이 글은 PA201 멤버 “한덕경”님이 작성하셨습니다.
2022년 11월 ChatGPT 3.5가 출시된 이후 다양한 산업과 직종에서 ChatGPT의 사용이 급증하고 있습니다.
저는 AI의 등장이 피플 애널리틱스 방법론에 큰 변화를 가져올 것이라고 믿고 이를 HR 분야에 어떻게 적용할지 고민해왔습니다.
AI 언어 모델인 ChatGPT와 같은 AI 기술이 HR 분야에서 어떻게 활용될 수 있는지 설명하는 것이 이 글의 목적이다.
‘자기소개서 전형‘라는 예를 통해 이해를 돕고자 합니다.
특히 널리 알려진 R이나 Python의 통계 기반 텍스트 분석 방법론을 따르지 않기 때문에,
일부 AI 기반 텍스트 분석 결과가 부정확할 수 있음을 미리 알려드립니다.
이 글을 읽고 이 분야에 관심을 가지고 계신 분들의 상상과 피드백을 통해 더 많은 HR 유즈케이스가 나왔으면 하는 바램입니다.
그럼 글 시작하겠습니다.
1. AI 기반 인사 텍스트 분석
AI 기반 HR 텍스트 분석은 NLP 및 기계 학습 알고리즘을 사용하여 HR에서 텍스트 데이터를 추출하고 분석하는 접근 방식입니다.
인사 텍스트 데이터는 자기소개서, 평가 데이터, 만족도 조사, 기업 평판/SNS 사이트, 기타 내/외부 데이터에서 얻습니다.
분석은 인사 의사결정에 필요한 정보를 제공합니다.
단어 빈도 분석, 이상값 분석, 주제 요약, 데이터 라벨링(분류) 등의 방법을 사용하여 분석합니다.
기존의 통계기반 텍스트 분석은 빈도분석, 워드클라우드, 특이분석, 상관분석 등의 통계적 방법을 통해 텍스트 데이터를 분석하였다.
그러나 이 방법은 자연어의 문맥과 뉘앙스를 포착하지 못하고 분석하는 데 많은 시간이 걸립니다.
오류가 발생하기 쉬운 코딩이 필요했기 때문에 HR 의사 결정에 활용하기 어려웠습니다.
한편, AI 기반의 HR 텍스트 분석은 인사부서에서 복잡한 코딩 없이 대량의 텍스트 데이터에 대해 다양한 통계/예측을 수행할 수 있도록 합니다.
AI 기반 텍스트 분석은 기계가 인간의 언어를 이해하고 해석할 수 있도록 NLP를 사용하여 텍스트를 분석합니다.
AI 기반 HR 텍스트 분석의 이점은 다음 장에서 설명합니다.
2. AI 기반 인사 텍스트 분석의 장점
HR에서 AI 기반 텍스트 분석의 이점은 크게 네있습니다.
- 첫째, AI 기반 텍스트 분석 대량의 텍스트 데이터를 단시간에 분석하여 생산성 향상 있습니다.
- 둘째, NLP 기술은 정보를 정확하게 추출하고 분류하며, 인적 오류 최소화 및 정확도 향상장점이 있습니다.
- 셋째, 텍스트 분석 정보 추출 및 분류의 높은 정확도제공 할 수 있습니다.
- 넷째, AI를 활용한 인사 텍스트 분석 조직 내 이슈를 파악하고 직원들의 의견을 수렴하여 더 나은 의사결정을~에 의해
회원들의 필요를 충족시키는 데 도움될 수 있다마지막으로 단어 빈도 분석, 이상값 분석, 주제 요약 및 분류를 포함한 다양한 방법을 사용하여 이러한 데이터를 분석할 수 있습니다.
3. ChatGPT를 이용한 자기소개서 심사
이제 AI 기반 HR 텍스트 분석의 예를 살펴보겠습니다.
인사팀에서 처음으로 얻은 데이터인 ‘지원자의 자기소개서’를 ChatGPT로 어떻게 선별하는지 알아보겠습니다.
“지원자 정보 시트” 및 ‘챗GPT’ 그리고 ‘Google 시트 및 문서용 ChatGPT‘이것 필요한사용 방법은 생략합니다.
Google 스프레드시트 및 문서용 ChatGPT
목록 정리, 항목 추출, 형식 변환 편집, 요약, 번역, 분류 광고 크리에이티브, 태그라인, 제목줄, 개요, 블로그, 이메일 생성 당사의 GPT 기능은 스프레드시트의 짧은 텍스트에 적합합니다.
문서 통합 및 사전 설정은 훌륭한
gptforwork.com
리크루터의 직무 중 하나인 자기소개서 심사 대상에 대해 설명드리겠습니다.
신입생으로 3년간 전문가 모집과 다수의 지원자에 대한 정보 정리를 담당하면서,
채용과정에서 자기소개서 이외의 정보를 우선적으로 검토
지원자 정보(학력, 학점, 자격, 경력) 정리에 많은 시간을 할애했습니다.
대부분의 자기소개서는 최소한의 글쓰기 기준을 충족하는 사람들을 선별하는 데 사용되었습니다.
상대적으로 지원자의 강점과 특성을 파악하는데 한계가 있었다.
그래서 ChatGPT를 이용하면 자기소개서 심사 과정을 효율적으로 개선할 수 있겠다는 생각이 들었습니다.
- 시간 소모적: 채용 담당자는 자기 소개서를 읽고 평가하는 데 상당한 시간을 할애하는 경우가 많아 채용 프로세스가 느려질 수 있습니다.
- 불일치: 다른 채용 담당자는 동일한 문서를 다르게 해석하여 일관되지 않은 평가 및 최고의 후보자를 선택할 수 있는 기회를 놓칠 수 있습니다.
- 편견: 무의식적 편견이 지원자 평가에 영향을 미치고 다양한 인재 확보에 실패할 수 있음(D&I 관점).
- 인지 과부하: 많은 지원서는 채용 담당자가 정신적 피로를 겪게 할 수 있으며, 이는 지원자 정보를 철저히 평가하는 능력에 부정적인 영향을 미칠 수 있습니다.
4. 자기소개서 분석 프로세스
1) 자기소개를 포함한 지원자 정보를 준비합니다.
2) Q&A를 통해 확인하고 싶은 정보를 추가합니다.
(열 추가)
- 질문 의도
이 열은 커버 레터에 제출된 질문의 목적을 결정하는 데 사용됩니다.
이는 질문이 요구하는 내용과 얻고자 하는 정보를 이해하는 데 도움이 됩니다. - 답변의 관련성
이 칼럼은 자기소개서의 답변이 제출된 질문과 관련이 있는지, 질문에 대한 적절한 답변인지를 평가합니다.
이를 통해 답변의 품질과 관련성을 확인할 수 있습니다. - 답변 요약
답변 요약 열은 커버 레터의 답변에 대한 간략한 요약입니다.
요약은 독자가 긴 답변을 빠르게 이해하고 큰 그림을 이해하는 데 도움이 됩니다. - 답변 감정 분석
이 칼럼은 자기소개서의 답변에 표현된 감정을 분석하는 부분입니다.
긍정적이든 부정적이든 중립적이든 반응의 감정적 표현을 식별하여 콘텐츠가 당신을 어떻게 느끼게 하는지 이해할 수 있습니다. - 답변 점수
답변 점수란은 자기소개서의 답변을 종합적으로 평가하는 점수입니다.
질문 의도, 답변의 관련성, 요약, 감성 분석 등 다양한 요소를 종합적으로 고려하여 답변이 얼마나 좋은지를 나타내는 지표입니다.
3) 각 항목에 대한 ChatGPT 프롬프트를 만듭니다.
아래 프롬프트를 수정하고 답변의 정확도를 높이십시오.
| 질문 의도 | 답변의 관련성 | 답변 요약 | 답변 감정 분석 | 답변 점수 |
| =GPT((질문)&”위 질문을 하신 면접관의 의도를 말씀해 주세요”,(질문)) | =GPT(“다음 질문과 질문 의도를 읽고 지원자의 답변이 적절한지 평가하세요.”&”질문”&(질문 셀)&”질문 의도”&(질문 셀),(답변 셀)) | =GPT(“다음 질문과 질문 의도를 읽고 지원자의 답변을 요약하십시오.”&”질문”&(질문 셀)&”질문 의도”&(질문 셀),(답변 셀)) | =GPT(“다음 답변에 표현된 감정이 긍정적인지, 부정적인지 또는 중립적인지 결정하십시오.”, (답변 셀)) | =GPT(“다음 질문, 질문의도 및 답변을 읽고 지원자가 채용에 적합한 후보자인지 여부를 표시하십시오.”&”질문”&(질문 셀)&”질문 의도”&(질문 의도 셀), (답변 셀)) |
4) 프롬프트를 실행하고 답이 맞는지 확인합니다.
(예)
| ● 지원분야 : 상품판매 ● 질문: 성격의 장단점과 단점을 극복하기 위해 어떤 노력을 했는지 기술해 주십시오.* ● 답변 “장점” “스스로 고쳐지는 성격”” 주변 사람들이 나에 대해 좋지 않은 평가를 내리면 위축되기보다는 ‘나도 그래, 그 부분은 고쳐보자’라고 생각해요. 부대 배치 첫날 훈련 상황 때문에 인계받지 못한 채 한곳에서 대기하고 있었다. 첫날, 선배가 ‘전화를 못 받는다’고 하더라. 인계를 받지 못한 상황에서 어떻게 전화를 받는지 익숙하지 않은데 그 말을 듣고 ‘나도 우리 사무실에 필요한 사람이 되어야겠다’는 생각이 들었다. 인수했다. 이후 해당 경찰관이 ‘우리 사무실에 발령을 받게 돼서 정말 다행이다’라는 말을 들을 정도로 사무실의 일원으로 자리매김했다. 단점 “”학습 속도가 느림”” 입대 후 부대에 배치된 후 새벽에 들어온 정보를 받아 리더에게 줄 발표 자료를 만드는 것이 내 일이었다. 선임병이 발표 자료 만드는 방법을 가르쳐 주었지만 한 번에 만드는 방법을 알아낼 수 없다고 느꼈습니다. 정보가 올라온 시간과 보도된 시간 사이의 짧은 시간에 못 맞추면 그 사이에 계속 연습을 했다고 생각했다. 연습하다 보니 제작 속도가 빨라졌고, 담당자가 제작 상황을 물어보면 늘 완성했다. 직업을 배우는 속도는 느리지만, 직업을 완성하기 위한 꾸준한 연습을 통해 이를 극복하려는 노력은 새로운 해외 브랜드 계약 과정에서도 좌절하지 않고 꾸준히 노력하는 모습을 보여줄 수 있을 것”이라고 말했다. |
| 질문 의도: 면접관이 이 질문에서 알고 싶은 것은 지원자의 자기 인식과 성장 의지입니다. 이는 지원자가 자신의 성격의 장단점을 정확히 파악하고 이를 개선하기 위해 노력했음을 확인하는 것입니다. 지원자의 성숙도와 문제 해결 능력은 물론 회사에서 발생할 수 있는 다양한 상황에 대처하는 능력을 평가하기 위한 것입니다. |
| 답변 관련성: 예시 답변은 질문의 의도에 적절하고 잘 대답합니다. 지원자들은 자신의 성격의 강점과 약점을 명확하게 제시하고 구체적인 사례와 경험을 통해 어떻게 성장하고 노력했는지 설명합니다. 이를 통해 면접관은 지원자의 자기인식과 성장 의지를 확인할 수 있으며, 지원자가 회사 내 다양한 상황에 대처할 수 있는 능력이 있다고 판단할 수 있다. |
| 답변 요약: 지원자의 특징 자신을 고치는 데 적극적이를 통해 사무실에서도 인정받는 인재로 성장했다는 후문이다. 단점은 느린 학습입니다. , 꾸준한 연습을 통해 과제를 완수하려는 노력으로 극복하고 있다고 합니다. 이러한 노력들이 새로운 브랜드를 체결하는 과정에서도 좌절하지 않고 꾸준히 노력하는 모습을 보여주리라 확신합니다. |
| 답변 감정 분석: 긍정적 |
| 답변 점수: 4점 |
5. 결론
일반적으로 인사 분야의 텍스트 분석은 주로 직원 설문조사 데이터, 성과평가/다면평가의 평가 텍스트 데이터, 블라인드/잡플래닛 등 기업 관련 SNS 데이터를 주로 다룬다.
하지만 이런 텍스트 분석은 자주 이뤄지지 않고, 지도부에 보고되더라도 담당자가 다시 읽고 정리하는 과정을 거친다.
그렇다면 인적 자원에서 가장 많은 텍스트가 생성되는 곳은 어디일까요? 그 많은 지원자들 중 개인 진술 데이터그것은 될 것이다
바쁜 채용 과정에서 모든 자기소개서를 주의 깊게 읽는 것은 쉽지 않습니다.
그래서 이 자기소개 데이터에 관심을 갖고 ChatGPT를 통해 분석을 해보았습니다.
ChatGPT가 좋은 이유 텍스트와 출력을 통한 학습하기 때문에
초기 아이디어 구상부터 환경을 설정하고 프롬프트를 수정하고 실행하기까지 많은 시간이 걸렸지만 새로운 가능성을 발견한 것 같습니다.
제 상상과 경험을 바탕으로 썼는데, 더 많은 프로 분들이 사용해보셨으면 좋겠습니다.
시간의 제약으로 시도하지 못한 부분은 다음과 같습니다.
아이디어 차원에 제시.
- 한글 → 영문 번역 → 한글 번역 후 바로 실행 : ChatGPT는 영어 데이터에 강점이 있어 영어로 작성하고 분석하면 더 좋은 결과를 얻을 수 있습니다.
단, 한국어 키워드는 변환될 수 있으니 주의하세요. - 자기소개서는 보통 3~5문항인데 저는 1인당 1문항으로 분석했습니다.
한 개인의 응답을 모두 읽고 종합적인 평가를 내리면 더 좋을 것입니다. - 지원 부문의 회사 직무 설명이 누락되었습니다.
각 회사의 요구 사항을 확인하여 지원 부문에 대한 세부 정보를 얻고 그에 따라 제공된 답변을 검토해야 합니다. - 엑셀로 데이터 추출 → PDF나 웹페이지를 통한 데이터 확인 : 현재 구조로는 데이터 확인이 어렵습니다.
엑셀을 이용하여 자료를 추출한 후 PDF나 웹페이지를 통해 지원자의 자료를 수집하여 열람하는 것이 좋습니다.
이를 통해 분석 결과를 보다 쉽게 확인하고 관리할 수 있습니다.
위의 방법들을 통해 자기소개서 데이터 분석에 대한 새로운 접근을 확장할 수 있다고 생각합니다.
이 과정을 거치면 인사 분야에서 텍스트 분석의 적용 가능성을 확장할 수 있을 것입니다.
결과적으로 인적 자원 분야의 효율성과 정확성이 향상되고 People Analytics도 업무에 더 많이 활용할 수 있다고 생각합니다.
지금까지 제시된 아이디어를 참고하여 스터디 멤버들의 전문성을 바탕으로 새로운 방안을 모색하시기 바랍니다.
이를 통해 HR 분야의 텍스트 분석을 더욱 발전시키고 자기소개서 데이터를 효과적으로 활용할 수 있는 방안을 마련할 수 있을 것이다.
긴 글 끝까지 읽어주셔서 감사합니다.