[AI 채용 사례 #1] 면접관의 감을 데이터로 증명한 텔타의 사업개발 채용 기록

인터뷰가 끝난 직후 회의실 문을 닫고 나올 때, 면접관들은 늘 비슷한 찝찝함을 공유하곤 합니다. 분명 한 시간 넘게 대화했지만, "이 사람이 정말 잘할까?"라는 물음에는 선뜻 확답을 내리기 어렵기 때문입니다.

주관과 감에 의존하는 인터뷰 평가의 한계

채용은 본질적으로 고맥락 판단의 연속입니다. 짧은 대화 속에서 후보자의 말투, 논리, 순발력 등 수많은 정성적 맥락을 조합해 우리 팀과의 궁합을 예측해야 하죠. 이 과정은 면접관에게도 엄청난 에너지를 요구하는 일입니다.

최근 AI 채용이 화두라지만 유독 이 영역에서 변화가 더딘 건 당연한 일일지도 모릅니다. "기계가 사람의 미묘한 의도나 맥락을 어떻게 알아?"라는 의구심은 채용 담당자로서 가질 수 있는 합리적인 경계심이니까요.

텔타 팀 역시 같은 고민을 했습니다. 우리는 AI가 면접관의 직관을 대신할 수 있을 거라 생각하지 않습니다. 다만, “직관이 확신이 되도록 돕는 든든한 보조 도구가 될 수는 있지 않을까?”생각했죠. 놓쳐버린 키워드와 휘발된 맥락을 데이터로 붙잡아 판단의 밀도를 높여보고자 했습니다.

이런 궁금증에서 8주 간의 텔타 AI 채용 과정이 시작되었습니다. 거창한 시스템 도입 대신, 우리가 선택한 작지만 솔직한 기록을 공유합니다.

‍

AI 채용의 목적을 달성하기 위해 세운 두 가지 전략

텔타의 목표는 명확했습니다. 면접관이 후보자와 나누는 정성적인 대화의 질을 떨어뜨리지 않으면서, 그 안에서 객관적인 판단 근거를 최대한 많이 확보하는 것이었죠. 이를 위해서 텔타는 두 가지 전략을 세웠습니다.

질문하는 면접관, 인터뷰를 기록하고 분류하는 AI

채용 담당자나 실무 면접관에게 가장 부담스러운 건 새로운 평가 툴의 도입일 겁니다. 질문 리스트를 강제하거나 복잡한 평가표를 채우게 하는 순간, 면접관은 후보자의 눈을 보는 대신 노트북 화면에만 집중할 수 밖에 없게 되죠.

우리는 기존의 자유로운 인터뷰 방식은 그대로 유지하되, AI가 대화의 맥락을 읽고 데이터를 추출하도록 설계했습니다. 인간은 경청하며 심층 질문을 던지는데 집중하고, 시스템은 기록과 분석을 담당하도록 철저히 역할을 분담한 겁니다.

글로벌 JD를 기준으로 객관화 하는 평가 기준

단순히 인터뷰 내용을 텍스트로 받아쓰는(STT) 수준이라면 이번 실험은 의미가 없었습니다. 우리는 전 세계 리딩 기업들이 올린 수만 건의 채용 공고를 AI로 분석해, 사업개발(BD) 직무라면 반드시 갖춰야 할 표준 스킬셋을 먼저 도출했습니다.

이 스킬셋은 후에 AI가 면접 답변을 분석하는 필터 역할을 합니다. 예를 들어 후보자가 과거 프로젝트 경험을 이야기할 때, AI는 글로벌 JD 데이터에 비추어 “이 답변은 전략적 사고와 데이터 분석 역량에 해당한다”라고 매칭하는 식입니다.

결과적으로 면접관은 면접이 종료된 뒤, 1시간이 넘는 대화 전체를 다시 들을 필요 없이 AI가 역량 별로 분류해 놓은 답변들만 확인하고, 자신의 판단이 맞았는지 최종 점검할 수 있게 되죠.

‍

내부에서 직접 경험하고 기록한 텔타의 AI 채용 사례

전략을 세운 뒤, 저희는 곧바로 사업개발(BD) 직무 인터뷰에 이 방식을 적용했습니다. 평소 진행하던 인터뷰의 앞뒤로 AI를 슬쩍 끼워 넣는 식이었는데요, 실제 저희가 겪은 인터뷰 과정은 아래와 같았습니다.

인터뷰 전 : 텔타가 원하는 사업개발(BD) 스킬셋으로 정립한 판단 기준

인터뷰를 시작하기 전, 저희는 텔타가 미리 정의해둔 사업개발 직무의 핵심 스킬셋을 훑었습니다. 그동안 머릿속에서만 모호하게 머물던 일 잘하는 기준들이 객관적인 지표와 명확한 단어들로 정리되는 느낌을 받을 수 있었습니다. 덕분에 우리 팀에 꼭 필요한 역량이 무엇인지 복기하고, 이를 검증하기 위한 구조적인 질문들을 보다 명료하게 준비한 채 후보자를 맞이했습니다.

인터뷰 현장 : 노트북을 덮고 몰입하는 인터뷰

💡 인터뷰 녹취는 후보자에게 사전 서면 동의를 받은 뒤 진행했습니다.

인터뷰가 시작된 뒤, 녹음 버튼을 누르고 대화를 시작했습니다. 평소라면 답변을 받아적느라 노트북 키보드를 두드리는 소리가 면접실의 소리를 채웠겠지만 이번에는 달랐습니다. 기록은 AI에게 맡기고 저희는 후보자의 눈을 보며 대화에만 온전히 집중했죠.

특히 미리 준비해 간 스킬셋 기반 인터뷰 가이드가 큰 도움이 되었습니다. 인터뷰 중간중간 가이드를 확인하며 어떤 역량이 충분히 검증되었는지, 아직 질문이 부족한 영역은 어디인지 체크하며 대화를 리드할 수 있었기 때문입니다. 덕분에 인간 면접관이 가장 잘할 수 있는 맥락 파악과 심층 질문에 집중적인 에너지를 쏟을 수 있었고, 평소보다 깊이 있는 대화를 나눴던 기억이 생생합니다.

인터뷰 후 : 데이터 리포트로 마주하는 확신의 순간

1.5시간의 인터뷰가 끝난 뒤, AI가 분석한 리포트를 확인했습니다. 리포트에는 저희가 나눈 방대한 대화 중 역량 검증에 꼭 필요한 답변들이 스킬별로 분류되어 있었습니다. 여러 명의 후보자를 인터뷰했음에도 특정 후보자의 핵심 답변을 빠르게 상기할 수 있었습니다. "시장 분석 능력이 좋다"는 막연한 느낌을 넘어, AI가 짚어준 근거 문장을 다시 읽으며 면접관끼리 확신을 공유할 수 있었죠.

이 데이터는 채용 결정 이후에도 큰 도움이 되었습니다. 합격자가 팀에 합류한 뒤 어떻게 온보딩하고 어떤 부분을 서포트해야 할지, 리더 관점에서도 구체적인 매니징 포인트를 미리 파악할 수 있었기 때문입니다.

‍

AI 채용 과정을 통해 얻은 두 가지 소득

내부에서 직접 AI 채용 사례를 만들어가며 저희가 얻은 결론은 명확합니다.

첫째, 판단의 근거가 투명해졌습니다. 막연하게만 느껴졌던 면접관의 직관을 눈에 보이는 구체적인 근거로 확인하고, 채용 결정을 내릴 수 있었습니다.

둘째, 인터뷰의 질이 높아졌습니다. 면접관이 기록에 대한 부담 없이 후보자와의 대화에만 온전히 집중할 수 있었던 점 또한 큰 소득이었습니다.

하지만 이 모든 과정이 가능하려면 중요한 전제가 하나 필요합니다. AI가 대화를 분석할 기준이 얼마나 정교한가 하는 것입니다. 아무리 똑똑한 AI라도 분석 기준이 모호하다면 인터뷰 결과 리포트의 내용을 신뢰하기 어렵습니다.

그래서 텔타는 실험을 시작하기 전, '사업개발(BD)은 어떤 일을 하고 무엇을 잘해야 하는가'라는 질문에 대한 답부터 찾아야 했습니다. 이어지는 2편에서는 텔타가 수만 건의 글로벌 데이터를 분석해 사업개발 직무의 역량을 어떻게 24개의 스킬셋으로 해체하고 정의했는지, 그 구체적인 과정을 공유해 드리겠습니다.

*이 콘텐츠는 텔타의 내부 채용 사례를 바탕으로 작성되었습니다.