최근 많은 기업이 채용 과정의 효율성을 높이기 위해 자동화된 이력서 심사(Automated CV screening) 시스템을 도입하고 있지만, 이 시스템이 오히려 채용의 질을 떨어뜨리고 있다는 비판이 제기되고 있습니다. 인공지능(AI) 기반의 자동 심사 도구는 기존 채용 데이터에서 학습하기 때문에 과거의 편향을 그대로 답습하거나 심화시킬 수 있으며, 이는 다양성을 저해하고 혁신적인 인재를 놓치는 결과를 초래합니다.
자동 이력서 심사 시스템의 주요 문제점은 크게 두 가지입니다. 첫째, 학습 데이터의 편향성입니다. 과거 채용 성공 사례를 기반으로 학습한 AI는 특정 학력, 경력, 심지어 성별이나 인종에 편향된 결과를 도출할 수 있습니다. 예를 들어, 남성 중심의 특정 산업에서 AI는 여성 지원자를 자동으로 걸러내는 경향을 보일 수 있습니다. 둘째, 알고리즘의 불투명성(Black Box)입니다. AI가 어떤 기준으로 이력서를 평가하고 합격/불합격을 결정하는지 명확히 알기 어렵기 때문에, 지원자들은 탈락 이유를 알 수 없고 기업 역시 공정한 평가를 했다고 설명하기 어렵습니다. 이는 잠재력 있는 지원자를 놓치고 기업의 브랜드 이미지에도 부정적인 영향을 미칠 수 있습니다.
이러한 문제점을 해결하기 위한 대안으로, 기술 기반의 역량 평가와 블라인드 채용 방식이 주목받고 있습니다. 기술 기반 역량 평가는 지원자의 실제 문제 해결 능력이나 특정 기술 숙련도를 직접 측정하는 방식으로, 이력서에 기재된 정보보다는 실질적인 역량에 집중할 수 있습니다. 또한, 블라인드 채용은 지원자의 이름, 학력, 출신지 등 편견을 유발할 수 있는 정보를 가린 채 오직 직무 관련 경험과 역량만을 평가하는 방식입니다. 이러한 접근 방식은 AI의 편향성을 줄이고, 더 넓은 범위의 인재 풀에서 적합한 인재를 발굴하는 데 기여할 수 있습니다. 결국, 자동화 기술은 채용 과정의 보조 도구로 활용하되, 최종적인 판단과 중요한 평가 단계에서는 사람의 개입과 공정성 확보 노력이 필수적이라는 것이 전문가들의 공통된 의견입니다.