To. MUSINSA ROOKIES
Summary
"LeetCode는 죽었다"… 무신사가 AI 시대에 '진짜' 개발자를 뽑는 법
모호한 요구사항 속에서 '무엇'을 만들지 스스로 찾아내는 AI 네이티브 루키 66인의 합류 여정
무신사가 2026년 첫 AI 네이티브 신입 공채를 통해 구현 중심에서 문제 정의 중심으로 채용의 패러다임을 전환했습니다. AI 에이전트를 도구로 활용해 복잡한 비즈니스 로직의 본질을 꿰뚫어 보는 새로운 엔지니어 상을 제시하며, AI와 공존하는 커리어의 시작을 알립니다.
- 01전통적인 알고리즘 테스트를 탈피하고 AI 에이전트 기반의 실전형 코딩 테스트 도입
- 02기획팀의 짧은 메모에서 수강신청 시스템의 락(Lock) 메커니즘까지 도출하는 문제 정의 역량 검증
- 03AI가 인터뷰 질문 생성 및 평가 온도 보정을 담당하고 사람이 최종 판단하는 하이브리드 채용 시스템
- 04무배당발(무신사 배송 당일 발송) 로직을 예시로 본 비즈니스 도메인의 깊은 추상화 단계 이해
- 05AI를 생산 도구가 아닌 학습과 검증의 파트너로 삼아 역량을 복리로 쌓는 'AI 네이티브' 성장론
RECOMMENDATION
AI 시대에 자신의 커리어 방향성을 고민하는 주니어 개발자와, AI를 활용해 기술 채용의 질을 높이고자 하는 테크 리더들에게 이 아티클의 인사이트를 적극 추천합니다.
The Problem
AI 에이전트가 1분 만에 알고리즘 문제를 해결할 수 있는 시대가 되면서, 전통적인 'How' 중심의 코딩 테스트로는 엔지니어의 실제 비즈니스 문제 해결 역량을 판별하기 어려워졌습니다. 단순 구현 능력보다는 모호한 요구사항 속에서 '무엇(What)'을 해결해야 하는지 정의하는 능력이 엔지니어의 핵심 경쟁력으로 부상했습니다.
The Solution
무신사는 2026년 신입 공채에서 AI 에이전트 코딩 테스트를 도입하여, 의도적으로 모호한 기획 메모만 제공하고 후보자가 스스로 시스템의 락(Lock) 메커니즘이나 API 명세 등 구체적인 문제를 정의하도록 설계했습니다. 또한, 인터뷰 가이드 생성부터 평가 데이터 요약 및 통계적 보정까지 AI를 채용 프로세스 전반에 파트너로 활용하여 평가의 객관성과 일관성을 확보했습니다.
The Result
총 66명의 AI 네이티브 루키를 선발하였으며, 이들은 AI를 단순히 생산 도구가 아닌 학습과 검증의 파트너로 활용하여 복합적인 비즈니스 레이어를 파고들 수 있는 잠재력을 증명했습니다. 채용 과정의 자동화를 통해 인간 인터뷰어는 최종적인 가치 판단에 집중할 수 있는 구조를 마련했습니다.
Trade-off
본문에 구체적인 한계점은 명시되지 않았으나, AI를 활용한 평가 시스템 구축과 통계적 보정 로직 설계에 상당한 엔지니어링 리소스가 투입되었을 것으로 추론됩니다. 또한, AI가 평가 가이드를 생성함에 따라 인간 인터뷰어의 직관적인 통찰이 시스템의 가이드라인에 의해 일부 제한될 수 있는 가능성이 존재하며, 이를 방지하기 위해 사람이 최종 확정하는 단계를 유지한 것으로 보입니다.
Key Concepts
More from 무신사
View all posts from 무신사
의심했던 범인은 알리바이가 있었다.
Java Flight RecorderSpring BatchAurora MySQL4일 전
LLM 비용 64% 절감, 캐시 히트율 98% 달성기
AWS BedrockPrompt CachingLangChain4j6일 전
VLM을 쓰지 않은 이유: Geometric Prior로 25배 빠른 의류 디테일컷 자동화
Object DetectionAWS LambdaComputer Vision1개월 전
AI 스페셜리스트와 자동사냥 — 하네스로 제어하는 AI 파이프라인
AI AgentHarness EngineeringQuery Optimization1개월 전
무신사 메가스토어 성수: 보이지 않는 기술, 선명해지는 경험
RFIDPOSESL2개월 전