Cover Letters,
Democratized.자기소개서,
모두의 것이 되다.
신규 회원에게 100 DGLC(문항별 자기소개서 약 10개 or 간편 에피소드 구체화 약 20개 생성 가능) 지급
Human-in-the-Loop AI
HITL AI
AI는 분석하고 제안합니다.
당신은 감독하고 결정합니다.
사용자가 AI를 따라가는 것이 아니라,
AI가 사용자를 따라갑니다.
지금 우리가 쓰는 모든 인공지능은 ‘토큰 예측’ 방식으로 작동합니다. 토큰은 문장을 잘게 나눈 작은 단어 조각인데, AI는 앞선 문맥을 보고 ‘다음에 올 확률이 가장 높은 토큰’을 하나씩 골라 이어 붙입니다. 즉, 지능이 아니라 확률 계산인 셈입니다. 그래서 그럴듯하지만 사실과 다른 답, 즉 할루시네이션이 자연스럽게 섞여 나옵니다.
더 큰 문제는 구조에 있습니다. 일반 AI는 매번 그 대화창의 모든 내용을 전부 분석해서 답하게 설정되어 있습니다. 사용자가 중간에 잘못된 부분을 바로잡아도, 한번 만들어진 오염된 토큰은 그대로 대화창에 남아 다음 답변을 만들 때마다 계속 함께 분석됩니다. 그 결과 할루시네이션은 점점 쌓이고, 대화가 길어질수록 사용자 경험은 오히려 나빠집니다.
딥글은 다릅니다. 매 단계마다 사람이 직접 인공지능의 결과를 확인해 수정하고, 필요하면 재생성하며, 검증된 내용 위에서만 다음 단계로 나아갑니다. 오염된 토큰이 쌓일 자리를 처음부터 막기 때문에, 진행될수록 결과는 더 정확해집니다.
딥글은 한번에 완벽한 자기소개서를 생성한다는 과장된 약속을 하지 않습니다.
그 대신, 단계마다 사용자가 직접 수정·승인하며 자기소개서를 완성하는 것에 집중합니다.
이 과정을 거친 자기소개서에는 사용자가 확인한 내용만 남습니다.
사실과 다른 문장, 과장된 표현, 왜곡된 수치가 섞일 자리가 없습니다.
사람과 인공지능이 함께 결과물을 만들어가는 이 방식을,
Human-in-the-Loop — 줄여서 HITL이라고 부릅니다.
Context Engineering
같은 AI, 다른 결과
프롬프트<데이터
아무리 정교한 프롬프트라도, 당신의 이야기를 절대 이길 수 없습니다.
우리가 쓰는 인공지능은 말 그대로 백지 상태입니다. 제대로 된 작업을 하려면 먼저 정확한 데이터를 쥐여 줘야 합니다. AI가 스스로 웹을 한 번 훑기만 해도 오래된 정보나 거짓 정보가 그대로 섞여 들어오고, 쓰고 싶지 않은 내용까지 전부 받아들이게 됩니다.
우리가 사용하는 AI들은 없는 사실을 만들어내지 못합니다. 프롬프트가 아무리 정교해도 자료가 틀리거나 부실하면, AI는 그 자료를 그대로 반영하거나 빈 곳을 환각으로 메울 뿐입니다. 결국 정답의 상한선은 프롬프트가 아니라 데이터 품질이 정합니다. 반대로 데이터가 좋으면 지시가 어설퍼도 모델이 추론으로 알아서 보완합니다. 프롬프트의 결함은 모델이 메워주지만, 데이터의 결함은 메워주지 못합니다. 게다가 우리가 쓰는 모든 인공지능은 사용자가 처음에 쥐여준 데이터를 최우선으로 참고해 분석하기 때문에, 어떤 데이터를 주느냐가 결과 전체를 좌우합니다.
딥글은 완성된 자소서를 생성하기 위해 사용자가 정리했던 무결한 데이터를 구조화해 하나의 파일로 만듭니다. 백지 상태인 일반 AI에게 이 파일을 한 번 건네면, AI는 그 데이터를 우선적으로 참고하기 때문에 훨씬 정확하고 쾌적하게 작업할 수 있습니다. 이렇게 특정 작업을 시작하기 전에 필요한 모든 정보를 미리 주입하고 진행하는 것을, 컨텍스트 엔지니어링이라고 합니다.
딥글을 통해 정리한 소중한 데이터로, 자소서를 더 세밀하게 첨삭하거나, 면접을 대비하거나, 다른 방향으로 확장해 활용할 수 있습니다.
경험 구조화 + 자소서 완성
검증 완료된 커리어 데이터
무한 확장
DeepGL Prism
무결한 정보, 무한한 확장
아카이빙된 당신의 무결한 데이터,
프리즘을 통해 다른 AI에서 간편하게 확장하세요.
자기소개서 프로젝트를 진행하면서 HITL로 얻어진 데이터는 사용자가 직접 검증한, 품질이 무결한 데이터입니다. 이렇게 쌓인 데이터는 사용자의 데이터베이스에 그대로 분류되어 아카이빙 됩니다.
딥글 프리즘은 이 데이터베이스를 재료로, 프롬프트(프리즈밍 프롬프트)에 맞춰 사용자의 데이터를 기반으로 한 컨텍스트 파일을 만들어 줍니다. 순도 높은 데이터를 원하는 작업에 맞게 한 번에 정리한 파일이고, 이를 프리즈밍이라고 합니다.
이 파일을 ChatGPT·Claude·Gemini 같은 AI에 그대로 올리면 컨텍스트 엔지니어링처럼 활용할 수 있습니다. 예를 들어 채용공고를 입력하여 “해당 채용공고의 자기소개서에 적합한 에피소드를 찾아서 정리해줘”라고 프리즈밍 한 뒤, 해당 컨텍스트 파일을 그대로 붙여넣어 빠르게 자기소개서를 생성할 수 있습니다.
딥글 프리즘을 통해 아카이빙된 커리어 데이터를 필요에 맞게 편리하게 정리해서, 쾌적한 AI 사용 환경을 경험하세요.
삼성전자 마케팅 신입
· 브랜드 전략
· 디지털 캠페인
· 데이터 기반 인사이트
[명령]
해당 채용공고를 위한 자기소개서 작성을 위해, 내 DB에서 사용할만한 데이터를 정리해서 작업방향성을 작성해줘.
경험 DB 24건 중 매칭 3건 정렬
# 매칭 경험
① SNS 캠페인 · 2024.07–09 (1.2k→5.4k)
② POS 데이터 분석 · 2023.11–2024.02
③ 영어 마케팅 PJ · 2024.04–06
# 작성 방향
“데이터 기반 의사결정”을 일관 키워드로, 매 문항 수치 1개.
컨텍스트 파일 확인 · 매칭 3건 + 방향성 반영
1번 문항 · 지원동기
→ ② POS 데이터 분석으로 진입
“카페에서 POS 데이터를 정리하다 발견한 한 줄이 매출을 18% 끌어올렸고...”
2번 문항 · 도전 경험
→ ① SNS 캠페인 (1.2k→5.4k) 활용
3번 문항 · 입사 후 포부
→ ③ 영어 마케팅 PJ + “데이터 기반 의사결정” 키워드 연결
Career Transition Specialist
당신의 경험,
이미 충분합니다.
문제는 '무엇을 했는가'가 아니라,
'무엇을 쓸 것인가'입니다.
이직과 취업을 준비하는 당신에게 필요한 것은
새로운 경험이 아닙니다.
딥글은 지원회사가 원하는 사용자의 숨겨진 이야기를 찾아서, 그것을 간편하지만 정확하게 구체화하는 것에 초점을 둡니다.
인공지능 시대에 자기소개서의 가독성은 더 이상 중요하지 않습니다. 기업도 지원자가 AI로 자기소개서를 쓴다는 것을 이미 알고 있습니다. 결국 가장 중요한 것은 내용 그 자체입니다.
그래서 필요한 것은 경험을 무의미하게 구체화하는 일이 아니라, 채용공고가 원하는 인재상을 먼저 파악하고 이력서 속 수많은 경험 중 그 인재상이 드러나는 경험을 골라내는 일입니다. 딥글은 이력서 속에 감춰진 당신의 소중한 이야기를 집중적으로 구체화합니다.
브랜드 리뉴얼 프로젝트
경력 3~5년
입력은 최소한,
분석은 최대한.
최초에 자기소개서 프로젝트를 생성하고 채용공고를 입력하면, 딥글은 사용자의 경험과 채용공고를 함께 분석해 어떤 방향으로 자기소개서를 작성할지 딥글만의 방식으로 방향성을 구성합니다. 이 방향성을 바탕으로 이력서에서 활용도가 높은 경험 카드를 생성하고, 선택한 카드를 기준으로 문답이 이어집니다. 답변을 통해 에피소드가 생성되고, 이 에피소드를 바탕으로 자기소개서가 생성됩니다. 마지막으로 간단한 원클릭 첨삭을 거쳐 자기소개서가 완성됩니다.
DeepGL Analysis
딥글,
당신의 이야기를 탐색 중.
문항당 약 3분 소요됩니다.
문항 하나에 약 3분, 결코 짧지 않은 시간입니다.
하지만 성실히 쌓아온 이력서의 경험이, 클릭 한 번이나 프롬프트 몇 줄로 구체화될 수는 없습니다.
딥글 분석의 핵심은 채용공고가 무엇을 원하는지 파악하고, 그것을 구체화·확장할 수 있는 경험이 사용자의 이력서 어디에 있는지, 그리고 그 경험을 정확히 어떻게 구체화할지 찾아내는 것입니다. 딥글은 사용자가 자기소개서의 재료로 선택한 경험을 세 가지 축으로 분석합니다. ①주제-경험 — 채용공고의 주제와 사용자의 경험을 어떻게 연결할지, ②인재상·역량-경험 — 채용공고가 원하는 인재상과 역량이 무엇이며 사용자의 경험으로 그것을 어떻게 드러낼지, ③회사-경험 — 지원하는 회사의 거시적인 철학과 직무 문화를 고려해 사용자가 왜 이 회사를 선택했는지를 분석합니다. 이 세 축의 점수를 종합해 활용도가 가장 높은 상위 두 개의 경험을 제시하고, 사용자가 그중 하나를 선택합니다. 이렇게 도출된 방향성은 자기소개서의 근간이 되며, 다각도의 분석을 통해 완성됩니다.
DeepGL HITL Q&A System
답변도 나눠서 편하게,
객관식으로 더 편하게,
질문이나 보기도 편하게 수정하고,
새로고침해도 알맞게 구체화되니까.
문답은 STAR 구조에 따라 네 단계로 나뉘어 답변할 수 있습니다. 딥글은 선택된 답변을 바탕으로 질문에 대한 하나의 답변을 생성하고, 사용자는 입력창에서 이를 자유롭게 다듬을 수 있습니다. 수집된 답변을 딥글이 분석한 뒤, 부족한 부분을 보충 질문(SUP)으로 추가 확인하여 경험을 빈틈없이 정리합니다.
객관식으로 진행할 수 있어 막막할 때도 쉽게 답변할 수 있습니다. 객관식 보기는 제한 없이 재생성하며 자신에게 맞는 최적의 답을 찾아갈 수 있고, 한 질문당 최대 3단계까지 더 깊이 파고들 수 있습니다. 딥글은 사용자가 선택한 답변들과 에피소드 구체화 방향성을 종합 분석하여 질문에 대한 답변을 줄글로 생성합니다.
질문이나 선택지에 미세한 오류가 있다면 직접 수정할 수 있습니다. 질문과 보기 자체를 교체하고 싶다면 재생성하여 자신에게 맞는 질문을 찾아갈 수 있고, 입력창에 딥글이 생성한 줄글의 답변도 수정할 수 있습니다.
문답이 어렵게 느껴질 경우, 질문을 다시 생성해 상황을 새로 설정할 수 있습니다. 이에 맞춰 모든 STAR 질문도 함께 재구성되며, 이러한 재생성 기능은 횟수 제한 없이 사용할 수 있습니다. 사용자는 부담 없이 질문을 조정하며 자신에게 가장 적합한 결과를 찾아갈 수 있습니다.
프로젝트 일정이 지연되었을 때, 어떤 상황이었고 어떻게 데이터를 활용해 해결했나요?
질문 1 / 2
일정이 지연된 상황이었어?
질문 2 / 2
활용했던 데이터는 구체적으로 뭐였어?
프로젝트 일정 지연을 해결하기 위해 데이터를 활용한 구체적인 상황이 있어?
질문이나 보기를 자유롭게 수정하세요
새로고침해도 맥락에 맞게 다시 생성됩니다
DeepGL Database
저장하고,
재구성되어,
강력해지는.
딥글 세션을 진행하며 생성되는 자기소개서와 에피소드는 모두 회사별 경험 데이터베이스에 자동으로 저장됩니다. 별도의 정리 없이도 언제든 확인하고 수정할 수 있는 아카이브가 만들어집니다.
DGLC Credit System
부담 없이 충전하고,
언제든지 환불하고,
사용한 만큼만 차감되고.
월 구독의 정기결제도, 이용권의 제한도 없습니다. 필요한 만큼만 충전해 합리적으로 사용하세요. 지금 가입하면 100 DGLC, 매일 로그인만 해도 7 DGLC, 프로젝트 생성 시 1 DGLC를 드립니다.
국내 AI 웹서비스 중 최저 수준인 3.5% 환불 수수료를 약속합니다. 7일 이내 전액 환불은 기본, 7일이 지나도 정직하게 PG수수료만 계산하여 돌려드립니다. 언제든지 편하게 환불하세요.
딥글이 실제 작업한 단계만큼만 크레딧이 FIFO(선입선출) 방식으로 투명하게 차감됩니다. DGLC는 분석 토큰 사용량만큼 차감됩니다. 자소서 한 문항당 보통 약 10 DGLC(₩1,000), 간편 에피소드 하나당 약 5 DGLC이며, 작업량에 따라 달라질 수 있습니다. 마이페이지에서 상세한 차감내역을 확인할 수 있습니다
DGLC 충전
옵션 선택형 · 토스페이먼츠 결제
환불 신청
현재 잔액
15.0DGLC사용 내역
초기 분석
공고 · 문항 · 역량 · 이력서 · 경험카드
자소서 작성 (문항 1)
문답 · 에피소드 · 계획서 · 생성 · 첨삭
자소서 작성 (문항 2)
문답 · 에피소드 · 계획서 · 생성 · 첨삭
글 잘 쓰는 사람이 회사 가냐,
일 잘하는 사람이 회사 가자.
신규 회원에게 100 DGLC(문항별 자기소개서 약 10개 or 간편 에피소드 구체화 약 20개 생성 가능) 지급