.svg)
A사는 해외 채널영업, 브랜드 MD, 퍼포먼스 마케팅처럼 전문성이 또렷한 포지션을 여러 브랜드에 걸쳐 빠르게 채용하고 있었습니다. 요즘 K-뷰티의 승부처가 북미인 만큼 요구되는 채용의 속도, 퀄리티, 포지션 수는 채용팀의 수용량을 아득히 넘어섰고 면접은 대부분 현업 리더의 몫이었습니다. 채용을 총괄하던 A사 담당자는 면접이 거듭될수록 같은 문제들과 마주쳤습니다.
- 면접관마다 평가 기준이 달랐습니다. 누구는 추진력을, 누구는 영어 역량을 먼저 봤고, 면접 평가표를 갖춰 두어도 같은 문항을 해석하는 방향이 면접관마다 갈렸습니다.
- 대화와 평가를 동시에 하다 핵심을 놓쳤습니다. 면접관이 직접 받아 적는 사이 후속 질문을 던질 타이밍이 지나갔고, 평가의 근거는 결국 기억에 의존했습니다.
- 좋은 숫자가 곧 좋은 역량은 아니었습니다. 같은 퍼포먼스 마케터라도, 후보가 말한 성과가 본인의 실험과 최적화 판단에서 나온 것인지 제품과 시장이 좋았던 덕인지는 짧은 대화로 가려내기 어려웠습니다. A/B 테스트나 어트리뷰션 분석 같은 말은 후보 대부분이 비슷하게 했고, 그 안에 담긴 실제 깊이는 표면적인 답변만으로는 잘 드러나지 않았습니다.
세 가지는 결국 하나의 리스크로 모였습니다. 누가 면접을 보든 같은 기준으로 후보를 본다는 보장이 없다는 것. 전사 채용 품질을 책임지는 채용 팀 입장에서는 해결해야 할 문제였습니다.
회의록이 아닌, AI 면접 분석을 선택한 이유
A사가 찾은 답은 면접을 더 잘 받아 적는 도구가 아니었습니다. 누가 면접을 보든 후보의 역량을 같은 기준으로 읽어내는 분석이었습니다. 그래서 범용 회의록 도구를 거치지 않고, 처음부터 채용 인터뷰에 특화된 텔타 Interview Pro로 면접을 운영하기 시작했습니다.
시작은 버튼 한 번이었습니다. 면접이 진행되는 동안 대화는 실시간으로 텍스트로 변환되고, 면접관과 후보자의 발언이 자동으로 분리됩니다. 덕분에 면접관은 받아 적기를 멈추고 눈을 맞추며 대화에 집중할 수 있었습니다.
퍼포먼스 마케팅 후보자가 "ROAS를 두 배로 올렸다"고 말하는 순간, AI는 그 발화를 직무 역량 신호로 분류하고 확인이 필요한 대목으로 표시한 뒤 맥락에 맞는 추가 질문을 제안합니다. 면접관은 그 흐름을 받아 "그 개선에서 직접 설계하거나 바꾼 건 무엇이었고, 그게 효과였다고 어떻게 판단하셨나요"처럼 성과의 숫자가 아니라 그 숫자를 만든 판단을 파고들 수 있었습니다. 경력의 연차가 아니라 실제로 한 행동을 확인하는 면접으로 바뀐 것입니다. 면접이 끝나면 질문과 답변을 정리한 QnA 요약본과 보정된 스크립트가 곧바로 제공돼, 평가의 근거가 기억이 아니라 후보자가 실제로 한 말로 남았습니다.
글로벌 선도사의 직무 데이터로 실행되는 AI 면접 분석
면접관에 따라 평가가 흔들리지 않았던 건, 리포트 뒤에 직무별 역량 기준이 먼저 마련돼 있었기 때문입니다. 텔타는 A사가 채용하던 핵심 직무를 먼저 정한 뒤, 전 세계에서 그 일을 가장 잘 실행해내는 기업들의 직무 기술서를 분석해 직무마다 진짜 필요한 역량을 행동 단위로 정리했습니다. 한 회사의 취향이 아니라 글로벌 시장에서 그 직무가 어떻게 일하는지가 기준이 된 것입니다.
직무마다 데이터를 끌어온 기업이 다른 데는 이유가 있습니다. 채널영업의 기준은 전 세계 유통망을 운영하는 소비재 선도사에서, 퍼포먼스 마케팅의 기준은 데이터로 성장을 만들어온 기업에서 나와야 그 직무의 실제 모습에 맞기 때문입니다. 그래서 '해외영업' 경력이라는 라벨이 아니라, 그 직무가 실제로 하는 태스크를 해봤는지, 어떻게 행동했는지를 중심으로 후보를 평가하게 됐습니다.
리포트는 바로 이렇게 세운 스킬셋에 비추어 후보자의 발화를 정리합니다. 기준이 면접관 개인의 감이 아니라 글로벌 선도사들이 실제로 일하는 방식에서 추출한 행동 데이터에 있다는 것. A사가 면접 평가에 근거와 신뢰를 더 할 수 있었던 이유가 여기 있었습니다.
누가 면접을 보든 같은 기준으로 평가하는 법
직무역량 리포트를 요청하면 후보자의 발화를 그 기준에 비추어 정리해 Fit 스코어와 함께 받아볼 수 있습니다. 덕분에 후보자가 말하는 성과가 본인의 가설과 검증, 판단에서 나온 것인지를 발화 근거로 가늠할 수 있었습니다.
가장 크게 달라진 건 일관성이었습니다. 면접관의 경험이나 그날의 컨디션과 무관하게 같은 기준이 적용됐고, 여러 면접관이 서로 다른 브랜드에서 만난 후보들을 같은 발화 데이터 위에서 비교할 수 있었습니다. 면접관이 누구든 같은 기준으로 묻고 평가하는 구조화 면접에 한층 가까워진 셈입니다. 전사 채용을 책임지는 리크루터는 직무별 채용 품질을 하나의 기준으로 들여다보게 됐고, 채용 결정을 임원에게 보고할 때도 "느낌이 좋았다"가 아니라 후보자가 실제로 한 말과 그때 포착된 역량 신호로 설명할 수 있었습니다.
도입을 위해 기존 채용 프로세스를 바꿀 필요도 없었습니다. 채용 공고에 AI 도구 활용 사실을 명시하고, 가입한 뒤 다음 면접부터 곁에 두는 것으로 충분했습니다.
성장하는 조직일수록 면접의 횟수는 빠르게 늘고, 면접관마다 기준이 흩어질 위험도 그만큼 커집니다. 다음 면접부터 Interview Pro와 함께 해보세요. 면접관은 대화에 집중하고, 기준은 한곳으로 모이게 됩니다.
