중요 직무에 대한 40명의 후보자 명단을 받은 채용 관리자는 이들 중 단 5명만을 심층적으로 검토할 시간밖에 없습니다. 여기서 핵심은 기술의 도움을 받을 것인가 말 것인가가 아닙니다. 증거를 은폐하거나, 인재 풀을 불공정하게 축소하거나, 의사결정에서 책임 있는 판단을 배제하지 않으면서 올바른 5명을 선별할 수 있는 스크리닝 프로세스를 구축할 수 있는지 여부입니다.
사람에 의한 스크리닝과 알고리즘 스크리닝은 흔히 채용 담당자의 직관과 자동화된 효율성 사이의 선택으로 여겨집니다. 하지만 기업 채용팀에게 이러한 이분법적 사고는 너무 단순합니다. 더 나은 모델은 각 주체가 가장 잘 수행할 수 있는 업무를 할당합니다. 즉, 알고리즘은 대량의 데이터를 일관성 있게 처리하고, 사람은 맥락을 해석하고, 가정을 검토하며, 최종 결정에 대한 책임을 집니다.
한국에서는 공정채용이 매우 중요하며, 대규모 공채와 전문성을 요하는 수시 채용이 공존하는 시장 특성상, 사람의 판단과 알고리즘의 효율성 사이의 균형은 더욱 중요합니다. 기업들은 엄격한 개인정보 보호법을 준수하면서도 투명하고 객관적이며 효율적인 스크리닝 솔루션을 모색하고 있습니다.
사람과 알고리즘 스크리닝이 이분법적 선택이 아닌 이유
수
설명 불가능한 속도가 초래하는 위험
설명 가능성이 담보되지 않은 속도는 오히려 독이 될 수 있습니다. 어떤 후보자가 다음 단계로 진출했는지 명확히 설명할 수 없는 빠른 인재 선별은 채용 담당자, 채용 관리자, 나아가 조직 전체에 잠재적 위험을 안겨줍니다.
'블랙박스' 방식의 점수 부여는 흔히 실패로 이어지는 지점입니다. 채용 담당자가 단순히 점수만을 보게 되면, 해당 점수가 지원자의 실제 역량을 반영하는지, 특정 키워드에만 치우친 결과인지, 데이터가 불완전한 것은 아닌지, 혹은 채용 결정에 영향을 미쳐서는 안 될 요소가 개입된 것인지 판단하기 어렵습니다. 이러한 방식은 겉으로는 효율적으로 보일 수 있으나, 실제로는 검토자의 신뢰를 저하시키고 조직의 채용 과정 설명 능력을 약화시키는 결과를 초래합니다.
한국 시장에서는 '공정채용'에 대한 사회적 요구와 법적 규제가 매우 엄격합니다. 특히 AI 기반 채용 솔루션을 도입할 경우, 점수 산정의 투명성과 설명 가능성은 지원자의 개인정보 보호와 직결될 뿐만 아니라, 채용 과정의 공정성을 확보하는 데 핵심적인 요소로 작용합니다.
이러한 문제에 대한 대안은 바로 '추적 가능한 선별'입니다. 모든 점수는 명확한 근거와 직무별 기준에 기반해야 하며, 검토자는 추천의 배경이 된 이력서 분석, 구조화된 인터뷰 답변, 역량 평가 결과, 그리고 피드백 이력 등을 상세히 확인할 수 있어야 합니다. 또한, 시스템의 판단을 수동으로 변경(Override)하는 경우에도 그 이유를 명확히 기록하여, 조직이 채용 기준을 지속적으로 개선하고 조정하는 데 활용할 수 있도록 해야 합니다.
바로 이러한 이유로 기업의 AI 채용 시스템에서는 거버넌스 체계와 통제 장치가 매우 중요합니다. ISO 42001과 같은 국제 표준이나 싱가포르의 AI Verify 프로그램과 같은 독립적인 검증 방식은 AI 관련 위험을 관리하고, 책임성 및 투명성을 확보하기 위한 효과적인 프레임워크를 제공합니다. 이러한 기준들이 신중한 시스템 구현의 필요성을 대체하는 것은 아니지만, AI 거버넌스가 단순히 부수적인 고려 사항이 아니라 핵심 운영 모델의 일부임을 명확히 보여주는 지표가 됩니다.
점수 단축키가 아닌 선별 워크플로우 구축
가장 효과적인 채용 시스템 구축은 지원자가 채용 프로세스에 진입하기 전부터 시작됩니다. 인재 확보 및 채용 리더는 해당 직무의 필수 역량 기준, 선호하는 인재 신호, 역량 프레임워크, 그리고 문제 발생 시의 에스컬레이션 규칙에 대해 명확히 합의해야 합니다. 더불어, '점수'가 무엇을 의미하는지에 대해서도 합의가 필요합니다. 이 점수가 채용 담당자의 우선 검토 신호인지, 구조화된 인터뷰로 넘어가는 기준점인지, 아니면 관리자 최종 후보 목록을 위한 입력값인지 등 명확한 정의가 있어야 합니다. 이 단계에서의 모호함은 이후 과정에서 일관성 없는 결과를 초래합니다.
실질적인 워크플로우는 AI 기반 이력서 분석으로 시작할 수 있습니다. 이는 직무 기준에 따라 지원자 순위를 매기고, 누락된 정보를 식별하는 역할을 합니다. 합의된 기준점을 통과한 지원자들은 구조화된 비동기 인터뷰 단계로 넘어갑니다. 플랫폼은 이 단계에서 지원자의 역량 증거를 일관된 방식으로 평가하며, 채용 담당자와 관리자는 후보자 보고서, 영상 답변, 그리고 기타 증빙 자료를 종합적으로 검토한 후 다음 단계 진출 여부를 결정합니다.
이러한 프로세스는 초기 점수를 최종 판단으로 간주하지 않으면서도 채용 속도를 유지할 수 있게 합니다. 또한 채용 관리자에게 채용 과정 초기에 더욱 풍부한 정보를 제공합니다. 여러 차례의 대면 인터뷰가 진행될 때까지 기다릴 필요 없이, 공통된 증거 자료, 문서화된 강점, 잠재적 우려 사항, 그리고 직무 적합성 지표를 활용하여 후보자들을 효과적으로 비교할 수 있습니다.
MIND Interview는 이력서 순위화, 비동기 인터뷰 평가, 자동 채점, 성격 특성 보고서, 팀 협업 기능, 그리고 감사 가능한 의사 결정 기록을 하나의 채용 워크스페이스에 통합하여 이러한 모델을 효과적으로 지원합니다. 특히 1차 서류 검토에 많은 시간을 할애하는 팀의 경우, MIND Interview 도입을 통해 상당한 운영 효율성을 경험할 수 있습니다. 즉, 수동 선별 작업 감소, 관리자의 후보자 정보 접근성 향상, 그리고 성공 가능성이 높은 핵심 인재를 평가하는 데 더 많은 시간을 집중할 수 있게 됩니다.
균형이 제대로 작동하는지 측정하기
사람의 개입과 알고리즘 기반 선별의 적절한 균형은 직무의 특성, 지원자 규모, 그리고 위험 프로필에 따라 달라집니다. 예를 들어, 수만 명의 지원자가 몰리는 신입사원 공채 프로그램은 기밀 유지가 중요한 임원급 인재 채용과는 분명히 다른 워크플로우를 필요로 합니다. 두 경우 모두 일관성은 필수적이지만, 자동화의 수준과 검토의 깊이는 차이가 있어야 합니다.
단순히 절약된 시간만을 측정하는 것을 넘어, 더 넓은 관점에서 지표를 추적해야 합니다. 채용 건당 선별 시간, 최종 후보 목록 도출 시간, 면접관 업무량, 그리고 전체 채용 주기 길이 등은 워크플로우의 효율성 개선 여부를 보여주는 지표입니다. 이와 더불어, 다음과 같은 '품질' 관련 지표들도 중요하게 다루어져야 합니다: 최종 후보 목록의 품질에 대한 관리자 만족도, 다음 단계 진출률, 오퍼 수락률, 초기 이직률, 그리고 가능하다면 입사 후 성과 지표까지 포함해야 합니다.
또한, 채용 프로세스의 '무결성'도 면밀히 추적해야 합니다. 시스템의 판단을 수동으로 변경(Override)한 비율과 그 이유, 점수 분포, 지원자들의 프로세스 완료율, 그리고 의사 결정 기록의 접근성 등을 확인해야 합니다. 이러한 지표들은 시스템이 인간의 합리적인 판단을 효과적으로 지원하고 있는지, 아니면 오히려 팀이 시스템을 우회하게 만드는 불필요한 마찰을 유발하고 있는지를 명확히 보여줄 것입니다.
강력한 선별 프로세스는 의사 결정의 근거를 명확히 보여주므로, 오히려 채용 과정을 더욱 신속하게 진행할 수 있도록 돕습니다. 채용 담당자, 채용 관리자, 그리고 리더십이 모든 결정 뒤에 숨겨진 명확한 증거를 확인할 수 있다면, 속도는 더 이상 통제와 상충되는 요소가 아닙니다. 이는 모든 단계에서 신뢰를 구축하도록 설계된 프로세스의 자연스러운 결과가 될 것입니다.