모든 판단에는 데이터가 있다. 우리가 '직감'이라 부르는 것은 무수한 경험이 무의식 속에서 압축·패턴화된 결과물이다. 베테랑 인사담당자가 이력서를 3초 만에 거르는 판단, 임원이 면접에서 느끼는 '이 사람은 우리와 맞지 않는다'는 감각. 이것들은 설명되지 않을 뿐 데이터가 없는 것이 아니다. 설명되지 않는 판단을 우리는 직감이라 부른다.
그렇다면 질문은 명확해진다. 직감이 압축된 데이터라면, 그것을 다시 풀어내 학습시킬 수 있는가.
예측은 패턴의 반복성에 비례한다. 반복이 많을수록 예측은 쉽고, 비정형·비반복 상황일수록 어렵다. 헤드헌팅이 어려운 이유가 여기에 있다.
기업의 조건 값이 고정되어 있다고 가정하면 문제는 단순하다. 기업 조건을 표준화하고, 후보자의 비정형 조건을 표준화·계층화한 뒤 매핑하면 관계성에 따른 적합도 산출이 가능하다. 이것은 이미 기술적으로 풀린 영역이다.
문제는 현실의 조건 값이 고정되지 않는다는 데 있다. 기업은 후보자 한 명을 받아본 뒤 조건을 바꾼다. 어떤 인재를 원하는지 기업 스스로도 모른다. 인사담당자·실무자·임원의 채용 기준이 다르고, 사업계획과 협업 구조에 따라 기준이 또 달라진다. 채용 시장의 본질적 난제는 매칭이 아니라 '기준의 비고정성'이다.
여기서 핵심 통찰이 나온다. 조건이 흔들리는 그 순간순간의 판단조차 데이터다. '후보자를 보고 나니 우리가 원했던 건 이게 아니었다'는 깨달음, 임원과 실무자가 같은 후보를 다르게 평가하는 간극. 이 모든 것이 역할별 직감이고 상황별 직감이다.
만약 역할별·상황별 직감을 정형화하고 학습해내는 시스템을 만들 수 있다면, 그것은 단순한 매칭 자동화를 넘어선다. '기준이 바뀌는 패턴' 자체를 예측하는 것이기 때문이다. 정적 매칭이 아니라 동적 의사결정의 모델링이다.
이것은 혁신인가. 기술적으로는 그렇다. 다만 혁신의 본질은 다른 곳에 있다.
제조업의 제품 품질은 규격으로 증명된다. 그러나 서비스업, 특히 사람을 다루는 헤드헌팅에서 품질은 신뢰로 증명되고, 신뢰는 '인간이 직접 봐주었다'는 감각에서 나온다. 고객은 알고리즘이 뽑아준 후보보다 전문가가 고심해 추천한 후보를 더 신뢰한다. 같은 결과물이라도 그렇다.
따라서 진짜 혁신의 형태는 명확하다. 표면에서는 인간이 해주는 느낌을 주되, 이면에서는 시스템이 동작하는 것. 고객은 사람의 손길을 경험하지만, 그 손길의 99%는 시스템이 만들어낸다. 인간의 직감을 대체하는 AI의 완성형은 'AI처럼 보이는 서비스'가 아니라 '인간처럼 보이는 시스템'이다.
여기서 사업적 결론이 도출된다. 인간의 터치가 들어가는 비율은 곧 기술적 장벽의 역수다. 터치 비율을 낮출수록 두 가지를 동시에 잡는다. 첫째는 이익률이다. 인건비 구조에서 벗어난다. 둘째는 가격 경쟁력이다. 같은 품질을 더 낮은 단가에 제공할 수 있다.
이익과 가격경쟁력을 동시에 확보한다는 것은 통상 양립 불가능한 두 변수를 함께 잡는다는 뜻이고, 이것 자체가 모방 불가능한 진입장벽이 된다. 경쟁사가 인간의 손에 의존하는 한 그들은 이 구조를 따라올 수 없다. 그리고 그 장벽은 결국 고객 이탈 비용을 높여 Captive Market으로 이어진다. 한번 시스템화된 신뢰 경험에 익숙해진 고객은 인간 의존적 경쟁사로 돌아갈 이유가 없다.
논지를 완결하기 위해 스스로 두 가지 반론을 던진다.
첫째, '직감의 완전한 정형화'는 도달점이 아니라 점근선일 가능성이 높다. 채용 기준의 비고정성은 외부 변수(시장, 규제, 기업 전략)에 종속되며, 이 변수들은 끊임없이 새로운 비정형을 만들어낸다. 따라서 인간의 터치 0%는 목표로서는 유효하나 현실에서는 '최소화'가 정확한 표현이다. 핵심은 0이 아니라, 경쟁사보다 그 비율이 구조적으로 낮은 상태를 유지하는 것이다.
둘째, '인간처럼 보이는 시스템'이 신뢰를 주는 구조는, 그 위장이 드러나는 순간 신뢰가 역전될 위험을 동반한다. 따라서 장기적 해자는 '인간을 흉내 내는 것'이 아니라, 시스템이 만든 결과의 품질이 인간을 실제로 능가했음을 고객이 체감하게 만드는 데 있다. 위장은 과도기 전략이고, 본질은 품질의 실질적 우위다.