스탠퍼드 HAI 연구진이 대형언어모델(LLM)을 채용 심사에 활용했을 때 심각한 인종·성별 편향이 나타난다는 사실을 밝혔습니다. 동일한 이력서라도 이름만으로 인종과 성별을 추정하게 한 뒤 평가시키자, 백인 지원자에 비해 흑인 지원자는 약 26%, 아시아인 지원자는 약 15% 더 높은 비율로 탈락했습니다. 특히 흑인 남성에 대한 불이익이 두드러졌습니다. 문제의 핵심은 모델이 과거 채용 데이터의 차별 패턴을 그대로 학습·증폭한다는 점입니다. 더 우려스러운 건 '체계적 거부(systemic rejection)' 현상으로, 특정 집단이 여러 기업의 자동 심사에서 반복적으로 걸러져 기회 자체가 구조적으로 차단될 수 있다는 것입니다. 한국 IT 업계도 채용 자동화 도입이 빠르게 늘고 있는 만큼, AI를 단순 도입하기보다 편향 감사(bias audit), 이름·성별 정보 제거, 사람의 최종 검토 같은 안전장치를 함께 설계해야 합니다. 효율성만 좇다간 공정성과 법적 리스크를 동시에 떠안을 수 있습니다.