최근 국내에서도 AI 면접 도입이 빠르게 확산되고 있습니다.

그렇다면 AI 면접의 ‘본고장’이라 할 수 있는 미국에서는 이 기술을 어떻게 설계하고, 어떤 시행착오를 겪어왔을까요?

미국의 경험을 살펴보면 우리가 어디까지 가야 하고, 어디서 멈춰야 하는지가 분명해집니다.

1. AI 면접의 출발점은 ‘기술’이 아니라 ‘평가 정의’입니다 🧭

미국에서 AI 면접을 개발할 때 가장 먼저 하는 일은 “무엇을 평가할 것인가”를 명확히 하는 것입니다. 심리측정 전문가와 HR이 협업해 직무별 핵심 역량을 정의하고, 직무 분석 데이터를 바탕으로 역량을 구조화합니다. 이 단계에서부터 다양성과 포용성(D&I)을 고려하는 것이 기본 원칙입니다.

2. 질문은 표준화하되, 행동을 중심으로 설계합니다 🎯

모든 지원자에게 동일하거나 유사한 질문을 제공해 비교 가능성을 확보합니다. 질문은 과거 행동을 묻는 행동 기반 질문이 중심이며, 최근에는 지원자의 응답 맥락에 따라 후속 질문이 달라지는 적응형 질문도 활용됩니다.

3. AI의 정확도는 데이터 품질에서 결정됩니다 📊

AI 모델은 과거 면접 데이터와 실제 입사 후 성과 데이터를 함께 학습합니다. 우수 성과자 데이터만 편중되지 않도록 관리하며, 특정 인구 집단의 패턴이 과도하게 반영되지 않도록 반복적인 데이터 클렌징이 이루어집니다. 미국에서는 데이터 편향 관리 자체를 AI 신뢰도의 핵심으로 봅니다.

4. 분석 기술은 ‘덜 보는 방향’으로 진화하고 있습니다 🔍

과거에는 표정, 시선, 목소리 톤 등 비언어적 요소까지 분석했지만, 현재는 텍스트 중심 분석이 주류입니다. 음성과 영상을 전사한 뒤 자연어 처리로 논리성, 구조, 문제 해결 접근을 평가하는 방식이 확산되고 있습니다. 대표적으로 Criteria Corp는 전사 데이터만 활용해 편향 우려를 최소화하고 있습니다.

5. 공정성 검증은 선택이 아니라 필수입니다 ⚖️

성별, 인종, 억양 등에 따른 차별 여부를 정기적으로 점검하고, 독립적인 제3자 기관을 통한 알고리즘 감사를 수행합니다. 특히 2023년 뉴욕시는 AI 채용 도구에 대해 편향 감사 의무화를 시행하며 규제를 강화했습니다.

6. 실제 운영의 기본 원칙은 Human-in-the-loop입니다 🤝

AI는 초기 필터링과 점수 제안까지만 담당합니다. 채점은 루브릭 기반으로 이루어지며, 평가 기준을 공개하고 지원자에게 간단한 피드백을 제공합니다. 최종 채용 결정은 반드시 사람이 수행하고, 특이 케이스는 인간이 재검토하는 구조를 유지합니다.

7. 주요 서비스 사례가 보여주는 방향성 🏢

HireVue는 비디오 면접의 선구자였지만 비언어적 분석 논란 이후 관련 기능을 축소했습니다.

Criteria Corp는 텍스트 기반 평가로 편향 최소화에 집중합니다.

Canditech는 기술 직무 특화와 부정행위 방지에 강점이 있습니다.

Modern Hire, Pymetrics는 공정성과 투명성 강화를 핵심 가치로 내세웁니다.

8. 여전히 해결되지 않은 문제들도 존재합니다 ⚠️

학습 데이터의 편향, 평가 기준에 대한 불투명성, 생체 데이터 활용에 따른 프라이버시 이슈, 그리고 AI 결과에 대한 과도한 신뢰는 여전히 중요한 과제로 남아 있습니다. 이에 따라 정기적 편향 감사, 데이터 최소화, 법적 검토 체계 강화가 병행되고 있습니다.

9. 최근 미국 AI 면접 시장의 주요 트렌드 🔄

텍스트 중심 평가로의 전환이 가속화되고 있으며, 평가 기준 공개와 피드백 제공이 확대되고 있습니다. 지역별 규제 대응이 중요해졌고, 원격 면접 확산에 따라 부정행위 탐지 기술도 고도화되고 있습니다. 동시에 기업 내부의 생성형 AI 활용 가이드라인도 점점 구체화되고 있습니다.

👉 [ 전체 글은 블로그 참조: https://blog.naver.com/bsc_hr/224155411533  ]

(글: 비에스씨 연구소)