AI 채용, 암묵지 없이는 3%도 못 씁니다

"퇴직 후 공백기, 몇 개월부터 감점하시나요?"

"저는 3개월 정도요."

"4개월요."

"12개월까지는 괜찮습니다."

"저도 12개월 봅니다."

동일한 질문을 두고 채용전문가들 사이에서 최소 3개월에서 최대 12개월까지, 무려 네 배나 차이가 났습니다. 대기업 경력만 있는 후보자를 어떻게 평가하느냐는 질문에도 반응은 갈렸습니다. 한 전문가는 "고객사의 취향에 맞춘다"고 답한 반면, 다른 전문가는 "거의 무조건 탈락시킨다"고 단호하게 말했습니다. 똑같은 후보자를 두고도 누군가는 통과를, 누군가는 탈락을 결정하는 셈입니다.

채용 판단의 상당 부분이 이렇습니다. 경험 많은 전문가의 머릿속에만 존재할 뿐 문서화되지 않은 기준, 물어볼 때마다 "케바케(경우에 따라 다르다)"라는 답이 돌아오는 영역. 바로 채용 영역의 ‘암묵지’입니다.

잡코리아가 인사담당자 1,286명을 조사한 결과, 65%가 AI 채용 에이전트 도입을 검토 중이라고 답했습니다. 그러나 실제 도입률은 3.1%에 그쳤습니다. 기술력이 모자라서가 아닙니다. AI 채용 도구에 입력할 명확한 '기준'이 정리되지 않았기 때문입니다.

AI 채용 도구는 왜 기준에서 막히는가

서치라이트AI의 리크루터 '루피' 역시 처음에는 채용공고(JD)를 분석해 평가 지표를 자동 생성하는 방식으로 첫발을 뗐습니다. 직무명, 연차, 기술 스택 같은 명시적 요건은 빠르게 구조화해냈죠. 하지만 그것만으로는 충분하지 않았습니다.

AI는 주어진 기준을 편차 없이 적용하는 데 탁월합니다. 기준만 올바르다면 강력한 도구가 되지만, 기준이 누락되면 잘못된 판단을 수백 명에게 되풀이하고 맙니다. 문제는 진짜 채용 기준이 공고문에 다 적혀 있지 않다는 점입니다.

👉🏻 서치라이트의 AI 리크루터 ‘Luffy’의 일하는 방식이 궁금하다면?

JD는 실제 채용 기준이 아니다

하버드 비즈니스 스쿨이 2,600만 건의 채용공고를 분석했더니 흥미로운 결과가 나왔습니다. 생산직 관리자 공고의 67%가 대졸 학력을 요구했지만, 실제 재직자 중 대졸자는 16%뿐이었습니다. 무려 51%p의 격차가 벌어진 것입니다. 이처럼 공고상의 요건과 실제 채용 기준 사이에는 구조적인 괴리가 존재합니다.

12만 9천 개의 채용공고를 분석한 또 다른 조사에서도 모순은 발견됩니다(Teal HQ). "경력 무관"이나 "신입 가능"을 내걸고도 정작 자격요건에는 3년 이상의 실무 경험을 요구하는 공고가 절반에 달했습니다. 결국 채용공고는 실제 기준이라기보다 기업의 '희망 사항'에 가깝습니다.

고객조차 자신이 무엇을 원하는지 모른다

한 O2O 플랫폼 기업에서 B2B 팀장을 채용하고 싶다는 의뢰가 들어왔습니다. 공고에도 팀장급이라 적혀 있었고, 인사 담당자 역시 그렇게 설명했습니다. 하지만 실제 미팅에서 만난 대표님의 생각은 달랐습니다. 대화를 나눠보니 정작 필요한 인재는 그보다 한 단계 위인 '디렉터급'이었습니다.

이런 일은 현장에서 비일비재합니다. 첫 미팅에서 "폭넓게 검토하겠다"던 분들도 실제 후보자를 마주하면 "이분은 결이 좀 다르네요", "이 경력은 우리와 안 맞을 것 같아요"라며 사뭇다른 반응을 보입니다. 이는 잘못된 것이 아닙니다. 후보자를 직접 보기 전까지는 본인의 기준을 언어화하기 어려운 법이니까요. 이처럼 채용 당사자조차 자신이 원하는 사람을 정확히 정의하지 못하는 상황에서, JD만으로 AI를 학습시키는 데는 한계가 명확합니다.

채용 암묵지를 꺼내는 바텀업 방식

그래서 저희는 접근 방식을 바꿨습니다. AI가 공고문에서 추출하는 하향식(Top-down) 정보 바깥에 놓인 암묵지를 사람의 손으로 직접 끄집어내는 상향식(Bottom-up) 작업을 시작했습니다. 직무별 채용 전문가들을 인터뷰하고 그 답을 교차 분석하여 저희 팀의 암묵지를 명시화할 수 있었습니다.

• 첫째, 실제 재직자를 통해 인재상을 역추적할 수 있습니다. "상위권 대학이나 특정 기업 출신만 선호한다"고 했을 때, 해당 기업의 실제 재직자들의 이력을 살펴봤습니다. 지방 거점 국립대 출신도 성과를 내며 재직 중이었고, 브랜드사 출신만 원한다던 곳에도 플랫폼사 출신 인재가 활약하고 있었습니다. 이런 경우에는 조건을 더 확장하여 검색 가능하죠.
• 둘째, "어떤 사람이 절대 안 되는가?"라는 질문이 더 정확한 기준을 만듭니다. 원하는 조건을 물으면 모호한 답이 돌아오지만, 비선호 조건을 물으면 도메인부터 경력 패턴까지 구체적으로 ‘이런 사람은 별로였어요’라는 데이터가 쏟아집니다. 공고에는 없지만 실제 판단에 결정적인 영향을 미치는 이 기준들을 저희는 '역필터'라고 부르고 있습니다.

다른 분야도 마찬가지입니다. 베테랑 소방관은 지붕 위를 걷다 느껴지는 미세한 '물렁함'만으로 대피 명령을 내립니다. 발밑에서 불이 타고 있다는 신호를 본능적으로 감지하는 것이죠. 숙련된 상담원 역시 대화 초반의 말투만으로 고객의 문제를 진단합니다.

채용도 같습니다. "이 사람은 아니다"라고 느끼는 찰나의 순간이 있지만, 그 기준은 말로 정리되어 있지 않습니다. 이를 구조화하여 입력하면 AI도 충분히 학습할 수 있습니다. 물론 시장과 고객, 직무의 정의가 계속 변하기에 한 번의 정리로 끝나지는 않습니다. 암묵지는 멈춰있는 지식이 아니므로, 팀 안에서 이를 끊임없이 갱신하는 체계를 갖추는 것이 무엇보다 중요합니다.

암묵지가 쌓일수록 AI 채용은 정교해진다

루피는 본래 직무명, 연차 같은 명시적 요건을 걸러내는 일에 능숙했습니다. 하지만 바텀업 방식은 그 이상의 변화를 불러왔습니다. 이전에는 "케바케"로 치부되던 영역들, 즉 재직자 이력 기반의 기준 교정과 역필터를 통한 비선호 조건 등이 구조화되면서 루피가 판단할 수 있는 범위가 넓어졌습니다.

AI의 판단력이 정교해지자 사람의 역할도 달라졌습니다. 이전에는 모호한 영역까지 전부 직접 검토해야 했지만, 이제는 정말 사람의 직관이 필요한 지점에만 집중할 수 있죠. 인재의 이직 가능성, 문화적 적합도, 고객사별 숨은 선호도가 좋은 예시입니다. 여기서 추출된 새로운 암묵지를 다시 AI에 수혈하면, 사람이 살펴야 할 범위는 더욱 좁아집니다. 선순환 구조가 만들어지는 것입니다.

2024년 《네이처 인간 행동(Nature Human Behaviour)》에 실린 메타분석 결과에 따르면, 전문가의 지식이 AI와 결합했을 때의 정확도(90%)는 인간(81%)이나 AI(73%) 단독보다 훨씬 높았습니다. 중요한 점은 이 수치가 고정된 것이 아니라는 사실입니다. 전문가가 더 깊은 통찰을 AI에 넘길수록 결합의 정확도는 계속해서 상승합니다.

서치라이트AI 현장에서도 증명되고 있습니다. 업계 평균 대비 후보자 회신율은 7배(37.4%), 채용 성사율은 8배(24%)에 달합니다. 이 수치들은 암묵지가 축적됨에 따라 지금 이 순간에도 갱신되고 있습니다. 바텀업은 AI를 대체하는 작업이 아니었습니다. AI를 길러내는 과정이었으며, 그 과정에서 사람은 더 본질적이고 어려운 문제에 몰입할 여유를 얻었습니다.

우리팀 AI 채용 도입에 암묵지가 있는지 점검해보세요

채용에 AI를 활용하고 있거나 도입을 검토하고 있다면, 단순히 "성능이 좋다"는 말 대신 다음 세 가지 영역에 구조화되지 않은 판단이 숨어 있지 않은지 점검해 보시기 바랍니다.

1.직무 전문가만 아는 영역

JD의 "경력 5년 이상"으로는 드러나지 않는, 직무별 "좋은 경력"의 정의가 있습니다.

• [ ] "좋은 인재란 무엇인가"에 대해 해당 직무 실무자의 답을 확보했는가?
• [ ] 직무별로 도메인 경험/산업 경험의 중요도가 정리되어 있는가?
• [ ] 유사 직무 간 경계(PM≈PO, 세일즈≈BD 등)를 AI가 구분할 수 있는가?

2.채용 전문가의 판단 영역

내부 인사담당자가 후보자의 적합성을 판단할 때 무의식적으로 사용하는 직관과 검증 로직을 표면화합니다.

• [ ] "이 분은 좀 부족하다"고 느낄 때, 그 이유를 구체적인 항목(연차 대비 성과 부족, 산업군 부적합 등)으로 쪼개어 설명할 수 있는가?
• [ ] '대기업 출신' 혹은 '스타트업 출신' 등 특정 경력 배경에 대한 가산점/감점 로직이 합의되었는가?
• [ ] 이력서의 전체적인 흐름(재직 기간의 변화, 직무의 일관성)을 읽어내는 정성적 기준이 공유되고 있는가?
• [ ] 퇴직 공백이나 잦은 이직을 감점하는 구체적인 임계값(Threshold)이 정해져 있는가?

3.특정 맥락이 작동하는 영역

같은 포지션이라고 해도 회사의 상황이나 시기에 따라 판단이 달라지기에 세 영역 중 암묵지가 가장 많이 바뀝니다. 회사와 산업의 맥락을 읽는 눈이 시스템 안에 축적됩니다.

• [ ] "이 사람은 여기는 안 갈 것 같다"는 판단을 언어화한 적이 있는가?
• [ ] 고객이 말한 조건과 실제로 채용된 사람의 이력 사이에 간극이 있었는가?
• [ ] 후보자가 재직했던 회사의 당시 상황(성장 단계, 피봇, 조직 규모 변화)을 기준에 반영하고 있는가?

빈칸을 채우는 일은 결국 사람의 몫입니다. 하지만 일단 채우고 나면 AI는 그 기준을 바탕으로 수백, 수천 명을 지치지 않고 판단해냅니다. 그리고 데이터가 쌓일수록 AI는 더욱 영리해집니다.

서치라이트AI는 회사 데이터, 산업 데이터, 채용 이력 등 다양한 데이터를 증강하여 이 맥락까지 루피가 판단할 수 있도록 고도화해 나가고 있습니다. 채용 과정에서 "이건 아닌데"라는 시행착오를 줄이고 싶다면, 저희와 함께 그 빈칸을 채워보시길 권합니다.