코딩 테스트할 때 AI를 써도 된다고요?

10분

18시간 전

2.8K

"이제 개발자 시험에서 ChatGPT 써도 됩니다."

2025년 1월, 온라인 쇼핑몰 컬리(Kurly)가 개발자 공채에서 내놓은 이 한마디는 업계에 큰 파장을 일으켰습니다. 지금까지 개발자 채용의 기본 관문이었던 코딩테스트에서 인공지능 도구 사용을 공식적으로 허용한 것이죠. 이는 단순한 채용 방식의 변화가 아니라, 개발자의 역할과 능력에 대한 근본적인 패러다임 전환을 의미합니다.

많은 개발자들이 한 번쯤 경험해 봤을 장면입니다. 화이트보드 앞에 서서 알고리즘 문제를 풀거나, 제한된 시간 안에 복잡한 자료구조를 구현하며 땀을 흘렸던 기억. 그런데 이제 그 모든 것이 바뀔 수도 있다는 신호탄이 터진 겁니다.

컬리의 이번 결정은 "AI를 활용하는 능력도 이제 개발자의 핵심 역량"이라는 현실적 판단에서 나온 것입니다. 실제 업무에서는 개발자들이 스택오버플로우나 공식 문서를 찾아보며 문제를 해결하는데, 왜 시험에서만 맨몸으로 싸워야 하느냐는 의문에서 출발한 거죠.

하지만 이 변화는 단순히 편의성의 문제가 아닙니다. 만약에 코딩테스트가 정말 사라진다면, 우리는 개발자의 능력을 어떻게 평가해야 할까요? AI가 코드를 척척 써주는 시대에, 개발자에게 정말 필요한 역량은 무엇일까요?

코딩테스트의 역사와 현재

코딩테스트는 언제부터 시작되었을까?

코딩테스트의 역사는 생각보다 깊습니다. 1960년대 IBM이 프로그래머 채용 과정에서 알고리즘 문제를 출제한 것이 시초로 여겨집니다. 당시에는 컴퓨터 자원이 매우 제한적이었기 때문에, 효율적인 알고리즘을 설계하고, 메모리를 절약하는 능력이 곧 개발자의 생존력이었죠.

한국에서는 2000년대 초반 IT 붐과 함께 본격화됐습니다. 삼성, LG, 네이버 같은 대기업들이 공채에서 코딩테스트를 도입하기 시작했고, 이는 곧 업계 표준이 되었죠. 여기에 백준, 프로그래머스, 해커랭크 같은 온라인 플랫폼의 등장으로, 코딩테스트는 더욱 체계화되고 대중화되었습니다.

그러나 시간이 지나면서 코딩테스트의 한계점도 드러나기 시작했습니다.

현재 코딩테스트의 문제점들

현재 코딩테스트의 문제점엔 어떤 것들이 있을까요?

우선 실무와의 괴리감입니다. 실제 개발 업무에서는 복잡한 알고리즘을 맨손으로 구현하는 경우가 거의 없습니다. 대부분 기존 라이브러리를 활용하거나, 팀원들과 협업하며 문제를 해결하죠. 하지만 코딩테스트는 여전히 혼자서, 아무것도 보지 않고, 제한된 시간 안에 문제를 푸는 방식을 고수하고 있습니다.

특히 문제가 되는 것은 실제 업무에서 활용되지 않는 복잡한 알고리즘 문제 위주로 평가가 이루어져, 입사 후 현업 적응이 어려운 문제가 발생한다는 점입니다. 예를 들어, 세그먼트 트리나 복잡한 동적 프로그래밍 문제를 완벽하게 풀 수 있는 개발자가 정작 API 연동이나, 데이터베이스 설계, 코드 리뷰 등 실무 핵심 업무에서는 어려움을 겪는 경우가 빈번합니다. 현재 팀장으로 재직 중인 동료 개발자는 "코딩테스트 만점자를 뽑았는데, 레거시 코드를 이해하고 수정하는 데 몇 주가 걸렸다"라며 기존 평가 방식의 한계를 토로하기도 했습니다.

다음으로 암기 위주의 학습 조장입니다. 많은 지원자들이 코딩테스트를 위해 수백 개의 알고리즘 문제를 외우듯 반복 학습합니다. 이는 창의적 사고보다는 패턴 인식에 의존하는 문화를 만들어냈는데요. "이 문제는 다이나믹 프로그래밍이네", "저건 그래프 탐색 문제야"라며 문제를 유형별로 분류해서 접근하는 방식이 일반화되었습니다.

다양성 부족 문제도 있습니다. 알고리즘과 자료구조에만 치중된 평가 방식은 다른 중요한 능력들을 간과할 수 있습니다. 실제로 시스템 설계 역량, 코드 리뷰 능력, 문서화 스킬, 팀워크 등은 평가되지 않습니다.

여기에 스트레스와 긴장감을 유발한다는 점도 문제인데요. 제한된 시간과 감시받는 환경에서 진행되는 코딩테스트는 지원자들에게 과도한 스트레스를 줍니다. 실제로는 뛰어난 개발자임에도, 시험 상황에서의 긴장감 때문에 실력을 발휘하지 못하는 경우도 빈번합니다.

코딩테스트의 미래, 어떻게 변할까?

컬리의 사례처럼 코딩테스트는 점차 AI 활용을 허용하는 방향으로 변화하고 있지만, 코딩테스트가 완전히 사라질 가능성은 낮아 보입니다. 대신 평가 방식과 내용이 크게 바뀔 것으로 예상됩니다.

완전한 사라짐보다는 진화

AI 협업 능력 평가: 기존의 "혼자서 알고리즘 풀기"에서 "AI와 함께 복잡한 문제 해결하기"로 초점이 이동할 것 같습니다. 지원자가 AI 도구를 얼마나 효과적으로 활용하는지, 생성된 코드를 얼마나 잘 검토하고 개선하는지가 평가 포인트가 될 거예요.

실무 시뮬레이션 강화: 단순한 알고리즘 문제보다는 실제 업무와 유사한 상황을 시뮬레이션하는 방향으로 발전할 겁니다. 예를 들어, 기존 코드베이스에 새로운 기능을 추가하거나, 버그를 찾아 수정하는 과제 등이 늘어날 거예요.

구체적인 사례로는 *기업에서 실제 발생했던 서비스 장애를 해결하는 과제"가 있습니다. 실제로 제가 경험한 면접에서는 "결제 시스템에서 특정 시간대에 응답 시간이 급격히 느려지는 현상이 발생했습니다. 로그 데이터와 모니터링 정보를 바탕으로 원인을 분석하고 해결 방안을 제시해 보세요."라는 과제를 출제했습니다. 이러한 방식은 지원자의 문제 해결 과정과 실무 적용 능력을 종합적으로 평가할 수 있어, 점차 확산되고 있죠.

포트폴리오와 코드 리뷰 중심: 일회성 테스트보다는 지원자의 GitHub 활동, 개인 프로젝트, 오픈소스 기여도 등을 종합적으로 평가하는 방식이 확산될 겁니다. 실제로 생성한 코드를 함께 리뷰하며 사고 과정을 파악하는 방식도 늘어날 것으로 보입니다.

새로운 평가 방식의 등장

페어 프로그래밍 면접: 지원자와 면접관이 함께 실시간으로 코드를 작성하며 협업 능력을 평가하는 방식입니다. AI를 함께 활용하면서 어떻게 소통하고 문제를 해결하는지 관찰할 수 있습니다.

아키텍처 설계 면접: 화이트보드에 시스템 구조를 그려가며 설계 사고를 평가하는 방식입니다. 이는 AI가 대체하기 어려운 고차원적 사고 능력을 확인할 수 있죠.

도메인 특화 문제 해결: 회사의 실제 비즈니스 상황을 기반으로 한 문제를 제시하고, 이를 해결하는 과정에서 도메인 이해도와 비즈니스 센스를 평가하는 방식입니다.

새로운 평가 방식 도입 시 예상 가능한 어려움

하지만 이러한 변화에는 여러 도전 과제가 따릅니다.

AI 활용 수준에 따른 형평성 논란: 가장 큰 문제는 지원자 간의 공정성입니다. 유료 AI 서비스를 사용하는 지원자와 무료 버전만 사용하는 지원자 간의 격차가 발생할 수 있습니다. 또한 AI 도구 사용 경험의 차이로 인해 실제 개발 역량과 무관한 불평등이 생길 위험이 있죠.

프롬프트 및 코드 생성 능력을 객관적으로 평가할 기준 마련의 어려움: AI와의 협업 능력을 어떤 기준으로 평가할지에 대한 명확한 가이드라인도 아직 없습니다. 프롬프트 작성 능력, AI 결과물의 검증 역량, 코드 수정 및 개선 능력 등을 정량적으로 측정하는 것은 쉽지 않은 일입니다.

면접관의 역량 부족 문제: 새로운 평가 방식을 도입하려면 면접관 역시 AI 도구에 능숙해야 하고, 이를 평가할 수 있는 역량을 갖춰야 합니다. 하지만 현실적으로 모든 면접관이 이러한 준비를 갖추기까지는 상당한 시간과 비용이 필요합니다.

표준화의 어려움: 기존 코딩테스트는 어느 정도 표준화된 평가 기준이 있었지만, AI 기반 평가는 회사마다, 면접관마다 기준이 달라질 가능성이 높습니다. 이는 지원자들에게 혼란을 주고, 채용 시장 전체의 효율성을 떨어뜨릴 수 있어요.

그럼 개발자는 어떻게 대응하라는 거죠?

이쯤 되면 그러면 어떻게 코딩테스트를 준비하라는 건지 헷갈리실 겁니다. 우선 당분간은 기존 방식과 새로운 방식 모두에 대비하는 것이 현명하다고 봅니다.

단기적 준비 방안

AI 도구 활용법 익히기: 우선은 GitHub Copilot, ChatGPT 등의 AI 도구를 일상적으로 사용해 보며, 효과적인 활용법을 익혀두세요. 특히 어떤 상황에서 어떤 도구가 더 유용한지 경험을 쌓는 것이 중요해요.
기본기는 여전히 중요: AI 시대에도 기본적인 자료구조와 알고리즘 지식은 필요합니다. 다만 모든 것을 외울 필요는 없고, 핵심 개념과 원리를 이해하는 데 집중하세요.
포트폴리오 구축: GitHub에 의미 있는 프로젝트들을 꾸준히 올리고, 코드 품질과 문서화에 신경 쓰세요. AI를 활용해서 만든 프로젝트라면 그 과정을 상세히 기록해 두는 것이 좋습니다.

장기적 역량 개발

시스템 설계 능력: AI가 대체하기 어려운 고차원적 사고 능력을 기르는 것이 중요합니다. 대규모 시스템을 설계하고 아키텍처를 구상하는 능력은 앞으로 더욱 가치가 높아질 거예요.
도메인 전문성: 특정 분야의 깊이 있는 지식을 쌓는 것도 좋은 전략입니다. 금융, 헬스케어, 게임, 이커머스 등 관심 있는 도메인을 선택해 전문성을 길러보세요.
소프트 스킬 강화: 의사소통, 협업, 리더십 등의 소프트 스킬도 AI가 대체하기 어려운 영역이므로, 이러한 능력들을 의식적으로 개발해 나가세요.

기존 알고리즘 공부는 여전히 필요할까?

많은 개발자들이 가장 궁금해하는 질문입니다. 결론부터 말하면, 완전히 불필요하지는 않겠지만 우선순위가 바뀔 것 같습니다.

기초 원리 이해의 중요성: AI가 생성한 코드를 제대로 검토하려면 기본적인 알고리즘과 자료구조에 대한 이해가 필요합니다. 하지만 모든 알고리즘을 외울 필요는 없고, 핵심 개념과 원리를 이해하는 것이 더 중요해질 겁니다.
새로운 스킬 개발에 집중: 기존의 알고리즘 암기에 쓰던 시간을 AI 도구 활용법 학습, 시스템 설계 공부, 도메인 지식 쌓기 등에 할당하는 것이 더 효율적일 것 같습니다.

실무 역량 강화 방향

프로젝트 경험 쌓기: GitHub에 의미 있는 프로젝트를 올리고, 꾸준히 기여하는 것이 중요해집니다. 특히 AI 도구를 활용해서 만든 프로젝트라면, 그 과정과 결과를 잘 문서화해두는 것이 좋아요.
코드 리뷰 능력 개발: 다른 사람의 코드를 읽고 개선점을 찾는 능력을 기르는 것이 중요합니다. 오픈소스 프로젝트에 참여하거나, 코드 리뷰를 주고받는 경험을 자주 쌓아보세요.
AI 도구 마스터하기: GitHub Copilot, ChatGPT, Claude 같은 AI 도구들을 능숙하게 다루는 법을 익혀야 합니다. 각 도구의 장단점을 파악하고, 상황에 맞게 활용하는 능력이 경쟁력이 될 겁니다.

코딩테스트의 종말이 아닌 진화

결론적으로, 코딩테스트는 완전히 사라지지 않을 것 같습니다. 대신 AI 시대에 맞게 진화하겠죠. 마치 자동차가 등장했을 때 마차가 사라진 것이 아니라, 운송 수단 자체가 진화한 것처럼 코딩테스트도 새로운 형태로 발전할 것입니다.

평가의 본질은 변하지 않습니다. 어떤 형태든 개발자의 능력을 평가하는 과정은 계속 필요할 거예요. 다만, 그 방식과 기준이 변할 뿐입니다. 암기된 알고리즘을 빠르게 구현하는 능력에서, 복잡한 문제를 분석하고 적절한 해결책을 찾아내는 능력으로 평가의 중심이 이동할 겁니다.

또한 다양성과 창의성의 시대에 접어들면서, AI 도구의 도움으로 기술적 진입 장벽이 낮아졌습니다. 이에 더 다양한 배경을 가진 사람들이 개발 분야에 진입하게 될 것입니다. 수학이나 컴퓨터 공학 전공이 아니더라도, 도메인 지식과 창의적 사고를 가진 사람들이 뛰어난 개발자가 될 수 있는 시대가 오겠죠.

지금 필요한 건 ‘변화를 받아들이는 지혜’

마지막으로 이런 변화의 시기에 가장 중요한 것은 변화를 받아들이는 유연한 마음가짐입니다. 두려움보다는 기대감으로 변화를 두려워하기보다는 새로운 기회로 바라보는 관점이 필요합니다. AI 도구의 도움으로 더 복잡하고 흥미로운 문제에 도전할 수 있게 되고, 반복적인 작업에서 벗어나 더 창의적인 일에 집중할 수 있게 될 거예요.

개발자의 본질적 가치 기술이 아무리 발전해도, 문제를 정의하고 해결책을 찾아내는 인간의 창의적 사고는 대체될 수 없습니다. 사용자의 니즈를 이해하고, 비즈니스 목표를 기술로 구현하며, 팀원들과 협력해서 더 나은 제품을 만들어내는 능력은 여전히 개발자의 핵심 가치로 남을 것입니다.

코딩테스트가 사라질지, 변화할지는 아직 확실하지 않습니다. 하지만 확실한 것은 개발자를 둘러싼 환경이 빠르게 변화하고 있다는 점이에요. 이 변화의 물결을 두려워하지 말고, 오히려 더 나은 개발자로 성장할 기회로 만들어 보세요. 결국 중요한 것은 어떤 도구를 사용하느냐가 아니라, 그 도구를 활용해서 얼마나 가치 있는 결과를 만들어내느냐입니다. 진정한 문제 해결 능력을 갖춘 개발자라면 그게 AI든 전통적인 방법이든, 어떤 변화에도 적응하고 살아남을 수 있을 겁니다.

<참조>