15년 차 SCM 및 업무 자동화 전문가 에이드네(Aidne)입니다. SCM(공급망 관리)에서 불량품을 걸러내는 컨베이어 벨트의 품질 검수(QA) 공정처럼, 채용 프로세스 역시 수많은 원자재(지원서) 중에서 우리 회사에 딱 맞는 인재를 골라내는 고도의 데이터 파이프라인입니다. 그런데 이 중요한 공정을 아직도 ‘김 대리의 엑셀 복붙 노가다’에 의존하고 계신가요?

하나의 채용 공고에 수백 통의 이력서가 쏟아지면, 인사 담당자는 PDF 파일을 일일이 열어보고, 핵심 경력을 찾아내어 엑셀에 타이핑하는 데만 며칠을 허비합니다. 이는 단순한 시간 낭비를 넘어, 담당자의 피로도로 인해 진짜 뛰어난 인재를 놓치는 병목 현상(Bottleneck)을 유발합니다. 오늘은 Make(구 Integromat)와 OpenAI를 활용해 입사 지원자 이력서 필터링 보조 AI 시스템 구성을 완벽하게 자동화하는 실무 밀착형 워크플로우를 공개합니다.

이력서 검토 프로세스의 병목 원인과 AI 도입의 필요성

대부분의 중소기업이나 에이전시에서 채용 업무는 수작업의 연속입니다. 이메일로 수신된 지원서를 다운로드하고, 특정 양식이 없는 자유 이력서에서 지원자의 기술 스택, 총 경력 연수, 포트폴리오 링크를 찾아내는 작업은 전형적인 비정형 데이터 처리 업무입니다. 사람이 직접 텍스트를 읽고 분류하는 이 ‘수동 컨베이어 벨트’는 처리 속도에 한계가 명확합니다.

여기에 AI 필터링 시스템을 도입하면 이야기가 달라집니다. AI는 지원자의 이력서 텍스트를 파싱(Parsing)하여 직무 기술서(JD)와의 적합도를 즉각적으로 점수화하고, 요약된 인사이트를 제공합니다. 이는 인사 담당자를 단순 반복 업무에서 해방시켜, ‘면접 준비’와 ‘컬처핏 평가’라는 고부가가치 업무에 집중할 수 있게 만듭니다.

Make와 OpenAI를 활용한 이력서 필터링 AI 워크플로우 구축

수박 겉핥기식의 툴 소개는 접어두고, 실제 현업에서 바로 적용할 수 있는 구체적인 노코드(No-code) 자동화 세팅 방법을 3단계로 나누어 심도 있게 파헤쳐 보겠습니다.

[1단계] 이메일 트리거 및 첨부파일 추출 (Gmail to Google Drive)

가장 먼저 할 일은 이력서가 들어오는 입구를 자동화하는 것입니다. Make에서 Gmail 모듈(Watch Emails)을 트리거로 설정합니다. 검색 쿼리(Query)에 subject:"입사지원" OR subject:"이력서"를 입력하여 특정 제목이 포함된 이메일만 감지하도록 세팅합니다.

이후 이메일에 첨부된 PDF나 Word 파일을 추출하기 위해 Google Drive 모듈(Upload a File)을 연결합니다. 이 단계를 거치면 인사 담당자의 이메일함에 섞여 있던 수많은 이력서들이 지정된 클라우드 폴더에 일목요연하게 적재되는 1차 파이프라인이 완성됩니다.

[2단계] 텍스트 파싱 및 AI 역량 평가 (PDF Parser & OpenAI)

이 자동화 시스템의 핵심 엔진인 AI 파싱 단계입니다. PDF.co 또는 Google Docs 모듈을 활용해 저장된 이력서 파일에서 순수 텍스트(Raw Text)를 추출합니다. 추출된 텍스트는 OpenAI 모듈(Create a Chat Completion)로 전달됩니다.

이때 프롬프트 엔지니어링이 매우 중요합니다. 시스템 프롬프트(System Prompt)에 다음과 같은 명확한 지시를 내립니다.
“너는 15년 차 전문 HR 평가관이다. 아래 제공된 이력서 텍스트를 분석하여 다음 항목을 JSON 형태로 반환하라: 1. 총 경력 연수, 2. 핵심 기술 스택(쉼표로 구분), 3. 우리 회사의 직무 기술서(JD) 기준 적합도 점수(1~10점), 4. 3줄 요약.”
이 과정을 통해 중구난방이던 비정형 이력서 데이터가 구조화된 정형 데이터로 완벽하게 변환됩니다.

[3단계] 채용 파이프라인 대시보드 자동화 (Notion / Google Sheets)

마지막으로 AI가 정제한 데이터를 팀원들과 공유할 수 있는 대시보드에 꽂아 넣습니다. Notion 모듈(Create a Database Item)을 연결하여 채용 관리 칸반 보드에 새로운 카드를 자동 생성합니다.

지원자 이름, 연락처, AI가 평가한 적합도 점수, 핵심 역량 요약이 노션 데이터베이스의 각 필드(Property)에 자동으로 매핑(Mapping)되도록 설정합니다. 이제 인사 담당자는 아침에 출근해 노션만 열어보면, 밤새 들어온 이력서들이 점수순으로 깔끔하게 정렬된 마법을 경험하게 됩니다.

전사적 AI 워크플로우 도입을 위한 B2B 의사결정권자의 다음 스텝

이러한 이력서 필터링 보조 AI 시스템은 단순히 한 부서의 생산성을 높이는 것을 넘어, 전사적 데이터 자동화의 훌륭한 시발점이 됩니다. 에이전시나 B2B 기업의 의사결정권자라면, 이 작은 성공 사례(Quick Win)를 바탕으로 사내 ERP 시스템이나 고객 관리(CRM) 파이프라인까지 AI 자동화의 범위를 확장해야 합니다. 파편화된 업무를 하나의 거대한 자동화 컨베이어 벨트로 연결하는 것, 그것이 바로 진정한 디지털 트랜스포메이션입니다.