Replit으로 구현한 HR 분석 도구와 홈페이지 배포

바이브 코딩 시대, HR 데이터 분석과 홈페이지 제작의 모든 것

Jun 1. 2025

들어가며

생성형 인공지능은 일상과 업무방식에 혁신적 변화를 가져오고 있습니다. 과거에는 전문가만이 접근 가능하던 데이터 분석과 시각화 작업 더 나아가 홈페이지 개발이 이제는 훨씬 쉬워졌습니다. 이번 글에서는 제가 직접 Replit으로 구현한 4가지 HR 분석 도구 사례, 그리고 홈페이지 구축 사례를 중심으로 바이브 코딩 활용방법과 그 효과에 대해서 살펴보도록 하겠습니다.

1. Replit 소개

Cursor AI와 함께 가장 주목받고 있는 바이브 코딩 플랫폼인 Replit은 웹 기반의 AI 통합 개발 환경입니다. Cursor가 Visual Studio Code를 기반으로 만들어진 로컬 AI IDE라면, Replit은 별도 설치 없이 웹에서 바로 실행 가능한 AI 기반 개발 도구입니다. 실행 결과를 실시간으로 확인하고, 생성형 AI와의 상호작용을 통해 코드를 지속적으로 수정·보완할 수 있어 매우 직관적이고 빠르게 개발 작업을 수행할 수 있습니다. https://replit.com에서 별도 설치 없이 계정을 생성한 후, 브라우저에서 바로 사용할 수 있다는 점도 큰 장점입니다.

https://replit.com/

Replit – Build apps and sites with AI

Replit is an AI-powered platform for building professional web apps and websites.

https://www.replit.com/

Replit의 가입 및 설치방법은 매우 간단합니다. 앞서 말씀드린 바와 같이, 웹기반 프로그램이기 때문에 별도의 설치 없이 위 홈페이지에 가입하신 후 해당 페이지에서 바로 사용하실 수 있습니다.

[Replit 메인 화면 구성 이해하기]
프롬프트 입력창: 만들고자 하는 앱의 이름이나 설명을 입력할 수 있는 공간입니다.
프롬프트 실행 버튼 (Start building): 프롬프트 입력 후 클릭하면 프로젝트 생성이 시작됩니다.
파일탑재 버튼: 프롬프트에 파일 탑재할 시 사용하는 버튼, 파일을 프롬프트 입력창에 드래고 해서도 탑재할 수 있습니다.
최근 작성 앱 리스트: 이전에 만든 앱들을 한눈에 볼 수 있으며, 클릭하면 곧바로 다시 실행하거나 수정할 수 있습니다.

[프로젝트 실행 및 Preview 확인]
Agent 창 활성화: 좌측에서 Agent 아이콘을 클릭하면, AI와의 대화 창이 열리며 개발을 도와줍니다.
Preview 창 활성화: 오른쪽 상단에 생성된 웹앱 결과를 실시간으로 확인할 수 있습니다.
파일 창 활성화: 생성한 프로젝트의 폴더 및 파일 구조를 확인할 수 있습니다.

[코드 수정 및 앱 커스터마이징]
파일탐색기(폴더 아이콘 클릭) app.py 등의 파일을 직접 클릭하고 수정하고자 하는 코드 부분을 드래그한 후 한글로 수정을 요청하면 코드 수정 보완이 가능합니다.

2. 기존 콘텐츠 DashBoard 구현

이번 챕터에서는 Replit을 활용해 기존 글 GPT와 Python을 활용한 HR 대시보드 만들기, ChatGPT와 GitHub을 활용한 HR 분석, 개발에서 소개했던 HR 프로젝트 4종을 동일하게 구현해 보았습니다.

1. HR 기초통계 시각화 대시보드
2. 조직구성원 퇴직 예측 도구 (로지스틱 회귀분석 기반)
3. 조직몰입 현황 진단 대시보드 (이중몰입/저몰입 등 4분면 분류)
4. 한국어 텍스트 기반 토픽 모델링 분석기

1) IBM HR Data 활용 Dashboard 만들기

이전 GPT와 Python을 활용한 HR 대시보드 만들기, ChatGPT와 GitHub을 활용한 HR 분석, 개발글에서 다뤘던 IBM HR Data 활용 Dashboard를 Replit 환경에서 새롭게 구현해 보았습니다. IBM HR Analytics Employee Attrition & Performance 데이터를 활용해, 부서별 이직률, 평균 근속연수, 평균 임금 등의 주요 HR 지표를 시각화했습니다. 특히 부서·성별·연령대 필터 기능을 추가하여 사용자가 다양한 관점에서 데이터를 분석할 수 있도록 설계하였고, 시각 요소로는 부서별 이직률 바차트, 성별 도넛차트, 근속연수 박스플롯 등을 활용해 데이터의 직관성과 가독성을 높였습니다.

https://github.com/Franky1/hr-dashboard-streamlit

GitHub - Franky1/hr-dashboard-streamlit: HR dashboard forked for debugging

HR dashboard forked for debugging. Contribute to Franky1/hr-dashboard-streamlit development by creating an account on GitHub.

https://github.com/Franky1/hr-dashboard-streamlit

특히, 위 alfie-danish의 GitHub 홈페이지에 들어가 소스코드를 다운로드하고 해당 코드를 참고하여 HR dashboard를 만들어보았습니다. Github에서 다운로드한 main.py 파일과 아래 실행화면 캡처화면을 함께 탑재한 후 동일한 방식으로 HR Dashboad를 만들어달라고 요청하면 Replit은 직관적으로 DashBoard를 만들어줍니다. 프롬프트는 아래와 같이 입력하였습니다.

파일탑재: [IBM HR Data], [Main.py], [Github 대시 캡처화면]
탑재한 파일을 분석하고 아래 내용을 충족하는 HR DashBoard를 만들어줘.
- 해당 변수들은 클릭해서 해당 변수의 통계 시각화를 볼 수 있게 만들어줘: Department, Gender, JobRole, JobLevel
- 해당 변수들은 위 클릭한 변수에 따라 통계가 시각화될 수 있도록 해줘: Attrition, EnvironmentSatisfaction, HourlyRate, Jobinvolvement, Jobsatisfaction, Monthlyincome, PerformanceRating, YearsAtCompany
- 실제 HR 대시보드처럼 한 페이지에 모든 정보가 잘 보일 수 있게 그래프를 잘 배치해 줘.
- 답변은 한국말로 해줘.
- 탑재한 대시보드 이미지처럼 만들어줘.

2) 이직 예측 분석을 위한 로지스틱 회귀분석 도구

다음 사례는 동일하게 IBM HR Analytics Employee Attrition & Performance 데이터를 활용해 GPT와 Python을 활용한 HR 대시보드 만들기 글에서 다루었던 '이직 예측 분석을 위한 로지스틱 회귀분석 도구' 프로그램을 Replit으로 만들어보았습니다. SPSS처럼 단계별 UI를 제공하며, CSV 파일 업로드 → 변수 선택 → 모델 실행 → 결과 확인까지 전 과정을 시각적으로 구성했습니다. 이직 여부(Attrition)를 예측하는 로지스틱 회귀분석을 기반으로, 1:2 비율의 클래스 불균형 샘플링 처리와 ROC 커브 시각화 기능도 포함하였습니다. 프롬프트는 아래와 같이 입력하였습니다.

[IBM HR Data]
해당 데이터를 분석하고 SPSS처럼 메뉴를 클릭해서 로지스틱 회귀분석을 할 수 있는 사이트를 만들어줘.
- csv 파일은 사용자가 직접 탑재할 수 있게 해 줘.
- 타깃 변수는 Attrition으로 고정해 줘 예측변수만 선택할 수 있게 해 줘.
- 혼동행렬과 ROC 커브까지 그려줄 수 있도록 코드를 보완해 줘.
- (혼동행렬은 가로 1:2:1 비율에서 2크기로 그려줘.)
- (혼동행렬 각 칸이 구분될 수 있게 칸 구분을 표시해 줘.)
- 데이터 전처리 부분에 원-핫 인코딩을 추가해 줘.

3) 구성원 몰입현황 대시보드

이번 사례는 GPT와 Python을 활용한 HR 대시보드 만들기 글에서 다뤘던 구성원 몰입현황 대시보드를 Replit을 활용하여 구현해 보았습니다. 해당 대시보드에 활용된 '공직생활 실태조사'의 개요는 아래와 같습니다.

[공직생활 실태조사]

조사주관기관: 한국행정연구원
조사주기: 매년 1회 실시
조사목적: 공무원 인적자원관리에 대한 주요 현황 및 공무원의 다양한 차원에 대한 인식을 조사하여 공무원이 공직을 수행하면서 경험하고 느끼게 되는 인식변화를 체계적으로 파악
표본추출: 층화표본추출
조사방법: E-mail 웹 조사

2018년 데이터:
공무원 4,000명(중앙행정기관 소속 공무원 1,263명, 광역자치단체 소속 공무원 2,737명)
2019년 데이터:
공무원 4,111명(중앙행정기관 소속 공무원 1,270명, 광역자치단체 소속 공무원 2,841명)
2020년 데이터:
공무원 4,339명(중앙행정기관 소속 공무원 1,983명, 광역자치단체 소속 공무원 2,356명)
2021년 데이터:
공무원 4,000명(중앙행정기관 소속 공무원 2,000명, 광역자치단체 소속 공무원 2,000명)

2018년부터 2021년까지의 '공직생활 실태조사' Data에서 다음과 같은 문항을 활용하였습니다. 34번(조직몰입) 3개 설문문항, 35번(직무만족) 3개 문항을 각각 활용하였는데, 각 문항은 산술평균을 통해 조직몰입과 직무만족의 최종 점수를 산출하였습니다.

공직생활 실태조사 34번 문항(5점 Likert 척도)
1) 나는 이 조직에 남기 위하여 어떤 직무라도 수행할 용의가 있다.
3) 나는 우리 조직에 대해 소속감을 강하게 느낀다.
4) 우리 조직이 추구하는 가치는 나의 가치와 일치한다.

공직생활 실태조사 35번 문항(5점 Likert 척도)
1) 나는 담당업무에 흥미가 있다.
2) 나는 열정적으로 업무를 수행한다.
3) 나는 업무를 수행하면서 성취감(보람)을 느낀다.

아래 화면은 Replit을 통해 개발한 프로그램 모습입니다. 좌측 필터에서 연도, 성별, 기관유형, 재직기간 등을 선택하면 해당 조건에 맞는 몰입 현황을 직관적으로 확인할 수 있습니다.

brunch_Final.csv

몰입, 만족 대시보드 화면.jpg

탑재파일: [brunch_Final.CSV], [몰입, 만족 대시보드 화면.jpg]
탑재한 파일을 참고하여 구성원 몰입현황 표를 그려주는 대시보드를 만들어줘.
대시보드의 조건은 아래와 같아.
- 대시보드에 그래픽 창을 만들어줘.
- 세로 측에는 조직몰입, 가로축에는 직무만족을 놓고 1사분면은 이중몰입, 2사분면은 조직편중, 3사분면은 저몰입, 4사분면은 직무편중으로 두고자 함.
- 유형별 특징
이중몰입: 일에 대한 만족과 조직의 몰입이 모두 높은 상태/ 지속적인 성과 창출 가능
조직편중: 직무는 불만족하지만, 회사에 대한 근속 의지만 높은 상태./ 저성과자의 경우, 조직 모럴의 훼손 가능
저몰입: 직무만족과 조직몰입 모두 낮은 상태 / 상세한 원인 파악을 통한 지원 필요
조직몰입/직무만족 모두 중간인 경우 Q-mark: 직무만족/조직몰입 모두 중립적인 상태/ 조직 풍토 및 관리에 따라 변동 가능성 존재
- 4사분면 데이터 아래에는 조직몰입 평균, 직무만족 평균을 제시해 줘.
- 각 4사분면 안에는 인원 분포를 퍼센트로 계산해서 제시해 줘.
- 대시보드에는 연도, 기관유형, 성별, 연령, 학력, 재직기간, 채용유형, 직급 버튼을 만들어서 버튼을 선택하면 선택한 속성별로 조직몰입/직무만족 현황을 볼 수 있도록 해줘.
- 탑재한 파일이 대시보드 완성의 예야 해당 그림을 참고해서 만들어줘.

4) 한국어 텍스트 토픽 모델링 분석

기업 리뷰의 '총평' 텍스트 데이터를 활용하여 '한국어 텍스트 토픽 모델링 분석' 프로그램을 만들어보았습니다. 이 프로그램은 scikit-learn, gensim, pandas, plotly, streamlit 등 범용 Python 라이브러리만을 활용하여 한국어 텍스트의 토픽 모델링을 간단히 구현한 사례입니다. 사용자가 원하는 최소/최대 토픽 수를 지정하면 혼잡도(Perplexity)와 일관성(Coherence) 그래프를 기반으로 최적의 토픽 수를 제안하며, 각 토픽별 주요 단어 리스트를 제공합니다.(브런치에는 오픈하지 않았지만 토픽모델링 기능(KoNLPy, ldatuning 포함)이 포함된 AI x HR 프로그램을 별도구축해 봤습니다. 해당 라이브러리가 포함된 프로그램도 어렵지 않게 디버그를 하며 완성할 수 있었습니다.) Replit 프롬프트 창에 리뷰데이터, 인터넷에서 검색해서 찾은 잘 짜인 토픽모델링 R코드를 탑재하고 프롬프트를 아래와 같이 입력하였습니다.

탑재한 파일을 토픽모델링하는 프로그램을 만들어줘.
[리뷰 데이터], [토픽모델링 R코드]
- 탑재한 데이터를 참고해 줘.
- 반복되는 'BEST' 단어는 전처리해 줘.
- 2글자 이상의 명사를 대상으로 분석해 줘.
- 불용어 리스트는 직접 만들어서 활용해 줘.
- Shiny와 동일한 인터페이스를 가지고 있는 프로그램으로 만들어줘.
- KoNLP 외 다른 방법으로 진행해 줘.
- ldatuning 외 다른 방법으로 진행해 줘.
- 탑재한 Sample2 파일을 참고해서 코드를 작성해 줘.

해당 프로그램은 분석 후에 토픽모델링 분석결과를 별도로 다운로드할 수 있습니다. 해당 결과 파일을 다운로드한 후, ChatGPT에게 전달하여서 최적 토픽수를 크로스 체크하고, 더 나아가 결정된 토픽에 대한 주제를 설정하는데도 활용할 수 있습니다.

2. 프로그램 및 홈페이지 만들기

기존 콘텐츠 외에도 다양한 Replit 활용 개발 작업을 진행하며 Replit의 기능을 체험해 보았습니다. ERP 형태의 프로그램을 Replit과 대화하면서 구축해보기도 하고, HRKIM 홈페이지도 직접 한번 구축해 보았습니다. Replit을 다양한 프로젝트에 활용하며 느낀 점은 AI를 활용한다고 해서 디테일이 떨어지는 작업을 하는 것이 아니라 부분을 직접 지정하고 한글로 설명할 수도 있고, 결과물을 계속 도출하며 작업을 하기 때문에 좀 더 홈

1) ERP Front-End 구축 작업

Replit을 통해 간단한 ERP 프로그램 인터페이스를 설계하고, UI/UX를 만들어 보았습니다. 테스트를 하면서 느낀 점은 충분히 많은 시간을 투자하여, 프로그램을 보완하면 충분히 사용할만한 프로그램을 구축할 수 있겠다는 생각이 들었습니다. 추후 기회가 된다면, 직접 활용할만한 프로그램을 만들어봐야겠다는 생각을 해보았습니다.

2) 홈페이지 작업

프로그램을 완성한 후, Replit을 활용해 개인 홈페이지도 30분 만에 제작해 보았습니다. 예상보다 훨씬 쉽고 빠르게 제작과 배포가 가능해 정말 놀라웠습니다. 홈페이지의 각 메뉴(소개, 콘텐츠, 게시판, 링크드인)는 클릭 시 실제 기능이 작동합니다. 예를 들어, ‘게시판’을 클릭하면 글을 작성할 수 있는 게시판이 활성화되며, ‘콘텐츠’는 브런치 콘텐츠로 연결되고, ‘링크드인’은 제 링크드인 프로필로 이동합니다. 또한 BackEnd 기능 역시 직관적으로 수정할 수 있습니다. 좌측 하단의 채팅창 아래에 위치한 [Select] 버튼을 클릭한 후, 우측 Preview 영역에서 수정하고자 하는 UI/UX 또는 기능 영역을 선택하면, 한글로도 손쉽게 기능을 보완하거나 디자인을 변경할 수 있었습니다.

아래 URL은 제가 개발하고 배포한 홈페이지입니다. 한번 방문하셔서 Replit과 함께 30분 만에 개발한 홈페이지가 어느 정도의 퀄리티를 가지고 있는지 직접 확인해 보시기 바랍니다.

https://hrkim7.replit.app/

김창일 HRKIM - AI & HR 전문가

AI 기술을 활용한 HR 혁신을 지향하는 인사조직 전문가 & 정책학 박사

https://hrkim7.replit.app/

3. 프로그램 및 홈페이지 배포

Replit의 가장 큰 장점은 바로 프로그램 및 홈페이지 배포입니다. 프로그램 및 배포를 하지 않았을 경우에는 내가 그 코드를 실행하고 있는 중이 아니라면 프로그램 또는 홈페이지에 접속할 수 없습니다. 배포를 해야 서버에 프로그램이 클라우드에 탑재되어 상시적으로 실행될 수 있습니다.

Cursor AI를 활용하여 개발한 프로그램을 배포하는 방법은 기존 Cursor AI로 직무 경로 예측 프로그램 만들기에서 소개한 바 있는데요. Github에 프로젝트 관련 모든 코드를 업로드하고 이를 Streamlit Cloud에 연결해서 배포하는 방법은 코딩을 처음 해보는 초심자에게는 약간 어려울 수 있습니다. 하지만 Replit에서는 프로그램 및 홈페이지가 매우 직관적입니다.

프로그램 또는 홈페이지가 다 완성되었을 경우에는 오른쪽 상단에 있는 [Deploy] 버튼을 클릭합니다. 해당 버튼을 클릭하면 아래와 같은 화면이 활성화 화됩니다. 하단 [Approve and configure build settings] 버튼을 클릭합니다.

버튼을 클릭하면 아래와 같은 화면이 활성화됩니다. 해당 화면에서는 도메인 주소를 확인하시고 최종적으로 [Deploy] 버튼을 클릭하셔서 최종적으로 프로그램 또는 홈페이지 배포를 하실 수 있습니다. 도메인 주소의 경우 간혹 다른 사람이 이미 사용하고 있는 도메인이서 안 되는 경우가 있으니 하단에 초록색으로 'Available' 표시가 없다면 도메인 주소를 사용가능한 주소로 수정하신 후 최종 배포 작업을 진행해 주시기 바랍니다.

[Deploy] 버튼을 클릭하면 아래와 같이 자동으로 배포작업이 이루어집니다. 해당 화면은 비활성화해도 배포작업이 지속적으로 이루어지며, 배포 작업이 완료되면 사용자 계정의 이메일로 완료 안내 메일을 전송해 줍니다.

4. Replit 가격 정책

1) Replit 가격 체계

Replit은 사용자의 개발 목적과 팀 규모에 따라 다양한 요금제를 제공하며, 특히 AI 기반 앱 개발 및 배포에 최적화된 환경을 갖추고 있습니다. 기본 무료 요금제인 Starter 플랜은 최대 10개의 임시 퍼블릭 앱을 제공하며, 체험용 Agent 사용이 포함됩니다. 실무용으로 적합한 Replit Core 플랜은 월 $25(또는 연 $240)로, GPT-4o 및 Claude Sonnet 4 접근권, 무제한 앱 배포, 라이브 앱 호스팅, 그리고 Agent 사용을 위한 월 $25 크레딧이 포함됩니다. Agent 사용 크레딧은 약 100회 수준(1회 $0.25)의 Agent 호출이 가능하며, 초과 사용 시에는 Pay-as-you-go 방식으로 추가 요금이 발생합니다.

팀 단위 협업을 위한 Teams 플랜은 사용자당 월 $40로, Core 기능에 더해 역할 기반 접근 제어, 프라이빗 배포, 50명의 뷰어 좌석, 그리고 월 $40 상당의 크레딧이 포함됩니다. Enterprise 플랜은 보안 및 통합 환경이 필요한 대규모 조직을 위한 맞춤형 요금제로, SSO/SAML, SCIM, 단독 배포 등 고급 기능을 제공합니다. 아래 가격표 이미지에서는 각 요금제의 기능 차이와 함께, 자동 확장, 예약 실행, 고정 VM 배포 등 Replit의 다양한 배포 옵션도 확인할 수 있습니다.

2) Replit 요금을 줄이기 위한 꿀팁

Replit은 한 달에 $25(연간 결제 시 월 $20) 요금제를 이용하더라도, AI 기능을 무제한으로 사용할 수 있는 것은 아닙니다. 앞서 설명드린 것처럼, Replit 요금제는 AI Agent를 약 100번 정도 사용할 수 있는 크레딧($25 상당)이 포함되어 있습니다. AI Agent를 한 번 사용할 때마다 약 $0.25씩 차감되며, 100번 이상 사용하면 추가 요금이 자동으로 발생(Pay-as-you-go 방식)하게 됩니다. 따라서 요령 있게 사용하는 것이 중요합니다. 예를 들어, AI Agent를 사용해 전체적인 코드 구조나 틀을 한 번에 만들고, 그다음에는 Assistant(채팅창 또는 본인 직접 수정)를 활용해 세부적인 수정이나 보완을 해나가는 방식이 훨씬 효율적입니다. 이러한 작업 방식을 잘 활용하면, AI 기능을 과도하게 쓰지 않으면서도 원하는 결과를 빠르게 얻을 수 있습니다. 다만, 이런 작업을 원활하게 하기 위해서는 기초적인 코딩 이해나 수정 능력은 어느 정도 갖추고 있는 것이 좋습니다.

나가며

Replit의 진짜 매력은 기술에만 몰두하는 것이 아니라 목적과 방향에 맞춘 실용적 개발과 실행을 AI와 함께 실시간으로 만들어간다는 점에 있습니다. 프로그램을 설계하고 바로 실행하며, 계속해서 개선해 나갈 수 있는 환경이 지금까지의 개발 환경과는 완전히 다른 새로운 가능성을 열어주었습니다. 이제는 아이디어와 의지만 있다면, 누구나 데이터 분석과 AI 개발을 현실로 구현할 수 있는 시대입니다. Replit은 그 출발점이 되어줄 수 있습니다.