AX Field Notes

전체 사례No. 051

Paraform, 채용 순서를 뒤집다

채용 담당자가 먼저 보고, AI는 1차 판단만 맡는다

사례 번호
051
1차 출처
Paraform blog and help center
원문 게시
2026-03-02
팟캐스트 영상 · 25분
AX 필드노트 팟캐스트 · 두 진행자가 이 사례를 풀어 봅니다 · 영상과 음성은 AI로 만들었습니다전체 에피소드 ↗

요약

  • ParaAI가 역할마다 매일 5~10명의 후보를 채용 담당자에게 먼저 보이고 1차 판단을 맡겼습니다.
  • 후보 동의와 리크루터의 전화·영상 스크리닝, 채용 담당자의 최종 검토는 사람의 몫으로 남았습니다.
  • 인공지능으로 늘어난 제출량을 리크루터의 면접률과 품질 규정에 묶어야 혼란을 막습니다.

채용 마켓플레이스는 왜 일의 순서를 뒤집었을까

샌프란시스코의 채용 마켓플레이스 Paraform은 독특한 방식으로 돌아갑니다. 기업이 채우기 어려운 역할을 올리면, 독립 리크루터와 전문 에이전시가 후보를 찾아 제출합니다. 기업은 실제로 채용이 성사되었을 때만 성공 보수 형태로 수수료를 냅니다. 이 글에 나오는 세부 정보는 대부분 Paraform의 공식 블로그와 도움말 센터, 지식 베이스 문서에서 확인한 것이며, 초기 모습은 두 편의 TechCrunch 기사, 2026년 창업자 인터뷰는 EO 기사를 바탕으로 합니다.

처음부터 인공지능 기술이 전면에 나선 것은 아니었습니다. 2023년 3월 27일 TechCrunch 보도에 따르면 Paraform은 기업이 역할마다 보상금을 거는 바운티 게시판이었고, 이용자의 약 90%가 전문 리크루터였습니다. 제품 설명 어디에도 인공지능은 없었습니다. 2024년 4월 15일 기사에서도 Paraform은 채용을 “아주 사람 대 사람의 과정”으로 보았고, 최고경영자(CEO) John Kim은 인공지능이 훗날 리크루터를 돕는 보조 수단이 될 것이라고만 말했습니다.

하지만 2026년에 들어서며 회사의 설명 방식은 완전히 달라집니다. About 페이지는 회사의 첫 제품을 “전문 리크루터와 맞춤형 AI 에이전트가 함께 일하는 AI 네이티브 채용 회사”로 정의합니다. 2026년 8월 5일 창업자 John Kim과 Jeffrey Li는 Hiring Intelligence를 소개하며 “플랫폼의 모든 에이전트를 움직이는 데이터 층”이라고 설명했습니다. 회사는 2026년 7월 기준으로 연환산 매출 1억 달러를 돌파했다고 밝혔고, About 페이지에 적힌 인원은 120명입니다.

이 사례가 눈길을 끄는 이유는 화려한 마케팅 문구가 아니라 실제 운영 문서에서 일하는 방식의 변화가 명확히 드러나기 때문입니다. 2024년과 2025년의 보관된 도움말 센터 문서와 현재 지식 베이스를 비교해 보면, 후보를 발굴하고 검토하는 주체가 어떻게 이동했는지 알 수 있습니다. 세 가지 변화가 두드러집니다.

첫째, 매칭의 방향이 정반대로 뒤집혔습니다. 과거에는 리크루터가 열린 역할을 고른 뒤 사람을 찾아 나섰지만, 이제는 ParaAI라는 에이전트가 전체 후보 네트워크를 매일 훑어 가장 강한 후보 5~10명을 채용 담당자(hiring manager)에게 먼저 보여 줍니다. 둘째, 인공지능은 1차 선별만 맡고 최종 판단을 내리지 않습니다. 인공지능이 적합도를 채점하고 제출서 초안을 쓰지만 최종 제출 승인이나 인터뷰 스크리닝을 대신하지는 못합니다. 셋째, 사람이 직접 확인하는 지점은 그대로 유지된 채 위치만 옮겨갔습니다.

리크루터와 채용 담당자를 가로막던 다섯 가지 병목

Paraform의 마켓플레이스가 제대로 작동하려면 리크루터가 올바른 역할과 올바른 후보에게 시간을 써야 합니다. 그러나 인공지능이 도입되기 전 기존 구조에는 여러 가지 현실적인 병목이 있었습니다.

첫째, 후보에게 딱 맞는 역할을 찾는 과정이 전부 수작업이었습니다. 2025년 7월 12일 엔지니어 Harry Gao가 쓴 글에 따르면, 리크루터는 수백 개의 열린 역할 중에서 적합한 역할을 찾아 헤매야 했습니다. 손으로 일일이 뒤지는 방식은 시간과 에너지를 낭비하게 만들었습니다.

둘째, 한 번 거절당한 후보는 시스템에서 그대로 사라졌습니다. 2026년 3월 2일 ParaAI 발표 글에 설명된 이전 흐름을 보면, 리크루터가 훌륭한 후보를 올렸더라도 특정 채용 담당자가 거절하면 그 후보는 다른 역할에 완벽히 맞더라도 그대로 잊혀졌습니다.

셋째, 채용 담당자의 피드백을 받기가 너무 어려웠습니다. 2024년판 도움말 센터에 따르면 정식 제출 전에 채용 담당자에게 사전 피드백을 받는 Calibration 기능은 한 번에 최대 3명까지만 보낼 수 있었습니다. 문서에는 채용 담당자에게 “스팸하지 말라”는 명시적인 경고까지 적혀 있었습니다.

넷째, 새로운 채용 역할에 접근하려면 매번 직원의 검토를 거쳐야 했습니다. 2025년 8월 도움말 센터 기준으로, 리크루터가 특정 역할을 맡겠다고 신청하면 Paraform의 Talent Partners와 Recruiter Success 팀이 함께 쓰는 공유 받은편지함으로 요청이 들어갔고 직원이 보통 24시간 안에 이를 검토했습니다.

다섯째, 인공지능이 퍼지면서 채용 연락이 점점 시끄러워졌습니다. John Kim은 2026년 5월 3일 EO 인터뷰에서 한 리크루터의 추정을 전했습니다. 엔지니어 한 명을 채용하기 위해 후보자에게 연락해야 하는 횟수가 5년 전에는 500~700명, 2년 전에는 1,500명이었지만, 최근에는 5,000명까지 치솟았습니다. Kim은 “AI는 오히려 채용을 훨씬 시끄럽게 만들고 있다”고 짚었습니다.

사람이 하던 6단계 기본 흐름

Paraform은 리크루터를 없애는 길을 택하지 않았습니다. John Kim은 EO 인터뷰에서 “우리는 리크루터를 대체하지 않고 함께 일하기로 일부러 결정했다”고 말했습니다. 기존의 업무 흐름을 무너뜨리는 대신 특정 단계마다 기술을 얹는 방식을 택했습니다.

2025년 8월 6일 작성된 “첫 후보 제출” 도움말 문서는 인공지능 기능이 본격화되기 전 리크루터의 6단계 수작업 흐름을 보여 줍니다.

  1. 리크루터가 열린 역할을 둘러보고 맡겠다고 신청하면 Paraform 직원이 승인합니다.
  2. 채용 담당자가 작성한 서면 브리프와 해당 역할의 거절 사유를 읽습니다.
  3. 자신의 네트워크나 LinkedIn Recruiter에서 후보를 찾아 Chrome 확장 프로그램과 CRM에 저장합니다.
  4. 전화나 영상으로 후보를 스크리닝하고 명시적인 동의를 받은 뒤 제출 양식을 작성합니다.
  5. 후보가 이메일로 동의를 확인하면 채용 담당자가 검토하고 면접 일정을 잡습니다.
  6. 최종 면접이나 오퍼 단계에 이르면 Paraform Talent Partner 직원이 합류해 조율을 돕습니다.

당시 문서는 “AI 스크리닝 같은 ‘자동화’ 채용 솔루션이 많지만 Paraform은 채용이 근본적으로 사람의 일이라고 믿는다”고 적었습니다. 2024년 8월에 나온 General Submission 기능도 특정 역할에 묶이지 않은 프로필을 전달하는 매칭 알고리즘을 썼지만, 읽은 문서에는 그 단계에서 발굴이나 스크리닝, 검토에 인공지능을 썼다는 설명이 없습니다. 2025년 6월 24일 발표된 2,000만 달러 규모의 시리즈 A 투자 유치 글에서도 인공지능 기능에 대한 언급은 없었습니다.

리크루터의 책상 위로 들어온 인공지능 도구들

이후 Paraform은 리크루터의 일상적인 문서 작업을 덜어 주는 도구를 하나씩 채워 넣었습니다.

Parascribe는 후보 통화에 함께 들어가는 인공지능 기록 도구입니다. 통화를 녹음해 녹취록을 만들고 구조화된 요약본을 작성합니다. 이 녹취 데이터는 시스템의 역할 매칭에 바로 연결됩니다.

Draft for me는 통화 녹취와 역할 요건, 사전 메모, 채용 담당자의 선호도를 조합해 제출서 초안을 작성합니다. 이때 경력 공백이나 보상 불일치처럼 문제가 될 만한 우려 사항을 미리 짚어 줍니다.

Paraform Search는 일상적인 문장으로 된 직무 설명을 검색 필터로 바꿔 주어 새로운 후보를 찾게 돕습니다. Parabot은 후보자에게 보낼 연락 이메일 초안을 작성하지만, 리크루터가 직접 발송 단계를 시작하기 전에는 아무것도 보내지 않습니다.

2025년 7월 12일에는 “AI 기반 매칭 도구”인 Paraform Matches가 도입되었습니다. 후보의 LinkedIn 프로필과 이력서, 비공개 메모, Parascribe 녹취록을 열린 역할의 인테이크 통화(채용 담당자에게서 역할 요건을 듣는 통화) 기록, Calibration 피드백, 거절 이력과 비교해 순위를 매겨 주는 기능입니다. 이때 직원의 일도 하나 줄었습니다. 후보가 이전에 Paraform을 통해 면접을 본 적이 있고 매칭 점수가 충분히 높으면, 리크루터가 담당하지 않은 역할이라도 자동으로 제출 승인이 떨어지도록 규칙을 바꿨기 때문입니다.

순서를 뒤집은 ParaAI와 채용 담당자의 화면

2026년 3월 2일 발표된 ParaAI Matches는 매칭의 주도권을 채용 담당자 쪽으로 넘겼습니다. Paraform은 ParaAI를 “마켓플레이스의 모든 역할을 위한 맞춤형 AI 채용 에이전트”라고 부릅니다.

ParaAI는 매일 모든 열린 역할에 대해 다섯 가지 데이터를 분석합니다. 직무 설명과 요건, 채용 담당자와의 인테이크 통화 녹취록, 지금까지 채용 담당자가 면접을 진행한 사람들의 데이터, 거절한 사람들과 그 사유, 그리고 네트워크에 등록된 모든 후보입니다.

이 데이터를 바탕으로 ParaAI는 역할마다 가장 적합한 5~10명의 후보를 골라 채용 담당자에게 직접 보여 줍니다. 채용 담당자가 먼저 검토하고 관심을 표할 수 있게 한 것입니다. 이때 추천 풀은 아무나 긁어모으는 것이 아니라 Paraform 리크루터와 이미 관계를 맺은 후보로 엄격히 제한됩니다. 기본적으로 최근 40일 이내에 리크루터가 제출한 적이 있는 후보가 대상이며, 플랫폼 내 다른 곳에서 최종 단계나 오퍼 단계에 가 있는 사람은 제외됩니다. 또한 ParaAI는 프로필을 보여 주기 전에 해당 후보가 그 역할을 고려할 의향이 있는지도 미리 추정합니다.

이로 인해 업무 순서가 뒤집혔습니다. 채용 담당자가 마음에 드는 후보를 보고 관심 버튼을 누르면, 요청이 해당 후보를 등록한 리크루터에게 전달됩니다. 리크루터는 화면에서 넘기기(Pass)나 연락하기(I’ll reach out)를 고릅니다. 연락하기를 누르고 후보와 소통해 “잘 맞는다고 확인한 뒤” 빠른 제출(Quick Submit)을 하거나 거절(Reject)을 선택합니다.

Paraform의 후보 검토 흐름 비교
리크루터 우선 흐름ParaAI 매칭 흐름리크루터후보 발굴·제출채용 담당자제출 후보 검토ParaAI역할당 매일 5~10명채용 담당자보고 관심 표시리크루터확인 뒤 빠른 제출
리크루터가 먼저 발굴해 제출하는 기존 방식과 함께 ParaAI가 추천한 인재를 채용 담당자가 먼저 확인하는 매칭 방식이 운영됩니다. (출처: Paraform)

매칭은 7일이 지나면 만료됩니다. 만약 매칭 3개를 응답 없이 만료시킨 리크루터는 계정에서 ParaAI 기능이 일시적으로 꺼집니다. 한 후보를 여러 리크루터가 알고 있는 경우에는 후보와의 관계 기간, 해당 후보로 기록한 면접률, 선호 정보를 최신으로 관리하는지 여부, 요청에 꾸준히 응답했는지를 따져 우선순위를 정합니다. 채용 담당자가 후보를 거절할 때 남긴 사유는 시스템에 반영되어 후보의 선호 정보를 자동으로 갱신합니다.

실제 시스템에서는 이 매칭 작업이 매일 두 단계로 돌아갔을 가능성이 높습니다. 먼저 최근 40일 이내 제출 여부나 희망 연봉, 근무지 조건 등을 따져 부적합한 프로필을 빠르게 쳐내는 1차 조회가 돌았을 것입니다. 그 뒤 에이전트형 거대언어모델(LLM, 사람의 언어를 이해하고 생성하도록 대규모 텍스트로 학습된 인공지능 모델) 순위기가 살아남은 프로필을 직무 설명서 및 인터뷰 기록과 대조해 최종 5~10명을 추려내는 구조였을 것입니다. 채용 담당자가 먼저 관심을 보였는데 리크루터가 답을 주지 않으면 고객 경험이 망가지기 때문에 7일 만료 규정과 3회 실패 시 기능 정지라는 강한 규칙을 두었을 것입니다.

제출 단계의 인공지능 검증과 주간 제출 한도

채용 담당자의 받은편지함 앞에는 두 가지 인공지능 검증 장치가 놓였습니다.

첫째는 AI Calibration입니다. 2024년에는 리크루터가 정식 제출 전에 채용 담당자에게 한 번에 최대 3명까지 보내 피드백을 받는 기능이었지만, 이제는 인공지능이 몇 초 안에 적합(Good fit), 보류(Maybe), 부적합(Bad fit) 판정과 그 이유를 무제한으로 돌려줍니다. 채용 담당자가 직접 피드백을 주는 기능도 여전히 남아 있지만 담당자가 정한 예산 안에서만 쓸 수 있습니다. 지침서에는 “뻔한 예나 아니오는 AI Calibration으로 먼저 거르고, 애매한 경우에 채용 담당자 Calibration을 아껴 쓰라”고 안내합니다. 2026년 7월 갱신으로 AI Calibration은 채용팀의 행동, 파이프라인 상황, 거절 패턴까지 계산에 넣게 되었습니다. 하지만 Paraform 문서는 “AI Calibration은 제출 승인도 아니고 후보 스크리닝을 대신하지도 않는다”고 분명히 선을 긋습니다.

둘째는 제출서 1차 스크리닝입니다. 기업용 안내 문서에는 “ParaAI가 모든 리크루터 제출에 1차 스크린을 돌리고, 리크루터에게 추가 근거를 낼 기회를 준다”고 적혀 있습니다.

실제로는 이 스크리닝이 강제로 제출을 차단하는 벽이라기보다는 부드러운 관문 형태로 작동했을 가능성이 높습니다. 점수가 낮게 나온 후보에 대해 시스템이 부족한 점을 소명하라는 안내창을 띄우고, 리크루터가 보충 설명을 입력하면 그 메모가 채용 담당자에게 함께 전달되는 식이었을 것입니다. 만약 자격 미달로 걸러진 후보를 채용 담당자가 통과시킨다면, 이 데이터는 다음 모델의 평가 성능을 개선하는 학습 자료로 다시 들어갔을 것입니다.

2026년 7월 30일 단행된 Candidate-First 업데이트는 리크루터가 역할을 고르는 방식을 바꿨습니다. 후보마다 역할을 추천 역할(Recommended roles), 가능성 있는 역할(Possible fits), 기타 역할(Other Roles)로 분류했습니다. 자신이 배정받지 않은 외부 역할에 후보를 제출할 때는 최근 30일간의 면접률에 따라 주간 단건 제출 한도를 엄격히 차등 배분했습니다.

면접률이 0~19%인 리크루터는 일주일에 2건만 제출할 수 있습니다. 20~35%는 3건, 36~49%는 4건이 주어집니다. 처음 시작하는 리크루터의 기본값은 5건입니다. 면접률이 50~59%로 올라가면 8건, 60~69%는 10건, 70~89%는 13건, 90~100%에 달하면 주당 18건까지 늘어납니다. 만약 1차 면접률이 50% 이상이거나 중간 단계 면접률이 25% 이상이면, 추천 역할과 가능성 있는 역할에 한해 아무런 제한 없이 후보를 제출할 수 있습니다.

Paraform의 면접률별 주간 제출 한도
01020시작값 5건2건0~193건20~354건36~498건50~5910건60~6913건70~8918건90~100최근 30일 면접률(%)주간 단건 제출 한도1차 면접률 50% 또는 중간 25%면추천 역할·가능성 있는 역할은 무제한
Paraform 리크루터가 맡은 역할 밖에 단건 제출할 때의 주간 한도는 최근 30일 면접률에 따라 2건에서 18건까지 조정됩니다. (출처: Paraform)

이 제출 한도 규칙은 인공지능 도입으로 인해 발생할 수 있는 스팸성 지원을 막는 속도 조절 장치였을 것입니다. 인공지능이 매칭을 쉽게 만들어 준 탓에 자격 미달 후보가 쏟아지면 그 비용은 채용 담당자가 떠안게 됩니다. 시스템은 매주 정산된 면접 결과를 바탕으로 등급을 다시 매겨 한도를 초기화하고, 면접 전환을 잘 만들어 내는 신뢰할 만한 리크루터에게만 인공지능 추천 역할의 문을 활짝 열어 주었을 것입니다.

사람이 직접 확인하는 검증 지점들

Paraform은 운영 전반에서 사람이 판단하는 검증 지점을 그대로 남겨 두었습니다.

역할에 대한 리크루터의 접근 권한은 Talent Partners와 Recruiter Success 팀이 공유 대기열에서 대부분 24시간 안에 수작업으로 검토합니다. 자동 승인은 점수가 매우 높은 매칭에만 예외적으로 적용됩니다. 리크루터에게 추천할 만한 역할인지는 계정 관리 팀이 7일 이내에 채용팀과 소통해 상태를 확인한 뒤 Qualified 표시를 붙입니다.

후보의 적합성과 관심도는 반드시 리크루터가 직접 진행하는 전화나 영상 통화로 검증해야 하며, 매 제출마다 후보의 명시적인 동의를 받아야 합니다. 채용 담당자가 검토하기 전 후보가 이메일로 동의를 확인하는 절차도 필수입니다. ParaAI가 뽑아낸 매칭 역시 채용 담당자가 먼저 관심을 표하고, 리크루터가 다시 적합성을 확인해야 정식 제출이 이루어집니다.

리크루터의 품질 관리도 사람의 기준에 묶여 있습니다. 헌장 규정에 따르면 최근 10건 제출 기준으로 면접률 25% 초과, 평균 후보 평점 4점 만점에 2.5점 이상이어야 하며, 1점을 받은 후보는 최대 1명까지만 허용됩니다. 회사는 주기적인 활동 검토로 새 활동을 멈출 수 있습니다. 마지막 오퍼와 조율 단계에서는 전담 Talent Partner가 직접 합류합니다. 고객 기업 쪽에는 전담 인재 전략가가 배정되며, 사내 Delivery와 Sales 팀이 인테이크 통화와 막힌 역할 진단, 제출 관리를 책임집니다.

지표로 드러난 성과와 채용 현장의 변화

회사가 공개한 수치에 따르면 성장세는 가팔랐습니다. 2026년 7월과 8월 발표 기준으로 연환산 매출은 1억 달러에 도달했습니다. 2025년 매출 성장은 인터뷰에서 10배, 채용 공고 문구에서는 작년 기준 8배로 언급되었습니다. 플랫폼이 리크루터들에게 지급한 누적 수수료는 2025년 6월 24일 2,600만 달러에서 2026년 3월 18일 5,000만 달러 이상으로 늘었고, 2026년 8월 5일에는 7,200만 달러를 넘어섰습니다. 채용 공고에는 “엔지니어 20명, 연환산 매출 1억 달러 이상”이라고 적혀 있습니다.

채용에 걸리는 기간도 공개되었습니다. 2026년 8월 글에 따르면 기업이 최종 채용되는 인재를 처음 만나기까지 약 12일이 걸리고, 거기서 서명된 오퍼를 받기까지 다시 27일이 걸립니다. 홈페이지에는 평균 채용 기간이 27일로 안내되어 있어 측정 기준에 차이를 보입니다.

인공지능 기능 자체의 성능도 데이터로 제시되었습니다. 2025년 7월 12일 발표에서 Paraform Matches는 한 달간 1,000건 이상의 면접과 20건 이상의 채용을 만들었고, 추천 후보의 60% 이상이 면접 요청을 받았습니다. 2026년 1월 27일 발표된 평가 시스템 백테스트에서는 수백 개 역할을 대상으로 실험한 결과 거대언어모델 평가기가 임베딩 유사도(단어나 문장을 숫자 벡터로 바꿔 의미상 얼마나 가까운지 계산하는 방식)보다 P@5(상위 5명 추천 중 실제 적합한 후보 비율)를 19.2% 끌어올렸고, 에이전트형 거대언어모델 순위기가 7.2%를 추가로 높였습니다. 과거 거절 기록을 학습하는 문맥 엔진은 적합한 후보를 빠뜨리지 않으면서도 맞지 않는 후보를 확실히 솎아내는 정확도를 개선했습니다.

실제 기업 사례도 있습니다. Pallet의 Grace Turner는 Head of Talent이자 회사의 유일한 리크루터였습니다. Turner는 채용 한 건을 성사시키기 위해 무려 95번의 소개 통화를 해야 했습니다. ParaAI를 쓰기 전에는 주당 들어오는 지원서가 3~6건에 불과했지만, ParaAI 도입 후에는 “매일 잘 맞는 프로필 다섯 개”를 받아보게 되었습니다. Turner는 매일 달력 알림을 맞춰 두고 이 프로필들을 검토했습니다. Pallet이 Paraform을 통해 채용한 4명 중 2명이 ParaAI 채용 에이전트가 추천한 후보에서 직접 나왔습니다. Paraform은 이 덕분에 Pallet이 추가 인원을 뽑지 않고도 발굴 기능을 흡수해 채용팀을 작게 유지할 수 있었다고 밝혔습니다.

그러나 자료가 모든 것을 말해 주지는 않습니다. 전체 매칭이나 스크리닝, 제출 업무 중 인공지능이 차지하는 구체적인 비율 수치는 공개되지 않았습니다. “자동화율”이라는 표현은 2026년 10월 채용 공고에서 AI Platform 팀이 책임져야 할 성과로 매칭 품질, 채용 속도와 함께 나열될 뿐 명확한 정의가 없습니다. ParaAI의 1차 스크린이 실제로 몇 건의 지원을 막아섰는지, 고득점 매칭 자동 승인으로 직원의 업무 시간이 얼마나 줄었는지도 수치로 확인되지 않습니다.

이 사례가 기업 리더에게 주는 교훈

Paraform이 채용 과정에 인공지능을 안착시킬 수 있었던 데는 세 가지 전제 조건이 있었습니다.

첫째, 마켓플레이스 자체에서 수년간 축적된 방대한 결과 데이터가 있었습니다. 어떤 후보가 제출되었고, 누가 면접에 올라갔으며, 채용 담당자가 어떤 이유로 거절했고, 최종적으로 누가 뽑혔는지에 대한 구조화된 피드백이 쌓여 있었습니다. 평가 글에 따르면 문맥 엔진은 채용 담당자의 결정을 딱딱한 필터가 아니라 미묘한 신호로 다루며, ParaAI는 거절 사유를 매일 읽습니다.

둘째, 인공지능이 탐색한 풀은 웹에서 무작위로 긁어모은 정보가 아니라 사람이 이미 검증한 후보 네트워크였습니다. ParaAI는 리크루터가 최근 40일 이내에 직접 대화하고 스크리닝해 제출했던 인재들만을 대상으로 매칭을 돌렸습니다.

셋째, 인공지능이 만들어 내는 속도를 사람의 품질 지표에 묶었습니다. 매칭이 빨라져 제출이 남발되면 채용 담당자는 피로해집니다. 회사는 면접률에 연동된 주간 제출 한도, 7일 만료 규정, 헌장의 품질 기준을 통해 리크루터 스스로 신중하게 후보를 내도록 강제했습니다.

조직의 운영 측면에서 한계와 모순도 엿보입니다. 현재 “첫 후보 제출” 문서는 여전히 “완전 자동화 스크리닝 도구와 달리 사람 중심인 채용을 규모 있게 하도록 만들어졌다”고 강조하지만, 채용 기업용 문서는 ParaAI가 모든 제출을 사전에 스크리닝한다고 말합니다. 또한 채용 공고는 에이전트 시스템이 운영팀의 일도 덜어 준다고 홍보하지만, 문서상 확인되는 변화는 고득점 매칭에 대한 자동 승인뿐입니다. 역할 신청 승인, Qualified 역할 검토, 추가 슬롯 배정, 활동 제재는 여전히 직원의 수작업으로 남아 있습니다.

회사는 에이전트의 출시일을 밝히지 않습니다. 자료에서 찾은 AI 매칭 제품의 가장 이른 날짜는 2025년 7월이고, “에이전트”라는 말은 2026년에 나타납니다.

Paraform은 채용을 인공지능에 통째로 넘기지 않았습니다. 인공지능에게는 적합도 계산과 초안 작성, 1차 선별, 그리고 순서를 뒤집어 채용 담당자에게 먼저 후보를 보여 주는 역할을 맡겼습니다. 그리고 후보자의 동의, 리크루터의 전화나 영상 스크리닝, 채용 담당자의 최종 결정이라는 핵심 검증선은 사람의 몫으로 남겨 두었습니다. 자동화의 속도를 높이는 것만큼이나, 사람이 지켜야 할 관문과 규칙을 정교하게 설계하는 일이 시스템의 성패를 가릅니다.

출처