다른 언어：繁體中文｜日本語｜English

맥킨지 앤드 컴퍼니(McKinsey & Company)는 지원자가 약 10분 동안 AI 가상 고객과 대화하고, 현장에 있는 실제 면접관이 그 과정을 관찰하는 새로운 AI 면접을 시범 운영하고 있습니다. 이 평가에서는 지원자에게 AI 도구 활용 능력을 보여 달라고 요구하지 않으며, AI가 직접 점수를 매기지도 않습니다. 대신 실제 컨설턴트 업무와 유사한 상황을 통해 지원자가 고객의 요구를 제대로 이해하고, 다른 의견에 대응하며, 정보가 바뀌었을 때 기존의 제안을 재검토할 수 있는지 살펴봅니다.

2026년 10월, 『월스트리트저널(The Wall Street Journal)』이 이러한 채용 시범 운영을 보도한 데 이어 『The Verge』 등 해외 기술 매체에서도 관련 소식을 전했습니다. 기존의 AI 채용 방식이 이력서를 선별하거나 정해진 질문을 제시하는 데 활용됐다면, 이번에는 AI가 직접 소통해야 하는 고객 역할을 맡습니다. 이에 따라 평가의 초점도 실제 대화에서 드러나는 판단력과 상황 대처 능력으로 확대됐습니다. 컨설팅 면접이나 비즈니스 애널리스트 직무, 다국적 기업 채용을 준비하는 구직자라면 케이스 인터뷰(Case Interview)의 분석 방법을 익히는 것뿐 아니라, 제한된 시간 안에 고객과 문제를 논의하는 연습도 필요합니다.

맥킨지 AI 면접이란? 2026년 채용 시범 운영 절차와 대상

북미 일부 사무소에서 먼저 시범 운영하며, 모든 지원자가 참여하는 것은 아니다

2026년 10월 공개된 보도에 따르면, 맥킨지는 북미 일부 사무소에서 AI 가상 고객 면접을 시험하고 있으며, 주로 신입 비즈니스 애널리스트(Business Analyst) 직무에 지원하는 대학생을 대상으로 진행하고 있습니다. 지원자는 노트북을 통해 약 10분 동안 AI 캐릭터와 대화하고, 실제 면접관은 현장에서 대화 과정을 관찰하며 고객의 질문에 대응하는 방식과 사고 과정을 파악합니다.

이 제도는 현재 제한된 범위에서 시행되는 채용 실험 단계로, 수백 명의 지원자가 참여할 가능성이 있는 것으로 알려졌습니다. 맥킨지는 시험 결과가 기대에 부합하면 향후 다른 직무로 확대할 수 있다고 밝힌 바 있습니다. 다만 2026년 10월 22일 기준으로 전면 도입을 위한 공식 일정은 발표되지 않았으며, 모든 지역의 지원자가 반드시 참여해야 한다는 근거도 없습니다.

항목	2026년 공개된 시범 운영 정보
시범 운영 기간	2026년 가을
적용 지역	북미 일부 사무소
주요 대상	신입 Business Analyst 직무에 지원하는 대학생
평가 시간	약 10분
진행 방식	노트북을 사용해 AI 가상 고객과 대화
AI의 역할	고객의 질문, 우려 사항, 대화 중 반응을 시뮬레이션
평가 방식	실제 면접관이 지원자를 관찰하고 평가
AI의 직접 채점 여부	채점하지 않음
향후 계획	시범 운영 결과에 따라 2027년 다른 직무로 확대할 가능성

이 평가가 도입됐다고 해서 맥킨지의 기존 면접 절차가 대체된 것은 아닙니다. 공식 채용 사이트에 따르면 컨설턴트 직무의 선발 과정에는 여전히 개인 경험 면접, 문제 해결 면접, 게임형 평가인 Solve 등이 포함될 수 있습니다. 실제 전형은 지원 직무에 따라 달라지므로 채용 담당자가 제공하는 안내를 기준으로 확인해야 합니다.

AI 가상 시장이 질문을 제기하고 지원자의 대응 방식을 관찰한다

이번 시범 운영을 대표하는 사례는 AI가 가상의 도시 시장을 연기하면서 지원자와 새로운 경기장을 어디에 건설해야 할지 논의하는 상황입니다. 시장은 후보지별 장단점을 질문하거나 교통, 예산, 도시 개발에 관한 우려를 제기하며 지원자에게 제안의 근거를 더 자세히 설명해 달라고 요구할 수 있습니다.

이런 상황에서는 처음부터 유일한 정답이 되는 부지를 정해 둘 필요가 없습니다. 예를 들어 지원자가 교통이 편리하고 주변 상업 활동이 활발하다는 이유로 도심에 경기장을 건설하는 것이 적합하다고 판단했다고 가정해 보겠습니다. 그런데 시장이 대규모 행사로 인한 도로 혼잡을 주민들이 우려하고 있다고 추가로 설명한다면, 기존 제안을 다시 검토해야 합니다. 이때 교통 문제에는 대응하지 않고 도심의 경제적 효과만 계속 강조한다면, 분석 구조가 아무리 체계적으로 보이더라도 고객이 실제로 중요하게 생각하는 제약 조건을 놓칠 수 있습니다.

이 평가의 설계에 참여한 맥킨지 파트너 Saleem Zafar는 언론을 통해 가상 고객이 의도적으로 극단적으로 까다로운 인물로 설계된 것은 아니라고 설명했습니다. 이 평가가 재현하려는 것은 컨설턴트가 일상 업무에서 마주할 수 있는 의사소통 상황입니다. 실제 면접관은 지원자가 고객이 제시한 중요한 정보를 알아차렸는지, 이후 답변에 그 정보를 실제로 반영했는지를 관찰합니다. 미리 준비한 분석 프레임워크에만 따라 일방적으로 논의를 진행하는지를 보는 것이기도 합니다.

보도에서는 이 시뮬레이션 시스템이 일상적인 컨설팅 상호작용 상황의 약 80%를 반영하는 것을 설계 목표로 삼았다는 내용도 언급됐습니다. 이 수치는 맥킨지가 설명한 시스템의 설계 범위를 의미하며, AI의 채점 정확도가 80%에 도달했다는 뜻도 아니고 면접 합격 기준도 아닙니다. 현재 이와 같은 상황 포괄 범위가 실제로 달성됐는지 확인할 수 있는 공개된 독립 연구도 없습니다.

AI는 고객 역할을 맡을 뿐 면접 점수를 결정하지 않는다

과거 AI 채용이라고 하면 시스템이 이력서를 분석하고, 답변에 점수를 매기며, 심지어 어떤 지원자가 다음 전형으로 진출할지 자동으로 결정하는 방식을 떠올리기 쉬웠습니다. 하지만 맥킨지의 이번 가상 고객 평가는 다른 구조로 진행됩니다. AI는 상호작용 상황을 제시하고, 실제 면접관이 지원자의 수행 과정을 관찰하고 평가합니다. AI 모델 자체가 직접 점수를 부여하지는 않습니다.

이러한 차이는 제도 전체를 이해하는 데 영향을 줍니다. AI가 고객 역할을 맡으면 추가 질문 방식, 정보 공개 순서, 대화 중 반응을 통해 평가 과정에 영향을 미칠 가능성은 여전히 존재합니다. 다만 최종 평가 책임은 실제 면접관에게 있습니다. 따라서 AI가 자동으로 채점하지 않더라도 기업은 가상 캐릭터의 행동이 안정적인지, 서로 다른 지원자에게 합리적이고 비교 가능한 평가 기회가 제공되는지 확인해야 합니다.

한편 맥킨지는 2026년 8월 1일부터 시행된 『AI-Assisted Interview Privacy Notice』를 통해 별도의 AI 지원 채용 체계도 공개했습니다. 이 제도에서는 AI 챗봇이 지원자의 경력 연수, 언어 능력, 거주 지역, 자격 요건 등을 질문하고, 사전에 정해진 기준에 따라 자격 평가를 생성한 뒤 실제 채용 담당자가 이를 검토합니다.

이 두 가지 제도를 혼동해서는 안 됩니다. 전자는 실제 면접관이 관찰하는 가상 고객 상황 평가이고, 후자는 지원 자격 평가를 생성할 수 있는 AI 채용 챗봇입니다. 두 제도 모두 AI를 사용하고 사람이 참여하지만, 실제 목적과 평가 과정에서 AI가 담당하는 역할은 서로 다릅니다.

맥킨지 AI 면접과 기존 케이스 인터뷰는 무엇이 다를까?

기존 케이스 인터뷰는 분석을 중시하고, AI 모의 면접은 실시간 고객 상호작용을 추가한다

맥킨지는 오랫동안 지원자를 평가하기 위해 문제 해결 면접(Problem-Solving Interview)을 활용해 왔습니다. 이러한 면접은 일반적으로 케이스 인터뷰(Case Interview)라고 불립니다. 면접관은 기업의 신규 시장 진출 여부, 운영 성과 개선 방안, 특정 투자의 타당성 등 비즈니스 사례를 제시합니다. 지원자는 문제를 명확히 파악하고 정보를 분석한 뒤 단계적으로 해결 방안을 제안해야 합니다.

AI 가상 고객 면접도 비즈니스 상황을 설정한다는 점에서는 기존 방식과 같지만, 대화 상대가 일반 면접관에서 모의 고객으로 바뀝니다. 지원자는 해결책을 고민하는 동시에 상대방의 이해 수준, 관심사, 즉각적인 반응에도 주의를 기울여야 합니다. 고객이 갑자기 새로운 제약 조건을 제시하면 기존에 준비했던 분석 방향이 더 이상 적절하지 않을 수 있으며, 이때 대화를 어떻게 이어 가는지가 관찰 가능한 행동으로 평가됩니다.

비교 항목	기존 케이스 인터뷰	AI 모의 고객 면접
대화 상대	실제 면접관	AI 가상 고객
주요 상황	비즈니스 문제를 분석하고 해결책 제안	모의 고객과 문제 및 제안에 관해 논의
주요 관찰 요소	논리적 분석, 문제 해결, 의사소통	고객 이해, 즉각적인 대응, 판단 조정
정보 획득 방식	사례 설정과 면접관의 안내에 따라 정보 획득	가상 고객과의 대화를 통해 정보 획득
평가 담당자	실제 면접관	실제 면접관
준비 방향	사례 분석, 가설 수립, 데이터 해석	사례 분석에 더해 변화하는 상황에 따른 고객 커뮤니케이션

두 가지 면접에서 요구하는 역량은 실제로 상당 부분 겹칩니다. 기존 케이스 인터뷰 역시 지원자가 문제를 이해하고 자신의 판단을 설명할 수 있는지 관찰하며, AI 모의 고객 면접에서도 분석 능력을 완전히 배제할 수는 없습니다. 차이점은 새로운 방식에서는 고객과의 상호작용 자체가 더욱 직접적인 관찰 대상이 된다는 것입니다.

기업은 왜 AI를 통해 실제 업무 역량을 평가하려 할까?

기존 케이스 인터뷰에는 이미 체계적인 준비 자료가 마련되어 있습니다. 지원자는 시장 규모 추정, 수익성 분석, 비용 구조 분석 등 자주 등장하는 문제 유형을 반복해서 연습할 수 있습니다. 이러한 훈련은 분석 능력을 기르는 데 도움이 되지만, 답변 방식이 점차 정형화되면 면접관은 지원자가 문제를 실제로 이해하고 있는지, 아니면 연습한 답변을 능숙하게 재현하는 것인지 구별하기 어려워질 수 있습니다.

실제 컨설팅 업무에서는 논의가 이처럼 정해진 순서대로 진행되지 않는 경우가 많습니다. 고객이 처음에는 모호한 문제를 제시하고 이후에 예산과 시간 제약을 추가할 수도 있으며, 회의 도중 최초의 목표를 바꿀 수도 있습니다. 컨설턴트는 정보를 지속적으로 확인하고, 필요한 경우 새로운 조건이 기존 제안에 왜 영향을 미치는지 고객에게 설명해야 합니다.

인재 평가 관점에서 이러한 시뮬레이션은 업무 표본 평가(Work Sample Assessment)에 가깝습니다. 이는 지원자가 실제 업무와 유사한 과제를 수행하도록 하고 관련 역량을 관찰하는 평가 방식입니다. 미국 인사관리처(OPM)의 연구 자료에 따르면 업무 표본 평가와 구조화 면접은 적절하게 설계됐을 때 실제 직무 성과와 관련된 평가 정보를 제공할 수 있습니다. 따라서 기업은 지원자가 정답을 말할 수 있는지만 확인하는 것이 아니라 실제 상황을 어떻게 처리하는지도 파악하려 합니다.

그러나 시뮬레이션 상황이 현실적으로 보인다는 사실만으로 평가에 충분한 예측 타당도가 확보됐다고 볼 수는 없습니다. 기업은 지원자가 10분간의 가상 대화에서 보여 준 수행 능력이 향후 실제 업무 역량을 어느 정도 반영하는지 데이터를 통해 검증해야 합니다. 특히 컨설팅 업무에는 조사, 데이터 분석, 팀 협업, 장기 프로젝트 수행도 포함되므로 단 한 번의 짧은 대화만으로 모든 요구 역량을 평가하기는 어렵습니다.

맥킨지 AI 면접에서는 주로 어떤 역량을 평가할까?

현재 공개된 시뮬레이션 상황과 맥킨지 파트너의 설명을 종합하면, 이 평가는 지원자가 고객의 요구를 이해하고 새로운 정보를 처리하며 판단 근거를 명확히 전달할 수 있는지에 주목합니다. 다만 맥킨지는 아직 전체 채점표를 공개하지 않았습니다. 아래 내용은 공개 자료와 컨설팅 업무의 특성을 바탕으로 정리한 준비 방향이며, 공식 평가 기준으로 간주해서는 안 됩니다.

요구 사항 파악: 제안하기 전에 고객의 의사결정 목표부터 확인한다

가상 시장이 "시에서 새로운 경기장 건설을 검토하고 있습니다. 도심과 교외 중 어디에 건설하는 것이 좋을까요?"라고 질문했다고 가정해 보겠습니다. 겉보기에는 두 가지 선택지 중 하나를 고르는 문제지만, 다른 조건이 없다면 어느 지역이 더 적합한지 바로 판단하기 어렵습니다. 시 정부는 관광 수입 증대를 원할 수도 있고, 주민을 위한 공공시설 확충을 더 중요하게 생각할 수도 있습니다. 목표가 다르면 입지를 선정할 때 우선 고려해야 할 요소도 달라집니다.

이런 문제를 마주했을 때는 먼저 의사결정 목표를 확인하고, 예산, 토지 이용, 교통, 예상 이용자 수 등의 조건을 질문해 최종 선택에 가장 큰 영향을 미칠 정보를 파악하는 것이 합리적입니다. 그렇다고 모든 세부 사항을 질문한 뒤에야 분석을 시작해야 한다는 뜻은 아닙니다. 어떤 문제를 먼저 명확히 해야 하는지 구별하고, 제한된 면접 시간을 의사결정과 관련성이 낮은 정보를 확인하는 데 낭비하지 않아야 합니다.

고객과 소통할 때도 비슷한 상황이 자주 발생합니다. 특히 상대방이 아직 요구 사항을 완전히 정리하지 못한 경우에는 어떤 방식으로 질문하느냐가 이후 논의에 직접적인 영향을 줍니다. 처음부터 익숙한 분석 프레임워크를 적용하면서 고객이 실제로 해결하려는 문제가 무엇인지 확인하지 않는다면, 추론 과정에 뚜렷한 오류가 없더라도 최종 제안은 고객의 요구에서 벗어날 수 있습니다.

가설 관리: 새로운 정보가 나왔을 때 기존 판단을 수정할 수 있는가?

비즈니스 분석에서는 처음부터 완전한 데이터를 확보하기 어려운 경우가 많습니다. 따라서 이미 알고 있는 조건을 바탕으로 가설을 세우고, 정보가 추가될 때마다 이를 단계적으로 수정해야 합니다. AI 모의 고객은 대화 도중 새로운 제약 조건을 제시하거나 반대 의견을 내놓을 수 있으므로, 면접관은 지원자가 처음에는 고려하지 않았던 요소를 어떻게 처리하는지 관찰할 수 있습니다.

예를 들어 대중교통이 편리하고 상업 활동이 집중되어 있다는 이유로 도심에 경기장을 건설하는 것이 적합하다고 판단했다고 가정해 보겠습니다. 그런데 시장이 교통 부서의 평가 결과, 현재 도로로는 대규모 행사 기간에 발생하는 차량 통행량을 감당할 수 없다고 설명합니다. 이때는 교통 문제가 얼마나 심각한지, 셔틀버스 운영이나 대중교통 활용, 도로 개선을 통해 해결할 수 있는지 추가로 확인해야 합니다. 개선 비용이 예산을 초과한다면 최초의 답변을 계속 고수하기보다 교외 건설 방안과 다시 비교해야 합니다.

이러한 판단 수정은 분석의 전제 조건을 관리하는 능력을 보여 줍니다. 최초의 제안은 특정 조건에서 합리적이었을 수 있지만, 조건이 달라졌다면 결론 역시 재검토해야 합니다. 실제 업무에서 고객이 모든 정보를 한 번에 제공하는 경우는 많지 않습니다. 어떤 가설이 더 이상 유효하지 않은지 파악할 수 있는지는 이후 의사결정의 질에 영향을 미칩니다.

의사결정 커뮤니케이션: 고객이 각 방안의 비용과 상충관계를 이해하도록 설명한다

제안할 때는 어떤 방안이 더 적합한지 설명하는 것뿐 아니라 그 선택에 따르는 대가도 알려야 합니다. 도심은 교통 접근성과 상업 개발 여건이 더 좋을 수 있지만 토지 비용이 높습니다. 반면 교외는 개발 공간을 충분히 확보할 수 있는 대신 교통 인프라에 추가 투자가 필요할 수 있습니다. 두 방안 모두 장단점이 있으므로 고객이 중요하게 생각하는 목표에 따라 결정해야 합니다.

답변이 특정 방안의 장점만 강조한다면 고객은 그 방안을 추천하는 이유를 충분히 이해하지 못할 수 있고, 어떤 조건이 최종 선택을 바꿀 수 있는지도 판단하기 어렵습니다. 보다 완전한 설명을 위해서는 현재 확인된 정보가 무엇인지 먼저 밝히고, 어떤 가정을 바탕으로 제안하는지, 추가로 확인해야 할 문제는 무엇인지 전달해야 합니다.

예를 들어 시장에게 다음과 같이 설명할 수 있습니다. "시 정부가 교통 편의성과 주변 상권 발전을 우선한다면 현재로서는 도심이 더 유리합니다. 다만 도로 개선에 필요한 비용은 추가로 확인해야 합니다. 교통 인프라 건설 비용이 예산을 초과한다면 교외 건설안이 재정적 제약에 더 적합할 수 있습니다."

이런 답변은 모든 자료가 이미 확인된 것처럼 가장하지 않으면서도, 불확실성이 있다는 이유로 아무런 방향도 제시하지 않는 상황을 피합니다. 컨설팅 업무에서 합리적인 제안은 일반적으로 판단 근거와 제약 조건을 함께 제시해야 하며, 이를 통해 고객이 의사결정을 계속 진행하려면 어떤 정보를 추가로 확인해야 하는지 알 수 있도록 해야 합니다.

AI 모의 면접은 반드시 더 공정할까? 표준화와 채용 편향에 대한 검증이 필요하다

맥킨지는 AI 가상 고객을 통해 일부 면접 상황의 일관성을 개선하려 합니다. 이러한 방향은 실무적으로 논의할 가치가 있습니다. 과거에는 실제 사람이 고객 역할을 맡을 때 면접관마다 추가 질문을 하는 습관이 달랐습니다. 어떤 면접관은 반대 의견을 자주 제시하는 반면, 다른 면접관은 힌트를 더 적극적으로 제공하기도 했습니다. 같은 사례를 사용하더라도 지원자가 실제로 경험하는 난이도에는 차이가 발생할 수 있습니다.

AI를 사용하면 기업은 캐릭터의 배경, 상황의 목표, 상호작용 범위를 미리 설정해 사람에 따른 차이를 일부 줄일 수 있습니다. 그러나 생성형 AI의 답변은 대화 내용의 영향을 받기 때문에 매번 완전히 동일한 상호작용이 이루어진다고 보장할 수는 없습니다. 따라서 기업은 가상 고객이 비슷한 난이도의 상황을 제공하는지, 서로 다른 지원자에게 관련 역량을 보여 줄 합리적인 기회가 주어지는지 점검해야 합니다.

사람이 채점한다고 해서 면접 결과가 자연스럽게 공정해지는 것은 아니다

AI가 지원자에게 직접 점수를 매기지 않더라도 실제 면접관은 주관적인 인상의 영향을 받을 수 있습니다. 예를 들어 답변하기 전에 제약 조건을 먼저 확인하는 동일한 행동을 두고도 어떤 면접관은 신중한 판단이라고 평가하는 반면, 다른 면접관은 반응이 충분히 빠르지 않다고 생각할 수 있습니다. 명확한 채점 기준이 없다면 동일한 시뮬레이션 상황을 사용해도 이러한 차이를 완전히 없앨 수 없습니다.

미국 인사관리처의 구조화 면접 관련 연구에 따르면 직무 분석을 바탕으로 평가 항목을 설정하고 질문과 채점 기준을 통일하면 평가자 간 일관성을 개선하는 데 도움이 됩니다. 따라서 이와 같은 AI 모의 면접에서는 시스템 자체의 안정성뿐 아니라 실제 면접관이 전반적인 인상에 지나치게 의존하지 않고 관찰 가능한 행동에 따라 평가하는지도 확인해야 합니다.

또한 짧은 시간 안에 실시간으로 진행되는 대화에서는 반응이 빠르고 구두 표현이 유창한 사람이 자신의 강점을 더 쉽게 보여 줄 수 있습니다. 그러나 이런 특성이 컨설팅 업무에 필요한 전반적인 역량을 충분히 대표하는지는 평가 타당도 연구를 통해 확인해야 합니다. 장시간 조사와 분석을 수행하는 데 능숙한 사람이라도 짧은 대화에서 두드러진 성과를 보이지 않을 수 있습니다. 기업이 모의 면접을 통해 인재 선발을 개선하려 한다면 새로운 평가가 기존에 부족했던 어떤 정보를 제공하는지, 특정 역량의 비중을 불합리하게 높이고 있지는 않은지 파악해야 합니다.

언어적 배경, 장애, 데이터 개인정보 보호도 평가에 포함해야 한다

면접이 AI 음성 상호작용에 의존하기 시작하면 시스템이 다양한 억양, 말하는 속도, 의사소통 방식을 정확하게 인식할 수 있는지도 실제 사용 경험에 영향을 미칩니다. 비원어민이나 일부 장애가 있는 지원자의 경우 모델이 답변을 제대로 이해하지 못하면 불필요한 의사소통 장벽이 생길 수 있습니다.

미국 고용평등기회위원회(EEOC)는 기업이 AI 채용 도구를 사용할 때도 적용 가능한 고용 차별 금지법을 준수하고, 관련 요건에 해당하면 합리적인 편의를 제공해야 한다고 지적한 바 있습니다. 이것이 맥킨지의 이번 시스템에서 이미 관련 문제가 발생했다는 뜻은 아닙니다. 기업이 도입 범위를 확대하기 전에 다양한 배경의 지원자가 불합리한 기술적 제약을 받지 않는지 확인해야 한다는 의미입니다.

데이터 거버넌스 역시 명확히 해야 할 또 다른 영역입니다. 맥킨지는 별도의 AI 지원 채용 개인정보 처리 고지에서 챗봇이 대화 녹취록, AI 요약, 자격 평가, 관련 음성 데이터 등을 처리할 수 있다고 설명했습니다. 그러나 이 고지는 AI 자격 평가 제도에 관한 것으로, 10분간 진행되는 가상 고객 평가에도 완전히 동일한 데이터 처리 방식이 적용된다고 단정할 수는 없습니다. 지원자는 실제 평가에 참여하기 전에 대화 녹음 여부, 데이터 이용 목적, 적용되는 개인정보 보호 규정을 확인해야 합니다.

미국 국립표준기술연구소(NIST)의 AI 위험 관리 프레임워크에서도 AI 시스템을 평가할 때 유효성, 신뢰성, 투명성, 책임성, 공정성, 개인정보 보호 등을 고려해야 한다고 강조합니다. 이를 채용 상황에 적용하면 실제로 검증해야 할 것은 AI 모델이 대화를 원활하게 진행할 수 있는지 여부만이 아니라 평가 제도 전체가 합리적인지입니다.

맥킨지 AI 면접은 어떻게 준비할까? 모의 고객을 활용한 실시간 의사소통 연습

이러한 평가를 준비할 때는 기존 케이스 인터뷰의 분석 훈련을 이어 가면서 고객과 상호작용하는 연습을 추가할 수 있습니다. AI에 완성된 모범 답안을 만들어 달라고 하기보다는 정보가 불완전하고 추가 질문을 하는 고객 역할을 맡기는 편이 좋습니다. 이를 통해 제한된 시간 안에 요구 사항을 확인하고 제안을 제시하며 새로운 조건에 따라 판단을 조정하는 연습을 할 수 있습니다.

이런 연습을 위해 특별한 면접 플랫폼이 필요한 것은 아닙니다. 일반적인 대화형 AI 도구만으로도 연습 상황을 만들 수 있습니다. 평소 Notion을 사용해 업무 자료를 정리한다면 매번 연습한 사례, 주요 문제점, 개선 방향을 기록해 두는 것도 좋습니다. 이렇게 하면 시기별로 자신의 수행 능력이 어떻게 달라졌는지 비교하기가 수월해집니다.

사례 상황을 만들고 AI가 고객의 요구 사항을 단계적으로 공개하도록 설정한다

모의 사례는 도시 건설, 제품 가격 책정, 고객 이탈, 공급망 지연 등 일반적인 비즈니스 문제에서 시작할 수 있습니다. 먼저 간단한 배경을 설정한 뒤 대화가 진행됨에 따라 AI가 정보를 단계적으로 제공하도록 합니다. 연습 전에 모든 조건을 알아야 할 필요도 없고, 사례마다 정해진 답변을 준비할 필요도 없습니다. 그렇지 않으면 또 다른 형태의 암기 훈련이 되기 쉽기 때문입니다.

예를 들어 새로운 경기장 건설 후보지를 비교하는 가상 시장을 설정하고, 처음에는 두 곳의 후보지만 제시하도록 합니다. 지원자는 스스로 의사결정 목표와 제약 조건을 확인해야 합니다. 예산을 질문하면 AI가 그때 재정 조건을 제공하고, 교통 문제를 논의하면 교통 부서의 평가 결과를 추가하는 방식으로 실제 질문 내용에 따라 대화가 전개되도록 할 수 있습니다.

연습할 때는 다음 프롬프트를 그대로 사용할 수 있습니다.

새로운 경기장 건설 부지를 검토하고 있는 가상의 도시 시장 역할을 맡아, 비즈니스 컨설턴트 직무 지원자와 모의 고객 미팅을 진행해 주세요. 매번 정보의 일부만 공개하고, 지원자의 답변에 따라 합리적인 추가 질문을 해 주세요. 모든 조건을 한 번에 공개하지 마세요. 논의 과정에서는 예산, 교통, 주민 의견 또는 의사결정에 영향을 줄 수 있는 새로운 정보를 적절한 시점에 추가해 주세요. 지원자의 답변에서 중요한 제약 조건이 다뤄지지 않았다면 고객의 입장에서 우려를 제기하되, 최적의 답안을 직접 알려 주지는 마세요. 이 연습은 10분 동안 진행됩니다. 종료 후에는 요구 사항 파악, 가설 관리, 즉각적인 대응, 의사결정 설명에 관해 구체적인 피드백을 제공해 주세요.

이는 자체적으로 설계한 연습 상황이며 맥킨지의 공식 문제를 의미하지 않습니다. 실제 평가에서도 같은 방식으로 추가 질문이 이루어진다는 뜻은 아닙니다. 사용하는 AI 도구가 대화 시간을 안정적으로 관리하지 못한다면 별도의 타이머를 설정해 모델이 시간이 끝났는지 판단하는 데 지나치게 의존하지 않는 것이 좋습니다.

10분간의 연습 시간은 어떻게 배분해야 할까?

시간이 제한된 모의 면접에서는 흔히 발생하는 두 가지 상황을 피해야 합니다. 하나는 시작하자마자 성급하게 답을 제시하는 것이고, 다른 하나는 세부 사항을 확인하는 데 너무 많은 시간을 사용해 결국 구체적인 제안을 하지 못하는 것입니다.

연습할 때는 먼저 약 2분 동안 고객의 의사결정 목표와 주요 제약 조건을 확인할 수 있습니다. 이어서 중요한 정보를 정리하고 가능한 선택지를 비교한 뒤, 후반부에는 잠정적인 제안을 제시하고 고객의 우려에 대응합니다. 종료 시간이 가까워지면 현재 어떤 판단에 합리적인 근거가 있는지, 추가로 확인해야 할 조건은 무엇인지 설명해야 합니다.

이러한 시간 배분은 어디까지나 연습을 위한 시간 관리 방식이며 맥킨지가 공식적으로 정한 답변 절차는 아닙니다. 실제 고객과 대화할 때는 논의 순서가 언제든 달라질 수 있습니다. 새로운 제약 조건이 예상보다 일찍 등장한다면 분석 방향도 적절히 조정해야 합니다.

각 단계의 시간을 초 단위로 엄격하게 관리하기보다는 시간이 부족한 상황에서도 잠정적인 제안을 제시할 수 있을 정도까지 문제를 논의하는 연습이 더 중요합니다. 모든 자료를 확보하지 못했더라도 현재의 판단과 다음으로 가장 먼저 검증해야 할 가설을 명확하게 설명할 수 있습니다.

AI 점수만 확인하기보다 Notion에 연습 중 발생한 문제를 기록한다

매번 연습이 끝나면 AI는 일반적으로 평가 피드백을 제공할 수 있지만, 이러한 점수에 객관적인 비교 기준이 있는 것은 아닙니다. 두 번의 시뮬레이션에서 동일한 프롬프트를 사용하더라도 상황의 난이도와 추가 질문 내용이 달라질 수 있습니다. 따라서 AI가 제시한 숫자를 실제 면접 역량을 정량적으로 나타내는 결과로 그대로 받아들이는 것은 적절하지 않습니다.

더 참고할 만한 방법은 실제로 발생한 문제를 기록하는 것입니다. 예를 들어 제안하기 전에 고객의 의사결정 목표를 확인했는지, 중요한 제약 조건을 놓치지 않았는지, 새로운 정보가 등장했을 때 가설을 다시 검토했는지, 마지막으로 각 방안의 상충관계를 설명했는지 등을 살펴볼 수 있습니다.

Notion에 연습용 데이터베이스를 만든다면 사례 주제, 연습 날짜, 주요 문제점, 다음 연습에서 조정할 방향 등을 기본 속성으로 설정할 수 있습니다. 매번 가장 개선이 필요한 행동만 기록하면 지나치게 복잡한 평가표를 작성하는 데 시간을 낭비하지 않을 수 있습니다.

예를 들어 어느 연습에서 지원자가 완성도 높은 건설 부지 제안을 빠르게 제시했지만 시 정부의 예산에 교통 개선 비용이 포함되어 있는지는 확인하지 않았다고 가정해 보겠습니다. 다음 연습에서는 재정적 제약을 확인하는 방법에 집중할 수 있습니다. 이러한 기록은 이후 준비 방향을 더욱 명확하게 해 주며, 어떤 문제가 반복해서 나타나는지도 쉽게 파악할 수 있게 합니다.

실제 사람과의 모의 면접을 추가해 AI의 반응 방식에 지나치게 익숙해지지 않도록 한다

AI는 다양한 고객 역할을 반복해서 수행할 수 있지만 답변의 질에 대한 판단이 실제 사람의 평가와 반드시 일치하는 것은 아닙니다. 일부 모델은 구조가 명확하고 표현이 완전한 답변을 선호할 수 있지만, 실제 대화의 자연스러움을 정확하게 평가하지 못하거나 논리적으로는 완성도 높은 설명이 고객이 정말 궁금해하는 질문에 답하지 않았다는 사실을 알아차리지 못할 수도 있습니다.

따라서 연습 과정에는 실제 사람의 관찰을 추가하는 것이 좋습니다. 비즈니스 사례에 익숙한 친구, 동료, 멘토에게 고객 역할을 부탁하고 제안이 이해하기 쉬운지, 답변이 질문의 핵심에 맞는지, 대화 과정에서 상대방의 우려를 놓치지 않았는지 확인할 수 있습니다.

AI와 실제 사람이 같은 답변에 서로 다른 평가를 내렸다면 어느 쪽이 더 높은 점수를 주었는지만 비교하기보다는 실제 대화 내용을 다시 살펴보는 것이 좋습니다. 연습의 목적은 관찰 가능한 의사소통 행동을 개선하는 데 있으며, 매번의 시뮬레이션을 점수 경쟁으로 만들 필요는 없습니다.

맥킨지 공식 면접에서 ChatGPT를 사용할 수 있을까? 사전 준비와 실제 평가 규정은 다르다

맥킨지 공식 채용 사이트에서는 면접 전 AI를 활용한 준비와 실제 평가 중 AI 사용을 명확하게 구분하고 있습니다. 지원자는 ChatGPT나 다른 생성형 AI 도구를 사용해 이력서 표현을 다듬거나 면접 질문을 연습하고 비즈니스 분석 개념을 이해할 수 있습니다. 그러나 AI를 이용해 개인 경험을 허위로 만들어서는 안 되며, 공식 면접에서 허가받지 않은 도구로 실시간 답변을 생성해서도 안 됩니다.

이러한 규정은 AI 가상 고객 면접에도 동일하게 적용됩니다. 평가 자체에서 맥킨지가 제공하는 AI 캐릭터를 사용한다고 해서 지원자가 별도의 생성형 AI 도구를 실행해 고객의 문제를 분석하거나 실시간으로 답변을 생성해도 된다는 의미는 아닙니다. 채용 담당자가 명시적으로 허용하지 않았다면 일반적인 공식 면접의 도구 사용 제한을 준수해야 합니다.

맥킨지는 『Assessment Integrity Expectations』에서도 지원자가 허가 없이 면접을 녹음하거나 녹화하고, 화면을 캡처하거나, 승인받지 않은 애플리케이션과 웹사이트, AI 도구를 사용하는 것을 금지하고 있습니다. 공식 평가에서는 원칙적으로 하나의 화면만 사용해야 하며, 다른 사람이나 도구의 도움을 받아서는 안 됩니다. 또한 메모 작성과 기기 사용 방식에 관한 면접관의 지시를 따라야 합니다. 장애로 인해 합리적인 편의 제공이 필요한 경우에는 사전에 채용 담당자에게 확인해야 합니다.

원격으로 지원하는 경우에는 일부 화상회의 소프트웨어, 브라우저 확장 프로그램, 데스크톱 프로그램에서 AI 기반 대화 기록, 회의 요약, 자동 녹화 기능이 기본으로 활성화되어 있을 수 있다는 점에도 주의해야 합니다. 자신도 모르게 채용 규정을 위반하지 않도록 공식 면접 전에 이러한 도구의 설정을 확인하는 것이 좋습니다.

반면 평소 AI로 면접을 연습할 때는 가상의 사례나 공개 정보를 사용하는 것이 좋습니다. 현재 근무 중인 회사의 내부 문서, 실제 고객 데이터, 허가받지 않은 기업 정보를 직접 업로드해서는 안 됩니다. 모의 면접에 필요한 것은 충분히 현실적인 업무 상황이지 실제 기밀 자료가 아닙니다. 요구 사항을 파악하고 의사결정에 관해 소통하는 능력을 연습하기 위해 실제 기밀 정보에 의존할 필요는 없습니다.

AI 모의 면접은 기업 채용의 새로운 방향이 될까?

이번 맥킨지의 시범 운영은 채용 과정에서 AI가 담당할 수 있는 새로운 역할을 보여 줍니다. 과거에는 기업이 AI를 이력서 선별, 자격 요건 확인, 면접 자료 정리 등에 활용하는 경우가 비교적 많았습니다. 이제는 AI가 실제 업무 상황 속 상호작용 상대를 연기하도록 하고, 지원자가 과제를 어떻게 수행하는지 사람이 관찰하는 방식도 시험하기 시작했습니다.

이 방식은 고객을 자주 상대해야 하는 업무에서 일정한 매력이 있습니다. 기업은 유사한 시뮬레이션 상황을 통해 지원자가 요구 사항을 어떻게 이해하고, 다른 의견을 처리하며, 이해관계자에게 의사결정의 근거를 어떻게 설명하는지 관찰할 수 있기 때문입니다. 다만 AI가 실제로 평가의 질을 높일 수 있는지는 여전히 검증이 필요합니다. 모델이 자연스럽게 대화할 수 있는지뿐 아니라 지원자마다 경험하는 상황을 비교할 수 있는지, 실제 면접관의 채점이 일관적인지, 평가 결과가 실제 업무 역량을 효과적으로 반영하는지도 확인해야 합니다.

2026년 10월 22일 기준으로 맥킨지는 이번 시범 운영의 성과를 판단할 수 있을 만큼 충분한 평가 자료를 공개하지 않았습니다. 따라서 AI 모의 고객 면접이 기존 케이스 인터뷰를 전면적으로 대체할 것이라고 추론할 수 없으며, 다른 기업이 동일한 제도를 도입할지도 확실하지 않습니다.

맥킨지 AI 면접을 준비하는 구직자라면 현 단계에서는 기존의 사례 분석, 문제 해결, 개인 경험 면접 준비를 기본으로 삼고, 제한 시간 안에 고객과 대화하는 연습을 추가하는 것이 좋습니다. 익숙하지 않은 상황에서는 먼저 실제로 해결해야 할 문제가 무엇인지 확인하고, 합리적인 가설을 세우며, 새로운 제약 조건이 등장하면 다시 평가해야 합니다. 또한 고객에게 제안의 근거와 각 선택지의 상충관계를 설명할 수 있어야 합니다. 이러한 역량은 실제 컨설팅 업무에서도 자주 요구되는 의사소통 및 판단 능력입니다.

자주 묻는 질문(FAQs)

SUPPORT FENGNIII

喜歡這篇文章嗎？

如果這篇內容對你有幫助，可以透過小額贊助支持本站持續整理更多日文、韓文、旅行與數位工具內容。

小額支持本站

付款將由藍新金流安全處理