AI가 예측하는 기술자 이직 위험
 |
| AI로 직원들의 이직을 예측한다 |
"이 직원, 곧 나간다?"
태국의 자동차 서비스 산업은 동남아시아에서 손꼽힌다. 차량 정비소도 기술자도 많다. 그런데 문제는, 숙련된 기술자가 자꾸 회사를 떠난다는 것.
이직은 개인의 자유지만, 기업 입장에서는 크나큰 손실이다. 기술이 빠져나가고, 고객 신뢰도 떨어진다. 그렇다면, ‘누가 곧 회사를 그만둘지’ 미리 알 수 있다면? 실제로 한 연구팀이 인공지능을 이용해 이 문제에 정면으로 도전했다.
---
AI가 이직을 예측한다고?
이 연구는 태국의 대형 자동차 서비스 센터에서 일하는 숙련 기술자 244명을 대상으로 했다. 그중 17명이 실제로 회사를 그만뒀다. 연구진은 이 데이터를 바탕으로 직원 이직 여부를 예측하는 AI 모델을 만들었다.
핵심은 두 가지 기술 조합이다:
1. 랜덤 포레스트(Random Forest): 의사결정 나무를 여러 개 합쳐서 만든 머신러닝 알고리즘.
2. SMOTE(Synthetic Minority Oversampling Technique): 퇴사한 직원이 너무 적어서 생기는 ‘데이터 불균형’을 해결하기 위한 기법.
SMOTE는 퇴사한 직원 데이터를 인공적으로 늘려주고, 랜덤 포레스트는 그것을 학습해 예측 모델을 만든다.
---
왜 퇴사할까? 3가지 요인에 집중
연구팀은 퇴사의 원인을 다음의 3가지로 분류했다:
1. 개인 요인: 나이, 학력, 근속 연수, 소득, 가족 부양 등
2. 푸시 요인(밀어내는 요인): 회사 내부 문제 – 낮은 급여, 열악한 환경, 상사와의 갈등 등
3. 풀 요인(당기는 요인): 외부 기회 – 더 좋은 연봉, 승진 기회, 다른 회사의 제안 등
이 세 가지 요소에 대한 총 31개 문항으로 설문지를 구성했고, 이를 AI 모델에 입력해 분석했다.
---
모델 훈련은 이렇게 진행됐다
데이터 수집부터 예측까지의 과정은 다음과 같다:
1. 설문조사 실시: 전국 155개 센터, 244명 응답
2. 데이터 전처리: 수치화 및 표준화
3. 상관관계 분석: 어떤 요인이 퇴사와 연관 있는지 파악 (예: 낮은 급여 ↔ 퇴사율 높음)
4. 데이터 보강: SMOTE를 이용해 퇴사자 데이터를 증강
5. 랜덤 포레스트 모델 학습
6. 모델 테스트 및 평가
---
결과는? 최대 100% 정확도
놀랍게도, 모델은 일부 조합에서 100% 정확도를 기록했다. 특히 개인 요인 + 일부 푸시 요인만으로도 완벽하게 퇴사 여부를 예측할 수 있었다.
| 조합 | 정확도 | 민감도 | 정밀도 | F1 점수 |
| -------------- | ---- | ---- | ---- | ----- |
| 개인 + 푸시 요인 | 100% | 100% | 100% | 100% |
| 개인 + 풀 요인 | 96% | 100% | 67% | 80% |
| 개인 + 푸시 + 풀 요인 | 100% | 100% | 100% | 100% |
즉, "이 사람은 퇴사할 가능성이 높다"고 예측하는 데 있어, 단지 몇 가지 변수만으로도 굉장히 높은 정확도를 낼 수 있다는 것이다.
---
어떤 요인이 가장 영향력이 컸을까?
연구팀은 상관관계 히트맵을 통해 퇴사와 관련 있는 주요 요인을 시각화했다. 예를 들어:
"회사 정책이 명확하지 않다", "협업 시스템이 미비하다" → 퇴사 확률 증가
"급여가 업무 대비 낮다", "진급 기회가 없다" → 퇴사 의향 증가
"가족 부양 부담이 크다" → 경제적 이유로 퇴사 가능성↑
또한, 외부 요인보다 내부 요인이 퇴사에 더 큰 영향을 주는 경향도 드러났다. 즉, 내부 개선만으로도 이직률을 상당히 줄일 수 있다는 뜻이다.
---
실제 적용 가능할까?
연구는 이 모델을 기반으로 웹 애플리케이션이나 내부 시스템으로 확장 가능하다고 밝혔다. 예를 들어:
* 주기적인 설문조사 실시
* 모델에 입력 → 퇴사 리스크 예측
* 결과에 따라 관리자에게 알림
* 선제적 대응: 상담, 인센티브 제공 등
회사 내부에서 실시간으로 ‘누가 위험군인지’를 파악할 수 있게 되면, 퇴사 방지 전략 수립이 훨씬 쉬워질 수 있다.
---
향후 연구 방향은?
연구진은 다음과 같은 후속 계획을 제시했다:
* 더 많은 센터에서 데이터 수집 → 일반화 가능성 높이기
* 다른 알고리즘 비교 (SVM, 신경망 등)
* 다양한 오버샘플링 기법 도입 → SMOTE 외 다른 방식도 실험
* 실제 조직 내 실증 실험 → 현장에서 예측 모델의 활용도 평가
---
AI는 사람의 마음까지 읽을 수 있을까?
이 연구는 단지 기술적 실험이 아니다.
사람이 왜 회사를 떠나는지를 AI가 이해하고, 관리자에게 알려주는 방식의 진일보한 인사관리 시스템이다.
물론, AI가 사람의 속마음을 완전히 읽을 수는 없다. 하지만 이런 시스템이 있다면, 최소한 직원이 고민하고 있다는 ‘징후’를 미리 감지할 수 있다.
그것만으로도 조직은 달라질 수 있다.
---
출처 논문
Jeenprecha, P., & Rachsiriwatcharabul, N. (2025). Forecasting the Resignation of Skilled Technicians in Automotive Companies Using Artificial Intelligence: A case study of large car service centers in Thailand. Advances in Artificial Intelligence and Machine Learning, 5(2), 3717-3735.