AWS, 후보 평가와 면접 질문 생성 돕는 AI 채용 어시스턴트 구축 가이드 공개
아마존웹서비스(AWS)가 Amazon Bedrock을 활용해 채용 담당자의 후보 평가를 돕는 AI 채용 어시스턴트 구축 가이드를 머신러닝 블로그에 공개했다. AWS는 이번 구성이 학습 목적의 참조 아키텍처이며 곧바로 운영에 투입할 수 있는 완성 솔루션은 아니라고 분명히 밝혔다.
AWS는 채용 현장의 행정 부담을 출발점으로 삼았다. HR 리더 748명을 대상으로 한 인력 관리 설문에 따르면 채용 담당자는 공석 하나당 평균 17.7시간을 행정 업무에 쓰며, 이는 채용 한 건당 이틀이 넘는 근무 시간에 해당한다. 별도로 2024년 스마트리크루터스(SmartRecruiters) 설문에서는 인재 채용 책임자의 45%가 근무 시간의 절반 이상을 자동화 가능한 작업에 쓴다고 답했다. 이런 부담이 피상적인 서류 심사를 부추겨, 실제 역량보다 서식과 키워드 밀도에 따라 후보를 거르면서 자격 있는 지원자를 놓치게 만든다는 것이 AWS의 진단이다.
이번 어시스턴트는 이력서 파싱, 후보 점수 산정, 역량 평가, 면접 질문 생성을 자동화하고 사람이 내리는 채용 결정에 데이터 기반 인사이트를 제공한다. Amazon Bedrock Converse API와 Amazon Nova Pro 모델을 중심으로, 처리에 AWS Lambda, 라우팅에 Amazon API Gateway, 데이터 저장에 Amazon DynamoDB와 Amazon S3, 책임 있는 AI 평가에 Amazon Bedrock Guardrails를 조합한 서버리스 아키텍처로 구성된다.
프론트엔드와 보안 계층은 AWS Amplify가 리액트(React) 기반 반응형 웹 애플리케이션을 호스팅하고, Amazon Cognito가 사용자 등록과 인증을 맡는다. Cognito가 발급한 JWT 토큰은 API 요청이 들어올 때마다 Amazon API Gateway의 Cognito 권한 부여자(authorizer)가 검증한다. AWS Identity and Access Management(IAM) 역할은 Lambda 함수가 스토리지와 AI 서비스에 접근할 때 최소 권한만 갖도록 제한한다.
AI 처리 계층에서는 Amazon Bedrock의 파운데이션 모델이 Converse API를 통해 이력서를 심층 분석하고, 다차원 호환성 점수를 계산하며, 직무별 맞춤 면접 질문을 만들고, 전이 가능한 역량을 찾아낸다. 백엔드에서는 API Gateway가 각 워크플로를 담당하는 전용 Lambda 함수로 요청을 분배하며, 각 Lambda는 적절한 타임아웃과 메모리 설정을 갖도록 설계된다.
편향과 보안 통제는 Amazon Bedrock Guardrails가 담당한다. Guardrails는 입력에 담긴 개인식별정보(PII)를 모델이 처리하기 전에 익명화하고, 이력서 본문에 심어진 프롬프트 인젝션 시도를 차단하며, 후보의 인구통계 정보를 언급하는 응답을 거부한다. 평가의 일관성과 재현성을 위해 모델 추론은 낮은 온도값(temperature 0.2)으로 실행되며, Guardrails가 개입하면 응답에 GUARDRAIL_INTERVENED 동작이 포함돼 해당 이벤트를 기록하고 안전한 대체 응답을 반환하도록 처리한다.
데이터 계층은 Amazon DynamoDB가 구조화된 직무 공고와 분석 결과를 저장하고, Amazon S3가 후보 이력서를 보관한다. S3 버킷에는 서버 측 암호화(AES-256), 퍼블릭 액세스 차단, HTTPS 전용 정책이 적용된다.
실제 사용 흐름은 채용 담당자가 Amplify로 호스팅된 웹 앱에 접속해 Cognito로 인증하는 데서 시작한다. 이어 역할 요건과 필수 역량, 경력 수준을 담은 직무 공고를 만들고, PDF·DOCX·TXT 형식의 후보 이력서를 업로드한다. 프런트엔드가 API Gateway의 matches 엔드포인트로 POST 요청을 보내면 Cognito 권한 부여자가 요청 헤더의 JWT 토큰을 검증한 뒤 분석이 진행된다.
AWS는 시스템 프롬프트에 이름·연락처·인구통계 등 직무와 무관한 정보를 배제하고 이력서에 명시된 근거만 인용해 후보를 평가하라는 지침을 넣었다고 설명했다. 또한 Amazon Bedrock과 여기 쓰인 AWS 서비스는 범용 도구인 만큼 고객이 이 아키텍처를 자사 요구사항에 맞게 조정해야 하며, 어시스턴트가 내놓는 점수는 참고 정보일 뿐 최종 채용 판단은 사람의 몫이라는 점을 강조했다.