AI 채용은 공정한가 — 편향과 소외되는 목소리

"객관적인 AI"라는 말이 불편한 이유

채용에 AI를 쓰면 사람의 편견이 사라질 거라고들 합니다. 저희도 처음엔 그렇게 믿고 싶었어요. 하지만 현실은 조금 더 정직해야 합니다. AI는 과거 데이터를 보고 배웁니다. 그 데이터에 편향이 있으면, AI는 편향까지 똑똑하게 학습해 버립니다.

대표적인 사례가 아마존입니다. 10년치 이력서로 학습시킨 채용 AI가 'women's'라는 단어나 여대 출신에게 감점을 줬어요. 과거 합격자 대부분이 남성이었기 때문입니다. 결국 아마존은 이 도구를 2018년 폐기했습니다. AI가 차별을 만든 게 아니라, 과거의 차별을 자동화한 거죠.

소외되는 목소리들

면접 AI는 또 하나의 약점이 있습니다. 바로 음성인식(ASR)입니다. 말더듬이 있거나, 비표준 억양을 쓰거나, 신경다양성 화자의 발화는 더 자주 잘못 인식됩니다. Axios 보도에 따르면 이런 오류가 실제 고용 불이익으로 이어질 수 있고, 미국의 한 대규모 음성인식 연구에서는 흑인 화자(AAVE)의 인식 오류율이 백인 화자의 약 2배에 달했다고 보고됐습니다(스탠퍼드, 2020).

생각해보면 무서운 일입니다. 답변 내용이 아니라 '말하는 방식' 때문에 점수가 깎인다면, 그건 능력 평가가 아니라 또 다른 차별이니까요. 가장 잘 들어줘야 할 목소리들이 오히려 가장 자주 놓치게 되는 셈입니다.

슈퍼코더 AI 면접이 하려는 것 (그리고 못 하는 것)

솔직히 말씀드립니다. 슈퍼코더 AI 면접도 이 위험에서 완전히 자유롭지 않습니다. "우리는 완전히 공정합니다"라고 단정할 수 있는 AI 채용 서비스는 없다고 생각해요.

대신 저희가 하려는 건 이런 것들입니다. 다양한 억양·발화 데이터를 늘리는 데이터 증강을 적용하고, 특정 집단에 점수가 쏠리지 않는지 편향을 꾸준히 모니터링합니다. 그리고 AI 점수를 최종 결정이 아니라 '참고 자료'로 두고, 사람의 판단이 함께 들어가도록 설계하려 합니다.

공정성은 한 번 달성하고 끝나는 게 아니라 계속 점검해야 하는 약속이라고 봅니다. 슈퍼코더 AI 면접은 그 점검을 멈추지 않으려 합니다. 편향을 발견하면 숨기지 않고 고쳐나가는 것 — 지금 저희가 할 수 있는 가장 정직한 태도입니다.

공정한 검증이 실제로 어떻게 설계되는지 궁금하다면 → 슈퍼코더 AI 면접 살펴보기.