[AI MEMO] 허위 기재 이력서 급증, AI 채용 검증 체계 재정비 요구

사실과 다른 경력 정보가 대량으로 유입되는 채용 환경
초기 심사가 자동화되면서 확인되지 않은 데이터 의존도 확대
평가 기준을 검증 가능한 기록 중심으로 전환 필요

본 기사는 스위스 인공지능연구소(SIAI)의 SIAI Research Memo 시리즈 기고문을 한국 시장 상황에 맞춰 재구성한 글입니다. 본 시리즈는 최신 기술·경제·정책 이슈에 대해 연구자의 시각을 담아, 일반 독자들에게도 이해하기 쉽게 전달하는 것을 목표로 합니다. 기사에 담긴 견해는 집필자의 개인적 의견이며, SIAI 또는 그 소속 기관의 공식 입장과 일치하지 않을 수 있습니다.

AI가 채용 초기 단계를 맡기 시작하면서, 사실 확인되지 않은 이력서 정보가 그대로 평가에 반영되는 구조가 자리 잡고 있다. 각종 조사에서도 문제의 규모가 드러난다. 미국 노동자의 약 3분의 2는 이력서에 사실과 다른 내용을 기재했거나 그럴 의향이 있다고 답했다. 기업들은 지원자 증가에 대응해 AI 활용을 확대하고 있으며, 이력서 분류에 AI를 사용하는 기업 비중은 2025년 말 83%까지 높아질 것으로 예상된다. 채용 전문가의 96%는 채용 과정의 어떤 단계에서든 AI를 사용한다고 밝혔다.

초기 선별이 AI 중심으로 바뀌자, 사람이 모든 정보를 검증한다는 기존 전제는 더 이상 유지되기 어렵다. 알고리즘이 판단의 출발점이 된 만큼, 입력되는 정보가 사실 여부를 확인할 수 있는 방식으로 정비돼야 한다는 목소리가 힘을 얻고 있다.

AI 이력 검증이 불가피해진 이유

구직시장 변화는 이력 검증의 필요성을 더욱 분명하게 보여준다. 화이트칼라 직무에는 공고당 200건이 넘는 지원이 몰리고 있으며, 이는 2017년 이전보다 약 세 배 증가한 규모다. 급증한 지원량 속에서 모든 이력서를 사람이 검토하는 방식은 이미 한계에 이르렀고, 기업들은 초기 선별을 AI에 맡기는 흐름을 빠르게 강화하고 있다.

그러나 AI가 받아들이는 정보의 신뢰성은 낮다. 한 연구에서는 미국 노동자의 64%가 사실과 다른 내용을 기재한 적이 있다고 답했다. 또 다른 조사에서는 약 70%가 필요하다면 이력서를 조작할 의향이 있다고 밝혔다. 추천인 정보 역시 안정적인 검증 장치로 기능하지 못한다. 응답자의 25%는 추천인을 꾸미거나 지인을 내세운 경험이 있다고 답했으며, 원격 채용이 늘어나면서 AI 생성 이력서와 딥페이크 면접 사례도 보고되고 있다. 일부 기업은 사기 탐지 기술이 관련 위험을 최대 85%까지 줄일 수 있다고 하지만, 지원자가 작성한 정보를 그대로 받아들이는 구조에서는 근본적인 한계가 남는다. 이러한 환경에서는 평가에 사용되는 정보가 사실 여부를 확인할 수 있는 방식으로 전환돼야 한다는 요구가 더욱 힘을 얻고 있다. 정보의 신뢰성이 확보되지 않으면 자동화된 채용 과정 전체가 흔들릴 수 있다는 우려도 커지고 있다.

데이터 신뢰 확보가 AI 채용의 출발점

AI 채용의 편향 문제를 해결하기 위해 알고리즘을 정교하게 만드는 시도가 이어졌지만, 모델 고도화만으로는 편향이 해소되지 않았다. 최근 연구에서는 특정 이름을 가진 지원자가 85% 비율로 우선 평가되는 사례가 확인됐고, 남성 이름이 유리하게 작용하는 경향도 나타났다. 연령과 성별과 관련한 편향도 반복적으로 드러났다. 이는 과거 채용 과정에서 누적된 판단 기준을 모델이 그대로 학습하기 때문이다.

이러한 한계 속에서 판단에 투입되는 정보를 신뢰할 수 있는 형태로 바꾸는 방향이 주목받고 있다. 관련 산업도 빠르게 성장하고 있다. 경력·학력 검증 시장은 2023년 약 32억 달러(약 4조3천억원)에서 2030년 74억 달러(약 10조원) 규모로 확대될 전망이다. 그러나 현재 방식은 대부분 채용 후반에야 진행되며 처리 속도가 느리다는 제약이 있다.

AI 이력 검증 체계에서는 경력, 학위, 자격 정보가 임의로 손댈 수 없도록 안전하게 인증된 디지털 기록으로 관리된다. 지원자는 이를 보유하지만 임의로 수정할 수 없고, 채용 플랫폼은 표준화된 절차를 통해 기록을 확인한다. AI는 검증된 정보를 중심으로 재직 기간과 기술 수준을 평가하며, 자유 서술형 정보는 참고 자료로만 활용한다. 지원 규모가 계속 늘어나는 현실을 고려하면, 검증된 데이터가 채용 절차의 핵심 요소가 될 가능성이 크다.

교육 이력도 채용 데이터로 재정비돼야 할 때

AI 기반 이력 검증이 자리 잡으면 교육기관 역시 이 구조의 중요한 축이 된다. 학위, 단기 과정, 직장 내 교육, 온라인 학습 등 다양한 교육 이력이 모두 채용 평가에 반영되기 때문이다. 그러나 현재 교육 기록은 형식이 제각각이고, 기계가 읽기 어렵다는 문제가 있다. 경제협력개발기구(OECD)의 ‘Skills Outlook 2023’ 역시 교육·훈련 체계가 디지털·그린 전환 속도를 따라가지 못하며, 단기 교육이나 누적형 자격이 PDF나 온라인 배지 형태로 남아 활용도가 낮다고 지적한다.

AI 이력 검증이 작동하려면 학습 결과도 구조화돼야 한다. 대학과 직업훈련 기관은 교육 내용과 성취 수준을 담은 디지털 자격증을 발급하고, 필요하면 이를 갱신하거나 폐기할 수 있어야 한다. 부트캠프, 무크(MOOC), 전문 협회 등 민간 교육기관도 동일한 방식으로 확장할 수 있다.

플랫폼 노동자에게 이 문제는 더 직접적으로 나타난다. 국제노동기구(ILO)는 상당수 플랫폼 노동자가 근무 시간·역할·평가를 입증하기 어렵다고 지적해 왔다. 작업 이력을 검증 가능한 형태로 보유할 수 있다면, AI 기반 채용 과정에서 경력이 정확히 반영되고 배제 위험도 줄어들 수 있다.

AI 채용 통제의 핵심 과제

신뢰할 수 있는 데이터만으로 채용의 공정성을 확보하기 어렵다는 지적도 이어진다. 2023년 퓨리서치센터(Pew Research Center) 조사에서는 AI가 노동시장에 미칠 영향이 크지만, 그 효과가 노동자에게 불리하게 작용할 가능성이 높다는 응답이 다수를 차지했다. 호주 연구에서는 AI 면접 도구가 강한 억양이나 말하기 어려움이 있는 지원자의 답변을 22% 비율로 오인식하거나 오해했다고 보고했다. OECD 조사도 기술만 도입해서는 성과가 제한적이며, 노동자 상담·교육이 병행될 때 결과가 개선된다고 분석한다.

이러한 결과는 AI 이력 검증에 기술 기준뿐 아니라 운영 규범이 함께 필요함을 보여준다. 지원자는 어떤 단계에서 AI가 사용되는지, 어떤 데이터에 기반해 평가받는지, 오류가 발생하면 어떻게 정정할 수 있는지 알 수 있어야 한다. 규제기관은 공용 데이터 인프라를 사용하는 AI가 정기적으로 편향 검사를 받도록 의무화할 필요가 있다.

채용 과정에서도 기본 원칙이 요구된다. 검증되지 않은 주장만으로 자동 탈락시키지 않도록 하고, AI가 제시한 불일치나 위험 신호는 사람이 다시 확인해야 한다. 또한 검증 단계와 점수화 단계는 분리해, 순위 산정 과정의 편향이 공용 기록의 신뢰성을 훼손하지 않도록 해야 한다. 교육 당국은 검증 가능한 자격·경력 기록의 개방형 표준을 마련하고, 공적 지원과 연계해 활용을 확대할 수 있다.

현재의 채용 구조에서는 검증되지 않은 이력서 정보가 자동화된 평가에 그대로 반영되며, 선별 과정의 신뢰가 흔들리고 있다. 알고리즘이 초기 판단을 맡는 현실이 고착된 만큼, 채용의 기반부터 재정비할 필요성이 커지고 있다.

이 문제를 해결하려면 위변조가 어려운 학습·경력 기록을 평가의 기초로 삼고, 필요한 경우 사람이 판단을 보완할 수 있는 절차를 갖추어야 한다. 교육기관, 행정기관, 정책 결정자는 이 구조를 설계하고 제도화할 책임이 있다. 능력과 경험이 검증 가능한 방식으로 제시되지 않으면 자동화된 채용은 기존 편향을 더 강화할 수 있다. 기술적 기반은 이미 충분히 갖춰져 있다. 남은 과제는 이를 신뢰와 공정성을 높이는 방향으로 활용할 수 있는지에 대한 선택이다.

본 연구 기사의 원문은 AI Resume Verification and the End of Blind Trust in CVs을 참고해 주시기 바랍니다. 본 기사의 저작권은 스위스 인공지능연구소(SIAI)에 있습니다.