안녕하세요. 15년 차 SCM 및 시스템 자동화 전문가 에이드네(Aidne)입니다.

채용 시즌만 되면 인사팀 김 대리의 하루는 이메일 수신함에 쌓인 ‘[입사지원]’ 제목의 메일을 클릭하는 것으로 시작됩니다. PDF 첨부파일을 다운로드하고, 열어서 경력 기술서를 읽고, 핵심 스펙을 다시 엑셀 시트에 복사하여 붙여넣는 이른바 ‘엑셀 노가다’가 반복되죠. 마치 끝이 보이지 않는 불량품 검수 컨베이어 벨트 앞에 서 있는 것과 같습니다.

업무 생산성을 갉아먹는 이 병목 현상, 언제까지 사람의 손으로 직접 해결하시겠습니까? 오늘은 단순 반복되는 이력서 검토 업무를 혁신적으로 줄여줄 입사 지원자 이력서 필터링 보조 AI 시스템 구성 방법을 현업 실무자의 관점에서 아주 깊이 있게 파헤쳐 보겠습니다.

이력서 검토 업무의 병목 현상과 AI 파이프라인 도입의 필요성

수백 명의 지원자가 몰리는 포지션에서 사람이 직접 이력서를 스크리닝하는 것은 엄청난 리소스 낭비입니다. 피로도가 누적되면 훌륭한 인재를 놓치는 휴먼 에러(Human Error)가 발생하기 마련이죠. 우리가 구축할 AI 시스템의 핵심은 ‘합격자를 결정하는 것’이 아닙니다. 사람(면접관)이 검토할 가치가 있는 고품질의 이력서만 남겨두는 1차 필터링 컨베이어 벨트를 자동화하는 것입니다.

Make와 ChatGPT를 활용한 이력서 필터링 AI 워크플로우 구축 실전

수박 겉핥기식의 툴 소개는 접어두고, 실제 현업에서 노코드 자동화 툴인 Make(구 Integromat)와 OpenAI API를 연결하여 어떻게 데이터 파이프라인을 세팅하는지 구체적인 4단계 워크플로우를 살펴보겠습니다.

1단계: Gmail 트리거 및 첨부파일 자동 추출

첫 번째 단계는 지원서가 접수되는 즉시 시스템을 가동하는 트리거(Trigger)를 설정하는 것입니다. Make에서 ‘Watch Emails’ 모듈을 생성하고, 검색 쿼리에 subject:"입사지원" has:attachment를 입력합니다. 이 모듈은 새로운 지원 메일이 도착할 때마다 자동으로 작동하여, 메일 본문과 PDF 또는 Word 형식의 이력서 첨부파일을 서버로 다운로드합니다.

2단계: PDF 텍스트 파싱(Parsing)

다운로드한 PDF 파일은 AI가 읽을 수 있는 순수 텍스트(Raw Text) 형태로 변환되어야 합니다. Make 내장 모듈인 ‘PDF to Text’ 또는 클라우드 변환 API(예: CloudConvert)를 거쳐 이력서의 모든 텍스트 데이터를 추출합니다. 이 과정에서 불필요한 이미지나 서식은 제거되고, 오직 지원자의 텍스트 정보만 다음 컨베이어 벨트로 넘어갑니다.

3단계: OpenAI(ChatGPT) 프롬프트 엔지니어링 및 데이터 추출

이제 추출된 텍스트를 ‘OpenAI (Create a Chat Completion)’ 모듈로 보냅니다. 여기서 가장 중요한 것은 시스템 프롬프트(System Prompt)의 정교함입니다. 단순한 요약이 아니라, 우리가 원하는 구조화된 JSON 형태로 데이터를 뱉어내도록 지시해야 합니다.

프롬프트 예시: “너는 15년 차 전문 채용 담당자야. 다음 이력서 텍스트에서 [이름, 연락처, 총 경력 연수, 핵심 기술 스택 3가지, 직무 적합도 점수(1~10점)]를 추출하여 반드시 JSON 형식으로만 반환해. 경력이 3년 미만이면 직무 적합도 점수를 5점 이하로 줘.”

4단계: 구글 스프레드시트 기록 및 슬랙(Slack) 알림 디스패치

AI가 분석하고 점수를 매긴 정형 데이터는 ‘Google Sheets (Add a Row)’ 모듈을 통해 김 대리가 보던 엑셀 시트에 실시간으로 차곡차곡 기록됩니다. 동시에 직무 적합도 점수가 8점 이상인 고성과 예상 지원자가 발견되면, ‘Slack (Create a Message)’ 모듈이 작동하여 채용 담당자 채널에 “🚨 A급 지원자 이력서 접수 알림: 홍길동 (경력 5년, 적합도 9점)” 이라는 메시지를 쏴줍니다.

전사적 AI 워크플로우 확장을 위한 B2B 시스템 기획

이러한 단위 업무의 자동화는 단순한 개인의 생산성 향상에서 끝나지 않습니다. B2B 의사결정권자라면 이 작은 워크플로우를 자사의 ATS(채용 관리 시스템)나 전사적 자원 관리(ERP) 시스템과 연동하는 거대한 데이터 파이프라인으로 확장할 수 있어야 합니다. 수천만 원을 호가하는 무거운 솔루션을 도입하기 전에, 이러한 가벼운 노코드 AI 디스패처를 구축하여 실무진의 페인 포인트를 검증하는 것이 훨씬 스마트한 투자입니다.