AI 에이전트로 만든 나만의 채용공고 자동화

이걸 언제 다 찾아보지???

직장인이라면 누구나 한 번쯤 이직을 고민합니다. 하지만 채용 사이트에서 원하는 공고를 찾는 일은 생각보다 어렵습니다.

마케팅 직무만 해도 퍼포먼스, 브랜드, 콘텐츠, 광고 AE, UA, CRM, 커뮤니케이션 등 범위가 넓습니다. 반대로 제목에는 ‘마케팅’이 들어가지만 실제 업무는 영업에 가까운 공고도 있습니다. 검색 조건을 정하고 공고를 하나씩 확인하는 것 자체가 일이었습니다.

그래서 에이전트에게 제 이력서를 바탕으로 지원할 만한 마케팅 공고를 찾아 달라고 요청했습니다. 직무 적합도뿐 아니라 대기업·중견기업·상장사처럼 안정성이 확인되는 회사를 우선해서 보고 싶었습니다.

작업 과정

내 이력서보다 스크랩 목록이 더 많은 것을 말해 줬다

처음에는 팀장·리드, 퍼포먼스·그로스 직무에 높은 점수를 줬습니다. 하지만 실제로 스크랩한 공고를 살펴보니 KREAM, TAMBURINS, 카카오, HYBE IPX, NHN AD, SM C&C, GIGABYTE, 그라비티처럼 회사와 산업 자체에 끌린 경우가 더 많았습니다.

이에 리더 직급의 가중치를 낮추고 브랜드, 디지털, 콘텐츠, AE, UA, CX/IP, 게임 사업 PM까지 검색 범위를 넓혔습니다.

50개 추천에서 전체 목록으로 바꿨다

첫 결과는 상위 50개 추천이었습니다. 공고 944건 중 후보 731건을 추려 점수순으로 정리했지만, 50개 밖에도 관심을 가질 만한 회사와 인접 직무가 너무 많았습니다.

검색어를 ‘마케팅·마케터’로 넓히고 게임 분야를 분리하자 사람인 고유 공고는 1,056건으로 늘었습니다. 이후 회사 규모 정보를 추가하고 서울·경기 조건을 적용해 926건의 교정본을 만들었습니다.

회사 규모를 직무 점수보다 앞에 놓았다

기업정보가 있는 공고에서는 기업형태, 상장 여부, 사원 수, 매출, 설립연도를 함께 수집했습니다. 공식 분류가 없는 기업은 임의로 대기업이나 중견기업으로 단정하지 않았습니다. 대신 사원 300명 이상 또는 매출 1,000억 원 이상이면 ‘규모 우수 추정’으로 별도 표시했습니다.

정렬 순서는 다음과 같았습니다.

대기업 → 중견기업 → 상장기업 → 1000대기업 → 규모 우수 추정 → 중소·기타 → 정보 부족

같은 규모에서는 사원 수, 매출, 직무 적합도 순으로 정렬했습니다. 기업정보가 없으면 추정하지 않고 ‘정보 부족’으로 남겼습니다.

세 사이트를 통합하고 중복 공고를 합쳤다

1개 채용 사이트 검색으로는 놓치는 공고가 있어 3개 채용 사이트를 추가했습니다. 다만, 추가 1개 사이트는 공개 API와 접근 제약 문제로 최종 자동 수집에서 제외했습니다.

중복 여부는 제목만으로 판단하지 않았습니다. 공고 ID, 정규화한 회사명과 공고명, 직무군, 지역, 원문 URL을 함께 비교했습니다. 같은 공고가 여러 플랫폼에 등록된 경우에는 한 행으로 합치고 각 플랫폼 링크를 모두 보존했습니다.

문제 발생

작업이 거의 끝났을 때 PC에서 특정 사이트만 접속되지 않는 문제가 생겼습니다. 휴대폰도 와이파이에서는 접속되지 않았지만 5G에서는 정상적으로 열렸습니다.

정확한 원인을 확인하지는 못했지만, 자동 요청이 많았던 시점과 겹쳐 일시적인 IP 제한 가능성이 높다고 판단했습니다. 다행ㅇ접속은 약 6~8시간 뒤 정상화됐습니다.

이후에는 반복 요청을 줄이고, 이미 확인한 공고와 기업정보를 다시 요청하지 않도록 에이전트에게 부탁했습니다.

매일 오전 11시, 새 공고만 텔레그램으로

초기 수집 이후에는 매일 전체 공고를 다시 확인하지 않고 신규 공고만 전달하도록 자동화했습니다.

매일 오전 11시(KST) 실행
일반 마케팅과 게임 마케팅 분리
회사 규모가 확인된 공고 우선 표시
동일 공고의 플랫폼별 링크 통합
Hermes와 연결된 Telegram으로 결과 전달

배운 점

검색어보다 기준표가 먼저였다

검색어를 늘리는 것보다 어떤 공고를 남기고 제외할지 기준을 정하는 일이 더 중요했습니다. 이력서, 스크랩한 회사, 제외 산업, 회사 규모 선호를 각각 분리하자 추천 결과를 설명하고 수정하기 쉬워졌습니다.

에이전트는 실패를 숨기지 않아야 했다

타임아웃, 엑셀 스타일 오류, 필터 오탐이 실제로 발생했습니다. 이를 정상 처리된 것처럼 넘기지 않고 실패 원인과 요청 기록을 남겼습니다. 결과 파일도 다시 열어 행 수, 링크, 중복 여부를 확인했습니다.

자동화해도 사람의 판단은 필요했다

회사명만으로 업종을 완벽하게 판단하거나 익명 서치펌을 모두 구분하기는 어렵습니다. 제목이 비슷해도 실제 업무가 다른 경우도 있습니다. 자동화는 검토해야 할 목록을 줄여 주는 도구이지, 최종 지원 결정을 대신하는 장치는 아니었습니다.

많이 수집하는 것보다 다시 읽지 않는 것이 중요했다

매일 모든 상세 페이지를 다시 읽는 것은 비효율적이고 사이트에도 부담을 줍니다. 공고 ID와 기업정보를 저장하고 새로 등록된 ID만 확인하는 방식이 더 안정적이었습니다.

마무리

처음에는 AI에게 공고 50개를 찾아 달라고 요청했습니다. 하지만 제가 원한 것은 단순한 추천 목록이 아니었습니다.

회사 규모를 우선해서 보고, 특정 분야는 따로 분리하고, 관심 없는 산업은 제외하고, 이미 본 공고는 다시 보고 싶지 않았습니다. 조건을 하나씩 추가하고 잘못 분류된 공고를 수정하면서 단순 검색이 반복 가능한 채용 서칭 방식으로 발전했습니다.

가장 만족스러운 결과는 1,501건이 담긴 엑셀 파일 자체가 아닙니다. 다음 날부터 채용 사이트를 직접 돌아다니지 않아도 새로 확인할 만한 공고만 오전 11시에 받아볼 수 있게 된 점입니다.

동시에 자동화가 커질수록 더 조심해야 한다는 것도 배웠습니다. 사이트가 응답하지 않으면 요청을 늘리는 대신 멈춰야 했고, 결과가 많아질수록 오탐부터 의심해야 했습니다.

이번 작업은 ‘AI가 알아서 다 해 준 성공담’이라기보다, AI와 함께 실패를 확인하고 기준을 고쳐 나간 기록에 가깝습니다.

📣 24기 블라인드 판매가 시작되었습니다!