- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
XAI와 공공 인사관리 AI문고
- 조규철 저
- 커뮤니케이션북스
- 2026년 09월 21일
-
정가12,000원
-
판매가10,800원 [10% 할인]
-
결제 혜택무이자
카드할인/포인트결제 안내
제휴카드
반디앤루니스 롯데카드 결제금액 최대 25% 청구할인 (1만원 이상 결제건에 한해 월 2회, 건당 최대 1만원 할인) 반디앤루니스 우리V카드 결제금액 10% 청구할인 포인트결제
OK캐쉬백 포인트 최소 10원부터 전액 사용 or 1% 적립 현대카드 M포인트 결제금액의 최대 10% 사용 가능 신한카드 포인트 결제금액의 최대 10% 사용 가능(일부카드) 하나(구.외환) 포인트 보유 한도 내에서 100% 사용 가능 씨티카드 포인트 결제금액의 최대 50% 사용 가능 할인카드
NH농협 TAKE5카드 20% 청구할인(Edu Pack) 채움 플래티늄 멀티카드 20% 청구할인 모바일 Tmoney 신한카드 10% 청구할인 신한카드 Shopping 10% 청구할인 NH농협 체크카드 10% 청구할인 NH20 해봄 신용카드 10% 청구할인 씨티 클리어 카드 7% 청구할인 NH20 해봄 체크카드 5% 청구할인 NH농협 LADY다솜카드 5% 청구할인 신한카드 큐브 5% 청구할인 신한카드 큐브 PLATINUM# 5% 청구할인 
무이자 안내
-
적립금600원 적립 [5%P]
추가 적립금 안내
[2천원 추가 적립]
총 주문금액 5만원 이상 구매 시 2,000원 추가 적립
도서(eBook포함)만 구매 시 적립 대상에서 제외업채배송상품 포함(기프트, 업체배송 등) 5만원[멤버십 추가 적립]
슈퍼루니 : 3% 추가 적립
골드루니 : 2% 추가 적립
실버루니 : 1% 추가 적립
단, 국내도서, eBook만 구매 시 적립 불가
-
배송료15,000원 이상 구매시 무료배송
-
출고예정일
출고예정일 안내
※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
2026년 10월 19일(월)※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
당일배송 가능지역 검색
“도로명주소”를 쉽게 찾아보세요
1. 도로명으로 검색하기 (예, “직지길” or “직지길+322”)
2. 건물명으로 검색하기 (예, “반디앤루니스빌딩”)
3. 동(읍/면/리) 으로 검색 (예, “인사동” or “인사동+43”)
4. 도로명주소를 모르실 경우 도로명주소 안내시스템(http://www.juso.go.kr)에서 확인해주세요.
시/도
시/군/구
회원리뷰
ISBN: 9791143032638
142쪽
142g
128 x 188 (㎜)
지금 이책은
- 판매지수 : 0
이 분야의 베스트셀러
-
비전공자를 위한 이해할 수 있는 IT 지식
최원영
15,120원
-
컴퓨팅 사고 Level Up 소프트 파워 with 스크래치
김호다, 이지민, 정영철 외
20,700원
-
모두를 위한 RPA 유아이패스 UiPath 입문 + 활용 [2판]
송순오
26,000원
책 소개
이 책은
출판사 리뷰
AI는 채용과 배치, 평가와 보상, 이직 예측까지 인사관리의 여러 단계에 들어오고 있다. 특히 공공 조직에서는 사람이 아니라 기계가 판단하면 더 일관되고 공정할 것이라는 기대가 크다. 그러나 바로 그 기대가 새로운 위험이 될 수 있다고 지적한다. 공무원 인사는 단순한 조직 내부의 문제가 아니라 공적 권한이 누구에게 주어지는가의 문제이기 때문이다. 예측이 아무리 정확해도 왜 그런 결과가 나왔는지 알 수 없다면 당사자는 이의를 제기하기 어렵고, 담당자 역시 판단의 책임을 확인하기 어렵다. 이 책은 설명 가능한 인공지능(XAI)과 SHAP의 원리를 바탕으로 AI가 개인을 어떻게 판단하고 그 판단의 근거를 어떻게 드러낼 수 있는지 살핀다. 채용, 이직, 급여 평가 사례를 통해 설명 가능성이 어디까지 확보되고 무엇이 여전히 가려져 있는지도 검토한다. 핵심은 AI를 더 신뢰하게 만드는 데 있지 않다. 판단의 근거를 확인하고 사람이 다시 검토하며 책임질 수 있도록 만드는 데 있다. 데이터가 현실을 제대로 대표하는지, 사람이 실질적인 통제권을 갖는지, 공공의 가치와 거버넌스에 맞게 설계되었는지가 공공 인사 AI의 기준이 되어야 한다.
저자 소개
연세대학교에서 석사학위를 취득하고 얼마 전 박사과정 코스웍을 마쳤다. 연세대학교 미래정부연구센터에서 AI 정부, 과학기술정책을 연구하고 있으며 머신러닝과 더불어 다양한 모델을 사회과학연구에 이식하는 시도를 하고 있다. “XAI의 공공 인적자원관리 적용 연구: 설명 가능 머신러닝을 통한 개별공무원의 이직의도 예측과 설명을 중심으로(2025)” 외에도 “머신러닝을 활용한 정치 양극화 영향요인 분석 연구: 정서적 양극화를 중심으로(2025)”, “인공지능의 전자정부 도입은 정부신뢰를 향상시킬 수 있는가*: 전자정부의 정부신뢰 제고과정에서 지능형, 무인화 기술의 적용에 대한 기대의 조절효과 탐색(2024)” 등과 같은 논문을 썼다.
낮에는 정부와 제도, 사람과 사회를 연구하고 해가 지면 코드가 뱉어낸 오류와 출력 메시지와 대화를 나누는, 제법 즐거운 연구 생활을 이어가고 있다.
책 속에서
그러나 인사관리는 본질적으로 효율성만을 추구할 수 있는 영역이 아니다. 결국 사람에 관한 일이기 때문에 이에 관한 판단은 단지 수치적 계산으로 끝나지 않기 때문이다. 어떤 사람을 기회로 볼 것인지, 어떤 기준으로 성과를 인정할 것인지, 어떤 판단을 공정하다고 받아들일 것인지는 조직이 추구하는 가치와 깊이 연결되어 있다. 즉 사람으로 이루어진 조직은 기계처럼 측정 가능한 속도나 산출물에 기반한 생산성만을 목표로 움직이지 않는다는 것이다. 또한 조직의 존재의 이유를 생각해 보면 조직마다 존재 이유가 다르고, 그에 따라 인사관리의 목표와 정당화 방식도 달라진다. 그 조직이 지속적으로 존재하기 위해 경쟁과 확장을 앞세우는 것이 중요한 조직이 있는가 하면, 안정성과 신뢰를 더 무겁게 다루는 조직도 있다. 따라서 AI를 인사관리에 도입한다는 말은 언제나 같은 의미일 수도 없다. 같은 기술이라도 어떤 조직의 목표를 위해, 어떤 기준 아래, 어떤 방식으로 활용되느냐에 따라 그 의미는 달라진다. 이러한 다름의 역학이 확연히 나타나는 곳 중 하나가 공공 조직이다.
－01_“인사관리에서 AI는 특별하지 않다” 중에서
더구나 인공지능은 단순히 성능 좋은 계산 도구로만 받아들여지지 않는다. 그것은 종종 인간의 주관과 편차를 줄여 줄 수 있는 기술로 이해되기도 한다. (…) 이는 관료제에서 추구하는 공평성을 달성하는 것과도 관련 있다. 그래서 인공지능은 공공 인사관리에서 단지 효율을 높이는 도구가 아니라, 더 체계적이고 더 일관된 판단을 가능하게 하는 도구로도 보이게 된다. 이는 특히 채용, 평가, 이직 예측처럼 원래부터 인간의 판단 부담이 큰 영역일수록 더욱 강하게 작동한다. 그러나 바로 여기서 다음 질문이 생긴다. 공공 인사관리에서 중요한 것은 단지 더 잘 맞는 예측인가? 혹은 더 높은 정확도와 더 정교한 분류가 곧 더 나은 공공적 판단을 뜻하는가. 문제는 바로 이 지점에서 시작된다.
－03_“성능이 전부가 아니다” 중에서
SHAP는 이 문제를 해결하기 위해 협력적 게임 이론의 샤플리 값(shapley value)을 이용한다. 원래 샤플리 값은 여러 참여자가 공동으로 만들어 낸 성과를 각자의 공헌에 따라 배분하는 방법이다. 이를 머신러닝에 적용하면 업무 부담과 직무 만족도, 근속기간, 보수와 같은 이직에 영향을 미치는 변수들이 공동의 예측을 만든 참여자가 된다. 최종 예측값은 이 변수들이 함께 만들어 낸 성과이며, SHAP는 그 성과를 변수별 기여로 배분한다. 이를 위해 한 변수가 여러 변수의 조합에 추가될 때 예측값이 얼마나 달라지는지를 살펴본다. 업무 부담의 기여를 구한다면 업무 부담만 고려했을 때의 변화와 함께, 직무 만족도가 포함된 상태에서 업무 부담을 추가했을 때의 변화도 계산한다. 또한 근속기간과 보수가 이미 포함된 상태에서 업무 부담을 추가했을 때의 변화도 살펴본다. 즉 함께 고려되는 변수와 투입 순서가 달라질 때 나타나는 변화들을 종합하여 업무 부담의 최종 기여를 정하게 된다.
－06_“SHAP로 이해하는 설명 가능성” 중에서
이 때문에 데이터와 현실의 정합성을 다루는 일은 기술적 전문성은 물론, 인사관리에서 전문성이 요구되는 판단의 영역이다. 채용이나 직무 평가, 성과 평가와 같은 단계에서 다양한 지표를 고려하고 특정 집단에 체계적으로 불리하거나 유리하게 작동하지 않는지를 검증하는 일은 데이터 과학만으로는 해결되지 않는다. 여기에는 직무에 대한 이해, 인사 선발의 방법론, 그리고 조직이 추구하는 가치에 대한 판단이 함께 개입해야 한다. 공공 조직에서 이 요구는 한층 더 무겁다. 공공 인사관리는 더욱더 왜 그런 판단을 내렸는지 설명할 수 있어야 하고, 그 판단이 특정 집단에 치우치지 않았음을 보일 수 있어야 하기 때문이다. 또한 이 책임은 도구를 외부에서 조달했다고 해서 가벼워지지 않는다.
－09_“책임 있는 적용을 위한 원칙” 중에서
－01_“인사관리에서 AI는 특별하지 않다” 중에서
더구나 인공지능은 단순히 성능 좋은 계산 도구로만 받아들여지지 않는다. 그것은 종종 인간의 주관과 편차를 줄여 줄 수 있는 기술로 이해되기도 한다. (…) 이는 관료제에서 추구하는 공평성을 달성하는 것과도 관련 있다. 그래서 인공지능은 공공 인사관리에서 단지 효율을 높이는 도구가 아니라, 더 체계적이고 더 일관된 판단을 가능하게 하는 도구로도 보이게 된다. 이는 특히 채용, 평가, 이직 예측처럼 원래부터 인간의 판단 부담이 큰 영역일수록 더욱 강하게 작동한다. 그러나 바로 여기서 다음 질문이 생긴다. 공공 인사관리에서 중요한 것은 단지 더 잘 맞는 예측인가? 혹은 더 높은 정확도와 더 정교한 분류가 곧 더 나은 공공적 판단을 뜻하는가. 문제는 바로 이 지점에서 시작된다.
－03_“성능이 전부가 아니다” 중에서
SHAP는 이 문제를 해결하기 위해 협력적 게임 이론의 샤플리 값(shapley value)을 이용한다. 원래 샤플리 값은 여러 참여자가 공동으로 만들어 낸 성과를 각자의 공헌에 따라 배분하는 방법이다. 이를 머신러닝에 적용하면 업무 부담과 직무 만족도, 근속기간, 보수와 같은 이직에 영향을 미치는 변수들이 공동의 예측을 만든 참여자가 된다. 최종 예측값은 이 변수들이 함께 만들어 낸 성과이며, SHAP는 그 성과를 변수별 기여로 배분한다. 이를 위해 한 변수가 여러 변수의 조합에 추가될 때 예측값이 얼마나 달라지는지를 살펴본다. 업무 부담의 기여를 구한다면 업무 부담만 고려했을 때의 변화와 함께, 직무 만족도가 포함된 상태에서 업무 부담을 추가했을 때의 변화도 계산한다. 또한 근속기간과 보수가 이미 포함된 상태에서 업무 부담을 추가했을 때의 변화도 살펴본다. 즉 함께 고려되는 변수와 투입 순서가 달라질 때 나타나는 변화들을 종합하여 업무 부담의 최종 기여를 정하게 된다.
－06_“SHAP로 이해하는 설명 가능성” 중에서
이 때문에 데이터와 현실의 정합성을 다루는 일은 기술적 전문성은 물론, 인사관리에서 전문성이 요구되는 판단의 영역이다. 채용이나 직무 평가, 성과 평가와 같은 단계에서 다양한 지표를 고려하고 특정 집단에 체계적으로 불리하거나 유리하게 작동하지 않는지를 검증하는 일은 데이터 과학만으로는 해결되지 않는다. 여기에는 직무에 대한 이해, 인사 선발의 방법론, 그리고 조직이 추구하는 가치에 대한 판단이 함께 개입해야 한다. 공공 조직에서 이 요구는 한층 더 무겁다. 공공 인사관리는 더욱더 왜 그런 판단을 내렸는지 설명할 수 있어야 하고, 그 판단이 특정 집단에 치우치지 않았음을 보일 수 있어야 하기 때문이다. 또한 이 책임은 도구를 외부에서 조달했다고 해서 가벼워지지 않는다.
－09_“책임 있는 적용을 위한 원칙” 중에서
목차
기계가 개인과 공공을 판단한다
01 인사관리에서 AI는 특별하지 않다
02 공공 인사관리는 무엇이 다른가
03 성능이 전부가 아니다
04 공공 인사관리에서 XAI가 필요한 이유
05 XAI란 무엇인가
06 SHAP로 이해하는 설명 가능성
07 다양한 기술의 결합과 확장
08 현장에서의 적용과 한계
09 책임 있는 적용을 위한 원칙
10 설명 가능한 공공 인사관리 설계
01 인사관리에서 AI는 특별하지 않다
02 공공 인사관리는 무엇이 다른가
03 성능이 전부가 아니다
04 공공 인사관리에서 XAI가 필요한 이유
05 XAI란 무엇인가
06 SHAP로 이해하는 설명 가능성
07 다양한 기술의 결합과 확장
08 현장에서의 적용과 한계
09 책임 있는 적용을 위한 원칙
10 설명 가능한 공공 인사관리 설계
배송 시 유의사항
- 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
(배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)
- 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.
- 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.
- 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)
- 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.
반품/교환
상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)
반품/교환
-
반품/교환 반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판 반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능 반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음) 반품/교환 불가 사유 - 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
- 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
- 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
- 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
- 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
- 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
소비자 피해보상
환불지연에 따른 배상- 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨 - 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
소비자 보호에 관한 법률에 따라 처리함
반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
