AI기본법 시행 6개월, 채용 AI는 왜 아직 ‘사각지대’인가 — 법의 허점과 HR 실무자의 대응 전략

AI기본법이 생겼는데, 채용 AI는 왜 아직도 ‘사각지대’인가

2026년 1월 22일, 한국은 세계 최초로 AI 규제법을 전면 시행한 나라가 됐다. 채용은 ‘고영향 AI(High-Impact AI)’ 10개 적용 영역 중 하나로 명시됐다. 그런데 시행 6개월이 지난 지금, 44.2%의 구직자는 여전히 AI 채용 과정에서 차별을 경험했다고 답한다. 법은 생겼는데, 현장은 왜 바뀌지 않는 걸까.

한 줄 요약: AI기본법이 채용 AI를 ‘고영향 AI’로 분류했지만 ‘인간 개입이 있으면 규제 제외’라는 허점이 현장 실효성을 무너뜨리고 있다 — HR 실무자에게 남겨진 공백을 어떻게 채울 것인가.

법은 채용 AI를 잡겠다고 했다 — 그런데 어떻게?

「인공지능 발전과 신뢰 기반 조성 등에 관한 기본법」(이하 AI기본법)은 에너지, 의료, 원자력, 범죄 수사와 함께 채용을 고영향 AI 규율 대상으로 명시했다. 이론적으로는 채용 AI 사업자가 시스템 운용 사실을 사전 고지하고, 결과물에 AI 생성 표시를 해야 한다.

그런데 과학기술정보통신부의 해석이 이 그림을 뒤흔든다. 정부는 “사람의 개입이 전혀 없는 시스템만 고영향 AI로 규제한다”는 입장을 유지하고 있다. 즉, AI가 서류를 1차 스크리닝하고 역량 검사를 평가한 뒤, 마지막 면접에 사람이 한 번만 앉아 있어도 — 이 시스템은 고영향 AI가 아니다.

솔직히 이건 좀 이상하다. 수백 명이 이미 AI 점수에 의해 탈락한 뒤, 최종 면접에 올라온 3명 중 한 명을 고르는 행위를 ‘인간 판단’이라고 볼 수 있을까. 결정은 훨씬 전에 이미 내려져 있다.

‘알고리즘 단일재배’ — 편향이 노동시장 전체로 퍼지는 구조

스탠퍼드대 인간중심AI연구소(HAI)가 지원자 340만 명, 지원 건수 400만 건을 분석한 결과는 충격적이었다. 동일한 AI 채용 도구를 사용한 기업 4곳 모두에서 탈락한 지원자 비율을 인종별로 보면, 백인·히스패닉이 1% 미만인 반면 아시아계는 5.3%, 흑인은 10.6%였다. 이 현상에 연구진이 붙인 이름이 ‘알고리즘 단일재배(Algorithmic Monoculture)‘다.

한 회사의 편향이 문제가 아니다. 동일 알고리즘을 사용하는 여러 기업이 같은 편향을 반복함으로써, 특정 집단이 노동시장 전체에서 구조적으로 배제되는 현상이다. 한국 상황에 대입하면 더 우려스럽다. 국내 대기업에서는 AI 면접 시스템이 특정 대학 출신 또는 남성 지원자에게 유리한 점수를 부여한다는 논란이 이미 표면화됐다. 학습 데이터가 과거 합격자 패턴을 반영하는 한, 과거의 편향이 미래 채용을 설계하는 셈이다.

HR 실무자가 직면한 세 가지 공백

AI기본법 시행 이후 실무 현장에서 확인되는 구체적인 공백이 있다. 개인적으로는 이 세 가지가 2026년 하반기 HR 실무의 핵심 과제라고 본다.

첫 번째는 고지 의무의 공백이다. AI기본법은 고영향 AI 사업자에게 사전 고지 의무를 부과하지만, 앞서 설명한 ‘인간 개입’ 면제 조항 때문에 대부분의 채용 AI 시스템이 고지 의무 대상에서 빠진다. 채용 공고에 “AI를 활용한 1차 스크리닝이 진행됩니다”라고 명시하는 기업은 여전히 소수다.

두 번째는 이의 제기 절차의 부재다. EU AI법은 고영향 AI 결정에 이의 제기권을 명시하고 있다. 한국 AI기본법에는 이에 상응하는 조항이 없다. 지원자는 “AI가 당신을 탈락시켰습니다”라는 말조차 듣지 못한 채 결과를 받는다.

세 번째는 감사(audit) 주체의 부재다. 현행 규제는 피해자 신고 기반이다. 지원자가 자신이 AI에 의해 탈락했다는 사실 자체를 모르는 상황에서, 신고 중심 규제는 사실상 작동하지 않는다. 선제적 감사(proactive audit)를 수행할 공적 기관이나 절차가 없다.

flowchart TD
    A[AI 서류 스크리닝] -->|탈락자 고지 없음| B[탈락 처리]
    A -->|통과| C[AI 역량 검사]
    C -->|탈락자 고지 없음| B
    C -->|통과| D[인간 최종 면접]
    D --> E[합격/불합격]
    B --> F{이의 제기 가능?}
    F -->|현행법| G[절차 없음]
    F -->|EU AI법 수준| H[이의 제기 + 설명 요청권]
    style G fill:#ffcccc
    style H fill:#ccffcc

💡 AI·도구로 측정/자동화 가능한 부분

• 채용 퍼널 데이터 분석 — ATS(Applicant Tracking System) 로그에서 단계별 탈락률을 성별·출신 학교·연령대별로 교차 분석하면 편향 패턴을 사전 탐지할 수 있다. Workday, Greenhouse 등 주요 ATS는 이 기능을 이미 내장하고 있다.
• AI 스코어 보정 레이어 추가 — 기성 AI 채용 솔루션에 ‘편향 완화 필터’를 추가하는 API 서비스(예: Pymetrics, Parity AI)가 국내 도입 단계에 있다. 인사 시스템 통합 전, 소규모 파일럿으로 검증 가능하다.
• 지원자 고지 자동화 — AI 채용 활용 사실을 채용 공고 및 지원 완료 이메일에 표준 문구로 자동 삽입하는 워크플로 설정. 법적 의무 전 선제적 브랜딩 효과도 있다.
• 탈락 사유 코드 데이터화 — 현재 ‘불합격’ 처리만 하는 시스템을 ‘탈락 단계 + 사유 코드’ 기록 구조로 전환하면, 향후 이의 제기 대응과 내부 감사 근거를 동시에 확보한다.
• 인간 개입 포인트 문서화 — AI기본법 ‘인간 개입 면제’ 조항을 역이용해, 면접관이 AI 추천을 어떤 기준으로 수용·거부했는지 기록하는 의사결정 로그를 관리한다. 이 로그 자체가 편향 방어 증거가 된다.

2026년 하반기, HR이 먼저 움직여야 하는 이유

AI기본법 시행령과 고영향 AI 세부 기준은 아직 확정 전이다. 정부가 ‘인간 개입’ 기준을 어떻게 구체화하느냐에 따라, 지금 아무 준비 없이 AI 채용 도구를 운용하는 기업이 규제 대상이 될 수도 있다. 채용절차법 개정안은 2023년 폐기 이후 재발의가 반복되고 있고, EU AI법 수준의 이의 제기권 도입 압력도 국제적으로 높아지는 중이다.

핵심이다. 법이 요구하기 전에 채용 AI 운용 기준을 내부 문서로 만들어두는 것 — 이게 지금 HR 실무자가 할 수 있는 가장 현실적인 리스크 관리다. 알고리즘 로직까지 공개할 필요는 없다. ‘우리는 AI를 이렇게 쓰고, 인간이 이 시점에 개입한다’는 운용 정책을 갖추는 것만으로도, 소송 리스크와 브랜딩 리스크를 동시에 줄일 수 있다.

💡 실무 시사점: AI기본법의 ‘인간 개입 면제’ 조항은 단기 방패지만, 법 해석이 좁아지는 순간 방패가 사라진다. HR 실무자는 지금 당장 채용 AI 운용 정책을 문서화하고, ATS 로그에서 단계별 탈락 데이터를 성별·배경별로 교차 분석하는 루틴을 만들어야 한다. 투명성은 규정 준수가 아니라 채용 브랜드를 지키는 전략이다.

#AI채용 #AI기본법 #고영향AI #채용편향 #HR테크 #알고리즘공정성

참고 링크

• 뉴스핌, “[기고] AI채용이 공정하지 않다면?” (2026)
• 시사저널e, “AI기본법, 고영향 AI에 ‘채용’ 포함했지만…부작용 대책 모호해” (2026)
• 코리아이인, “2026년 고용법 대전환: AI 알고리즘 규제·동일 임금 강화·긱 워커 보호까지” (2026)
• 워크로, “채용 AI 활용에 관한 규제 및 사례” (2025)

작성: 서재홍 | NODE