취준생 2기 2반 2주차 과제 : 기업분석과 오픈AI별 비교

소개

시도하고자 했던 것과 그 이유를 알려주세요.

나는 원하는 기업의 취업시장을 알고 싶었고, 이를 위해 재미나이 PRO와 GPT PRO 두 가지를 사용해 딥리서치를 진행하고 AI별 차이점을 비교했다.

진행 방법

어떤 도구를 사용했고, 어떻게 활용하셨나요?

먼저 딥리서치용 프롬프트를 만들기 위해 GPT의 딥리서치 프롬프트 작성 도우미를 활용했다. 챗봇에 사용할 초안 프롬프트에 대해 질문했고, 그 결과를 바탕으로 연구 주제·핵심 키워드·하위 주제를 정리했다. 맥락을 강화하기 위해 챗봇의 추가 질문에도 답하며 최종 프롬프트를 완성했다.

[연구 주제] :
[핵심 키워드] :
[하위 질문] :
[범위 제약] :
[선호 자료 유형] :
[최종 결과물 형태] :
한국어 텍스트가있는 검은 색 화면
검은 색 화면에 한국어 텍스트의 스크린 샷
한국어 텍스트가있는 검은 색 화면

결과물 (딥리서치용 프롬프트)

[Title]
최근 3년(2022-09-16 ~ 2025-09-16) KDIC·KSD 신입 채용시장 분석: 경쟁률·스펙 벤치마크·통계학부 역량 매칭 및 복지 비교

[Background]
- 목적: 예금보험공사(KDIC)와 한국예탁결제원(KSD) 신입 채용의 ‘실질 경쟁 환경’을 파악하고, 통계학부 졸업생 관점의 준비 전략(스킬갭, 포트폴리오, 90일 학습 플랜)을 제시.
- 동인: 공공기관 채용의 블라인드 강화·지역인재·전환형 인턴 도입 등 제도 변화, 후기·공고 정보의 분산.

[Research Objectives]
1) 최근 3년 기관·전형별 신입 채용 **경쟁률/합격배수**를 산출(가능 범위 내 공식 수치 우선, 대체지표 병행).
2) 합격자 **스펙 분포**(GPA·자격증·프로젝트·어학·인턴)를 표본화·요약(중앙값·사분위).
3) 직무기술서·공고에서 추출한 **핵심 역량**을 통계학부 커리큘럼·도구(R/Python/SQL)와 **정합 매핑**.
4) **복지/보상**: 직원 평균보수·성과상여, 근무지/순환, 유연근무(및 교육/선택복지 유무) 비교.
5) **채용 타임라인**: 월별 공고·필기·면접 히트맵으로 시즌성 가시화.
6) **산출물**: 2–3쪽 요약보고서 + 핵심지표 1쪽 + 기관별 1페이지 요약(Strength/Watch-out) + ‘통계학부 특화’ 부록.

[Scope]
- 기간: 2022-09-16 ~ 2025-09-16
- 대상: KDIC, KSD의 **신입 채용**(수습·전환형 포함)만. 
  - 포함: “정규직 전환형”을 **공고에 명시**한 인턴/수습(예: KSD 공채의 전환형 인턴).
  - 제외: 체험형/청년인턴 등 **비전환형**(전환율·전환절차 미명시, ‘잘하면 전환’ 등의 임의/예외적 전환).
- 직무범위: KDIC(금융일반/자산회수/리스크 등), KSD(경영·경제·수리통계·IT 등) 전 직군 대비, 통계학부 연계 우선.

[Methodology]
A. 데이터 수집(정량 70/정성 30)
  1) 공식 채용·공시:
     - 기관 채용페이지(공고/전형절차/일정), 서류·필기·면접 공지, 합격자 발표 공지 수집.
     - ALIO 통계·기관별 공시: 직원 평균보수·복리후생비·신규채용현황, 항목별 수당(성과상여) 명세 PDF.
     - 정부 포털(나라일터·ALIO플러스)의 채용·기관 정보.
  2) 플랫폼/후기(허용됨):
     - 잡플래닛·블라인드: 복지·문화·근무지·유연근무에 대한 트렌드(표본 수·시기 명시).
     - 자소설·사람인/잡코리아 공고·게시판: 합격후기·자기소개서 항목과 **지원자 수(있는 경우)**.
  3) 보조 소스:
     - 기관 보도자료, 언론 인터뷰(경영진 발언의 채용/인력 운용 시그널).
  4) 수집 윤리:
     - 로봇/이용약관 준수, 비공개 정보·개인정보 수집 금지, 후기는 **공개 열람 가능 범위** 내 요약.

B. 정제·품질관리
  - 스펙 항목 표준화: GPA(4.5 환산), 어학(TOEIC/OPIc 레벨화), 자격증(ADsP/SQLD/SAS·KOSSA 등 코드화), 프로젝트(공모전/캡스톤/개인 깃허브), 인턴(기관·기간·직무).
  - 공고 메타데이터: 모집인원, 직무, 전형 단계수, 필기 과목/유형, 우대·가점(지역인재, 자격).
  - 중복·허위 후기는 배제 기준 마련(동일 문구/타임스탬프, 신뢰도 플래그).

C. 분석
  1) 경쟁률 산출(우선순위):
     (i) 공식 ‘지원자/선발’ 수치 → (ii) 포털 ‘지원자 수’ 스냅샷(사람인/자소설) → 
     (iii) 단계별 합격배수(서류/필기) 추정 → 종합 경쟁지표(신뢰구간/신뢰도 라벨 부여).
  2) 스펙 분포:
     - 표본 N≥50 목표(기관·연도 통합), 중앙값·IQR·상/하위 25% 컷오프, 결측/자기보고 편향 경고.
  3) 역량 매핑:
     - 직무기술서 키워드(TF-IDF) → 통계학부 역량 매트릭스(R, Python, SQL, 계량/리스크, 금융제도) 정렬.
  4) 복지/보상:
     - ALIO ‘직원 평균보수’ 연도별 추이, ‘항목별 수당’에서 성과상여·복리후생 항목 분리.
     - 근무지/순환: 공고·기관 안내문·후기 교차검증.
     - 유연근무·교육/선택복지: 공시·규정·후기에서 유무와 범위 확인.
  5) 타임라인:
     - 최근 3년 공고·전형일을 월 단위 집계 → **월별 히트맵**(서류/필기/면접 시즌).

D. 시각화 / 한글 깨짐 방지
  - 폰트: Noto Sans KR(우선), 대체: Apple SD Gothic Neo(macOS), Malgun Gothic(Windows).
  - Matplotlib/Seaborn: `rcParams['font.family']='Noto Sans KR'` + `axes.unicode_minus=False`.
  - 벡터(svg/pdf) 저장 시 폰트 임베딩 옵션 활성화, 웹 차트는 Pretendard/Noto Sans KR CDN 사용.

[Key Areas of Investigation]
1) **경쟁률 & 합격배수**
   - 연도×전형(신입/전환형)×직무별 경쟁률 표, 단계별 컷/합격배수(가능 시).
2) **합격 스펙 벤치마크(통계학부 관점)**
   - GPA·어학·자격(ADsP, SQLD, SAS 등)·프로젝트·인턴 분포 요약(박스플롯/히스토그램).
   - ‘상위 25% 프로필’과 ‘통상 합격권 중앙값’ 비교.
3) **핵심 역량 맵**
   - 공고/직무기술서 키워드 → (데이터분석/R·Python·SQL·계량/모형·리스크·금융제도) 매핑 테이블.
4) **복지/보상 & 근무여건**
   - 직원 평균보수/성과상여 추이, 유연근무 도입, 근무지(서울↔부산)·순환 정책 차이.
5) **채용 타임라인 히트맵**
   - 월별(최근 36개월) 공고·필기·면접 집중도, KDIC 하반기(9월) 고정성 점검, KSD 시즌성 비교.
6) **통계학부 특화 부록**
   - 스킬갭 체크리스트(필수/가산/옵션)
   - 90일 학습 플랜(주차별: 계량·리스크·금융제도, R/Python/SQL 실습 과제)
   - 포트폴리오 아이디어(예: 부도예측/리스크 모형, 공시데이터 시각화; 데이터 소스·평가지표 포함)

[Expected Outcomes]
- “지원 가능성” 판단용 **경쟁구도 레이더**(본인 스펙 vs 합격 분포 위치).
- **기관별 1페이지 요약**(강점/주의점/맞춤 역량·포트폴리오 제안).
- **히트맵 기반 타이밍 전략**(원서·필기·면접 준비 캘린더).
- 통계학부 맞춤 **준비 로드맵(90일)** 및 **예시 포트폴리오 스펙**.

[Deliverables & Layout]
- 본문 2–3쪽 요약보고서(PDF): 개요, 경쟁률·스펙·복지 핵심 그래프, 인사이트.
- **기관별 1페이지**(각 1장): 채용/역량/복지 스냅샷(아이콘·미니차트).
- **핵심지표 1쪽**: 종합 표(경쟁률·컷·보수·근무지/유연근무).
- 부록: 스킬갭 체크리스트, 90일 학습 플랜, 포트폴리오 가이드.

[Resources]  *예시(우선 조사 대상)*
- KDIC: 채용공고/채용안내, KDIC 연구·통계 페이지
- KSD: 공개채용 사이트, 사람인 채용페이지(공고 원문)
- ALIO/ALIO플러스: 직원 평균보수·복리후생비·신규채용·항목별 수당(PDF)
- 정부 포털: 나라일터(채용), 관계부처 공고/보도자료
- 후기/합격수기: 잡플래닛, 블라인드, 자소설, 사람인/잡코리아 게시판
- 언론: 기관 채용·인사·청년인턴 관련 보도(필요 시)

[Notes & Limitations]
- 경쟁률은 ‘지원자수’ 공개 여부에 따라 신뢰도 라벨(A:공식, B:플랫폼 스냅샷, C:추정) 부여.
- 후기 데이터는 자기보고 편향 가능 → 표본 크기·기간 명시, 극단값 Winsorizing.
- 전환형 인턴 판정은 **공고 명시 조건** 및 **전환율·평가절차** 기준으로 포함/제외.

그 프롬프트를 그대로 GPT와 재미나이에 넣어 딥리서치를 수행했고, 보고서는 동일한 파트만 간단히 예시로 비교했다.

재미나이

GPT

결과와 배운 점

배운 점과 나만의 꿀팁을 알려주세요.

과정 중에 어떤 시행착오를 겪었나요?

도움이 필요한 부분이 있나요?

앞으로의 계획이 있다면 들려주세요.

시작 단계부터 차이가 있었다. GPT는 분석 전 마지막 확인 질문(탐색 범위 등)을 했고, 재미나이는 바로 분석에 들어갔다. 이 영향인지, 경쟁률 정보에서 재미나이는 2013·2015년 데이터를 가져오면서 연도 표기를 본문에 누락해 자칫 최근 데이터로 오해할 여지가 있었다(출처는 있었음).

실행 속도는 재미나이가 10분 이내, GPT는 약 15분이 걸렸다. 신뢰도 측면에서는 GPT가 마지막 검토 질문 덕분인지 전반적으로 더 높다고 느꼈다.

그렇다고 GPT가 무조건 더 낫다고 보긴 어렵다. 내 연구 주제가 두 기업 분석이었는데, 재미나이는 두 기업 정보를 표로 나란히 보여줘 비교가 쉬웠다. 반면 GPT는 기업별 정보를 볼드체로 항목화해 잘 정리해 주었지만, 기업 간 직접 비교는 다소 어려웠다.

문서 포맷 기준으로 보면(재미나이: Microsoft Word, GPT: PDF) 전체 가독성은 GPT가 더 좋았고, 기업 간 비교 시각화(표)는 재미나이가 더 강점이었다.

정리하면, 동일 프롬프트 기준

  • 재미나이 장점: 빠른 분석, 표 기반 비교 제시

  • GPT 장점: 처리 시간은 조금 더 걸리지만 신뢰도와 가독성이 우수

이번 경험으로 프롬프트의 중요성을 실감했다. 같은 프롬프트라도 AI마다 서술 방식이 꽤 다르다는 점도 흥미로웠다. 다시 진행한다면 GPT를 기본으로 사용하되, 프롬프트에 “기업 간 비교 표를 중간에 삽입해 달라”고 명시해서 보완할 생각이다.

4
1개의 답글
밀어주고 끌어주는

온·오프라인 AI 스터디

AI로 어디까지 할 수 있는지
직접 확인하실 분만 신청하세요.