[노무-23012] 인공지능(AI) 등 알고리즘을 활용한 인사평가와 저성과자 해고

Ⅰ. 삐빅! "내보내도 문제없는 사람 명단입니다."

 ◎ 지난 2019년 아마존(Amazon)은 생산성을 측정하는 프로그램을 이용해 물류 센터 직원을 해고한 바 있는데, 이 시스템은 상품 스캔과 같은 움직임과 작업 완료에 걸리는 시간을 추적해 직원의 생산성을 측정함.

  ※ 당시 아마존은 "최종적으로는 관리자가 동의해야 하고, 해고 결정도 사람이 전달한다"고 해명하였음.

 

 ◎ 스스로 데이터 분석 알고리즘(Algorithm)을 활용하여 직원들을 해고한다고 인정한 위 아마존 외에도 이미 구글(Google), 엑센추어(Accenture), 메타(Meta) 등 소위 빅 테크 기업들은 알고리즘을 이용한 해고 의혹을 받고 있으며, 미국에서는 이와 관련된 분쟁 역시 발생하고 있음.

※ Robert Brauneis & Ellen P. Goodman, Algorithmic Transparency for the Smart city, 20 YALE J, L. & Tech. 103
(2018) → 해당 판례는 미국에서 알고리즘(algorithm)을 사용한 저성과 해고대상자의 선발에 대한 합리성 판단한 사례.

 

 ◎ 한편, 미국에서는 민간기업이 개발한 알고리즘을 이용하여 비효율적인 업무수행을 한 공립고등학교 교사를 해고한 사례도 있었는데, 연방대법원은 알고리즘에 의한 평가시스템이 결과도출과정에서의 투명성에 문제가 있다고 하여 당해 교사에 대한 해고는 수정연방헌법 제14조(적법절차, due process)에 반한다고 판단하기도 하였음.(Houston Federation of Teachers Local 2415 v. Houston Independent Sch. Dist., 251 F. Supp. 3d 1168 (2017))

 

 ◎ 이미 해외 글로벌 선진 기업은 HR Analytics 기술을 활용하여 채용·승진·평가·해고 등에 적극적으로 활용하고 있으며, 객관적인 데이터를 기반으로 논거를 제시한다는 점에서 타당하거나 합리적이라는 평가가 지배적이라 곧 국내의 기업들도 적극적으로 해당 기술을 활용할 가능성이 높다고 판단됨.

 

 ◎ 이 글은 이러한 인공지능 혹은 데이터 마이닝 기술을 활용하여 저성과자들을 수면 위로 끌어올리고, 이들을 최종적으로 회사에서 나가게 하는 것이 과연 가능한가?에 대한 미래지향적인 문제에 대하여 답을 찾고자 함.

---

반응형

---

Ⅱ.  저성과자 해고 요건 분석

 1.  저성과자 징계 해고 : 일신상의 사유와 행태상의 사유

• 저성과자와의 근로관계를 정당하게 해지하기 위해서는 "여러 가지 사정을 종합적으로 고려하여 사회통념상 근로계약을 계속시킬 수 없을 정도로 근로자에게 책임 있는 사유"가 있어야 함.(대법원 2009. 5. 28. 2007두979 등)
• 이때 "여러 가지 사정"이라 함은 사업의 목적·성격, 사업장 여건, 근로자 지위, 직무 내용, 비위행위의 동기·경위, 기업질서, 과거의 근무태도 등을 말함.
• 만일, 저성과라는 결과에 연결된 원인으로 근로자의 귀책이 존재하는 경우라면 이는 행태상의 사유로서 "징계해고" 대상이 될 수 있으나, 근로자의 귀책없이 저성과라는 결과에 초점을 맞춘다면 일신상의 사유로서 "통상해고"의 대상이 될 수 있음.
• 저성과자를 징계해고 한다면 그가 행한 비위행위가 사회통념상 고용관계를 존속할 수 없을 정도인지를 살펴보면 되며, 저성과자를 통상해고한다면 그의 능력 부족이 사회통념상 고용관계를 존속할 수 없을 정도로 현저하고 쉽게 회복될 수 없는지를 검토하면 됨. 

일신상의 사유 : 통상해고	행태상의 사유 : 징계해고
- 고의·과실 또는 의도적 행위가 없는 수동적 성격 예시① 능력이나 자격 부족으로 인한 저성과 예시② 성격적 결함으로 인한 저성과 예시③ 질병·부상 등 건강 흠결으로 인한 저성과 예시④ 유죄판결에 따라 신체구속으로 근무 불가	- 고의·과실 또는 의도적 행위에 따른 계약 위반의 능동적 성격 예시① 업무명령 위반으로 인한 저성과 예시② 근무태도 불량으로 인한 저성과

 

2.  저성과자 통상해고의 세부적인 요건

• 회사와 근로자가 체결한 고용계약은 도급계약이 아니므로 일정한 일의 완성을 약정하지 않음. 따라서 근로자가 계약상 노무를 정상적으로 제공하였다면, 회사는 단순히 실적이 낮다는 이유만으로 근로자를 해고하는 것은 무리가 있음. 또한, 그러한 저성과의 원인이 근무태만 등과 같은 근로자의 귀책에서 기인하지 않는다면 회사는 더욱 난처해질 수 있음.(정말 착하고 좋은 사람이지만 업무에 있어서는 지나치게 모자란 동료를 상상해보라..!)
• 그러나 회사는 영리성을 기반으로 효율성과 합리성을 추구하는 조직이기 때문에 지속적인 저성과로 인하여 발생되는 조직 관리상의 병목현상을 해결하여야 함. 따라서 반드시 근로자의 귀책사유가 수반되어야 하는 "징계해고" 대신 "통상해고"를 선택지로 고려하게 됨.
• 통상해고는 근로자가 제공하는 노무의 수준과 양이 근로계약상 약정된 그 정도보다 아예 없거나 지나치게 적어 사실상의 채무불이행 상태를 야기한 경우에 한하여 제한적으로 인정될 수 있으므로 판례에서도 저성과자의 해고의 정당성을 판단할 때에는 상당히 다양한 요소를 종합적으로 고려함.
• 대법원은 근무성적이나 근무능력 불량을 이유로 한 해고의 경우 (1) 사용자가 근로자의 근무성적이나 근무능력이 불량하다고 판단한 근거가 되는 평가가 공정하고 객관적인 기준에 따라 이루어졌을 것, (2) 근로자의 근무성적이나 근무능력이 다른 근로자에 비하여 상대적으로 낮은 정도를 넘어 상당한 기간 동안 일반적으로 기대되는 최소한에도 미치지 못하고 향후에도 개선될 가능성을 인정하기 어렵다는 등 사회통념상 고용관계를 계속할 수 없을 정도인 경우에만 그 정당성이 인정된다고 판시한 바 있음.(대법원 2021. 2. 25. 2018다253680, 대법원 2022. 9. 15. 2018다251486 등)
• 저성과로 인하여 사회통념상 고용관계를 계속할 수 없는 정도인지는 아래 작성한 기준을 가지고 판단하여야 함.
  ① 근로자의 지위와 담당 업무의 내용,
  ② 그에 따라 요구되는 성과나 전문성의 정도,
  ③ 근로자의 근무성적이나 근무능력이 부진한 정도와 기간,
  ④ 사용자가 교육과 전환배치 등 근무성적이나 근무능력 개선을 위한 기회를 부여하였는지 여부,
  ⑤ 개선의 기회가 부여된 이후 근로자의 근무성적이나 근무능력의 개선 여부,
  ⑥ 근로자의 태도,
  ⑦ 사업장의 여건 등

 

3.  소결 : 저성과자 통상해고의 정당성 요건

• 결론적으로 저성과자 통상해고의 정당성은 ⓐ저성과자 인원 선택의 객관적 합리성과 ⓑ저성과자의 개선 가능성을 기준으로 판단하여야 함.
• 참고로 최근 SK하이닉스에서 저성과자를 개선하고자 만든 성과향상프로그램(PIP, Productivity Improvement Program)이 법원의 심판대에 오르게 되었는데, 이 사건 원고들은 SK하이닉스가 해당 프로그램을 사실상 저성과자 퇴출 목적으로 운영하고 있다며 소송을 제기한 것임.(대법원 2023. 1. 12. 2022다281194)
• 해당 판례는 SK하이닉스가 운영하는 PIP제도가 진정으로 저성과자의 개선 가능성을 모색하기 위한 제도로 운영되는지를 검토(상기 ⓑ 요건)하였고, 1·2·3심 모두 회사의 손을 들어줬음. 다만 아직까지 AI 등 알고리즘에 의해 저성과자 명단을 자동으로 작성하고 해고하였던 국내 사례는 알려진 바 없음.
• 따라서 인공지능(AI) 등 알고리즘을 활용해 저성과자를 판단한다면 그것이 과연 객관적이고 합리적일 수 있는지(상기 ⓐ 요건) 검토해볼 필요가 있음. 

 

---

반응형

---

Ⅲ.  AI 등 알고리즘을 활용한 저성과자 인원 선택의 객관적 합리성 판단의 한계

 ◎ AI 모델 등 알고리즘은 훈련된 데이터를 기반으로 특정 그룹의 사람들에게 편향(Bias)될 수 있음. 만약 AI모델이 학습한 데이터에 특정 성별 혹은 인종에 편향된 결과가 포함되어 있다면, 이는 특정 직원에 대한 부당한 대우를 초래하고 직장 내 불평등을 영속화시킬 수 있음.

 

 ◎ 알고리즘은 학습된 변수에 기반하여 저성과자를 판단할 뿐, 그 외 직원들의 성과에 영향을 미칠 수 있는 외생요인에는 무관심함. 만일 열정적이고 열심히 일 하는 직원이 주변 동료의 게으름 등으로 처리 속도가 지연되거나 병목이 발생하였다면 알고리즘은 모순적이게도 최선을 다한 직원에게 기계적으로 저성과자 낙인을 찍어버릴 수 있음.

 

 ◎ 또한, 알고리즘은 결과를 도출하는 과정이 불투명하여 저성과자로 지명된 직원이 어떠한 이유 때문에 낮은 성과를 기록하게 되었는지 규명할 수 없음. 이는 결국 저성과자로 지목된 직원이 개선해야 하는 항목이 무엇인지 답을 줄 수 없어 저성과자의 업무능력 향상을 위한 피드백을 제공할 수 없음.

 

 ◎ 그 밖에 정량적인 요소 외에 정성적인 평가 항목의 학습 내지 반영이 어려워 자칫 조직의 문화에 역행하는 직원이 고성과자로 인정받을 수 있으며, 시간의 흐름에 따라 조직의 인재상이 변할 수 있음에도 이것이 실시간으로 학습되지 않는다면 과거의 인재상이 관성처럼 평가에 반영되는 한계가 존재할 수 있음.

 

 ◎ 마지막으로 AI 모델 등을 구축할 때 하이퍼 파라미터(Hyper parameter)의 개수와 그 값을 어떻게 설정하느냐에 따라 나타날 수 있는 결과는 상당한 차이를 보일 수 있으므로 인사평가에 활용되는 모델 자체의 객관성과 신뢰성이 공격받을 수 있음.

 

 ◎ HR 데이터 분석의 눈부신 발전으로 "저성과" 에 대한 기계적인 판단이 가능한 시대가 도래하였으나 아직까지는 보완이 필요한 단계라고 사료되며, 나아가 인사평가는 사람을 그 대상으로 한다는 점에서 피평가자의 인격적 가치를 존중하는 접근이 앞으로 더욱 중요해질 것으로 판단됨.

 

 

 

방준식. (2022). 저성과자 해고에 관한 법적 검토. 노동법포럼, (35)
하갑래. (2015). 업무저성과자에 대한 통상해고의 정당성. 법학논총, 39(4), 425-459.
월간노동법률, “SK하이닉스 저성과자 프로그램, 위법 아냐”...대법서 확정, 2023. 03. 13.
조선일보, “우선 내보낼 사람 명단입니다” 인공지능이 해고할 직원도 고르나, 2023. 03. 10.