2026년 8월 25일

트럼프 행정부가 H-1B 비자 신규 청원에 약 10만 3,265달러의 추가 수수료를 부과하는 규칙을 새로 제안했다. 기존 10만 달러 부담금과 별개로 중첩 적용된다.

기존 10만 달러 부담금은 이미 소송전이 벌어진 상태로, 매사추세츠 연방 법원이 위법 판결을 내린 바 있으며, 새 수수료에 대해서도 유사한 소송이 예상된다.

새 수수료는 상한 적용 대상 청원에만 해당하며, 미국 고등교육기관 및 관련 비영리기관이 제출하는 청원은 적용 대상에서 제외된다.

노동부는 H-1B 비자 보유자 기준 임금 인상 규칙도 별도 추진 중이며, DHS는 고임금 우선 선발 기준과 OPT 학생 수수료 부과까지 검토하고 있다.

DHS는 추가로 H-1B 비자 만료 전 고용이 종료될 경우 적용되던 60일 유예 기간 폐지 규칙도 발표해 비자 보유자의 고용 안정성이 더욱 약화될 전망이다.

HR 시사점: H-1B 의존도가 높은 기업은 비용 급증과 불확실한 법적 환경을 고려해 인재 승계 계획을 재검토하고, 국내 채용·교육 전략을 병행 강화해야 한다.

AI가 반복적 지식 업무를 빠르게 대체하면서, 인간 고유의 적응력·창의성·사회적 역량이 미래 핵심 경쟁력으로 부상하고 있다.

유아기(0~5세)는 뇌 발달의 결정적 시기로, 이 시기의 학습 경험이 평생의 인지적·정서적 유연성을 좌우한다.

와튼 신경과학 이니셔티브는 조기 교육 투자를 '브레인 캐피털' 개념으로 정의하며, 개인과 경제 전체의 장기 수익률이 가장 높은 투자로 본다.

적응력을 조기에 키운 인재는 AI 전환기에도 역할 재정의와 재학습(리스킬링)에 유리하며, 조직의 변화 대응력을 높이는 데 직접 기여한다.

HR 시사점: 채용·육성 기준에 적응력·학습민첩성(Learning Agility)을 명시적으로 포함하고, 유아기 교육 지원 복리후생(보육비·육아휴직 정책)을 인재 전략과 연계해야 한다.

DEI를 유지한 애플·코스트코·마이크로소프트 등과 축소한 IBM·타깃·월마트 등을 비교한 결과, 주가 성과는 두 그룹 간 통계적으로 구별되지 않았다.

오히려 일부 분석에서는 DEI를 유지한 기업의 수익률이 소폭 높게 나타나, 축소가 재무적 이점을 가져온다는 주장은 데이터로 뒷받침되지 않는다.

트럼프 행정부의 반DEI 행정명령 이후 연방 계약 기업의 51%가 포용 노력을 줄였고, 비계약 기업의 52%는 오히려 늘리는 방향으로 움직여 양극화가 심화되고 있다.

Catalyst 조사에서 미국 기업의 80%는 여전히 DEI에 헌신하고 있으며, 77%는 지난 3년간 전략을 수정·적응시켜 왔다고 밝혔다.

UC버클리 연구자는 기업들이 실제 재무 근거 없이 정치적 압력에 굴복해 DEI를 폐지했다고 평가했다.

HR 시사점: DEI 프로그램 유지가 재무 성과에 불이익을 준다는 논거는 실증적으로 약하므로, 축소 결정은 법적·정치적 리스크 외에 재무적 근거까지 별도로 검토해야 한다.

미국 직장에서는 하루 약 7,500만 건의 무례한 행동이 발생하며, 무례함은 감기처럼 전염되어 조직 전체의 신뢰와 성과를 무너뜨린다.

4,900여 명을 대상으로 한 다년간 연구에서 관리자의 존중이 직원의 최선 발휘와 팀 목표 달성에 가장 직접적인 영향을 미치는 요인으로 확인됐다.

관리자는 업무 외 요청이 없을 때도 직원에게 먼저 말을 걸고, 일·생활 균형이나 가족 안부를 물어 진정한 관심을 표현해야 한다.

신뢰는 긍정적 관계 형성, 지식 공유, 일관된 행동으로 쌓이며, 팀원 한 명의 불신이 전체 팀 신뢰 수준을 낮추기 때문에 일관성이 핵심이다.

건설적 갈등은 창의성을 높이지만, 방치된 갈등은 불존중 문화로 이어지므로 관리자는 공정하게 개입해 초기에 해소해야 한다.

HR 시사점: 성과 압박 속에서도 직원 웰빙을 결과와 균형 있게 다루는 것이 존중의 핵심이며, 관리자 교육에 이 7가지 행동을 반영해야 한다.

챗봇 등장 이후 교사들은 학생의 AI 과제 대리 문제에 대응해야 했고, 수업 준비·채점 부담까지 겹쳐 혼란이 가중됐다.

미국 체셔아카데미는 특정 툴을 강제하지 않고 프롬프트 작성법과 AI의 한계(오류·편향 가능성)를 중심으로 교직원을 먼저 교육했다.

교사들은 AI를 수업 계획·채점 기준표 작성에 활용하며, 학생 피드백 제공에는 품질·개인정보 우려로 아직 도입을 보류하고 있다.

프랑스어 교사는 학생이 AI 수정 결과를 직접 검토해 자신의 목소리가 지워졌는지 판단하는 과제를 통해 AI의 언어 교육 한계를 체감하게 한다.

학교 전체는 과제에 신호등 라벨(초록·노랑·빨강)을 붙여 AI 허용 범위를 명시적으로 구분하는 방식을 채택해 운영하고 있다.

HR 시사점: 사내 AI 도입 시 툴 도입보다 활용 원칙·한계 교육을 먼저 설계하고, 업무별 AI 허용 범위를 신호등처럼 명확히 구분하면 구성원의 혼란을 줄일 수 있다.

대부분의 기업은 외부 인재 영입에 막대한 비용을 쓰면서, 정작 내부에 성장 의지가 있는 인재를 제대로 활용하지 못하는 모순에 빠져 있다.

내부 이동성(Internal Mobility)은 직원이 현 조직 내에서 새로운 역할·프로젝트·경력 경로로 이동하는 것을 의미하며, 핵심 인재 유지 전략의 핵심 축이다.

경영진이 직원의 보유 스킬을 파악하지 못하는 것이 내부 이동성 실패의 주된 원인으로, 이를 해결하기 위해 스킬 데이터 기반의 인재 분석이 필수적이다.

내부 이동률 공식과 측정 지표를 체계화하면, 외부 채용 대비 내부 충원 비율을 가시화하고 조직의 인재 개발 성과를 정량적으로 관리할 수 있다.

모범 사례로는 스킬 인벤토리 구축, 내부 공모 제도 활성화, 매니저 인센티브 연계 등이 제시되며, 리더십의 의지가 제도 정착의 전제 조건이다.

HR 시사점: 헤드헌터 비용을 줄이고 직원 몰입도를 높이려면, 내부 이동성을 단순 복지가 아닌 데이터 기반 전략으로 설계하고 지표화해야 한다.

카리스마와 탁월한 기술 역량은 면접에서 독성 리더(조직에 해를 끼치는 리더)를 걸러내지 못하는 대표적 허점으로 작용한다.

리처드 사례처럼 면접에서 높은 평가를 받은 후보자가 입사 후 독성 행동으로 조직에 피해를 주는 패턴이 반복된다.

채용 과정에서 후보자의 대인관계 역량을 체계적으로 진단하기 위한 6단계 평가 방법론이 구체적으로 제시된다.

인터뷰만으로는 후보자의 겉으로 드러나지 않는 대인관계 결함이나 독성 리더십 징후를 포착하는 데 한계가 있다.

HR 시사점: 채용 면접에 대인관계 역량을 구조적으로 평가하는 절차를 추가해야 독성 리더 유입을 사전에 차단할 수 있다.

고성과자를 리더로 키우려면 역량 향상 경험만으로는 부족하며, 조직 내 영향력의 기반이 되는 사회적 자본(social capital) 구축이 함께 필요하다.

리더십 개발이 그동안 성과 실행에 치우친 이유는 리더 자신도 실행과 결과로 평가·보상받기 때문이며, 이 구조가 네트워크 개발을 후순위로 밀어냈다.

조직 전략이 협업·공동 실행에 점점 더 의존하면서, 폭넓은 내부 관계망 없이는 리더십 효과를 발휘하기 어려운 환경이 되고 있다.

관리자들은 고성과 직원에게 스킬을 쌓는 과제를 주는 데 집중하지만, 다양한 이해관계자와 관계를 넓히는 배치·기회는 충분히 제공하지 않는다.

최신 연구에 따르면 사회적 자본은 자연스럽게 형성되지 않으며, 관리자가 의도적으로 네트워크 형성 기회를 설계해야 실질적 효과가 나타난다.

HR 시사점: 리더십 파이프라인 관리 시 과제·교육 중심 개발 계획에 네트워크 구축 목표를 명시적으로 포함시켜, 고잠재력 인재의 조직 내 영향력 기반을 조기에 조성해야 한다.

아이가 모국어를 익히는 데 쓰는 단어는 약 1억 개지만, 최신 LLM은 그 10만 배인 15조 토큰을 학습해야 같은 언어 유창성에 도달한다.

이 격차를 '데이터 효율성 차이(data efficiency gap)'라 부르며, 왜 아이가 AI보다 훨씬 적은 데이터로 언어를 습득하는지 인지과학계도 아직 규명하지 못했다.

훈련용 인터넷 데이터가 2030년대에 고갈될 수 있다는 전망이 나오면서, 데이터 규모 확대로만 AI 성능을 높여 온 기존 방식의 한계가 부각되고 있다.

아이의 언어 습득 메커니즘을 역설계하면 적은 데이터로도 작동하는 AI를 만들 수 있어, 소수언어 챗봇과 영상 학습 AI 등 새로운 분야에 활용될 수 있다.

이 연구는 인간이 언어 본능을 타고나는지 같은 인지과학의 오랜 질문에도 답을 줄 수 있어, AI 개발과 인간 학습 이해 양면에서 주목받고 있다.

HR 시사점: 현재 LLM은 방대한 범용 데이터에 의존하는 구조적 한계가 있으므로, AI 도구 도입 시 사내 특화 데이터가 부족한 영역에서는 성능 기대치를 현실적으로 조정해야 한다.