기술 요약: 신뢰를 핵심으로: 지원자 관점에서의 AI 채용 도입 분석

1. 문제 제기

인재 채용(Talent Acquisition, TA)에 인공지능(AI)을 통합하는 것은 채용 과정을 단순한 운영 업무에서 전략적 의사결정 기능으로 변화시켰습니다. AI 시스템은 소싱, 스크리닝, 예측 채용을 자동화하지만, 그 도입은 구직자들 사이에서 상당한 윤리적 및 심리적 우려를 불러일으킵니다. 기존 문헌은 주로 조직 및 관리적 관점에 초점을 맞추어 운영 효율성과 편향 완화를 강조하는 반-면, 지원자의 관점은 크게 간과하고 있습니다.

기술 수용 모델(Technology Acceptance Model, TAM)과 같은 기존의 기술 수용 프레임워크는 "인지된 유용성(Perceived Usefulness, PU)"과 "인지된 사용 용이성(Perceived Ease of Use, PEU)"에 크게 의존합니다. 그러나 이러한 구조는 공정성, 책임성, 투명성, 개인정보 보호와 같은 윤리적 차원과 AI 리터러시(AI Literacy)와 같은 인지적 요인이 결정적인 역할을 하는 채용과 같이 이해관계가 높고 민감한 맥락에서의 도입을 설명하기에는 불충분합니다. 더욱이, 이러한 윤리적 및 인지적 요인과 행동 의도를 연결하는 매개 변수로서의 **신뢰(Trust)**의 역할은, 특히 디지털 리터러시와 제도적 신뢰의 편차가 큰 인도와 같은 개발도상국에서 충분히 탐구되지 않았습니다.

2. 연구 방법론

본 연구는 지원자의 관점에서 AI 기반 인재 채용에 맞게 확장된 기술 수용 모델(TAM)을 실증적으로 검증하기 위해 양적, 횡단적 연구 설계를 채택하였습니다.

• 데이터 수집: LinkedIn을 통해 구직자 및 전문가를 대상으로 비확률(편의) 표집을 통해 구조화된 설문지를 배포하여 데이터를 수집하였습니다. 총 432개의 유효 응답이 분석을 위해 유지되었습니다.
• 도구: 설문지는 9개 구성 요인에 걸친 44개 항목으로 구성되었으며, 5점 리커트 척도(1 = 전혀 그렇지 않다 ~ 5 = 매우 그렇다)를 사용하였습니다:
  • TAM 구성 요소: 인지된 유용성(PU), 인지된 사용 용이성(PEU).
  • 윤리적 구성 요소: 인지된 공정성(PF), 인지된 책임성(PA), 인지된 투명성(PTY), 개인정보 및 데이터 보안(PPD).
  • 인지적 구성 요소: AI 리터러시(AL).
  • 매개 변수: 신뢰(PTR).
  • 종속 변수: 행동 의도(BIU).
  • 참고: PU, PEU, PF, PTY, PPD, BIU 항목은 기성 척도(예: Davis, 1989; Shin et al., 2020)에서 수정·보완되었으며, AI 리터러시와 인지된 책임성 항목은 문헌을 바탕으로 연구자가 직접 개발하였습니다.
• 분석: 기술 통계 및 신뢰도 검증을 위해 SPSS를 사용하였고, 구조 방정식 모델링(Structural Equation Modeling, SEM)을 위해 AMOS를 사용하였습니다. 본 연구는 신뢰도(Cronbach's Alpha, 합성 신뢰도), 타당도(Fornell-Larcker 기준을 통한 수렴 및 판별 타당도), 그리고 가설된 관계를 평가하였습니다. 매개 효과는 5,000개의 샘플을 이용한 부트스트래핑(Bootstrapping)을 통해 테스트되었습니다.

3. 주요 기여

본 논문은 다음과 같은 세 가지 측면에서 AI 도입에 관한 문헌을 발전시킵니다:

1. 지원자 중심 프레임워크: 조직의 효율성에서 지원자의 경험으로 초점을 전환하여, 전통적인 TAM에 윤리적(FAT 원칙, 개인정보 보호) 및 인지적(AI 리터러시) 차원을 통합한 프레임워크를 개발하였습니다.
2. 신뢰의 역할: 윤리적 인식과 AI 리터러시가 행동 의도로 이어지는 과정에서 핵심적인 심리적 매개 기제로서 신뢰의 역할을 실증적으로 검증하였습니다.
3. 맥락적 관련성: 디지털 노출과 제도적 신뢰 역학이 서구 맥의 맥락과 다를 수 있는 개발도상국인 인도 맥락에서의 AI 도입에 관한 문헌적 공백을 메웁니다.

4. 결과

구조 방정식 모델링을 통해 도출된 주요 결과는 다음과 같습니다:

• 행동 의도에 미치는 직접 효과:

  • 신뢰가 지원자의 AI 기반 TA 시스템 사용 행동 의도를 예측하는 가장 강력한 변수로 나타났습니다 ($\beta = 0.490, p < 0.001$).
  • AI 리터러시 또한 행동 의도와 유의미한 정(+)의 직접적 연관성을 보였습니다 ($\beta = 0.114, p = 0.013$).
  • 인지된 유용성 ($\beta = 0.219$) 및 인지된 사용 용이성 ($\beta = 0.130$)은 행동 의도에 긍정적인 영향을 미쳤으나 상대적으로 효과가 작았습니다.
  • 인지된 책임성은 신뢰 또는 행동 의도와 유의미한 직접적 관계를 보이지 않았습니다 ($p = 0.101$).

• 매개 분석 (간접 효과):

  • 신뢰는 인지된 공정성, 인지된 투명성, 개인정보/데이터 보안과 행동 의도 사이의 관계를 유의미하게 매개하였습니다.
  • AI 리터러시는 AI 리터러시 $\rightarrow$ 인지된 사용 용이성 $\rightarrow$ 인지된 유용성 $\rightarrow$ 행동 의도의 경로를 통해 유의미한 순차적 간접 효과를 보였습니다 ($\beta = 0.182$).
  • 인지된 책임성은 신뢰를 통한 유의미한 간접 효과를 나타내지 못했습니다 (신뢰 구간에 0 포함).

• 신뢰도 및 타당도:

  • 모든 구성 요인은 높은 내부 일관성(Cronbach's Alpha > 0.93)과 만족스러운 수렴 타당도(AVE > 0.5)를 보였습니다.
  • 각 구성 요인의 AVE 제곱근이 구성 요인 간 상관계수보다 높음을 확인하여 판별 타당도가 입증되었습니다.

5. 의의 및 주장

저자들은 본 연구가 채용 과정에서 AI 수용을 이끄는 요인들에 대한 포괄적인 이해를 제공한다고 주장합니다. 연구 결과의 의의는 다음과 같은 단언에 있습니다:

• 신뢰가 최우선이다: 이해관계가 높은 채용 시나리오에서 신뢰는 전통적인 효용 지표보다 더 중요한 채용의 동력입니다. 지원자들은 시스템의 공정성과 데이터 처리 방식을 신뢰할 때 비로소 AI 시스템을 사용할 의지가 생깁니다.
• 윤리적 인식이 신뢰를 형성한다: 인지된 공정성, 투명성, 개인정보/보안은 단순히 독립적인 관심사가 아닙니다. 이들은 필수적인 신뢰를 구축하는 선행 요인으로 작용합니다. 이 중 인지된 공정성이 신뢰에 가장 강력한 영향을 미쳤습니다.
• 리터러시의 역할: AI 리터러시는 중요한 인지적 촉진제 역할을 합니다. 이는 AI 시스템의 복잡성을 낮추어 인지된 유용성과 사용 용이성을 높이고, 기술에 대한 자신감을 직접적으로 높여줍니다.
• "보이지 않는" 책임성: 본 연구는 책임성이 이론적으로는 중요하지만, 지원자들이 직접 체감하기에는 너무 추상적이거나 "블랙박스"화 되어 있어, 공정성이나 투명성과 같은 구체적인 요인들에 비해 즉각적인 행동 의도에 미치는 영향력이 낮을 수 있음을 시사합니다.

본 논문은 결론적으로, AI 기반 채용 시스템의 책임 있는 설계와 구현은 단순히 운영 효율성에 집중하기보다 신뢰 구축 메커니즘, 윤리적 투명성, 그리고 AI 리터러시를 우선시해야 한다고 제언합니다.