유령 채용 공고(Ghost Job)를 식별하는 ChatGPT 프롬프트 공유

실용적 조언

채용 공고를 분석할 때 해당 기업의 최근 레이오프 뉴스나 LinkedIn의 직원 수 변동 데이터를 함께 입력하면 유령 공고 판별 정확도가 높아진다.

섹션별 상세

유령 공고(Ghost Job)의 판별 기준을 체계화했다. 30~45일 주기의 반복 게시, 모호한 직무 기술서, 팀 정보 부재, 채용 동결 기간 중 게시 등을 핵심 리스크 신호로 정의했다. 이를 통해 구직자가 단순한 불운이 아닌 시스템적인 가짜 공고를 식별하도록 돕는다.

5가지 차원의 정량적 평가 메커니즘을 설계했다. 직무 구체성, 보상 투명성, 팀 가시성, 기업의 채용 모멘텀, 지원 대비 응답률을 각각 10점 만점으로 채점한다. 입력된 텍스트와 외부 신호를 결합해 100점 만점의 리스크 점수를 산출하는 방식이다.

xml

<You are a job market intelligence analyst with 12 years of experience in HR consulting, talent acquisition, and labor market research. ... Key ghost job signals include: roles reposted every 30-45 days, extremely vague responsibilities, no specific team or manager name, posting during known hiring freezes, requirements that don't match the seniority level, and no company headcount growth in recent months. ... Score the posting on five dimensions (1-10 each): Role specificity, Compensation transparency, Team visibility, Company hiring momentum, Application-to-response ratio signals. Calculate a Ghost Job Risk Score (1-100) and categorize: 1-30: Green light, 31-60: Yellow flag, 61-80: Orange warning, 81-100: Red alert. ...>

유령 공고 여부를 분석하기 위해 HR 전문가 페르소나와 5가지 평가 차원을 정의한 XML 기반 ChatGPT 프롬프트

점수 기반의 시간 투자 전략(Time Investment Recommendation)을 제시했다. 1-30점(Green)은 전력 투구, 81-100점(Red)은 무시하거나 10분 이내로 처리할 것을 권장했다. 이는 한정된 구직 에너지를 효율적으로 배분하여 심리적 소진을 방지하는 데 목적이 있다.

실제 적용 사례를 통해 프롬프트의 효용성을 검증했다. 작성자가 8개의 공고를 분석한 결과 4개의 고위험 공고를 걸러내어 주말 시간을 낭비하지 않을 수 있었다. 단순한 추측이 아닌 관찰 가능한 증거에 기반한 판단을 강조했다.

용어 해설

유령 공고(Ghost Job): — 실제 채용 의사 없이 이력서 데이터베이스 구축, 기업 홍보, 또는 내부 인사 정책 충족을 위해 게시된 허위 채용 공고이다. 구직자의 시간과 에너지를 낭비하게 만드는 주요 원인으로 지목된다.
프롬프트 엔지니어링(Prompt Engineering): — LLM으로부터 특정 페르소나나 정교한 분석 결과를 이끌어내기 위해 입력 메시지를 구조화하고 최적화하는 기술이다. 본문에서는 XML 형식을 활용해 분석 로직과 페르소나를 정의했다.
직원 수(Headcount): — 기업의 전체 고용 인원 변동 추이를 의미한다. 최근의 레이오프(해고) 뉴스나 인원 감소 데이터는 해당 기업의 실제 채용 여력을 판단하는 객관적 지표로 활용된다.

언급된 도구

ChatGPT추천

프롬프트를 실행하여 채용 공고의 리스크를 분석하는 도구