AI 서류검토를 도입한 조직의 후기는 극과 극으로 갈립니다. "검토 시간이 며칠에서 몇 시간으로 줄었다"는 쪽과 "결과를 믿을 수 없어서 결국 다시 다 읽었다"는 쪽입니다. 흥미로운 건 두 조직이 같은 모델을 쓰는 경우도 있다는 점입니다.
차이는 모델이 아니라 켜기 전에 무엇을 정해뒀는지에서 생깁니다. AI에게 "이 사람 어때요?"라고 물으면 그럴듯한 답이 나오지만, 그 답은 조직의 채용 기준이 아니라 모델의 일반적 취향입니다.
1. 무엇을 채점할지 — 공고에 쓴 것만
AI가 점수를 매길 근거는 공고에 명시된 직무 사항과 우대 사항이어야 합니다. 공고에 없는 기준으로 점수가 깎이면, 그 점수는 설명할 수 없고 지원자에게도 부당합니다.
실무에서 자주 새는 지점이 학교와 이력의 형태입니다. 특정 대학 이상에 가점을 주거나, 이직이 잦다는 이유로 점수를 낮추는 규칙은 한번 넣으면 조용히 계속 작동합니다. 이런 규칙은 공고에 쓸 수 없는 기준이라면 시스템에도 넣지 않는 것이 원칙입니다.
2. 무엇을 탈락시킬지 — 명문 조건만
점수와 탈락은 성질이 다른 판단입니다. 점수는 "누구를 먼저 볼지"를 정하고, 탈락은 "보지 않겠다"를 뜻합니다. 후자는 되돌리기 어렵기 때문에 다툼의 여지가 없는 조건에만 걸어야 합니다.
| 판단 | 적절한 근거 | 부적절한 근거 |
|---|---|---|
| 점수 | 직무 관련 경험, 필수 역량, 우대사항 부합도 | 학교 등급, 이직 횟수, 나이대 |
| 자동 탈락 | 공고에 명시한 경력 범위 미달·초과, 필수 학력·자격 미보유 | 문장력, 자기소개서 분량, 애매한 적합도 |
경력 3~7년 공고에 1년차가 지원했다면 자동 탈락은 합리적입니다. 반면 "직무 적합도가 낮아 보임"은 자동 탈락 사유가 될 수 없습니다. 그건 점수를 낮게 주고 사람이 확인할 영역입니다.
3. 최종 판단은 누가 할지 — AI는 순서를 정합니다
가장 현실적인 운영 모델은 이렇습니다. AI는 지원자를 읽는 순서로 정렬하고, 사람은 상위 구간부터 확인합니다. 점수는 결론이 아니라 우선순위입니다.
이 원칙을 세워두면 임계값 논쟁도 단순해집니다. "75점 미만은 자동 탈락"처럼 숫자에 결정권을 넘기는 대신, "70점 미만은 2차 확인 대상"으로 두면 놓치는 사람이 줄어듭니다. 채용 초반 한두 공고는 임계값을 일부러 낮게 두고, 실제 합격자의 점수 분포를 본 뒤 조정하는 편이 안전합니다.
4. 근거를 어떻게 남길지
AI 검토의 진짜 가치는 속도가 아니라 일관성과 기록입니다. 같은 기준이 모든 지원자에게 같은 방식으로 적용되고, 각 판단에 근거가 남습니다. 이 기록이 없으면 AI 도입은 그냥 빠른 블랙박스가 됩니다.
- 점수와 함께 항목별 근거 문장을 저장합니다.
- 탈락은 사유를 남기고, 처리한 사람과 시각을 함께 기록합니다.
- 설정 변경 이력을 남깁니다. 기준이 바뀐 시점을 모르면 결과를 해석할 수 없습니다.
HATS에서는 이렇게 씁니다
HATS의 AI 서류 검토는 공고에 입력된 직무 사항과 우대 사항을 기준으로 점수를 매기고, 자동 탈락은 공고에 명시한 경력 범위와 필수 학력 같은 명문 조건에만 적용합니다. 학교 등급이나 이직 이력으로 점수를 조정하는 규칙은 기본적으로 쓰지 않습니다.
- 동작 원리: AI 서류 검토 이해하기
- 기준·배치 설정: AI 검토 설정과 예약 배치
- 평가 항목과 배점: 평가 기준과 평가 태그
- 탈락 사유 기록: 탈락 처리와 사유 입력
네 가지 기준을 우리 조직에 맞게 적어보고 싶다면 HATS 체험하기에서 실제 이력서로 검토 결과를 확인해보실 수 있습니다.