취업 지원 2분 만의 탈락 — AI 채용은 공정한가, 아니면 더 정교한 배제인가

영국에서 한 인도계 유학생이 100번이 넘는 취업 지원에서 탈락했고, 그중 일부는 지원 후 2분도 채 되지 않아 거절 통보를 받았다는 사실은 단순한 개인 실패담이 아니다. 이것은 채용의 주체가 인간에서 알고리즘으로 이동했을 때 벌어지는 구조적 문제를 드러낸다. 기업들은 AI 채용을 “효율”과 “공정성”의 이름으로 도입했지만, 실제로는 인간의 편견이 코드로 압축되어 더 빠르고 더 대량으로 재생산되는 시스템이 되었을 가능성이 크다. 2분 만의 탈락은 평가가 아니라 필터링이고, 판단이 아니라 제거에 가깝다. 특히 이름, 출신, 학력, 이력서 형식 같은 비정형 요소들이 알고리즘의 초기 필터에서 작동한다면, 지원자는 면접 기회조차 얻지 못한 채 ‘데이터상 부적합’으로 분류된다. 문제는 이 과정이 보이지 않는다는 점이다. 과거에는 면접관의 편견이 드러났지만, 지금은 알고리즘이 결정을 내리고 책임은 사라진다. 기업은 “시스템이 판단했다”고 말하고, 시스템은 아무 말도 하지 않는다. 이렇게 되면 채용은 더 공정해진 것이 아니라, 더 설명 불가능해진 권력 구조로 변한다. 결국 AI 채용의 핵심 질문은 기술이 아니라 통제다. 누가 기준을 만들고, 그 기준이 누구를 배제하는가. 2분 만의 탈락은 단순한 속도의 문제가 아니라, 인간이 시스템 밖으로 밀려나는 속도의 문제다.

이 문제는 단순히 한 개인의 취업 실패로 끝나지 않는다. 오히려 산업 전반이 AI 의사결정 시스템을 더욱 확대하려는 흐름 속에서, 이러한 배제는 구조적으로 강화될 가능성이 크다. 기업 입장에서 AI는 비용을 줄이고 속도를 높이며 ‘객관성’이라는 명분까지 제공하는 매력적인 도구다. 그러나 그 객관성은 종종 과거 데이터를 기반으로 한다는 점에서, 기존의 불평등과 편향을 더 정교하게 복제하는 장치가 된다. 더 큰 문제는 경쟁의 기준 자체가 인간이 아니라 시스템에 맞춰 재편된다는 데 있다. 지원자는 더 이상 자신의 경험과 잠재력을 보여주기보다, 알고리즘이 선호하는 키워드와 형식을 학습해야 하고, 결국 ‘사람다운 지원자’가 아니라 ‘통과 가능한 데이터’로 스스로를 변환해야 한다. 이 과정에서 경쟁력은 강화되는 것이 아니라, 획일화된 기준에 얼마나 잘 적응하느냐로 축소된다. 산업은 이를 효율이라 부르지만, 그 이면에서는 다양성과 예외, 그리고 잠재력 자체가 조용히 제거되고 있다. 결국 우리는 더 빠르고 더 정확한 채용 시스템을 만든 것이 아니라, 더 빠르게 사람을 걸러내는 시스템을 완성해 가고 있는지도 모른다.   Socko/Ghost