HiringBranch 연구: 소프트 스킬을 별도로 채점하면 일선 채용 예측이 약화된다

최신 에피소드 You Should Know는 기술을 하나씩 평가하는 것은 더 나은 인재를 놓치는 일이라는 제목으로, 2026년 8월 26일에 게시되었으며 William Tincup이 진행하고 HiringBranch의 연구개발 책임자 Assaf Bar-Moshe가 출연했습니다. 몬트리올에 본사를 둔 이 평가 회사는 사전 채용 평가에서 공감, 인정, 적극적 경청, 안심을 개별 점수로 보고하는 일반적인 관행에 도전하는 새로운 연구를 발표했습니다. 이 대화는 고용주들이 고객 서비스 담당자, 영업 사원, 소매 직원 등 일선 인재를 실제 고객 상호작용의 현실에 맞춰 측정하는 방법을 재고하는 시점에 이루어졌습니다.

Bar-Moshe는 듣는 이들에게 HiringBranch의 개방형 음성 및 글쓰기 평가 설계와 그 배경이 된 연구를 안내합니다. 주요 내용은 다음과 같습니다:

• 단일 기술 점수는 인간 평가자와의 상관관계가 중간 정도인 반면, 결합된 독점 모델은 훨씬 더 강한 상관관계를 보이는 이유.
• HiringBranch가 측정하는 고객 서비스의 네 가지 기둥: 인정, 긍정적 언어를 통한 안심, 공감, 적극적 경청.
• 직무 설명이 클라이언트, 지역, 역할별로 보정된 대화 흐름 및 시나리오 기반 평가로 어떻게 변환되는지.

논의는 구체적인 고객 대면 순간에 기반을 둡니다. Tincup은 가격이 잘못 표시된 브로콜리로 인한 소매점에서의 대립이 정책보다는 외교로 해결된 사례를 이야기하고, Bar-Moshe는 연구 결과를 평이한 언어로 설명합니다.

그는 HiringBranch가 성격 기반이 아닌 언어적 접근 방식을 취한다고 덧붙이며, 그 방법을 "후보자가 실제로 말하는 단어에 대한 사회적 화용론적 분석"이라고 설명합니다.

훈련된 언어학자인 Bar-Moshe는 HiringBranch의 IO 심리학자와 언어학자 팀이 수년간의 텍스트 데이터를 사용하여 공감, 인정 및 관련 기술을 예측하는 기계 학습 모델을 구축하고, 채용 후 수개월 후의 직무 성과에 대해 이러한 예측을 검증한다고 설명합니다. 보정은 클라이언트, 산업, 심지어 지리적 위치에 따라 다르며, 밴쿠버, 토론토, 몬트리올과 같은 시장의 지역적 변동이 동일한 역할에 대해 다른 점수 가중치를 형성합니다. 그는 또한 개발 중인 셀프 서비스 기능을 소개하며, 이를 통해 채용 관리자가 대화 흐름 및 기술 라이브러리에서 평가를 구축하여 약하거나 일반적인 직무 설명에 대한 의존도를 줄일 수 있다고 말합니다. 전체 연구는 HiringBranch 웹사이트의 AI 연구 탭에서 볼 수 있습니다.

텍사스주 알링턴에 기반을 둔 WRKdefined 팟캐스트 네트워크의 일부인 You Should Know는 Ryan Leary와 William Tincup이 공동 진행하며 매월 390만 명 이상의 검증된 청취자에게 도달합니다. 이 쇼는 중추적인 리더십 과제, 인력 역학, 경력 이동성, 채용에 대한 기술의 영향을 다룹니다. 이 에피소드는 팟캐스트를 들을 수 있는 모든 곳과 You Should Know 팟캐스트 페이지에서 지금 만나볼 수 있습니다.

면책 조항: 이 번역은 NewsRamp™ 가 Newsworthy.ai (“THE COMPANIES”로 총칭)을 위해 공개적으로 접근 가능한 생성형 인공지능 플랫폼을 사용하여 자동 생성되었습니다. THE COMPANIES는 이 번역의 정확성이나 완전성을 보장하지 않으며, 어떠한 오류, 누락, 부정확함에 대해서도 책임을 지지 않습니다. 이 번역에 대한 의존은 사용자의 책임하에 이루어집니다. THE COMPANIES는 이러한 의존으로 인해 발생하는 어떠한 손해나 손실에 대해서도 책임지지 않습니다. 이 보도자료의 공식적이고 권위 있는 버전은 영어 버전입니다.