AI 면접관 해고한 사장님, 그는 정답을 알고 있다

도입: AI 면접관님, 저는 불쾌합니다

ARS 상담원과 통화하려면 9번을, 다시 들으려면 별표를 누르라는 안내를 듣던 시절이 있었습니다. 기계와 실랑이를 벌이다 분통이 터져 결국 전화를 끊어버린 경험, 다들 한 번쯤은 있을 겁니다. 최근 스위스의 유명 IT 기업 프로톤(Proton)이 AI 면접 프로그램을 폐지했다는 소식을 듣고, 저는 20년 전 그 ARS가 떠올랐습니다.

프로톤은 이메일(ProtonMail)이나 가상사설망(ProtonVPN) 서비스로 유명한, 개인정보 보호를 목숨처럼 여기는 회사입니다. 그런 회사가 기술 역량 평가를 위해 AI를 이용한 재면접, 일종의 2차 스크리닝을 도입했습니다. 수많은 지원자를 빠르고 공정하게 평가해 보겠다는, 지극히 공학적인 발상이었습니다. 결과는 어땠을까요? 지원자들로부터 “비인간적이다”, “스트레스 받는다”는 불만이 쏟아졌고, 앤디 옌 CEO는 프로그램을 즉시 중단했습니다. “사람들은 기계가 아닌 사람에게 채용되고 싶어 한다”는 말을 남기면서 말입니다.

이 결정은 많은 것을 시사합니다. 단순히 ‘따뜻한 기술’ 같은 감상적인 이야기가 아닙니다. 이것은 기술의 본질과 한계에 대한 이야기입니다. 기업이 효율성이라는 단 하나의 잣대로 모든 것을 재단할 때 어떤 비용을 치르게 되는지에 대한 값비싼 교훈이기도 합니다. 저도 엔지니어 출신이라 이런 자동화의 유혹을 잘 압니다. 하지만 이번 사례는 AI라는 최신 기술조차도 결국 ‘사람 문제’ 앞에서는 한계를 보인다는 사실을 명확히 보여줍니다. 한번 그 속을 들여다보겠습니다.

AI 면접, 대체 뭘 보고 뭘 놓치는가

대체 AI 면접이라는 게 뭘까요? 보통 노트북 카메라 앞에 앉아 AI가 내는 질문에 답하는 방식입니다. 이때 AI는 여러 가지를 봅니다. 물론, 정해진 답이 있는 기술 질문이라면 답변 내용의 키워드를 분석해 정답 여부를 가릴 수 있습니다. 이건 어렵지 않습니다.

문제는 ‘역량’이나 ‘인성’처럼 정답이 없는 질문입니다. 이때 AI는 일종의 ‘점쟁이’가 됩니다. 지원자의 여러 행동을 보고 그 사람의 내면을 추측하는 겁니다. 예를 들면 이렇습니다.

• 음성 분석: 목소리의 높낮이, 말의 빠르기, 단어 선택 등을 분석해 자신감이나 불안감 같은 감정 상태를 추정합니다.
• 표정 분석: 얼굴 근육의 미세한 움직임을 포착해 기쁨, 놀람, 불안 같은 감정을 읽어내려 합니다. ‘미세 표정 분석’이라는 그럴싸한 이름이 붙어있죠.
• 시선 추적: 눈동자가 화면 어디를 보는지, 얼마나 자주 깜빡이는지 등을 통해 집중도나 솔직함을 판단하려 합니다.

문제는 이 모든 것이 간접적인 신호, 즉 ‘대리 지표(Proxy)’에 불과하다는 점입니다. AI는 지원자의 ‘문제 해결 능력’ 자체를 보는 게 아닙니다. 그저 ‘문제 해결 능력이 높은 사람들이 보일 법한 표정이나 말투’의 데이터와 비교할 뿐입니다. 마치 요리사의 실력을 직접 맛보지 않고, 주방이 얼마나 깨끗한지, 칼은 어떤 브랜드를 쓰는지만 보고 판단하려는 것과 같습니다. 어느 정도 상관관계는 있겠지만, 본질은 아닙니다.

더 큰 문제는 이 데이터 자체가 편향되어 있다는 사실입니다. AI에게 ‘성공적인 리더의 표정’을 학습시킨다고 해봅시다. 과거 성공한 리더 대부분이 특정 성별이나 인종이었다면, AI는 그들의 표정과 말투를 ‘정답’으로 학습하게 됩니다. 새로운 유형의 리더십을 가진 사람은 오히려 ‘부적합’ 판정을 받을 수 있습니다. 결국 AI 면접은 ‘과거의 편견을 가장 과학적인 모습으로 위장해 현재에 복제하는 도구’가 될 위험이 있습니다.

4세대 언어, CASE 도구, 그리고 AI 면접

사실 이런 일은 처음이 아닙니다. 기술의 역사에서 ‘인간의 복잡한 업무를 자동화하겠다’는 시도는 주기적으로 나타났다가 사라지곤 했습니다.

1980년대에는 ‘4세대 언어(4GL)’라는 것이 있었습니다. 복잡한 코딩 없이, 영어나 사람 말에 가까운 몇 가지 명령어로 데이터베이스를 다루고 프로그램을 만들 수 있다는 꿈의 기술이었습니다. 경영진은 열광했습니다. “이제 비싼 프로그래머들 없이도 원하는 프로그램을 만들 수 있겠구나!” 하지만 결과는 어땠을까요? 간단한 보고서를 뽑거나 단순한 입력 화면을 만드는 데는 유용했지만, 조금만 복잡한 로직이 들어가면 결국 전문가인 프로그래머가 처음부터 다시 만들어야 했습니다.

1990년대에는 ‘CASE(Computer-Aided Software Engineering) 도구’가 유행했습니다. 설계도만 그리면 코드가 자동으로 생성된다는, 그야말로 마법 같은 도구였습니다. 역시나 결과는 비슷했습니다. 정형화된 일부 작업은 자동화했지만, 현실 세계의 복잡하고 비정형적인 요구사항을 모두 담아내기엔 역부족이었습니다. 이 도구들은 프로그래머를 대체하지 못하고, 그들의 업무를 ‘보조’하는 역할에 그쳤습니다.

AI 면접은 정확히 이 길을 따라가고 있습니다. 4세대 언어와 CASE 도구가 ‘코딩’이라는 복잡한 지적 노동을 자동화하려다 실패했듯, AI 면접은 ‘채용’이라는, 어쩌면 코딩보다 더 복잡한 인간 상호작용과 판단의 영역을 자동화하려 하고 있습니다. 수천 장의 이력서에서 특정 키워드를 찾아내는 ‘필터링’ 작업은 AI가 탁월하게 잘할 수 있습니다. 이는 CASE 도구가 단순 코드를 생성해주던 것과 같습니다. 하지만 지원자의 눈빛에서 잠재력을 읽어내고, 대화의 행간에서 우리 회사 문화와 맞을지를 가늠하는 ‘판단’의 영역은 전혀 다른 문제입니다. 프로톤의 실패는 이 둘을 혼동한 데서 비롯된, 예견된 참사였습니다.

숫자는 보여주지 않는 '지원자 경험'의 비용

프로톤의 CEO가 ‘지원자 경험’을 망쳤다고 했을 때, 이는 단순히 지원자 기분이 좀 나빴다는 뜻이 아닙니다. 여기에는 아주 현실적인 비즈니스 비용이 포함됩니다.

첫째, 최고의 인재를 놓칩니다. 실력 있는 엔지니어, 특히 경력이 많은 시니어 개발자들은 선택지가 많습니다. 그들은 자신의 실력을 증명하기 위해 기계 앞에서 재롱을 부려야 하는 회사를 좋아하지 않습니다. 불쾌하고 비인간적인 채용 과정을 겪는다면, 그들은 조용히 다른 회사의 제안을 수락할 겁니다. AI 면접은 실력 없는 지원자를 거르는 데는 도움이 될지 몰라도, 실력 있는 지원자까지 쫓아내는 부작용을 낳습니다.

둘째, 회사 브랜드에 돌이킬 수 없는 손상을 입힙니다. 채용 과정은 회사가 잠재적 직원에게 보여주는 첫 얼굴입니다. 여기서 나쁜 인상을 주면 어떻게 될까요? 요즘 세상에는 ‘글래스도어’나 ‘블라인드’ 같은 기업 리뷰 사이트가 넘쳐납니다. “프로톤 AI 면접 봤는데 정말 최악이었음” 같은 글 하나가 온라인에 퍼지는 건 순식간입니다. 특히 프로톤처럼 ‘인간’과 ‘신뢰’를 가치로 내세우는 회사에게는 치명적입니다. AI 면접으로 아낀 몇 시간의 면접관 인건비보다, 이렇게 손상된 브랜드 가치를 회복하는 데 훨씬 더 큰 비용이 듭니다.

셋째, 엉뚱한 사람을 뽑게 될 위험이 있습니다. AI 면접은 결국 ‘AI 면접에 최적화된 사람’을 가려낼 뿐입니다. 낭랑한 목소리로, 적당히 긍정적인 단어를 섞어가며, 카메라를 또렷이 보고 미소 짓는 훈련이 잘 된 사람 말입니다. 이들이 과연 실제 업무에서도 뛰어난 성과를 낼까요? 오히려 조용하고 내성적이지만 깊이 있는 사고를 하는 문제 해결사, 혹은 기존의 틀을 깨는 창의적인 인재를 놓칠 가능성이 큽니다. AI는 정해진 틀 안에서 ‘모범생’을 찾을 뿐, 조직에 새로운 활력을 불어넣을 ‘괴짜 천재’를 알아보지 못합니다.

이 표를 보면 명확해집니다. AI는 대량의 지원자를 빠르게 ‘분류’하는 데는 유용하지만, 최종적으로 함께 일할 사람을 ‘선발’하는 데는 부적합합니다. 프로톤은 ‘분류’에 써야 할 도구를 ‘선발’ 과정에 끌어들이는 실수를 저질렀던 겁니다.

흔한 오해: 'AI가 편견을 없앤다'는 착각

AI 채용을 옹호하는 사람들은 몇 가지 흔한 주장을 합니다. 하지만 현실을 들여다보면 대부분 착각에 가깝습니다.

첫 번째 오해: “사람은 편견에 차 있지만 AI는 데이터만 보니 객관적이고 공정하다.” 가장 그럴듯하게 들리는 거짓말입니다. AI는 하늘에서 뚝 떨어진 존재가 아닙니다. 인간이 만든 데이터를 먹고 자랍니다. 만약 과거 채용 데이터에 특정 학교 출신이나 특정 성별을 선호했던 편견이 담겨 있다면, AI는 그 편견을 ‘성공 공식’으로 학습합니다. 그리고는 인간보다 훨씬 더 효율적이고 체계적으로 그 편견을 재생산합니다. 아마존이 과거에 여성 지원자에게 불이익을 주는 채용 AI를 개발했다가 폐기한 사건은 유명합니다. AI는 편견을 없애는 게 아니라, 오히려 인간의 편견을 코드 속에 숨겨 ‘객관성’이라는 가면을 씌워줄 뿐입니다.

두 번째 오해: “AI가 아직 부족해서 그렇다. 기술이 더 발전하면 해결될 문제다.” 이 역시 기술 만능주의에 빠진 생각입니다. 채용의 어려움은 기술적 문제가 아니라 본질적으로 ‘인간’에 대한 문제입니다. ‘우리 회사에 맞는 좋은 인재’란 무엇일까요? 이 질문에 대한 정답은 데이터로 측정하기 어렵습니다. 팀원들과 잘 어울릴지, 위기 상황에서 어떻게 대처할지, 회사의 비전에 얼마나 공감하는지 같은 요소들은 복잡한 맥락 속에서 인간이 종합적으로 판단해야 할 영역입니다. 설령 기술이 발전해 지원자의 거짓말 확률을 99% 정확도로 맞힌다 한들, 사람들은 기계에게 심문당하는 듯한 채용 과정을 원하지 않을 겁니다. 프로톤의 결정이 보여주듯, 문제는 AI의 정확도가 아니라 AI를 사용하는 ‘방식’과 ‘경험’ 그 자체에 있습니다.

결국, '판단의 값'은 올라간다

그렇다면 AI는 채용 시장에서 아무 쓸모가 없을까요? 아닙니다. 저는 오히려 AI 덕분에 진짜 실력 있는 채용 담당자의 몸값이 더 올라갈 것이라고 봅니다. 여기서 제 시그니처 주장이 나옵니다. 기술은 인간을 대체하는 게 아니라, 인간의 ‘판단의 값’을 올려줍니다.

생각해 보십시오. 과거 채용 담당자는 수천 통의 이력서를 읽으며 ‘Java 경력 3년 이상’ 같은 키워드를 찾는 데 대부분의 시간을 보냈습니다. 지루하고 반복적인 노동입니다. 이제 이 작업은 AI가 순식간에 해치울 수 있습니다. AI가 5천 명의 지원자 중 조건에 맞는 100명을 10분 만에 걸러줍니다.

그럼 채용 담당자는 무엇을 하게 될까요? 이제부터가 진짜 그의 실력이 발휘되는 순간입니다. 그는 더 이상 서류더미와 씨름하지 않습니다. 대신 AI가 걸러준 100명의 ‘자격 있는’ 후보자들을 놓고, 훨씬 더 깊이 있는 고민을 시작합니다.

• 이 후보자의 지난 프로젝트 경험이 우리 팀의 현재 문제와 어떻게 연결될까?
• 저 후보자가 블로그에 쓴 글의 논조를 보니, 우리 팀의 토론 문화에 잘 맞을 것 같다.
• 이 사람은 기술 스펙은 약간 부족하지만, 새로운 기술을 배우는 속도가 매우 빨라 보이는데, 한번 만나볼까?

AI가 단순 ‘노동’을 가져가면서, 인간은 ‘판단’과 ‘통찰’이라는 더 높은 차원의 일에 집중하게 됩니다. 즉, 채용 담당자의 역할이 서류 심사관에서 인재 전략가로 격상되는 것입니다. AI가 던져준 데이터를 어떻게 해석하고, 누구를 만나 어떤 질문을 던질지 결정하는 능력, 즉 ‘판단의 값’이 그 사람의 몸값을 결정하게 됩니다.

따라서 우리는 ‘사람을 완벽하게 평가하는 AI’를 기다릴 게 아닙니다. 오히려 ‘사람의 판단을 도와주는 AI’에 주목해야 합니다. 이력서와 자기소개서를 요약해주고, 지원자의 과거 프로젝트와 관련된 심층 질문을 추천해주며, 면접 일정을 자동으로 조율해주는 AI는 이미 현실에서 유용하게 쓰이고 있습니다. 이처럼 AI를 ‘면접관’이 아닌 똑똑한 ‘비서’로 활용할 때, 비로소 기술의 가치가 빛을 발할 겁니다.

독자가 던질 법한 질문들

Q. 그래도 대기업은 지원자가 너무 많아서 AI 안 쓰면 불가능하지 않나요? A. 맞습니다. 그래서 AI를 ‘서류 필터링’ 같은 초기 단계에 쓰는 건 합리적입니다. 1만 명의 이력서에서 자격 요건을 갖춘 100명을 추려내는 일은 사람이 하는 것보다 AI가 훨씬 빠르고 정확할 수 있습니다. 프로톤의 실수는 이걸 ‘면접’이라는, 인간적 교류와 깊이 있는 평가가 중요한 단계에 썼다는 점입니다. 서류에서 1만 명을 100명으로 거르는 것과, 그 100명과 직접 대화하며 진짜 실력을 가늠하는 것은 완전히 다른 문제입니다. 못을 박을 때는 망치를 쓰고 나사를 조일 때는 드라이버를 써야 합니다. 도구를 목적에 맞게 쓰는 지혜가 필요합니다.

Q. AI 면접에 대비하려면 어떻게 해야 하나요? 족보 같은 게 있나요? A. 솔직히 말해, ‘AI 면접 잘 보는 법’을 가르치는 학원들은 엉터리에 가깝습니다. AI 모델은 회사마다 다르고 계속 업데이트되기 때문에, 어떤 표정이나 단어에 가점을 주는지 외부에서는 알 길이 없습니다. 억지로 웃는 표정을 짓거나 과장된 제스처를 하는 건 오히려 ‘부자연스러움’으로 감점 요인이 될 수 있습니다. 가장 좋은 전략은, AI를 의식하지 말고 그냥 화면 뒤에 사람이 있다고 상상하고 질문의 본질에 집중해 진솔하게 답하는 것입니다. AI를 속이려 들지 말고, 자신의 생각과 경험을 명확하게 전달하는 데 집중하는 것이 언제나 최선의 전략입니다.

Q. 그럼 앞으로 채용 AI는 다 사라질까요? A. 아니요, 오히려 더 교묘하고 정교한 형태로 우리 곁에 스며들 겁니다. 프로톤의 사례처럼 AI가 전면에 나서서 “내가 면접관이다”라고 말하는 방식은 줄어들 가능성이 높습니다. 대신, 인간 면접관을 ‘보조’하는 형태로 발전할 겁니다. 예를 들어, 면접 내용을 실시간으로 텍스트로 변환하고 분석해 면접관에게 “방금 지원자가 언급한 A 프로젝트에 대해 이런 점을 더 깊게 물어보세요”라고 화면 한쪽에 힌트를 주는 식입니다. 즉, AI는 무대 뒤로 숨고, 인간의 판단을 돕는 ‘증강 도구’ 역할을 맡게 될 겁니다. 우리는 AI와 직접 면접을 보는 게 아니라, AI의 도움을 받는 사람과 면접을 보게 될 것입니다. 기술은 사라지는 게 아니라, 보이지 않는 곳으로 더 깊이 들어갈 뿐입니다.