미 HR 리더 91%가 채용에 AI 활용…지원자는 ‘키워드’보다 검증 가능한 경력 보여줘야

미국 기업의 채용 과정에서 인공지능(AI)이 기본 도구로 자리 잡고 있다. 이력서 심사와 면접 일정 조정 속도는 빨라졌지만, 적합한 지원자를 놓치거나 편향된 결과가 나올 가능성까지 해결된 것은 아니다. 지원자에게는 AI가 읽기 쉬운 이력서와 함께 사람이 다시 확인할 수 있는 경력 증거를 제시하는 일이 중요해지고 있다.

HR 전문매체 HR Dive가 8월 27일 보도한 인사관리 기술업체 Paylocity 조사에 따르면, 미국의 인사·채용 책임자 1,000여 명 가운데 91%가 채용 과정의 한 단계 이상에서 AI를 사용한다고 답했다. 주요 활용 분야는 이력서 심사 67%, 면접 일정 조정 59%, 채용공고 작성 57%였다. 응답자의 43%는 AI를 통해 채용팀이 매주 하루치 업무에 해당하는 시간을 절약한다고 평가했다.

효율성에 대한 평가와 별개로 판단의 정확성과 관리 책임은 과제로 남았다. 응답자의 85%는 AI가 지원자의 배경과 관계없이 평가할 수 있다고 신뢰했지만, 26%는 자동 심사로 인해 적합한 후보를 보지 못할 수 있다고 우려했다. 전체의 80%는 편향, 규제 준수, 통제와 투명성 부족, 지원자의 신뢰 저하나 채용 절차 이탈 가운데 한 가지 이상의 문제를 직접 관리하고 있다고 답했다.

이는 AI가 채용 담당자를 대신해 최종 결정을 내린다기보다, 급증한 지원서를 정리하는 운영 도구로 먼저 확산하고 있다는 의미에 가깝다. Paylocity가 인용한 채용 소프트웨어 업체 Ashby의 자료에서는 채용 한 건당 지원서 수가 2021년부터 2024년 사이 세 배로 늘었다. 기업 입장에서는 지원서 분류를 자동화할 유인이 커졌지만, 자동화된 첫 단계에서 잘못 제외된 지원자는 이후 사람의 검토를 받을 기회조차 얻지 못할 수 있다.

AI 도입이 곧 채용 성과 개선으로 이어지는 것도 아니다. ManpowerGroup Talent Solutions가 의뢰하고 Everest Group이 수행한 별도 조사에서는 미국과 영국의 기업 고위 인사책임자 및 채용 책임자 80명을 대상으로 조사한 결과, 90% 이상이 인재 채용에 AI를 도입한 것으로 나타났다. 그러나 핵심 지표에서 ‘전환적 성과’를 거뒀다고 평가한 비율은 5% 미만이었다. 운영 효율에 상당한 효과가 있었다는 응답은 39%였지만, 의사결정의 품질과 인력 운용의 유연성 개선은 제한적이었다.

두 조사는 표본과 조사 방식이 서로 다르다. 특히 ManpowerGroup·Everest Group 조사는 미국과 영국의 의료, 생명과학, 제조, 기술 분야 고위 책임자 80명을 대상으로 했기 때문에 시장 전체의 성과를 단정하기보다는 기업의 도입 방향을 보여주는 자료로 읽을 필요가 있다. 공통적으로 드러나는 흐름은 AI가 반복 업무를 줄이는 데는 도움을 주지만, 데이터 품질과 평가 기준, 사람의 재검토 절차가 갖춰지지 않으면 채용 판단 자체가 크게 개선되기 어렵다는 점이다.

보스턴권에서는 테크·바이오·의료·전문서비스처럼 한 공고에 지원자가 몰리기 쉬운 분야에서 자동 심사의 영향이 더 커질 수 있다. 매사추세츠주가 발표한 2026년 7월 잠정 고용자료에 따르면 주 실업률은 4.4%로 전월과 같았고, 전체 급여 일자리는 4,600개 감소했다. 반면 전문·비즈니스 서비스 일자리는 1,100개 늘었다. 일부 전문직 수요가 이어지고 있지만, 한 달간의 특정 업종 증가를 지역 테크 채용 전반의 회복으로 확대 해석하기에는 아직 범위가 제한적이다.

취업 준비생과 유학생에게 필요한 대응은 이력서에 AI 관련 표현을 많이 넣는 것이 아니다. 채용공고에 나온 핵심 기술과 경험을 정확히 반영하되, 프로젝트 규모와 담당 범위, 사용한 데이터와 도구, 줄인 시간이나 비용 등 확인 가능한 결과를 함께 제시하는 편이 실질적이다. 포트폴리오, 깃허브 활동, 논문, 실험 결과처럼 채용 담당자가 다시 검토할 수 있는 자료도 경력의 신뢰도를 높이는 데 도움이 될 수 있다.

현직자와 이직 준비자에게는 AI 도구 사용 경험뿐 아니라 결과를 검토하고 설명하는 역량이 중요해지고 있다. 채용 운영과 데이터 품질 관리, 모델 편향 점검, 기존 업무 시스템과 AI 도구의 연동, 구조화 면접 설계 등이 AI와 함께 수요가 생길 수 있는 업무다. 기술을 사용했다는 사실보다 어떤 기준으로 결과를 확인했고 오류나 위험을 어떻게 관리했는지를 경력 사례로 보여주는 것이 중요하다.

H-1B나 OPT 등 취업 자격과 비자 스폰서십이 필요한 지원자는 자동 지원 건수를 늘리는 데만 의존하기보다, 공고의 자격 조건과 회사의 실제 스폰서 정책을 지원 초기부터 확인할 필요가 있다. 같은 기업에서도 직무나 사업부에 따라 정책이 달라질 수 있다. 취업 자격과 비자 관련 판단은 개인 상황에 따라 차이가 있으므로 채용 담당자, 학교 국제학생 담당 부서 또는 적절한 전문가를 통해 확인하는 것이 안전하다.

앞으로 살펴볼 핵심은 기업이 자동 심사의 범위를 얼마나 넓히느냐만이 아니다. 어떤 기준으로 후보를 제외하는지, AI 판단을 사람이 재검토할 수 있는지, 지원자가 자신의 역량을 설명할 기회를 보장하는지가 채용 품질을 좌우할 가능성이 크다. 지원자에게도 키워드 최적화보다 검증 가능한 성과와 설명 가능한 업무 경험이 더 오래가는 경쟁력이 될 수 있다.