채용 시험에 AI 활용을 허용하는 기업이 늘고 있다. 코딩 테스트에서 IDE와 인터넷 검색을 열어두는 것을 넘어, 이제는 ChatGPT나 Copilot 같은 생성형 AI 도구 사용 자체를 공식으로 허용하는 사례가 생기고 있다. 처음 이 소식을 들으면 “그러면 AI만 잘 쓰면 되는 것 아닌가”라는 생각이 든다. 하지만 막상 실전에서 AI를 허용한 시험을 경험한 사람들은 전혀 다른 이야기를 한다. 준비 없이 들어가면 오히려 더 어렵다고. 이 글은 AI 허용 채용 시험이 실제로 무엇을 측정하는지, 그리고 지금 당장 무엇을 준비해야 하는지를 구체적으로 다룬다.
AI 허용 시험은 ‘도구 사용 능력’을 본다
AI를 허용한다는 것은 도구를 열어줬다는 뜻이지, 답을 준다는 뜻이 아니다. 면접관들이 공통적으로 하는 말이 있다. “AI를 허용하면 변별력이 사라진다고 생각했는데, 오히려 더 명확하게 드러났다.” AI를 받아 든 지원자들이 어떻게 활용하느냐가 극명하게 갈렸기 때문이다.
AI에게 문제를 통째로 붙여넣고 출력을 복사하는 사람, 문제를 분해하고 단계별로 AI에게 질문하면서 자기 논리로 답을 조립하는 사람, AI 출력을 검증하고 오류를 잡아내면서 결과물을 다듬는 사람. 같은 도구를 쥐고도 이 세 가지 접근 방식이 나오는 데는 이유가 있다. 첫 번째 방법은 AI 없이는 아무것도 못 한다는 것을 드러낸다. 두 번째와 세 번째는 도메인 이해와 사고 구조가 갖춰진 사람이라야 가능하다.
결국 AI 허용 시험은 도구 활용 역량, 즉 문제를 쪼개고 AI에게 올바른 질문을 던지고 그 결과를 비판적으로 소화하는 능력을 본다. 이 능력은 AI 사용법 자체를 연습하는 것만으로는 생기지 않는다. 해당 분야의 개념과 구조를 실제로 이해하고 있어야 한다.
AI가 못 하는 것이 시험의 핵심이다
AI가 잘하는 것은 패턴 매칭, 요약, 코드 초안 생성, 자주 쓰이는 해법의 구현이다. 반대로 AI가 취약한 영역이 있다. 맥락 판단, 우선순위 결정, 조직 특유의 제약 조건 이해, 여러 선택지의 트레이드오프 분석. 그리고 바로 이 영역이 시험에서 실제로 변별점이 되는 부분이다.
예를 들어 코딩 테스트에서 AI가 정확한 코드를 만들어줬다고 해도, 그것이 ‘이 상황에 적합한지’를 판단하는 것은 사람의 몫이다. 설계 방향이 요구사항과 맞는지, 시간복잡도와 메모리 사용이 트레이드오프로 어디에 위치하는지, 실제 운영 환경에서 어떤 문제가 생길 수 있는지. AI는 이 질문들에 그럴듯한 대답을 내놓지만, 틀린 방향으로 확신 있게 답하기도 한다. 이를 걸러내는 능력이 없으면 AI 허용 시험에서 오히려 손해를 볼 수 있다.
케이스 인터뷰나 직무 역량 시험도 마찬가지다. AI는 프레임워크를 잘 안다. MECE, 이슈 트리, 비즈니스 진단 구조 같은 것들. 하지만 면접관이 보고 싶은 것은 그 프레임워크를 문제에 얼마나 적합하게 적용하는지, 그리고 면접관과 대화하면서 사고를 실시간으로 전개하는 능력이다. AI가 틀을 만들어줘도 그것을 ‘이 회사의 이 상황’에 맞게 적용하는 판단은 지원자가 해야 한다.
지금 당장 해야 할 준비: 구체적인 다섯 가지
AI 허용 시험을 앞두고 있다면 아래 다섯 가지를 순서대로 점검해보라.
- 기본 개념 먼저 단단하게. AI를 쓸 때 무엇을 물어봐야 하는지를 알려면 개념이 있어야 한다. 직무와 관련된 핵심 개념, 기초 이론, 자주 쓰이는 접근법을 먼저 이해하고 정리한다. AI를 켜기 전에 혼자 풀어보는 연습이 더 중요하다.
- 프롬프트 설계를 연습한다. AI에게 문제 전체를 던지지 않고, 문제를 단계로 쪼개서 순서대로 질문하는 연습을 한다. 예를 들어 “이 문제에서 어떤 알고리즘을 쓸 수 있어?”가 아니라 “이 조건과 이 제약 조건을 고려할 때 탐색 방향은 어떻게 잡아야 해?”처럼 맥락을 담은 질문을 설계하는 연습이다.
- AI 출력을 검증하는 루틴을 만든다. AI가 내놓은 결과를 그대로 믿지 말고, 반드시 자신의 기준으로 한 번 더 확인하는 습관을 들인다. 코드라면 경계값, 예외 케이스, 성능을 직접 점검한다. 문서라면 논리 흐름, 사실 여부, 누락 항목을 체크한다.
- 시간 분배 전략을 만든다. AI를 쓰면 빠를 것 같지만, 실제로는 프롬프트 설계, 검증, 수정 반복에 시간이 많이 든다. 제한 시간 안에 어디까지 완성할지 미리 계획하는 연습이 필요하다. AI 없이 최소 기준을 먼저 완성해두고, 남은 시간에 AI로 고도화하는 방식이 안전하다.
- 자신의 판단 과정을 언어화한다. AI 허용 시험이라도 면접관은 지원자가 어떤 과정으로 판단했는지를 본다. “AI가 이렇게 줬고, 나는 이런 이유로 이 방향으로 수정했습니다”라고 설명할 수 있는 사람이 훨씬 강하게 인상을 남긴다. 연습할 때부터 스스로 판단 이유를 말로 정리하는 루틴을 만든다.
포트폴리오와 직무 경험을 어떻게 바꿔야 하는가
AI 허용 시험이 일반화될수록, 포트폴리오와 경험을 보는 기준도 바뀌고 있다. 예전에는 ‘무엇을 만들었는가’가 핵심이었다면, 이제는 ‘어떻게 판단하고 어떤 기준으로 결정했는가’가 더 중요해지고 있다.
포트폴리오를 준비할 때 이 점을 반영해야 한다. 단순히 결과물을 나열하지 말고, 어떤 문제 상황에서 어떤 선택지를 검토했고 왜 이 방향을 선택했는지를 담아라. AI 도구를 활용한 프로젝트라면 어떤 방식으로 활용했는지, 어떤 한계를 발견했고 어떻게 보완했는지를 솔직하게 서술하는 것이 좋다. 이런 서술이 있는 포트폴리오는 ‘이 사람은 AI를 쓸 때도 주체적으로 판단한다’는 인상을 준다.
직무 경험도 마찬가지다. 실무에서 AI 도구를 쓸 기회가 있다면 단순 사용에 그치지 말고, 어떤 방식으로 쓸 때 더 나은 결과가 나왔는지, 어떤 경우에는 오히려 손이 더 갔는지를 기록해두는 것이 좋다. 이런 구체적인 경험이 면접에서 진짜 설득력 있는 이야기가 된다.
기업이 정말로 걱정하는 것
AI 허용 시험에 대해 기업 측에서 가장 많이 언급하는 우려가 있다. 바로 “AI 출력을 맹신하는 사람을 뽑을까 봐”라는 것이다. 현업에서 AI를 무비판적으로 신뢰하면 실수가 쌓이고, 그 실수의 규모가 개인이 혼자 실수할 때보다 훨씬 커진다. AI는 틀린 정보를 자신감 있게 제시하는 경향이 있기 때문이다.
이 때문에 일부 기업은 AI 허용 시험에서 의도적으로 함정을 심어두기도 한다. AI가 그럴듯하게 틀린 답을 제시할 만한 요소를 문제에 포함시키고, 지원자가 이를 걸러내는지를 보는 방식이다. 이런 문제에서는 AI를 쓰면서도 비판적으로 검토하는 습관이 없으면 오히려 AI를 안 쓴 사람보다 낮은 점수를 받는다.
지원자 입장에서 이 우려를 역으로 활용할 수 있다. 시험 중 또는 면접 중에 “AI가 이렇게 답했지만, 저는 이 부분이 맞지 않다고 판단해서 이렇게 수정했습니다”라고 명확하게 말할 수 있다면, 그 자체가 강력한 차별점이 된다. AI를 주체적으로 다룬다는 증거이기 때문이다.
변하지 않는 것, 그리고 앞으로 더 중요해지는 것
AI가 채용 시험에 들어오면서 많은 것이 바뀌고 있다. 하지만 변하지 않는 것도 있다. 문제를 정확하게 이해하는 능력, 모호한 상황에서 판단을 내리는 능력, 자신의 생각을 명확하게 전달하는 능력. 이 세 가지는 AI가 대신할 수 없고, 오히려 AI 활용이 일반화될수록 더 중요해진다.
앞으로는 ‘얼마나 빠르게 만드느냐’보다 ‘무엇을 만들어야 하는지를 얼마나 정확하게 판단하느냐’가 더 높은 가치를 지니게 될 가능성이 높다. AI가 실행력을 상향 평준화하면, 방향을 잡는 능력이 더 귀해지는 구조다. 직무 공부를 할 때 단순 암기나 풀이 패턴 익히기보다 ‘왜 이 접근인가’, ‘이 상황에서 어떤 기준으로 판단하는가’를 함께 생각하는 습관을 지금부터 들여두면, AI 허용 시험뿐 아니라 실제 업무에서도 오래 버티는 역량이 된다.
누스쿨 커뮤니티에서는 AI 활용 실무 사례, 직무별 채용 준비 전략, 현직자 멘토링을 통해 이런 변화에 실제로 대응하는 방법을 함께 다룬다. 혼자 고민하기 막막하다면, 같은 방향을 준비하는 사람들과 구체적인 이야기를 나눠보는 것이 훨씬 빠른 출발점이 된다.
💬 댓글 0