잡코리아는 어떻게 AI로 합격자를 140% 늘렸을까?

[AI 비법 노트] 5. 잡코리아 ‘원픽’팀 PO, 엔지니어 인터뷰

AI가 대세라는 말, 이제는 너무 흔한 말입니다. 그만큼 우리 서비스에 적용해야 한다는 생각도 누구나 하죠. 문제는 기술의 정체를 잘 모른다는 겁니다. 남들은 만능열쇠로 쓴다는데, 정작 우리 회사는 갈 길이 멀어 보입니다. 어디서, 어떻게 시작해야 할지 감도 안 잡힙니다.

그래서 준비했습니다. 잘 나가는 기업들의 AI 기능 관련 실무자들을 만나, 요즘IT 에디터가 열심히 별표 쳐 가며 받아 적었습니다. 어디에도 없는 AI 비법 노트 , 요즘IT 독자들한테만 공유합니다.

‘취업’이나 ‘이직’하면 어떤 것들이 떠오르나요? 채용 플랫폼부터 채용공고, 이력서, 면접 등 다양한 키워드가 떠오를 겁니다. 과거에는 취업 준비의 핵심이 그저 열심히 이력서를 쓰고, 포트폴리오를 만들어 지원하는 것이었다면, 이제는 취업에서도 ‘AI’가 새로운 키플레이어 로 떠오르고 있습니다.

AI를 활용해 우리 회사에 적합한 지원자를 빠르게 찾고, AI 추천 시스템을 통해 나에게 꼭 맞는 공고에 지원하는 것이죠. 이러한 변화에 맞춰 채용 플랫폼도 움직이고 있습니다. 잡코리아는 지난 2023년 AI 인재 매칭 서비스 ‘원픽’을 선보였고, 또 한국어에 특화된 LLM(Large Language Model) ‘룹(LOOP)’을 자체 솔루션으로 만들어 채용 시스템도 강화했습니다.

그 결과는 어땠을까요? 지원율은 10배 이상 늘었고, 원픽 서비스를 통한 합격자 수는 매월 140% 증가했습니다. 이러한 결과를 얻은 배경에는 최적화된 LLM을 만들기 위한 수많은 검증과 ‘파인튜닝’의 과정 이 있었습니다.

그렇다면 AI는 채용 과정을 어떻게 바꾸고 있을까요? 잡코리아의 AI 실무자들을 만나 그 여정에 관한 이야기를 들어봤습니다.

한윤정 PO: 잡코리아 미래사업본부 원픽서비스 PO. 원픽서비스를 매니징하고, 서비스전략을 세우는 역할을 하고 있습니다. 특히 AI 기술을 원픽서비스에 어떻게 접목할지에 관심이 많습니다. 김성태 엔지니어: 잡코리아 데이터사이언스팀 NLP Engineer. 텍스트와 같은 비정형 데이터를 주로 다루고 있습니다. 생성형AI 시대에 접어들어 LLM을 활용한 기술 개발을 담당하고 있습니다. 왼쪽부터 잡코리아 한윤정 PO, 김성태 엔지니어 Chapter 1. 그 많은 이력서는 누가 다 검토할까? 이제 ‘AI’가 합니다 채용 시장에서 ‘인재 찾기’는 기업과 구직자 모두의 난제입니다. 기업은 수많은 지원자 중 적합한 인재를, 구직자는 자신의 역량을 발휘할 수 있는 기회를 찾아야 하죠. 그런데 AI가 이 복잡한 매칭 과정을 더 효율적으로 해결할 수 있다면 어떨까요?

Q. 기존의 매칭 서비스와 ‘원픽’은 어떤 차이점이 있나요?

한윤정: ‘원픽’ 서비스는 AI 기술을 활용해 지원자를 빠르게 선별할 수 있도록 지원자별 적합도 를 제공합니다. 이력서 한 줄 요약과 추천 사유를 통해 담당자가 이력서를 검토할 시간을 크게 줄일 수 있죠. 또 지원자가 부족한 경우를 대비해, 자체 LLM인 ‘룹(LOOP)’을 활용해 합격 가능성이 높은 인재를 추천하기도 합니다.

김성태: 원픽에서는 LLM(대형 언어 모델)이 많은 일을 해요. 기존에는 구인 공고를 올린 인사 담당자만이 이력서를 검토할 수 있었어요. 이력서와 공고가 얼마나 밀접한지 파악하는 추론 능력은 오직 사람만 할 수 있는 지적 노동이었죠. 그런데 현재는 언어 모델의 추론 지능이 발전하면서 그 수준이 높아졌어요. 오히려 자동화된 언어모델은 사람의 물리적인 한계를 넘어설 수 있어, 더 많은 이력서와 더 다양한 공고 간의 매핑을 이해 할 수 있거든요. 룹(LOOP)이 원픽 서비스에 성공적으로 안착할 수 있었던 이유도 여기에 있어요.

Q. 잡코리아는 약 29년간 채용 서비스를 제공해 왔는데요. ‘원픽’은 어떤 문제점에서 출발했나요?

한윤정: 잡코리아의 기존 채용 방식은 기업이 채용공고를 올리고, 지원자들이 지원하는 구조로 기업 중심의 서비스였어요. 그러나 최근 기업들이 적합한 인재를 찾는 데 어려움을 겪으면서, 구직자 중심으로의 변화가 필요하다는 니즈가 생겼죠. 그래서 어떻게 하면 상호 간의 복잡한 과정을 줄이고, 더 쉽고 편하게 채용 서비스를 이용할 수 있을까?를 고민하다가, AI를 접목한 ‘원픽’ 서비스가 탄생했어요.

AI가 알아서 추천해 주면, 기업은 사람을 찾는 리드타임을 확실히 줄일 수 있고, 구직자도 지원할 공고를 찾는 번거로움 없이 자동으로 맞춰 지원할 수 있죠. 이 공고에 내 이력서가 적합한지 서류 합격 예측 서비스를 통해 알 수 있고요.

Q. AI는 채용 과정에서 구체적으로 어떤 도움을 주나요?

김성태: 간단히 말하면 *스크리닝 직원을 한 명 더 두는 것과 비슷한 도움을 줍니다. 이력서와 채용공고의 스크리닝 작업은 특정 공고에 몰리는 지원자가 많아질수록, 반복적이고 단순해지거든요.

*스크리닝: 채용 과정에서 지원자의 정보를 검토하고 적합한 후보를 선별하는 과정

사실 인사 담당자 한 명이 처리할 수 있는 업무량은 한정적인데요. 이걸 넘어서면 결국 이성적인 판단이 흐려지고, 기업과 구직자 모두에게 치명적일 수 있죠. 이럴 때 AI의 도움을 받으면, 업무 부담도 덜고 효율적으로 일할 수 있게 됩니다.

한윤정: 특히 LLM의 자동화된 추론 능력을 통해 인사 담당자는 요약된 매칭 결과를 빠르게 확인할 수 있는데요. 이후 관련성이 있는 지원자들을 선별해 더 깊이 있게 검토할 수 있습니다. 더 효율적인 양질의 채용 프로세스를 구축할 수 있는 만큼, 기업과 구직자 모두에게 도움이 되는 방향이라고 생각합니다.

더 알아보기. AI의 ‘추론 능력’ 이해하기

AI는 어떻게 수많은 지원자 중 적합한 인재를 가려낼 수 있을까요? 바로 ‘추론 능력’ 덕분인데요. 추론은 주어진 데이터나 정보에서 결론을 도출하는 과정으로, AI가 데이터를 기반으로 논리적 판단을 내리도록 돕는 중요한 기능입니다. 추론 과정은 다음과 같은 방식으로 이루어집니다.

귀납적 추론: 구체적인 사례를 바탕으로 일반적인 규칙을 도출하는 방식입니다. 예를 들어, ‘컴퓨터활용능력 1급’ 자격증을 가진 사람들을 분석해 “컴퓨터나 오피스를 잘 다루는 사람”으로 추론합니다. 연역적 추론: 이미 알려진 규칙을 바탕으로 새로운 결론을 도출하는 방식입니다. 예를 들어, AI가 “모든 소프트웨어 개발자는 컴퓨터활용능력이 있어야 한다”라는 규칙을 알고 있으면, “컴퓨터활용능력 1급” 자격증을 가진 지원자가 적합하다고 추론합니다. 문맥 기반 추론: 문맥을 고려하여 의미를 파악하고 결론을 도출하는 방식입니다. 예를 들어, “컴퓨터활용능력 1급” 자격증은 “컴퓨터나 오피스를 잘 다룰 수 있는 능력”으로 해석되어, 공고에 정확히 요구하지 않더라도 매칭할 수 있습니다.

이는 최근 LLM이 자연어처리의 하위 분야인 자연어 추론(Natural Language Inference)과 의미적 유사성(semantic textual similarity) 에서 압도적인 성능을 보여줘 가능했는데요. 언어 모델의 스케일링 법칙*에 따라, 모델의 크기가 커지면서 더욱 추상적인 사고를 할 수 있게 됐습니다.

*스케일링 법칙: AI 모델의 성능이 데이터, 계산 자원, 모델 크기 등 주요 요인에 따라 어떻게 확장되고 발전하는지를 설명하는 개념

Q. AI의 추론이 데이터에 의존하는 만큼, 데이터 활용엔 어떤 고민이 있었나요?

김성태: 채용 플랫폼은 매우 진지하고 중요한 데이터를 다루는 시장이라, 양질의 데이터를 보장해야 하는 것이 특징입니다. 특히 기업과 구직자는 서로에게 중요한 타이밍에 정확히 매칭되기를 원하죠. 그래서 구직자는 자신의 경험과 능력을 이력서에 어필함으로써 매칭을 이끌어냅니다.

저희는 이 데이터를 최대한 활용하려고 했어요. 하지만 데이터가 외부로 유출되면 안 되기 때문에, 안전하게 내부에서만 활용하는 방향 을 선택했고요. 또 너무 많은 데이터를 활용하면 오히려 혼란을 일으킬 수 있어서, 중요한 포인트에 집중하는 것이 중요했습니다. 예를 들어, 구직자가 이력서에서 강조하고 싶은 포인트를 한 줄로 요약하거나, 최적의 매칭을 위해 직무와 스킬 관련된 정보만 활용하는 방식 이 효과적이라고 생각했죠.

한윤정: 사실 기업에서는 선호하는 경험이나, 기술이 이력서의 정보와 얼마나 밀접하게 연결되는지가 더 중요해요. 지원자의 성장 과정 같은 민감하고 세부적인 정보는 오히려 불필요할 수 있어요. 그래서 채용공고에서 요구하는 경험과 기술을 중심으로 매칭을 이루어내는 것이 더 효율적이라고 보고, 이러한 데이터를 매칭하려고 노력했습니다.

‘원픽’이 제공하는 AI 서류 합격 예상 결과

Chapter 1 요약 ① 잡코리아는 AI가 복잡한 이력서 검토를 효율적으로 해결하는 ‘원픽’을 출시

② 구직자 맞춤형 추천과 AI 기반 추론으로 복잡한 채용 과정을 단순화

③ 기업의 요구 사항을 정확히 반영하기 위해 경험, 기술 중심의 데이터를 활용

Chapter 2. 잡코리아는 왜 자체 LLM을 구축했을까? AI의 중요성은 점점 커지고 있고, 기업은 AI를 서비스에 적용하는 여러 방법을 두고 고민합니다. 그러나 LLM을 직접 구현하는 건 쉽지 않은 일인데요. 잡코리아는 왜 외부 리소스 활용이 아닌, 자체 LLM을 구축했을까요?

Q. 채용 플랫폼 최초로 자체 생성형 AI 솔루션 ‘룹(LOOP)’을 만들었습니다. 외부 리소스를 이용하지 않고, 자체 개발을 선택한 이유가 있나요?

김성태: 우리가 만든 모델을 직접 사용할 수 있다는 게 가장 컸어요. 자체 솔루션이 있으면 데이터를 학습시키고, 경력에 맞는 일자리를 추천하며, 왜 지원해야 하는지 같은 향후 경로까지 설명할 수 있죠. 일반적인 AI에 “이직하는 방법”을 물어보면 준비 단계를 설명하지만, 저희는 구직자의 특성에 맞춘 맞춤형 공고를 제공하는 식입니다.

또 룹(LOOP)은 한국어 기반으로 개발되어, HR 데이터를 대량으로 활용해 미세한 조정이 가능하고요. 직접 개발하니 개인정보 보호와 데이터 보안도 강화할 수 있었고, 더 안전하고 효율적인 솔루션이 됐다고 생각합니다.

Q. ‘룹’ 개발 과정에서 인재 매칭을 위한 추천 시스템은 어떻게 설계되었고, LLM 학습에 어떻게 활용되었나요?"

김성태: 인재 매칭을 위해 모델을 학습하려면, 수백만의 공고와 이력서 가운데 어떤 쌍이 적합하고, 어떤 쌍이 그렇지 않은지 파악해야 해요. 이를 위해 추천 시스템이 필수적이었죠. 추천 시스템 모델이 LLM의 학습을 위한 판단 근거를 제공하며, LLM이 직접 판단하는 대신, 추천 시스템이 적합한 쌍을 골라서 학습에 활용합니다.

저희 팀에는 추천 모델을 전문적으로 담당하는 파트가 있고, 원픽에 사용한 모델은 ‘EDCN(Enhanced Deep Collaborative Network)’입니다. EDCN은 협업 필터링* 과 콘텐츠 기반 필터링* 을 결합해 추천의 정확도를 높이는데, 잡코리아 구직자의 지원 및 포지션 제안을 타깃해서 학습시켰어요.

*협업 필터링: 사용자들 사이 유사성을 기반으로 추천하는 방식

*콘텐츠 기반 필터링: 콘텐츠의 특성(feature)에 초점을 두고 추천하는 방식

Q. 이렇게 자체 LLM을 통해 얻은 원픽의 주요 성과는 어땠는지 궁금합니다.

한윤정: 원픽은 2023년 출시 후, 지금까지 누적 공고 수 5,400만 건을 넘었어요. 누적 입사 지원자 수도 200만 회를 돌파했고요. 더 의미 있는 건 합격자 수가 출시 이후 매월 약 140% 증가했다는 점입니다. 또 원픽의 AI 엔진이 ‘적합’ 인재로 구분한 구직자는 ‘비적합’ 인재에 대비해, 최종 합격률이 4배 정도 높았습니다.

김성태 : LLM의 성과에서는 잡코리아에 최적화된 ‘파인튜닝’ 이 큰 역할을 했어요. 파인튜닝은 쉽게 말해 이미 학습된 AI 모델을 특정 작업이나, 데이터에 맞게 추가 학습시키는 거예요. 최근 RAG(Retrieval-Augmented Generation)와 Agentic AI가 대두되고 있지만, 여전히 대형 언어 모델의 ‘파인튜닝’ 기술은 기획의 요구 사항을 가장 명확하게 반영할 수 있는 방법 이거든요.

저희는 일반적인 파인튜닝 기술을 넘어, 한국어의 특성을 반영한 대형 언어 모델의 고유한 학습 기술을 적용했어요. 원픽의 성과는 명확한 계획과 니즈, 그리고 데이터AI본부가 구축한 SID(Self-Insight Data)라는 고품질의 가공 데이터를 바탕으로 만들어진 결과가 아닐까 싶습니다.

LLM에서 사전 훈련과 파인튜닝의 차이점 Prasad Mahamulkar (Medium)>

Tip. AI 기술 도입 초기, 프로젝트에 대한 신뢰 얻기

AI의 중요성은 점점 커지고 있지만, 이를 서비스에 적용하고 실제로 운영하기까지는 비용 문제부터 기획, 검증까지 넘어야 할 산이 많은데요. 그렇다면 초기 단계에서 AI 프로젝트에 대한 신뢰는 어떻게 얻을 수 있을까요?

한윤정: 단순히 ‘AI를 붙이면 좋을 것 같다.’에서 시작할 순 없어요. 우리 서비스에 부족한 게 뭔지, 그걸 어떻게 AI로 채울 수 있을지 니즈를 찾고 검증하는 것에서부터 시작해야 합니다. 저희도 처음엔 GPT로 테스트해 봤어요. 이 테스트 결과에서 좋은 반응을 얻었고, 합격자도 나왔기 때문에 빠르게 ‘룹’을 시도해 볼 수 있었죠.

Chapter 2 요약 ① 잡코리아는 자체 LLM ‘룹’을 개발해 구직자 맞춤형 공고 추천을 제공

② 한국어 특성에 맞춰 최적화된 LLM을 통해 HR 데이터를 효율적으로 처리

③ 추천 시스템과 LLM 결합, 파인튜닝으로 매칭 정확도 향상

Chapter 3. AI와 함께 진화하는 채용과 구직의 미래 ‘평생 직장’이라는 개념이 사라진 요즘, 구직자들은 끊임없이 변화하는 시장 속에서 새로운 기회를 찾아야 합니다. 이러한 변화 속에서 AI는 과연 우리에게 더 나은 기회를 제공할 수 있을까요?

Q. 사용자가 플랫폼에서 AI를 신뢰하고 적극적으로 활용하려면, 어떤 요소가 중요할까요?

한윤정: 가장 중요한 요소는 신뢰성이죠. 많은 채용 사이트가 공고를 추천하지만, 구직자에게 맞지 않는 공고를 추천하면 바로 신뢰도가 떨어져요. 예를 들어, 기획자인데 디자인 관련 공고를 추천받으면 추천 시스템에 대한 신뢰를 잃게 되죠. 그래서 AI를 통해 적합한 공고를 추천하고, 서류 합격 예측 서비스에서는 그 이유를 명확히 제시해야 합니다. 또 부정적인 요소는 배제하고, 추천 문구에서는 친근한 표현을 사용해 구직자의 만족도를 높여야 하고요.

김성태: 기술적인 측면에서는 추천 항목의 범위가 너무 고정되지 않는 것도 중요 해요.추천이 계속 고정되어 있으면 사용자가 지루해지니까, 추천 시스템은 주기적인 업데이트가 필요합니다. 사용자의 활동 로그를 바탕으로 추천을 업데이트하면서, 범주를 조금 벗어나는 방향도 고려해야 하죠.

Q. 언젠가 AI 기술이 전통적인 채용 방식(예: 대면 면접, 내부 추천 등)을 완전히 대체할 수 있을까요?

김성태: 개인적인 생각이지만, HR LLM이 전통적 채용 프로세스를 완전히 대체할 수는 없다고 봅니다. 결국 채용 프로세스의 끝에는 ‘함께 일할 사람’이 있기 때문이죠 . 이는 동료가 될 수 있고, 고용주가 될 수도 있어요. 하지만 결국에는 ‘사람’이라는 점에서 AI 기술은 한계가 있다고 봅니다.

이건 AI 기술이 아무리 발전해서, 한 명의 사람과 같은 지능과 판단력을 지녔다고 해도 어려워요. 같이 일할 사람을 내가 아닌 다른 사람이 뽑는다고 해도, 불만족스러운 상황이 발생할 수 있기 때문이죠. 그러나 유용한 도구로서의 역할은 충분히 할 수 있어요. 앞으로 AI는 더욱 고도화될 거고, 인사 담당자와 구직자의 판단을 도와주는 좋은 조력자가 되어줄 거예요.

Q. 앞으로 ‘룹’을 어떻게 더 활용할 계획인가요? 새로운 서비스도 출시되나요?

김성태: ‘룹’을 활용해 더 다양한 프로덕트를 개발할 예정이에요. 작년에 성공적으로 테스트한 RAG(Retrieval Augmented Generation) 방식과 최신 Agentic AI를 도입해, 이력서 생성, 공고 생성, 이력서-공고 매칭, 업무 자동화 등 다양한 서비스 프로덕트를 선보일 계획입니다. 최근에는 LOOP Reasoning Engine을 활용한 ‘에이전트 AI 검색’ POC도 성공적으로 완료했어요. DPO, RLVR 등 최신 기술을 통해 업무 효율성을 높일 예정이니, 많이 기대해 주세요.

한윤정: 구직자의 니즈에 맞는 생성형 서비스도 추가로 준비 중입니다. SaaS AI 솔루션과 결합해, 다양한 사용자의 요구를 충족하는 차별화된 서비스인데요. 새로운 비즈니스 모델을 구축하고, 매출 상승에도 기여할 생각입니다.

더 알아보기. 잡코리아 AI 담당자들은 어떤 AI 툴을 쓸까?

한윤정: 업무상 ChatGPT를 자주 쓰는데, 최근엔 이미지 생성 프로젝트를 맡아서 미드저니도 많이 썼던 것 같아요. 특히 미드저니에서는 위화감 없는 이미지를 만들기 위해 여러 실험을 해보고 있어요.

김성태: 퍼플렉시티를 자주 써요. 아무래도 연구 논문 등에서 근거를 가장 잘 설명해 줘서 신뢰도가 높은 편이죠.

Chapter 3 요약 ① 사용자가 AI 기능을 적극적으로 활용하려면 ‘신뢰성’이 가장 중요한 요소

② AI는 조력자로서 인사 담당자와 구직자의 판단을 돕는 도구로 자리 잡을 것

③ ‘룹’을 활용해 이력서 생성, 업무 자동화 등 새 기능과 서비스를 준비 중

이번 인터뷰를 통해 AI가 채용 과정에 깊숙이 관여하고 있다는 점을 알 수 있었는데요. 언젠가 ‘AI 인사 담당자’와 면접을 보는 날이 올지도 모릅니다. 그럼에도 여전히 AI가 사람을 잘 뽑을 수 있을지에 대한 의문도 남아 있고요.

하지만 결국 중요한 건 어디에서, 누구와 함께 일하고 싶은지, 어떤 가치와 방향을 공유하며 나아갈지를 고민하는 일 아닐까요?