인공지능과 인지적 다양성: 인사 및 조직관리 시사점 모색

Artificial Intelligence and Cognitive Diversity: Exploring Implications for HR and Organizational Management

급격히 발전하는 인공지능 시대를 맞이하여, 조직은 매일 새로운 도전에 직면하고 있다. 본 논문은 이러한 상황에서 식별형 인공지능과 생성형 인공지능이 조직 및 사회의 다양성에 어떠한 영향을 미치는지를 본격적으로 다룬다. 특히 챗GPT(ChatGPT)로 대표되는 생성형 AI가 서구 문화권(WEIRD: Western, Educated, Industrialized, Rich, Democratic)의 가치 특성을 반영하고 있음을 밝힌 기존 연구(예: Atari et al., 2023)를 재현하고 확장하기 위해, 본 연구에서는 GPT-4o, Llama 3.2, EEVE, EXAONE 3.5 등 다양한 생성형 인공지능 모델을 추가로 활용하여 문화적 편향성을 체계적으로 분석하였다. 이를 통해 서구권 중심의 데이터 학습 문제나 알고리즘적 불투명성의 정도가 모델별로 상이함을 확인하였고, 일부 모델은 과거 대비 편향이 개선되는 경향을 보이는 반면, 특정 문화권과의 괴리는 여전히 남아 있음을 밝혔다. 인공지능은 그 기능에 따라 식별형(discriminative)과 생성형(generative)으로 구분되는데, 식별형 인공지능은 지도 학습을 통해 예측․분류 역량을 강화하여 업무 자동화와 개인화 서비스를 제공하지만, 데이터 편향이 누적될 경우 조직 내 다양성을 저해할 가능성이 있다. 생성형 인공지능은 비지도 및 강화 학습을 통해 창의적 아이디어나 콘텐츠를 직접 생성함으로써 혁신 잠재력을 갖추고 있으나, 학습 데이터에 따른 가치 편향 위험도 잠재한다. 본 연구는 채용․승진․평가 등 인사관리 프로세스에서 이러한 두 유형의 인공지능이 미칠 영향과 위험성을 구체적으로 분석하고, 데이터 대표성․투명성․공정성 측면에서 개선 방안을 제시하였다. 또한, AI 활용의 투명성과 공정성을 강화하기 위한 인적자본 공시 및 AI 윤리 관련 법적․제도적 흐름을 반영하여, 조직이 AI 활용 시 고려해야 할 주요 과제를 논의하였다. 아울러 식별형과 생성형 인공지능을 상호보완적으로 활용할 때 조직이 창의성․업무 효율․포용성을 동시에 달성할 수 있음을 제언함으로써, 이론․실무적 함의를 함께 제공한다.

Amid the rapid advancement of artificial intelligence (AI), organizations are continuously confronted with new challenges. This paper delves into the impact of discriminative and generative AI on organizational and societal diversity. To replicate and extend previous research (e.g., Atari et al., 2023), which found that ChatGPT and other generative AI models exhibit WEIRD cultural biases, across various generative AI models, including GPT-4o, Llama 3.2, EEVE, and EXAONE 3.5. The findings reveal discrepancies in algorithmic transparency and the extent of Western-centric data training across these models. While some models show a reduction in bias compared to earlier versions, notable gaps remain in representing certain cultural contexts. AI is categorized into discriminative and generative types.. Discriminative AI enhances predictive and classification capabilities through supervised learning, facilitating automation and personalized services; however, the accumulation of data bias poses a threat to organizational diversity. Generative AI, by leveraging unsupervised and reinforcement learning, generates creative ideas and content, fostering innovation but simultaneously carrying the risk of value-laden biases stemming from training data. This study provides a detailed analysis of the potential impacts and risks of both AI types across HR processes, including recruitment, promotion, and performance evaluation. Furthermore, it incorporates regulatory and ethical frameworks related to human capital disclosure and AI governance, addressing key considerations for organizations in ensuring AI transparency and fairness. By highlighting the complementary use of discriminative and generative AI, this paper suggests pathways for organizations to achieve creativity, operational efficiency, and inclusiveness, contributing valuable theoretical and practical insights.