AI가 HR의 ‘도구’가 아니라 ‘뇌(Brain)’로 진화하는 시대,
참석자들은 93.7%의 예측 정확도를 보유한 TEO가 보여준 데이터 기반 의사결정의 가능성에 놀라움을 표했습니다.

이번 밋업은 크게 두 세션으로 나뉘어 진행되었습니다. 첫번째 세션에서는 글로벌 채용 트렌드와 채용 실패 비용의 현실을 다뤘고, 두번째 세션에서는 TEO가 실제 채용 현장에서 어떻게 활용되는지 파트너사의 사례로 확인했습니다.

급변하는 채용 환경 속에서 효율적인 채용 전략을 고민중 이라면 이번 밋업 내용을 꼭 살펴보세요. 트렌드와 실무 전략을 함께 확인할 수 있습니다.

채용 실패는 왜 기업의 가장 큰 리스크인가

채용 실패 경제학
— 한 사람의 실수가 남기는 2억 원의 비용

김형우 리드는 채용 실패가 기업의 손익 구조에 어떤 영향을 미치는지를 정량적으로 분석했습니다.

인사 예산에서 가장 큰 비중은 인건비입니다. 하지만 눈에 보이는 비용 외에도 조직 성과를 저해하는 보이지 않는 손실이 존재합니다.

특히 Bad Hire(채용 실패)는 인건비, 복리후생비 뿐 아니라 매출 손실, 동료 피로도 증가, 리더 재채용 부담 등 다양한 간접 비용이 발생합니다. 이로 인해 HR 예산은 단순 비용이 아닌, 조직의 손익 구조에 영향을 미치는 투자 리스크 영역으로 분류됩니다.

이러한 모든 상황을 고려해 스펙터가 산출한 1인당 평균 손실 비용은 2억 1,070만 원, 조직에서 10명을 잘못 채용했을 때 연간 20억원의 손실이 발생하며 이는 중소기업의 한해 순이익과 유사한 규모입니다.

‘Offer or Not’

— 감에 의존하던 채용을 데이터로 바꾸다

구글의 직무성과 예측정확도 70% 입니다. 국내 기업 평균 20~40% 수준에 비해 높은 이유는 구조화된 인터뷰, 하이어링 커미티, 데이터 기반 의사결정 등 장기적 시스템 구축의 결과입니다. TEO는 구글을 뛰어넘는 정확도를 목표로 개발되었습니다.

유용연 Product 총괄은 실제 5개 Design Partner사, 15,000건 실제 채용데이터 학습한 과정을 공유했는데요. 그 결과 TEO의 예측 정확도는 93.7%였습니다.

• 스크리닝 혁신: 1,000건의 이력서 검토를 1시간 내 완료

• 정확도: 하위 50% 필터링 정확도 99%

• 예측력: 실제 성과 데이터 기반 예측 정확도 93.7%, 구글 알고리즘 대비 +4.2%p

또한, TEO는 GPT·Gemini·Claude·Grok 등 다양한 AI 모델을 각 단계에 최적 적용하여 한 모델의 오류가 발생해도 다른 모델이 보완하도록 설계되었습니다.
이는 채용 의사결정의 신뢰성(Reliability)을 확보하기 위한 전략적 구조입니다.

• Q. 중소기업도 AI 채용 솔루션을 도입할 수 있을까?
  JD와 인재상 컨설팅을 통해 적은 데이터로도 학습이 가능합니다.

• Q. AI 채용에서 법적 문제는 없을까?
  면접 녹음은 동의하에 진행되며, 지원자에게 피드백을 제공하는 구조입니다.

• Q. AI가 사람을 대체하는 건 아닐까?
  아닙니다. TEO는 판단을 대신하지 않습니다.
  데이터를 통해 HR이 더 정확한 결정을 내릴 수 있도록 돕는 파트너입니다.

• Q. TEO의 오류를 줄이기 위해 특별히 신경쓰는 부분은 무엇인가?
  모든 걸 다 공개하기는 어렵지만, 마치 레고를 조립하듯이 모든 프로세스가 구현되어 있습니다.
  영역별로 성능 테스트를 하고 최적의 모델을 레고처럼 조립합니다. 그럼에도 오류가 발생할 수 있는 프로세스는 다수의 분석을 통해 결과를 도출합니다.

• Q. 정확도를 높이기 위한 과정은 어떠한가?
  TEO 온보딩에 기업의 인재상이나 성공사례, JD를 재정의 하는 과정이 포함되어 있습니다. 더 정교한 과정을 원한다면 필요에 따라 저희가 현업 분들을 짧게 인터뷰하기도 합니다. 합격자가 발생하면 인재상은 자연스럽게 고도화 되고 이 과정이 계속되면 뾰족한 JD가 도출되고 인재상이 만들어집니다.

“TEO는 HR의 내비게이션이다.”

윤 대표는 TEO를 이렇게 정의했습니다.

TEO는 감정과 편향으로 가득했던 채용 여정 속에서,
기업이 가장 빠르고 정확한 경로로 최적의 인재를 찾도록 안내하는 내비게이션이 되어줍니다.