Claude와 Zapier MCP로 ‘구직 중이 아닌 후보자’ 찾기

부동산·자산관리 전문 채용사 Blue Castle Agency는 좋은 후보자가 반드시 구직 중인 것은 아니라는 전제에서 자동화를 설계했다. 이미 다른 회사에서 일하는 사람을 찾으려면 공고에 들어온 지원서를 정리하는 것만으로는 부족하다. 회사와 직무에 맞는 사람을 탐색하고, 대화를 시작할 만한 근거를 모으는 과정이 필요하다.

이 회사는 Claude와 Zapier MCP를 연결해 후보자 탐색, 목록 검수, 추천 자료 작성에 들어가는 반복 작업을 줄였다. 사례에서 주목할 부분은 채용 담당자가 대화하기 전에 필요한 자료를 모으고 정리하는 흐름이다. AI가 채용 결정을 대신했다는 설명으로 읽기보다, 사람이 관계 형성과 판단에 시간을 쓰도록 어떤 준비 과정을 연결했는지 살펴볼 만하다.

검색 조건보다 먼저 회사와 직무의 맥락을 정리했다

Blue Castle Agency의 최고경영자 Curtis Key는 약 20년 동안 코드와 스크립트, Salesforce 등을 활용해 자동화를 만들어 왔다. 그는 부동산 중개업체에서 일하며 채용이 중요한 과제가 되는 상황을 경험했고, 이후 부동산·자산관리 분야에 특화된 채용사를 설립했다.

원문에 소개된 시스템에서 Claude는 하루에 여러 차례 채용 관리 시스템의 진행 중인 채용 건을 가져온다. 이어 회사와 직무별 성공 프로필, 해당 시장 분야에 관한 메모를 읽는다. 공동주택, 관련 협회, 저렴한 주거 공급, 고급 주거처럼 같은 부동산 분야 안에서도 서로 다른 사업 맥락을 전달하는 구성이다.

Claude는 이 자료를 바탕으로 회사가 사용하는 후보자 탐색 도구에서 사람을 찾고 목록을 만든다. 직함이나 경력 연수에 더해 어떤 회사에서 어떤 역할을 수행해야 하는지까지 탐색의 배경으로 제공한 셈이다. 다만 실제 검색식, 성공 프로필의 전체 내용, 후보자별 평가 항목은 공개되지 않았다. 같은 서비스를 연결한다고 같은 품질이 재현된다고 볼 근거는 없다.

개인 사용자나 학생, 연구자가 참고할 부분도 여기에 있다. 자료를 찾아 달라고 요청하기 전에 찾는 목적과 사용할 상황을 설명해야 한다. 예를 들어 문헌을 찾는다면 연구 질문, 포함할 연구 범위, 제외할 자료 유형을 먼저 정리할 수 있다. 이는 사례에서 응용할 수 있는 작업 설계 방식이며, Blue Castle의 성과가 문헌 탐색에서도 확인됐다는 뜻은 아니다.

후보자 목록 생성과 검수는 두 번의 실행으로 나뉜다

첫 번째 실행이 만든 후보자 목록은 하루 중 나중에 수행되는 두 번째 Claude 실행에서 다시 확인된다. 두 번째 실행은 같은 맥락을 사용해, 이전에 사람이 맡았던 품질 확인 단계를 수행한다. 목록을 만드는 일과 그 목록을 검토하는 일을 구분한 구조다.

이 방식은 검토 단계를 빠뜨리지 않도록 만드는 데 참고할 수 있다. 하지만 두 번 실행했다는 사실만으로 독립적인 검증이 성립하지는 않는다. 원문은 서로 다른 모델이나 외부 검토자가 결과를 확인했다고 설명하지 않는다. 처음 제공한 성공 프로필에 빠진 조건이 있다면 두 번째 실행도 그 누락을 그대로 따를 수 있다.

따라서 비슷한 흐름을 구성할 때는 검수 결과에 무엇을 남길지 정해야 한다. 단순한 승인 표시만으로는 어떤 근거로 통과했는지 알기 어렵다. 충족한 조건, 확인하지 못한 정보, 사람이 검토해야 할 항목을 구분하면 후속 판단에 도움이 된다. 이는 원문에 공개된 구현 세부가 아니라, 해당 구조를 적용할 때 확인할 기준이다.

목록에 포함된 이유를 원자료와 연결해 확인할 수 있는가?
정보가 없는 항목을 추정으로 채우지 않고 미확인 상태로 남기는가?
조건에 맞지 않는 항목을 제외한 이유가 드러나는가?
사람이 결과를 수정했을 때 관련 자료에도 수정 사항을 반영할 수 있는가?

연구 자료 목록이나 프로젝트 참고 자료를 정리하는 경우에도 생성 단계와 검수 단계를 나눠 볼 수 있다. 다만 검수자는 같은 요약을 다시 읽는 데 그치지 않고, 중요한 주장이나 선정 이유를 원자료에서 확인할 수 있어야 한다. 검토에 필요한 근거가 남아 있는지가 실행 횟수보다 실용적인 기준이다.

승인율 94%는 최종 채용 성과와 구분해야 한다

Curtis의 설명에 따르면 사람이 탐색한 후보자는 78~83%의 비율로 승인됐고, Claude가 찾은 후보자는 약 94%가 승인됐다. 후보자 탐색 산출량은 약 네 배로 늘었다. 현재 처리 규모에서 탐색과 품질 확인 자동화가 절약하는 시간은 팀 전체 기준 주당 240시간 이상으로 추산됐다.

이 수치는 Blue Castle이 보고한 운영 성과다. 원문에는 표본 수, 측정 기간, 승인 판단 절차가 상세히 제시되지 않았다. 후보자 목록의 승인율을 면접 통과율이나 최종 채용률, 입사 후 성과로 해석해서는 안 된다. 또한 팀 전체의 주당 절감 시간을 개인 사용자 한 명이 얻을 효과로 환산할 수도 없다.

자신의 작업에 도움이 되는지 확인하려면 같은 범위의 일을 기존 방식과 자동화 방식으로 수행해 비교해야 한다. 목록 생성에 걸린 시간뿐 아니라 사람이 확인하고 수정한 시간도 포함해야 한다. 결과가 빨리 나와도 잘못 포함된 항목을 걸러내는 데 시간이 더 든다면 전체 작업 시간은 줄지 않을 수 있다.

자료 탐색에서는 누락도 살펴야 한다. 결과에 포함된 항목이 그럴듯한지만 보면 찾지 못한 중요한 자료를 놓치기 쉽다. 이미 알고 있는 적합한 사례가 검색되는지, 제외 조건이 일관되게 적용되는지, 출처가 불분명한 항목이 섞이는지를 함께 확인하는 편이 유용하다.

Zapier MCP의 가치는 기존 자료에 접근하는 연결에 있다

원문은 후보자를 판단하는 능력과 업무 도구에서 자료를 가져오는 능력을 구분한다. Blue Castle이 쓰는 정보는 채용 관리 시스템, 후보자 탐색 플랫폼, Google Sheets 등에 흩어져 있다. 이 구성에서 Zapier MCP는 Claude가 기존 도구를 사용하도록 연결하는 통로이며, 회사는 도구마다 맞춤형 통합을 별도로 만드는 부담을 줄였다고 설명한다.

여기서 살펴야 할 것은 연결 가능한 서비스 이름보다 실제로 필요한 작업의 지원 여부다. 특정 서비스가 연결 대상에 있다고 해서 원하는 필드를 읽고, 조건에 맞춰 검색하고, 결과를 원하는 위치에 기록하는 기능까지 모두 제공된다고 단정할 수는 없다. 사용할 계정과 연결 기능에서 가능한 범위를 직접 확인해야 한다.

자료 조회: 필요한 필드와 첨부 자료를 읽을 수 있는지, 검색 결과에 빠지는 정보는 없는지 확인한다.
권한 범위: 읽기와 수정, 외부 전송에 필요한 권한을 각각 확인하고 작업에 맞게 부여한다.
실패 확인: 인증 만료나 연결 중단이 발생했을 때 어느 단계까지 처리됐는지 파악할 수 있어야 한다.
중복 방지: 재실행할 때 같은 후보자나 문서를 다시 만들지 않도록 기존 항목을 식별할 수 있는지 확인한다.

이 항목들은 Blue Castle의 세부 구현이 모두 공개됐다는 의미가 아니다. 연결을 자신의 업무에 적용할 때 확인할 조건이다. 개인 사용자는 필요한 자료 한 종류를 제대로 가져오는지부터 살펴볼 수 있고, 개발자는 조회 결과와 기록 결과를 대조할 수 있는지까지 확인할 필요가 있다.

매번 같은 단계는 Zap으로 옮기는 방향을 택했다

Blue Castle은 Claude가 MCP를 통해 Next-Gen Zaps를 만드는 작업도 시작했다. 원문에 소개된 흐름 중 하나는 평일 오전 2시에 당일 후보자 면담 준비 자료를 만들고 아침 안내를 Slack에 게시한다. 다른 흐름은 성사된 거래를 시트에 기록해 현재 고객을 추적한다.

Curtis가 살펴보는 것은 Claude가 매번 같은 방식으로 반복하는 작업이다. 그런 단계를 Zap으로 옮기면 Claude는 판단이 필요한 부분에 집중할 수 있고 비용도 낮아질 것으로 기대한다. 다만 원문에는 실제 비용 절감액이나 청구 내역이 없다. 비용 감소는 확인된 수치가 아닌 기대 효과로 읽어야 한다.

다른 업무에서도 단계별 성격을 구분해 볼 수 있다. 정해진 시각에 목록을 가져오고 정해진 열에 값을 기록하는 일은 규칙 기반 자동화의 후보가 된다. 표현이 일정하지 않은 메모를 해석하거나 여러 자료를 종합해 설명을 작성하는 일은 AI 적용을 검토할 수 있다. 어느 쪽을 택하든 입력과 결과의 형식, 실패했을 때의 처리 방식을 분명히 해야 한다.

개발자에게는 전체 흐름을 한 번의 AI 요청으로 묶기 전에 각 단계의 입력과 출력을 확인하는 것이 도움이 된다. 자료 조회, 해석, 결과 기록을 구분하면 잘못된 결과가 검색 누락 때문인지, 해석 오류 때문인지, 기록 실패 때문인지 찾아보기 쉬워진다. 원문에 이와 같은 구현 방식이 제시된 것은 아니지만, 연결형 작업을 점검하는 구체적인 관점으로 활용할 수 있다.

자신의 반복 작업 하나로 시간과 품질을 비교해 볼 수 있다

이 사례를 참고해 적용 범위를 정할 때는 사용이 허용된 소량의 자료와 반복 작업 하나를 고르는 편이 적절하다. 개인 사용자는 여러 도구에 흩어진 일정이나 메모를 정리하는 일, 학생은 과제 참고 자료를 분류하는 일, 연구자는 문헌 후보를 추리는 일처럼 결과를 직접 확인할 수 있는 작업을 생각해 볼 수 있다. 이들은 적용 가능성을 검토할 예시이며, 원문이 성능을 입증한 분야는 아니다.

완료된 결과의 형태와 포함·제외 조건을 정한다. 좋은 결과의 예시와 잘못된 결과의 예시를 함께 준비하면 비교하기 쉽다.
같은 범위의 자료로 기존 방식의 소요 시간과 수정 내용을 기록한다.
자동화 결과를 원자료와 대조하고, 검토와 수정에 걸린 시간까지 합산한다.
자료 누락이나 연결 실패를 확인할 수 있는지, 필요한 지점에서 사람이 수정하거나 수동 작업으로 이어갈 수 있는지 살핀다.

비용도 별도로 비교해야 한다. 제공된 원문에는 Claude와 Zapier MCP의 요금제별 조건, 사용량 한도, 전체 운영비가 없다. 따라서 무료 계정으로 같은 구성을 만들 수 있다거나 특정 금액이면 충분하다고 안내할 근거는 없다. 적용 시점의 이용 조건을 확인하고 AI 사용, 자동화 실행, 연결 대상 서비스, 설정과 유지보수에 드는 비용을 함께 계산해야 한다.

Blue Castle은 자동화 이후 채용 담당자가 이미 작성되고 확인된 후보자 목록과 준비 자료를 바탕으로 하루를 시작하며, 확보한 시간을 후보자와의 대화에 쓴다고 설명한다. 자신의 업무에서도 결과물의 개수와 함께 그 결과가 어디에 쓰이는지 살펴야 한다. 자료 정리가 빨라진 덕분에 분석, 학습, 인터뷰, 개발처럼 직접 시간을 써야 하는 활동이 늘어나는지가 생산성 개선을 판단할 기준이다.

출처와 검증

출처는 Zapier Blog의 Blue Castle Agency의 Claude·Zapier MCP 활용 사례다. 제공된 원문에는 Rob Ayre가 작성했으며 2026년 10월 22일 게시된 것으로 표시돼 있다.

후보자 승인율 78~83%와 약 94%, 탐색 산출량 약 네 배, 팀 전체 주당 240시간 이상 및 담당자별 추가 주당 네 시간 이상의 절감 수치는 해당 고객 사례에 실린 Blue Castle 측 설명과 추산이다. 독립적으로 검증된 성능 수치로 제시된 것은 아니며, 다른 조직이나 개인의 결과를 보장하지 않는다.

원문에 공개되지 않은 검색식, 세부 평가 기준, 요금제 조건, 데이터 전달·보관 방식은 확정하지 않았다. 본문에서 제시한 권한 확인, 중복 방지, 근거 대조, 시간 비교는 이 사례를 자신의 작업에 적용할 때 살펴볼 기준이다.