내 이력서는 왜 맨날 광탈일까? AI 채용 시스템의 '보이지 않는 벽'

상상해보세요. 당신은 열심히 경력을 쌓고 준비한 이력서를 여러 곳에 보냈습니다. 하지만 돌아오는 건 클릭 한 번으로 끝나는 ‘죄송하지만 귀하의 스펙은…‘이라는 자동 응답 메일뿐이죠. 대체 왜일까요? 혹시 당신의 능력이 부족해서가 아니라, 모든 기업이 ‘똑같은 AI 심사관’을 쓰고 있기 때문이라면 어떨까요?

최근 340만 명의 구직자와 400만 건의 지원서를 분석한 대규모 연구 결과는 우리 채용 시장의 어두운 단면을 보여줍니다. 바로 ‘알고리즘 독점 문화(Algorithmic Monoculture)’라는 보이지 않는 벽입니다. 출처 2, 출처 9

이게 왜 중요한가요?

단순히 기계가 서류를 검토하는 것 자체는 문제가 아닐지도 모릅니다. 하지만 90%에 달하는 미국 기업들이 채용 과정에서 AI 알고리즘을 사용하고 있으며, 이들 대부분이 소수의 업체에서 만든 도구를 공유한다는 점이 핵심입니다. 출처 10

만약 이 소수의 AI 채용 도구가 특정 기준을 가진 사람만을 ‘우수 인재’로 판단한다면 어떻게 될까요? 그 기준에 맞지 않는 구직자는 지원하는 기업마다 똑같은 이유로 문전박대를 당하게 됩니다. 이는 개인의 불운이 아니라, 기술이 만들어낸 구조적인 차별이 되는 셈입니다. 연구진은 이러한 환경이 특정 개인이나 인종 그룹에게 반복적으로 거절을 안겨주는 ‘시스템적 거절’을 초래할 수 있다고 지적합니다. 출처 1, 출처 4

쉽게 이해하기: ‘판박이 심사관’의 등장

‘알고리즘 독점 문화’를 쉽게 비유하면 이렇습니다. 100개의 기업이 있는데, 이들 모두가 단 한 명의 면접관에게만 채용 권한을 준 것과 같습니다. 그 면접관이 특정 스타일의 사람만 좋아한다면, 당신이 아무리 뛰어난 능력을 갖췄어도 그 스타일이 아니라는 이유만으로 100번 모두 떨어질 수밖에 없는 것이죠.

사라 바나(Sarah Bana) 교수는 이를 ‘알고리즘 때문에 비슷한 결과가 발생하는 모든 상황’이라고 정의했습니다. 출처 3 예전에는 학위나 경력 같은 간단한 기준이 이 역할을 했다면, 지금은 그 기준을 기계가 ‘학습’하여 자동화하고 있는 것입니다. AI는 효율적이지만, 모두가 같은 AI만 바라보고 있다면 채용 시장의 다양성은 순식간에 사라지게 됩니다.

현재 상황: 우리 눈앞의 현실

이미 이 기술은 우리 깊숙이 들어와 있습니다. 심지어 연방 정부 기관들조차 HireVue와 같은 기업의 알고리즘을 채용에 활용하고 있을 정도입니다. 출처 5 문제는 이 효율적인 도구들이 실제 편향성을 보이고 있다는 점입니다.

연구 결과에 따르면, 흑인이나 아시아인 구직자들이 이러한 알고리즘 시스템하에서 불이익을 경험하는 등 인종적 편향과 시스템적 거절 문제가 현실화되고 있습니다. 출처 10 기업들은 시간과 비용을 줄이기 위해 AI를 도입했지만, 결과적으로는 ‘공정한 기회’라는 채용의 본질을 잃어버리고 있을지도 모릅니다. 출처 7

어디에 서 있나요?

현재 우리는 기술의 효율성이라는 달콤한 과실과, 그로 인해 초래되는 불평등이라는 씁쓸한 현실 사이에 서 있습니다. AI 채용 시스템은 도입 초기만 해도 채용 담당자의 편견을 줄이고 더 객관적인 평가를 할 것이라는 기대를 받았습니다. 하지만 실제로는 모두가 같은 알고리즘을 쓰면서 ‘객관적’이라 믿었던 결과들이 사실은 특정 방향으로 치우친 편견의 집합체였음이 드러나고 있습니다. 이는 마치 모든 요리사가 똑같은 간장만 사용하여 요리하는 것과 같아서, 결국 우리 식탁(채용 시장)의 맛은 단조로워지고, 그 간장에 알레르기가 있는 사람들은 설 자리를 잃게 되는 것입니다.

앞으로 어떻게 될까?

기술의 발전 속도만큼이나 중요한 것은 기술이 사회를 어떻게 바꾸느냐입니다. 많은 사람이 같은 알고리즘을 사용하게 되면, 그 시스템이 내린 판단은 마치 ‘절대적인 진리’인 것처럼 굳어질 위험이 있습니다.

우리는 앞으로 AI 채용 도구가 단순히 ‘효율성’을 넘어 ‘공정성’을 어떻게 담보할 것인지 더 엄격하게 질문해야 합니다. 기업들은 자사가 사용하는 알고리즘이 어떤 편향성을 가지고 있는지 투명하게 공개해야 하며, 구직자들은 AI가 내린 판단 뒤에 숨겨진 구조적인 문제를 인식하고 목소리를 내야 할 때입니다. 이제는 기술이 사람을 선택하는 시대가 아니라, 기술이 사람을 제대로 대우하고 있는지 우리가 선택하고 감시해야 할 시간입니다.

참고자료

1. Algorithmic Monocultures in Hiring - Stanford Digital Economy Lab (https://digitaleconomy.stanford.edu/publication/algorithmic-monocultures-in-hiring/)
2. Algorithmic Monocultures in Hiring (https://algorithmichiring.github.io/)

3. Q&A	Algorithmic Monoculture in Hiring - Stanford Digital Economy Lab (https://digitaleconomy.stanford.edu/news/qa-algorithmic-monoculture/)

4. [2605.27371] Algorithmic Monocultures in Hiring (https://arxiv.org/abs/2605.27371)
5. Algorithmic Monocultures in Hiring RISHI BOMMASANI, Stanford University, USA (https://arxiv.org/pdf/2605.27371)
6. AI Hiring Tools Can Yield Racial Bias and Systemic Rejection (https://hai.stanford.edu/news/ai-hiring-tools-can-yield-racial-bias-and-systemic-rejection)
7. Algorithmic Monocultures in Hiring - catalyzex.com (https://www.catalyzex.com/paper/algorithmic-monocultures-in-hiring)
8. Algorithmic Monocultures in Hiring: 90% of US Employers Share One Vendor (https://www.devdigest.org/articles/algorithmic-monocultures-in-hiring-90-of-us-employers-share-one-vendor)