2015년 설립된 원티드는 데이터 분석을 기반으로 채용 중개 서비스를 제공하고 있다. 원티드는 최근 AI 기반의 직무, 지원자 추천 서비스인 매치업을 출시하였다. 원티드의 공동 창업자이자 제품 개발 총괄인 황리건 이사를 만나 원티드에서 적용하고 있는 애널리틱스 및 AI 기술에 대해 물어보았다.

 

[원티드 제품 개발 총괄 황리건 이사]

지원자와 일자리의 매칭 정확도를 높이기 위해 데이터 분석을 활용하는 것으로 알고 있다. 어떻게 적용하고 있는지 구체적으로 말해달라.

데이터 분석을 기반으로 사용자 경험과 채용률을 향상시키기 위한 활동을 하고 있다. 예를 들어, 각 전형별 합격률을 살펴보면, 서류 통과율이 10% 정도이고, 최종 합격률은 1~2%이다. 즉 기업이 원하는 지원자가 충분히 지원하고 있지 않다는 것이다.

지원자와 일자리 간의 매칭 적합도를 높이기 위해서는 우선 많은 지원자를 확보해야 하는데, 그러기 위해서는 지원 자체가 쉬워야 한다. 내가 작성해 놓은 이력서가 있고, 휴대폰만 있으면 1~2분 안에 지원할 수 있어야 한다. 그래서 원티드에서는 기업 자체적으로 채용 사이트를 운영하고 있거나 지원서 양식이 있더라 1차적으로는 원티드 양식을 사용하여 원티드에서 지원하게 한다. 다른 사이트로 이동해서 접수하거나, 별개의 지원서를 또 작성해야 하는 번거로움을 차단하는 것이다.

지원율을 높이기 위해서는 회사와 직무를 잘 보여주는 것도 중요하다. 회사 분위기나 문화는 시각적인 것이 많기 때문에 기업들이 채용공고를 낼 때 이미지를 많이 활용하도록 안내하고 있다.

직무 요건도 어떤 일을 하는 것인지 지원자들이 쉽게 알 수 있도록 관련 정보를 최대한 많이 넣도록 하고 있다. 채용 기준이 모호하거나, 직무 요건에 2개 이상의 직무 내용이 들어가 있는 채용공고는 지원자들이 기피한다. 직무 정보가 적으면 데이터 분석도 어려워지기 때문에 기업 고객에게 직무 소개를 충실하게 해달라고 요청하고 있다.

그리고 AI를 통해 지원자의 이력서와 채용공고를 분석하여 매칭 서비스를 제공한다. 우리 플랫폼에서 진행되는 채용 현황을 분석해 보면, 한 직무에 대한 필요 요건이나 그 직무에 대한 수요 및 선호도가 비슷하다. 그래서 직무 특성, 지원 이력, 서류 통과율 등을 분석하여 지원자에게 서류 통과될 가능성이 높은 기업을 추천하고, 기업에는 그들이 통과시킬 것으로 예측되는 지원자를 제안해준다.

예전에 지원자 추적 시스템(Applicant tracking systems, ATS)을 사용해 본 적이 있었는데, 문장을 이해한다기 보다는 단어 매칭에 가깝다는 인상을 받았다. AI는 이력서를 어느 정도 분석할 수 있을지 궁금하다. AI의 정확도는 어떠한가?

딥러닝 기술이 도입되기 전에는 사람이 점수 체계를 만들었다. 글자를 비교해서 일치율이 높을수록 점수를 높게 주거나, 특정 규칙에 부합될 때 점수를 주는 체계였다. 그러다 보니 규칙을 악용하여 높은 점수를 받게 되는 허점이 있었다.

하지만 딥러닝은 텍스트의 의미를 분석한다. 계산 공식도 사람이 아니라 수십만 건의 데이터를 보고 인공지능이 만든다. 예를 들면, 채용공고와 이력서의 매칭에 따라 서류가 합격되고, 불합격되는 것을 통계적으로 분석하여 공식을 인공지능 스스로 만들어낸다.

AI의 정확도는 내부적으로 평가하였다. 우리 팀에 지원자와 회사를 매칭했던 분들이 있어서 100개 정도의 매칭 샘플을 사람이 예측한 것과 AI가 한 것을 비교하였다. 가장 최근에 했던 테스트에서 AI가 예측한 것이 사람이 한 것보다 더 정확하게 나와 이 정보를 지원자와 인사 담당자에게 제공해도 되겠다고 판단하였다.

많은 데이터 분석가들이 한국어의 자연어 처리는 어렵다고 말한다. AI 기술 적용이나 데이터 분석 과정에서 겪은 어려움은 무엇인가?

한글 분석이 어려운 이유는 여러 가지가 있지만 일단 한글 데이터가 없다는 것이 가장 큰 어려움이다. 영어는 연구가 많이 되었기 때문에 관련 데이터도 많다. 딥러닝을 위해서는 십만, 백만, 최소 만 단위 이상의 데이터가 필요하다. 하지만 아직까지 한글 데이터는 많이 부족한 실정이다.

다행히 우리는 딥러닝을 적용할 수 있는 몇 십만 건의 한글 데이터를 가지고 있다. 그러나 참고할 수 있는 선행 연구가 많지 않기 때문에 데이터의 전처리부터, 최적화, 분석 모델 선정 등 전 과정을 우리가 직접 해야만 했다.

데이터 분석에서는 어떤 데이터를 쌓을 것인지 처음부터 잘 잡아내는 것이 중요한 것 같다. 관리하고자 하는 지표가 중간에 바뀌거나, 일부 지원자는 참여하고 다른 지원자는 참여하지 않으면 그 데이터는 못 쓰게 된다.

우리도 다양한 데이터를 체계화해서 적재하고 있는데, 나중에 쓸모없게 되거나, 많긴 한데 쓸 수 없는 데이터가 생긴다. 처음부터 어떤 데이터가 쌓이고 있는지, 어떤 데이터가 쓸모가 있고, 어떤 데이터는 쓰기 애매한지 등 데이터 분석가, 머신러닝 전문가, 인사 담당자 등 관련자들이 서로 논의를 하면서 진행하는 것이 중요한 것 같다.

채용에 AI, 애널리틱스를 적용하려는 기업에게 조언해 줄 것이 있다면 무엇인가?

우선 인사 담당자들이 데이터 분석 기반으로 일을 할 수 있는 환경이 만들어져야 할 것 같다. 인사 담당자들은 본래 업무만으로 바쁘기 때문에 데이터 분석가처럼 일할 수 없다. 그리고 기업의 채용 사이트가 보통 외주로 운영되다 보니 작은 부분 하나를 바꾸는 것조차 어려운 것이 현실이다.

따라서 인사 담당자가 데이터 기반으로 업무를 수행하기 위해서는 데이터 분석가, IT 운영자와의 협업이 필수적이다. 데이터 분석가와 인사 담당자가 가까운 거리에서 일하면서 분석 과제 선정, 결과물 평가를 함께 진행하고, IT 운영자와 긴밀하게 협업할 수 있는 구조가 되어야 인사 담당자들도 데이터 기반으로 업무를 수행할 수 있을 것 같다.

 

Facebook Comments