[데이터 관리/분석] Re:sume - 통합 커리어 분석 AI 에이전트

   이처럼 데이터들은 여러 플랫폼에 흩어져 있어 자신의 커리어 현황을 객관적으로 파악하기 어렵다. 경험들을 이력서나 포트폴리오에 활용하기 위해서는 기록을 꾸준히 정리하는 작업이 필요하지만, 대부분의 학생에게 이는 지속하기 어려운 작업이다. 그 결과, 학생들은 자신의 강점, 필요한 경험, 적합한 직무와 같은 중요한 커리어 의사결정을 명확한 근거 없이 기억이나 직감에 의존해 내리게 된다는 문제점이 있다.' Education Sciences 저널의 논문 “Learning Analytics for Bridging the Skills Gap: A Data-Driven Study of Undergraduate Aspirations and Skills Awareness for Career Preparedness” 에 따르면, 학생들은 가고 싶은 직무나 목표는 알고 있더라도, 본인의 수준이나 준비 상태를 객관적으로 파악하지 못하는 경우가 많다고 한다. 또, 논문에서 얘기하는 큰 문제 중 하나는 학생들이 자신의 상태를 객관적으로 파악하지 못하는 이유가 자신의 경험과 커리어에서 필요한 역량을 연결하는 데에 어려움을 겪기 때문이라는 부분이다. 대학생활동안 진로를 위해 스스로, 또는 학교에서 학습한 내용과 실제 업무에서 사용할 수 있는 기술 (skill)들을 연결하지 못한다는 것이다. 특히 ‘구조화된 피드백과 데이터 기반 인사이트’ 가 부족하다고 언급한다.    

    특히 Bridging the skills gap: Fuelling careers and the economy in South Korea에서는 특히 한국 학생들을 대상으로 진행한 연구에서 기업이 원하는 역량과 학생의 역량 사이 불일치가 있다며, 학생들의 자기 객관화 능력이 부족하다는 연구 결과를 제시한다. 실제로 컴퓨터공학 전공 학생들로 구성되어 있는 Oops(웁스!)팀 학생들도 진로를 위해 학교 전공 수업 공부 외에도 동아리, 학회, 스터디를 통해 개발 프로젝트를 진행하고, 인공지능, 데이터에 대한 공부를 하지만 객관적으로 우리의 강점이 무엇인지, 앞으로 어떤 부분을 개선해 나가야 하는지에 대해 혼란을 느낀다.

- 멀티 플랫폼 데이터 자동 수집: Gmail, GitHub, Notion API로 여러 플랫폼에 분산된 활동 데이터 병렬적으로 수집

- 카테고리별 데이터 구조화: 수집된 데이터는 LLM을 이용해 Events, Projects, Activities, Etc의 4가지 카테고리로 자동 분류되어 Google Sheets의 개별 시트 페이지에 저장되고, 사용자는 언제든 원본 데이터 확인이 가능함

- AI 기반 역량 분석 및 인사이트 생성 : 구조화된 데이터를 제공 받은 업스테이지 API를 사용해 Upstage Solar Pro2 LLM에 전달해 분석을 수행함. 사용자가 선택한 희망 직무에 맞춰 해당 직무에서 요구하는 핵심 역량 기준으로 분석 프롬프트를 동적 생성함. 수집된 데이터에서 반복적으로 나타나는 기술 스택, 협업 경험, 성과를 추출해 상위 3개 강점을 도출하고, 희망 직무의 일반적인 요구사항에 대비해 부족한 경험 영역을 식별해 상위 3개 개선 포인트 제시함. 이후 개선점을 보완하기 위한 구체적인 TO-DO 리스트를 생성함. 구체적인 근거를 제시함으로써 사용자가 이해하고 능동적으로 필요한 부분을 선별해 스스로의 성장에 적용할 수 있도록 함.

- 자동 리포트 생성 및 효율적인 제공 : 결과물은 원본 카테고리별 데이터가 저장된 구글 시트, 역량 분석 결과가 저장된 구글 독스의 분석 리포트에 생성되고, 이 링크들은 내용이 요약된 슬랙 채널의 메시지에 첨부. 요약본을 먼저 제공해 단계적으로 정보를 수용할 수 있도록 도움.