채용 시장이 근본적으로 달라지고 있다. 인사담당자의 직관과 경험에 의존하던 전통적 방식에서 벗어나, 빅데이터와 인공지능이 지원자를 평가하는 시대가 본격화되고 있다. 국내 대기업의 절반 이상이 AI 면접 또는 데이터 기반 스크리닝을 도입했거나 도입을 검토 중이며, 이 흐름은 공공기관과 중견기업으로도 확산되고 있는 추세이다.
이 변화는 단순한 기술 도입이 아니다. 채용이란 무엇이며, 무엇이 ‘공정한 평가’인가에 대한 사회적 재정의를 요구하는 구조적 전환이다. 그리고 그 한가운데 대학이 서 있다.
채용 시장은 AI 면접·빅데이터 분석·알고리즘 평가 중심으로 빠르게 재편되며, 공정성과 효율성을 둘러싼 새로운 기준을 만들고 있다. 대학은 학생들이 이러한 변화에 대응할 수 있도록 AI 면접 역량, 구조화 답변 능력, 디지털 포트폴리오, 비판적 이해 능력을 함께 길러야 한다. 이미지=챗지피티
빅데이터 기반 채용은 크게 세 단계로 구성된다.
첫째, 사전 스크리닝(Pre-screening)이다. 지원서 제출 단계에서 ATS(Applicant Tracking System)가 지원서를 자동 분석한다. 직무기술서와의 키워드 매칭, 경력 연속성, 학력 조건 충족 여부 등을 수초 내에 판별한다. 국내 주요 채용 플랫폼에서도 이미 유사한 기능이 탑재되어 있으며, 지원자는 종종 사람이 아닌 알고리즘에 의해 첫 번째 관문을 통과하거나 탈락하게 된다.
둘째, AI 면접(Video AI Interview)이다. 지원자가 카메라 앞에서 정해진 질문에 답하면, AI가 음성의 톤과 속도, 표정 변화, 시선 처리, 답변 구조 등을 분석한다. 국내 특정 IT기업의 면접 솔루션이 대표적이며, 일부 기업은 이 단계의 평가 결과를 최종 합격 여부에 상당한 비중으로 반영한다.
셋째, 예측 분석(Predictive Analytics)이다. 직무적합도 점수, 조직문화 적합도, 이직 가능성 예측 등을 과거 재직자 데이터와 비교해 산출한다. 이 단계에서 지원자는 ‘개인’이 아니라 ‘데이터 패턴’으로 분류된다.
전통적인 비구조화 면접은 면접관의 편견과 주관에 취약하다는 비판을 오랫동안 받아왔다. 이에 대한 대안으로 등장한 구조화 면접(Structured Interview)은 모든 지원자에게 동일한 질문을 동일한 순서로 제시하고, 사전에 정의된 평가 기준표(루브릭)에 따라 점수화한다.
구조화 면접은 단독으로도 유의미하지만, 알고리즘과 결합될 때 더욱 강력해진다. 면접관의 평가 점수, AI 면접 분석 결과, 인지능력 테스트 점수, 과거 직무 성과 데이터 등을 종합한 다변량 예측 모델이 최적 후보자를 선별한다. 글로벌 컨설팅 기업 맥킨지와 딜로이트는 이미 이러한 모델을 내부 채용에 적용하고 있으며, 구글과 아마존 등 빅테크 기업은 면접 질문 자체를 데이터 분석으로 최적화하고 있다.
핵심은 재현 가능성과 일관성이다. 알고리즘은 피곤하지 않고, 기분에 흔들리지 않으며, 첫인상에 속지 않는다. 이것이 기업들이 데이터 기반 채용을 선택하는 근본적인 이유라고 할 수 있다.
‘알고리즘은 과연 공정한가?’
그러나 여기서 중요한 질문이 제기된다. 알고리즘은 과거 데이터를 학습한다. 만약 특정 기업의 고성과자가 역사적으로 특정 대학 출신, 특정 성별, 특정 어조를 가진 집단에 편중되어 있다면, AI는 그 편향을 '성공 패턴'으로 학습하게 된다. 아마존이 2018년 자체 채용 AI를 폐기한 사례가 대표적이다. 해당 시스템은 지원서에 ‘여성’과 관련된 단어가 포함될 경우 낮은 점수를 부여하는 방식으로 학습되어 있었다.
반면, 데이터 기반 채용 지지자들은 다른 논리를 제시한다. 인간 면접관의 주관적 편견(외모, 출신 지역, 말투, 첫인상 등)이 오히려 더 심각한 불공정을 야기하며, 투명한 기준과 일관된 알고리즘이 이를 완화할 수 있다는 것이다. 실제로 구조화 면접을 도입한 기업들에서 다양성 지표가 개선되었다는 보고도 있다.
결국 ‘새로운 공정성’은 알고리즘 자체가 아니라 알고리즘을 설계하고 감독하는 방식에 달려 있다고 할 것이다. ‘어떤 데이터로 학습시키는가’, ‘어떤 성과 지표를 목표로 삼는가’, ‘누가 결과를 검증하는가’ 등의 질문들이 공정성의 실질적 조건이 될 것이다.
이러한 변화가 대학에 던지는 과제는 명확하다. 학생들은 이제 ‘사람 앞’뿐 아니라 ‘알고리즘 앞’에서도 자신을 증명해야 한다.
첫째, AI 면접 리터러시 교육이 필요하다. AI 면접이 무엇을 측정하는지, 어떤 언어적, 비언어적 신호를 분석하는지, 어떻게 준비할 수 있는지를 취업 지원 프로그램에 반드시 포함해야 한다. 단순한 모의 연습을 넘어, AI 면접의 평가 구조를 이해하고 대응하는 메타적 역량을 길러야 한다.
둘째, 구조화 면접에 특화된 역량 개발이 필요하다. STAR(Situation-Task-Action-Result) 기법으로 대표되는 구조화 답변 방식은 훈련 없이는 자연스럽게 구사하기 어렵다. 직무 경험이 부족한 신입 지원자일수록 이 형식에 맞게 자신의 경험을 재구성하는 연습이 중요하다.
셋째, 디지털 포트폴리오와 검증 가능한 역량 축적을 지원해야 한다. 알고리즘 기반 채용에서는 스펙의 ‘있음/없음’보다 프로젝트 결과물, 오픈소스 기여, 자격증, 수상 이력 등 측정 가능한 성취가 훨씬 중요하다. 대학은 재학 중 학생들이 이러한 포트폴리오를 쌓을 수 있는 교육과정과 기회를 제도적으로 설계해야 한다.
넷째, 비판적 시민 교육도 빠져서는 안 된다. 학생들은 채용 알고리즘의 수동적 대상이 아니라, 그 구조를 이해하고 문제 제기할 수 있는 주체여야 한다. EU AI법이 고위험 AI 시스템으로 채용 알고리즘을 분류하고 투명성 의무를 부과한 것처럼, 한국에서도 관련 논의가 확대되고 있다. 이 흐름을 이해하는 역량 역시 교육의 영역이다.
채용의 기준이 바뀌고 있다. 더 정확히는 채용 기준의 형식적 바탕이 바뀌고 있다. 무엇이 좋은 인재인가에 대한 본질적 질문은 여전히 유효하지만, 그것을 측정하는 방식이 데이터와 알고리즘으로 전환되고 있다.
대학이 해야 할 일은 이 흐름에 무비판적으로 순응하는 것도, 무조건 저항하는 것도 아니다. 학생들이 변화한 환경에서 자신의 역량을 온전히 발휘할 수 있도록 준비시키는 동시에, 그 환경이 올바르게 설계되었는지 함께 질문하는 것, 그것이 오늘날 대학 교육이 채용 시장에서 부담해야 하는 과제라고 할 것이다.
류수환 숭실대 금융학부 겸임교수
서울시 일자리센터 청년취업 멘토(금융분과)
류수환 숭실대 겸임교수
댓글
0