AI를 활용한 면접의 공정성에 관한 연구 : 능력주의, 젠더, 신체의 데이터화 담론을 중심으로 = A Study on the Fairness of AI-Driven Interviews: Focusing on Discourses of Meritocracy, Gender, and the Datafication of the Body

국문 초록 (Abstract)

주어진 질문에 답변하는 지원자의 모습을 녹화한 뒤 해당 영상을 인공지능(Artificial Intelligence, 이하 AI)이 분석하여 업무 적합성을 판단하는 AI 면접 프로그램은 기존 채용 과정에서 나타난 공정성 문제와 인적 자원 낭비 등의 해결 방안으로 많은 기업들의 채용 전형에 도입되었다. 그러나 학자들과 개발자에 의해 설계된 AI가 ‘완성된’ 형태로 일반 이용자들에게 선보여지는 선형적 구조 속에서 AI가 채용 과정을 더 투명하고 공정하게 할 것이라는 막연한 가정하에 AI 면접 프로그램이 활용되어 왔다. 본 연구는 학계와 기업을 중심으로 AI 공정성 개념이 정의되던 관행을 벗어나야 한다는 문제의식에서 출발하여 입사 지원자, 인사담당자, 연구개발자의 AI 면접 프로그램의 공정성 인식 차이를 살피고 실제 사용자들의 경험을 통해 드러나는 공정성과 지표적으로 정의되는 공정성의 간극을 신체 데이터화 기술, 능력주의, 젠더 구조 등의 세 가지 관점을 활용하여 밝히고자 하였다.
본 연구자는 먼저 AI 면접의 개념과 특성을 살펴본 뒤 AI 공정성 담론 등장 배경, 청년 세대가 공유하는 능력주의 담론, 신체 데이터화 기술의 개념과 AI 공정성과의 연계성 등을 탐구하였다. 이후 AI 공정성에 관한 컴퓨터공학, 법학, 사회학, 커뮤니케이션학 등 다양한 분야의 선행 연구를 살펴보았다. 이 과정에서 AI 공정성 개념의 모호함, 이용자 배제적인 AI 공정성 논의, 법적 규제 의존 등 기존 연구가 가진 한계를 발견하였다. 특히 커뮤니케이션학에서의 AI 활용과 공정성에 관한 논의는 저널리즘 영역과 미디어 플랫폼 영역에 국한되어 이루어졌는데, 이는 지원자와 평가자의 직간접적 상호작용으로 설명되는 면접의 커뮤니케이션적 특성이 AI라는 과학 기술과 결합함으로써 어떤 변화를 가져오는지에 관한 연구가 부족하다는 점을 보여준다. 뿐만 아니라 각 분야에서 공통적으로 젠더 구조 관점에서의 AI 공정성 논의가 누락되었다는 한계점은 본 연구가 능력주의 차원, 신체 데이터화 기술 차원에 젠더 구조 차원 더함으로써 오랜 기간 동안 차별의 대상이 되어 온 여성들이 채용 과정에서의 차별과 AI 면접의 공정성을 어떻게 연결하는지 알아보는 데 중요한 역할을 하였다.
본 연구는 심층 인터뷰와 문헌 분석, 자기기술지의 연구 방법을 종합적으로 활용하여 위의 연구 문제에 보다 심층적으로 접근하고자 하였다. 심층 인터뷰의 경우 AI 면접 프로그램의 공정성에 대한 입사 지원자, 인사담당자, 연구개발자를 연구 참여자 집단으로 설정하였고, 이들과 대면 또는 비대면 심층 인터뷰를 진행하여 질적 데이터를 수집하였다. 문헌 분석의 경우 AI 면접 프로그램 개발사가 제공하는 온라인 텍스트와 언론 보도, 공공기관 가이드라인 등을 활용하여 진행하였다. 마지막으로 연구자의 배경을 드러냄으로써 연구 목적과 연구 문제 제기의 정당성을 얻고 AI 면접에 관한 연구 참여자들의 경험과 견해를 보다 깊이 이해하기 위해 자기기술지 연구방법론을 활용하였으며, 심층 인터뷰를 통한 질적 데이터 수집 이후 연구자가 직접 국내 사기업의 인턴 모집에 지원하여 ‘AI 역량검사’라는 이름의 인적성 검사와 AI 면접을 진행하였다.
본 연구는 이러한 연구방법을 활용하여 얻은 데이터를 바탕으로 다음의 두 가지 결론을 도출하였다. 첫째, AI 면접 프로그램의 평가 대상과 평가 주체(또는 수단) 사이에 큰 간극이 존재한다. ‘이상적인 지원자상’은 입사 지원자와 인사담당자, 연구개발자 모두에게 모호하고 상황의존적인 것으로 나타나며 객관적으로 수량화하기 어렵다.
둘째, 면접이라는 커뮤니케이션 상호작용은 정보 비대칭성과 평가로 인해 형성되는 위계를 전제로 하기 때문에 입사 지원자들은 기본적으로 불안감을 갖는다. 다양한 사회구조적 차별 요소들이 교차적으로 드러나는 채용 과정에 AI가 개입됨으로써 AI는 구조적 차별의 요소와 사례가 비가시화하도록 만드는 파사드(facade) 역할을 한다.
본 연구는 면접에서의 AI 활용에 있어서 고려해야 할 두 가지 고려사항을 제안하였다. 첫째, 면접 전형에 AI를 활용하는 기업의 인사담당자들과 AI 면접 프로그램을 개발하는 연구개발자들에게는 ‘모두가 이해당사자’라는 관점의 전환이 필요하다. 인사담당자와 연구개발자가 ‘평가 참고자료’라는 AI 면접 프로그램의 존재 의의를 이해하는 것과 달리 입사 지원자들은 AI 면접 전형에서의 답변 내용이 AI가 아닌 인간 면접관에 의해 평가되는 것을 납득하지 못하는 부분이 있기 때문에 채용 과정에서 AI 면접 프로그램의 역할에 대한 입사 지원자, 인사담당자, 연구개발자 등 각 집단 구성원들의 충분한 이해가 필요하다.
둘째, 기업의 인사담당자들과 연구개발자는 AI는 의사결정의 보조도구이며 입사 지원자의 당락 여부 판단은 인간 평가자에 의해 이루어진다는 점을 채용 과정 전반에 걸쳐 분명하게 안내해야 한다. 지원자의 발화 내용과 태도가 AI에 의해 평가되는 이유가 인간 평가자들이 향후 진행될 대면 면접 전형에 참고하기 위함이라는 점을 명확히 한다면 AI 면접 전형의 존재 의의와 당위성에 대한 입사 지원자들의 이해도가 이전보다 높아질 것이다.

다국어 초록 (Multilingual Abstract)

AI interview programs, which record applicants responding to predetermined questions and analyze their job suitability through Artificial Intelligence (AI), have been adopted by numerous companies as a solution to fairness issues and human resource inefficiencies inherent in traditional recruitment processes. However, within a linear structure where AI is presented to general users in a ‘completed’ form, these programs have been utilized under the vague assumption that AI will inherently make the recruitment process more transparent and fair.
Departing from the conventional practice of defining AI fairness solely within academia and industry, this study originates from a critical awareness of this gap. It examines differences in the perception of fairness among applicants, HR managers, and developers, aiming to reveal the discrepancy between fairness as defined by technical metrics and fairness as experienced by actual users through three lenses: body datafication technology, meritocracy, and gender structures.
This study derives two conclusions. First, a significant gap exists between the subject of evaluation and the evaluating entity (or means) in AI interview programs. The ‘ideal candidate profile’ appears ambiguous and context-dependent to applicants, HR managers, and developers alike, making it difficult to quantify objectively.
Second, since the communicative interaction of an interview presupposes a hierarchy formed by information asymmetry and evaluation, applicants inherently experience anxiety. By intervening in a recruitment process where various socio-structural elements of discrimination intersect, AI acts as a ‘facade’ that renders these structural elements and instances of discrimination invisible.
This study proposes two considerations for the application of AI in interviews. First, a shift in perspective is required for both HR managers and developers: they need to adopt the viewpoint that ‘everyone is a stakeholder.’ Unlike HR managers and developers who understand the meaning of AI interview programs as ‘reference material for evaluation,’ applicants often struggle to accept that their responses are ultimately evaluated by human interviewers rather than the AI itself. Therefore, a sufficient mutual understanding of the AI program’s role among all groups – applicants, HR managers, and developers – is necessary.
Second, HR managers and developers have to clearly communicate throughout the recruitment process that AI is a decision-support tool and that final hiring decisions are made by human interviewers. If it is clarified that speech content and attitudes are analyzed by AI to serve as reference material for subsequent face-to-face interviews, applicants’ understanding of the legitimacy and significance of AI interview stages will be significantly enhanced.

목차 (Table of Contents)

• 제 1 장 문제 제기 1
• 제 2 장 선행 연구 검토 9
• 제 1 절 AI 공정성 인식 연구 9
• 1. AI 공정성 일반에 관한 인식 연구 9
• 2. AI 면접 프로그램의 공정성에 관한 인식 연구 12
• 3. 기존 연구의 특성과 한계 14
• 제 2 절 AI 공정성 실현 방안 15
• 1. AI 공정성 실현을 위한 제언 16
• 1) 기술적 측면 16
• 2) 법적 측면 17
• 2. 기존 제언의 한계 18
• 1) AI 공정성 개념의 모호함 18
• 2) 이용자 배제적인 AI 공정성 논의 19
• 3) 법적 규제 의존 19
• 제 3 절 커뮤니케이션학에서의 공정성 연구 20
• 1. 공정한 미디어와 AI의 관계 20
• 2. 기존 연구의 특성과 한계 21
• 제 4 절 소결 23
• 제 3 장 이론적 배경 26
• 제 1 절 AI 면접의 개념과 특성 26
• 1. AI 면접의 개념과 등장 배경 26
• 2. AI 면접의 기술적 특성 28
• 3. AI 면접 활용 현황 29
• 제 2 절 AI 공정성 담론 30
• 1. AI 공정성 담론 30
• 1) AI 공정성 등장 배경: 채용 과정에서의 AI 차별 사례 30
• 2) AI의 자동화된 의사 결정이 차별을 야기하는 원인 32
• 2. AI 공정성 용어 정의 34
• 3. AI 공정성 개념의 철학적 접근: 분배적 손해와 재현적 손해의 측면에서 34
• 제 3 절 능력주의 담론 40
• 1. 청년세대와 능력주의 담론 40
• 1) 청년세대 능력주의 담론의 특성 40
• 2) 청년세대 능력주의 담론의 한계 42
• 2. 젠더 구조 안에서의 능력주의 담론 44
• 제 4 절 신체 데이터화 기술 46
• 1. AI 면접에서의 신체 데이터화 46
• 1) AI 면접에서의 신체 데이터화가 가진 특성 46
• 2) AI 면접에서의 신체 데이터화가 가진 위험성 47
• 2. 신체의 데이터화와 AI 공정성의 관계 49
• 3. 수량화되는 자아 51
• 제 4 장 연구 문제 및 연구 방법 52
• 제 1 절 연구 문제 52
• 제 2 절 연구 대상 55
• 제 3 절 연구 방법 57
• 제 5 장 연구 결과 63
• 제 1 절 신체 데이터화 기술과 AI 면접 프로그램의 공정성에 대한 인식의 관계 63
• 1. 서류전형 합격과 '역검' 응시 안내 63
• 2. '이상적인 지원자'에 대한 모호한 기준과 수량화되는 자아 66
• 3. 신체 데이터화 기술의 접근성 72
• 4. 데이터 수집 및 활용 동의와 신체 데이터화 기술의 관계 73
• 5. AI 면접 프로그램으로 변화하는 커뮤니케이션 양상 76
• 6. 소결 80
• 제 2 절 능력주의와 AI 면접 프로그램의 공정성에 대한 인식의 관계 81
• 1. '능력'과 '업무 능력'에 대한 입사 지원자들의 인식 81
• 2. AI 면접 프로그램의 채용 공정성 실현 가능성에 대한 인식 83
• 1) 입사 지원자 83
• 2) 인사담당자 89
• 3) 연구개발자 93
• 3. '능력'으로 정의되는 AI 면접 환경 조성 96
• 3. 소결 97
• 제 3 절 젠더 구조와 AI 면접 프로그램의 공정성에 대한 인식의 관계 98
• 1. AI 면접 도입으로 인한 차별 완화 가능성에 관한 연구 참여자들의 견해 99
• 2. AI 면접 프로그램의 차별 완화 가능성에 대한 전망 106
• 3. AI 면접 프로그램의 지원자 차별 가능성 완화를 위한 방안 112
• 제 6 장 결론 115
• 제 1 절 연구의 요약 및 함의 115
• 1. 연구의 요약 115
• 2. 연구의 함의 118
• 제 2 절 본 연구의 한계와 향후 연구를 위한 제언 122
• 참고문헌 126
• 부록 135
• 예상 인터뷰 질문 목록 135