텍스트 임베딩 및 대규모 언어모델 기반 채용공고–NCS 직무 자동 매핑 방법의 성능 비교 연구

초록

산업 채용공고와 국가직무능력표준(NCS) 인공지능 세분류 간 의미 기반 자동 매핑 가능성을 검토하고, Ko-SBERT와 GPT-4o-mini를 활용해 임베딩 기반 접근과 LLM 기반 접근의 성능과 오류 특성을 비교하였다. 284건의 채용공고를 대상으로 전문가 검증 기반 기준 라벨을 구축하고, 1:1 및 1:3 매핑 실험을 수행하였다. 실험 결과, 1:1 매핑에서는 LLM 기반 접근이 상대적으로 높은 성능을 보였으며, 1:3 매핑에서는 두 접근 모두 높은 후보 추천 성능을 보였다. 오분류는 주로 의미적으로 인접한 세분류 사이에서 발생했으며, 세분류 간 직무 경계 중첩이 주요 요인으로 작용하였다. 이러한 결과는 채용공고와 NCS 간 의미 정렬 가능성을 보여주며, AI 직무훈련 설계 지원을 위한 기초 근거를 제공한다.

키워드