널리 인용되는 “이력서의 75%가 사람에게 도달하지 않는다”는 통계는 더 이상 존재하지 않는 회사의 2012년 영업 프레젠테이션에서 유래되었습니다. 이 숫자는 발표된 방법론이 없습니다. 그러나 이 숫자가 설명하려 했던 근본적인 문제는 현실입니다: 대부분의 이력서는 사람이 읽기 전에 필터링되고, 필터링이 기계적이어서 좋은 후보들이 잘못된 이유로 탈락하게 됩니다. 채용 프로세스를 구축하는 창립자들은 비율에 대해 논쟁하는 것만이 아니라 메커니즘을 이해해야 합니다.
이력서가 ATS에 도달하면 실제로 무슨 일이 발생하는가
지원자 추적 시스템을 통해 제출된 이력서는 사람이 보기 전에 세 가지 단계를 거칩니다: 파싱, 매칭 및 순위 매기기. 각 단계는 후보자의 실제 적합성과 아무런 관련이 없는 방식으로 실패할 수 있습니다. 하버드 비즈니스 리뷰의 알고리즘 채용 분석에 따르면, 키워드 기반 시스템에서는 인적 검토 전의 이력서 필터링 비율이 대략 72%에 달합니다. 최근의 독립 연구는 인기 있는 “75% 거부” 주장을 의문시하며 — 2025년 산업 전반에 걸쳐 25명의 채용자를 대상으로 한 연구에서는 단 8%만이 자동 콘텐츠 거부를 허용하고 나머지는 탈락 기준 및 선택적 점수에 의해 조정된 인적 검토에 의존한다는 결과를 도출했습니다. 정직한 읽기는 다음과 같습니다: 대부분의 이력서는 조용한 알고리즘에 의해 자동으로 거부되는 것이 아니라, 대부분은 파싱 실패, 약한 키워드 일치 및 자격이 있는 후보자를 시끄러운 후보들 아래 묻히게 만드는 순위 시스템의 조합으로 필터링됩니다. 후보자가 느끼는 결과는 동일합니다 — 침묵. 메커니즘이 중요한 이유는 각 단계에서 수정이 다르기 때문입니다.
1단계: 파싱 — 형식이 좋은 후보를 죽이는 곳
파싱은 이력서 문서를 시스템이 검색하고 순위 매길 수 있는 구조화된 데이터로 변환하는 행위입니다. 파서는 연락처 정보, 업무 경험, 교육, 기술 및 섹션 구조를 추출합니다. 파서는 예측 가능한 방식으로 실패합니다:
- 다중 열 레이아웃. 파서는 위에서 아래로, 왼쪽에서 오른쪽으로 읽습니다. 사이드바 헤더가 있는 두 개 열 이력서는 무의미한 것으로 직렬화됩니다.
- 이미지 내 텍스트. 파서는 기본적으로 OCR을 수행하지 않습니다. 그래픽으로 저장된 이름이나 기술 섹션은 보이지 않습니다.
- 내부 텍스트 박스 및 표. 표준 Word/Pages 템플릿은 이러한 요소를 비주얼 레이아웃에 사용합니다. 이로 인해 추출이 중단됩니다.
- 헤더, 바닥글 및 사이드바. 헤더에 주차된 연락처 정보는 종종 파서에 의해 무시됩니다. 이는 후보자의 이메일이 시스템에 도착하지 않는다는 것을 의미합니다.
- 특수 문자 및 비정상적인 글꼴. 사용자 정의 기호와 장식용 글꼴이 망가집니다.
EDLIGO의 1,000개의 거부된 이력서에 대한 독립 분석에 따르면, 43%의 거부는 형식, 파싱 또는 임의 필터 실패 때문이지 자격 부족 때문이 아닙니다. 이것이 강제 실수 비율입니다. 지원 전에 형식을 수정한 후보는 자격을 변경하지 않고도 성공 확률을 높입니다.
2단계: 매칭 — 어휘 차이가 배제되는 곳
파서가 구조화된 데이터를 가지고 나면, 시스템은 이를 직무 설명과 비교합니다. 대부분의 레거시 시스템은 다음의 조합을 사용합니다:
하드 키워드 매칭 — 정확한 토큰. “Kubernetes”를 요구하는 JD는 “K8s.”라고 적힌 이력서를 거부합니다. 오래된 시스템에서 그렇게 합니다. 최신 시스템은 동의어 사전을 추가하지만, 범위는 불균형합니다.
의미론적 매칭 — 유사 개념을 인접 벡터 공간에 매핑하는 임베딩. 하드 매칭보다 더 낫지만, 직무 제목과 도구 이름이 빠르게 변경되는 분야에서 어휘의 변동성에 취약합니다.
가중 점수 — 필수 기술이 좋은 기술보다 높은 가중치를 갖습니다. 이 단계에서 대부분의 순위 매기기가 이루어집니다: 하나의 “필수” 키워드가 없는 후보는 그 키워드를 가지고 있지만 기본 기술이 부족한 후보보다 종종 낮은 순위에 매겨집니다.
키워드 격차 문제는 인접 분야의 경계에서 가장 심각하게 발생합니다. “이벤트 주도 아키텍처로 백엔드 서비스를 구축했습니다”는 시스템에서 “REST API 개발”과 일치하지 않을 수 있습니다. “5인 제품 팀을 이끌었습니다”는 후보자의 제목이 “설립 PM”이었다면 “제품 관리자”와 일치하지 않을 수 있습니다. 어휘의 변동성은 비전통적인 경력 경로와 상관관계가 있다는 의미이며, 이는 키워드 매칭이 비선형 경력을 가진 후보를 불균형적으로 필터링한다는 것을 의미합니다 — 바로 작은 스타트업이 종종 원하는 후보들입니다.
3단계: 순위 매기기 — 품질이 사는 곳 또는 죽는 곳
매칭 후, 후보자들은 순위가 매겨집니다. 채용자는 일반적으로 순위 목록의 상위 10–20%만 읽습니다. 그 10–20% 안에 누구가 포함되는지를 결정하는 메커니즘은 전체 파이프라인에서 가장 중요한 결정이며, ATS 창립자들이 거의 감사하지 않는 부분입니다.
키워드 중복에 따라 순위를 매기는 것은 빠르고 코드에서 설명할 수 있지만, 실질적인 신호와 버즈워드 샐러드를 구분하는 데는 나쁩니다. JD의 모든 단어를 이력서에 붙여넣은 후보자가 실제 작업을 한 후보보다 높은 순위를 받을 수 있습니다. 결과 기반 순위 매기기 — Curriculo ATS Impact Scoring에 구축된 것 — 는 이를 전환합니다. 모든 후보자는 정량적 성취, 경험 적합성, 경력 궤적 및 기술 정렬에 따라 평가되며, 0–100의 종합 점수와 함께 서면 이유 단락을 받습니다. 서면 이유는 잠금 해제입니다. 30분에 30개의 이유 단락을 읽는 채용 관리자는 모델 오류를 빠르게 포착하고 나머지를 신뢰합니다. 순위가 매겨지지 않은 200개의 이력서를 읽는 채용 관리자는 거의 아무것도 포착하지 못하고 그것을 신뢰하지도 않습니다.
교훈은 아마존 Dev가 설계한 순위 시스템에서 전역적으로 적용됩니다: 블랙박스 점수는 신뢰를 얻을 수 없으며, 신뢰를 얻지 못하는 시스템은 대규모로 사용될 수 없습니다. 그래서 창립자들은 ATS를 위해 비용을 지불하고도 모든 이력서를 다시 읽어야 합니다. ATS는 출력을 생성했지만, 누군가가 검증할 수 있는 출력을 생성하지는 못했습니다.
아마존에서 순위 실패에 대해 배운 것
Curriculo ATS를 창립하기 전에, 저희 창립자 Dev는 아마존의 검색 및 추천 팀에서 수년을 보냈습니다. ATS 설계에서 그 작업에서 가장 일반화 가능한 교훈: 랭커가 조용히 실패할 때, 사용자는 재고를 비난합니다. 판매자는 좋은 제품이 순위에 오르지 않을 때 아마존을 비난하며; 채용에서 채용자는 좋은 이력서가 나타나지 않을 때 후보자 풀을 비난합니다. 두 경우 모두 실제 실패는 상류, 즉 랭커에 있습니다. 아마존에서 효과가 있었던 해결책은 고장난 랭커 위에 더 많은 규칙을 추가하는 것이 아니라, 입력이 직접적으로 제작할 수 없는 신호를 중심으로 이를 재구축하는 것이었습니다. 실제 판매 데이터. 실제 반품률. 검증된 리뷰 패턴. 동일한 원칙이 결과 기반 채용에 적용됩니다: 후보자가 사기를 저지르지 않으면 조작할 수 없는 신호(생산 수익, 팀 스케일링, 시스템 출하, 문제 해결)를 기반으로 순위를 매기고, 어떤 후보라도 채울 수 있는 토큰이 아니라는 것입니다. 두 번째 교훈은 거의 단어 그대로 적용됩니다: 설명 가능성이 없는 랭커는 적들이 역설계합니다. 아마존에서는 판매자들이 몇 주 만에 키워드 제목을 조작하는 법을 배웠습니다. 채용에서는 후보자들이 몇 년 이내에 키워드 필터를 조작하는 법을 배우지만, 이제 조작은 널리 퍼져 있습니다. 유일한 구조적 방어는 실체를 읽고 그 이유를 보여주는 랭커입니다. ATS 스크리닝을 데이터 입력 문제로 다루는 창립자는, AI가 더해진 워크플로 소프트웨어로 다루는 창립자보다 더 청결한 단기 목록을 얻게 됩니다.
각 실패 모드를 창립자로서 수리하는 방법
10명에서 200명 규모의 스타트업에서 채용을 운영하고 있다면, 각 격차를 메우기 위한 실용적인 플레이북은 다음과 같습니다:
- 파싱 감사. 잘 형식화된 후보 이력서 5개를 귀하의 신청서 양식을 통해 제출하십시오. 이후 귀하의 ATS에서 그것들을 열고 파싱된 필드를 확인하십시오. 30%가 누락되거나 뒤죽박죽된 데이터가 있다면, 귀하의 파서는 조용히 실패하고 있으며, 일부 지원자도 마찬가지입니다.
- 키워드 매칭 감사. 귀하의 JD와 다른 어휘를 사용하는 강력한 이력서와 JD를 문자 그대로 복사한 약한 이력서를 준비하십시오. 두 개 모두 제출하십시오. 약한 이력서가 더 높은 순위를 차지한다면, 귀하는 노이즈에 대한 점수를 매기고 있는 것입니다. 대부분의 레거시 시스템이 이 테스트를 통과하지 못합니다.
- 점수뿐만 아니라 이유를 요구하십시오. ATS가 설명 없이 숫자를 생성한다면, 팀은 모든 사람을 다시 읽게 될 것이며, 이는 실제로 사용하지 않는 스크리닝에 대한 비용을 지불하게 만드는 것입니다. SHRM의 평균 채용 비용인 5,475달러에는 시간 낭비의 한 부분이 포함됩니다.
- 단계 이탈률을 추적하십시오. 접수된 지원에서 첫 번째 채용자 접촉으로 이동하는 애플리케이션의 비율을 측정하십시오. 그것이 60% 이하라면, 귀하의 상단 깔때기에 누수가 있으며, 누수는 일반적으로 파싱과 낮은 신뢰 순위입니다.
- 1주 신호 테스트를 수행하십시오. 하나의 공개 역할을 결과 기반 스크리너로 이동하고 단기 목록을 현재 시스템에서 생성된 것과 비교하십시오. 이 테스트는 무료 스타터 플랜에서 비용이 들지 않으며, 도구나 프로세스가 병목인지 일주일 만에 알려줍니다.
다음 단계는 무엇인가
블랙박스 문제는 해결 가능하지만, 오직 첫날부터 설명성을 염두에 두고 설계된 도구에 의해서만 가능합니다. 결과 기반 점수 매기기와 서면 이유 설명이 귀하의 인바운드에서 어떻게 보이는지를 보고 싶다면, 무료 Curriculo ATS 스타터 플랜이 무제한 활성 직무와 무제한 팀 구성원을 처리합니다 — 기능 또는 가격을 확인하십시오. 채용 알고리즘과 편향에 대한 더 넓은 그림을 위해, HBR의 알고리즘 채용 분석이 올바른 출발 읽기입니다.
아마존의 전 기계 학습 엔지니어(검색 및 추천) 및 Synopsys. Curriculo ATS를 구축하여 채용에서 키워드 매칭을 결과 기반 AI 평가로 대체했습니다. 펜실베니아 주립대 동문. 채용 AI, ATS 경제학 및 실제 직무 성과를 예측하는 내용에 대해 글을 씁니다.