2017.09.05

'이력서 걸러주고 적임자 찾아주고' AI가 채용을 돕는 방법

Sharon Florentine | CIO

AI가 채용 과정을 바꿔 놓고 있다. 이에 따라 채용 전문회사와 담당자가 기술 인재를 발견하고 고용하는 방법도 변화하고 있다.



랜드스태드 소스라이트(Randstad Sourceright)의 데이터 공학 책임자 서머 허즈밴드는 2017 소스콘(SourceCon) 행사에서 진행한 프레젠테이션에서 AI와 머신러닝을 통해 전문가들은 엄청난 양의 데이터를 신속하게 분석하고 이를 기반으로 의사결정을 내리고 예측할 수 있다고 밝혔다. 이제 채용 담당자들은 구인 광고에 ‘완벽하게 들어맞는 사람’을 정의하고 검색 풀에서 강력한 후보자들을 더욱 잘 찾아내며 인재를 신속하게 채용할 수 있는 능력을 개선하기 위해 AI를 동원하고 있다.

고용 과정 단축
기업에 인력 공백이 생기면 생산성이 크게 떨어진다. 적절한 채용 자원을 적용하여 해당 공석을 충원하기 위해 일부 담당자들은 의료 업계의 생존분석 활용에서 힌트를 얻고 있다.

의료 부문에서는 생존분석이 머신러닝 기법으로써 환자의 질병 재발이나 사망 전까지 예상되는 시간 등 이벤트 발생 시점까지의 시간을 분석한다. 여기에서 허즈밴드는 인재 채용과 유사한 점을 발견했다.

허즈밴드는 “소요 시간, 후보자 수, 공백, 기업뿐만이 아니라 직업 시장에 관한 데이터 등 과거 고객들을 위한 인재 채용에 대한 데이터를 BLS와 CB(CareerBuilder) 등의 소스에서 취하고 이 모든 것들이 공석의 ‘생존율’에 어떤 영향을 끼치는지 파악한다”며 “우리는 분명 공석을 빠르게 충원하기 위해 상황을 뒤집고 있지만 과정은 똑같다”고 설명했다.

그녀는 그 과정을 통해 담당자들은 고객에 대한 합리적인 기대치를 설정하고 충원이 더 어려운 역할에 적절한 자원을 할당할 수 있다고 밝혔다.

그녀는 “우리의 목표는 새로운 [구인 요청]이 있고 나서 후보자 찾기에 나서지만 제대로 된 후보자조차 찾지 못하는 게 아니라 이러한 요건을 바로 수집하고 충원이 어려운지 아닌지를 판단한 후 추가적인 자원의 투입 여부를 결정할 수 있도록 하는 것이다”고 말했다.

정확성도 중요하다. 그녀에 따르면, 알고리즘의 정확도(관련된 수신 정보의 일부)와 메모리(수신한 관련 정보의 일부)를 평가할 수 있다면 전문가를 찾아 채용하는 데 도움이 되며 적절한 후보를 제공할 수 있다.

그녀는 “때로는 전반적인 정확성보다 중요한 것이 있을 때가 있다. 채용에 있어서 적절할 수 있는 사람을 몇 명 놓친다고 해도 문제 될 것은 없다. 나쁜 결과가 너무 많거나 부적절한 후보자만 선택하는 것보다 낫다”고 전했다.

‘완벽하게 들어맞는 사람’의 역설계
인공지능 소프트웨어 기업 스카이마인드(Skymind)의 CEO 크리스 니콜슨은 일부 미래 지향적인 채용 담당자들과 고용 관리자가 AI와 머신러닝을 이용해 ‘적합한’ 후보자를 역설계하고 해당 역할에서 잠재적인 후보자의 성과를 예측한다고 주장했다.

니콜슨은 “최고의 사용례는 일치성 문제를 해결하여 기술을 활용해 고용주에 가장 적절한 후보자를 찾는 것이다. 모두가 모든 면접, 선발 시험, 기술, 코딩을 통해 ‘누군가의 성과를 예측하는 방법’을 고민하고 있다. 따라서 똑똑한 채용 담당자와 고용 관리자들은 이력서, 성과 검토, 업무 결과, 이미 고용된 매우 성공적인 사람들에 관한 정보 등을 수집하고 이를 알고리즘에 적용하여 어떤 사람이 필요한지 파악할 것이다”고 말했다.

니콜슨에 따르면, 각 조직은 성공에 대한 다양한 정의를 고려하고 조직의 필요에 맞는 알고리즘을 구축할 수 있다면 이상적이다.

니콜슨은 “한 기업에서 뛰어난 직원이라고 해서 다른 모든 기업에서도 그렇다는 보장은 없다. 따라서 자신에게 부족한 특정 기술, 특성, 전문 지식 등을 찾는 ‘머니볼(Moneyball)’과 같다고 볼 수 있다. 문제는 대부분의 기업들이 잘못된 것을 활용하고 있으며 이로 인해 전반적으로 문제가 발생할 뿐 아니라 다양성과 포용성의 부재에 기여한다는 점이다”고 설명했다.

니콜슨은 “물론 스탠포드 학위, 구글에서 일한 경력, 백인, 남성, 어렸을 때부터 다른 기업에서 쌓은 코딩 경험 등이 그런 특징이 될 수 있지만 이런 특징을 가진 사람들은 수백 또는 수천 명일 수 있으며 모두가 이런 사람을 찾고 있다. 그들은 몸값이 비싸고 취업을 원치 않을 수 있으며 필요한 결과를 제공하지 못할 수도 있다”고 강조했다.

2017.09.05

'이력서 걸러주고 적임자 찾아주고' AI가 채용을 돕는 방법

Sharon Florentine | CIO

AI가 채용 과정을 바꿔 놓고 있다. 이에 따라 채용 전문회사와 담당자가 기술 인재를 발견하고 고용하는 방법도 변화하고 있다.



랜드스태드 소스라이트(Randstad Sourceright)의 데이터 공학 책임자 서머 허즈밴드는 2017 소스콘(SourceCon) 행사에서 진행한 프레젠테이션에서 AI와 머신러닝을 통해 전문가들은 엄청난 양의 데이터를 신속하게 분석하고 이를 기반으로 의사결정을 내리고 예측할 수 있다고 밝혔다. 이제 채용 담당자들은 구인 광고에 ‘완벽하게 들어맞는 사람’을 정의하고 검색 풀에서 강력한 후보자들을 더욱 잘 찾아내며 인재를 신속하게 채용할 수 있는 능력을 개선하기 위해 AI를 동원하고 있다.

고용 과정 단축
기업에 인력 공백이 생기면 생산성이 크게 떨어진다. 적절한 채용 자원을 적용하여 해당 공석을 충원하기 위해 일부 담당자들은 의료 업계의 생존분석 활용에서 힌트를 얻고 있다.

의료 부문에서는 생존분석이 머신러닝 기법으로써 환자의 질병 재발이나 사망 전까지 예상되는 시간 등 이벤트 발생 시점까지의 시간을 분석한다. 여기에서 허즈밴드는 인재 채용과 유사한 점을 발견했다.

허즈밴드는 “소요 시간, 후보자 수, 공백, 기업뿐만이 아니라 직업 시장에 관한 데이터 등 과거 고객들을 위한 인재 채용에 대한 데이터를 BLS와 CB(CareerBuilder) 등의 소스에서 취하고 이 모든 것들이 공석의 ‘생존율’에 어떤 영향을 끼치는지 파악한다”며 “우리는 분명 공석을 빠르게 충원하기 위해 상황을 뒤집고 있지만 과정은 똑같다”고 설명했다.

그녀는 그 과정을 통해 담당자들은 고객에 대한 합리적인 기대치를 설정하고 충원이 더 어려운 역할에 적절한 자원을 할당할 수 있다고 밝혔다.

그녀는 “우리의 목표는 새로운 [구인 요청]이 있고 나서 후보자 찾기에 나서지만 제대로 된 후보자조차 찾지 못하는 게 아니라 이러한 요건을 바로 수집하고 충원이 어려운지 아닌지를 판단한 후 추가적인 자원의 투입 여부를 결정할 수 있도록 하는 것이다”고 말했다.

정확성도 중요하다. 그녀에 따르면, 알고리즘의 정확도(관련된 수신 정보의 일부)와 메모리(수신한 관련 정보의 일부)를 평가할 수 있다면 전문가를 찾아 채용하는 데 도움이 되며 적절한 후보를 제공할 수 있다.

그녀는 “때로는 전반적인 정확성보다 중요한 것이 있을 때가 있다. 채용에 있어서 적절할 수 있는 사람을 몇 명 놓친다고 해도 문제 될 것은 없다. 나쁜 결과가 너무 많거나 부적절한 후보자만 선택하는 것보다 낫다”고 전했다.

‘완벽하게 들어맞는 사람’의 역설계
인공지능 소프트웨어 기업 스카이마인드(Skymind)의 CEO 크리스 니콜슨은 일부 미래 지향적인 채용 담당자들과 고용 관리자가 AI와 머신러닝을 이용해 ‘적합한’ 후보자를 역설계하고 해당 역할에서 잠재적인 후보자의 성과를 예측한다고 주장했다.

니콜슨은 “최고의 사용례는 일치성 문제를 해결하여 기술을 활용해 고용주에 가장 적절한 후보자를 찾는 것이다. 모두가 모든 면접, 선발 시험, 기술, 코딩을 통해 ‘누군가의 성과를 예측하는 방법’을 고민하고 있다. 따라서 똑똑한 채용 담당자와 고용 관리자들은 이력서, 성과 검토, 업무 결과, 이미 고용된 매우 성공적인 사람들에 관한 정보 등을 수집하고 이를 알고리즘에 적용하여 어떤 사람이 필요한지 파악할 것이다”고 말했다.

니콜슨에 따르면, 각 조직은 성공에 대한 다양한 정의를 고려하고 조직의 필요에 맞는 알고리즘을 구축할 수 있다면 이상적이다.

니콜슨은 “한 기업에서 뛰어난 직원이라고 해서 다른 모든 기업에서도 그렇다는 보장은 없다. 따라서 자신에게 부족한 특정 기술, 특성, 전문 지식 등을 찾는 ‘머니볼(Moneyball)’과 같다고 볼 수 있다. 문제는 대부분의 기업들이 잘못된 것을 활용하고 있으며 이로 인해 전반적으로 문제가 발생할 뿐 아니라 다양성과 포용성의 부재에 기여한다는 점이다”고 설명했다.

니콜슨은 “물론 스탠포드 학위, 구글에서 일한 경력, 백인, 남성, 어렸을 때부터 다른 기업에서 쌓은 코딩 경험 등이 그런 특징이 될 수 있지만 이런 특징을 가진 사람들은 수백 또는 수천 명일 수 있으며 모두가 이런 사람을 찾고 있다. 그들은 몸값이 비싸고 취업을 원치 않을 수 있으며 필요한 결과를 제공하지 못할 수도 있다”고 강조했다.

X