온보딩 자동화

HR 자동화의 일부인 온보딩 자동화는 로보틱 프로세스 자동화(RPA)와 인공지능(AI)을 비롯한 조직 프로세스와 기술의 혼합으로, 자동화된 온보딩 프로그램을 구동합니다. 조직은 직원 온보딩을 자동화하여 효율성을 높이고 오류를 줄이며 더 나은 후보자를 찾고 고용합니다. 이는 HR 부서와 신입 사원을 포함한 여러 이해관계자에게 도움이 됩니다.

모든 조직, 특히 수천 명의 직원이 있는 조직은 직원 온보딩 프로세스를 간소화하고 시간이 많이 걸리는 관리 작업에 소요되는 시간을 최소화할 수 있습니다. 이러한 반복적인 작업 중 일부는 직원의 첫 출근 전에 발생할 수 있고 다른 일부는 회사에서 근무를 시작할 때 발생할 수 있습니다. 최근 몇 년 동안 HR 채용 프로세스에 인공지능(AI)이 도입되면서 자동화가 더욱 강력해졌습니다.

수동 온보딩을 없애면 직원이 새로운 직장에 입사하거나 해고, 해고 또는 퇴직 후 퇴사하는 직원을 관리하는 프로세스인 채용 및 오프보딩에도 도움이 됩니다.

예를 들어, 예비 직원의 자기소개서나 이력서에서 정보를 가져와 직무 기준과 대조하여 지원자가 적합한지 확인할 수 있습니다. 면접 단계에 지원자가 합격하면 자동화된 시스템이 면접관을 위한 브리핑 양식을 작성할 수 있습니다. 직원이 퇴사하면 자동화된 시스템은 퇴사하는 직원에게 서명이 필요한 나머지 서류를 보내고 퇴사하는 즉시 모든 민감한 자료에서 로그아웃할 수 있습니다. 또한 원격으로 작업하는 경우 반환해야 할 수 있는 모든 장비에 대한 문서 및 우편 레이블을 보낼 수 있습니다.

자동화된 온보딩 기술은 점점 더 많은 이점을 제공하기 위해 AI 기술을 사용하고 있습니다.

• 생성형 AI
• 지능형 자동화
• 머신 러닝
• 자연어 처리

생성형 AI는 실시간으로 직원의 질문에 답변하는 것부터 조직의 교육 경험을 강화하는 것까지 직원 온보딩 경험의 여러 셀프 서비스 측면을 강화할 수 있습니다. 이는 조직의 셀프 서비스 챗봇 및 지식 센터에 필수적입니다. 또한 직원들은 이를 사용하여 업무를 시작할 때 관리자에게 올바른 질문을 할 수 있습니다.

지능형 자동화는 AI와 로봇 프로세스 자동화(RPA)와 같은 자동화 기술을 활용하여 조직의 워크플로를 간소화합니다. 이는 모든 자동화 전략의 초석입니다. 인공지능을 사용하여 이전에 제공된 정보를 기반으로 온보딩 문서를 시작하고, 직원이 온보딩 문서에서 놓칠 수 있는 격차를 해소하고, 적절한 관리자 또는 관리자에게 권한을 라우팅함으로써 온보딩 자동화/자동화를 강화할 수 있습니다. 이는 모든 온보딩 자동화 전략의 중심에 있습니다.

머신 러닝(ML)은 자동화 도구가 수행하는 작업과 지원하는 인력에 대해 더 많이 학습함에 따라 도구의 개선에 도움이 될 수 있습니다. 기업은 ML을 사용하여 온보딩 프로세스에 대한 데이터를 분석하고 병목 현상 또는 개선할 수 있는 기타 영역을 식별할 수 있습니다.

자연어 처리(NLP)는 통계적 모델링, 머신 러닝, 딥 러닝을 활용한 계산 언어학을 통해 텍스트와 음성을 인식, 이해 및 생성하는 능력을 강화합니다. 기업은 채용 과정에서 NLP를 사용하여 이력서를 분석하여 후보자가 특정 직무에 대한 자격이 있는지 여부를 결정합니다. 온보딩 프로세스에서 기업은 이를 사용하여 온보딩 양식에서 정보를 가져와 연락처 및 복리후생 시스템의 각 필드에 입력할 수도 있습니다.

효율성을 높이고 전체 프로세스를 개선하는 직원 자동화 전략에 대한 많은 사용 사례가 있습니다.

• 작업 승인
• 오리엔테이션 및 서류 작업 제공
• 내부 연락처 관리 시스템 완성 및 업데이트
• 역할별 교육
• 직원 질문에 답변
• 지속적인 지원 및 피드백

조직은 승인을 수행할 수 있는 사용자 지정 워크플로를 설정할 수 있습니다. 이러한 승인에는 예비 직원을 면접 프로세스의 다음 단계로 이동시키고, 급여 매칭을 실행하고, 채용 제안을 만들고, 새로운 동료를 만날 수 있도록 회사 기념품이나 초대장을 보내는 것이 포함될 수 있습니다.

조직은 시간이 많이 소요되는 여러 인적 자원 온보딩 워크플로를 자동화할 수 있습니다. 직원에게 다양한 시스템에 대한 사용자 계정을 만들도록 요청할 수 있습니다. 그런 다음 신입 사원이 직원 정보로 완성할 수 있는 템플릿을 만들 수 있습니다.

이러한 워크플로는 신입 사원을 확보하는 것부터 환영 이메일과 복리후생 관련 정보 등과 같이 신속하게 업무를 처리하는 것까지 다양합니다. 직원은 자료를 읽었으며 필요한 정보를 제공했음을 표시합니다. 직원이 이메일을 열거나 상자를 클릭하거나 관련 정보를 제공하지 않으면 해당 작업이 완료될 때까지 시스템에서 계속 후속 조치를 취합니다.

이 자동화된 온보딩 프로세스는 신입 사원으로부터 후원자, 은행 계좌 정보 및 주요 비상 연락처와 같은 직원 데이터를 얻는 데 중요합니다.

자동화 소프트웨어를 사용하면 작업자가 정보 요청을 보낼 필요가 없으며 누락된 정보에 대한 후속 조치도 자동화할 수 있습니다.

온보딩에는 직원을 인적 자원 정보 시스템(HRIS)과 같은 올바른 시스템으로 이동시키기 위해 상당한 데이터 입력 작업이 필요한 경우가 많습니다. 조직은 종종 인적자원정보시스템(HRIS)을 사용하여 직원의 연락처, 은행 및 세금 정보를 기록합니다. 관련 양식을 직원에게 전송하여 이러한 정보를 수집하는 자동화된 소프트웨어 플랫폼을 사용하면 직원들이 불필요한 작업을 하지 않아도 됩니다.

조직에서는 HR 챗봇과 AI 에이전트를 설정하여 직원과 상호 작용할 수 있습니다. 직원의 가장 간단한 질문 중 일부를 해결할 수 있으며, 답변되지 않은 질문에 대해서는 HR 담당자에게 후속 조치를 취할 수 있습니다. AI 기반 watsonx Assistant™는 HR 직원이 일반적인 HR 업무에 소요하는 시간을 75% 단축했습니다.

직원 온보딩의 처음 며칠은 직원과 조직 모두를 성공적으로 설정하는 데 중요합니다. 생성형 AI 또는 개별 인재 관리 전문가를 통해 피드백을 수집하고 답변을 배포할 수 있는 간단한 시스템을 구축한 조직은 이러한 직원들이 입사 첫날부터 업무를 빠르게 진행할 수 있습니다.

신입 사원은 주요 영역에서 자동 업스킬링 또는 재교육이 필요할 수 있습니다. 조직에서는 직원들에게 개인 맞춤형 교육 훈련을 제공하는 교육 앱을 제공할 수 있습니다. 교육 시스템은 직원들이 필요한 모든 교육을 이수할 때까지 지속적으로 후속 조치를 취합니다. ML과 같은 AI 자동화를 통해 직원이 특정 주제에 대해 수행하는 방식에 따라 개인화된 교육을 만들 수도 있습니다. 예를 들어, 직원이 이러한 질문에 어려움을 겪는 경우 마케팅 분석에 대한 추가 교육을 제안할 수 있습니다.

현재 수동 프로세스에 지나치게 의존하고 있는 조직은 자동화된 미래에 대비하기 위해 다음 단계를 거쳐야 합니다.

1. 온보딩 체크리스트 만들기
2. 이러한 수동 작업 중 자동화된 작업으로 전환할 수 있는 작업 식별
3. 적합한 기술 및 파트너 선택
4. 자동화 기술 사용자 지정
5. HR 직원 교육
6. A/B 테스트 실행
7. 대규모 배포
8. 결과 측정

신입 사원이 양호한 상태로 간주되고 조직에서 일할 준비가 된 것으로 간주되기 위해 완료해야 하는 모든 관련 온보딩 작업을 식별합니다. 이러한 작업 중 가장 중요한 작업과 직원이 완료해야 하는 특정 순서가 있는지 여부를 식별합니다. 예를 들어, 직원은 급여 수령 방법을 조직에 알리기 전에 은행 정보를 제공해야 합니다.

모든 조직은 직원들에게 기술과 인간적인 감성을 적절히 조합하여 제공해야 합니다. 급여나 복리후생에 대한 오해에 대한 질문에 답하는 것과 같은 일부 작업에는 항상 사람의 개입이 필요할 수 있습니다. 반면에 주요하지만 일상적인 정보를 중심으로 양식을 보내고 받는 것은 자동화를 위한 이상적인 옵션입니다.

온보딩 자동화를 구현하려면 여러 기술에 라이선스를 부여하고 파트너와 협력하여 자동화를 구현해야 할 수 있습니다. 직원 워크플로에서 제거하려는 특정 작업을 자동화하는 AI 기반 온보딩 기술을 선택할 수도 있습니다.

IBM watsonx Orchestrate™는 계정을 설정하고 신입 사원의 경험을 표준화하여 조직이 시간이 많이 소요되는 반복적인 비즈니스 프로세스를 자동화할 수 있도록 지원합니다.

모든 기술이 조직이 원하는 대로 작동하는 것은 아닙니다. IBM watsonx Orchestrate와 같은 올바른 제공업체와 협력하면 이러한 기술을 조직의 특정 요구 사항에 맞게 만들 수 있습니다.

온보딩 자동화를 통해 HR 직원의 업무량에서 여러 수작업을 제거할 수 있지만, 직원은 자신의 책임이 어떻게 변화하고 기술을 통해 이를 달성하는 방법을 배워야 합니다. 따라서 새로운 시스템의 기능, 시스템과 상호 작용하는 방법, 필요한 데이터를 얻는 방법을 이해하도록 학습해야 합니다. 예를 들어, 보상이나 직원 부서의 핵심 성과 지표(KPI)를 논의하는 경우 직원의 메시지 기록을 불러오는 방법을 알아야 할 수도 있습니다.

아무리 기술에 정통한 조직이라도 회사 전체에 배포하기 전에 소규모 직원 그룹을 대상으로 새로운 워크플로를 시험해 봐야 할 수도 있습니다. 몇 명의 신규 사용자를 선택하여 워크플로를 사용해 보고 효과가 있는 것과 그렇지 않은 것, 그리고 인적 요소를 놓친 부분에 대한 피드백을 제공해야 합니다. 이렇게 하면 조직은 모든 신입 사원에게 영구적으로 사용될 때 인적 인터페이스와 기술 배포를 적절하게 조합할 수 있습니다.

테스트 기간이 끝나면 조직은 온보딩 자동화 프로세스를 조직 전체에 배포해야 합니다. 이상적으로는 HR 책임자 또는 고위 임원이 자동화 프로세스가 발생하는 이유와 기존 직원에게 어떤 영향을 미칠지 설명해야 합니다.

이 과정에서 온보딩 자동화를 통해 개선되는 몇 가지 KPI가 있습니다. 핵심 요소는 직원이 온보딩을 완료하기 위해 모든 관련 정보를 제공하는 데 걸리는 시간인 완료 시간입니다. 또한 기업은 새로운 자동화 시스템에 얼마나 많은 오류가 있는지 추적하고 이를 과거 수동 시스템에서 발생한 오류 수와 비교해야 합니다. 또한 직원들에게 온보딩에 대해 정기적으로 질문하여 프로세스가 개선됨에 따라 만족도가 높아지는지 확인해야 합니다.

직원 온보딩 자동화를 사용하면 몇 가지 이점이 있습니다.

• HR 팀원의 직무 만족도 향상

• 인적 오류 최소화

• 인재 확보 비용 및 일정 단축

• 직원 및 고객 경험 혁신

온보딩 자동화는 HR 담당자의 워크로드에서 수동 프로세스를 제거함으로써 더 중요하고 보람 있는 경험을 수행할 수 있도록 합니다. 그들은 신입 사원과 동기를 부여하는 것에 대해 이야기하는 데 시간을 할애하고 회사에서 경력을 최대한 활용하는 방법을 안내할 수 있습니다.

직원 온보딩 소프트웨어는 급여 정보를 잘못 입력하거나 온보딩 패키지를 잘못된 사람에게 보내는 것과 같은 불필요한 인적 오류로부터 조직을 보호할 수 있습니다. 직원 데이터와 관련된 인적 오류는 해당 정보가 부적절하게 저장되거나 배포될 경우 평판 및 재정적 위험을 초래합니다. 자동화는 데이터와 관련된 인적 오류를 최소화하는 데 도움이 될 수 있지만 사이버 공격에 취약할 수도 있으므로 조직은 이 민감한 데이터에 대한 사이버 보안을 강화해야 합니다.

채용 관리자가 직원을 모집하고 온보딩할 때 수행해야 하는 수동 작업의 수를 최소화하면 전체 HR 프로세스를 간소화할 수 있습니다. 잠재 고객과 더 많은 품질의 시간을 보내고 더 높은 차원의 문제를 해결할 수 있습니다. 또한 직원이 정보를 제공하는 시점과 직원이 인적자원정보시스템(HRIS)에 정보를 추가하는 시점 사이의 시간을 최소화하여 전반적인 온보딩 프로세스를 가속화합니다.

IBM의 한 고객사인 FloCareer는 한 달에 20,000건의 기술 인터뷰를 완료해야 했습니다. 면접을 위해 연락하고 일정을 잡을 수 있는 후보자의 범위를 확장하기 위해 지능적인 자동화 도구가 필요했습니다. 파트너인 ThisWay Global이 만든 풀에서 watsonx Orchestrate를 사용하여 자격을 갖춘 후보자에 대한 연락을 자동화하면 FloCareer 직원은 watsonx를 사용하여 몇 초 안에 우수한 자격을 갖춘 전문가 목록을 식별할 수 있습니다.

조직은 직원이 고용 첫날에 정보를 제공하는 방법을 단순화하여 직원 경험을 개선할 수 있습니다. 직원들이 집이나 사무실에서 작성할 수 있는 자동화된 온라인 양식을 보내면 강렬한 첫인상을 남길 수 있습니다. 이를 통해 직원 경험의 첫날을 훨씬 더 생산적으로 만들고 조직이 자동화가 가능할 때 불필요한 수동 작업을 하도록 하지 않을 것임을 입증함으로써 직원 유지율을 높일 수 있습니다.

실제로 Paychex(IBM.com 외부 링크)에서 설문조사에 참여한65%의 HR 전문가²가 온보딩 AI가 직원 유지율을 개선할 것으로 예상했습니다. 직원 만족도는 낙수 효과가 있습니다. 참여도가 높고 행복한 직원은 조직의 고객에게 우수한 고객 서비스를 제공할 가능성이 높습니다.