지원자 100명이 들어온 공고를 혼자 보는 담당자가 실제로 하는 일을 적어보면 이렇습니다. 이력서 파일을 열고, 재직 기간을 더해 총 경력을 계산하고, 낯선 회사 이름을 검색하고, 첨부된 링크를 하나씩 열어보고, 메모를 남깁니다. 대충 보면 3분, 제대로 보면 10분입니다.
10분 × 100명은 16시간입니다. 문제는 이 시간의 대부분이 판단이 아니라 확인 작업이라는 데 있습니다. 지원자를 비교하고 결정하는 데 써야 할 시간이 자료를 모으는 데 먼저 소진됩니다.
10분은 어디에 쓰이나
| 하는 일 | 대략 시간 | 성격 |
|---|---|---|
| 이력서 파일 열고 훑기 | 2~3분 | 확인 |
| 재직 기간·총 경력 계산 | 1~2분 | 확인 |
| 회사 규모·업종 검색 | 1~2분 | 확인 |
| 포트폴리오 링크 열어보기 | 2~4분 | 확인 |
| 우리 직무에 맞는지 판단 | 1~2분 | 판단 |
판단에 쓰는 시간은 전체의 20%도 되지 않습니다. 나머지 80%는 사람이 해도 결과가 같은 작업, 다시 말해 자동화 대상입니다.
자동으로 정리되는 네 가지
검토 점수와 근거 문장
공고에 적어둔 직무 사항과 우대 사항을 기준으로 이력서를 채점합니다. 중요한 건 점수 자체가 아니라 점수 옆에 붙는 근거 문장입니다. "왜 이 점수인지"를 다시 열어볼 수 없는 점수는 며칠만 지나도 쓸모가 없습니다.
경력 타임라인과 공백
회사별 재직 기간을 시간 순으로 늘어놓고, 그 사이의 공백과 총 경력을 계산합니다. 겹치는 재직 구간을 합쳐서 세기 때문에 손으로 더할 때 자주 나는 오차가 없습니다.
링크 요약
지원자가 남긴 GitHub 링크의 공개 활동을 요약해 카드로 보여줍니다. 저장소를 하나씩 열지 않아도 최근 활동 시점과 주력 언어 정도는 바로 확인할 수 있습니다.
AI 작성 신호
이력서·자기소개서의 AI 작성 가능성을 참고 지표로 표시합니다. 판정이 아니라 신호이며, 이 값만으로 합불을 가르지 않습니다.
자동화하면 안 되는 것
- 최종 판단 — 점수는 읽는 순서를 정해줄 뿐입니다. 상위 20명부터 보게 해주는 것이 점수의 역할이고, 그 20명 중 누구를 만날지는 사람이 정합니다.
- 자동 탈락의 범위 — 자동으로 걸러도 되는 건 공고에 명시한 경력 범위, 필수 자격·학력처럼 다툼의 여지가 없는 조건뿐입니다. 취향이 섞인 기준을 자동 탈락에 넣는 순간 되돌릴 수 없는 실수가 조용히 쌓입니다.
- 맥락 해석 — 공백 8개월이 왜 생겼는지, 짧은 재직이 회사 사정인지 본인 선택인지는 화면이 답해주지 않습니다. 면접에서 물어야 할 질문이 하나 생긴 것뿐입니다.
도입은 3주로 나눠서
- 1주차 — 모으기. 이력서를 한 곳에 올려 지원자별로 자동 정리되게 합니다. 개인 메일함과 공유 드라이브에 흩어진 상태에서는 어떤 자동화도 효과가 없습니다.
- 2주차 — 기준 넣기. 공고의 직무·우대 사항을 실제 채점 기준으로 옮기고, 자동 탈락은 명문 조건에만 겁니다.
- 3주차 — 넓히기. 링크 요약과 경력 분석을 켜고, 면접 질문을 여기서 뽑기 시작합니다.
기준을 정하는 방법은 AI 서류검토, 어디까지 믿어야 하나에서 더 자세히 다뤘습니다. 항목별로 더 알고 싶다면 이력서에서 AI가 뽑아내는 것, GitHub 링크 확인법, 경력 공백과 회사 규모를 이어서 보시면 됩니다.