맥락을 이해하는 AI 기반 검색

기능

단순한 키워드 일치가 아닙니다. Curriculo ATS는 텍스트 검색, 의미 벡터, 엔티티 추출 및 LLM 순위를 결합하여 정확하게 적합한 후보자를 찾습니다.

AI 처리

원시 이력서에서 구조화된 지능으로

Curriculo ATS에 업로드된 모든 이력서는 후보자 데이터를 추출, 점수화 및 색인화하는 다단계 AI 파이프라인을 거칩니다.

이력서 구문 분석

AI는 PDF 이력서에서 구조화된 데이터를 추출합니다: 후보자 이름, 이메일, 경력 (회사, 역할, 날짜, 설명), 교육 (기관, 학위, 날짜) 및 기술. 수작업 데이터 입력이 필요하지 않습니다.

적합성 점수

각 후보자는 0에서 100%까지의 AI 생성 적합성 점수와 이 점수가 부여된 이유를 설명하는 서면 논리를 받습니다. 이 점수는 키워드 중복뿐만 아니라 직무 요구 사항에 대한 적합성을 평가합니다.

AI 요약 및 자동 태그

간결한 AI 생성 요약이 후보자의 강점과 주요 자격을 강조합니다. 자동 태그는 추출된 기술, 경험 수준 및 산업에 따라 적용되어 필터링을 즉각적으로 만듭니다.

파이프라인 복구

AI 처리의 어떤 단계가 실패할 경우 (네트워크 시간 초과, 모델 오류), 파이프라인은 자동으로 재시도합니다. 실패한 후보자는 재처리를 위해 대기열에 추가되어 어떤 것도 고장 상태에 갇히지 않습니다.

검색 인프라

벡터, 엔티티 및 의미 이해

벡터 임베딩

모든 이력서는 pgvector를 사용하여 384차원 벡터 임베딩으로 변환됩니다. 이는 전체 문서의 의미를 포착하므로 “백엔드 엔지니어”를 검색할 때 “서버 사이드 개발자” 또는 “API 아키텍트”라고 설명하는 후보자도 찾을 수 있습니다.

세그먼트 임베딩

전체 이력서 임베딩을 넘어, 각 섹션 (경험, 교육, 기술)에 대해 별도의 벡터가 생성됩니다. 이는 특정 이력서 섹션 내에서 검색할 수 있어 보다 정밀한 결과를 제공합니다.

엔티티 추출

명확한 엔티티가 추출되고 다섯 가지 유형으로 분류됩니다: 기술 (Python, React, SQL), 회사 (Google, Stripe), 역할 (수석 엔지니어, 제품 관리자), 기관 (MIT, Stanford), 그리고 프로젝트 (특정 프로젝트 또는 제품). 이러한 엔티티는 구조화된 검색 필터를 지원합니다.

혼합 검색

네 가지 검색 방법, 하나의 순위 결과

Curriculo ATS는 네 가지 검색 방법을 평행으로 실행하고 최상의 순위를 위해 결과를 Reciprocal Rank Fusion (RRF)을 사용하여 병합합니다.

순위 및 필터링

상호 순위 융합 및 Gmail 스타일 필터

상호 순위 융합 (RRF)

각 검색 방법은 고유의 순위 목록을 생성합니다. RRF는 모든 방법에서 순위 위치에 따라 점수를 할당하여 이러한 목록을 결합합니다. 여러 목록에서 높게 나타나는 후보자는 단일 방법이 그들을 1위로 순위 매겼더라도 가장 강력한 최종 점수를 받습니다. 이는 어떤 단일 검색 접근 방식보다 더 신뢰할 수 있는 결과를 생성합니다.

Gmail 스타일 범위 필터

익숙한 범위 연산자를 사용하여 검색을 좁히세요: in:rejected로 거부된 후보자를 검색하고, in:trash로 보관된 지원자를 확인하고, in:shortlisted로 단기 후보 명단을 만드세요. 모든 검색 쿼리와 결합하여 전체 후보자 풀에서 빠르고 정확한 필터링이 가능합니다.