.svg)
좋은 면접은 기록보다 질문에서 갈린다 — AI는 면접관을 어떻게 도울 수 있을까?
Interview Intelligence 시리즈 2/2
완벽한 녹취록이 생겨도, 그 자리에서 핵심을 되묻지 않았다면 놓친 정보는 돌아오지 않습니다. 면접 AI의 더 중요한 역할은 이미 나온 답을 정리하는 것이 아니라, 아직 부족한 근거를 더 확보하게 하는 것일 수 있습니다.
“제가 거의 전체를 리딩했습니다”라는 말을 들었지만 실제 기여도를 묻지 않았다면, 녹취록에는 검증되지 않은 주장만 정확하게 남습니다.
이 글의 결론
1. 면접의 품질은 얼마나 많이 기록했느냐보다, 판단에 필요한 근거를 얼마나 확보했느냐에서 갈립니다.
2. 이력서·채용공고(JD)·방금 나온 답변을 함께 보면 더 직무에 맞는 검증 질문을 만들 수 있습니다.
3. 현재의 AI Assistant는 면접관을 대체하는 자동 인터뷰어보다, 놓칠 수 있는 검증 포인트를 보완하는 ‘두 번째 눈’에 가깝습니다.
실시간 기록과 실시간 검증은 다른 문제입니다
1편에서 확인했듯 일부 범용 AI 회의록도 면접 중 실시간 스크립트와 요약을 제공합니다. 기록의 품질은 “무엇을 말했는가”를 남기는 문제입니다. 면접의 품질은 “무엇을 더 물었어야 하는가”까지 다루는 문제입니다.
그럴듯한 답변보다 검증된 근거가 필요합니다
경력직 면접에서는 그럴듯하지만 한 번 더 파고들어야 하는 표현이 반복됩니다.
이 질문들은 면접이 끝난 뒤 아무리 좋은 요약 모델을 써도 대신 물어줄 수 없습니다. 결국 면접 품질은 그 자리에서 얼마나 깊이 있는 판단 근거를 확보했는지에 좌우됩니다.
채용공고(JD)
이력서와 채용공고(JD)를 먼저 넣으면 질문이 어떻게 달라질까?
테스트에는 소비재 이커머스 MD 지원자의 이력서와 상세 채용공고를 사용했습니다. 지원자 이력서에는 ‘재고 회전일수 15% 개선’이라는 성과가 있었고, 채용공고(JD)에는 ‘재고 회전과 품절 기회손실 사이의 trade-off 관리’를 핵심 책임으로 적었습니다.
Telta(텔타) Interview Pro는 면접 전에 이 둘을 함께 보고, 매출 성장의 실제 기여, 신규 상품 론칭에서 본인 역할, 프로모션 성과의 해석 기준 등을 ‘면접에서 확인할 것’으로 정리했습니다.
그리고 재고 관련 질문에서는 단순히 “재고를 어떻게 관리했나요?”라고 묻지 않고, 회전율 개선 과정에서 품절 위험을 어떻게 막았는지 묻는 방향을 제안했습니다.
면접 중에는 ‘좋아 보이는 답변’에서 한 번 더 들어갑니다
지원자가 신제품을 “거의 전체적으로 제가 리딩했다”고 말했다가, 최초 아이디어는 상품기획팀에서 나왔다고 설명했습니다. Interview Pro는 이 대목에서 성과 주도권에 대한 답변 일관성 확인 필요라는 주의 포인트를 띄우고, 실제 본인이 내린 결정이 무엇이었는지 파고드는 질문을 제안했습니다.
면접관보다 먼저 짚은 질문도 있었습니다
지원자가 신제품의 빠른 초기 판매를 설명했을 때 AI Assistant는 공급과 재고 대응을 물어보라고 제안했습니다. 실제 대본에서 면접관이 품절을 확인하기 약 8분 전입니다. 같은 조건으로 다시 실행했을 때와 일반 공고 조건에서도 같은 방향의 제안이 반복됐습니다.
AI Assistant는 ‘자동 면접관’이 아니라 ‘두 번째 눈’에 가깝습니다
잘 잡은 사례만 있었던 것은 아닙니다. 이력서의 25억 원과 면접 초반에 말한 30억 원의 차이는 실시간에서 짚지 못했고, 면접관이 직접 물은 뒤에야 정리됐습니다. 현재 수준의 AI Assistant는 면접관을 대체하기보다, 순간적으로 놓칠 수 있는 검증 포인트를 보완하는 두 번째 눈에 가깝습니다.
질문을 많이 만드는 것과 좋은 질문을 만드는 것은 다릅니다
생성형 AI에게 “MD 면접 질문 20개 만들어줘”라고 하면 누구나 많은 질문을 얻을 수 있습니다. 실제 면접에서 더 어려운 일은 지원자가 방금 한 답을 듣고 지금 무엇을 더 검증해야 하는지 판단하는 것입니다.
- 방금 한 답변을 실제로 반영하는가
미리 만든 질문을 반복하지 않고, 직전 답변의 모호함을 파고드는가. - 이력서·채용공고(JD) 맥락과 연결하는가
서류의 숫자·범위와 이 역할의 핵심 책임을 함께 보고 묻는가. - 성과의 귀속·기준선·trade-off를 검증하는가
팀과 개인의 기여, 목표치의 근거, 외부 요인, 성공의 대가까지 확인하는가. - 근거 부족과 낮은 역량을 구분하는가
질문하지 않은 영역을 낮은 역량으로 단정하지 않는가.
면접이 끝난 뒤에도 중요한 것은 ‘평가’보다 ‘평가 근거’입니다
Interview Pro 리포트는 공통역량과 직무역량, 포지션 적합도를 정리하고, 판단에 사용한 지원자 발화를 함께 보여줍니다. 이번 테스트에서는 상세 채용공고(JD)를 넣었을 때 프로모션 효과와 상품력의 인과를 다시 확인하라는 후속 질문처럼 직무에 더 맞춘 내용이 추가되기도 했습니다.
리포트 상단의 점수·강점·보완점.
역량 판단과 실제 근거 발화를 함께 확인할 수 있는 영역.
반대로 자동 추천된 평가 역량이 직무와 어긋난 사례도 있어, AI가 만든 평가 기준 자체를 사람이 확인할 필요는 있었습니다.
Interview Intelligence의 목적은 더 많은 평가가 아니라 더 많은 근거(evidence)입니다
면접에서 사람의 역할은 여전히 큽니다. 답변의 맥락을 이해하고, 조직과 직무에 맞는 의미를 해석하고, 최종 채용 판단을 내리는 것은 면접관의 일입니다.
AI가 더 잘할 수 있는 일은 다릅니다.
AI가 더 많은 평가를 대신하는 것이 아니라, 사람이 더 많은 근거를 가지고 평가하도록 만드는 것.
저희가 Interview Pro를 만들면서 해결하려는 문제는 여기에 가깝습니다.
더 좋은 면접 AI의 기준은 ‘얼마나 많이 대신 평가하느냐’가 아닙니다.
면접관 혼자라면 놓쳤을 판단 근거를 얼마나 더 확보하게 해주느냐. 기록이 이미 충분히 좋아진 다음에는, 이 차이가 면접 AI의 더 중요한 성능 기준이 될 수 있습니다.
테스트 조건: 약 23분 30초의 동일 합성음성 모의면접. 지원자 이력서와 소비재 MD 채용공고를 Interview Pro에 등록한 뒤 브라우저 마이크로 동일 음성을 재생했습니다. 상세 공고 조건은 2회, 일반 공고 조건은 1회 실행했습니다. 대본에 미리 심어둔 7개 검증 포인트를 기준으로 보면 상세 공고 1회차에서 면접관보다 선제적으로 같은 방향을 짚은 항목 2개, 면접관 질문 직후 같은 방향의 제안이 나온 항목 2개, 선제적으로 잡지 못한 항목 3개였습니다. 이 수치는 제품 KPI라기보다 제한된 테스트에서 Assistant의 역할과 한계를 투명하게 보여주기 위한 참고값입니다. 본 글의 사례가 모든 실제 면접에서 동일하게 재현된다는 의미는 아닙니다. 면접 중 실시간 스크립트·요약의 도구별 비교는 1편에서 다뤘습니다.
함께 읽어보면 좋은 글
