- 국내 한 AI 문서 분석 업체가 2024년 분석한 자기소개서 89만 건 가운데 48.5%에서 생성형 AI 활용이 의심됐어요. 해당 업체 탐지 모델의 판정입니다.
- AI가 쓴 글은 매끄럽지만, 구체적인 숫자와 '내가 한 일'이 비어 있어요.
- 답은 간단해요. 글로 가려내지 말고, 말로 물어보면 됩니다.
AI 자소서 탐지는 문장의 통계적 특징을 근거로 생성형 AI가 썼을 가능성을 점수로 매기는 방법입니다. 누가 썼는지를 확정하는 것이 아니라 확률을 표시하는 도구라, 판정을 그대로 합불 근거로 쓰기는 어렵습니다.
자소서를 글만 보고 AI 작성 여부를 가려내기는 어려워요
문장은 매끈한데 어딘가 붕 뜬 느낌. 서류를 보다 보면 드는 생각이죠. 국내 한 AI 문서 분석 업체가 2024년 분석한 자기소개서 89만 건 가운데 48.5%에서 생성형 AI 활용이 의심됐어요(언론 보도). 해당 업체 탐지 모델의 판정이라 실제 사용률과 같지는 않지만, 서류가 다듬어지고 있다는 신호이긴 해요. 미국 백그라운드체크 기업 Checkr가 2025년 9월 발표한 조사(채용에 관여한 미국 매니저 3,000명)에서는 59%가 지원자가 AI 도구로 자신을 실제와 다르게 보이게 하는 것 같다고 의심한 적이 있다고 답했고요(Checkr 2025).
문제는, 잘 쓴 AI 자소서와 잘 쓴 사람 자소서를 글자만 보고 구별하기가 어렵다는 거예요. 감별 프로그램도 자꾸 틀려요. 그러니 "이 글이 AI가 쓴 건가?"를 붙잡고 씨름하는 건 답이 없습니다.
탐지 도구별로 얼마나 틀리는지는 탐지기별 정확도와 오탐 위험에서 따져봤어요.
확인해야 할 것은 누가 썼는지가 아니라 그 경험이 진짜인지예요
자소서에서 알고 싶은 건 "이 글을 누가 썼나"가 아니라 "이 사람이 실제로 이 일을 할 수 있나"예요. AI가 썼든 사람이 썼든, 그 경험을 진짜 해봤는지가 궁금한 거죠.
그리고 이건 글로는 확인이 안 돼요. 말로 물어봐야 나옵니다. AI가 자소서는 대신 써줄 수 있어도, 면접에서 그 경험을 즉석에서 설명하는 것까지 대신해주진 못하니까요.
AI가 쓴 글은 여기가 비어 있어요
글만으로 확정할 수는 없지만 눈치챌 힌트는 있어요. 진짜 경험과 AI 티를 3가지 기준으로 대조하면 아래와 같아요.
| 이런 게 있으면 진짜 경험 | 이런 건 AI 티 |
|---|---|
| 구체적인 숫자·도구·상황 | 두루뭉술하고 일반적인 표현 |
| "내가 이걸 결정했다" | "우리는 열심히 했다" |
| 포기한 선택지가 있음 | 갈등 없이 너무 매끈함 |
표의 기준은 지원자 답변에서 반복해서 나타나는 차이를 정리한 것이고, 판정 근거가 아니라 되물을 지점을 고르는 힌트예요. 이것만으로 떨어뜨릴 수는 없고, 확인은 다음 단계에서 합니다.
자소서에 쓴 한 줄을 그대로 되물으면 됩니다
확인 방법은 간단해요. 자소서에 적힌 그 문장을 그대로 되물어보는 겁니다.
- "그 프로젝트에서 가장 어려웠던 결정은 뭐였어요?"
- "그 성과, 어떻게 측정했고 본인이 한 부분은 어디예요?"
- "다시 한다면 뭘 바꾸시겠어요?"
포인트는 '가지고 있느냐'보다 '써봤느냐'를 묻는 거예요.
❌ "파이썬 자격증 있으시네요."
⭕ "그 자격증으로 실제 업무에서 뭘 만들거나 고쳐본 적 있어요?"
실제로 해본 사람은 술술 구체적으로 말하고, 자소서만 AI로 채운 사람은 "전반적으로 좋아졌어요" 같은 말로 얼버무립니다. (경력 부풀리기를 되묻는 법은 부풀린 경력 검증에서 더 다뤘어요.)
되물음 한 번에서 매끈한 문장과 진짜 경험이 갈립니다
🙋 지원자 자소서: "고객 데이터를 분석해서 마케팅 효율을 크게 높였습니다."
🤖 되묻기: "'크게'가 얼마나요? 어떤 데이터를 무슨 도구로 봤고, 결과는 어떻게 확인했어요?"
이 한 번의 되물음에서, 매끈한 문장과 진짜 경험이 갈립니다.
구조화 면접의 예측타당도는 .51로 학벌(0.01)보다 훨씬 높아요
같은 기준으로 깊이 묻는 면접은 학벌보다 실제 성과를 잘 맞힙니다. 국내 한 기업의 자체 분석(표본 약 400명)에서 학벌과 입사 후 직무 성과의 상관관계는 0.01이었고, 해외 학술 메타분석(Schmidt & Hunter, 1998)에서 구조화 면접의 예측타당도는 .51이었어요. 한 기업 사례와 해외 메타분석이라 그대로 일반화할 수는 없지만, 방향은 분명합니다(관련 근거).
수백 명한테, 똑같이 물어보기
문제는 지원자가 수백 명일 때예요. 모두에게 같은 걸, 같은 깊이로 물어보는 건 사람이 하기 벅찹니다.
슈퍼코더 AI 면접이 이걸 대신해요. 자소서와 답변을 맞대어 보고, 얼버무리는 답엔 한 번 더 파고드는 질문을 던집니다. AI가 쓴 자소서든 아니든, 말로 증명 안 되는 경험은 표시로 남아요. 물론 최종 결정은 사람이 하고요.
자소서가 진짜인지 씨름하는 대신 '말로 확인'하는 방식이 궁금하다면 AI 면접이 1차에서 잡아내는 7가지 신호를, 대화형 AI 면접이 무엇을 어떻게 확인하는지는 대화형 AI 면접이란 무엇인가 — 도입 전 확인할 5가지를 이어서 읽어보세요.
자주 묻는 질문
AI가 쓴 자기소개서를 글만 보고 구별할 수 있나요?
어려워요. 잘 쓴 AI 자소서와 잘 쓴 사람 자소서는 글자만으로 갈라내기 힘들고, 탐지 프로그램도 자주 틀립니다. 구체적인 숫자와 "내가 결정한 것"이 비어 있다는 힌트는 있지만 판정 근거로 쓸 수는 없어요. 글로 씨름하는 대신 그 문장을 되물어 확인하는 편이 확실합니다.
AI로 자소서를 쓴 지원자는 탈락시켜야 하나요?
그럴 필요는 없어요. 확인할 것은 글을 누가 썼는지가 아니라 그 경험을 실제로 했는지입니다. AI가 자소서는 대신 써줄 수 있어도, 면접에서 그 경험을 즉석에서 설명하는 것까지 대신해주지는 못하거든요. AI 사용 여부가 아니라 설명할 수 있는지를 기준으로 두는 게 목적에 맞아요.
자소서를 되물을 때 어떤 질문이 효과적인가요?
가지고 있느냐가 아니라 써봤느냐를 묻는 질문이에요. "그 프로젝트에서 가장 어려웠던 결정은 뭐였어요?", "그 성과를 어떻게 측정했고 본인이 한 부분은 어디예요?", "다시 한다면 뭘 바꾸시겠어요?" 같은 형태입니다. 실제로 해본 사람은 구체적으로 답하고, 자소서만 채운 사람은 "전반적으로 좋아졌어요"로 얼버무려요. 직무별 질문은 AI 면접 질문 리스트에 정리해뒀어요.
지원자들은 자소서를 되묻는 질문을 부담스러워하지 않나요?
부정적이지 않았어요. 슈퍼코더 AI 면접 응시자 483명의 자유응답(2026.1~8 자체 집계)에서 366명(76%)이 좋았던 점을 말했고, 그중 질문이 구체적이고 직무와 연관됐다는 답이 24건, 꼬리질문이 깊게 들어와서 좋았다는 답이 16건이었습니다. 자기 지원서를 읽고 들어온 질문이었다는 점을 짚은 후기가 많았고요. 전체 분포는 AI 면접 지원자 483명 후기에 있어요.
