HackerRank Chakra, AI 면접은 정답보다 판단을 묻는다

코드를 완성하는 능력에서 결정을 설명하는 능력으로

HackerRank는 2026년 10월 5일 AI 면접관 Chakra를 고객에게 정식 제공한다고 밝혔다. TechCrunch 보도에 따르면 약 6개월의 베타 기간 동안 50만 회 이상의 면접을 진행했으며 Snowflake, Snorkel, Capgemini 등이 시험 이용 기업에 포함됐다. 이 규모는 회사가 제시한 운영 수치다.

Chakra의 특징은 질문을 읽어주는 음성 봇에 머물지 않는다는 점이다. 지원자는 실제 코드 저장소를 다루는 작업 환경에서 AI 도우미와 함께 과제를 수행하고, 면접 에이전트는 진행 상황에 맞춰 추가 질문을 한다. 무엇을 만들었는지뿐 아니라 왜 그 접근을 택했고, 조건이 달라지면 무엇을 바꿀지를 평가하려는 시도다.

공식 제품 페이지는 판단력, 비판적 사고와 AI 활용 역량을 핵심으로 제시한다. 예시 과제는 버그 수정 전에 문제 이해, 작업 범위, 수용 기준과 위험을 정리하도록 요구한다. 이것은 페이지의 시연 예시이며 모든 실제 면접이 같은 저장소와 순서로 진행된다는 뜻은 아니다.

AI 사용 허용이 평가를 더 엄격하게 만들 수 있다

기존 코딩 시험은 제한된 시간 안에 정답을 만드는 능력을 보기 쉬웠다. 생성형 AI가 결과물 작성을 돕는 상황에서는 그 결과를 검토하고 책임지는 능력도 중요해진다. Chakra는 AI 사용 자체를 배제하기보다, 지원자가 문제를 어떻게 정의하고 AI 답변을 얼마나 비판적으로 수용하는지 관찰하려 한다.

이는 AI 과제와 구술 평가 분석에서 다룬 변화와 닮아 있다. 정답을 제출한 뒤 설명을 붙이는 것이 아니라, 작업 과정 자체를 평가 증거로 삼는 방식이다. 다만 말솜씨가 좋은 사람에게 유리해지지 않도록 실제 변경 내용과 테스트 결과를 함께 봐야 한다.

이 표는 평가 방식의 차이를 설명하기 위한 분석이다. 기존 시험이 모두 과정 평가를 배제한다거나 Chakra가 모든 역량을 정확히 측정한다는 뜻은 아니다. 도구가 관찰할 수 있는 신호와 실제 업무 성과의 관계를 검증해야 한다.

70~80% 감소는 무엇이 줄었다는 의미인가

TechCrunch에 따르면 회사 대표는 비교 가능한 기존 평가 대비 의심 활동 플래그가 70~80% 낮았다고 설명했다. 지역과 경력 수준에 따라 차이가 있었다고도 밝혔다. 이것을 실제 부정행위가 같은 비율로 사라졌다는 확정치로 읽어서는 안 된다. 감지 기준과 허용된 도구가 달라지면 플래그의 의미도 달라질 수 있다.

50만 회 이상의 면접 규모 역시 공정성과 예측력을 자동으로 입증하지 않는다. 어떤 직무와 언어가 포함됐는지, 평가 점수가 입사 후 성과와 얼마나 연결되는지, 사람 평가자 간 의견 차이는 어떤지 별도 자료가 필요하다. StarCraft 평가 출처 분석과 마찬가지로 숫자의 크기보다 무엇을 어떤 조건에서 측정했는지가 중요하다.

회사는 최종 채용 결정은 사람이 내리며 Chakra는 점수를 제공한다고 설명했다. 제품 페이지는 답변 표현, 성별, 어조, 문법 등을 바꾸어 평가 일관성을 확인하고 사람 전문가와의 점수 일치를 점검한다고 밝힌다. 이 역시 회사의 평가 절차 설명이며, 독립적인 감사 보고서를 직접 확인한 것과는 구분해야 한다.

한국 채용팀의 과제: 점수와 근거를 연결하라

국내 기업이 이런 면접을 도입한다면 먼저 허용하는 AI 도구와 외부 도움의 경계를 지원자에게 알려야 한다. 평가 기준도 ‘AI를 잘 쓴다’는 모호한 문구 대신 요구사항 확인, 잘못된 답변 수정, 검증 수행처럼 관찰 가능한 행동으로 나누는 편이 좋다. 한국어 표현 방식과 영어 기술 용어 혼용이 점수에 영향을 주는지도 시험해야 한다.

뉴욕시 자동 고용 의사결정 도구 안내는 해당 법의 적용 대상에 최근 1년 내 편향 감사, 결과 정보 공개와 사전 안내 등을 요구한다. 이것이 모든 한국 채용에 그대로 적용되는 규정은 아니지만, 자동 평가를 운영할 때 어떤 증거와 절차가 필요한지 보여준다. 해외 채용에서는 실제 적용 관할과 도구 사용 방식을 따로 검토해야 한다.

실무적으로는 점수의 근거가 되는 발화와 코드 변경을 사람이 다시 볼 수 있어야 한다. 네트워크 장애, 접근성 요구, 음성 인식 오류가 평가에 영향을 줬을 때 재시험이나 이의제기가 가능해야 한다. NIST AI 위험관리 프레임워크는 이런 위험을 식별하고 측정·관리하는 배경 기준으로 참고할 수 있다.

AI 코딩 시대 Linear의 CI 재설계 분석이 보여주듯 코드 생산이 쉬워지면 검증이 더 중요해진다. 채용에서도 결과를 빨리 만드는 사람만 찾기보다, 결과가 틀릴 수 있음을 알고 검증하며 설명하는 사람을 가려내야 한다. Chakra는 그 방향의 제품적 실험이지만 최종 책임까지 자동화하는 근거는 아니다.

FAQ

Chakra가 최종 합격자를 결정하나?

회사 설명에 따르면 점수와 평가 보고서를 제공하며 최종 채용 결정은 사람이 내린다. 실제 고객의 운영 방식도 그 원칙에 맞는지 확인해야 한다.

면접 중 AI를 사용해도 되나?

Chakra는 AI 도우미를 포함한 작업 환경을 지향한다. 그렇다고 임의의 외부 도구나 다른 사람의 도움이 모두 허용되는 것은 아니다.

50만 회 이상 면접이면 정확성이 입증됐나?

운영 규모와 평가 정확도는 다르다. 직무별 타당성, 집단별 점수 차이, 실제 업무 성과와의 관계를 별도로 검증해야 한다.

의심 활동 70~80% 감소는 부정행위 감소인가?

회사가 제시한 것은 의심 활동 플래그의 감소다. 측정 기준과 허용 도구의 차이가 있으므로 실제 부정행위 감소율과 동일시하면 안 된다.

한국 채용팀은 무엇을 먼저 준비해야 하나?

관찰 가능한 평가 기준, 허용 도구 안내, 한국어 환경의 검증, 점수 근거 검토와 이의제기 절차부터 마련하는 것이 좋다.