피드로 돌아가기
GeekNewsInfrastructure
원문 읽기
AI 시대의 기술 면접
AI 시대, Instrumental Skill 배제와 Foundational Skill 중심의 평가 체계 재설계
AI 요약
Context
LLM의 급격한 발전으로 Take-home 과제의 변별력이 상실되고 리뷰 비용이 급증하는 병목 현상 발생. AI가 생성한 코드의 검증 비용이 생산 비용을 상회하는 Brandolini의 법칙이 채용 프로세스에 적용되며 기존 평가 모델의 신호 품질(Signal Quality) 저하 직면.
Technical Solution
- AI 사용을 원칙적으로 배제하여 인간의 추론 능력과 기초 역량을 직접 측정하는 평가 환경 구축
- Take-home 과제 제출 후 반드시 Live exercise로 연결하여 산출물의 트레이드오프 설명 및 요건 변경 대응 능력 검증
- 단순 구현보다 코드 리뷰, Postmortem 분석, 시스템 아키텍처 리뷰 등 비판적 분석 역량 평가 세션 필수 배치
- 질문 유출 및 AI 코칭 무력화를 위해 질문 풀(Pool)을 다양화하고 온사이트 화이트보드 테스트 등 물리적 제어 도입
- 도구적 숙련도(Instrumental Skill)가 아닌 문제 추상화 및 해결 능력을 측정하는 Foundational Trait 중심의 스코어카드 설계
실천 포인트
- Take-home 과제 내 AI 사용 금지 명시 및 위반 시 즉시 탈락 처리하는 Integrity 기준 수립 - 단순 코딩 테스트 비중을 낮추고 기존 코드베이스의 Bug squash나 아키텍처 리뷰 세션 추가 - 후보자에게 정밀한 준비 가이드를 제공하여 사전 도메인 지식에 따른 불평등 요소 제거 - AI 모델의 진화 속도를 고려하여 특정 도구 숙련도가 아닌 변하지 않는 Fundamentals 측정 문항 설계