나는 최근 가정에서 아이가 공기청정기에 장난감을 넣는 바람에 공기청정기를 분해한 적이 있다. 생일초 같은 작은 장난감 여러개를 꺼내야 하는 작업이었다. 어느정도 분해를 하고나서 분해가 막히는 부분이 있어 혼자 끙끙거리던 와중에 지나가던 와이프가 "그냥 들어서 흔들면 이제 나오겠는데"라고 하였고, 들어서 흔드니 바로 나왔다.
(물론 분해하기 전에는 나올 수 있는 공간 자체가 좁아 나올 수 없는 상황이었다.)
지나고 나서 생각해보니, 회사에서도 이런 일이 많다고 생각했다. 정작 일의 목적, 본질은 잊은 채 프로세스, 제도 등에 휘둘리는 것이다.
모든 HR제도는 그 제도 기획 목적이 있다.
예를 들면, 수시채용의 목적은 현업부서에서 필요한 직원을 적시에 채용하여 회사 사업과 성과에 차질이 없도록 하기 위함이다. 반면 평가는 당해년도 해당 직원이 보여준 성과에 대해 평가를 하는 것이다.
하지만 이런 본질을 잊은 채 수시채용을 하더라도 공개채용과 동일한 절차를 밟아 채용 기간이 상당히 소요되거나, 빠른 배치를 이유로 교육없이 수시채용된 인원을 바로 배치한다면 제도의 목적과는 다르게 현업부서에서 오히려 고충을 토로하는 요소가 될 수 있다. 또한 평가에서도 승진 대상자 여부, 직원의 근속 등을 고려하게 되면 직원들의 동기부여 목적은 상실된 채 오히려 동기부여를 저해하는 요소가 될 수 있다.
HR부서 업무이든 아니면 그 어떤 일이든 간에 일의 목적이 있다. 목적이 없다면 그 일은 해야 할 필요가 없는 일이고, 목적이 훼손된다면 업무를 수정할 필요가 있다. 그것이 바로 HR부서가 가져야 할 유연한 자세이다.
최근 IT 개발자 인재 유치를 위한 경쟁이 일괄 연봉 상승으로 이어졌다. 특히 게임업계는 하나의 경쟁처럼 줄줄이 연봉을 인상하고 있다.
사실 기업을 운영하는 입장에서는 그럴 수 밖에 없다.
디지털 전환, AI 등 대사회적 변화 트렌드에 있어서 개발 역량이 있는 직원들은 영웅과 같다.
회사에서 그들의 업무는 정말 가치있고, 중요한 일이라고 할 수 있다.
은연 중에 회사 내 임직원뿐만 아니라 회사 외 사람들 조차도
회사의 업무를 중요한 업무, 중요하지 않은 업무로 나누고, 그에 따라 성과를 매기곤 한다
다만 나는 한 번쯤 HR 담당자라면 이를 생각해 봤으면 좋겠다.
과연 회사의 업무를 단순히 중요한 업무, 중요하지 않은 업무로 나누는 것이 맞을까?
단도직입적으로 얘기하자면 나는 그래선 안된다고 생각한다.
회사의 업무는 1. 중요한 일, 2. 필요한 일, 3. 필요하지 않은 일 이렇게 3가지로 나누어야 한다.
중요한 일은 당연히 회사에서 항상 최우선으로 여겨하는 과제이기 때문에 분류해야 한다. 그래서 어떤 순간에도 모든 직원이 이 업무를 놓치는 일이 없도록 해야 한다. 이는 구성원들이 하나의 목표를 가지고 움직이는 것과도 마찬가지이다. 다만 업무적으로도 분류하는 것이 필요하다. 조직에서 흔히 생길 수 있는 예를 들어보면, 상급자의 지시에 의존하여 일의 중요도가 바뀌는 경우가 많다. 하지만 일의 중요도에 맞춰 모든 구성원들이 움직여야 한다. 이런 문화가 곧 조직의 경쟁력을 강화시키고, 직원들에게 임파워먼트도 할 수 있다(일의 중요도에 맞춰 움직이기만 하면 되므로).
다만 중요한 일을 최우선으로 여겨야 한다는 사실이 다른 업무를 경시해야 한다는 의미는 아니다. 필요한 일도 중요하다. 가치를 창출하는 일은 아닐 지라도, 이 업무들이 원활히 이루어져야만 중요한 일에 집중할 수 있게 된다. 만일 잘 되지 않으면, 정작 중요한 순간에 중요한 일에 집중하지 못하게 된다.
사실 조직 내 구성원들은 이 업무들을 기피하는 경향이 있다. 특히 회사에서 중요한 일을 하는 직원에게만 대우를 하는 경우 더욱 이런 현상이 생긴다. 이런 현상이 지속되면 직원 간의 위화감이 갈수록 심화된다. 무엇보다도 중요한 일을 하는 직원을 도와주려 하지 않는다.
필요하지 않은 일은 당연히 조직에서 항상 찾아야 한다. 중요한 일이 언제든 필요한 일, 필요하지 않은 일로 변할 수 있고, 필요한 일이 필요하지 않은 일로 변하기도 한다. 문제는 구성원들이 필요하지 않은 일을 본인의 효용가치로 여기면서 이를 포장하면 문제가 생긴다. 계속해서 구성원들은 필요하지 않은 일에 허덕이며, 가치 있는 일에 집중 못하게 되기 때문이다.
이 문제의 가장 큰 책임은 바로 직책자에게 있다. 팀장이 직원의 성과를 실제 결과물이 아닌 일의 양, 근로시간 등으로만 파악하는 경우 이런 현상이 생긴다. 필요하지 않은 일을 찾아 없애고, 남은 시간은 새로운 일을 찾을 수 있도록 직원들을 지원하면 된다. 자연스럽게 이 시간에 직원들은 자기계발과 함께 새로운 일을 찾는다. 이 문화가 계속되면 조직은 항상 효율적으로 움직일 수 있다.
수 많은 영웅들 활약 속에는 사이드 킥이 있고, 숨은 히어로들이 있다. 이들의 중요성을 잊어서는 안된다.
비어 있는 방에 침팬지 다섯 마리를 들여보낸다. 방 한복판에는 사다리가 세워져 있고, 그 꼭대기에는 바나나가 놓여 있다.
한 침팬지가 바나나를 발견하고 그것을 먹기 위해 사다리로 기어오른다. 하지만 침팬지가 바나나에 다가가자마자 천장에서 찬물이 분출하여 침팬지를 떨어뜨린다. 다른 침팬지들도 사다리를 타고 올라가 바나나를 잡아 보려고 한다. 모두가 찬물을 뒤집어쓰고 결국 바나나를 차지하겠다는 생각을 포기한다.
그다음에는 천장에서 찬물이 분출하지 않게 해 놓고 물에 젖은 침팬지 한 마리를 다른 침팬지로 대체한다. 새 침팬지가 들어오자마자 원래부터 있던 침팬지들은 사다리로 올라가는 것을 말린다. 저희 나름대로 새 침팬지가 찬물을 뒤집어쓰지 않게 하려고 애쓰는 것이다. 새 침팬지는 그들의 행동을 이해하지 못한다. 그저 다른 침팬지들이 자기가 바나나를 먹지 못하도록 방해하는 것으로 보일 뿐이다. 그래서 그는 완력을 쓰기로 하고 자기를 제지하려는 침팬지들과 싸운다. 하지만 한 마리 대 네 마리의 싸움이라서 새 침팬지는 뭇매를 맞고 만다.
다시 물에 젖은 침팬지 한 마리를 새 침팬지로 대체한다. 그가 들어오자마자 앞서 교체되어 들어온 침팬지가 덤벼들어 그를 때린다. 그게 새로 들어온 자를 맞이하는 방식이라고 저 나름으로 이해한 것이다. 새 침팬지는 사다리가 있다는 것을 알아차릴 겨를도 없었다. 말하자면 구타 행위는 이미 바나나와 무관해진 셈이다.
물을 뒤집어 쓴 나머지 세 침팬지도 차례로 나가고 대신 물에 젖지 않은 침팬지들이 들어온다. 그때마다 새로 들어온 침팬지는 들어오자마자 매질을 당한다.
신고식은 갈수록 난폭해진다. 급기야는 여럿이 한꺼번에 달려들어 새로 들어온 침팬지에게 뭇매를 놓는다.
여전히 바나나는 사다리 꼭대기에 놓여 있다. 하지만 다섯 마리 침팬지는 바나나를 잡으려다 물을 뒤집어쓴 적도 없으면서 그것에 다가갈 생각조차 하지 않는다. 그들의 유일한 관심사는 뭇매를 맞을 새 침팬지가 어서 나타나기를 기다리면서 문을 살피는 것이다.
이 실험은 한 기업에서 나타나는 집단 행동을 연구하기 위해 실시되었다.
이 이야기가 나는 기업의 조직문화를 가장 잘 나타낸 일화라고 생각한다. 이전에는 모두를 위한다고 생각한 것들이 어느 순간에는 장애물로 변하게 되고 이제는 아무도 의식하지 못한 채 옳다고 믿으며 행동하는 것이다. 조직문화의 가장 큰 딜레마 중 하나이다. 한 때는 옳았던 것일 수 있지만, 어느 순간에는 기업의 성과를 막는 큰 장애물이 되어 있는 것이다.
인턴 근무를 하면서 들었던 이야기 중 회사 야근 문화에 대해 들었던 적이 있다. 자기보다 위에 사람이 퇴근을 하지 못하면, 끝까지 남는 것이 좋다는 것이다. 매해 이 문화는 불합리한 문화라고 이야기가 나오지만, 절대 사라지지 않는다. 왜일까? 나는 그 이유를 이 이야기를 해준 분의 말에서 알게 되었다.
"내가 원래는 보수적인 사람이 아닌데, 이제 생각해보니까 그게 맞아. 팀원을 두고 자기 일 없다고 가는걸 누가 좋아하겠어"
변한 것이다.
자기 또한 그 안에서 함께하다 보니 어느 순간 자기도 모르게 그 문화에 흡수된 것이다. 그러고 보면 우리나라는 이미 이 야근문화에 모두들 익숙해져 있다. 흔히들 정시에 퇴근하는 것을 "칼퇴근하네", "오늘은 일찍 가네" 등 근무시간이 끝난 직후에 퇴근하면 일찍 퇴근한다고 생각한다. 나 또한 이러한 말을 종종 사용했다. 자기도 모른 채 문화에 흡수되는 것이 얼마나 무서운 지 깨달을 수 있었다. 심지어는 나중에 그것이 맞다고 생각한다. 그 이유가 보상심리든 뭐든 간에 이미 그러한 것은 중요하지 않다. 단지 감정에 의존할 뿐이다.
물론 이러한 문화가 한 때는 힘을 발휘했었다. 다 같이 의기투합하여 밤을 새며 야근하는 문화는 분명 우리나라를 성장시키는 데 큰 원동력이 되었다. 그러나 더 이상은 아니다. 이미 "요즘 세대는 옛날 같이 하는 맛이 없어"라고 하기에는 너무나도 많이 변했다. 이제는 오히려 이러한 문화가 우리를 붙잡고 있다.
"어제와 똑같이 살면서 다른 미래를 기대하는 것은 정신병 초기 증세이다."
-아인슈타인-
그렇다면 이를 이겨내기 위해서는 어떻게 해야 할까? 솔직히 답은 없다. 아니, 나도 모르겠다. 하지만 가장 중요한 것은 누군가가 나서야 한다는 사실이다. 침팬지의 이야기에서 만일 누군가가 모든 침팬지를 제압하고 올라가 바나나를 먹었다면 어떻게 될까? 순식간에 많은 변화가 일어날 것이다. 그렇기에 CEO, HR부서, 그리고 모든 부서가 협력해서 변화의 필요성을 느끼고 협력해야 한다. 그렇지 않고서는 조직문화는 바뀌지 않는다.
"옛날엔 안 그랬는데", "시간이 지나다보니 이게 맞더라"는 바보같은 소리를 할 때가 아니다. 세상은 너무나도 빠르게 변한다. 그 옛 기억에 취해서 아무것도 하지 못하면 도태된다. 시장환경에 맞게 빠르게 조직문화를 변화시켜야 한다. 그렇지 않고서는 살아남을 수가 없다.
경제학 관점으로 차별이라는 용어가 처음 대두된 것은 1957년 미국 경제학자 게리 베커(Gary Baker, 1930~2014)에 의해 '차별의 경제학'에서 '선호에 의한 차별'이라는 단어가 등장하기 시작하면서이다. 이는 인종, 종교, 성별 등에 따라 편견을 가져 피하거나 적대적으로 행동하는 것을 의미한다. 처음에는 당시 일종의 심리학 또는 사회학 개념으로 경제학의 영역이 아니라는 의견이 많았다. 그러나 이후 인권 운동이 활발해지면서 자연스럽게 경제학의 영역에서도 차별 개념이 관심을 받게 되었고, 게리 베커의 '차별의 경제학'이 사회적으로 인정받기 시작했다. 이후 게리 베커는 1992년 노벨경제학상을 수상한다.
차별이 경제학에서 하나의 중요한 주제로 자리를 잡으며 등장하게 된 개념 중 하나가 바로 '통계적 차별(Statistical Discrimination)'이다. 1970년대 제시된 개념으로 1972년 노벨경제학상 수상자인 케네스 애로(Kenneth Arrow, 1921~)와 2006년 노밸경제학상 수상자인 에드먼드 펠프스(Edmund Phelps, 1933~)가 제시하였다,
'통계적 차별'이란 개인이 속한 집단의 평균에 의해 개개인을 판단하는 경우를 말한다. 예를 들면 A 집단(상대적으로 우수한 집단)과 B 집단(상대적으로 열등한 집단)을 비교할 때, A에 속한 개인 a의 경우 A 집단의 평균으로 평가받고, B에 속한 개인 b의 경우 B 집단의 평균으로 평가를 받는다. 실제로 b가 A 집단의 평균보다 우수한 능력을 보일 수 있으나 통계적 차별에 의해 B 집단의 평균으로 저평가 받는 것이다. 즉, 만일 b가 A 집단의 평균보다 우수한 능력을 가지고 있었다면, b는 통계적 차별이라는 명백한 불합리한 차별을 받는 것이다.
그러나 단순히 통계적 차별이 틀리다라는 판단을 하기가 어렵다. 왜냐하면 사람의 근원적 한계인 인지적 한계에 의해 개개인에 대해 모를 경우 속한 집단의 일반적인 속성을 통해 판단하는 것이 가장 효율적이기 때문이다. 그래서 통계적 차별은 여러 곳에서 당연하게 시행되고 있고, 실제로 때로는 유용하기도 하다(통계적 차별이 옳다는 의미는 아니다.). 예를 들면 기업이 채용을 할 때, 여러 우대사항(명문대 우대 등) 등이 그러하다. 또한 실생활에서 밤길을 다니며 뒤따라오는 사람이 남성일 경우 위협을 느끼는 반면, 여성일 경우 안심하는 것도 하나의 예이다. 이렇듯 통계적 차별은 필수불가결하게 우리 생활에 밀접하게 연관되어 있다.
처음 이 개념을 접하게 된 것은 바로 서강대학교 경제학과 남성일 교수님의 노동경제학 수업에서이다. 수업에서 이 개념을 들으며, 통계적 차별이 HR 분야 중 특히나 채용 분야에 많은 시사점을 줄 수 있다는 것을 생각하게 되었다.
채용 분야에서 통계적 차별이 가지는 의미는 무엇일까?
"통계적 차별은 정말 불합리한 차별인가? 채용 과정에서 수 많은 지원자들을 각각 평가할 수 없기 때문에 불가피하게 지원자들이 속한 집단(대학교, 성별, 지역, 종교, 자격증, 기타 스펙 등)의 속성에 의존할 수 밖에 없다. 이 평가 방식이 과연 정말로 불합리한 차별인가?"
이에 대해 우선 생각을 하며 결론을 내린 생각은 바로 본원적 속성(바꿀 수 없는) 성별, 지역 등에 의한 차별의 경우 명백한 불합리한 차별이라는 점이다. 왜냐하면 개개인의 노력에 의해 바뀔 수 있는 것이 아니기 때문이다. 그러나 대학교, 기타 스펙 등의 경우 불합리한 차별이 아닌 '어쩔 수 없는 평가'의 일종으로 봐야 한다. 개개인에 대해 모두 평가할 수 없으므로 통계적 차별은 채용 과정에서 매우 효율적으로 작용한다.
사실 통계적 차별은 어디에서나 쓰인다. 예를 들면 인적성검사는 100% 채용자의 역량을 반영하지 않는다. 하지만 이 검사의 결과에 의해 지원자들의 합격, 불합격 여부가 결정된다. 인적성 검사 100점인 지원자의 역량과 80점인 지원자의 역량은 사실 누가 더 높은 지 알 수 없다. 그러나 100점인 지원자가 더 높을 것이라는 일종의 통계적 차별을 하는 것이다.
그러나 통계적 차별이 유용하다고 해서 블라인드 채용 방식이 정당하지 않다는 것은 아니다. 블라인드 채용은 통계적 차별을 배제하고 개개인의 역량을 평가하려는 채용 방식으로 어떻게 보면, 채용 목적에 가장 부합한 방식이다. 다만 이 방식으로 모두를 채용하기에는 비용적인 어려움이 있기 때문에 일부만 적용하고 있는 것이다.
그 다음으로 생각해 볼 문제는 통계적 차별이 실제 차이로 고착화되는 문제이다.
"채용 후 관찰 가능한 A 집단과 B 집단의 능력의 차이가 과연 실제 능력의 차이인가? 즉 구조적인 문제에 의해 A 집단과 B 집단의 차이가 고착화된 것일 수 있다. 각 집단의 특성이 과연 실제 차이에 기반한 것인지 아니면 구조적인 문제에 의해 형성된 것인지 고민해보아야 한다."
즉, 통계적 차별에 의한 결과가 다시금 통계적 차별을 더욱 공고히 해줄 수 있다는 의미이다. 예를 들면 명문대학교 A를 다닌 a와 비명문대학교 B를 다닌 b가 동기로 입사하여 처음 프로젝트를 맡길 때, 통계적 차별에 의해 a에게 기회가 간다. 교육, 평가 등에서도 이러한 차별이 적용되면서, a에게 보다 더 많은 기회가 주어진다. 결국 통계적 차별은 실제 a와 b의 능력의 차이로 나타나게 되고, 다시금 통계적 차별의 정당성은 공고해진다.
이 문제는 가장 접근하고, 분석하기 어려운 문제 중 하나이다. 파악하기 어려울 뿐더러, 실제로 불가피한 경우가 많을 수 밖에 없기 때문이다. 또한 이 구조적 문제가 과연 비효율적인지도 판단해야 한다. 많은 비용이 들겠지만, a와 b에게 모두 공평한 기회를 주어야 할 지 아니면 구조적 문제를 인정하는 것이 효율적인지도 고민해야 한다.
마지막으로 실제 지원자의 능력의 차이가 곧 성과의 차이로 드러나는가의 문제이다.
"실제로 A 집단과 B 집단의 능력의 차이가 있을 지라도 다 함께 일하는 기업의 현장에서 이러한 능력의 차이가 그대로 성과로 드러날 것인가? 과연 개인의 능력의 합이 곧 조직의 성과 또는 능력이라는 등호가 성립될 수 있는가?"
a와 b의 능력 차이가 실제로 있을지라도 이 차이가 과연 조직의 성과에 그대로 드러날 지는 의문인 것이다. 무엇보다도 우선 조직의 모든 활동은 개인이 아닌 협동에 의해 이루어진다. 통계적 차별의 대부분은 개인의 능력을 평가할 때 일어나기 때문에 협동 능력에 대한 평가 없이는 의미가 없다는 의미이다. 그리고 단지 협동 능력을 떠나 각 개개인의 능력 간 협업 시 발생하는 시너지 효과도 무시할 수 없다. 동일한 능력을 가진 2명의 협업보다 다른 능력을 가진 자들의 협업이 더 좋다는 것이다. 그래서 기업에서도 이를 알고, 다양성 채용을 하려고 하고 있다.
이는 곧 채용 과정에서 협업 능력에 대한 평가가 필수적으로 이루어져야 한다는 것을 의미한다. 그리고 어떠한 특성의 능력을 가진 지원자가 기존 구성원과 협업하며 시너지 효과가 날 수 있는 지 HR 담당자들이 지속적으로 분석해야 한다. 사실 이는 이전에는 어려웠겠지만, 이제는 빅데이터가 활용되기 시작하면서 어느정도 예측 가능한 문제로 자리잡게 된 것이다. 어느정도 통계적 차별을 보완할 수 있는 방법일 것이다.
