Goobong Jeong님의 업데이트
2주
“You just hired a million bad employees.” George의 표현을 빌리면 AI는 모든 직원에게 사실상 무한한 headcount를 준 셈입니다. 문제는 일 못하는 사람의 모호함까지 같이 확장된다는 겁니다. 그렇다면 AI 네이티브한 인재란 뭘까요? 어떻게 채용해야 할까요?
George의 글은 채용 이야기가 아닙니다. 무한히 늘어난 token workforce를 어떻게 관리할 것인가에 대한 글입니다. 그런데 저는 여기서 채용 기준 하나를 뽑을 수 있을 것 같습니다. *주의: 토큰 맥싱이 아닙니다.
저는 AI 네이티브 인재를 eval을 스스로 정의할 수 있는 사람이라고 생각합니다. 그리고 그게 체화된 사람입니다.
이 사람은요.
모호한 일을 받으면 먼저 쪼갭니다. 무엇이 완료인지, 어떤 evidence로 확인할지 정합니다. AI가 일할 수 있는 context를 넣고 맡깁니다. 결과가 이상하면 중간에 멈추고 방향을 바꿉니다. 마지막에는 AI의 “완료했습니다”를 믿지 않고 실제 결과를 확인합니다. 실패하면 그냥 다시 시키는 게 아니라 그 실패를 다음 eval로 남깁니다.
George의 표현대로 “Evals are the new OKRs”입니다. AI를 관리하는 일도 결국 무엇이 좋은 결과인지 정의하는 일입니다.
이 행동이 한 과제에서 우연히 나온 게 아니라, 문제가 바뀌어도 반복돼야 체화됐다고 할 수 있습니다.
자기 일만 빨라지는 사람은 AI power user입니다. 자기 판단을 팀의 workflow, eval, skill과 default로 옮겨 다른 사람도 반복하게 만들면 AI Transformer입니다.
그런 사람은 조직 전환의 중요한 시작점입니다. 다만 실제로 회사를 바꾸는 최소 단위는 개인이 아닙니다. 그 사람에게 업무 context와 data, 바꿀 수 있는 권한, 현업 전문가와의 협업을 붙인 팀입니다.
자기소개서는 AI가 다듬고, 코딩테스트는 AI가 풀고, 포트폴리오는 점점 더 빨리 만들어집니다. 기존 채용 신호의 변별력이 AI 앞에서 흔들리고 있습니다.
크래프톤의 표준 채용 평가로 운영 중인 Cofa-Probe는 결과물만 보지 않습니다. 공통의 Probe 환경을 기반으로 문제를 어떻게 정의했는지, 어떤 도구를 골랐는지, 어떻게 지시하고 검증하고 수정했는지, 자기 결과물의 구조와 실패 지점을 설명할 수 있는지를 봅니다.
이번 COFATHON은 이 기준을 해커톤에서 공개적으로 시험합니다. 크래프톤 FDE 트랙에서는 현업 실무자와 대화해 문제를 정의하고 해결하는 앱을 만듭니다. 올리브영 Senior AI Engineer 트랙에서는 고객, 상품, 데이터가 얽힌 K-뷰티, H&B 커머스의 실제 도메인 과제를 풉니다.
하루짜리 해커톤이 장기적인 업무 성과를 얼마나 잘 예측할지는 더 검증해야 합니다. 도구 접근을 열어둬도 사전 경험, 도메인 지식과 개인이 준비한 harness의 차이는 보일 겁니다.
완벽하지 않을지언정, 아주 훌륭한 시도라고 생각합니다. 기존 신호가 흔들리는데 기다리지 않고, 새로운 채용 기준을 직접 만들어 공개된 장에서 시험하기 때문입니다.
저도 7월 30일 펍지성수에서 AI Native란 무엇일까에 대한 주제로 발표합니다. AI 네이티브 인재는 이력서보다 일하는 방식, eval을 대하는 것으로 드러납니다.
총상금은 1,000만원입니다. 수상자에게는 각 사 해당 직군의 1차 서류 전형 프리패스가 주어집니다.