본문으로 건너뛰기

채용 아웃리치에서 인재 검색까지 AI에 맡겨봤어요

김태현

2026.11.19

채용 아웃리치(recruiting outreach)는 원티드나 리멤버에서 직무에 맞는 후보를 먼저 찾아 제안을 보내는 일이에요. 지난 일주일 동안 검색부터 후보 검토, 제안서 작성, 발송 승인까지 이어지는 흐름을 개발하고 고쳤습니다.

이전에는 제가 플랫폼별로 검색어와 필터를 바꿔 보다가 괜찮은 검색 결과 URL을 AI에 넘겼어요. 이제는 직무 문서에서 검색을 시작합니다. AI가 찾은 후보를 검토하고 연락 명단을 확정한 다음, 그 명단의 제안서와 DM을 만들도록 순서도 바꿨어요. 이전 리멤버 아웃리치 사례

채용 아웃리치 전후 비교. 이전에는 사람이 검색 URL을 주고 AI가 선별 직후 초안을 작성했다. 개편한 흐름은 직무 문서로 검색하고 사람 검토와 연락 명단 확정 뒤에 초안을 작성한다.

11월 16일 원티드에서 직무 문서로 검색해 사람의 검토와 승인까지 거쳐 실제 제안을 보냈어요. 2026년 11월 19일에는 연락 명단을 먼저 확정하는 흐름도 구현했고, 새 리뷰 화면은 가상 자료로 확인했습니다.

직무 문서를 주자 AI가 검색어부터 골랐어요

  • 검색어 만들기. AI가 직무 문서를 읽고 직무명, 핵심 경험, 넓은 직군에서 각각 검색어를 뽑았어요. 왜 그 단어를 골랐는지는 직무 문서에서 근거가 된 문장과 함께 남겼습니다.

  • 플랫폼에서 비교하기. 검색어를 하나씩 입력하고 검색 결과의 여러 순위 구간에서 목록을 일부 살폈어요. 화면에서 보이는 직무와 경력을 기준으로 얼마나 맞아 보이는지 구간별로 기록했어요.

  • 어디까지 볼지 계산하기. 코드는 상위 결과의 적합도를 기준으로 검색 순서를 정하고, 적합도가 떨어지는 구간 앞에서 검토 범위를 끊었어요. 앞서 본 후보와의 중복은 예상 적합 후보를 계산할 때 뺐습니다. 저는 그 결과를 보고 검색어와 검토 범위를 확정했어요.

직무 문서에서 검색어를 만들고 플랫폼의 여러 순위 구간을 살핀다. 상위 결과의 적합도로 순서를 정하고 중복을 반영해 검토 범위를 계산한 뒤 사람이 확정한다.

원티드에서 AI 콘텐츠 마케터를 찾을 때 ‘마케터’는 결과가 많았지만 앞서 본 후보와 많이 겹쳤어요. ‘숏폼’은 결과가 적어도 목록에서 직무에 맞아 보이는 사람이 상대적으로 많아서 먼저 보기로 했습니다. 저는 AI가 괜찮은 검색어를 몇 개 떠올리는 정도를 생각했어요. 검색 순위별로 표본을 보고 겹치는 후보까지 빼서 어디까지 볼지 계산하는 방법은 생각하지 못했습니다. 이 제안이 특히 인상적이었어요.

상세 이력을 보고 채용 기준을 적용하니 목록에서 예상한 만큼 통과하지는 않았어요. 그래서 다음 회차에서는 목록에서도 확인할 수 있는 기준을 검색어 비교에 함께 반영했습니다.

비슷한 일을 맡길 때는 이렇게 요청해볼 수 있어요.

이 직무 문서에서 검색어 후보를 뽑고 플랫폼에서 직접 검색해줘. 검색어마다 목록의 여러 구간을 살펴서 직무에 맞아 보이는 사람과 중복을 확인해줘. 어떤 검색어부터 어디까지 볼지 알려주면 제가 확정할게.

계획과 코드를 각각 다른 모델로 검토했어요

Opus 5.5를 주로 쓰고 Fable 5.2와 GPT 6.2 Astra에 계획 리뷰를 맡겼어요. 구현 후에는 GPT Sol에도 코드 리뷰를 맡겼습니다. 앞서 6.1을 썼고 11월 19일 Codex CLI를 업데이트한 뒤 6.2로도 검토했어요.

Opus 5.5를 중심으로 계획과 구현을 진행하고 Fable 5.2와 GPT 6.2 Astra로 계획을 검토했다. 구현 뒤에는 GPT Sol 6.1과 6.2로도 코드 리뷰를 했다.

계획 리뷰에서는 제안 메시지를 고친 뒤 예전 승인이 남아 있으면 사람이 검토한 것과 다른 메시지가 나갈 수 있다는 지적이 나왔어요. 메시지를 바꾸면 다시 승인하도록 계획에 넣었습니다. 역할별로 모델을 나누는 방식은 앞서 본 유사 사례에서 힌트를 얻었고, 나중에 본 Voxyz의 글에서도 모델에 따라 조율과 실행을 나누더군요. Voxyz의 모델 역할 분담 사례

가장 어려웠던 건 어디까지 개발할지 정하는 일이었어요

구현을 끝내고 다른 모델에게 리뷰를 맡기면 고칠 곳이 또 나왔어요. 리뷰에 나온 지적은 하나하나 보면 고칠 만했습니다. 그걸 다 반영한 뒤 다시 리뷰를 받으면 이번에는 새로 바뀐 코드에서 더 고칠 곳이 보였어요. 어느 순간부터는 구현하는 시간보다 이번 개발을 어디까지 할지 정하는 일이 더 어렵게 느껴졌습니다.

돌이켜보니 제가 처음 얻고 싶었던 가치는 꽤 구체적이었어요. 직무 문서를 주면 AI가 원티드에서 검색하고 저는 검색어 추천 근거를 보고 후보 검토를 시작하는 것. 그만큼만 만들어도 실제 후보를 살펴보고 승인한 제안을 보낼 수 있었습니다. 목록에서 맞아 보이던 후보와 상세 검토를 통과한 후보 사이에 차이가 있다는 것도 실제로 돌려본 뒤에 알았어요.

써보고 나니 다음에 고칠 일도 뚜렷해졌어요. 예전에는 연락할 사람이 정해지기 전에 제안서와 DM을 만들었습니다. 연락 명단을 먼저 확정하고 그 명단의 초안만 만들면, 검토할 문서도 실제로 보낼 것에 집중할 수 있어요. 검색을 위임한 첫 회차와 명단 확정 순서를 바꾼 개편은 이렇게 각각 해결하려던 문제가 달랐습니다.

지금 고칠지 판단할 때는 두 가지를 봐요. 그 문제 때문에 다음 채용 회차를 돌릴 수 없는지, 사람이 승인한 내용대로 제안을 보낼 수 있는지요. 예를 들어 메시지를 바꾼 뒤에도 예전 승인이 남는 문제는 발송 전에 풀어야 합니다. 그 밖의 개선은 실제로 한 회차를 써본 뒤 어디서 일이 막혔는지 보고 순서를 잡을 수 있어요.

제가 말하는 최소한의 개발은 실제 업무에서 쓸 수 있는 범위를 정하는 일이에요. 후보를 찾아 제안을 보낼 수 있으면 그때부터 후보의 반응도 볼 수 있습니다. 다음 개선은 실제로 본 결과를 바탕으로 고를 수 있고요. 개발할 거리는 계속 생기니 제가 가치를 얻을 수 있는 첫 범위를 정하는 일이 개발 자체보다 더 중요하게 느껴졌습니다.

AI-Native로 일하려면 세션마다 보내는 답장도 맡길 수 있을까

Claude와 GPT에 일을 나눠줘도 일이 끝날 때마다 제가 각 세션으로 돌아갔어요. 테스트가 실패했다는 보고에는 “실패한 테스트 다시 확인해줘”라고 답하고, 리뷰 지적이 나오면 어느 부분을 먼저 고칠지 알려줍니다. 답장을 쓰는 시간은 짧아요. 매번 다른 세션을 열어 앞에서 무엇을 부탁했는지 읽고 다음 행동을 정하는 일이 쌓였습니다.

이번에는 이 문제를 깊게 다루지 못했어요. 그래도 정해둔 범위 안에서 테스트를 다시 실행하거나 빠진 결과를 요청하는 일은, 결과와 기준을 읽을 수 있는 AI에 맡겨볼 수 있겠다고 생각했습니다. 수정 범위를 넓히거나 채용 기준을 바꾸는 결정은 제가 내립니다. 연락할 후보와 실제 발송도 사람이 승인해요.

별도로 살펴본 Firstmate에서는 사람이 조율 에이전트 한 곳에 목표와 허용 범위를 알려줍니다. 조율 에이전트가 여러 작업 세션에 일을 나누고 진행 상태를 확인해요. 작업 에이전트는 각자 맡은 작업을 실행하고 검증합니다. 조율 에이전트는 결과를 모아서 보고하고 사람이 선택해야 할 안건을 올립니다. Firstmate의 사용 흐름

Firstmate의 사용 흐름. 사람이 목표와 권한을 정하면 조율 에이전트가 작업을 배정한다. 작업 에이전트가 실행과 검증을 마치면 조율 에이전트가 결과와 사람의 판단이 필요한 안건을 보고한다.

이렇게 하려면 각 세션의 상태를 다른 에이전트가 확인할 수 있어야 해요. Firstmate는 지침과 스킬에 조율 역할을 적고, 작업별로 세션과 Git 작업 공간을 나눕니다. 상태 파일에 진행을 기록하고 스크립트와 훅으로 변화를 감지합니다. 쓰는 실행 환경에 따라 감시 방식은 달라요. Firstmate의 구성

Firstmate의 구성. 지침과 스킬이 조율 규칙을 정하고 작업 세션과 Git 작업 공간을 분리한다. 스크립트, 훅, 상태 파일로 진행을 기록하고 완료를 감지한다.

Lydia Hallie의 발표에서는 일을 길게 맡기기 전에 단계마다 완료 조건과 확인할 증거를 정하라고 했어요. 제 작업에 대입하면 테스트 이름과 성공 조건을 먼저 정해두고, 실패한 검사를 그 범위 안에서 다시 확인해달라고 맡기는 방법이 있어요. 같은 실패가 반복되거나 요구사항을 바꿔야 할 때는 실패 근거와 선택지를 받아 제가 결정하는 식이에요. Lydia Hallie의 발표

바이브코딩을 하다 지금 뭘 만들고 있는지 놓칠 때가 있었어요

AI에 구현을 맡기다 보면 제가 뭘 만들고 있는지 놓칠 때가 있었어요. 작업이 끝났다는 보고를 받아도 만든 기능을 전부 열어보고 하나씩 실행해 보지는 않거든요. 검색이나 리뷰 화면을 고치고 나서도 그 변경이 전체 채용 흐름의 어느 단계에 들어가는지 바로 떠오르지 않을 때가 있었습니다.

그래서 만든 시스템을 그림으로 확인할 수 있는 도구가 필요하다고 느꼈어요. 워크플로는 검색부터 발송까지 어떤 순서로 누가 일하는지, 정보 구조(IA)는 후보 검토와 승인 기능을 각각 어느 화면에서 찾는지 보여줍니다. 아키텍처 그림은 채용 보드, AI 세션, 채용 플랫폼이 어떻게 연결되는지 보여줘요. 변경할 때 이 그림도 같이 갱신되면 제가 지금 어느 부분을 고치고 있는지 다시 짚기 쉬울 것 같아요.

개발할 일이 불어나는 것도 어려웠어요. 이번에도 메시지를 수정하는 흐름을 들여다보다가 기존 승인을 어떻게 처리할지 새로 정해야 했습니다. 예상 밖의 일이 나오면 지금 하던 일을 잠깐 두고 다른 작업으로 넘어가요. 다시 돌아왔을 때 어떤 결정이 남았고 어떤 작업부터 끝내야 하는지 여러 채팅을 열어봐야 할 때도 있었습니다.

진행 중인 일과 새로 생긴 일을 제 기억에만 맡기기 어렵더라고요. 왜 일이 추가됐는지, 어느 작업이 먼저 끝나야 하는지, 지금 어디까지 왔는지를 한곳에서 보고 싶었어요. 그래야 여러 세션에서 구현이 동시에 진행돼도 제가 먼저 내릴 결정을 찾을 수 있으니까요.

개발자들은 바이브코딩을 하면서 시스템이 어떻게 바뀌는지, 해야 할 일이 어떻게 늘어나는지 각각 어디에서 확인할까요? 코드와 화면이 바뀔 때 그림은 어떻게 최신 상태로 유지하고, 새로 발견한 일은 어디에 적어서 작업 순서를 다시 잡는지 궁금해졌어요.

결론

다음 코드 리뷰에서는 세션 하나를 골라 정해둔 테스트의 재확인과 결과 정리부터 맡겨보려고요. 제가 직접 답한 메시지와 제때 올라온 결정 사항을 기록해보겠습니다. 그 기록을 보고, 실제 채용 작업에 도움이 되는 다음 개선을 정하려고 합니다.

김태현 · 지피터스에서 채용 아웃리치 자동화 작업을 하고 있습니다.

지피터스가 사내 AX를 어떻게 하는지는 한곳에 모아 두었어요. 지피터스는 사내 AX를 어떻게 할까

함께 이야기해요 0

로그인하고 댓글을 남겨 주세요

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

우리 회사에도 이런 자동화를 도입하고 싶다면

회사 업무에 맞춘 AI 교육을 함께 설계해요.

기업교육 문의하기

함께 읽어보세요

AX 현장 전체 보기