Skip to content
Published on

2026 개발자 채용 시장 생존 가이드 — AI 스크리닝 시대의 이력서와 구직 전략

🇰🇷KO🇺🇸EN🇯🇵JA
Split View필사 모드
Authors

들어가며 — 왜 지금 채용 시장 이야기인가

최근 Hacker News에서 "구직자에게 스팸을 보내지 마라(Please stop sending spam to job seekers)"라는 글이 큰 화제가 됐습니다. 구직자가 이력서를 올리는 순간 쏟아지는 자동화된 콜드메일, AI가 생성한 가짜 맞춤형 채용 제안, 응답 없는 ATS 블랙홀에 대한 분노가 댓글 수백 개로 이어졌습니다. GeekNews에서도 비슷한 토론이 반복되고 있습니다. 핵심은 하나입니다. 채용 시장의 양쪽 모두 AI로 무장하면서, 신호 대 잡음비가 역대 최악이 되었다는 것입니다.

2026년 상반기의 채용 시장 풍경을 요약하면 이렇습니다.

  • 공고 하나에 수백, 수천 건의 지원서가 몰립니다. AI로 이력서를 대량 생성해 뿌리는 지원자가 늘었기 때문입니다.
  • 기업은 이 폭증을 감당하기 위해 AI 스크리닝을 기본으로 깔았습니다. 사람이 이력서를 처음 보는 시점은 이미 AI가 후보를 걸러낸 뒤입니다.
  • AI 코딩 에이전트(Claude Code, Codex, Copilot 류)가 보편화되면서 "코드를 짤 줄 안다"는 것 자체는 차별화 요소가 아니게 됐습니다. 면접에서도 AI 도구 사용을 허용하는 회사가 빠르게 늘고 있습니다.
  • 그 결과, 역설적으로 사람 대 사람의 신뢰 — 네트워킹과 리퍼럴 — 가 다시 가장 강력한 채널이 되었습니다.

이 글은 이런 환경에서 살아남기 위한 실전 가이드입니다. 뜬구름 잡는 조언 대신, 바로 복사해서 쓸 수 있는 공식과 스크립트, 체크리스트 중심으로 정리했습니다.

2026 채용 시장의 구조 이해

전략을 세우기 전에 시장 구조부터 봐야 합니다. 지금 지원서 한 장이 통과해야 하는 관문은 대략 이렇습니다.

[지원자]
   |
   v
+--------------------+   탈락률 약 70~90%
| 1. ATS 키워드 필터  |   (포맷 깨짐, 키워드 미스매치)
+--------------------+
   |
   v
+--------------------+   탈락률 약 50%
| 2. AI 스크리닝      |   (임팩트 불명확, 직무 적합성 점수 낮음)
+--------------------+
   |
   v
+--------------------+   여기서야 처음 사람이 봄
| 3. 리크루터 리뷰    |   (평균 체류 시간 7~30초)
+--------------------+
   |
   v
+--------------------+
| 4. 하이어링 매니저  |
+--------------------+

여기서 두 가지 사실이 도출됩니다.

  1. 1~2단계는 기계가 읽습니다. 기계가 읽기 좋은 구조와 키워드가 필요합니다.
  2. 리퍼럴은 1~2단계를 건너뜁니다. 그래서 네트워킹의 기대수익이 과거보다 훨씬 높아졌습니다.

Patrick McKenzie(patio11)의 고전 "Do Not Call Yourself a Programmer"가 15년이 지난 지금 더 유효해진 이유도 여기 있습니다. 그는 "엔지니어는 기업의 비용 절감 또는 수익 창출 장치"라고 했습니다. AI가 코드를 짜는 시대에는 "코드를 짠다"가 아니라 "비즈니스 문제를 해결했다"를 증명하는 사람만 살아남습니다.

이력서 재설계 — 임팩트 불릿 공식

기본 공식

모든 경력 불릿은 다음 공식을 따릅니다.

[행동 동사] + [무엇을] + [어떻게/규모] + [측정 가능한 결과]

공식: 했다(Action) + 수치(Metric) + 결과(Outcome)

비포 / 애프터 예시

나쁜 불릿과 좋은 불릿을 비교해 봅시다.

[Before] 결제 서비스 백엔드 개발 담당
[After]  결제 서비스의 정산 배치를 비동기 큐 기반으로 재설계해
         처리 시간을 4시간에서 12분으로 단축, 정산 지연 CS를 월 200건에서 0건으로 감소

[Before] 코드 리뷰 문화 개선에 기여
[After]  PR 템플릿과 자동 린트 게이트를 도입해 평균 리뷰 왕복 횟수를 3.2회에서 1.4회로 줄이고
         배포 리드타임을 주 1회에서 일 3회로 단축

[Before] AI 도구를 활용한 생산성 향상
[After]  Claude Code 기반 마이그레이션 에이전트 파이프라인을 구축해
         레거시 API 41개의 TypeScript 전환을 3주 만에 완료 (수작업 추정치 4개월)

[Before] 장애 대응 및 모니터링 업무
[After]  p99 레이턴시 알림 기준을 재설계하고 런북 12건을 작성해
         월평균 야간 호출을 14건에서 3건으로 감소, MTTR 38% 단축

[Before] 사내 검색 기능 개발
[After]  임베딩 기반 시맨틱 검색을 도입해 검색 클릭률 22% 향상,
         검색 실패율(무결과 쿼리 비율)을 18%에서 6%로 감소

수치가 없을 때 쓰는 보조 공식

"우리 회사는 측정을 안 했는데요"라는 반론이 많습니다. 그럴 때는 다음 순서로 대체 수치를 찾습니다.

  1. 규모: 트래픽, 사용자 수, 데이터량, 서비스 개수 ("일 500만 요청을 받는 게이트웨이")
  2. 비교: 이전 대비 ("기존 방식 대비 빌드 시간 절반")
  3. 빈도: 반복 작업의 횟수 ("주 5회 수동 배포를 자동화")
  4. 범위: 영향받은 팀/시스템 수 ("6개 팀이 쓰는 공통 라이브러리")
  5. 정말 아무것도 없으면, 지금이라도 측정하세요. 퇴사 전 마지막 한 달이 이력서의 품질을 결정합니다.

AI 시대의 차별화 항목 — 무엇을 추가로 써야 하나

2026년 리크루터와 하이어링 매니저가 이력서에서 찾는 새로운 신호들이 있습니다.

1. 에이전트 활용 경험 (단순 사용이 아니라 운영)

"Copilot 씁니다" 수준은 이제 운전면허 같은 기본값입니다. 차별화되는 서술은 다음과 같습니다.

- CLAUDE.md / AGENTS.md 작성 경험: 에이전트가 팀 코드베이스에서 안전하게
  작동하도록 컨텍스트 문서와 가드레일을 설계한 경험
- 멀티 에이전트 파이프라인: 코드 생성 -> 테스트 -> 리뷰를 자동화한 루프 설계
- 에이전트 산출물 검증 체계: 머지 전 자동 검증 게이트 구축

요즘 키워드로 말하면 루프 엔지니어링, 컨텍스트 엔지니어링 경험입니다. "프롬프트를 잘 쓴다"가 아니라 "에이전트가 장시간 자율 작업을 해도 품질이 유지되는 시스템을 만들었다"가 포인트입니다.

2. Evals (평가 체계) 경험

LLM 기능을 출시해 본 팀이라면 누구나 겪는 문제가 평가입니다. 이력서에 이렇게 씁니다.

- LLM 기반 요약 기능의 평가 데이터셋 300건을 구축하고
  회귀 평가를 CI에 통합해 프롬프트 변경 시 품질 저하를 배포 전에 차단

3. 시스템 설계 능력

코드 생성이 싸진 만큼, 무엇을 만들지 결정하는 능력의 가치가 올라갔습니다. 설계 문서 작성, 트레이드오프 분석, ADR(Architecture Decision Record) 경험을 명시하세요.

차별화 항목 비교 테이블

항목2022년의 가치2026년의 가치이력서 서술 포인트
코딩 속도높음낮음 (에이전트가 대체)속도 자체보다 검증 체계
프레임워크 경험높음중간마이그레이션/운영 경험
에이전트 운영거의 없음매우 높음가드레일과 루프 설계
Evals 구축거의 없음높음데이터셋 규모와 CI 통합
시스템 설계높음매우 높음트레이드오프 문서화
도메인 지식중간높음비즈니스 수치로 연결

ATS와 AI 스크리닝 통과 전략

포맷 규칙

ATS 파서는 생각보다 멍청하고, AI 스크리너는 생각보다 보수적입니다.

  • 1단 레이아웃을 쓰세요. 2단 레이아웃, 텍스트 박스, 표 안의 경력 기술은 파싱이 깨집니다.
  • 표준 섹션 제목: Experience, Education, Skills 같은 관용 표현을 유지합니다. "My Journey" 같은 창의적 제목은 파서가 무시합니다.
  • PDF로 제출하되, 텍스트 추출이 되는 PDF인지 확인합니다. 이미지로 변환된 PDF는 즉사합니다. 확인 방법: PDF에서 텍스트를 드래그해 복사가 되는지 보세요.
  • 머리글/바닥글에 연락처를 넣지 마세요. 파서가 머리글을 건너뛰는 경우가 있습니다.
  • 아이콘, 차트, 스킬 게이지 바는 모두 제거합니다.

키워드 전략

  1. 공고(JD)에서 명사구를 추출합니다: 기술 스택, 방법론, 도메인 용어.
  2. 본인 경험과 교집합인 키워드를 경력 불릿 안에 자연스럽게 녹입니다. 스킬 섹션에만 나열하면 AI 스크리너가 "근거 없음"으로 감점합니다.
  3. 약어와 풀네임을 둘 다 씁니다: "CI/CD (Continuous Integration)" 식으로 한 번은 병기.
  4. 공고마다 이력서를 미세 조정합니다. 전체 재작성이 아니라 상단 요약 3줄과 키워드 10개만 조정해도 충분합니다.

AI 스크리닝 특화 팁

AI 스크리너는 키워드 매칭을 넘어 "이 사람이 JD의 문제를 풀 수 있는가"를 추론합니다. 따라서:

  • 이력서 최상단에 **3줄 요약(Professional Summary)**을 두고, 지원 직무의 핵심 문제와 본인 경험을 직접 연결하세요.
  • 각 경력의 첫 불릿은 그 회사에서 가장 임팩트 큰 성과로 시작합니다. AI도 사람도 첫 줄에 가중치를 둡니다.
  • 거짓말은 금물입니다. 2026년의 면접은 이력서의 모든 줄을 깊게 파고드는 방향으로 진화했습니다. AI 스크리닝을 통과시킨 과장은 면접에서 폭발합니다.

포트폴리오 전략 — GitHub와 데모

GitHub 정리법

채용 담당자가 GitHub를 보는 시간은 평균 2~3분입니다. 그 시간 안에 신호를 줘야 합니다.

  1. 핀 고정 6개를 큐레이션하세요. 튜토리얼 클론, 빈 저장소, fork만 있는 프로필은 마이너스입니다.
  2. 각 핀 저장소의 README에는 다음 4가지가 30초 안에 읽히게:
    • 무엇을 푸는 프로젝트인가 (한 문장)
    • 아키텍처 한 장 (ASCII 다이어그램이라도)
    • 실행 방법 (명령 3개 이내)
    • 결과/데모 (스크린샷 또는 영상 링크)
  3. 커밋 히스토리도 포트폴리오입니다. "fix", "update" 일색의 히스토리보다, 의도가 읽히는 커밋 메시지가 신뢰를 줍니다.
  4. AI로 생성한 코드라면 숨기지 말고 어떻게 검증했는지를 README에 쓰세요. 2026년에는 "AI 산출물을 책임지고 검증하는 능력"이 핵심 평가 항목입니다.

데모 영상

텍스트보다 강한 것이 90초 데모 영상입니다.

데모 영상 구성 (90초)
0:00-0:10  문제 정의 ("배포할 때마다 30분 걸리던 일을...")
0:10-0:60  핵심 기능 시연 (실제 동작, 편집으로 대기시간 컷)
0:60-0:80  기술적 하이라이트 1개만 (전부 설명하려 하지 말 것)
0:80-0:90  결과 요약 + 저장소 링크

영상은 README 최상단과 이력서의 프로젝트 섹션에 링크합니다.

네트워킹 — 다시 왕좌로 돌아온 채널

왜 다시 중요해졌나

지원서가 수천 건씩 쌓이는 시장에서, 채용하는 쪽도 공개 채용 전에 끝내고 싶어 합니다. 실제로 좋은 포지션의 상당수가 공고가 올라가기 전에 리퍼럴과 지인 추천으로 채워집니다. 공고는 이미 내정자가 있는 상태의 형식 절차인 경우도 많습니다. 이것이 "히든 잡 마켓"입니다.

네트워킹이라고 해서 행사장에서 명함을 돌리라는 말이 아닙니다. 실전적으로는 다음 세 가지입니다.

  1. 약한 연결 재활성화: 전 직장 동료, 스터디 멤버, 오픈소스에서 만난 사람. 강한 인맥보다 약한 연결이 기회를 더 많이 가져온다는 것은 사회학의 고전적 발견입니다.
  2. 공개 작업물: 블로그, 오픈소스 기여, 발표. "찾아오게 만드는" 인바운드 채널입니다.
  3. 타깃 회사의 내부인과 커피챗: 지원 전에 내부 정보를 얻고, 가능하면 리퍼럴로 전환합니다.

리퍼럴 요청 에티켓과 스크립트

리퍼럴 요청에서 가장 흔한 실수는 "나를 위해 보증해 달라"는 무게를 상대에게 그대로 지우는 것입니다. 좋은 요청은 상대가 거절하기 쉽게 만들어 줍니다.

[리퍼럴 요청 스크립트 — 전 동료에게]

OO님, 오랜만이에요. 잘 지내시죠?
다름이 아니라 저 요즘 이직 준비 중인데, OO님 회사의 백엔드 포지션(링크)이
제 경험(결제 시스템 3년, 대용량 배치 최적화)과 잘 맞는 것 같아서요.

혹시 부담되지 않는 선에서 두 가지만 여쭤봐도 될까요?
1. 이 팀 분위기나 실제 하는 일이 공고와 비슷한가요?
2. 맞는 것 같다고 보시면, 리퍼럴로 넣어주실 수 있을까요?
   물론 직접 지원해도 되니, 조금이라도 애매하시면 편하게 안 된다고 해주세요.

이력서는 정리해서 미리 보내드릴게요. 시간 내주셔서 감사합니다!

포인트:

  • 빠져나갈 길을 명시적으로 제공 ("애매하시면 편하게 거절") — 역설적으로 수락률이 올라갑니다.
  • 상대가 추천 사유를 쓰기 쉽도록 본인 경험 요약을 한 줄로 제공.
  • 리퍼럴 보너스가 있는 회사라면 상대에게도 이득임을 기억하고 너무 저자세일 필요는 없습니다.
  • 결과가 어떻게 되든 반드시 후속 보고와 감사 인사. 네트워크는 1회용이 아닙니다.

면접 준비 — AI 도구 허용 시대의 변화

라이브 코딩의 변화

2026년 면접의 가장 큰 변화는 AI 도구를 허용하는 면접이 늘었다는 점입니다. 알고리즘 암기 문제는 AI가 즉답하므로 변별력을 잃었고, 대신 다음 형태가 늘었습니다.

면접 유형기존 (2022)현재 (2026)
코딩 테스트알고리즘 화이트보드에이전트와 함께 실제 과제 해결
평가 포인트정답 도출 속도문제 분해, 검증, 도구 지휘 능력
시스템 설계정형화된 컴포넌트 나열트레이드오프 토론, 비용 추정
행동 면접STAR 일반 질문이력서 deep-dive, 진위 검증 강화

AI 허용 면접에서 평가자가 보는 것:

  1. 문제를 어떻게 분해하는가 — 에이전트에게 통째로 던지는 사람 vs 검증 가능한 단위로 쪼개는 사람
  2. 산출물을 어떻게 검증하는가 — 테스트를 먼저 쓰는가, 엣지 케이스를 직접 점검하는가
  3. 막혔을 때의 행동 — 도구 탓을 하는가, 가설을 세우고 디버깅하는가

연습 방법: 평소에 에이전트와 일하는 과정을 소리 내어 설명하면서 작업해 보세요. 면접은 결국 사고 과정의 중계입니다.

행동 면접 준비

이력서의 모든 불릿에 대해 다음 3종 세트를 준비합니다.

각 불릿당:
1. 맥락 30초 버전 (왜 그 일이 필요했나)
2. 기술적 깊이 2분 버전 (구체적으로 무엇을 어떻게)
3. 실패/배움 버전 (그 과정에서 틀렸던 판단 1개)

3번이 중요합니다. AI 과장 이력서가 범람하면서, 면접관들은 "실패담의 구체성"을 진위 판별 신호로 씁니다.

연봉 협상 기초

원칙 3가지

  1. 먼저 숫자를 말하지 않습니다. 희망 연봉 질문에는 범위 조사를 근거로 되묻습니다.
  2. 오퍼를 받은 후가 협상 시점입니다. 오퍼 전 협상은 지렛대가 없습니다.
  3. 경쟁 오퍼가 최고의 지렛대입니다. 구직은 가능하면 병렬로 진행합니다.

스크립트

[희망 연봉 질문을 받았을 때]
"포지션의 전체 보상 구조(기본급, 보너스, 주식)를 먼저 이해하고 싶습니다.
이 포지션에 책정된 밴드를 공유해 주실 수 있을까요?
저는 역할과 책임이 맞다면 보상은 합리적인 선에서 조율 가능하다고 생각합니다."

[오퍼를 받고 인상을 요청할 때]
"오퍼 주셔서 감사합니다. 팀과 역할 모두 매우 긍정적으로 보고 있습니다.
다만 현재 제가 진행 중인 다른 프로세스와 시장 데이터를 고려하면
기본급 기준 X를 기대하고 있었습니다.
이 부분이 조정되면 바로 사인하고 싶습니다. 검토 가능할까요?"

[조정이 어렵다는 답을 받았을 때]
"이해합니다. 그렇다면 기본급 외에 사이닝 보너스나 주식 추가 부여,
혹은 6개월 후 조기 리뷰 같은 옵션은 검토 가능할까요?"

포인트: 협상은 적대 행위가 아니라 함께 조건을 맞추는 협업의 어조로. 그리고 "조정되면 사인하겠다"는 커밋 신호가 상대의 내부 설득을 돕습니다.

구직 칸반 — 추적 시스템 운영

지원이 10건을 넘어가면 머리로 관리가 안 됩니다. 칸반으로 운영하세요.

+----------+----------+----------+----------+----------+----------+
| 리서치    | 지원완료  | 스크리닝  | 면접중    | 오퍼      | 종료      |
+----------+----------+----------+----------+----------+----------+
| 회사A     | 회사C    | 회사E    | 회사F    | 회사H    | 회사I    |
| 회사B     | 회사D    |          | 회사G    |          | (탈락)   |
+----------+----------+----------+----------+----------+----------+

각 카드에 기록할 것:
- 공고 링크, 지원일, 사용한 이력서 버전
- 담당 리크루터 이름과 연락처
- 다음 액션과 기한 (예: 6/20까지 후속 메일)
- 면접 후 회고 메모 (질문, 잘한 점, 못한 점)

운영 규칙:

  • 주 1회 정리 시간을 고정합니다 (예: 금요일 오후 30분).
  • 2주간 응답 없는 카드는 후속 메일 1회 후 종료 컬럼으로 이동합니다. 미련은 에너지를 갉아먹습니다.
  • 면접 회고 메모는 다음 면접의 가장 좋은 교재입니다. 반드시 당일에 씁니다.

멘탈 관리

구직은 평균 수개월 걸리는 마라톤이고, 거절이 기본값인 게임입니다.

  • 통제 가능한 것만 측정하세요. "오퍼 수"가 아니라 "이번 주 맞춤 지원 5건, 커피챗 2건" 같은 행동 지표를 목표로 삼습니다.
  • 거절은 데이터입니다. 같은 단계에서 반복 탈락하면 그 단계만 집중 개선합니다. 서류 탈락이 많으면 이력서, 1차 면접 탈락이 많으면 기술 설명 연습.
  • 하루 종일 구직만 하지 마세요. 오전 3시간 구직, 오후는 학습이나 사이드 프로젝트로 분리하면 자존감의 원천이 구직 결과에서 분리됩니다.
  • 탈락 통보가 아예 없는 ghosting이 일상이 된 시장입니다. 개인에 대한 평가가 아니라 시스템의 과부하임을 기억하세요.

채용하는 쪽의 에티켓 — 스팸 콜드메일을 멈춰라

이 글의 균형을 위해, 채용하는 쪽 이야기를 하나 해야겠습니다. 서두에 언급한 HN 화제글의 요지는 이렇습니다. 구직자가 이력서를 공개하는 순간, AI가 생성한 가짜 맞춤형 채용 메일이 쏟아집니다. "당신의 OO 경험에 깊은 인상을 받았습니다"라고 시작하지만 실제로는 경력과 무관한 포지션이고, 회신하면 봇이 응답합니다. 구직자는 이미 충분히 지쳐 있습니다.

채용 담당자와 소싱하는 엔지니어를 위한 최소한의 에티켓:

  1. 읽지 않았으면 읽은 척하지 마세요. AI로 생성한 "맞춤형" 문구는 받는 사람이 즉시 알아챕니다. 차라리 솔직한 템플릿이 낫습니다.
  2. 포지션 정보를 처음부터 전부 공개하세요. 회사명, 연봉 밴드, 기술 스택, 근무 형태. "통화로 설명드릴게요"는 상대의 시간을 담보로 잡는 행위입니다.
  3. 거절 회신에는 재발송하지 마세요. 같은 사람에게 시퀀스 메일 7통을 자동 발송하는 것은 마케팅이 아니라 스팸입니다.
  4. 탈락 통보는 반드시 하세요. 면접까지 본 후보에게 ghosting하는 회사의 평판은 개발자 커뮤니티에 박제됩니다.

구직자 입장에서도 이 역학을 알면 좋습니다. 받은 콜드메일의 품질로 회사를 1차 필터링할 수 있고, 진짜 맞춤형 접촉(내 블로그 글이나 오픈소스 기여를 구체적으로 언급)은 귀한 신호이니 정중히 응답할 가치가 있습니다.

함정과 비판적 시각

균형을 위해 흔한 반론도 짚습니다.

  • "키워드 최적화는 군비 경쟁 아닌가?" 맞습니다. 모두가 최적화하면 평균이 올라갈 뿐입니다. 그래서 이 글은 ATS 대응을 필요조건으로, 네트워킹과 공개 작업물을 충분조건으로 구분합니다. 차별화는 후자에서 나옵니다.
  • "AI 시대에 이력서 자체가 무의미해지는 것 아닌가?" 장기적으로 평가의 중심이 이력서에서 검증 가능한 작업물과 실제 협업 시뮬레이션으로 이동할 가능성은 큽니다. 다만 2026년 현재 대부분의 회사 프로세스는 여전히 이력서로 시작합니다. 과도기에는 둘 다 필요합니다.
  • **"네트워킹은 내향적인 사람에게 불공평하다"**는 지적도 타당합니다. 그래서 글쓰기와 오픈소스 같은 비동기 네트워킹 채널을 강조했습니다. 행사장 사교성 없이도 작동합니다.
  • 연봉 협상이 불가능한 시장도 있습니다. 밴드가 경직된 대기업이나 공채 중심 조직에서는 협상 여지가 작습니다. 스크립트는 만능이 아니라 지렛대가 있을 때의 도구입니다.

최종 체크리스트

이력서

  • 모든 경력 불릿이 행동+수치+결과 공식을 따르는가
  • 각 경력의 첫 불릿이 가장 큰 임팩트인가
  • 1단 레이아웃, 텍스트 추출 가능한 PDF인가
  • 상단 3줄 요약이 지원 직무와 직접 연결되는가
  • JD 키워드가 불릿 안에 근거와 함께 녹아 있는가
  • 에이전트 운영, evals, 시스템 설계 경험이 드러나는가
  • 거짓이나 과장이 없는가 (면접 deep-dive 견딜 수 있는가)

포트폴리오

  • GitHub 핀 6개가 큐레이션되어 있는가
  • 각 README가 30초 안에 문제-구조-실행-결과를 전달하는가
  • 대표 프로젝트에 90초 데모 영상이 있는가

프로세스

  • 구직 칸반을 운영하고 주 1회 정리하는가
  • 주간 행동 목표(지원 N건, 커피챗 N건)가 있는가
  • 면접 회고를 당일 기록하는가
  • 리퍼럴 요청 시 거절 여지를 제공했는가
  • 오퍼 전에 숫자를 먼저 말하지 않았는가

마치며

2026년의 채용 시장은 분명 소음으로 가득합니다. 하지만 소음이 커질수록 진짜 신호의 가치는 올라갑니다. 검증 가능한 임팩트, 공개된 작업물, 사람 사이의 신뢰. 이 세 가지는 AI가 대량 생산할 수 없는 것들입니다. 이력서 한 줄을 고치는 일도, 커피챗 한 번을 요청하는 일도 모두 그 신호를 쌓는 과정입니다. 이 글의 체크리스트가 그 과정의 지도가 되기를 바랍니다.

참고 자료

Discuss on Twitter • View on GitHub