몇 년 전 한 개발자가 트위터에 이런 글을 남겼다. “면접관이 ‘이진 트리 순회를 구현해보세요’라고 하면, 머릿속에서는 ‘이게 내 실력을 평가하는 기준이 되어야 하나?’라는 생각이 먼저 든다.” 그 당시에는 그저 농담처럼 들렸지만, 시간이 지나면서 그 농담 속 진심이 점점 더 무거워졌다. 기술 면접의 현장은 마치 중세 기사들의 결투장처럼 변해버렸다. 진짜 실력을 가늠하는 대신, 특정한 기술이나 알고리즘을 얼마나 잘 외우고 있는지 겨루는 장소가 되어버린 것이다.
소프트웨어 개발이라는 분야는 본래 창의성과 문제 해결 능력, 그리고 협업의 산물이었다. 그런데 어느 순간부터인가, 그 복잡한 과정을 한 줄의 코드로 압축해 평가하려는 시도가 만연해졌다. 특히 “LeetCode 스타일”의 기술 면접은 마치 체스 선수에게 “나이트의 이동 경로를 외워보세요”라고 요구하는 것과 다르지 않다. 물론 기본적인 자료 구조나 알고리즘에 대한 이해가 중요하다는 점은 부인할 수 없다. 하지만 그 이해가 실제 업무에서 필요한 문제 해결 능력과 얼마나 직결되는지는 여전히 의문이다.
이러한 문제의식 속에서 등장한 것이 바로 “AI-native 기술 평가”라는 개념이다. 기존의 코딩 테스트가 특정 문제의 정답을 찾는 데 초점을 맞췄다면, 이 새로운 접근 방식은 개발자가 실제 업무에서 마주할 법한 복잡한 문제를 해결하는 과정을 평가하려 한다. 예를 들어, 단순한 정렬 알고리즘 구현이 아니라, 데이터 파이프라인을 설계하거나, 레거시 시스템을 리팩토링하는 등의 과제가 주어진다. 그리고 그 과정에서 AI가 개발자의 사고 과정, 코드의 품질, 그리고 문제 해결 접근 방식을 분석한다.
이 변화는 단순히 평가 방식의 전환을 넘어, 소프트웨어 개발이라는 직업의 본질에 대한 재고찰을 요구한다. 과거에는 “코드를 잘 짜는 사람”이 우대받았다면, 이제는 “문제를 잘 정의하고 해결하는 사람”이 더 중요해지고 있다. AI가 코드 생성부터 디버깅까지 다양한 영역에서 인간의 역할을 대체하기 시작하면서, 개발자는 더 높은 수준의 추상화와 시스템 설계 능력을 요구받고 있다. 이런 맥락에서 AI-native 평가는 단순히 면접 방식을 개선하는 것을 넘어, 개발자의 새로운 역량을 발굴하려는 시도처럼 보인다.
기술 면접은 개발자의 실력을 평가하는 도구가 아니라, 면접관이 자신의 지식을 과시하는 장이 되어버린 지 오래다. 이제는 그 도구가 평가받아야 할 때다.
하지만 이 새로운 방식에도 한계는 있다. AI가 인간의 창의성을 얼마나 정확하게 평가할 수 있을까? 예를 들어, 개발자가 문제를 해결하는 과정에서 “이상한” 접근법을 사용했을 때, AI는 그것을 창의성으로 볼 것인가, 아니면 단순한 실수로 판단할 것인가? 또한, AI가 분석하는 데이터의 품질과 편향성 문제는 여전히 해결되지 않은 숙제다. 만약 AI가 특정 스타일의 코드나 문제 해결 방식을 선호하게 된다면, 그 결과는 또 다른 형태의 표준화로 이어질 위험이 있다.
더 근본적인 질문은, 기술 면접 자체가 과연 필요한가 하는 것이다. 많은 기업들이 이미 오픈 소스 기여, 블로그 포스팅, 또는 실제 프로젝트 경험을 통해 개발자의 역량을 평가하고 있다. 그렇다면 굳이 인위적인 테스트를 통해 개발자의 실력을 가늠하려 할 필요가 있을까? 어쩌면 AI-native 평가는 기술 면접의 종말이 아니라, 그 대안을 모색하는 과도기적 시도일지도 모른다.
소프트웨어 개발은 결국 문제 해결의 연속이다. 그 과정에서 필요한 것은 특정 알고리즘을 외우는 능력이 아니라, 복잡한 문제를 분해하고, 다양한 도구를 활용하며, 팀과 협업하는 능력이다. AI-native 기술 평가가 그 본질에 한 발짝 더 다가가는 시도라면, 그것은 환영할 만한 변화다. 하지만 그 변화가 또 다른 형태의 표준화로 이어지지 않도록, 끊임없이 질문을 던지고 개선해 나가야 할 것이다.
기술의 발전은 항상 양날의 검이다. AI가 개발자의 역량을 평가하는 시대가 왔다고 해서, 그것이 반드시 더 나은 평가 방식이라는 보장은 없다. 중요한 것은 그 기술이 인간의 창의성과 다양성을 얼마나 존중하고, 실제 업무에 필요한 역량을 얼마나 정확하게 반영하느냐이다. 어쩌면 우리는 이제 “어떻게 평가할 것인가”보다 “무엇을 평가할 것인가”에 더 많은 고민을 쏟아야 할 때인지도 모른다.
이러한 논의는 OpenRound의 AI-native 기술 평가 플랫폼에서 시작되었다. 하지만 그 끝은 아직 아무도 모른다.
이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
