AI로 채용 효율성을 극대화하는 방법

조직은 어려운 딜레마에 직면해 있습니다. 후보자에게 접근할 수 있는 툴은 늘어났지만, 빠르게 좋은 채용 결정을 내리는 능력은 여전히 부족합니다. 직무 공고는 필요 이상으로 오래 유지되고, 적합한 후보자는 채용 과정 중간에 이탈합니다. 이러한 비효율은 채용 담당자의 에너지를 소모하고, 고용주 브랜드를 훼손하며, 비즈니스 비용을 증가시킵니다.

Kim Morick에 따르면, IBM® Consulting의 AI 중심 HR 리더로서 우수 인재는 평균적으로 단 10일만 채용 시장에 머뭅니다.열악한 채용 프로세스의 영향은 빠르게 누적되며, 특히 오늘날의 빠르게 변화하는 업무 환경을 고려할 때 더욱 그렇습니다.

IBM 기업가치연구소(IBV)가 경영진 750명을 대상으로 실시한 설문조사에 따르면, 비즈니스 리더의 87%가 AI 기반 미래의 잠재력을 최대한 실현하려면 적절한 인재를 적절한 역할에 배치해야 한다고 생각하는 것으로 나타났습니다.

Deloitte 조사에 따르면, 조사 대상 근로자의 93%가 전통적인 직무 구조를 넘어서는 것이 조직 성공에 매우 중요하다고 믿는다고 밝혔습니다. 현재와 같은 시점에서는 적응력이 기존에 습득한 기술만큼 중요해지고 있으며, 채용 관리자와 인재 확보 과정에서는 민첩성이 필수적입니다.

효과적인 채용 전략은 단순히 속도의 문제가 아닙니다. 불필요한 노력을 줄이고 의사결정의 질을 향상시키는 것이 핵심입니다. IBM Consulting의 글로벌 인재 확보 리더 Rob Enright는 “채용 효율성은 동일한 프로세스를 더 빠르게 수행하는 것이 아닙니다.”라고 말합니다. “더 명확한 근거와 적은 잡음을 바탕으로 더 나은 판단을 내리는 것이 중요합니다.” 

이러한 역동성은 끊임없이 확장되고 플랫폼 밀도가 높은 채용 환경에서 특히 두드러집니다. 기술의 발전으로 잠재적 채용자들이 다양한 소싱 채널을 통해 이력서를 쏟아내자, 채용 팀은 이러한 정보의 홍수 속에서 인재를 선별하기 위해 동일한 기술을 활용하기 시작했습니다. 그러나 채용 효율성을 높이기 위한 기술 도입에는 항상 명확한 성공 기준이 있어야 합니다. Enright는 핵심은 "먼저 업무를 설계한 다음, 기술을 적용하는 것"이라고 말합니다.

Enright에 따르면 조직은 다음과 같은 경우 기술을 통해 가장 큰 가치를 창출합니다.

• 해당 역할에 실제로 필요한 사항을 명확히 정의하고
• 기술 팀뿐만 아니라 채용 관리자와 채용 담당자도 워크플로를 설계하도록 해야 합니다
• AI는 판단을 대체하는 것이 아니라 판단을 지원하는 데 활용해야 합니다
• 이론적인 상황이 아닌 실제 상황에서 기술을 시범 운영해야 합니다
• 추천이 어떻게 이루어지는지에 대한 투명성을 확보할 때
• 기술이 관리자와 지원자 모두의 업무 부담을 줄여주는지 평가해야 합니다

채용 효율성을 개선하려면 상호 연결된 여러 프로세스를 강화해야 하지만, 명확성을 대체할 수 있는 단일한 해결책은 없습니다. "가장 중요한 관행은 해당 직무에서 실제로 중요한 것이 무엇인지 명확하게 파악하는 것"이라고 Enright는 말합니다. "대부분의 비효율은 지나치게 부풀려진 요구 사항과, 존재하지 않는 '완벽한' 후보자를 찾는 데서 비롯됩니다."

비효율성은 또한 과중한 업무에 시달리는 채용 팀에서도 기인합니다. 많은 기업이 수만 건, 심지어 수백만 건의 지원서를 받습니다. 점점 더 많은 조직에서 AI를 활용해 불필요한 정보를 걸러내고, 채용 프로세스를 간소화하며, 채용 트렌드에 대한 데이터 기반 인사이트를 도출하고 있습니다.

채용 효율성을 개선하기 위한 핵심 전략은 다음과 같습니다.

최신 지원자 추적 시스템(ATS), AI 지원 소싱 도구, 화상 면접 플랫폼은 수동 작업에 소요되는 시간을 크게 줄일 수 있습니다. 그러나 기술은 의도적으로 사용될 때 가치를 발휘합니다. 조직의 현재 기술 스택을 점검하면 채용 담당자가 불편한 도구 때문에 비효율적으로 일하지 않도록 하고, 기존 워크플로와 원활하게 통합되는 시스템을 도입함으로써 성과를 개선할 수 있습니다.

점점 더 많은 AI 도구가 이력서 심사, 후보자 발굴, 맞춤형 후속 조치 등을 통해 채용 프로세스를 강화함으로써, 채용 담당자가 더 많은 관계 기반 업무에 집중할 수 있도록 하고 있습니다. 

조직에서 현재 프로세스를 분석하여 시간이 낭비되거나 단계가 중복되는 부분을 파악하는 것은 유용할 수 있습니다. 예를 들어, 많은 조직이 여러 차례의 면접을 진행하거나 긴 지원서를 요구하지만, 더 짧은 절차로도 비슷한 결과를 얻을 수 있는 경우가 많습ㄴ다. 이는 여러 이해관계자가 참여하는 채용 팀 심의도 마찬가지입니다. Enright는 “명확한 책임자를 지정하여 더 간단하고 신속한 의사 결정 경로를 구축하세요.”라고 말합니다.

조직은 AI와 같은 기술 개입을 사용하여 프로세스 초기에 후보자 자격을 평가함으로써, 노동 집약적인 프로세스를 줄이고 초기 심사에 소요되는 시간을 최소화할 수 있습니다.

직감만으로는 채용 전략을 구성할 수 없습니다. 체계적인 면접, 표준화된 지표, 잘 정의된 평가 지표는 팀이 보다 일관된 결정을 내리는 데 도움이 됩니다. 시간이 지남에 따라 어떤 채용이 성공했는지 추적하면 조직이 프로세스를 개선하는 데 도움이 될 수 있습니다. 기업은 AI 지원 분석 도구를 활용해 채용 동향에 대한 세분화된 인사이트를 얻고 특정 직무에서 성공을 예측하는 기준을 파악할 수 있습니다. 

내부와 외부 모두에서의 불충분한 커뮤니케이션은 채용 지연의 주요 원인 중 하나입니다. 각 채용 시작 단계에서 명확한 요구사항 수집 프로세스를 구축하고 모든 이해관계자의 역할과 책임을 정의하세요. 후보자가 적시에 솔직한 업데이트를 받을 수 있도록 하세요. 정렬 부족과 부적절한 후보자 커뮤니케이션은 면접 낭비와 반복적인 후보자 발굴로 이어집니다.

AI 도구는 의사소통의 공백을 사전에 파악할 수 있습니다. 예를 들어, 지원자가 일정 기간 동안 연락이 없으면 채용 팀에 알림을 보내거나, 대규모로 맞춤형 진행 상황 업데이트를 작성할 수 있습니다. 

우수한 후보자를 희생하여 얻은 효율성 증가는 진정한 성과라고 볼 수 없습니다. 목표는 빠르면서도 신중한 프로세스를 구축하는 것입니다. 이러한 접근 방식은 역할을 명확히 정의하고 조직에 필요한 정보를 도출할 수 있도록 면접을 설계하는 데 초기 시간을 투자하는 것을 필요로 합니다. 조직 문화에 잘 맞고 충분히 선별된 소수의 후보자 풀이, 제대로 필터링되지 않은 대규모 후보자 풀보다 거의 항상 더 효율적입니다.

AI는 팀이 성공과 상관관계가 가장 높은 지표를 선별하여 최고 수준의 후보자에게 더 일찍, 더 빠르게 조치를 취할 수 있도록 지원합니다. 또한 최종 풀의 품질을 저하시키지 않으면서 필요한 면접 횟수를 줄여줍니다.

채용 담당자는 인간의 판단이 필요하지 않은 작업(면접 일정 조정, 상태 업데이트 전달, 피드백 수집, 채용 공고 게시)에 과도한 시간을 할애하고 있습니다. 이러한 작업을 자동화하면 채용 담당자는 전문성이 필요한 업무에 집중할 수 있습니다.

AI는 행정 업무 자동화에 적합하며, 대량의 규칙 기반 작업을 처리하고 즉각적인 시간 절약 효과를 제공합니다. 그러나 채용 프로세스를 과도하게 자동화하면 단절되고 비효율적인 상호작용이나 중요한 신호의 누락으로 이어질 수 있습니다. 성공적인 조직은 채용 경험을 단순화하기 위해 AI와 자동화를 활용하며, 단순히 속도를 높이는 데 그치지 않습니다.

많은 조직들이 내부 후보자를 진지하게 고려하기 전에 외부 채용을 우선시합니다. 이러한 경향은 비용이 많이 들 수 있습니다. 외부 채용은 일반적으로 온보딩하는 데 시간이 더 오래 걸리고 더 많은 교육이 필요하기 때문입니다. "먼저 내부 후보자를 살펴보세요."라고 Enright는 말합니다. "가장 빠른 길은 내부에 있는 경우가 많습니다." 내부 후보자는 이미 조직의 문화와 시스템을 이해하고 있는 경향이 있습니다. 또한 탄탄한 내부 이동 프로그램은 직원 경험을 보다 광범위하게 개선하여 경쟁이 치열한 인재 시장에서 상당한 경쟁 우위를 제공합니다. 

AI는 내부 인재 풀을 체계적으로 분석하여 특정 역할에 적합한 기술이나 경험을 가진 직원을 식별하는 데 유용합니다. 이 기능은 직원의 현재 직함으로는 기존 검색에서 드러나지 않는 경우에도 적용됩니다.

프로세스 복잡성은 시간이 지남에 따라 증가할 수 있지만, 이는 철저함을 나타낼 수도 있는 반면 중요한 것이 무엇인지 명확하지 않다는 것을 숨길 수도 있습니다. 새로운 각 면접 단계나 승인 절차가 추가되는 데에는 이유가 있지만, 그 누적 효과로 인해 채용 과정이 수개월이 걸릴 수도 있습니다.

초기 지원 단계든 면접 단계든 단순화는 속도 향상과 더 긍정적인 후보자 경험으로 이어집니다. AI를 전략적으로 도입하면 조직은 채용 데이터를 통합하고 핵심 프로세스를 자동화하여 더 간단하고 빠른 채용 프로세스를 구축할 수 있습니다. 

채용은 채용 담당자, 채용 관리자, 면접관, HR 및 기타 부서 간의 협업으로 이루어지는 본질적으로 교차 기능적인 활동입니다. 그러나 이러한 이해관계자들이 사일로 형태로 운영되면 프로세스는 불가피하게 느려집니다. 채용 프로세스 각 단계에 명확한 책임자를 지정하는 것과 부서 간 원활한 커뮤니케이션 채널을 구축하는 것은 기본적인 출발점입니다.

AI는 피드백 마감일을 추적하고, 누락된 승인을 에스컬레이션하며, 모든 이해관계자에게 채용 과정의 각 단계에 대한 가시성을 제공함으로써 조정을 지원할 수 있습니다. 

역할을 제대로 이해하지 못하거나 역할에 대한 시각이 제한적인 상태에서 채용하면 프로세스가 느려지고 재앙과 같은 결과를 초래할 수 있습니다. Enright는 실제 업무를 이해하는 것이 중요하다고 말합니다. "조직은 해당 직무에서 성공이 어떤 모습인지 깊이 파고드는 경우가 드물기 때문에, 실제로 필요하지 않은 요구 사항이 부풀려집니다." 그는 이를 조직이 "기술을 성향, 경험 수준 또는 선호도와 혼동하지 말아야 한다"고 지적합니다.

인재 발굴 전 철저한 직무 분석 논의와 잠재적 후보자 프로필에 대한 광범위한 관점을 결합하는 것은 그 자체로 가치 있는 투자입니다. AI를 사용하여 조직 전체의 기술과 직무를 매핑하면 채용 관리자가 체계적이고 정보에 입각한 대화를 주도하여 초기 단계에서 부적합을 방지하는데 도움이 될 수 있습니다. 

Enright는 “첫날 반드시 갖추어야 하는 것과 교육을 통해 습득할 수 있는 것을 구분하세요.”라고 말합니다. 직무 설명서는 종종 실제 요구사항의 우선순위를 반영하기보다는 희망 사항 목록에 가까우며, 일부 채용 관리자는 소프트 스킬 평가에서 창의적으로 접근하는 데 어려움을 겪습니다.

그는 “팀은 적응력, 성장 가능성, 잠재력을 보기보다 단일하고 교육 가능한 요소가 부족하다는 이유로 우수한 후보자를 배제하는 경우가 너무 많습니다.”라고 말합니다. “또한 내부 이동성, 피드백 루프, 그리고 역할이 이를 정의하는 요구사항보다 더 빠르게 변화한다는 현실을 간과합니다.”

AI는 직무 설명과 과거 채용 데이터를 분석하여 명시된 요건 중 어떤 것이 성공적인 채용 사례에 실제로 존재했는지 구분할 수 있습니다. 이러한 분석은 팀이 진정으로 중요한 요소를 중심으로 요건을 작성할 수 있도록 하는 근거를 제공합니다.

"의미 있는 지표는 이제 단순히 속도가 아니라 의사 결정 품질, 역할 명확성, 장기적인 적합성에 중점을 둡니다."라고 Enright는 말합니다. "전통적인 지표는 활동에 중점을 두지만, 현대의 지표는 채용이 얼마나 지능적이고 지속 가능하게 이루어지고 있는지에 중점을 둡니다." 그는 현대 직장에서 채용 효율성을 평가하는 데 가장 유용한 측정 가능한 변수는 다음과 같다고 말합니다. 

충원 소요 기간이나 채용 소요 기간보다 더 유의미한 지표인 의사 결정 소요 기간은 지원서 접수 시점 또는 면접 단계 완료 시점부터 채용 결정을 내리기까지 걸리는 시간을 측정합니다. 각 단계 사이의 간격이 길어질 경우, 이는 조정에 실패했거나 의사 결정 권한이 명확하지 않다는 의미일 수 있습니다. 

후보자 발굴이 시작된 이후 역할 요구사항이 크게 변경된다면, 이는 해당 역할이 처음부터 충분히 이해되지 않았음을 의미합니다. 직무 요구사항이 얼마나 자주 변경되는지 추적하면 조직이 추가 지원이 필요한 기능을 식별하는 데 도움이 됩니다. 

내부 충원 비율은 두 가지 목적을 가집니다. 채용 효율성을 측정하고 직원 참여도의 선행 지표 역할을 합니다. 내부에서 역할을 채우는 조직은 더 빠르게 움직일 수 있으며, 장기적으로 기업 문화를 유지하면서 중요한 조직 지식을 보존할 수 있습니다. 

후보자가 채용 제안이나 불합격 통보 전에 프로세스에서 이탈하는 경우, 그 이유는 중요한 추적 지표가 될 수 있습니다. 기대치 불일치로 인한 이탈은 예방 가능한 실패를 의미합니다. 보상 불일치나 역할에 대한 오해 등 후보자가 프로세스를 포기하는 이유를 체계적으로 추적하고 분류하는 것은 중요한 개선 데이터의 원천이 될 수 있습니다. 이 지표는 채용 프로세스의 병목을 식별하는 데 있어 오퍼 수락률보다 더 유용할 수 있습니다. 

신입 사원 채용 후 몇 달이 지난 시점의 성과는 면접 당시 후보자의 첫인사보다 채용 품질을 더 솔직하게 측정할 수 있습니다. 채용 기준에 따라 신입 사원의 성과를 추적하는 조직은 채용 과정에서 어떤 단계가 성공을 예측하는지, 어떤 단계는 덜 중요한지 파악할 수 있습니다.

채용 후 원래 직무 설명을 실제 채용된 후보자와 비교하면 요구 사항이 얼마나 현실적이었는지 알 수 있습니다. 이 지표는 요구 사항이 해당 직무에 진정으로 필요한 요소를 얼마나 잘 반영하고 있는지를 직접적으로 측정합니다. 

채용, 이력서 선별, 면접 일정 조정 전반에 걸쳐 인공지능은 점점 더 보편화되고 있습니다. Enright는 “효과적인 도입의 핵심은 기술이 실제로 잘 수행할 수 있는 것이 무엇인지 이해하는 것입니다. AI는 조직이 역할과 인재를 더 명확하게 이해하도록 도울 때 가장 큰 가치를 발휘하며, 비현실적인 매칭을 강화할 때가 아닙니다.”라고 말합니다. 일반적으로 AI는 다음과 같은 경우 가장 큰 가치를 제공합니다. 

AI 기반 도구는 직무 설명을 분석하여 모호하거나 일관성이 없는 표현을 찾아냅니다. 또한 채용 관리자와 채용 담당자가 어떤 요구 사항이 진정으로 필수적인지 생각하거나, 이전 직무에서의 성공 지표를 분석하는 데 도움이 될 수 있습니다. 그 결과, 적합한 후보자를 유치할 수 있는 더욱 집중적이고 솔직한 직무 설명서가 만들어집니다. 

AI의 가장 유망한 활용 사례 중 하나는 명시된 요구사항과 완전히 일치하지는 않지만 그에 근접한 기술을 가진 후보자를 식별하는 것입니다. 이 기능은 내부 이동성 측면에서 유용하며, AI는 기본적인 자격 검색으로는 드러나지 않을 수 있는 방식으로 관련 기술을 개발한 직원을 식별할 수 있습니다.

이와 동일한 패턴은 특정 직무에 완벽히 적합하지 않았던 외부 후보자에게도 적용됩니다. 한 사례에서 한 미디어 기업은 처음 채용되지 않은 후보자에게 그들의 정보를 데이터베이스에 보관할 수 있도록 허락을 요청했습니다. 생성형 AI를 활용하여 해당 기업은 이 지원자들을 새로운 기회가 생길 때마다 적합한 역할과 매칭했습니다. 

AI는 채용 팀이 입사 첫날부터 갖춰야 할 요건과 직무 수행 과정에서 합리적으로 개발할 수 있는 역량을 구분하는 데 도움을 줍니다. 유사한 직무와 산업 전반의 패턴을 바탕으로, AI는 해당 직무의 일상적인 요구 사항에 대해 보다 현실적인 논의를 유도하고 우수한 후보자를 불필요하게 배제하는 과도한 요구사항 설정을 방지하는 데 도움을 줄 수 있습니다.

상황 업데이트와 일정 관리는 시간이 많이 소요되는 업무로, AI와 워크플로 자동화를 통해 사람의 개입 없이도 합리적으로 처리할 수 있습니다. 이러한 변화로 인해 채용 담당자는 더 높은 가치를 창출하는 업무에 집중할 수 있게 되며, 관계 구축, 후보자 평가, 전략적 파트너십 등 중요한 분야에 시간을 투자할 수 있습니다.

AI 기반 분석은 단일 채용 건에 집중하는 경우에는 보이지 않을 수 있는 채용 데이터의 패턴을 드러낼 수 있습니다. 어떤 단계에서 지속적으로 지연이 발생하고 있나요? 어떤 역할이 반복적으로 공석이 되나요? 이러한 인사이트를 통해 조직은 적절한 시점에 적절한 조치를 취할 수 있습니다.

Enright는 결론적으로 다음과 같이 말합니다. "AI는 신비로운 '완벽한 매칭'을 필터링하는 것이 아니라 불필요한 요소를 줄이고 풀을 지능적으로 확대함으로써 효율성을 높입니다."

공석이 발생하면 생산성 저하, 팀의 과로, 핵심 성과 지표(KPI) 미달 등 실질적인 비용이 발생합니다. 진정으로 효율적인 채용 프로세스를 구축하는 조직은 속도가 목표가 아니라 부수적인 결과라는 점을 인식하고 있습니다.

"종종 간과되는 점은 채용 효율성을 높이는 것이 단순히 워크플로의 속도를 높이는 것이 아니라 그 안의 의사 결정 품질을 향상시키는 것이라는 사실입니다."라고 Enright는 말합니다. 그는 오늘날 대부분의 도구가 채용 프로세스의 핵심에 있는 근본적인 과제, 즉 그가 "미래 맥락에서의 인간 성과"라고 부르는 기준에 비추어 개인의 태도와 기술을 판단하는 문제를 해결하지 못한 채 프로세스를 빠르게 만들 수 있다고 지적합니다.

"단순히 단계를 가속화한다고 해서 예측이 더 정확해지는 것은 아닙니다."라고 Enright는 말합니다.

이러한 까다로운 판단을 더 잘 지원하고 채용 시 의사 결정의 질을 높이기 위해 채용 프로세스를 재설계할 때, Enright는 다음과 같은 역학 관계에 집중할 것을 권장합니다.

• 증거의 명확성: 누군가를 평가할 때 무엇이 실제로 중요한지, 무엇이 불필요한 요소인지 이해하는 것
• 해석의 일관성: 면접관, 평가 기준, 단계에 따른 편차를 줄이는 것
• 의사 결정 방식에 대한 가시성: 어떤 신호가 결과에 영향을 미쳤는지, 면접관들이 어디서 의견이 달랐는지, 그리고 그 이유는 무엇인지 파악하는 것
• 과거 의사 결정에서 학습: 이전 채용 사례를 되돌아보며 어떤 판단이 예측력이 있었는지, 어떤 판단이 그렇지 않았는지 파악하는 것
• 학습 가능성과 내부 잠재력의 가시화: 비현실적인 기대치로 인재 풀을 좁히는 대신, 활용 가능한 인재 풀을 확장합니다.
• 판단을 대체하기보다는 강화하는 도구 설계: 결과를 대신 결정해 주는 것이 아니라, 사람들에게 더 나은 인사이트를 제공하는 것

Enright는 “조직이 퍼널을 완벽하게 만들려고 하기보다 그 안에서의 판단을 강화하는 데 집중할 때 효율성이 가장 크게 향상됩니다.”라고 덧붙였습니다.