인적자원관리(HRM)분야에서 빅데이터 분석의 편향 식별 및 처리

Abstract

본 논문은 사회과학 분야, 특히 산업 및 조직심리 장면에서 인적자원관리를 할 때 인공지능 알고리즘을 사용하여 데이터를 분석하는 방법과 기존의 통계분석 방법의 장단점에 대해 설명하고 분석 결과를 비교하였다. 본 논문은 세 가지 연구로 구성되었으며 첫 번째 연구는 빅데이터에 대해 소개하고 산업 및 조직 심리 장면에서 고용 및 직무배치에 사용되는 AI면접의 장점과 단점에 대해 논의하였다. 이어서 두 번째 연구는 빅데이터 기반의 기계학습을 실시할 경우, 편향된 학습자료를 활용하게 되면 발생하는 예측 및 분류 오류를 확인하였다. 이에 따라 발생하는 편향성과 차별성으로 인해 인재 선발에 부적절한 영향을 미치지 않도록 조심해야 한다는 점을 논의하였다. 마지막으로 세 번째 연구에서는 고용노동부와 한국고용정보원이 제공하는 경험적 자료인 ‘대졸자 직업이동 경로조사’를 활용하여 기존의 설명중심 통계모형과 예측중심의 기계학습의 분석 결과를 비교하였다. 결과적으로 예측중심의 기계학습인 랜덤포레스트가 설명중심 통계모형인 로지스틱 회귀분석보다 나은 예측력과 분류정확도를 보였으나 결과에 대한 해석이 모호하거나 고용정책법에 위반되는 변수들이 예측에 유의미한 역할을 수행하는 것으로 확인하였다. 빅데이터를 사용하는 인공지능의 역할이 점차 중요해지는 4차 산업혁명 시대에 무엇 보다 필요한 것은 방대한 양을 통해 얻는 통찰력과 예측력뿐만이 아니라 인과성에 기반을 둔 결과에 대한 설명가능성과 투명성이다. 이를 위해서는 분석 전에 학습자료의 편향성을 검토해야 하며, 이론과 경험적 자료의 상호보완적인 사용을 통해 안정성이 보장된 공정하고 편향되지 않은 의사결정을 내려야 한다. 인공지능의 정확성과 투명성은 상충관계에 있기 때문에 설명가능 인공지능(XAI) 개발을 통해 높은 정확성을 유지하되 알고리즘의 편향을 방지하고 보다 설명 가능하고 투명한 기계학습 기술을 연구해야 한다.