AI가 기술 면접을 죽였다. 이제 어떻게 할까?

• 채용 프로세스는 누구가 싫어함. 채용 관리자도, 담당자도, 지원자도 마찬가지
• 기술 면접은 그중에서도 악명 높은 단계인데, 면접자 대부분이 싫어함
• 실제 업무는 간단한 API 연결 위주인데, 면접에서는 복잡한 이론과 알고리듬 등을 묻는 상황을 종종 볼 수 있음
  • 구글의 90% 엔지니어가 쓴다는 Homebrew의 개발자가 칠판에 이진트리 전환을 못해서 면접에서 탈락한 것 처럼

최근 몇 년간의 변화 (인터뷰 무력화 요인)

• 원격 면접에서 카메라를 끄고 대리인을 고용하는 사례가 발생함
• 북한 작업자가 deepfake 영상을 활용해 구직을 시도한 사례가 있었음
• GitHub Co-pilot, Cursor와 같은 자동 코딩 도구, 그리고 Claude나 OpenAI 같은 LLM이 등장하면서 기본 코딩 문제나 질의응답이 손쉽게 해결 가능해짐
• 이력서 작성부터 대규모 지원, 영상 면접에 이르기까지 AI가 개입 가능해지는 추세이지만, 이 글에서는 기술 인터뷰 자체에 집중함

기술 면접의 기본

개발자를 채용하는 거의 모든 회사에서 아래와 같이 약간씩 변형된 프로세스를 가지고 있음

• Hackerrank 사전 과제
  • 주니어나 인턴 개발자를 뽑기 위한 필터 역할
  • 온라인으로 자유롭게 문제를 풀 수 있음
• 컴퓨터공학 기초(Comp Sci Fundamentals)
  • 자료구조, 알고리즘, Big O 등을 묻는 방식
  • 주니어 개발자 대상인 경우가 많음
• 코딩 인터뷰
  • 실제 코드를 짜서 동작시키는 능력을 평가함
  • 간단한 프로젝트 예시로 기본적인 언어 사용 및 문제 해결 능력을 확인함
• 아키텍처/디자인
  • 주니어보다는 시니어 개발자 대상
  • 시스템 설계, 확장성, 데이터베이스 및 API 설계 등을 평가함

면접에서의 AI 사용

• AI 때문에 Hackerrank 같은 사전 과제의 필터 역할이 크게 약화됨
• 컴퓨터공학 기초 및 코딩 인터뷰도 문제 난이도가 LLM의 답변 범주에 속해 쉽게 풀리는 추세임
• 아키텍처/디자인 인터뷰는 아직 비교적 안전한 편이지만, 장기적으로 AI가 더욱 발전하면 이 영역도 위협받을 가능성이 있음

우리의 옵션은?

• 1. 원격 기술 인터뷰 중단
  • 면접관이 직접 옆에서 지켜보면 AI 활용이 어려움
    • 나머지 모든 과정을 통과한다고 가정하면 대면 코딩 면접이 될 수도 있음
• 2. Pearson Vue 스타일 소프트웨어 사용
  • 감시 프로그램을 설치해 카메라로 감독하는 형태
  • 우회 방법이 여러 경로로 알려져 있어 완벽하진 않음(관련 하위 레딧이 따로 있을 정도임)
• 3. 문제점 외면
  • "AI 쓰지 말라"는 도의적 요청에 의존하는 방식
  • 결과적으로 AI를 쓰는 사람이 유리해지므로, 기업 입장에서 적절한 지원자를 선발하기 어려워짐
• 4. AI 사용을 허용
  • 코딩 실력 대신 LLM에 프롬프트를 잘 쓰는 능력과 리팩토링 역량을 평가하는 형태
  • AI 출력 오류를 직접 교정할 수 있는 코딩 역량도 필요한 과도기적 상황
• 5. 하이브리드 접근
  • 원격으로 AI 활용 능력 등을 먼저 확인한 뒤, 오프라인 최종 검증을 진행하는 식의 혼합 방식

가능한 솔루션

• 장기적으로는 4번과 5번 방식이 실현 가능성이 높음
• RTO를 시행해도 원거리 후보 모두를 오프라인으로 부를 순 없으므로 효율적 방안을 마련해야 함
• 면접 자체의 형식을 바꾸는 것도 또 하나의 대안
  • 오늘날 코딩 인터뷰는 FizzBuzz나 계산기 구현 수준의 작은 과제에 그치는 경우가 많음
  • AI 보조를 활용하면 과제 난이도를 10배 이상 확장해, 완전한 애플리케이션을 만드는 과정으로 평가할 수 있음
  • 아키텍처와 코딩을 혼합해 2시간 정도의 긴 인터뷰로 진행하는 방법도 시도할 수 있음
• 이런 방식에서는 애플리케이션을 구축하고, 확장하고, 추가 기능을 구현하도록 요구가능
  • 코드베이스가 커지는 과정에서 일관성을 유지할 수 있는지, 표면적인 답변에 그치지 않고 더 깊은 수준의 역량을 확인할 수 있는 이점이 있음
• 이런 과정을 통해 다음을 평가
  • 기본적인 git과 IDE 등 도구 활용 능력
  • LLM에 효과적으로 프롬프트를 주고, 더 나은 출력을 얻도록 프로그래밍할 수 있는 능력
    • LLM 출력을 이해하고 결합해, 유지보수 가능한 형태로 코드를 완성할 수 있는 역량
    • 제한된 시간 안에 일정 수준 이상의 규모와 확장성을 가진 애플리케이션을 완성할 수 있는지 여부
  • 일관된 품질과 논리를 유지하는 능력
• 이런 종합 평가 방식이 AI 시대의 코딩 인터뷰 대안이 될 가능성이 있음

Summary

• 기술 인터뷰는 가까운 미래에 큰 변화를 맞이할 전망
• 당장은 AI 활용이 비교적 느리거나 어색하게 드러날 수 있지만, 점차 AI가 감춰질 가능성이 있음
• 이에 따라 발생할 수 있는 시나리오
  • 합격률이 상승하고, 대신 실제 업무 기간(프로베이션) 중에 탈락하는 사례가 늘어날 수 있음
  • 주니어 개발자가 기업의 높은 기술 스펙을 조기에 따라가야 하는 부담이 더욱 커질 수 있음
• AI를 활용해 FAANG 면접을 통과하는 방식이 확산된다면, 변화 속도는 더욱 가속될 가능성이 있음