상시 성과관리, 빈도보다 '역량 데이터'가 먼저다

"상시 성과관리, 핵심은 자주 만나는 게 아닙니다."

격주 1on1, 월간 체크인, 분기 리뷰. 주기는 촘촘한데 막상 그 자리에 앉으면 꺼낼 이야기가 없습니다. 기록 없이 시작하는 면담은 근황을 묻다 인상만 주고받다 끝나죠.

문제는 얼마나 자주 만나느냐가 아닙니다. 그 자리에서  무엇을 보고 이야기할 것인가입니다. 그 답은 매출, 실적과 같은 결과가 아니라 역량입니다. 역량을 정기적으로 측정해 쌓아 온 데이터가 있어야 면담에서 나눌 이야기가 생깁니다.

빈도보다 근거가 우선인 이유와 근거는 왜 결과가 아닌 역량이어야 하는지 자세히 살펴봤습니다.

상시 성과관리란?

상시 성과관리의 정의

상시 성과관리(Continuous Performance Management)는 연 1~2회의 평가 이벤트 대신, 목표 설정·중간 점검·피드백·평가를 연중 상시로 순환시키는 성과관리 방식입니다.

그렇다고, 자주 만나는 것 자체가 핵심은 아닙니다. 만남 사이에 쌓인 기록이 연말 평가의 근거가 된다는 점입니다.

전통적 성과관리와의 차이는 이렇습니다.

세계 최대 HR 협회 SHRM도 성과관리를 ‘연례 리뷰가 아니라, 명확한 목표 설정과 정기적 피드백, 성과 데이터의 전략적 활용으로 구성원이 비즈니스 목표에 기여하게 만드는 시스템’으로 규정합니다.

왜 지금인가

상시 성과관리가 부상한 배경은 세 가지입니다.

1. 경영 환경의 속도:  IGM 세계경영연구원은 변동성·불확실성·복잡성·모호성이 큰 시대에는 어제의 예측에 따른 전략이 오늘 통하지 않는다고 짚습니다. 수시로 점검·조정하는 방식이 필요해졌습니다.

2. 세대 변화: 형평성·공정성을 중시하고 즉각적 피드백에 익숙한 세대가 조직의 다수가 되면서, 연말에 결과만 통보받는 평가에 대한 수용성이 떨어졌습니다.

3. 공정성과 수용성:  공정성은 보상 결과의 형평성, 평가 절차의 투명성, 평가 과정에서의 존중과 적시 피드백으로 나뉘는데, 연말 단발 평가로는 이 셋을 모두 확보하기 어렵습니다. 공정성이 확보돼야 구성원이 결과를 받아들이는 수용성이 올라가고 이는 몰입으로 이어집니다.

시대가 요구하는 민첩성, 적시성, 공정성을 확보하기 위해 상시 성과관리를 도입하는 조직이 늘고 있습니다.

상시 성과관리에서 빈도보다 먼저 봐야 할 것

너무 잦아도, 너무 드물어도 실패한다

주기를 늘리고 줄이는 것만으로는 답이 나오지 않습니다. 너무 잦으면 체크인은 의례적인 진도 확인으로 굳어져 형식만 남고, 너무 드물면 기록이 없는 연말 평가는 최근 몇 달의 기억으로 되돌아갑니다.

빈도는 '감'이 아니라 '설계'다

연례 평가를 폐지한 글로벌 기업들도 '몇 주에 한 번'이라는 공식을 따르지 않습니다. 어도비는 부서마다 업무 주기에 맞춰 빈도를 정하게 했고, 딜로이트는 코칭 대화를 살리려고 주간 체크인을 택했습니다. 둘 다 빈도를 숫자로 정하지 않았습니다. '업무가 어떻게 돌아가는지'와 '이 자리에서 뭘 하려는지'를 먼저 보고 거기에 맞춰 주기를 잡았습니다. 일상 코칭은 짧고 자주, 공식 측정은 길고 드물게, 이렇게 두 층으로 나눠 설계하면 됩니다. 다만 이렇게 정한 주기도 그 자체로는 충분하지 않습니다.

빈도만으로는 부족하다

면담의 주기를 정하는 일과 그 자리에서 무엇을 볼지 정하는 일은 다릅니다. 빈도를 아무리 정교하게 짜도 펼쳐놓고 이야기할 데이터가 없으면 자주 만나도 인상 평가만 반복됩니다.

무엇을 근거로 삼느냐가 빈도보다 먼저입니다. 근거라고 하면 보통 매출이나 목표 달성률 같은 결과를 떠올립니다.

근거는 결과가 아니라 역량입니다

결과는 한발 늦게 도착한다

매출도, 계약도, 프로젝트 완료도 분기가 끝나야 알 수 있는 결과입니다. 결과는 목표를 채웠는지 못 채웠는지만 알 수 있고, 왜 그런 결과가 나왔고 무엇을 바꿔야 나아지는지는 모릅니다. 

게다가 결과를 볼 때쯤이면 손쓸 시점은 지나 있습니다. 연중 내내 방향을 잡아주자는 게 상시 성과관리인데 결과는 한 해가 다 가서야 나옵니다. 상시로 보겠다면서, 상시로 볼 수 없는 걸 들여다보는 셈입니다.

결과보다 먼저 보이는 것은 역량

역량은 다릅니다. 분기나 연말까지 기다릴 필요가 없이 일하는 과정 그 자체에서 계속 변합니다. 어제보다 나아진 부분이 있고, 여전히 막혀 있는 부분도 있습니다. 이 변화는 결과보다 먼저, 더 자주 일어납니다. 상시 성과관리에서 역량이 성과를 견인하는 '선행 지표'이자 우리가 자주 들여다봐야 할 이유가 여기 있습니다. 

다만 역량을 상시 성과관리에 제대로 활용하기 위해서는 변화를 어떻게 정량적인 데이터로 구조화하느냐가 관건입니다. '요즘 부쩍 늘었다' 같은 인상만으로는 부족합니다. 정기적으로 같은 기준을 대고 측정해야 누가 어떤 역량에서 늘고 있고 어디서 더딘지가 데이터로 드러납니다.

결과는 이미 일어난 일을 보여주는 후행 지표입니다. 그래서 상시 성과관리에서는 일상의 코칭과 피드백으로 역량을 키우고, 같은 기준으로 꾸준히 측정해 그 변화를 데이터로 확인해야 합니다. 이렇게 역량의 성장을 지속적으로 관리할 때 성과는 자연스럽게 따라옵니다.

그렇다면 채용 패러다임이 변하는 지금, 우리 조직이 가장 먼저 측정해야 할 역량은 무엇일까요? 

AI 시대, 측정해야 할 역량은?

AI 활용 역량, 전 직군에 들어온 새 기준

직무를 막론하고 AI로 실제 성과를 내는 능력이 새 평가 축입니다. 특정 기업만의 이야기가 아닙니다. 글로벌 리서치 기관 가트너(Gartner)는 2026년 인재관리 핵심 트렌드로 'AI가 성과관리를 다시 쓰고 있다'는 점을 짚었습니다. AI 확산으로 역량 요구가 빠르게 바뀌면서 HR이 인재 전략을 재설계해야 하는 상황이라고 진단했습니다.

문제는 이 역량이 대부분의 평가표 어디에도 없다는 것입니다. "AI 좀 씁니다"라는 자기 보고와 실제 업무에서 AI로 문제를 푸는 능력은 전혀 다른 이야기인데도 말이죠.

측정하기 어려운 역량

AI 활용 역량은 기존 방식으로는 검증되지 않기 때문입니다. 이력서에 적힌 'AI 활용 가능'은 자기 보고일 뿐입니다. 면접 몇 마디로 가려지지 않습니다. 결과물만 봐서는 AI가 한 일인지 사람이 AI를 잘 쓴 것인지 구분하기 어렵습니다.

AI 활용 역량은 결과가 아니라 과정에서 드러납니다. 어떤 프롬프트로 접근하고 정보를 어떻게 구조화했으며 AI의 답을 어떻게 검증하고 다듬었는지가 곧 실력입니다.

AI 활용 역량을 데이터로 만드는 세 가지 조건

상시 성과관리의 근거가 되려면 역량 데이터는 세 가지 조건을 갖춰야 합니다.

1. 정기적으로 측정해 변화를 추적할 수 있을 것

2. 결과만이 아니라 과정까지 들여다볼 것

3. 사람마다 들쭉날쭉하지 않게 비교 가능할 것

그런데 AI 활용 역량을 세 조건으로 측정하는 일은 개별 조직이 자체적으로 해내기 어렵습니다. 전문적인 평가 체계가 필요한 이유입니다.

상시 성과관리의 근거를 만드는 평가

프로그래머스 AI 역량평가

앞서 말한 세 조건인 정기 측정, 과정 분석, 비교 가능성을 AI 활용 역량에 그대로 적용한 평가가 프로그래머스 AI 역량평가입니다.

결과물이 아니라 'AI 협업 과정'을 본다

같은 결과물이라도 AI가 던져준 답을 그대로 가져온 사람과 AI를 단계적으로 끌고 가 결과물을 직접 완성한 사람은 실력이 다릅니다. 프로그래머스 AI 역량평가는 그 차이를 데이터로 확인합니다. 

응시자가 AI와 나눈 대화 로그 전체를 분석해 답에 이르는 과정에서 네 가지로 나누고 종합적으로 평가합니다.

1. 목표 설정: 문제를 어떻게 정의하고 무엇을 목표로 잡았는가

2. 맥락 구조화: 필요한 정보와 맥락을 어떻게 정리해 AI에 전달했는가

3. 실행 전략: 어떤 순서와 방법으로 문제에 접근했는가

4. 검증·개선: AI의 답을 그대로 쓰지 않고 어떻게 점검하고 고쳤는가

직군마다 과제는 다르게, 척도는 같게

측정은 추상적인 지식 테스트가 아니라 실제 업무를 재현한 과제로 이뤄집니다. 개발 직군은 AI와 협업해 코드를 작성하고 검증하는 과제를, HR·마케팅·기획 같은 직무는 각자의 실무 문제를 푸는 과제를 받습니다. HR 담당자라면 인사 데이터로 조직 개선안을 작성하고 마케터라면 데이터 기반 예산 배분안을 짜는 식입니다. 

과제는 직무마다 다르지만 그 결과를 재는 척도는 하나입니다. 부서와 직급을 가로질러 AI 활용 수준을 같은 기준으로 견줄 수 있습니다.

그 결과를 신뢰할 수 있는 이유

평가를 도입할 때 인사담당자는 결과의 신뢰도를 신경 씁니다.
프로그래머스 AI 역량평가는 채점을 AI에게만 맡기지 않습니다. 채점은 두 갈래로 나눠합니다. 답이 맞고 틀린 게 분명한 항목은 정해진 규칙으로 자동 채점합니다. 반면 정답이 정해져 있지 않고 ‘얼마나 잘했는가’를 봐야 하는 항목은 AI가 먼저 채점한 뒤 전문 평가자가 한 번 더 확인해 확정합니다.

같은 기준이 채용·진단·교육을 잇는다

평가는 AI 지식 → 활용 → 전문성 단계로 이어지는 모듈형 구조 설계되어 기업의 목적에 따라 단독 또는 조합하여 유연하게 운영할 수 있습니다.

채용·조직진단·교육 전반에 걸쳐 동일한 평가 기준이 일관되게 적용됩니다.

• 채용: 지원자가 실제 과제에서 AI를 다루는 수행 데이터로 검증

• 조직진단: 어느 직군이 어디서 약한지 전사 분포를 파악

• 교육: 전후 측정으로 역량이 얼마나 늘었는지 확인

목적은 달라도 측정 기준은 하나라, 상시 성과관리가 기댈 근거 데이터가 일관되게 쌓입니다.

측정한 데이터를 성과관리에 적용

프로그래머스 AI 역량평가는 AI 역량을 비교 가능한 데이터로 만듭니다. 다만 그 데이터를 등급이나 점수로 단정하지는 않습니다. 누가 어떤 역량에서 강하고 어디서 성장이 정체되어 있는지를 보여주는 자료로 제공해, HR과 현업 리더가 채용·배치·육성 같은 실제 판단에 활용할 수 있게 합니다.

지금 시작할 수 있는 것

프로그래머스 AI 역량평가가 하는 일은 명확합니다. AI 활용 역량을 실제 업무 과정으로 측정해 비교 가능한 데이터로 만드는 것입니다. 그 데이터로 HR은 채용을 검증하고, 조직 전체의 약한 지점을 파악하고, 교육 전후 변화를 확인할 수 있습니다.

우리 조직의 면담과 평가 자리에 AI 활용 역량 데이터가 없다면, 가장 빠르게 변하고 있는 부분을 보지 못한 채 판단하고 있는 셈입니다. 측정부터 시작해 보세요.