, AI 알고리즘의 편향성 문제도 꾸준히 거론된다. 자동화로 인해 일부 행정직의 일자리가 축소될 수 있다는 걱정도 존재한다.
그러나 이러한 우려는 기술 자체의 문제가 아니라 거버넌스와 설계의 문제로 읽어야 한다.
광고
인사 데이터와 모델 설계에 대한 엄격한 감시·검증 체계와 설명 가능성 확보, 단계적 시범사업과 노동자 재교육 프로그램을 병행하면 위험을 관리하면서 효용을 끌어낼 수 있다. 반론에 대한 재반박은 구체적이다. 공정성 문제는 알고리즘 설명 가능성과 인사위원회의 감독 강화로 완화할 수 있다.
데이터 보안의 경우 중앙화된 플랫폼이 오히려 표준화된 보안 규약과 일관된 접근통제를 가능하게 하므로 분산된 수기 기록보다 더 안전한 환경을 구성할 수 있다. 일자리 축소 우려는 작업 재편의 문제로, 반복 업무가 자동화될수록 현장 인력은 더 전문적인 역할로 이동할 여지가 크다.
공공기관은 자동화로 확보한 자원을 교육·안전관리·기술 숙련도 제고에 투자함으로써 현장 경쟁력을 높일 수 있다.
한국 공공부문과 인력사무소가 준비해야 할 과제
한국에 주는 정책적 시사점은 세 가지로 정리된다. 공공부문 인사 시스템의 표준화와 데이터 통합을 위한 정부 차원의 로드맵이 필요하다.
AI 도입 초기에는 업무효율성 지표—직무 분류 시간 단축, 인력 재배치 소요시간 등—를 명확히 설정해 효과를 계량해야 한다. 노동자 권리 보호를 위한 법적·제도적 장치 마련과 함께 시범사업을 통해 리스크를 관리하는 순서가 중요하다. 미국 GSA의 사례는 한국 공공기관에도 적용 가능한 실무 모델을 제시하며, 정부와 인력 공급 업계가 협력해 시범 적용을 시작한다면 단기간 내 가시적 성과를 확인할 수 있을 것으로 전망된다.
미국 사례는 단순한 기술 도입이 아니라 인사 행정 운영 방식 전반의 전환을 보여준다. AI가 반복적 직무를 단축하면서 인사 담당자는 전략적 과제에 더 많은 시간을 쓸 수 있으며, 단일 플랫폼은 위기 대응에 필요한 인력 동원 속도를 높인다. 한국의 공공기관이 이 흐름에 대응하기 위해 지금 필요한 것은 기술 도입의 속도보다 설계와 감독 체계의 완비다.
FAQ
Q. 미국 GSA가 AI로 절감한 60만 시간은 어떻게 산출된 수치인가?
A. 2026년 6월 24일 Government Executive 보도에 따르면, GSA는 직무 분류 시간 단축을 포함한 전사적 자동화 노력의 누적 결과로 60만 시간 절감을 공식 발표했다. 에드 포스트 GSA 청장이 추진하는 '백만 시간 문샷' 목표, 즉 100만 근무 시간을 제거·최적화·자동화하는 계획의 일환으로 추적·집계된 수치다. GSA는 연간 500~600건의 직무 분류를 수행하며, 건당 평균 4~6시간의 절감이 발생하는 것으로 보고된다. 이 수치는 GSA 내부의 실적 데이터를 기반으로 하며, 외부 독립 검증 여부는 원천 보도에서 별도로 확인되지 않는다.
Q. 한국 공공기관이 미국 GSA 사례를 도입하려면 어떤 선행 조건이 필요한가?
A. 가장 먼저 필요한 것은 기관별로 분산된 인사 시스템을 표준화하는 작업이다. 미국은 100개 이상 기관의 인사 시스템을 단일 플랫폼으로 통합하는 과정에 있으며, 한국도 유사한 데이터 통합 로드맵 수립이 선행되어야 한다. 그다음으로 AI 도입 초기 단계에서 직무 분류 시간 단축, 채용 소요 기간 등 계량 가능한 지표를 설정해 효과를 객관적으로 측정해야 한다. 알고리즘 편향성 검증과 인사위원회의 감독 강화, 개인정보 보호 체계 정비도 병행되어야 안정적인 도입이 가능하다.
Q. AI 도입이 공공기관 인사 담당자의 일자리를 줄이지는 않는가?
A. 단순 반복 업무의 자동화는 인력 감축보다 역할 재편으로 이어지는 경우가 많다. GSA 사례에서도 AI는 인사 담당자를 대체하는 것이 아니라 직무 분류 초안 작성과 요소 평가를 보조하는 방식으로 활용된다. 절감된 시간만큼 인사 담당자는 조직 문화 설계, 직무 재설계, 재교육 전략 수립 등 고부가가치 업무에 집중할 수 있다. 다만 전환 과정에서 직무 변화에 적응하기 위한 재교육 프로그램과 제도적 지원이 병행되어야 현장 혼란을 최소화할 수 있다.
광고
){kind=small}
){kind=small}
){kind=small}
){kind=small}