전문서비스 / 채용 플랫폼
LinkedIn: 채용 후보 검색과 평가 지원
- 기업
- 국가
- 미국
- 도입 상태
- 운영
- 자료 공개
- 날짜 기준
- 자료 발표 시점. 도입 시작일과 다를 수 있음
- 근거 확인 방법
- 검색 도구의 본문 발췌 확인
업무 문제
채용 담당자의 일은 판단이 필요한 부분과 대량의 패턴 인식 작업이 섞여 있다. 후보 발굴과 평가가 가장 손이 많이 가는 단계다. LinkedIn은 12억 개가 넘는 프로필에서 후보를 찾고 평가해야 하는 규모 문제를 안고 있었다.
적용한 기술과 데이터
Hiring Assistant는 채용 담당자마다 별도 agent 인스턴스로 만들고 비동기 메시지로 움직인다. 중심에는 supervisor agent가 있어 요청을 해석하고 하위 agent에 일을 나눈다. ReAct 대신 Plan-and-Execute 구조를 골랐다. planner가 구조화된 계획을 세우고 executor가 ReAct 방식으로 tool을 쓴다. 하위 agent는 요건 정리, 후보 발굴, 평가, 접촉, 선별, 학습, 기억으로 나뉜다. 후보 발굴 agent는 LinkedIn Recruiter Search와 Recommended Matches를 쓰고 Economic Graph와 Talent Insights로 인재 공급과 이동을 본다. 평가 agent는 프로필, 이력서, 과거 접촉 기록을 모아 근거와 함께 추천을 낸다. 평가 전용 맞춤 LLM을 만들고 speculative decoding으로 응답 시간을 줄였다.
성과
LinkedIn은 성과 수치를 공개하지 않았다. 대신 담당자가 자격 요건을 먼저 검토하고 Responsible AI 정책 점검을 거친 뒤에 평가가 시작된다고 밝혔다. 후보를 다음 단계로 올릴지는 담당자가 정한다. 학습 agent가 제안한 자격 요건 변경도 담당자 검토와 승인 뒤에만 반영된다. 기억 데이터는 해당 담당자 환경 안에만 두고 LLM 학습에는 쓰지 않는다고 했다.
한계와 남은 과제
원문은 채용 기간 단축이나 채용 품질 변화를 수치로 밝히지 않았다. 특정 고객 기업의 성과를 입증한 자료도 아니다.
출처
- How we engineered LinkedIn’s Hiring Assistantlinkedin.com, 확인
공개된 자료를 정리한 사례입니다. ATF Works 도입 고객의 결과가 아닙니다.