AI 이력서 홍수, 테크 채용의 병목이 ‘지원자 선별’로 옮겨간다

AI가 채용시장에 미치는 영향이 단순한 감원이나 자동화 논쟁을 넘어, 지원서 접수와 선별 과정 자체를 흔들고 있다. 6월 29일 SFGATE는 베이 에어리어 테크 구직자들이 AI로 만든 이력서를 대량 제출하는 흐름이 커지면서 기업과 지원자 모두에게 비효율이 커지고 있다고 보도했다. 보스턴권 유학생과 이직 준비자에게도 이 변화는 남의 일이 아니다. 채용 공고 수만 보는 것보다, 실제로 어떤 지원서가 사람에게 도달하고 검증되는지가 더 중요해지고 있기 때문이다.

핵심은 지원자의 AI 사용과 기업의 AI 선별이 동시에 늘고 있다는 점이다. SFGATE가 인용한 Robert Half 조사에 따르면 채용 담당자의 50% 이상은 AI로 작성된 이력서가 시장에 넘쳐 실제 자격을 갖춘 지원자를 가려내기 어렵다고 답했다. 또 33%는 AI 탐지 도구를 쓰거나, 이력서가 실제 경험을 반영하는지 확인하는 훈련을 강화하고 있다고 설명했다. 지원자는 더 빨리 더 많이 지원할 수 있게 됐지만, 기업도 그만큼 자동 필터와 추가 검증에 의존하는 구조가 만들어지고 있다.

이 흐름은 연구 결과에서도 확인된다. Stanford HAI가 5월 26일 공개한 연구 소개에 따르면 미국 고용주의 90%가 지원자 선별과 순위 매기기에 AI 도구를 사용한다. 연구진은 340만 명의 실제 구직자가 제출한 400만 건의 지원서, 1,700개 채용공고, 약 150개 고용주, 11개 산업 부문을 분석했다. 연구는 여러 기업이 같은 제3자 채용 알고리즘에 의존할 경우, 일부 지원자가 여러 곳에서 반복적으로 탈락하는 ‘알고리즘 단일화’ 위험이 생길 수 있다고 지적했다. 연구진 명단에는 노스이스턴대 소속 연구자도 포함돼 있어, 보스턴권 학계와도 직접 연결되는 주제다.

노동시장 전체가 무너졌다고 볼 근거는 제한적이다. 미 노동통계국(BLS)이 6월 5일 발표한 2026년 5월 고용상황 보도자료에 따르면 미국 비농업 고용은 17만2,000명 증가했고, 실업률은 4.3%로 전월과 같았다. 다만 테크 채용에서는 지원자가 느끼는 난도가 높아지고 있다. LinkedIn Talent Research 2026 조사에 따르면 미국 내 공개 채용 1건당 지원자 수는 2022년 봄 이후 두 배로 늘었고, 조사 대상 근로자의 65%는 지난 1년간 구직이 더 어려워졌다고 답했다. 채용 담당자의 93%는 2026년에 AI 활용을 더 늘릴 계획이라고 밝혔다.

보스턴 한인 독자에게 중요한 대목은 ‘AI를 쓰면 유리하다’는 단순한 결론이 아니다. 오히려 AI로 다듬은 평범한 지원서가 많아질수록, 실제 경험을 보여주는 신호가 약해질 수 있다. 캠브리지와 보스턴의 소프트웨어, 바이오테크, 헬스테크, 로보틱스 기업들은 전국 단위 지원자를 받는 경우가 많다. 특히 엔트리 레벨, 인턴십, 데이터 분석, 주니어 개발자 포지션은 비슷한 학력과 기술 키워드를 가진 지원자가 몰린다. 이 상황에서 ChatGPT식 문장과 일반적인 프로젝트 설명만 반복하면, 지원서가 깔끔해 보여도 차별점은 줄어들 수 있다.

유학생과 OPT, STEM OPT, H-1B 스폰서십을 고려하는 지원자에게는 이 문제가 더 현실적이다. 비자 스폰서십은 회사가 취업비자 절차를 지원하는 것을 뜻하지만, 회사마다 정책과 직무별 판단이 다르다. AI가 만든 대량 지원서만으로는 본인의 근무 가능 시점, 전공과 직무의 연결성, 프로젝트 경험, 장기 채용 가능성을 충분히 설명하기 어렵다. 이민 관련 판단은 개인 상황에 따라 달라질 수 있으므로 별도 확인이 필요하지만, 채용 실무 관점에서는 이력서와 네트워킹 메시지에서 신분 관련 기본 정보를 과장 없이 명확하게 정리하는 편이 더 실용적이다.

현직자와 이직 준비자에게도 신호는 분명하다. 기업은 단순히 ‘AI를 쓸 수 있는 사람’보다, AI를 업무 결과로 연결할 수 있는 사람을 더 구체적으로 보려 한다. 소프트웨어 직군이라면 어떤 AI 코딩 도구를 썼는지보다 테스트, 보안, 성능 검증을 어떻게 했는지가 중요해진다. 데이터 직군은 모델을 돌린 경험뿐 아니라 데이터 품질, 권한 관리, 결과 해석 역량이 강한 신호가 될 수 있다. 제품·운영 직군은 AI 도입으로 어떤 비용을 줄였는지, 고객 응답 시간을 얼마나 단축했는지, 내부 프로세스를 어떻게 바꿨는지를 숫자로 보여주는 방식이 더 설득력 있다.

창업 관심자에게도 이번 흐름은 참고할 만하다. 채용 SaaS, AI 면접, 자동 이력서 작성, 인재 매칭 도구 시장은 계속 커지고 있지만, 동시에 신뢰성과 공정성 검증이라는 부담도 커지고 있다. 기업 고객은 단순 자동화보다 검증 가능한 선별 기준, 편향 점검, 감사 기록을 요구할 가능성이 높다. 보스턴처럼 대학, 병원, 연구기관, 규제 산업이 밀집한 지역에서는 ‘AI가 사람을 대체한다’는 메시지보다, 사람의 판단을 보완하고 설명 가능한 기록을 남기는 채용·HR 기술이 더 설득력을 가질 수 있다.

구직자가 당장 점검할 부분은 비교적 구체적이다. 이력서에는 업무 나열보다 결과를 넣는 것이 좋다. “데이터 분석 수행”보다 “고객 이탈률 분석 모델을 개선해 리포트 작성 시간을 줄였다”처럼 맥락과 결과를 함께 적는 방식이다. 포트폴리오는 완성된 화면이나 코드만 보여주기보다 문제 정의, 사용한 데이터, 검증 방식, 협업 과정을 포함해야 한다. AI로 문장을 다듬는 것은 도움이 될 수 있지만, 모든 문장이 같은 톤과 같은 키워드로 정리되면 실제 경험의 질감이 사라질 수 있다.

이번 변화는 채용시장이 단순히 AI 때문에 좁아졌다는 이야기가 아니다. 더 정확히는 지원과 선별 양쪽에서 AI가 들어오면서, 기업이 믿을 수 있는 신호를 찾기 어려워졌다는 이야기다. 보스턴권 유학생과 직장인은 채용 공고 수, 연봉 범위, 비자 스폰서십 여부와 함께 ‘내 지원서가 어떤 증거를 제공하는가’를 함께 봐야 한다. 앞으로 봐야 할 변수는 AI 채용 도구에 대한 규제, 기업의 인간 검토 비중, 그리고 신입·주니어 포지션에서 프로젝트 기반 평가가 얼마나 확산되는지다.