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

채용 시즌만 되면 인사 담당자나 실무 부서장들의 업무 라인에는 거대한 ‘컨베이어 벨트 병목 현상’이 발생합니다. 하루에도 수십, 수백 통씩 쏟아지는 이력서를 다운로드하고, PDF나 워드 파일을 일일이 열어보며, 지원자의 스펙을 엑셀에 ‘복붙(복사+붙여넣기)’하는 김 대리의 엑셀 노가다가 시작되는 것이죠. 이는 단순한 시간 낭비를 넘어, 정작 중요한 ‘인재 검증’에 쓸 에너지를 갉아먹는 치명적인 비효율입니다.

오늘은 단순 반복적인 서류 검토 작업을 혁신적으로 줄여줄 입사 지원자 이력서 필터링 보조 AI 시스템 구성 방법을 현업 밀착형 워크플로우로 딥다이브(Deep-dive) 해보겠습니다. 수박 겉핥기식 툴 소개가 아닌, 당장 내일 회사에 적용할 수 있는 Make(구 Integromat)와 OpenAI 기반의 실무 세팅법을 공개합니다.

비정형 데이터의 늪: 이력서 필터링, 왜 단순 엑셀로 해결되지 않을까?

이력서는 전형적인 ‘비정형 데이터(Unstructured Data)’입니다. 어떤 지원자는 PDF로, 어떤 지원자는 워드로, 심지어 노션(Notion) 링크로 제출하기도 합니다. 양식도 제각각이라 기존의 단순한 매크로나 엑셀 함수로는 데이터를 규격화하여 추출할 수 없습니다. 결국 사람이 직접 읽고 판단해야 한다는 한계 때문에 채용 리드타임이 길어지고, 훌륭한 인재를 경쟁사에 뺏기는 일까지 발생합니다.

이 병목을 해결하기 위해 우리는 AI의 ‘자연어 처리(NLP)’ 능력과 노코드 자동화 툴의 ‘파이프라인 연결’ 능력을 결합해야 합니다.

실무 밀착형 솔루션: Make와 OpenAI를 활용한 이력서 필터링 AI 시스템 구축 워크플로우

고가의 엔터프라이즈 HR 솔루션을 당장 도입하기 부담스러운 소상공인, 에이전시, 혹은 부서 단위의 애자일한 조직이라면 아래의 4단계 워크플로우를 통해 강력한 자동화 파이프라인을 구축할 수 있습니다.

1단계: Gmail / Typeform 트리거 설정 (이력서 수집 자동화)

가장 먼저 할 일은 이력서가 들어오는 입구를 통제하는 것입니다. Make에서 Gmail의 ‘Watch Emails’ 모듈을 트리거로 설정합니다. 특정 채용 전용 이메일 계정으로 수신되거나, 제목에 ‘[지원서]’라는 말머리가 포함된 이메일만 감지하도록 필터를 겁니다. 만약 구글 폼이나 Typeform을 사용한다면 해당 폼의 ‘Watch Responses’ 모듈을 트리거로 잡아 첨부파일 URL을 바로 가져올 수 있습니다.

2단계: PDF 파싱 및 텍스트 추출 (비정형을 정형으로)

이메일 첨부파일로 들어온 PDF 이력서를 텍스트로 변환해야 AI가 읽을 수 있습니다. Make 내에서 PDF.co 모듈이나 Google Drive의 ‘Download a File’ 후 OCR(광학 문자 인식) 모듈을 연결합니다. 이 단계를 거치면 화려한 디자인의 PDF 이력서가 순수한 텍스트 데이터(Raw Text)로 파싱(Parsing)되어 다음 컨베이어 벨트로 넘어갑니다.

3단계: OpenAI 프롬프팅 및 스코어링 (JD 기반 적합도 평가)

이 시스템의 핵심 엔진입니다. 파싱된 텍스트 데이터를 OpenAI (ChatGPT) 모듈의 ‘Create a Chat Completion’으로 넘깁니다. 이때 프롬프트(System Prompt)를 매우 구체적으로 세팅해야 합니다.

“너는 15년 차 시니어 HR 전문가야. 아래의 [지원자 이력서 텍스트]를 읽고, 제공된 [직무 기술서(JD)]와 비교하여 다음 4가지를 JSON 형태로 추출해줘. 1. 지원자 이름, 2. 핵심 보유 기술(쉼표로 구분), 3. 관련 경력 연수, 4. JD와의 적합도 점수(1~10점) 및 그 이유 1줄 요약.”

이렇게 세팅하면 AI가 수백 장의 텍스트를 순식간에 읽고, 우리가 원하는 정형화된 데이터 배열(JSON)로 결과값을 반환합니다.

4단계: 구글 스프레드시트 기록 및 슬랙(Slack) 알림

마지막으로 OpenAI가 분석해 준 JSON 데이터를 Google Sheets의 ‘Add a Row’ 모듈에 매핑하여 자동으로 엑셀 시트에 차곡차곡 쌓이게 만듭니다. 동시에 Slack 모듈을 연결해 적합도 점수가 8점 이상인 ‘고위험군(High-potential) 인재’가 필터링될 경우, 즉시 실무진 채널에 “[AI 알림] 8점 이상 우수 지원자 접수됨: OOO 님”이라는 메시지를 쏘도록 세팅합니다.

전사적 AI 워크플로우 도입을 고민하는 B2B 의사결정권자라면?

위의 사례는 부서 단위에서 즉각적으로 도입할 수 있는 탑오브퍼널(Top of Funnel) 자동화입니다. 하지만 전사적인 차원에서 ERP나 기존 HRM 시스템과 연동되는 고도화된 AI 워크플로우를 기획 중이라면, 데이터 보안, 자체 LLM 구축, 복잡한 예외 처리(Edge Cases)를 다루는 엔터프라이즈급 데이터 파이프라인 설계가 필요합니다. 단순한 ‘툴 도입’이 아닌 ‘업무 프로세스 자체의 재설계’가 선행되어야 수억 원짜리 솔루션이 예쁜 쓰레기로 전락하는 것을 막을 수 있습니다.

게시물 채용 시즌 엑셀 노가다 탈출! Make와 OpenAI로 이력서 필터링 AI 자동화 시스템 구축하는 방법이 aidneblog에 처음 등장했습니다.