면접관의 직감은 왜 매번 지는가 — 구조화 면접과 작업표본의 재검증

면접장에서 자주 나오는 문장이 있다. “5분 만에 알겠더라.” 경력이 길수록 이 말을 하는 빈도가 높아진다. 수백 명을 봤다는 경험은 자기 판단에 대한 확신으로 바뀐다.

그런데 이 확신은 검증할 수 있는 종류의 것이다. 채용한 사람이 실제로 일을 잘했는지 나중에 측정하면 되기 때문이다. 산업조직심리학은 지난 수십 년간 그 검증을 해 왔다. 결과는 대체로 일관됐다.

자유롭게 대화하는 면접은, 정해진 질문을 정해진 순서로 던지는 면접에 진다.

자유 면접이 지는 이유는 ‘정보 부족’이 아니다

직관을 옹호하는 쪽의 논리는 이렇다. 정해진 질문만 하면 사람의 결이 안 보인다. 대화를 풀어야 진짜가 나온다.

실제로 자유 면접에서 정보가 더 많이 나오는 건 맞다. 문제는 그 정보의 대부분이 성과와 무관하다는 점이다. 출신 지역, 말투, 취미의 겹침, 앉은 자세. 이런 것들은 호감을 만들지만 업무 성과를 예측하지 않는다. 그런데도 최종 판단에는 그대로 반영된다.

두 번째 문제는 비교 불가능성이다. 지원자 A에게는 실패 경험을, B에게는 리더십을, C에게는 이직 사유를 물었다면, 세 사람은 애초에 같은 척도 위에 놓인 적이 없다. 그런데 최종 회의에서는 한 줄로 세운다. 이때 순위를 결정하는 건 자료가 아니라 면접관의 기억에 남은 인상이다.

세 번째는 초기 인상의 고착이다. 초반 몇 분에 형성된 판단이 이후 질문의 방향을 바꾼다. 마음에 든 지원자에게는 강점을 확인하는 질문이, 아닌 지원자에게는 약점을 확인하는 질문이 나간다. 면접은 검증이 아니라 사후 정당화 절차가 된다.

2022년, 수치 자체가 다시 계산됐다

선발 도구의 예측력을 정리한 메타분석은 오랫동안 채용 실무의 기준선이었다. 그런데 그 기준선 자체가 최근 재검토됐다.

Sackett, Zhang, Berry, Lievens는 2022년 Journal of Applied Psychology(107권 11호, 2040~2068쪽)에 실은 논문에서, 기존 메타분석들이 사용해 온 범위제한(range restriction) 보정 방식을 문제 삼았다. 채용 연구는 이미 뽑힌 사람들만 관찰할 수 있기 때문에, 관찰된 상관을 전체 지원자 집단 기준으로 되돌리는 보정이 필요하다. 연구진은 이때 쓰이던 다섯 가지 접근이 모두 상당한 문제를 안고 있으며, 결과적으로 과대보정을 낳았다고 봤다.

재계산 결과 두 가지가 드러났다.

첫째, 대부분의 선발 도구의 타당도 추정치가 약 0.10~0.20 낮아졌다. 우리가 알고 있던 ‘검증된 도구’들의 예측력은 실제보다 부풀려져 있었다는 뜻이다.

둘째, 그럼에도 도구 사이의 순위는 대체로 유지됐고, 구조화 면접이 가장 높은 자리에 남았다.

두 번째 결과가 실무적으로 더 중요하다. 절대 수치가 내려간 것은 채용이 원래 어렵다는 뜻이지 방법을 바꾸지 말라는 뜻이 아니다. 순위가 유지됐다는 것은, 같은 시간과 비용을 쓸 때 어디에 쓰는 게 나은지에 대한 답이 바뀌지 않았다는 뜻이다. 정해진 질문을 전원에게 똑같이 던지고, 실제 업무와 닮은 과제를 시켜 보는 쪽이 여전히 낫다.

2024~2025년, 요건 자체가 흔들리기 시작했다

여기까지가 고전적 결론이라면, 최근 몇 년의 채용 데이터는 새로운 압력을 하나 추가한다. 직무의 내용이 빠르게 바뀌고 있다는 것이다.

Indeed Hiring Lab이 2024년 5월부터 2025년 4월까지 미국 채용공고 5,350만 건을 분석한 결과, 생성형 AI에 의해 크게 바뀔 수 있는 직무는 전체의 26%로 나타났다. 중간 정도 영향권이 54%, 영향이 가장 작은 쪽이 20%였다. 다만 약 2,900개 업무 스킬 중 완전 대체 가능성이 ‘매우 높다’고 평가된 것은 19개, 전체의 0.7%에 그쳤다. 직무 전체가 사라지기보다는 직무 안의 구성이 재배치되는 그림이다.

PwC가 6개 대륙 채용공고 10억 건 이상을 분석해 2026년 6월 15일 공개한 결과는 이 재배치의 속도를 보여준다. AI 노출도가 높은 직무의 요구 스킬은 그렇지 않은 직무보다 두 배 빠르게 바뀌고 있고, 이 직무들에 새로 붙는 과업은 공감·판단·창의를 요구할 확률이 2.5배 높았다. 특히 눈에 띄는 대목은 신입급이다. 주니어 AI 노출 직무가 리더십 같은 시니어 스킬을 요구할 확률이 7배 높았고, 이렇게 요건이 올라간 초급 역할은 2019년 이후 35% 증가했다.

이 변화가 채용 방법론에 주는 함의는 명확하다. 요건이 빠르게 바뀌는 시기일수록, 요건을 문장으로 못 박아 두는 절차의 가치가 올라간다. 직무기술서가 흔들릴 때 자유 면접을 하면, 면접관 각자가 마음속에 다른 직무를 상정하고 다른 사람을 뽑는다. 여섯 달 뒤 그 팀이 왜 안 맞는지는 아무도 설명하지 못한다.

이력서 필터링에 알고리즘이 개입하는 비중이 커진 것도 같은 방향을 가리킨다. 스크리닝이 자동화될수록 통과한 지원자 풀의 서류상 편차는 줄어든다. 서류가 비슷해진 사람들 사이에서 판단해야 한다면, 면접이 실제로 무엇을 재고 있는가가 이전보다 훨씬 중요해진다.

신입 채용이 특히 위험해진 이유

스탠퍼드 디지털이코노미랩은 미국 최대 급여 처리업체의 행정 급여 데이터를 이용해, AI 노출도가 가장 높은 직군의 22~25세 초기 경력자 고용이 상대적으로 16% 감소했다는 결과를 내놨다. 같은 직군의 경력자, 그리고 노출도가 낮은 직군의 종사자는 고용이 유지되거나 늘었다. 조정이 임금이 아니라 고용 인원수에서 일어났다는 점도 확인됐다.

기업 입장에서 이 데이터는 양날이다. 신입 채용을 줄이면 단기 비용은 준다. 그러나 앞서 본 PwC 결과처럼 초급 역할의 요건이 이미 올라가 있는 상태에서, 신입을 거의 안 뽑고 몇 년을 보내면 3~5년 뒤 중간 관리층이 비는 구멍이 생긴다. 그래서 신입을 뽑되 잘 뽑아야 하는 상황이 됐고, 이는 곧 선발 정확도에 대한 요구가 올라갔다는 뜻이다.

실무 적용 — 그래서 뭘 하면 되나

• 질문 목록을 먼저 확정하고 전원에게 같은 순서로 던져라 — 구조화의 핵심은 어려운 질문이 아니라 동일한 질문이다. 이것만으로 지원자 간 비교가 처음으로 가능해진다.
• 채점표를 면접 전에 만들어라 — 각 질문마다 1~5점 기준을 문장으로 적는다. “5점: 본인이 직접 실행했고 수치로 결과를 말할 수 있다” 식이다. 면접 후에 만드는 채점표는 이미 결론을 정당화하는 도구다.
• 한 시간짜리 대화 대신 두 시간짜리 작업표본을 넣어라 — 실제 업무와 가장 닮은 과제를 준다. 개발자에게는 실제 코드베이스와 비슷한 문제를, 마케터에게는 자사 데이터로 만든 기획 과제를 준다. 과제는 유급으로 하고 분량을 지원자의 반나절 안으로 제한한다.
• 점수는 각자 적은 뒤에 모여라 — 합의 회의를 먼저 열면 목소리 큰 사람의 인상이 전원의 점수가 된다. 개별 채점 → 제출 → 그다음 토론 순서를 지킨다.
• 직무기술서를 분기마다 갱신하고, 갱신 이력을 남겨라 — 요구 스킬이 2배 속도로 바뀌는 직무라면 1년 전 직무기술서로 뽑는 것은 1년 전 회사에 맞는 사람을 뽑는 일이다.
• 채용 결과를 6개월 뒤에 되짚어라 — 면접 점수와 실제 성과 평가를 붙여 놓고 상관을 본다. 이 표가 없으면 어떤 방법론도 개선되지 않는다.

‘사람 보는 눈’이 없다는 얘기가 아니다. 다만 그 눈은 같은 조건에서 여러 번 써 봐야 교정된다. 구조화는 직관을 버리는 절차가 아니라, 직관이 틀렸을 때 그 사실을 알 수 있게 만드는 절차다.

본문의 메타분석 수치와 채용시장 통계는 각 논문·보고서의 공개본을 인용했다. 개별 기업의 채용 절차는 법·산업·직무에 따라 요건이 다르므로 도입 전 검토가 필요하다. 이 글은 경영 사례 분석이며 특정 종목의 매수·매도를 권유하지 않는다.