목록으로
업무 생산성 개선을 위한 AI 활용
입사 서류 자동화
서류는 AI가 읽고, 합격 기준은 규칙이 보고, 결정은 팀장님이 합니다
🤖 활용 AI 도구
Claude
① 어떤 상황에서 AI를 활용했나요?
저희 회사는 채용 공고를 내면 잡코리아를 비롯한 여러 채용 사이트에서 지원서가 들어옵니다. 평균적으로 일주일에 60명 정도가 지원합니다. 이력서와 포트폴리오가 따로 오고, 파일 형식도 HWP, PDF, Word가 섞여 있습니다. 경력이나 학력처럼 같은 내용이라도 사람마다 적는 방식이 달라서 한 장씩 열어 보지 않으면 비교가 어렵습니다.
예전에는 채용 담당자가 서류를 하나하나 열어 성명, 연락처, 생년월일, 학력, 경력, 종전 근무지, 직전 연봉, 희망 연봉을 찾아 채용 관리 엑셀에 옮겨 적었습니다. 그다음 팀마다 정해 둔 기본 조건을 직접 확인했습니다. 풀스택 팀이라면 Java 경험이 있는지, 내국인인지, 경력이 몇 년인지, 짧게 다니고 그만둔 이력이 반복되지는 않는지 같은 것들입니다. 재직 기간은 매번 날짜를 세어 봐야 해서 시간이 꽤 들었고 놓치는 경우도 있었습니다.
조건을 확인한 뒤에는 현업 팀장님께 메일이나 메신저로 검토를 부탁드렸습니다. 가장 오래 걸린 건 이 단계였습니다. 팀장님들도 본업이 있다 보니 여유가 있을 때도 서류 검토에 일주일 정도가 걸렸고, 프로젝트 마감 같은 바쁜 시기에는 2주까지 늘어났습니다. 그 사이 좋은 지원자가 다른 회사에 먼저 붙는 일도 생겼습니다. 결과가 나오면 다시 엑셀에 적고 원본 파일을 폴더별로 옮겨야 했는데, 이 마무리 작업도 자주 밀렸습니다.
서류를 읽어 옮겨 적고 조건을 확인하는 일도, 팀장님 답을 기다리는 시간도 모두 사람 손에 달려 있었습니다. 이 가운데 읽고 정리하는 일은 AI에게 맡기고, 팀장님은 정말 판단이 필요한 부분만 보시도록 업무를 다시 나눠 보기로 했습니다.
② 어떤 AI를 어떻게 활용했나요?
AI는 Anthropic의 Claude를 썼습니다. 여기에 MCP(Model Context Protocol)라는 방식으로 제가 직접 만든 로컬 서버 resume-review-bridge를 연결했습니다. MCP는 AI에게 "이런 도구를 쓸 수 있고, 이 도구에는 이런 값을 넣어야 한다"고 알려 주는 표준 연결 방식입니다. 그 뒤의 기록, 알림, 결재는 회사에서 원래 쓰던 Microsoft Power Automate, Teams, SharePoint, OneDrive로 처리했습니다.
실제 사용 순서는 이렇습니다.
먼저 사내 지원 시스템이 지원 서류를 내보낼 때 개인정보를 모자이크하고, 지원자마다 UUID라는 무작위 식별 번호를 붙입니다. 그래서 Claude에 올라가는 서류에는 이름이나 연락처 같은 개인정보가 없습니다.
담당자는 이 서류를 Claude에 올리고 "이 서류들 평가하여 제출해줘"라고 요청합니다. Claude는 이력서와 포트폴리오를 읽고 정해진 항목만 뽑아냅니다. 경력 연수, 외국인 여부, Java 경험 여부, 회사별 재직 기간(개월 수), 지원 팀 같은 값입니다. 실제 화면에서는 경력 6년, 외국인 아님, Java 경험 있음, 재직 기간 17개월·17개월·30개월, 풀스택 팀 같은 식으로 정리됩니다.
Claude가 이 값을 MCP 서버의 Evaluate candidate 도구에 넘기기 전에 화면에 승인 창이 뜹니다. 담당자는 넘어갈 값을 눈으로 확인하고 승인합니다. 만약 AI가 재직 기간을 잘못 읽었다면 이 단계에서 바로 잡을 수 있습니다.
MCP 서버 안에는 팀별 합격 기준이 코드로 들어 있습니다. 서버는 이 기준으로 지원자를 세 갈래로 나눕니다. 기준을 모두 충족하는 지원자, 팀장님이 직접 봐야 하는 지원자, 그리고 필수 조건이 분명히 맞지 않는 지원자입니다. 판정 결과는 웹훅으로 Power Automate에 전달됩니다.
Power Automate 흐름은 결과를 받아 나머지 일을 처리합니다. 필수 조건이 분명히 맞지 않는 지원자는 탈락으로 기록하고 끝냅니다. 나머지 지원자는 채용 관리 목록에 한 줄씩 추가하고, 원본 파일을 올려 공유 링크를 만든 뒤 Teams로 팀장님께 카드를 보냅니다. 카드에는 자동 판정 결과와 이유, 지원 플랫폼, 학력, 경력, 종전 근무지, 직전 연봉과 희망 연봉이 정리되어 있고, 합격 처리, 불합격 처리, 추가 정보 보기, 원본 파일 보기 버튼이 달려 있습니다. 예를 들어 "자동 판정: 합격 - Java 경험 있음, 내국인, 경력 3년, 이직·프리랜서 패턴 정상 - 전 조건 충족" 같은 문구가 카드 맨 위에 나옵니다.
팀장님이 버튼을 누르면 결과가 채용 관리 목록에 바로 적히고, 원본 파일도 결과에 맞는 폴더로 자동으로 옮겨집니다. 한 번에 올린 지원자들을 모두 검토하면 흐름이 이를 확인해 완료 알림을 보내 줍니다. 서류 평가가 끝나면 사내 시스템이 UUID를 원래 개인정보로 되돌려, 담당자는 실제 지원자 정보로 다음 전형을 진행합니다.
형식이 제각각인 서류에서 필요한 값을 찾아내는 일은 AI가 사람보다 빠르고 꼼꼼합니다. 하지만 "이 사람을 합격시킬까?"를 AI에게 그대로 물으면, 같은 서류에도 답이 달라질 수 있고 왜 그렇게 판단했는지 설명하기도 어렵습니다. 채용은 공정성과 설명이 중요한 일이라 AI가 합격 여부를 정하게 두고 싶지 않았습니다. 그래서 AI에게는 읽고 정리하는 일까지만 맡겼습니다. 기준 판정은 사람이 정해 둔 규칙으로 하고 최종 결정은 팀장님께 남기는 식으로 역할을 나눴습니다.
③ 활용 결과 어떤 변화가 있었나요?
검토 기간부터 달라졌습니다. 일주일에 60명 정도 지원서가 들어오는데 예전에는 이걸 처리하는 데 팀장님들이 여유 있을 때 일주일, 바쁠 때는 2주가 걸렸습니다. 이 시스템을 쓰고 나서는 이틀에서 사흘이면 끝납니다. 바쁜 시기 기준으로는 2주가 사흘 안쪽으로 줄었습니다.
팀장님이 서류를 받아 보는 방식이 바뀐 게 컸습니다. 예전에는 메일을 열고 첨부 파일을 내려받아 처음부터 읽어야 했습니다. 지금은 Teams 카드 한 장에 필요한 내용과 자동 판정 이유가 정리되어 있어서, 이동 중이나 회의 사이 잠깐 시간이 날 때도 확인하고 버튼을 누를 수 있습니다. 원본이 궁금하면 카드에서 바로 열어 볼 수 있습니다.
예전에는 서류 내용을 엑셀에 옮겨 적다가 오타가 나거나 칸이 밀리곤 했습니다. 지금은 옮겨 적는 일 자체가 없어져 그런 실수도 사라졌습니다. 결과를 묻고 기록하고 파일을 옮기는 일도 자동으로 되니 담당자 일이 많이 줄었습니다. 누가 어디까지 검토했는지는 채용 관리 목록만 보면 알 수 있습니다. 남는 시간은 지원자에게 연락하고 면접을 준비하는 데 쓰고 있습니다.
같은 조건이면 언제 누가 돌려도 같은 결과가 나오니 판정 기준이 일정해졌습니다. 재직 기간도 개월 수로 뽑아 계산하기 때문에, 사람이 날짜를 세다가 놓치던 일이 없어졌습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
무엇보다 붙어야 할 사람을 떨어뜨리지 않는 데 신경을 썼습니다. 서류 전형에서 생기는 실수는 떨어져야 할 사람이 붙는 경우와 붙어야 할 사람이 떨어지는 경우, 두 가지입니다. 앞의 경우는 코딩 테스트나 면접 같은 다음 전형에서 다시 걸러낼 수 있습니다. 하지만 붙어야 할 사람이 서류에서 떨어지면 그 지원자는 다시 볼 기회가 없습니다. 회사로서는 좋은 사람을 놓치는 것이고, 지원자에게도 억울한 일입니다.
그래서 처음부터 AI가 합격과 불합격을 딱 잘라 정하는 구조를 피하고, 붙어야 할 사람을 떨어뜨리는 경우(FN, 거짓 음성)를 최대한 줄이는 데 집중했습니다. 자동 탈락은 필수 조건이 분명히 맞지 않을 때만 하고, 조금이라도 애매한 지원자는 팀장님 검토로 넘기도록 기준을 잡았습니다. 자동 판정 결과도 카드에 "참고 의견"으로만 보여 드리고, 실제 합격과 불합격은 팀장님이 버튼으로 정하십니다.
중간에 사람이 확인하는 지점을 두 군데 넣었습니다. 하나는 승인 창으로, Claude가 뽑은 값을 MCP 도구로 넘기기 직전에 뜹니다. 다른 하나는 팀장님의 Teams 카드입니다. AI가 서류를 잘못 읽어도 이 두 단계에서 걸러낼 수 있습니다.
"이력서를 요약해 줘"라고 하면 매번 다른 형태의 글이 나옵니다. 그래서 MCP 도구의 입력 칸을 경력 연수는 숫자로, Java 경험은 예/아니오로, 재직 기간은 개월 수 목록으로 정해 두고 AI가 내놓는 결과의 모양을 고정했습니다. AI는 이 칸을 채우는 것 말고는 할 수 있는 일이 없어서 결과가 늘 같은 모양으로 나옵니다.
개인정보는 처음부터 AI에게 보내지 않도록 했습니다. 서류가 Claude에 올라가기 전에 사내 지원 시스템이 개인정보를 모자이크하고 UUID로 바꿉니다. 평가가 끝나면 UUID를 원래 정보로 되돌립니다. AI는 경력과 기술처럼 평가에 필요한 내용만 보고, 누가 지원했는지는 모릅니다. 개발과 시연에도 실제 지원자 대신 테스트용 가짜 데이터를 썼습니다.
새 시스템은 거의 들이지 않았습니다. 기록, 알림, 결재는 회사에서 이미 쓰던 Teams, SharePoint, OneDrive, Power Automate로 해결했고, 새로 만든 것은 로컬 MCP 서버 하나뿐입니다. 판정 기준과 웹훅 주소도 이 서버 안에만 있습니다. 그래서 도입 비용이 거의 없고 관리하기도 쉽습니다.
판정 기준은 지금 풀스택 팀에만 쓰고 있습니다. 앞으로 이를 팀별 설정으로 나눠 다른 팀에도 넓히고 코딩 테스트 안내와 1·2차 면접 일정 기록까지 같은 흐름에 이어 붙일 계획입니다.
⑤ 다른 사람도 따라 할 수 있나요?
네, 충분히 따라 할 수 있습니다. 코딩을 깊이 몰라도 됩니다. MCP 서버 코드도 Claude에게 "이런 값을 받아서 이런 기준으로 판정하고, 이 주소로 결과를 보내는 MCP 서버를 만들어 줘"라고 부탁해 초안을 받아 시작할 수 있습니다. 채용이 아니어도 견적서 검토, 계약서 확인, 경비 증빙 처리처럼 서류를 읽고 정해진 기준으로 나누는 업무라면 같은 방식을 쓸 수 있습니다.
필요한 것은 Claude 데스크톱 앱, Microsoft 365(Teams, SharePoint나 Excel Online, OneDrive, Power Automate), 그리고 MCP 서버를 돌릴 Python이나 Node.js가 설치된 PC입니다.
만드는 순서는 대략 이렇습니다.
1. 서류에서 뽑을 항목과 판정 기준을 먼저 글로 적습니다. 이때 어떤 경우에 자동으로 떨어뜨리고 어떤 경우에 사람이 볼지를 정하는데, 저희처럼 놓치면 안 되는 쪽을 먼저 생각하는 것이 좋습니다. 애매하면 사람에게 넘기는 쪽으로 정하면 됩니다.
2. 결과를 기록할 SharePoint 목록이나 엑셀 표를 만듭니다. 저희는 번호, 결과, 코딩 테스트, 1·2차 면접, 지원 경로, 성명, 연락처, 생년월일, 학력, 경력, 종전 근무지, 직전 연봉, 희망 연봉, 사유 열을 두었습니다.
3. Power Automate에서 웹훅 요청을 받으면 시작하는 흐름을 만듭니다. 목록에 행을 추가하고, 파일 공유 링크를 만들고, Teams에 적응형 카드를 보내 응답을 기다리고, 응답에 따라 결과를 적고 파일을 옮기는 순서로 이어 붙이면 됩니다. 저장하면 웹훅 주소가 생기는데 이 주소를 복사해 둡니다.
4. MCP 공식 SDK(Python 또는 TypeScript)로 로컬 MCP 서버를 만들고 도구를 하나 등록합니다. 도구는 1번에서 정한 값을 받아 기준대로 판정하고, 결과를 3번의 웹훅 주소로 보냅니다. 웹훅 주소는 코드에 그대로 적지 말고 환경 변수에 넣어 두세요. 판정 기준에는 간단한 테스트를 같이 만들어 두면 나중에 기준을 바꿀 때 안심이 됩니다.
5. Claude 데스크톱 설정 파일에 이 MCP 서버를 등록하고 Claude를 다시 실행합니다.
6. 실제 지원자 서류 대신 가짜 서류로 처음부터 끝까지 돌려 봅니다. 값이 제대로 뽑히는지, 판정이 기준과 맞는지, 카드가 오는지, 버튼을 누르면 목록이 바뀌고 파일이 옮겨지는지, 날짜와 금액이 제대로 보이는지 확인합니다.
따라 하실 때 꼭 지켜 주셨으면 하는 것이 몇 가지 있습니다. 개인정보가 담긴 서류를 외부 AI에 그대로 올리지 마시고, 저희처럼 미리 가리거나 바꾼 뒤 올리는 방법을 찾아 주세요. 회사 정책과 지원자 동의 범위도 먼저 확인해야 합니다. AI에게 합격과 불합격을 직접 묻지 말고, 기준은 사람이 정해 규칙으로 고정해 주세요. 승인 창처럼 사람이 확인하는 단계도 귀찮다고 빼지 않는 것이 좋습니다. 그리고 판정 기준이 특정 집단을 부당하게 배제하지 않는지, 법적으로 문제가 없는지도 함께 살펴봐야 합니다. 국적 같은 조건은 직무상 꼭 필요한 경우에만 써야 합니다.
한 줄로 정리하면
AI는 서류를 읽고 정리하는 일만 하고, 합격 기준은 사람이 정한 규칙이 보고, 최종 결정은 팀장님이 Teams 카드 한 장으로 내리는 구조를 만들었습니다. 그 결과 일주일에서 2주 걸리던 서류 검토가 이틀에서 사흘로 줄었습니다.
저희 회사는 채용 공고를 내면 잡코리아를 비롯한 여러 채용 사이트에서 지원서가 들어옵니다. 평균적으로 일주일에 60명 정도가 지원합니다. 이력서와 포트폴리오가 따로 오고, 파일 형식도 HWP, PDF, Word가 섞여 있습니다. 경력이나 학력처럼 같은 내용이라도 사람마다 적는 방식이 달라서 한 장씩 열어 보지 않으면 비교가 어렵습니다.
예전에는 채용 담당자가 서류를 하나하나 열어 성명, 연락처, 생년월일, 학력, 경력, 종전 근무지, 직전 연봉, 희망 연봉을 찾아 채용 관리 엑셀에 옮겨 적었습니다. 그다음 팀마다 정해 둔 기본 조건을 직접 확인했습니다. 풀스택 팀이라면 Java 경험이 있는지, 내국인인지, 경력이 몇 년인지, 짧게 다니고 그만둔 이력이 반복되지는 않는지 같은 것들입니다. 재직 기간은 매번 날짜를 세어 봐야 해서 시간이 꽤 들었고 놓치는 경우도 있었습니다.
조건을 확인한 뒤에는 현업 팀장님께 메일이나 메신저로 검토를 부탁드렸습니다. 가장 오래 걸린 건 이 단계였습니다. 팀장님들도 본업이 있다 보니 여유가 있을 때도 서류 검토에 일주일 정도가 걸렸고, 프로젝트 마감 같은 바쁜 시기에는 2주까지 늘어났습니다. 그 사이 좋은 지원자가 다른 회사에 먼저 붙는 일도 생겼습니다. 결과가 나오면 다시 엑셀에 적고 원본 파일을 폴더별로 옮겨야 했는데, 이 마무리 작업도 자주 밀렸습니다.
서류를 읽어 옮겨 적고 조건을 확인하는 일도, 팀장님 답을 기다리는 시간도 모두 사람 손에 달려 있었습니다. 이 가운데 읽고 정리하는 일은 AI에게 맡기고, 팀장님은 정말 판단이 필요한 부분만 보시도록 업무를 다시 나눠 보기로 했습니다.
② 어떤 AI를 어떻게 활용했나요?
AI는 Anthropic의 Claude를 썼습니다. 여기에 MCP(Model Context Protocol)라는 방식으로 제가 직접 만든 로컬 서버 resume-review-bridge를 연결했습니다. MCP는 AI에게 "이런 도구를 쓸 수 있고, 이 도구에는 이런 값을 넣어야 한다"고 알려 주는 표준 연결 방식입니다. 그 뒤의 기록, 알림, 결재는 회사에서 원래 쓰던 Microsoft Power Automate, Teams, SharePoint, OneDrive로 처리했습니다.
실제 사용 순서는 이렇습니다.
먼저 사내 지원 시스템이 지원 서류를 내보낼 때 개인정보를 모자이크하고, 지원자마다 UUID라는 무작위 식별 번호를 붙입니다. 그래서 Claude에 올라가는 서류에는 이름이나 연락처 같은 개인정보가 없습니다.
담당자는 이 서류를 Claude에 올리고 "이 서류들 평가하여 제출해줘"라고 요청합니다. Claude는 이력서와 포트폴리오를 읽고 정해진 항목만 뽑아냅니다. 경력 연수, 외국인 여부, Java 경험 여부, 회사별 재직 기간(개월 수), 지원 팀 같은 값입니다. 실제 화면에서는 경력 6년, 외국인 아님, Java 경험 있음, 재직 기간 17개월·17개월·30개월, 풀스택 팀 같은 식으로 정리됩니다.
Claude가 이 값을 MCP 서버의 Evaluate candidate 도구에 넘기기 전에 화면에 승인 창이 뜹니다. 담당자는 넘어갈 값을 눈으로 확인하고 승인합니다. 만약 AI가 재직 기간을 잘못 읽었다면 이 단계에서 바로 잡을 수 있습니다.
MCP 서버 안에는 팀별 합격 기준이 코드로 들어 있습니다. 서버는 이 기준으로 지원자를 세 갈래로 나눕니다. 기준을 모두 충족하는 지원자, 팀장님이 직접 봐야 하는 지원자, 그리고 필수 조건이 분명히 맞지 않는 지원자입니다. 판정 결과는 웹훅으로 Power Automate에 전달됩니다.
Power Automate 흐름은 결과를 받아 나머지 일을 처리합니다. 필수 조건이 분명히 맞지 않는 지원자는 탈락으로 기록하고 끝냅니다. 나머지 지원자는 채용 관리 목록에 한 줄씩 추가하고, 원본 파일을 올려 공유 링크를 만든 뒤 Teams로 팀장님께 카드를 보냅니다. 카드에는 자동 판정 결과와 이유, 지원 플랫폼, 학력, 경력, 종전 근무지, 직전 연봉과 희망 연봉이 정리되어 있고, 합격 처리, 불합격 처리, 추가 정보 보기, 원본 파일 보기 버튼이 달려 있습니다. 예를 들어 "자동 판정: 합격 - Java 경험 있음, 내국인, 경력 3년, 이직·프리랜서 패턴 정상 - 전 조건 충족" 같은 문구가 카드 맨 위에 나옵니다.
팀장님이 버튼을 누르면 결과가 채용 관리 목록에 바로 적히고, 원본 파일도 결과에 맞는 폴더로 자동으로 옮겨집니다. 한 번에 올린 지원자들을 모두 검토하면 흐름이 이를 확인해 완료 알림을 보내 줍니다. 서류 평가가 끝나면 사내 시스템이 UUID를 원래 개인정보로 되돌려, 담당자는 실제 지원자 정보로 다음 전형을 진행합니다.
형식이 제각각인 서류에서 필요한 값을 찾아내는 일은 AI가 사람보다 빠르고 꼼꼼합니다. 하지만 "이 사람을 합격시킬까?"를 AI에게 그대로 물으면, 같은 서류에도 답이 달라질 수 있고 왜 그렇게 판단했는지 설명하기도 어렵습니다. 채용은 공정성과 설명이 중요한 일이라 AI가 합격 여부를 정하게 두고 싶지 않았습니다. 그래서 AI에게는 읽고 정리하는 일까지만 맡겼습니다. 기준 판정은 사람이 정해 둔 규칙으로 하고 최종 결정은 팀장님께 남기는 식으로 역할을 나눴습니다.
③ 활용 결과 어떤 변화가 있었나요?
검토 기간부터 달라졌습니다. 일주일에 60명 정도 지원서가 들어오는데 예전에는 이걸 처리하는 데 팀장님들이 여유 있을 때 일주일, 바쁠 때는 2주가 걸렸습니다. 이 시스템을 쓰고 나서는 이틀에서 사흘이면 끝납니다. 바쁜 시기 기준으로는 2주가 사흘 안쪽으로 줄었습니다.
팀장님이 서류를 받아 보는 방식이 바뀐 게 컸습니다. 예전에는 메일을 열고 첨부 파일을 내려받아 처음부터 읽어야 했습니다. 지금은 Teams 카드 한 장에 필요한 내용과 자동 판정 이유가 정리되어 있어서, 이동 중이나 회의 사이 잠깐 시간이 날 때도 확인하고 버튼을 누를 수 있습니다. 원본이 궁금하면 카드에서 바로 열어 볼 수 있습니다.
예전에는 서류 내용을 엑셀에 옮겨 적다가 오타가 나거나 칸이 밀리곤 했습니다. 지금은 옮겨 적는 일 자체가 없어져 그런 실수도 사라졌습니다. 결과를 묻고 기록하고 파일을 옮기는 일도 자동으로 되니 담당자 일이 많이 줄었습니다. 누가 어디까지 검토했는지는 채용 관리 목록만 보면 알 수 있습니다. 남는 시간은 지원자에게 연락하고 면접을 준비하는 데 쓰고 있습니다.
같은 조건이면 언제 누가 돌려도 같은 결과가 나오니 판정 기준이 일정해졌습니다. 재직 기간도 개월 수로 뽑아 계산하기 때문에, 사람이 날짜를 세다가 놓치던 일이 없어졌습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
무엇보다 붙어야 할 사람을 떨어뜨리지 않는 데 신경을 썼습니다. 서류 전형에서 생기는 실수는 떨어져야 할 사람이 붙는 경우와 붙어야 할 사람이 떨어지는 경우, 두 가지입니다. 앞의 경우는 코딩 테스트나 면접 같은 다음 전형에서 다시 걸러낼 수 있습니다. 하지만 붙어야 할 사람이 서류에서 떨어지면 그 지원자는 다시 볼 기회가 없습니다. 회사로서는 좋은 사람을 놓치는 것이고, 지원자에게도 억울한 일입니다.
그래서 처음부터 AI가 합격과 불합격을 딱 잘라 정하는 구조를 피하고, 붙어야 할 사람을 떨어뜨리는 경우(FN, 거짓 음성)를 최대한 줄이는 데 집중했습니다. 자동 탈락은 필수 조건이 분명히 맞지 않을 때만 하고, 조금이라도 애매한 지원자는 팀장님 검토로 넘기도록 기준을 잡았습니다. 자동 판정 결과도 카드에 "참고 의견"으로만 보여 드리고, 실제 합격과 불합격은 팀장님이 버튼으로 정하십니다.
중간에 사람이 확인하는 지점을 두 군데 넣었습니다. 하나는 승인 창으로, Claude가 뽑은 값을 MCP 도구로 넘기기 직전에 뜹니다. 다른 하나는 팀장님의 Teams 카드입니다. AI가 서류를 잘못 읽어도 이 두 단계에서 걸러낼 수 있습니다.
"이력서를 요약해 줘"라고 하면 매번 다른 형태의 글이 나옵니다. 그래서 MCP 도구의 입력 칸을 경력 연수는 숫자로, Java 경험은 예/아니오로, 재직 기간은 개월 수 목록으로 정해 두고 AI가 내놓는 결과의 모양을 고정했습니다. AI는 이 칸을 채우는 것 말고는 할 수 있는 일이 없어서 결과가 늘 같은 모양으로 나옵니다.
개인정보는 처음부터 AI에게 보내지 않도록 했습니다. 서류가 Claude에 올라가기 전에 사내 지원 시스템이 개인정보를 모자이크하고 UUID로 바꿉니다. 평가가 끝나면 UUID를 원래 정보로 되돌립니다. AI는 경력과 기술처럼 평가에 필요한 내용만 보고, 누가 지원했는지는 모릅니다. 개발과 시연에도 실제 지원자 대신 테스트용 가짜 데이터를 썼습니다.
새 시스템은 거의 들이지 않았습니다. 기록, 알림, 결재는 회사에서 이미 쓰던 Teams, SharePoint, OneDrive, Power Automate로 해결했고, 새로 만든 것은 로컬 MCP 서버 하나뿐입니다. 판정 기준과 웹훅 주소도 이 서버 안에만 있습니다. 그래서 도입 비용이 거의 없고 관리하기도 쉽습니다.
판정 기준은 지금 풀스택 팀에만 쓰고 있습니다. 앞으로 이를 팀별 설정으로 나눠 다른 팀에도 넓히고 코딩 테스트 안내와 1·2차 면접 일정 기록까지 같은 흐름에 이어 붙일 계획입니다.
⑤ 다른 사람도 따라 할 수 있나요?
네, 충분히 따라 할 수 있습니다. 코딩을 깊이 몰라도 됩니다. MCP 서버 코드도 Claude에게 "이런 값을 받아서 이런 기준으로 판정하고, 이 주소로 결과를 보내는 MCP 서버를 만들어 줘"라고 부탁해 초안을 받아 시작할 수 있습니다. 채용이 아니어도 견적서 검토, 계약서 확인, 경비 증빙 처리처럼 서류를 읽고 정해진 기준으로 나누는 업무라면 같은 방식을 쓸 수 있습니다.
필요한 것은 Claude 데스크톱 앱, Microsoft 365(Teams, SharePoint나 Excel Online, OneDrive, Power Automate), 그리고 MCP 서버를 돌릴 Python이나 Node.js가 설치된 PC입니다.
만드는 순서는 대략 이렇습니다.
1. 서류에서 뽑을 항목과 판정 기준을 먼저 글로 적습니다. 이때 어떤 경우에 자동으로 떨어뜨리고 어떤 경우에 사람이 볼지를 정하는데, 저희처럼 놓치면 안 되는 쪽을 먼저 생각하는 것이 좋습니다. 애매하면 사람에게 넘기는 쪽으로 정하면 됩니다.
2. 결과를 기록할 SharePoint 목록이나 엑셀 표를 만듭니다. 저희는 번호, 결과, 코딩 테스트, 1·2차 면접, 지원 경로, 성명, 연락처, 생년월일, 학력, 경력, 종전 근무지, 직전 연봉, 희망 연봉, 사유 열을 두었습니다.
3. Power Automate에서 웹훅 요청을 받으면 시작하는 흐름을 만듭니다. 목록에 행을 추가하고, 파일 공유 링크를 만들고, Teams에 적응형 카드를 보내 응답을 기다리고, 응답에 따라 결과를 적고 파일을 옮기는 순서로 이어 붙이면 됩니다. 저장하면 웹훅 주소가 생기는데 이 주소를 복사해 둡니다.
4. MCP 공식 SDK(Python 또는 TypeScript)로 로컬 MCP 서버를 만들고 도구를 하나 등록합니다. 도구는 1번에서 정한 값을 받아 기준대로 판정하고, 결과를 3번의 웹훅 주소로 보냅니다. 웹훅 주소는 코드에 그대로 적지 말고 환경 변수에 넣어 두세요. 판정 기준에는 간단한 테스트를 같이 만들어 두면 나중에 기준을 바꿀 때 안심이 됩니다.
5. Claude 데스크톱 설정 파일에 이 MCP 서버를 등록하고 Claude를 다시 실행합니다.
6. 실제 지원자 서류 대신 가짜 서류로 처음부터 끝까지 돌려 봅니다. 값이 제대로 뽑히는지, 판정이 기준과 맞는지, 카드가 오는지, 버튼을 누르면 목록이 바뀌고 파일이 옮겨지는지, 날짜와 금액이 제대로 보이는지 확인합니다.
따라 하실 때 꼭 지켜 주셨으면 하는 것이 몇 가지 있습니다. 개인정보가 담긴 서류를 외부 AI에 그대로 올리지 마시고, 저희처럼 미리 가리거나 바꾼 뒤 올리는 방법을 찾아 주세요. 회사 정책과 지원자 동의 범위도 먼저 확인해야 합니다. AI에게 합격과 불합격을 직접 묻지 말고, 기준은 사람이 정해 규칙으로 고정해 주세요. 승인 창처럼 사람이 확인하는 단계도 귀찮다고 빼지 않는 것이 좋습니다. 그리고 판정 기준이 특정 집단을 부당하게 배제하지 않는지, 법적으로 문제가 없는지도 함께 살펴봐야 합니다. 국적 같은 조건은 직무상 꼭 필요한 경우에만 써야 합니다.
한 줄로 정리하면
AI는 서류를 읽고 정리하는 일만 하고, 합격 기준은 사람이 정한 규칙이 보고, 최종 결정은 팀장님이 Teams 카드 한 장으로 내리는 구조를 만들었습니다. 그 결과 일주일에서 2주 걸리던 서류 검토가 이틀에서 사흘로 줄었습니다.
