저자 | 마이클 므로츠카
번역자 | 핑촨
큐레이터 | 추싱주안
우리 모두 알다시피, ChatGPT는 사람들의 업무 방식에 혁신을 가져왔습니다. 소규모 기업이 관리 작업을 자동화하고 웹 개발자가 전체 React 컴포넌트를 작성하는 데 도움이 된다는 것은 아무리 강조해도 지나치지 않습니다.
여기 interviewing.io에서는 ChatGPT가 기술 면접에 어떤 변화를 가져올지 고민해왔습니다. 가장 큰 질문은 ChatGPT를 사용하면 면접에서 속임수를 쓰기가 쉬워질까요? TikTok의 동영상에서 한 엔지니어가 면접관의 질문에 정확하게 대답하기 위해 ChatGPT를 사용합니다:
1
이러한 유형의 부정 행위 소프트웨어에 대한 사람들의 초기 반응은 예상대로였습니다:
Redditor는 "ChatGPT는 코딩의 끝이라고 알려져 있습니다. "
유튜버는 "소프트웨어 엔지니어링은 죽었다, ChatGPT가 죽였다"라고 말합니다.
X(전 트위터 직원)는 "ChatGPT가 코딩 면접의 종말을 의미하나요?"라고 질문합니다.
ChatGPT가 면접 과정에 도움이 될 수 있다는 것은 분명해 보이지만, 궁금한 점은 다음과 같습니다:
어느 정도까지 도움이 될 수 있을까요?
속임수를 쓰는 것이 얼마나 쉬운가요?
리트코드 질문을 사용하는 기업은 면접 프로세스를 크게 변경해야 할까요?
이러한 질문에 답하기 위해 저희는 여러 전문 면접관과 사용자들을 모집하여 부정행위 실험을 진행했습니다! 아래에서 저희가 발견한 모든 것을 공유해드리겠습니다. 약간의 스포일러를 드리자면, 한 가지 알아두셔야 할 점은 기업들이 면접 질문의 유형을 당장 바꿔야 한다는 것입니다!
실험 준비
interviewing.io는 엔지니어를 위한 면접 연습 플랫폼이자 취업 마켓플레이스입니다. 엔지니어들은 저희 플랫폼을 사용하여 면접을 시뮬레이션합니다. 기업은 훌륭한 직원을 채용하기 위해 저희 플랫폼을 사용합니다. 저희 생태계에는 수천 명의 전문 면접관과 수천 명의 엔지니어가 면접을 준비하기 위해 저희 플랫폼을 사용하고 있습니다.
면접관
면접관은 전문 면접관 풀에서 선발됩니다. 이들은 세 그룹으로 나뉘며 각 그룹은 서로 다른 유형의 질문을 던집니다. 면접관들은 이 실험이 ChatGPT나 속임수에 관한 실험이라는 사실을 알지 못 했습니다. 저희는 면접관들에게 "이 연구의 목적은 특히 표준 및 비표준 면접 질문을 할 때 면접관의 시간 경과에 따른 의사 결정 경향을 이해하는 것입니다."라고 설명했습니다.
다음은 3가지 질문 유형입니다:
LeetCode 오리지널 질문: 면접관이 수정 없이 자신의 판단에 따라 LeetCode에서 직접 선택한 질문입니다.
예를 들어, LeetCode의 단어별 색상 정렬에 대해 묻는 질문이 있습니다.
수정된 리트코드 문제: 리트코드에서 원래 문제와 유사하지만 약간의 수정이 가해진 문제입니다.
예를 들어, 위의 색상 정렬 문제의 경우 입력을 정수 3개(0,1,2)에서 정수 4개(0,1,2,3)로 변경합니다.
사용자 지정 문제: 제안된 문제와 웹에 있는 기존 문제 사이에 직접적인 연결이 없습니다.
예를 들어, <사용자 이름>: <텍스트> - <기여도 점수> 형식의 로그 파일이 주어지며, 세션에서 참여도 중간값을 나타내는 사용자를 식별하는 것이 과제입니다. 기여도 점수가 50% 이상인 사용자만 고려됩니다. 이러한 사용자의 수가 홀수라고 가정하고 기여도 점수를 기준으로 정렬한 후 가운데에 있는 사용자를 찾아야 합니다. 다음 파일의 정답은 SyntaxSorcerer입니다.
문제 유형 및 실험 설계에 대한 자세한 내용은 면접관을 위한 실험 가이드 문서(https://docs.google.com/document/u/0/d/1UdWZHUQfeLR8oUiNY4JfwgES42HTlAQL5z_VfQJPPKk/edit)를 참조하세요.
면접관
면접관은 실제 사용자 풀에서 추첨하여 간단한 설문조사에 참여하도록 초대했습니다. 선정 기준은 다음과 같습니다:
- 현재 시장에서 적극적으로 일자리를 찾고 있음;
- 4년 이상의 경력을 보유하고 있으며 고위직에 지원 중입니다;
- ChatGPT 코드에 대해 중간 또는 높은 수준의 친숙도를 가지고 있음;
- 면접에서 들키지 않고 속임수를 쓸 수 있다고 믿는 지원자.
이 선별 방법은 면접에서 부정행위를 할 가능성이 있는 지원자를 식별하는 데 도움이 됩니다. 이들은 부정행위를 할 동기가 있고 이미 ChatGPT와 코딩 면접에 상당히 익숙합니다.
저희는 면접관들에게 면접에서 ChatGPT를 사용하여 부정행위를 할 수 있는지 테스트하기 위한 목적으로 면접에서 ChatGPT를 사용해야 한다고 말했습니다. 또한 자신의 실력으로 면접을 통과하려고 하지 말고 주로 ChatGPT에 의존하라고 말했습니다.
총 37건의 인터뷰를 진행했으며, 이 중 32건이 유효했습니다(참가자가 요구 사항을 이행하지 않아 5건을 제외해야 했습니다):
- 11개는 "원래 LeetCode 문제"로 진행되었습니다.
- "수정된 LeetCode 질문" 9개
- 12개는 "사용자 지정 문제"입니다.
참고: 저희 플랫폼은 익명성을 보장하기 때문에 인터뷰는 동영상이 아닌 오디오로만 진행됩니다. 익명성은 사용자가 누구의 평가도 받지 않고 빠르게 실패하고 배울 수 있는 안전한 공간을 만들기 위한 것입니다. 이는 사용자에게 좋은 점입니다. 하지만 인터뷰 영상이 없었다면 실험의 진정성이 떨어졌을 것이라는 점을 잘 알고 있습니다. 실제 면접에서는 카메라 앞에 있기 때문에 속임수를 쓰기가 더 어려워지지만, 속임수가 완전히 사라지지는 않습니다.
인터뷰가 끝나면 면접관과 피면접자 모두 출구 설문조사를 완료합니다. 면접자에게는 면접에서 ChatGPT를 사용하는 데 어떤 어려움이 있었는지 묻고, 면접자에게는 면접에 대한 우려 사항에 대해 질문하여 얼마나 많은 면접자가 자신의 면접을 문제가 있는 것으로 표시하고 부정행위가 의심되는 면접을 신고하는지 확인합니다.
후속 설문조사: 면접관의 질문
후속 설문조사: 면접관의 질문
실험에서 어떤 결과가 나올지는 알 수 없지만, 부정행위를 한 지원자 중 절반이 면접을 통과했다면 이는 업계에 시사하는 바가 큰 결과가 될 것입니다.
실험 결과
참가자들이 규정대로 면접을 진행하지 않은 면접을 제거한 후 다음과 같은 결과를 얻었습니다. 이 실험에 참여하지 않은 구직자들로 구성된 대조군은 면접.io 모의 면접에서 53%의 합격률을 보였습니다. 저희 플랫폼의 모의 면접은 대부분 LeetCode 스타일의 질문을 사용하는데, 이는 FAANG 기업들이 주로 묻는 질문이기 때문에 당연한 결과입니다. 이에 대해서는 잠시 후에 다시 설명하겠습니다.
1
"오리지널" 질문의 합격률은 플랫폼 평균 및 "맞춤" 질문보다 훨씬 높습니다. "원본" 문제와 "수정된" 문제의 차이는 통계적으로 유의미하지 않습니다. "사용자 지정" 문제는 다른 그룹보다 합격률이 현저히 낮았습니다.
원본 문제에서 가장 우수한 성과
당연히 원본 질문을 사용한 그룹이 73%가 면접에 합격하여 가장 좋은 성적을 거두었습니다. 면접 참가자들은 ChatGPT에서 완벽한 솔루션을 얻었다고 말했습니다.
이 그룹을 대상으로 면접 후 설문조사를 실시하여 얻은 가장 주목할 만한 의견은 다음과 같습니다. 많은 면접관들이 어떤 생각을 하고 있었는지 알 수 있는 내용이라고 생각합니다:
지원자가 해당 질문을 정말 잘해서 쉽게 대답할 수 있었는지, 아니면 이전에 들어본 적이 있어서 쉽게 대답할 수 있었는지 알기 어렵습니다. 두 가지를 구분하기 위해 질문을 한두 가지 변경하는 경우가 많습니다.
면접관은 종종 더 많은 정보를 얻기 위해 수정된 질문으로 후속 질문을 합니다. 따라서 '수정된 질문'을 사용한 그룹을 살펴보고 면접관이 질문을 한두 가지 변경하여 실제로 더 많은 정보를 얻었는지 확인해 보겠습니다.
힌트를 더하여 수정된 질문에 답하기
이 그룹은 표준 LeetCode 문제를 받았지만 웹에서 직접 찾을 수 없는 방식으로 문제를 수정했습니다. 즉, 이 질문에 대한 답을 ChatGPT가 알 수 없다는 뜻입니다. 그 결과 면접관들은 ChatGPT가 LeetCode 튜토리얼을 암송하는 능력보다 실제로 문제를 해결하는 능력에 더 의존했습니다.
당연히 이 그룹의 결과는 '원래 문제' 그룹과 크게 다르지 않았으며, 67%의 지원자가 면접에 합격했습니다.
이 차이는 "원본" 그룹과 통계적으로 유의미하지 않은 것으로 나타났습니다. 즉, "수정된 문제"와 "원본 문제"는 본질적으로 동일하다는 것입니다. 이 결과는 ChatGPT가 면접관의 질문 미세 조정을 처리할 수 있으며, 이러한 미세 조정이 큰 문제를 일으키지 않는다는 것을 시사합니다.
하지만 면접관들은 ChatGPT가 수정된 문제를 풀기 위해 더 많은 힌트가 필요하다고 지적했습니다. 다음은 한 면접관의 의견입니다:
LeetCode에서 바로 질문에 답하는 것은 전혀 문제가 되지 않습니다. 덜 직접적인 LeetCode 스타일의 후속 질문에 ChatGPT가 답하도록 하는 것은 훨씬 더 어렵습니다.
합격률이 가장 낮은 맞춤 질문
당연히 '사용자 지정' 질문 그룹의 합격률이 가장 낮았는데, 면접자의 25%만이 합격했습니다. 이는 다른 두 실험 그룹뿐만 아니라 대조 그룹보다도 통계적으로 유의미하게 낮은 수치였습니다! 응시자에게 완전히 맞춤형 질문을 할 경우, 속임수를 쓰지 않았을 때(또는 LeetCode 스타일의 질문을 받았을 때)보다 성적이 더 나빴습니다!
초기 계산에서는 이 수치가 약간 높게 나왔고, 사용자 지정 문제를 자세히 살펴본 결과 예상치 못한 문제가 발견되었습니다. "기업은 제안된 문제를 즉시 변경해야 합니다!" 섹션에 문제가 설명되어 있습니다.
아무도 부정행위를 저지르지 않았습니다.
실험에서 면접관들은 면접관들이 속임수를 쓰도록 요청받고 있다는 사실을 인지하지 못했습니다. 위에서 언급한 바와 같이, 각 면접이 끝난 후 면접관들에게 입사 지원자에 대한 평가에 얼마나 자신감이 있는지 설명하는 설문조사를 작성하도록 요청했습니다.
면접관 72%가 채용 결정에 자신 있다고 답하는 등 면접관들은 자신이 내린 평가가 옳았다고 확신했습니다. 한 면접관은 면접 대상자의 성과에 매우 만족하여 이들을 플랫폼 면접관으로 초대해야 한다고 결론을 내렸습니다!
매우 우수한 성과를 내고 강력한 Amazon L6(Google L5) SWE ...... 를 이해하는 지원자는 면접관/멘토로 interviewing.io를 고려해야 합니다.
단 한 번의 면접만으로 이러한 판단을 내리는 것은 과신일 수 있습니다!
엔지니어가 자신의 성과를 평가하는 데 능숙하지 않다는 사실은 오래전부터 알고 있었기 때문에 면접관도 질문의 타당성을 과대평가한다는 사실을 깨달았을 때 놀라지 않았을 수도 있습니다.
일부 면접관(28%)은 자신의 채용 선택에 확신이 없다고 답했는데, 그 이유를 물어보았습니다. 다음은 그 이유의 빈도 분포입니다.
참고: 부정행위에 대한 언급은 어디에도 없었습니다!
대부분의 면접관들은 채용 결정에 확신이 없는 이유를 구체적으로 설명했습니다. 대체로 최적이 아닌 솔루션, 엣지 케이스 누락, 혼란스러운 코드, 잘못된 의사소통 등의 문제가 있었습니다. 면접관이 부정행위에 대한 우려를 표명하는지 확인하기 위해 '기타 문제' 카테고리를 특별히 포함시켰는데, 더 자세히 살펴본 결과 '성격 문제'나 '코딩 속도를 높여야 한다'와 같은 사소한 문제만 발견했습니다. 코딩 속도를 높여야 한다" 등의 사소한 문제만 발견했습니다.
부정행위를 지적하는 이 기회 외에도 세 차례에 걸쳐 면접관에게 자유 형식의 텍스트 상자와 우려 사항을 설명하는 옵션이 있는 객관식 질문 등 다른 문제를 지적하도록 유도했습니다.
면접관이 ChatGPT가 제공한 답변을 이해하지 못해 면접에서 불합격한 경우, 면접관들은 부정행위가 아니라 면접관의 이상한 행동과 딱딱한 답변이 연습 부족 때문이라고 생각했습니다. 한 면접관은 구직자의 문제 해결 능력이 좋다고 생각했지만 속도가 느리고 에지 케이스를 더 신중하게 고려할 필요가 있다고 언급했습니다.
"구직자는 LeetCode 질문에 답할 준비가 되어 있지 않은 것 같았습니다."
"구직자의 접근 방식이 명확하지 않았고 서둘러 코딩을 시작했습니다."
"이 구직자는 가장 기본적인 프로그래밍 문제조차도 LeetCode에서 해결할 준비가 되어 있지 않았습니다."
"전반적으로 문제 해결 능력은 좋지만 코딩과 중요한 엣지 케이스를 식별하는 데 있어 속도를 높여야 합니다."
부정행위에 대한 우려를 기록한 사람은 누구였나요? 그리고 부정행위가 적발된 지원자는 누구였을까요?
사실 면접관 중 부정행위에 대한 우려를 언급한 사람은 아무도 없었습니다.
면접관들이 부정행위를 의심하지 않았다는 사실에 놀랐습니다. 81%는 부정행위가 들킬까 봐 걱정하지 않았다고 답했고, 13%는 면접관이 부정행위를 알아챘을 것이라고 생각했으며, 놀랍게도 면접관이 부정행위를 의심했을 것이라고 생각했다는 응답자는 6%에 불과했습니다.
대다수의 면접 참가자들은 부정행위를 저지른 적이 없다고 확신했습니다.
일부 면접 참가자는 부정행위가 발각될까 봐 걱정했고 면접관이 사후 분석에서 비정상적인 평가를 내렸지만 부정행위를 의심하지는 않았습니다. 요컨대, 대부분의 면접관은 부정행위가 적발되지 않을 것이라고 생각했고, 그 생각은 옳았습니다!
기업은 질문 문항을 즉시 변경해야 합니다
이러한 결과에서 도출할 수 있는 한 가지 분명한 결론은 기업이 즉시 맞춤형 질문을 시작해야 한다는 것입니다. 그렇지 않으면 지원자가 면접에서 부정행위를 할 심각한 위험이 있으며, 궁극적으로 유용한 신호를 얻지 못할 수 있습니다!
ChatGPT는 기존의 질문들을 없애고, 채용 프로세스를 마음대로 조정할 수 있게 되었습니다. 채용은 이미 충분히 까다로운 일이며, 누가 속임수에 대해 걱정할 마음이 있을까요? LeetCode 질문을 그대로 사용하는 회사라면 이 게시물을 내부적으로 공유하세요!
커스텀 문제를 사용하면 부정행위를 방지할 수 있을 뿐만 아니라, LeetCode 솔루션을 많이 외운 응시자를 걸러낼 수 있습니다(보시다시피 커스텀 문제 그룹의 합격률이 대조군보다 현저히 낮았습니다). 또한 구직자 경험을 개선하고 사람들이 채용을 원할 가능성을 높이는 데에도 효과적입니다. 얼마 전 저희는 무엇이 훌륭한 면접관을 만드는지 분석했습니다. 당연히 좋은 질문을 하는 것이 훌륭한 면접관을 만드는 데 큰 부분을 차지하며, 가장 높은 평가를 받은 면접관들은 맞춤형 질문을 더 많이 하는 경향이 있었습니다! 설문조사에 따르면 질문의 질은 지원자가 회사에서 계속 일하고 싶은지 여부를 결정할 정도로 매우 중요한 요소였습니다. 이는 회사 브랜드의 강점보다 훨씬 더 중요합니다. 브랜드 강점은 지원자를 회사로 끌어들이는 데 중요한 요소이지만 면접 과정에서는 질문의 질에 비해 그다지 중요하지 않습니다.
다음은 구직자들의 의견을 인용한 것입니다:
"단순한 알고리즘 질문이 아니었다면 더 좋았을 것 같습니다."
"비교적 간단한 알고리즘 문제(트리를 만들고 순회하는 문제)에 깊이를 더한 질문이 마음에 들었습니다. 또한 면접관이 문제를 [Redacted]의 실제 제품과 연관시켜 장난감 문제처럼 보이지 않고 실제 문제의 간소화된 버전처럼 보이게 한 점도 마음에 들었습니다."
"이 사이트에서 제가 가장 좋아하는 질문입니다. 실생활에 적용할 수 있는 몇 안 되는 질문 중 하나이며, 실제(또는 잠재적인) 비즈니스 문제에서 비롯된 것이기 때문입니다. 또한 복잡성, 효율성, 차단 문제가 적절히 조화를 이루고 있습니다."
좀 더 개인화된 문제를 채택하기로 결정한 기업을 위한 조금 더 미묘한 제안도 있습니다. 원래의 LeetCode 문제를 가져와서 약간의 수정을 가할 수도 있습니다. 문제를 처음부터 다시 시작하는 것보다 훨씬 쉽기 때문에 충분히 이해할 수 있는 방법입니다. 안타깝게도 이 방법은 작동하지 않습니다.
앞서 언급했듯이, 우리는 실험을 통해 문제가 사용자 지정 문제처럼 보인다고 해서 그것이 사용자 지정 문제라는 것을 의미하지는 않는다는 것을 발견했습니다. 문제가 사용자 지정 문제처럼 보이지만 실제로는 기존 LeetCode 문제와 동일할 수 있습니다. 구직자에게 질문을 할 때 이미 존재하는 질문을 가리는 것만으로는 충분하지 않습니다. 질문의 입력과 출력이 모두 고유해야 ChatGPT가 인식하지 못하도록 효과적으로 방지할 수 있습니다!
면접관이 묻는 질문은 기밀이므로 면접관이 실험에 사용하는 구체적인 질문은 공유할 수 없습니다. 하지만 한 가지 예를 들어드릴 수는 있습니다. 다음은 ChatGPT가 쉽게 답변할 수 있는 심각한 결함이 있는 '사용자 지정 질문'입니다:
미아는 생일을 맞아 번호가 매겨진 카드와 "18이 되는 카드 두 장을 합쳐 선물을 잠금 해제하세요!"라는 메모가 적힌 의문의 상자를 받았습니다. 미아는 올바른 카드 한 쌍을 찾아서 깜짝 선물을 공개해야 합니다.
입력: 정수 배열(카드의 숫자)과 목표 합계(18)가 주어집니다. 입력: 정수 배열(카드의 숫자)과 목표 합계(18)입니다. arr = [1, 3, 5, 10, 8], target = 18
출력: 목표 합계를 더하는 두 카드의 인덱스. 이 경우 인덱스 3과 4는 18(10+8)을 더하기 때문에 [3, 4]입니다.
문제가 보이시나요? 이 문제는 언뜻 보기에 "사용자 지정" 문제처럼 보일 수 있지만, 그 목표는 주어진 목표 값과 합이 같은 두 개의 숫자를 찾는 것으로 유명한 TwoSum 문제와 동일합니다. 입력과 출력은 동일하며, 이 문제에서 "사용자 지정"인 유일한 점은 문제에 스토리를 추가한다는 것입니다. 이미 알려진 문제와 동일하기 때문에 고유한 스토리를 추가하더라도 기존에 알려진 문제와 입력 및 출력이 동일한 문제에 대해 ChatGPT가 잘 수행되는 것은 놀라운 일이 아닙니다.
좋은 사용자 지정 질문을 만드는 방법
독창적이고 좋은 질문을 만드는 데 유용한 방법 중 하나는 팀원들 간에 공유 문서를 만들어서 아무리 작은 문제라도 흥미로운 문제를 해결할 때마다 빠르게 메모하고, 나중에 그 메모를 다듬기 위해 추가할 필요는 없지만 지원자에게 회사의 일상적인 업무에 대한 통찰력을 제공하는 독특한 면접 질문의 씨앗이 될 수 있다는 것입니다. 이러한 잡동사니의 씨앗을 면접 질문으로 바꾸려면 많은 생각과 노력이 필요합니다. 구직자가 질문을 이해하는 데 많은 시간을 소비하지 않도록 많은 세부 사항을 잘라내고 질문의 본질을 추출해야 합니다. 또한 이러한 질문을 제대로 이해하기 위해 몇 번이고 고민해야 할 수도 있지만, 그 보상은 엄청날 수 있습니다.
분명히 말씀드리지만, 저희는 기술 면접에서 데이터 구조와 알고리즘을 없애자는 것이 아닙니다. DS&A 질문은 전문적이지 못한 면접관들 때문에 나쁜 평판을 얻고 있으며, 기업들이 게으르고 직무와 관련이 없는 끔찍한 LeetCode 질문을 재사용하기 때문에 나쁜 평판을 얻고 있습니다. 훌륭한 면접관의 손에서 이러한 질문은 강력하고 강력한 질문이 될 수 있습니다. 위의 접근 방식을 사용하면 새로운 데이터 구조 및 알고리즘 질문, 실용적인 근거가 있고 지원자의 관심을 끌 수 있는 질문, 지원자가 하고 있는 일에 대해 흥미를 가질 수 있는 질문을 생각해낼 수 있습니다.
그렇게 함으로써 여러분은 우리 업계를 발전시킬 수 있습니다. 지원자가 면접에서 유리한 고지를 점하기 위해 리트코드 문제를 많이 외우는 것만으로는 충분하지 않으며, 부정행위를 면접에서 합리적인 선택처럼 보이게 하는 것만으로는 충분하지도 않습니다. 해결책은 고용주가 더 나은 질문을 하기 위해 더 많은 노력을 기울이는 것입니다. 함께 행동합시다.
구직자를 위한 진심 어린 조언
자, 이제 적극적으로 구직 활동을 하고 있는 여러분 모두 주목하세요! 예, 이제 여러분의 동료들 중 일부는 채팅GPT를 사용하여 면접에서 부정행위를 할 것이며, (슬프게도 많은) LeetCode 질문을 사용하는 회사에서는 그러한 동료들이 단기간에 우위를 점하게 될 것입니다.
현재 우리는 기업의 프로세스가 현실을 따라잡지 못하고 있는 심각한 상황에 처해 있습니다. 그들은 곧 원래의 LeetCode 문제 사용을 완전히 포기하거나(이는 업계 전체에 도움이 될 것입니다), 다시 현장으로 돌아가거나(부정행위자가 기술 면접을 통과하는 것이 거의 불가능해질 것입니다), 또는 둘 다 포기할 것입니다.
가뜩이나 어려운 환경에서 다른 지원자의 부정행위를 걱정하는 것은 안타까운 일이지만, 양심상 부정행위를 통해 '공정한 경쟁의 장'을 만들 수는 없습니다.
또한 ChatGPT를 사용하는 면접관들은 면접 과정에서 AI를 사용하면 면접 과정이 훨씬 더 어려워진다고 일관되게 보고합니다.
아래 동영상에서 볼 수 있듯이 한 면접관은 면접 질문에 완벽하게 답했지만, 시간 복잡도를 분석할 때 어려움을 겪었습니다. 면접관이 서둘러 잘못된 시간 복잡도(ChatGPT에서 제공한 답변)를 설명하려 하자 면접관은 완전히 혼란스러워했습니다.
실험 중에 속임수를 쓰는 사람은 아무도 없었고 카메라도 꺼져 있었습니다. 하지만 영상에서 볼 수 있듯이 컨닝은 숙련된 구직자에게도 여전히 어려운 문제입니다.
윤리는 차치하고서라도 부정행위는 어렵고 스트레스를 유발하며 실행하기 쉽지 않습니다. 대신 이러한 노력을 실천하는 것이 좋으며, 기업이 면접 프로세스를 변경하면(조만간 그렇게 되기를 바랍니다) 결과적으로 여러분도 혜택을 받을 수 있습니다. 결국 ChatGPT의 등장이 업계의 면접 기준이 지루함과 암기에서 벗어나 진정한 엔지니어링 역량을 검증하는 방향으로 나아가는 촉매제가 되기를 바랍니다.
원본 기사 링크
https://interviewing.io/blog/how-hard-is-it-to-cheat-with-chatgpt-in-technical-interviews
이 글은 WeChat 공개 번호 "InfoQ"(ID:InfoQ) 의 글이며, 허가를 받아 게시된 Michael Mroczka, 36 Krypton이 작성했습니다.
