이력서 300건 쏟아지는데…"뽑을 사람이 없다" 아우성인 까닭 [인터뷰]

공고 하나에 지원서가 300건 넘게 몰린다. 이력서 검토와 후보자 발굴에는 인공지능(AI)이 투입돼 채용에 드는 시간도 크게 줄었다. 그런데도 기업들은 여전히 "뽑을 사람이 없다"고 아우성이다.

스타트업 전문 채용 컨설팅 기업 캔디드의 이주환 대표(사진)는 최근 채용 시장의 어려움이 '후보자 부족'보단 '채용 기준의 불명확함'에서 비롯되는 경우가 많다고 진단했다. 사람을 찾는 일은 쉬워졌지만, 정작 어떤 사람이 필요한지 기업 내부에서 합의하지 못한 채 채용을 시작하는 경우가 적지 않다는 것이다.

AI가 바꾼 것도 주로 '속도'다. '왜 이 사람을 뽑아야 하는가', '무엇을 기준으로 적합한 후보자라고 판단할 것인가'와 같은 질문은 여전히 기업의 몫으로 남아 있다. 이 대표는 "실행 속도가 빨라지면서 오히려 채용 기준이 제대로 서 있지 않다는 사실이 더 빨리 드러나고 있다"고 말했다.

기업들이 앞다퉈 요구하는 'AI 역량'도 마찬가지다. 최근 채용 공고에는 'AI 활용 우수자'라는 문구가 빠지지 않지만, 정작 자기 회사에서 AI를 잘 활용한다는 게 무엇인지 구체적으로 정의한 곳은 많지 않다는 게 이 대표의 설명이다. AI로 결과물을 빨리 만드는 능력과 그 결과물이 제대로 됐는지 판단하는 능력은 다르다는 얘기다.

이 대표는 AI 시대에 기업이 봐야 할 핵심 역량으로 '판단'과 '문제 정의'를 꼽았다. AI가 산출물을 만드는 속도는 갈수록 빨라지겠지만, 무엇이 좋은 결과인지 가려내고 애초에 무엇을 풀어야 할 문제로 설정할지는 결국 사람이 결정해야 한다는 것이다.

지난 14일 한경닷컴은 이 대표에게 AI 확산 이후 스타트업 채용 시장에서 나타나는 변화와 기업이 원하는 'AI 인재'의 조건, 경력의 가치가 어떻게 달라지고 있는지를 물었다. 다음은 일문일답.

▶ 최근 기업들의 채용 기준에서 가장 크게 달라진 점은 무엇인가요.

"AI 역량을 요구하는 기업이 매우 많아졌습니다. 요구하지 않는 기업이 없을 정도입니다. 다만 그것보다 더 근본적인 변화가 있습니다. 채용 기준이 지나치게 자주 변한다는 것입니다.

예전에는 포지션을 오픈하고 3~4주쯤 지나야 '생각했던 사람이 아닌 것 같다'는 이야기가 나왔습니다. 지금은 2주면 나옵니다. 사업의 방향과 개발 속도, 그에 따른 변화가 그만큼 빨리 바뀌기 때문입니다. AI 때문에 제품 개발 주기가 짧아졌고, 그러면 필요한 사람도 같이 바뀝니다. 처음에는 실행력 있는 사람을 찾다가 몇 주 뒤에는 구조를 설계할 사람이 필요하다고 말씀하십니다.

한 조사에서 2026년 기업이 꼽은 인재상 1위는 여전히 직무 전문 역량(64.7%)이었고, AI·데이터 활용 역량은 24.2%로 네 번째였습니다. 기업이 원하는 건 AI를 단순히 잘 쓰는 사람이 아니라, 자기 직무를 AI로 다시 설계하고 비즈니스 임팩트를 낼 수 있는 사람인 것입니다."

▶ 기업들이 말하는 'AI를 잘 쓰는 인재'는 구체적으로 어떤 사람인가요.

"한 문장으로 말씀드리면, AI가 틀렸을 때 그걸 알아채는 사람입니다.

지금 시장에는 AI로 뭔가를 빠르게 만들어내는 사람이 넘칩니다. 기획서도, 카피도, 코드도 순식간에 나옵니다. 그런데 그 산출물이 괜찮은지 아닌지를 판단하는 사람은 여전히 드뭅니다. 이 둘을 구분하지 못하면 채용에서 계속 같은 실수를 반복하게 됩니다.

판단은 도구를 써봤다고 생기지 않습니다. 본인 스스로 업무 퀄리티에 대한 기준을 갖고 있어야 생깁니다. 그 기준이 있는 사람은 AI가 내놓은 결과물을 보고 '이건 방향은 맞는데 근거가 약하다', '이건 그럴듯한데 우리 상황에는 안 맞는다'고 말할 수 있습니다. 기준이 없는 사람은 AI가 내놓은 걸 그대로 씁니다. 완성도만 보면 둘 다 비슷해 보이지만, 하나는 검토를 거친 결과고 하나는 검토가 빠진 결과입니다.

그래서 면접에서 저희가 실제로 보는 건 도구 사용 경험이 아닙니다. '이 결과물이 왜 괜찮다고 판단했는가', '왜 이 버전을 버렸는가'를 묻습니다. 답을 못 하면 그 사람은 AI를 쓴 게 아니라 AI에 맡긴 겁니다. 결국 기업이 찾는 AI 인재는 AI를 잘 다루는 사람이 아니라, AI 없이도 좋은 결과물이 뭔지 이미 알고 있던 사람입니다. AI는 그 사람의 속도를 올려줄 뿐, 판단 기준 자체를 만들어주지는 않습니다."

▶ 기업들은 지원자의 AI 활용 능력을 어떻게 검증하고 있나요.

"솔직히 말씀드리면, 지금 이걸 제대로 검증할 수 있는 곳은 없다고 봅니다.

이유는 간단합니다. '잘 한다'는 걸 검증하려면 그 전에 '우리 회사에서는 무엇이 잘 하는 것인가'에 대한 공식이 먼저 있어야 합니다. 그런데 그 공식을 가진 기업이 거의 없습니다.

어떤 회사에서는 AI로 산출 속도를 두 배로 올리는 게 잘 쓰는 겁니다. 어떤 회사에서는 AI가 낸 결과를 절반쯤 걸러내고 나머지를 다시 짜는 게 잘 쓰는 겁니다. 두 회사가 원하는 역량은 정반대인데, 채용 공고에는 똑같이 'AI 활용 우수자'라고 적힙니다. 기준이 없으니 검증도 없습니다. 있는 건 인상입니다. 면접에서 AI 이야기를 유창하게 하면 잘하는 사람처럼 보이는 겁니다.

그래서 지금 시장에서 벌어지는 검증은 대부분 검증이 아니라 확인입니다. 'AI를 써봤는가'를 확인하는 거지, '이 회사의 업무에서 AI를 잘 쓰는가'를 검증하는 게 아닙니다. 이 둘은 완전히 다른 질문인데 같은 질문처럼 취급됩니다. 결국 순서가 바뀌어야 합니다. AI를 잘 쓰는 사람을 찾기 전에, 우리 회사에서 잘 한다는 게 무엇인지부터 정의해야 합니다. 그 공식이 없는 상태에서 하는 모든 검증은 사실 검증이 아니라 추측입니다."

▶ AI 확산 이후 채용 수요가 줄어든 직무와 늘어난 직무가 있나요.

"가장 먼저 짚어야 할 건, 특정 직무의 문제가 아니라 전체 TO 자체가 줄고 있다는 겁니다. 이게 더 큰 흐름입니다. 예전에는 '이 포지션은 줄고 저 포지션은 는다'는 재배치의 문제였다면, 지금은 전체 파이 자체가 작아지고 있습니다.

그 안에서도 유독 빠르게 대체되는 직무가 보입니다. 프론트엔드 엔지니어, QA 엔지니어가 대표적입니다. 이유를 들여다보면 명확합니다. 업무의 복잡도가 낮거나, 사람이 아니면 안 되는 이유가 약한 직무입니다. 프론트엔드는 디자인 시스템과 컴포넌트만 갖춰지면 화면을 만드는 과정 자체가 상당 부분 패턴화되어 있습니다. QA는 정해진 시나리오를 따라 검증하는 반복 업무의 비중이 큽니다. 둘 다 '판단'보다 '수행'의 비중이 높은 직무입니다. AI가 가장 먼저, 가장 잘 대체하는 영역이 정확히 여기입니다.

반대로 줄지 않는, 오히려 늘어나는 쪽을 보면 공통점이 하나 있습니다. 정답이 정해져 있지 않은 일입니다. 무엇을 만들지 정하는 일, 이해관계를 조율하는 일, 애매한 상황에서 우선순위를 정하는 일입니다. 이런 일은 복잡도가 높아서가 아니라 애초에 명확한 기준이 없어서 사람의 판단이 계속 개입해야 합니다. 정리하면 지금 줄어드는 직무의 공통점은 '업무의 정답이 이미 정해져 있는가'입니다."

▶ AI 활용 격차가 실제 성과나 연봉, 이직 기회로 이어지고 있나요.

"이어지고 있습니다. 그리고 그 격차가 이미 가격에 반영되고 있습니다.

Lightcast가 13억건 이상의 채용공고를 분석한 결과를 보면, AI 스킬이 포함된 공고는 그렇지 않은 공고보다 28% 높은 연봉을 제시했습니다. 연간 약 1만8000달러 차이입니다. PwC의 2025년 Global AI Jobs Barometer는 56%라는 더 큰 프리미엄을 보고했습니다. 두 조사는 측정 대상이 다릅니다. 하나는 AI 역량 보유 직무의 실제 급여를, 다른 하나는 기업이 그 역량을 요건으로 명시했을 때의 제시 급여를 봤습니다.

숫자의 차이보다 더 중요한 건 그들이 가리키는 방향이 같다는 점입니다. 서로 다른 방법론이 모두 프리미엄을 발견했고, 어느 쪽도 작지 않았습니다. 다만 저는 이 숫자를 그대로 'AI 잘 쓰면 연봉 오른다'로 보지는 않습니다. AI를 잘 쓰는 사람은 대체로 자기 업무의 구조를 잘 이해하는 사람입니다. 프리미엄이 붙는 건 단순히 도구를 잘 쓰는 능력이 아니라 AI와 업무 본연에 대한 이해도일 가능성이 큽니다."

▶ AI가 경력의 가치를 희석시킨다는 시각도 있습니다.

"일부는 그렇습니다. 하지만 '연차의 종말'이라는 서사는 과합니다.

고용 감소는 AI가 인간의 업무를 '대체'하는 직군에 집중됐고, AI가 '보완'하는 직군에서는 고용이 유지되거나 오히려 늘었습니다. 특히 경력자에게서 그렇습니다. 즉 AI는 경력 전반의 가치를 떨어뜨린 게 아니라, 코드화 가능한 경력의 가치를 떨어뜨렸습니다.

10년 동안 같은 방식으로 반복해온 10년차는 위험합니다. 반대로 판단, 이해관계 조율, 문제 정의를 축적해온 10년차는 오히려 값이 올랐습니다. 현장에서 AI를 잘 쓰는 주니어가 시니어보다 빠른 산출을 내는 경우는 분명히 있습니다. 다만 그 주니어가 이기는 지점은 대부분 '실행 속도'이고, 지는 지점은 '무엇을 실행할지 정하는 일'입니다. 연차는 여전히 의미가 있습니다. 다만 이제 연차는 '무엇을 겪었는가'가 아니라 '무엇을 판단해봤는가'로 환산됩니다."

▶ AI 이전과 이후, 기업이 채용에 어려움을 겪는 이유 자체가 달라졌나요.

"이 질문이 제일 중요합니다. 예전에는 문제가 명확했습니다. 사람이 없거나, 찾기 어렵거나, 설득이 안 됐습니다. 소싱의 문제였습니다. 지금은 다릅니다. 공고 하나에 300건 넘는 지원이 들어옵니다. 후보자가 없어서 못 뽑는 경우는 오히려 줄었습니다. 그런데 채용은 여전히 실패합니다. 이유가 옮겨갔기 때문입니다.

지금 채용 실패의 다수는 '못 찾아서'가 아니라 '무엇을 찾아야 하는지 정의하지 못해서' 발생합니다. 저는 예전에 초기 스타트업 채용이 실패하는 이유를 세 가지로 정리한 적이 있습니다. 목표가 바뀌고, 기준을 모르고, 시간이 부족하다는 것이었습니다. AI는 이 중 세 번째만 해결해줬습니다. 소싱과 서류검토에 드는 시간은 확실히 줄었습니다. 하지만 첫 번째와 두 번째, 즉 '왜 뽑는가'와 '무엇을 기준으로 판단하는가'는 전혀 나아지지 않았습니다. 오히려 실행 속도가 빨라지면서 정의가 부실하다는 사실이 더 빨리, 더 크게 드러납니다.

캔디드가 인테이크 단계에서 포지션 얘기부터 하지 않는 이유가 여기 있습니다. 사업의 맥락을 먼저 보고, 조직 구조를 보고, 프로젝트를 보고, 그다음에 포지션과 페르소나로 내려갑니다. JD만 받아서 소싱을 시작하면 그 JD가 틀렸을 때 아무도 그걸 발견하지 못합니다."

▶ 개인의 AI 활용이 조직 생산성으로 이어지지 않는 이유는 무엇인가요.

"이건 이미 상당히 정밀하게 측정된 현상입니다.

MIT NANDA 프로젝트의 'The GenAI Divide: State of AI in Business 2025' 보고서에 따르면, 조직의 80% 이상이 챗GPT나 코파일럿 같은 도구를 도입했고 40% 가까이가 배포 단계까지 갔지만, 이 시스템들은 주로 개인 생산성만 높였을 뿐 측정 가능한 조직 성과로는 이어지지 않았습니다. 150명의 리더 인터뷰, 350명의 직원 설문, 300건의 공개 도입 사례를 분석한 이 연구는 원인을 모델 품질이 아니라 '학습 격차'로 지목했습니다. 즉 원인은 기술이 아니라 조직입니다. AI를 기존 업무 흐름과 구조, 문화에 통합하지 못하는 것이 핵심입니다.

제가 여러 회사를 보면서 체감하는 원인은 하나 더 있습니다. 개인의 AI 활용은 대부분 암묵지로 남습니다. 누가 어떤 프롬프트로, 어떤 판단 기준으로 그 결과를 얻었는지가 그 사람 머릿속에만 있습니다. 개인은 2배 빨라지는데 조직은 그대로인 이유가 이겁니다. 개인의 활용을 조직의 방식으로 바꾸려면 도구 도입이 아니라 '판단의 공유' 시스템이 필요합니다. 무엇을 물어봤는지가 아니라, 왜 그렇게 물어봤고 결과를 어떻게 판단했는지를 남겨야 합니다. 캔디드도 같은 문제를 겪었고, 그래서 컨설턴트 개인의 판단을 조직이 재사용할 수 있는 형태로 축적하는 내부 시스템을 별도로 만들고 있습니다."

▶ 구직자와 직장인의 불안은 실제로 늘었나요.

"늘었습니다. 다만 주니어와 시니어의 불안은 성격이 다릅니다.

주니어의 불안은 구체적이고 즉각적입니다. 실제로 진입로가 좁아졌기 때문입니다. 국내에서 상반기 민간 플랫폼 공고 중 신입만 채용하는 공고는 2.6%에 불과했습니다. 이건 심리적 불안이 아니라 시장 구조의 문제입니다.

시니어의 불안은 더 깊습니다. 당장 자리를 잃는 건 아닌데, 자기가 쌓아온 것 중 무엇이 남고 무엇이 사라지는지 판단이 안 서기 때문입니다. 상담 자리에서 시니어 분들이 가장 많이 하시는 질문은 'AI를 배워야 하나요'가 아니라 '제 경력이 아직 값이 있나요'입니다. 저는 보통 두 분께 같은 답을 드립니다. AI가 대체하는 건 '해본 일'이지 '판단해본 일'이 아닙니다. 이력서에 적을 게 '무엇을 했다'뿐이라면 위험합니다. '무엇을 왜 그렇게 결정했다'가 있어야 합니다."

▶ 채용 컨설팅 업계 자체도 AI 영향을 받을 텐데요.

"단순히 '사람을 찾아주는 사업'의 가치는 이미 떨어지고 있습니다. 이력서 검색, 매칭, 1차 스크리닝은 AI가 사람보다 빠르고 정확해질 겁니다. 그 영역에서 마진을 뽑던 헤드헌팅은 사라질 겁니다. 이건 예측이 아니라 이미 진행 중입니다.

그런데 후보자를 찾는 게 쉬워질수록 진짜 병목은 그 앞 단계로 이동합니다. 무엇을 찾아야 하는지 정의하는 일입니다. 그리고 이 일은 데이터가 아니라 대화에서 나옵니다. 대표님이 '그로스 마케터가 필요하다'고 말할 때, 실제 문제는 마케팅이 아니라 제품의 리텐션인 경우가 있습니다. 이걸 알아채는 건 검색으로 안 됩니다. 그래서 저는 캔디드의 상품이 '후보자'가 아니라 '문제 정의'라고 봅니다. 후보자는 그 정의의 결과물입니다.

한 가지 더 있습니다. 지금 채용 시장의 가장 큰 비용은 신뢰의 붕괴입니다. 기업은 지원서를 믿지 않고, 후보자는 자기가 제대로 평가받는다고 믿지 않습니다. 양쪽 모두에게 책임을 지고 사이에 서는 주체가 필요합니다. AI는 정보를 전달할 수 있지만 책임을 질 수는 없습니다. 저희가 '후회하지 않을 연결'을 이야기하는 이유가 그것입니다. 정리하면 살아남는 건 '찾아주는 회사'가 아니라 '판단을 파는 회사'입니다."

▶ 3~5년 뒤 채용시장은 어떻게 달라질까요. 끝까지 남을 역량은 무엇이라고 보십니까.

"세 가지가 크게 달라질 거라고 봅니다.

첫째, 이력서 기반 스크리닝이 실질적으로 무력화됩니다. 이미 그렇게 되고 있습니다. 대체재는 검증된 산출물과 사람의 증언, 즉 레퍼런스입니다. 역설적으로 가장 오래된 방식이 돌아옵니다.

둘째, 신입 채용의 구조가 다시 설계됩니다. 지금처럼 진입로를 닫아두면 5년 뒤에 시니어가 없습니다. 이건 개별 기업의 합리적 선택이 시장 전체에는 손해가 되는 전형적인 구성의 오류입니다. 어떤 형태로든 교정 압력이 올 거라고 봅니다.

셋째, 채용 속도가 경쟁 우위가 되지 않습니다. 모두가 빨라지기 때문입니다. 차이는 정확도에서 납니다.

끝까지 남을 역량을 하나만 꼽으라면, 저는 문제를 정의하는 능력이라고 말하겠습니다. AI는 주어진 질문에 답합니다. 질문을 바꾸지는 않습니다. 무엇이 진짜 문제인지 다시 묻는 일은 아직까지 사람의 몫입니다. '사람'과 '채용'이 중요하다는 데에는 모두가 동의합니다. AI가 아무리 발전해도 이 문장은 바뀌지 않습니다. 바뀌는 건 방법론뿐입니다."

홍민성 한경닷컴 기자 mshong@hankyung.com