면접관이 사람이 아니었다 — AI 면접, 지원자도 AI를 켰다

면접 안내 메일을 열었는데 접속 주소와 응시 기한만 적혀 있습니다. 정해진 시간에 면접관을 만나는 대신 혼자 카메라 앞에 앉아 질문에 답하라고 합니다. 무엇을 준비해야 할지 검색하면 조언은 더 복잡해집니다. 시선을 고정하라, 계속 웃어라, 특정 단어를 많이 쓰라, 아예 AI에게 답변을 맡기라는 말까지 나옵니다.

문제는 이 조언들이 서로 다른 전형을 하나로 묶는다는 점입니다. 영상을 녹화해 사람이 보는 면접과 AI가 답변을 평가하는 면접은 같지 않습니다. AI가 점수를 만들더라도 그것이 참고자료인지, 다음 단계의 통과를 결정하는 기준인지에 따라 질문이 달라집니다.

지원자가 AI를 쓰는 상황도 마찬가지입니다. 응시 전에 자기 경험을 정리하는 연습과 실제 평가 중 허용되지 않은 답을 받아 읽는 것은 다른 행동입니다. 회사도 AI를 쓰니 지원자는 무엇이든 써도 된다는 결론은 성립하지 않습니다.

AI 면접을 준비할 때 먼저 알아야 할 것은 기계를 속이는 말투가 아니라, 내 답이 누구에게 어떻게 평가되고 어떤 결정으로 이어지는지입니다. 도입률과 연구 결과를 나눠 읽고, 응시 전부터 결과 문의까지 지원자가 확인할 수 있는 순서로 살펴보겠습니다.

‘AI를 쓴 기업’과 ‘AI 면접을 본 기업’은 다릅니다

고용노동부·한국고용정보원의 2025년 11월 발표는 매출 상위 500대 기업 가운데 응답한 396개사를 조사했습니다. 이 중 채용 절차에 AI를 공식 도입한 기업은 86개사, 21.7%였습니다. 그 86개사 중 ‘AI 면접 및 대면 면접 시 결과 활용’에 해당한 비율이 46.5%였습니다.

따라서 전체 응답 기업의 46.5%가 AI 면접을 본다는 뜻이 아닙니다. 항목 자체도 AI 면접만 따로 센 것이 아니라 대면 면접에서 AI 분석 결과를 활용한 경우를 함께 묶었습니다. 이 두 가지를 빼면 같은 숫자가 훨씬 넓은 도입률로 읽힙니다.

46.5%는 어느 기업들을 나눈 숫자일까요?

조사 응답 기업 전체396개사

파란 부분: 채용 절차에 AI를 공식 도입한 86개사 · 21.7%

그 86개사를 다시 보면 → 46.5%

‘AI 면접 및 대면 면접 시 결과 활용’ 항목에 해당한 비율입니다. 전체 396개사가 분모가 아닙니다.

정부 조사는 채용 현장에서 AI가 실제 쓰이고 있다는 근거입니다. 그러나 매출 상위 기업의 응답을 동네 사업장과 작은 회사까지 포함한 한국 전체로 곧바로 넓힐 수는 없습니다. 2025년 조사라는 시점도 남겨야 합니다. 이 글은 해당 수치를 현재의 전수 도입률로 제시하지 않습니다.

여기서 지원자에게 더 유용한 질문은 “다른 회사는 얼마나 쓰나” 다음에 있습니다. 내가 지원한 회사는 어디에 쓰는가입니다. 인사 담당자가 공고 문장을 다듬는 데 AI를 쓴 것과 내 답변을 평가하는 데 쓴 것은 전형의 의미가 전혀 다르기 때문입니다.

카메라가 켜졌다고 표정이 채점된다는 뜻은 아닙니다

다음은 특정 기업의 실제 절차가 아니라 차이를 설명하기 위한 가상 예입니다. A사는 지원자의 답변을 녹화한 뒤 사람이 봅니다. B사는 답변을 글로 바꿔 AI가 직무 관련 내용을 분석하게 합니다. C사는 AI가 만든 결과를 다음 단계 심사에 활용합니다. 지원자의 화면은 비슷해도 뒤의 작업은 다릅니다.

녹화는 자료를 남기는 일이고 평가는 그 자료에 의미를 부여하는 일입니다. 영상이 저장된다는 안내만으로 눈동자 움직임이나 얼굴 생김새가 점수에 들어간다고 단정할 수 없습니다. 반대로 영상 평가를 하지 않는다고 해서 음성이나 답변 내용도 처리하지 않는다는 뜻은 아닙니다.

채용 평가 업체 HireVue의 공식 설명은 자사 영상 평가에서 얼굴·영상·음성 특성 대신 답변을 옮긴 텍스트를 분석한다고 밝힙니다. 이것은 한 업체가 설명한 자사 방식입니다. 한국의 모든 AI 면접과 다른 제품의 채점 기준까지 같은 것으로 묶을 수는 없습니다.

따라서 “AI 면접에서는 무조건 웃어야 한다”거나 “표정은 어디에서도 상관없다”는 조언은 모두 범위가 너무 넓습니다. 실제 평가 항목, 사람이 영상을 보는지, 응시 확인이나 부정 응시 방지 목적으로 무엇을 기록하는지를 해당 전형 안내에서 구분해야 합니다.

장비 점검도 점수를 꾸미는 요령과 다릅니다. 목소리가 제대로 들어가는지, 화면이 멈추지 않는지, 안내한 브라우저에서 실행되는지 확인하는 것은 답변이 정상적으로 전달되도록 준비하는 일입니다. 이것만으로 합격 가능성이 높아진다고 보장할 수는 없지만, 적어도 전송 실패와 답변 내용의 문제를 혼동하지 않게 해줍니다.

필요한 편의 제공이 있다면 응시 전에 담당자에게 문의할 수 있습니다. 자막, 추가 시간, 장비나 접근 방식에 관한 요청을 뒤늦게 혼자 해결하려고 하면 허용되지 않은 도구 사용과 구분하기 어려워질 수 있습니다. 구체적으로 가능한 방식과 절차는 해당 채용 주체의 안내를 확인해야 합니다.

AI 점수 다음에 누가 무엇을 결정하는지도 봐야 합니다

평가 도구가 점수를 만들었다고 채용 결정까지 자동으로 했다고 볼 수는 없습니다. 담당자가 여러 자료를 함께 살펴 다음 면접 대상을 정할 수 있고, 정해진 기준에 따라 시스템이 특정 단계에서 지원자를 제외할 수도 있습니다. 어디에 사람이 개입했는지가 중요합니다.

여기서 ‘최종 결정’은 반드시 마지막 입사 확정만을 떠올릴 필요가 없습니다. 한 전형에서 제외돼 더 이상 진행할 수 없다면 그 지원자에게는 중요한 결정일 수 있습니다. 법적 적용은 구체적인 운영 방식에 따라 살펴야 하므로, 이 글의 그림만으로 어느 회사가 법을 위반했다고 판정하지는 않습니다.

화면 뒤에서 구분해야 할 세 단계

01

기록

영상·음성·답변 중 무엇이 남나요?
누가 얼마나 오래 보관하나요?

02

평가

어떤 항목을 사람이 또는 AI가 판단하나요?
점수는 무엇을 뜻하나요?

03

결정

그 결과가 전형 통과에 어떻게 쓰이나요?
검토·설명 문의는 누가 받나요?

‘녹화됨’ ≠ ‘표정이 채점됨’
‘AI 점수 있음’ ≠ ‘완전 자동 탈락’

담당자가 마지막에 확인 버튼을 눌렀다는 설명만으로 충분한지도 따져볼 수 있습니다. 실제로 자료를 볼 시간과 권한이 있었는지, 오류를 발견하면 결과를 바꿀 수 있었는지와 단순히 시스템 결과를 전달했는지는 다릅니다.

지원자가 내부 문서를 모두 볼 수는 없습니다. 그렇더라도 전형 안내에 담당 창구와 자료 처리 목적이 적혀 있는지, 결과 문의를 어디에 해야 하는지는 확인할 수 있습니다. “AI가 그렇게 판단했습니다”라는 말만으로 질문이 끝나지 않게 만드는 최소한의 연결점입니다.

연습을 돕는 AI와 평가 중 답을 대신하는 AI는 다릅니다

면접 전 혼자 말해보는 것은 낯선 형식에 익숙해지는 과정입니다. 자신이 쓴 경험 메모에서 설명이 빠진 부분을 찾거나, 답이 너무 길어 질문의 핵심이 사라졌는지 살펴볼 수 있습니다. 이때 중요한 것은 실제 경험을 정리하는 일과 없던 경험을 만드는 일을 구분하는 것입니다.

반면 응시 중 외부 도구가 만든 답을 그대로 읽으면 전형 규칙의 문제가 생길 수 있습니다. 어떤 시험은 참고자료를 허용하고 어떤 시험은 금지합니다. 기업이 업무에서 AI를 활용한다는 사실만으로 해당 면접에서 외부 도구를 허용했다고 볼 수는 없습니다.

안내가 모호하면 응시 전에 구체적으로 물어보는 편이 낫습니다. 메모를 볼 수 있는지, 다른 창을 열어도 되는지, 번역이나 접근성 도구는 어떻게 신청하는지처럼 실제 사용할 행동을 설명하는 것입니다. 단순히 “AI 써도 되나요”라고만 묻는 것보다 범위를 확인하기 쉽습니다.

몰래 쓰는 방법을 찾다 보면 지원서와 회사 자료를 제3의 서비스에 넘길 수도 있습니다. 계정 권한이나 화면 접근을 요구한다면 무엇이 전달되는지도 확인해야 합니다. 지원한 회사가 보낸 비공개 문항이나 타인의 개인정보를 외부 도구에 넣어도 된다고 가정하지 않아야 합니다.

도구 판매자가 ‘감지되지 않는다’고 광고해도 전형 규칙이 달라지는 것은 아닙니다. 특정 시험에서 의심 표시가 없었다는 경험이 다른 제품에서도 통한다는 증거가 되지도 않습니다. 탐지 가능성과 사용 허용 여부는 서로 다른 질문입니다.

AI가 만든 답은 더 좋은 점수를 받았을까요?

캐나가수리엄·루카식의 연구는 2024년 6월 온라인으로 먼저 공개됐고 2025년 학술지 권호에 실렸습니다. 미국·캐나다에서 모집한 참여자 가운데 최종 245명을 AI 미사용, AI 답변 그대로 읽기, AI 답변을 개인화해 말하기 조건으로 무작위 배정해 비동시 영상 면접을 비교했습니다.

AI를 사용한 조건은 내용과 전체 면접 평정이 높았지만 전달력의 차이는 없었고 정직성 평정은 낮았습니다. 중요한 것은 사람이 영상을 평가한 연구라는 점입니다. 특정 상용 AI 면접 제품을 뚫었거나 실제 채용 합격률을 높였다는 실험이 아닙니다.

정직성 평정도 실제 부정행위를 정확히 탐지한 비율과 다릅니다. 평가자가 얼마나 정직하게 느꼈는지를 점수로 매긴 것입니다. 이 결과를 ‘AI 답변을 쓰면 몇 퍼센트가 적발된다’는 수치로 바꿀 수는 없습니다.

이 연구에서 얻을 질문은 답의 내용과 평가하려는 능력이 어긋날 수 있다는 것입니다. 가령 회사가 지원자 자신의 상황 판단을 확인하려고 질문했는데 외부 도구가 그 판단을 만들어줬다면, 좋은 답변 점수가 무엇을 나타내는지 다시 생각해야 합니다. 이것은 연구가 측정한 합격 효과가 아니라 평가 설계에 관한 해석입니다.

반대로 실제 업무가 도구를 활용해 결과물을 만드는 일이라면 도구 사용을 허용하고 그 과정을 평가하는 전형을 설계할 수도 있습니다. 이 역시 모든 회사가 그렇게 바뀌었다는 주장이 아니라 하나의 설계 선택입니다. 무엇을 측정할지와 무엇을 허용할지를 함께 정해야 공정하게 비교할 수 있습니다.

지원자 입장에서는 다른 사람도 쓸 것 같다는 추측보다 공지된 조건이 우선입니다. 규칙이 불명확하다면 그 점을 문의하고, 답변을 받은 범위 안에서 준비합니다. 응시가 끝난 뒤 서로 다른 기준을 알게 되는 상황을 줄이는 데 도움이 됩니다.

‘논문에 실렸다’ 다음에는 무엇을 맞혔는지 봅니다

AI 평가가 정확하다는 광고를 볼 때는 정확하다는 말의 목적어를 찾는 편이 좋습니다. 사람 면접관의 점수를 비슷하게 냈다는 뜻인지, 입사 후 일을 잘할 사람을 예측했다는 뜻인지, 반복 응시에서 비슷한 결과를 냈다는 뜻인지가 다릅니다.

2025년 Scientific Reports에 발표된 연구는 AI가 대인관계 역량을 평가하는 능력에 대한 사람들의 인식을 다룹니다. 동시에 한국 병원 간호직 자료 282명과 다른 병원 107명의 현장 분석도 제시해, AI 평가가 입사 후 대인관계 성과와 관련될 수 있다는 예비 근거를 보고했습니다.

따라서 이 논문이 현장 성과를 전혀 비교하지 않았다고 말하는 것도 맞지 않습니다. 다만 병원 간호직 자료의 결과를 모든 직무와 모든 제품에서 AI가 사람보다 정확하다는 결론으로 넓힐 수는 없습니다. 연구진 역시 예비 근거라는 범위를 남겼습니다.

지원자가 모든 통계 기법을 공부할 필요는 없습니다. 대신 연구 대상이 실제 지원자인지, 어떤 직무인지, 무엇을 성과로 정했는지, 지금 쓰는 제품과 같은 평가인지 네 가지를 물어볼 수 있습니다. 제목에 유명 학술지 이름이 있다는 것만으로 이 질문이 사라지지는 않습니다.

가상의 평가 도구가 기존 면접관의 점수를 잘 따라 한다고 해보겠습니다. 이것은 그 면접관과 비슷하게 평가한다는 근거일 수 있습니다. 그러나 기존 면접관이 놓치던 능력도 함께 놓칠 수 있으므로, 실제 업무 결과와의 관계는 별도로 확인해야 합니다.

또 다른 가상 도구는 같은 사람이 여러 번 응시하면 비슷한 점수를 줄 수 있습니다. 결과가 일정하다는 장점은 있지만, 엉뚱한 대상을 일관되게 재고 있을 가능성까지 없애지는 못합니다. 늘 같은 시간을 가리키는 멈춘 시계가 정확한 시계는 아닌 것과 비슷합니다.

회사가 연구를 공개했다면 비판할 자료가 있다는 이유만으로 오히려 불신할 필요도 없습니다. 공개 범위와 한계를 읽고, 확인되지 않은 부분을 남기면 됩니다. 연구가 있다는 사실과 충분한 검증이 끝났다는 주장은 다르고, 자료가 부족하다는 사실과 무조건 쓸모없다는 주장도 다릅니다.

자기 경험을 준비할 때는 ‘좋은 사람’보다 ‘한 일’을 설명합니다

여기서부터는 합격 효과를 입증한 공식이 아니라 답변을 명확하게 만드는 편집 제안입니다. 자신을 성실하고 협력적이라고 묘사하는 문장만 늘리기보다, 어떤 상황에서 무슨 일을 했는지 하나의 장면을 골라보는 것입니다.

가령 동아리 행사 신청서를 정리한 경험을 이야기한다고 해보겠습니다. “책임감을 발휘해 행사를 성공시켰다”는 문장에는 역할도 문제가 무엇이었는지도 없습니다. 신청 정보가 중복됐는지, 연락이 닿지 않는 참가자가 있었는지, 어떤 혼란을 줄이려 했는지를 설명하면 질문에 답할 재료가 생깁니다.

먼저 본인이 실제로 한 일과 다른 사람이 한 일을 나눕니다. 동료가 시스템을 만들고 본인은 확인 기준을 정리했다면 그 역할을 그대로 말하면 됩니다. 팀의 성과를 모두 자기 성과로 가져오지 않아도 기여는 설명할 수 있습니다.

그다음 선택의 이유를 적습니다. 중복 명단을 한꺼번에 지우지 않고 담당자에게 확인한 이유, 시간이 부족해 어떤 부분을 먼저 처리했는지처럼 당시 조건과 연결합니다. 판단을 보여주는 것은 멋진 용어보다 선택지 사이의 차이입니다.

결과를 수치로 확인하지 않았다면 만들지 않습니다. 문의가 줄었다는 기록이 없는데 30% 감소했다고 쓰는 순간 설명은 경험에서 허구로 바뀝니다. 대신 최종 명단을 어떻게 확인했는지, 미해결 항목이 무엇이었는지처럼 실제로 아는 범위를 말할 수 있습니다.

실패를 넣으라는 조언도 형식적으로 따를 필요는 없습니다. 사소한 단점을 꾸며낸 뒤 성장했다고 끝내기보다, 실제로 잘못 이해한 조건과 수정한 행동이 있다면 그 부분을 설명하는 편이 낫습니다. 없던 실패담을 만드는 것은 없던 성공담을 만드는 것과 같은 문제입니다.

정리한 답변은 말로 한 번 해보면 빈칸이 드러날 수 있습니다. 글로는 자연스럽지만 실제로는 본인이 설명하기 어려운 용어가 섞였는지, 질문과 관계없는 배경이 너무 긴지 확인합니다. 이는 특정 평가기의 점수를 공략하는 연습이 아니라 자기 이야기를 이해할 수 있게 만드는 연습입니다.

질문의 표현이 바뀌면 준비한 문장을 통째로 외워 말하기보다 어떤 경험이 그 질문에 맞는지 고를 수 있어야 합니다. 협업을 물었는데 도구 이름만 나열하거나, 문제 해결을 물었는데 결과 자랑만 하는 일을 줄이려는 것입니다. 특정 키워드를 몇 번 넣으면 통과한다는 보장은 없습니다.

답변 내용과 별도로, 응시 환경을 확인합니다

실제 응시 전에는 안내 메일의 기한과 시간대를 확인합니다. 접속 시작 시각과 제출 완료 시각이 같은 기준인지도 살펴볼 수 있습니다. 마지막 순간에 시작했다가 업로드를 끝내지 못하는 상황을 피하려는 준비입니다.

허용된 기기와 브라우저, 카메라·마이크 권한을 점검합니다. 연습 화면이 제공된다면 그 범위 안에서 소리가 들어가는지 확인할 수 있습니다. 시험 화면을 임의로 녹화하거나 캡처하는 것이 허용되는지는 별개이므로, 장비 테스트를 한다는 이유로 비공개 문항을 저장하지 않습니다.

메모 사용, 추가 모니터, 화면 전환, 주변 사람의 도움에 대한 규칙도 확인합니다. 일반적인 화상회의에서 익숙한 행동이 특정 평가에서는 허용되지 않을 수 있습니다. 모든 제품이 같은 행동을 탐지하거나 같은 제재를 준다고 가정하지 않습니다.

접속 오류가 나면 반복해서 새 계정으로 응시하거나 임의로 우회하기보다 안내된 지원 창구를 이용하는 편이 좋습니다. 발생 시각, 오류 문구, 응시 단계, 사용 기기처럼 문제를 재현하는 데 필요한 정보를 남깁니다. 단, 문항을 포함한 화면 저장은 규정이 허용하는 범위에서만 합니다.

“다시 접속해도 되나요”와 “기존 답변은 저장됐나요”는 다른 질문입니다. 재접속 허용 여부를 확인했어도 이전 응시가 정상 제출됐는지 별도로 확인해야 할 수 있습니다. 문의할 때 두 가지를 나누면 기술 지원과 채용 담당자가 어떤 상태를 확인해야 하는지 분명해집니다.

대체 응시나 기한 연장이 가능한지는 해당 전형의 정책에 따라 달라집니다. 오류가 있었다는 사실만으로 자동 구제나 합격이 보장된다고 설명할 수는 없습니다. 다만 제때 남긴 기록은 답변 능력과 무관한 기술 문제를 논의할 때 필요한 자료가 됩니다.

결과가 납득되지 않을 때, 무엇을 물어볼 수 있을까요?

개인정보 보호법 제37조의2는 완전히 자동화된 시스템이 개인정보를 처리해 내린 결정에 대한 권리를 규정합니다. 권리·의무에 중대한 영향을 미치는 경우의 거부권에는 동의·법률·계약 관련 법정 예외가 있으며, 자동화된 결정의 설명 요구는 별도로 규정돼 있습니다. AI를 썼다는 사실만으로 모든 탈락에 같은 권리가 적용되지는 않습니다.

개인정보보호위원회 설명은 정당한 권한을 가진 사람의 실질적인 개입과 단순 결재 같은 형식적 절차를 구분합니다. 사람이 마지막에 클릭했다는 이유만으로 완전 자동화가 아니라고 단정하거나, AI 점수가 있었다는 이유만으로 완전 자동화라고 단정해서는 안 됩니다.

시행령 제44조의2~4는 설명·검토 요구의 절차와 조치를 다룹니다. 설명은 복잡한 코드를 나열하는 것과 같지 않으며 주요 개인정보의 유형, 결정의 기준과 처리 과정 등을 이해할 수 있게 하는 데 의미가 있습니다. 구체적인 요구 방법은 처리자가 공개한 절차를 확인해야 합니다.

문의 문장은 사실 확인부터 시작할 수 있습니다. “이번 전형에서 AI가 쓰인 단계와 그 결과가 제 전형 통과 여부에 어떻게 반영됐는지 알려주세요. 사람의 실질적 검토 여부와 설명·재검토를 요청할 창구도 확인하고 싶습니다.” 이는 질문 예시이지 법적 요건을 모두 충족한 신청서나 결과 변경을 보장하는 문구는 아닙니다.

점수 전부를 요구하는 일과 결정 과정을 설명받는 일도 구분할 수 있습니다. 채용 주체가 가진 자료와 도구 업체가 가진 자료가 다를 수 있으므로, 누가 답변할 책임이 있는지 안내를 요청하는 편이 좋습니다. 법적 분쟁이 생겼다면 공고·동의 내용·결정 방식 등 구체적인 자료를 갖추고 적절한 상담을 받아야 합니다.

개인정보 삭제를 원할 때도 채용 결과 문의와 나눠 생각할 수 있습니다. 어떤 자료가 누구에게 남아 있는지, 보유 목적과 기간이 무엇인지 확인하는 것입니다. 삭제 가능 여부와 예외는 처리 근거에 따라 달라질 수 있으므로 즉시 전부 삭제된다고 약속할 수는 없습니다.

평가를 도입한 회사도 설명할 준비가 필요합니다

지원자가 성실하게 규칙을 읽는 것만으로 좋은 채용 절차가 완성되지는 않습니다. 기업도 무엇을 평가하고 왜 그 방식이 해당 직무에 적절한지 설명할 수 있어야 합니다. 평가 업체가 유명하다는 이유가 업무와의 관련성을 대신하지는 않습니다.

가상의 회사가 고객 상담 직무를 뽑는데 평가 점수의 의미를 담당자가 모른다고 해보겠습니다. 결과표에 협업이나 문제 해결이라는 이름이 있어도 어떤 답변이 어떤 판단으로 이어졌는지 아무도 설명하지 못하면 오류 문의를 처리하기 어렵습니다.

기업이 확인할 것은 성능 평균뿐만이 아닙니다. 장비 오류가 발생했을 때 누가 지원자를 돕는지, 특정 응시 조건에서 불리한 결과가 반복되는지, 접근성 요청은 어떻게 처리하는지도 운영의 일부입니다. 동일한 화면을 보여준다고 모든 지원자가 같은 조건에 놓이는 것은 아닙니다.

검토 담당자에게 자료와 시간이 주어지는지도 중요합니다. 수백 장의 결과표를 짧은 시간에 승인하게 하면서 사람이 검토했다고만 말하면, 오류를 고칠 기회가 실질적으로 있었는지 질문이 남습니다. 사람의 존재보다 어떤 판단을 할 수 있었는지가 핵심입니다.

도구의 버전이 바뀌거나 평가 항목이 달라질 때도 기존 검증을 그대로 적용할 수 있는지 봐야 합니다. 이전 조건에서 나온 연구 결과가 새 절차를 자동으로 보증하지는 않습니다. 지원자에게 안내한 내용과 실제 운영이 일치하는지도 확인할 필요가 있습니다.

이것은 AI 평가만의 숙제는 아닙니다. 사람이 보는 면접도 질문이 직무와 무관하거나 채점 기준이 불분명하면 문제가 생깁니다. AI냐 사람이냐를 먼저 편으로 나누기보다, 무엇을 근거로 판단하고 오류를 어떻게 바로잡을지 같은 질문을 적용하는 편이 유용합니다.

준비의 목표는 알고리즘 취향 맞히기가 아닙니다

AI 면접을 둘러싼 불안은 충분히 이해할 수 있습니다. 상대가 무엇을 보고 있는지 모르는데 내 진로에 중요한 결과가 나옵니다. 그 빈칸을 채워준다는 공략법이나 유료 도구가 솔깃할 수밖에 없습니다.

하지만 확인되지 않은 조언을 모을수록 준비해야 할 행동만 늘어날 수 있습니다. 계속 웃으면서 시선을 고정하고 특정 단어를 세는 동안 정작 질문을 이해하고 자기 경험을 설명하는 데 쓸 집중력이 줄어들 수 있습니다. 이것은 특정 공략법의 실패율을 측정한 주장이 아니라 준비 방향에 관한 제안입니다.

먼저 전형 안내에서 기록·평가·결정을 나눠 봅니다. 허용된 도구와 응시 조건을 확인하고, 자기 역할과 선택을 설명할 경험을 정리합니다. 기술 오류가 나면 기록과 창구를 통해 문의하고, 결과 설명이 필요하면 적용 절차와 사실관계를 확인합니다.

이 순서가 합격을 보장하지는 않습니다. 다만 확인되지 않은 알고리즘의 취향을 추측하는 일과 실제로 준비할 수 있는 일을 구분해줍니다. AI가 면접에 들어왔다고 해서 지원자가 모든 불투명성을 혼자 감당해야 하는 것은 아닙니다.

면접의 목적은 잘 꾸민 답변을 끝없이 교환하는 데 있지 않을 것입니다. 지원자가 할 수 있는 일과 회사가 필요로 하는 일을 서로 확인하는 과정이어야 합니다. AI가 그 사이에 놓이더라도 평가의 근거와 설명의 책임은 사라지지 않습니다.

참고 자료와 확인 범위

• 고용노동부·한국고용정보원, 2025-11-28 — 396개 응답 기업, 도입 86개사와 그 안의 활용 항목. 국내 전체 현재 도입률 아님.
• HireVue 공식 AI 설명 — 자사 영상 평가의 텍스트 분석 안내. 타사·전 제품 일반화하지 않음.
• Canagasuriam·Lukacik, AI 보조 답변의 영상 면접 연구 — 2024-06-24 선공개, 2025 권호. 사람의 평정이며 실제 합격률·탐지율 연구 아님.
• Cheong·Huh·Puntoni, Scientific Reports, 2025-07-13 — 인식 연구와 병원 간호직 현장 분석의 범위 구분.
• 개인정보 보호법 제37조의2 · 시행령 제44조의2~4 — 2026-09-11 시행본을 9월 16일 확인.
• 개인정보보호위원회 자동화된 결정 설명 — 실질적인 사람 개입과 형식적 결재의 차이.