핵심 요약
AI를 인터뷰에 과도하게 허용하면 후보자의 역량이 아니라 AI 모델의 성능을 평가하게 될 위험이 커진다.
좋은 인터뷰는 최신 도구 사용 능력보다 문제 이해, 판단, 설계, 검토 같은 기초 역량을 드러내야 한다.
기업은 AI 사용을 제한하고, 라이브 문제 해결·리뷰형 인터뷰·명확한 준비 안내를 통해 더 공정하고 강한 신호를 얻어야 한다.
좋은 인터뷰의 두 축: 신호 품질과 회사 비용
좋은 인터뷰는 "이 사람이 일을 잘할 사람인가?"에 대한 강한 신호를 줘야 한다. 여기서 신호 품질이란 실제 업무 역량과 관련 있는 정보를 얼마나 정확히 얻는지를 뜻한다.
신호 품질을 높이려면 단순 암기나 사전 준비만으로 통과하기 어려워야 한다. 문제는 어느 정도 넓고 모호해야 하며, 후보자가 스스로 구조화하고 판단해야 한다.
하지만 인터뷰는 회사 입장에서도 비용이 든다. 문제를 만들고, 평가 기준을 정하고, 면접관을 훈련시키고, 시간이 지나며 계속 보정해야 한다.
즉 좋은 인터뷰 설계는 "정확한 평가"와 "운영 가능한 비용" 사이의 균형이다.
인터뷰 유형별 장단점
테이크홈 과제는 후보자가 집에서 문제를 풀어 제출하는 방식이다. 설계, 코딩, 테스트, 세부 완성도 등 넓은 역량을 볼 수 있지만 AI에 매우 취약하다.
라이브 인터뷰는 면접 중 즉석에서 코딩, 시스템 설계, 장애 분석 등을 수행하는 방식이다. 신호는 비교적 좁지만 후보자의 사고 과정을 직접 볼 수 있다.
프레젠테이션 인터뷰는 후보자가 과거 프로젝트나 경험을 설명하는 방식이다. 준비 비용은 낮지만, 후보자가 말을 잘하는 사람인지 실제로 일을 잘한 사람인지 구분하기 어렵다.
실제 업무 체험은 후보자가 일정 기간 함께 일해보는 방식이다. 신호는 강하지만 회사와 후보자 모두에게 비용이 크다.
질문은 언젠가 유출된다고 가정해야 한다
인터뷰 문제는 결국 새어나간다. Glassdoor 같은 사이트, 지인 네트워크, 면접 후기 거래 등을 통해 후보자는 회사의 질문을 미리 알 수 있다.
문제가 유출되면 인터뷰 성과는 실력보다 "얼마나 잘 찾아보고 준비했는가"에 좌우된다. 이는 공정성과 신호 품질을 동시에 떨어뜨린다.
해결책은 질문을 많이 보유하고, 오래된 문제를 폐기하며, 후보자에게 준비 범위를 명확히 알려주는 것이다.
예를 들어 "시스템 설계는 데이터베이스 중심으로 진행됩니다"처럼 안내하면 정보 비대칭을 줄일 수 있다. 모두가 비슷한 출발선에서 준비하게 만드는 것이다.
AI는 테이크홈 과제를 특히 약하게 만든다
AI 시대의 테이크홈 과제는 후보자에게는 쉬워지고 회사에는 더 비싸진다. 후보자가 AI로 과제를 빠르게 만들 수 있기 때문이다.
문제는 제출물이 그럴듯해 보여도, 실제로 후보자가 무엇을 이해하고 만들었는지 알기 어렵다는 점이다.
나쁜 코드는 만들기보다 검토하기가 더 어렵다. AI가 대량으로 만든 산출물을 사람이 검토해야 한다면 비용은 후보자에서 면접관으로 이동한다.
따라서 테이크홈 과제를 유지하려면 반드시 후속 라이브 인터뷰가 필요하다. 후보자에게 설계 선택, 트레이드오프, 요구사항 변경, 확장성 문제를 직접 설명하게 해야 한다.
채용에서 봐야 할 것은 도구 숙련이 아니라 기초 역량이다
원문은 역량을 크게 두 가지로 나눈다. 하나는 기초 역량이고, 다른 하나는 도구적 역량이다.
기초 역량은 문제를 이해하고, 추상화하고, 판단하고, 설계하고, 검토하는 능력이다. 지적 능력, 깊은 전문성, 성실성, 회복탄력성 같은 요소도 여기에 들어간다.
도구적 역량은 특정 언어 사용법, 에디터 활용, 문서 검색, AI 프롬프트 작성처럼 비교적 빠르게 배울 수 있는 능력이다.
AI 활용 능력은 중요하지만 대체로 도구적 역량에 가깝다. 기업이 뽑아야 하는 것은 "AI에게 지시를 잘 넣는 손"이 아니라 "AI 결과를 판단하고 책임질 수 있는 사람"이다.
AI를 허용하면 후보자보다 AI를 평가할 수 있다
AI는 단순한 자동완성 도구를 넘어선다. 잘못 사용하면 사고 과정 대부분을 외부화할 수 있다.
인터뷰에서 AI 사용을 넓게 허용하면, 결과물이 후보자의 판단인지 모델의 출력인지 구분하기 어려워진다.
특히 위험한 후보자는 AI를 도구처럼 쓰는 사람이 아니라 기계에 판단을 맡기는 사람이다. 이런 경우 생산성은 높아 보일 수 있지만 실수의 규모도 커진다.
개발자는 앞으로도 코드를 읽고, 설계를 검토하고, 요구사항을 해석하고, 결과에 책임져야 한다. 그래서 인터뷰는 "생성 능력"뿐 아니라 "검토와 판단 능력"을 반드시 봐야 한다.
AI 변화 속도는 인터뷰 설계를 불안정하게 만든다
AI 모델은 빠르게 발전한다. 오늘은 어려운 과제도 몇 달 뒤에는 쉽게 풀릴 수 있다.
기업이 매번 최신 모델을 이기기 위한 문제를 만드는 것은 지속 가능하지 않다. 이는 계산기를 허용한 채 더 어려운 암산 문제를 계속 만드는 것과 비슷하다.
또 AI 사용법 자체도 빠르게 바뀐다. 오늘의 프롬프트 기술이 내일은 별 의미 없어질 수 있다.
반면 기초 역량은 쉽게 낡지 않는다. 문제를 구조화하는 능력, trade-off를 판단하는 능력, 모호한 요구사항을 명확히 하는 능력은 도구가 바뀌어도 계속 중요하다.
기업이 인터뷰를 바꾸는 방법
대부분의 인터뷰에서는 AI 사용을 제한하는 편이 좋다. 단, 금지한다면 규칙을 명확히 알려야 하며 위반은 신뢰 문제로 다뤄야 한다.
라이브 문제 해결 인터뷰에 더 투자해야 한다. 좋은 라이브 인터뷰는 단순한 알고리즘 퀴즈가 아니라 후보자의 사고 방식, 질문 능력, 판단력을 드러낸다.
리뷰형 인터뷰도 유용하다. 후보자에게 코드, 설계 문서, 장애 보고서, AI가 만든 실행 계획, 제품 요구사항 문서를 검토하게 하면 실무와 가까운 판단 능력을 볼 수 있다.
테이크홈 과제를 쓴다면 AI 사용 여부를 명확히 정하고, 제출물 검토만으로 판단하지 말아야 한다. 후속 인터뷰에서 후보자의 이해도를 확인해야 한다.
후보자에게는 준비 가이드를 제공하는 것이 좋다. 이는 공정성을 높이고, "정보를 몰라서 떨어지는 사람"을 줄인다.
인사이트
AI 시대의 인터뷰는 "AI를 얼마나 잘 쓰는가"보다 "AI가 만든 결과를 이해하고 책임질 수 있는가"를 물어야 한다.
실무 팁은 간단하다. AI 사용을 기본적으로 제한하고, 라이브 문제 해결과 리뷰형 평가를 늘리며, 테이크홈은 반드시 구두 검증과 연결하라.
채용의 목표는 최신 도구 사용자 선발이 아니라, 도구가 바뀌어도 계속 좋은 판단을 내릴 사람을 찾는 것이다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.