Read Original
#Backend

The Philosophy: AI Native Hiring

The Philosophy: AI Native Hiring
01

Summary

"LeetCode는 죽었다" 무신사가 AI 시대를 맞이하여 엔지니어를 뽑는 혁신적인 방법

AI를 도구가 아닌 환경으로 받아들인 'AI 네이티브' 인재를 찾는 무신사의 채용 실험기

AI가 코딩을 대신해주는 시대에 더 이상 단순 구현 능력은 변별력이 없습니다. 무신사는 '무엇을 만들지 결정하는 능력'에 집중하여, 모호한 요구사항 속에서 비즈니스 가치를 도출하고 AI를 최고의 파트너로 활용하는 'AI 네이티브 엔지니어' 채용의 새로운 표준을 제시합니다. 이 아티클은 알고리즘 테스트를 넘어 시스템 설계와 깊은 사고의 흔적을 평가하는 무신사만의 전략적 인사이트를 담고 있습니다.

  • 01전통적인 코딩 테스트의 한계를 인정하고 AI 에이전트를 공식적인 평가 도구로 도입
  • 02모호한 요구사항과 명확한 결과 기대치 사이의 'Sweet Spot'을 활용한 과제 설계 기법
  • 03수강신청 동시성 이슈를 통해 단순 구현과 깊은 시스템 설계 사고력의 차이를 검증
  • 04AI와의 대화 이력 및 설계 문서를 분석하여 '의존형'과 '파트너형' 인재를 구분
  • 05동작 확인을 넘어 사고의 복리 효과를 측정하는 3-Tier 평가 프레임워크 구축

RECOMMENDATION

AI 시대에 주니어 엔지니어의 역할과 평가 기준을 재정립해야 하는 기술 리더 및 인사 담당자, 그리고 AI를 활용해 자신의 설계 역량을 어떻게 증명할지 고민하는 개발자에게 강력히 추천합니다.

The Problem

기존의 LeetCode 스타일 코딩 테스트는 AI 에이전트가 수초 내에 해결할 수 있게 됨에 따라 변별력을 상실했으며, 기업들은 AI가 주니어의 업무를 대체하는 상황에서 신입 엔지니어의 역할과 평가 방식에 대해 큰 혼란과 불확실성을 겪고 있다.

The Solution

AI를 금지하는 대신 모든 지원자에게 동일한 AI 환경을 제공하고, 의도적인 모호함이 포함된 실무형 과제(수강신청 시스템)를 부여하여 구현 능력보다 문제 정의 및 설계 사고력을 측정하는 3단계 평가 모델(Make it Work, Basic Features, Deep Thought)을 도입했다.

The Result

단순한 기능 구현을 넘어 강좌 레벨과 학생 레벨의 이중 락(Double Lock) 필요성을 찾아내는 등 깊이 있는 사고를 하는 지원자를 선별할 수 있게 되었으며, AI를 사고의 파트너로 활용해 복합적인 비즈니스 로직을 해결하는 역량을 검증하는 체계를 마련했다.

Trade-off

본문에 구체적인 수치는 명시되지 않았으나, 모든 지원자에게 공정한 AI 환경을 제공하기 위한 인프라 비용과 협업 노력이 요구되며, 자동화된 테스트 외에 사고의 깊이를 측정하기 위한 Tier 3 평가 단계에서 고도화된 AI 평가 모델 설계와 정교한 검토 프로세스가 필요하다는 부담이 존재한다.

03

Key Concepts

Concept · 01

AI 네이티브 (AI Native)

AI가 별도의 도구가 아니라 학습과 업무의 시작부터 당연하게 존재했던 세대를 의미하며, AI를 사고의 대체재가 아닌 파트너로 활용하는 능력을 갖춘 인재상이다.

  • 구현 자체보다 무엇을 구현할지 결정하고 AI를 올바른 방향으로 이끄는 판단력 강조
  • AI와 협업하여 복잡한 문제를 해결하는 과정을 본인의 실력으로 내재화함
Concept · 02

모호함의 스펙트럼 (Ambiguity Spectrum)

문제의 요구사항을 의도적으로 불완전하게 구성하여 지원자가 스스로 질문을 던지고 엣지 케이스를 정의하게 만드는 설계 기법이다.

  • 비즈니스 목표만 제시하고 세부적인 NFR(비기능 요구사항)이나 API 명세는 지원자가 결정하도록 유도
  • 모호함 속에서 합리적인 가정을 세우고 시스템 방향성을 설정하는 시니어급 사고력 측정
Concept · 03

3-Tier 평가 모델

제출물의 완성도뿐만 아니라 그 과정에 담긴 사고의 깊이를 계층적으로 검증하기 위해 설계된 무신사만의 평가 프레임워크다.

  • Tier 1 & 2: 빌드 가능 여부와 핵심 비즈니스 로직(동시성 등)의 동작을 자동화된 테스트로 검증
  • Tier 3: 프롬프트 이력과 설계 문서를 AI가 분석하여 문제 해결 과정의 이해도와 성장 잠재력 평가