상반기 취준 후기 - 취업은 쉽지 않다…!

안녕하세요, 오랜만에 블로그에 인사드립니다. 그동안 글을 올리지 못한 데는, 나름의 이유가 있었습니다.

 

2025년 상반기, 여러 대기업에 도전했지만 결과가 좋지 않았고, 6월 말부터는 스타트업, 중소기업, 부트캠프 등에도 부랴부랴 이력서를 넣기 시작했습니다.

 

이번 글에서는 그 과정에서 느낀 점들과 결과를 간단히 정리해보고자 합니다.

---

1. AI Researcher / Engineer의 취준 상태

저는 전자공학을 전공한 후, 인공지능학과 석사 과정에서 자연어 처리(NLP) 를 연구했습니다.

 

요즘 화두인 LLM(대형 언어 모델)과 관련성이 높지만, 현재 취업 시장에서 요구하는 “LLM을 어떻게 잘 활용했는가”라는 질문에는 아쉬움이 남는 상태입니다.

 

제가 진행한 연구는 주로 특정 도메인 내에서 Prompt Engineering 을 중심으로 설계된 과제들이었습니다.

연구라는 특성상 범용성보다는 도메인 특화(domain-specific)에 집중되었기 때문에, “LLM 전반에 대해 얼마나 잘 아느냐”라는 질문에는 쉽게 ‘잘 안다’고 답할 수 없는 지점이 있었습니다.

📚 연구 경험 정리

1. KSC 2022 우수논문상
   • 지식 그래프 기반의 상식 질의응답(QA) 시스템 연구
   • 당시엔 LLM이 아닌 BERT, RoBERTa 등 sLM을 사용
2. NAACL 2025 Findings
   • 논리 오류 탐지(Logical Fallacy Detection) 연구
   • LLM 기반 Prompt Engineering, Query Ranking 기법 적용

또한 개인 프로젝트 및 대학원 과제 프로젝트가 약 4~5건 있었지만, 대부분 ML 엔지니어 중심의 협업에 그쳤고, PM, 디자인, 프론트엔드와의 협업 경험은 부족했습니다.

 

이러한 점이 실무 및 조직 내 협업 역량 측면에서 약점으로 작용한 것 같습니다.

---

📊 2. 기업 지원 및 결과 요약

• 대기업/금융권, 인턴 지원: 총 14개→ 자격증 미보유, 학벌 조건(인서울이긴함) 등의 이유로 금융/증권 계열은 전부 서류 탈락
  • → 서류 통과 4개, 면접 진행 2개
  • 사실상 금융권이 대부분인데,, 금융권은 원래 가고싶지 않은 곳이긴 했습니다.(자소서 복붙했지요 ㅠ)
• 전체 지원 기업 수: 총 24개 
  • → 서류 탈락 13개
• 스타트업/중소기업/부트캠프(6월 말 이후): 10곳→ 부트캠프 2개 최종 합격
  • → 기업 면접 3곳 중 1곳은 1차 면접 합격 후 연봉 협상에서 탈락, 나머지 2개은 최종 탈락
    • 아래 글은 최종 탈락 2개 기업에 대한 내용입니다.
    • 그런데,, 여기서 약간의 갑질을 당했네요.. 최종 면접합인데 갑자기 새로운 전형이 추가되고 한참 연락이 없다가 결국 떨어졌네요.. 신입/경력을 같이 뽑다보니 경력직에 밀렸나? 이런 생각이 들었습니다. (전화를 해야 결과 알려주는 나쁜 곳..)
    • 다른 한 곳은 1차 면접으로 갔는데 2차 면접까지 한 번에 갑자기 진행했습니다. 뭐, 메일에 당일 바뀔 수 있다는 작은 말 한 마디 떄문에 공지했다.. 이런식, 결국 3시간 반 면접 봤네요.
  • → 서류 합격 5곳

---

💡 3. 느낀 점 정리

엑셀 컷(정량 스펙 컷)의 존재

• 일부 대기업 및 금융권은 서류에서 지원자 정보만 보고 걸러내는 시스템(엑셀 컷) 을 사용하는 듯한 인상을 받았습니다.
• 학벌, 자격증, 어학 점수 등 정량 지표가 매우 큰 영향을 주는 것 같습니다.
• (지원 결과가 1~2주 내로 빠르게 나오는 기업에서 특히 그랬을 것으로 예상됩니다... 물론 진실은 아닙니다)

실무와 협업 경험의 중요성

• 거의 모든 면접에서 실무 경험, 협업 경험을 중요하게 여겼습니다.
• “어떤 실험을 했냐”보다는, “어떤 문제를 해결했냐”, “팀 안에서 어떤 역할을 했냐”를 더 많이 물어봤습니다.
• 대부분은 Engineer 직무이기 때문에, 논문보다 협업 / 플젝 경험이 중요한 것 같습니다.

대기업 vs 스타트업, 중소 기업의 면접 스타일 차이

 

구분	대기업	스타트업/중소기업
질문 중심	인성, 조직 적합성	기술, 기초 이론, 실무역량
분위기	차분, 신중, 평가자 중심	캐주얼, 실제 업무를 염두에 둔 질문
기술 질문	프로젝트 위주, 논문은 거의 안 물어봄	CS/ML/DL/LLM 개념 및 응용 질문 많음

앞으로의 방향 설정

상반기 취준을 마무리하며 느낀 건,

연구 경험만으로는 부족하고 실무형 협업 경험, 도메인 전반의 이해도, 실전형 준비가 필요하다는 점이었습니다.

 

이에 따라, 하반기에는 아래 네 가지 방향으로 준비를 보완하려고 합니다.

① CS 기초 역량 강화

• AI 연구자/개발자에게 필수적인 수준의 자료구조, 알고리즘, 코딩테스트 준비는 기본
• 왜냐하면 손코딩을 보는곳도 있었고,, 흔히 많이 무시하는 머신러닝에 대한 지식을 물어보는 곳도 있었습니다.
• 실전 코테 대비 및 풀이 전략 학습 필요 → 코테 탈락은 무조건 없어야 한다!!

② LLM 관련 기초 및 최신 트렌드 학습

• Pretraining, Finetuning, Post-training 등 LLM 구성에 대한 기초 지식 확보
• 최신 연구/산업 트렌드 (e.g. RAG, Tool Use, Alignment, Eval 등) follow-up

③ 협업 프로젝트 경험 확보

• 다양한 직군과 협업하는 End-to-End 프로젝트 경험 확보
• 연구 + 제품화 경험의 연결
• +) 카카오 임팩트의 테크포임팩트에서 진행하는 LAB에 들어가게 되었습니다..!

④ 자격증 및 어학

• 정보처리기사는 필수 수준으로 보임
• (OPIC 등 어학 준비도 고려)

그래서,, 일정을 이렇게 정하려고 합니다.

1. 기본적인 자료구조, 알고리즘은 완벽히 이해하고 구현할 수 있어야 한다.
2. 이를 기반으로 코딩테스트 준비가 필요하다.
3. 협업 프로젝트가 필요하다.
4. ML, DL 기초는 당연히 알아야 한다.
5. LLM에 대해 공부해야 한다.
6. 자격증, 어학이 필요하다.

📌 마무리하며

상반기는 힘든 시간이었지만, 오히려 진짜 내가 무엇을 준비해야 하는지, 어떤 방향으로 나아가야 하는지를 깨닫는 계기가 되었습니다.

 

지금도 결과를 기다리는 기업들이 몇 곳 있지만, 이제는 더 이상 '막연한 준비'가 아닌 '구체적인 보완'을 할 수 있을 것 같습니다.

 

저처럼 연구 중심에서 실무 전환을 준비하는 분들께 이 글이 조금이나마 도움이 되었기를 바랍니다.

 

억울하지 않으려면 실력을 키워야한다!!

 

하반기엔 더 단단한 모습으로 다시 돌아오겠습니다.

 

감사합니다 🙏