책에 포함된 노트기계의 지능, 사람의 일 : AI로 재설계하는 직업재활: 상담에서 사후관리까지, 실무와 윤리의 가이드라인

14. 채용 AI와 자동화된 의사결정이 만드는 새로운 차별

2026-04-24Views 69약 11분생성형 AI 활용

14. 채용 AI와 자동화된 의사결정이 만드는 새로운 차별

채용 AI와 자동화된 의사결정이 만드는 새로운 차별

AI가 가장 차갑게 작동하는 순간

직업재활에서 AI는 분명 도움이 되는 기술이다. 의사소통을 보조하고, 문서를 정리하고, 직무를 분석하고, 훈련을 개인화하는 데 큰 힘을 발휘할 수 있다. 그런데 같은 AI가 채용 단계에 들어가면 분위기가 달라진다. 여기서 AI는 더 이상 돕는 조력자에 머물지 않고, 누가 문 안으로 들어오고 누가 문 앞에서 멈출지를 가르는 문지기가 되기 쉽다.

TILNOTE의 jang-go 블로그에 소개된 JobForAgent 사례가 보여 주듯, 오늘의 AI 논의는 "누가 AI를 쓰는가"에서 "무엇을 AI에게 맡길 것인가"로 이동하고 있다.¹ 이 질문이 채용으로 들어오면 훨씬 무거워진다. 이력서를 읽는 일, 면접 반응을 해석하는 일, 지원자를 순위 매기는 일, 수습 기간의 생산성을 추적하는 일까지 AI에게 넘기기 시작하면, 우리는 단순히 업무를 자동화하는 것이 아니라 사람을 평가하는 권한 자체를 기술에 위임하게 된다.

문제는 여기서부터다. 직업재활의 관점에서 볼 때, 장애인과 신경다양인은 종종 "평균적인 지원자"를 기준으로 설계된 채용 절차와 이미 오래 싸워 왔다. 그런데 채용 AI는 그 평균의 기준을 더 단단하게 굳혀 버릴 수 있다. 보조기술 사용, 경력 공백, 비전형적 말하기, 시선 회피, 느린 반응속도, 감각 과부하로 인한 긴장, 표정의 차이 같은 요소는 사람 면접관 앞에서는 설명과 조정의 여지가 남아 있지만, 자동화된 시스템 안에서는 쉽게 위험 신호나 낮은 적합도로 바뀐다.²³

그래서 이 장에서 가장 먼저 붙잡아야 할 문장은 이것이다. AI는 채용을 더 효율적으로 만들 수 있지만, 동시에 배제를 더 빠르고 더 조용하게 만드는 장치가 될 수 있다. 특히 장애인과 신경다양인에게는 이 점이 아주 선명하게 드러난다.⁴

채용 AI는 정확히 무엇을 뜻하는가

많은 사람이 채용 AI라고 하면 이력서 자동 분류 정도만 떠올린다. 하지만 실제 현장에서는 훨씬 넓은 범위의 자동화된 의사결정이 작동한다. 이름만 다를 뿐, 본질은 비슷하다. 사람을 만나기 전 또는 충분히 만나기 전에 기계가 먼저 해석하고 점수화하는 것이다.

채용과 초기 고용관리에서 자주 쓰이는 도구는 대체로 다음과 같다.

이력서 스크리닝과 지원자 순위화 시스템
챗봇 기반 사전 질문, 적성·성향 분류, 게임형 평가
비동기 영상면접과 자동 요약, 자동 점수화 도구
표정, 시선, 음성 톤, 말의 속도, 단어 선택을 분석하는 정서·행동 분석 도구
입사 직후 수습기간의 생산성 모니터링, 키보드·마우스 활동 추적, 주의집중 점수화 시스템
비정형 행동 탐지, 이상행동 경고, 규범 이탈 감지 시스템

겉으로 보면 이 도구들은 모두 합리적으로 보인다. 사람이 놓칠 수 있는 패턴을 더 빨리 찾고, 대량 지원자를 효율적으로 처리하며, 면접관의 주관을 줄여 준다고 말하기 때문이다. 실제로 AI 기반 도구를 도입하는 기업들은 흔히 "객관성", "일관성", "속도"를 장점으로 내세운다.³⁸ 하지만 객관성처럼 보이는 것과 실제로 공정한 것은 다르다. 오히려 자동화된 시스템은 잘못 설계되면 차별을 더 넓고 빠르게 복제한다.

왜 장애인과 신경다양인에게 더 불리해지는가

장애인과 신경다양인이 채용 AI에서 불리해지는 이유는 단지 "데이터가 부족해서"만이 아니다. 더 근본적인 이유는 시스템이 사람의 능력을 직접 보지 않고, 능력처럼 보이는 신호를 대신 읽기 때문이다.

예를 들어 어떤 시스템은 눈을 잘 맞추는 사람을 자신감 있는 지원자로 본다. 어떤 시스템은 답변 속도가 빠른 사람을 문제 해결력이 높은 사람으로 본다. 어떤 시스템은 목소리의 높낮이나 미소 빈도를 의사소통 능력의 신호로 처리한다. 또 어떤 시스템은 경력 공백이 적고, 이력서 형식이 익숙하며, 특정 키워드를 충분히 넣은 사람을 더 적합하다고 본다. 그런데 이 신호들은 장애인과 신경다양인의 실제 직무수행 능력을 정확히 보여 주지 않는다.

오히려 여기에는 네 가지 구조적 문제가 겹친다.

첫째, 비전형성을 결함으로 오해한다. 자폐 스펙트럼 지원자의 시선 처리, ADHD 지원자의 답변 구조, 난독이 있는 지원자의 문서 표현, 말더듬이 있는 지원자의 음성 흐름, 청각장애 지원자의 수어 사용이나 자막 의존은 능력 부족이 아니라 표현 방식의 차이일 수 있다. 그런데 시스템은 이를 비표준, 불안정, 저성과 신호로 읽기 쉽다.⁵⁶

둘째, 합리적 편의의 필요를 고려하지 않는다. 장애 관련 법과 권리기반 접근은 같은 시험을 똑같이 보는 것이 공정이 아니라고 말한다. 누구는 더 긴 시간, 다른 인터페이스, 자막, 텍스트 대체, 대면 대신 서면 응답, 수어 통역, 카메라 비활성화, 대체 평가 방식이 필요할 수 있다. 하지만 자동화된 채용 시스템은 종종 이 차이를 설계 단계부터 반영하지 않는다.⁴⁷

셋째, 장애 관련 정보는 숨겨져 있으면서도 우회적으로 드러난다. 기업이 장애 여부를 직접 변수로 쓰지 않더라도, 공백 경력, 특정 수상 내역, 장애 관련 학생회·단체 활동, 재활기관 경험, 보조공학 언급, 음성 패턴, 입력 속도, 카메라 환경 같은 변수들이 장애를 암시하는 대리변수로 작동할 수 있다.⁵¹⁰

넷째, 평균적 수행의 기준이 너무 좁다. AI는 보통 다수 집단의 데이터에서 패턴을 배운다. 그래서 다수의 표현과 행동을 표준으로 삼는다. 그러면 소수의 방식은 곧바로 예외가 된다. 문제는 예외가 곧바로 오류나 위험으로 재해석된다는 데 있다.³¹⁰

쉽게 말해, 채용 AI는 지원자에게 이렇게 묻는 것이 아니다. "당신은 이 일을 잘할 수 있습니까?" 대신 훨씬 우회적으로 묻는다. "당신은 내가 학습한 정상적인 지원자처럼 보입니까?" 직업재활의 관점에서 이것은 매우 위험한 질문이다.

이력서 스크리닝이 만드는 첫 번째 문턱

이력서 스크리닝은 가장 조용한 차별이 일어나는 지점이다. 지원자는 대개 탈락 이유를 알지 못한다. 사람 면접관을 만나 보지도 못한 채, 시스템 안에서 걸러진다. 그래서 이 단계는 눈에 잘 띄지 않지만 실제 영향은 매우 크다.

이력서 AI는 보통 키워드 일치, 경력의 연속성, 학력 및 자격요건, 직무 유사도, 문장 형식, 이전 합격자 패턴 등을 바탕으로 지원자를 분류한다. 얼핏 보면 효율적이다. 그러나 장애인과 신경다양인에게는 몇 가지 불리함이 반복적으로 생긴다.

가장 흔한 문제는 경력 공백이다. 치료, 재활, 학업 조정, 장애 수용 과정, 돌봄 의존, 이동 문제, 직장 적응 실패 이후의 회복 기간은 모두 이력서에 공백으로 남을 수 있다. 하지만 AI는 그 공백의 맥락을 읽지 못한다. 단지 연속성이 약하다고 판단할 가능성이 높다.

또 다른 문제는 장애 관련 활동의 역효과다. 장애인 권익옹호 활동, 장애학생회, 자조모임, 장애 인식개선 캠페인, 재활 프로그램 참여 경험은 당사자에게 중요한 역량과 정체성의 일부일 수 있다. 그러나 자동 스크리닝은 이런 내용을 직무 무관 키워드로 처리하거나, 심지어 장애와 연결된 신호로 간주해 낮은 순위를 부여할 수 있다. 실제로 장애 관련 수상이나 소속을 포함한 이력서가 그렇지 않은 동일 이력서보다 낮게 평가될 수 있다는 지적이 보고되었다.⁵

표현 방식의 차이도 문제다. 난독, 지적장애, 학습장애, ADHD, 자폐 스펙트럼 특성은 이력서의 구성 방식, 문장 길이, 핵심 키워드 배치, 문법의 일관성에 영향을 줄 수 있다. 사람 상담자와 함께 다듬으면 충분히 전달 가능한 역량이지만, AI는 결과물만 읽는다. 즉, 직무 역량이 아니라 문서 최적화 역량을 먼저 평가할 위험이 있다.

여기서 직업재활 실무자가 특히 경계해야 할 것은 "이력서 자동화가 공정하다"는 착시다. 이력서를 처음부터 잘 쓰는 능력과 실제 일을 잘하는 능력은 다르다. 더구나 장애인과 신경다양인에게는 자기표현 방식 자체가 비전형적일 수 있다. 그러므로 채용 AI가 이력서를 전면 필터로 쓰는 구조는, 출발선에서 이미 많은 사람을 밀어내는 구조가 될 수 있다.³⁴

영상면접은 왜 공정해 보이지만 공정하지 않을 수 있는가

기업들은 비동기 영상면접을 자주 공정한 방식이라고 설명한다. 모두가 같은 질문을 받고, 같은 시간 안에 답하고, 같은 시스템으로 평가받으니 편향이 줄어든다는 논리다. 하지만 직업재활의 시선으로 보면, 이 방식은 오히려 표준화된 불리함을 만들 수 있다.

영상면접이 장애인과 신경다양인에게 어려운 이유는 단순히 카메라 앞이 떨리기 때문만이 아니다. 시스템이 전제하는 수행 방식이 매우 좁기 때문이다.

예를 들어 자폐 스펙트럼 지원자는 카메라를 오래 응시하는 것이 불편할 수 있다. 하지만 화면을 자주 보지 않는다고 해서 집중하지 않는 것은 아니다. ADHD 지원자는 준비된 답을 선형적으로 짧게 말하는 데 어려움을 겪을 수 있지만, 실제 업무에서는 아이디어 생성과 문제 전환에 강점을 보일 수 있다. 청각장애 지원자는 음성 질문을 실시간으로 처리하기 어렵고, 자막 품질이 낮으면 답변 구조 자체가 흔들릴 수 있다. 말더듬이나 뇌병변으로 말의 속도와 리듬이 다를 수 있는 지원자는 시간제한형 답변에서 본래 역량보다 낮게 보이기 쉽다. 수어 사용자나 AAC 보완대체의사소통 사용자는 더 직접적인 배제를 경험할 수 있다.

여기에 감각 환경 문제도 있다. 화면 지연, 소리 울림, 밝은 조명, 카운트다운 타이머, 여러 번의 녹화 압박은 신경다양인에게 큰 부담이 될 수 있다. 특히 비동기 면접은 사람과 상호작용하며 조정할 수 없기 때문에 더 어렵다. 면접관이 있으면 "질문을 다시 말씀해 주세요", "조금 천천히 답하겠습니다", "텍스트로 받으면 더 정확히 답할 수 있습니다" 같은 조정이 가능하지만, 자동 시스템은 그 여지를 거의 주지 않는다.⁸

표면상 모두에게 같은 절차를 제공했지만, 실제로는 누구에게 더 많은 인지적·감각적 부담을 지웠는지가 다르다. 바로 이 지점이 간접차별의 핵심이다.⁴

표정·음성 분석의 가장 큰 문제: 사람을 읽는 척한다

채용 AI 가운데 가장 위험한 영역을 하나 꼽으라면, 많은 경우 표정·시선·음성·감정 분석 도구가 그 자리를 차지한다. 이유는 간단하다. 이 도구들은 단순히 기록을 정리하는 것이 아니라 사람의 내면과 적합성을 해석하려 들기 때문이다.

일부 시스템은 미소 빈도, 눈맞춤, 머리 움직임, 목소리의 떨림, 억양 변화, 말의 속도, 멈춤의 길이, 특정 단어 사용 패턴을 분석해 자신감, 성실성, 긍정성, 공감능력, 리더십, 감정조절 같은 특성을 추정하려 한다. 문제는 이런 추정이 과학적으로도 매우 논쟁적이고, 특히 장애와 신경다양성의 맥락에서는 쉽게 왜곡된다는 점이다.⁶

자폐 스펙트럼 당사자는 감정을 느끼는 방식이 아니라 표현하는 방식이 다를 수 있다. 평평한 표정이 무관심을 뜻하지 않고, 시선을 피하는 것이 부정직함을 뜻하지 않으며, 음성의 단조로움이 협업 능력 부족을 의미하지도 않는다. 청각장애, 안면 차이, 시각장애, 뇌병변, 말더듬, 우울이나 불안 관련 정신장애, 틱장애 등도 표정과 음성의 외형을 바꿀 수 있다. 그런데 정서 인식형 AI는 대개 신경전형적이고 비장애 중심의 데이터로 훈련되기 때문에, 이런 차이를 직무 무관한 결함처럼 읽을 가능성이 크다.³⁶

더 큰 문제는 이런 시스템이 설명은 그럴듯한데 검증은 약한 경우가 많다는 점이다. "지원자의 진정성", "팀 적합성", "몰입도", "의사소통 안정성" 같은 말은 듣기엔 근사하지만, 실제로 무엇을 얼마나 정확히 측정하는지 불분명할 때가 많다. 사람의 얼굴과 목소리를 읽어 성격이나 감정을 안정적으로 추론할 수 있다는 가정 자체가 과장되어 있다는 비판도 크다.⁶

그래서 직업재활 현장에서는 이 유형의 도구를 특별히 경계해야 한다. 표정과 음성 분석은 지원자의 잠재력을 보는 기술이 아니라, 종종 비장애 중심의 사회적 예절을 기계적으로 점수화하는 기술에 더 가깝기 때문이다.

게임형 평가와 성격·인지 테스트의 함정

게임형 평가나 알고리즘 성격검사는 재미있고 현대적인 방식처럼 보인다. 기업 입장에서는 지원자의 문제 해결력, 집중력, 위험 선호, 협업 성향, 스트레스 대응을 짧은 시간에 파악할 수 있다고 믿는다. 하지만 이런 도구도 장애인과 신경다양인에게는 상당한 불리함을 만들 수 있다.

시간압박이 강한 과제는 ADHD, 자폐, 학습장애, 발달장애, 불안장애가 있는 지원자에게 불리할 수 있다. 반응속도나 멀티태스킹 중심 과제는 실제 직무와 무관한 인지 스타일의 차이를 성과 차이로 바꿔 버리기 쉽다. 시각적 자극이 빠르게 바뀌는 인터페이스는 감각 과부하를 일으킬 수 있고, 복잡한 규칙을 짧은 안내문으로만 설명하는 방식은 이해 가능성을 떨어뜨린다.

성격검사도 마찬가지다. 어떤 질문은 자폐 특성, 우울, 불안, 강박, ADHD, 사회적 의사소통 차이와 겹칠 수 있다. 그런데 기업은 이를 "조직 적응성"이나 "긍정성" 점수로 읽을 수 있다. 결국 질병이나 장애 특성과 연결될 수 있는 요소가, 직무 무관한데도 채용 탈락 사유처럼 작동할 위험이 생긴다.⁵⁸

더 곤란한 점은, 지원자가 왜 낮은 점수를 받았는지 알기 어렵다는 것이다. 이력서는 수정이라도 가능하지만, 게임형 평가와 성격검사는 블랙박스처럼 느껴지기 쉽다. 그래서 이 영역은 설명가능성과 대체평가 제공이 특히 중요하다.

생산성 모니터링은 채용 이후에도 채용을 계속한다

겉보기에는 채용이 끝났는데도, 실제로는 끝나지 않은 경우가 많다. 특히 수습기간, 인턴십, 단기 평가 기간은 사실상 채용의 연장선이다. 이때 생산성 모니터링 시스템이 들어오면, 채용 AI의 문제는 입사 전을 넘어 입사 후 초기 적응까지 이어진다.

키보드 입력 수, 마우스 움직임, 화면 전환 빈도, 일정 시간 이상 비활성 상태, 카메라 앞 착석 시간, 회의 중 시선 방향, 작업 속도, 정해진 루틴 준수 여부 같은 지표는 얼핏 객관적이다. 하지만 장애인과 신경다양인에게는 이 지표들이 실제 직무성과보다 장애 특성이나 편의 사용 흔적을 더 많이 반영할 수 있다.

예를 들어 손 기능 제한이 있는 사람은 입력 속도가 느릴 수 있다. 시각장애인은 스크린리더 사용 때문에 작업 시간이 길어질 수 있다. ADHD 당사자는 짧은 움직임과 전환이 많아 보일 수 있고, 자폐 당사자는 감각 조절을 위해 잠깐 자리에서 일어나거나 화면을 보지 않는 시간이 필요할 수 있다. 만성통증이나 피로를 가진 사람은 마이크로 브레이크가 필수일 수 있다. 하지만 모니터링 시스템은 이런 맥락을 모른 채 "비효율", "집중 저하", "규범 이탈"로 표시할 수 있다.¹⁰

이렇게 되면 합리적 편의 제공은 오히려 점수상 불이익으로 돌아온다. 편의를 받아야 제대로 일할 수 있는데, 편의를 쓰는 흔적이 낮은 생산성 데이터로 남는 것이다. 이 상황은 매우 아이러니하다. 조직은 한편으로는 장애인 고용과 적응을 말하면서, 다른 한편으로는 비장애 중심의 행동 속도를 표준 생산성으로 고정해 버린다.

직업재활 관점에서 보면, 이런 시스템은 "누가 일을 잘하느냐"를 보는 것이 아니라 종종 "누가 비장애 표준 리듬과 가장 비슷하게 움직이느냐"를 보는 데 가깝다.

비정형 행동 탐지는 왜 특히 위험한가

비정형 행동 탐지라는 말은 기술적으로는 그럴듯하지만, 현장에서는 매우 조심해서 읽어야 한다. 왜냐하면 여기서 말하는 비정형은 대개 다수 집단의 평균에서 벗어난 행동을 뜻하기 때문이다. 문제는 장애와 신경다양성의 상당수가 바로 이 평균에서 벗어난 표현과 행동을 포함한다는 점이다.

예를 들어 자폐인의 반복행동이나 자기자극행동, ADHD인의 잦은 움직임, 불안이 있을 때의 시선 흔들림, 틱, 말의 멈춤, AAC 사용 시의 입력 지연, 보조기기 조작, 수어 통역 대기시간, 피로 조절을 위한 휴식, 감각 회피 행동은 모두 시스템에 따라 이상행동으로 보일 수 있다. 하지만 그것이 위험하거나 업무 부적합하다는 뜻은 아니다. 오히려 많은 경우 이는 집중, 안정, 자기조절, 정확한 의사소통을 위한 전략이다.

그런데 이상행동 탐지 시스템은 맥락을 잘 모른다. 시스템은 "이상함"을 찾을 뿐, "왜 그런가"를 이해하지 않는다. 더 위험한 점은 일단 경고가 붙으면 그것이 기록으로 남는다는 것이다. 기록은 곧 평가로 이어지고, 평가는 채용 유지, 부서 배치, 승진 가능성, 계약 연장 판단으로 이어질 수 있다. 이렇게 되면 신경다양성은 강점의 다양성이 아니라 감시 대상의 다양성으로 바뀌어 버린다.

자동화된 의사결정은 어떻게 차별을 복제하는가

채용 AI가 차별을 만드는 방식은 한두 가지가 아니다. 하지만 직업재활 실무자가 이해하기 쉬운 구조로 정리하면 대체로 다섯 가지 경로가 반복된다.

첫째는 역사적 편향의 복제다. 과거 합격자 데이터가 비장애 중심이었다면, 모델은 그 패턴을 성공의 기준으로 배운다. 그러면 과거에 덜 채용되었던 집단은 미래에도 덜 추천된다.¹⁰

둘째는 대리변수 문제다. 장애 여부를 직접 쓰지 않아도 공백 경력, 특정 학교나 단체, 입력 방식, 음성 특성, 지원서 문체, 시험 응답속도, 보조기술 흔적 같은 요소가 장애와 상관된 신호로 작동할 수 있다.⁴⁵

셋째는 대표성 부족이다. 장애인과 신경다양인의 데이터가 훈련셋에 충분하지 않거나, 있어도 매우 제한된 형태로 들어가면 모델은 이들을 잘못 읽는다. 없는 사람을 이해하는 AI는 없다.

넷째는 평가 기준의 오설정이다. 실제 직무수행과 상관없는 눈맞춤, 음성 톤, 빠른 응답, 매끈한 자기표현을 중요한 예측 변수로 삼으면, 시스템은 직무 적합성이 아니라 사회적 규범 적합성을 본다.³⁶

다섯째는 이의제기와 수정의 어려움이다. 사람 면접관은 설명을 듣고 판단을 바꿀 수 있지만, 자동화된 시스템은 대개 왜 그렇게 평가했는지 드러내지 않는다. 지원자가 편의를 요청하거나 오류를 정정할 창구가 없으면, 차별은 발생해도 확인되기 어렵다.⁷

이 다섯 가지가 합쳐지면 매우 위험한 일이 벌어진다. 차별은 더 이상 노골적인 말로 드러나지 않는다. 대신 낮은 점수, 순위 하락, 인터뷰 미통과, 수습기간 경고, 계약 미연장 같은 형태로 나타난다. 겉보기엔 중립적 절차처럼 보이지만, 실제로는 장애를 고려하지 않은 자동화가 반복적으로 불리한 결과를 만든다.

법과 정책은 왜 이 문제를 점점 더 주목하는가

채용 AI의 위험은 이제 단순한 학술 논쟁이 아니다. 장애 차별의 관점에서 자동화된 고용결정을 경고하는 흐름은 점점 더 뚜렷해지고 있다. 미국에서는 EEOC와 법무부가 AI와 소프트웨어 도구가 채용에서 장애 차별을 만들 수 있다고 경고한 바 있다.⁷ 핵심은 단순하다. 도구가 자동이라고 해서 차별 책임이 사라지는 것은 아니며, 직무와 무관한 방식으로 장애인을 불리하게 만들면 여전히 차별이 될 수 있다는 것이다.

학계와 실무 영역에서도 비슷한 문제의식이 이어진다. 채용 AI는 장애인에게 정확하지 않을 뿐 아니라, 접근성과 편의 제공이 부족한 상태에서 사용될 경우 구조적 불이익을 확대할 수 있다는 지적이 꾸준히 제기된다.³⁸ 최근에는 Workday 관련 소송처럼 알고리즘 채용도구가 장애인과 소수자에게 불리하게 작동했다는 주장도 사회적 주목을 받았다.⁹

규제도 점점 구체화되고 있다. 캘리포니아는 고용에서 자동화된 의사결정 도구로 인한 차별을 다루는 방향으로 규정을 발전시키고 있고, 뉴저지 역시 차별금지법이 알고리즘 차별에도 적용된다는 가이드를 내놓고 있다.¹¹¹² 유럽에서는 직장 내 감정추론 AI를 매우 제한적으로 보거나 금지하는 흐름도 나타난다.⁶

한국에서도 자동화된 의사결정이 장애인 채용 차별을 일으킬 수 있다는 법적 문제제기가 이미 나와 있다. 고의로 장애 특성을 배제하는 경우뿐 아니라, 기존 데이터에 반영된 편견, 장애인 데이터의 부족으로 인한 대표성 왜곡, 편의를 고려하지 않은 중립적 기준의 적용까지 모두 차별 위험이 될 수 있다는 점이 중요하다.⁴

이 흐름이 말해 주는 것은 명확하다. 문제는 기술의 미래가 아니라, 이미 시작된 현재의 고용 관행이라는 것이다.

직업재활 실무자는 기업에 무엇을 물어야 하는가

직업재활 실무자가 기업과 협력할 때 "우리 회사는 AI를 씁니다"라는 말만 듣고 넘어가면 안 된다. 진짜 중요한 것은 어떤 단계에서, 어떤 데이터로, 어떤 판단을 하도록 AI를 쓰는가다.

기업에 반드시 확인해야 할 질문은 다음과 같다.

AI가 이력서 필터링, 순위화, 면접 점수화, 수습평가 중 어디에 쓰이는가
장애인 지원자에게 대체 절차가 있는가. 예를 들어 영상 대신 텍스트, 음성 대신 자막·수어, 시간 연장, 대면 면접 전환이 가능한가
표정, 시선, 음성 톤, 반응속도 같은 요소를 평가에 포함하는가
평가항목이 실제 직무의 핵심 기능과 어떻게 연결되는가
자동 점수에 대해 사람이 최종 검토하는가, 아니면 자동 탈락이 가능한가
지원자가 설명, 이의제기, 재평가를 요청할 수 있는가
접근성 검증과 장애인 사용자 테스트를 실제로 했는가

이 질문은 까다롭게 들릴 수 있다. 그러나 직업재활의 목적은 단순히 일자리를 연결하는 것이 아니라, 공정한 진입 경로를 확보하는 데 있다. 특히 장애인 구직자를 대상으로 하는 상담과 지원에서는 취업처의 채용방식 자체가 직업적합도만큼 중요하다.

대체수단과 합리적 편의는 예외가 아니라 기본 설계여야 한다

많은 기업은 장애인 지원자에게 편의를 제공한다고 말하면서도, 실제로는 "요청이 들어오면 검토하겠다"는 수준에 머문다. 하지만 자동화된 채용에서는 이것만으로 충분하지 않다. 왜냐하면 지원자가 AI 사용 사실 자체를 모를 수 있고, 어느 단계에서 무엇을 요청해야 하는지 알기 어렵기 때문이다.⁵⁷

따라서 더 바람직한 방식은 처음부터 대체수단을 기본 설계에 넣는 것이다. 예를 들면 영상면접만 두지 않고 텍스트·오디오·대면 대안을 함께 제공하는 방식이다. 시간제한형 검사를 무조건 고정하지 않고 연장 옵션을 명시하는 방식이다. 음성 인식이나 표정 분석을 평가에 넣지 않거나, 넣더라도 채용 결정에서 제외하는 방식이다. 수습기간 생산성 모니터링에서도 보조기술 사용과 편의 제공 흔적을 낮은 성과로 오해하지 않도록 기준을 조정하는 방식이다.

중요한 것은 "같이 보이게 만드는 것"이 아니라 "같이 기회를 갖게 만드는 것"이다. 직업재활에서 합리적 편의는 특혜가 아니라 동등한 출발을 위한 장치다. 자동화된 채용에서도 이 원칙은 그대로 적용되어야 한다.

AI는 원래 배제의 기술이 아니라 보조의 기술이어야 한다

여기서 잊지 말아야 할 점이 하나 있다. 문제는 AI 자체가 아니라, 무엇을 위해 어떻게 쓰느냐다. AI는 신경다양인과 장애인을 배제하는 데 쓰일 수도 있지만, 반대로 접근성을 높이는 데도 강력하게 쓰일 수 있다. 직업교육과 직업재활, 학습지원 분야에서는 AI가 개인의 속도에 맞춘 훈련, 다양한 형식의 정보 제공, 자막과 음성전환, 작업단계 분해, 의사소통 보조 같은 방식으로 포용성을 높일 수 있다는 보고도 적지 않다.²¹³¹⁴

이 말은 매우 중요하다. 기술의 방향은 하나로 정해져 있지 않다. 같은 AI라도 상담에서는 문턱을 낮추고, 채용에서는 문턱을 높일 수 있다. 그러므로 직업재활 실무자는 "AI를 쓸 것인가 말 것인가"만 묻기보다, "AI를 누구의 편에 서게 만들 것인가"를 물어야 한다.

좋은 AI는 사람을 더 잘 설명하게 하고, 더 잘 접근하게 하며, 더 다양한 방식으로 역량을 보여 주게 만든다. 나쁜 AI는 사람을 더 빨리 오해하고, 더 조용히 탈락시키며, 더 설명 없이 제외한다. 채용 AI가 어느 쪽으로 작동하는지는 기술의 성능만이 아니라 설계 철학과 운영 원칙에 달려 있다.

직업재활 현장에서 기억해야 할 가장 중요한 기준

직업재활 실무자가 채용 AI를 만났을 때 가장 먼저 봐야 할 것은 시스템의 정교함이 아니다. 다음 세 기준이 더 중요하다.

첫째, 이 도구는 직무를 평가하는가, 아니면 규범적 인간상을 평가하는가. 눈맞춤, 표정, 말투, 빠른 속도, 매끈한 자기표현은 직무마다 중요도가 다르다. 그런데 많은 채용 AI는 이를 마치 보편적 역량처럼 다룬다.

둘째, 이 도구는 편의를 허용하는가, 아니면 편의를 오류로 취급하는가. 장애인 고용에서 편의는 필수다. 편의를 쓴 흔적이 낮은 점수의 근거가 된다면, 그 시스템은 처음부터 불공정하다.

셋째, 이 도구는 설명과 수정이 가능한가. 자동화된 결과에 대해 사람이 검토하고, 지원자가 이의를 제기하고, 대체 절차를 선택할 수 있어야 한다. 그렇지 않으면 차별은 있어도 보이지 않게 된다.

이 세 기준으로 보면, 채용 AI의 많은 문제는 갑자기 이해된다. 기술이 너무 똑똑해서 문제가 아니라, 오히려 사람의 다양성을 너무 좁게 읽기 때문에 문제가 되는 것이다.

이 장의 핵심 정리

채용 AI와 자동화된 의사결정은 직업재활에서 AI의 양면성을 가장 또렷하게 보여 주는 장면이다. AI는 대량 지원자를 빠르게 처리하고, 절차를 표준화하며, 기록을 남기고, 접근성을 높이는 데도 쓰일 수 있다. 그러나 잘못 설계되면 이력서 스크리닝, 영상면접, 표정·음성 분석, 게임형 평가, 생산성 모니터링, 비정형 행동 탐지의 모든 단계에서 장애인과 신경다양인에게 새로운 불이익을 만든다.³⁵⁶⁸

특히 위험한 것은 AI가 차별을 더 객관적으로 보이게 만든다는 점이다. 사람의 편견은 종종 드러나지만, 알고리즘의 편견은 점수와 순위의 형태로 숨어든다. 그래서 탈락은 더 조용해지고, 설명은 더 어려워지며, 이의제기는 더 힘들어진다.⁴¹⁰

직업재활의 입장에서 중요한 결론은 분명하다. 채용 AI는 단지 도입 여부의 문제가 아니라, 권리와 접근성, 합리적 편의, 설명가능성, 인간 검토를 어떻게 보장할 것인가의 문제다. AI가 사람을 돕는 기술로 남으려면, 사람을 평균에 맞춰 재단하는 기계가 아니라 다양한 방식의 능력을 드러내게 하는 도구가 되어야 한다. 그렇지 않으면 AI는 지원의 기술이 아니라 배제의 기술이 된다.