죄송합니다!양식을 제출하는 중에 문제가 발생했습니다.
각 지원서를 직무 기술서와 대조하여 점수를 매기고, 점수 산정 근거와 함께 후보자별로 행을 생성합니다. 후보자에게 보낼 이메일은 초안으로 작성되어 승인을 기다립니다.
The recording is a real session. The sheet on the right is what it produced.
Sai opens each profile, pulls the signal, and writes the row, live, in a real browser.
Eight columns, sorted by score, with a source link behind every claim.
지원서가 담긴 Gmail 라벨 또는 Drive 폴더 해당 직무의 직무 기술서 파이프라인으로 사용할 Google 시트 두 가지 초안 유형에 대한 점수 기준
후보자별 한 행: 이름, 이메일, 점수, 강점, 보완점, 이력서 링크, 단계 점수순으로 정렬된 행 하한선 미만 점수에 대한 불합격 초안 상한선 초과 점수에 대한 면접 제안 초안 모든 초안은 발송되지 않은 상태로 보관
매일 아침 실행하여 밤사이 접수된 지원서가 업무 시작 전에 점수화되고 기록되도록 하세요.
채용을 위한 AI란 채용 과정의 특정 단계에서 머신러닝을 활용하는 것을 의미합니다. 지원하지 않은 후보자 찾기, 이력서 읽기 및 분석, 직무에 따른 지원자 순위 매기기, 면접 일정 조율, 구조화된 심층 면접 진행 등이 포함됩니다.
이는 단일 기능이 아닙니다. 소싱 도구는 지원자 풀 외부의 인재를 검색하고, 파싱 도구는 문서를 데이터 필드로 변환하며, 순위 도구는 직무 기술서에 따라 지원자의 점수를 매깁니다. 일정 관리 도구는 면접 시간 조율을 담당하고, 평가 도구는 과제를 통해 후보자를 평가합니다. 채용에 AI를 사용하는 기업은 보통 여러 공급업체가 제공하는 다양한 도구를 단계별로 조합하여 사용합니다.
이 도구들의 공통점은 반복적이고 업무량이 많은 단계에서 작동한다는 것입니다. 채용 결정이 내려지는 단계에서 작동하는 도구는 없지만, 그 결정에 큰 영향을 미치는 결과물을 생성하는 도구는 많습니다.
단계를 수행하는 것과 결과를 결정하는 것 사이의 이러한 구분은 규제가 적용되는 지점이자, 채용 AI에 대한 실무적인 질문 대부분이 집중되는 곳입니다.
AI는 읽기 작업의 일부를 대체하며, 그 범위는 제한적입니다.
채용은 각기 다른 특성을 가진 단계들로 구성됩니다. 수백 개의 첨부 파일을 열고, 각각에서 동일한 여덟 가지 정보를 추출하고, 요구 사항 목록과 대조하며, 이름만 바꿔서 똑같은 불합격 메일을 백 번 쓰는 것과 같은 반복적이고 대량의 업무가 있습니다. 이러한 단계에서는 업무량이 많아질수록 일관성이 떨어집니다. 백 번째 이력서는 첫 번째 이력서만큼 집중해서 검토하기 어려운데, 이는 인간의 주의력 한계 때문이지 성실함의 부족이 아닙니다.
반면, 업무량이 적고 판단력이 중요한 단계도 있습니다. 직무 기술서에 적힌 내용과 실제 필요한 역량을 구분하고, 독특한 경력을 평가하며, 후보자가 특정 팀과 잘 어우러질지 판단하고, 연봉을 협상하며, 이력서상으로는 부족해 보여도 가능성을 보고 채용을 결정하는 일 등이 이에 해당합니다.
자동화는 첫 번째 그룹에 적용됩니다. 두 번째 그룹은 처리량에 의해 병목 현상이 발생하지 않으며, 더 빨리 처리한다고 해서 결과가 좋아지지 않습니다.
따라서 채용 과정에 AI를 도입했을 때 나타나는 가시적인 효과는 채용 담당자의 필요성이 줄어드는 것이 아니라, 채용 담당자의 시간이 투입되는 영역이 변화하는 것입니다. 읽기 작업은 압축되지만, 결정하는 작업은 그렇지 않습니다.
세 번째와 네 번째 열은 함께 읽어볼 가치가 있습니다. 자동화에 적합한 모든 단계는 그 자체로 결과를 결정짓지 않는 단계입니다. 결과를 결정짓는 모든 단계는 자동화에 적합하지 않거나, 서류 심사 및 평가의 경우처럼 사람이 읽는 입력 데이터로서만 적합합니다.
AI 도입 여부를 고민 중인 창업자와 채용 담당자. 핵심은 어떤 업체를 선택하느냐가 아니라, 소규모 채용 과정에 자동화된 점수 산정 방식을 도입하는 것이 리스크를 줄이는 것보다 더 큰 위험을 초래하지는 않는지 판단하는 것입니다.
체계적인 채용 프로세스가 없는 기업의 채용 담당자. 지원서는 이메일함으로 들어오고 채용 파이프라인은 스프레드시트로 관리되며, 모든 지원자가 동일한 기준으로 평가받고 있는지 보장할 방법이 없는 경우입니다.
이미 AI 심사를 사용하고 있지만 그 결과를 설명할 수 없는 채용 팀. 점수는 존재하지만 그 근거가 불분명한 경우, 채용 담당자가 결과에 동의하지 않거나 지원자가 이유를 물어볼 때 문제가 발생합니다.
기록 관리를 담당하는 운영 및 인사팀 직원. 6개월이 지난 후에도 평가 내용을 명확히 확인할 수 있어야 하는 사람들입니다.
Sai는 지정하신 Gmail 라벨이나 Drive 폴더의 지원서를 읽고, 직무 기술서와 이력서를 대조하여 설정하신 기준에 따라 점수를 매깁니다.
각 지원자는 채용 파이프라인 시트의 한 행이 되며, 이름, 이메일, 점수, 강점, 보완점, 이력서 링크 및 단계가 점수순으로 정렬됩니다. 강점과 보완점 열에는 점수가 산출된 근거가 기록됩니다.
하한선 미만의 지원자에게는 불합격 메일 초안이 작성됩니다. 상한선 이상의 지원자에게는 면접 제안 메일 초안이 작성됩니다. 두 경우 모두 자동으로 발송되지는 않습니다. 두 기준 사이의 지원자는 시트에 행만 추가되고 초안은 작성되지 않는데, 이 구간은 사람이 직접 이력서를 검토해야 하는 영역이기 때문입니다.
결과물을 보관할 가치가 있는지 결정하는 세 가지 요소입니다.
직무 기술서가 핵심 역할을 합니다. 점수는 제공된 기술서에 따라 상대적으로 결정됩니다. 모호한 선호 사항 8가지를 나열한 기술서는 설명하거나 정당화하기 어려운 점수를 산출하지만, 구체적인 요건을 명시한 기술서는 납득 가능한 점수를 산출합니다.
기준은 암시하는 것이 아니라 명시해야 합니다. 필수 기술, 경력 연수, 도메인 적합성을 지침에 명시하면 각 점수는 막연한 전체 인상이 아닌 해당 기준에 근거하여 산출됩니다.
임계값은 넓게 설정해야 합니다. 불합격과 합격 임계값 사이의 범위를 좁게 설정하면 대부분의 지원자가 자동으로 초안 작성 단계로 넘어가게 되어, 자동화된 결정에 의존하게 됩니다. 범위를 넓게 설정하면 더 많은 지원자를 검토 범위 내에 둘 수 있습니다. 첫 실행을 통해 해당 직무에 대한 점수 분포를 파악한 후 임계값을 조정하는 것이 좋습니다.
지원서는 지속적으로 접수되며 보통 일괄적으로 검토되기 때문에, 동일한 채용 과정 내에서도 응답 시간이 크게 차이 납니다.
아침에 실행하면 밤사이 접수된 지원서를 평가하여 업무 시작 전에 목록을 업데이트할 수 있습니다. 초안은 작성되기를 기다리는 것이 아니라 검토를 기다리게 됩니다.
검토는 매일 이루어집니다. 이는 시스템의 한계가 아니라 운영 방식입니다.
