제1장서론

제1절 연구 배경

제2절 연구 목적 및 필요성

제3절 연구 범위와 방법

제2장 문헌 연구 조사

제1절 관련 연구 및 기술

제2절 LLM 언어 모델

제3절 LLM 기술 동향

제3장 국내·외 활용 사례 분석

제1절 국내 활용 사례 조사

제2절 해외 사례 조사

제3절 요약 및 시사점

제4장 고용서비스 적용 방안

제1절 고용서비스 적용 사례 분석 및 시사점

제2절 고용서비스 상담 실태조사 분석 및 시사점

제5장 LLM 기반 고용서비스 실증(PoC) 모델 연구

제1절 연구 분석 및 설계

제2절 PoC 모델 개발 및 구현

제3절 PoC 모델 성능평가

제4절 PoC 모델 내재화, 향후 이행추진 등

제6장 결론

참고문헌

본 연구는 GPT(Generative Pre-trained Transformer) 관련 연구와 기술 동향과 국내· 외 활용 사례를 분석하여 고용서비스 GPT 적용에 관한 방안을 마련하여 실제 고용서비스 실증(Proof of Concept, PoC) 모델을 구축하는 데 목적이 있다. 

먼저, GPT 관련 문헌 연구 조사를 통해 LLM 모델 성능과 기술 동향 등을 조사·분석하고 LLM, sLLM 모델 성능과 기술 타당성을 검토하였다. 국내·외 활용 사례 분석은 고용서비스 적용 가능성을 고려하여 행정지원(상담사, 고용센터, 정부기관 등), 구직자 프로파일링 생성, 구직자 취업지원, 사업주 구인활동지원 등으로 사례를 분류하여 공공고용서비스 적용 가능성을 검토하였다. 

특히, 고용서비스 적용 방안에 관한 고용서비스 적용 사례 분석을 통해 취업지원 서비스, 상담지원 서비스, 문서 기반 서비스 등으로 구분하여 사례를 조사하고 앞서, 해외 OECD 사례 조사 내용 중 고용서비스 상담 사례를 중심으로 분석하여 시사점을 도출하였다. 

이어서, 고용서비스 PoC 모델 연구를 위해 주요 고용정보시스템을 기반으로 고용서비스 현황을 조사하고 고용서비스 현장 인터뷰를 통해 현업 담당자 요구 및 필요 사항을 수집하고 생성형 AI 도입에 적합한 서비스 과제를 발굴하였다. 발굴 과제는 고용서비스 직업상담 주제로 PoC 모델을 구축하는 것이다. 이에, 고용서비스 상담 실태조사 분석 및 시사점 등을 반영하여 PoC 모델 설계를 하였다. 

LLM 기반 고용서비스 PoC 모델 연구 과정으로 첫째, PoC 모델 설계 단계로 고용서비스 PoC 모델 주제 설정 및 목표를 설정하여 설계 모델을 구성하고 자료 수집 및 벡터화 DB 설계 등 임베딩 모델을 설계하였다. 

임베딩 모델에 적합한 multilingual-e5-large-instruct 임베딩 모델과 Opensearch 벡터 데이터베이스를 사용하였고 Llama 3.1 70B sLLM 모델을 사용하였다. 

둘째, PoC 모델 개발 및 구현 단계로 sLLM 모델 개발 환경과 RAG(Retrieval-Augmented Generation) 기반의 sLLM 모델을 구성하였다. 

셋째, PoC 모델 성능평가 단계로 sLLM 언어 모델의 RAGAS(Retrieval-Augmented Generation Assessment Scores) 평가는 RAG 시스템의 성능을 평가하기 위해 검색과 생성 품질을 측정하는 방법이다. 이 평가는 모델의 정확성, 일관성, 정밀도를 중점적으로 평가하여 RAG의 효율성을 검증하였다. RAGAS 평가는 고용서비스 내담자 자료와 학습문서를 불러와서 LLM(GPT-4o) 모델에 PoC 모델과 동일한 평가기준 적용을 위한 임베딩 데이터셋을 생성한 후, 두 모델 동일한 임베딩 데이터셋 환경하에 본 연구 “sLLM 기반 직업상담 PoC 모델”의 답변 생성 후 최종적으로 Score를 산정하여 RAG 엔진의 성능을 평가하였다. 

마지막으로 PoC 모델 내재화, 향후 이행 추진 단계를 통해 직업상담에 있어 다양한 시스템에 산재되어 있는 상담 자료를 백터화하고 sLLM 언어 모델 기반으로 RAG 시스템을 구축하여, 직업상담사가 내담자와의 상담에 활용 가능한 수준의 PoC 시스템을 구성하는 방안과 향후 시스템 구축 및 확장함에 있어 이행 방안을 수립하고 이행 추진과제에 따라 구체적으로 구축하는 방안을 제시하였다.