코로나19 상황이 장기화됨에 따라 언택트(untact, 비대면) 채용 채널에 대한 수요가 급증하면서, 점점 더 많은 기업이 채용 장면에서의 인공지능(AI) 활용 방안에 관심을 보이고 있습니다.  

이번 포스팅에서는 현재까지 개발된 AI 기술을 채용 장면에 도입할 경우 예상할 수 있는 효과와 함께 주의를 기울여야 할 사항은 무엇인지 간단하게 논의해 보려 합니다.

[관련 글] BSC 역량평가 주요 서비스 안내

채용 담당자의 입장에서 AI 활용이 매력적인 이유 중 하나는 아마도 자동화가 가능하다는 점일 것입니다. 기존의 평가 패턴을 학습한 AI가 여러 단계로 구성된 채용 과정의 일부를 맡아준다면 투입 시간과 인력, 비용 등을 절감할 수 있습니다. 

또한, 채용 기준으로 학습한 데이터 패턴에 맞춰 일관된 평가가 가능하다는 것도 장점입니다. 직무 역량과는 무관하게 인간 평가자가 무의식 중에 지원자에 대해 느낄 수 있는 첫인상이나 감정, 또는 배경지식 등이 의사결정 과정에 영향을 줄 우려도 적습니다. 

실제로 일본의 Softbank 사는 IBM의 인공지능 ‘Watson’을 서류 평가에 활용하고 있습니다. Watson이 과거 채용 데이터에 기반해 회사가 요구하는 인재상의 특성을 나타내는 지원서를 골라내면, 채용 담당자는 해당 지원자를 대상으로 대면 면접을 진행하는 방식입니다. Softbank 사는 AI 도입 후 채용 전형 초반의 서류 평가에 걸리는 시간을 절반 이하로 줄였고, 다음 단계에서의 심층 평가를 위한 시간과 인력을 더 많이 확보할 수 있게 되었습니다.

그러나 채용 장면에 인공지능 도입을 서두르기 전에, AI를 활용한 채용 결정이 충분히 믿을 만한지 검증하는 과정이 필요합니다. IBM의 AI 윤리 가이드에서는 공정성(fairness), 견고성(robustness), 설명가능성(explainability), 투명성(transparency)의 네 가지 기준을 충족해야만 알고리즘의 분석을 신뢰할 수 있다고 봅니다. 

이 중 공정성이란 AI가 학습한 데이터에 편향이 없어야 함을 의미합니다. 만약 기존의 평가 결과에 편향이 존재한다면 AI도 편향된 방식으로 평가하는 법을 배웁니다. 일례로 Amazon Web Services(AWS)는 지난 2018년 10월, 4년간 개발해 온 자체 AI 채용 시스템을 폐기했습니다. 지난 10년간 축적된 AWS의 채용 이력에는 남성이 압도적으로 많았고, AI 또한 남성 우위의 IT업계 현실을 그대로 학습하여 성 중립적이지 않은 테스트 분석 결과를 내놓았기 때문입니다.

​

또 다른 기준인 견고성은 기존에 학습한 패턴과 다른 데이터가 AI에 입력되었을 때 이를 오차로 인식하고 오류로 이어지지 않게 알고리즘을 방어할 수 있는 수준을 말합니다. AI는 작은 차이에도 민감하게 반응하므로, 오류를 스스로 인식하고 바로잡으려면 충분한 양의 유의미한 데이터가 누적되어 있어야 합니다.

AI 채용 시스템 도입을 고려하고 있으나 모델링을 위한 데이터를 당장 확보하기 어려운 상황이라면 기존의 AI 채용 도구들을 살펴보되, 각 도구의 개발 과정에서 어떤 성격의 데이터를 얼마만큼 활용했는지, 학습한 데이터 외의 다른 데이터에 적용하여 교차타당도 검증을 했는지 등을 검토할 필요가 있겠습니다.

​

인공지능 기술은 올바르게 활용된다면 채용 현장에 분명한 이점을 가져다 줄 수 있지만, 충분한 사전검토가 이루어져야 합니다. 일례로, 체계적이고 과학적인 인재 선발을 추구하는 SK 이노베이션은 작년 하반기 일부 관계사의 채용 전형에서 AI 면접을 시범적으로 실시했으나, 채용 현장에서의 활용 타당성에 대해 추가적인 검토가 필요하다고 판단하여 올해는 AI 면접을 실시하지 않기로 했다고 합니다.(https://www.sedaily.com/NewsVIew/1YZ34UF2O0 참고) 

이처럼 AI를 표방하는 채용 도구가 신뢰로운 데이터를 학습했는지, 타당도가 높은 것으로 검증된 다른 채용 도구의 평가 결과와 어느 정도 유의미한 상관을 보이는지 등을 주의 깊게 확인하면서 AI 기술을 채용 과정에 적용하는 것이 바람직한 접근이라 하겠습니다.

(최종 검토: 박진아 선임연구원)

이미지 출처: pixabay

전체 글은 비에스씨 공식블로그에서 보실 수 있습니다.

https://blog.naver.com/bsc_hr/222641438410