Proses seleksi kerja di era digital saat ini didominasi oleh format wawancara virtual, namun banyak pencari kerja menghadapi hambatan besar berupa tingginya tingkat kegagalan akibat keterbatasan akses terhadap sarana simulasi latihan yang personal, realistis, dan terjangkau. Hal yang menarik dari penelitian ini adalah penerapan teknologi Retrieval Augmented Generation yang dipadukan dengan arsitektur conversational AI adaptif untuk menghasilkan alur simulasi wawancara interaktif yang dapat menyesuaikan tingkat kesulitan secara real time berdasarkan bobot kualitas jawaban pengguna. Sebagai solusi atas permasalahan tersebut, dikembangkan sebuah aplikasi simulator wawancara kerja berbasis web menggunakan ChromaDB sebagai basis data vektor, model LLM Qwen 3 32b sebagai pewawancara virtual sekaligus juri otomatis LLM as a Judge, serta model OpenAI Whisper V3 untuk konversi Speech to Text STT berbasis suara. Hasil eksperimen menunjukkan bahwa model Qwen 3 32b mampu memproduksi pertanyaan teknikal dengan tingkat relevansi sangat tinggi serta gaya bahasa paling natural dan manusiawi. Rangkaian pengujian komponen STT membuktikan model OpenAI Whisper Large V3 unggul secara signifikan dengan nilai Word Error Rate WER terendah mencapai 0.0 persen pada sampel tertentu dan 9.5 persen pada audio filler words serta latensi proses yang sangat cepat dan kompetitif antara 1.17 hingga 3.31 detik, sehingga sistem berhasil menyajikan simulasi wawancara yang adaptif, objektif, dan responsif.