심리 검사 설문 API를 활용한 직업 발전 평가 Agent 구축

요약: 직업 계획 및 진학 상담은 모델이 직접 결론을 내리기에 적합하지 않습니다. 본문에서는 심리 검사 설문, 답변 제출, 결과 조회 및 텍스트 생성을 조합하여 직업 발전 평가 Agent를 구축하는 방법을 시연하며, 시스템이 먼저 구조화된 검사를 완료한 후 해석 가능한 권장 보고서를 생성하도록 합니다.

키워드: 직업 검사 Agent, 심리 검사 API, 직업 발전 검사, 설문 채점 API, 교육 상담 Agent

문제 배경

많은 직업 계획 제품들은 사용자에게 자기 기술(self-description)을 입력하게 한 뒤, 모델이 성격, 흥미 및 직업 방향을 직접 분석하도록 합니다. 이러한 방식은 상호작용이 간단하지만 결과가 불안정하며 근거를 설명하기 어렵습니다. 교육 상담, 대학생 직업 발전 및 대입 심리 보조와 같은 시나리오에서는 표준화된 설문을 먼저 완료한 후, 그 결과를 Agent에게 전달하여 제안을 생성하게 하는 방식이 더 적합합니다.

직업 및 발전 심리 검사 설문 API는 설문 목록, 설문 상세 정보, 답변 제출, 결과 조회 및 이력 관리 기능을 제공합니다. Agent는 설문을 선택하고, 답변을 유도하며, 누락된 문항을 확인하고, 결과를 설명하며, 검사 결과를 사용자가 이해할 수 있는 행동 제안으로 변환하는 역할을 담당할 수 있습니다.

Agent 워크플로우

API 오케스트레이션 (Orchestration)

단계	API	요청 방식	용도
설문 가져오기	직업 및 발전 심리 검사 설문	GET	사용 가능한 설문, 차원(dimension) 및 설명 가져오기
...

호출 예시

사용 가능한 설문 조회:

curl -G "https://api.gugudata.com/v1/psychology/questionnaires" \
  --data-urlencode "appkey=YOUR_APPKEY"

특정 설문 상세 정보 조회:

curl -G "https://api.gugudata.com/v1/psychology/questionnaires/HOLLAND_SDS" \
  --data-urlencode "appkey=YOUR_APPKEY"

답변을 제출할 때는 서버 측에서 문항 번호 검증을 완료하는 것을 권장합니다:

curl -X POST "https://api.gugudata.com/v1/psychology/tests?appkey=YOUR_APPKEY" \
  -H "Content-Type: application/json" \
  -d '{
...

Agent는 먼저 답변의 완전성을 확인할 수 있습니다:

def validate_answers(questionnaire: dict, answers: dict) -> list[str]:
    """답변을 제출하기 전 누락된 문항 번호를 반환합니다."""
    question_numbers = {str(item["QuestionNo"]) for item in questionnaire["Data"]["Questions"]}
...

보고서 생성 방법

검사 결과는 단순히 점수 뭉치로 직접 보여주는 것을 권장하지 않습니다. 더 나은 구조는 다음과 같습니다:

영역	내용
검사 개요	설문 명칭, 검사 시간, 답변 완전성
...

Agent의 가치는 검사 결과를 신비화하는 것이 아니라, 구조화된 점수를 실행 가능한 제안으로 바꾸는 데 있습니다. 학생, 학부모 또는 직업 상담사에게 보고서는 단순히 "당신은 특정 직업에 적합합니다"라는 한 마디가 아니라, 차원(dimension) 근거로 돌아갈 수 있어야 합니다.

표준 아키텍처 분해

직업 발전 평가 시스템은 다섯 가지 모듈로 나눌 수 있습니다:

모듈	책임
검사 선택	사용자의 연령, 단계 및 목표에 따라 적절한 설문 추천
...

검사 선택은 규칙(rule)에 의해 구동될 수 있습니다. 예를 들어, 대입 심리 시나리오에서는 대입 관련 설문을 우선 사용하고, 대학 졸업 전환 시나리오에서는 직업 발전 설문을 우선 사용합니다. 모델은 설명과 표현에만 참여해야 하며, 원본 점수나 차원 정의를 수정해서는 안 됩니다.

데이터 흐름 및 API 경계

권장 프로세스는 다음과 같습니다:

1. 사용자가 직업 탐색, 진학 계획 또는 졸업 전환과 같은 평가 목표를 선택합니다.
2. Agent가 설문 목록을 조회하여 적합한 설문을 필터링합니다.
3. 사용자가 답변을 시작하며, 프론트엔드(Frontend)에서 임시 진행 상황을 저장합니다.
4. 제출 전 문항 번호의 완전성과 답변 형식을 검증합니다.
5. 테스트 답변 제출 API를 호출합니다.
6. 테스트 ID를 기반으로 결과를 조회합니다.
7. 결과를 사용하여 보고서를 생성하고, 다시 볼 수 있는 진입점을 제공합니다.

API가 반환하는 데이터는 평가 데이터와 해석의 기초이며, 이를 수정해서는 안 됩니다. 보고서 생성 계층(Layer)에서 어조와 구조를 조정할 수는 있지만, 신뢰도가 낮은 평가 결과를 확정적인 결론으로 포장해서는 안 됩니다.

오류 처리

답변 중 누락된 문항이 있는 경우, Agent는 누락된 문항 번호를 지적하고 사용자가 보완하도록 안내해야 하며, 직접 제출해서는 안 됩니다. 사용자가 답변 도중 반복적으로 중단하는 경우, 미완성 보고서를 생성하는 대신 초안(Draft) 상태를 저장해야 합니다. 결과 조회에 실패할 경우 테스트 ID를 유지하여 나중에 재시도할 수 있도록 해야 합니다.

심리 평가는 개인 정보를 포함하므로, 시스템은 저장하는 필드를 최대한 최소화해야 합니다. 사용자 ID는 비즈니스 측의 익명 식별자를 사용할 수 있으며, 보고서 공유 링크에는 유효 기간이나 접근 제어가 있어야 합니다.

신뢰성 및 관측성

다음 지표들을 기록하는 것을 권장합니다:

지표	용도
questionnaire_start_count	설문 시작 횟수
...

완료율이 낮다면 문항이 너무 길거나, 모바일 환경의 사용자 경험(UX)이 좋지 않거나, 설문 추천이 부정확할 가능성이 있습니다. Agent는 모델을 사용하여 평가 자체를 단축하려 하기보다 가이드 프로세스를 우선적으로 최적화해야 합니다.

구현 체크리스트

• 각 설문을 보여주기 전, 문항 수와 차원(Dimension) 설명을 먼저 읽어옵니다.
• 답변 제출 전 완전성 검증을 수행합니다.
• 보고서에는 요약만 출력하는 것이 아니라 차원별 점수 근거를 유지합니다.
• 평가 결과를 의학적 진단이나 절대적인 결론으로 작성하지 않습니다.
• 사용자가 기록을 삭제하거나 재평가할 수 있도록 허용합니다.

확장 방향

이 Agent는 대학 전공 데이터 API를 추가로 연결하여 직업 성향과 전공 방향을 가볍게 매칭할 수 있습니다. 또한 다국어 번역 API를 연결하여 국제 학교나 유학생 상담 시나리오를 위한 영문 보고서를 생성할 수도 있습니다.

관련 API

• 직업 및 발달 심리 평가 설문
• 문장 자연스러운 윤문
• 전국 대학교 전공 데이터
• 다국어 AI 번역