AI 기반 HR 데이터 자동화를 이끄는 Amazon Bedrock과 msg.ProfileMap 활용 사례

인적 자원 혁신을 이끄는 AI 자동화 – Amazon Bedrock 기반 msg.ProfileMap 활용 사례

최근 HR 부서는 데이터 기반 전략 기획의 중심축으로 주목받고 있습니다. 하지만 다양한 소스에서 발생하는 비정형 데이터, 중복된 정보, 분절된 시스템 간 연계 부족은 자동화 및 운영 효율성을 저해하는 주요 요인이 되고 있습니다. 이러한 문제를 해결하기 위해 AI와 클라우드를 어떻게 효과적으로 활용할 수 있을까요?

이번 포스팅에서는 AWS의 Amazon Bedrock 및 msg.ProfileMap 솔루션을 기반으로 HR 데이터 자동화 및 정규화를 성공적으로 구현한 사례를 소개합니다. 특히, msg는 Amazon Bedrock을 통해 LLM(대형 언어 모델)을 활용한 HR 문서 자동화 처리 및 개념 정렬을 실현하며, GDPR 및 EU AI Act 등 엄격한 규제 환경에도 완벽히 대응한 클라우드 기반 AI 플랫폼을 완성했습니다.

HR 데이터 정규화의 필요성과 과제

대다수의 기업들은 인사 데이터를 여러 시스템에 흩어져 저장하고 있으며, 이들 간 호환성도 낮고 서로 다른 데이터 모델을 사용합니다. 특히 이력서, 직무 기술서, 평가 보고서와 같은 HR 핵심 문서는 PDF, Word와 같은 비정형 포맷으로 존재해 데이터 정제와 분석이 쉽지 않습니다.

이러한 비효율성은 채용, 내부 인재 이동, 역량 분석, 인재 개발 기획 등 핵심 HR 업무 전반에 걸쳐 영향을 미칩니다. msg는 자동화된 AI 기반 데이터 정규화를 통해 이 같은 병목을 해소하고, 처리 정확도와 속도를 모두 높이고자 했습니다.

Amazon Bedrock + msg.ProfileMap을 통한 자동화 아키텍처

msg는 인사 데이터 자동화를 위한 모듈형 아키텍처를 설계하고, msg.ProfileMap 솔루션과 AWS의 다양한 서비스를 결합했습니다.

데이터 구조화 → 의미 정렬(정규화) → 검색 및 저장까지 단계별로 설계된 구조는 다음과 같은 흐름을 가집니다:

비정형 인사 데이터를 수집하고, AI 추출 레이어를 통해 텍스트를 구조화한 후, 하모니제이션 엔진을 탑재해 의미적으로 동일한 개념을 통합합니다. 데이터 정렬 기법은 문자열 기반 정합률 매칭(String Matching)과 벡터 기반 의미 유사도(Vector Similarity) 분석을 결합한 하이브리드 접근을 사용합니다.

Amazon Bedrock은 LLM 기반 의미 정제를 실시간으로 수행하며, 결과는 Amazon OpenSearch Service와 Amazon DynamoDB에 저장됩니다. 검색 및 ontology 기반 개념 관리는 OpenSearch와 DynamoDB에서 수행되어 최적화된 검색 성능을 보장합니다.

전체 시스템은 클라우드를 기반으로 한 완전 관리형 구조로 설계되어 있으며, Amazon Neptune, Amazon DynamoDB, Amazon Bedrock 등을 활용해 확장성과 안정성을 모두 확보했습니다.

정확도 향상 및 기술적 성과

msg는 내부 테스트를 통해 2,248개 IT 인사 및 기술 개념에 대해 하모니제이션 처리 실험을 수행했습니다. 이 중 약 60% 이상의 항목에 대해 95.5%의 정합도(merge precision)를 기록하며 높은 자동화 정확도를 입증했습니다. 이를 통해 인사 부서의 수작업 검증 업무가 70% 이상 감소했고, 전체 확인 소요 시간도 대폭 단축되었습니다.

뿐만 아니라 EU 주관 Ontology Alignment Evaluation Initiative (OAEI) 2024 바이오 의학 경진에서 msg.ProfileMap은 최고 점수를 기록했습니다. 개념 정렬 정확도(F1 score) 0.918, 1순위 정합도(Hits@1) 92%를 상회하며 타 도메인 확장성도 입증했습니다.

왜 Amazon Bedrock인가?

기존의 AI 모델 운영은 Amazon EC2 또는 Amazon SageMaker와 같은 인프라 구성이 필요하지만, Bedrock은 완전한 관리형 서버리스 환경을 제공합니다. 이를 통해 msg는 LLM을 손쉽게 삽입하고 확장했으며, 비용은 사용 기반으로 청구되어 SaaS 모델과도 잘 맞아떨어졌습니다.

무엇보다 Bedrock은 GDPR 및 EU AI Act와 같은 규제에 부합하는 아키텍처를 제공하며, 모델 호출 및 로깅 로그 확보가 가능해 감사 가능한 수준의 API 인터페이스를 제공한다는 점이 HR 도메인에서 매우 유효했습니다.

결론

msg의 사례에서 확인할 수 있듯이, AI 기반 인적 자원 자동화는 복잡한 인프라 없이도 효과적으로 구축할 수 있으며, AWS의 서버리스 LLM 플랫폼인 Amazon Bedrock은 이러한 목표를 실현하는 강력한 도구입니다. 특히 msg.ProfileMap은 HR 데이터를 정규화하여 역량-직무 매핑 정확도를 크게 향상시키고, 규제를 만족하는 동시에 자동화를 가속화한 훌륭한 사례로 평가받고 있습니다.

AI와 클라우드를 활용한 인재관리 자동화, 지금부터 어떻게 시작해야 할지 고민 중이시라면 이 솔루션 구조를 충분히 참고하실 수 있습니다.

https://aws.amazon.com/blogs/machine-learning/how-msg-enhanced-hr-workforce-transformation-with-amazon-bedrock-and-msg-profilemap/