“채용팀 인턴은 클로드”, AI로 채용 업무 자동화부터 면접자 경험 개선까지

AI 챔피언 14번째 이야기 — People & Communications실 TA팀 최슬기 팀장

채용은 사람을 만나는 일이고, 그래서 오래도록 사람의 손이 많이 들어가는 영역이었습니다. 지원 공고를 정리하고, 면접 일정을 조율하고, 면접자가 사무실 앞에서 서 있을 때 직접 내려가 안내하는 일까지, 모두가 “원래 그렇게 해왔던” 수기 업무였습니다.

메일, 구글 시트, 캘린더 같은 도구들은 이미 쓰고 있었지만, 그 사이를 잇는 건 여전히 사람의 손이었습니다. 누군가는 메일을 열어 내용을 확인하고, 시트에 옮겨 적고, 일정을 하나하나 조율해야 했습니다.

TA(Talent Acquisition, 채용)팀은 이 반복되는 수작업 속에서 일종의 “인위적 결핍”을 느끼기 시작합니다. 그때부터였습니다. 이 팀이 AI, 특히 클로드 코드를 중심으로 채용 오퍼레이션을 통째로 다시 그려 보기 시작한 것은.

발표를 맡은 TA팀의 최슬기님은 이 과정을 두고 이렇게 말합니다.

“저희는 AI로 뭔가 자동화를 했다, 효율화를 했다보다는 AI를 통해서 생각의 구조가 많이 바뀐 것 같아요. 기존에 일하던 방식에서 아예 새로운 방식으로 제 생각을 전환하게 된 계기가 됐어요.”

이 글에서는 TA팀이 실제로 어떤 문제를 마주했고, 그것을 데이터, 운영, 면접자 경험이라는 세 개의 축으로 나눠 어떻게 자동화했는지를 정리합니다. 비개발자가 클로드 코드로 직접 시스템을 만들었다는데, 어떻게 가능했을까요?

채용 기안, 이제 시트가 알아서 채운다

채용을 진행할 때 현업 팀은 내부 시스템을 통해 채용 기안을 올리고, TA팀은 그 내용을 기반으로 전체 TO를 관리하고 있었습니다. 문제는 명확했습니다. 이 사이를 잇는 다리가 모두 수기 작업이었다는 점.

해당 기안이 올라오면, TA팀은 메일로 전달된 내용을 보고 구글 시트에 행을 추가해 “어떤 팀에서 어떤 포지션을 몇 명 뽑는지”를 직접 입력해야 했습니다. 이 단계에서 한 번이라도 누락이 발생하면, 현업은 채용을 요청했는데 실제 채용이 진행되지 않는 심각한 문제가 생깁니다.

“이걸 놓치게 되면 운영이 안 되는 거죠.
휴먼 에러가 발생할 수 있으니, 이걸 AI로 하면 좋지 않을까라는 생각을 했어요.”

TA팀이 떠올린 해결책은, 이미 존재하는 신호를 활용하는 것이었습니다. 채용 기안이 올라오면 담당자에게 자동으로 “열람 메일”이 도착하는데, 이 메일 안에 기안에 필요한 핵심 정보가 모두 들어 있습니다. 그래서 이 메일을 AI가 읽고 필요한 정보를 추출한 뒤, 구글 시트에 자동으로 행을 추가해 주는 흐름을 만들었습니다.

이 과정에서 최슬기님은 직접 코드를 짜기보다는, 클로드 코드에 자연어로 요구사항을 설명하고 구현을 요청했습니다. 메일을 어떤 조건에서 읽을지, 어떤 필드를 어떻게 시트에 기록할지, 누락을 막기 위한 최소한의 예외 처리를 어떻게 할지 등을 점차 보완해 가며 시스템을 만들었습니다.

“아직 완벽하다고 할 수는 없지만,
채용 기간이나 세부 내용이 자동으로 올라오고 시트에 행도 추가되니까
놓치지 않고 제때 운영할 수 있게 됐어요.”

결과적으로 데이터 자동화는 “사람이 기입 실수를 하지 말자”는 차원의 관리가 아니었습니다. “처음부터 사람이 입력하지 않아도 되는 구조로 바꾸자”는 발상 전환에서 출발한 것입니다. 반복되는 수작업이 만들어낸 피로감이, 오히려 더 안정적인 데이터 흐름을 만드는 계기가 된 셈입니다.

면접 일정 조율, 시스템이 대신하다

“면접 일정 조율은 쉬워 보이지만, 생각보다 복잡해요.”

면접자와 면접관 여러 명의 일정을 맞추고, 시간이 확정되면 나머지 블록을 지우고, 캘린더 권한을 설정하고, 면접 평가 폼을 만드는 모든 과정이 사람 손을 거쳤습니다.

보통은 면접자에게 세 개 정도의 옵션을 제시하고, 그 중 하나를 고르면 나머지 시간 블록을 모두 지워야 했습니다. 면접관이 한 명이면 그나마 나았지만, 두세 명이 되는 순간, 각자의 일정을 맞추고 다시 정리하는 작업이 눈에 띄게 늘어났습니다. 일정 확보를 위해 캘린더에 블록을 잡아 두었다가, 면접이 확정되면 나머지를 지우는 일을 잊어버리는 경우도 자주 있었습니다.

“숙련도가 낮으면 권한 설정을 빠뜨려서 면접 직전에 급하게 요청이 오기도 해요. 작아 보이지만 임팩트가 큰 일이라서, 자동화하면 좋겠다고 생각했어요.”

TA팀은 이 문제를 “면접 일정 페이지”라는 형태의 작은 서비스로 다시 설계했습니다.

“캘린더에서 빈 일정을 조회해서 HTML로 만들었어요.”

관리자용 페이지에서 면접 포지션과 면접자 이메일을 입력하면, 시스템이 구글 캘린더에서 면접관과 면접자의 비어 있는 일정을 조회해 가져옵니다. 이 빈 슬롯들은 캘린더 형태로 시각화되어, 사람이 보기에도 직관적으로 이해할 수 있게 구성되었습니다.

관리자가 적절한 후보 시간을 선택해 “면접자에게 제안 보내기”를 누르면, 해당 슬롯들이 메일로 전송되고, 동시에 캘린더에는 “예비 면접”과 같은 이름으로 블록이 잡힙니다.

“면접자가 날짜를 선택하면 그 시간이 확정되고 나머지 블록은 지워져요.
면접 평가지도 자동 세팅되고, 권한도 참여자들에게 자동으로 들어가죠.”

이 시스템도 처음부터 완성형으로 등장한 것은 아니었습니다.

“처음엔 리스트로 나와서 구분이 어려웠는데, ‘캘린더 형식으로 해줄래?’ ‘면접관이 복수인 경우도 처리해줄래?’ ‘입력 값을 드롭다운으로 바꿔줄래?’ 하면서 점점 다듬어 갔어요.”

여기서 중요한 지점이 있습니다.

이 구현이 “전문 개발자가 긴 시간 계획하고 개발한 시스템”이 아니라, 실제 업무 맥락을 가장 잘 아는 담당자가 스스로 AI와 상호작용하며 만들어 갔다는 점입니다. 업무 지식이 있었기에 “어디가 가장 번거로운지”를 정확히 짚을 수 있었고, 그 지점을 중심으로 AI에게 반복해서 숙제를 던질 수 있었습니다.

출입문 앞 QR 하나로 바뀐 것들

TA팀의 일은 면접이 잡힌 뒤에도 계속됩니다.

“면접이 하루에 많으면 열다섯 건도 있는데, 문이 자동으로 안 열려서 저희가 두 번이나 개입해야 해요. 업무 흐름이 끊기는 일이었죠.”

특히 사무실 방문 면접의 경우, 면접자가 도착했을 때 직접 내려가 면접실까지 안내해야 했습니다.

TA팀은 이 인솔 과정을 단순히 “수고를 덜어주는” 차원이 아니라, 면접자 경험과 리소스 분배 관점에서 다시 설계했습니다. 핵심은 분명했습니다. 사람이 꼭 해야 하는 일과 시스템이 대신할 수 있는 일을 분리하는 것.

“문 앞에 QR 코드 안내문을 붙이고, 면접 알림봇으로 ‘면접자가 도착했습니다’ 알림이 가게 했어요.”

면접자가 QR 코드를 찍어 구글 폼에 본인 정보를 입력하면, 담당자에게 도착 알림이 전달됩니다.

이렇게 되면 TA팀은 하루 수차례 반복되던 “직접 내려가기”를 한 번으로 줄일 수 있습니다. 면접자가 캔틴에서 면접실로 이동하는 구간은 면접관이 직접 안내해도 충분하고, TA팀은 전체 흐름이 끊기는 순간을 줄일 수 있습니다. 무엇보다 중요한 건, 이 과정에서도 면접자 경험을 우선순위에 두었다는 점입니다.

쿠폰 지급도 마찬가지입니다. 1차 면접에 온 면접자가 자연스럽게 마이리얼트립을 경험해 볼 수 있도록, 감사의 의미를 담아 쿠폰을 직접 전달하는 것이 기본 원칙이었습니다.

“사람마다 멘트가 다르잖아요. 어떤 분은 말없이 건네기도 하고, 어떤 분은 친절하게 설명하며 드리기도 하고. 일관성이 부족하다고 생각했죠.”

“1차 면접자가 도착 알림을 보내면 자동으로 쿠폰 메일이 나가요.
사람 개입을 최소화하면서 면접자 경험도 올릴 수 있게 됐죠.”

쿠폰 코드는 시트에서 관리되어 수기 작업 없이 순차 발송되고, 면접자는 대기실에서 자연스럽게 쿠폰 메일을 확인하게 됩니다.

이 자동화의 핵심은 인건비 절감이 아니었습니다. 경험의 일관성 확보였습니다.

업무를 가장 잘 아는 사람이 설계한다

여기까지의 자동화 사례들은 모두 “업무를 잘 아는 사람이 AI를 직접 활용해 구현했다”는 공통점을 가지고 있습니다. 그렇다면 이 설계 과정은 어떻게 진행됐을까요?

“이 업무를 담당하고 있으니까 맥락을 잘 알잖아요.
‘이 부분은 AI로 할 수 있겠다’는 생각이 많이 들었어요.”

최슬기님은 처음부터 명확한 그림을 가지고 있던 것은 아니었다고 말합니다. 다만 업무 맥락을 잘 알고 있었기 때문에, 어떤 지점에서 AI를 적용해 볼 수 있을지 아이디어가 많았다고 회고합니다.

초기에는 GPT나 다른 도구로 면접 평가지 자동 세팅을 시도했지만, 원하는 수준의 구현이 되지 않아 실패하기도 했습니다. 하지만 최근에는 클로드 코드와 같은 도구들이 발전하면서, “이게 구현이 될까?” 했던 것들도 실제로 만들어 주는 경험을 하게 됩니다. 실패와 보완을 거듭하면서 “적용할 수 있는 영역이 더 많겠다”는 확신으로 이어졌습니다.

우리 팀의 다음 인턴도, 아마 AI일 것이다

“반복 업무를 줄이고, 채용 전략에 더 집중할 수 있도록 팀 구조 자체를 바꾸고 있어요.”

TA팀이 시도한 자동화의 결과는 단순히 시간을 절약한 수준을 넘어섭니다. 데이터 자동화, 일정 자동화, 면접자 경험 설계까지, 예전에는 당연하게 사람이 하던 일이 시스템으로 옮겨 갔습니다.

중요한 건, 이 변화가 “모두를 대체하는 AI”가 아니라는 점입니다. “업무를 잘 아는 사람이 더 많은 문제를 풀 수 있게 해 주는 AI”였습니다. 제약에서 출발했지만, 결과적으로 TA팀은 사람과 시스템이 각자 잘할 수 있는 역할을 나누고, 반복 작업 대신 전략에 더 많은 시간을 쓸 수 있는 구조를 만든 셈입니다.

발표를 정리하며 최슬기님은, 이미 어느 정도 구현을 해 본 사람일수록 AI와 함께 더 많은 문제를 풀 수 있다고 제안합니다. 지금까지 해 온 구현을 출발점으로 삼아, “여기서 더 어떤 문제를 풀 수 있을까”를 질문해 보라는 이야기였습니다.

“이제 시작이라는 느낌이에요. 더 많은 걸 할 수 있을 것 같아요.”

“채용팀 인턴은 클로드”라는 제목은 단순한 농담이 아닙니다. 최슬기님과 TA팀은 자신들의 일을 더 잘 이해하게 되었고, 그 이해를 바탕으로 AI와 함께 새로운 방식을 만들어 갔습니다.

그리고 그 경험은, 다음에 팀이 맞닥뜨릴 “인위적 결핍” 앞에서도, 또 한 번 AI를 불러올 이유가 되어 줄 것입니다.

다음 인턴이 클로드가 될지, 또 다른 AI가 될지는 모르지만, 적어도 TA팀은 이제 ‘사람이 꼭 해야 할 일’이 무엇인지 분명히 알고 있습니다.