AI가 학생의 능력을 높인다고 보는가, 학생의 능력을 대신한다고 보는가에 따라 채용 담당자의 학업 성적 해석이 달라진다.
Early Evidence on Employer Responses to College Student Use of Generative AI (2026, EdWorkingPaper No. 26-1604)
조사 기간: 2026년 5월 21일 ~ 6월 8일 (Prolific). 이 연구는 AI가 실제 일자리를 얼마나 줄였는지가 아니라, 대학생의 AI 사용을 설명하는 정보가 채용 판단을 어떻게 바꾸는지를 살펴본다.
대학의 역할에는 역량 형성과 역량에 대한 신호 제공이 함께 있다. 두 기능은 관련되어 있지만 동일하지 않다.
교육이 학생의 지식과 판단 능력을 높이는 것이 중요하다.
AI가 설명, 피드백, 연습을 지원하면 학습을 보완하는 도구가 된다.
성적이나 학위가 고용주에게 보이지 않는 능력과 노력을 전달하는 것이 중요하다.
AI가 과제 수행 자체를 대신하면 결과물과 학점이 학생 자신의 역량을 반영하는 정도가 낮아질 수 있다.
고용주는 이 두 사용(보완과 대체)을 구별하기 어렵다. 경력자는 직장 성과나 경력 기록을 제시할 수 있지만, 신규 졸업생은 학위와 GPA에 더 의존할 수 있어 신호의 불확실성이 중요하다.
이는 연구의 이론적 설명이며, 이 실험에서 경력자와 신입의 실제 고용을 비교한 것은 아니다. 또한 신호가 불확실해지면 인종·성별 차이가 커질 가능성도 검토했지만, 지원자 인종·성별에 따른 일관된 처치 효과 차이는 찾지 못했다.
이력서 평가 안내만 받았다.
단, 대조군도 사전에 AI 관련 질문을 받았다.
AI가 학습을 도울 수 있지만 부정한 사용도 있으며, 대학의 대응 방법이 명확하지 않다는 설명을 제시했다.
AI 에이전트가 학생의 과제와 시험 등 학업 활동을 대신할 수 있고, 대학이 이를 탐지하기 어렵다는 설명을 제시했다.
이 능력에 관한 서술은 실험 자극의 내용이지, 모든 대학 과제를 AI가 해결한다고 검증된 사실이 아니다.
해석 주의 두 문구는 보완 대 대체만이 아니라 언론·성적 인플레이션·탐지 문제 등 여러 요소에서 달라, 효과를 어느 한 문장이나 요소에 귀속할 수 없다.
전국 고용주를 확률 추출한 대표 표본이 아니라, 플랫폼에서 자발적으로 참여한 재직자 집단이다.
결과 변수: 면접 초청 의향(7점 척도), 최초 제시 연봉보다 얼마나 더 지급할 의향이 있는지(추가 인상 의향).
주요 모형: 응답자 고정효과, 프레이밍·GPA·인종·성별의 상호작용, 이력서 제시 순서를 사용하고 표준오차를 응답자 수준에서 군집화했다.
주의: 동일 응답자의 두 평가를 이용하므로 프레이밍의 주효과는 고정효과에 흡수된다. 따라서 GPA에 따른 상대 평가와 프레이밍별 차이를 특히 주의해서 읽어야 한다.
다중검정: 주요 검정에는 Romano-Wolf 다중검정 보정을 적용했지만, 세부 집단 분석의 검정력과 우연한 유의성 문제는 남는다.
성격: 실제 지원자의 AI 사용 이력을 공개한 실험도, 실제 공고에 이력서를 보낸 현장 감사 실험도 아니다.
각 막대에 마우스를 올리거나 탭하면 설명이 표시됩니다.
막대 길이는 0을 기준으로 한 시각적 비교용이며, 이 우려 척도의 범위는 원고에 명시되어 있지 않다.
원고는 격차를 대조군 1.04점, 강한 프레이밍 0.62점으로 제시한다. 약한 프레이밍의 높은 GPA 점수(5.22)는 대조군과 같다.
특정 집단이 AI 우려로부터 보호된다는 법칙으로 해석할 수 없다.
이는 제시된 정보의 설득력에 대한 평가이며, 대면 시험의 학습 효과나 예측 타당도, 온라인 교육의 실제 품질을 측정한 결과가 아니다. 대면 시험 도입이 실제 채용이나 임금을 회복시키는지도 검증하지 않았다.
AI 시대의 신규 졸업생 문제는 생산성이나 일자리 수요만의 문제가 아니라, 졸업장과 학점이 개인 역량을 얼마나 믿을 만하게 보여 주는가라는 자격의 신뢰 문제이기도 하다. 학생이 높은 성적을 받더라도 고용주가 그 성적을 누구의 수행으로 이해하는지에 따라 평가가 달라질 수 있다.
아래 항목은 원고가 논문 결과에서 도출한 적용 제안 또는 가설이며, 그 효과는 이 연구에서 실험으로 검증되지 않았다.