Show GN: Reeca AI – 이력서 분석부터 채용공고 추천, 자기소개서, 모의면접까지 연결한 AI 취업 준비 서비스

Show GN: Reeca AI – 이력서 분석부터 채용공고 추천, 자기소개서, 모의면접까지 연결한 AI 취업 준비 서비스

긱뉴스에 소개된 Reeca AI는 취업 준비의 전 과정을 하나의 AI 파이프라인으로 엮는 서비스다. 이력서를 업로드하면 강점을 추출하고, 채용공고와 매칭한 뒤 자기소개서 초안과 모의면접 질문까지 생성한다.

분리돼 있던 도구들을 한 화면에서 연결한 점이 가장 큰 차이다. 사용자는 자기소개서 문단을 복사해 붙이지 않고도, 이력서 항목과 채용공고 키워드를 동시에 반영한 초안을 받을 수 있다. 모의면접 역시 직무와 경력에 맞춰 질문이 자동 생성되며, 답변을 평가해 피드백을 준다.

흐름을 따라가 보면

Reeca AI의 흐름은 크게 네 단계로 나뉜다. 첫 단계는 이력서 분석이다. 업로드한 이력서를 파싱해 직무 키워드, 사용한 기술, 프로젝트 경험을 정리한다. 두 번째는 채용공고 추천이다. 정리된 키워드를 기반으로 매칭 점수가 높은 공고를 보여주며, 공고별로 부족한 역량도 함께 알려준다.

세 번째는 자기소개서 초안이다. 이력서의 강점과 공고의 요구사항을 동시에 반영한 문단을 생성한다. 마지막은 모의면접이다. 직무별로 자주 나오는 질문과 함께, 사용자의 답변을 평가해 별점과 개선 포인트를 표시한다.

개발자 입장에서 흥미로운 부분

단순한 LLM 호출이 아니라 이력서 파싱, 임베딩 기반 매칭, 평가 프롬프트 체인이라는 복수의 모듈이 결합된 구조다. 서비스 자체를 만들 계획이 있다면 다음 세 가지가 시작점이 된다.

# 1) 이력서 키워드 추출 (예: LLM 호출 + 후처리)

import re
def extract_keywords(resume_text: str) -> list[str]:
LLM 호출로 직무/기술/프로젝트 키워드를 추출
raw = llm_call(prompt=f"다음 이력서에서 핵심 키워드를 추출해: {resume_text}")
return [k.strip() for k in re.split(r"[,\n]", raw) if k.strip()]

2) 채용공고 매칭 (임베딩 코사인 유사도)
import numpy as np
def match_score(resume_emb, post_emb) -> float:
a = np.array(resume_emb) / np.linalg.norm(resume_emb)
b = np.array(post_emb) / np.linalg.norm(post_emb)
return float(np.dot(a, b))

실전 활용 팁

• 이력서 한 버전으로 끝내지 말 것 – 지원할 회사군별로 이력서를 분리해 키워드를 다시 추출하면 매칭 정확도가 크게 올라간다.
• 자기소개서 초안은 1차로만 – LLM 초안을 그대로 제출하면 표정과 톤이 일관적이지 않다. 실제 면접관과 대화한 경험담을 최소 한 문단 추가하자.
• 모의면접은 녹화해서 보기 – 텍스트 피드백만으로는 표정·속도가 보이지 않는다. 화상 모의면접을 녹화해 두고 반복 청취하면 답변 구조가 자연스럽게 개선된다.

한계도 분명하다

Reeca AI가 잘하는 영역은 구조화다. 키워드 매칭과 초안 작성은 빠르지만, 지원자의 실제 업무 경험에서 나오는 차별점은 사용자가 직접 더해야 한다. 면접 예상 질문도 일반화된 질문이 많으므로, 그 회사만의 기술 블로그나 최근 이슈를 별도로 학습시켜 진짜 답변을 준비해야 한다.

앞으로의 방향

취업 준비는 계속 AI의 영향을 받을 영역이다. 다음 단계는 이력서에서 포트폴리오까지, 그리고 면접 피드백에서 협업 역량 평가까지 자동으로 연결되는 방향으로 발전할 가능성이 높다. Reeca AI처럼 한 화면에서 전체 흐름을 보여주는 도구가 그 기준이 될 가능성이 크다.

요약

• 이력서 분석 → 채용공고 추천 → 자기소개서 → 모의면접을 한 화면에서 연결한 서비스다.
• LLM + 임베딩 + 평가 프롬프트 체인의 결합 구조를 가진다.
• 초안과 추천은 1차로 쓰고, 실제 경험담과 회사별 학습을 사용자가 더해야 완성도가 올라간다.

출처: https://news.hada.io/topic?id=31906

---

📰 원본 출처 · https://news.hada.io/topic?id=31906 (#N=31906)

이 글은 GeekNews(긱뉴스)에 게제된 글을 기반으로 작성되었습니다. 원본의 라이선스와 저작권은 원작자에게 있습니다.