AI 채용 자동화, 동일한 DM 대신 후보별 커리어 로드맵 만들기
2026.08.20

소개
원티드에서 후보자에게 제안할 때 같은 채용 DM을 보내고 있었습니다. 포지션과 회사 이야기는 담겨 있지만, 후보자 입장에서는 “왜 하필 나에게 연락했을까?”가 잘 보이지 않았어요.
그래서 AI 채용 자동화의 초점을 발송량이 아니라 후보자 경험에 두기로 했습니다. 이력과 학력을 읽고, 우리 회사에 합류했을 때의 3년 커리어 로드맵을 개인별 HTML 슬라이드로 만들어 DM에 넣는 방식입니다.
아직 실제 발송 전이라 성과는 없습니다. 현재 5~8%인 DM 발송 후 커피챗 전환율을 20~30%까지 높일 수 있을지 다음 주부터 검증할 예정이에요.

같은 채용 DM에서 시작한 문제
기존에는 후보자마다 동일한 메시지를 보냈습니다. 여러 사람에게 빠르게 보낼 수는 있지만, 후보자의 경력과 앞으로의 성장 가능성을 보여주지는 못했어요.
제가 세운 가설은 단순했습니다.
“후보자가 자기 이력을 바탕으로 만든 커리어 로드맵을 받으면 응답률이 다섯 배가량 오르지 않을까?”
처음 Codex에 요청한 내용도 개인화된 커리어 방향을 만드는 일이었습니다.
ai-education 직무를 제안하면서 후보 이력과 학력을 반영한 커리어 로드맵을 사이트 형태로 전하고 싶어.
큰 방향은 두 가지야. AI-Native 조직을 만들어 가며 AI 시대의 전문가로 성장하는 것, AI 강사와 코치·교육생의 상호작용을 설계해 더 즐겁고 몰입도 높은 학습 경험을 만드는 전문가가 되는 것.후보 한 명의 이력을 넣고 초안을 만들자 0–3개월, 3–12개월, 1–2년, 2–3년의 네 단계가 나왔습니다. 교육 운영이나 사업 기획 경력뿐 아니라 전공과 연구 주제도 새 역할에 연결됐어요.
첫 결과는 아쉬웠습니다. 회사의 큰 방향은 담겼지만 후보자만의 경력 변화가 충분히 보이지 않았고, 기업 교육을 끝까지 하게 만드는 힘도 강제 완주처럼 표현됐어요.
이 사람의 개인적인 이력과 학력이 잘 반영된 것 같지 않아.
기업 AI 교육은 강제로 끝까지 움직이게 하는 것보다, 진심으로 학습에 몰입하고 더 즐거운 경험을 하게 만드는 것이 더 큰 것 같아. 그 점을 반영해서 다시 만들어줘.이 피드백 뒤에 로드맵의 중심이 바뀌었습니다. 현업 문제에서 시작해 작은 결과물을 만들고, 자기효능감을 얻고, 동료와 사례를 나누면서 자발적인 학습으로 이어지는 흐름이 됐어요. 후보자의 과거 경험도 각 단계에서 어떻게 쓰이는지 보이기 시작했습니다.
HTML 슬라이드를 매번 새로 만들 수는 없었습니다
텍스트 DM만으로는 개인 로드맵을 읽게 만들기 어렵다고 봤습니다. 한눈에 보이는 HTML 슬라이드가 필요했어요.
문제는 후보자마다 HTML을 새로 만들고 각각 다른 웹사이트로 배포하면 생성 시간과 비용이 계속 늘어난다는 점입니다. 후보자가 많아질수록 디자인도 흔들리고 수정할 곳도 많아집니다.
여기서 구조를 바꿨습니다.
1단계 — 공통 슬라이드 템플릿을 먼저 만들었습니다
화면 구성, 색상, 타임라인, 모바일 대응은 고정
후보별로 바뀌는 문장과 경력만 데이터로 분리
긴 문장이 레이아웃을 깨지 않도록 글자 수 제한
2단계 — 사이트는 하나만 운영하기로 했습니다
후보마다 새 사이트를 만드는 대신 공통 사이트 아래에 난수로 된 서브 페이지 생성
검색 결과에는 나오지 않도록 설정
메시지를 받은 후보자는 DM에 담긴 개인 링크로 접근
3단계 — 생성할 때 바꾸는 부분을 줄였습니다
후보의 표시 이름
경력 변화와 기존 경험
단계별로 활용할 강점
앞으로 익힐 역량
이 방식이면 디자인을 매번 다시 만들지 않아도 개인 맞춤형 커리어 로드맵을 만들 수 있습니다. 생성 속도를 잡으면서 후보자마다 다른 이야기도 유지하는 구조예요.

로드맵 생성을 반복할 수 있는 스킬로 묶었습니다
후보 한 명에게 좋은 결과를 만드는 것만으로는 부족했습니다. 원티드 후보를 검토할 때마다 같은 흐름을 다시 실행할 수 있어야 했어요.
이력을 파악해 Pass/Fail을 결정하고, Pass이면 맞춤형 커리어 로드맵 사이트와 개인 메시지를 만든 뒤 원티드 제안 UI로 보내고, Fail이면 종료하는 스킬을 만들고 싶어.
후보마다 서브에이전트가 실행돼 메인 에이전트의 컨텍스트를 크게 쓰지 않는 것이 목표야.Codex와 약 5시간 35분 동안 다섯 개 세션을 이어가며 아래 구조를 만들었습니다.
직무 문서와 후보 이력을 비교하는 이력서 선별
후보 이력으로 로드맵 데이터를 만드는 단계
고정 HTML 템플릿에 데이터를 넣는 단계
승인된 채용 메시지에서 지정된 부분만 개인화하는 단계
후보별 링크를 발행하는 단계
후보와 메시지, 공고, 발송 승인을 마지막에 다시 확인하는 단계
같은 후보에게 같은 직무를 두 번 보내지 않는 중복 방지
Python 테스트 16개와 사이트 테스트 2개도 통과했습니다. AI 없이 직접 설계하고 구현했다면 2주는 걸렸을 작업이라고 봅니다.
이날 하루 만에 완성한 것은 실제 발송 가능한 최종 제품이 아니라 핵심 구조와 첫 번째 구현입니다. 이 차이를 분명히 해두는 것이 중요해요.
실제 DM을 보내려다 더 큰 빈칸을 발견했습니다
스킬을 설치한 뒤 원티드 목록의 첫 두 명에게 보내달라고 요청했습니다. 여기서 바로 발송되지는 않았어요. 기존 스킬은 이미 상세 창이 열린 후보 한 명만 처리하도록 제한돼 있었기 때문입니다.
처음에는 목록 순회만 허용하면 될 것 같았습니다. 그런데 수정 전에 한 가지를 다시 물었습니다.
Pass/Fail 평가 기준은 어디에 있어? 나는 입력한 적이 없는데, 로드맵 내용도 ai-education.md에 없는 것 같아.확인해보니 더 중요한 문제가 있었습니다. 후보자를 걸러낼 기준과 커리어 로드맵의 일부 내용이 직무 문서가 아니라 스킬 내부 정책과 템플릿에 흩어져 있었어요.
제가 원한 이력서 선별은 높은 점수를 받은 사람만 뽑는 방식이 아닙니다. 확실히 맞지 않는 사람만 제외하고, 정보가 없거나 모호한 후보자는 다음 단계에서 확인하는 방식입니다. 그런데 이 기준이 직무 상세 문서를 만드는 과정에 없었습니다.
커리어 로드맵도 마찬가지였습니다. 직무 파일을 만들 때부터 아래 두 방향이 들어가야 했어요.
AI-Native 조직을 만드는 과정에서 해당 직무의 AI-Native 전문가로 성장하는 방향
AI 강사와 교육생의 상호작용을 설계해 학습 의지가 이어지게 만드는 전문가로 성장하는 방향
각 직무가 두 방향에 어떻게 직접 기여하는지도 함께 있어야 후보별 로드맵을 근거 있게 만들 수 있습니다.
이 문제를 다음 주에 해결하기 위해 wanted-career-proposal-v2-guide-integration-plan.md를 작성해뒀습니다. GUIDE.md로 직무 파일을 만들 때 이력서의 확실한 제외 신호와 두 커리어 방향이 함께 생성되도록 바꾸는 계획입니다.
현재 결과와 다음 주 검증
항목 | 이전 | 현재 |
|---|---|---|
후보자 메시지 | 모두 같은 DM | 후보별 로드맵을 포함하는 구조 설계 |
커리어 설명 | 직무 소개 중심 | 이력·학력과 네 단계 성장 경로 연결 |
표현 방식 | 텍스트 | 개인 링크로 여는 HTML 슬라이드 |
제작 방식 | 후보마다 수작업 필요 | 공통 템플릿과 후보별 서브 페이지 |
예상 개발 기간 | AI 없이 약 2주 | AI와 하루 동안 핵심 구조 구현 |
실제 전환율 | 커피챗 전환 5~8% | 아직 측정 전 |
다음 주에는 직무 문서 생성 과정과 스킬을 연결하고 실제 후보에게 DM을 보낼 예정입니다. 목표는 커피챗 전환율을 20~30%로 높이는 것입니다. 이 수치는 아직 결과가 아니라 검증할 가설입니다.
실험에서는 아래를 함께 보려고 합니다.
DM을 열고 답장한 비율
개인 로드맵 링크를 본 비율
답장 후 커피챗으로 이어진 비율
후보자가 로드맵을 어떻게 받아들였는지
응답률이 오르더라도 로드맵 때문인지 메시지 문구 때문인지 구분해야 합니다. 가능하면 동일한 직무와 비슷한 후보군에서 기존 DM과 로드맵 DM을 나눠 비교할 생각입니다.
AI 활용 팁
개인화 작업을 자동화할 때는 곧바로 대량 생성부터 시작하지 않는 편이 좋습니다.
첫째, 한 사람의 결과물을 충분히 다듬어야 합니다. 후보의 어떤 경력을 가져오고 무엇을 새로 만들면 안 되는지 먼저 확인할 수 있어요.
둘째, 디자인과 사실을 분리해야 합니다. HTML과 스타일은 템플릿으로 고정하고 후보 이력에서 바뀌는 데이터만 생성하면 속도와 품질을 함께 관리하기 쉽습니다.
셋째, 판단 기준의 원본을 먼저 정해야 합니다. 이번 작업에서는 직무 문서가 이력서 선별과 커리어 방향의 단일 원본이 되어야 한다는 사실을 뒤늦게 발견했습니다.
넷째, 개인 링크의 공개 범위를 확인해야 합니다. 검색에서 제외된 난수 URL도 링크를 전달받은 제3자가 열 수 있습니다. 수신자만 보게 하려면 로그인이나 일회용 인증 같은 별도 장치가 필요해요.
바로 쓸 수 있는 프롬프트
아래 직무 문서와 후보 이력을 바탕으로 후보 맞춤형 3년 커리어 로드맵을 만들어줘.
후보 이력에 적힌 사실만 사용해줘
학교나 회사 이름보다 역할 변화, 직접 한 일, 성과를 중심으로 연결해줘
0–3개월,3–12개월,1–2년,2–3년의 네 단계로 나눠줘각 단계에 기존 경험을 어떻게 활용하는지와 새로 익힐 역량을 구분해줘
직무 문서에 정의된 커리어 방향 밖의 역할이나 성과를 만들지 마
정보가 부족하면 추정하지 말고 확인이 필요한 항목으로 남겨줘
[직무 문서] [후보 이력]
우리 회사에도 이런 자동화를 도입하고 싶다면
회사 업무에 맞춘 AI 교육을 함께 설계해요.




실제로 응답율이 얼마나 높아질지 궁금하네요. 저렇게 제안이 오면 도저히 답장을 하지 않을 수 없을 것 같습니다!