AI 시대, 개발자 면접은 어떻게 바뀔까
AI가 코드를 쓰는 시대, 개발자 면접에서는 무엇을 평가해야 할까요? 코인베이스가 기존 코딩시험에 AI를 허용했다가 문제를 다시 설계한 1년간의 기록을 살펴봅니다.
지금까지 개발자 면접은 빈 화면에서 코드를 작성하게 하는 방식이 많았습니다. 제한 시간 안에 ‘URL 단축기를 설계해 보세요’ 같은 문제를 풀며 알고리즘과 시스템 설계 지식을 확인했죠.
AI가 등장하고 개발자들은 더 이상 ‘빈 화면’을 마주하지 않게 됐습니다. 이제는 AI가 코드 초안을 만들면, 개발자는 검토하고 수정합니다.
미국의 최대 가상자산 거래소 ‘코인베이스’는 이 변화를 더 극적으로 맞이했습니다. 2025년 1분기 코인베이스에서 새로 반영된 코드 중 AI 생성 코드의 비중은 5.7%였습니다. 같은 해 4분기에는 50%를 넘었고, 지금은 거의 100%에 가깝죠. 그런데도 면접은 여전히 AI 없이 문제를 푸는 능력을 중심으로 설계돼 있었습니다.
코인베이스는 이 문제를 해결하기 위해 1년에 걸쳐 면접을 다시 설계했습니다. 기존 면접에 AI 사용을 허용하는 실험부터 시작했고, 그 한계를 확인한 뒤 문제 자체를 새로 만들었습니다. 코인베이스의 면접 재설계 기록을 바탕으로 ‘AI 시대에 필요한 엔지니어의 역량’을 확인해 보세요.
면접에 AI를 전면 허용했다, 그 결과는?
코인베이스의 첫 시도는 단순했습니다. 프론드엔드 개발자를 뽑는 면접에서 이전과 똑같은 문제를 출제하고, 지원자가 제한 없이 AI를 사용할 수 있게 했죠. 이 접근은 얼핏 보면 현실적입니다. 실무에서 AI를 사용하니, 면접에서도 AI 사용을 허용한 거죠.
결과는 실패였습니다. AI가 문제 대부분을 풀어버렸죠. 아무런 변별력이 없었습니다. 기존 문제는 AI와 함께 일하는 환경을 전제로 만든 것이 아니라, 지원자가 도움 없이 구현 방식과 세부 지식을 얼마나 알고 있는지 측정하도록 설계돼 있었기 때문입니다.
이 방식으로는 지원자가 AI에 어떤 맥락을 줬는지, AI의 답을 어떻게 평가했는지, 오류를 발견했는지, 결과를 어떻게 개선했는지를 평가할 수 없었습니다. AI에게 답을 생성하게 하는 일은 쉬웠지만, 좋은 답을 만들고 언제 믿을지, 언제 반박할지 판단하는 능력은 기존 문제로 측정하기 어려웠죠.
AI로 푼다는 전제로 면접문제를 처음부터 재설계
기존 문제에 AI만 허용해서는 지원자 사이의 차이가 드러나지 않자, 코인베이스는 프론트엔드 개발자 채용에서 면접 문제를 처음부터 다시 만들었습니다. AI를 허용하되, 문제의 핵심을 ‘정답을 생성하는 일’에서 ‘AI를 사용하는 과정’으로 옮긴 겁니다.
코인베이스는 새로운 면접의 구체적인 과제는 공개하지 않았습니다. 다만 문제를 다시 설계한 기준은 분명히 밝혔습니다. 지원자가 AI로 답을 한 번 생성해 끝내는 문제가 아니라, AI가 내놓는 결과를 끊임없이 판단해야 하는 문제를 만들었다고 말했죠.
기존 문제에서는 완성된 코드가 정답인지가 가장 중요한 평가 기준이었습니다. 새 문제에서는 AI가 낸 첫 답이 출발점이 됩니다. 지원자가 문제의 맥락을 얼마나 정확하게 AI에 전달하는지, 생성된 결과가 요구사항에 맞는지 어떻게 검토하는지, 오류를 발견했을 때 무엇을 수정해 다시 시도하는지가 함께 평가 대상이 됐습니다.
즉, AI가 낸 해답만으로는 좋은 결과라고 판단할 수 없는 문제로 바꾼 것입니다. 코인베이스가 보려 한 것은 AI의 답 자체가 아니라, 지원자가 그 답을 더 나은 결과로 바꾸는 과정이었습니다.
이제 면접에서 지원자는 코드베이스를 연다
백엔드 개발자 면접에서는 한 걸음 더 나아갔습니다. 기업의 코드가 담긴 저장소를 바탕으로 문제를 설계했죠. 지원자는 저장소 안의 코드베이스를 읽고 AI와 버그를 찾고, 코드 변경안을 검토하고, 롤백 가능성까지 판단합니다.
새로운 면접에서는 빈 화면에서 코드를 작성하는 능력을 평가하지 않습니다. 기존 코드베이스와 AI 도구를 함께 다루며 더 나은 결과를 만들 수 있는지를 봅니다. 면접관이 묻는 질문도 바꿨습니다. AI가 만든 결과를 실제 서비스에 반영해도 되는지 판단하고 책임질 수 있는지를 확인합니다.
- 실제 이슈를 우선순위에 맞게 분류할 수 있는가
- AI가 만들어낸 그럴듯하지만 미묘한 버그를 발견할 수 있는가
- 정확성·성능·호환성을 함께 검토할 수 있는가
- AI가 제안한 변경 사항을 승인할 때, 무엇을 승인하는지 이해하는가
- 문제가 생겼을 때 되돌릴 방법과 영향 범위를 판단할 수 있는가
코인베이스가 결론 내린, AI 시대 엔지니어의 핵심 역량 3
코인베이스는 1년간의 재설계 끝에 엔지니어에게 필요한 AI 활용 역량을 세 가지로 정리했습니다. 이 기준은 신입과 경력을 구분하지 않고 모든 엔지니어에게 적용됩니다. AI가 코드 생성을 맡는 환경에서, 코인베이스가 엔지니어에게 무엇을 평가하려 하는지 살펴보겠습니다.
1. AI 도구를 상황에 맞게 선택하는가
간단한 코드 작성이나 반복적인 수정 작업은 AI의 답을 바로 참고할 수 있습니다. 반면 낯선 코드베이스의 구조를 바꾸거나, 보안과 개인정보처럼 오류 비용이 큰 영역을 다룰 때는 AI의 제안을 그대로 적용하기 어렵죠.
AI 도구를 쓴다는 사실만으로는 역량을 설명할 수 없습니다. 어떤 문제에 어떤 도구를 쓸지, 오히려 쓰지 말아야 할 때는 언제인지 판단해야 합니다.
2. AI의 답을 판단할 줄 아는가
AI가 제안한 코드가 현재 서비스의 요구사항에 맞는지, 기존 시스템과 충돌하지 않는지, 유지보수 가능한지 판단하는 건 사람의 몫입니다. 좋은 엔지니어는 AI의 답을 받았을 때 ‘작동한다’에서 멈추지 않습니다. 어떤 가정 위에서 나온 답인지, 빠진 예외는 없는지, 더 단순하거나 안전한 선택지는 없는지를 확인해야 합니다.
3. 검증할 지점과 사람의 책임 범위를 아는가
AI의 한계를 아는 능력입니다. 보안, 개인정보, 성능, 장애 대응처럼 문제가 생겼을 때 영향이 큰 영역에서는 어디까지 AI를 신뢰하고, 어디서부터 사람이 직접 검토해야 하는지를 정해야 합니다.
AI 역량은 답을 많이 받아내는 능력이 아닙니다. AI가 잘하는 일을 활용하면서도, AI가 놓칠 수 있는 지점을 찾아 검증의 책임을 지는 능력에 가깝죠.
코인베이스가 1년간 면접을 다시 설계하며 확인한 것
“만드는 비용이 거의 0에 가까워질수록, 중요한 일은 무엇을 만들지 판단하고, 만들어진 결과가 맞는지 검증하고, 안전하게 서비스에 반영하는 일이 됩니다.
- 코인베이스 엔지니어 리더
기존 면접은 URL 단축기나 메시지 큐 같은 익숙한 문제를 두고, 지원자가 캐싱·샤딩·일관성 같은 정석 패턴을 얼마나 떠올리고 구현할 수 있는지 봤습니다.
코인베이스가 새로 묻기 시작한 것은 달랐습니다. AI가 그럴듯한 설계와 코드를 내놓을 때, 무엇이 이 서비스의 중요한 제약인지, 무엇이 잘못됐는지, 무엇을 서비스에 반영해도 되는지 판단할 수 있는가였습니다. 코인베이스뿐만 아니라, 앞으로 기업들은 AI가 답한 뒤에 그 결과를 책임 있게 고칠 수 있는 역량을 점점 더 요구하게 될 것입니다.
AI 시대에도 경쟁력 있는 엔지니어가 되고 싶다면?
출처
