AI 이력서가 닮아갈수록 추천이 강해진다…채용의 역설

세계경제포럼의 9월 2일 고용 동향 은 생성형 AI로 지원서를 빠르게 맞춤화할 수 있게 되면서 문서만으로 후보자를 구별하기 어려워졌고, 그 결과 추천이 다시 강한 채용 신호가 될 수 있다고 분석했다. 지원서 작성 장벽을 낮춘 기술이 오히려 문서 밖의 인간관계와 검증 가능한 경험의 가치를 높이는 역설이다.

이는 AI로 작성한 이력서가 자동으로 불이익을 받거나, 기업들이 추천 채용을 일제히 확대했다는 뜻은 아니다. 현재 확인된 변화는 영미권 채용 현장에서 비슷하게 정돈된 지원서를 가려내기 위해 추천·네트워킹·실시간 평가를 함께 중시하는 흐름이며, 한국의 추천 채용 비중이 얼마나 달라졌는지는 공개 자료만으로 판단할 수 없다.

비슷한 지원서가 추천을 강한 신호로 만든다

생성형 AI는 직무기술서의 핵심어를 반영하고 문장을 매끄럽게 다듬는 비용을 크게 낮췄다. 많은 지원자가 유사한 도구와 지시문을 쓰면 자격 요건을 충실히 반영한 문서도 어휘와 구조가 닮게 된다. 이때 이력서는 후보자가 무엇을 주장하는지는 보여주지만, 그 주장이 실제 수행 경험에 근거하는지까지 증명하지는 못한다.

추천은 이 빈틈을 메우는 제3자의 신호다. 함께 일하거나 가르친 사람이 지원자의 역할과 행동을 구체적으로 확인하면 채용 담당자는 문서에 적힌 역량을 다른 경로로 대조할 수 있다. 따라서 제목의 ‘추천이 강해진다’는 표현은 공식 추천 건수가 전 세계에서 증가했다는 통계가 아니라, 표준화된 문서의 판별력이 약해질수록 개인적 확인의 상대적 가치가 커진다는 분석을 뜻한다.

실제 현장에서도 같은 반응이 관찰된다. 런던 채용 담당자들의 사례 에서는 기업들이 유사한 AI 보조 지원서를 구별하기 위해 추천과 네트워킹, 제한 시간 실무 평가를 활용하고 있으며, 화려한 수식보다 후보자가 실제로 완수한 구체적·정량적 성과를 찾는다는 설명이 나왔다.

초기 경력 구직자에게 AI는 이미 일상적인 도구다

지원서가 닮아가는 배경에는 초기 경력시장에서 AI 사용이 빠르게 보편화된 현실이 있다. 미국 대학생과 구직자를 연결하는 Handshake의 2026년 4월 졸업 보고서 에 따르면 2026년 졸업예정자의 85%가 AI를 사용했고, 3분의 1 이상은 매일 사용했다. 2024년 졸업반에서는 절반 가까이가 AI를 전혀 쓰지 않는다고 답했다.

기업의 수요도 동시에 움직였다. 2026년 3월 활성 인턴십 공고 가운데 AI 관련 핵심어가 포함된 비중은 10%를 넘었고, 정규직 공고의 해당 비중은 전년보다 거의 두 배가 된 4.2%였다. 졸업예정자의 58%는 직장에서 성공하려면 더 강한 AI 역량이 필요하다고 봤지만, 전공 과정에 AI가 의미 있게 통합됐다고 답한 비율은 28%에 그쳤다.

이 수치는 Handshake가 관찰한 미국 중심의 초기 경력시장 자료이므로 한국 채용 전체로 일반화할 수 없다. 다만 기업이 AI 활용 능력을 찾는 동시에 지원서에서는 AI가 만든 획일성을 경계할 수 있다는 긴장은 보여준다. 쟁점은 AI 사용 여부만이 아니라, 다듬어진 표현 뒤에 지원자가 직접 설명하고 입증할 경험이 있는지다.

추천의 귀환은 기회의 격차도 키울 수 있다

추천은 채용 비용을 줄이고 후보자의 경험을 빠르게 확인하는 데 유용하지만, 누구에게나 같은 조건으로 주어지는 신호는 아니다. 직업적 관계망은 학교, 지역, 계층, 성별과 가족 배경의 영향을 받는다. 문서 작성 능력의 격차가 줄어든 뒤 평가의 무게가 폐쇄적인 인맥으로 옮겨가면 접근성 문제는 사라지는 대신 다른 단계에서 커질 수 있다.

초기 경력 지원자가 추천을 임직원에게 채용을 부탁하는 행위로만 이해할 필요는 없다. 수업 프로젝트를 지도한 교수, 공동 과제를 수행한 동료, 인턴 업무를 지켜본 실무자처럼 특정 과업을 직접 관찰한 사람도 제한된 범위의 사실을 확인할 수 있다. 신뢰를 만드는 핵심은 추천인의 직급이나 유명세가 아니라 어떤 상황에서 지원자의 판단과 기여를 봤는지가 명확한지다.

이 구분은 인맥을 과장하지 않으면서도 추천의 기능을 활용하게 한다. 추천을 요청한다면 막연한 인성 칭찬보다 프로젝트 이름, 함께 일한 기간, 본인이 맡은 역할과 관찰자가 확인할 수 있는 결과를 좁혀 제시하는 편이 정확하다. 관찰하지 않은 능력까지 보증해 달라고 요구하면 추천 역시 AI가 만든 과장된 문장과 같은 검증 문제를 낳는다.

추천이 없다면 작업물이 검증 경로가 된다

추천인이 없는 지원자는 문장을 더 화려하게 만드는 대신 성과와 증거 사이의 거리를 줄일 수 있다. 이력서의 각 성과에는 맡은 범위, 사용한 방법, 결과와 측정 기간을 가능한 한 함께 적고, 팀 성과라면 개인이 담당한 부분을 분리하는 방식이 적절하다. 수치는 실제 기록으로 확인할 수 있을 때만 사용해야 한다.

공개 가능한 포트폴리오, 코드 저장소, 발표 자료나 결과 보고서가 있다면 관련 주장과 가까운 위치에 연결할 수 있다. 작업물 자체보다 중요한 것은 그것이 지원자의 역할을 식별할 수 있느냐는 점이다. 공동 프로젝트라면 전체 결과만 제시하지 말고 자신이 내린 결정, 수정한 부분, 다른 구성원과 나눈 책임을 설명해야 한다.

실시간 과제나 구조화된 면접에서는 완성된 답보다 의사결정 과정이 드러난다. 어떤 제약이 있었고, 무엇을 선택했으며, 결과가 예상과 달랐을 때 어떻게 수정했는지를 일관되게 설명할 수 있어야 한다. 이는 추천인을 대신하는 완전한 등가물은 아니지만, 채용 담당자가 지원서의 주장을 독립적으로 확인할 경로를 제공한다.

AI 편집과 허위 경험의 경계는 사실성이다

AI로 문장을 교정하거나 실제 경험의 순서를 직무에 맞게 정리했다고 해서 지원서가 곧바로 허위가 되지는 않는다. 반면 지원자가 설명하거나 증명할 수 없는 기술, 역할, 수치와 결과를 생성해 넣으면 편집 보조의 범위를 벗어난다. 팀 전체 성과를 개인 성과로 바꾸거나 익숙하지 않은 도구를 숙련 기술로 표시하는 것도 같은 문제다.

기업이나 학교가 AI 사용 공개를 요구한다면 해당 지침과 형식을 우선해야 한다. 별도 문구가 필요하지만 정해진 양식이 없다면 “문장 교정과 구조 정리에 생성형 AI를 사용했으며, 기재한 경험과 성과는 본인이 확인했다”처럼 사용 범위를 사실대로 짧게 밝힐 수 있다. 공개 요구와 별개로 수치, 고유명사, 역할 범위와 기밀 정보는 제출 전에 직접 대조해야 한다.

현재까지 확인된 것은 이력서가 사라지거나 추천만으로 채용이 결정된다는 변화가 아니다. AI로 지원서의 외형이 비슷해지면서 추천, 실제 작업물과 현장 평가가 후보자를 구별하는 보완 신호로 부상하고 있다는 점이다. 향후에는 추천 경로별 실제 채용률, 추천이 없는 후보자의 면접 진입률, 실무 평가 확대가 공정성에 미친 영향을 보여주는 지역별 데이터가 더 필요하다.