채용 매칭 AI
구인과 구직자의 매칭을 AI로 수행하여, 사람이 작업하는 것보다 효율적이고 정확한 매칭을 실현합니다
기존의 키워드 검색으로는 포착하지 못했던 「구인의 의도」와 「구직자의 잠재력」을 최첨단 AI 기술로 매칭시키는 솔루션입니다. 채용 영역 특유의 맥락을 이해할 수 있도록 독자적으로 튜닝했습니다. 채용 공고와 경력기술서의 「의미적 근접성」을 고밀도 벡터 공간에서 계산함으로써, 언어로 표현하기 어려운 「고객 지향」이나 「컬처 핏」과 같은 정성적 요건까지 포함한 높은 정확도의 매칭을 실현합니다.
Challenges
이런 고민은 없으신가요?
- 기존의 검색 키워드 기반 매칭 정확도로는 구인에 대해 최적의 구직자를 좁혀내기 어렵습니다
예: 채용 담당자가 구인 사이트나 인재 데이터베이스에서 「Go」라는 키워드로 검색하면, 아래와 같은 무관한 결과가 대량으로 검색됩니다.
- 키워드 검색의 본질적 한계
키워드 검색은 문자열이 일치하는지 여부로 판정하기 때문에, 같은 의미라도 다른 표현이 검색 결과에 표시됩니다. 더욱이 키워드가 일치하더라도 스킬 레벨까지는 판정할 수 없습니다.
키워드 검색의 본질적 한계
키워드 검색은 문자열이 일치하는지 여부로 판정하기 때문에, 같은 의미라도 다른 표현이 검색 결과에 표시됩니다. 더욱이 키워드가 일치하더라도 스킬 레벨까지는 판정할 수 없습니다.
벡터 변환의 메커니즘을 활용한 AI 매칭 기술
벡터 변환의 메커니즘을 활용한 「언어 → 벡터 → 거리 계산 → 매칭」이라는 흐름이 AI 매칭 기술의 본질이며, 이것이 모든 검색에 응용될 수 있는 이유입니다.
AI 매칭 기술의 범용성
기존의 검색 시스템은 공통의 과제를 안고 있기 때문에, AI 매칭 기술은 인재나 구인의 매칭뿐만 아니라, 어떤 검색 조건으로 좁혀가는 케이스 전반에 적용 가능한 기술입니다.
“현재의 데이터 상황, 개발 환경, 추진 체제 등을 파악한 후 최적의 솔루션을 제안해 드립니다.”
BizDev Executive Director - 執行役員
자세한 상담을 원하시나요?
전문 팀이 맞춤 제안을 드립니다
주요 기능
의미 기반 후보자 검색
「SRE」와 「AWS 유지보수 운영」처럼 표현이 달라도 의미가 가까운 단어를 AI가 자동으로 이해하여, 키워드가 일치하지 않아도 요건을 충족하는 후보자를 추출합니다.
추상적 요건의 매칭
「고객 지향이 있다」와 같이 경력기술서에 직접적인 기재가 적은 정성적 요건도, 과거의 행동 이력이나 성과 기술로부터 AI가 맥락을 읽어내어 부합하는 후보자를 추천합니다.
다이렉트 소싱의 공수 절감
기존에 채용 담당자가 복잡한 검색 쿼리를 구사하여 수행하던 후보자 리스트업 작업을 AI가 대체합니다. 채용 공고를 입력하기만 하면 최적의 후보자가 즉시 랭킹 형태로 표시되어, 스카우트 발송까지의 시간을 비약적으로 단축합니다.
학습 데이터 최적화를 통한 정확도 향상
실제 스카우트 발송 이력을 학습 데이터로 활용합니다. 또한 채용 영역에 특화된 도메인 적응을 수행함으로써, 범용 AI 모델보다 높은 정확도를 실현하고 있습니다.
도입 효과
매칭 작업 공수 감소
신입 사원 이직률
선택받는 이유
최첨단 「뉴럴 정보 검색」 기술의 구현
기존의 스파스 벡터 검색이 아닌 고밀도 벡터를 활용한 Dense Retrieval 기술을 채택했습니다. BERT 모델을 기반으로 Siamese 네트워크를 사용한 Fine-tuning을 수행함으로써, 실용 수준의 빠르고 정확한 검색 시스템을 구축했습니다.
채용 도메인에 대한 깊은 이해와 적응
일반적인 일본어 모델이 아니라 실제 채용 공고와 경력기술서 데이터를 사용해 추가 학습을 수행하고 있습니다. 이를 통해 업계 특유의 전문 용어, 고유 표현, 기술상의 습관 등을 정확히 이해하는 AI를 실현했습니다.
프롬프트 엔지니어링을 통한 구조화
채용 공고나 경력기술서의 비정형 데이터를 [JOB_CATEGORY]나 [SALARY] 같은 특수 토큰을 사용하여 AI가 구조적으로 인식하도록 하는 기술을 확립했습니다. 이를 통해 데이터의 노이즈를 줄이고, 매칭 정확도를 한층 높이고 있습니다.
자세한 상담을 원하시나요?
전문 팀이 맞춤 제안을 드립니다
