채용 코딩 테스트에 AI 도구 사용을 허용하는 기업들이 생겨나고 있다. 일부는 시험 자체를 없애거나 포맷을 바꾸고 있고, 일부는 AI를 쓰되 어떻게 활용했는지를 함께 평가한다. 이 변화는 준비 방식에 영향을 준다. 무엇이 달라지고 있는지, 그리고 지원자 입장에서 어떻게 대비해야 하는지를 정리했다.
왜 지금 AI 허용 논의가 나오는가
AI 코딩 어시스턴트가 실무에 깊숙이 자리잡으면서, 기업들 사이에서 “AI를 금지한 코딩 테스트가 실제 업무 능력을 측정하는가”라는 의문이 제기되기 시작했다. 현장에서는 GitHub Copilot, Cursor, Claude 같은 도구를 일상적으로 쓰는데, 채용 과정만 AI 없이 치르도록 하는 것이 앞뒤가 맞지 않는다는 시각이다.
동시에, AI 도구가 광범위하게 보급되면서 코딩 테스트 커닝을 막기가 사실상 불가능해졌다는 현실적인 이유도 있다. 화면 공유나 카메라 감시 환경이 아닌 이상 AI 사용 여부를 가리기 어렵다는 점을 기업 측도 인지하고 있다. 그렇다면 아예 허용하고 다른 방식으로 변별력을 확보하는 것이 낫다는 방향으로 채용 설계가 움직이고 있다.
이 흐름은 아직 업계 전체의 표준이 아니다. 대기업 공채, 공공기관, 일부 외국계 기업은 여전히 AI 없이 진행하는 방식을 유지한다. 준비하는 직군과 기업 유형에 따라 상황이 다르므로, 지원 전에 채용 공고나 직군 커뮤니티를 통해 해당 기업의 방식을 먼저 확인하는 것이 중요하다.
AI를 허용한다면 무엇을 평가하는가
AI 허용 코딩 테스트는 단순히 정답 코드를 제출하는 것으로 끝나지 않는다. 기업이 보고 싶은 것은 AI와 함께 일하는 방식 자체다. 구체적으로 평가 포인트가 어떻게 이동하는지를 살펴보자.
- 문제 정의력: AI에게 어떤 프롬프트를 입력했는지, 요구사항을 얼마나 정확하게 파악하고 지시했는지를 본다. AI가 생성한 코드를 그대로 붙여 넣은 사람과, 요구사항을 분해해 단계적으로 지시한 사람의 결과물은 다르다.
- 검증 능력: AI가 만든 코드가 틀렸을 때 이를 발견하고 수정할 수 있는지를 평가한다. 엣지 케이스, 성능 문제, 논리 오류를 스스로 잡아내는 능력이 여기에 해당한다.
- 설명 역량: 제출 후 코드 리뷰나 구두 설명을 요구하는 형태로 이어지는 경우가 많다. AI가 써준 코드라도 완전히 이해하고 있어야 설명할 수 있다.
- 속도와 완성도: AI를 잘 쓰면 더 빠르고 더 완성도 높은 결과물을 낼 수 있어야 한다. AI를 쓰고도 느리거나 버그가 많으면 오히려 감점 요인이 될 수 있다.
결론적으로 AI 허용 테스트는 알고리즘 암기 능력보다 실무 문제 해결 과정 전반을 본다. 준비 방향이 달라질 수밖에 없다.
준비 방식은 어떻게 달라져야 하는가
AI 허용 테스트를 대비할 때 가장 중요한 것은 AI와 함께 작업하는 실제 워크플로를 익히는 것이다. 평소에 AI 없이 코딩하다가 테스트 당일에만 AI를 쓰면, 프롬프트 작성이 서툴고 결과물 검증도 느리다. 연습 자체를 AI와 함께 하는 것이 맞다.
구체적인 연습 방법은 다음과 같다. 먼저 LeetCode나 프로그래머스 문제를 풀 때 AI 도구를 열어두고, AI에게 단계별로 어떻게 지시할지를 연습한다. 전체 문제를 한 번에 던지지 말고, 요구사항 분석 → 알고리즘 설계 → 구현 → 테스트 단계로 나눠 AI와 대화를 이어간다. 그 과정에서 AI가 틀린 부분을 직접 찾아내고 수정하는 훈련을 한다.
동시에 기본기를 포기하면 안 된다. AI가 만든 코드를 줄 단위로 읽고 설명할 수 있어야 한다. 자료구조, 시간복잡도, 재귀 같은 개념을 모르면 AI가 내놓은 코드가 맞는지 틀린지조차 판단하기 어렵다. AI 허용 테스트에서도 기초 지식은 여전히 전제조건이다.
AI 금지 테스트는 어떻게 달라지고 있는가
AI 허용 논의가 나오면서, 역설적으로 AI 금지 테스트는 더 엄격해지는 방향으로 가는 곳도 있다. 화상 감독 하에 치르는 온사이트 코딩 인터뷰, 실시간 화면 공유를 요구하는 비대면 라이브 코딩 방식이 늘고 있다. 이 형태에서는 AI를 쓸 수 없기 때문에, 오히려 순수 알고리즘 사고력이 더 중요해진다.
어떤 기업에 지원하느냐에 따라 대비 방식이 분기된다. AI 친화적인 스타트업이나 테크 기업을 주로 보고 있다면 AI 활용 워크플로 훈련에 무게를 더 둔다. 전통적인 공채나 보수적인 테스트 환경이 예상된다면 고전적인 알고리즘 문제 풀이 훈련을 기반으로 삼아야 한다. 두 가지를 적절히 병행하는 것이 가장 안전한 전략이다.
면접 단계에서 AI 활용을 어떻게 이야기할 것인가
AI 허용 테스트를 통과한 뒤 면접에서 “코딩 테스트에서 AI를 어떻게 활용했나요?”라는 질문을 받을 수 있다. 이때 단순히 “ChatGPT로 코드를 생성했습니다”라고 답하면 좋은 인상을 주기 어렵다. 면접관이 듣고 싶은 것은 어떤 판단으로 AI를 어느 지점에 투입했고, 결과물을 어떻게 검증했으며, 그 과정에서 자신이 기여한 부분이 무엇인지다.
예를 들어 “문제의 요구사항을 먼저 엣지 케이스 기준으로 분류한 뒤, AI에게 각 케이스에 대한 처리 로직을 제안해달라고 했습니다. 생성된 코드에서 시간복잡도가 비효율적인 부분을 찾아 직접 수정했고, 최종적으로 테스트 케이스를 10개 이상 직접 작성해 검증했습니다”와 같이 구체적으로 이야기할 수 있어야 한다. 이 수준의 서술이 가능하려면 테스트 당시 실제로 그렇게 일했어야 한다.
코딩 테스트 단계부터 자신이 어떤 판단을 했는지 메모해두는 습관을 들이면 면접 답변 준비에 도움이 된다. AI가 제안한 내용 중 무엇을 채택했고 무엇을 버렸는지, 왜 그런 선택을 했는지를 짧게라도 기록해두는 것을 권한다.
지금 당장 실천할 수 있는 것들
정리하면, 채용 코딩 테스트를 둘러싼 환경이 변하고 있지만 가장 중요한 것은 지원 기업의 방식을 미리 파악하고 그에 맞게 준비하는 유연함이다. 아래 체크리스트를 참고해 지금 내 상태를 점검해보자.
- 지원 기업의 코딩 테스트 방식(AI 허용 여부, 온사이트/비대면 여부)을 공고와 커뮤니티에서 확인했는가
- AI 도구(Copilot, Cursor, Claude 등)와 함께 문제를 푸는 워크플로를 실제로 연습해본 적 있는가
- AI가 만든 코드의 시간복잡도와 버그를 직접 분석하고 수정할 수 있는가
- 코딩 테스트 결과물을 면접에서 코드 단위로 설명할 수 있는가
- 자료구조·알고리즘 기초 개념을 AI 없이도 이해하고 있는가
모든 항목에 자신 있게 체크하기 어렵다면, 지금부터 하나씩 채워나가면 된다. 채용 환경은 변하고 있지만 준비하는 사람에게는 오히려 기회가 열린다. 어떤 방식으로 준비해야 할지 방향이 잡히지 않는다면, 누스쿨 커뮤니티에서 현직 개발자 멘토와 이야기를 나눠보자. 코딩 테스트 준비부터 면접 답변까지, 실제 경험을 바탕으로 한 조언을 들을 수 있다.
💬 댓글 0