안녕하세요. 영업직에서 엔지니어를 거쳐, 지금은 기술 인사(Technical HR)를 담당하고 있는 오노타쿠입니다.

평소에는 경력직 채용을 담당하고 있습니다만, 최근 채용 운영(Operation)의 일부를 AI(Claude의 Cowork)에게 맡기는 시도를 시작했습니다. 우선 착수한 것은 1차 면접 일정 조정 관련 업무입니다.

이 기사에서는 그 과정에서 가장 효과가 컸던, 업무를 AI에게 넘길 수 있는 수준까지 언어화(Verbalization)하는 작업에 대해 쓰고자 합니다.

미리 고백하자면, 기술적으로 대단한 것은 아무것도 하지 않았습니다. AI에게 브라우저를 조작하게 했을 뿐입니다. 그럼에도 업무는 제대로 돌아가게 되었습니다. 대단한 것은 AI가 아니라, AI에게 넘기기 위해 진심을 다해 작성한 업무 매뉴얼이었다는 것이 이 기사의 결론입니다.

"내 업무도 AI에게 맡겨보고 싶지만, 무엇부터 손을 대야 할지 모르겠다"는 분들에게 참고가 된다면 기쁘겠습니다. 엔지니어가 아닌 분들도 읽을 수 있도록 작성하려 노력했습니다.

1차 면접 일정 조정은 겉으로 보기에는 단순 작업처럼 보입니다. 하지만 실제로 해보니 확인해야 할 조건이 의외로 많은 업무였습니다.

• 포지션별로 1차 면접을 담당할 면접관이 정해져 있다 (이는 당연함)
• 면접관에게는 본업이 있으므로, "주당 몇 건까지", "하루에 몇 건까지"라는 대응 상한선이 각각 정해져 있다
• 면접관의 담당 범위와 대응 상한선도 조직 변경이 있을 때마다 바뀐다

그래서 단 1건을 확정하는 데에도, 지원 포지션으로부터 면접관 후보를 뽑고, 각각의 캘린더를 열어 이번 주에 이미 몇 건의 면접이 잡혀 있는지 세고, 상한선에 도달하지 않은 사람을 찾는 과정을 인간이 하나하나 수작업으로 하고 있었습니다. 그 후에 캘린더 등록이나 회의실 확보, 후보자에게 연락하는 과정도 이어집니다.

건당 작업은 그리 크지 않지만, 후보자의 수만큼 이 작업이 발생합니다. 그리고 채용 담당자의 본래 업무는 이러한 확인 작업이 아니라 후보자나 현장과 마주하는 것이어야 합니다. 여기에 시간을 뺏기고 있는 상태를 어떻게든 하고 싶다는 것이 출발점이었습니다.

처음에는 채용 관리 시스템(ATS)의 API를 사용하여 자동화 메커니즘을 만드는 방안도 검토했습니다.

하지만 이 업무에는 정교하게 만들어진 시스템과 상성이 좋지 않은 성질이 있었습니다.

• 조직 변경이 많아 면접관 구성이나 담당 포지션이 빈번하게 바뀐다
• 면접관별 대응 상한선(주당 몇 건, 하루에 몇 건)도 빈번하게 바뀐다
• 면접 플로우(Flow) 자체도 앞으로 유연하게 바꾸고 싶다는 현장의 요구가 있다

코드로 시스템화하면 이러한 변경이 있을 때마다 개발과 수정이 필요합니다. 변경이 많은 업무일수록 시스템은 순식간에 실태와 괴리됩니다.

그래서 코드를 작성하는 대신, Claude의 Cowork(AI가 브라우저를 조작해 주는 기능)에 업무 매뉴얼을 전달하여 인간이 하던 화면 조작을 그대로 맡기는 방침을 세웠습니다. 코드 기반의 시스템화와 비교하면, 변경이 발생했을 때의 가벼움이 전혀 다릅니다.

Cowork에 전달하고 있는 업무 매뉴얼은 Markdown으로 작성한 하나의 파일입니다. 내용은 대략 다음과 같은 구성으로 되어 있습니다.

1. 반드시 지켜야 할 규칙 (해서는 안 되는 일 · 망설여지면 멈출 것)
2. 마스터 데이터
- 포지션별 1차 면접관 리스트
...

"일정 조정 오퍼레이션을 실행해"라고 요청하면, AI가 ATS 화면을 열어 대상 후보자를 분류하고, Job A, B, C를 순서대로 처리한 뒤, 마지막에 "누구에게 무엇을 했는지"의 실행 보고를 내놓습니다.

AI와 인간의 분담은 다음과 같습니다.

운용이 안정되면 앞으로는 조금 더 욕심을 낼 생각입니다. 실수 없이 실행되고 있음을 확인하면 전송까지 포함하여 자동화하고 싶고, 실행 자체도 스케줄링하여, 궁극적으로는 Mac mini에 연결해 PC를 켜두지 않아도 알아서 돌아가는 상태까지 만들고 싶습니다.

매뉴얼을 작성할 때 가장 먼저 한 것은 업무의 분해입니다. "일정 조정"이라고 하나로 묶지 않고, 성격이 다른 업무를 3가지로 나누었습니다.

나누는 기준은 심플합니다. '입구 조건'과 '출구 상태'가 각각 다르기 때문입니다. 어떤 후보자가 어떤 Job의 대상인지가 화면상의 사실로부터 일의(一意)로 결정되도록 했습니다.

이렇게 해두면 AI의 움직임이 안정될 뿐만 아니라, 실행 보고가 "Job A를 ◯건, Job B를 ◯건 수행했습니다"라는 형태가 되어 사람이 확인하기 쉬워집니다. 제대로 작동하지 않을 때도 어떤 Job에서 막혔는지 즉시 알 수 있습니다.

작성하기 전에는 필요한 정보가 대략 다 갖춰져 있다고 생각했습니다. 실제로 포지션별 면접관이나, 면접관별 대응 상한(주당 몇 건, 일일 몇 건)은 스프레드시트에 잘 정리되어 있었습니다.

하지만 절차로서 써 내려가 보니, "상한에 도달하지 않은 면접관이 여러 명 있다면 누구를 선택할 것인가"가 어디에도 정해져 있지 않았던 것입니다.

사람이 할 때는 그 상황의 판단에 따라 대충 선택하곤 했습니다. 그러면 업무는 돌아갑니다. 하지만 AI에게 맡기려면 '대충'이라고 쓸 수 없습니다. 확실히 결정해야 하기에, 이 기회에 배분 규칙을 만들었습니다.

• 잔여 슬롯(상한까지의 남은 건수)이 가장 큰 사람을 선택한다
• 동일할 경우, 리스트의 번호가 작은 사람을 선택한다

요컨대 "특정 사람에게 면접이 편중되지 않도록 균등하게 배분한다"는 규칙입니다. 아이러니하게도 AI에게 맡길 준비를 한 결과, 사람이 하던 시절보다 배분이 더 공평해졌습니다. 업무의 언어화는 AI를 위한 것뿐만 아니라 업무 그 자체의 개선이 된다는 것을 실감한 순간이었습니다.

AI는 모르는 것이 있어도 그럴싸하게 메워가며 진행해 버리는 경우가 있습니다. 채용 업무에서 이런 일이 발생하면 곤란하므로, 매뉴얼에는 추측 금지를 반복해서 적었습니다. 예를 들면 이런 규칙입니다.

• 판단 재료는 반드시 화면상에 표시된 사실로부터 가져올 것. 날짜 역산 등으로 보완하지 말 것
• 보고에 기재할 URL은 실제로 연 페이지의 주소창에서 가져올 것. ID나 파라미터로 조합하지 말 것
• 화면 구성이 예상과 달라 조작에 헤맨다면, 추측으로 조작을 계속하지 말고 멈춰서 보고할 것

포인트는 "정확하게 해줘"와 같은 기분 중심의 지시가 아니라, 무엇을 근거로 삼아도 되는지(화면상의 사실만)와 근거가 없을 때 어떻게 할 것인지(멈춤)를 구체적으로 적는 것입니다. 사람 신입에게 업무를 인수인계할 때와 하는 일은 거의 같았습니다.

또 하나 중요하게 여긴 것은 갑자기 전부를 맡기지 않는 것입니다. 매뉴얼에는 "절대로 하지 말아야 할 일"을 명기하고 있습니다.

• 메일 전송 버튼은 절대로 누르지 않는다. 초안 작성까지만 하고, 전송 직전에 멈춰서 보고한다.
• 탈락 통보를 하거나, 전형 상태를 불합격으로 변경하는 조작은 하지 않는다. 해당할 것 같은 후보자가 있다면 보고에 올리기만 한다.

선긋기의 기준은 되돌릴 수 있는가(수정 가능한가)입니다. 캘린더 정리는 실수해도 고칠 수 있지만, 후보자에게 전달되어 버린 메일은 취소할 수 없습니다. 그래서 되돌릴 수 없는 조작은 사람에게 남겨두고, AI에게는 전송 버튼 직전까지를 맡겼습니다.

서두에 썼듯이, 운용이 안정되면 전송까지 맡기는 범위를 넓힐 생각입니다. 다만 그 판단은 "실행 보고를 몇 번이고 확인하여 실수가 없음을 확신할 수 있다면" 하겠습니다. 처음부터 넓게 맡겨서 사고로 신뢰를 잃기보다, 좁게 시작해서 넓혀가는 편이 결국에는 더 빠를 것이라고 생각합니다.

마지막으로, 이번 시도를 다른 업무에도 활용할 수 있는 형태로 정리해 둡니다.

1. 작게 시작하기

갑자기 플로우(Flow) 전체를 자동화하려고 하면 설계가 과부하되거나, 플로우를 대폭 변경하게 되어 현장에서 반감을 살 수 있습니다. 기존 플로우는 그대로 둔 채 일부만(저희의 경우 1차 면접 일정 조율) 떼어내는 것이 시작하기 쉽습니다.

2. 업무를 '입구 조건'과 '출구 상태'로 분해하기

커다란 덩어리 그대로 두지 말고, 대상자가 화면상의 사실로부터 일의(一意)로 결정되는 단위까지 나눕니다. AI의 움직임이 안정되고 보고 확인도 쉬워집니다.

3. 정보가 갖춰져 있더라도 '판단'에 규칙이 있는지 의심하기

마스터 데이터(Master Data)가 정비되어 있어도, 여러 선택지 중 무엇을 고를지는 정해져 있지 않을 수 있습니다. 이 부분을 확실히 결정하는 작업이 언어화의 핵심이며, 결정된 규칙은 업무 그 자체의 개선으로 이어집니다.

4. AI에게는 '무엇을 근거로 삼아야 하는지'와 '근거가 없을 때의 거동'을 적기

"정확하게 해"가 아니라, "판단 재료는 화면상의 사실만", "헤매면 멈춰서 보고"와 같이 구체적으로 적습니다. 정성껏 적은 만큼 안정적으로 움직여 줍니다.

5. 변화가 심한 업무는 코드가 아닌 일본어(자연어)로 관리한다

담당자나 규칙이 빈번하게 바뀌는 업무를 코드로 자동화하면, 변경될 때마다 개발이 필요하게 됩니다. 일본어(자연어) 매뉴얼이라면 현장에서 바로 수정할 수 있습니다.

경력직 채용의 일정 조정을 AI에게 맡기기 위해, 업무 매뉴얼을 진심을 다해 작성했던 이야기였습니다.

직접 해보며 느낀 점은, AI에게 업무를 맡기는 작업의 대부분은 AI에 관한 이야기가 아니라 업무에 관한 이야기라는 것입니다. 업무를 분해하고, 정해지지 않았던 판단 기준을 결정하며, 하지 않을 일을 선을 긋는 것. 이러한 언어화(Verbalization)만 가능하다면, 나머지는 AI가 읽고 움직여 줍니다.

그리고 서두에 썼듯이, 자동화는 그 자체가 목적이 아닙니다. 확인 작업에 사용하던 시간을 후보자나 현장 멤버와 마주하는 시간으로 전환하는 것이 목적입니다. 채용 업무에서 가장 중요한 부분은 사람과 마주하는 것이라고 생각하기에, 그곳에 시간을 쓰기 위해 그 외의 일을 맡길 수 있는 상대를 찾았다는 점은 매우 든든합니다.

마찬가지로 "업무를 AI에게 맡겨보고 싶다"고 생각하시는 분들에게 힌트가 된다면 기쁘겠습니다.