"실업급여 신청 병목 잡고, 흥미 맞춰 일자리 매칭"…'고용24' 체질 개선

[미디어펜=유태경 기자] 공공 고용서비스가 데이터·인공지능(AI) 기반으로 재편되고 있는 가운데, 정부가 운영 중인 국가 디지털 고용서비스 통합플랫폼 '고용24'가 '지능형 수요자 중심 플랫폼'으로 전면 체질 개선에 나선다.

한국고용정보원은 2일 발간한 '계간 고용이슈 2026년 봄호'에서 이 전환을 실제로 어떻게 구현할 것인지를 실증 연구를 통해 제시했다.

먼저 노현국 부연구위원의 '고용24 사용자 로그데이터 분석을 통한 서비스 이용 병목 진단과 UX 개선 방안'은 2025년 7월 닷새간 수집된 접속로그 1억9854만 건과 세션로그 198만 건을 분석해 이용자가 어느 단계에서 서비스를 중단하거나 불편을 겪는지를 실증했다.

조사 결과 이용자 91.3%가 재접속자였고, 67.7%는 업무시간(오전 9시~오후 6시)에 집중 접속했다. 고용24가 일회성 방문이 아닌 실업급여·육아휴직·채용정보 등 반복 행정 처리 플랫폼으로 기능하고 있다는 뜻이다. 연령별 이용 서비스도 뚜렷하게 갈렸다. 청년층(20대)은 잡케어·취업지원, 30대는 육아휴직, 중장년층(40~50대)은 채용정보, 60대는 실업급여 이용에 집중됐다.

이번 연구에서는 '알림메시지 처리시간'이 병목 지표로 갈렸다. 사용자가 입력·선택·신청 등 각 단계에서 알림 수신 후 다음 행동까지 걸리는 시간을 측정했더니, 실업급여의 평균 처리시간(35.06초)이 잡케어(6.09초)의 약 6배에 달했다. 실업급여는 날짜·기간 조건 오류가 절반 이상(51.8%)을 차지했고, 취업지원·마이페이지는 필수 입력항목 누락, 직업능력개발은 사전 조건 안내 부족이 병목의 주 원인이었다. 서비스마다 병목 원인이 구조적으로 달랐다. 연구는 알림메시지를 단순 통보 수단에서 '행동 유도 수단'으로 재설계하고, 서비스 유형별로 차별화된 UX 전략이 필요하다고 제언했다.

이무훈 부연구위원의 '머신러닝 기반 직업 적합도 평가와 고용서비스 추천 고도화 방안'은 한국직업정보(KNOW) 재직자 조사 데이터를 활용해 537개 직업의 요구 역량·흥미·업무환경 등을 분석하고 머신러닝 기반 직업 적합도 판별 모델을 구축했다.

2020년부터 2024년까지 연도별 데이터로 랜덤포레스트, 그래디언트 부스팅, 엑스트라 트리 등 여러 알고리즘을 비교한 결과, 엑스트라 트리 모델이 가장 우수한 성능을 보였다. 특히 업무환경·흥미 데이터(2023년)가 업무수행능력·지식·가치관 등 다른 유형의 데이터보다 직업 판별 성능이 높게 나타났다. 특정 기술이나 지식보다 '어떤 환경에서 일하기를 좋아하고 무엇에 흥미를 느끼는가'가 직업 적합도를 가르는 더 중요한 변수라는 의미다.

변수 중요도 분석에서는 마감 시간, 실외근무 같은 업무환경 요인과 예술형·탐구형 흥미 항목이 상위에 올랐다. 또 전체 64개 변수 중 21개만 써도 적정 성능이 유지돼 복잡한 설문 없이 간단한 문항만으로 구직자에게 맞는 직업을 추천하는 기반 기술로 활용될 수 있음을 나타냈다. 이력서 데이터가 부족한 학생이나 진로 미결정자에게 초기 직업 탐색 경로를 제시하고, 직업상담사에게는 데이터 분석을 보조하는 '증강 도구'로 쓰일 수 있다는 것이다.

임종덕 부연구위원의 '생성형 AI 활용 디지털고용서비스 상담지원 사용자 실증 연구'는 전국 9개 고용센터 18명의 직업상담사를 대상으로 현장 인터뷰와 사용성 평가를 실시한 결과를 담았다.

상담사들이 가장 많이 요구한 기능은 진단 단계의 역량 기반 직무 추천과 계획수립 단계의 AI 기반 경력 로드맵 시뮬레이션 및 핵심역량 피드백·자기소개서 생성, 실행관리 단계의 상담 요약 자동 생성이었다. 구직자의 '자소서 작성 애로' 호소가 현장에서 빈번하다는 점도 확인됐다.

이를 토대로 생성형 AI 기반 상담 기능의 프롬프트 질의응답 화면을 설계해 상담사 13명이 직접 사용하게 했더니, '상담 요약 자동 생성 기능'이 기능 적합성·사용성·효과성 전 항목에서 가장 높은 점수를 받았다. 가치체계 분석에서는 '개인화(맞춤형) 서비스'가 상담사들이 AI 활용에서 가장 중시하는 핵심 가치로 도출됐다. 연구는 생성형 AI가 상담사를 대체하는 게 아니라, 데이터 분석과 정보 탐색은 AI가 맡고 상담사는 정서적 코칭과 심층 상담에 집중하는 '협업형 도구'로 발전해야 한다고 강조했다.

김형래·임종덕 부연구위원의 '데이터 기반 환류 체계 구축을 통한 디지털 고용서비스 성과관리 혁신 방안'에서는 공공 고용서비스의 성과관리 방식 자체를 바꿔야 한다고 주장했다.

현재 고용서비스 성과지표는 구직신청자 수, 방문자 수, 취업률 같은 사후결과 중심이다. 하지만 이 같은 지표는 경기 침체나 산업 구조 변화 같은 외부 변수에 훨씬 크게 흔들리기 때문에 담당자가 시스템을 아무리 개선해도 성과로 잡히지 않는 구조적 모순이 있다. 연구는 이를 극복하기 위해 서비스 유입(통합 회원 전환 용이성)·정보 탐색(서비스 활용 범위)·정보 획득 성과(AI 추천 정확성에 대한 명시적 피드백)·과업 완수(구직 등록부터 취업까지의 소요 기간) 등 실무자가 직접 통제할 수 있는 사용자 여정 기반의 4단계 과정지표를 제안했다. 

기술 구현 방안으로는 고용보험·워크넷 등 정형 행정 데이터와 플랫폼 로그 데이터를 결합하는 '데이터 레이크하우스' 구축을 제시했다. 이를 통해 분기·월 단위 애자일 환류가 가능해지고, 미시적 시스템 개선이 취업 성과로 이어지는 인과관계를 통계적으로 입증할 수 있다. 또 청년 경력 개발형·직업훈련 참여형·실업급여 수급형·중장년 전직 특화형 등 사용자 유형별로 성과를 따로 추적해 '평균의 함정'을 피해야 한다고도 강조했다.

김영호 AI고용서비스전략실장은 "데이터와 AI를 기반으로 공공 고용서비스를 보다 정밀하고 지능적인 체계로 발전시키고자 하는 방향성을 보여주는 연구"라며 "앞으로 공공 고용서비스는 데이터, AI, 이용자 경험이 유기적으로 결합된 구조 속에서 국민 개개인의 경력 기회를 보다 적극적으로 발굴하고 연결하는 방향으로 진화해 나갈 것"이라고 했다.