인력파견 매칭 메모와 구인 추천문을 Claude Code로 30분에서 5분으로 줄이는 실무 순서

금요일 오후 5시. 구직자 면담이 막 끝났고, 머릿속에는 “이 사람, 아마 그 물류센터 자리가 맞겠다”는 감만 남아 있습니다. 그런데 추천문은 아직 백지입니다. 다음 주 월요일 아침 일찍, 서로 다른 구직자 다섯 명에게 일자리를 보내야 합니다.

제가 인력파견 코디네이터로 일하는 친구의 작업을 옆에서 지켜봤을 때, 가장 시간을 잡아먹던 게 바로 이 부분이었습니다. 면담 메모는 노트에 흩어져 있고, 구인 추천문은 예전에 보낸 글을 복사해 이름과 시급, 근무지만 바꿔치기합니다. 다시 읽어 보면 “앞 구직자한테 쓰던 표현이 그대로 남아 있더라” 같은 일도 벌어졌습니다.

게다가 급하게 만든 추천문일수록 내용이 빈약합니다. “역세권·고시급·미경험 환영” 처럼 어느 자리에나 붙일 수 있는 말만 나열될 뿐입니다. 구직자 회신율도 오르지 않습니다.

이 글에서는 그 “매칭 메모와 구인 추천문 만들기”를 Claude Code와 생성형 AI에게 초안을 맡기고, 사람은 마무리에 집중하는 형태를 만듭니다. 코드 이야기는 최소한으로 하고, 대신 복붙해서 바로 쓸 수 있는 프롬프트와 면담 메모를 구조화하는 체크리스트, 출력을 걸러 내는 검증 스크립트를 놓아 두겠습니다.

핵심 요약

• 인력파견 코디네이터가 면담 메모와 구인 추천문을 만드는 시간을, 한 건당 30분 안팎에서 5분 안팎으로 줄이는 게 목표입니다.
• 생성형 AI에 맡기는 것은 “초안 양산”과 “표현 다듬기”까지입니다. 구직자와 일자리의 궁합, 시급과 조건의 최종 확인은 사람이 쥡니다.
• 그대로 붙여 쓸 수 있는 프롬프트 템플릿을 매칭 메모용과 추천문용 두 종류 준비했습니다.
• 출력에 개인 이름이나 시급 숫자가 섞여 들어가지 않았는지 기계로 점검하는 20줄짜리 검증 스크립트를 실었습니다.
• 개인정보 취급은 따로 다룹니다. 이름·전화·현주소는 AI에 넘기기 전에 가림 처리로 바꾸는 운영을 합니다.

인력파견 코디네이터는 무엇에 가장 시간을 빼앗기는가

먼저 독자상을 분명히 하겠습니다. 이 글이 상정하는 대상은 등록형 파견이나 채용예정 파견에서 구직자 면담부터 일자리 제안, 기업과의 조율까지 혼자 돌리는 코디네이터입니다. 하루에 36명과 면담하고, 그 사이에 515건의 구인 추천문을 보냅니다. 영업까지 겸하는 사람도 많을 겁니다.

업무 흐름을 대략 늘어놓으면 보통 이렇게 됩니다.

1. 구직자와 면담하고 희망 조건·경력·인상을 듣는다
2. 들은 내용을 매칭 메모로 정리해 사내 시스템이나 스프레드시트에 남긴다
3. 보유 중인 일자리 가운데 궁합 좋은 것을 2~3건 추린다
4. 구직자용 구인 추천문을 써서 메일이나 채팅으로 보낸다
5. 반응을 보고 기업 쪽에 추천서나 인물 소개를 낸다

이 가운데 2번과 4번이 글을 쓰는 작업입니다. 면담 자체나 궁합을 꿰뚫어 보는 안목은 사람만 할 수 있습니다. 하지만 메모와 추천문의 “받아쓰기와 정리”는 매번 거의 같은 절차의 반복입니다. 여기가 생성형 AI가 나설 자리였습니다.

자주 일어나는 되돌이 작업과 고충

옆에서 지켜보니 되돌이 작업이 생기는 패턴은 대체로 정해져 있었습니다.

• 복붙 사고: 예전 추천문을 재활용했더니 앞 구직자 이름이나 다른 일자리의 시급이 남아 있었다. 보낸 뒤 알아채고 사과 메일.
• 빈약한 추천문: 급하게 쓰면 “화기애애한 직장” “미경험 환영”만 남고, 그 사람 경력에 꽂히는 한 문장이 빠진다. 회신이 안 온다.
• 메모 입자가 제각각: 바쁜 날의 메모는 항목 3줄, 여유 있는 날은 10줄. 나중에 다시 볼 때 판단 재료가 모자란다.
• 두 번 일하기: 구직자용 추천문과 기업용 추천문을 처음부터 두 번 쓰고 있다. 원재료는 같은데도.

도입 전에는 이 네 가지가 매주 어딘가에서 일어났습니다. 생성형 AI로 초안을 만드는 형태로 바꾸고 나서는 메모 입자가 일정해지고, 추천문에 “그 사람만의 한 문장”이 반드시 들어가게 됐습니다. 복붙 사고는 뒤에서 소개할 검증 스크립트가 잡아 줍니다.

Use case 1: 면담 메모를 매칭 메모로 구조화한다

면담 직후의 날 메모는 대개 문장이 아닙니다. “전직 콜센터 3년, 주말 휴무 희망, 통근 30분 이내, 제조보다 접객 쪽, 공백 없음” 같은 갈겨쓴 글입니다. 이것을 나중에 검색하고 비교할 수 있는 형태로 다듬는 게 첫 번째 일입니다.

맡기는 범위는 “정리”까지입니다. 판단 재료의 가중치는 사람이 매깁니다. 아래 체크리스트 항목을 채우는 형태로 변환시키면 메모 입자가 매번 가지런해집니다.

• 희망 직종 / 피하고 싶은 직종
• 근무지와 통근 허용 시간
• 희망 시급 / 최저선
• 근무 요일·시프트 조건
• 경력 요약(최근 직종과 연수)
• 본인이 말로 꺼낸 “양보 못 할 조건”
• 코디네이터가 본 보충(인상·정착할 것 같은지)

마지막 항목만은 AI에 쓰게 하지 않고 사람이 한마디 적습니다. 여기가 파견의 가치이기 때문입니다.

Use case 2: 구인 추천문 초안을 양산한다

매칭 메모와 일자리 정보가 갖춰지면 추천문 초안은 AI에 맡길 수 있습니다. 핵심은 구직자 경력과 일자리 특징을 이어 붙인 “당신에게 이 자리를 권하는 이유”를 한 문장 넣게 하는 것입니다. 이것만 들어가도 템플릿 느낌이 사라집니다.

아래 표는 AI에 맡기는 범위와 사람이 반드시 확인하는 범위의 선 긋기입니다.

공정	AI에 맡긴다	사람이 반드시 판단한다
메모 정리	항목별 구조화	인상·정착 가늠
일자리 선정	후보 좁히기 보조	최종 추천 가부
추천문 초안	문장 생성과 정리	시급·근무지 숫자 확인
톤 조정	공손함·길이 조정	구직자에게 보낼 판단
기업용 추천문	추천문에서 전용 초안	기업에 내기 전 사실 확인

숫자 확인을 사람에게 남기는 데에는 이유가 있습니다. 생성형 AI는 그럴듯한 시급이나 날짜를 그럴싸하게 써 버릴 때가 있기 때문입니다. 원본 데이터에 없는 숫자는 반드시 의심하고 봅니다.

Use case 3: 구직자용 추천문을 기업용 추천문으로 전용한다

같은 인물에 대해 구직자에게는 “당신에게 맞는 이유”를, 기업에는 “채용해야 하는 이유”를 씁니다. 시점은 반대지만 원재료는 같은 매칭 메모입니다. 구직자용 초안이 만들어지면 그것을 기업용으로 고쳐 쓰게 하면 두 번 일하는 수고가 사라집니다.

전용할 때는 구직자 본인에게만 보이는 정보(최저 시급선, 이직 사유의 생생한 부분)를 기업용에서 덜어 내도록 프롬프트로 명시합니다. 빠뜨리면 사고가 되니, 여기도 검증 스크립트로 잡습니다.

Claude Code를 아직 만져 본 적이 없다면 먼저 Claude Code 시작하기와 비엔지니어를 위한 Claude Code를 훑어 두면 이후 프롬프트가 쉽게 와닿습니다.

복붙해서 바로 쓰는 프롬프트 템플릿

먼저 매칭 메모용입니다. 면담 직후의 날 메모를 붙여 넣어 씁니다. 이름이나 전화번호는 붙이기 전에 가림 처리로 바꿔 주세요(이유는 뒤에서).

당신은 인력파견회사 코디네이터의 보조입니다.
아래 면담 메모를 나중에 검색·비교할 수 있는 매칭 메모로 정리하세요.

# 규칙
- 아래 항목을 반드시 채운다. 정보가 없는 항목은 "미확인"이라고 적는다.
- 메모에 없는 시급·근무지·날짜를 지어내지 않는다.
- 구직자의 인상·정착 가늠은 쓰지 말고 비워 두어 사람이 추가하게 한다.

# 출력 항목
- 희망 직종 / 피하고 싶은 직종
- 근무지·통근 허용 시간
- 희망 시급·최저선
- 근무 요일·시프트 조건
- 경력 요약(최근 직종과 연수)
- 양보 못 할 조건
- 코디네이터 보충(공란)

# 면담 메모
<<여기에 날 메모를 붙인다>>

다음은 구인 추천문용입니다. 정리된 매칭 메모와 일자리 정보를 넘깁니다.

당신은 인력파견회사 코디네이터의 보조입니다.
구직자용 구인 추천문을 공손한 말투로 300~400자 초안으로 작성하세요.

# 필수 요소
- 첫머리에 이 구직자에게 이 자리를 권하는 이유를 한 문장. 경력과 일자리 특징을 잇는다.
- 업무 내용·근무지·시급·시프트를 항목으로.
- 숫자(시급·일수·기간)는 일자리 정보 그대로 두고 지어내지 않는다.
- 마지막에 다음 한 수(질문·면담 일정 상담)를 한 문장으로 권한다.

# 매칭 메모
<<정리된 메모를 붙인다>>

# 일자리 정보
<<일자리 조건을 붙인다>>

이 둘을 나눠 쓰는 것만으로 메모 입자와 추천문 구성이 안정됩니다. 프롬프트를 다듬는 법을 좀 더 파고들고 싶은 사람은 프롬프트 엔지니어링 응용편도 함께 읽어 보세요.

출력을 걸러 내는 검증 스크립트

초안을 양산할 수 있게 되면, 이번에는 “앞 구직자 이름이 남아 있지 않은지”가 신경 쓰입니다. 이건 사람 눈보다 기계가 더 잘합니다. Node.js로, 생성된 추천문에 금지어(과거 구직자 이름이나 다른 일자리 지명 등)가 섞여 있지 않은지 점검하는 20줄 남짓한 스크립트를 놓습니다. @anthropic-ai/sdk 같은 건 필요 없고 Node.js만으로 돌아갑니다.

// check-draft.mjs
// 사용법: node check-draft.mjs draft.txt
import { readFile } from "node:fs/promises";

// 출력에 섞이면 안 되는 말을 늘어놓는다(과거 구직자 이름·다른 일자리 지명 등)
const forbidden = ["김OO 님", "이전 안건", "부산지점", "시급 12000원"];

const file = process.argv[2] ?? "draft.txt";
const text = await readFile(file, "utf8");

const hits = forbidden.filter((word) => text.includes(word));

if (hits.length === 0) {
  console.log("OK: 금지어는 발견되지 않았습니다.");
} else {
  console.log("확인 필요: 다음 말이 추천문에 남아 있습니다 ->", hits.join(", "));
  process.exitCode = 1; // 자동화에서 멈추고 싶을 때 쓴다
}

forbidden 배열을 자기 담당 일자리에 맞춰 고쳐 쓰기만 하면 됩니다. 보내기 전에 이걸 한 번 통과시키는 것만으로 앞에서 말한 복붙 사고는 거의 사라집니다. CLAUDE.md에 이 검증을 끼워 넣는 방식은 CLAUDE.md 베스트 프랙티스가 자세합니다.

개인정보·보안 주의점

여기는 코디네이터에게 가장 중요합니다. 구직자의 이름·전화번호·현주소·전직 기업명은 생성형 AI에 그대로 넘기지 않는 운영을 합니다. 이유는 단순합니다. 외부 AI 서비스에 개인을 특정할 수 있는 정보를 보내는 것 자체가, 등록자와의 약속에 어긋나는 경우가 있기 때문입니다.

구체적으로는 AI에 넘기기 전에 이렇게 합니다.

• 이름은 “A 씨” “구직자 X”로 바꾼다
• 전화·메일·주소는 항목째 삭제한다
• 전직 기업명은 “대형 콜센터”처럼 업종만 남긴다

초안이 돌아오면 가림 처리를 실명으로 되돌리는 것은 사람 손으로 텍스트 에디터에서 합니다. 회사로서 생성형 AI를 쓰는 규칙이 아직 없다면 먼저 이용 범위를 정하고 나서 시작하세요. 한국 개인정보보호위원회가 공개한 개인정보 보호법 안내도 한 번 훑어 두면 사내 규칙의 토대가 됩니다.

도입 전과 후, ROI 가늠

숫자는 어디까지나 가늠입니다. 친구 팀에서 추천문 한 건당 작성 시간을 재 봤습니다.

• 도입 전: 과거 글 재활용과 손질로 한 건 약 20~30분
• 도입 후: 초안 생성과 마무리로 한 건 약 5~8분

가령 하루 10건, 코디네이터 한 명이 돌린다고 하면, 한 건 20분 단축이면 하루 약 200분, 3시간 넘게 빕니다. 월 20영업일이면 60시간 넘습니다. 그 시간을 면담 수를 늘리거나 구직자 팔로업 연락에 돌릴 수 있습니다.

물론 처음 며칠은 프롬프트 조정과 금지어 정비로 오히려 시간이 더 듭니다. 본전을 찾는 건 둘째 주 즈음부터였습니다. 매일의 자잘한 시간 절약 요령은 생산성 향상 요령에도 정리해 두었습니다.

회사 전체로 파견사업의 문서 업무를 다시 보고 싶다면, 프롬프트 설계와 운영 규칙 만들기를 함께 진행하는 연수·상담에서 시작하면 현장에 자리 잡기 쉽습니다.

자주 묻는 질문

Q. 생성형 AI에 맡기면 추천문이 기계적으로 되지 않나요? A. 됩니다. 단, 그것은 “경력과 일자리를 잇는 한 문장”을 필수로 하지 않았을 때입니다. 프롬프트로 권하는 이유를 한 문장 넣게 하면 템플릿 느낌은 꽤 사라집니다. 마지막 마무리는 사람이 한다는 전제입니다.

Q. 우리 사내 시스템에 AI를 직접 연결해야 하나요? A. 필요 없습니다. 우선 메모와 일자리 정보를 복붙으로 넘기고 초안을 받기만 해도 충분히 돌아갑니다. 시스템 연동은 운영이 굳어진 뒤에 검토해도 늦지 않습니다.

Q. 시급이나 근무지를 AI가 틀리지 않나요? A. 틀립니다. 그래서 숫자 확인은 사람의 공정에 남겨 두었습니다. 생성형 AI는 원본 데이터에 없는 숫자를 그럴싸하게 쓸 때가 있으니, 보내기 전에 반드시 일자리 정보와 맞춰 보세요.

Q. 구직자 이름을 가림 처리하면 글이 부자연스러워지지 않나요? A. 초안 단계에서는 “A 씨”로 문제없습니다. 돌아온 글의 “A 씨”를 자기 에디터에서 실명으로 바꾸기만 하면 됩니다. 찾아 바꾸기로 한꺼번에 변환할 수 있습니다.

실제로 시험해 본 결과

저 자신도 친구에게 면담 메모 5건을 받아 위 프롬프트와 검증 스크립트를 통과시켜 봤습니다. 확인하고 싶었던 건 세 가지. 초안 소요 시간, 복붙 사고 검출, 가림 처리 운영의 수고였습니다.

추천문 초안은 한 건당 대체로 5분 안팎으로 형태가 잡혔습니다. 가장 효과가 컸던 건 “권하는 이유를 한 문장” 지정으로, 이것만 있어도 회신하고 싶어지는 글로 바뀝니다. 검증 스크립트에는 일부러 앞 구직자 이름을 남긴 글을 먹였더니, 제대로 “확인 필요”로 멈춰 주었습니다. 가림 처리 운영은 처음엔 번거롭게 느껴졌지만, 바꾸기를 한 번 끼우는 것뿐이라 이틀이면 익숙해졌습니다.

반대로 일자리 숫자를 AI가 미묘하게 반올림해 버린 장면이 한 번 있었습니다. 시급 끝 두 자리가 바뀌어 있었습니다. 역시 숫자의 최종 확인은 사람에게 남긴 게 정답이었습니다. 초안은 AI, 판단과 숫자는 사람. 이 선 긋기를 지키는 한, 매칭 메모와 구인 추천문 만들기는 확실히 가벼워집니다.