재미난 공부들/DT & IT Evangelist 활동 정리

전세계 인사 담당자가 사랑하는 AI 채용 도구 시리즈 - 2. 소싱 자동화를 위한 '어메이징하이어링'

HR & 빅데이터 2021. 6. 18. 17:53

AI소싱 툴에 관한 글을 작성했다.

출처: 코딩월드뉴스(https://cms.codingworldnews.com/news/articleView.html?idxno=4129)

 


채용 담당자는 기업에 적합한 인재를 확보하기 위해 자체 채용시스템 데이터베이스와 링크드인과 같은 소셜 미디어, 그리고 온라인 구인구직 사이트, 사내 추천 채용 등 다양한 방법을 사용해 왔다. 

기업이 채용하고자 하는 직무와 관련, 뛰어난 역량을 지니고 있거나 희소성을 지닌 능력을 갖춘 인재가 있는 곳을 찾기 쉽지 않다. 따라서 최대한 많은 예비 지원자를 찾기 위한 수단 선택과 사용 능력 등은 리크루터 개인의 역량에 달려있다. 하지만, 이제는 이러한 역할을 채용 담당자 대신 '어메이징 하이어링'이 수행한다. 어메이징 하이어링은 특히 기술 관련 채용전문가의  소싱(Sourcing), 즉 후보자 찾기 과정에 도움을 준다.

 

어메이징 하이어링의 기능: 후보자 서치에서 연락처 실시간 업데이트까지

('소프트웨어 엔지니어 (전체)'로 후보자 서치를 한 화면, 출처: 어메이징하이어링 공식 홈페이지)

 

기능은 크게 후보자 서치, 채용 프로세스 관리, 연락 플랫폼, 데이터 고도화의 4가지로 구성된다. 우선, 70개가 넘는 다양한 소스에서 기술 관련 후보자들의 전문적인 배경을 자체적으로 취합할 수 있다. 인공 지능은 깃허브, 스택오버플로우 등 테크 관련 커뮤니티의 프로필에서 관련 경험과 스킬을 보유한 후보자를 추려내 하나의 리스트로 만든다.

('영국 런던 지역' 및 '풀스택 엔지니어'를 사용, 후보자를 솔팅해 검색 한 화면, 출처: 어메이징하이어링 공식 홈페이지)

 

업무에서 필요로 하는 경험과 스킬을 통합한 등급 매기기 알고리즘을 갖고 있기 때문에 회사 관점에서 필요한 인재를 추려내고 관리할 수 있다. 마치 엑셀에서의 솔팅 기능처럼, 수동으로 성별, 경력, 과거 직위, 근무 직장 등을 기준으로 후보자를 필터링할 수도 있다.

 

두 번째 기능은 채용 프로세스 관리 기능을 통해 담당자들의 업무 효율을 극대화 할 수 있다. 소싱 채널별로 후보자를 관리해, 다른 채용 담당자가 발견하지 못한 숨겨진 인재를 찾으면서 업무가 중복되는 것을 막는 것이다. 또한, 실제 해당 인원의 채용을 요청한 '하이어링매니저' 에게 후보자 프로필을 바로 전송해 피드백을 주고받을 수 있다.  

 

세 번째 기능은 메시징 플랫폼을 사용해 자주 사용하는 연락 형식을 관리하고, 다단계 이메일 프로세스를 통해 메일을 바로 발송하거나 예약 메일을 설정한다. 실수로 연락이 누락되는 일 없이 체계적으로 관리할 뿐 아니라 가장 효과적인 연락 패턴을 자체적으로 측정할 수도 있다. 

('데이터 고도화' 기능을 사용한 어메이징하이어링, 출처: 어메이징하이어링 공식 홈페이지)

 

마지막으로 데이터 고도화 기술을 통해 오류를 막는다. 이메일 목록에 이름과 연락처 등 관련 정보를 추가하고 자동으로 데이터 세트를 최신으로 유지하는 것이다. 정보 업데이트가 불완전한 후보자 데이터가 포함된 CSV 파일을 가져온 뒤, 다양한 출처에서 알 수 있는 최신 정보 데이터를 추가한다. 그 후, 자체 폴더 내에서 업데이트된 프로필에 접근하거나 외부로 내보낼 수 있다.

 

크롤링, 파싱, 웹스크래핑 기술을 사용
SNS에 산재되어 있는 후보자 프로필을 정제된 데이터로 바꾸기 위해 필요한 기술이다. 공통적으로 웹에서 필요한 정보를 추출하는 데 사용하는데 빅데이터의 중요성이 대두된 최근 마케팅을 포함한 다양한 분야에서 이를 응용한다.

먼저, 크롤링을 사용하면 특정 웹 페이지 내의 모든 데이터를 가져올 수 있다. 예를 들어 코딩월드뉴스의 메인 페이지라면, 상단의 New 카테고리부터 실시간 뉴스의 제목까지 눈에 보이는 요소를 전부 가져오게 된다. 

파싱이란 데이터를 특정 패턴이나 순서로 추출하는 기능인데, 이를 사용해 필요한 부분만 크롤링해오는 기술을 웹 스크래핑이라고 칭한다. 코딩월드뉴스로 예를 들면, 기사 카테고리 영역만 스크래핑하여 'New', 'Coding', 'Tech', 'Opinion' 등의 카테고리를 데이터 요소로 바꾸어 저장할 수 있다. 

후보자의 프로필이 존재할 만한 웹사이트를 특정하고, 해당 페이지에서 채용 담당자가 원하는 데이터를 스크래핑하는 과정을 반복하여 후보자를 서치하고 풀을 만든다. 해당 알고리즘을 일정 주기로 반복하면, 시간의 흐름에 따라 업데이트 되는 후보자 정보에 대응할 수 있다. 

 

장점과 생각해봐야 할 문제들
이론적으로 채용 시장 어딘가에 채용 공고에 '딱 알맞는' 후보자가 존재한다. 보석처럼 숨겨진 적합한 후보자를 제때 찾아내 회사와 만나게 하는 것이 리크루터의 일이라면, 어메이징 하이어링은 이 과정을 대단히 효율적으로 만들어주는 기술이라고 할 수 있다. 과거에는 지원자가 전통적 방식의 이력서를 회사에 전달하고, 내부 담당자가 이를 통해 후보자 정보를 얻었다. 하지만, SNS가 발달함에 따라 후보자들 스스로 본인의 프로필을 공개된 곳에 올리는 사례가 증가했다. 따라서 적극적으로 찾아나서는 리크루터의 역량이 더 중요해졌다. 

이러한 관점에서 어메이징 하이어링은 다른 채용보다 특별한 기술 및 경험을 필요로 하는 기술 관련 채용 전문가의 업무에서 빛을 발한다. 이들이 찾는 프로젝트 경험, 사용하는 개발 언어, 특정 산업군 및 기술 시장에서의 심도 있는 경험 등은 매우 세부적으로 분류됐으며, 숫자나 글자로 나타낼 수 있는 경우가 많기 때문이다. 

하지만, 자동으로 정보를 수집하는 모든 과정과 마찬가지로 담당자는 개인 정보 문제를 고려하는 것을 잊어서는 안 된다. 이름과 연락처는 가장 기본적인 후보자의 정보이다. 채용을 간절히 원하고 있는 후보자라면, 알맞은 회사에 나의 정보를 주는 것이 하나의 목적이므로 긍정적으로 생각할 수 있다. 

그러나 개인 정보를 수집하고, 분류하고, 심지어 추적하면서 업데이트한다는 솔루션의 특징을 고려했을 때, 현재 구직 의사가 없거나 불특정 회사로부터 나의 동의 없이 연락이 오는 것을 기피하는 성향의 지원자에게는 자칫 채용 시작 단계에서 부정적인 경험을 제공할 수 있다. 따라서 정보의 출처를 체계적으로 관리하고, 후보자와 대면했을 때 이러한 정보 수집 과정을 설득력 있게 설명하는 과정에도 신경을 쓴다면 어메이징 하이어링의 기술을 안전하게 사용될 수 있을 것이다.