이력서에 AI를 사용해도 괜찮을까?

채용팀이 이력서에 어떤 소프트웨어를 사용했는지에 대한 규칙을 두는 경우는 거의 없다. 그들이 가진 것은 정확성에 관한 규칙이다. 페이지에 적힌 직함, 날짜, 숫자는 실제로 당신이 한 일과 일치해야 한다. 사람이 서툴게 쓴 이력서든 모델이 서툴게 쓴 이력서든 실패하는 이유는 같다. 채용 담당자, 레퍼런스 체크 전화, 혹은 면접 질문에서 앞뒤가 맞지 않는 부분이 드러나기 때문이다.

이렇게 보면 질문의 초점이 유용하게 바뀐다. 중요한 것은 내가 AI를 사용했는가가 아니라 실제 대화에서 이 문서의 모든 문장을 스스로 설명할 수 있는가이다. 답이 "그렇다"라면 어떤 작성 도구를 썼는지는 더 이상 중요하지 않다. 답이 "아니다"라면 누가 타이핑했든 그 문서는 위험 요소가 된다.

이 질문 뒤에 있는 우려는 대개 AI를 쓰는 것이 부당한 이점처럼 느껴진다는 데서 온다. 그 우려가 실제로 타당한 작업과 그렇지 않은 작업을 구분해 볼 필요가 있다. 다음 네 가지 용도는 이력서를 직업적으로 읽는 사람이라면 거의 누구나 평범한 편집 작업으로 여긴다.

• 형식과 구조. 단일 열 레이아웃, 일관된 제목, 파서가 실제로 추출할 수 있는 텍스트. 이는 조판 작업이며 손으로 직접 하기를 기대하는 사람은 없다.
• 항목 다듬기. "배포 파이프라인을 담당함"이라는 표현을 같은 업무를 설명하면서도 더 명확한 문장으로 바꾸는 것.
• 채용 공고에 맞춘 조정. 실제 경력을 재배열해 관련 있는 부분을 상단에 배치하고 채용 공고의 용어를 사용하는 것.
• 문법과 일관성. 모든 항목에 걸친 시제, 문장 부호, 날짜 형식.

이 중 어느 것도 당신이 실제로 한 일을 바꾸지는 않는다. 다만 읽는 사람이 그것을 얼마나 빨리 파악하는지를 바꿀 뿐이다. /resume-builder의 무료 빌더가 형식과 구조 부분을 다룬다.

대부분의 피해는 두 가지 실패 유형에서 비롯된다. 첫 번째는 내용 조작이다. "더 인상적으로 만들어 달라"는 요청을 받은 모델은 백분율, 인원 규모, 혹은 당신이 실제로 가져본 적 없는 업무 범위를 추가할 수 있다. 이런 추가 내용은 서류 심사는 통과하지만, 그 개선을 어떻게 측정했는지 면접에서 질문받는 순간 답을 못 하고 무너진다.

두 번째는 어조 불일치다. 다듬어진 모델 특유의 문장으로 쓰인 이력서와 평범하게 말하는 지원자의 조합은 통화 초반 10분 동안 어색하게 느껴진다. 그 자체로 탈락시키지는 않지만 불필요한 의심을 부른다.

SubcueAI의 창립자 Aaron Cao는 바로 이 첫 번째 실패 유형을 염두에 두고 이력서 최적화 기능을 만들었다. 이 기능은 당신이 제공한 내용을 다시 쓰고 재구성할 뿐, 당신이 입력한 적 없는 성과를 지어내지 않는다. 약하게 표현됐지만 사실인 문장이 스스로 설명할 수 없는 강한 문장보다 낫다.

효과적인 작업 순서는 이렇다. 먼저 아무리 거칠어도 좋으니 스스로 있는 그대로의 사실을 적은 다음, 그것을 도구에 넘긴다. 요령은 이 순서에 있다. 자신의 항목 목록에서 시작하면 모델은 지어내는 것이 아니라 편집하는 역할을 하게 되고, 완성된 페이지의 모든 문장이 당신이 직접 입력한 내용으로 거슬러 올라간다.

• 다시 쓰기를 요청하기 전에 실제 프로젝트, 날짜, 수치를 먼저 입력한다.
• 생성된 모든 문장을 읽고 소리 내어 말하지 않을 표현은 삭제한다.
• 모든 사실을 담은 마스터 버전을 하나 유지하고, 채용 공고별로 맞춤 사본을 만든다.
• 최종 문장이 여전히 자신답게 들리는지 확인한다. 이에 대해 질문받게 될 것이기 때문이다.

이력서 관련 나머지 자료는 /answers/topic/resume에 모여 있다.