아내의 생일 선물을 사려고 며칠 동안 검색하고 구매했더니 어느 날 쇼핑몰의 추천 영역이 모두 여성 용품으로 채워졌던 경험, 있으신가요? 이미 구매를 끝냈고 더 이상 필요하지 않은데도 비슷한 제품을 반복적으로 추천 받아본 경험은요? 이런 현상이 발생하는 이유는 누구를 위한 구매인지, 어떤 상황인지, 고객의 행동 데이터만으로는 그 맥락이 읽히지 않기 때문입니다. 데이터 양은 넉넉한데 데이터의 맥락을 이해하는 구조가 부족하면 AI가 엉뚱하게 반응하는 것이죠.
HR을 위한 AI를 더 까다롭게 봐야 하는 이유도 바로 여기에 있습니다. HR은 직무, 역량, 경력, 평가 지표 등 무수히 많은 개념이 복합적으로 얽혀 있는 독특한 영역입니다. 복잡한 HR 데이터를 AI 모델이 정확히 판독하고 해석하려면 고도의 기술력이 요구되는데요. 이 지점에서 ‘온톨로지(Ontology)’와 ‘지식그래프(Knowledge Graph)’가 빛을 발합니다. 온톨로지와 지식그래프는 새로운 신조어가 아니라 2000년대 초반부터 정보의 구조화와 정확한 검색, 추론을 위해 사용되어 온 전통적인 지식 표현 방식인데요. 최근 AI의 맥락 이해도 향상에 대한 필요성이 커지면서 주목을 받고 있습니다. 특히 HR용 AI를 도입하기 원하는 분이라면, 꼭 알아야 할 온톨로지와 지식그래프에 대해 알려드릴게요
AI도 친절한 네비게이션이 필요해🧭
2022년 11월, 챗GPT의 등장에 전 세계가 생성형 AI에 주목했습니다. 많은 기업들이 2023년 초부터 생성형 AI를 도입하거나 직접 개발하며 경쟁 우위를 확보하려 했는데요. 이때부터 강조된 것이 바로 ‘데이터의 퀄리티’였어요. 신뢰할 수 있는 양질의 데이터를 학습한 AI일수록 더 정확한 결과를 내기 때문이죠. 그래서 ‘쇼핑’이라는 명확한 목적을 가진 대규모 집단이 매일 행동 데이터를 남기는 이커머스는 초기 AI 적용이 빠른 업계 중 하나였답니다.
그런데 시간이 지나면서 업계에서는 '좋은 데이터' 만큼이나 '데이터의 의미와 맥락을 구조화하는 지식 구조'에도 공을 들여야 한다는 목소리를 내기 시작했어요. AI가 일관된 추론과 검색을 할 수 있도록 명확한 길잡이 지도를 쥐어주어야 한다는 것인데요. 2024년 이후 AI 기술 논문과 연구 보고서 등에서 점차 거론되며 최근 급부상하기 시작한, ‘온톨로지’와 ‘지식그래프’에 대해 설명해 드리겠습니다.
|
💡온톨로지 : 특정 도메인에 존재하는 개념들을 정교하게 구조화한 ‘규칙의 지도’ 💡지식그래프 : 실제 세상의 개체(사물, 개념, 스킬, 경험)와 그 관계를 점과 선으로 연결한 ‘거대한 관계도’ ⇒ 지식그래프는 온톨로지라는 설계도(룰북)를 기반 삼아 확장 ⇒ 온톨로지가 있어야 지식그래프가 지속적으로 확장되고, AI가 그 위에서 정확히 작동 |
온톨로지는 한 마디로 표현하자면 규칙서, 룰북이라 할 수 있어요. 이해를 돕기 위해 간단한 예시를 들어 볼게요. A 지원자가 마케팅 직무에 지원했다고 하면, 온톨로지는 A 지원자의 이력서와 포트폴리오에 적힌 문장과 단어가 어떤 개념에 속하는지 하나하나 이름을 붙여주는 역할을 해요.
✅ 고객 VOC 분석 경험 → 분석 역량
✅ 프로모션 기획 및 운영 → 마케팅 실행 능력
✅ 마케팅 직무 → 필요 역량 : 분석, 콘텐츠 제작, 퍼포먼스 운영
그리고 지식그래프는 이 온톨로지의 구조 위에 아래와 같이 실제 데이터를 연결합니다.
☑️ 총 경력 → 3년차 마케터
☑️ 스킬 → GA4 분석, CRM 캠페인 운영 → 전환율 개선, 리드 생성 능력
☑️ 성과 → 전환 20%, 리드 30% 증가
그러면 AI는 온톨로지의 규칙(구조) + 지식그래프(실제 데이터)를 결합해 A 지원자에 대한 정규화된 해석을 할 수 있습니다.
🅰️ 서류 단계
* 직무 요구사항(JD)과 지원자의 매칭도 계산
* 핵심 역량과 지원자의 일치도 정렬
🅱️ 면접 단계
* 경력 및 역량 기반 면접 질문 자동 생성
* 면접관을 위한 역량 미리보기 카드 제공
라운드HR이 온톨로지에 주목하는 이유 👀
여러 점을 선으로 연결해 만든 지도가 있는데 (이 지도는 지식그래프예요.) 지도에서 어떤 선이 도로인지, 강인지, 지하철인지, 어떤 점이 도시인지 역인지 집인지 정의하는 것이 온톨로지예요. 데이터의 명확한 의미를 부여하고 관계를 정의하지요. 온톨로지는 ①어떤 직무에 어떤 역량이 필요하고 ②어떤 역량이 어떤 프로젝트 경험으로 검증될 수 있는지 심층적인 관계를 정의해요. 이 지도를 받아든 AI는 비로소 HR 데이터의 진정한 의미 구조를 이해하고 단순한 패턴 인식을 넘어 정확하고 깊이 있는 분석을 수행하게 됩니다.
✨ 온톨로지는 일관된 기준을 고수해요 → 감정, 즉흥적 추론의 개입 X
✨ 온톨로지는 정의되지 않은 결론을 내리지 않아요 → ‘판단’이 아닌 ‘연결’만 수행
✨ 온톨로지는 이미 정의된 관계만 따라가요 → 임의로 편향적 가중치 부여 X
라운드HR이 제공하는 핵심 기능들도 바로 이러한 온톨로지적 관점에서 설계됐어요.
| AI 이력서 스크리닝 | 지원자의 직무 경험과 역량을 정제된 구조로 분석 |
| 텍스트 데이터 구조화 | 텍스트 기반 지원서 정보를 정규화된 데이터로 변환 |
| 평가 템플릿 | 면접 평가 요소를 구조화하여 일관된 기준 제공 |
라운드HR의 채용 AI는 이렇게만 말할 거에요.
“지원자의 역량과 JD와 87% 일치합니다.”
”지원자의 핵심 스킬은 이것입니다.”
”지원자의 프로젝트 성과는 해당 역량을 입증합니다.”
절대로 “이 후보를 뽑으세요.”, “이 사람은 탈락해야 합니다.”라는 결론을 내지 않지요. 최종 판단은 언제나 사람의 몫이어야 하기 때문이에요. 라운드HR의 온톨로지적 AI는 최종 판단 권한이 없는 구조로 만들어졌습니다. 오로지 사람의 판단을 더 명료하게 해주는 해석 도구의 역할을 다합니다. 라운드HR이 만든, 국내 채용 ATS 최초의 채용 전용 AI가 궁금하신가요? 아래 배너를 클릭하셔서 라운드AI가 제공하는 여러 기능들을 둘러보세요.
참고
1. Understanding Ontologies and Knowledge Graphs, 2021
2. What is a knowledge graph ontology?, milvus, 2024
3. What is a knowledge graph?, IBM, 2025
