The Philosophy: AI Native Hiring
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.
Key Concepts
More from 무신사
View all posts from 무신사
AI Native 조직은 도메인 지식을 어떻게 공유하는가
LLMAI AgentDomain Modeling5일 전코딩만 빨라졌다고요? 아뇨, 일하는 방식이 다 뜯어고쳐졌습니다.
AIGenerative AISDLC6일 전MATCH란 무엇인가
CDPMachine LearningAudience Targeting1개월 전의심했던 범인은 알리바이가 있었다.
Java Flight RecorderSpring BatchAurora MySQL1개월 전
LLM 비용 64% 절감, 캐시 히트율 98% 달성기
AWS BedrockPrompt CachingLangChain4j1개월 전
Related reads#AINative
Explore #AINative
AI 잘 쓰는 사람의 노하우, 어떻게 팀 전체로 퍼질까?
마이리얼트립에서 가장 큰 조직, T&A실의 리더는 어떻게 AI를 활용하는가
“AI를 쓰는 회사가 아니라, AI 없이는 일이 안 되는 회사”: 마이리얼트립이 AI Native 조직으로 전환한 이유
라포랩스 직무 인터뷰 시리즈 Colon: Backend Chapter Leader
