<img height="1" width="1" style="display:none;" alt="" src="https://px.ads.linkedin.com/collect/?pid=4666124&amp;fmt=gif">

1. 요약

AI역량검사는 최적 인재를 합리적으로 선발하기 위한 의사 결정의 보조 목적으로 개발되었다.

AI역량검사는 현행 채용절차의 문제점을 개선할 수 있는 실행 가능한 대안을 제시하려 한다.

표 1. 현재 채용절차의 문제점과 AI역량검사가 제시하는 대안

채용절차 문제점
서류전형
  • 이력서와 자기소개서를 통해 지원자가 취업 후 성과를 낼지 평가하는 단계로 성과에 대한 타당도가 낮은 방법으로 알려져 있음.
  • 훈련/교육 경험, 교육수준, 학업성취 등은 특히 낮은 타당도를 보임.
  • 낮은 타당도에서 불구하고 다수의 인원을 탈락시키는 장치로 활용되고 있음.
  • 이력서, 자기소개서 등의 서류를 위한 불필요한 스펙 쌓기 같은 왜곡된 채용문화는 결과적으로 막대한 사회적 손실을 초래하고 있음.
필기시험
인적성 검사
  • 인지능력(cognitiveability)의 측정을 목표로 하는 일부 검사 외에는 타당도가 낮음.
  • 대부분 실증적인 타당도 검증, 특히 국내 환경에서의 검증이 부족함.
  • 독립된 실증 연구에 따르면 필기시험 및 인적성 검사는 실제 성과에 대한 지표와 상관도가 매우 낮은 것으로 나타남.
  • 구직자들은 시험 자체에 집중하게 되어 관련된 사교육 시장이 활성화되는 등의 역효과를 유발하고, 결과적으로 천장효과에 의해 변별도가 낮아지는 상황이 발생함.
대면 면접
  • 대면면접은 면접관의 선호와, 지원자의 특정 스펙에 대한 호불호 등에 의해 편향되어 있다고 알려짐.
  • 면접관 사이 평가 결과 또한 상이한 경우가 많아 신뢰도가 낮다고 판단됨.
AI역량검사가 제시하는 대안
  • AI역량검사는 역량과 태도의 측정, 인지능력이나 정신운동능력의 측정 등 여러 채용 전형의 측정 목표를 하나의 도구에서 통합 응시할 수 있도록 개발됨.
  • AI역량검사로 서류나 인적성 검사를 완전히 대체함으로써 실용적 관점에서 여러 단계의 채용 프로세스를 간소화할 수 있음.
  • 온라인에서 자동화된 통합 운영으로 모든 지원자에게 동등한 응시 기회를 제공함.
  • 모든 지원자들의 응시 결과와 함께 면접 영상까지 제공함으로써 지원자들에게 공평한 기회를 제공하고, 기업은 최적 인재의 모수 축소를 방지하고 보다 정확하게 지원자를 파악할 수 있음.
  • AI역량검사가 제공하는 역량분석 의견과 종합점수를 참고하여 객관적이고 동일한 기준에 따라 의사결정을 수행함.
  • AI역량검사가 제공하는 지원자별 구조화 면접 질문을 이용하여 대면 면접의 일관성과 신뢰도를 향상시킴.

AI역량검사의 올바른 활용을 통해 기업, 구직자, 사회에 제공하려는 가치는 다음과 같다.

표 2. AI역량검사의 제공가치

대상 제공 가치
기업 관점
  • 기존 채용 방법의 한계점/문제점 개선 및 타당도 높은 선발 방법 제공.
  • 허들 방식의 채용에서 발생하는 최적 인재 손실 방지.
  • 오프라인 검사 실시로 인한 시간/비용의 낭비 감소.
  • 보다 많은 지원자에게 면접 기회 제공. (온라인 영상 면접 활용)
  • 면접의 효과성 향상과 편향 감소. (면접관에게 자기 감시의 기회 제공)
  • 역량 중심의 채용을 위한 데이터 누적 관리 및 선발 프로세스의 개선.
구직자 관점
  • 모든 구직자들에게 충분한 기회 제공과 상대적 박탈감 해소. (시간/장소 제약이 없는 응시, 온라인 영상 면접 지원 등)
  • 역량 중심의 채용으로 구직 준비에 소요되는 시간/비용의 감소. (스펙 쌓기와 인적성 검사 준비 등의 문제 해소)
사회적 관점
  • 스펙 중심의 채용 관행에서 역량 중심 채용으로의 변화.
  • 학벌 중심 채용으로 발생하는 채용에서의 부익부 빈익빈 현상 해소.
  • 기업과 구직자 모두에게 채용 준비/활동으로 발생하는 사회적 비용 감소.
  • 공평한 기회의 제공과 공정한 평가의 제공.

미국 노동부의 채용 검사 활용에 대한 가이드에서 제시하는 기준과 비교할 때 AI역량검사는 높은 수준의 정확도를 제공하며, 실제 채용에서 효용도가 매우 높게 활용될 수 있다 [8, 10].

미국 노동부에서 발간한 채용 검사 활용에 대한 가이드에서 제시하는 기준
0.2 < r < 0.35 (효용도 높음), r >= 0.35 (효용도 매우 높음)

표 3. 성과역량 검사의 준거 타당도

13개 기관의 재직자 검사와 평가 결과 표본 수
(N)
세부 역량 / 수정 상관계수(r)
신뢰 전략 관계 가치 조직적합
교정 상관계수의 메타분석 결과 1,394 0.38 0.32 0.30 0.28 0.31

교정 상관계수를 메타분석한 결과가 0.28에서 0.38 사이의 값을 가지며 모두 0.2보다 크며, 성과역량 검사의 준거 타당도가 높은 수준임을 확인할 수 있다.

소통역량 검사는 소통과정에서 발생하는 관찰 가능한 특징을 분석하여 지원자의 소통역량을 예측하는 검사이다.

표 4. 소통역량 종합 모델에 대한 AI(인공지능) 알고리즘의 정확도

정확도 수치 긴장수준 67% 의사전달능력 72%
자신감 76% 감정전달능력 71%
호감도 72% 신뢰감 69%

동영상을 이용한 사람 판단에서의 불확실성을 고려할 때, 의미있게 높은 수준의 정확도를 보이며 선택한 하위 요인에 대해 변별력이 높다고 판단할 수 있다.

표 5. 종합점수의 준거 타당도

13개 기관의 재직자 검사와 평가 결과 표본 수 (N) 종합점수 Multiple R
교정 상관계수의 메타분석 결과 1,394 0.42 0.64

교정 상관계수를 메타분석한 결과가 0.42과 0.64의 값을 가지며 모두 0.35보다 크다.

이에 따라 AI역량검사 종합점수의 준거 타당도는 실제 채용에서 효용도가 매우 높게 활용할 수 있는 수준임을 확인할 수 있다.

AI역량검사는 개별 기업의 환경과 인재에 대한 관점 등의 차이에 따라 성과의 기준과 중요 역량이 다를 수 있으므로 각 기업의 특성에 보다 적합한 분석을 돕기 위해 커스터마이징 기능도 제공한다.

표 6. 커스터마이징 전/후의 준거 타당도와 정확도

구분 요인 수정 상관계수
(N=142명)
정확도
(상/하위 25%를 고/저 성과자로 구분)
커스터마이징 전 종합점수 0.595 분류 정확도 63%
민감도 60%
특이도 66%
커스터마이징 후 커스텀 종합점수 가중치, 응답패턴 커스터마이징 0.762 분류 정확도 76%
민감도 74%
특이도 79%

커스터마이징을 통해 준거 타당도의 기준이 되는 교정 상관계수가 0.595에서 0.762까지 향상되고, 고/저 성과자에 대한 분류 정확도는 63%에서 76%로 향상되는 것을 확인할 수 있다. 이를 통해 커스터마이징을 이용하여 개별 기업에 적합한 역량평가 모델을 구축하고 효용도 높게 활용할 수 있음을 확인할 수 있다.