FTJA:
Fine Tune Job Agent
FTJA는 사용자가 업로드한 이력서, 포트폴리오, 자연어 필터, 채용 공고를 의미론적으로 분석해 구직자에게 적합한 포지션을 카테고리화하고 판단 근거를 제시하는 Fine Tune Job Agent 입니다. RAG 파이프라인을 구축하여 95% 이상의 매칭 정확도로 연관성이 낮은 포지션을 필터링하고, 쿼리당 비용을 $0.01 수준으로 혁신적으로 절감했습니다.
취업 준비의 가장 큰 병목, "나에게 진짜 맞는 공고" 찾기.
구직 매칭 퍼널에서 가장 큰 비효율은 사용자가 확인하는 채용 공고의 95%가 본인과 무관하다는 점입니다. 수많은 공고를 일일이 열어보고 판별하는 데 압도적인 시간이 소모됩니다.
다른 AI 잡 매칭 플랫폼들은 작동 원리를 알 수 없는 '블랙박스'이며, 기존에 쓰던 채용 플랫폼(LinkedIn 등)을 사용하지 못합니다. 이를 해결하기 위해 사용자가 직접 세밀한 기준을 설정하고 매칭 과정을 통제할 수 있는 설명 가능한(Explainable) RAG 프로토타입 설계에 착수했습니다.
Fine Tune Job Agent
자연어 커스텀 필터링
단순한 필터+키워드 기반 찾기를 넘어섰습니다. 사용자는 타협 불가능한 '딜 브레이커(비자 상태 등)'와 유연한 선호 조건(ex: 초기 스타트업)을 자연어로 미세 조정(Fine-tune)할 수 있습니다.
설명 가능한 매칭 (White-box AI)
블랙박스를 제거했습니다. 에이전트가 이력서, 맞춤형 필터, 채용 공고를 대조하여 왜 해당 공고가 통과했는지 혹은 어떤 항목에서 실패했는지 투명하게 매칭 근거를 설명합니다.
즉각적인 카테고리화
사용자가 채용 공고를 클릭할 때마다 백그라운드에서 실시간 분석을 병렬로 진행하여 "Apply Now", "Review First", "Skip" 과 같이 빠르게 분류합니다.
매끄러운 브라우저 통합 경험
최적의 사용자 경험을 위해 MVP를 크롬 익스텐션 형태로 구축했습니다. 이는 LinkedIn과 같은 기존의 채용 플랫폼에 통합되어, 사용자가 새 인터페이스에 적응할 필요 없이 사이드 패널을 통해 이용 가능합니다.
이력서 업로드 & 선호도 설정
여러 공고를 동시에 클릭
매칭 이유 및 피드백 검토
Finding the Perfect Fit
"Perplexity AI Business Fellowship 과정에서 기획하고 개발한 프로젝트입니다. 단순한 챗봇(API Wrapper) 형태를 벗어나, 실제 구직자의 채용 퍼널에 존재하는 비효율(95%의 무관한 공고)을 해결하기 위한 목적형 RAG 프로덕트입니다. 반복적인 피드백 루프와 메트릭 검증을 통해 $0.01/쿼리라는 압도적인 비용 효율성으로 95%+ 이상의 정확도를 달성했습니다."