오늘날 시장에 있는 거의 모든 지원자 추적 시스템이 AI를 가지고 있다고 주장합니다. 그러나 엔지니어에게 중요한 의미에서 그렇지 않은 시스템이 대부분입니다. 이들은 규칙 기반 자동화, 키워드 추출, 그리고 2014년 코드베이스 위에 층을 이루는 가끔의 문장 임베딩 모델을 가지고 있습니다. 마케팅 페이지는 AI라고 말합니다. 커튼 뒤에 있는 모델은 10년 동안 존재해온 동일한 정규 표현식입니다.
이것이 채용에서 AI 과대광고와 AI 현실의 격차입니다. 실제로 구매하는 시스템에 따라 채용 결과가 완전히 다르기 때문에 중요합니다.
채용에서 진정한 AI란 어떤 모습인가
채용에서의 진정한 AI란 이력서를 읽고, 측정 가능한 결과(생산된 수익, 관리한 팀, 배송한 시스템, 해결한 문제)를 추출하고, 후보자를 역할에 대한 관련성에 따라 순위를 매기는 모델을 의미합니다. 이 모델은 점수를 생성하고 인간이 읽고 반박할 수 있는 서면 이유 단락을 생성합니다. 단순히 토큰 수를 세지 않고, 벡터 거리를 계산하지 않습니다. 후보자가 실제로 한 일을 해석합니다. McKinsey의 인재 관행에 대한 연구는 2020년 40%에서 2024년에는 대략 60%로 기술 기반 채용의 채택이 증가했음을 보여줍니다. 이것은 결과 판독 모델이 지원하기 위해 만들어진 것입니다. Hype-AI는 기술 개념이 없기 때문에 기술 기반 채용을 잘 수행할 수 없습니다. 진정한 AI는 할 수 있습니다.
가장 간단한 테스트는 공급업체에게 점수 뒤에 있는 이유 단락을 요청하는 것입니다. 그들이 그것을 생성할 수 없다면, 점수는 블랙 박스이고 AI는 마케팅입니다.
과대광고 AI: 지속적으로 나타나는 패턴들
이 시장의 대부분의 ATS 데모를 살펴본 후, 동일한 소수의 패턴이 AI로 판매되는 경우가 많지만, 사실은 다른 것입니다.
- 의미적 일치로 꾸며진 키워드 빈도. 모델은 Python과 AWS가 얼마나 자주 나타나는지를 세고 결과를 일치 점수라고 부릅니다. 불용어 필터링과 동의어 사전을 추가하면 '자연어 처리'라고 불립니다. 후보자 경험은 변경되지 않습니다: 이력서를 키워드로 가득 채우면 승리합니다.
- 얇은 래퍼로서의 문장 임베딩. 더 정교한 버전은 사전 훈련된 문장 임베딩을 사용하여 이력서와 JD 간의 코사인 유사도를 계산합니다. 이는 동의어를 포착하지만 여전히 텍스트 대 텍스트 일치입니다. JD를 이력서 요약에 복사-붙여넣기한 후보자는 실제 경험 없이 높은 점수를 받습니다.
- 챗봇 면접관. LLM 프론트 엔드가 있는 스크립트 형식입니다. 일정 조율과 분류에 유용하지만, 지능적인 선별은 아닙니다.
- AI 생성 요약. 모델이 이력서를 요점으로 요약하며, 이는 생산성 기능이지 순위 결정이 아닙니다. 그 아래의 순위자는 여전히 키워드 기반입니다.
이것들은 사기가 아닙니다. 단지 관대하게 라벨링된 것입니다. 이 또한 후보자들이 ATS를 신뢰성 있게 이용하게 된 이유입니다. Jobscan은 실제 이력서에서 키워드 찬량의 보편성을 문서화하며, 이 패턴은 선별 시스템이 이를 보상하기 때문에만 작동합니다.
왜 과대광고가 그렇게 지속적인가
세 가지 힘이 채용 소프트웨어에서 AI 마케팅과 AI 현실 간의 간극을 넓게 열어두고 있으며, 이를 무시할 수 있도록 이름을 붙여야 합니다.
첫 번째는 구매자가 보통 기술 평가자가 아니라는 것입니다. 조달 부서는 HR이며, 데모는 인재의 머리 앞에서 진행되고, '실제 모델 아키텍처가 무엇입니까?'라는 질문은 좀처럼 제기되질 않습니다. 공급업체는 2018년에 발송한 동일한 정규 표현식을 보낼 수 있으며, 데모가 깨끗해 보이는 한 AI라고 부를 수 있습니다. 마케팅에 대한 벌칙은 없습니다.
두 번째는 레거시 ATS가 플랫폼 사업이라는 것입니다. Greenhouse, Lever, Workable는 선별 정확도보다는 워크플로우에서 돈을 벌고 있습니다. 실제 랭킹 AI를 추가하는 것은 조달 비교 시트에서 깔끔하게 나타나지 않는 기능에 대한 비싼 엔지니어링입니다. 그래서 저렴한 버전을 발송합니다.
세 번째는 채용이 직무 설명 품질, 소싱 채널, 시장 조건, 팀 브랜드와 같은 다른 많은 것들의 하류라는 것입니다. 나쁜 선별은 잡음 속에 숨습니다. 매년 12명의 좋은 엔지니어를 고용하는 팀은 그 과정을 인정합니다. 동일한 팀은 Google Sheet을 사용하여 동일한 12명을 고용했을 것입니다. 왜냐하면 선별이 팀이 그것이 하고 있다고 생각하는 작업을 수행하지 않았기 때문입니다. 진정한 AI 선별은 창립자가 실제 효과를 잡음과 분리할 수 있도록 테스트할 수 있습니다: 모델의 상위 10개 순위 후보와 자신의 상위 10개 순위를 비교하고 겹치는지 확인할 수 있습니다. Hype AI는 거의 매번 이 테스트를 통과하지 못합니다.
아마존 추천 시스템이 채용에 대해 가르쳐 준 것
CurriculoATS 이전에, 우리의 창립자 Dev는 아마존에서 검색 및 추천 시스템에 대해 수년을 보냈습니다. 그 작업에서 채용 AI에 직접적으로 매핑되는 교훈이 있습니다: 배송할 가치가 있는 유일한 모델은 상위-K 결과가 좋은 모델입니다. 나머지는 연극일 뿐입니다.
아마존의 추천 시스템은 평균 정밀도에서 약간 더 나은 성능을 보이지만, 1위에 잘못된 항목을 순위 매기는 모델을 발송하지 않습니다. 1위는 사용자가 클릭하는지를 결정합니다. 이력서 순위에서도 같은 것이 적용됩니다. 리크루터는 상위 10개 또는 15개를 봅니다. 만약 모델의 상위 10개가 잘못되었다면 나머지 시스템은 그들을 구하지 못합니다.
이 때문에 CurriculoATS는 다중 신호 평가, 정량화된 성과, 경험의 관련성, 경력 궤적, 기술 정렬을 기반으로 구축되어 0-100의 종합 점수와 전체 서면 이유 단락을 생산합니다. 이 단락은 블랙 박스 랭커를 창립자가 실제로 신뢰할 수 있는 무언가로 전환하는 부분입니다. 당신은 그것을 읽고, 반박하고, 무시할 수 있습니다. 이것이 AI가 의사결정 지원인지 의사결정 대체인지의 차이이며, 이것은 어떤 모델 아키텍처 세부 사항보다 더 중요합니다. 전체 분석은 영향을 미치는 점수 페이지를 참조하십시오.
구매자의 질문이 공급업체의 마케팅보다 더 중요한 이유
창립자가 데모에서 AI에 대해 질문하는 방식은 그들이 실제 랭킹 인텔리전스를 얻는지, 아니면 마케팅으로 꾸며진 것을 얻는지를 결정합니다. 조달 경합에서 승리하는 공급업체는 항상 최고의 모델을 보유한 공급업체가 아닙니다. 그들은 구매자가 실제로 묻는 질문에 대답하는 데모를 가진 공급업체입니다. 대부분의 구매자는 잘못된 질문을 합니다. 'AI가 있습니까?'는 잘못된 질문입니다. 모든 공급업체가 예라고 말하기 때문입니다. 'AI 점수는 무엇입니까?'는 더 가깝습니다. 그것은 공급업체가 모델의 입력을 설명하도록 강요합니다. '상위 순위 후보의 이유를 보여주십시오'는 올바른 질문입니다. 그것은 공급업체에게 출력을 생산하도록 강요합니다. 실제 랭킹 인텔리전스를 가진 공급업체는 이를 90초 안에 보여줄 수 있습니다. Hype AI를 가진 공급업체는 그럴 수 없습니다. 이 순간은 모든 ATS 데모에서 가장 높은 신호를 가진 순간이며, 대부분의 창립자는 흐름이 워크플로우 기능에 집중되기 때문에 이를 건너뜁니다. 우리는 창립자들이 파이프라인 보드 및 제안서 템플릿의 40분 동안의 설명을 듣고, 특정 후보에 대한 단락을 생성하도록 모델에 요청하지 않고 연간 계약을 체결하는 것을 보았습니다. 조달 간극은 AI에 대한 지식이 아니라 데모를 중단할 의지입니다. 처음 10분 안에 이유 단락을 요청하는 창립자는 단일 벤치마크를 읽지 않고도 레거시 ATS 시장의 70%를 걸러낼 수 있습니다.
창립자가 한 번의 데모에서 AI 채용 공급업체를 평가하는 방법
당신은 조달 프레임워크가 필요하지 않습니다. 당신은 세 가지 질문이 필요합니다.
- 상위 순위 후보의 이유를 보여주세요. 대답이 아무 설명 없이 숫자일 경우, 모델은 키워드 기반입니다. 이동하십시오.
- 내가 합류하기 전, 내 최근 채용의 이력서를 시스템에 통과시켜 보십시오. 모델이 그들을 상위 10위 안에 순위를 매겼다면, 시스템에는 신호가 있습니다. 그들이 거부당했다면, 모델은 불완전합니다.
- 세 개가 아닌 10개의 역할이 열릴 때 이 비용은 얼마입니까? 좌석당 가격 책정은 성장하는 팀을 문책합니다. 고정 가격 책정은 채용량에 따라 확장되며, 스타트업이 실제로 관심 있는 것입니다.
이것이 전체 데모입니다. 30분이면 충분합니다.
다음 단계
당신의 책상에 ATS 후보 리스트가 있고 AI가 진짜인지 확실하지 않다면, 각 후보에 대해 세 가지 질문의 데모를 실행하십시오. 그런 다음 우리 창립자용 AI ATS 페이지와 비교 페이지를 읽어 주요 공급업체가 결과 기반 모델과 어떻게 정렬되는지 확인하십시오. CurriculoATS의 스타터 티어는 하나의 활성 작업에 대해 무료이며, 이는 계약을 맺지 않고 현재 실행 중인 역할에서 랭커를 테스트하기에 충분합니다.
아마존(검색 및 추천)과 Synopsys의 전 머신 러닝 엔지니어. 채용에서 키워드 일치를 대체하기 위해 결과 기반 AI 평가를 바탕으로 CurriculoATS를 구축했습니다. 펜 스테이트 졸업생. 채용 AI, ATS 경제, 그리고 실제로 직무 성과를 예측하는 것에 대해 씁니다.