전세계 인사 담당자가 사랑하는 AI 채용 도구 시리즈 - 1. 챗봇 '올리비아'

출처: 코딩월드뉴스 (https://cms.codingworldnews.com/news/articleView.html?idxno=4033)

 

취미로 작성하고 있는 HR&기술 관련 컨텐츠이다. 

비문은 애교로 봐주시길 바란다. (플랫폼에서 승인이 나면 수정이 불가능하다ㅠㅠ)

 

 

---

 

 

채용 관련 질문은 모두 올리비아에게!

구직자라면 채용 공고 확인에서 면접까지 많은 궁금점을 지니고 있을 것이다. 자신이 지원하고자 하는 직무의 정확한 업무부터 적성에 맞는 일인지, 그리고 면접에서 하면 될 질문과 해서는 안 될 질문 등 알고 싶어하는 내용은 제각각이다.

따라서 인사 채용 업무를 담당하는 이들은 입사지원자의 질문에 실시간으로 응대하며 채용 과정을 매끄럽게 진행하고, 지원자에게 좋은 채용 경험을 제공하는 역할을 한다. 대개 채용 과정이 후보자 찾기부터 입사 후 적응까지 반복적인 사이클을 따른다. 

여기 인사 담당 업무에 도움을 주는 동시에 많은 기업과 구직자의 궁금증 해소에 도움을 주목하는 챗봇이 있다. 바로 '올리비아(Olivia)'이다.

 

 

올리비아의 업무 
올리비아는 먼저 후보자 발굴 업무를 진행한다. 간단한 이름과 정보를 제공하면, 현재 열려있는 채용 공고 중 적합한 자리를 추천해준다. 예를 들어, "올리비아, 나는 영업 일에 관심이 있어"라고 채팅창에 입력하면, "여기 우리 회사에서 채용하는 직무 정보야. 이 중, 어떤 직무가 좋아"라고 답변을 하며, 선택권을 준다. 이후, 구직자가 원하는 직무를 선택하면, 경력을 물어보면서 기업이 원하는 인재상과의 적합도를 평가한다.올리비아가 그다음으로 할 일은 일정 예약이다. 후보자 검토 후, 면접을 진행하고자 할 때 캘린더와 연동해, 면접 일정을 확정한다. 올리비아가 직접 구직자에게 면접 가능한 시간을 안내하고, 원하는 시간을 물어보면서 면접 일정을 확정한다.

또, 회사와 관련된 구직자의 질문에도 답변한다. 일례로, 구직자가 기업 문화를 물어보면 근무 시간과 기업의 비전, 사내 직원 분위기 등을 알려준다. 그 외에 급여 및 복지 수준 등도 알려준다. 구직자의 질문에 실시간으로 답변해, 이전보다 더 전문적인 채용 경험을 제공한다. 게다가 입사 후에도 버디(Buddy) 역할을 하면서 회사 적응을 돕는다.

모두 인사 채용 담당자와 채용 코디네이터 등이 담당하던 직무이다. 그러나 올리비아가 일정 업무를 대체한다. 올리비아 개발사인 패러독스(Paradox) 측이 인사 채용 담당자의 행정 업무 시간이 주 평균 20시간이라는 점을 고려했을 때, 업무에 소요되는 시간을 효율적으로 단축하는 데 도움을 준다. 그리고, 인사 채용 담당자의 업무 부담 완화에도 도움이 된다. 
 
대규모 채용 과정에서 올리비아의 효과는?
현재, 미국의 유명 프렌차이즈 웬디스(Wendy's), 휴스턴 메토디스트(Houston Methodist) 등을 포함, 여러 리테일, 헬스케어 기업을 포함한 다양한 업계에서 올리비아를 사용하며, 대규모 채용에서 좋은 성과를 기록하는 것으로 확인됐다.

올리비아의 핵심 기술은 딥러닝 기반의 자연어 처리(NLP)이다. 머신러닝으로 구직자와의 대화 알고리즘을 설계한 뒤, 문자 메시지와 같은 형태의 UI로 구현해 질문에 답변한다. 기존 구직자와의 이메일, 문자, 대화를 포함한 다양한 업무 데이터를 활용해 올리비아의 학습을 돕고, 회사에 최적화된 알고리즘을 만든다. 데이터의 질과 양이 좋다면 코디네이션 업무 이상의 똑똑한 챗봇을 만들 수도 있을 것이다. 이 기술의 역량에 따라 올리비아가 향후 채용 과정에서 기여할 수 있는 범위가 정해질 것이다. 

그러나 여기서 핵심은 '얼마나 정확하게' 운영하는가이다. 채용 담당자는 인사팀의 얼굴과도 같다. AI 봇이라 해도 올리비아는 회사를 대표하여 입사 지원자와 마주하게 된다. 회사에서 합의되지 않은 내용을 전달하거나 변동 사항을 반영하지 못하는 등의 문제가 발생한다면, 입사 지원자의 채용 경험을 부정적으로 만들고 혼란만 초래할 수 있다. 이를 방지하기 위해 담당자의 빠르고 꼼꼼한 모니터링 및 정확한 알고리즘 설계가 필요할 것이다. 

또한, 국내에서 활용하고자 한다면, 한글 챗봇이 얼마나 현지화될 수 있는지 검토해야 한다. NLP 자체가 복잡하고 까다로운 기술인 것도 있지만, 한국어 처리 과정에서 언어 처리가 어렵다는 문제가 더 두드러지게 나타나기 때문이다. 한국어는 어간에 접사가 붙어 의미 및 기능이 변하는 교착어에 포함하며, 어순이 바뀌어도 의미가 같은 때가 많다. 인간이 사용하기에는 편리하지만 컴퓨터는 이를 같은 표현으로 받아들이지 못한다. 

그러므로 챗봇의 언어를 이미 안정화 되어 있는 영어 알고리즘으로 통일하는 것도 안정적 운영 방법이 될 수 있다. 한글 채용 챗봇이 꼭 필요하다면, 얼마나 정확한 대화가 가능한지 지속적 고도화 작업을 거쳐 도입하면 좋을 것이라 생각한다.