AI QA 채용 공고 해부 — 요구 역량을 이 커리큘럼의 레슨으로 매핑하기

개념

공고가 어려워 보이는 진짜 이유

AI QA 공고를 처음 열면 보통 이런 문장이 줄지어 있다. "AI 모델 품질 검증", "LLM 애플리케이션 테스트 자동화", "데이터 파이프라인 검증", "평가 데이터셋 설계". 열 줄쯤 읽으면 "나는 안 되겠다"는 결론이 난다.

그런데 이 문장들이 어려운 이유는 내용이 어려워서가 아니라 단위가 뭉쳐 있어서 다. "AI 모델 품질 검증"은 한 덩어리로 보면 막막하지만, 쪼개면 "무엇을 품질이라 부를지 정하는 일 + 그것을 측정 가능한 판정 기준으로 쓰는 일 + 여러 번 돌려 통계로 판단하는 일"이다. 셋 다 이 커리큘럼 안에 레슨으로 있다.

이 레슨은 공고를 덩어리에서 학습 단위로 되돌리는 작업 이다. 참고로 모듈 44(QA 조직 운영과 품질 컨설팅)는 같은 주제를 뽑는 쪽 에서 다룬다. 이 레슨은 지원하는 쪽 이다.

공고는 문장이 아니라 다섯 개의 블록이다

거의 모든 국내 공고는 같은 다섯 블록으로 되어 있다. 블록마다 읽는 목적이 다르다.

직함부터 읽지 않는다. 레슨 3(역할 카탈로그)에서 봤듯이 같은 "AI QA 엔지니어"라는 이름이 회사마다 전혀 다른 일을 가리킨다. 주요 업무를 먼저 읽고 산출물을 확인한 다음에 직함을 본다.

자격 요건과 우대 사항은 쓰임이 다르다

둘 다 "요구 사항"처럼 보이지만 인사 담당자가 쓰는 방식이 다르다.

현실적인 기준은 이렇다. 자격 요건의 70% 정도를 실제 근거로 설명할 수 있으면 지원한다. 100%를 채우고 지원하려 하면 그 공고는 이미 닫혀 있다. 반대로 30%만 채우고 지원하면 시간만 쓴다. 그리고 "AI 관련 경험"이 자격 요건이 아니라 우대 사항 칸에 있는 공고 가 신입에게는 가장 현실적인 문이다.

연차 표기도 액면 그대로 읽지 않는다. "3년 이상"은 대체로 "혼자 한 기능의 테스트를 끝까지 책임져 본 사람"을 뜻한다. 레슨 7의 실습 한 바퀴는 그 책임의 축소판이므로, 연차가 모자라도 같은 종류의 결과물 을 보여 주면 대화가 시작된다.

문구를 역량으로 분해하는 3단계

한 문구를 만나면 늘 같은 세 질문을 던진다.

① 이 문구를 쓴 사람은 무엇을 걱정하고 있는가?   (문제)
② 그 걱정을 없애려면 매주 무엇을 만들어 내야 하는가?  (산출물)
③ 그 산출물을 만들려면 무엇을 배워야 하는가?    (학습 단위 = 모듈)

"LLM 애플리케이션 테스트 자동화"로 해 보자. LLM 은 Large Language Model, 즉 사람 말로 묻고 답하는 거대 언어 모델이다.

• ① 걱정: 같은 질문에 매번 다른 답이 나오는 기능을 어떻게 "통과/실패"로 판정하고, 그 판정을 매일 자동으로 돌릴 것인가
• ② 산출물: 판정 기준이 적힌 평가셋(입력과 기대 조건의 모음), 그 기준으로 채점하는 실행 스크립트, 결과를 남기는 기록과 대시보드
• ③ 학습 단위: 비결정적 출력을 통계로 판정하는 법(m18b) + 자동화 구조와 CI 연동(m11·m13·m14) + 기준을 파이프라인으로 운영하는 법(m38)

세 질문을 통과시키면 문구 하나가 모듈 서너 개 로 바뀐다. 그러면 "무엇을 공부해야 하나"가 답이 된다.

자주 나오는 문구 → 이 커리큘럼의 모듈

아래 표의 왼쪽은 국내 QA·AI 관련 공고에서 반복적으로 등장하는 표현을 모은 것이다(특정 회사의 문장을 그대로 옮긴 것이 아니라 여러 공고에 공통으로 나오는 표현을 정리했다). 오른쪽은 이 저장소에 실제로 존재하는 모듈이다.

표를 읽는 요령이 하나 있다. 굵게 표시된 모듈이 두 개 이상 겹치는 행 이 그 공고의 무게중심이다. 위 표에서 m18b와 m38이 반복해서 나오는데, 실제로 국내 AI QA 공고의 요구 사항 대부분은 이 두 덩어리 — "AI가 만든 결과를 판정하는 기준"과 "그 기준을 파이프라인으로 운영하는 일" — 로 수렴한다.

스테이지 6 "AI 시대의 QA" 모듈 여섯 개

공고 매핑에 쓰는 AI 모듈은 여섯 개다. 각각의 성격과 현재 집필 상태는 다음과 같다.

m18a와 m18b의 차이는 신입이 가장 많이 헷갈리는 지점이다. AI로 테스트하기(m18a) 와 AI를 테스트하기(m18b) 는 이름만 비슷할 뿐 전혀 다른 일이다. 공고의 주요 업무를 읽고 둘 중 어느 쪽인지 먼저 판정하면 나머지 해석이 쉬워진다.

순서가 고민된다면 이 저장소의 AI QA 트랙 이 정해 둔 순서를 그대로 쓰면 된다. m03(테스트 설계 기법) → m09(QA를 위한 개발 지식) → m11(자동화 전략) → m18a → m18b → m18c → m38 → m13(UI 자동화)이다. AI 모듈이 앞이 아니라 중간에 있다는 점을 눈여겨본다. 설계와 개발 기초 없이 AI 모듈부터 시작하면 용어는 늘어도 판정은 못 한다.

신입이 지금 갖출 수 있는 것과 없는 것

공고의 모든 항목을 신입이 채울 수는 없다. 채울 수 있는 것에 시간을 쓰고, 채울 수 없는 것은 솔직하게 말하는 방법 을 준비한다.

모르는 것을 아는 척하는 것이 가장 큰 감점이다. "그 부분은 해 본 적이 없습니다. 대신 비슷한 구조의 이 일을 이렇게 해 봤습니다" 가 신입에게 가장 강한 답변 형식이다.

공고 한 건을 읽고 나서 남기는 것

읽고 끝내면 남는 게 없다. 공고 하나마다 한 장짜리 대조표를 남긴다.

[공고] AI 서비스 QA 엔지니어 / 신입~3년 / 과제 전형 있음
[무게중심] AI를 시험 대상으로 (m18b·m38 쪽)
 
주요 업무 문구            → 요구 역량            → 모듈    → 내 상태
1 LLM 응답 품질 평가        판정 기준·통계적 판단   m18b     ○ 평가셋 30문항 만들어 봄
2 평가 자동화 구축          실행·기록 자동화        m14/m38  △ 스크립트는 돌려 봄, CI 미경험
3 데이터 정합성 확인        수집·적재 단계 검증     m18b/m39 ✕ 미경험
4 결함 리포트·재현          재현 절차 작성          m06      ○ 실습 5건
 
[지원 판단] 자격 요건 4개 중 3개 설명 가능 → 지원
[다음 4주 계획] 3번 공백을 m18b 데이터 품질 레슨 + 공개 데이터셋 실습으로 메운다

○·△·✕ 세 칸으로 나누는 것이 핵심이다. △와 ✕가 그대로 다음 달 학습 계획이 되고, ○는 그대로 자기소개서 문장이 된다.

실무에서 왜 필요한가

공고 해석은 취업 준비생만의 기술이 아니다. 시장이 요구하는 것이 무엇인지 알려 주는 가장 정확한 신호 라서 재직자도 분기에 한 번은 읽는다. 작년까지 우대 사항이던 "AI 활용 경험"이 올해 자격 요건으로 올라가는 식의 이동이 공고에는 먼저 나타난다.

또 공고를 모듈로 분해해 두면 학습 우선순위 다툼이 사라진다. "자동화를 먼저 할까 AI를 먼저 할까" 같은 고민은 공고 다섯 건을 분해해 보면 대개 저절로 정리된다. 다섯 건 모두에 나오는 항목이 1순위고, 한 건에만 나오는 항목은 나중이다. 팀의 역량 계획을 세울 때도 같은 방식이 그대로 쓰인다.

채용시장에서의 위치

AI QA 공고에서 신입이 가장 자주 하는 실수는 AI 쪽 단어만 강조 하는 것이다. 그런데 이 공고들이 요구하는 능력의 절반 이상은 여전히 기본기 — 요구사항을 판정 기준으로 바꾸고, 재현 가능한 결함을 쓰고, 결과를 기록으로 남기는 일 — 다. AI는 그 기본기를 새로운 대상 에 적용하는 것이지, 기본기를 대체하지 않는다.

그래서 서류와 면접에서 가장 강한 조합은 이렇다. 기본기 증거 하나(레슨 7의 한 바퀴) + AI 대상 증거 하나(작은 평가셋과 그 판정 기준). 두 번째가 있으면 "AI 관심 있다"가 아니라 "AI를 대상으로 판정해 봤다"가 된다. 신입 지원자 사이에서 이 차이는 매우 크게 벌어진다.

자격증은 이 영역에서도 보조다. ISTQB CT-AI 같은 AI 테스팅 자격은 학습 범위의 목록으로는 유용하지만, 평가셋 하나를 직접 만들어 본 기록을 이기지는 못한다.

실습 과제

과제 1 — 공고 세 건 분해하기 (60분)

국내 채용 사이트에서 AI 관련 문구가 들어간 QA 공고 세 건을 고른다. 각 공고를 다섯 블록으로 나누고, 주요 업무 문구를 위 매핑표의 오른쪽 모듈로 대응시킨다. 세 공고에서 공통으로 나오는 모듈 을 표시하고, 그 모듈이 몇 개인지 센다. 보통 3~4개로 줄어든다.

과제 2 — 대조표 한 장 만들기 (30분)

세 건 중 가장 가고 싶은 공고 하나를 골라 "공고 한 건을 읽고 나서 남기는 것" 형식의 대조표를 만든다. 주요 업무 문구마다 ○·△·✕를 매기고, ✕ 항목 두 개에 대해 다음 4주 안에 채울 수 있는 구체 행동을 한 줄씩 적는다. 행동은 "공부한다"가 아니라 "무엇을 만든다"로 쓴다.

과제 3 — 작은 평가셋 만들기 (60분)

누구나 쓸 수 있는 공개 LLM 서비스 하나를 골라, 한 가지 용도(예: 한국어 문장 요약)에 대한 평가셋을 만든다. 입력 20개와 각각의 기대 조건 을 적는다. 기대 조건은 "좋은 답"처럼 모호하면 안 되고 "원문에 없는 고유명사가 등장하지 않는다", "세 문장 이내" 처럼 통과·실패를 가를 수 있어야 한다. 같은 입력을 3회씩 돌려 통과율을 적고, 통과율이 100%가 아닌 항목에 대해 결함인지 기준 문제인지 판정한다.

자가 체크리스트

• 공고를 다섯 블록으로 나누고 주요 업무부터 읽는 순서를 지킬 수 있다
• 자격 요건은 필터, 우대 사항은 정렬이라는 차이를 설명할 수 있다
• 문구를 "걱정 → 산출물 → 학습 단위" 세 질문으로 분해할 수 있다
• "AI 모델 품질 검증", "LLM 애플리케이션 테스트 자동화", "데이터 파이프라인 검증"을 각각 어느 모듈로 보내야 하는지 말할 수 있다
• m18a(AI로 테스트하기)와 m18b(AI를 테스트하기)의 차이를 한 문장으로 설명할 수 있다
• 스테이지 6 AI 모듈 여섯 개의 id를 말하고 m57이 준비 중임을 안다
• 신입이 지금 갖출 수 있는 항목과 회사 안에서만 가능한 항목을 구분할 수 있다
• 공고 한 건에 대해 ○·△·✕ 대조표를 만들고 다음 4주 계획을 뽑아 봤다

흔한 실수

• 직함만 보고 거른다. "AI"가 안 붙은 QA 공고의 주요 업무에 AI 검증이 들어 있는 경우가 흔하다. 반대도 마찬가지다. 직함은 마지막에 본다.
• 자격 요건을 100% 채우려 한다. 70% 선에서 지원하고, 나머지는 면접에서 "대신 이런 경험이 있다"로 연결한다.
• 우대 사항을 무시한다. 신입에게는 우대 사항 칸이 유일한 차별화 지점이다. 하나만 채워도 순위가 바뀐다.
• AI 단어만 외운다. 환각·RAG·드리프트를 말할 줄 알아도 "그래서 통과·실패를 어떻게 가르나요"에 답하지 못하면 거기서 끝난다. 판정 기준이 핵심이다.
• 공고를 읽고 아무것도 남기지 않는다. 대조표 한 장을 남겨야 다음 공고를 읽는 시간이 줄고 학습 계획이 생긴다.
• 없는 경험을 있는 것처럼 말한다. AI 영역은 한두 질문만 들어가도 바로 드러난다. "원리는 알고 경험은 없다"가 훨씬 안전하고 실제로 통한다.
• 기본기를 건너뛰고 AI 모듈부터 본다. AI QA 트랙이 m03·m09·m11을 앞에 둔 이유가 있다. 설계와 코드 감각 없이는 AI 산출물을 판정할 수 없다.

참고 자료

• 원티드 — QA·테스트 엔지니어 채용 — 공고를 다섯 블록으로 분해하는 연습에 쓴다
• 사람인 — QA·테스터 직업별 채용정보 — 국내 공고 표본을 모으는 용도
• Indeed Korea — 소프트웨어 QA·테스트 채용공고 — 문구의 반복 패턴을 확인하기 좋다
• ISTQB — Certified Tester AI Testing (CT-AI) — AI 테스팅 자격의 실러버스 목차. 학습 범위 지도로 쓴다(모듈 m57 레슨 1에 대조표가 있다)
• 레슨 s2-m42-l03 — 역할 카탈로그(공고를 결과물로 해석하는 기준표)
• 레슨 s2-m42-l07 — 첫 90일 온보딩 실습(여기서 만든 산출물이 지원의 기본기 증거가 된다)
• 레슨 s2-m42-l06 — 역량 체계와 커리어 포트폴리오(대조표의 ○ 항목을 포트폴리오로 옮기는 법)