실제로 기업에서도 본 면접 전 참고자료 정도로 사용하는 경우가 더 많은 것 같으며, 채용의 공정성을 일부 높이는 데 작용하기는 하나, 크게 기여한다고 보기는 아직 미비한 점이 많다고 생각합니다. 서류 스크리닝은 인간의 감정이나 주관적인 개입을 최소화 할 수 있어 어쩌면 공정성 측면을 조금 더 보완할 수 있는 장치라는 생각이 들기는 합니다. 장기적으로 고도화해나가면 충분히 개선여지는 있다고 생각합니다.
AI는 이력서의 학벌과 출신 지역, 외모 등 인간 면접관의 무의식적 편견을 배제하고 동일한 기준으로 지원자를 평가해서 초기 스크리닝의 효율성과 객관성을 높일 수 있습니다. 하지만 학습 데이터가 과거의 성공 사례에 기반할 경우 AI가 기존의 사회적 편견이나 차별적 패턴을 학습해서 소수자와 특정 계층을 불리하게 평가할 수도 있다는 부작용이 있습니다. AI는 완벽한 객관성을 보장하기보다 편향을 내재할 위험이 크다고 생각하고 기술적 알고리즘 검증과 함께 인간 면접관의 교차 검증을 병행하는 제도적 보완이 필수라고 생각합니다.
HR에서 AI 면접관과 서류 스크리닝 시스템은 인간이 할 수 있는 실수나 주관적인 생각, 혈연과 학연 등 인간의 편견을 차단해서 평가의 공정성을 높일 수 있지만, 학습에 활용되는 과거 채용 데이터에 포함된 정보를 오히려 더 정교하게 고착화시키거나 정당화하는 알고리즘의 편향 위험성을 함께 가지고 있습니다.