마지막 업데이트: 2026년 10월. Curriculo 팀이 작성.
키워드 매칭 ATS 도구는 이력서의 단어 수를 계산합니다. 결과 기반 ATS 도구는 누군가가 실제로 수행한 작업을 기준으로 점수를 매깁니다. Curriculo ATS는 0에서 100까지의 결과 스타일 점수와 적합성에 대한 AI 요약을 사용합니다. 스타터는 영원히 무료이며, Pro는 2026년 10월 기준으로 50달러입니다.
모든 지원자 추적 시스템은 이력서를 순위 매기기 위해 일부 형태의 AI를 사용합니다. 아키텍처는 두 가지 범주로 나눌 수 있습니다: 거의 모든 레거시 플랫폼에서 사용되는 키워드 기반 매칭과 Curriculo ATS에서 사용되는 결과 기반 순위. 차이는 마케팅이 아닙니다. 그것은 모델이 이력서를 읽는 방식의 구조적 차이이며, 동일한 후보 집합에 대해 근본적으로 다른 후보 목록을 생성합니다.
이것은 ATS 소프트웨어를 구매할 때 실제로 무슨 일이 일어나고 있는지를 이해하고자 하는 채용 담당자 또는 채용 리드를 위해 작성된 기술 비교입니다. 두 가지 아키텍처가 동일한 입력에 대해 더 나은 UX 또는 더 영리한 모델로 매끄럽게 처리될 수 없는 이유를 설명합니다.
키워드 기반 매칭 작동 방식
키워드 기반 매칭은 직무 설명에서 토큰(파이썬, AWS, Kubernetes, Django, Postgres)을 추출하고 이력서에서 동일한 토큰을 검색합니다. 발견된 각 토큰은 일치 점수에 기여합니다. 기본 구현은 대략 다음과 같습니다: job_tokens = extract_keywords(job_description); resume_tokens = extract_keywords(resume_text); overlap = intersection(job_tokens, resume_tokens); score = len(overlap) / len(job_tokens). 더 정교한 버전은 TF-IDF 가중치(드문 용어가 일반 용어보다 더 큰 값을 가집니다) 또는 문장 임베딩(이력서의 벡터가 JD 벡터에 가까울수록 더 높은 순위를 얻어 "관리"를 위해 "이끌었다"와 같은 동의어를 포착)을 사용합니다. 세 가지 변형 모두 동일한 기본 속성을 공유합니다: 그것들은 결정론적 텍스트 매칭 함수이며, 이력서는 입력입니다. 키워드 스터핑 전략을 알고 있는 후보자는 모델이 선호하는 출력을 신뢰성 있게 생성할 수 있습니다.
키워드 매칭의 세 가지 구조적 취약점
1. 적대적 이력서 오염
모든 결정론적 텍스트 매칭 알고리즘은 규칙을 아는 후보자에 의해 조작될 수 있습니다. 모델이 특정 키워드의 존재를 보상하면, 후보자는 이력서 하단의 숨겨진 흰색 텍스트, 반복된 글머리, 또는 가짜 기술 섹션에 그 키워드를 삽입합니다. 키워드 기반 시스템은 구조적으로 이에 취약하며; 모델은 키워드가 후보자가 작업을 수행했기 때문에 있는지, 아니면 필터를 파악했기 때문에 있는지에 대한 개념이 없습니다. 의미적 유사성 모델조차도 약간 다른 공격에 취약합니다: JD를 이력서 요약에 복사-붙여넣으면 코사인 거리가 거의 제로로 떨어집니다.
2. 약한 후보에 대한 잘못된 긍정
이력서에 "파이썬"이 네 번 언급된 후보가 실시간 사기 탐지 시스템을 배송했다고 설명한 후보보다 더 높은 순위를 차지합니다. 모델은 토큰 밀도를 보상하고, 깊이는 고려하지 않습니다. 채용 담당자는 순위의 맨 위에서 잘못된 긍정을 보고 그것을 진행시키고; 강한 후보는 47위에 앉아 있어 결코 읽혀지지 않습니다. 연구에서 문서화된 7초 이력서 스캔은 채용 담당자에게 순위를 수동으로 수정할 시간적 여유가 없음을 의미합니다.
3. 강한 후보를 잃어버리는 잘못된 부정
숨은 근로자에 대한 연구는 2700만 명의 자격 있는 미국인이 능력과 관계 없는 이유로 자동 screening에 의해 거부당한다고 추정했습니다. "스트리밍 서비스를 구축했다"고 쓴 고위 엔지니어는 "실시간 데이터 파이프라인을 설계했다"고 쓴 경우 사라집니다. 비전통적인 어휘, 이력서의 공백 또는 다른 산업 프레이밍을 가진 후보자는 인간이 검토하기 전에 필터링됩니다.
결과 기반 순위 매기기가 작동하는 방식
결과 기반 순위 매기기는 메커니즘을 반전시킵니다. 이력서의 텍스트와 JD의 텍스트를 비교하는 대신, 모델은 이력서에서 측정 가능한 성과를 네 가지 범주로 추출하고 이를 역할의 결과 요구 사항에 대해 점수를 매깁니다. 네 가지 범주는 다음과 같습니다: 수익(성사된 거래, 생성된 ARR, 발생한 절감액), 팀(관리한 인원, 확장된 조직), 시스템(구축한, 발송한, 운영에서 확장한), 문제(해결된, 복잡한, 새로운). 모델은 0-100의 복합 점수를 반환하며, 발견된 특정 결과를 명시하는 작성된 AI 요약 단락이 포함됩니다. 이 단락은 시스템이 블랙박스에서 인간이 감사할 수 있는 도구로 변환되는 부분입니다.
구조적으로 모델은 핵심 단어보다는 총알을 읽습니다. "초당 200만 이벤트를 처리하는 실시간 사기 탐지 파이프라인을 발송했습니다"라는 문장은 특정 프레임워크의 단어 사용 여부와 관계없이 강력한 시스템-발송 신호로 등록됩니다. "파이썬, 파이썬, 파이썬"은 결과가 뒤따르지 않기 때문에 아무것도 등록되지 않습니다. 두 후보자는 키워드 모델과 비교하여 반전된 순위를 생성하며, 이 반전이 전체 요점입니다.
결과 기반 순위 매기기가 조작하기 더 어려운 이유
적대적 강건성은 두 아키텍처를 비교하는 가장 깔끔한 방법입니다. 키워드 기반 모델은 이력서에 토큰을 붙여넣는 후보자에게 속을 수 있습니다; 모델은 후보자가 통제하는 입력을 읽기 때문에 방어 수단이 없습니다. 결과 기반 모델은 성과를 조작하는 후보자에게만 속을 수 있으며, 이는 본질적으로 더 어려운 공격입니다. 허구의 수익 숫자를 만들거나 가짜 시스템 발송하는 것은 사기입니다. 키워드 채우기는 그렇지 않습니다. 공격 비용의 점프가 결과 기반 모델이 저항력을 가지게 만드는 요소입니다.
이는 아마존의 추천 시스템이 판매자의 목록 조작으로부터 보호하기 위해 10년 전 사용한 동일한 원리입니다. 판매자는 제품 제목에 원하는 내용을 쓸 수 있지만, 구매 데이터, 반품 비율, 또는 검증된 리뷰 패턴을 조작할 수는 없습니다. 순위는 조작하기 더 어려운 신호를 읽습니다. Curriculo ATS 이전에, 우리의 설립자 Dev Rishi Khare는 아마존의 전 기계 학습 엔지니어로서 검색 및 추천 작업을 수년간 수행하였으며, 이 원리는 거의 그대로 전이되었습니다: 입력이 저렴하게 조작할 수 없는 신호에 따라 순위를 매기십시오.
두 아키텍처가 준수를 다르게 처리하는 방법
현대의 채용 AI는 NYC 또는 EU에서 고용하는 모든 소규모 팀에 중요한 두 가지 규제 체계 내에 있습니다. NYC 지방법 144는 NYC에서 사용되는 자동화된 고용 결정 도구에 대한 편향 감사 및 후보자 통지를 요구하며, 연간 제3자 감사 및 공개 요약 보고가 필요합니다. EU AI 법안은 고용 AI를 부록 III에 따라 고위험으로 분류하며, 2026년 8월부터 시행되는 의무 사항에는 필수 위험 평가, 기술 문서, 편향 테스트 및 인간 감독 요구 사항이 포함됩니다.
두 제도 모두 문서화되고 설명 가능한 추론을 가진 모델을 선호합니다. 후보자당 작성된 단락을 생성하는 결과 기반 ATS는 설명이 없는 숫자를 반환하는 블랙박스 키워드 모델보다 문서화 및 감사 요구 사항을 훨씬 더 깔끔하게 충족합니다. 두 아키텍처 간의 준수 비용 차이는 실제입니다: 결과 기반 공급자는 모델의 출력에서 직접 감사 아티팩트를 생성할 수 있는 반면, 키워드 기반 공급자는 설명을 재적용하거나 지속적인 위험을 받아들여야 합니다. 이것은 Curriculo ATS가 결과 기반 아키텍처를 사용하는 마케팅 이유는 아니지만, 아키텍처 선택이 잘 지속되는 이유 중 하나입니다.
ATS 선택 시 의미
구조적 차이는 최종 후보자 목록에서 나타납니다. 같은 100개의 이력서를 키워드 기반 ATS와 결과 기반 ATS에 통과시켜 각각의 상위 10명 후보자를 비교해 보세요. 두 목록은 30-50% 정도 겹칠 것이며, 나머지는 다른 사람들일 것입니다. 키워드 목록은 필터에 맞춰 이력서를 최적화한 후보자를 포함합니다. 결과 목록은 실제로 관련 작업을 수행한 후보자를 포함합니다. 채용 담당자 또는 채용 리드는 두 목록 중 하나를 읽습니다.
가격 책정은 능력 차이보다는 포지셔닝을 반영합니다. Workable은 1~20명의 직원에 대해 월 $299부터 시작하며, Workable 가격에서 확인할 수 있습니다. Greenhouse는 맞춤 견적 - 구매 보고서당 좌석당 월 $150이며, 중간 계약은 맞춤 견적입니다. Curriculo ATS Pro는 팀 구성원 수에 제한이 없는 월 $50입니다. 가격 차이는 관련 소규모 팀 계층에서 대략 10배 정도이며, 스크리닝 아키텍처는 구조적으로 다릅니다.
다음에 할 일
현재 ATS 옵션을 평가 중이라면, 구조적 선택이 가장 중요한 변수이며, 대부분의 데모에서 간과되는 부분입니다. 기술 메커니즘에 대한 영향 점수 페이지를 읽고, Curriculo ATS가 Greenhouse, Lever, Workable, Ashby 및 Manatal과 어떻게 비교되는지 확인하는 비교 페이지를 확인하세요. 스타터 계층은 무료이며, 실제 역할에서 구조적 차이를 검증하기에 충분합니다.
Curriculo ATS가 후보자를 평가하는 방법
Curriculo ATS는 귀하의 작업에 대해 모든 후보자의 점수를 0에서 100까지 매기며, 적합성에 대한 AI 요약이 포함되어 있습니다. Curriculo는 200개 이상의 언어를 지원하며 모든 언어로 된 이력서를 읽을 수 있습니다. 스타터는 영원히 무료입니다. 프로는 월 $50입니다. 약 15분 만에 설정할 수 있습니다. 신용 카드 없음.
자주 묻는 질문
ATS에서 키워드 매칭이란
키워드 매칭은 직무 설명의 단어가 이력서에 나타나는 빈도를 계산합니다. 빠르지만, 같은 작업을 다른 단어로 설명하는 사람들을 놓칠 수 있습니다.
결과 기반 ATS 평가란
결과 기반 평가는 후보자가 실제로 귀하가 게시한 직무에 대해 수행한 작업을 평가하며, 키워드가 몇 번 나타나는지를 평가하지 않습니다.
Curriculo ATS는 키워드 매칭만 사용하나요
아니요. Curriculo ATS는 귀하의 작업에 대해 모든 후보자의 점수를 0에서 100까지 매기며, 적합성에 대한 AI 요약이 포함되어 있습니다.
Curriculo ATS를 어디서 사용해 볼 수 있나요
무료 시작하기. Curriculo 가격을 확인하세요.
AI 후보자 평가가 설명된 곳은
AI 후보자 평가입니다.
출처
- Curriculo 가격, 2026년 10월 확인
- AI 후보자 평가
- ATS 비교