진짜 사람을 어떻게 알아볼 것인가

지원서는 쌓이는데, 뽑을 사람은 없다

요즘 채용 현장의 역설을 한 줄로 요약하면 이렇다. "이력서는 수십 통씩 쌓이는데, 정작 우리 팀에 바로 투입할 사람은 없다." 풍요 속의 빈곤. 지원자 수는 늘었는데 채용은 더 어려워진, 이른바 '채용의 패러독스'다.

원인은 분명하다. 생성형 AI가 서류의 변별력을 지워버렸기 때문이다. 이력서와 자기소개서, 포트폴리오를 그럴듯하게 꾸며내는 일이 몇 분이면 끝나는 시대가 됐다. 그래서 기업의 시선은 '화려한 스펙'에서 '실제로 작동하는 증거'로 옮겨가고 있다. SK하이닉스는 신입 수시 채용에서 학력 제한과 자기소개서를 없앴고, 에어로케이 같은 기업도 자소서 없는 채용을 도입했다. 변별력이 사라진 서류를 붙잡고 있을 이유가 없어진 것이다.

배경에는 더 큰 흐름이 있다. 가트너는 「Predicts 2026」에서 기술 스킬의 유효 수명(반감기)이 과거 10여 년에서 2~5년으로 급격히 짧아졌다고 분석했고, 세계경제포럼(WEF)의 「일자리의 미래 2025」는 2030년까지 핵심 직무 역량의 약 39%가 재편될 것으로 내다봤다. 정형화된 스펙보다 '지금 이 시점의 실무 적응력'과 '변화를 따라잡는 능력'이 핵심 경쟁력이 됐다는 뜻이다.

그래서 앞서가는 기업들은 '선(先)검증'으로 방향을 틀었다. 정식 채용 전에 단기 프로젝트나 원격 인턴십으로 실제 협업을 먼저 해보고, 코드 품질과 태도를 확인한 뒤 영입을 결정한다. 일단 함께 일해보고 결정한다는 원칙이다.

나는 이 흐름에 대체로 동의한다. 하지만 모든 채용을 몇 달짜리 인턴십으로 검증할 수는 없다. 대부분의 결정은 여전히 짧은 서류와 몇 시간의 인터뷰 안에서 내려진다. 그렇다면 질문은 이것이다. AI가 서류를 무력화한 시대에, 우리는 인터뷰로 진짜 사람을 어떻게 알아볼 것인가.

서류: 글은 여전히 사람을 드러내는 증거다

먼저 서류부터 짚고 싶다. 요즘 일부 회사의 채용 공고에는 이런 문구가 붙는다. "서류 작성에 생성형 AI를 사용하지 말아주세요." 나는 이 요청에 깊이 공감한다.

오해는 없어야 한다. 이건 AI를 배척하자는 이야기가 아니다. 나는 일할 때 AI를 지렛대로 쓰는 사람을 오히려 높이 평가한다. 그러나 채용 서류는 다르다. 이력서 / 경력기술서 / 포트폴리오에 담긴 글은 단순한 정보 전달이 아니라, 그 사람이 자기 경험을 어떻게 이해하고 언어로 구조화하는지를 보여주는 증거이기 때문이다. 글은 곧 사고의 흔적이다. 어떤 프로젝트를 왜 했는지, 무엇을 배웠는지, 무엇이 어려웠고 어떻게 판단했는지를 자기 언어로 정리하는 능력은 실무 역량과 분리되지 않는다.

AI가 대신 써준 서류는 이 증거를 지운다. 문장은 매끄럽지만 사고의 지문이 없다. 그리고 아이러니하게도, 그 매끄러움은 아는 사람에게는 더 선명하게 티가 난다. 얕은 이해 위에 얹힌 완벽한 문장은 오히려 공백을 드러낸다. 그래서 나는 서류를 '완성도'가 아니라 '사고의 밀도'로 읽으려 한다. 화려한 수식보다, 구체적인 맥락과 스스로 내린 판단이 담긴 글이 훨씬 강력한 신호다.

물론 "AI를 쓰지 말라"는 요청을 강제로 검증하긴 어렵다. 그러나 그 요청 자체가 하나의 메시지다. 우리는 완성된 문장이 아니라 당신의 사고를 보고 싶다는. 그리고 이 메시지는 인터뷰에서 진짜로 검증된다.

인터뷰: 무엇을 보아야 하는가

인터뷰에서 나는 회사의 '바레이저(Bar Raiser)'로 활동한다. 내 관점은 하나로 모인다. 이 사람의 메타인지가 얼마나 잘 되어 있고 지식과 철학이 실무 능력과 얼마나 잘 어우러지는가, 그리고 그것이 회사에 긍정적 영향을 줄 수 있는가. 그래서 나는 경험을 토대로 생각을 묻고, '왜'를 집요하게 파고든다.

이 방식이 무조건 옳다고 생각하진 않는다. 하지만 왜 이런 접근이 유효한지는 국내외 채용 방법론이 설명해준다.

1) '무엇을 했나'가 아니라 '왜, 어떻게 판단했나'

행동 기반 면접(behavioral interview)의 핵심은 과거 행동이 미래 행동의 가장 좋은 예측 지표라는 데 있다. 그런데 여기서 한 걸음 더 들어가야 진짜 신호가 나온다. "무엇을 했나요?"에서 멈추면 누구나 준비한 답을 낸다. AI로 다듬은 모범답안도 여기까진 통과한다. 변별은 그다음, "왜 그렇게 판단했나요?", "다른 선택지는 없었나요?", "그때로 돌아가면 무엇을 다르게 하겠나요?" 같은 후속 질문에서 갈린다.

이것이 '왜'를 집요하게 묻는 이유다. 자기 경험이라면 몇 단계를 파고들어도 답이 나온다. 반대로 빌려온 경험, 남의 판단을 자기 것처럼 말한 경우엔 두세 번만 파고들어도 밑천이 드러난다. '왜'는 진짜 경험과 포장된 경험을 가르는 가장 값싸고 강력한 도구다.

2) 메타인지: 자기 사고를 볼 줄 아는가

내가 가장 중요하게 보는 것은 메타인지다. 자신이 무엇을 알고 무엇을 모르는지, 왜 그렇게 판단했는지를 스스로 인식하는 능력이다. 구글이 행동 면접에서 보려는 신호도 이와 통한다. 정답을 아는지가 아니라, 모호한 상황을 어떻게 다루고, 문제를 어떻게 분해하며, 트레이드오프를 어떻게 저울질하고, 피드백을 어떻게 흡수하는지를 본다. 구글은 "질문마다 근사한 이야기를 준비했는지"로 평가하지 않는다. 사고의 구조와 논리를 본다.

메타인지가 높은 사람은 자기 실패를 정확히 서술한다. "운이 없었다"가 아니라 "내 가정이 틀렸고, 그 원인은 이것이었다"고 말한다. 성공도 마찬가지다. 자기 기여와 팀의 기여, 운의 몫을 구분할 줄 안다. 이 구분 능력이야말로 실무에서 배우고 성장할 수 있는 사람인지를 가르는 지표다.

3) 지식과 철학이 실무와 어우러지는가

지식은 얼마나 아는가가 아니라, 아는 것을 실제 문제에 어떻게 연결하는가로 검증해야 한다. 그리고 철학(일을 대하는 태도, 무엇을 좋은 일이라 여기는가)은 그 사람이 회사에 미칠 장기적 영향을 결정한다. 아마존의 바레이저 제도가 정확히 이 지점을 겨냥한다.

바레이저라는 장치: 왜 '외부의 집요한 눈'이 필요한가

내가 하는 바레이저 역할은 아마존의 제도에서 왔다. 그 설계를 보면 왜 이런 관점이 채용에 기여하는지가 분명해진다.

• 채용팀 외부의, 실무부서 인원이 아닌 중립 면접관. 바레이저는 그 자리를 빨리 채워야 하는 이해관계가 없다. "더 나은 사람이 없어서" 뽑는 타협을 막는 것이 존재 이유다.

• 기준은 '현재 조직의 절반보다 나은가'. 아마존의 바레이저는 해당 직무와 레벨을 가진 현직자의 최소 50%보다 나은 사람인지를 본다. 즉 매 채용이 조직의 평균을 끌어올리는지(raise the bar)를 검증한다.

• 최종 결정에 대한 거부권. 개별 면접관의 '채용' 의견이 있어도 바레이저는 이를 뒤집을 수 있다. 눈앞의 필요가 장기적 기준을 이기지 못하게 하는 장치다.

여기서 배울 핵심은 두 가지다. 첫째, 채용 결정은 한 사람의 직감이 아니라 여러 눈의 구조화된 판단이어야 한다. 아마존은 면접관이 리더십 원칙별로 후보자의 실제 발언을 증거로 기록하고, 그것을 근거로 채용 여부를 낸다. 구글도 개별 면접관이 아닌 채용위원회가 결정한다. 둘째, 누군가는 '눈앞의 필요'가 아니라 '조직의 기준'을 대변해야 한다. 그게 바레이저의 집요함이 정당한 이유다. 그러함에도 매번 고민을 떨칠 수 없다. 나의 기준이 정당한가는 매순간 나에게 되묻는 숙제이기도 하다.

방법론이 증명하는 것: 구조화된 집요함

'왜'를 집요하게 묻는 방식이 그저 개인 스타일이 아니라 근거 있는 접근이라는 점은, 채용 연구가 뒷받침한다.

수십 년에 걸친 메타분석들은 일관되게 말한다. 구조화 면접이 비구조화 면접보다 미래 성과를 훨씬 잘 예측한다. 널리 인용되는 슈미트와 헌터의 분석에서 구조화 면접의 예측타당도는 약 0.51, 비구조화는 약 0.38이었다. 여러 연구에서 구조화 면접은 비구조화의 두 배에 가까운 타당도를 보였고, 실무 과제(work sample) 역시 최상위권 예측력을 가진 선발 도구로 꼽힌다.

여기서 '구조화'의 의미를 오해하면 안 된다. 대본을 그대로 읽으라는 뜻이 아니다. 핵심은 모든 후보에게 같은 역량 기준으로, 같은 깊이로, 근거를 기록하며 파고드는 것이다. 나의 '왜'를 향한 집요함도 무작정 몰아붙이는 게 아니라, 검증하려는 역량(메타인지 / 판단력 / 철학)을 정해두고 그 축을 따라 일관되게 깊이 들어가는 것이다. 여기에 실무 증거(수치적 증빙, 작동하는 코드, 실제 산출물, 워크샘플)를 결합하면, AI가 서류를 무력화한 시대에도 진짜 실력을 상당히 높은 확률로 가려낼 수 있다.

그래서, 어떤 사람을 뽑을 것인가

정리하면 이렇다. 서류가 무력해진 시대의 채용은 다음 원칙 위에 서야 한다.

1. 서류는 '완성도'가 아니라 '사고의 밀도'로 읽는다. 글은 여전히 사고를 드러내는 증거다. AI가 지운 사고의 지문을, 인터뷰에서 되찾는다.

2. '무엇을'이 아니라 '왜, 어떻게'를 검증한다. 준비된 답 너머로 두세 겹 파고들어야 진짜와 포장이 갈린다.

3. 메타인지를 최우선으로 본다. 자기 사고를 볼 줄 아는 사람이 배우고 성장한다. 스킬 반감기가 2~5년인 시대에, 정해진 스킬보다 '다시 배우는 능력'이 더 값지다.

4. 한 사람의 직감이 아니라 구조화된 여러 눈으로 결정한다. 바레이저처럼 눈앞의 필요가 아닌 조직의 기준을 대변하는 장치를 둔다.

5. 가능하면 실무 증거로 보완한다. 워크샘플, 선(先)검증 협업은 서류가 놓친 실력을 드러낸다.

내 방식이 정답이라고 주장하려는 게 아니다. 다만 나는 믿는다. 화려한 이력서 뒤가 아니라, "왜 그렇게 했나요?"라는 질문 뒤에 진짜 사람이 있다고. 그 사람이 자기 경험을 정직하게 해부하고, 모르는 것을 모른다고 말하며, 자기만의 판단 기준을 가지고 있다면 그는 스킬이 낡아도 다시 배울 것이고, AI가 답을 내놓아도 그것을 평가할 것이며, 결국 조직의 기준을 끌어올릴 것이다.

우리가 뽑아야 할 사람은 '지금 완벽한 사람'이 아니라, '왜'라는 질문에 끝까지 자기 언어로 답할 수 있는 사람이다. 그리고 그런 사람을 알아보는 일이, 지금 채용에서 인간이 AI에게 넘겨줄 수 없는 마지막 판단이다.

---

참고 자료

• 원문: 미라클레터(매일경제), "지원서는 쌓이는데 왜 뽑을 개발자는 없을까?" : 서류 변별력 상실, 실무 증거 중심 전환, 선(先)검증 모델, 가트너·WEF 인용.

• Gartner, Predicts 2026 : 기술 스킬 반감기 2~5년으로 단축 (원문 인용 기반).

• World Economic Forum, The Future of Jobs Report 2025 : 2030년까지 핵심 직무 역량 약 39% 재편.

• Amazon Bar Raiser : 채용팀 외부의 훈련된 중립 면접관, 거부권 보유, "현직자 50%보다 나은가" 기준. https://www.finalroundai.com/blog/amazon-bar-raiser-interview

• Google re:Work, "A guide to structured interviewing for better hiring practices" : 구조화 면접이 공정성과 예측력을 높임. https://rework.withgoogle.com/intl/en/guides/a-guide-to-structured-interviewing-for-better-hiring-practices

• Schmidt & Hunter (1998) 및 관련 메타분석 : 구조화 면접 예측타당도 약 0.51 vs 비구조화 약 0.38, 워크샘플의 높은 예측력. (McDaniel et al., 1994; Wiesner & Cronshaw, 1988 등)