AI 취업·학습 플랫폼 "InterviewMaster"
2026.05.31

늦은 밤까지 공부하는 분들을 생각하며 만든 AI 취업·학습 플랫폼 "InterviewMaster" 만든 이야기
0. 왜 이걸 만들었냐면요
나이 들어 다시 일자리를 구하려 애쓰시는 분들, 그리고 기계·전기 같은 어려운 분야의 자격증을 따려고 낮에는 기술을 익히고 늦은 밤까지 책과 씨름하시는 기술을 배우시는 교육생 분들의 노력에 조금이나 보탬이 되었으면 하는 마음으로 만들어 보았습니다.
중·장년층에게 취업 시장은 유난히 차갑잖아요. 이력서랑 자기소개서를 기업마다 새로 쓰는 것도 막막하고, 면접은 어디서 연습해야 할지 모르겠고, 기계·전기 자격증은 용어부터가 벽이고요. 그래서 "이 과정을 한 곳에서, 쉽게, 그렇지만 대충이 아니라 제대로 도와드릴 수 없을까?" 하는 마음으로 시작했습니다.
"오직 힘겹게 공부하고 일하는 학생분들을 생각하며 만든 프로그램이다."
저한테는 이 한 문장이 이 프로젝트의 시작이자 끝이에요.
1. 어떤 걸 만들고 싶었나
1-1. 쉽지만, 기업에 딱 맞는 이력서와 자소서
이력서랑 자소서를 쉽게 쓸 수 있게 하되, 그냥 빈칸 채우기가 아니라 지원하는 기업에 맞춰서 써지도록 하고 싶었어요.
여기서 제가 가장 욕심냈던 부분이 하나 있는데요. 바로 서류와 면접을 따로 놀게 두지 않은 것이에요.
이렇게 서류 → 면접 → 다시 서류로 한 바퀴 도는 선순환을 만들었어요. 면접을 보다 보면 "아, 이 부분이 약하구나" 하는 게 드러나잖아요. 그 깨달음이 그냥 사라지지 않고 자소서를 고치는 데 다시 쓰이도록 했어요.
1-2. 자격증 공부는 "메타인지"로
기계·전기처럼 진입장벽 높은 자격증 공부를 돕고 싶었는데요, 단순 암기·반복은 답이 아니라고 봤어요.
그래서 "내가 뭘 알고 뭘 모르는지를 스스로 알게 되는" 메타인지 학습이 되도록 설계했습니다. 문제은행을 쓰되, 사람마다 학습 데이터(정답률·틀린 문제·안 풀어본 영역·난이도)를 분석해서 "지금 이분에게 가장 필요한 문제"를 자동으로 골라주는 방식이에요. 틀린 문제는 정답만 툭 던져주는 게 아니라, 이해하면서 풀 수 있도록 AI 해설과 단계별 힌트를 줍니다.
2. 가장 힘들었던 점 (솔직히 아직 못 넘은 벽)
제일 힘든 건 사실 아직 구현하지 못한 부분이에요.
기계 분야의 도안·도면 같은 "이미지"를 AI가 이해하고, 거기에 대해 할루시네이션 없이 정확하게 답해주는 RAG 학습 도우미 — 이게 아직 안 됐어요.
생각해보면 기계·전기 자격증 공부의 핵심은 결국 도안을 해석하고 도면을 읽는 것이잖아요. 그런데 도안과 도면 이미지를 AI가 제대로 "이해"하게 만드는 것, 게다가 그 위에서 틀린 말을 지어내지 않게 하는 것은 텍스트 다루는 것과는 차원이 다르더라고요.
학습 도우미가 그럴듯하지만 틀린 답을 내놓으면, 그건 도움이 아니라 오히려 잘못 가르치는 거잖아요. 그래서 더더욱 함부로 못 하고 신중하게 가고 있어요. 지금도 계속 붙잡고 있는 다음 단계 숙제입니다.

3. 무엇으로 만들었나
3-1. 개발할 때 쓴 도구
도구 | 역할 |
|---|---|
Claude Code (클로드 코드) | 처음부터 끝까지 함께한 개발 짝꿍 — 기획·설계·코딩·디버깅·배포·운영 문제 해결까지 . |
Claude (Opus / Sonnet) | 클로드 코드를 움직이는 모델 |
Git / GitHub | 버전 관리, 작업 기록 |
3-2. 서비스를 이루는 기술
분류 | 기술 |
|---|---|
백엔드 | Python 3.12, Flask 3.1, SQLAlchemy, Flask-Login |
데이터베이스 | SQLite (WAL 모드) |
AI | Anthropic Claude API |
로그인 | 이메일/비밀번호 + 구글 로그인(OAuth) |
문서 | 이력서·자소서 PDF 생성, 문제 엑셀 일괄 업로드, 이미지 처리 |
화면 | Jinja2 + 가벼운 자바스크립트 (중·장년 사용자를 생각해 최대한 가볍게) |
배포 | AWS Lightsail + Nginx + Gunicorn + Cloudflare |
만들고 보니 생각보다 덩치가 커졌더라고요. 파이썬 코드만 약 11,000줄, 화면 89개, API 227개, DB 테이블 26개 정도예요.
4. 어떻게 짜여 있나
4-1. 권한 구조 — 실제 교육기관처럼
전체 운영자
└ 학교 관리자
└ 반/학과 매니저
└ 학생
└ 가입 승인 대기
학교 > 학과 > 반 3단계 구조예요.
한 학생이 여러 학교에 속할 수 있고, 가입은 승인을 받아야 활성화돼요.
체험(임퍼소네이션) 모드도 넣었는데요, 관리자가 특정 학생 화면을 그대로 들어가서 볼 수 있어요. 중·장년 학생분이 "여기가 안 돼요" 하실 때 같은 화면을 보며 도와드리기 좋더라고요.

4-2. AI를 "일에 맞게 나눠 쓴" 이야기
이게 의외로 중요했어요. 같은 클로드라도 작업 성격에 따라 모델을 나눠 썼습니다.
하는 일 | 쓴 모델 |
|---|---|
자소서 첨삭, 면접 피드백·질문 생성 (품질이 중요) | Claude Sonnet 4.6 |
시험 주관식 자동 채점 (양이 많고 반복적) | Claude Haiku 4.5 |
문제 해설 자동 생성 | Claude Haiku 4.5 |
단계별 힌트 (정답은 바로 안 알려줌) | Claude + 힌트 캐싱 |
품질이 중요한 첨삭엔 좋은 모델을, 양이 많은 채점·해설엔 빠르고 저렴한 모델을 쓴 거죠. 여기에 하루 사용량 제한(튜터 50·면접 5·자소서 3회)과 응답 캐싱까지 더해서 비용이 새지 않게 했어요.
5. 실제로 어떻게 쓰나
5-1. ⭐ 서류 → 면접 → 서류, 한 바퀴 도는 흐름
[1] 이력서 작성 (쉬운 단계별 입력)
↓
[2] 자소서 작성 → 지원 기업 선택 (기업 분위기·스타일 반영)
↓ AI가 사전 질문을 던지고 → 학생이 답하면
↓ AI가 "이렇게 고치면 좋겠어요" 하고 변경점 + 이유를 항목별로 제안
↓ 학생이 마음에 드는 변경만 골라서 적용 ← 통째로 갈아엎지 않아요
↓
[3] AI 모의면접 (내 이력서·자소서·기업 정보 기반 맞춤 질문)
↓ 답변 → AI 피드백 → 요약 → 스스로 돌아보기(회고)
↓
[4] 면접에서 드러난 강·약점을 가지고 → 자소서를 다시 다듬기
(서류가 면접을 거치며 점점 단단해져요)


자소서 첨삭을 "AI가 알아서 새로 써주는" 방식으로 안 한 이유가 있어요. 변경할 부분과 그 이유를 보여주고, 학생이 직접 고르게 했거든요. 그래야 본인 색깔도 살고, 무엇보다 본인이 자기 글을 이해하면서 고치게 되니까요. 다 끝난 서류는 PDF로 받아갈 수 있어요.

5-2. ⭐ 메타인지 자격증 학습
그냥 문제만 푸는 게 아니라, 학생의 학습 데이터를 100점 만점으로 분석해서 "지금 가장 필요한 문제"를 골라줘요.
문제 배정 점수 (높을수록 먼저 출제)
· 취약 카테고리 40점 (정답률 낮은 곳일수록 ↑)
· 안 풀어본 문제 25점 (빈 영역 보강)
· 전에 틀린 문제 20점 (틀렸던 거 다시 도전)
· 난이도 적합성 10점 (지금 실력보다 살짝 위 = 딱 성장하는 구간)
· 적게 나온 문제 5점 (특정 문제만 반복되는 쏠림 방지)
"내가 뭘 모르는지"를 시스템이 짚어주니까, 막연하게 처음부터 끝까지 반복하는 대신 약한 곳 위주로 공부하게 돼요. 이게 바로 메타인지죠. 틀리면 정답만 알려주는 게 아니라 AI 해설이랑 단계별 힌트로 이해하면서 풀게 유도하고요. 튜터가 정답을 바로 안 알려주는 게 포인트예요.
6. 클로드 코드와 함께한 과정
남은 Git 기록을 보면 제가 어떤 순서로 만들어왔는지 그대로 보여요.
1. 전체 뼈대 만들기 (기능 한 번에 구현)
2. 보안 강화 · 요청 제한 · AWS 배포 준비
3. 엑셀 문제 업로드 개선 (카테고리·이미지·선택지 이미지)
4. 보안 위생 (민감한 키·환경파일 저장소에서 제외)
5. 서버 메모리 안정화 (저사양 인스턴스 대응)
6. 슈퍼관리자 화면 버그 수정
7. 정적 파일 안 보이는 문제 해결 + 재발 방지
작업 방식은 대체로 이랬어요. "중·장년 취업·학습을 돕고 싶다"는 목표를 던지면 → 클로드 코드랑 권한 구조·데이터·기능을 의논해서 설계하고 → 기능 하나씩 만들고 → 직접 써보면서 고치고 → 배포 스크립트까지 같이 짜고 → 운영 중에 문제가 생기면 증상만 말해도 원인을 찾아 고쳐주는 식이었어요.
특히 인상 깊었던 건 운영 중 트러블슈팅이었어요.
"컴퓨터로 접속하면 화면이 깨져서 나와요" 사건
폰에선 멀쩡한데 PC에선 글씨만 덩그러니 나오더라고요. 증상만 말했더니 클로드 코드가
① 서버에 직접 CSS를 요청해보고 →403 에러를 발견 (브라우저가 아니라 서버 문제였어요)
② 서버에 접속해서 → 폴더 권한 때문에 nginx가 파일을 못 읽는 걸 찾아내고
③ 권한을 고치고 → ④ 다시 정상으로 내려오는 걸 확인하고 → ⑤ 다음에 또 안 그러게 배포 스크립트까지 손봐줬어요.
막연한 "화면이 깨져요" 한마디가 → 진단 → 수정 → 확인 → 예방까지 한 번에 끝났습니다.

7. 만들면서 느낀 것들
AI한테는 "코드"보다 "목적"을 주는 게 훨씬 강력하더라고요. "이렇게 짜줘"보다 "누구를 위해 뭘 풀고 싶어"라고 말할 때 결과가 더 좋았어요.
모델을 일에 맞게 나누면 품질과 비용을 둘 다 잡을 수 있어요. 좋은 모델을 무지성으로 다 쓰는 건 낭비더라고요.
정확성은 절대 타협하면 안 돼요. 특히 학습 도우미에서 틀린 답은 곧 잘못된 가르침이라, 도면 RAG를 일부러 서두르지 않고 있어요.
사실 배포·운영이 8할이에요. 코드는 금방 짜도, 권한·서버·환경설정 같은 데서 막히는 경우가 훨씬 많았어요. 여기서 AI랑 같이 일하는 게 제일 든든했고요.
분명한 동기만 있으면 진짜 서비스를 만들 수 있어요. 시작은 기술이 아니라 "누구를 돕고 싶은가"였습니다.
8. 한눈에 보는 요약
항목 | 내용 |
|---|---|
서비스명 | InterviewMaster (interviewmaster.co.kr) |
누구를 위해 | 재취업·자격증을 준비하는 중·장년층 |
한 줄 소개 | 기업 맞춤 서류 ↔ AI 모의면접 선순환 + 메타인지 자격증 학습 |
만든 도구 | Claude Code (클로드 코드) |
백엔드 | Python / Flask / SQLAlchemy |
AI | Claude Sonnet 4(첨삭·면접) + Haiku 4.5(채점·해설) |
대표 기능 | 메타인지 문제 자동배정, 단계별 AI 튜터, PDF 생성, 엑셀 문제 업로드 |
배포 | AWS Lightsail + Nginx + Gunicorn + Cloudflare |
규모 | 코드 약 11,000줄, API 227개, 화면 89개 |
아직 못 한 것 | 기계 도면 이미지 이해 + 할루시네이션 없는 RAG 학습 도우미 |
로그인하고 댓글을 남겨 주세요
"누구를 돕고 싶은가"에서 시작해서 11,000줄 서비스까지 완성하신 흐름이 정말 끝내주네요. 서류와 면접을 따로 놀지 않게 한 바퀴 도는 선순환 구조, 그리고 메타인지 문제 배정까지 설계하신 시야가 좋습니다. 도면 RAG를 서두르지 않고 정확성부터 잡으신 면 많이 배워야할 부분이에요.




중장년 층을 겨냥한 맞춤형인데요.
재취업/진로에 대한 분명한 목적성이 잘 드러나야 강력하다는 말씀에 동의합니다