Assessment agent for Korean HR and L&D teams

A Claude agent that scores Korean essays and shows its evidence

It scores written Korean answers, such as hiring essays, promotion essays and training assignments, against your rubric. Every score quotes the sentences it is based on. If a quote cannot be found in the original text, or a score is borderline, the item goes to a human reviewer.

We install it in your own cloud account, for example Amazon Bedrock in the AWS Seoul Region, so the essays are processed inside your account.

루브릭으로 한국어 서술형 글을 채점하는 Claude 에이전트입니다. 점수마다 원문 근거를 인용하고, 근거를 찾지 못하거나 점수가 애매하면 사람이 확인합니다. 고객의 클라우드 계정에 설치합니다.

Book a pilotSee sample results

Built from paid build coaching with a large Korean company's HR team.

Paid work this agent comes from

이 에이전트의 설계는 유료로 진행한 두 건에서 나왔습니다. 어느 쪽도 이 에이전트를 그대로 설치한 사례는 아닙니다. 고객사 이름은 밝히지 않습니다.

Build coaching

HR team at a large Korean company

We coached the HR team as they built their own in-house agent to score written answers from job applicants. The agent calls Claude Sonnet through Amazon Bedrock.

The problem: the expected cost was above the internal budget, and an early accuracy figure turned out to count parsing failures as zero scores.

What changed: the goal moved from a final score to first-pass material sorted into three bands (high, human review, low). Re-scoring calls were removed and prompt caching was added to lower cost.

국내 대기업 HR 팀이 사내 채용 서술형 채점 에이전트를 직접 만들도록 코칭했습니다. 코드는 고객사 소유입니다.

Delivered service

A bootcamp operator

For two cohorts of a bootcamp course, we delivered assignment grading and feedback through our pipeline: automated checks, a review screen for the instructor, and feedback drafts. The operator received the results.

The problem: some assignments, such as submitted dashboard links, could not be graded automatically.

What changed: the instructor reviewed each student's results on one screen, and feedback drafts went back to students.

부트캠프 운영사의 두 기수 과제 채점과 피드백을 우리 파이프라인으로 납품했습니다.

How it runs on Claude

Claude가 채점하고, 코드가 인용을 확인하고, 사람이 결정합니다.

  1. Claude scores against the rubric

    Each item gets a score, a reason and quotes from the essay.

  2. Code checks every quote

    A program looks for each quote in the original text, character for character.

  3. Items are sorted into three bands

    High: 4 to 5. Human review: 2 to 3, or any quote not found. Low: 0 to 1.

  4. A person reviews and decides

    The reviewer sees scores, quotes and a feedback draft. The agent does not make the decision.

Claude features we use

  • Structured outputs: scores, reasons and quotes come back as JSON in a fixed schema, so code can check them.
  • Prompt caching: the rubric and instructions are cached, which lowers the cost of each essay.
  • Amazon Bedrock: with in-region processing in the AWS Seoul Region, inside your AWS account.
  • Claude API: for teams that do not need to keep data in Korea.

Book a pilot on your own rubric

What you are looking at

Pre-computed results from our assessment agent (Claude) on three synthetic Korean sample essays, scored against one public five-item rubric. There is no input box, and nothing on this page is sent to an AI model. This page takes no real essays. Customer installations run in the customer's own cloud account.

In these three samples, all 20 of 20 quotes were found verbatim in the original text.

Three sample essays

합성 샘플입니다. 실존 인물과 회사의 정보는 없습니다.

Essay 데이터 분석가 신입 지원. 상황, 본인 역할, 숫자 결과가 모두 있는 글.

저는 대학 3학년이던 2025년 3월부터 8월까지 교내 창업동아리 홈페이지 개편을 맡았습니다. 당시 월 방문자는 120명이었고, 가입 신청 버튼이 세 번째 화면 아래에 있어 신청률이 1.2%에 그쳤습니다. 4명이 함께한 프로젝트에서 저는 방문 기록 분석과 화면 개선안 작성을 맡았습니다. 구글 애널리틱스 데이터를 내려받아 이탈이 가장 많은 화면을 찾았고, 신청 버튼을 첫 화면으로 올리는 안을 제가 제안해 팀 투표로 채택됐습니다. 개편 두 달 뒤 월 방문자는 480명, 신청률은 4.1%가 되었습니다. 이 경험으로 데이터를 보고 가설을 세운 뒤 숫자로 확인하는 습관이 생겼습니다. 귀사의 데이터 분석가로 일하게 되면 고객 이탈 구간을 찾는 업무에 같은 방식으로 기여하겠습니다.

Highlighted text is the evidence quoted by the agent. Click a score to see its evidence.

Result 23 / 25

  1. 시기, 장소, 과제가 모두 나오고 개편 전 방문자 수와 신청률, 문제의 원인까지 제시되어 장면이 분명하게 그려진다.

    저는 대학 3학년이던 2025년 3월부터 8월까지 교내 창업동아리 홈페이지 개편을 맡았습니다.
    당시 월 방문자는 120명이었고, 가입 신청 버튼이 세 번째 화면 아래에 있어 신청률이 1.2%에 그쳤습니다.

  2. 팀 규모 안에서 본인이 맡은 범위가 분명하다. 본인이 직접 한 분석 행동과 제안이 팀의 결정 과정과 구분되어 드러난다.

    4명이 함께한 프로젝트에서 저는 방문 기록 분석과 화면 개선안 작성을 맡았습니다.
    구글 애널리틱스 데이터를 내려받아 이탈이 가장 많은 화면을 찾았고, 신청 버튼을 첫 화면으로 올리는 안을 제가 제안해 팀 투표로 채택됐습니다.

  3. 개편 전후 수치를 비교할 수 있게 제시해 결과가 확인 가능하다. 다만 버튼 위치 변경이 방문자 증가와 신청률 상승에 얼마나 기여했는지, 다른 변경이나 계절 요인은 없었는지가 드러나지 않아 본인 행동과의 연결이 일부 비어 있다.

    개편 두 달 뒤 월 방문자는 480명, 신청률은 4.1%가 되었습니다.

  4. 지원 직무를 밝히고, 경험에서 쓴 이탈 화면 분석 방식을 고객 이탈 구간 분석이라는 구체적인 업무와 연결했다. 다만 지원 회사의 서비스나 데이터 환경에 맞춘 연결은 없어 한 단계 아래로 판단했다.

    귀사의 데이터 분석가로 일하게 되면 고객 이탈 구간을 찾는 업무에 같은 방식으로 기여하겠습니다.

  5. 문장이 짧고 상황, 역할, 행동, 결과, 배운 점, 직무 연결 순서로 자연스럽게 흐른다. 반복이나 모호한 표현이 거의 없다.

    이 경험으로 데이터를 보고 가설을 세운 뒤 숫자로 확인하는 습관이 생겼습니다.

Essay 직무 언급 없이 일반론만 이어지는 글.

저는 어떤 일이든 책임감을 가지고 끝까지 해내는 사람입니다. 학교생활을 하면서 다양한 경험을 쌓았고, 팀 활동에서도 항상 최선을 다해 좋은 성과를 냈습니다. 사람들과 소통하는 것을 좋아하고 새로운 것을 배우는 데 열정이 있어 주변에서 성실하다는 말을 자주 들었습니다. 이러한 경험을 통해 저는 많이 성장할 수 있었습니다. 귀사에 입사하게 된다면 맡은 업무에 최선을 다하고 회사의 발전에 기여하는 인재가 되겠습니다. 항상 배우는 자세로 노력하겠습니다.

Highlighted text is the evidence quoted by the agent. Click a score to see its evidence.

Result 6 / 25

  1. 경험을 언급하지만 언제, 어디서, 무엇을 했는지가 전혀 없어 장면이 그려지지 않습니다. "열심히 했다" 수준의 일반론에 해당합니다.

    학교생활을 하면서 다양한 경험을 쌓았고, 팀 활동에서도 항상 최선을 다해 좋은 성과를 냈습니다.

  2. 팀 활동을 언급하지만 지원자가 맡은 일이나 직접 내린 판단이 드러나지 않습니다. 팀의 성과와 본인의 기여를 구분할 수 없습니다.

    팀 활동에서도 항상 최선을 다해 좋은 성과를 냈습니다.

  3. 결과가 "좋은 성과"라는 확인할 수 없는 표현뿐입니다. 수치나 비교 기준, 확인 가능한 사실이 없습니다.

    좋은 성과를 냈습니다

  4. 지원 직무가 글에 적혀 있지 않고, 업무를 "맡은 업무"라고만 표현해 경험과 직무를 잇는 연결이 없습니다.

    귀사에 입사하게 된다면 맡은 업무에 최선을 다하고 회사의 발전에 기여하는 인재가 되겠습니다.

  5. 문장은 짧고 뜻은 이해됩니다. 다만 "최선을 다해"가 반복되고, "이러한 경험"이 가리키는 대상이 없어 주장과 근거가 이어지지 않습니다.

    이러한 경험을 통해 저는 많이 성장할 수 있었습니다.
    항상 배우는 자세로 노력하겠습니다.

Essay 경험은 구체적이나 본인 역할과 결과가 흐린 글.

2025년 여름 두 달 동안 지역 카페 세 곳의 매출 자료를 정리하는 인턴을 했습니다. 엑셀로 월별 매출을 모으는 작업이었고, 팀원들과 함께 자료 형식을 통일했습니다. 그 과정에서 많은 것을 배웠고 좋은 결과를 얻었습니다. 저는 꼼꼼한 성격이라 숫자를 다루는 일이 잘 맞는다고 생각합니다. 데이터 분석가로 일하게 된다면 열정을 가지고 열심히 하겠습니다.

Highlighted text is the evidence quoted by the agent. Click a score to see its evidence.

Result 10 / 25

  1. 시기, 기간, 대상 규모(카페 세 곳)는 드러납니다. 하지만 어떤 문제를 어떤 방식으로 처리했는지 같은 행동 장면이 빠져 있어 2~3점대에 해당합니다.

    2025년 여름 두 달 동안 지역 카페 세 곳의 매출 자료를 정리하는 인턴을 했습니다.
    엑셀로 월별 매출을 모으는 작업이었고

  2. 팀과 함께 한 일만 적혀 있고, 지원자 본인이 맡은 범위나 직접 내린 판단은 확인할 수 없습니다.

    팀원들과 함께 자료 형식을 통일했습니다.

  3. 결과가 '좋은 결과'라는 확인할 수 없는 표현뿐이고, 수치나 비교 기준이 전혀 없습니다.

    그 과정에서 많은 것을 배웠고 좋은 결과를 얻었습니다.

  4. 지원 직무(데이터 분석가)는 밝혔지만, 경험과의 연결이 성격과 열정 같은 일반론에 머뭅니다. 분석 업무의 구체적인 내용과는 이어지지 않습니다.

    저는 꼼꼼한 성격이라 숫자를 다루는 일이 잘 맞는다고 생각합니다.
    데이터 분석가로 일하게 된다면 열정을 가지고 열심히 하겠습니다.

  5. 문장은 짧고 읽기 쉽습니다. 다만 '많은 것', '좋은 결과'처럼 모호한 표현이 있고, 경험에서 성격 주장으로 넘어가는 연결이 어색합니다.

    그 과정에서 많은 것을 배웠고 좋은 결과를 얻었습니다.
The public rubric 신입 자기소개서 5항목, 각 0~5점. 점수대별 기준 문구
경험의 구체성 언제, 어디서, 무엇을 했는지 장면이 그려지는가.
0~1점
경험이 없거나 "열심히 했다" 수준의 일반론뿐이다.
2~3점
경험은 있으나 시기, 상황, 규모 중 일부가 빠져 장면이 흐릿하다.
4~5점
상황, 과제, 행동이 구체적인 시기와 규모와 함께 드러난다.
본인 역할과 기여 팀의 성과와 구분되는 지원자 본인의 행동이 보이는가.
0~1점
"우리가 했다"뿐이고 본인이 무엇을 했는지 알 수 없다.
2~3점
본인 역할은 언급되나 맡은 일의 범위나 판단이 모호하다.
4~5점
본인이 맡은 일과 직접 내린 판단, 행동이 분명히 구분된다.
결과와 근거 결과가 숫자나 확인 가능한 사실로 뒷받침되는가.
0~1점
결과가 없거나 "좋은 성과를 냈다"처럼 확인할 수 없는 표현뿐이다.
2~3점
결과는 있으나 수치, 비교 기준, 출처 중 일부가 없다.
4~5점
결과가 수치나 비교 기준과 함께 제시되고 본인 행동과 연결된다.
직무 연관성 경험이 지원 직무에서 하게 될 일과 이어지는가.
0~1점
직무와 무관하거나 직무 언급이 전혀 없다.
2~3점
직무를 언급하나 경험과의 연결이 일반적이거나 억지스럽다.
4~5점
경험에서 얻은 역량이 직무의 구체적인 업무와 명확히 연결된다.
문장 명료성 문장이 읽기 쉽고 흐름이 일관된가.
0~1점
문장이 길고 모호해 뜻을 파악하기 어렵거나 흐름이 끊긴다.
2~3점
대체로 이해되나 반복, 모호한 표현, 어색한 연결이 눈에 띈다.
4~5점
문장이 간결하고 주장과 근거의 순서가 자연스럽다.
  • High confidence 높음 4~5점
  • Human review 사람확인 2~3점, 또는 근거가 확인되지 않은 항목
  • Low 낮음 0~1점

Notices

  • The results above were generated by AI (Anthropic Claude). They are drafts for a human reviewer, not decisions.
  • The three essays are synthetic. They describe no real person or company.
  • Do not use this output for hiring decisions or any other decision about a real person.
  • Generated on 2026-10-07 with claude -p (claude-opus-5-5), then checked by the quote-verification step. Scores can differ if the same essay is scored again.

Pilot it on your own rubric

We install the agent in your own cloud account, for example Amazon Bedrock in the AWS Seoul Region, and coach your team as you tune it to your rubric and essays. The essays are processed inside your account.

Email us about a pilotAbout BuildnWrite

Write to contact@buildnwrite.com. Please tell us your company, your rubric, the kind of essays and roughly how many. The email opens with these blanks.

설치형 도입 문의 (한국어)

Book a pilot