인공지능이 채용 프로세스를 혁신할 것인가?

Jun 15, 2023

모두가 인공 지능에 대해 이야기하고 있으며, 인공 지능이 머지않은 미래에 우리가 살고 일하는 방식을 변화시킬 모든 방식에 대해 이야기하고 있는 것 같습니다. 기업이 이미 AI를 활용하고 있는 방법 중 하나는 채용 과정입니다.

고용주는 AI를 사용하여 채용 공고를 채우기에 적합한 사람을 찾는 문제를 간소화하고 단순화하는 방법을 찾았습니다. 채용에 AI를 사용하는 것은 몇 가지 흥미로운 가능성을 제공하지만 AI 기반 채용 노력으로 인해 발생할 수 있는 의도하지 않은 차별을 피하는 것을 포함하여 이 옵션을 고려하는 고용주에게는 잠재적인 위험과 우려가 있습니다.

고용주는 후보자 소싱부터 이력서 심사, 인터뷰 실시까지 채용 및 온보딩 프로세스의 모든 단계에서 AI를 사용할 수 있습니다. AI는 신입 사원 서류 작업 및 오리엔테이션 활동을 완료하는 데에도 유용할 수 있습니다. 채용 과정에서 AI의 일반적인 용도 중 하나는 잠재적 직원의 이력서를 선별하는 것입니다.

머신 러닝 알고리즘은 이력서를 분석하여 키워드, 교육 또는 특정 경험을 기반으로 잘 어울리는 후보자를 식별할 수 있으며, 시스템은 적합하지 않을 것 같은 후보자를 선별할 수 있습니다. 그 결과 인사 담당자가 검토할 수 있는 후보자 풀이 더 작아지고 품질이 향상되었습니다. 인터뷰와 관련하여 AI 챗봇은 사전 프로그래밍된 질문을 생성하고 머신러닝을 사용하여 후보자의 응답을 분석할 수 있습니다. 이러한 AI가 실시하는 사전 인터뷰는 후속 라이브 인터뷰를 위한 인터뷰 프로세스를 간소화하는 데 도움이 될 수 있습니다.

다소 논란의 여지가 있는 것은 AI 도구를 사용하여 기술이나 성격 테스트를 수행하거나 웹을 검색하여 후보자에 대한 소셜 미디어 및 기타 온라인 데이터를 찾고 분석하는 것입니다.

평등고용기회위원회(Equal Employment Opportunity Commission)는 AI 채용 도구가 채택되는 속도를 주목하고 채용 시 차별 가능성 측면에서 AI 채용 도구가 제시하는 몇 가지 중요한 위험을 식별했습니다.

고용주가 이러한 미지의 영역을 탐색할 수 있도록 돕기 위해 EEOC는 최근 AI 채용 도구 사용을 고려하는 고용주를 위한 지침을 발표했습니다. 주요 권장 사항 중 하나는 고용주가 자신이 사용하는 AI 도구에 대해 배우고 작동 방식을 이해하는 것입니다. 고용주는 도구에서 어떤 데이터 입력이 사용되는지 알고 알고리즘이 어떻게 결정을 내리는지에 대해 질문해야 합니다. EEOC는 고용주가 AI 시스템을 사용하기 전에 AI 시스템이 의도하지 않게 편향된 결과를 초래하는지 확인하도록 제안합니다. 고용주는 또한 챗봇이 잠재적 직원에게 보호 계층의 후보자를 불법적으로 선별할 수 있는 장애 또는 건강 상태에 대해 허용되지 않는 질문을 하지 않도록 AI 시스템이 어떤 종류의 질문을 하는지 잘 이해해야 합니다.

마찬가지로, EEOC는 모든 후보자가 채용 과정에 참여할 수 있는 동등한 기회를 가질 수 있도록 고용주가 고려 중인 모든 AI 시스템에 완전히 액세스할 수 있는지 확인해야 한다고 말합니다.

EEOC는 또한 고용주가 채용 시 AI 사용에 대해 투명하게 공개하고 채용 프로세스의 일부가 AI의 도움으로 수행된다는 점을 후보자에게 알릴 것을 권장합니다. 후보자는 또한 어떤 데이터가 수집되고 있는지, 그리고 알고리즘이 이를 어떻게 분석하는지 알아야 합니다.

기업이 비즈니스를 수행하는 방식에서 AI가 계속해서 더 큰 역할을 함에 따라 기업이 AI를 채용 프로세스에 통합하는 것을 고려할 때 고려할 수 있는 몇 가지 모범 사례가 있습니다.

첫 번째는 AI를 기존 시스템을 완전히 대체하는 것이 아니라 채용 및 채용을 지원하는 여러 도구 중 하나로 생각하는 것입니다. 기술이 아무리 정교해지더라도 특히 최종 면접과 최종 채용 결정과 같은 프로세스의 핵심 부분에서는 항상 인간적 요소가 필요합니다.

둘째, 고용주는 AI가 프로세스에서 감정과 무의식적인 의사 결정을 배제함으로써 편견을 줄일 수 있는 잠재력이 있지만 AI 시스템이 의도하지 않은 편견을 주입할 수 있는 위험이 여전히 존재한다는 점을 인식해야 합니다. 어떤 데이터가 사용되고, 어떻게 분석되고 있는지 이해하고, 결과를 지속적으로 검토하고 테스트하는 것이 중요합니다.