AI로 쓴 지원서는 어디서 걸리나

지원서를 처음 열어보는 5초가 사람 하나의 가능성을 가른다는 얘기를 들었을 때, 처음엔 과장이라 생각했다. 실제로 사람을 평가하는 데 5초면 턱없이 짧은 시간이고, 그 짧은 순간에 내려지는 판단이 공정할 수 있겠냐는 의심도 있었다. 그런데 채용 담당자들이 실제로 어떻게 검토하는지 알게 된 뒤로 생각이 달라졌다. 하루에 수백 건씩 쌓이는 지원서 더미 앞에서 한 건당 쓸 수 있는 시간은 물리적으로 제한되고, 그 제한이 5초라는 숫자를 만든다. 물량이 너무 많아진 지금, 그 5초는 과장이 아니라 구조적인 현실이다.

AI 지원서가 늘어난 현실

ChatGPT가 대중에 공개된 2022년 말 이후, 채용 시장에서 지원서 수가 눈에 띄게 늘었다. 생성형 AI란 사람이 입력한 지시에 따라 텍스트나 이미지를 스스로 만들어내는 인공지능을 말하는데, 이 기술이 보편화되기 전까지는 자기소개서 한 편을 완성하는 데 보통 반나절에서 하루가 걸렸다. 이 도구가 보편화되면서 지원서 한 장 쓰는 데 걸리는 시간이 크게 줄었고, 이는 곧 한 사람이 지원할 수 있는 회사의 수가 늘어난다는 의미였다. 과거에 하루 두세 곳에 지원하던 사람이 이제 열 곳 넘게 지원하는 게 특별한 일이 아니다. 결과적으로 채용 공고 하나에 달리는 지원서 수는 예전과는 비교할 수 없을 만큼 많아졌다.

Resume Builder의 조사에서는 구직자의 절반 가까이가 자기소개서나 이력서 작성에 AI를 활용한다고 답했다. 국내도 다르지 않아서, 취업 커뮤니티에서 AI 프롬프트를 공유하는 게시글이 수만 건의 조회수를 기록하고, “이 프롬프트 넣으면 대기업 자소서 완성”이라는 제목의 글이 카페와 오픈채팅을 떠돈다. 신입 채용 설명회에서 “ChatGPT로 자소서 쓰면 어때요?”라는 질문이 단골로 나오는 것도 이제는 낯설지 않다. 도구 자체가 나쁜 건 아니고, 초안을 빠르게 잡거나 문장을 다듬는 데 쓰는 것 자체는 누구도 막지 않는다. 문제는 도구를 사용한 다음 단계에서 무엇을 하느냐다.

채용 프로세스에는 ATS라는 단계가 있다. ATS(Applicant Tracking System)란 지원서를 특정 키워드나 조건에 따라 자동으로 분류하는 소프트웨어를 말하는데, 대기업과 중견기업 상당수가 이 시스템을 도입해 서류 심사의 첫 단계를 자동화하고 있다. AI로 작성한 지원서는 직무 기술서에 등장하는 키워드를 빠짐없이 포함하는 경향이 있어서 ATS 통과율이 높다. 문제는 ATS를 통과하고 나서, 사람이 직접 읽는 단계다. 그 단계에서 작동하는 기준은 키워드 일치가 아니라, 이 사람을 만나고 싶은가 하는 훨씬 감각적인 판단이다.

지원서 수가 늘면 담당자의 검토 시간은 반대로 줄어든다. 전체 파이가 같은데 나눠야 할 조각이 늘었으니 당연한 결과다. 한 건당 7초 안팎을 쓴다는 연구 결과가 자주 인용되는데, 지원자가 몰리는 공고에서는 그보다 훨씬 짧을 수 있고 실제로 현장 담당자들은 이를 인정한다. 서류 심사에서 수백 명의 지원서를 두세 명이 처리해야 하는 구조가 일반적이고, 그 상황에서 한 장의 지원서가 얼마나 빠르게 인상을 남기느냐가 결정적이다. 첫 문단에서 읽기를 멈추게 만들지 못하면, 나머지는 읽히지 않는다.

채용 담당자가 먼저 보는 것

채용 담당자들이 실제로 언급하는 AI 지원서의 흔적은 생각보다 노골적이다. 가장 빈번하게 나오는 건 AI에게 내용을 지시하는 괄호 문구가 그대로 남아 있는 경우인데, “[지원 동기를 여기에 구체적으로 작성]” 같은 텍스트가 완성된 지원서 본문 한가운데 버젓이 들어가 있는 상태로 제출된다. 프롬프트 템플릿을 활용하다가 AI 출력을 복붙하면서 지시문을 지우지 않은 것으로, 온라인에 돌아다니는 자소서 프롬프트 템플릿 중 상당수는 “[회사명]”, “[직무]”, “[강점을 서술하세요]” 식의 플레이스홀더를 포함하고 있어 서두르다 보면 놓치기 쉽다. 완성 전에 한 번이라도 처음부터 끝까지 직접 읽어봤다면 발견할 수 있는 것들이다.

더 황당한 경우도 있다. 괄호가 처리되는 과정에서 인코딩이 깨지며 %l, %s, {name} 같은 기호가 그대로 남는 경우인데, 이런 기호는 AI 출력물을 워드, 한글, 구글 독스 같은 다른 편집기로 옮기는 과정에서 발생하거나 특정 자동완성 플러그인과 충돌할 때 나타난다. 담당자 입장에서 이 기호들은 내용보다 더 먼저 눈에 들어온다. Business Insider가 다수의 채용 담당자와 진행한 인터뷰에서도 이런 원초적인 실수들이 공통적으로 언급됐고, 담당자들은 이런 지원서를 받을 때 내용을 검토하기 전에 이미 부정적인 인상이 형성된다고 말했다. 완성 전에 PDF로 변환하거나 다른 기기에서 열어보는 것만으로도 이런 문제를 잡을 수 있다.

좀 더 알아채기 어려운 것도 있다. 지나치게 균질한 문장 구조인데, 사람이 쓴 글은 강조하고 싶은 부분에서 길어지고 배경 설명이 필요 없는 부분에서 짧아지며 자연스럽게 리듬이 생긴다. AI가 생성한 글은 단락마다 비슷한 문장 수와 비슷한 길이를 유지하는 경향이 있어서, 전체 글이 마치 같은 템플릿을 반복한 것처럼 읽힌다. 읽다 보면 이상하게 밋밋하다는 느낌이 드는 이유가 바로 이 때문이라고 담당자들은 말한다. 내용은 있는데 강약이 없고, 전달하고 싶은 것이 무엇인지 잘 모르겠다는 인상이 남는다.

문장 하나하나는 틀리지 않는다. 문법도 맞고 맞춤법도 정확하며 심지어 문장 구조도 세련되다. 그런데 전체를 읽으면 이상하게 개인이 안 보이는데, 어디선가 읽은 것 같은 표현들이 이어지고 이 사람이 실제로 무엇을 경험했는지, 어떤 사람인지가 잘 그려지지 않는다. 담당자들은 그 느낌을 ‘아무도 없는 글’이라고 표현하기도 하는데, 글이 존재하는데 글쓴이가 없는 상태라는 뜻이다. 읽고 나서 기억에 남는 지원자가 없다는 건, 결국 그 자리에 불러볼 이유가 없다는 결론으로 이어진다.

경험을 묘사하는 방식도 다르다. “팀 프로젝트를 통해 협업의 중요성을 깨달았습니다”라는 문장은 AI도 쓸 수 있고, 어떤 경험도 없는 사람도 쓸 수 있다. 실제로 그 경험을 한 사람은 훨씬 구체적으로 쓸 수 있는데, 가령 “기획 단계에서 일정 조율이 안 돼 최종 발표 이틀 전에 역할을 다시 나눴고, 그 과정에서 먼저 손을 든 팀원이 오히려 더 어려운 파트를 맡게 됐다”처럼 쓸 수 있다. 이 문장에는 마감 압박이 있고, 역할 협상이 있고, 결과에 대한 뉘앙스가 있다. 추상적인 교훈과 구체적인 사건 사이의 차이는 읽는 사람에게 즉시 감지된다.

탈락 기준의 변화

예전이라면 직무 경험이나 스펙이 탈락의 첫 번째 기준이었다. 이제는 그 앞에 필터가 하나 더 생겼는데, AI로 쓴 티가 나는 순간 내용이 아무리 충실해도 거기서 끝난다. 이 필터는 명문화된 규정이 아니라 담당자 개인의 인상에 기반하지만, 그렇기 때문에 오히려 뒤집기가 더 어렵다. 스펙이 부족하면 경력을 쌓으면 되지만, 첫인상에서 형성된 ‘무심한 사람’이라는 인상은 면접 기회 자체를 없애버린다. 기회 자체가 닫힌다.

이게 단순히 AI를 썼다는 이유 때문만은 아니다. 담당자 입장에서 보면 다르게 읽히는데, 지원서에 깨진 기호가 남아 있다는 건 제출 전에 한 번도 직접 읽어보지 않았다는 얘기다. 본인 이름 걸고 내는 문서를 그렇게 다루는 사람이 업무에서 꼼꼼할 거라는 기대를 하기 어렵고, 마감을 앞두고 산출물을 직접 검토하지 않는 습관이 업무 현장에서도 반복될 수 있다는 우려가 생긴다. 나쁜 지원서가 아니라 무심한 사람이라는 인상이 먼저 박히는 것이고, 그 인상을 지우려면 면접이라도 있어야 하는데 서류에서 걸리면 그 기회가 없다.

첫인상에서 한 번 지면 뒤집기가 없다. 면접까지 가야 만회할 기회가 생기는데, 서류에서 걸리면 면접은 없다. Harvard Business Review도 AI 도구 활용법을 다룬 글에서 AI가 작성한 초안을 반드시 자신의 언어로 검토하고 다듬어야 한다는 점을 강조했는데, 도구를 쓰는 것 자체는 문제가 아니지만 최종 결과물에 대한 책임은 오롯이 지원자 본인에게 있다는 맥락이었다. 툴을 쓰는 건 괜찮다. 대신 마지막 책임은 본인이 져야 한다.

지원서는 어떤 의미에서 첫 번째 업무 산출물이다. 채용 담당자는 그 문서를 통해 이 사람이 일을 어떻게 다루는지 가늠하는데, 자신의 이름이 달린 문서에 얼마나 공을 들이는지, 마감 전에 실제로 결과물을 확인하는 습관이 있는지 같은 것들이 지원서 한 장에서 드러난다. 화려한 스펙보다 그런 태도가 먼저 눈에 들어오는 경우가 많다고 담당자들은 말한다. 내용보다 태도가 먼저 보인다는 말은 과장이 아니다.

지원자가 살아남는 방법

AI가 흉내 내기 가장 어려운 건 구체적인 실패 경험이다. 성공 스토리는 패턴이 있어서 AI도 그럴듯하게 쓸 수 있지만, 실패와 수습의 과정은 맥락이 개인마다 달라서 일반화된 패턴이 없다. “발표 자료를 전날 밤에 완성했는데 파일 형식이 달라서 당일 아침 한 시간 동안 수정했다”는 식의 이야기는 그 상황을 실제로 겪어본 사람만 쓸 수 있고, 비슷해 보여도 각자의 디테일은 전부 다르다. 구체성이 신뢰의 근거가 되는 이유는, 그 세부 묘사를 AI가 만들어낼 수 없기 때문이기도 하지만, 담당자가 읽을 때 실제 경험처럼 느껴지기 때문이기도 하다. 읽는 사람에게 현장감이 전달되면, 그게 곧 이 사람을 만나보고 싶다는 판단으로 이어진다.

숫자도 같은 이유에서 강력하다. “매출에 기여했습니다”보다 “3개월간 고객 응대를 맡아 반품률을 12%에서 7%로 낮췄습니다”가 훨씬 다르게 읽히는 건, 숫자가 그 일을 실제로 했다는 증거가 되기 때문이다. AI는 그럴듯한 숫자를 만들어낼 수 있지만, 왜 그 수치가 나왔는지 같은 맥락을 함께 서술하기는 어렵고, 그 맥락이 빠진 숫자는 읽는 사람에게 공허하게 느껴진다. 수치에 배경이 붙으면 설득력이 달라지는 이유가 거기 있는데, “반품의 주원인이 배송 지연 안내 미흡이었다는 걸 파악하고 FAQ를 고쳐 붙였다”는 한 문장이 수치를 살아있게 만든다.

AI를 쓰지 말라는 얘기가 아니다. 초안을 빠르게 잡거나 문법을 점검하는 데 쓰는 건 합리적이고, 오히려 그렇게 도구를 잘 쓰는 사람이 작성 시간을 줄이고 퇴고에 더 많은 시간을 쓸 수 있다. 다만 완성 직전, 반드시 직접 소리 내어 읽어보는 게 좋은데, 내 말투와 다른 문장이 섞여 있는지, 괄호나 깨진 기호가 남아 있는지, 문단들이 지나치게 균일하게 쌓여 있지는 않은지는 눈으로 훑는 것보다 소리로 읽을 때 더 잘 잡힌다. 그 확인에 10분이면 충분하다.

결국 살아남는 방법은 복잡하지 않다. 본인만 쓸 수 있는 구체적인 장면을 하나 집어넣고, 그 장면을 숫자와 짧은 맥락과 함께 다듬고, 마지막에 한 번 직접 읽는 것이다. AI가 써준 초안과 본인이 다듬은 결과물 사이의 간격이 클수록, 그 지원서는 다른 수백 통과 달라진다. AI는 도구다. 도구를 쓴 흔적을 지우는 것도, 그 위에 자기 이야기를 올리는 것도 본인 몫이다.