ai-analysis

구직 폴더({user_dir}) 확인: 먼저 현재 작업 디렉터리에서 CareerLoop/ 폴더(또는 한 단계 위·아래)를 찾아 그 폴더가 들어 있는 디렉터리를 {user_dir}로 쓴다. 홈 디렉터리 전체를 검색하지 않는다. 작업 디렉터리에서 찾지 못하면 사용자에게 경로를 묻고, 그래도 없으면 /careerloop:launch를 안내한다.

analyst 에이전트를 호출해 사용자의 현재 직무와 목표 직무에 대한 AI 및 자동화 대체 위험을 평가합니다.

워크플로

1. 데이터 존재 여부 확인

{user_dir}/CareerLoop/ExperienceLibrary.json과 {user_dir}/CareerLoop/profile.md를 읽습니다. ExperienceLibrary의 units 배열이 비어 있거나 profile.md에 목표 직무가 없으면 다음과 같이 안내합니다.

"대체 위험 평가를 실행하려면 ExperienceLibrary와 목표 직무가 필요합니다. /careerloop:add-source로 이력서를 추가한 뒤 /careerloop:launch로 목표 직무를 설정해 주세요."

그렇지 않으면 다음 단계로 진행합니다.

2. analyst 호출 — Operation 3

analyst 에이전트에 다음을 전달합니다.

• 전체 CareerLoop/ExperienceLibrary.json
• 전체 CareerLoop/profile.md
• 분석 전에 Anthropic, “Labor market impacts of AI: A new measure and early evidence” (Massenkoff·McCrory, 2026-03-05, https://www.anthropic.com/research/labor-market-impacts)를 확인하라는 지시(웹 도구로 원문 확인 → 작업 폴더의 PDF → 둘 다 불가하면 수치를 인용하지 말고 “보고서 미확인”을 명시)

에이전트는 사용자의 현재 직무와 목표 직무를 업무 단위로 분해하고, 각 업무를 Economic Index 기준으로 점수화하며, 직무 수준의 위험 프로필을 만들고, 오래 가치를 유지하는 차별화 요소를 찾아 필요한 경우 내러티브 재구성을 제안합니다.

3. 평가 결과 제시

**AI 대체 위험 평가** — {Role}

{1~2문장 요약: 전체 위험 수준과 가장 앞세워야 할 지속 가능한 차별화 요소 한 가지}

전체 위험 프로필
  대체 위험이 높은 업무:    {n}%  — {예시}
  대체 위험이 중간인 업무:  {n}%  — {예시}
  대체 위험이 낮은 업무:    {n}%  — {예시}

자동화 가능성이 가장 높은 업무 (2~5년 전망)
- {Task} — {Economic Index 데이터상 위험한 이유}

지속 가능한 강점
- {Capability} — {위험이 낮고 앞으로 가치가 커질 가능성이 높은 이유}

내러티브 재구성
{사용자의 포지셔닝이 위험도 높은 업무에 치우쳐 있다면, 이력서 요약·자기소개서·아웃리치에서 지속 가능한 역량 쪽으로 재구성하는 구체적 제안}

함께 키우면 좋은 인접 역량
- {Skill/area} — {사용자의 기존 기반을 고려할 때 전략적으로 가치 있는 이유}

출처: Anthropic Economic Index, {report date}

profile.md에 목표 직무가 여러 개 있으면 각각 별도로 평가를 실행해 순서대로 제시합니다.

4. 다음 단계 제안

"이 결과를 검색 패턴 및 전이 가능한 강점과 합친 전체 analyst 리포트를 실행할까요? /careerloop:report를 실행해 주세요."