AI가 만든 얼굴이 실제 사람들의 취업 가능성을 낮추고 있을지 모른다

매력적인 외모가 기회의 문을 연다는 사실을 아는 데 과학자의 설명까지 필요하지는 않습니다. 살면서 어느 정도 그 혜택을 받거나 피해를 본 경험이 있을 테니까요. AI가 만든 얼굴이 실제 사람보다더 매력적인 경향이 있다는 사실도 마찬가지입니다. 이유는 다양하며, 상당수는 인간이 만든 선호와 제작 과정에 관련됩니다.

그럼에도 오늘 미국의 새로운 공동 연구가 눈길을 끌었습니다. AI가 만든 아름다움이 실제 사람들의 취업 면접 기회를 빼앗을 수 있다는증거를 제시했기 때문입니다. 570명이 참여한 연구에서 유난히 매력적인 AI 얼굴을 먼저 본 사람들은 이후 실제 지원자를 채용에 덜 적합하고 덜 신뢰할 만하다고 평가했습니다. 면접을 제안하려는 의향도 77.4%에서 72.5%로 떨어졌습니다. 평가 대상은 정확히 같은 지원자들이었는데도 말입니다.

연구에 사용된 AI 얼굴의 예로, 매력도 점수의 차이가 얼마나 큰지 보여줍니다. 연구진은 일반적인 프롬프트로 이미지 생성기 27종을 시험했으며, 아름다움은 언급하지 않았습니다. 윗줄은 자동 평가에서 가장 높은 매력도 점수를 받은 얼굴 일부이고, 아랫줄은 가장 낮은 점수를 받은 얼굴 일부입니다. 사진 속 8명은 모두 AI가 생성했으며 실제 사람이 아닙니다. 출처

연구진은 여러 상용 모델과 공개 가중치 모델이 만든 이미지를 이용해 AI 얼굴이 실제 얼굴보다 얼마나 매력적으로 보이는지도 조사했습니다. 550명에게 실제 인물 사진과 AI 얼굴을 함께 평가하도록 하자 합성 얼굴이 일관되게 높은 점수를 받았습니다. 추가 비교에서는 관련 지표상 AI 여성 얼굴의 37%가 전형적인 전문 패션모델보다더 매력적이라는 평가를 받았습니다.

이미지 생성기 27종의 AI 얼굴과 전문 패션모델 비교. 자동 매력도 지표로 전문 모델의 중앙값보다 높은 점수를 받은 생성 얼굴의 비율을 표시합니다. 검은 점은 생성 얼굴 전체, 노란 원은 여성 얼굴만 나타냅니다. 전체 얼굴의 23%가 이 기준을 넘었고, 여성 얼굴에서는 37%였습니다. 점선은 이 두 평균을 나타냅니다.

논문^†은 다음과 같이 설명합니다.

“우리는 매력이나 아름다움을 전혀 언급하지 않는 단순한 프롬프트로 2022~2026년에 출시된 텍스트 이미지 생성기 27종을 조사했다. 주요 비교와 보충 비교에서 생성 얼굴 51,300개와 실제 인물 사진 160,196장을 분석했다.

“자동 지표 세 가지를 사용했으며, 이미지 일부에 대해 인간 평가자 550명의 점수를 수집했다.

“자동 지표에서 거의 모든 생성기가 실제 사진의 얼굴보다 높은 점수의 얼굴을 만들었다. 인간 평가자들은 다중 비교를 보정한 뒤에도 생성기 23종 모두의 결과물이 실제 사진보다 유의하게 매력적이라고 판단했다.

“성별에 초점을 맞추어 분석하면, 여성을 지정한 프롬프트로 생성된 얼굴의 37%가 전문 패션모델의 중앙값을 넘었다.”

저자들은 인간과 AI 전문가가 ‘아름다운’ 영역의 최상위가 누구인지 의견을 달리하고 논쟁할 수 있지만, ‘매력적이지 않은’또는 ‘최소한으로 매력적인’평가 구간에서는 그런 세밀한 구분이 없다고도 지적합니다. 상대적으로 그 구간은 일종의 포괄적인 쓰레기통이라는 것입니다*.

“가장 높게 평가받는 사람보다 가장 낮게 평가받는 사람에 대해 지표 간 합의가 더 크다는 점은 패션모델 같은 분야의 미적 분류에서 중요한 특징과 닮아 있다. 사람과 기관은 단일한 이상에 합의하지 않아도 누구의 외모를 덜 가치 있게 보는지에 관한 불평등을 반복적으로 만들어낼 수 있다.”

얼굴의 가치

연구 결과 중 상당수는 인간이 공통적으로 경험하는 맥락적이고 상대적인 지각을 재확인합니다. 예를 들어 학교에서 가장 똑똑하거나 매력적이던 사람도 아이비리그 대학에 진학하면 주변의 기준이 크게 높아져 새 집단에서의 상대적 위치가 낮아질 수 있습니다.

그러나 AI가 만든 사람들이 실제로 거리를 돌아다니며 면접장에서 살아 있는 사람들을 밀어내는 세상은 아닙니다. 그렇다면 생성 AI의 미적 감각이라는 문화 현상이 어떻게 영향을 미칠까요?

사람들이 ‘AI 기준’에 가까워지려고 성형수술을 선택할 수 있다는우려스러운 가능성 외에도, 이번 연구가 설명하는 영향은 AI 이전의 영화, TV, 패션 등 눈에 잘 띄고 영향을 미치는 인간 문화 영역의 미의 문화와 비슷합니다. 비현실적인 외모의 이상이 넘쳐나는 환경에서 우리는 이를 일종의 신호 대 잡음 문제로 다루는 법을 배워왔습니다. 영화배우를 꿈꾸지만 결혼은 현실적으로 만날 수 있는 사람과 합니다.

논문은 AI 자체의 시각적 미감이 점점 더 큰 영향을 미치는 상황을 비슷한 맥락에서 설명합니다*.

“생성 얼굴이 실제 얼굴보다 더 매력적이고, 그 정도도 고르지 않다면 [the]다음 질문이 생긴다. 실제 사람을 평가하는 데 어떤 결과를 초래하는가? 엄선되거나 편집된 이미지에 노출되면 외모 비교와 이후의판단이 달라진다. 고전적인 대비 실험은 매우 매력적인 사람을 보면 이후의매력도 판단이 낮아질 수 있음을 보여준다.

“생성 AI는 같은 미적 과정으로 만들어졌지만 서로 다른 얼굴을 끊임없이 반복해서 제공할 수 있다. AI 얼굴에 노출되면 실제 사람에 대한 중요한 결과를 수반하는 평가가 달라지는지는 아직 불분명하다.”

저자들은 구체적인 해결책 대신 추가 연구를 요청합니다. AI의 아름다움이 언제 실제 사람에 대한 판단을 바꾸는지, 합성 얼굴의 어떤 요소가 그 효과를 일으키는지, 모의 채용 실험 밖에서도 결과가 성립하는지 밝혀야 한다는 것입니다.

방법과 데이터 선별

AI 이미지 생성기가 얼마나 광범위하게 매력적인 얼굴을 선호하는지 확인하기 위해 연구진은 2022~2026년에 나온 27개 시스템을 시험했습니다. Stable Diffusion 1.5, 2.1, XL, 3, 3.5-medium, 3.5-large, 3.5-large-turbo; FLUX.1 dev, schnell, FLUX.2, FLUX.2-klein 9B, FLUX.2-klein 4B; GPT Image 1.5, GPT Image 2; Grok Image, Grok Imagine; Nano Banana 2, Nano Banana Pro; Midjourney v6, v7, v8; PixArt-Sigma; Playground 2.5; HunyuanDiT; Qwen-Image; Sana; Lumina-2입니다.

모든 시스템에 같은 단순한 프롬프트를 사용했습니다. 아름다움이나 매력을 언급하지 않고 남녀 범주에 걸친 14개 인구통계 범주와 8개 직업(의사, 변호사, 수의사, 약사, 요리사, 건설 노동자, 간호사와 소매업 종사자)을 대표하는 초상을 생성했습니다.

인구통계, 성별, 직업 정보를 생략한 프롬프트도 시험해 분석용 이미지 총 51,300장을 만들었습니다.

비교를 위해 FairFace, IdenProf, SCUT-FBP5500, MEBeauty, Chicago Face Database와 그 다인종·인도인 확장판, Face Research Lab London Set에서 사진 94,249장을 추출했습니다. 이 중 89,435장에서 사용 가능한 얼굴이 검출됐습니다.

새 연구에 쓰인 6개 데이터셋 중 하나인 SCUT-FBP5500의 다양한 서구인과 아시아인 얼굴. 출처

추가 비교에는 10k US Adult Faces Database, 전문 패션모델 사진15,182장, LookismBench-SyntheticFaces, FFHQ, StyleGAN2를 사용했습니다. 모델 사진은 ‘높은 매력도’의 기준으로 삼았고, 나머지 자료는 매력도 지표를 평가하고 추가 비교를 수행하기 위해 별도로 분석했습니다.

얼굴은 MTCNN으로 검출·잘라내기 후 표준화했습니다. 매력도는 SCUT-FBP5500과 MEBeauty로 훈련한 ResNet-50모델, 그리고 CelebA주석으로 훈련한 SwinFace로 평가했습니다.

자동 매력도 점수가 사람의 의견과 일치하는지 확인하려고 미국 성인 550명에게 실제 얼굴과 AI 얼굴 중 선정한 1,374개를 평가하게 했습니다.

별도 실험에서는 미국 성인 570명을 세 집단으로 나누어 실제 사진, 보정 사진, AI 얼굴 중 하나를 사용한 지원자를 보여줬습니다. 그 뒤 세 집단 모두 같은 실제 지원자를 평가해 채용 결정의 차이를 측정했습니다. 연구의 주요 분석은 사전 등록됐습니다.

시험

27개 생성기 중 24개에서 두 주요 매력도 지표 모두 AI 얼굴이 실제 사진보다 유의하게 높은 점수를 받았습니다. 아래와 같이 CelebA/SwinFace 지표도 이 결과를 뒷받침했습니다.

27개 이미지 생성기에서 AI 얼굴과 실제 사진의 매력도 차이. 세 자동 지표에 걸친 평균 Cohen의 d값으로 표시합니다. 양수는 생성 얼굴의 매력도 점수가 더 높음을 뜻합니다.

논문에 따르면 세 지표 모두에서 13개 생성기의 얼굴은 실제 사진보다 1표준편차 이상 높은 평가를 받았습니다. 다만 Nano Banana Pro, Grok Image, Nano Banana 2에서는 우위가 없었습니다.

유난히 매력적인 얼굴을 만드는 경향은 최신 Midjourney와 OpenAI 모델에서 약해졌습니다. 반면 공개 가중치 모델에서는 OpenAI, Google, Midjourney, xAI의 상용 제품에 비해 효과가 약 두 배 강했습니다.

사람의 평가에서는 신뢰할 만한 비교에 충분한 이미지가 있는 23개 생성기 모두의 얼굴이 실제 사진보다 매력적이라고 판단됐습니다. 1점(가장 매력 없음)부터 7점(가장 매력적)까지의 척도에서 실제 얼굴의 평균은 3.10점이었고, AI 얼굴은 생성기에 따라 0.34~2.06점 높았습니다. 아래에 제시돼 있습니다.

23개 AI 이미지 생성기 얼굴에 대한 사람의 매력도 평가. 척도는 1점부터 7점까지입니다. 생성기는 파란 점선으로 표시한 실제 사진의 평균보다 높은 점수를 받았습니다. 빨간 점은 평균 점수, 가로 막대는 각 평균의 불확실성을 나타냅니다.

6개 인종·민족 범주 모두에서 AI 얼굴이 더 높은 사람 평가를 받았습니다(아래 그래프 참조). 자동 시험에서 실제 사진을 넘지 못했던 Nano Banana Pro, Grok Image, Nano Banana 2도 마찬가지였습니다.

6개 인종·민족 범주에서 AI 얼굴(빨강)과 실제 사진(파랑)에 대한 사람의 매력도 평가. 모든 범주에서 AI 얼굴의 평균이 더 높았으며, 7점 척도에서 차이는 0.74~1.37점입니다. 세로 막대는 각 평균의 불확실성을 나타냅니다.

최신 모델에서도 사람의 평가는 자동 평가와 달랐습니다. OpenAI의 GPT Image 1.5와 GPT Image 2 사이에는 변화가 거의 없었지만, Midjourney 버전 6, 7, 8에서는 매력도 점수가 차례로 높아졌습니다.

즉, 자동 지표가 그 경향의 감소를 시사해도 사람들은 최신 AI 모델이 여전히 유난히 매력적인 얼굴을 만든다고 판단했습니다.

불공정한 이점

마지막 실험은 매력적인 AI 얼굴에 노출되면 실제 구직자를 평가하는 방식이 달라지는지 조사했습니다.

모의 ‘고객 성공 담당자’ 채용에서 미국 성인 570명을 세 집단으로 나눴습니다. 동일한 지원자 4명을 평가한 후 각 집단에 실제 사진, 보정 사진, AI 얼굴 중 하나가 있는 프로필 8개를 보여줬습니다. AI 얼굴의 사전 매력도 점수는 7점 만점에 5.75점으로, 실제 사진의 2.99점과 대비됐습니다. 보정 사진은 Facetune의 One-tap Enhance 기능을 바탕으로 한 효과로 피부를 매끄럽고 밝게 처리했습니다.

추가 지원자 12명도 포함했으며, 세 집단에서 사진과 자격 조건을 동일하게 했습니다. 서로 다른 이미지에 노출되는 것이 채용 결정에 영향을 주는지 시험하기 위해서였습니다.

AI 얼굴을 가진 지원자의 채용 적합성과 신뢰성 평가는 조금 높았지만 면접 초대의 유의한 증가는 없었습니다. 그러나 그 얼굴을 본 뒤에는 같은 실제 지원자의 채용 적합성과 신뢰성이 더 낮게 평가됐으며, 면접 초대 비율이 77.4%에서 72.5%로 줄었습니다.

여러 얼굴 유형에 노출된 뒤 실제 지원자의 채용 적합성, 신뢰성, 면접 가능성에 대한 인식이 어떻게 달라지는지 보여주는 채용 시험 결과. AI 얼굴 노출 뒤에는 평가가 낮아졌지만 보정 사진 뒤에는 그렇지 않았습니다. 점은 실제 사진 대조군과의 차이, 세로선은 95% 신뢰구간입니다.

보정 사진을 본 뒤에는 비슷한 감소가 없었습니다. 가장 좋은 모습으로 보일 법한 실제 사람은 AI 이미지처럼 ‘기준을 높이지’ 않았다는 뜻입니다.

저자들은 다음과 같이 말합니다.

“AI 얼굴을 결합한 지원자의 직접 평가는 조금 높았을 뿐이다. 하지만 그 얼굴을 본 참가자들은 이후 같은 실제 지원자에 대해 세 결과 지표 모두에서 더 부정적으로 평가했다.

“AI 지원자 자체의 직접 신뢰성 평가는 조금 높았으므로, AI 얼굴 프로필에 대한 단순하고 일반화된 반감으로 설명하기는 어렵다.

“그래도 실험이 말해주는 것은 노출이 중요했다는 것이지, 그 이유는 아니다.”

결론

개인적인 관찰로는 제가 사는 도시의 거리 광고를 AI 캐릭터가 확실히 장악했습니다. 하지만 그것은 2D 이미지입니다. 확산 기반 생성 영상을 TV와 영화에 쓰는 일이 현재의 법적·윤리적 제약을 넘어설지는 아직 알 수 없습니다. 가능해진다면 AI 생성 또는 AI로 보강된 배우가 훨씬 많아져 ‘미적 기준을 높이고’, 새 논문이 묘사한 ‘주변에 만연한 AI의 아름다움’을 현실로 만들 수 있습니다.

원리 자체는 새로운 것이 아니지만 자동화의 가능성은 새롭습니다. 그런 경우 현재나 과거의 실제 유명인, 모델, 공적 대표 인물의 정수를 추출해 복제하거나 ‘개선’하고, 비싼 계약 협상 없이 널리 퍼뜨릴 수 있을 것입니다. 그러나 이는 아직 오지 않은 미래이며, 실제로 올지도 미지수입니다.

^† 제목은 ‘생성 AI는 미의 편향을 만들어 전파한다’이며, 코넬대학교·플로리다대학교·펜실베이니아대학교의 연구자 8명이 집필했습니다.

* 저자들의 본문 내 인용을 제가 하이퍼링크로 바꿨습니다.

최초 게시: 2026년 10월 19일 월요일