[한국고용정보원] 지식그래프 기반 AI 일자리 추천서비스 운영

한국고용정보원은 21억6천만 건의 일자리 지식그래프로 이력서와 채용공고를 직무역량 기준으로 연결하는 AI 추천서비스를 운영합니다. 매칭 적합도 96.4%, 누적 취업자 13만8천 명을 기록했습니다.
[한국고용정보원] 지식그래프 기반 AI 일자리 추천서비스 운영

한국고용정보원 AI 일자리 추천 – 이력서의 표현보다 실제 역량을 읽다

“채용공고와 이력서에 같은 역량이 서로 다른 말로 적혀 있다면, AI는 두 사람과 일자리를 연결할 수 있을까요?”

구직자는 자신의 경험을 일상적인 표현으로 씁니다. 기업은 직무명과 자격요건, 기술을 업종별 용어로 작성합니다.

예를 들어 구직자가 ‘고객응대와 매장관리 경험’이라고 썼지만 채용공고에는 ‘서비스 운영’이나 ‘영업지원 역량’으로 적힐 수 있습니다. 단순 키워드 검색은 같은 능력을 다른 말로 표현한 경우를 놓치기 쉽습니다.

이 문제는 청년뿐 아니라 경력단절자, 장애인, 중장년, 비수도권 구직자에게 더 크게 작용할 수 있습니다. 자신의 경험을 채용시장의 언어로 바꾸기 어렵거나 검색범위를 넓히기 힘든 사람은 적합한 공고를 발견하지 못할 가능성이 높습니다.

한국고용정보원은 사람이 일자리를 계속 검색하는 방식에서, 일자리가 사람의 역량을 읽고 찾아오는 방식으로 추천서비스를 발전시켰습니다.


Challenge – 연간 수백만 건의 이력서와 공고를 의미로 연결해야 해요

고용서비스에는 해마다 약 450만 건의 이력서와 120만 건의 채용공고가 쌓입니다.

데이터가 많아도 직무와 기술의 표현이 제각각이면 좋은 추천을 만들기 어렵습니다. ‘개발자’, ‘소프트웨어 엔지니어’, ‘백엔드 담당자’처럼 직무명이 다르고, 같은 기술도 약어·유사어·현장용어로 작성됩니다.

추천서비스는 다음 문제를 함께 해결해야 했습니다.

  • 이력서와 공고를 같은 직무역량 기준으로 바꿀 것

  • 구직자가 클릭·지원한 행동을 반영할 것

  • 인기공고에만 추천이 몰리지 않도록 할 것

  • 추천 이유를 구직자에게 이해하기 쉽게 제시할 것

  • 취약계층과 지역 구직자에게 불리한 편향을 관리할 것

추천건수가 많은 것보다 실제 지원과 취업으로 이어지는지가 중요했습니다.


Solution – 21억6천만 건의 지식그래프로 직무의 의미를 연결했어요

한국고용정보원은 40개 기관의 데이터를 모아 46종의 관계로 구성한 일자리 온톨로지를 구축했습니다. 8차까지 갱신된 지식그래프의 규모는 21억6천만 건입니다.

이 기술은 2025년 특허를 취득했습니다.

① 이력서와 공고를 NCS 역량코드로 바꿔요

AI는 이력서와 채용공고에 적힌 직무·기술·자격을 국가직무능력표준, NCS의 역량코드와 연결합니다.

표현이 정확히 같지 않아도 비슷한 직무와 기술, 필요한 훈련과 자격을 지식그래프에서 확장해 찾습니다. 구직자의 경험을 채용공고의 언어로 번역하는 셈입니다.

추천결과에는 왜 이 공고가 적합한지 역량과 경험의 연결근거를 함께 보여줍니다.


② 후보를 넓게 찾고, 지원가능성이 높은 순서로 다시 정렬해요

추천은 두 단계로 이뤄집니다.

먼저 온톨로지와 직무유사도를 활용해 적합한 공고후보를 넓게 찾습니다. 그다음 이용자가 조회·저장·지원한 행동을 반영해 순위를 정합니다.

2024년 1월부터 2025년 12월까지 축적한 6,650만 건의 이용행동 데이터가 활용됐습니다. 현재 운영모델은 DeepFM과 업무규칙을 결합해 최대 50개의 공고를 추천합니다.

추천결과는 클릭률만으로 평가하지 않고 실제 지원과 취업으로 연결되는지를 함께 살핍니다.


③ AI가 추천하되 선택은 구직자에게 남겨요

서비스는 생성형 AI가 사람의 취업가능성을 단정하는 구조가 아닙니다.

내부환경에서 직무·역량을 분류하고 적합한 공고를 제시하며, 구직자는 추천이유를 확인한 뒤 지원 여부를 선택합니다. 운영자는 성능과 편향을 모니터링하고 모델을 주기적으로 재학습합니다.


실제 운영 성과 – 7년간 24시간 서비스를 이어왔어요

AI 일자리 추천서비스는 2020년 7월부터 운영됐습니다. 자료 작성시점 기준 7년째 전국 24시간 서비스를 중단 없이 이어왔습니다.

딥러닝 기반 매칭 적합도는 초기 62.2%에서 현재 96.4%로 높아졌습니다.

누적 이용성과는 다음과 같습니다.

지표

실제 운영성과

누적 추천서비스 신청자

198만 명

누적 취업자

13만8천 명

2026년 상반기 신청자

437,105명

2026년 상반기 취업자

19,933명

4년간 신청자 증가

3배

4년간 취업자 증가

1.9배

새로 재학습한 모델을 기존 모델과 비교한 A/B 테스트에서도 개선이 확인됐습니다.

추천공고 지원율은 11.51%에서 12.78%로 1.27%p 높아졌고, 추천공고 조회는 84건, 지원은 57건 늘었습니다. 새 모델은 이 검증을 거쳐 운영모델로 전환됐습니다.


고용성과 – 더 적합한 직종과 취약계층의 선택지를 넓혔어요

AI 추천을 통해 취업한 사람은 일반 취업자보다 자신이 선호한 직종으로 취업한 비율이 높았습니다.

구분

비교 기준

AI 추천 취업

변화

선호직종 취업비율

22.0%

34.4%

56.4% 증가

중장년 취업성과

30.3%

44.5%

1.5배

장애인 취업성과

20.2%

33.5%

1.66배

비수도권 취업비중

48.0%

50.1%

2.1%p 증가

이 결과는 AI 추천 이용집단과 비교집단의 운영성과입니다. AI만이 취업증가의 유일한 원인이라고 단정하기보다, 직무역량 기반 추천이 구직자의 탐색범위를 넓히고 적합한 공고를 발견하도록 지원한 결과로 해석해야 합니다.


다음 단계 – 차세대 모델은 2026년 말 목표예요

한국고용정보원은 후보검색에 Two-Tower와 FAISS를 적용하고, 순위화에는 DCNv2와 DIN을 활용하는 차세대 구조를 추진하고 있습니다.

대규모 공고를 빠르게 찾은 뒤 구직자의 최근 행동과 직무맥락을 더 정교하게 반영하는 방식입니다. 도입 목표시점은 2026년 12월입니다.

이 모델은 현재 운영성과가 아니라 개발·도입 예정인 고도화 계획입니다. 현재의 96.4% 매칭 적합도와 누적 취업성과는 기존 운영모델에서 확인된 실적입니다.

장기적으로는 데이터·AI 허브, 클라우드 네이티브와 마이크로서비스 구조, 에이전트 기반 고용서비스로 확장하는 방향도 제시됐습니다. 새로운 기술을 도입할수록 추천 편향과 개인정보 보호, 구직자의 선택권을 함께 점검해야 합니다.


마무리 – 키워드가 아니라 사람이 가진 역량을 연결해요

좋은 일자리 추천은 검색어와 정확히 같은 단어를 찾는 일이 아닙니다.

구직자가 해온 일의 의미를 읽고, 기업이 원하는 역량과 연결하며, 왜 이 공고를 추천했는지 설명해야 합니다.

한국고용정보원의 사례는 21억6천만 건의 지식그래프와 실제 이용행동을 결합해 추천을 장기간 운영하고, 지원과 취업으로 이어지는 성과를 확인했다는 점에 의미가 있습니다.

AI는 구직자의 가능성을 단정하는 심사관이 아니라, 미처 찾지 못한 일자리의 문을 먼저 보여주는 안내자입니다.


주요 성과

구분

결과

구분 기준

일자리 지식그래프

21억6천만 건

실제 구축

이용행동 데이터

6,650만 건

실제 운영데이터

매칭 적합도

62.2% → 96.4%

실제 성능개선

누적 서비스 신청자

198만 명

실제 운영성과

누적 취업자

13만8천 명

실제 운영성과

추천공고 지원율

11.51% → 12.78%

A/B 테스트 결과

차세대 추천모델

2026년 12월 목표

향후 계획

Share article