2026년 8월 13일

미국 연방지방법원이 결제 기업 Flex의 전 CFO 면접자 Alex Anderson의 개인 기기에 대한 포렌식 조사를 승인했다.

Anderson은 올해 초 Flex의 CFO 채용 면접 중 NDA 체결로 접근한 기밀 정보를 경쟁사 Split Pay에 유출했다는 혐의를 받고 있다.

법원 명령에 따라 포렌식 전문업체가 Anderson의 개인 컴퓨터·이메일·클라우드 계정을 조사해 Flex 기밀 정보를 확보·보존하게 된다.

피고 측은 현재까지 기밀 정보가 Split Pay 직원과 공유되지 않았다고 주장하며, 향후 공유도 하지 않겠다고 동의했다.

이 사건은 채용 면접 과정에서 NDA로 제공된 전략 정보가 경쟁사로 유출되는 '인터뷰 리크' 리스크를 보여주는 사례다.

HR 시사점: CFO 등 고위직 채용 시 면접 단계에서 공개하는 기밀 정보의 범위를 최소화하고, NDA 체결 및 위반 시 법적 대응 절차를 사전에 명확히 설계해야 한다.

EEOC는 2025년 9월 애플을 상대로 민권법 Title VII 위반 소송을 제기했으며, 유대인 직원의 안식일 휴무 요청을 거부한 것이 종교 차별에 해당한다고 주장했다.

애플은 혐의를 부인하면서도 2년간의 동의 명령(consent decree)에 합의했으며, 이는 사실 인정이나 패소 판결로 해석되지 않는다고 명시됐다.

동의 명령의 적용 범위는 해당 관리자가 근무하는 리테일 매장으로 한정되며, 종교를 이유로 한 모든 차별·보복 행위를 금지하는 내용을 담고 있다.

애플은 종교적 관행 배려 정책을 업데이트하고, HR팀·매장 관리자·담당 직원을 대상으로 최소 1.5시간의 Title VII 컴플라이언스 교육을 실시해야 한다.

HR 시사점: 종교적 편의 제공(religious accommodation)은 선택이 아닌 법적 의무이므로, 관리자 교육과 명문화된 정책 없이 개별 판단에 맡기면 기업 전체가 법적 리스크에 노출될 수 있다.

AI 에이전트가 기업 의사결정의 50%를 대체·보조하리라는 전망(Gartner, 2027년) 속에 조직들이 빠르게 에이전트를 도입하고 있다.

기업 데이터의 평균 45%만 AI에 접근 가능하며, 데이터 후발 조직은 30% 이하에 그쳐 에이전트 성능이 구조적으로 제한된다.

조사 대상의 절반 수준만 자사 AI 에이전트의 판단을 신뢰하는 반면, 데이터 선도 조직은 100%가 에이전트 결정을 신뢰해 데이터 품질과 AI 신뢰도가 직결됨을 보여준다.

데이터 후발 조직의 약 3분의 2는 레거시 시스템이 에이전트 확장(66%)과 실시간 의사결정(68%)을 막는다고 답했다.

에이전트 확장을 위한 최우선 과제는 정형·비정형 데이터 접근성 확보와 비즈니스 맥락을 반영한 AI 거버넌스 강화로 꼽혔다.

HR 시사점: HR 데이터(채용·성과·근태 등)가 레거시 시스템에 분산·고립되어 있으면 HR AI 에이전트의 판단 정확도가 낮아지므로, AI 도입 전 데이터 통합과 접근 체계 정비를 선행해야 한다.

질로우(Zillow) 직원이 상사로부터 팀 회의 때마다 "너무 늙어서 모른다"는 발언을 반복적으로 들었으며, 탈모를 조롱하는 발언도 주 단위로 이어졌다.

팀원들이 원고의 이름이 적힌 티셔츠를 입고 회사 회의에 참석한 사건은 그가 팀 성과 인정에서 반복적으로 배제된 데 대한 항의 표시로, 소송에서 조직적 조롱의 증거로 제시됐다.

원고가 슬랙(Slack)에 외모 기반 괴롭힘 관련 글을 게시하자 법원은 이를 회사 채널을 통한 공식 서면 불만으로 인정했고, 이는 증거 확보 측면에서 중요한 선례가 된다.

상사는 원고에게 팀원의 근무 환경을 불편하게 만들어 자진 퇴사하도록 유도하라고 지시했으며, 불만 제기 직후 성과 경고 메일을 발송해 보복 정황이 인정됐다.

55세 이상 근로자가 전체 노동력의 약 25%를 차지하고 65세 이상 비중은 2014년 대비 40% 이상 증가했으나, 50세 이상 근로자의 90%가 연령 차별을 경험한다고 보고하고 있다.

HR 시사점: 연령 차별은 ADEA(미 고령자 고용보호법) 위반 외에도 거액 손해배상으로 이어질 수 있어, 정기적 괴롭힘 예방 교육과 공식 고충 처리 절차 정비가 필수적이다.

AI 도구의 발전으로 기술 역량이 없는 사람도 작동하는 제품을 혼자 만들 수 있는 시대가 됐다.

실행(execution) 자체가 AI로 상향 평준화되면서 기술력은 더 이상 경쟁 우위가 되지 못한다.

개발자뿐 아니라 기획자(PM)도 코드 없이 프로토타입을 만들 수 있어 혁신의 진입 장벽이 낮아졌다.

모두가 비슷한 AI 도구를 쓰는 환경에서 팀의 진짜 강점은 문제를 얼마나 깊이 이해하느냐에 달려 있다.

스타트업을 넘어 대기업 내부에서도 개인이 독립적으로 제품을 구축하는 흐름이 빠르게 확산되고 있다.

HR 시사점: 인재를 평가할 때 기술 보유 여부보다 문제 정의력과 판단력을 핵심 역량 기준으로 재설정해야 한다.

전략 수립 자체는 잘하는 리더십팀도 실행 단계에서 실패하는 경우가 많아, 전략의 품질만큼 팀의 준비 상태가 중요하다.

전략 실행 가능성은 세 가지 조건에 달려 있으며, 이를 사전에 진단하지 않으면 아무리 좋은 전략도 현장에서 무너질 수 있다.

시장 데이터 분석·재무 검토 등 전략 검증 과정이 치밀해도, 그것을 실행할 조직의 역량과 준비도가 뒷받침되지 않으면 실행력이 낮아진다.

전략 발표 전에 팀이 변화를 수용하고 실행할 수 있는 상태인지를 리더가 먼저 평가해야 한다.

HR 시사점: 새 전략·조직 변화를 설계할 때 HR은 구성원의 역량·문화·몰입도 등 실행 준비도를 선제적으로 진단하고, 그 결과를 전략 로드맵에 반영해야 한다.

단순 조언·정보 제공을 넘어 다단계 업무를 직접 수행하는 에이전트 AI로의 전환이 기업 전반에서 빠르게 이루어지고 있다.

매월 상위 10% '프론티어 기업'은 평균 기업 대비 1인당 AI 산출량이 8.3배로, 올해 1월 2.6배에서 격차가 크게 확대됐다.

6월 기준 Codex(코드 생성 에이전트)가 기업 전체 산출 토큰의 64%를 차지하며 에이전트형 업무 비중이 빠르게 늘고 있다.

AI 고활용 격차는 기술 기업만의 현상이 아니라 업종·규모와 무관하게 전 산업에서 공통으로 나타나고 있다.

AI 도입 기업은 미도입 기업보다 자산·인력·R&D 투자 모두에서 우위를 보여 AI 활용과 기업 경쟁력의 상관관계가 확인됐다.

HR 시사점: 개인 업무 효율에 그치지 않고 AI 에이전트를 조직 전체의 공유 워크플로로 내재화하는 설계가 시급하다.

Codex 지출 분석의 핵심 지표는 '완료 작업당 비용'이며, 절감된 엔지니어링 시간과 함께 추적해야 비용이 경영 판단 근거가 된다.

토큰은 입력·캐시 입력·출력 세 종류로 구분해 분석해야 하며, 세션이 짧고 분산될수록 동일 컨텍스트를 매번 재결제하게 되어 비용이 늘어난다.

개발자별 크레딧 소비량을 단순 비교하면 안 되는 이유는, 저장소 크기와 구성 파일 차이가 사용량 격차를 만들기 때문이다.

비용 배분은 좌석 할당이 아닌 실제 사용 데이터 기반으로 이루어져야 부서장의 이의 없이 예산 대화를 활용도 대화로 전환할 수 있다.

비용 상승의 원인이 '신규 사용자 증가(도입 확대)'인지 '기존 사용자의 토큰 증가(깊이 심화)'인지를 구분해야 대응 방향이 달라진다.

HR 시사점: AI 도구 도입 비용을 정당화하려면 단순 청구액이 아닌 작업 처리량·활용률·절감 시간 등 성과 지표를 함께 제시하는 ROI 분석 체계를 갖춰야 한다.