GitHub: https://github.com/hwarang97/init
개발자 채용 과정에서 기업은 지원자의 역량을 검토하고 면접을 진행하는 데 많은 시간과 비용을 사용합니다. 반면 지원자는 실제 면접과 유사한 환경에서 연습하고, 자신의 답변에 대한 구체적인 피드백을 받을 기회가 부족합니다.
기업에는 면접 과정의 반복 업무를 줄일 수 있는 도구를, 지원자에게는 맞춤형 면접 연습과 피드백 환경을 제공하고자 AI 면접 서비스를 기획했습니다.

작업에 대한 자세한 내용 은 아래 상세 설명에 문서로 따로 정리해두었습니다. 여기선 제가 맡은 작업에 대해 간략히 소개합니다.
지원자의 응답과 결과 보고서를 작성하는 작업을 비동기적으로 처리하기 위해 AWS SQS를 도입하였습니다. 초기엔 다중 큐 기반의 처리 구조를 설계했으나, 작업이 누락될 수 있는 상태가 발견되었습니다. 이를 해결하기 위한 방법으로 AWS SQS를 선택했습니다.
지원자의 응답에 평가 항목이 빠져있을 경우, 만회를 위해 1회 맞춤 질문을 제공합니다. 이때, 사용자가 불편함을 느끼지 않는 시간 (4초) 안에 질문을 생성하도록 만들었습니다. AWS 배포 환경을 기준으로 서버에서 측정했고, 측정 범위는 질문 생성 요청 수신부터 응답 생성까지입니다.
외부 API 의존도를 줄이기 위해 내부 STT 모델 학습 방안도 검토했습니다. 성능과 비용을 비교한 결과, 현재 프로젝트 규모에서는 외부 API를 사용하는게 적합하다고 판단했습니다.
면접 평가 기준을 NCS(국가직무능력표준)을 참고해 설계했습니다. NCS는 현장 직무 수행에 필요한 능력을 국가 차원에서 표준화한 기준입니다. NCS를 활용함으로써 서비스의 신뢰성을 높일 수 있다고 판단했습니다. 이를 통해 면접 답변이 NCS 직무 역량 기준에 얼마나 부합하는지를 점수로 표현했습니다.
지원자 정보와 채용 공고를 바탕으로 맞춤 면접 질문을 생성하고, 면접 답변을 분석해 결과 보고서를 생성하는 파이프라인을 구축했습니다. 이를 서비스 흐름으로 연결하기 위해 질문·결과 보고서 생성 요청을 처리하는 내부 API를 개발했고, 그 과정에서 외부 LLM·STT를 연동했습니다.