핵심 요약
채용 업무 효율화가 안 되는 이유는 도구가 부족해서가 아니라 ATS와 AI가 따로 놀기 때문입니다. 공고는 ATS에, 분석은 AI 창에 있으면 담당자가 계속 복사와 재입력을 하게 됩니다. 고용노동부 조사에서 인사 업무에 AI를 쓰는 기업은 86.7%였지만, 공식 채용절차 도입은 21.7%에 그쳤습니다.
AI를 도입했는데 채용팀 업무가 크게 줄지 않았다는 이야기를 종종 듣습니다. 공고 및 지원자 정보는 ATS에 있고, 분석은 AI 도구에서 하고, 결과는 다시 사람이 옮겨 적기 때문이에요.
채용 업무 효율화는 도구를 늘리는 일이 아니라 흩어진 작업을 하나의 흐름으로 잇는 일에 가깝습니다. 그 흐름의 기준점이 되는 게 ATS고요.
이번 아티클에서는 ATS 활용이 왜 효율화의 출발점인지, 채용에 AI를 활용하는 방식에는 무엇이 있는지, 그리고 법적 리스크를 줄이면서 속도를 내는 방법까지 정리해보겠습니다.
AI를 도입해도 손이 줄지 않는 이유
AI 성능이 부족해서가 아닙니다. AI가 채용 데이터를 직접 읽지 못하면 담당자가 그 사이를 계속 메워야 하기 때문입니다. ATS에서 복사하고, AI에 붙여넣고, 결과를 다시 옮겨 적는 식이죠.
고용노동부가 2025년 발표한 자료를 보면, 매출 상위 500대 기업의 86.7%가 인사 업무에 AI를 활용하고 있습니다. 그런데 공식 채용절차에 도입한 비율은 21.7%였습니다. 많이 쓰고는 있지만, 채용 단계에서는 아직 조심스럽다는 뜻으로 읽힙니다.
이 간극이 중요합니다. 병목이 기술 부재보다 연결 부족과 공정성 리스크에 있다는 신호이기 때문입니다.
AI를 활용하는 방식은 두 가지입니다
채용에 AI를 활용하는 방식은 크게 두 가지입니다. 솔루션 안에 내장된 AI가 지원서를 평가하는 방식과 평소 쓰는 클로드나 챗GPT, 제미나이를 채용 데이터에 연결하는 방식이죠. 둘 다 AI 활용이지만 작동하는 방식과 위치가 다릅니다.
첫 번째는 내장 AI입니다. 그리팅 AI 서류평가 기능의 경우, 회사가 정한 선호·비선호 조건을 가중치로 설정해두면, AI가 지원서의 문맥까지 읽어 점수와 그렇게 판단한 근거를 함께 정리합니다. 단순히 키워드가 있는지 세는 게 아니라, 어떤 경험이 왜 조건에 부합하는지를 문장으로 남기는 거죠.
여기서 나오는 결과물이 면접으로 이어집니다. 이력서만으로 판단하기 어려운 지점, 그러니까 면접에서 확인해볼 만한 포인트까지 함께 제시되기 때문입니다. 서류 검토가 거르는 일에서 '다음 단계 질문을 준비하는 일'로 바뀌는 셈이에요.
두 번째는 외부 AI 연동입니다. 평소 쓰던 클로드나 챗GPT, 제미나이에서 채용 데이터를 직접 불러와 처리하는 방식이죠. 여기서 등장하는 게 MCP(Model Context Protocol)입니다. Anthropic은 MCP를 AI 애플리케이션이 도구와 데이터를 연결하는 개방형 표준으로 설명합니다.
이 방식의 강점은 질문이 정해져 있지 않아도 된다는 점입니다. 내장 AI가 미리 설계된 평가를 반복한다면, 외부 AI 연동은 그때그때 떠오르는 질문에 답합니다. "이번 분기 직군별 합격률", "최종 합격자들이 어느 경로로 들어왔는지"와 같은 것들이죠. 매번 데이터를 뽑아 엑셀로 정리하던 일이 대화 한 번으로 끝납니다. 새 도구를 배울 필요가 없다는 것도 큽니다.
이 구분이 중요한 이유가 있습니다. 두 방식은 잘하는 일이 다르거든요.
- 내장 AI: 정해둔 기준으로 지원서 평가, 공고 초안 작성처럼 채용 흐름 안에서 이뤄지는 작업
- 외부 AI 연동: 데이터 조회와 분석부터 리포트 작성까지, 그때그때 달라지는 요청
- ATS: 두 방식이 공통으로 읽는 채용 데이터가 쌓이는 곳
그래서 둘 중 하나만 고르는 문제가 아닙니다. AI를 도입했는데 왜 안 빨라졌는지 묻는 팀은, 대개 둘 중 어느 쪽도 아닌 방식으로 쓰고 있는 경우가 많아요. ATS 밖에서 AI 창을 따로 열고, 데이터는 손으로 옮기는 식이죠.
흐름은 분명합니다. AI를 따로 열어 데이터를 옮겨 넣던 방식에서, AI와 채용 데이터가 이어지는 방식으로 넘어가고 있습니다. 시스템 안에서 AI가 작동하든, 밖에 있는 AI가 데이터를 읽어오든 방향은 같습니다. 사람이 그 사이를 메우지 않는 것이죠.
ATS를 기준으로 두면 흐름이 이어집니다
운영 속도는 AI 도구 하나를 도입한다고 크게 달라지지 않습니다. ATS 내 쌓인 채용 데이터를 기준으로 두고 채용 채널, 캘린더, 메일, AI 도구 등이 한 데 이어질 때 담당자의 손품이 실제로 줄어듭니다.
예를 들어 채용 한 건이 이렇게 흘러갑니다.
- 공고 작성: AI가 초안을 쓰고 담당자가 다듬습니다.
- 공고 게시: ATS에서 채용 채널로 한 번에 내보냅니다.
- 지원자 접수: 유입 경로와 단계 이동이 자동으로 기록됩니다.
- 면접 조율: 캘린더와 연결해 일정을 확정합니다.
- 결과 분석: 쌓인 데이터를 AI에게 물어 리포트를 받습니다.
이렇게 보면 AI의 역할이 선명해집니다. 사람을 대신해 최종 결정하는 도구가 아니라, 운영의 병목을 줄이는 보조 레이어에 더 가깝습니다.
아래처럼 보면 이해가 빠릅니다.
| 구분 | 잘 안 풀리는 방식 | 속도가 붙는 방식 |
|---|---|---|
| 데이터 위치 | ATS와 AI가 분리됨 | ATS가 기준 데이터가 됨 |
| 담당자 역할 | 복사, 붙여넣기, 재입력 반복 | 검토와 최종 판단에 집중 |
| 연결 범위 | 단일 작업 보조에 그침 | 공고, 일정, 평가, 리포팅까지 이어짐 |
| AI 활용 방식 | 텍스트 생성 위주 | 조회, 분석, 작성까지 연계 |
| 확장성 | 사람 손이 늘수록 한계 | 채용 건수가 늘어도 구조 유지 가능 |
단계별 데이터가 한곳에 쌓여야 어디가 막혔는지도 보입니다. 그 지표를 나눠 보는 방법은 채용 퍼널 분석 5단계에서 확인할 수 있습니다.
규칙으로 풀 일과 판단이 필요한 일은 다릅니다
채용 업무는 두 종류로 나뉩니다. 조건만 맞으면 자동으로 흘러가도 되는 일과 사람이나 AI가 맥락을 읽어야 하는 일이죠. 이 구분이 없으면 AI에게 무엇을 맡겨야 할지 정하기 어렵습니다.
규칙으로 풀리는 일은 조건이 명확합니다. 서류 접수 완료 안내, 평가 요청 리마인드, 면접 일정 확정 통보 같은 작업이에요. 정해진 흐름이 있으면 사람이 매번 판단할 필요가 없습니다.
반면 AI가 강한 건 맥락이 필요한 일입니다.
- 이력서 여러 개를 비교해 공통 강점 정리
- 직무에 맞는 면접 질문 초안 작성
- 불합격 사유 패턴 요약
- 채널별 지원자 특성 비교
- 경영진 보고용 채용 리포트 초안 작성
즉, 규칙형 작업은 조건을 미리 정해두면 되고, 판단형 작업은 AI가 돕습니다
효율화 순서도 이 기준으로 잡는 편이 좋습니다.
- 규칙이 분명한 반복 작업부터 정리합니다
- 그다음 AI가 볼 데이터가 제대로 쌓이는지 확인합니다
- 마지막으로 AI를 채용 데이터에 연결합니다
이 순서를 거꾸로 가면, AI는 도입했는데 정작 볼 데이터가 지저분해서 효과가 미미해집니다.
지원자가 물었을 때 답할 수 없다면 위험합니다
효율만 강조하면 위험합니다. 개인정보보호법은 완전히 자동화된 시스템이 개인의 권리와 의무에 중대한 영향을 미치는 결정을 내릴 때, 정보주체에게 거부권과 설명 요구권을 인정하기 때문입니다.
채용에서 이 조항이 문제 되는 순간은 분명합니다. AI 점수만으로 서류 탈락이나 순위 확정이 이뤄지면 이 범주에 가까워집니다. 또 남녀고용평등법은 모집과 채용에서 성별 차별과 직무 무관 조건 요구를 금지하는데, AI가 그런 항목을 직접 쓰지 않아도 비슷한 대체 변수로 영향을 줄 수 있다는 점이 더 까다롭습니다.
정리하면 기준은 이렇습니다.
- AI는 추천과 요약, 분석 보조에 우선 배치합니다.
- 합격과 불합격의 최종 판단은 사람이 맡습니다.
- AI 활용 사실과 범위를 지원자에게 고지합니다.
- 평가 기준과 설명 가능한 기록을 남깁니다.
- 직무와 무관한 변수는 입력 단계부터 걷어냅니다.
고용노동부도 채용분야 인공지능 활용 가이드라인 마련과 AI 채용 사전고지 제도화를 추진하겠다고 밝혔습니다. 규제가 어디까지 확장될지는 2026년 채용절차법 점검 포인트에서 더 자세히 다룹니다.
효율화는 작게 시작해야 오래 갑니다
전면 개편보다 속도가 느린 구간 하나를 먼저 고르는 편이 성과가 빨리 보입니다. 공고 작성, 일정 조율, 평가 회수, 보고서 초안 네 곳이 대체로 효과를 체감하기 쉬운 지점입니다.
이때 체크할 기준도 함께 보셔야 합니다.
- 우리 팀은 어떤 작업에 가장 많은 시간을 쓰는가?
- 그 작업은 규칙형인가, 판단형인가?
- 데이터는 ATS에 일관되게 쌓이고 있는가?
- AI가 결과를 내면 누가 최종 확인하는가?
- 지원자에게 고지할 문구와 범위는 정했는가?
AI 기능 및 솔루션을 검토 중이라면, 단순히 '되느냐' 보다 '어디까지 맡길 것이냐'를 먼저 정하세요. 평가 결과를 참고로 쓸지 기준으로 쓸지, 조회만 할지 후속 작업까지 이어갈지에 따라 설계가 달라집니다.
채용 업무 효율화의 출발점은 AI 도입이 아니라 ATS 활용입니다. AI가 읽을 데이터가 한곳에 쌓여 있어야, 내장 AI든 외부 AI 연동이든 제대로 작동하니까요. 복사와 붙여넣기가 사라지고 사람은 판단할 순간에만 개입하는 구조, 결국 이걸 만드는 팀이 빨라집니다.
그리팅 AI는 앞서 말한 두 방식이 모두 가능한, 국내 유일 채용 솔루션(ATS)입니다. 내장 AI 중 하나인 AI 서류평가 기능은 회사가 정한 선호·비선호 기준에 따라 지원서를 읽고 점수와 근거를 정리해줍니다.
외부 AI 연동은 MCP로 이뤄져, 평소 쓰는 클로드나 챗GPT, 제미나이에서 "이번 분기 직군별 서류 통과율 뽑아줘"처럼 대화로 물어보면 됩니다. 별도 개발 없이 간단한 설정만으로 연결되고, 사용자별 접근 권한이 적용돼 해당 사용자가 볼 수 없는 데이터는 AI도 읽지 못합니다.
두 방식이 실제로 어떻게 작동하는지는 그리팅 AX 소개 페이지에서 확인하실 수 있습니다.
자주 묻는 질문
Q1. AI로 서류를 1차 분류하면 불법인가요?
AI로 서류를 1차 분류하는 것 자체가 곧바로 불법은 아닙니다. 다만 개인정보보호법은 인공지능을 포함한 완전 자동화된 결정이 개인의 권리와 의무에 중대한 영향을 미치면 거부권과 설명 요구권을 인정합니다. AI 점수만으로 탈락시키기보다 추천과 정렬 보조로 쓰고, 최종 판단은 사람이 하도록 설계하는 편이 안전합니다. 왜 떨어졌는지 답할 수 있는 구조인지가 기준입니다.
Q2. 내장 AI와 외부 AI 연동은 무엇이 다른가요?
내장 AI는 ATS 안에서 작동하며, 회사가 정해둔 기준으로 지원서를 평가하거나 공고 초안을 쓰는 일처럼 채용 흐름 안에서 반복되는 작업을 맡습니다. 외부 AI 연동은 평소 쓰던 클로드나 챗GPT, 제미나이에서 채용 데이터를 불러와 그때그때 달라지는 조회와 분석 요청을 처리합니다. 둘은 대체재가 아니라 서로 다른 일을 합니다.
Q3. MCP 연동을 하면 무엇이 달라지나요?
채용 데이터를 AI에 옮기는 과정이 사라집니다. MCP는 AI 애플리케이션이 도구와 데이터를 연결하는 개방형 표준으로, 이 연결이 있으면 ATS에 있는 공고와 지원자, 평가 정보를 AI가 직접 읽습니다. 지원자 목록을 복사해 붙여넣는 대신 "이번 분기 직군별 합격률"을 바로 물어보는 식이죠.
Q4. 규칙형 작업과 AI가 잘하는 일은 어떻게 구분하나요?
조건이 명확하면 규칙형, 맥락 판단이 필요하면 AI 영역입니다. 예를 들어 접수 완료 안내나 평가 리마인드는 조건이 분명해 미리 정해두면 되고, 이력서 요약이나 면접 질문 초안 작성은 맥락을 읽어야 합니다. 이 구분을 먼저 해두면 AI에게 무엇을 맡길지 정하기 쉬워집니다.
Q5. ATS 없이도 채용 업무 효율화가 가능한가요?
도구를 개별로 쓰면서도 일부 개선은 가능합니다. 다만 공고, 지원자 정보, 평가 결과가 흩어져 있으면 복사와 재입력이 계속 발생해 효과가 제한됩니다. AI도 마찬가지여서, 읽을 데이터가 한곳에 없으면 사람이 매번 옮겨줘야 합니다. 도구를 늘리는 것보다 데이터가 쌓이는 구조를 먼저 만드는 편이 체감 속도를 바꿉니다.
