인공지능(AI) 채용 시스템이 단순한 이력서-직무 매칭 모델을 넘어, 채용 프로세스 전반을 자동화하는 '채용 에이전트'로 진화하고 있다는 연구 결과가 나왔습니다. 기존에는 프로필 쌍을 비교하거나 순위 목록을 생성하는 데 그쳤다면, 이제는 증거를 검색하고, 후보자를 비교하며, 채용 관련 행동을 직접 지원하거나 실행하는 다단계 워크플로우를 처리하는 방향으로 발전하고 있습니다.
이러한 변화는 크게 세 가지 전환으로 요약됩니다. 첫째, 단순 유사성(similarity) 평가에서 상호 적합성(reciprocal suitability)을 판단하는 방식으로 바뀌고 있습니다. 둘째, 단일 모델 기반에서 여러 구성 요소를 결합한 복합 워크플로우 형태로 발전합니다. 셋째, 오프라인 예측을 넘어 증거 기반의 생산성 중심 평가로 전환되고 있습니다. 특히 대규모 언어모델(LLM)이 이러한 채용 에이전트 시스템의 핵심 구성 요소로 활용되며, 문서 이해, 정보 검색, 순위 지정, 평가, 인터뷰, 소싱 등 다양한 단계에서 중요한 역할을 수행합니다.
하지만 AI 채용 시스템의 발전에도 불구하고 여전히 해결해야 할 과제들이 많습니다. 행동 레이블이 노출, 선호도, 자격 요건을 혼동하게 만들거나, 비공개 및 합성 데이터가 외부 유효성을 제한하는 문제가 있습니다. 또한 최종 결과 점수가 파이프라인의 실패를 숨길 수 있으며, 유틸리티, 공정성, 개인 정보 보호, 보안을 동시에 평가하는 시스템은 아직 부족합니다. 연구진은 이러한 문제들을 해결하기 위해 상호적이고, 증거 기반이며, 시간적으로 통제되고, 선별적이며, 감사 가능한 시스템을 구축해야 한다고 강조합니다. 궁극적으로는 AI 워크플로우가 올바른 증거를 검색하고, 불확실성을 보존하며, 이의를 제기할 수 있는 결정을 지원하고, 명확한 비용 및 위험 제약 조건 하에서 채용 결과를 개선하는지 여부로 그 진전을 판단해야 할 것입니다.