학생의 기술을 검증하는 AI 플랫폼을 구축한 방법

문제점

IT 분야의 학생들은 자신의 기술을 증명할 실질적인 방법이 없습니다. 성적은 시험을 얼마나 잘 치렀는지를 보여줄 뿐입니다. 자격증은 코스를 완료했다는 것을 보여줍니다. 하지만 둘 다 당신이 실제로 무엇을 만들 수 있는지는 보여주지 못합니다.

저는 이 문제를 직접 목격했습니다. 놀라운 프로젝트를 가진 학생들도 채용 담당자들이 그들의 실제 능력을 검증할 방법이 없었기 때문에 인턴십을 얻지 못했습니다. 그래서 저는 Verix를 만들었습니다.

Verix란 무엇인가?

Verix는 학생들이 종이 증명서가 아닌 AI를 통해 자신의 기술을 검증하는 디지털 평판 플랫폼입니다. 세 가지 주요 기능이 있습니다:

SkillProof AI — 프로젝트 설명을 제출합니다. AI가 이를 분석하여 React, Python, ML/AI, Design, Data, Web Development 등 6개 이상의 도메인에 걸쳐 기술 점수를 매깁니다.

TalentMatch — 검증된 기술에 맞춰 매칭된 인턴십과 기회들을 스와이프(Swipe)하며 확인합니다. 커리어 기회를 위한 Tinder라고 생각하면 됩니다.

EduPath — 현재 수준과 목표를 기반으로 개인화된 학습 로드맵을 제공받습니다. AI는 당신이 발전함에 따라 추천 내용을 조정합니다.

어떻게 구축했는가

플랫폼 전체는 HTML, CSS, 그리고 vanilla JavaScript로 구축된 단일 페이지 애플리케이션 (Single Page Application)입니다. React도 없고, 프레임워크 (Frameworks)도 없습니다. 오직 깨끗한 코드뿐입니다.

AI 레이어는 기술 분석을 위해 Anthropic의 Claude API를 사용합니다. 저는 독창성, 복잡성, 기술적 깊이를 기준으로 프로젝트를 평가하는 채점 알고리즘을 설계했습니다. 프롬프트 엔지니어링 (Prompt engineering)이 가장 어려운 부분이었습니다. 서로 다른 도메인에 대해 AI 평가를 일관되고 공정하게 만드는 데 수십 번의 반복 작업이 필요했습니다.

배포는 Vercel에서 이루어지며 GitHub Pages에 미러링되어 있습니다.

AI가 실제로 하는 일

학생이 검증을 위해 프로젝트를 제출하면, AI는 다음과 같은 작업을 수행합니다:

1. 사용된 기술 스택 (Technology stack)을 분석합니다.
2. 복잡성과 독창성을 평가합니다.
3. 해당 기술 수준에 대한 기본 기대치와 비교합니다.
4. 구체적인 피드백과 함께 0에서 100 사이의 점수를 반환합니다.

AI는 또한 TalentMatch를 구동합니다. 학생의 프로필을 인턴십 요구 사항과 대조하여 최적의 적합성을 찾아냅니다.

도전 과제

가장 큰 도전 과제는 AI 채점(scoring)을 공정하게 만드는 것이었습니다. React 프로젝트와 Python 프로젝트는 근본적으로 다릅니다. AI는 단순히 키워드를 매칭하는 것이 아니라 문맥(context)을 이해해야 했습니다. 프롬프트 엔지니어링(Prompt engineering)에 실제 UI를 작성하는 것보다 더 많은 시간이 소요되었습니다.

또 다른 도전 과제는 모든 것이 단일 HTML 파일 내에서 실행된다는 점이었습니다. 프레임워크 없이 코드를 모듈화(modular)하고 깔끔하게 유지하려면 상당한 절제력이 필요했습니다.

데모 (Demo)

직접 체험해 보세요:
👉 Live Demo
👉 GitHub

향후 계획 (What's Next)

• 지속적인 사용자 데이터를 위한 백엔드 (Backend)
• 검증을 위한 LinkedIn 연동
• 다국어 지원 (러시아어 + 카자흐어)
• 업계 전문가와의 멘토링 매칭

직접 경험한 문제를 해결하기 위해 무언가를 만들어 본 적이 있나요? 댓글로 알려주세요!