채용공고 749장을 AI에 통째로 먹이면, 그 회사가 진짜 원하는 사람이 보일까?

무슨 연구인가

로봇이 몸으로 움직이는 '체화지능' 제조업이 뜨는데, 정작 기업은 어떤 인재가 필요한지 콕 집어내기 어렵습니다. 이 연구는 채용공고 749건을 긁어모아, 그 안에 숨은 '직무 책임'과 '필요 역량'의 짝을 AI로 찾아냈어요.

🔬 어떻게 분석했나

① 채용공고 749건을 모았어요 — 사람이 일일이 읽는 대신, 글 뭉치를 통째로 컴퓨터에 넘깁니다.
② 글을 의미 벡터로 바꿔 비슷한 것끼리 묶어 '숨은 주제'를 찾았어요(BERTopic) — 뜻이 가까운 문장일수록 가까운 자리에 놓이게 해서, 컴퓨터가 주제를 자동으로 뭉쳐줍니다. 여기에 짧은 글에 강한 GSDMM 기법을 더해 14개 책임 주제를 뽑았죠.
③ '이 책임엔 이 역량이 따라온다'는 규칙을 Apriori로 캐냈어요 — 영수증에서 '맥주 산 사람은 기저귀도 산다'를 찾아내는 장바구니 분석과 같은 원리로, 함께 등장하는 책임-역량 쌍을 규칙으로 정리합니다.
④ 규칙의 세기는 lift(향상도)로 쟀어요 — 우연보다 몇 배나 더 자주 같이 나오는지 보는 숫자입니다. 예를 들어 '3D 인식 모델링'과 '검출·분할'은 lift 9배로 거의 한 몸이었죠.

📊 무엇을 찾았나

개선 BERTopic은 기존 방식보다 주제 일관성(0.55)·군집 선명도(0.67)가 모두 높았고, 128개 규칙에서 Python·PyTorch가 모든 직무의 공통 바탕임이 드러났어요. 한 우물만 깊게 파기보다 넓게 두루 아는 'T자형' 인재를 원한다는 뜻입니다.

💡 내 연구에 가져갈 것

채용공고·리뷰처럼 짧은 글 뭉치를 다룬다면, 일반 LDA보다 짧은 텍스트에 강한 GSDMM이나 BERTopic을 먼저 써보세요.

📄 논문 정보

Identification of Responsibility-Skill Coupling Patterns in Embodied Intelligent Manufacturing Driven by Improved BERTopic and Association Rules
Anyuan Zhong
ICST Transactions on Scalable Information Systems · 2026-10-02 · 🔓 오픈액세스
원문 보기 ↗