취업상담 자동화 시스템 구축 사례 : 채용정보 수집부터 AI 매칭·문자 발송까지
2026.02.01
소개
취업상담 업무에서 가장 큰 문제는
① 채용정보가 여러 곳에 흩어져 있고
② 직업상담사 개인 역량에 따라 추천 품질이 달라지며
③ 상담 이후 후속 안내가 늦거나 누락된다는 점이었습니다.
이 문제를 해결하기 위해
채용정보 수집 → AI 매칭 → 문자 발송까지 전 과정을 자동화한 취업상담 자동화 시스템을 구축했습니다.
목표는 단순한 자동화가 아니라
직업상담사의 반복 업무를 줄이고
구직자에게는 더 빠르고 정확한 맞춤 채용 정보를 제공하는 것이었습니다.
진행 방법
사용도구
Python : 전체 자동화 로직 구현
Google Sheets : 상담 데이터 입력 및 트리거 역할
WorkNet API : 공식 채용정보 수집
RSS : 사람인, 잡코리아 채용 정보 수집
SQLite : 채용 정보 DB 저장
Claude AI : 구직자–채용공고 AI 매칭
알리고 API : SMS 자동 발송
전체 흐름 요약
대면 취업상담 후 상담 내용을 구글시트에 입력
시스템이 구글시트를 30초 주기로 감시
워크넷·RSS·특정 직무 채용정보 자동 수집
AI가 구직자 조건과 채용공고를 스마트 매칭
맞춤 채용정보를 문자로 자동 발송
사용한 프롬프트 전문 (AI 매칭)
당신은 취업상담 전문 AI입니다.
아래는 구직자의 조건입니다.
- 희망 직무
- 근무 지역
- 주요 역량
- 취업 의지
아래는 채용 공고 목록입니다.
각 채용 공고에 대해
1. 적합도 점수(0~100)
2. 추천 사유 한 문장
을 생성하세요.
가장 적합한 채용 공고 3개만 출력하세요.
프롬프트는 길게 설명하기보다, 판단 기준을 명확히 제시하는 방향으로 설계했습니다.
핵심 코드 예시 (자동화 메인 로직)
def auto_employment():
sheets_data = collect_from_google_sheets()
job_list = collect_jobs()
matched = smart_matcher(sheets_data, job_list)
send_sms(matched)
각 기능을 모듈 단위로 분리해 유지보수를 쉽게 했습니다.
현장에서는
start_employment.bat실행만으로 전체 자동화가 작동합니다.
결과와 배운 점
결과
상담 후 채용 정보 발송 시간 : 수동 대비 대폭 단축
상담사 개입 없이도 맞춤 채용 추천 가능
채용 정보 누락 및 중복 추천 문제 해결
상담 품질의 표준화 달성
배운 점
자동화의 핵심은 기술이 아니라 업무 흐름 설계
AI 성능보다 중요한 것은 입력 데이터 구조화
“완벽한 자동화”보다 “현장에서 바로 쓰이는 자동화”가 중요
나만의 꿀팁
AI 프롬프트는 길게 설명하지 말고 판단 기준을 명확히
상담 데이터는 처음부터 DB 구조를 염두에 두고 입력
자동화는 “사람을 대체”가 아니라 “사람을 보조”하는 방향이 효과적
시행착오
처음에는 채용정보를 너무 많이 수집해 오히려 추천 품질이 떨어짐
해결 방법: 직무·지역 필터를 선제적으로 적용
AI 매칭 결과를 무조건 신뢰하지 않고, 기준 점수 설정
도움 필요한 부분
카카오 알림톡 연동 고도화
매칭 결과 시각화 대시보드 구성
장기적으로는 취업 성공률 추적 기능 추가 필요
앞으로의 계획
간호조무사·보건계열 특화 취업 자동화 버전 확대
교육기관·학원 단위로 커스터마이징 가능한 구조로 확장
취업 이후 유지관리(이직, 재취업)까지 연결되는 플랫폼화
도움 받은 글
지피터스 자동화 사례 게시글
Python 기반 업무 자동화 사례
AI 프롬프트 설계 관련 커뮤니티 글

![[Claude Code] GitHub 10년차, 처음으로 깃허브 오픈소스에 이슈를 제안한 날 썸네일](/_next/image?url=https%3A%2F%2Fcdn-beta.gpters.org%2Fexternal%2Fa84f03516a747f7243a071f5.jpg&w=3840&q=75)

