Reference & Project
Case study
객관적 데이터로 풀어낸 노리시스템의 핵심 인사이트
AI 사례
외부 클라우드 없이 단일 장비 안에서 검색·추론을 완결해, 인력 데이터의 외부 유출 없이 인력 매칭 의사결정을 자동화한 연구 성과를 소개합니다.
데이터 처리 방식
100% 온프레미스 사내망 내에서 추론 완결
추론·임베딩·검색·DB를 모두 단일 장비 내부에서 처리하여 인력 개인정보의 외부망 전송을 원천 차단
인력 풀 통합 범위
정형 + 비정형 동시 매칭
사내 정직원(관계형 DB의 정형 데이터)과 외부 프리랜서(이력서 비정형 문서)를 하나의 검색 파이프라인으로 결합
신규 프로젝트가 들어올 때마다 관리자가 수백 명의 경력·기술·투입 가능 시점을 일일이 대조해야 했습니다. 인력 풀이 커질수록 적합한 후보를 빠짐없이 검토하기 어렵고, 검토자의 기억과 친분에 따라 후보군이 편향되는 한계가 있었습니다.
사내 정직원 정보는 경력·기술 스택이 정형화된 DB에 정리되어 있는 반면, 외부 프리랜서 역량은 자유 형식 이력서·포트폴리오 문서로 존재합니다. 구조가 전혀 다른 두 데이터를 같은 기준으로 비교해 한 팀으로 묶는 작업은 사람이 직접 하기에 매우 번거로웠습니다.
인력의 이름·연락처·경력은 민감 정보입니다. 상용 클라우드 AI에 이 데이터를 그대로 전송하는 방식은 유출 리스크가 커, 망분리 환경에서도 동작하는 자체 추론 기반의 매칭 체계가 요구되었습니다.
성격이 다른 두 인력 풀을 각각 최적의 저장소로 분리 관리하여 검색 정확도와 보안을 동시에 확보했습니다.
정직원 그룹 (정형 데이터)
경력·참여 프로젝트·기술 스택·자격 정보가 담긴 기존 사내 관계형 DB를 연동하여 조회
프리랜서 그룹 (비정형 데이터)
이력서·포트폴리오 문서를 의미 단위로 청킹·임베딩하여 벡터 DB에 사전 적재
개인정보 보호 처리
추론 단계 전 이름·연락처 등 민감 정보를 식별 불가능한 토큰으로 치환(가명화 마스킹)
RFP 한 건을 입력받아, 정형·비정형 인력 데이터를 각각 검색한 뒤 하나의 문맥으로 결합해 팀 구성안을 추론하는 하이브리드 RAG 파이프라인
텍스트 직접 입력 또는 문서 파일(PDF·Word·PPT)을 받아 하나의 요구사항 텍스트로 통합합니다.
입력된 RFP에서 필수 기술, 최소 경력, 팀 규모 등 검색 조건을 정형 파라미터로 추출합니다.
추출된 조건으로 사내 DB를 조회해 요건을 충족하는 사내 후보군을 선별합니다.
RFP 문맥을 기준으로 벡터 DB에서 유사도가 높은 프리랜서 이력서 조각을 탐색합니다.
두 경로의 결과를 단일 문맥으로 결합해, 온디바이스 LLM이 역할이 배분된 복수의 팀 구성안을 도출합니다.
AI가 자유 서술이 아닌 즉시 사용 가능한 정형 결과를 안정적으로 내도록, 출력 무결성을 위한 다단계 안전장치를 설계하였습니다.
출력 문법을 사전에 정의하여, LLM이 정해진 데이터 구조 밖으로 벗어나지 못하도록 생성 단계에서부터 원천 제약합니다.
생성된 결과가 약속된 데이터 규격(역할 값, 팀 배열 구조 등)을 만족하는지 백엔드 단에서 자동으로 검증합니다.
추론 내내 가려져 있던 인력 정보를 응답 직전에만 실제 정보로 복원하여, 처리 전 구간의 정보 노출을 최소화합니다.
모든 처리를 단일 장비 내부에서 수행하여 외부로 인력 정보가 나가지 않습니다. 망분리·보안 환경에서도 AI 기반 인력 매칭을 적용할 수 있습니다.
수백 명 규모의 후보 검토와 1차 팀안 작성을 자동화하여, 관리자가 최종 검토·조율에만 집중할 수 있도록 의사결정 리드타임을 단축합니다.
정직원과 외부 프리랜서를 한 번에 비교·조합하여, 사내 인력만으로 채우기 어려운 역량 공백을 외부 인력으로 보완하는 유연한 팀 빌딩이 가능합니다.