후보자를 찾는 일은 빨라졌는데, 믿는 일은 더 어려워졌다
LinkedIn은 9월 29일 Hiring Assistant 2를 발표했다. 더 강한 reasoning, memory, personalization을 바탕으로 후보자를 찾고 관련 맥락을 모으고 talent pool을 관리하는 채용 agent다.
LinkedIn 자체 제품 데이터에 따르면 Hiring Assistant를 사용하는 recruiter는 qualified candidate를 찾기 위해 검토하는 프로필 수를 83% 줄였고, interview-quality applicant를 33% 더 빨리 찾았다. prescreening은 중앙값 6분에 완료됐다고 회사는 밝혔다.
그런데 같은 발표에서 미국 Talent Acquisition 종사자의 39%는 가장 큰 문제로 후보자 또는 그 사람이 주장하는 skill이 실제인지 알기 어렵다는 점을 꼽았다. Search가 빨라지는 바로 그 시점에 Verification이 병목으로 올라온 것이다.
채용 Funnel은 Scarcity Problem에서 Volume Problem으로 이동했다
LinkedIn은 글로벌 hiring이 팬데믹 이전 대비 약 30% 낮은 반면 구직자 한 명당 지원 건수는 약 30% 증가했다고 설명했다. 좋은 인재는 여전히 희소하지만 채용팀이 처리해야 하는 application volume은 커졌다.
Greenhouse의 6000개 이상 기업, 6억4000만 건 이상 지원서 benchmark에서도 recruiter 한 명이 1년에 처리한 지원서는 2022년 1610건에서 2025년 4890건으로 늘었다. 증가율은 203.7%다.
과거에는 후보자가 없어서 Search가 중요했다면, 지금은 후보자가 너무 많이 들어오는 동시에 실제 Signal을 골라내는 일이 더 어려워질 수 있다.
AI는 recruiter만 강하게 만든 것이 아니라 candidate signal도 더 매끄럽게 만든다
지원자는 AI로 이력서를 다듬고 JD에 맞춰 경력기술서를 재구성하고 면접을 연습할 수 있다. 이런 활용 자체가 허위라는 뜻은 아니다.
하지만 표현의 품질과 실제 capability 사이의 거리가 더 커질 수는 있다. 좋은 문장을 쓰는 능력, 좋은 답변을 준비하는 능력과 실제로 그 일을 해본 경험은 같은 것이 아니다.
채용팀은 그래서 문서의 완성도보다 그 안의 주장과 실제 experience 사이에 evidence chain이 존재하는지를 더 깊게 확인해야 할 수 있다.
Greenhouse에서는 91%의 recruiter가 candidate deception을 경험했다고 답했다
Greenhouse의 2026 AI in Hiring Report는 미국의 구직자 1200명, recruiter 219명, hiring manager 446명을 조사했다.
Greenhouse가 공개한 후속 자료에 따르면 recruiter의 91%가 채용 과정에서 어떤 형태로든 candidate deception을 경험했다고 응답했다. 주요 유형으로 이력서 과장 63%, 가짜 reference 48%, AI-assisted interview answer 35%가 제시됐다.
이 수치는 후보자의 91%가 거짓이라는 뜻이 아니다. 조사에 참여한 recruiter의 91%가 자신의 채용업무에서 적어도 한 형태의 deception을 경험했다는 의미다. 중요한 것은 Verification Work가 독립적인 비용으로 커지고 있다는 점이다.
Search → Match → Verify → Judge는 서로 다른 문제다
Search는 관련 후보자가 어디에 있는가를 찾는 문제다. Match는 현재 역할과 어떤 후보의 profile이 가까운가를 정렬하는 문제다.
Verify는 identity, employment, education, project experience, skill claim에 어떤 근거가 있는지 확인하는 문제다. Judge는 사실이 확인된 뒤에도 이 사람이 특정 회사의 특정 문제를 해결할 사람인지 결정하는 문제다.
AI가 Search와 Match를 싸게 만든다고 Verify와 Judge까지 자동으로 쉬워지는 것은 아니다. 오히려 후보자 volume이 커지고 signal이 매끄러워질수록 후반부 판단에 더 많은 attention이 필요할 수 있다.
Identity Verification과 Capability Verification도 다르다
실제 사람이라는 것, 실제 특정 회사에 근무했다는 것, 실제 학력을 보유했다는 것이 확인돼도 채용결정은 끝나지 않는다.
그 회사에서 정확히 무엇을 했는지, 어느 수준까지 직접 책임졌는지, 팀의 결과 중 자신의 기여는 무엇이었는지, 같은 문제를 다른 환경에서도 재현할 수 있는지가 남는다.
그래서 Identity Verification ≠ Capability Verification이고 Capability Verification ≠ Hiring Judgment다. 채용팀은 단순 인증을 넘어 경험의 내부구조와 transferability까지 확인해야 한다.
좋은 헤드헌터의 가치도 후보자 DB에서 Evidence와 Judgment로 이동할 수 있다
AI가 대규모 talent pool에서 후보자를 찾고 정렬하고 outreach와 screening을 지원하기 시작하면 후보자를 많이 찾을 수 있다는 주장만으로는 차별화하기 어려워질 수 있다.
그 대신 어떤 역할이 실제로 필요한지 정의하고, 경력문장과 실제 수행경험을 분리하고, 인접경력 가운데 무엇을 transferable capability로 인정할지 판단하고, 후보자가 실제로 움직일 조건을 확인하는 일이 중요해진다.
Search firm의 결과물도 후보자 10명 리스트보다 왜 이 사람들이 실제 후보이며, 무엇이 검증됐고, 어디에 리스크가 있고, 누구에게 어떤 이유로 베팅할 수 있는가를 설명하는 Decision Support 쪽으로 올라갈 수 있다.
후보자만 검증하면 신뢰 문제가 해결되는 것도 아니다
Verification을 강화한다고 모든 후보자를 의심하는 프로세스를 만들면 좋은 지원자의 경험을 망칠 수 있다.
Greenhouse의 2026 Candidate AI Interview Report에서는 AI 평가를 경험한 미국 후보자의 70%가 최근 AI interview 전에 AI가 자신을 평가한다는 사실을 명확히 고지받지 못했다고 답했다.
Trust는 양방향이다. 기업은 후보자의 identity와 evidence를 확인하는 동시에 후보자에게 어떤 AI가 어떤 단계에서 어떤 방식으로 평가에 사용되는지도 투명하게 설명할 필요가 있다.
BANSEOG VIEW | AI가 Search Cost를 낮출수록 Judgment Value는 올라갈 수 있다
LinkedIn의 83% fewer profiles와 33% faster라는 숫자만 보면 채용의 핵심은 더 빠른 Search처럼 보인다. 하지만 같은 발표의 39%는 신뢰할 수 있는 candidate와 skill을 확인하는 일이 이미 핵심 병목이 됐음을 보여준다.
Banseog는 이를 Scarcity Problem → Volume Problem → Trust Problem, 그리고 Search → Match → Verify → Judge로 본다.
AI가 Candidate Discovery를 싸게 만들수록 Search의 최종 상품은 후보자 리스트가 아니라 Evidence, Context, Verification, Mobility와 Trade-off를 묶어 이 사람에게 정말 베팅해도 되는가를 결정하도록 돕는 Judgment가 될 수 있다.
BANSEOG VIEW
Banseog View — Search → Verify → Judge
Candidate Discovery의 비용이 내려갈수록 Verification Work의 상대가치는 커질 수 있다.
Identity Verification, Capability Verification, Hiring Judgment는 서로 다른 단계다.
좋은 Search의 차별화는 Candidate List에서 Evidence + Context + Trade-off + Decision Support로 이동할 수 있다.
SOURCES
근거가 된 원자료
- LinkedIn — Hiring Assistant 2
2026-09-29. Hiring Assistant 2 발표, 83% fewer profiles, 33% faster interview-quality applicant discovery, prescreen median 6분, 글로벌 hiring -30%, applicant당 applications +30%, TA 39%의 candidate/skill authenticity 문제를 확인.
- Greenhouse — The 2026 AI in Hiring Report
미국 구직자 1200명, recruiter 219명, hiring manager 446명 조사와 AI·trust·validation gap의 구조를 확인.
- Greenhouse — Hiring Benchmarks 2026
6000개 이상 기업, 6억4000만 건 이상 application을 분석해 recruiter당 연간 지원서가 2022년 1610건에서 2025년 4890건으로 203.7% 증가한 benchmark를 확인.
- Greenhouse — 2026 Summer Awards / Candidate Fraud
2026 AI in Hiring Report를 인용해 recruiter 91%의 candidate deception 경험, resume exaggeration 63%, fake references 48%, AI-assisted interview responses 35%를 확인.
- Greenhouse — 2026 Candidate AI Interview Report
AI interview 경험 미국 후보자의 70%가 사전에 AI 평가가 명확히 고지되지 않았다고 답한 transparency 문제를 확인.
LinkedIn의 83% fewer profiles와 33% faster는 LinkedIn 자체 Hiring Assistant 사용 데이터이며 모든 기업에서 동일하게 재현되는 독립 benchmark가 아니다. Greenhouse의 91%는 후보자의 91%가 허위라는 뜻이 아니라 조사 recruiter 가운데 candidate deception을 경험했다고 응답한 비율이다. Search → Match → Verify → Judge와 Search Cost ↓ → Judgment Value ↑는 공개자료를 연결한 Banseog 분석 프레임이다.