AI 면접관은 사람보다 공정할까? — 채용 자동화가 놓치는 것과 지원자가 알아 둘 것

"최근에 갈등을 해결한 경험을 말해 주세요."

노트북 화면에 질문이 뜨고, 그 아래에서 숫자가 줄어듭니다. 준비 30초, 답변 90초. 화면 건너편에는 아무도 없습니다. 고개를 끄덕여 줄 사람도, 말을 끊고 되물을 사람도 없습니다. 답이 끝나면 다음 질문이 뜹니다. 며칠 뒤 메일 한 통이 옵니다. 아쉽게도 이번에는 함께하지 못하게 되었다는 문장 아래에, 왜인지는 적혀 있지 않습니다.

이런 면접을 겪는 분이 늘고 있습니다. 고용노동부와 한국고용정보원이 2025년에 조사한 396개 기업 가운데 21.7%가 공식 채용 절차에 AI 도구를 넣었습니다. 그중 지원자에게 미리 알린 곳은 57.0%였습니다^[1]. 도입하는 쪽의 설명은 한결같습니다. 사람 면접관의 편견을 걷어 내고, 누구에게나 같은 잣대를 대겠다는 것입니다.

그 약속은 어디까지 지켜질까요. 아마존이 폐기한 채용 프로그램, 이름만 바꾼 이력서 300만 건의 비교, 안경과 책장이 점수를 바꾼 방송사의 실험, 그리고 7만 명을 무작위로 나눈 현장 실험을 차례로 보면 답이 보입니다. 미리 말씀드리면 — 알고리즘이 넘겨받지 못한 일은 판단이 아니라, 그 판단을 당사자에게 설명하는 일입니다.

사람 면접관은 공정했나

AI 면접관이라는 약속은 사람 면접관에 대한 불신에서 출발합니다. 그 불신에는 근거가 있습니다. 2003년 미국 경제학자 두 사람은 보스턴과 시카고의 구인 광고에 가짜 이력서를 보냈습니다. 내용은 같고 이름만 달랐습니다. 백인에게 흔한 이름을 붙인 이력서는 흑인에게 흔한 이름을 붙인 이력서보다 면접 연락을 50% 더 받았습니다^[2]. 이력서를 읽은 것은 사람이었습니다. 그러니 기계가 보면 이름 같은 건 안 볼 것이라는 기대가 생길 만합니다.

그런데 질문을 바꿔야 합니다. 기계가 편견을 갖느냐가 아니라, 기계가 무엇을 보고 배우느냐입니다.

거울은 앞에 선 것을 비춘다

아마존은 2014년부터 이력서를 자동으로 걸러 별 한 개에서 다섯 개까지 점수를 매기는 프로그램을 만들었습니다. 모델은 회사에 10년 동안 들어온 이력서의 패턴을 배웠습니다. 그 이력서의 대부분은 남성이 낸 것이었습니다. 결과는 뜻밖이면서도 당연했습니다. 모델은 "women's"라는 단어가 든 이력서를 감점했고, 여자 대학 두 곳의 졸업생을 낮게 보았습니다. 팀은 2017년 초에 해산됐습니다. 로이터 보도에 따르면 채용 담당자들은 이 순위에만 의존한 적은 없다고 했습니다^[3].

비유하자면 알고리즘은 거울입니다. 거울은 앞에 선 것을 비추지, 앞에 서야 할 것을 비추지 않습니다. 지난 10년의 채용이 한쪽으로 기울어 있었다면, 거울은 그 기울기를 '성공한 지원자의 특징'으로 배웁니다.

옛날 기술의 이야기가 아닙니다. 2024년 워싱턴대 연구진은 대형 언어모델(LLM) 계열의 임베딩 모델 세 종에 실제 이력서 550여 장과 실제 공고 500여 건을 넣고, 이력서의 이름만 바꿔 가며 300만 번 넘게 비교했습니다. 모델은 백인 연상 이름을 85%의 경우에 선호했고, 여성 연상 이름은 11%에 그쳤습니다. 흑인 남성 연상 이름을 백인 남성 연상 이름보다 선호한 경우는 한 번도 없었습니다^[4].

카메라에는 무엇이 비치나

이력서가 아니라 영상이면 어떨까요. 2021년 2월, 독일 바이에른 방송(BR)의 데이터 저널리스트들은 뮌헨 스타트업 레토리오(Retorio)의 영상 분석 소프트웨어를 시험했습니다. 배우 한 명이 같은 글을 같은 속도와 말투로 여러 번 읽었습니다. 바꾼 것은 안경, 머리수건, 뒤에 놓인 책장과 액자, 조명뿐이었습니다. 안경을 쓰자 성실성 점수가 내려갔습니다. 머리수건을 쓰자 개방성 점수가 올라갔습니다. 책장은 액자보다 효과가 컸고, 한 후보는 '조심스러운' 사람에서 '활발한' 사람으로 바뀌었습니다. 다만 취재진이 조명을 조절해 점수를 원하는 쪽으로 움직이는 데는 실패했습니다. 회사는 일반 면접에서도 그런 요소가 평가에 들어간다고 답했습니다^[5].

같은 해 1월, 영상 면접 시장의 큰 회사 하이어뷰(HireVue)는 지원자의 표정에서 성향을 읽던 안면 분석을 평가에서 뺐다고 밝혔습니다. 실제 중단은 2020년 3월이었습니다. 회사의 설명은 둘이었습니다. 말의 내용을 분석하는 기술이 좋아져 얼굴 분석이 보태는 것이 적어졌다는 것, 그리고 대표의 말로는 사람들에게 주는 우려만큼의 가치가 없었다는 것입니다. 말투와 쉼을 보는 음성 분석은 남았습니다^[6].

여기서 늘 걸리는 대목이 있습니다. 배경이 점수를 바꾼다는 사실보다, 지원자가 그 사실을 알 길이 없다는 점입니다. 사람 면접관은 적어도 눈앞에 있습니다. 표정이 굳으면 지원자도 압니다. 카메라는 아무것도 알려 주지 않습니다.

그런데 AI 면접이 더 나았던 실험이 있다

반대 방향의 증거도 있습니다. 2025년 3월부터 6월까지 필리핀의 한 채용 대행사에서 경제학자 두 사람이 현장 실험을 했습니다. 고객서비스 신입직 공고 48개에 들어온 지원서 70,884건이 대상이었습니다. 1차 선별을 통과한 지원자는 무작위로 세 조건에 배정됐습니다. 사람 담당자 면접, AI 음성 에이전트 면접, 그리고 둘 중 고르기. 눈여겨볼 것은 설계입니다. 면접은 AI가 했어도 합격 결정은 전부 사람 담당자가 내렸습니다^[7].

결과는 AI 쪽이 좋았습니다. 사람 면접 집단의 합격 제안률은 8.70%, AI 면접 집단은 9.73%로 12% 높았습니다. AI 면접 집단은 입사율이 18%, 한 달 이상 재직률이 18% 높았고, 채용된 사람의 생산성은 떨어지지 않았습니다. 선택권을 준 집단에서는 78%가 AI를 골랐습니다^[7].

왜 그랬을까요. 저자들의 설명은 '통제된 분산'입니다. 담당자 131명은 같은 면접 지침을 받고도 어떤 주제를 얼마나 다룰지 제각각이었습니다. AI는 지침의 주제를 더 고르게, 더 일관되게 다루면서도 지원자마다 되묻기를 했습니다. 면접마다 들쭉날쭉하던 정보의 양이 고르게 되자 담당자가 판단할 재료가 많아졌다는 것입니다. 단서도 있습니다. 지원자들은 AI 면접을 사람 면접보다 덜 자연스럽다고 평가했고, AI를 고른 지원자들은 언어·분석 시험 점수가 낮은 쪽으로 쏠렸습니다^[7].

자동화가 놓치는 것

알고리즘이 사람을 관리하는 현장을 오래 들여다본 연구가 있습니다. 영국 워릭 경영대와 미국 뉴욕대 연구진은 뉴욕과 런던의 우버 운전자를 인터뷰하고 운전자 포럼의 글 1,012건을 분석했습니다. 운전자들은 휴대전화와 고객 평점으로 늘 추적되고 평가받았습니다. 수수료율과 보너스 목표는 사람마다 달랐고, 어떻게 계산되는지는 어둠 속에 남았습니다. 한 연구자는 운전자들이 회사가 아니라 시스템을 위해 일한다고 느낀다고 말했습니다. 설명을 얻지 못한 운전자들은 규칙을 추측했고, 떼 지어 접속을 끊어 할증 요금을 유도하는 식으로 맞섰습니다^[8].

채용으로 옮기면 그림이 겹칩니다. 불합격 메일에 이유가 없으면 지원자는 추측을 시작합니다. 그리고 그 추측은 때로 사실이었습니다. 미국 고용평등기회위원회(EEOC)는 온라인 영어 과외 회사 아이튜터그룹이 지원 소프트웨어를 여성 55세 이상, 남성 60세 이상이면 자동 탈락하도록 설정해 200명 넘는 지원자를 걸러 냈다고 보았고, 회사는 2023년 36만 5천 달러를 내는 데 합의했습니다^[9]. 2025년 5월에는 캘리포니아 연방법원이 인사 소프트웨어 회사 워크데이를 상대로 한 소송을 40세 이상 지원자의 집단소송으로 진행하도록 예비 승인했습니다. 원고는 워크데이를 쓰는 회사들에 100번 넘게 지원해 모두 떨어진 사람입니다. 회사는 소송에 근거가 없다고 맞서고 있고, 본안 판단은 아직입니다^[10].

두 사건의 공통점은 기술의 정교함이 아닙니다. 나이로 자르는 규칙은 단순합니다. 공통점은 걸러진 사람이 왜 걸러졌는지 들을 수 없었다는 데 있습니다. 사람 면접관의 편견은 적어도 얼굴이 있어서 따질 상대가 있습니다. 자동화된 거절에는 따질 상대가 없습니다.

지원자가 알아 둘 것

그래서 법이 먼저 움직인 곳들은 판단의 정확도가 아니라 설명과 고지를 요구합니다. 뉴욕시는 2023년 7월 5일부터, 채용이나 승진 판단을 돕는 자동화 도구를 쓰려면 1년 안에 편향 감사를 받고 그 요약을 공개하며, 지원자에게 열 영업일 전에 알리도록 했습니다^[11]. 유럽연합의 2024년 AI법은 채용과 선발에 쓰이는 AI, 곧 지원서를 분석하고 거르며 후보를 평가하는 시스템을 고위험으로 분류했습니다^[12].

우리나라에도 쓸 수 있는 조문이 있습니다. 2024년 3월 15일 시행된 개인정보 보호법 제37조의2입니다. 인공지능을 포함한 완전히 자동화된 시스템이 내 권리나 의무에 중대한 영향을 미치는 결정을 내렸다면, 그 결정을 거부할 수 있고 설명을 요구할 수 있습니다. 요구를 받은 쪽은 정당한 사유가 없는 한 그 결정을 적용하지 않거나 사람을 통한 재처리 같은 조치를 해야 하고, 결정의 기준과 절차를 미리 공개해야 합니다^[13]. 개인정보보호위원회는 이 조문의 시행령을 예고하면서, AI 면접을 봤다면 AI가 자신을 어떻게 평가했는지 소명을 요청할 수 있게 된다고 설명했습니다^[14].

단서가 둘 있습니다. 조문은 '완전히 자동화된' 결정을 겨냥합니다. 사람이 결정에 실질적으로 개입했다면 조문의 바깥입니다. 그리고 이 권리는 자신이 AI 평가를 받았다는 사실을 아는 지원자에게만 열립니다. 앞서 본 조사에서 사전 고지를 한 기업이 57%였다는 수치를 다시 떠올리면, 나머지 지원자는 권리가 있는 줄도 모른 채 지나갑니다^[1].

정리하자면 이렇습니다. 사람 면접관은 이름만 보고도 기울었고, 그래서 기계에 거는 기대가 생겼습니다. 그런데 기계는 과거의 선택을 배우는 거울이어서, 아마존의 프로그램도 최신 언어모델도 그 기울기를 그대로 받아 적었습니다. 영상 면접은 안경과 책장에 점수가 흔들렸습니다. 반면 묻는 일만 기계에 맡기고 결정은 사람이 내린 실험에서는 성과가 좋았습니다. 자동화가 끝내 넘겨받지 못한 것은 판단이 아니라 설명이고, 우리 법은 완전히 자동화된 결정에 한해 그 설명을 요구할 권리를 지원자에게 주었습니다.

다음에 화면 앞에 앉게 되면 하나만 물어보세요. 이 면접의 결과를 누가 결정하고, 떨어지면 누가 그 이유를 말해 줄까요.

이 글은 일반적인 정보 제공을 위한 것입니다. 채용 과정에서 자동화된 결정을 거부하거나 설명을 요구하는 일은 개별 사정과 절차에 따라 달라지므로, 실제 대응은 노무사·변호사 등 전문가와 상의하세요. 관련 법령과 지침은 빠르게 바뀌고 있으니 인용하실 때는 최신 자료를 함께 확인하세요.