구글 제미나이 리더 인터뷰: AI 시대 채용 기준과 코딩·면접의 미래, 커리어 전략

핵심 메시지

• 제미나이 같은 프런티어 모델은 컴퓨트·데이터·학습 레시피라는 기본 축 위에서 만들어지며, 구글은 TPU 같은 하드웨어부터 커뮤니티 피드백을 반영한 데이터 전략까지 스택 전반을 직접 혁신한다.
• 채용에서 학위나 명문대 출신 여부는 중요하지 않고, 강한 기술력·오픈된 방식의 결과물 공개·행동 지향적인 '하이 에이전시'를 핵심으로 본다.
• 적절한 도구와 통합이 갖춰지면 AI는 이미 우리가 원하는 일의 약 90%를 해낼 수 있으며, 엔지니어의 가치는 도메인 전문성과 시스템 이해로 옮겨가고 있다.
• 리트코드식 면접은 더 이상 큰 의미가 없지만, 자료구조·알고리즘·시스템 설계 같은 기본기는 여전히 중요하다.
• 높은 프라이버시 요구나 도메인 특화가 필요할 때는 오픈·로컬 모델이 유효하고, 최고 수준의 raw 지능이 필요하면 제미나이 같은 서버 모델을 쓰는 식으로 용도가 나뉜다.

쉽게 이해하기

구글 딥마인드에서 개발자 경험 조직을 이끄는 오마르 산세비에로가 인도의 데이터·AI 교육 채널 코드베이시스(codebasics)와 나눈 대담이다. 그는 제미나이를 비롯해 Gemma·Veo 등 모델 출시와 제미나이 API, AI 스튜디오 같은 개발 도구를 담당하며, 구글에 합류하기 전 허깅페이스에서 3년 반 동안 플랫폼과 커뮤니티를 총괄했다.

그는 프런티어 모델을 만드는 핵심 요소가 결국 컴퓨트·데이터·학습 레시피라는 익숙한 축이라고 설명한다. 다만 구글은 TPU 같은 자체 하드웨어부터, 커뮤니티와 스타트업의 피드백을 받아 어떤 역량을 넣을지 모델 로드맵을 정하는 데이터 전략까지 스택의 모든 계층을 오랜 기간 직접 혁신해 왔다고 말한다. 모델 평가는 공개 벤치마크와 내부 벤치마크, 그리고 Artificial Analysis나 LMArena 같은 업계 지표를 함께 사용하고 사람 평가도 병행한다.

채용 이야기에서 그는 학위를 거의 보지 않는다고 단언한다. 그의 팀은 멕시코·페루·일본·호주·독일·영국·프랑스·미국·브라질 등에 분산돼 있고, 대부분 스탠퍼드나 MIT 출신이 아니다. 대신 강한 기술력, 결과물을 오픈된 방식으로 공개하는 태도, 그리고 스스로 실험하고 행동하는 '하이 에이전시'를 본다. 좋은 SDK·API를 가려내는 '개발자 공감' 역시 직접 만들어 보며 익히는 어려운 능력으로 꼽았다.

AI가 사람 엔지니어를 대체하는 데 남은 장벽으로 그는 세 가지를 든다. 의료·법률처럼 특정 도메인에 모델을 적용하는 일, 에이전트가 실제 행동을 하도록 돕는 스킬·에이전틱 하네스·통합(MCP 등), 그리고 소프트웨어 개발 방식의 변화를 받아들이는 일이다. 이미 문서를 읽는 주 독자가 사람이 아니라 에이전트가 되어가고 있다고도 짚는다. 그는 경력 5~10년 시니어가 오히려 AI 도입에 경직되기 쉽고, 하이 에이전시를 가진 주니어가 빠르게 앞서가지만, 경험과 AI 네이티브 역량이 결합되면 생산성의 한계가 사라진다고 본다.

학생을 향한 조언은 '계속 만들어 보라'와 '기본기는 여전히 중요하다' 두 가지다. 리트코드식 면접은 의미가 줄었다고 보지만, 자료구조·알고리즘·시스템 설계·컴퓨터 구조 같은 토대는 여전히 강조한다. 구글 면접도 팀에 따라 다르며, 그의 팀은 AI 스튜디오나 안티그래비티 사용을 허용하되 모델의 출력을 맹목적으로 받아들이지 않고 시스템을 이해하는지를 본다. 박사는 연구 과학자를 목표로 할 때 유리하지만 필수는 아니며, 프라이버시나 도메인 특화가 필요한 경우 오픈·로컬 모델이, 최고 수준의 지능이 필요한 경우 제미나이 같은 서버 모델이 적합하다고 정리한다.

주요 인사이트

• 문서는 더 이상 사람이 읽지 않는다 — 이제 에이전트·MCP·API가 문서를 읽는 주된 독자가 되어가고 있어, 제품을 '에이전트 친화적'으로 다시 설계할 필요가 있다.
• 경력 5~10년 시니어일수록 AI 도입에 경직되기 쉽고, 하이 에이전시를 가진 주니어가 더 빠르게 따라잡는다. 다만 경험과 AI 네이티브 역량이 결합되면 한계가 거의 없어진다.
• 비전공자도 빌딩이 쉬워졌다 — 코딩을 한 번도 안 해 본 사람이 매주 게임 기능을 추가하거나, 작은 팀이 100일 동안 100개 기능을 출시하는 사례가 나온다.
• 오픈된 방식으로 일하는 것은 '나를 증명하는' 방법이다. 전부 오픈소스로 공개할 필요는 없지만, 만든 것을 외부에 보여 주는 것이 중요하다.
• Gemma 같은 오픈 모델은 박사가 아닌 리서치 엔지니어들이 후속 학습 레시피와 인프라를 만들어 완성하기도 한다.

자주 묻는 질문

관련 AI 소식