The Problem
이력서 한 장으로는
진짜 능력을 알 수 없습니다
스펙·학력·자격증으로는 ‘이 사람이 우리 회사 문제를 풀 수 있는가’에 답할 수 없습니다. 면접 한두 번도 마찬가지입니다.
Solve2Hire는 다른 방식을 제안합니다. 실제 실무 프로젝트의 4주~12주 활동·제출물·동료평가·회고를 AI가 종합 분석해 16개 차원의 역량 프로파일을 만듭니다.
How It Works
5단계로
채용까지 연결됩니다
프로젝트 매칭
기업이 4~12주 실무 프로젝트 등록 → 인재가 관심 분야로 지원
팀 구성 & 킥오프
자동/수동 매칭으로 팀 편성, 역할 분담
프로젝트 실행
활동 로그·제출물·주간 회고·동료 평가·마일스톤 5종 데이터 축적
AI 평가 & 리포트
4개 엔진이 매주 부분 평가 + 종료 후 최종 평가
채용 연결
16차원 프로파일 + Synthesis 종합 의견(STRONG_YES~NO)으로 매칭
Solution Architecture
AI 4엔진이
입체적으로 분석합니다
단편 평가가 아닙니다. 성과물·활동·동료·성장 4개 축에서 동시 분석한 결과를 Synthesis 엔진이 통합해 16개 차원의 역량 프로파일과 채용 의견을 만듭니다.
성과물의 깊이를 본다
입력 데이터: 팀 제출물(코드/문서/발표자료/디자인) 전체 + 프로젝트별 루브릭(기업이 정의한 평가 기준)
평가 방식: 각 제출물을 루브릭의 차원별로 0~10점 채점 + evidence(구체적 인용)를 산출. 루브릭에 없는 차원도 contextual_rubric으로 자동 추가.
산출: 루브릭 차원 점수(보통 5~8개) + 신뢰도(HIGH/MEDIUM/LOW) + 평가 요약 2~3문장
프로젝트 루브릭
“feedback 컴포넌트의 keyboard navigation을 a11y 표준으로 구현. 동급 팀 평균 대비 +18%.”
기여 패턴을 읽는다
입력: project_events 테이블의 append-only 활동 로그 + 마일스톤 변경 이력 + 팀 멤버 전체 통계(상대 비교용)
평가 방식: 5개 차원(일관성·카테고리 다양성·마일스톤 달성률·팀내 상대기여·시간투자)을 LLM이 정량 데이터 + 패턴 분석
산출: 5차원 점수 + 사용자 vs 팀 평균 비율 + 활동 일관성 지표
4주 활동 히트맵
팀내 1.34×팀이 느낀 나를 본다
입력: 팀 멤버 간 peer_evaluations(상호 평가) + 주간 회고에서 언급된 동료 기여 텍스트
평가 방식: 4개 차원(협업 능력·기여도·의사소통·리더십/주도성)을 cross-validation으로 채점 + 기여 유형 분류
산출: 4차원 점수 + 기여 유형(양적 주력자 / 허브 촉진자 / 독립 실행자 / 안정적 서포터) + 동료 발언 evidence
팀 협업 네트워크
“기획 단계에서 흩어진 의견을 정리해 모두가 같은 방향을 보게 만들었다.”
시간에 따른 변화를 본다
입력: 주간 회고(weekly_reflections) 시계열 + 다른 3개 엔진의 누적 평가 결과(이미 처리됨)
평가 방식: 3개 차원(성장·학습속도·자기인식)을 시간순으로 추적 + LLM이 채용 담당자가 읽을 수 있는 2~3문단 ‘Growth Narrative’를 작성
산출: 3차원 점수 + Growth Narrative(서사형 설명) + 학습 곡선 패턴
학습 곡선 · 4주 → 12주
Growth Narrative
“초반에는 task 단위로 문제를 정의하는 데 시간이 걸렸으나, 6주차부터 의존성을 먼저 그리고 작업을 분할하는 패턴이 자리잡았다. 자기인식 측면에서는...”
4개 엔진을
하나의 의견으로
동작: 4개 엔진 결과를 가중치 분석으로 통합 → 4차원(종합 역량·성장 잠재력·협업 효과성·자기주도성) 점수 + hiring_recommendation(STRONG_YES / YES / MAYBE / NO) + integrated_narrative + key_strengths + key_improvements
Hiring Recommendation
Key Strengths
- +팀원 간 흩어진 의견을 통합해 방향성을 제시하는 허브 역할
- +주차가 진행될수록 의존성을 먼저 파악하는 사고 패턴 정착
- +동급 팀 평균 대비 결과물 완성도 +18% 상회
Key Improvements
- 초기 task 정의 단계에서 의사결정 시간이 다소 길어지는 패턴
- 기술 깊이 측면에서 일부 차원의 실용성 보강 여지
Data Sources
어떤 데이터를 16차원으로
변환할까요
활동 이벤트 로그
append-only event sourcing (project_events 테이블)
팀 제출물
코드 / 문서 / 발표자료 / 디자인 파일
주간 회고
매주 작성하는 자기 평가 + 학습 기록
동료 평가
팀 멤버 간 상호 평가 (cross-validation)
마일스톤 달성
단계별 목표 도달 이력
5종 데이터 → 4 엔진 → 16차원 종합 리포트
AI 종합 역량 리포트
김지원 · 백엔드 트랙
- 문제해결: 88점
- 기술깊이: 82점
- 완성도: 91점
- 실용성: 76점
- 일관성: 84점
- 다양성: 78점
- 마일스톤: 92점
- 상대기여: 87점
- 시간투자: 81점
- 협업: 92점
- 기여도: 89점
- 커뮤니케이션: 88점
- 리더십: 83점
- 성장: 86점
- 학습속도: 89점
- 자기인식: 85점
기여 유형
허브 촉진자
종합 역량
87 / 100
Key Strengths
- +팀원 의견 통합 능력 (허브 촉진자)
- +주차별 학습 패턴 정착
- +결과물 완성도 동급 대비 우수
Output
읽을 수 있는 리포트
숫자 너머의 맥락
단순 점수가 아닙니다. AI가 evidence(구체적 인용), growth_narrative(2~3문단 서사), key_strengths/improvements까지 함께 만들어 채용 담당자가 30초 안에 결정할 수 있도록 합니다.
개인정보 보호
peer_evaluations는 누가 누구를 평가했는지 식별자 redact 후 종합. 학생에게는 hiring 의견을 제외한 student_safe_narrative만 제공합니다.
The Difference
기존 채용 vs Solve2Hire
기존 채용 방식
- 이력서 제출 — 3장 분량 압축
- 1회성 코딩 테스트 — 순간 실력만 측정
- 면접관의 주관적 평가
- 결과만 봄 — 과정은 블랙박스
- 개인 능력만 평가 — 협업/성장 누락
Solve2Hire 방식
- 실무 프로젝트 수행 — 4~12주 활동 기록
- 활동 로그·제출물·회고·동료평가 5종 데이터
- AI 4개 엔진 객관적 분석 + cross-validation
- 과정 전체를 봄 — 매주 부분 평가까지
- 팀워크 + 성장 + 기여 유형 입체 평가
By the Numbers
데이터로 말합니다
4개
AI 분석 엔진
16차원
역량 프로파일
4~12주
프로젝트 기간
5종
데이터 소스
