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

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].

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.