10/25 라이브가 끝나고 세어 보니 Q&A만 200개 가까이 받았습니다.
그중 가장 많이 겹친 묶음은, 취업과 이직, 그리고 이력서입니다.
그 이유는 명료해요. 특히나 데이터를 기반으로 하는 직군은 구조적으로 매우 불리한 환경에 있거든요 .
이런 현상을 이해할 때에는 거시적 분석이 도움됩니다. 간단하게 말하면, 수요와 공급을 나눠서 보는 거죠
공급 측면은 최근 엄청나게 증대되었어요 .
- 국가 차원에서 공급 증대가 있었죠. 2020년 들어 데이터 사이언스학과가 학사레벨에서 폭발적으로 생기기 시작했어요. 보통 학문이 주목받기 시작하면 대학원이 먼저 발생하는데요. (교수님이 학사보단 대학원생을 랩실에 놓고 가르치는게 적절하니까요) 대략 2017~2018년에 석사가 생겼고 이 석사 졸업생이 생기는 타이밍에 맞춰서 학사가 폭발적으로 늘었습니다. 그래서 2023년부터 졸업생이 나오기 시작했고 2026년은 1,2,3기 졸업생 그리고 군대를 다녀온 1~2기 졸업생이 쏟아진 시점이죠.
- AI덕에 진입장벽이 더 낮아졌고, DA양성코스들이 늘어나면서 인접 직군의 직무전환이 늘었습니다. 사실상 IT 지원자가 늘면 DA지원자가 느는 구조에요. 실제로 CX 매니저나 마케터에서 DA로 직군전환한 케이스를 저희 회사에서 볼 수 있어요.
수요측면은 급감했습니다.
- 애초에 DA 주니어의 성장 발판이 되었던, 작은 회사들(주로, 투자 Stage가 낮은 회사들)의 투자가 2022년부터 감소하기 시작했죠.
- AI업무 대체영역은 대부분 주니어 / 신입이 주로 맡게되는 일들의 특징이 “낮은 불확실성”의 일이에요. 그래서 신입/주니어의 수요가 급감했죠.
- 사실 그보다 근본적으로 자금 압박을 느낀 회사의 C-level(의사결정권자)들이 데이터 환상에서 벗어나기 시작했어요. 굳이 내재화된 데이터팀이 필요 없어졌거든요.
- 데이터 팀이 있다고 의사결정 질이 오르는게 아니라는 걸 깨닫는 경우
- GCP 등 플랫폼에 올리는게 DE한명을 채용하는 것보다 훨씬 저렴하다 (Big Data Is Dead)
이 현상을 정리하면 아래 장표와 같아요.
이건 단순 거시적 분석이 아니에요. 저희 DA 분석가 인턴을 뽑는데, 요즘도 저한테 이력서가 300건씩 옵니다.
그런데 이걸 많이 보다 보니 공통점이 보여요.
제목은 "클래스101에 지원하고 싶은 OOO입니다"로 시작하고, 회사 이름만 갈아 끼운 흔적이 보입니다.
자기소개서에는 클래스101에 꼭 맞는 것 같은 문장이 들어 있는데, 막상 읽어 보면 두루뭉술합니다.
AI로 썼다는 게 생각보다 쉽게 티가 나요.
그런데 제가 정말 두려운 건 따로 있습니다.
여러분이 AI로 이력서를 쓰는 동안, 반대편에서도 AI가 이력서를 읽기 시작했다는 점이에요.
- 국내 채용관리 솔루션 그리팅은 공고마다 선호·비선호 조건을 넣으면 AI가 지원자별 예상 점수와 추천 이유를 매겨 주는 'AI 서류평가'를 내놓았습니다.
- 잡코리아의 나인하이어는 평가 기준에 따라 지원서를 열어 보지 않고도 자동으로 분류하는 '지원자 스크리닝 자동화'를 출시했습니다.
- 링크드인의 Hiring Assistant는 채용 기준을 주면 수천 명의 지원자를 몇 분 안에 평가해 상위 후보를 올려 줍니다.
- 전자신문 보도(2026년 1월)에 따르면 채용 담당자 154명에게 AI를 어디에 쓰는지 물었더니 서류 검토가 68.2%로 가장 많았고, 2025년에 제출된 자기소개서의 64.4%가 생성형 AI로 쓴 것으로 추정됩니다. AI 작성이 의심되는 자기소개서를 잡아내는 기능의 사용률도 66.6% 늘었습니다.
물론 AI가 모든 이력서를 혼자 자르는 단계는 아직 아닙니다.
대부분은 점수와 순서를 매기고, 사람이 그 순서대로 봅니다.
하지만 300건이 쌓인 날, 뒤쪽 순서에 놓인 이력서까지 사람의 눈이 닿을지는 저도 장담하지 못합니다.
그럼 AI로 AI를 통과하는 이력서를 쓰면 되지 않냐고요?
어느 정도는 됩니다.
JD 키워드에 맞춘 그럴듯한 문장은 AI도 잘 만들어 주니까요.
문제는 그다음입니다.
서류는 흉내 낼 수 있어도 면접은 흉내 낼 수 없어요.
이력서에 적은 문장은 전부 면접 질문으로 돌아오고, 거기서 걸리면 답이 없습니다.
그래서 이 글은 'AI한테 탈락당하는 이력서'의 특징 다섯 가지입니다.
미리 말씀드리면 다섯 가지는 사실 하나예요.
본질 대신 겉을 적은 이력서.
여기서 본질은 "이 사람은 문제를 구조적으로 생각하고, 팀에 러닝을 가져다줄 사람인가"입니다.
AI가 걸러내는 기준과 제가 걸러내는 기준은 생각보다 같습니다.
특징 1. JD에 답하지 않는다
받은 질문: "대학생, 취준생도 반복적으로 러닝을 얻고 실행해 보는 프로젝트를 할 수 있을까요? 실무 경험을 쌓기 전 단계라 어떤 프로젝트를 할 수 있을지 막막합니다."
회사를 안 가 봤으니 프로젝트를 할 수밖에 없다.
이게 문제처럼 보이죠.
그런데 본질은 프로젝트가 아닙니다.
채용하는 쪽이 원하는 건 "이 사람은 구조적으로 사고하고, 비즈니스에 영향을 줄 사람이겠구나"라는 기대감이에요.
그리고 면접관은 여러분이 회사에 안 가 봤다는 걸 이미 알고, 그걸 감안하고 봅니다.
그러니 같은 프로젝트라도 어떤 논리 순서로 서술했는지가 훨씬 중요합니다.
그 기대감을 주는 첫 관문이 JD입니다.
그럼 왜 하필 JD일까요.
면접관이 JD를 쓰는 경우는 두 가지뿐입니다.
- JD를 자기가 뽑으려는 의도대로 쓰지 않은 경우
- 뽑을 능력이 없거나 (사람을 잘 뽑는 건 원래 어려운 일입니다)
- 알려 줄 생각이 없거나
- 본인도 자기가 원하는 사람이 누구인지 모르거나
- JD를 자기 의도대로 쓴 경우
1번은 노이즈입니다.
지원자가 아무리 전략적으로 준비해도 풀 수 없어요.
여러분이 의도적으로 조정할 수 있는 건 2번뿐이고, 2번에서 면접관의 의도는 JD 문장에 그대로 적혀 있습니다.
JD에 답하는 건 내가 통제할 수 있는 유일한 변수에 집중하는 일이고, JD를 무시하는 건 내가 바꿀 수 있는 확률마저 스스로 버리는 일이에요.
그래서 JD와 상관없는 이력서는 그 자리에서 컷입니다.
그리고 이 컷을 점점 AI가 대신하고 있어요.
앞에서 본 그리팅의 AI 서류평가도 공고마다 입력한 선호·비선호 조건으로 점수를 매깁니다.
그 조건은 결국 회사가 원하는 사람을 글로 적은 것이고, 지원자가 볼 수 있는 그 글이 JD입니다.
그럼 무엇으로 답하느냐.
"나는 구조적으로 생각하는 사람이다, 팀에 러닝을 얻어다 주는 사람이다, 그 러닝을 비즈니스 임팩트로 잇는 사람이다."
이걸 말할 수 있어야 합니다.
그 말을 증명하는 틀이 전략적 생각 원칙이든 다른 프레임워크든 상관없습니다.
꼭 가고 싶은 회사라면 하나 더 해 보세요.
- 그 회사의 상황을 외부에서 조사해서, 그 회사에 있을 법한 데이터를 가상으로 만들어 봅니다.
- JD에 "대시보드를 만들 줄 알고 실험 분석을 할 줄 아는 분"이라고 적혀 있다면, 그 가상 데이터로 대시보드를 띄워서 "나라면 이 회사 상황에서 이렇게 만들겠다"를 보여 줍니다.
- 실험 분석도 마찬가지입니다. 그 회사가 실제로 했던 실험을 찾아내면 가장 좋고, 아니면 "이런 실험을 한다면 이렇게 분석하겠다"를 보여 줍니다.
- 분석에서 끝내지 말고 "이런 결론을 얻었으니 팀에 이런 액션을 제안하겠다"까지 갑니다.
다들 부트캠프 프로젝트를 써 오는 사이에 이런 이력서가 오면, 면접관은 "이 사람 진짜 진심이구나" 하고 한 번 더 읽게 됩니다.
참고로 4번의 '결론에서 액션까지' 흐름은 제가 제품 전략의 정석 1주차에서 실제 실험 리포트로 뜯어보는 내용이기도 해요.
AI가 먼저 보는 것도, 사람이 마지막에 보는 것도 JD에 대한 응답입니다.
JD의 어떤 문장을 골라 어떻게 답하는지는 여기에 더 자세히 적어 뒀습니다. → [취업] 이력서·면접·채용 전형 공략
특징 2. 'AI를 썼다'만 있고, 내가 판단한 곳이 없다
받은 질문: "취준생입니다. 요즘 AI가 너무 잘 나와서 저도 AI로 데이터 분석도 하고 포트폴리오도 만들고 있는데요. 신입에게도 이런 능력을 많이 요구할 것 같은데, 어떻게 풀어서 녹일 수 있을지 궁금합니다."
AI를 썼다는 것 자체는 이제 차별점이 아닙니다.
다들 쓰고 있어서요.
그래서 포트폴리오에서는 "AI를 쓰면서 내가 어디서 판단했는지"를 보여 주는 게 좋습니다.
왜 이 질문을 골랐는지, AI가 내놓은 결과 중에 이상해서 다시 확인한 게 무엇인지.
이런 흔적이 결과보다 훨씬 잘 읽힙니다.
반대로 판단의 흔적이 없는 이력서는 앞에서 말씀드린 그 두루뭉술한 이력서가 됩니다.
본인이 직접 쓰지 않으면 문장이 두루뭉술해지고, 두루뭉술한 문장을 보면 AI로 썼다는 걸 쉽게 알아차립니다.
사람도, AI도요.
AI를 쓴 흔적이 아니라, AI를 쓰면서 판단한 흔적을 남기세요.
특징 3. 설명하지 못하는 기법을 담았다
받은 질문: "AI 시대에 어떤 DA, 어떤 PM이 살아남고, 반대로 어떤 사람이 도태될까요?"
쉽게 대체되는 사람은 본인이 한 일이 무엇인지 설명하지 못하는 사람입니다.
저는 약간 흑백요리사 안성재 심사위원 마인드예요.
"파인다이닝을 준비해 오셨으면, 파인다이닝으로 평가합니다."
통계를 딥하게 강조해 오시면, 저는 통계를 딥하게 물습니다.
그런데 많은 분들이 이 리스크를 스스로 집니다.
그래야 포트폴리오가 화려해 보이니까요.
AI를 써서 이중차분법(DiD), 성향점수매칭(PSM), 합성통제법 같은 팬시한 기법을 버무려 오세요.
저도 거의 다 써 봤습니다.
그런데 써 봤다는 건 전혀 중요하지 않아요.
그걸로 어떤 결과를 이끌어냈는지를 말해야 합니다.
문제는 그것조차 본인이 모를 때입니다.
대화를 하다가 "그때 어떻게 판단하셨어요?"라고 물으면 돌아오는 답이 "클로드가 해 줬어요"인 경우가 있어요.
함께 라이브를 진행한 윤민정 CPO는 이걸 이렇게 정리했습니다.
AI 시대의 최악은 AI에게 판단을 위탁한 사람이고, 그게 드러나는 순간 분위기가 확 식는다고요.
판단을 위탁했다면 회사는 AI를 쓰면 되지, 굳이 그 사람을 뽑을 이유가 없으니까요.
그래서 AI를 쓰셨다면, 거기 쓰인 개념은 사후에라도 충분히 이해하고 오셔야 합니다.
SHAP을 썼다면 SHAP이 무엇인지 설명할 수 있어야 해요.
AI를 쓰기만 하고 이 과정을 건너뛰면, 내가 모르는 산출물이 쌓이는 '인지부채'가 생깁니다.
뒤로 갈수록 판단력이 흐려지고요.
저는 그게 가장 대체되기 쉬운 상태라고 생각합니다.
서류는 AI로 흉내 낼 수 있어도, 면접은 흉내 낼 수 없습니다. 이력서에 적은 모든 단어가 면접 질문이 되니까요.
특징 4. 커리큘럼을 옮겨 적었다
받은 질문: "비전공자이고 데이터 분석 부트캠프를 수료한 신입입니다. 취업할 때 어떤 프로젝트나 경험이 경쟁력이 있을까요?"
부트캠프에서 만드는 프로젝트는 대부분 획일화돼 있습니다.
내용이 "어떤 기술을 써 봤다"에 가깝고, 그런 이력서는 서류를 통과할 확률이 매우 낮아요.
같은 자리에서 윤민정 CPO도 많은 이력서를 봐 온 입장에서 같은 말을 했습니다.
부트캠프 이력서는 티가 매우 난다고요.
전환율을 분석했고, 전환율이 올랐고, AB 테스트를 했고, 통계적 유의성은 이렇다.
커리큘럼을 그대로 옮겨 놓은 것 같은 이력서라는 거죠.
회사가 신입 이력서를 의심의 눈초리로 보는 이유는 하나입니다.
현업 경험이 없는데, 정말 비즈니스에서 생기는 문제에 바로 투입될 수 있을까.
그 의심을 푸는 건 현실의 데이터를 다뤄 봤다는 경험입니다.
대부분 회사의 데이터는 공개 데이터셋처럼 깔끔하게 나오지 않아요.
그 지저분한 상황에서 무엇을 판단했는지가 쌓여야 합니다.
애매한 상황에서 판단하는 게 중요하지, 당연한 상황에서는 누구나 판단을 잘하고 AI도 판단을 잘합니다.
당연한 상황만 다룬 이력서는 그만큼 대체되기 쉬운 이력서예요.
커리큘럼은 모두가 같습니다. 차이는 커리큘럼 밖의 현실에서 내린 판단에서 나옵니다.
지저분한 현실 데이터에서 판단하는 연습을 하나 해 보고 싶다면, 클래스101에서 실제로 했던 실험으로 만들어 둔 글이 있습니다. → [Q&A] "데이터를 잘 보는 연습, 어떻게 하는 게 좋을까요?" (feat. 클래스101 실전사례)
특징 5. 결과만 있거나, 과정만 있다
받은 질문: "이직 준비로 포트폴리오를 구성하고 있는데, 분석 내용에서 결과로 이어지는 흐름을 잘 짜려다 보니 제 강점이 잘 드러나지 않는 것 같아요. 분석의 논리 전개보다 제 사고 흐름이 보이는 방식으로 바꾸는 게 면접관을 설득하기에 더 유리할까요?"
좋은 방향이에요.
다만 '사고 흐름'과 '결과' 중에 하나를 고르지 말고 둘을 이어 주세요.
둘은 양립할 수 없는 게 아닙니다.
사람이 글을 읽는 순서를 생각해 보세요.
위에서 아래로 내려가죠.
그렇다면 시선을 붙잡는 문장은 맨 위에 있어야 합니다.
- 뛰어난 결과를 한 줄로 먼저 보여 주고
- 그 결과에 도달한 과정을 요약해서 보여 주고
- 각 과정을 다시 펼쳐서 보여 주세요.
논리 전개와 사고 흐름은 다른 게 아니라고 생각합니다.
결국 내가 얼마나 구조적으로 사고해서 납득 가능한 결론을 냈느냐, 이 관점으로 보세요.
경력직이라면 하나 더 있습니다.
대시보드나 AI 분석 에이전트를 만들었다면, 그걸 만든 사실을 성과로 적지 마세요.
요즘 대시보드는 만드는 데 공수가 거의 안 들어서, 그 자체로는 아무 의미가 없습니다.
저도 클래스101의 AI 분석 환경을 설계했지만, 그게 제 성과라고 하고 다니지 않아요.
그로 인해 팀이 무언가를 믿고 실행하는 속도가 빨라졌으니, 그걸 성과라고 말합니다.
정량적으로 서술하는 데 집착하지 마시고, 그걸로 사람들이 어떻게 행동을 바꿨고 그래서 어떤 결과가 나왔는지까지의 과정을 서술하세요.
인과적으로 사실이냐보다 그 과정이 납득되느냐가 훨씬 중요합니다.
결과 한 줄로 붙잡고, 판단의 과정으로 납득시키세요.
맺으며
다섯 가지를 다시 보면 같은 이야기입니다.
JD 대신 내 스펙을, 판단 대신 AI를 썼다는 사실을, 설명할 수 있는 것 대신 화려한 기법을, 현실 대신 커리큘럼을, 과정 대신 숫자만 적은 이력서.
전부 본질 대신 겉을 적었습니다.
본질은 하나예요.
현실의 문제를 구조적으로 풀고, 팀에 러닝을 가져다준 판단의 흔적.
AI는 문장을 대신 써 줄 수는 있어도, 여러분이 내리지 않은 판단을 대신 만들어 주지는 못합니다.
여기까지 읽으면 "그럼 그 판단은 어디서 연습하나요?"라는 생각이 드실 거예요.
라이브에서 윤민정 CPO가 짚었던 딜레마가 바로 이것입니다.
경험이 없으니 현업의 문제를 풀 수 있다는 걸 증명할 수 없고, 증명할 수 없으니 경험을 얻지 못합니다.
제가 본 답은 하나였습니다.
사고의 틀은 배울 수 있다는 것.
토스에서 PM을 채용할 때 면접관으로 들어간 적이 있는데, 모든 지원자 중에서 가장 특출나 보였던 분은 토스 MAU를 만들 때 썼던 프레임워크 순서 그대로 대답했습니다.
이미 정해진 틀이었는데도요.
면접에서 '와우'가 나오는 지점은 결국 전략적인 사고방식이었습니다.
그 틀의 공개 버전은 아래 [전략적 생각 원칙] 시리즈에 있습니다.
그 틀을 클래스101의 실제 실험 리포트와 제품 사례에 한 단계씩 적용해 보는 과정은 제품 전략의 정석에서 다룹니다.
이력서를 고치기 전에, 판단의 틀부터 한 번 점검해 보세요.
함께 읽으면 좋은 글
- [⭐️실전사례] 실험에서 러닝을 얻는 데이터 리터러시 (feat. 클래스101의 Disco CRM 실험)
- [취업] 이력서·면접·채용 전형 공략
- [취업/이직/사전과제] 분석 계획서를 내라는데, 어떻게 써야 하죠?
- [데이터 환경] 클래스101의 AI 데이터 분석환경은 어떤가요? (feat. AI로 분석할 때 진짜 중요한 것)
[전략적 생각 원칙] 시리즈
- #1. 지적 게으름을 벗어나라: https://buly.kr/CWvFqML
- #2. 모든 문제는 맥락 속에 존재한다: https://buly.kr/2JpIx2t
- #3. 'R2'를 찾아야만, 문제를 정의할 수 있다: https://buly.kr/G3EPSgU
- #4-1. 세 가지 프레임워크로 문제를 정확하게 정의하라(1): https://buly.kr/1vSn2C
- #4-2. 세 가지 프레임워크로 문제를 정확하게 정의하라(2): https://buly.kr/CqGJBH
- #5. 언제든 처음으로 돌아갈 용기를 가져라: https://buly.kr/44yybOa