1. IT 신입 채용 시장에서 빠르게 사라지고 있는 ‘학습적 우위’
IT 신입 채용 시장에서는 오랫동안 ‘네카라쿠배당토’ 같은 빅테크 기업이 선호하는 비공식적인 기준들이 있었다. 서울 소재 대학이나 특성화 대학의 IT 관련 전공자, 만점에 가까운 학점 보유자 또는 다양한 관련 자격증을 보유한 사람, 혹은 특정 부트캠프 출신이거나 IT 동아리 이력이 있는 대학생들. 대부분 이런 사람들은 빠르게 대기업의 컨택을 받거나 취업에 성공할 수 있었다.
하지만 최근 몇 년 사이, 이런 조건들은 여전히 인재 선발의 기준으로서 잘 작동하고 있을까?
우선 IT 직무 부트캠프와 이러닝으로 대표되는 ‘온라인 강의’의 성장세를 살펴보면 그 변화를 체감할 수 있다. 예전에는 어디서 찾아야 할지조차 알기 어려웠던 지식과 정보가 이제는 무료에 가까운 가격으로 매일 쏟아진다. 유튜브만 찾아봐도 이제는 초보자부터 숙련자까지 배울 수 있는 IT 학습 영상들이 공개되어 있다.
누구나 접근할 수 있는 ‘학습’이라는 영역이 상향 표준화되면서, 이제는 어떤 교육 기관에서 배웠는지가 ‘기업’ 입장에서는 큰 차별점이 되지 않는다.
따라서 내가 학점이 높고 전공이 일치한다고 해서 원하는 기업에 합격할 가능성이 더 높아진다고 생각한다면, 이제는 그 생각을 내려놓아야 할지도 모른다.
AI 시대에 더 빠르고 효율적으로 지식과 정보 습득하는 능력을 우위로 볼 수 없다.
2. ‘경험적 우위’가 그 자리를 빠르게 대신하고 있다.
데이터 분야의 취업 준비에서 필요한 기술 스택을 (SQL, Python) 학습하는 것에 대한 진입장벽은 예전보다 훨씬 많이 낮아졌다.
먼저 Python 관련된 온라인 강의는 이미 많다못해 넘치는 수준이다. 관련 프로젝트 역시 캐글과 깃허브, 구글 퍼블릭 데이터셋에서 실습용 오픈소스 데이터를 너무나 쉽게 구할 수 있으며 관련 코드도 함께 공개되어 있다.
그 결과 핵심 기술 스택(SQL, Python, ML 등)를 배우고 실제로 쓸 수 있게 되는 데는 이제 1-6개월이면 충분하다. 이처럼 다양한 기술 스택을 보유한 후보자들이 시장에 대거 등장하면서, 기업은 더 이상 “스킬의 사용 여부’만으로 후보자를 판단하기 힘들어졌다. .스킬을 사용할 수 있는 것 자체가 차별점이 되지 않는 구조로 바뀐 것이다.
따라서 기업이 후보자에게 던지는 질문은 이렇게 바뀐다.
- 어떤 문제를 해결하기 위해 해당 기술을 적용했는가?
- 어떤 기준을 바탕으로 해당 기술을 선택했는가?
- 왜 해당 기술을 쓰는 방식이 다른 방식보다 효율적인가?
즉, 이제 스킬은 단순히 사용할 줄 아는지를 보는 것이 아니라 “의사결정의 판단 기준”으로 평가된다.
이제 채용 시장은 후보자의 기술 보유 여부에서 기술 적용 방향으로 이동 중이다.
3. ‘경험자’를 찾는 이유는 매우 명확하다
점점 더 많은 기업들이 경험하는 이야기 중 하나는, 이력서에서는 비슷해보였던 경험과 스택의 후보자들이 실전에서는 그 숙련도가 뚜렷하게 갈린다는 사실이다. 이력서에서 볼 수 있는 “경력 길이”나 “프로젝트의 숫자”로 이 차이를 대략적으로 측정할 수 있지만, 후보자들의 역량 차이를 충분히 설명하기에는 아직 부족하다.
그래서 후보자가 “얼마나 많은 기술을 보유했는가”보다 “어떻게 기술을 판단하고 구조화하는가”를 보는 것이 더 본질적으로는 더 잘 구분할 수 있는 기준이 된다.
해당 내용을 가장 잘 보여주는 두가지는 결국 ‘경력’과 ‘프로젝트’에서 드러난다. 같은 경력과 프로젝트를 설명하더라도, 어떤 지원자는 “무엇을 구현했는가”를 중심으로 이야기하고, 어떤 지원자는 “왜 그 문제를 그렇게 정의했는가”부터 설명한다. 그리고 기업 입장에서 보고 싶은 것은 결과물 그 자체보다, 비슷한 상황에서 다시 문제를 다시 풀 수 있는 사고의 구조, 즉 프레임워크이다.
4. 문제를 구조화한 ‘경험’이 반복 가능한 문제 해결력이 된다
최근까지는 이런 문제를 구조화해서 해결하는 능력을 코딩 테스트라는 형태를 통해 평가해 왔다. 그래서 얼마나 스킬을 잘 활용하는지, 즉 알고리즘을 더 많이 알고, 더 다양한 모델을 사용할수록 문제 해결력이 높다고 여겨졌다.
하지만 실제로 업무를 해본 실무자의 시각은 다르다. 실제 업무에서는 코딩 테스트처럼 문제가 상세하게 제시되는 것이 아니라 대부분의 문제 자체가 무엇인지조차 불분명한 상태로 주어지는 것이 대부분이다. 이런 불분명한 상태에서 더 중요한 것은 어떻게 문제를 분해하고 정의하느냐다.
예를 들어 데이터 수치가 맞지 않는 상황을 마주했을 때, 이 상황이 데이터 문제인지, 모델링 문제인지 또는 비즈니스 정의의 문제인지를 파악하는 것을 먼저 해야한다. 이 먼저 이루어지지 않으면, 해결을 시도할수록 비효율만 반복된다.
문제를 구조적으로 나누는 순간부터 해결 방법은 생각보다 훨씬 단순해진다.
5. 커뮤니케이션 역량이 다음 핵심키로 작동하게 되는 이유
IT 채용 공고 내용에서 빠지지 않는 커뮤니케이션 역량에 대해 이야기해보자. 채용 공고에서 빠지지 않는 이 역량에 대해 많은 사람들이 마치 ‘자전거의 보조 바퀴’처럼 여긴다. 즉 있으면 좋고 없어도 큰 문제가 없는 역량이라는 생각을 가지고 있는 것이다. 특정 채용 커뮤니티에서는 기술 역량만 충분하다면 소통 능력은 상대적으로 덜 중요하다고 보는 시각도 있다.
하지만 실제 업무의 세계에서는 ‘보조 바퀴’는 실제로 자전거를 굴러가게 만드는 핵심 요소이다. 즉 기술적으로 만들어진 결과물도 결국 다른 사람으로 전달하는 과정을 필수적으로 거쳐서 의사결정으로 연결된다. 특히 DATA/AI 분야에서는 결과 그 자체보다, 그 결과가 무엇을 의미하는지 설명하는 과정이 더 중요해지는 경우를 많이 보았다.
예를 들어 모델 성능이 개선되었다고 해도, 어떤 가정 아래에서 그런 개선이 나왔는지, 실제 비즈니스에 어떤 영향을 주는지, 어떤 리스크가 있는지까지가 이해관계자들에게 설명되지 않으면 의사결정으로 이어지기 매우 어렵다.
결국 이제는 스킬 자체보다 문제를 구조화하는 능력과 이를 결과를 조직의 가치로 전환하는 것이 중요한 마일스톤이 되었다. 문제 해결을 위한 기술을 갖고 있는지는 기본값이 되었고, 차별화는 그 기술을 어떻게 전달하고 해석하느냐에서 만들어진다.