AI도 사람도 인정하는 AI 이력서의 차이 — 인사팀이 보고 싶은 정보

이제 이력서는 사람도 보고 AI도 봅니다.

2026년 SHRM(미국인사관리협회) 조사에 따르면, 대기업의 43%가 AI 감별 도구를 채용 스크리닝에 도입했습니다. 사람이 보기 전에 AI가 먼저 보고, 의심스러운 이력서는 사람의 책상에 도착하지도 않습니다. 인사담당자의 49%는 AI로 작성한 의심이 들면 자동으로 떨어뜨립니다.

여기까지만 들으면 "그럼 AI를 쓰면 안 되겠네"라는 결론으로 갈 것 같지만, 그렇지 않습니다. 이미 Z세대 구직자의 91%가 자기소개서 작성에 AI를 활용하고, 인사담당자 본인들의 60% 이상도 AI를 채용 과정에 활용합니다. AI는 이미 양쪽 모두의 도구입니다.

진짜 핵심은 같은 도구(챗GPT, Claude, Copilot)를 써도 결과물이 갈린다는 점입니다. 한쪽은 AI 감별기와 인사담당자 양쪽 모두에게 "AI 자동화 이력서"로 읽혀서 외면당하고, 다른 한쪽은 양쪽 모두에게 "본인의 이야기"로 읽혀서 끝까지 읽힙니다.

차이를 만드는 건 AI 자체가 아니라 AI를 어떻게 쓰는가입니다.

AI로 작성한 이력서를 멘토에게 보여줬더니 "AI로 썼죠?"라는 한 마디가 돌아오는 취준생들. 이들이 그 말을 들은 이유는, AI를 써서가 아니라 AI를 부족하게 써서였습니다.

AI도 사람도 가장 빨리 알아차리는 신호 — 두루뭉술한 프로젝트 한 줄

한국 채용 매체 그리팅HR이 정리한 AI 이력서 의심 포인트 4가지 중 첫 번째가 "디테일의 부재"입니다. "혁신적인", "전략적인", "결과 지향적" 같은 화려한 수식어만 나열되고, 정작 어떤 도구를 썼고 어떤 구체적 장애를 만났는지가 빠진 이력서입니다.

AI 감별기도, 인사담당자도 가장 먼저 보는 신호가 바로 이런 평균값 표현입니다. 신입 이력서에서는 이런 줄이 가장 의심을 부르는 신호가 됩니다.

— "다수 프로젝트를 수행했습니다"

— "캡스톤 프로젝트에 참여했습니다"

— "다양한 인턴 경험을 쌓았습니다"

— "여러 팀과 협업 능력을 키웠습니다"

이 줄들의 공통점은 본인의 흔적이 안 보인다는 점입니다. 누구의 이력서에 넣어도 그대로 통할 수 있는 평균값 표현이기 때문입니다. AI 감별기에게는 "통계적 패턴", 인사담당자에게는 "어디서 본 듯한 한 줄"로 읽힙니다.

미국 채용 컨설팅 사이트 Resume Polished의 분석에 따르면, 이런 패턴은 ATS(지원자 추적 시스템)에 자동 거절 필터로 직접 통합되고 있습니다. 한 회사는 280건의 봇 의심 이력서가 같은 표현·같은 구조·같은 모호한 성과로 작성된 것을 발견한 뒤, 이런 패턴을 자동 거절하는 필터를 ATS에 추가했습니다.

AI를 부족하게 쓰면 어떤 일이 벌어지는가

AI는 사용자가 입력한 내용 이상의 디테일을 만들 수 없습니다. "캡스톤 프로젝트 했어, 이력서 한 줄 써줘"라고만 입력하면, AI는 표현을 다듬을 뿐 새로운 디테일을 만들 수 없습니다.

결과적으로 입력한 정보의 양만큼 결과물도 일반화됩니다. AI는 입력한 만큼만 출력합니다. 이것은 AI의 결함이 아니라 본질입니다.

그래서 AI를 부족하게 쓴다는 것은 — AI에게 충분한 정보를 주지 않은 채로 한 줄 결과물을 기대한다는 뜻입니다. 그 결과물이 평균값 표현으로 출력되고, AI 감별기와 인사담당자 양쪽 모두에게 걸립니다.

AI를 충분히 쓰는 법 — 인사팀이 보고 싶은 4가지

AI에게 충분한 정보를 넘기려면 4가지 축이 필요합니다. 인사팀이 한 줄에서 보고 싶어 하는 정보입니다. 이 4가지가 채워지면 AI가 출력하는 한 줄이 평균값에서 벗어나, 본인 고유의 이야기가 됩니다.

· 문제 — 무엇을 풀려고 했나

· 역할 — 어떤 자리에서 무엇을 맡았나

· 과정 — 어떻게 풀었나 (도구·방법·인원)

· 영향 — 결과적으로 무엇이 달라졌나 (가능하면 숫자로)

이 4가지를 본인이 정리해서 AI에 넘기면, AI는 그제서야 본인 고유의 이력서 한 줄을 만들 수 있습니다. 입력 재료가 충분해지기 때문입니다.

Before / After 비교

이 시리즈에서 두 명의 가상 취준생을 따라갑니다. 시각디자인 전공 김진주, 컴퓨터공학 전공 박진주. 같은 사람의 같은 경험인데, AI에게 입력하는 방식이 달라지면 결과가 어떻게 바뀌는지 보겠습니다.

김진주 (시각디자인) — 캡스톤 프로젝트

[Before]

"캡스톤 프로젝트에서 팀과 함께 앱을 기획하고 디자인했습니다."

[After]

"4인 팀 리더로 캡스톤 프로젝트를 진행하며, 사용자 인터뷰 12명을 통해 핵심 페인포인트 3개를 도출했습니다. Figma로 프로토타입을 5차례 반복 개선해 사용성 점수를 23% 향상시켰습니다."

[김진주의 프롬프트]

나는 시각디자인 전공 취준생이고, 학교 캡스톤 프로젝트에 6개월 동안 참여했어. 다음 정보를 바탕으로 이력서 한 줄을 써줘.

문제: 20대 1인 가구의 식사 기록이 너무 번거로워 꾸준히 못 쓴다는 점

역할: 4인 팀의 리더, UX 리서치와 프로토타입 디자인 담당

과정: 20대 1인 가구 12명 사용자 인터뷰, Figma로 프로토타입 5차례 반복 테스트, 매주 팀원과 디자인 리뷰

영향: 사용성 점수 베타 대비 23% 향상, 학과 우수 캡스톤상 수상

박진주 (컴퓨터공학) — 핀테크 인턴

[Before]

"핀테크 스타트업 인턴으로 결제 API 개발에 참여했습니다."

[After]

"핀테크 스타트업 인턴으로 결제 API 응답속도 개선 과제를 맡아, 쿼리 인덱싱과 캐시 전략을 적용해 평균 응답시간을 800ms에서 320ms로 단축했습니다(60% 개선)."

[박진주의 프롬프트]

나는 컴퓨터공학 전공 취준생이고, 핀테크 스타트업에서 백엔드 개발 인턴으로 4개월 동안 일했어. 다음 정보를 바탕으로 이력서 한 줄을 써줘.

문제: 결제 API 응답속도가 평균 800ms로 느려서 사용자 이탈률이 높았던 점

역할: 백엔드 개발 인턴, 결제 API 응답속도 개선 과제 단독 담당

과정: 쿼리 병목 분석, 인덱싱 재설계, Redis 캐시 전략 적용, 시니어 개발자 코드리뷰 3회

영향: 평균 응답시간 800ms에서 320ms로 단축(60% 개선), 결제 페이지 이탈률 12% 감소

같은 경험입니다. 다른 점은 AI에 넘긴 정보의 양입니다. Before에서는 AI가 만들어낼 수 있는 게 표현 정리뿐이었고, After에서는 본인이 4가지 축의 디테일을 떠올려서 AI에 넘겼습니다. After 버전은 AI 감별기에게는 "구체적 패턴", 인사팀에게는 "본인의 이야기"로 읽힙니다.

인사팀을 사로잡는 프롬프트 템플릿

이 4가지 축으로 AI에 입력할 수 있는 실전 프롬프트입니다. 챗GPT나 Claude에 그대로 복사해서 본인 정보를 채워 쓰시면 됩니다.

나는 [전공/직무] 취준생이고, [프로젝트 이름]에 [기간] 동안 참여했어. 다음 정보를 바탕으로 이력서 한 줄을 써줘.

문제: [무엇을 풀려고 했나]

역할: [어떤 자리에서 무엇을 맡았나]

과정: [어떻게 풀었나 — 어떤 도구·방법, 인원 구성]

영향: [결과적으로 무엇이 달라졌나, 가능하면 숫자]

조건:

- 한 문장 또는 두 문장

- "참여했습니다", "기여했습니다", "수행했습니다" 같은 추상 동사 금지

- 구체적인 도구·숫자·방법 포함

- 평균값 표현(혁신적인, 전략적인, 결과 지향적) 사용 금지

이 프롬프트를 쓰면 AI가 만들어내는 이력서 한 줄의 질이 한 단계 올라갑니다. 핵심은 본인이 4가지 축을 먼저 정리한 다음 AI에 넘긴다는 점입니다.

그런데 이 4가지 정보는 어디에서 끌어오는가

여기에 한 가지 더 짚을 점이 있습니다.

4가지 축으로 입력하려면 본인이 디테일을 다 떠올려야 합니다. 그런데 그 디테일이 머릿속에 또렷이 남아 있을까요? "캡스톤에서 인터뷰를 몇 명 했는지", "결제 API 응답속도가 정확히 몇 ms 단축됐는지" — 이런 숫자는 보통 슬랙 메시지, 노션 페이지, 카카오톡 단톡방, 깃허브 PR에 흩어져 있습니다.

좋은 프롬프트도 입력할 재료가 없으면 작동하지 않습니다. 그래서 AI를 충분히 쓴다는 것은 결국 — 평소에 자기 기여를 어디에 어떻게 남겨두는가의 문제로 이어집니다.

이 한계는 시리즈 6편 자료 통합 가이드에서 다룹니다.

오늘 정리

· AI도 사람도 보는 시대, 양쪽 모두에게 "본인의 이야기"로 읽히는 게 핵심입니다.

· AI 이력서가 외면당하는 이유는 AI를 써서가 아니라 AI에 부족한 정보를 입력해서입니다.

· 인사팀이 한 줄에서 보고 싶은 4가지: 문제 / 역할 / 과정 / 영향.

· 이 4가지를 본인이 먼저 정리해서 AI에 넘기면, AI는 본인 고유의 이력서 한 줄을 만들어냅니다.

시리즈 연재 일정

이 시리즈는 6일 연속 매일 한 편씩 발행됩니다.

· 1편 (5월 9일 토요일) — 인사팀이 본 AI 이력서의 5가지 함정

· 2편 (5월 10일 일요일) — AI도 사람도 인정하는 AI 이력서의 차이 ← 이 글

· 3편 (5월 11일 월요일) — "책임감 있는 인재"를 벗어나는 Career Story

· 4편 (5월 12일 화요일) — 정량 성과와 과정을 이력서에 담는 법

· 5편 (5월 13일 수요일) — AI는 만들 수 없는 한 줄, 이력서 안의 추천서

· 6편 (5월 14일 목요일) — 슬랙·노션·PDF에 흩어진 기록을 한 장으로

각 편은 발행 후 위 항목에 링크가 추가됩니다.

마무리

다음 편 예고: "책임감 있는 인재"를 벗어나는 Career Story (3편, 5월 11일 월요일 발행)

만약 프로젝트 진행 중에 4가지 축의 디테일이 자동으로 쌓이는 구조라면 어떨까요? 시리즈 마지막 6편에서 다룹니다.

사이드 프로젝트 팀원 구하기, 팀플, AI 이력서 작성까지. 기획자·디자이너·개발자가 모여 프로젝트를 완주하고 취업 포트폴리오를 완성하세요. → 퍼플즈 이력서 만들기

[참고 자료]

· SHRM, 대기업 AI 감별 도구 도입률 조사 (2026)

· 그리팅HR, AI 이력서 검증 전략 — 의심 포인트 4가지 (2026)

· Resume Polished, AI 이력서 자동 거절 ATS 사례 분석 (2026)

· Career Group Companies, Z세대 AI 활용률 조사 (2025)

· TopResume, 인사담당자 AI 이력서 감별 시간 조사