이름이 합격을 좌우하는가: 한국 취업 시장 ‘이력서 이름 효과’와 디지털 정체성 편향 리서치

요약 (Executive Summary)

• 채용 단계의 첫 관문인 이력서/프로필 열람에서 이름은 성별·출신·계층을 연상시키는 **초기 신호(signal)**로 작동하며, 역량과 무관한 편향이 개입될 여지가 크다. (편향 연구 맥락: [3])
• 2025~2026 채용 환경에서는 지원자가 AI로 문서를 생성하고 기업이 AI로 서류를 필터링하는 구조가 확산되며, 이름·학력 등 정체성 단서가 데이터 파이프라인 전반에 “고정값”처럼 남는 문제가 부각된다. [4][5]
• “외모”보다 “인상”이 더 영향을 준다는 인식(58.2%)은, 채용 평가가 고정 특성보다 해석·프레이밍되는 소프트 정체성으로 이동하는 흐름을 시사하지만, 동시에 이름 같은 고정 식별자는 여전히 선별의 시작점이 될 수 있다. [8]

---

데이터 개요

본 리포트는 사용자가 제공한 15개 출처를 바탕으로, “이력서에서 이름이 어떤 통로로 정체성 편향을 만들 수 있는가”를 정체성(Identity) 관점에서 구조화했다. 다만, 제공 자료에는 한국 채용시장에서 “이름만 바꿔 제출했을 때 서류합격률이 몇 % 변한다” 같은 **직접 실험 통계(필드 실험/감사 연구)**가 포함되어 있지 않다. 따라서 아래 수치는 “이름 효과의 존재를 간접 지지하는 정황 데이터”로 제시하며, 정량적 ‘이름 효과 크기’는 추가 실증 연구가 필요하다고 명시한다.

핵심 정량/정황 데이터 요약

구분	관측치(원문 수치)	의미(정체성 관점)	출처
면접에서 외모 vs 인상 영향	인사담당자 58.2%가 “외모보다 인상이 더 영향”	평가 기준이 ‘고정 신체’보다 ‘해석되는 이미지/태도’로 이동(소프트 아이덴티티 부상)	[8]
이력서 제목 구성 권장	“[지원회사+직무+이름]” 형태 권장	이름이 문서 상단에서 분류/검색 키로 기능(디지털 식별자화)	[1][2]
LLM 기반 이력서-직무 매칭 편향 연구	성별·인종·교육 배경 편향 평가	이름/학력 등 정체성 단서가 모델의 판단에 개입할 수 있음을 실증적으로 문제화(미국/영어권 맥락)	[3]
AI 채용/검증 확산 정황	AI로 자소서 생성 ↔ AI로 필터링	개인 정체성이 ‘서술’이 아니라 ‘패턴’으로 판독되는 구조 강화	[4][5]
이름 트렌드 데이터 인프라	출생신고 기반 이름 순위(2008~), 이름 통계 서비스	이름이 사회적 선호/규범을 반영하는 “집단적 데이터”가 됨	[11][13]

---

분석

1) 이력서에서 이름은 ‘호칭’이 아니라 첫 번째 분류 태그가 된다

현상

이력서 제목을 “[지원회사 + 직무 + 성함]”으로 구성하라는 조언은 여러 채용 콘텐츠에서 반복된다. 이는 문서의 가독성 차원이 아니라, 채용 담당자(또는 시스템)가 대량의 지원서를 처리할 때 가장 빠르게 읽히는 정보가 ‘직무-이름’ 묶음임을 전제한다. [1][2]

원인(구조)

• 채용은 점점 검색/정렬/필터의 문제로 바뀌고 있다. 상단 제목은 이메일 제목, 파일명, ATS(지원자 추적 시스템) 목록에서 그대로 노출되는 경우가 많고, 이때 이름은 **개인 식별자(primary identifier)**로 기능한다.
• 이름은 동시에 성별, 세대, 지역, 문화자본(예: ‘특정 계층에서 선호되는 작명 스타일’) 등 여러 사회적 단서를 압축해서 전달한다. 즉, 이름은 “짧지만 정보량이 큰” 정체성 신호다.

의미(정체성 관점)

이력서에서 이름은 개인이 통제하기 어려운 “주어진 정체성(ascribed identity)”에 가깝다. 직무 역량이 본문에 있어도, 이름이 상단에서 먼저 작동하면 지원자는 평가 이전에 선(先)분류될 수 있다. 이는 ‘이름’이 디지털 채용 환경에서 텍스트 기반 편향의 시작점이 될 수 있음을 뜻한다.

---

2) ‘이름 편향’은 사람만의 문제가 아니라 **AI-매개 편향(AI-mediated bias)**으로 확장된다

현상

제공된 LLM 편향 평가 연구는 직무-이력서 매칭에서 성별·인종·교육 배경 관련 편향을 점검한다. 이 연구 맥락은 한국 채용과 제도가 다르지만, “이름·학력 등 정체성 단서가 모델 판단에 영향을 줄 수 있다”는 문제의식 자체는 보편적이다. [3]

또한 2026년 채용 환경을 다룬 자료는 지원자가 AI로 자소서를 생성하고 기업이 다시 AI로 검증/필터링하는 AI 대 AI 구도를 지적한다. [4] CIO 보도 역시 AI가 단순 스킬 매칭을 넘어 경력·교육·스킬의 패턴으로 유지 가능성까지 본다는 흐름을 전한다. [5]

원인(구조)

• AI 기반 선별은 “무엇을 입력으로 넣었는가”에 크게 좌우된다. 이름이 입력값에 포함되는 순간, 모델은 이름을 **예측에 유용한 특징(feature)**로 오인하거나(혹은 실제로 상관이 존재하는 데이터에 의해) 학습할 수 있다.
• 인간 채용자는 법·윤리·조직 규범에 따라 노골적 차별을 자제할 수 있으나, AI는 상관관계의 기계이기 때문에 “차별 의도” 없이도 차별적 결과를 재생산할 수 있다. (편향 평가 문제의식: [3])

의미(정체성 관점)

디지털 아이덴터티는 흔히 “내가 원하는 모습으로 설계하는 것”으로 이야기되지만, 채용에서는 정반대의 역설이 생긴다. 즉, 개인이 작성한 프로필은 기계가 읽는 규격화된 데이터셋이 되고, 이름은 그 데이터셋에 붙는 가장 강한 라벨이 된다. 이때 이름은 ‘자기표현’이 아니라 모델이 해석하는 정체성 신호로 전환된다.

---

3) ‘외모’에서 ‘인상’으로의 이동은 편향이 사라진 것이 아니라 형태가 바뀐 것일 수 있다

현상

잡코리아 설문(한국경제 인용)에 따르면 인사담당자의 58.2%가 외모보다 인상이 면접에 더 큰 영향을 미친다고 답했다. [8] 표면적으로 이는 외모 중심 평가의 약화를 의미한다.

원인(구조)

• “인상”은 외모보다 넓은 개념이며 표정, 태도, 말투, 자신감, 사회적 상호작용 방식 등으로 구성된다. 즉 인상은 사회적으로 학습된 신호(문화자본, 커뮤니케이션 규범)를 더 강하게 반영할 수 있다.
• 면접은 대면/비대면을 가리지 않고 짧은 시간에 결론을 내리는 장치이며, 이때 인상은 평가자의 인지적 지름길(휴리스틱)로 기능한다.

의미(정체성 관점)

‘인상’의 부상은 정체성 평가가 신체의 고정값에서 “상호작용에서 구성되는 정체성(performed identity)”로 옮겨가고 있음을 시사한다. 그러나 이는 편향이 감소했다기보다, 편향이 더 해석적이고 모호한 영역으로 이동했음을 뜻할 수도 있다. 이름이 서류에서, 인상이 면접에서 각각 강력한 신호로 작동하면 채용 과정 전반은 “정체성 단서의 연쇄”가 된다.

---

4) 한국적 성명 정체성은 ‘개인 고유성’과 ‘집단 트렌드 데이터’ 사이에서 진동한다

현상

이름 통계 서비스(네임랭킹)와 출생신고 기반 이름 순위(네임차트)는 한국 사회에서 이름이 더 이상 가족 내부의 문화에만 머물지 않고, **집단적 데이터(랭킹/트렌드)**로 유통되는 현실을 보여준다. 특히 네임차트는 2008년부터 현재까지의 순위를 제공한다고 명시한다. [13] 이런 인프라는 이름을 “개인의 표지”인 동시에 “세대/시기/유행의 표지”로 만든다. [11][13]

원인(구조)

• 데이터 기반 작명 문화는 “좋은 이름”을 개인 취향이 아니라 사회적 선호의 집계로 이해하도록 만든다.
• 결과적으로 특정 시기에 집중적으로 등장하는 이름들은 채용자가 지원자의 대략적 연령대나 세대 이미지를 연상하는 단서가 될 수 있다(이 리포트 범위에서 정량 검증은 부족하나, ‘이름=세대 신호’라는 사회적 직관이 강화되는 방향).

의미(정체성 관점)

한국의 성명은 전통적으로 가족/한자 의미/세대항렬 등과 결합해 왔지만, 최근에는 랭킹과 검색이 이를 재구성한다. 즉 이름은 점점 **검색 가능한 정체성(lookup-able identity)**이 되며, 채용처럼 기록과 조회가 핵심인 영역에서 그 효과는 더 커진다.

---

핵심 인사이트

1. 이름은 채용에서 ‘가장 짧은 데이터’이지만 ‘가장 강한 정체성 신호’가 될 수 있다. 이력서 상단, 파일명, ATS 목록에서 이름은 직무보다 먼저 인지되는 경우가 많고([1][2]), 편향이 개입되는 출발점이 된다.
2. AI 채용은 편향을 줄이기보다 ‘편향의 경로’를 자동화할 위험이 있다. LLM/매칭 모델의 편향 가능성이 연구 대상이 되고 있으며([3]), AI가 문서 생성과 선별 양쪽에 들어오면서 정체성 단서가 파이프라인 전체를 관통한다([4][5]).
3. ‘외모보다 인상’의 시대는 더 공정해졌다는 선언이 아니라, 평가 기준이 ‘해석의 영역’으로 이동했다는 신호다. 58.2% 수치는 인상(태도/분위기)의 영향력이 크다는 인식 변화를 보여주며([8]), 이는 새로운 형태의 규범·편향이 개입할 여지를 남긴다.
4. 한국의 이름 문화는 트렌드 데이터와 결합하면서, 이름을 개인성의 상징이자 세대/유행의 표식으로 만든다. 2008년 이후 출생신고 기반 랭킹 제공([13]) 같은 인프라는 이름을 집단 데이터로 바꾸고, 사회적 추론 가능성을 확대한다.

---

결론 및 제언 (시사점 중심)

• 제공된 자료만으로는 “한국 채용 시장에서 이름 때문에 서류합격률이 몇 % 바뀐다”는 식의 직접 추정은 불가능하다. 다만 이름이 (1) 서류 처리의 식별자, (2) AI/인간 모두가 해석하는 정체성 단서, (3) 세대·성별 등을 연상시키는 사회적 신호라는 점은 다층적으로 확인된다. [1][2][3][4][5][8][13]
• 2025~2026년 채용은 AI 생성/AI 필터링이 맞물리며, 정체성은 ‘표현’이 아니라 ‘판독’의 대상이 되고 있다. 이 구조에서 이름은 가장 단순하지만 제거하기 어려운 입력값이며, 편향이 발생할 경우 개인의 역량 데이터가 읽히기도 전에 결과가 갈리는 병목 변수가 될 수 있다. [4][5]
• 따라서 취업 시장의 공정성 논의는 사진/학력 등 전통적 차별 요소뿐 아니라, **이름이 수행하는 사회적 분류 기능(성별화, 세대화, 계층화)**을 데이터 관점에서 재검토하는 방향으로 확장될 필요가 있다. (이 리포트는 해결책 가이드가 아니라, “편향이 생기는 구조”에 대한 시사점을 제시한다.)

---