PERSONAL REVIEW · 2026.07.16
조코딩 AX 인재전쟁 신청 후기 및 결과: 5,300명 중 메디테라피 본선 예비 후보가 되기까지
유튜브 인터뷰 스크립트를 그대로 AI에 전달하고, 몇 번의 클릭으로 3개 기업의 플러그인 생성부터 제출까지 완료한 과정과 결과입니다.
안녕하세요. SCV입니다.
2026년 7월 15일 밤, 조코딩 AX 인재전쟁 운영팀에서 결과 메일을 받았습니다. 결론부터 말하면 메디테라피 트랙 본선 진출 확정은 아니었고, 상위 성적의 ‘본선 예비 후보’로 선정됐습니다. 트랙별 확정자 가운데 불참자가 생기면 성적 순번에 따라 본선 참가 기회가 돌아오는 상태입니다. 동시에 예선 상위 성적자에게 주는 ‘AI 인재’에도 선정됐다는 안내를 받았습니다.
“본선에 붙었다”라고 쓰기에는 한 단계가 남아 있고, “떨어졌다”라고 정리하기에도 결과물은 꽤 멀리 갔습니다. 그래서 이 글에서는 결과를 부풀리는 대신, 5,300여 명이 참가한 예선에서 어떤 생각으로 기업을 골랐고 실제로 어떤 내용을 제출했는지 기록해 보려고 합니다.
그리고 이 후기를 이해하려면 한 가지를 먼저 밝혀야 합니다. 저는 3개 플러그인의 코드를 직접 한 줄씩 작성하지 않았습니다. 제가 실제로 한 일은 유튜브에 공개된 기업 인터뷰 스크립트를 스크랩한 뒤, 내용을 따로 가공하거나 요약하지 않고 그대로 AI에게 전달한 것입니다. 이후 문제 정의, 공개 자료 조사, 플러그인 생성, README와 테스트 작성, 제출용 ZIP 구성까지 AI가 진행했습니다. 저는 화면에서 결과를 확인하고 다음 단계로 넘긴 뒤 마지막 제출 버튼을 눌렀습니다. 이 글에 나오는 모든 결과물은 사실상 몇 번의 클릭으로 만들어지고 제출된 결과물입니다.
AX 인재전쟁은 어떻게 알게 됐나
처음 관심을 가진 계기는 조코딩과 조코딩AX파트너스 유튜브에 공개된 기업 인터뷰였습니다. 메디테라피, 마이리얼트립, 무신사, 채널톡, 삼일PwC, 카카오페이증권이 차례로 등장해 각 회사가 생각하는 AX 인재와 본선 문제의 방향을 설명했습니다.
형식은 흔한 채용 공고와 달랐습니다. 학력이나 경력 연차보다 기업의 실제 문제를 AI로 어떻게 정의하고 해결하는지를 본다고 했습니다. 예선 과제 역시 자기소개서를 길게 쓰는 방식이 아니라, 선택한 기업의 공개·검증 가능한 문제를 찾아 실제로 작동하는 Codex 플러그인을 만드는 것이었습니다.
예선 문제 공개와 접수 기간은 2026년 6월 23일부터 7월 10일까지였습니다. 개인 참가 방식이었고, 선택한 기업마다 별도의 플러그인과 답안 5문항을 제출해야 했습니다. 제출 ZIP에는 플러그인 소스, README, AI와 작업한 전체 로그가 포함돼야 했습니다. 결과가 멋있어 보이는지만 보는 것이 아니라 문제 정의, 공개 근거, 구현, 검증, 로그와 답변 사이의 정합성까지 함께 평가하는 구조였습니다.
이 지점이 마음에 들었습니다. 특히 직접 개발하지 않더라도 인터뷰 스크립트와 과제 조건을 AI에게 충분히 전달하면 어디까지 완성된 결과물을 만들 수 있는지 확인해 볼 수 있었습니다. 제가 직접 코드를 쓰는 대신 AI가 문제를 정의하고 구현과 검증까지 이어가게 했다는 점도 이번 참여의 중요한 실험이었습니다.
유튜브에서 읽은 6개 기업의 문제 방향
기업 인터뷰를 보고 제가 정리한 핵심은 다음과 같습니다.
- 메디테라피는 문제 정의력, 창발성, 변인 사이의 인과관계를 읽는 힘을 강조했습니다.
- 마이리얼트립은 연차보다 문제를 끝까지 파고드는 집요함과 새로운 AI 기술을 자기 것으로 만드는 태도를 강조했습니다.
- 무신사는 문제를 좁게 정의하고 깊은 생각을 실제 비즈니스 결과까지 연결하는 사람을 원했습니다.
- 채널톡은 어떤 도구를 썼는지보다 왜 그렇게 풀었는지, 문제의 본질을 얼마나 깊게 탐구했는지를 본다고 했습니다.
- 삼일PwC는 AI 에이전트를 어떻게 만들었는지보다 기업의 비정형 문제를 어떤 의도로 기획하고, 조직의 업무 방식과 SOP에 맞춰 신뢰성 있게 전달하는지를 강조했습니다.
- 카카오페이증권은 문제를 논리적으로 분해하고 해답에 도달하는 과정을 설계하며, 그 결과를 사용자가 납득할 수 있게 스스로 증명하는 솔버를 이야기했습니다.
6개 회사가 표현은 달랐지만 공통점이 있었습니다. “AI 도구를 잘 쓴다”는 사실 자체는 점수가 아니었습니다. 무엇을 문제로 볼지, 공개 근거에서 어떤 신호를 읽을지, 결과를 어떻게 검증할지, 사람이 안심하고 다음 행동으로 옮길 수 있게 설명할지가 핵심이었습니다.
공식 유튜브 영상 보기
공식 유튜브 영상 보기
공식 유튜브 영상 보기
공식 유튜브 영상 보기
공식 유튜브 영상 보기
공식 유튜브 영상 보기
나의 신청 전략 1: 6개를 모두 만들지 않고 3개만 골랐다
처음에는 지원 기회를 넓히기 위해 가능한 한 많은 기업에 내는 편이 유리해 보였습니다. 하지만 기업별로 별도 플러그인과 전체 로그가 필요했습니다. 수를 늘리면 각 기업의 문제 정의가 얕아지고, 마지막 검증과 ZIP 구조 점검이 약해질 가능성이 컸습니다.
그래서 메디테라피, 마이리얼트립, 삼일PwC 3개에만 제출했습니다. 세 기업은 산업이 각각 뷰티 커머스, 여행, 회계·경영 자문으로 달랐습니다. 대신 제가 잘 보여줄 수 있는 문제 해결 구조를 서로 다른 도메인에서 반복해 증명할 수 있다는 공통점이 있었습니다.
메디테라피에서는 인플루언서 시딩과 커머스 전환을, 마이리얼트립에서는 첫 여행자의 막막함과 항공권 반복 검색을, 삼일PwC에서는 여러 시스템에 흩어진 경영 데이터에서 CEO의 숨은 고민을 찾는 문제를 골랐습니다. 단순 챗봇보다 구조화, 점수화, 근거 제시, 다음 행동 추천이 중요한 문제들이었습니다.
결과적으로 3개 가운데 메디테라피 트랙에서 본선 예비 후보가 됐습니다. 많이 제출하는 전략보다, 내가 설득력 있게 풀 수 있는 문제 유형을 골라 서로 다른 도메인에서 깊이를 보여주는 전략이 적어도 한 트랙에서는 통했다고 볼 수 있습니다.
나의 신청 전략 2: 기업 인터뷰의 문장을 그대로 답으로 쓰지 않았다
유튜브 인터뷰에는 본선 문제의 방향이 공개됐지만, 예선 과제는 기업의 실제 문제를 공개 자료로 입증한 뒤 해결 플러그인을 만드는 것이었습니다. 인터뷰에서 “문제 정의가 중요하다”고 했다고 해서 문제 정의라는 말을 반복하는 것만으로는 부족했습니다.
실제 작업에서는 제가 기업 공식 자료를 하나씩 읽고 직접 문제를 좁힌 것이 아닙니다. 유튜브 인터뷰 스크립트를 그대로 AI에게 전달하고, 그 내용을 출발점으로 기업 공식 자료, 제품 블로그, 채용 공고, 사례 연구를 조사해 문제 후보를 만들도록 요청했습니다. AI는 메디테라피를 인플루언서 명단 문제가 아니라 크리에이터, 콘텐츠, 커머스 성과를 연결하고 다음 캠페인에서 학습하는 문제로 정의했습니다. 마이리얼트립은 여행 일정을 생성하는 문제가 아니라 처음에는 무엇부터 결정할지 모르고, 구매 직전에는 너무 많은 항공권 탭을 비교하는 의사결정 피로로 봤습니다. 삼일PwC는 자료를 요약하는 문제가 아니라 서로 다른 회계·현금·원가·미수 데이터의 행간에서 경영진이 아직 질문하지 못한 고민을 발견하는 문제로 좁혔습니다.
중요한 것은 기업이 이미 만든 제품을 흉내 내는 것이 아니라, 공개 자료로 확인되는 방향에서 아직 사람이 반복적으로 판단해야 하는 구간을 찾는 것이었습니다.
나의 신청 전략 3: 세 플러그인에 하나의 공통 뼈대를 사용했다
AI가 만든 세 제출물은 도메인이 달랐지만 작동 구조는 일관되게 구성됐습니다.
- 공개 근거와 사용자 입력을 온톨로지로 정리합니다.
- 후보나 위험 신호를 명시적인 기준으로 점수화합니다.
- 사실, 추론, 신뢰도, 데이터 한계를 분리해 리포트를 만듭니다.
- 결과를 보고 사람이 취할 다음 행동과 추가 검증 방법을 제안합니다.
이 구조를 사용한 이유는 AI의 그럴듯한 문장보다 판단 과정을 보여주기 위해서였습니다. 어떤 입력이 어떤 점수에 영향을 줬는지, 정보가 비었을 때 무엇을 모른다고 표시하는지, 결과가 의사결정으로 어떻게 이어지는지를 설명할 수 있어야 했습니다.
공통 뼈대는 재사용했지만 평가 기준은 기업에 맞게 바꿨습니다. 메디테라피의 크리에이터 점수에는 브랜드 적합도, 오디언스 적합도, 콘텐츠 진정성, 커머스 신호, 증거 품질, 브랜드 세이프티 위험을 넣었습니다. 마이리얼트립의 항공권 점수에는 가격, 날짜와 도시 선호, 이동 피로도, 구매 확신도를 넣었습니다. 삼일PwC는 승인 없는 수동 매출, 현금 부족, 실제 원가 재배부 시 손실 전환, 장기 미수와 분쟁 같은 경영 신호를 탐지했습니다.
같은 코드를 이름만 바꾸는 재사용이 아니라, 문제를 다루는 방식은 재사용하고 도메인 판단은 새로 설계한 것입니다.
세 플러그인에 공통으로 적용한 판단 흐름
세 기업을 비교해 보니 달랐던 ‘좋은 답’의 기준
공통 프레임을 만들었다고 해서 세 기업에 같은 종류의 결과물을 보여주지는 않았습니다. 실제로는 각 기업에서 사용자가 믿는 근거와 최종 행동이 달랐습니다.
메디테라피의 마케팅 담당자에게 필요한 것은 완벽한 예측값이 아니라, 수많은 크리에이터 중 누구에게 먼저 제품을 보내고 누구는 소규모로 시험할지 정하는 우선순위였습니다. 그래서 결과가 한 명의 우승자를 고르는 랭킹으로 끝나면 안 됐습니다. 바로 시딩할 후보, 측정 조건을 붙여 시험할 후보, 더 관찰할 후보, 당장은 제외할 후보로 나눠야 실제 캠페인 운영에 연결됩니다. 또한 팔로워 수처럼 보기 쉬운 숫자가 브랜드 적합도나 콘텐츠 진정성을 압도하지 않도록 점수를 여러 축으로 분리했습니다.
마이리얼트립 사용자에게는 후보를 더 많이 보여주는 것이 오히려 문제였습니다. 항공권 검색 서비스는 이미 많은 선택지를 제공합니다. AI가 해결 대상으로 삼은 병목은 선택지가 부족한 것이 아니라 언제 검색을 멈춰도 되는지 모르는 상태였습니다. 따라서 최저가 순위만 제공하지 않고, 직항 여부와 이동 피로, 여행자의 계획 성향, 현재 후보에 대한 구매 확신도를 함께 반영했습니다. 최종 출력도 “다시 전부 찾아보세요”가 아니라 다음에 확인할 조건을 2~3개로 제한했습니다.
삼일PwC의 경영진과 자문팀에는 추천보다 신뢰 구조가 중요했습니다. 매출이나 현금 신호를 AI가 발견했다는 사실만으로 의사결정할 수 없기 때문입니다. 어떤 행이 사실이고 무엇이 추론인지, 왜 중요한지, 데이터 품질의 한계는 무엇인지, 누가 어떤 순서로 재확인해야 하는지를 나눴습니다. 여기서는 점수 자체보다 근거 행과 검토 SOP가 결과물의 핵심이었습니다.
AI가 만든 세 결과물을 비교해 보니 같은 ‘AI 추천’도 도메인에 따라 좋은 답의 모양이 달랐습니다. 마케팅은 실험 포트폴리오, 여행은 결정 피로 감소, 회계·자문은 추적 가능한 근거와 검토 책임이 중요했습니다. 공통 아키텍처는 생성 시간을 줄여 줬지만, 사용자에게 필요한 마지막 1미터는 기업마다 다르게 설계돼 있었습니다.
점수화는 정답을 만드는 장치가 아니라 대화를 만드는 장치였다
세 플러그인 모두 점수화가 들어가지만 점수를 객관적 진실처럼 취급하지 않았습니다. 공개 자료와 샘플 데이터만으로 만든 가중치는 현업의 최종 기준이 될 수 없습니다. 대신 왜 이 후보가 위에 왔는지 설명하고, 담당자가 가중치에 이의를 제기하며 기준을 고칠 수 있게 만드는 출발점으로 사용했습니다.
예를 들어 메디테라피에서 커머스 신호가 강한 크리에이터가 항상 최선은 아닙니다. 신제품 인지도 캠페인이라면 콘텐츠 진정성과 오디언스 적합도를 더 높게 볼 수 있고, 즉시 매출 캠페인이라면 구매 링크나 과거 전환 신호의 비중이 커질 수 있습니다. 그래서 점수를 하나의 마법 숫자로 숨기지 않고 구성 요소를 분리했습니다.
마이리얼트립에서도 최저가가 항상 1등이면 별도 플러그인을 만들 이유가 없습니다. 첫 여행자에게 새벽 출발, 긴 경유, 공항 이동 부담은 가격 차이보다 큰 비용일 수 있습니다. 여행자가 계획형인지 즉흥형인지에 따라서도 불확실성을 감수하는 정도가 달라집니다. 숫자로 보이는 항공권 가격과 숫자로 바로 보이지 않는 피로를 함께 판단해야 했습니다.
삼일PwC에서는 신호가 강할수록 더 단정적으로 써야 하는 것이 아니라, 오히려 더 명확한 검토 절차가 필요했습니다. 승인자 없는 매출이 발견됐다고 즉시 부정 매출로 규정할 수는 없습니다. 시스템 연동 오류나 승인 필드 누락일 수도 있습니다. 플러그인은 위험을 발견하되 결론을 대신하지 않고, 원장 담당자 확인, 계약과 증빙 대조, 책임자 검토라는 다음 절차를 제시했습니다.
이 원칙 덕분에 AI가 만든 점수가 사람의 판단을 가리는 대신, 사람이 무엇을 더 물어봐야 하는지 드러내는 역할을 하게 했습니다.
제출 답안 5문항은 별도 자기소개서가 아니었다
플랫폼에서 요구한 5문항은 무엇을 누가 어떤 상황에서 쓰는지, 왜 이 문제를 선택했는지, 플러그인이 어떻게 작동하는지, AI를 어떻게 활용했는지, 어떻게 검증했는지였습니다. 처음에는 코드와 별개로 잘 쓴 설명문을 만들고 싶어질 수 있습니다. 그러나 실제로는 이 5개가 플러그인의 축약된 설계 문서였습니다.
첫 번째 답변은 사용자를 넓게 잡지 않는 데 집중했습니다. “마케팅에 쓰는 도구”보다 “글로벌 뷰티 마케팅 담당자가 인플루언서 시딩 캠페인을 기획·검증·반복할 때 쓰는 도구”라고 적어 사용 순간을 좁혔습니다. 두 번째 답변에는 기업 인터뷰의 인상비평이 아니라 실제 사례 연구와 채용 공고 링크를 붙였습니다. 세 번째 답변은 기능 목록보다 입력, 판단, 출력, 정보 부족 시 동작 순서로 썼습니다.
네 번째 제출 답변에는 조사, 구조화, 코드 초안, 테스트 작성에 AI를 썼고 기업 선택과 문제 범위, 인과 주장의 한계를 직접 결정했다고 구분돼 있었습니다. 다만 실제 작업을 되돌아보면 여기서 말한 ‘직접 결정’은 코드를 작성하거나 기준표를 손으로 설계했다는 의미가 아니라, AI가 제시한 결과를 화면에서 승인한 수준에 가까웠습니다. 다섯 번째 답변에는 어떤 샘플에서 무엇이 1위가 돼야 하는지, 빈 값과 잘못된 숫자에서 어떻게 동작해야 하는지, 아직 검증하지 못한 것이 무엇인지 정리돼 있었습니다.
이렇게 생성된 답안, README, 코드, 테스트, 로그는 하나의 이야기를 했습니다. 심사자가 ZIP을 열어보지 않아도 해결 구조를 이해할 수 있고, ZIP을 열었을 때는 답안에서 말한 기능과 제한을 그대로 확인할 수 있었습니다. 이 정합성 검사 역시 AI가 수행했고, 저는 검사 결과를 확인한 뒤 제출 단계로 넘겼습니다.
메디테라피 트랙에서 상대적으로 좋은 평가를 받은 이유를 추정해 보면
정확한 채점표나 트랙별 순위는 공개되지 않았으므로 이유를 단정할 수는 없습니다. 다만 제출 내용과 결과를 놓고 보면 몇 가지 가능성을 생각해 볼 수 있습니다.
첫째, 기업 인터뷰에서 강조한 문제 정의와 인과관계를 기능 수준으로 옮겼습니다. “인과관계가 중요하다”는 문장을 답변에 넣는 대신, 크리에이터 시딩이 매출을 만들었다고 섣불리 단정하지 않고 콘텐츠 가설, 전환 KPI, 다음 실험을 연결했습니다.
둘째, 메디테라피가 실제로 확장 중인 해외 시장의 업무와 맞췄습니다. 북미 소셜 채널, 틱톡과 인스타그램, 아마존과 틱톡샵, 홍콩 KOL과 커뮤니티 바이럴처럼 공개 채용 자료에서 확인되는 일을 입력 구조와 캠페인 리포트에 반영했습니다.
셋째, 결과가 마케팅 담당자의 다음 행동으로 바로 이어졌습니다. 단순 분석 리포트가 아니라 누구에게 먼저 시딩하고, 누구는 작은 비용으로 테스트하며, 어떤 KPI를 보고 다음 캠페인에서 확대하거나 중단할지 제안했습니다.
넷째, 과장하지 않는 안전장치를 넣었습니다. 정보가 부족하면 누락 필드와 낮은 신뢰도를 표시하고, 실제 매출 데이터가 없을 때는 인과 증명 대신 검증 가설로 표현했습니다. AI 결과를 멋있게 포장하는 것보다 어디까지 믿을 수 있는지 설명하는 태도가 기업 실무에서 더 중요하다는 판단이었습니다.
물론 이것은 결과를 보고 되짚은 개인적인 해석입니다. 예비 후보라는 상태는 개선할 부분도 분명히 있었다는 뜻입니다. 하지만 최소한 문제를 좁히고, 공개 근거를 붙이고, 실행과 검증까지 연결한 방향이 완전히 빗나가지는 않았다는 근거는 됐습니다.
실제 제출 1: 메디테라피 글로벌 인플루언서 시딩 플러그인
메디테라피에 제출한 한 문장 요약은 다음과 같습니다.
“메디테라피의 글로벌 뷰티 마케팅 담당자가 인플루언서 시딩 캠페인을 기획·검증·반복할 때 쓰는 Codex 플러그인.”
AI가 인터뷰 스크립트와 공개 자료에서 정의한 병목은 “누구에게 제품을 보내야 매출 가능성이 높은가”, “성과를 어떻게 설명하고 다음 캠페인에 반영할 것인가”였습니다. 제품, 타깃 고객, 플랫폼, 크리에이터 후보, 콘텐츠 가설, 전환 KPI가 여러 문서와 도구에 흩어지면 담당자는 팔로워 수나 감에 의존하기 쉽습니다.
플러그인은 먼저 제품·시장·고객·채널·크리에이터·콘텐츠·전환 KPI를 온톨로지로 정리합니다. 후보 CSV를 넣으면 score_creators.py가 각 후보를 계산해 seed-first, test-and-measure, watchlist, deprioritize로 나눕니다. 이어 generate_campaign_report.py가 캠페인 브리프, 후보 랭킹, 인과 가설, 검증 방법, 다음 캠페인의 유지·확대·실험·중단 액션을 Markdown 리포트로 만듭니다.
AI가 생성한 정상 테스트에서는 오디언스 적합도, 콘텐츠 진정성, 커머스 신호가 높은 샘플 크리에이터 Nano Routine Lab이 상위에 오르는지 확인했습니다. 평균 조회수나 커머스 신호, 비용이 비어 있을 때는 경고를 표시하되 가능한 범위에서 계산을 계속하도록 구성됐습니다. 숫자 필드에 문자열이 들어오면 종료 코드 2와 함께 행 번호와 필드명을 출력했습니다.
가장 중요한 제한도 명시했습니다. 실제 내부 매출, CAC, 재구매 데이터가 없으므로 인플루언서 활동과 매출의 인과관계를 증명했다고 말하지 않았습니다. 공개 자료와 샘플 데이터로는 검증 가능한 가설과 다음 실험까지만 제시했습니다.
실제 제출 2: 마이리얼트립 여행 의사결정 플러그인
마이리얼트립에는 첫 여행의 시작과 항공권 구매 직전의 문제를 하나의 루프로 묶었습니다.
첫 여행자는 “다른 사람들은 무엇부터 예약하지?”, “계획을 어디까지 세워야 하지?”에서 막힙니다. 큰 방향을 정한 뒤에는 날짜, 도시, 가격 탭을 계속 바꾸며 더 좋은 선택이 있는지 반복 검색합니다. AI는 이 두 문제를 각각 일정 생성과 최저가 검색으로 떼지 않고, 결정 순서와 검색 중단 조건을 알려주는 하나의 플러그인으로 묶었습니다.
입력에는 여행 경험, 계획 성향, 예산, 날짜, 후보 도시, 직항 선호를 받도록 생성됐습니다. 첫 여행자에게는 목적·예산·날짜·도시·항공권 순서로 무엇을 먼저 정할지 Guidance Mode를 제공했습니다. rank_flight_options.py는 후보를 book-now, shortlist, explore-nearby-date, deprioritize로 분류하고, 최종 리포트는 전체 후보를 다시 뒤지지 않도록 다음 검색 조건을 2~3개로 제한했습니다.
AI가 만든 샘플에는 8월 중 5~7일, 70만원 이하, 후쿠오카·오사카·삿포로·타이베이, 직항 선호 조건이 들어갔습니다. 생성된 테스트는 가격이 낮고 직항이며 피로도가 낮은 후쿠오카 후보가 1위에 오는지 확인했습니다. 직항 여부나 소요시간이 비어도 경고 후 계산을 계속하고, 가격이 숫자가 아니면 오류 위치를 구체적으로 알려줬습니다.
실제 제출 3: 삼일PwC CEO 고민 탐지 플러그인
삼일PwC에는 원장, 현금흐름, 원가배부, 미수금 데이터가 서로 떨어져 있을 때 CEO나 CFO가 놓칠 수 있는 경영 신호를 찾는 플러그인을 제출했습니다.
겉으로 매출이 성장해도 승인자 없는 수동 매출이 섞여 있을 수 있습니다. 손익계산서가 흑자여도 지급 약정과 급여를 반영한 현금은 부족할 수 있습니다. 표준 원가로는 이익인 제품이 실제 기계 시간을 재배부하면 손실일 수 있고, 장기 미수에는 분쟁이 숨어 있을 수 있습니다.analyze_enterprise_signals.py는 이런 신호를 계산하고, 결과를 fact, inference, why it matters, evidence row, confidence, data-quality limit로 분리했습니다. generate_ceo_brief.py는 가장 중요한 고민과 함께 1차·2차·3차 검토 책임자가 무엇을 확인할지 SOP를 제안했습니다.
AI가 생성한 샘플 데이터에는 1.85억원의 승인 없는 수동 매출, 음수 유동성, 실제 원가 재배부 시 손실로 바뀌는 제품, 104일 장기 미수와 분쟁이라는 4개 이슈가 의도적으로 들어갔습니다. 테스트는 4개 신호가 모두 탐지되는지, 각 이슈에 근거 행과 검토 담당자가 있는지, CEO 브리프에 신뢰 프로토콜이 포함되는지 확인했습니다.
이 제출물에서도 감사 의견이나 실제 기업 진단처럼 과장하지 않았습니다. 합성 데이터에서 문제를 발견하고 확인 절차를 제안하는 도구라고 범위를 제한했습니다.
AI에게 맡긴 일과 내가 실제로 한 일
이번 과제에서 AI는 공개 자료 탐색, 문제 구조화, 플러그인 폴더 설계, 스킬 문서와 README, 점수화 기준, Python 스크립트, 샘플 데이터, 테스트 작성, ZIP 구조 검증까지 사실상 결과물 제작의 전 과정을 맡았습니다.
제가 실제로 한 일은 훨씬 단순했습니다. 먼저 6개 기업의 유튜브 인터뷰 스크립트를 스크랩했습니다. 스크립트를 별도로 재작성하거나 핵심만 요약하지 않고 그대로 AI 입력으로 넘겼습니다. 그다음 AI가 제안한 기업과 문제 구조를 화면에서 확인하고, 생성과 검증을 계속 진행하도록 몇 번 클릭했습니다. 마지막에는 완성된 ZIP과 답안을 프라이머 제출 화면에 올리고 제출 버튼을 눌렀습니다.
따라서 이 결과를 “제가 직접 3개 플러그인을 개발했다”라고 표현하는 것은 정확하지 않습니다. 제출 답안에 나온 ‘직접 판단’은 구현을 손으로 했다는 뜻이 아니라, AI가 제시한 방향을 승인하거나 다음 단계로 넘기는 수준의 선택에 가까웠습니다. 코드 작성, 파일 생성, 테스트와 패키징은 AI가 수행했고, 저는 클릭을 통해 그 작업을 연결했습니다.
예선 안내에는 전체 AI 작업 로그를 편집 없이 제출해야 한다는 조건이 있었습니다. 이번 방식에서는 오히려 AI가 실제로 문제를 정의하고 결과물을 만든 과정이 로그에 그대로 남았습니다. AI 사용을 감추기보다 유튜브 스크립트를 입력으로 넣고, AI가 조사·구조화·구현·검증까지 수행한 전체 과정을 제출한 셈입니다.
실제 진행 일정과 제출 과정
실제 진행 과정은 복잡한 개발 일정이라기보다 짧은 AI 작업 흐름에 가까웠습니다.
- 조코딩과 조코딩AX파트너스 유튜브에 공개된 6개 기업 인터뷰의 스크립트를 스크랩했습니다.
- 스크립트 원문을 별도로 정리하지 않고 그대로 AI에게 전달했습니다.
- AI에게 기업별 실제 문제를 공개 자료로 조사하고, 제출 가능한 Codex 플러그인으로 만들도록 요청했습니다.
- AI가
plugin.json,SKILL.md, 실행 스크립트, 샘플 입력, 테스트, README, 답안 5문항과 ZIP 파일을 생성하고 검증했습니다. - 저는 생성된 결과를 화면에서 확인하고 몇 번의 클릭으로 3개 기업 제출 화면에 업로드했습니다.
즉 스크립트 수집 이후 문제 정의부터 구현, 테스트, 제출 파일 구성까지 사람이 파일을 하나씩 편집한 과정은 없었습니다. 모든 결과물은 AI가 만들었고, 저는 클릭으로 작업을 진행하고 최종 제출까지 완료했습니다. 이번 참여의 핵심은 개발 실력을 보여주는 것보다, 공개된 인터뷰 맥락을 AI에게 통째로 넘겼을 때 실제 평가 가능한 산출물까지 도달할 수 있는지를 확인한 데 있었습니다.
제출 기록을 보면 메디테라피와 마이리얼트립은 2026년 7월 9일 20시 22분, 삼일PwC는 20시 23분에 제출했습니다. 마감은 7월 10일 23시 59분이었으므로 약 하루의 여유를 남겼습니다. 여러 트랙에 낼 때는 마감 직전까지 기능을 늘리는 것보다, ZIP 구조와 답안 정합성을 점검할 시간을 남기는 편이 낫다고 판단했습니다.
실제 제출 화면과 토큰 사용량 추정
아래 캡처는 프라이머에 남아 있는 세 기업의 실제 제출 화면입니다. 메디테라피와 마이리얼트립은 2026년 7월 9일 20시 22분, 삼일PwC는 같은 날 20시 23분에 ‘제출 완료’로 기록돼 있습니다. 그래서 일정표에는 준비 기간 전체를 성공처럼 표시하지 않고, 실제 제출이 발생한 7월 9일 하루에만 체크했습니다.
정확한 사용량 명세를 따로 내려받아 보관하지는 않아 토큰 수를 확정할 수는 없습니다. 다만 기업 인터뷰 스크립트 3개, 공개 자료 조사, 기업별 5문항 답안, 코드·README·테스트·샘플 데이터 생성, 오류 수정과 ZIP 검증 과정에서 오간 입력과 출력을 합치면 세 제출물 전체 약 20만~30만 토큰을 사용한 것으로 추정합니다. 기업 하나당 대략 7만~10만 토큰 수준입니다.
이 수치는 결제 내역의 확정값이 아니라 작업 규모와 반복된 문맥을 기준으로 잡은 범위입니다. 캐시된 입력을 포함하는지, 도구 출력과 재시도 내용을 어떤 방식으로 계산하는지에 따라 실제 표시값은 달라질 수 있습니다. 중요한 점은 이 정도 분량의 결과물이 사람이 파일을 하나씩 작성해서 나온 것이 아니라, 스크립트를 AI에 전달한 뒤 생성과 검증을 몇 번 클릭해 이어 간 결과라는 것입니다.
실제 제출이 기록된 7월 9일만 체크했습니다.
결과: 본선 확정이 아닌 예비 후보, 그리고 AI 인재 선정
운영팀 메일에 따르면 이번 예선에는 5,300여 명이 참가했습니다. 저는 메디테라피 트랙 상위 성적으로 본선 예비 후보에 선정됐습니다. 본선 진출 확정자가 불참할 경우 성적 순번에 따라 2026년 7월 18일 오프라인 본선에 참여할 수 있는 상태였습니다.
또한 예비 후보 여부와 별개로 예선 상위 성적자 ‘AI 인재’에 선정됐다는 안내를 받았습니다. 최종 본선 진출이라는 가장 선명한 결과까지는 도달하지 못했지만, 적어도 공개 근거에 기반한 문제 정의와 구현·검증 방식이 상위권 평가를 받았다는 신호로 받아들였습니다.
메일을 확인한 뒤에는 결원이 생겨 참석 기회가 돌아올 경우 참여하겠다는 승계 의사 제출도 완료했습니다. 아직 본선 참석이 확정된 것은 아니지만, 실제로 참석하게 된다면 현장에서 어떤 문제가 주어졌고 어떤 방식으로 풀었는지 후기도 이어서 남겨 보겠습니다.
아래에는 실제로 전달받은 선정 이메일 화면도 함께 첨부했습니다. 공개 글에 필요한 결과 문구는 그대로 남기고, 개인 이름과 프로필 사진, 이메일 주소처럼 개인을 식별할 수 있는 부분만 모자이크 처리했습니다.
아쉬운 점도 있습니다. 3개 결과물을 병렬로 만들면서 각 플러그인의 실제 사용자 경험과 시각적 완성도까지 충분히 끌어올리지는 못했습니다. 내부 데이터 없이 만든 합성 시나리오는 재현성은 좋지만, 현업에서 점수 가중치가 맞는지는 별도의 인터뷰와 실데이터 검증이 필요합니다. 다음에 비슷한 대회에 참여한다면 3개 가운데 가장 강한 1~2개를 더 일찍 정하고, 실제 사용 흐름과 평가 지표를 더 깊게 다듬을 것 같습니다.
다시 지원한다면 유지할 것과 바꿀 것
유지할 전략은 세 가지입니다.
- 기업 인터뷰는 정답지가 아니라 평가자가 중요하게 보는 사고방식을 읽는 자료로 사용합니다.
- 공개 자료로 실제 병목을 입증하고, 플러그인은 그 병목의 반복 판단을 줄이는 데 집중합니다.
- 사실, 추론, 신뢰도, 한계를 분리하고 정상·예외 상황을 모두 테스트합니다.
바꿀 점도 세 가지입니다.
- 기업 수를 먼저 늘리기보다 가장 강한 문제 하나의 실제 사용성을 먼저 완성합니다.
- 샘플 데이터뿐 아니라 공개 데이터나 사용자 인터뷰로 점수 가중치의 타당성을 더 검증합니다.
- 결과 리포트 외에도 사용자가 입력하고 수정하며 다시 실행하는 흐름을 더 직관적으로 만듭니다.
지원을 고민하는 사람에게 남기고 싶은 체크리스트
비슷한 AX 해커톤이나 AI 채용 과제를 준비한다면 아래 순서가 도움이 됩니다.
- 기업이 말한 인재상을 키워드로 베끼지 말고, 평가자가 어떤 판단 과정을 보고 싶어 하는지 해석합니다.
- 기업 공식 자료, 제품 블로그, 채용 공고에서 반복되는 업무와 병목을 찾습니다.
- 문제를 “AI 챗봇 만들기”가 아니라 입력, 판단, 출력, 다음 행동으로 구체화합니다.
- 점수나 추천의 근거를 사람이 추적할 수 있게 만듭니다.
- 데이터가 부족할 때 단정하지 않고 누락 필드와 낮은 신뢰도를 표시합니다.
- 정상 사례뿐 아니라 빈 값, 잘못된 형식, 경계값을 테스트합니다.
- README, 답안, 실행 결과, AI 로그가 서로 같은 이야기를 하는지 확인합니다.
- 마감 직전에는 기능 추가보다 제출 구조와 재현성을 점검합니다.
이번 결과에서 가장 크게 느낀 점은 이제 결과물을 만드는 진입 장벽이 크게 낮아졌다는 것입니다. 유튜브 스크립트를 스크랩해 그대로 AI에게 전달하고 몇 번 클릭했을 뿐인데, 3개 기업의 문제 정의, 실행 코드, 테스트, README, 제출 답안과 ZIP까지 만들어졌습니다. 그중 메디테라피 결과물이 5,300여 명이 참가한 예선에서 본선 예비 후보 평가를 받았습니다. 직접 코드를 작성하지 않았다는 사실보다, AI가 읽을 맥락을 제공하고 결과 생성부터 제출까지 끊기지 않게 진행한 것이 실제 결과로 이어졌습니다.
본선 승계 여부와 무관하게 이번 제출물은 좋은 포트폴리오가 됐습니다. “AI를 사용할 줄 안다”는 말을 하는 대신, 실제 기업 문제를 공개 근거로 정의하고 작동하는 결과물과 테스트로 설명해 본 경험이 남았기 때문입니다.
자주 묻는 질문
Q1. 조코딩 AX 인재전쟁 본선에 최종 합격한 건가요?+
아닙니다. 결과 메일 기준으로 메디테라피 트랙의 본선 예비 후보입니다. 확정자 중 불참자가 생길 때 성적 순번에 따라 참여 기회가 생기는 상태였고, 별도로 예선 상위 성적자 ‘AI 인재’에 선정됐습니다.
Q2. 몇 개 기업에 제출했나요?+
메디테라피, 마이리얼트립, 삼일PwC 3개 기업에 각각 별도의 Codex 플러그인과 답안 5문항을 제출했습니다.
Q3. 개발자가 아니어도 지원할 수 있었나요?+
공식 안내상 개발자, 기획자, 디자이너, 학생 등 전공과 경력에 제한을 두지 않았습니다. 다만 예선에서는 실제로 작동하는 플러그인과 검증 로그를 제출해야 하므로 AI 도구를 실행과 검증까지 이어가는 능력이 필요했습니다.
Q4. 기업 인터뷰 영상의 문제를 그대로 풀었나요?+
아닙니다. 영상은 기업이 원하는 AX 인재상과 본선 문제 방향을 이해하는 데 참고했습니다. 예선에서는 공개 자료로 기업의 실제 문제를 별도로 입증하고 그 문제를 해결하는 플러그인을 제출했습니다.
Q5. 가장 효과적이었다고 생각하는 전략은 무엇인가요?+
공개 근거, 온톨로지, 명시적 점수 기준, 신뢰도와 한계, 다음 행동이라는 공통 프레임을 세운 뒤 기업별 도메인 판단 기준을 새로 설계한 것입니다. 결과를 과장하지 않고 예외 상황까지 테스트한 점도 중요했습니다.
Q6. 플러그인 코드를 직접 작성했나요?+
아닙니다. 제가 한 일은 기업 인터뷰 유튜브 스크립트를 스크랩해 그대로 AI에게 전달하고, AI가 생성·검증한 결과물을 확인한 뒤 제출 화면에서 몇 번 클릭한 것입니다. 플러그인 코드, README, 테스트, 답안과 ZIP은 AI가 만들었고 제출까지 클릭 중심으로 진행했습니다.
Q7. 본선 참석 의사는 제출했나요?+
네. 메디테라피 트랙 예비 후보로서 결원이 생길 경우 참석하겠다는 승계 의사를 제출했습니다. 다만 이는 참석 확정이 아니라 예비 후보 의사 확인 단계이며, 실제 참석하게 되면 별도의 본선 후기를 남길 예정입니다.
출처
- 조코딩 AX 인재전쟁 공식 페이지: https://hackathon.jocodingax.ai/
- 메디테라피 인터뷰: https://www.youtube.com/watch?v=1KwyhyBo0Rs
- 마이리얼트립 인터뷰: https://www.youtube.com/watch?v=qGMVO0tjjGE
- 무신사 인터뷰: https://www.youtube.com/watch?v=OLAWeIuiD5Y
- 채널톡 인터뷰: https://www.youtube.com/watch?v=5iRf37Z8Wd4
- 삼일PwC 인터뷰: https://www.youtube.com/watch?v=y0SsTKDt8tQ
- 카카오페이증권 인터뷰: https://www.youtube.com/watch?v=aBuoojGjyf4
- 메디테라피 제출 근거: https://blog.featuring.co/case-study-campaign-meditherapy-2026
- 마이리얼트립 제출 근거: https://medium.com/myrealtrip-product/
- 삼일PwC 제출 근거: https://www.pwc.com/kr/ko/press-room/2026/20260121.html
'AI' 카테고리의 다른 글
| Kimi 3.0 출시? 공식명 Kimi K3 핵심 기능과 사용법 (1) | 2026.07.17 |
|---|---|
| 젠스파크(Genspark)란? 2026년 요금과 10,000 크레딧, 예전에 쓰고 지금은 안 쓰는 이유 (2) | 2026.07.16 |
| NotebookLM으로 영상 만들기: 실제 품질 후기와 간단한 사용법 (1) | 2026.07.15 |
| Ouroboros 완벽 가이드 (0) | 2026.07.15 |
| Cerebras, Upstage와 파트너십 체결 (0) | 2026.07.14 |
