이력서를 열 군데 넣었는데 전부 서류에서 떨어졌다. 이유 설명도 없이. 이럴 때 그 이력서를 처음 읽은 게 사람이 아니라 알고리즘이었을 가능성, 한 번쯤 의심해볼 만하다. 최근 여러 연구를 보면 AI 채용 심사 도구가 사람보다 더 쉽게, 더 일관되게 특정 집단을 걸러낸다는 결과가 계속 나온다. 취업 준비 중이라면 그냥 넘길 얘기는 아니다.
이력서, 사람 눈에 닿기도 전에 걸러진다
대기업 채용 공고에 지원서를 넣으면 사람 면접관을 만나기 전에 ATS(Applicant Tracking System)라는 소프트웨어가 먼저 거른다. 여기에 최근 몇 년 새 생성형 AI 기반 스코어링까지 얹히면서, 경력 기술서와 자기소개서를 AI가 점수 매겨 순위를 매기는 방식이 흔해졌다. 채용 담당자가 하루에 수백 장씩 이력서를 볼 수 없는 대기업일수록, 이 도구에 기대는 정도가 크다.
AI가 사람보다 편향을 더 잘 만드는 이유
AI 채용 모델은 과거 합격자 데이터를 학습해서 ‘합격에 가까운 패턴’을 찾는다. 문제는 그 과거 데이터 자체가 이미 편향돼 있다는 것. 특정 성별이나 특정 학교 출신이 유독 많이 뽑혀온 조직이라면, AI는 그 패턴을 정답으로 통째로 학습해버린다. 사람 면접관은 그날 컨디션이나 기분 때문에라도 판단이 흔들리지만, AI는 다르다. 같은 편향을 수만 건의 이력서에 예외 없이, 기계적으로 똑같이 적용한다.
실제로 이런 일이 있었다
- 이름만으로 성별이나 인종을 추정해 점수를 낮게 매기는 경우
- 출산·육아로 생긴 경력 공백을 부정적 신호로 읽는 경우
- 특정 대학 로고나 자격증 명칭이 없으면 자동 감점되는 경우
- 졸업연도나 경력 연차로 나이를 짐작해 걸러내는 경우
여러 연구기관이 이런 사례를 반복 확인했다. 같은 이력서라도 이름이나 졸업연도만 바꿔 다시 제출하면 통과율이 크게 달라진다는 실험 결과까지 나왔을 정도다.
그런데도 기업은 왜 AI를 계속 쓸까
인사팀 입장에서 AI 스크리닝은 시간과 비용을 확 줄여준다. 공고 하나에 수천 장이 몰리는데, 사람이 전부 읽는다? 현실적으로 불가능하다. 초기 필터링만 자동화해도 실무 면접관은 통과된 후보에만 집중할 수 있으니, 효율은 확실히 오른다. 편향 위험을 알면서도 도입을 멈추지 않는 이유가 여기 있다. 솔직히 이 부분에서 기업과 지원자 입장이 크게 갈린다.
그럼 지원자는 뭘 할 수 있나
구직자가 할 수 있는 대응은 생각보다 구체적이다.
- 채용 공고에 쓰인 키워드를 이력서 문구에 그대로 반영한다 (ATS는 문맥보다 단어 매칭에 민감하다)
- 표나 이미지, 특이한 폰트 대신 텍스트 위주 단순 포맷을 쓴다
- 경력 공백은 짧게라도 이유를 남긴다
- 이름, 사진, 생년월일처럼 편향을 유발할 수 있는 정보는 회사 정책에 맞춰 조정한다
AI 심사도 결국 정해진 규칙으로 돌아가는 시스템이다. 그 규칙에 맞춰 문서만 정리해도 통과율을 끌어올릴 여지가 있다.
기업은 뭘 점검해야 하나
채용 담당자라면 도구 도입 전에 몇 가지는 짚고 가야 한다. 학습 데이터에 특정 집단이 과도하게 몰려 있지 않은지, 이름·성별·나이 같은 민감 정보를 모델 입력에서 뺐는지, 정기적으로 합격자 통계를 뽑아 특정 집단 쏠림이 없는지 확인하는 절차 말이다. 도구 만든 회사가 아무리 ‘공정한 AI’라고 광고해도, 실제 채용 데이터로 검증하기 전까진 안심할 수 없다. 이건 광고 문구를 곧이곧대로 믿을 문제가 아니다.
결국 마지막 필터는 사람이어야 한다
AI가 1차 스크리닝을 맡더라도, 최종 판단까지 알고리즘에 넘기는 조직은 아직 많지 않다. 진짜 문제는 그 1차 관문에서 얼마나 많은 좋은 후보가 이유도 모른 채 걸러지느냐다. 구직자는 이 구조를 이해하고 문서를 준비하는 게 가장 현실적인 대응이다. 기업 쪽에서는 도구를 쓰더라도 사람이 중간중간 검수하는 절차를 남겨둬야 한다. MIT 테크놀로지 리뷰가 다룬 연구를 봐도 결론은 비슷하다. AI는 편향을 없애주는 도구가 아니라, 잘못 쓰면 오히려 편향을 증폭시키는 도구라는 것.
