취준생에게 공포를 파는 사람들

‘AI가 이력서를 거른다’는 말의 실제 출처는 게임 기반 평가 도구였어요

‘AI가 당신의 이력서를 걸러낸다’는 이야기가 링크드인과 커리어 커뮤니티에서 공유되는 것을 봤어요. 스탠퍼드 등 연구진의 채용 알고리즘 논문을 근거로 드는 경우도 있었고요. 이 연구는 약 420만 건의 지원 기록에서 인종별 추천 격차와 반복 탈락 현상을 확인했어요. 다만 분석 대상은 게임 기반 평가 도구인 pymetrics였어요. 모든 이력서 심사 AI를 조사한 결과로 소개하면 연구 범위를 벗어나요.

이 글을 준비하면서 불편했던 것은 취업준비생의 불안을 이용하는 듯한 홍보였어요. 제가 접한 일부 취업·커리어 컨설팅에서는 관련 직무와 산업을 얼마나 이해하는지, 실제로 어떤 도움을 주는지보다 AI에 뒤처질 수 있다는 경고를 앞세웠어요. 모든 컨설턴트를 같은 방식으로 평가할 수는 없지만, 절박한 사람에게 서비스를 판매할수록 효과의 근거를 분명히 제시해야 한다고 생각해요.

논문이 진짜 발견한 것

지난 5월 공개돼 FAccT¹​ 2026에 발표된 논문 《Algorithmic Monocultures in Hiring》의 핵심은 알고리즘 모노컬처²​라는 개념이에요. 여러 회사가 같은 채용 AI 벤더를 쓰면, 한 모델의 편향이 시장 전체로 퍼질 수 있다는 가설이에요.

이 가설을 검증하기 위해 연구진이 확보한 데이터는 인상적이에요. 420만 건의 지원, 340만 명의 지원자, 156개 기업, 1,746개 직무. 하나의 채용 도구 업체가 처리한 2018~2022년 지원 기록이에요.

어떤 도구가 만든 평가인지부터 살펴볼 필요가 있어요.

pymetrics라는 도구예요. 이력서를 분석하는 시스템이 아니에요. 지원자가 12~16개의 온라인 게임을 플레이하면, 위험 감수 성향이나 처리 속도, 계획 능력 같은 특성을 측정하고 “추천” 또는 “비추천” 둘 중 하나를 내놓아요. 게임의 대부분은 직무와 무관하게 동일해요. 창고 관리직이든 재무 분석가든 같은 게임을 하고, 약 42%의 지원자가 “비추천”을 받아요.

이 도구는 기업의 해당 직무에 재직 중인 직원들의 특성을 학습 기준으로 삼아요. 직원 프로필과 비교 집단을 구별하는 방식이죠. 그래서 기존 직원과 비슷한 특성을 고르는 일이 실제 업무 성과를 잘 예측하는지 따로 검증할 필요가 있어요. 이 연구만으로 성과 예측력이 전혀 없다고 결론 내릴 수는 없어요.

기존의 통합 분석에서는 흑인 지원자의 추천 비율이 52.5%, 백인 지원자는 58.3%였어요. 이는 최종 채용 합격률이 아니에요. 집단 전체의 추천 비율을 비교하면 4/5 기준상 뚜렷한 불리한 영향³이 드러나지 않았어요. 이 기준을 넘는다고 차별이 없다는 법적 판정이 확정되는 것은 아니고요.

연구진은 직무별로 나누어 인종 집단의 추천 비율과 통계적 차이를 분석했어요. 그 결과 약 11%의 직무에서 흑인 지원자에게 불리한 영향이 나타났어요. 흑인 지원자가 제출한 전체 지원 건수의 약 26%가 그런 직무에 해당했어요. 모든 직무를 합친 평균에서는 드러나지 않았던 차이예요.

채용 도구를 도입할 때 전체 평균뿐 아니라 실제 사용할 직무의 결과를 확인해야 한다는 발견이에요. 뉴욕시 Local Law 144⁴도 대상 도구의 독립 편향 감사를 요구하지만, 감사 여부만으로 모든 직무에서 공정성과 성과 예측력이 보장되는 것은 아니에요.

이와 별개로 연구는 여러 직무에서 같은 지원자가 반복해서 비추천되는지도 분석했어요.