이력서는 지원자 추적 시스템(ATS)을 통해 제출되면 어떤 사람이 보기도 전에 세 가지 단계를 거칩니다: 파싱, 매칭 및 순위 매기기. 각 단계는 후보자의 실제 적합성과는 상관없는 방식으로 실패할 수 있습니다. 하버드 비즈니스 리뷰의 알고리즘 채용 분석에 따르면, 인간 검토 전에 필터링된 이력서의 비율은 키워드 기반 시스템의 경우 약 72%에 이릅니다. 더 최근의 독립 연구는 '75% 거부' 주장에 도전합니다 — 2025년 여러 업종에서 25명의 리크루터를 조사한 결과, 단지 8%만이 자동 콘텐츠 거부를 허용했으며, 나머지는 비필수 점수 및 필터를 안내하는 인간 검토에 의존했습니다. 솔직한 이해: 대부분의 이력서는 조용한 알고리즘에 의해 자동으로 거부되지 않지만, 대부분은 파싱 실패, 약한 키워드 일치 및 적격 후보자를 소음이 많은 후보자 아래로 묻어버리는 순위 시스템의 조합에 의해 필터링됩니다. 후보자에게 결과는 동일하게 보입니다 — 침묵. 메커니즘이 중요한 이유는 각 단계에서 수정 방법이 다르기 때문입니다.
단계 1: 파싱 — 형식이 좋은 후보자를 죽이는 곳
파싱은 이력서 문서를 시스템이 검색하고 순위를 매길 수 있는 구조화된 데이터로 변환하는 행위입니다. 파서는 연락처 정보, 작업 경험, 교육, 기술 및 섹션 구조를 추출합니다. 예측 가능한 방식으로 실패합니다:
- 다중 열 레이아웃. 파서는 위에서 아래로, 왼쪽에서 오른쪽으로 읽습니다. 사이드바 헤더가 있는 두 개 열을 가진 이력서는 무의미한 내용으로 직렬화됩니다.
- 이미지 내 텍스트. 파서는 기본적으로 OCR을 수행하지 않습니다. 그래픽으로 저장된 이름이나 기술 섹션은 보이지 않습니다.
- 내장된 텍스트 상자 및 표. 표준 Word/Pages 템플릿은 시각적 레이아웃을 위해 이를 사용합니다. 추출을 방해합니다.
- 헤더, 풋터 및 사이드바. 헤더에 주차된 연락처 정보는 종종 파서에 의해 무시되어 후보자의 이메일이 시스템에 입력되지 않습니다.
- 특수 문자 및 비정상 글꼴. 사용자 정의 기호 및 장식 글꼴이 뒤죽박죽됩니다.
EDLIGO의 1,000개의 거부된 이력서에 대한 독립 분석에 따르면, 거부의 43%가 형식, 파싱 또는 임의 필터 실패로 인해 발생하며 자격 부족과는 관계가 없었습니다. 이는 강요되지 않은 오류 비율입니다. 지원하기 전에 형식을 수정하는 후보자는 자격을 변경하지 않고도 확률을 높입니다.
단계 2: 매칭 — 어휘 차이가 제외로 이어지는 곳
파서는 구조화된 데이터를 만든 후 시스템이 해당 데이터를 직무 설명과 비교합니다. 대부분의 레거시 시스템은 다음 조합을 사용합니다:
단어 일치 기준 — 정확한 토큰. 'Kubernetes'를 요구하는 JD는 'K8s'라고 말하는 이력서를 거부합니다. 오래된 시스템이 이 방식을 사용합니다. 새로운 시스템은 동의어 사전을 추가하지만 보장 범위는 고르지 않습니다.
의미 기반 일치 — 유사 개념을 인접 벡터 공간에 맞추는 임베딩. 하드 매칭보다 낫지만, 직무 제목 및 도구 이름이 빠르게 변하는 분야에서 어휘의 드리프트에 여전히 취약합니다.
가중 점수 매기기 — 필수 기술이 선택적 기술보다 높은 가중치를 받습니다. 여기서 대부분의 순위 매기가 발생합니다: '필수' 키워드를 놓친 후보자는 해당 키워드를 가지고 있지만 기본 기술이 부족한 후보자보다 낮은 순위를 매기는 경우가 많습니다.
키워드 격차 문제는 인접 분야의 경계에서 가장 심하게 영향을 미칩니다. '이벤트 기반 아키텍처로 백엔드 서비스를 구축했다'는 시스템이 동등성을 이해하지 못하면 'REST API 개발'과 일치하지 않을 수 있습니다. '5인 제품 팀을 이끌었다'는 후보자의 직함이 '창립 PM'이었다면 '제품 관리자'와 일치하지 않을 수 있습니다. 어휘 드리프트는 비전통적인 경력 경로와 연관되어 있으며, 이는 키워드 매칭이 전통적이지 않은 진로를 가진 후보자를 불균형적으로 필터링한다는 것을 의미합니다 — 소규모 스타트업이 종종 원하는 바로 그 후보자입니다.
단계 3: 순위 매기기 — 질이 살거나 죽는 곳
매칭 후 후보자는 순위가 매겨집니다. 리크루터는 일반적으로 순위 목록의 상위 10–20%만 읽습니다. 그 10–20%에 누가 들어갈지를 결정하는 메커니즘은 전체 파이프라인에서 가장 중요한 결정이며, ATS의 창립자들은 좀처럼 감사하지 않는 부분입니다.
키워드 중복에 따라 순위를 매기는 것은 빠르고 코드에서 설명할 수 있지만, 실제 신호와 유행어를 구분하는 데는 좋지 않습니다. JD의 모든 단어를 이력서에 붙여 넣은 후보자는 실제로 작업을 완료한 후보자보다 더 높은 순위를 얻을 수 있습니다. 결과 기반 순위 매기기 — CurriculoATS 임팩트 점수에 구축한 것 —은 이를 뒤집습니다. 모든 후보자는 정량적인 업적, 경험 관련성, 경력 궤적 및 기술 조화를 기반으로 평가를 받은 후, 0–100의 복합 점수와 함께 서면 이유 단락을 받습니다. 서면 이유는 열쇠입니다. 30분 동안 30개의 이유 단락을 읽는 채용 관리자는 모델 오류를 빠르게 파악하고 나머지를 신뢰합니다. 순위가 정해지지 않은 200개의 이력서를 읽는 채용 관리자는 거의 아무것도 파악하지 못하고 신뢰하지도 않습니다.
그 교훈은 Amazon에서 Dev가 만든 순위 시스템에서 변환됩니다: 블랙박스 점수는 신뢰를 얻을 수 없으며, 신뢰를 얻을 수 없는 시스템은 대규모로 사용될 수 없습니다. 그렇기 때문에 창립자들은 ATS 비용을 지불했음에도 불구하고 모든 이력서를 다시 읽는 상황이 발생합니다. ATS가 결과를 생성했지만, 아무도 확인할 수 있는 결과는 아닙니다.
Amazon에서 순위 실패에 대해 배운 것
CurriculoATS를 설립하기 전, 우리의 창립자 Dev는 Amazon의 검색 및 추천 팀에서 몇 년을 보냈습니다. ATS 설계에 대한 그 작업에서 가장 일반화 가능한 교훈: 순위가 조용히 실패할 때 사용자들은 재고를 탓합니다. 판매자는 좋은 제품이 순위에 오르지 않으면 Amazon을 탓합니다; 채용에서는 리크루터가 좋은 이력서가 표면에 드러나지 않으면 후보자 풀을 탓합니다. 두 경우 모두, 실제 실패는 순위를 매기는 시스템에 있습니다. Amazon에서 효과를 봤던 수정 방안은 고장 난 순위를 매기는 시스템에 규칙을 더 추가하는 것이 아니라, 입력이 직접적으로 조작할 수 없는 신호를 기준으로 재구성하는 것이었습니다. 실제 구매 데이터. 실제 반품률. 검증된 리뷰 패턴. 동일한 원칙이 결과 기반 채용을 추진합니다: 후보자가 사기를 저지르지 않고서는 조작할 수 없는 신호(생산된 수익, 팀 확장, 시스템 배포, 문제 해결)를 기준으로 순위를 매기고, 어떤 후보자가든지 포장할 수 있는 토큰에 따라 순위를 매기지 않습니다. 두 번째 교훈은 거의 단어 그대로 적용됩니다: 설명 가능성이 없는 순위 매기는 적대자에 의해 역설계됩니다. Amazon에서는 판매자들이 몇 주 안에 키워드 제목을 조작하는 방법을 배웠습니다. 채용에서는 후보자들이 몇 년 안에 키워드 필터를 조작하는 방법을 배웠지만, 현재 그 조작이 광범위하게 퍼져 있습니다. 유일한 구조적 방어는 물질을 읽고 그 이유를 보여주는 순위 매기기입니다. ATS 선별을 데이터 입력 문제가 아닌 순위 문제로 간주하는 창립자는 AI가 접목된 워크플로 소프트웨어로 취급하는 창립자보다 더 깔끔한 후보 목록을 갖게 됩니다.
각 실패 모드를 수정하는 방법
10~200인 스타트업에서 채용을 운영하는 경우, 각 격차를 해소하기 위한 실용적인 플레이북은 다음과 같습니다:
- 파싱 점검하기. 형식이 잘 갖추어진 후보 이력서 5개를 자신의 지원서 양식을 통해 제출합니다. 이후 ATS에서 열고 파싱된 필드를 검증합니다. 30%에 누락되거나 엉망인 데이터가 있다면 파서는 조용히 실패하고 있으며 일부 지원자도 마찬가지입니다.
- 키워드 매칭 점검하기. JD와 다른 어휘를 사용하는 강력한 이력서와 JD를 그대로 복사한 약한 이력서를 준비합니다. 두 개 모두 제출합니다. 약한 이력서가 높은 순위를 차지하면 잡음으로 점수를 매기고 있는 것입니다. 대부분의 레거시 시스템이 이 테스트를 통과하지 못합니다.
- 점수만이 아닌 이유를 요구하기. ATS가 설명 없이 숫자를 생성한다면, 팀은 모든 사람을 다시 읽게 되고 이는 실제로 사용하지 않는 선별에 대해 비용을 지불하게 되는 것입니다. SHRM의 평균 채용 비용인 $5,475에는 이러한 낭비된 시간의 일부가 포함되어 있습니다.
- 단계별 이탈 추적하기. 접수된 응용 프로그램에서 첫 번째 리크루터 연락으로 이동하는 비율을 측정합니다. 60% 미만이라면, 파이프라인이 누수되고 있으며, 누수는 일반적으로 파싱과 낮은 신뢰 순위에 의해 발생합니다.
- 일주일 신호 테스트 수행하기. 하나의 개방된 직무를 결과 기반 선별기로 이동하고 현재 시스템이 생성한 후보 목록과 비교합니다. 이 테스트는 무료 스타터 계획에서 비용이 들지 않으며, 7일 안에 병목 현상이 도구인지 프로세스인지 알려줍니다.
다음 단계는 무엇인가
블랙박스 문제는 설명 가능성을 기본으로 설계된 도구들에 의해 해결 가능합니다. 결과 기반 점수 산정과 서면 이유가 귀하의 수신 자료에서 어떻게 보이는지 보고 싶다면, 무료 CurriculoATS 스타터 계획은 무제한 팀원을 가진 하나의 활성 직무를 관리합니다 — 기능이나 가격을 참조하십시오. 채용 알고리즘과 편견에 대한 더 넓은 시각을 원하신다면, 알고리즘 채용에 대한 HBR 분석이 좋은 시작이 될 것입니다.
전직 Amazon(검색 및 추천) 및 Synopsys의 머신 러닝 엔지니어. 키워드 매칭을 결과 기반 AI 평가로 교체하기 위해 CurriculoATS를 구축했습니다. 펜주립대학교 졸업생. 채용 AI, ATS 경제학 및 실제 직무 성과 예측에 대해 글을 씁니다.