핵심 요약
첫째, Dargnies, Hakimov와 Kübler(2026)는 실노력 과제를 수행한 근로자 역할 참여자와 관리자 역할 참여자가 채용 결정을 사람에게 맡길지 알고리즘에 맡길지를 선택하는 실험으로, 알고리즘 회피의 기원을 분해했다.
둘째, 알고리즘이 성별을 사용하지 않는다는 사실을 알려주면 근로자들의 알고리즘 선택이 기준 조건보다 늘었다. 반면 알고리즘의 작동 방식을 상세히 설명하는 투명성 조치는 근로자와 관리자 모두의 선호를 높이지 못했다.
셋째, 관리자들은 평균적으로 자기 채용 능력에 과신이 있었고, 자신의 채용 성과에 대한 피드백을 받으면 알고리즘 위임 선호가 높아졌다.
이 논문은 동료심사 학술지 Management Science에 2026년 1월 게재된 연구다.
배경 및 이론적 맥락
채용에서 알고리즘 사용이 늘지만 사람들은 알고리즘의 판단을 회피하는 경향, 즉 알고리즘 회피를 보인다. 회피의 원인이 무엇인지에 따라 대응이 달라진다. 차별 우려인지, 불투명성인지, 아니면 사람 심사관에 대한 과신인지를 분리해야 한다.
지원자의 AI 역량 신호를 다룬 기존 채용 실험과 달리, 이 연구는 채용의 의사결정 주체가 사람인지 알고리즘인지를 둘러싼 수용 문제를 본다. AI가 고용을 바꾸는 경로 중 ‘누가 결정하는가’의 축이다.
연구 방법론
온라인 실험에서 참여자는 근로자 또는 관리자 역할을 맡는다. 근로자는 세 개의 실노력 과제(과제 1, 2, 그리고 둘을 결합한 직무 과제)를 수행하고, 자신과 다른 근로자 사이의 채용 결정을 관리자 역할 참여자가 내릴지 알고리즘이 내릴지 선택한다. 두 번째 실험군에서는 관리자가 채용 결정을 알고리즘에 위임할지 선택한다.
처리 조건은 알고리즘이 성별을 성과 예측에 사용하는지 여부와 그 고지, 알고리즘 작동 방식의 상세 설명(투명성), 그리고 관리자에게 자신의 채용 성과 피드백 제공이다.
연구 결과
알고리즘이 성별을 쓰지 않음을 알리면 근로자의 알고리즘 선택이 기준 조건(성별 사용)보다 유의하게 늘었다. 공정성 우려가 회피의 한 원인임을 보여준다.
알고리즘의 작동 원리 상세 설명은 근로자와 관리자 모두에서 선호를 높이지 못했다. 투명성 조치만으로는 회피가 풀리지 않는다.
관리자들은 평균적으로 자신의 채용 판단에 과신이 있었고, 실제 성과 피드백을 받은 관리자는 알고리즘 위임을 더 선택했다.
결론 및 의의
이 연구의 발견은 세 가지다. 첫째, 알고리즘 회피의 일부는 차별 우려라는 정당한 원인에서 나오며, 공정성 설계와 고지가 완화한다. 둘째, 설명 가능성은 만능이 아니다. 셋째, 결정권자의 과신이 알고리즘 도입의 조직 내 저항 요인이고, 피드백이 이를 교정할 수 있다.
이론적으로 이 연구는 알고리즘 회피를 단일 성향이 아니라 구성 요인의 결합으로 분해한다. 공정성·투명성·자기평가의 세 축이 각각 다른 주체(근로자 대 관리자)에게 다른 무게로 작용한다는 점이 설계상의 기여다.
적용에서, 채용 알고리즘 도입 기업은 ‘설명’보다 ‘공정성 설계와 그 고지’를 우선하고, 관리자에게는 성과 피드백 체계를 갖추는 것이 수용을 높인다는 시사를 얻는다. 반면 어떤 알고리즘이 실제로 더 공정한 채용을 하는지, 수용이 실제 채용 질로 이어지는지는 이 연구가 검증하지 않았다. 검증되지 않은 적용이다.
한계는 온라인 실험의 인위적 채용 맥락, 단일 과제 유형, 그리고 실제 조직의 위계와 인센티브가 없는 환경이라는 점이다. 후속 연구는 실제 기업 도입 데이터, 알고리즘 성능의 변화에 따른 수용의 변화, 그리고 피드백 개입의 현장 실험이 필요하다.
참고문헌
Dargnies, M.-P., Hakimov, R., & Kübler, D. (2026). Aversion to hiring algorithms: Transparency, gender profiling, and self-confidence. Management Science, 72(1), 285-301. https://doi.org/10.1287/mnsc.2022.02774
동료심사 학술지 게재 논문(2026년 1월)이다. 온라인 실험의 가상 채용 맥락에 기반한다. 본문은 해당 논문의 연구와 그로부터 도출한 해석만을 다룬다.
AI 활용 내역
이 글은 AI(Instinct AI 어시스턴트)를 활용하여 논문의 핵심 내용을 분석·요약하고, 한국어 리뷰 원고를 작성하였습니다. 최종 검토 및 발행은 블로그 운영자가 수행합니다.