핵심인재 퇴사 예측: 신호와 데이터

“핵심인재의 퇴사를 데이터로 미리 알 수 있을까?“라는 질문에 정직하게 답하면, 특정 개인의 실제 퇴사를 정확히 예측하기는 어렵고, 여러 신호의 변화를 통해 이탈 위험을 이해하는 편이 현실적입니다. 퇴사 확률 83% 같은 숫자는 매력적으로 들리지만, 사람의 행동은 그렇게 단순하지 않습니다.

이 글에서는 이직 의도와 실제 퇴사의 차이, 핵심인재의 이탈 비용이 왜 더 큰지, 어떤 초기 신호를 볼 수 있는지, 그리고 이를 다룰 때 반드시 함께 고려해야 하는 개인정보 문제를 정리하겠습니다.

01. 이직 의도와 실제 퇴사는 다르다

연구에서는 흔히 이직 의도(turnover intention), 즉 “나는 이 회사를 떠날 생각이 있는가”를 측정합니다. 여러 연구에서 번아웃이 높을수록 이직 의도도 높은 경향이 반복적으로 관찰되어 왔습니다.

하지만 여기서 중요한 함정이 있습니다.

이직 의도 ≠ 실제 퇴사

이직 의도가 실제 퇴사와 관련이 있다는 것과, 이직 의도가 높은 사람이 반드시 떠난다는 것은 다른 이야기입니다. 실제 퇴사에는 훨씬 많은 변수가 개입합니다.

• 보상과 승진 가능성
• 리더십과 동료 관계
• 커리어 성장 기회
• 다른 회사의 채용 제안
• 노동시장 상황
• 가족 및 개인적 사건

심하게 지쳐도 경제적 이유로 남는 사람이 있고, 번아웃이 크지 않아도 더 좋은 기회를 만나 떠나는 사람이 있습니다. 그래서 이직 의도는 이탈 위험을 이해하기 위한 하나의 신호로 보는 것이 정확합니다. 이 관계에 대한 연구 근거는 번아웃과 이직 의도에서 더 자세히 다룹니다.

02. 핵심인재의 이탈은 왜 비용이 더 클까

모든 퇴사가 같은 비용을 만드는 것은 아닙니다. 핵심인재의 이탈이 특히 부담스러운 이유가 있습니다.

• 암묵지의 집중 — 핵심 구성원은 문서화되지 않은 고객 맥락, 의사결정 히스토리, 비공식 네트워크를 함께 가지고 있는 경우가 많습니다.
• 리더십 공백 — 공식 직함이 없더라도 팀의 판단 기준이나 문제 해결의 중심 역할을 하던 사람이 떠나면 팀의 속도가 눈에 띄게 느려질 수 있습니다.
• 연쇄 효과 — 신뢰받는 구성원의 이탈은 남은 사람들의 몰입과 사기에 영향을 줄 수 있습니다.

이 비용들은 채용비처럼 청구서로 남지 않지만, 프로젝트 지연과 재작업의 형태로 실제로 발생합니다. 번아웃이 만드는 비용 구조 전반은 번아웃의 비용에서 더 깊이 다룹니다.

03. 초기 신호: 퇴사는 사건이지만 그 이전은 과정이다

한 구성원이 특정 날짜에 퇴사했다고 해도, 그 사람의 경험은 훨씬 이전부터 변화하고 있었을 수 있습니다.

업무량 증가 → 회복되지 않는 피로 → 몰입 저하 → 업무에 대한 냉소 증가 → 자발적 참여 감소 → 이직 탐색 → 퇴사

물론 모든 퇴사가 이 순서를 따르지는 않습니다. 사람마다 이유도, 과정도 다릅니다. 하지만 이 관점은 하나의 질문을 던지게 합니다. 우리는 왜 마지막 사건인 “퇴사”만 보고 있을까요?

퇴사율은 결과 지표(lagging indicator)입니다. 이미 벌어진 뒤에 측정됩니다. 반대로 몰입, 회복감, 업무 태도 같은 변화는 결과 이전에 나타날 수 있는 선행 신호(leading indicator)에 가깝습니다. 다만 이들을 확정적 전조로 해석하는 것은 위험합니다. 여러 신호와 조직 맥락을 함께 봐야 합니다.

04. 왜 절대 점수가 아니라 기저선 변화인가

여기서 SYMPLE의 핵심 원칙이 등장합니다. 사람 간 비교가 아니라 개인의 기저선(personal baseline) 대비 변화를 봅니다.

예를 들어 두 사람이 있습니다.

	평소	이번 주	변화
Minsoo	70	72	+2
지우	30	58	+28

절대 점수만 보면 여전히 Minsoo가 더 높습니다. 하지만 변화량을 보면 지금 더 관심이 필요한 변화는 지우에게 나타나고 있을 수 있습니다.

핵심인재일수록 이 관점이 중요합니다. 평소 높은 성과를 내던 사람이 조용히 평소와 다른 방향으로 움직이기 시작할 때, 절대 점수만 보는 시스템은 이를 놓치기 쉽습니다. 그래서 SYMPLE은 여러 번의 체크인으로 형성되는 개인의 기저선과, 그로부터의 시간에 따른 변화(longitudinal change)에 관심을 둡니다.

이때 음성은 하나의 보조 신호로 활용될 수 있습니다. 사람의 상태가 변하면 말하는 방식에도 변화가 나타날 가능성이 있기 때문입니다. 다만 어떤 음성 특징 하나로 퇴사나 번아웃을 판단할 수는 없습니다. 음성은 단일 판정기가 아니라 보조 신호라는 관점은 음성 바이오마커 가이드에 정리되어 있습니다.

05. 예측보다 앞선 문제: 신뢰와 개인정보

기술적으로 개인별 퇴사 확률을 추정하는 것이 가능하다고 해도, 그것을 HR 대시보드에 “김OO · 퇴사 가능성 높음”으로 띄우는 순간 문제가 생깁니다.

구성원이 그런 시스템을 신뢰하기는 어렵습니다. 그리고 신뢰가 없으면 데이터의 질도 떨어집니다. 지쳐 있는 사람일수록 감시받는다고 느끼는 시스템에는 솔직하게 응답하지 않습니다.

그래서 SYMPLE은 예측 정확도와 개인정보 보호를 동시에 설계하려 합니다.

• 개인에게는 — “최근 내 상태가 평소와 달라지고 있다. 회복이 필요한 시점일 수 있다”는 자기 이해.
• 조직에게는 — 개인을 특정할 수 없는 집단 수준의 신호. 예를 들어 “최근 특정 조직에서 업무부담 관련 신호가 지속적으로 증가하고 있다”는 형태.

정직하게 말하면, 우리는 누가 퇴사할지를 맞히는 것을 목표로 하지 않습니다. 그보다 사람과 조직에서 이전과 다른 변화가 시작되고 있다는 사실을 얼마나 일찍 발견하고, 그 순간 실제로 도움이 되는 개입을 제공할 수 있는지가 더 중요하다고 봅니다. 우리가 왜 이 문제를 연구하는지는 SYMPLE 소개에서 확인할 수 있습니다.

References

1. World Health Organization. Burn-out an “occupational phenomenon”: International Classification of Diseases. 2019.
2. Maslach C, Schaufeli WB, Leiter MP. Job Burnout. Annual Review of Psychology. 2001;52:397–422.
3. Swider BW, Zimmerman RD. Born to burnout: A meta-analytic path model of personality, job burnout, and work outcomes. Journal of Vocational Behavior. 2010;76(3):487–506.
4. Maslach C, Leiter MP. Understanding the burnout experience: recent research and its implications for psychiatry. World Psychiatry. 2016;15(2):103–111.