AI 면접관, ‘공정한 심판’인가 ‘편견을 학습한 거울’인가?

AI 면접관, ‘공정한 심판’인가 ‘편견을 학습한 거울’인가?

“인간의 편견과 감정에서 자유로운, 오직 데이터와 실력만으로 당신을 평가합니다.”

2025년 채용 시장에 등장한 AI 면접관은 이처럼 매력적인 약속과 함께 등장했다. 면접관의 그날 기분이나 당신의 출신 학교, 성별, 말투에 대한 선입견 없이 오직 당신의 역량만을 객관적으로 평가하겠다는 것이다. 이는 수많은 취업 준비생들이 꿈꿔온 완벽하게 공정한 채용의 실현처럼 보였다.

하지만 최근 이 장밋빛 전망 뒤에 숨겨진 어두운 그림자가 드러나며 진료실뿐만 아니라 채용 시장 역시 거대한 혼란에 빠지고 있다. ‘AI 채용 편향성’ 문제가 수면 위로 떠오르며 과연 AI가 공정한 심판이 될 수 있는지에 대한 근본적인 질문이 제기되고 있는 것이다. 오늘 이 글은 AI 면접관이 왜 때로는 인간보다 더 심각한 편견을 가질 수 있는지 그리고 이 기술적 문제가 어떻게 우리 사회의 민낯을 비추는 ‘거울’이 되는지 심층적으로 분석하고자 한다.

AI 면접관

1. 데이터는 편견을 먹고 자란다: AI가 편견을 학습하는 방식

AI 채용 편향성 문제의 가장 근본적인 원인은 AI가 ‘나쁜 의도’를 가졌기 때문이 아니다. 오히려 AI는 너무나도 ‘성실한 학생’이기 때문에 문제가 발생한다.

컴퓨터 과학의 오랜 격언인 ‘Garbage In, Garbage Out(쓰레기를 넣으면, 쓰레기가 나온다)’을 AI 시대에 맞게 바꾸면 ‘Bias In, Bias Out(편견을 넣으면, 편견이 나온다)’이 된다. AI 면접관은 해당 기업이 지난 수십 년간 채용하고 성공적으로 평가했던 직원들의 데이터를 ‘교과서’ 삼아 학습한다. 만약 그 교과서가 이미 편견으로 가득 차 있다면, AI는 그 편견을 ‘성공의 공식’으로 착각하고 완벽하게 학습해버린다.

과거 아마존이 개발했던 AI 채용 시스템이 대표적인 사례다. 이 AI는 과거 IT 직군에 남성 합격자가 많았다는 데이터를 학습한 나머지, 이력서에 ‘여성(women’s)’이라는 단어가 포함된 지원자에게 감점을 주는 성차별적인 결과를 낳았고, 결국 프로젝트는 폐기되었다. AI는 성차별을 하려고 한 것이 아니라, 단지 ‘과거의 성공 데이터에 따르면 남성이 합격할 확률이 높다’는 통계적 사실을 충실히 따랐을 뿐이다. 이것이 바로 인공지능과 편견 문제의 핵심이다.

2. ‘공정성’이라는 착각: 왜 AI의 판단이 더 위험할 수 있는가?

“인간 면접관도 편견이 있는데, AI가 조금 편향된 게 뭐 그리 큰 문제인가?”라고 반문할 수 있다. 하지만 AI의 편견은 인간의 편견보다 훨씬 더 교묘하고 위험할 수 있다.

• 객관성이라는 착시 효과: 인간 면접관이 나를 떨어뜨렸을 때, 우리는 ‘저 사람이 나를 싫어했나?’ 혹은 ‘나와 맞지 않았나?’라며 그 결정을 주관적인 것으로 받아들인다. 하지만 AI가 수많은 데이터를 분석한 결과라며 점수와 그래프를 들이밀면, 우리는 그 결정이 마치 과학적이고 객관적인 사실인 것처럼 착각하게 된다. 이 ‘객관성의 아우라’는 지원자가 결과에 이의를 제기하거나, 기업이 자신들의 채용 과정을 되돌아볼 기회를 원천적으로 차단한다.
• 책임의 분산: 문제가 발생했을 때, 책임을 묻기가 어렵다. 기업은 “우리가 만든 것이 아니라, 알고리즘이 내린 결정”이라고 말할 수 있고, 알고리즘은 그저 데이터의 통계적 결과일 뿐이다. 결국 그 누구도 책임지지 않는 ‘알고리즘적 차별’만이 남게 된다. 이는 진정한 채용 공정성을 심각하게 훼손한다.

3. AI는 거울이다: 기술이 비추는 우리 사회의 민낯

결국 AI 면접관은 ‘공정한 심판’이라기보다는, 그것을 만든 기업과 우리 사회의 편견을 있는 그대로 비추는 ‘정직한 거울’에 가깝다.

AI가 특정 대학 출신을 선호하는 결과를 보인다면, 그것은 그 기업이 오랫동안 알게 모르게 특정 대학 출신을 우대해왔다는 증거다. AI가 남성 지원자에게 더 높은 점수를 준다면, 이는 그 조직 내에 뿌리 깊은 성차별적 문화가 존재했음을 보여주는 데이터다.

우리는 AI라는 거울에 비친 추한 모습에 분노하며 거울을 깨뜨리려(AI를 비난하려) 하기보다, 거울에 비친 ‘우리 자신’의 모습을 바로잡을 기회로 삼아야 한다. AI 채용 편향성 논란은, 기술적인 문제를 넘어 우리 사회와 기업이 그동안 외면해왔던 불편한 진실을 마주하게 하는, 고통스럽지만 가치 있는 계기가 될 수 있다.

4. 미래의 채용: '감시'와 '협업' 사이에서 길을 찾다

그렇다면 우리는 이 똑똑하고도 위험한 거울을 어떻게 다루어야 할까? 해답은 ‘감시’와 ‘협업’에 있다.

• ‘감시’를 통한 투명성 확보: 뉴욕시가 도입한 ‘알고리즘 감사(Local Law 144)’ 제도는 좋은 이정표다. 기업이 AI 채용 도구를 사용하기 전에, 독립적인 외부 기관으로부터 해당 알고리즘이 특정 성별이나 인종을 차별하지 않는지 의무적으로 감사를 받게 하는 것이다. 이러한 제도적 감시는 AI의 투명성을 높이고, 기업이 책임감을 갖게 하는 최소한의 안전장치가 될 것이다.
• ‘협업’을 통한 인간의 역할 재정의: AI를 ‘최종 판결자’가 아닌, ‘유능한 조수’로 활용하는 ‘켄타우로스 모델’이 가장 현실적인 대안이다. AI가 수천 명의 지원자 중 직무 기술과 관련된 1차 후보군을 객관적으로 걸러내면, 최종적인 판단은 인간 면접관이 후보자의 잠재력, 문화 적합성, 가치관 등 AI가 결코 측정할 수 없는 ‘인간다움’을 평가하여 내리는 것이다.

결론: AI는 질문을 던질 뿐, 답은 인간에게 있다

AI 면접관의 등장은 우리에게 기술적 진보와 함께, ‘공정함’이란 무엇인가에 대한 철학적 질문을 던진다. 완벽하게 객관적인 평가는 과연 가능한가? 데이터로 측정할 수 없는 인간의 가치는 어떻게 평가해야 하는가?

AI가 비춘 거울 속의 편견은 기술의 결함 이전에, 우리 사회의 오랜 상처다. 이 상처를 치유하고 더 나은 채용 문화를 만드는 것은 AI의 몫이 아닌, 결국 우리 인간의 몫이다. AI가 던진 이 불편한 질문에 정직하게 답하고 행동할 때, 비로소 우리는 AI와 함께 더 공정한 세상을 만들어나갈 수 있을 것이다.