TechFlow Logo
로그인/ 회원가입
ETH 가스
Gwei
공포
gas
AI가 5배 더 완벽한 이력서를 만들어낼 때, 기존 선별 메커니즘은 왜 완전히 붕괴하는가?

AI가 5배 더 완벽한 이력서를 만들어낼 때, 기존 선별 메커니즘은 왜 완전히 붕괴하는가?

2026.11.18
공유하기
AI가 이력서상 차이를 일괄적으로 평준화하고 면접 과정에서 외부 보조 도구를 제공함에 따라, 고용주가 직면하는 것은 공개 입력 메커니즘의 체계적 무력화입니다.

저자: 존 헴턴, 브론트 캐피탈(Bronte Capital) 설립자

번역: TechFlow

TechFlow 요약: 지난 수십 년간 기업 채용, 컨설팅 인터뷰, 정부 기관의 민원 처리를 막론하고 현대 사회는 모두 ‘명확하고 엄격한 문장 표현’을 능력 측정과 잡음 필터링의 첫 번째 해자로 간주해 왔다. 그러나 생성형 AI의 보급은 극히 낮은 한계 비용으로 완벽해 보이는 수많은 지원서와 진술서를 양산하고 있다.

유명 헤지펀드인 Bronte Capital의 설립자 존 헴턴(John Hempton)은 현장 고용주 및 관리자의 시점에서 이러한 메커니즘이 붕괴되는 과정을 심층 분석했다. AI가 이력서 차이를 대량으로 상쇄하고 인터뷰에서 외부 보조를 제공할 때, 고용주가 직면한 것은 단순한 선별 비용의 지수적 증가가 아니라 공개 입력 메커니즘의 체계적 실패이다.

젊은 층과 자주 소통한다면 인공지능이 취업 시장, 특히 신입생 대상 초급 직위에 어떻게 타격을 주고 있는지 실감할 수 있을 것이다. 미래의 직업 전망에 대해 많은 사람이 불안감을 느끼고 있으며, 이는 완전히 합리적인 우려다.

이제쯤 확실히 결론 내릴 수 있다. 지적 노력이 필요한 대부분의 산업에서 AI 보급은 초급 근로자에게 결코 좋은 소식이 아니라는 사실 말이다.

하지만 나는 더 균형 잡힌 시각에서 이를 이야기하고 싶다. AI가 고용주가 우수 인력을 모집할 수 있는 경로를 어떻게 파괴하고 있는지 말이다.

재능 탐색: 헤지펀드의 과거 5분 빠른 선별법

나와 친구가 공동 설립한 헤지펀드 Bronte Capital에서는 전통적인 정상적인 배경을 선호하지 않는다. 금융 시장에서 흔히 볼 수 있는 다양한 명함과 자격증에는 주목하지 않으며, 나의 개인적 기준에서 이력서에 CFA가 기재된 것은 오히려 약간의 부정 신호로 작용하기도 한다.

우리가 진정한 목표는 원천적인 지능 수준과 강한 탐구심이며, 이러한 특질은 단순히 이력서를 훑어보는 것만으로 직접 걸러내기 어렵다.

이에 우리는 모든 구직자에게 공개적이고 투명한 규칙을 마련했다. 보내온 이력서에 우리 펀드를 위한 개별화된 진술이 담겨 있고 지원 동기가 논리적이라면, 모든 후보자에게 면접 기회를 제공한다.

초대장을 발송할 때 다음과 같은 고정된 설명서를 동봉한다:

“당사의 면접 범위는 대부분의 기관보다 훨씬 광범위하며, 면접 대상자 수도 매우 많습니다. 하지만 동시에 필연적으로 요구되는 것은 효율성입니다. 부적합한 후보자를 빠르게 걸러내야 합니다.”

“이는 대부분의 사람들이 단 5분짜리 대화 시간을 얻게 된다는 의미입니다. 우리가 대화를 급히 마무리할 때 다소 딱딱하거나 냉정해 보일 수 있어 깊이 사과드리지만, 당사 업무 강도에 비추어 볼 때 이는 신속한 면접을 이어가기 위한 유일한 방식입니다.”

“다음 세 가지 상황 중 하나라도 해당될 때만 면접 시간이 10분을 넘어 연장됩니다.”

“첫째, 귀하를 실제로 고용하는 데 매우 높은 관심을 가지고 있을 때;”

“둘째, 귀하의 답변에서 새로운 지식을 배웠을 때. 귀하가 현재 수행 중인 업무에 대한 설명을 들으며 우리의 인지를 깊게 하는 데 도움이 되었으며, 이러한 경우에도 여전히 고용을 결정할 수 있습니다.”

“셋째, 귀하가 매우 완벽한 ‘반대 지표’일 때. 귀하가 매수 포지션을 우리에게 강력하게 홍보하지만, 귀하의 로직을 듣는 즉시 이것이 완벽한 매도 기회임이 드러나며, 귀하가 제시한 인지적 공백으로부터 상당한 이익을 얻을 수 있는 경우입니다.”

“실제 운용 과정에서 이 세 가지 상황 모두 실제 발생했습니다. 대화가 연장되면 면접 종료 시 귀하가 위 분류 중 어디에 해당하는지 성실히 알려드립니다.”

“만약 셋째 경우라면 몇 년 후에 다시 사후 검토하며 의견을 나누기를 기대합니다. 그때까지 저희 쌍방 중 반드시 하나가 틀리게 될 것입니다. 만약 우리가 틀렸다면 교훈을 삼고当初 무분별한 과신에서 비롯된 오류를 반성하고자 합니다. 만약 귀하가 틀렸다면, 역시 진행 후 검토를 통해 무엇을 배울 수 있는지 살펴봐야 할 것입니다.”

“셋째 방식은 표면적으로는 착취처럼 느껴져 귀하를 이용하려는 것 같다는 인상을 줄 수 있습니다. 하지만 이는 전적으로 착취는 아니며, 만일 2년 후에 사실을 통해 우리가 얼마나 어리석은 오류를 저질렀는지 증명한다면, 저희는 여전히 성의 있게 귀하를 초청하여 동참하기를 원할 것입니다.”

선별 퍼널 완전 마비: AI로 인한 5배 서류 폭발과 실시간 외부 보조

지난 몇 년간 이와 같은 방식으로 진행된 수 차례의 짧은 면접 중에서 우리는 핵심 직원 일부를 채용했으며, 다른 여섯 명의 후보자가 그들의 스타일에 더 맞는 다른 기관에서 이상적인 일자리를 찾을 수 있도록 도와주었고, 누구도 이에 대해 불평을 하지 않았다.

동시에 우리는 이를 통해 여러 개의 완벽한 매도 타겟을 발굴했으며, 가짜 사기를 우리에게 홍보하던 무능력자들이 결국 어떤 금융 기관으로 흘러들어갔는지도 함께 기록해 뒀다.

물론 우리는 솔직한 빠른 거절로 인해 태도가 딱딱해 보인 적이 많았으며, 많은 구직자가 이러한 번개같은 탈락 방식을 용납하기 어려워했고 심지어 면전에서 불만을 표출하기도 했다.

안타깝게도, 이 수년간 운영되어 온 메커니즘은 오늘날 완전히 효과를 잃었다. 과거에는 매년 약 40~60회의 취업 면접을 처리했으며, 주당 5~10분씩 쓰는 것은 대화로부터 인지적 이득을 얻을 수 있는 경우에 제가 완전히 수용 가능한 시간 투자였다.

그러나 생성형 AI의 폭발적 확산은 내게 도착하는 취업 신청서의 수량을 정확히 5배 늘렸다. 일년에 300회의 면접을 진행할 수는 없으며, 만약 그러면 나의 본업인 투자 업무를 전혀 수행하지 못할 것이다.

이에 나는 선제적 탈락을 도입해야 했으며, 대부분의 신청을 강제로 차단했다.

물론 나를 대신해 1차 선별 인선을 도와줄 AI 도구를 도입할 수 있지만, 하나의 AI 시스템에게 AI가 대량 생산한 수백 통의 지원서 가운데서 비교 선별을 맡긴다면 그 결과는 인간이 실제 손글씨 또는 타이핑 재료를 걸러내는 것보다 훨씬 열악하다.

이미 오차가 많은 선제 선별 라운드를 마치면 다시 후보자들을 전화로 불러 5분간 기초 조사를 진행한다. 가끔 전화 너머에서 매우 놀라운 답변을 들을 때가 있는데, 복잡하고 까다로운 문제에 직면해 상대방이 보여준 통찰력은 미묘하고 영리했다.

한때 나는 뛰어나고 탁월한 인재를 발굴했다고 믿었고, 이들은 오프라인 사무실로 초빙하여 3~4시간으로 심도 있는 대화를 나누었다. 그러나 만나본 결과 그들은 평범함이 극치를 이루어 초기 선별 기준조차 달성하지 못했다.

나중에야 우리는 깨달았다. 전화 면접 상대방은 거의 확정적으로 실시간 AI 도구를 사용해 보조 답변을 하고 있었음을.

고용주의 입장에서 볼 때, 전체 채용 시스템은 이미 완전히 통제불능의 혼란으로 변했다.

보편적 어려움: 최정상 컨설팅 퍼널 또한 동일하게 끊어짐

이러한 국면은 결코 드문 사례가 아니다. 최근 유명 대형 컨설팅 회사의 임원과 같은 주제에 대해 논의한 적이 있다. 학교 출신 학벌 배경을 매우 중시하며 하버드 등 최상위 명문대의 광채에 크게 의존하는 전통적인 기관이었다.

과거에는 매년 3,000~5,000장의 지원을 받았으며, 이후 팀에서 이를 1차 선별해 약 300명으로 압축한 뒤, 비즈니스 케이스 분석을 포함한 대규모 워크숍형 면접을 개최하고 최종적으로 약 80명의 합격자를 선발했다.

그러나 지금은 큰 장애물에 부딪혔다. 3,000장의 지원을 어떻게 300장으로 압축해야 할지 감당이 안 되는 것이다. AI의 보조 다듬질을 거친 모든 구직자의 이력과 진술서는 훌륭해 보이지만, 동시에 극도로 유사해지는 공포가 따른다. 이들의 선별 메커니즘 또한 구조적 단절을 겪고 있다.

더 깊은 균열: 공공 거버넌스의 문턱이 완전히 제거될 때

이 사안의 파장은 단지 기업 채용에만 머무르지 않는다. 호주 정치 중심지 캔버라의 친구들과 교류할 당시, AI가 심지어 옴브즈만(Ombudsman)의 일상적인 업무 흐름을 뚫고 있다고 전했다.

호주에서 옴브즈만은 시민이 정부 부처의 행정 행위 또는 결정을 항의하는 것을 접수하는 첫 번째 관문이다. 이 제도는 수년간 잘 작동해 왔으며, 옴브즈맨이 조사에 개입하면 원래 행정적 기피 문제로 남아있던 것들이 종종 저렴한 비용으로 신속히 해결되었다.

하지만 오랫동안 당국에 접수된 민원량은 실제로 건별로 심층 추적할 수 있는 수용 능력을 훨씬 초과해 왔다. 그들은 이전부터 매우 효과적이고 정교한 분산 대응안을 운영했다: 문턱을 설정하여 논리가 명확하고 사실이 충실한 3~5페이지 분량의 청구 진술서를 작성할 수 있는 사례를 우선 처리하는 것이었다.

과거 이 논리는 매우 효과적이었다. 사실의 전말을 명확하게 기록할 수 있는 사람은 제기한 문제가 실제로 존재할 가능성이 높고 수사 가치가 있음을 알 수 있다. 단순히 ‘문제를 글로 적어낸다’는 서면의 문턱조차도 방만한 불만이나 정신적 편협이 담긴 악성 민원을 자연스럽게 걸러냈다.

지금 이 해자는 완전히 사라졌다. 현재 어떤 생성형 AI든 논리 없는 고발을 체계적이고 설득력 있게 포장할 수 있으며, 프롬프트 유도까지 더해지면 겉보기에 매우 매력적인 ‘타당한 환상’을 생산해 낸다. 호주 옴브즈만의 처리 시스템은 빠르게 마비되고 있다.

이는 결코 좋지 않은 일이다. 저렴하고 빠르며 효과 있는 대중 피드백 메커니즘은 공공 거버넌스와 민주주의 운영의 중요한 기반인데, 지금 이 토대는 조용히 침식되고 있다.

체계적 붕괴의 보편적 법칙

일련의 현상을 종합해 볼 때, 우리는 매우 보편적인 법칙을 하나로 정리할 수 있다:

역사적으로 ‘문장 표현 비용’을 스팸 방지 필터(Anti-spam)로 활용해 온 대중 개방형 입력 시스템은 기업의 직무 모집, 정부 기관의 민원 채널, SNS 콘텐츠 상호작용을 막론하고 생성형 AI 앞에서는 붕괴되기 마련이다.

이러한 체계적 도전에 직면해 현재로서는 어느 누구도 즉효약을 보유하고 있지 않다.

나는 심지어 농담 반 진담 반으로 모든 구직자에게 일필휘지의 손글씨 한 페이지 분량 지원서를 의무적으로 제출하도록 강제해야 하지 않을까 생각해 본 적도 있다. 하지만 이는 분명히 어쩔 수 없이 선택한 최후의 수단일 뿐이다.

더 우아한 해결책을 고민해 줄 누군가를 희망해 본다.