http://news.zum.com/articles/56161265?c=08
머신러닝, 빅데이터로 학습하는 인공지능 계열로 면접 한정입니다. 지금 면접이 가능하다고 말하는 것들 전부를 이야기하는 것이에요.
<마우스 우클릭후 새탭에서 열기를 해주세요>
<AI 면접이 객관성과 신뢰성을 가졌다고 언급한 기사>
<마우스 우클릭후 새탭에서 열기를 해주세요>
<AI 면접에 대해서 취준생이 혼란을 겪는다는 기사>
머신러닝, 빅데이터로 학습하는 인공지능 계열로 면접 한정입니다. 지금 면접이 가능하다고 말하는 것들 전부를 이야기하는 것이에요.사람을 평가한다는 것 자체가 생각보다 정확하지 않지요. 그런데 인공지능으로 하면 객관성과 신뢰성이 있을까요?
지금 면접도 엉망인 것은 사실이에요. 아예 행정학 조직론은 경영학 조직론과 거의 99% 정도 같은데(경영학은 공부하지 않았지만 혹시나 해서 도서관에서 책빌려서 비교해봤더니 싱크로율 99%정도. 조직론 보고 면접 들어가면 면접에서 나오는 질문이 왜 저래? 혹은 유투브에서 면접 정보 동영상은 왜 저렇게 이론과 다른 부분으로 만들어? 같은 생각 많이 하게 됩니다. 차라리 그 시간에 도서관에서 행정학이나 경영학의 조직론 한번 읽는 것이 좋아요. 시간도 얼마 걸리지 않아요.), 아직도 여러분에게 인간관계 질문은 기본이잖아요. 그런데 조직론에 의해서 질문을 하게 되면 사회적 인간관으로 조직을 만드는 시기는 1940~1950년때 조직이에요. 그런 조직이 너무 문제가 많아서, 그 이후에 탈 관료제 모형이나, 정보화사회 조직 모형으로 바뀌었어요. 여러분이 면접을 준비할 때 들은 것과 달리 이론상으로는 인간관계에만 신경을 쓰는 사람으로 보이면 탈락 조건이에요. 그런데 질문으로 나오면 그렇지 않다라고 말하기 어려운 조건이지요. 심지어 복잡인도 좋은 인재라서 인간관계 질문 자체가 이론상으로는 필요 없는 상황이에요. 이런 질문이 나오는 것은 행정학의 비교 행정론에 있는 프리즘 사회(선진국에 진입하기 전 사회)에서는 전통적 가치관과 현대적 가치관이 혼재된 사항이 되어 있기 때문에 기준을 경우에 따라서 전통적 가치관으로 평가하기도 하고 때론 현대적 가치관으로 평가하기도 하기 때문에, 언제 어떤 기준으로 평가하는가? 하는 것은 이론이 아니라 면접관이 그때그때 달라요 씩으로 면접을 보는 것이지요. 심지어 전 술 안마신다고 답했더니, 술안마시면 인간관계 나쁘다라는 말도 듣고 떨어진 경험이 있는데, 이런 특이한 기준을 어떻게 맞추어서 답하라는 것인가요? 같은 것이지요. 이런다고 해서 인공지능이 면접보면 되느냐? 하면 또 그것도 아니라는 것이지요. 조직론 자체도 완벽하지 못해서 시간에 따라서 계속 변화하는 데, 인공지능은 딱 맞는 인재를 찾아낼 수 있을까요?
인공지능의 방식에 의하면 인공지능이 어떤 판정을 하기 위해서 변수를 먼저 설정해야 합니다. 즉 좋은 인재가 어떤 인재인가? 하는 변수를 설정해야 하지요. 여러분이 생각하는 변수는 무엇인가요? 그런데 여러분도 좋은 인재를 위한 변수를 모두 말하기 힘들 것입니다. 그렇다고 개발자가 조직론이라도 봤으면 다행이지만, 조직론을 보지도 않았다면 또 전통적 가치관의 변수로 들어와 있을 수도 있어요. 조직론 자체를 적용하는 것도 조직론이 계속 발전하기 때문에 인간이 더 알아내서 또 다른 변수를 찾고, 기존 변수를 삭제하기도 하는데...1940~50년대에는 인간관계로 사람을 뽑았습니다. 그것이 조직을 더 효율적으로 한다고 생각했는데, 지금은 그런 부분은 고전적 조직에만 해당하고 현재 조직은 그렇지 않아요. 오히려 공사 구분이 매우 필요하지요. 요즘 유행하는 법무부는 법무부 일을 하고, 검사는 검사일을 하면 된다 같은 조건같이 공사 구분을 잘하는 것이 필요한 그런 사항이 현재 조직에서 필요한 인재이지요. (이것은 행정학에서만 나와요) 인간관계에 집착해서 생산성을 높이는 것은 이미 중요한 조건이 아닌 시대에요. 법무부 장관과 검찰총장의 인간관계보다 공사 구분을 통해서 일을 하는 것이 중요한 그런 시대이지요. 즉, 검찰이 법무부 장관을 수사하는 것이 공사 구분을 해서 하면 별 문제가 없는 것이에요. (결국 이해충돌이 발생하기는 하였으니, 이해 충돌같은 문제로 인해서 특정 업무의 중단등은 필요 한 듯) 이와 같이 과거 중요한 변수가 현재에서는 빠질 수도 있는데, 그런 변수로 만든 인공지능이 현재도 정확하다고 할 수 없는 것은 조직론도 위와 같이 바뀌기 때문에 조직론의 변화에 따라서 다른 것이지요. 심지어 개발자가 변수를 추가로 조절하면, 조직론과 관련없이 자신이 중요하다고 생각하는 어떤 변수를 적용한다면, 어떤 변수가 적용되었는지 알기도 어려워요.
<마우스 우클릭후 새탭에서 열기를 해주세요>
<인공지능이 여성에게 감점을 주었던 과거 채용의 결과를 학습해서 여성에게 감점을 주었다는 기사>
다음 단계는 그 변수에 따라서 빅데이터에서 관계식을 찾습니다. 그 관계식이 나오는 것도 완벽하지 못해요. 그래서 항상 정확도 XX% 같은 말이 따라다니는 것이지요. 그런데 그런 관계식에 의해서 것도 과거 데이터가 엉망이면, 그것에 의해서 나오는 결과도 그대로 엉망으로 나오는 것이지요. 자주 링크했지만, 왓슨의 폐암 진단 정확도는 18%에 불과하며 추천 서비스에서 나오는 추천 다 건너뛰는 경험은 여러분도 많이 했을 거에요.
그래서 잘못된 사항을 학습할 수 있어요. 그런데 이렇게 잘못되게 학습한 것을 빅데이터에서 걸러낼수도 있는데, 그것도 또 개발자 주관이라는 것이지요. 여성에 대해서 차별한 과거 데이터를 주관으로 뺐다 할지라도 그 과정에서 어떤 정보를 남기고 어떤 정보를 제거하는냐? 하는 것은 또다시 개발자의 주관으로 결정하는 것입니다. 또다시 전통적 가치관이 적용되는 것이지요.
그래서, 마음대로 빅데이터에서 잘못된 정보라고 생각하고 빼는 것이나, 혹은 더하는 것 자체도 이미 결과의 의미를 손상시키고 있는 것이고, 결국 이것은 개발자가 면접보는 상황과 다를 바 없는 것이지요. 또한 이 과정에서 인공지능으로 만들어진 판사나 면접같은 과정에서도 조작은 충분히 가능합니다. 인공지능이라고 객관성, 신뢰성이 있는 것이 아니라 조작은 언제나 가능한 것이지요. 이러한 부분을 허용하지 않으면 과거의 문제를 그대로 가진 면접 제도가 되는 것이고요.
그 다음 여러분이 답한 것은 개발자가 만든 변수에 의한 것들만 특정 값으로 변환되고 그 값을 관계식에 넣어서 점수화되지만, 그 과정에 문제가 있어도 해결되지 않고, 빅데이터로 학습하는 인공지능 자체의 관계식 형성 과정에서도 문제가 있어서 관계식이 정확한가? 하는 문제도 있는 등 그런 문제들은 영원히 인공지능 면접과정에 남는 것이지요.
이런 것은 영원히 안되는 과정입니다. 차라리 조직론을 연구시키고, 그 결과를 바탕으로 새로운 채용 방법을 개발하는데 투자하는 것이 인공지능에 투자하는 것보다 훨씬 유리합니다. 인공지능에 면접 보는 것은 결국 결과는 개발자가 면접 보는 것과 같습니다. 엉망인 것이고 그것이 개선도 안됩니다. 인간이 기술을 오해하고. 즉 인공지능이 정확하다는 오해에서 비롯해서 그 오해 안에서 더 나쁜 결과에서 벗어나지 못하는 과정이 될 것입니다.
즉, 이제 여러분에게 말하고 싶은 결과입니다. 인공지능으로 면접을 보는 회사를 준비한다면, 제가 권하는 방법은 그런 회사를 피하세요.
조직내에서도 다양성이 있어야 환경 대처가 유리합니다. 그래서 공무원도 여성할당제, 남성할당제같이 여러가지 다양성을 구성하려 하는 것이에요.
그러나 인공지능으로 면접을 보면 개발자가 정해둔 인간이 아니면 합격하지 못합니다. 조직은 다양성을 가지지 못하고 특정 인간형의 사람들만 합격하여 결국 조직의 구성원들의 특성은 단순화 된다는 것이지요. 면접의 다른 문제이기도 하지요. 결국 조직이 특정 인간들만 입사하면서 조직 자체가 환경등에 대처가 어려워지는 현상이 만들어집니다.
인공지능을 개발할 때, 개발자 개인의 사고를 바탕으로 인공지능을 만들었는데, 무엇인 문제인가? 같은 인공지능에서 주의해야 할 문제를 제기하는데, 그와 같이 인공지능 개발자 주관으로 변수 정하고, 그것을 빅데이터로 학습시키거나, 또한 빅데이터를 수정해서 원하는 빅데이터로 학습시키는 현상에서는 이런 과정이 더욱 활발히 일어나게 됩니다.
다양성을 확보하지 못한 조직이 환경에 대처하기 어렵고 인재는 개발자가 정한 인간형들만 있으니 오래 생존하기 어려운 조직이며, 심지어 조직론은 계속 발전하므로 새로운 조직론에 의해서 채용하는 다른 조직에 의해서 뒤쳐지게 될 것입니다. 입사후 경력을 쌓고 다른 좋은 회사로 옮기세요.
그리고 그 누구도 어떤 변수로 만들었는지에 대해서 공개를 안하죠. 하면 똑같이 만들 수 있으니 안 하려 하겠지요. 방식이야 이미 다 알려져 있고, 변수를 뭐 쓰느냐? 정도 다르니까요. 게다가 그것으로 나온 관계식은 과거의 빅데이터인데 그것이 얼마나 맞겠어요? 그리고 여러분의 사생활 데이터가 들어가 있을수도 있어요. 여러분의 개인정보를 빅데이터라고 해서 이미 털릴만큼 털렸으니 여기에 의해서 가산점 혹은 패널티를 쓸 수 있도록 지금 개인정보보호법이 허술한 것도 문제에요. 사생활 침해이지요.
결론은 여러분이 개발자가 만든 변수도 모르고, 어떤 빅데이터를 사용했는지 모른다라면 그냥 복불복이에요. 사실 사람이 면접봐도 복불복인데, 그보다 더 안좋은 복불복이라는 것이지요. 면접제도 자체가 문제가 있어요. 그것을 논술 등으로 대체하는 것이 바람직하다고 보이는데,(질문과 답등이 기록에 남으니 훗날 과정의 문제점. 더 좋은 인재를 위한 조건 등에 대해서 조사 할 수 있지 않겠어요?) 어쨌든 지금 인공지능으로 면접 보는 것은 복불복이나 합격자 패턴을 조사하면 답은 나온다는 것이지요. 개발자가 어떤 변수를 사용했는지? 그리고 빅데이터에 대해서 어떻게 합격했는지? 에 나오겠지만, 그것을 모른다면 그냥 복불복...여러분은 인공지능 개발자가 면접 보고 있는 곳에서 인공지능 개발자 조건에 의해서 합격/불합격이 결정됩니다.
더욱 중요한 것은 머신러닝을 계속하면 결과값이 좋아질 것이라고 생각하는 것은 개발자의 착각이고, 오히려 조직에 더 큰 문제를 야기할 것이 분명합니다. 인공지능 과대 망상증 같은 것이 한국 사회를 지배하고 있어요. 이것을 사용한 회사가 망하면서 우리는 훗날 인공지능 면접이 버려지는 결과를 지켜보게 될 것입니다.
혁신적인 회사를 원하나요? 아니면 기존의 회사를 원하나요? 기존의 회사들이 뽑은 빅데이터로 면접보는데 기존의 회사정도 하고 싶다면, 새로운 아이디어를 가진 사람을 뽑을 필요가 없다면 후자의 회사로 가셔도 되지만, 회사든 취준생이든 인공지능으로 뽑는다면 일단 피하고, 어쩔 수 없이 그렇게 가야 한다면 결과는 복불복이며, 입사 후에도 빠르게 다른 회사로 옮길 필요가 있는 회사다 정도 생각하시면 됩니다. 발전 가능성이 낮은 회사이지요.
아마존도 포기할 정도가 인공지능 면접입니다.
<여기 적힌것만 문제가 아니라 사람이 변화한다든지 환경이 변화한다든지 여러가지 문제를 제기할 수 있는데, 다 제시하면 포스팅 길이가 폭발하니까 오늘은 조직론과 관련해서만 말했어요>
