크래프톤 AI 역량 평가에서 개발 경험 없는 매장 직원 출신이 상위권에 오른 이유 (크래프톤 구한모·조정석님)

한 줄 핵심

크래프톤은 현업과 거의 같은 환경에서 AI 활용 능력·문제 정의력·이해도를 함께 평가하는 채용 솔루션을 만들고 있으며, 그 과정에서 비개발자도 상위권에 오를 수 있는 이유를 실제 사례로 보여준다.

시간별 요약

1. 0:00
   핵심 사례 개발을 사랑하는 사람보다 현업 과제를 AI로 더 효율적으로 풀어내는 사람이 더 높은 평가를 받을 수 있다는 관점을 제시한다. 매장 근무 경험이 있는 비개발 참가자가 상위권에 오른 사례가 이 평가 방식의 의미를 보여준다.
2. 0:47
   게스트 소개 크래프톤 AI 프론티어 본부의 구한모와 조정석이 각자의 커리어 배경과 합류 계기를 소개한다. 두 사람 모두 AI와 테크의 변화 속에서 새로운 제품을 만들기 위해 합류했다는 공통점을 가진다.
3. 4:20
   AI 리터러시와 AI 네이티브의 차이 AI 리터러시는 기존 워크플로 안에서 AI를 효율적으로 쓰는 수준이고, AI 네이티브는 업무 방식 자체를 처음부터 다시 설계하는 수준으로 구분된다. 단순한 사용법 숙지가 아니라 문제를 다시 정의하고 워크플로를 재구성하는 태도가 핵심이다.
4. 5:38
   AI 네이티브 엔지니어와 비개발자의 업무 방식 AI를 잘 쓰는 사람은 설계, 검증, 배포까지 포함한 루프를 스스로 짜서 에이전트에 맡길 일을 분해한다. 동시에 메모리, 스킬, 자동화된 노트 정리 같은 개인 시스템을 구축해 컨텍스트와 반복 업무를 줄인다.
5. 10:57
   Cofa Probe는 어떤 평가인가 Cofa Probe는 코딩 테스트가 아니라 AI를 전제로 한 업무 역량 테스트에 가깝다. 현업과 비슷한 환경에서 문제 정의부터 해결까지의 과정을 관찰하며 실제 업무 수행 능력을 본다.
6. 15:47
   현업 에이전트에게 좋은 질문과 아쉬운 질문 평가는 처음부터 정답을 묻는 방식이 아니라, 필요한 맥락을 단계적으로 끌어내는 질문 능력을 본다. 반대로 바로 정답만 달라고 하거나 스스로 문제를 풀려 하지 않는 방식은 좋은 평가를 받기 어렵다.
7. 17:56
   실제 과제 시연 실제 과제는 짧은 요구사항만 주고 지원자가 현업 파트너에게 질문해가며 문제를 구조화하도록 설계된다. 모호한 상황에서 요구를 분해하고 구현까지 이어가는 능력이 핵심 평가 대상이다.
8. 20:34
   AI 20명이 지켜보는 평가: 토큰 비용과 효율 한 명의 지원자를 평가하기 위해 여러 에이전트가 병렬로 동작하며, 사용한 도구와 토큰 비용까지 추적된다. 잘하는 사람일수록 적은 비용으로 더 좋은 결과를 내며, 비용 효율성 자체도 중요한 역량으로 다뤄진다.
9. 22:16
   평가의 세 축: 결과물, AI 활용, 이해도 평가는 결과물 완성도, AI를 얼마나 주도적으로 다루는지, 그리고 AI가 만든 결과를 얼마나 깊이 이해하는지의 세 축으로 이뤄진다. 특히 AI에 끌려가지 않고 의도와 판단을 유지하는 능력을 중요하게 본다.
10. 28:48
    채점 결과와 평가 신뢰도 채점 화면에서는 세부 루브릭과 근거, 소스 코드와 실행 상태, 스크린샷까지 함께 확인할 수 있다. 여러 모델로 평가했을 때 점수 분포가 기대한 순서로 나타나 신뢰도가 높다는 점도 강조한다.
11. 30:43
    평소 쓰던 스킬을 가져온 참가자 평가에서는 참가자가 평소 쓰던 도구와 스킬을 가져와 쓰는 방식을 긍정적으로 본다. AI 시대에는 처음부터 전부 직접 만드는 사람보다, 필요한 것을 가져와 빠르게 조합하는 사람이 더 생산적일 수 있다.
12. 33:22
    비개발 참가자의 상위권 사례: Cofathon 이야기 비개발 참가자였던 매장 근무 경험자가 도메인 이해와 AI 활용 능력을 함께 보여주며 상위권에 올랐다. 기존 방식이었다면 놓쳤을 인재를 발견할 수 있었던 점이 이 실험의 중요한 성과로 소개된다.
13. 37:09
    HR 담당자는 무엇부터 시작할까 HR은 먼저 AI를 잘 쓰는 사람을 정의하기보다, 자신부터 AI 도입 관점과 평가 기준을 맞춰야 한다. 채용 기준과 도입 기준이 일치해야 실제로 쓸 수 있는 평가 체계가 만들어진다.
14. 38:36
    AI 시대 엔지니어의 역할 확장 AI 시대에는 엔지니어의 역할이 특정 스택을 넘어 프런트엔드, 백엔드, 데이터, 제품 의사결정까지 확장된다. 결국 기술만이 아니라 솔루션 판단과 비즈니스 맥락까지 다룰 수 있는 역할로 넓어지고 있다.
15. 41:59
    사내 채용과 비개발 직무 확장 사내 채용에도 이 방식을 적용해 실제로 좋은 결과를 냈고, 공채와 비개발 직무까지 확장할 계획이다. 회계나 운영 같은 직무에서도 배포와 유지보수를 다루는 방향으로 변화가 일어나고 있다.
16. 43:23
    마무리: 변화에 대응하는 법 변화 속에서 살아남기 위해서는 AI를 활용한 10x 생산성과 빠른 적응이 필요하다. 앞으로 인간에게 더 중요해지는 것은 경험과 관계이며, AI가 커질수록 의도 부채를 관리하는 능력도 핵심이 된다.

실무 인사이트

• 채용에서 코딩 실력만 보지 말고, 문제 정의·질문 설계·AI 오케스트레이션까지 포함한 과제형 평가를 넣으면 비개발 인재의 잠재력도 더 잘 드러난다.
• AI 활용 평가는 결과물만 보면 부족하고, 비용 효율과 이해도까지 함께 봐야 실제 현업 수행 능력을 가늠할 수 있다.
• 조직은 지원자에게만 AI 네이티브를 요구할 것이 아니라, HR과 평가자부터 같은 기준과 언어를 공유하도록 먼저 정렬해야 한다.