뉴스

불확실성의 시대, AI가 채용을 어떻게 바꾸는가

e4ds뉴스가 제네시스랩의 HAF 세미나를 중심으로 AI 채용의 가능성과 과제를 정리했습니다. 의사결정의 예측 단계부터 AI를 들이자는 제안을 소개합니다.

비즈니스 환경이 급변할수록 기업은 채용 결정의 일관성을 꼼꼼하게 확인합니다. e4ds뉴스가 제네시스랩의 제2회 HAF 세미나를 중심으로 AI 채용의 가능성과 해결과제를 정리했습니다.

제네시스랩은 AI 채용 솔루션 뷰인터HR을 운영하며 면접 영상 데이터를 바탕으로 지원자의 역량을 평가하는 모델을 만들어 왔습니다.

제네시스랩 조진희 연구원은 AI가 지원자 데이터로부터 적합도 예측 시스템을 만들어낼 수 있다고 설명합니다. 의사결정의 전 과정을 AI에 맡기자는 뜻이 아니라, 예측 단계에 AI를 들여와 편향을 점검하고 개선할 여지를 만들자는 취지입니다.

AI 채용 확산과 함께 공정성 논의도 속도를 내고 있습니다. 구직자에게 평가 방식을 사전에 알려야 한다는 법 개정 움직임도 나오며, AI 채용이 제도적으로도 점검받는 단계에 들어섰습니다.

Single LLMs Hit a Wall. Here’s What Comes Next

A single LLM quickly hits its limits on complex business problems. This article traces AI architecture evolution — from single prompts to multi-agent systems — and explores what multi-agent scaling laws mean for B2B platform design.

단일 LLM의 한계를 넘어서: Multi-Agent System은 왜 필요한가

단일 LLM으로 복잡한 비즈니스 문제를 해결하는 접근은 현실에서 쉽게 한계에 부딪힌다. 이 글에서는 단일 프롬프트부터 멀티 에이전트 시스템에 이르기까지 AI 아키텍처의 발전 단계를 분석하고, 각 구조가 왜 실패하거나 부족했는지 그 이유를 짚는다. 그리고 그 흐름 속에서 도출되는 멀티 에이전트 스케일링 법칙이 B2B 플랫폼 설계에 어떤 시사점을 주는지 살펴본다.

Real-Time Labeling Interfaces: Turning Clinical Judgment into AI Training Data

A psychiatrist rating "It's tough, but manageable" as 3/3 relies on reasoning that post-hoc labeling often loses. A joint study by Genesis Lab, UNIST, and Seoul National University Hospital, presented at IASDR 2025, shows how interface design can capture that reasoning as training data.

실시간 라벨링 인터페이스: 정신과 임상 판단을 데이터로 구조화한 방법

"힘들지만 버틸 만하다"는 환자의 말을 3점이라 판단하는 임상의의 근거는 어디에 있을까요. 기존 AI는 판단의 결과만 배웠을 뿐 근거를 놓쳤습니다. IASDR 2025에서 발표된 제네시스랩·UNIST·서울대병원 공동 연구는 라벨링 인터페이스 설계로 이 근거를 데이터로 만드는 방법을 보여줍니다.

Read more

Single LLMs Hit a Wall. Here’s What Comes Next

단일 LLM의 한계를 넘어서: Multi-Agent System은 왜 필요한가

Real-Time Labeling Interfaces: Turning Clinical Judgment into AI Training Data

실시간 라벨링 인터페이스: 정신과 임상 판단을 데이터로 구조화한 방법