자소서는 성과와 이직을 예측하는가
상태바
이 기사를 공유합니다
자소서는 성과와 이직을 예측하는가
  • 2020.03.13 13:00
자기소개서를 작성하거나 그 자기소개서를 바탕으로 누군가를 파악하는 것은 정말 쉽지 않은 일입니다. 머신러닝을 이용하는 것이 대안이 될 수 있을까요? 머신러닝을 이용해서 자기소개서와 이력서를 분석한 연구를 소개하고자 합니다.

채용selection 과정에서 인공지능의 사용이 늘어나고 있습니다. 서류 심사에서 면접에 이르기까지 국내외 많은 조직에서 인공지능 기술을 도입하고 있습니다. 인공지능은 인간보다 많은 정보를 정확하게 효율적으로 파악할 있습니다. 입사지원자들도 채용에서 인공지능을 활용하는 것을 긍정적으로 평가합니다Van Esch, Black, & Ferolie, (2019). 입사지원자가 인공지능 면접을 경험할 경우 새로운 경험을 했다고 생각하며 즐거움을 느낍니다. 채용과정에서 인공지능 기술을 활용하는 것은 회사의 자산이나 기술 수준을 반영하며, 입사지원자들은 이런 회사에 대해서 호의적인 태도를 갖고 높은 입사 의향을 보입니다 Van Esch et al., (2019). 조직의 입장에서는 효율성을 기할 있고, 입사지원자들에게도 호의적인 반응을 형성한다는 점에서 채용 과정에서 인공지능의 사용은 증가될 것으로 예상됩니다.

 

인공지능을 이용한 분석은 실제로 직무성과나 이직을 예측할까요? 머신러닝을 이용해서 자기소개서와 이력서를 분석하고 직무성과와 이직의 관계를 파악한 연구를 소개하고자 합니다 Sajjadiani, Sojourner, Kammeyer-Mueller, & Mykerezi, E. (2019). 정량화하기 힘든 자기소개서와 이력서의 경우 조직마다 나름의 기준이 있지만 인간의 평가는 어느 정도 수준의 편향bias 가질 밖에 없고 개인이 이를 분석하는 것은 효율성이 떨어집니다. 예를 들어, 지원자들의 이력work history 파악할 많은 이력서를 봐야 하는 채용담당자는 지원자에게 공백기가 있을 경우 그것이 교육을 받기 위해서인지, 육아 때문인지 파악하기 어렵고 이를 임시적인 방법으로 계량화하는 우를 범하기도 합니다(Tesluk & Jacobs, 1998). 연구자들은 머신러닝은 근접한 텍스트의 연관성을 파악함으로써 자기소개서나 이력서와 같은 자료를 정확하고 효율적으로 분석할 있는 방안이 있다고 설명합니다.

인터넷에 소개된 자기소개서 안내 https://www.ekmanpower.co.kr/_community/self_int.php/
인터넷에 소개된 자기소개서 안내사이트.  https://www.ekmanpower.co.kr/_community/self_int.php/

해당 연구에서는 미국의 공립 교사직에 지원한 사람들의 자료를 활용하였습니다. 16,000여명의 지원자들의 이력서와 자기소개서job applicants forms 분석하였습니다. 연구자들은 이론을 바탕으로 관심 있는 요인에 대해서 지도된supervised 머신러닝 기법을 사용하였습니다. 주요하게 파악하고자 것은 현재 지원하는 직무와 이력의 관련성work experience relevance 과거 이직여부입니다. 이직의 이유는 경제적 불황 외부적인 요인으로 인한 비자발적인 이직involuntary turnover인지, 자발적 이직voluntary turnover인지를 파악하였습니다. 자발적 이직의 경우 이직의 이유가 나은 일을 하기 위해서인지, 나쁜 일을 피하기 위해서 인지 구분하였습니다. 나은 일을 하기 위해서의 경우 '나의 능력과 교육에 대한 헌신을 다양한 상황에서 접목해 보기 위해서 이직하였다' 등의 내용이 포함된 반면, 나쁜 것을 피하기 위한 이직은 '근무 환경이 만족스럽지 못했다' 등의 내용이 포함되었습니다.

 

이렇게 자기소개서와 이력을 분석한 내용이 교사가 5 혹은 10 후의 성과와 이직을 예측하는지를 파악하였습니다. 교사의 성과는 학생들의 평가, 전문가들이 측정한 성과, 학생들의 시험 성적으로 파악하였고, 실제 이직 여부를 파악하였습니다. 조직 영역에서 개인의 성과와 실제적인 이직 여부는 매우 중요하지만 구하기 힘든 자료입니다. 연구에서는 객관적이고 다양한 측면의 성과와 실제의 이직 여부를 파악했다는 점에서 의미있는 결과라고 있습니다.

 

연구 결과, 직무와 관련된 이력을 이미 가지고 있던 구직자는 실제로 채용이나 성과에서 좋은 결과를 보였습니다. 그러나 이직은 좀 더 자세히 들여다봐야 하는 것이, 비자발적으로 이직하게 된 이력이 있다면 그 점은 채용이나 성과 영향을 주지 않았습니다. 반면 자발적으로 이직한 경우라면, 특히 내가 나은 일을 위해 이직한 경험이 있다면, 그 점은 채용 아니라 성과의 다양한 지표와 정적인 관계를 가졌습니다. 그리고 자발적으로 이직을 했다 하더라도, 나쁜 일을 피하고자 이직한 경험이 자기소개서나 이력서에 드러났다면, 채용과 장기적인 성과와 부정적인 영향을 미쳤습니다. 즉, 자기소개서와 이력서를 작성할 현재 지원하는 직무와의 관련성을 능력, 기술, 태도의 측면에서 기술하는 것은 좋은 공략 지점이 될 것입니다. 또한, 이직의 이유가 채용 성과에 중요한 요인이 있다는 것도 고려해야 합니다.

 

마지막으로, 인사팀에서 썩 유쾌하지 않을 연구 결과도 있었습니다. 머신러닝의 채용 추천 결과와 현재 쓰이고 있는 채용 시스템의 결과를 비교한 결과, 머신러닝에 기반한 채용이 성과와 이직을 예측하는데 있어 더 정확하고 효율적인 것으로 나타난 것입니다. 머신러닝이 앞으로 채용 과정에서 많이 사용될 것이라는 전망을 하게 하는 연구입니다. 그러나 그것을 어떻게, 누구에게 사용할지를 결정하는 것은 여전히 사람의 몫일 것입니다.

 

글을 쓰며, 취업을 준비하는 사람들을 생각해 봅니다. 2월에 졸업을 했다면, 코로나 사태로 각 학교의 졸업식에 참석하지 못했겠지요. 채용 일정들은 연기되어 채용문이  멀리 있는 것처럼, 더 좁은 것처럼 느껴질 수도 있습니다. 소속감의 불안을 느끼며 채용 사이트와 뉴스를 보고 있을 모습이 그려지기도 합니다. 좁아진 취업문을 두드리며 자기소개서를 쓰고 있는 분들이 글을 읽고 있다면 글쓰기 작업에 작은 도움이 되었기를 바래봅니다. mind

 

 

<참고문헌>

 

  • Sajjadiani, S., Sojourner, A. J., Kammeyer-Mueller, J. D., & Mykerezi, E. (2019). Using machine learning to translate applicant work history into predictors of performance and turnover. Journal of Applied Psychology, 104, 1207–1225.
     
  • Tesluk, P., & Jacobs, R. (1998). Toward an integrated model of work experience. Personnel Psychology, 51, 321–355.
     
  • Van Esch, P., Black, J. S., & Ferolie, J. (2019). Marketing AI recruitment: The next phase in job application and selection. Computers in Human Behavior, 90, 215-222.
박지영 중앙대 인문콘텐츠연구소 연구교수 산업및조직심리 Ph.D.
사람들이 왜 일을 하고, 일에서 어떻게 의미를 갖는지 등 개인의 일에 대한 주관적인 경험에 관심이 있다. 일의 의미, 지루함(권태) 그리고 인공지능에 대한 연구를 진행 중이다. 연세대에서 산업 및 조직심리학 박사학위를 받고, 현재 인공지능과 관련된 중앙대 연구소에 연구교수로 재직 중이다.

댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.