AI 면접관이 당신의 이력서를 걸렀다 — 고용평등법은 AI에도 적용된다

한 공채 지원자가 서류 탈락 후 기업에 이유를 물었더니 돌아온 답은 "AI 스크리닝 결과"였다. 어떤 기준으로 떨어뜨렸는지는 알 수 없었다. 이것이 2026년 한국 채용 현장의 풍경이다. 그리고 이 장면에는 기업이 모르는 법적 지뢰가 숨어 있다. AI 채용 도구가 만들어내는 결과가 특정 집단에 불리하면, 차별 의도가 없어도 고용평등법 위반이 성립할 수 있다.

무슨 일이 벌어지고 있나

이력서 자동 분류, AI 면접 영상 분석, 합격 가능성 예측 알고리즘 — AI 채용 에이전트가 2026년 들어 중견기업 이상 HR 시스템에 본격적으로 내재화되고 있다. 배경에는 두 가지 압력이 작용한다.

첫째, 채용 비용과 속도 문제다. 기업 한 곳에 수천 건의 지원서가 몰리는 상황에서 AI 스크리닝은 선택이 아닌 현실적 필요가 됐다. 둘째, 노동시장 구조 변화다. 대졸 실업자가 48만 명에 달하는 상황에서 AI 에이전트가 화이트칼라 업무 자체를 대체하기 시작하면서, 기업의 채용 수요 자체가 변형되고 있다. 이 와중에 AI가 채용 결정을 내리는 프로세스는 빠르게 표준이 되고 있다.

문제는 AI가 중립적이지 않다는 것이다. AI 채용 도구는 과거 합격자 데이터를 학습한다. 만약 그 데이터가 남성 중심, 명문대 중심, 수도권 중심으로 편향되어 있다면 — AI는 그 편향을 고스란히 재현하고, 심지어 증폭시킨다.

왜 이것이 법적 문제인가

많은 기업이 "AI가 결정한 것이니 우리 책임이 아니다"라고 생각한다. 그러나 남녀고용평등과 일·가정 양립 지원에 관한 법률(이하 고용평등법) 제2조 제1호는 간접차별을 명시적으로 규정하고 있다.

간접차별의 정의는 이렇다. "사업주가 채용 또는 근로의 조건은 동일하게 적용하더라도, 그 조건을 충족할 수 있는 남성 또는 여성이 다른 한 성에 비하여 현저히 적고, 그에 따라 특정 성에게 불리한 결과를 초래하며, 그 조건이 정당한 것임을 증명할 수 없는 경우"를 차별로 본다.

핵심은 세 가지다. ① 표면상 중립 ② 특정 집단에 현저히 불리한 결과 ③ 정당성 미증명. AI 채용 도구는 이 세 조건을 동시에 충족하는 구조적 위험을 안고 있다. 조건은 동일하게 적용하지만(표면 중립), 여성·고령자·특정 지역 출신에게 현저히 불리한 결과가 나오고(불리한 결과), 기업이 "AI가 그렇게 판단했다"는 말 외에 정당성을 증명하지 못하면(정당성 미증명), 간접차별이 성립한다.

고용평등법 제7조는 모집·채용 과정의 성차별을 금지하며, 고용상 연령차별금지 및 고령자고용촉진에 관한 법률 제4조의4는 채용 과정의 연령 차별도 금지하고 있다. AI 알고리즘이 연령을 간접적으로 대리하는 변수를 활용한다면 이 법도 적용된다.

고용노동부도 움직이고 있다. 2026년 제2차 양성평등위원회에서 AI 전환이 채용·배치 방식에 미치는 영향과 AI 학습데이터의 성별 편향 문제를 집중 논의하고, 소위원회를 구성해 정책 개선 과제를 발굴하기로 했다. 아직 국내 법령 조문으로 AI 채용 편향을 명시적으로 규율하는 조항은 없지만, 기존 간접차별 법리로 충분히 포섭 가능하다는 것이 노동법 실무의 지배적 해석이다.

어떤 변수가 위험한가 — 유형별 리스크 비교

AI 채용 도구에서 간접차별이 발생하는 경로는 다양하다. 아래 표는 실제 AI 채용 알고리즘에서 자주 사용되는 변수와 그것이 어떤 집단을 불리하게 만들 수 있는지를 정리한 것이다.

글로벌 규제는 어디까지 왔나

한국보다 한발 먼저 움직인 나라들의 규제 방향을 보면 한국의 미래가 보인다.

EU AI Act는 채용 과정에서 사용되는 AI 도구를 '고위험(high-risk) AI 시스템'으로 분류했다. 사업주는 해당 AI 도구의 투명성과 공정성을 확보하고, 자동화 결정에 인간 감독 체계를 갖춰야 한다. EU에 진출하거나 EU 인력을 채용하는 한국 기업은 이미 이 규제의 영향권 안에 있다.

미국 콜로라도주 SB 24-205는 2026년 2월 1일 발효됐다. 고위험 AI 시스템에 대해 편향 감사(bias audit) 실시와 결과 공개를 의무화했다. 미국 EEOC(고용기회평등위원회)는 AI 채용 도구에 '불균형 영향(disparate impact)' 이론을 정면 적용하기 시작했다. 보호집단의 선발률이 현저히 낮은 결과가 나오면 차별 의도와 무관하게 법 위반이 된다는 논리다.

한국 고용노동부의 정책 방향도 이와 수렴하고 있다. AI 채용 알고리즘의 결정 근거 공개, 편향성 정기 점검, 이의 제기 절차 마련을 기업의 자율 준수 사항으로 권고하는 방향으로 가이드라인 제정이 논의되고 있다.

HR 담당자 실무 체크리스트

현재 사용 중인 AI 채용 도구가 있다면 아래 항목을 점검하라.

• 어떤 변수로 점수를 산정하는가? — 벤더사에 변수 목록과 가중치 공개를 요청. 공개 거부 시 도입 검토 단계부터 재고.
• 학습 데이터 구성이 편향되어 있지 않은가? — 과거 합격자 데이터 성비·연령 분포 확인. 편향된 데이터로 학습한 AI는 편향된 결과를 낸다.
• 성별·연령·지역별 합격률 통계를 정기적으로 모니터링하는가? — 특정 집단의 합격률이 현저히 낮다면 즉시 원인 분석 필요.
• 지원자가 AI 결정에 이의를 제기할 수 있는 절차가 있는가? — 인간 검토자를 통한 재심 경로를 확보해야 한다.
• AI 채용 도구 사용 사실을 지원자에게 고지하는가? — 개인정보 처리방침에 AI 활용 여부 명시 필요.
• 외부 편향 감사를 받은 솔루션인가? — 제3자 감사 리포트 보유 여부 확인.

앞으로 어떻게 흘러갈까

한국 고용노동부가 AI 채용 편향을 공식 정책 의제로 올린 이상, 이른 시일 내에 'AI 채용 공정성 가이드라인'이 나올 가능성이 높다. 처음에는 자율 준수 형태로 발표되겠지만, 글로벌 규제 수렴 압력과 국내 노동시장 구조 변화를 감안하면 2~3년 내 법제화 단계로 넘어갈 것으로 보인다.

기업 입장에서 지금 해야 할 것은 명확하다. AI 채용 도구를 '효율의 도구'로만 보지 말고, 사용자 책임이 따르는 '의사결정 권한의 위임'으로 인식해야 한다. 벤더사가 아무리 "편향 없는 AI"라고 광고해도, 법적 책임의 주체는 그 도구를 선택하고 운영한 사업주다.

AI 면접관이 당신 회사 채용을 대신하고 있다면, 그 AI가 무엇을 배웠는지 — 오늘 한 번은 들여다볼 때가 됐다.

자주 묻는 질문

Q. AI 채용 도구를 쓰면 고용평등법 위반이 되나요?

도구 자체가 위반은 아니지만, AI 결과가 특정 성별·연령 집단에 현저히 불리하고 정당성을 증명하지 못하면 간접차별로 위반이 됩니다.

Q. 간접차별이 성립하려면 차별 의도가 필요한가요?

아닙니다. 고용평등법 제2조 제1호는 의도와 무관하게 결과만으로 간접차별을 판단합니다.

Q. AI 솔루션 벤더사가 책임지는 것 아닌가요?

아닙니다. 고용평등법상 차별 책임의 주체는 사업주입니다. 벤더사 면책 조항은 고용법상 책임과 별개입니다.

Q. 편향 감사는 어떻게 하나요?

채용 결과를 성별·연령·지역별로 분류해 합격률 차이를 분석하고, 현저한 격차가 있으면 해당 변수를 검토하는 방식으로 시작합니다.

Q. AI 채용 사용 사실을 지원자에게 알려야 하나요?

현행법상 명시 의무는 없지만, 개인정보 보호법상 자동화 결정에 대한 설명 요구권이 적용될 수 있어 고지를 권장합니다.