A Comparative Review of LLM Architectures in AI Resume Generators: LLaMA vs. Proprietary Models

현대 직업 시장에서 이력서는 한 개인의 과거와 미래의 기회를 잇는 가교이자 매우 중요한 문서가 되었습니다. 그러나 특히 비전통적인 경로를 걸어왔거나, 공식적인 경력으로 인정받지는 못했지만 필수적인 일을 수행해 온 사람들에게 자신의 경험을 산업계의 표준 언어로 번역하는 일은 어려운 과제입니다. 이를 해결하기 위해 개발자들은 이러한 이력서를 자동으로 작성하도록 설계된 인공지능 도구들을 만들기 시작했습니다. 이 도구들은 방대한 양의 텍스트를 학습하여 인간의 언어를 이해하고 생성할 수 있는 컴퓨터 시스템인 거대 언어 모델에 의존합니다. 이 모델들을 복잡하고 개인적인 이야기를 읽어내어 세련되고 전문적인 형식으로 다시 써주는 고도로 정교한 엔진이라고 생각하면 됩니다. 하지만 이 엔진들이 구축되고 운영되는 방식에는 근본적인 분기점이 존재합니다. 어떤 것들은 오픈 소스(open-source) 방식으로, 그 내부 작동 원리가 공개되어 있으며 사용자가 소유한 컴퓨터에서 직접 실행할 수 있는 반면, 다른 것들은 독점적(proprietary) 방식으로, 특정 회사가 소유하며 인터넷을 통해서만 접근할 수 있는 폐쇄형 시스템입니다. 이러한 차이는 데이터에 대한 통제권, 도구를 실행하는 데 드는 비용, 그리고 특정 요구 사항에 얼마나 잘 맞춤화될 수 있는지를 결정하기 때문에 매우 중요합니다.

보펠란 대학교(University of Wuppertal)의 연구원 슈미트 알베르트(Schmidt Albert)는 이러한 이력서 생성기의 건축적 선택을 조사함으로써 이 분기점이 실세계에 미치는 영향을 이해하고자 했습니다. 그는 새로운 도구를 만들거나 직접 테스트하는 대신, 기존 문서들에 대한 구조적인 검토를 수행했습니다. 연구는 두 가지 주요 사례에 집중했는데, 학술적 이력서(CV)를 산업계 이력서로 변환하는 LLaMA 모델 기반의 오픈 소스 시스템인 RealCV와, GPT와 같은 상용 모델에 의존하는 다양한 독점 시스템들입니다. 연구의 목표는 데이터가 머무는 곳, 도구의 맞춤화 가능성, 실행 비용, 시스템의 투명성, 그리고 특이하거나 '보이지 않는' 업무 경험을 처리하는 능력이라는 다섯 가지 특정 영역에 걸쳐 두 접근 방식 간의 절충점을 매핑하는 것이었습니다.

검토 결과, 오픈 소스와 독점 모델 사이의 선택은 어느 하나가 더 우월하다는 단순한 문제가 아니라, 서로 다른 종류의 통제와 편의성 사이의 선택임을 보여주었습니다. 데이터 통제 측면에서 오픈 소스 방식은 개인정보 보호 측면에서 상당한 이점을 제공합니다. RealCV와 같은 시스템은 로컬 서버에서 실행될 수 있기 때문에, 이력서에 담긴 민감한 개인 정보가 조직 자체의 컴퓨터를 벗어나지 않습니다. 반면, 독점 모델은 데이터를 외부 회사의 서버로 보내 처리해야 합니다. 이러한 회사들이 개인정보 보호 정책을 가지고 있기는 하지만, 데이터가 사용자의 직접적인 통제를 벗어나 외부로 이동한다는 점은 보안 규칙이 엄격한 조직에게 장벽이 될 수 있습니다.

맞춤화(Customization) 또한 명확한 차이를 보입니다. 오픈 소스 모델은 모델에 특정 데이터를 추가로 학습시켜 특정 산업의 정확한 언어와 요구 사항을 배우게 하는 과정인 '미세 조정(fine-tuning)'이 가능합니다. 이를 통해 깊이 있고 전문적인 조정을 할 수 있습니다. 반면, 독점 모델은 일반적으로 사용자가 모델의 근본적인 코드를 변경하지 않고 상세한 지침을 주는 '프롬프트 엔지니어링(prompt engineering)'을 통해 맞춤화됩니다. 이는 더 쉽고 기술적 숙련도가 적게 필요하지만, 연구에 따르면 미세 조정만큼 깊은 수준의 전문화를 달 alcance하기는 어려울 수 있습니다.

비용과 확장성 또한 서로 반대 방향으로 움직입니다. 오픈 소스 모델을 운영하려면 컴퓨터 하드웨어에 대한 초기 투자와 이를 유지 관리할 전문 지식이 필요하지만, 일단 구축되면 수천 건의 이력서를 처리하는 비용은 매우 낮아질 수 있습니다. 독점 모델은 초기 하드웨어 비용이 들지 않으며, 사용자는 처리된 문서당 비용을 지불하기만 하면 됩니다. 이는 소규모 사용에는 매력적이지만, 연구는 대량의 지원서를 처리하는 대규모 조직의 경우 비용이 빠르게 불어날 수 있다고 지적합니다.

투명성은 아마도 가장 극명한 차이일 것입니다. 오픈 소스 모델의 경우, 연구자들은 해당 시스템이 어떻게 작동하는지, 어떤 데이터로 학습되었는지, 구체적으로 어떤 설정이 사용되었는지를 정확히 볼 수 있습니다. 이는 독립적인 검증을 가능하게 하고 신뢰를 구축합니다. 독점 모델은 종종 내부 세부 사항이 비밀로 유지되는 '블랙박스'로 묘사됩니다. 이 기업들은 강력한 안전 조치를 갖추고 있다고 주장하지만, 공개된 문서의 부재로 인해 외부인이 시스템이 결정을 내리는 방식을 완전히 감사하는 것은 불가능합니다.

마지막으로, 연구는 이 시스템들이 '보이지 않는 경험(invisible experience)', 즉 멘토링, 지역사회 조직화, 돌봄과 같이 표준적인 직함에 부합하지 않는 종류의 업무를 얼마나 잘 처리하는지 살펴보았습니다. LLaMA 모델을 기반으로 구축된 RealCV 시스템은 이러한 비전통적 경험을 가치 있는 산업 기술로 인식하고 번역하도록 명시적으로 설계되었습니다. 이 시스템의 문서는 이러한 역량에 대해 명확히 밝히고 있습니다. 반면, 독점 모델의 문서는 이 작업을 구체적으로 다루지 않으며, 추가적인 테스트 없이도 동일한 번역을 수행할 수 있는지 여부가 불분명합니다.

논문은 두 방식 중 어느 하나가 보편적으로 우월하다고 결론짓지 않았습니다. 최선의 선택은 전적으로 사용자의 구체적인 필요에 달려 있습니다. 만약 조직이 데이터 프라이버시, 깊은 맞춤화, 그리고 시스템 감사 능력을 우선시한다면 오픈 소스 경로가 필요한 도구들을 제공합니다. 만약 사용의 용이성, 낮은 초기 비용, 그리고 기술적 유지 관리 없이 강력한 언어 능력을 즉각적으로 사용하는 것이 우선이라면 독점적 경로가 더 적합합니다. 본 연구는 이 분야가 여전히 성숙 단계에 있으며, 특히 대규모 운영 시의 비용이나 맞춤화에 사용되는 구체적인 방법론에 관한 문서화 측면에서 상당한 격차가 있음을 강조합니다. 이러한 절충안들을 명확히 제시함으로써, 본 연구는 개발자와 조직들이 차세대 커리어 도구를 구축할 때 어떤 건축적 경로를 택할지에 대해 정보에 입설한 결정을 내릴 수 있도록 하는 프레임워크를 제공합니다.