핵심 요약
- 문항 수, 시간, 범위는 공식적으로 공개되지 않았습니다. 공식 페이지에는 1차 예선이 10월 17일(토)~18일(일) 중 하루, 온라인으로 치르는 "AI 기초 지식 및 활용 역량 검증"이라는 것만 나옵니다. SK하이닉스 보도자료는 예선에서 "AI 기본 활용 역량과 AI 리터러시"를 보고, "문제 정의, AI 활용, 결과 검증 과정"을 평가한다고 밝혔습니다.
- 응시 플랫폼은 프로그래머스로 보입니다. 서류 합격자 후기에 따르면 프로그래머스 대회 현황 페이지에 응시 플랫폼은 프로그래머스, 평가 내용은 'AI 기초 이해 및 활용 역량'으로 적혀 있었습니다. 공식 페이지의 'AI Partners' 로고 줄에도 프로그래머스가 들어 있습니다.
- 그렇다면 시험은 두 갈래일 가능성이 큽니다. 프로그래머스 AI 역량평가에는 객관식·주관식 'AI 지식평가'와 AI 채팅으로 과제를 푸는 'AI 활용평가'가 있고, 예선 이름과 그대로 겹칩니다. 이 대목은 공식 확인이 아닌 추론입니다.
- 프로그래머스 활용평가는 질문을 아껴 쓰도록 짜여 있습니다. 프로그래머스는 문항당 AI 질문 횟수를 제한하고, 질문 뒤 30초 쿨타임을 두며, 지문 복사 붙여넣기를 막는다고 밝혔습니다. 베타 테스트에서는 결과 점수가 71점으로 같았던 두 사람이 과정 점수 60점과 22점으로 갈렸습니다. 이번 예선에 같은 설정이 적용되는지는 아직 공개되지 않았습니다.
- 남은 나흘은 안내 확인, 개념 정리, 과제 연습, 복기와 기기 점검 순서로 하루씩 쓰기를 권합니다. 토큰, 컨텍스트 윈도우, temperature, 환각, RAG, 프롬프트 인젝션 같은 개념을 정확히 알고, "문제를 쪼개고 맥락을 한 번에 주고 결과를 검증하는" 습관을 연습하는 것이 핵심입니다.
목차
- 1차 예선, 공개된 것과 공개되지 않은 것
- 응시 플랫폼은 왜 프로그래머스로 보나
- 시험은 '지식'과 '활용' 두 갈래일 가능성이 큽니다
- 채점은 정답보다 과정을 봅니다
- 지식평가 대비: 정확히 알아야 할 개념 12개
- 활용평가 대비: 질문 몇 번 안에 끝내는 법
- 남은 나흘 준비 계획과 당일 점검표
- 2차 예선과 본선은 결이 다릅니다
- 이 글의 한계
- 자주 묻는 질문
- 마치며
- 출처
1차 예선, 공개된 것과 공개되지 않은 것
1차 예선에 대해 공식적으로 확인되는 것은 일정, 온라인 진행, 평가 이름, 그리고 "과정을 본다"는 원칙뿐입니다. 문항 수, 시험 시간, 출제 범위, 외부 AI 도구 허용 여부, 합격 기준은 공식 페이지에도 보도자료에도 없습니다. 공식 페이지와 FAQ를 끝까지 확인했지만 시험 형식에 관한 문구는 찾지 못했습니다.
지금까지 나온 정보를 확인 수준별로 나누면 다음과 같습니다.
| 항목 | 내용 | 확인 수준 |
|---|---|---|
| 일정 | 10월 17일(토)~18일(일) 중 1일, 온라인 | 공식 페이지 |
| 평가 이름 | "AI 기초 지식 및 활용 역량 검증" | 공식 페이지 |
| 평가 내용 | "AI 기본 활용 역량과 AI 리터러시" | SK하이닉스 보도자료 |
| 평가 관점 | "문제 정의, AI 활용, 결과 검증 과정 등을 종합적으로" | SK하이닉스 보도자료 |
| 평가 도구 | 크래프톤 'Cofa-Probe' "등 다양한 AI 활용 역량 평가 도구" | SK하이닉스 보도자료 |
| 응시 플랫폼 | 프로그래머스 | 합격자 후기 (공식 안내 미확인) |
| 상세 안내 | 10월 13일 메일 예정, 정확한 시간과 접속 방법은 개별 안내 | 합격자 후기 |
| 문항 수, 시간, 범위, 합격 기준 | 공개되지 않음 | 없음 |
| 외부 AI 도구 사용, 화상 감독 여부 | 공개되지 않음 | 없음 |
SK하이닉스는 9월 21일 보도자료에서 이 대회가 출신 학교, 전공, 학점 같은 학력 정보를 받지 않고, 1차 예선에서 "AI 기본 활용 역량과 AI 리터러시"를 본다고 밝혔습니다(SK하이닉스 뉴스룸, 2026-09-21). 공식 페이지의 핵심 가치도 같은 방향입니다. "오직 논리적인 AI 활용 능력과 문제 해결에 대한 집요함에만 집중"한다고 적었습니다(공식 페이지).
시험 직전에 받는 안내 메일이 이 글보다 우선합니다. 안내 메일에 응시 시간, 접속 방법, 허용 도구가 적혀 있다면 그 규정을 따르세요.
응시 플랫폼은 왜 프로그래머스로 보나
1차 예선을 프로그래머스에서 치른다는 근거는 합격자 후기의 증언과 파트너 구성 두 가지입니다. 둘 다 공식 안내문 자체는 아니므로 확정이 아닌 강한 추론으로 읽어 주세요.
첫째, 10월 10일 서류 합격 후기를 올린 한 지원자는 프로그래머스의 대회 현황 페이지에서 다음 문구를 봤다고 적었습니다. "응시 플랫폼은 프로그래머스이고, 평가 내용은 'AI 기초 이해 및 활용 역량'이라고 적혀있네요." 같은 글에는 "상세 안내는 13일에 별도로 메일이 온다"는 내용도 있습니다(네이버 블로그 합격 후기, 2026-10-10). 다른 합격자도 1차 예선의 정확한 시간과 접속 방법은 개별 안내될 예정이라고 적었습니다(네이버 블로그 합격 후기, 2026-10-10). DC인사이드 AI 활용 갤러리에도 "이번 1차 예선 응시플랫폼이 프로그래머스"라며 프로그래머스 응시 환경 체험 페이지를 공유한 글이 올라왔습니다(DC인사이드, 2026-10).
둘째, 공식 페이지 하단의 'AI Partners' 로고 줄에 프로그래머스가 크래프톤, 오픈AI와 나란히 있습니다. 프로그래머스 운영사 그렙은 올해 3월 'AI 역량평가'를 내놓았고, 6개월 만에 16개 기업·기관이 도입했으며 활용 목적의 약 30%가 AI 경진대회와 체험 행사라고 밝혔습니다(벤처스퀘어, 2026-10-12).
보도자료에 이름이 나온 크래프톤 Cofa-Probe는 성격이 다릅니다. 여러 AI 업무 에이전트와 함께 실무형 과제를 하고, 대화, 코드, 검증 기록을 모은 뒤 사후 질의응답까지 거치는 도구입니다(머니투데이, 2026-08-28). 1차의 "기초 지식"보다는 2차의 "AI Native 역량 검증"에 더 가까운 형태로 보이지만, 어느 도구를 어느 단계에 쓰는지는 공개되지 않았습니다.
시험은 '지식'과 '활용' 두 갈래일 가능성이 큽니다
프로그래머스 AI 역량평가는 지식평가, 활용평가, 전문평가 세 가지로 나뉘는데, 앞의 둘이 1차 예선 이름 "AI 기초 지식 및 활용 역량"과 그대로 겹칩니다. 그래서 1차 예선은 객관식·주관식 개념 문항과 AI 채팅을 쓰는 실무 과제를 함께 내는 형태로 보입니다. 다시 말하지만 추론입니다.
프로그래머스 공식 페이지는 세 유형을 이렇게 설명합니다(프로그래머스 AI 역량평가).
- AI 지식평가 (기초 이해): 전 직군 대상 AI 지식 객관식·주관식 테스트
- AI 활용평가 (실무 활용): 실무 과제형 평가, 프롬프팅 활용 테스트
- AI 전문평가 (성과 창출): 프롬프팅 통합 테스트, 개발자 AI 역량평가, 직무별 프로젝트형 평가
기업 도입 사례 글은 더 구체적입니다. AI 기초 단계는 "AI 개념, 사고 구조, 윤리와 리터러시를 객관식·주관식으로 평가"하고, AI 활용 단계는 "프롬프트 기반 과제를 통해 AI 도구 선택과 활용 과정을 평가"한다고 적었습니다(프로그래머스 인사이트, 2026-07-24). 보도자료의 "AI 리터러시"와 "AI 기본 활용 역량"이라는 표현과도 맞아떨어집니다.
공식 페이지에 실린 예시 화면을 보면 두 유형의 차이가 분명합니다.
지식평가 예시에서 보이는 두 보기는 대표적인 오답 유형이기도 합니다. 문제 앞부분이 잘려 공격 종류는 보이지 않지만, 프롬프트 인젝션처럼 챗봇에 악성 지시를 넣는 공격이라면 응답 속도를 늦춰도 챗봇이 그 지시를 따르는 것은 막지 못합니다. Temperature는 출력의 무작위성을 조절하는 값일 뿐, 악성 지시를 따르지 않게 만드는 설정은 아닙니다(Anthropic 용어집). 이런 문항은 용어를 들어 본 적이 있는지가 아니라, 그 설정이 무엇을 바꾸고 무엇을 바꾸지 못하는지를 묻습니다.
채점은 정답보다 과정을 봅니다
활용평가는 답이 맞았는지와 함께, 그 답에 이르기까지 AI와 어떻게 일했는지를 점수로 매깁니다. 프로그래머스가 10월 7일 공개한 글에 응시자가 알아야 할 규칙이 나와 있습니다(프로그래머스 인사이트, 2026-10-07).
- "문항당 AI 질문 횟수가 제한되어 있고, 질문 후 결과 도출까지 30초의 쿨타임이 있습니다."
- "보안상의 이유로 문제의 지문을 그대로 복사해 붙여넣기도 제한됩니다."
- "문제 속 자료 파일을 첨부할 수는 있지만, 어떤 자료를 어디까지 AI에게 넘길지 판단하는 것 자체가 평가 대상입니다."
- "시험용 AI 어시스트가 완성된 정답을 내주지 않도록 막아두었습니다."
같은 글은 "답이 나올 때까지 반복 질문하는 방식으로는 점수를 얻을 수 없"다고 못 박았습니다. 평소 ChatGPT에 대충 묻고 고쳐 달라고 여러 번 되묻는 습관은 프로그래머스 활용평가에서는 점수로 이어지지 않습니다. 이번 예선에 같은 규칙이 적용되는지는 아직 공개되지 않았지만, 질문을 아끼는 연습은 어느 쪽이든 손해가 없습니다.
베타 테스트 사례는 과정 점수의 비중을 숫자로 보여 줍니다. 결과 점수가 71점으로 같았던 두 응시자 가운데 "문제를 구조화하고 사실을 검증한" A는 과정 점수 60점, B는 22점을 받았고, 최종 점수는 73점과 49점으로 갈렸습니다.
공식 페이지의 채점 화면 예시에는 점수가 '정확성'과 '효율성'으로 나뉘어 있고, 옆에 AI 응답과 사용자 질문이 차례로 기록되는 'AI 상호작용 로그'가 붙어 있습니다.
채점 기준도 공개된 만큼 모아 보면 방향이 같습니다.
- 그렙의 4대 기준: AI에 맡길 업무를 판단하는 능력, AI와 상호작용해 필요한 결과를 얻는 능력, AI가 만든 결과를 검증하는 능력, 보안·윤리 기준을 지키며 AI를 쓰는 능력(벤처스퀘어).
- 임성수 그렙 대표가 밝힌 채점 기준 6가지: 프롬프트 설계의 명확성, AI 결과 검증, 보완 프롬프트 추가, 목표 근접도, 논리적 접근, 실무 적용 가능성(디지털데일리 인터뷰, 2026-04-28).
- 비개발 직군 평가 요소: 문제 분석, 프롬프트 설계, AI 활용 방식, 결과 검증, 수정 및 보완(프로그래머스 인사이트, 2026-06-26).
결과 리포트 예시는 이 기준들이 응시자에게 어떻게 돌아오는지 보여 줍니다.
정리하면 이 시험이 말하는 "AI를 잘 쓴다"는 기능을 많이 아는 것이 아닙니다. 프로그래머스의 표현을 빌리면 "AI에게 무엇을 맡기고 어떻게 지시할지, 돌아온 결과를 믿을지 말지 판단하는 일"입니다.
지식평가 대비: 정확히 알아야 할 개념 12개
프로그래머스 설명대로라면 지식평가는 "AI 개념, 사고 구조, 윤리와 리터러시"를 묻습니다. 출제 범위는 공개되지 않았으므로, 아래는 공식 예시 문항과 생성형 AI 기본 교재에서 공통으로 다루는 개념을 고른 목록입니다. 각 정의는 공식 문서를 따랐습니다.
| 개념 | 한 줄 정의 | 시험에서 헷갈리기 쉬운 점 |
|---|---|---|
| 토큰 | 모델이 처리하는 가장 작은 단위. 단어, 단어 조각, 글자일 수 있다 | 글자 수와 같지 않다. 언어마다 같은 문장의 토큰 수가 다르다 |
| 컨텍스트 윈도우 | 모델이 한 번에 참조할 수 있는 전체 분량. 모델 자신의 응답도 포함된다 | 길수록 좋기만 한 것이 아니다. 길어지면 정확도가 떨어질 수 있다 |
| Temperature | 출력의 무작위성을 조절하는 값 | 0으로 해도 완전히 결정적이지 않고, 보안이나 사실성을 보장하지 않는다 |
| 환각(hallucination) | 그럴듯하지만 사실과 다른 출력 | 모델이 모른다고 하기보다 추측하도록 학습·평가되는 구조와 관련 있다 |
| RAG | 질문 시점에 관련 문서를 찾아 컨텍스트에 넣고 답하게 하는 방식 | 모델을 다시 학습시키는 것이 아니다. 최신 정보와 출처 표기에 유리하다 |
| 파인튜닝 | 추가 데이터로 모델 가중치를 다시 학습시키는 것 | 프롬프트나 RAG로 해결되는지 먼저 확인하는 것이 일반적인 순서다 |
| 임베딩 | 텍스트를 숫자 벡터로 바꾼 것. 거리가 가까울수록 의미가 비슷하다 | 검색, 분류, 추천에 쓰이며 RAG 검색의 바탕이다 |
| Zero-shot과 few-shot | 예시 없이 지시하느냐, 원하는 답의 예시를 몇 개 넣느냐 | 예시가 출력 형식과 기준을 가장 빠르게 전달한다 |
| 시스템 프롬프트와 역할 | 개발자 지시와 사용자 입력은 권한이 다르다 | 개발자 지시가 사용자 지시보다 우선하도록 설계된다 |
| 에이전트와 도구 사용 | 모델이 스스로 어떤 도구를 언제 쓸지 정하며 일을 진행하는 구조 | 정해진 순서대로 도는 워크플로와 구분한다 |
| 프롬프트 인젝션 | 입력이 모델의 동작이나 출력을 의도하지 않게 바꾸는 취약점 | 웹페이지나 파일 같은 외부 내용에 숨은 간접 인젝션도 있다 |
| 책임 있는 AI | 공정성, 신뢰성과 안전, 개인정보와 보안, 포용성, 투명성, 책임성 | 사내 기밀이나 개인정보를 외부 AI에 넣지 않는 판단도 평가 대상이다 |
정의 출처는 토큰, temperature, RAG가 Anthropic 용어집, 컨텍스트 윈도우가 Anthropic 컨텍스트 윈도우 문서, 환각과 few-shot이 Google 머신러닝 용어집입니다. 환각의 원인은 OpenAI 연구진의 논문, 메시지 역할은 OpenAI 프롬프트 엔지니어링 가이드, 임베딩은 OpenAI 임베딩 가이드, 에이전트는 Anthropic의 Building effective agents, 파인튜닝과 프롬프트의 관계는 OpenAI 모델 최적화 가이드를 따랐습니다. 책임 있는 AI 6원칙은 Microsoft AI-901 학습 가이드의 표현입니다.
공식 예시 문항은 공격 종류가 잘려 보이지 않지만, 챗봇을 노린 공격을 막는 방법을 묻는다는 점에서 프롬프트 인젝션을 다루는 것으로 보입니다. 대책까지 알아 두면 좋습니다. OWASP는 모델 동작 제한, 출력 형식 정의와 검증, 입출력 필터링, 최소 권한, 고위험 작업의 사람 승인, 외부 콘텐츠 분리와 표시, 공격 시뮬레이션을 대책으로 듭니다(OWASP LLM01:2025). "응답 속도 조절"이나 "temperature 0" 같은 보기가 왜 답이 될 수 없는지 이 목록과 대조하면 바로 보입니다. 반대로 AI가 공격 도구로 쓰인 사례는 금융사 연쇄 해킹과 AI 침투 도구를 다룬 글에서 사례로 볼 수 있습니다.
개념을 한 번에 훑을 시간이 45분 정도 있다면 Google 머신러닝 단기집중과정의 LLM 입문 모듈이 알맞습니다. 토큰, 셀프 어텐션, LLM의 한계, 파인튜닝과 디스틸레이션을 45분 분량으로 다룹니다(Google MLCC). 영어 자료지만 브라우저 번역으로도 충분히 읽힙니다.
활용평가 대비: 질문 몇 번 안에 끝내는 법
질문 횟수가 제한되고 30초 쿨타임이 있다면, 첫 질문을 잘 쓰는 사람이 이깁니다. 아래 다섯 단계는 공개된 채점 기준(문제 구조화, 맥락 전달, 결과 검증, 책임 있는 사용)을 실제 행동으로 옮긴 것이고, 프로그래머스가 밝힌 시험 규칙(복사 붙여넣기 제한, 파일 첨부 판단, 정답을 주지 않는 AI)을 전제로 했습니다.
- AI에게 묻기 전에 문제를 먼저 쪼갭니다. 과제를 읽고 "무엇을 결정해야 하는가, 판단 기준은 무엇인가, 출력은 어떤 모양이어야 하는가"를 세 줄로 적습니다(다른 창이 허용되지 않으면 규정이 허용하는 범위에서 종이 메모나 답안 칸 초안에). 리포트 예시의 강점 항목 "문제 구조 분해"가 이 단계입니다.
- 첫 질문에 맥락, 기준, 제약, 출력 형식을 한 번에 넣습니다. 지문을 복사해 붙여넣을 수 없으니 핵심을 내 말로 요약해야 합니다. 이 요약 자체가 문제 이해도를 보여 줍니다.
- 자료는 필요한 만큼만 넘깁니다. 파일 첨부는 되지만 "어떤 자료를 어디까지 AI에게 넘길지" 판단하는 것도 점수에 들어갑니다. 개인정보나 기밀로 보이는 항목은 빼고 넘기는 편이 안전합니다.
- 두 번째 질문은 검증에 씁니다. "방금 결론의 근거를 자료의 어느 문장에서 찾았는지 대 보라", "기준을 하나씩 대조해 어긋난 곳을 찾아라"처럼 결과를 따지는 질문을 합니다. 베타 테스트에서 높은 과정 점수를 받은 응시자는 "문제를 구조화하고 사실을 검증한" 쪽이었습니다.
- 최종 답은 내가 판단해 씁니다. 프로그래머스 시험용 AI는 완성된 정답을 주지 않도록 막혀 있습니다. AI 답을 그대로 옮기지 말고, 기준에 맞는지 확인한 뒤 내 문장으로 정리합니다.
공식 예시 과제인 "고객 문의 이메일 분류 및 우선순위 결정"에 이 방식을 적용하면 첫 질문은 다음처럼 쓸 수 있습니다. 실제 시험 문항이 아니라 연습용으로 만든 예시입니다.
[역할] 고객지원팀 리드로서 문의 이메일의 대응 순서를 정하려 한다.
[자료] 첨부한 이메일 2건 (개인정보는 지웠다)
[해야 할 일]
1) 각 이메일을 유형(장애, 결제, 일반 문의 등)으로 분류
2) 아래 기준으로 우선순위 결정
[판단 기준]
- SLA: 약속한 응답 시간까지 남은 시간
- 금전적 영향: 환불, 결제 실패, 계약 손실 가능성
- 반복 문의 여부: 같은 고객이 이미 문의했는지
[출력 형식]
표: 이메일 | 유형 | SLA 남은 시간 | 금전 영향(상/중/하) | 반복 여부 | 우선순위
표 아래에 우선순위 근거를 이메일마다 한 줄씩, 자료의 어느 문장에 근거했는지 표시
[제약] 자료에 없는 사실은 추측하지 말고 "자료에 없음"으로 적을 것
이렇게 쓰면 한 번의 질문으로 분류, 판단, 근거 표시까지 받을 수 있고, 두 번째 질문은 "근거로 든 문장이 실제로 그 기준을 뒷받침하는지 다시 대조하라"는 검증에 쓸 수 있습니다. 같은 원칙은 Anthropic과 OpenAI의 프롬프트 가이드에도 나옵니다. 명확하고 직접적으로 쓰고, 맥락을 주고, 예시와 구조(태그나 머리표)를 쓰라는 것입니다(Anthropic 프롬프트 모범 사례, OpenAI 프롬프트 엔지니어링 가이드). 모델별 프롬프트 습관은 Claude Opus 5.5 잘 쓰는 법에, 에이전트에게 맥락을 구조화해 넘기는 방법은 AI가 코드를 쓸수록 DDD가 중요한 이유에도 정리해 두었습니다.
연습할 때는 일부러 조건을 걸어 보세요. 평소 쓰는 ChatGPT나 Claude로 업무형 과제를 하나 정하고, 질문은 세 번까지, 질문 사이에는 30초를 기다리는 규칙으로 풀어 보는 것입니다. 질문 수를 세는 것만으로도 첫 질문을 쓰는 방식이 달라집니다.
남은 나흘 준비 계획과 당일 점검표
오늘(10월 13일)부터 17일 응시 전날까지 나흘이 남았습니다. 안내 확인, 개념 정리, 과제 연습, 복기와 점검에 하루씩 쓰는 계획을 권합니다. 18일에 응시한다면 하루를 과제 연습에 더 쓰면 됩니다.
| 날짜 | 할 일 |
|---|---|
| 10월 13일(화) | 안내 메일에서 응시 날짜, 시간, 접속 방법, 허용 도구, 감독 방식을 확인합니다. 프로그래머스 응시 환경 체험 페이지에 로그인해 화면 구성을 익힙니다 |
| 10월 14일(수) | 위 개념 12개를 정리하고, Google MLCC LLM 모듈(45분)로 빈 곳을 메웁니다. 각 개념마다 "이것으로 해결되지 않는 것"을 한 줄씩 적어 둡니다 |
| 10월 15일(목) | 업무형 과제 3개를 골라 "질문 3번, 30초 대기" 규칙으로 풉니다. 문서 요약, 자료 분류, 간단한 데이터 해석처럼 서로 다른 유형으로 고릅니다 |
| 10월 16일(금) | 전날 푼 과제의 질문 기록을 다시 읽고, 첫 질문에 빠졌던 맥락이나 기준을 찾아 템플릿을 고칩니다. 컴퓨터, 브라우저, 카메라, 마이크, 네트워크를 점검합니다 |
| 시험 당일 | 시작 30분 전 접속, 규정이 허용하는 메모 수단 준비, 문항마다 "쪼개기, 첫 질문, 검증, 내 답" 순서를 지킵니다 |
당일 점검표는 다음과 같습니다.
- 안내 메일에 적힌 브라우저와 기기 조건을 맞췄는가
- 화상 감독이 있다면 카메라와 마이크 권한을 미리 허용했는가 (프로그래머스 공식 페이지의 응시 화면 예시 상단에 "화상 감독" 표시가 있습니다)
- 외부 AI 도구나 다른 창 사용이 허용되는지 안내문으로 확인했는가
- 문항당 남은 질문 수를 세고 있는가
- 지문을 복사하지 않고 핵심을 내 말로 요약해 넣고 있는가
- 개인정보나 기밀로 보이는 자료를 그대로 넘기지 않았는가
2차 예선과 본선은 결이 다릅니다
2차 예선은 "AI Native 역량 검증", 본선은 "반도체 현장의 고민을 AI로 해결"하는 단계라서, 1차보다 실제 업무에 가까운 과제가 나올 가능성이 큽니다. 1차를 준비하며 익힌 습관이 그대로 이어지므로 미리 방향만 알아 두면 됩니다. SK하이닉스는 하반기 신입 채용 면접을 반나절 심층면접으로 바꾸면서, 지원자가 "AI 에디터를 기반으로 LLM을 활용해 직무 시나리오 과제를 수행"하는 문제해결 PT를 넣었다고 밝혔습니다(한국경제, 2026-08-20; SK하이닉스 Talent Hub, 2026-08).
Cofa-Probe의 세 축은 코드의 실행 가능성, 구조, 보안(Technique), AI에 목표와 제약을 정확히 줬는지(Intent), 작동 원리와 실패 지점을 설명할 수 있는지(Cognition)입니다(이데일리). 문제 정의부터 AI 산출물의 오류 수정과 결과 확인까지 과정 전체가 기록되고, 과제가 끝나면 결과와 판단 근거를 묻는 질의응답이 이어집니다(머니투데이). 커뮤니티에는 대회 Q&A에 2차가 "데이터를 활용한 AI 문제 해결 미션"으로 적혀 있었다는 글도 있지만(DC인사이드), 공식 페이지 문구와 달라 확인이 필요합니다.
본선 과제의 배경을 짐작하려면 SK하이닉스가 사내에서 AI를 어디에 쓰는지 보면 됩니다. 사내 생성형 AI 플랫폼 GaiA에는 장비 성능 유지와 고장 분석을 돕는 장비 보전 가이드 에이전트, 반도체 설계와 코드 생성을 돕는 EDA 스크립트 검색·생성 에이전트, 테스트 오류를 분석하는 로그 분석 자동화 에이전트가 있고, 로그 분석 에이전트는 스펙 관련 SSD 불량 분석 시간을 20% 이상 줄였다고 합니다(SK하이닉스 뉴스룸, 2025-10-31). 장비, 설계, 테스트 로그처럼 데이터는 많고 판단 기준은 현장 지식에 있는 문제가 이 회사가 말하는 "현장의 고민"에 가까워 보입니다.
이 글의 한계
- 필자는 이번 대회 응시자가 아니며, 1차 예선 안내 메일 원문을 보지 못했습니다. 응시 플랫폼이 프로그래머스라는 내용은 합격자 후기와 커뮤니티 증언에 기댄 것입니다.
- 1차 예선이 지식평가와 활용평가의 조합이라는 것은 평가 이름과 파트너 구성에서 끌어낸 추론입니다. 기업이 유형, 문항 수, 시간을 골라 설계하는 구조라서 실제 구성은 다를 수 있습니다.
- 질문 횟수 제한, 30초 쿨타임, 복사 붙여넣기 제한은 프로그래머스가 자사 평가에 대해 밝힌 일반 규칙입니다. 이번 대회에 같은 설정이 적용되는지는 공개되지 않았습니다.
- 효율성 점수를 무엇으로 계산하는지는 공개되지 않았습니다. 이 글의 해석은 공개된 규칙과 화면 예시에서 읽은 것입니다.
자주 묻는 질문
1차 예선에서 ChatGPT 같은 외부 AI를 써도 되나요?
공개되지 않았습니다. 프로그래머스 활용평가는 시험 화면 안의 AI 어시스트를 쓰는 구조이고, 프로그래머스 공식 페이지의 응시 화면 예시에 "화상 감독" 표시가 있습니다. 허용 여부는 안내 메일과 시험 화면의 규정을 따르세요. 단계마다 AI 허용 규칙이 다른 것은 다른 회사 채용에서도 흔합니다(Anthropic 지원자 안내).
코딩을 할 줄 알아야 하나요?
1차 예선 이름과 보도자료 표현을 보면 코딩 시험이라기보다 AI 리터러시와 활용 역량 시험으로 보입니다. 대회도 개발 경력을 참가 요건으로 두지 않았습니다. 프로그래머스는 개발 직군용 평가를 따로 두고 있지만, 이번 1차에 들어가는지는 알 수 없습니다. AI 코딩 도구를 다뤄 본 적이 있다면 Claude Code 팁 11가지의 작업 습관도 활용평가 연습에 그대로 쓸 수 있습니다.
지식평가는 어느 수준까지 공부해야 하나요?
수식이나 모델 구조를 깊이 외우기보다, 개념이 무엇을 바꾸고 무엇을 바꾸지 못하는지를 설명할 수 있는 수준을 목표로 하세요. 공식 예시 문항처럼 상황을 주고 가장 효과적인 방법을 고르게 하면 개념의 한계를 아는지가 드러납니다.
응시 환경은 미리 볼 수 있나요?
프로그래머스가 응시자용 체험 페이지를 열어 두었습니다. 로그인하면 쓸 수 있습니다. 대회 문항은 아니지만 화면 배치와 AI 채팅 사용 방식을 미리 익히는 데 도움이 됩니다.
1차 결과는 어떻게 쓰이나요?
공식 페이지에는 1차 예선으로 2차 예선 진출자를 뽑는다고만 나옵니다. 같은 페이지는 '우수자'에게 서류와 필기(SKCT) 전형을 면제한다고 밝혔고, 우수자를 어느 단계에서 가리는지는 적지 않았습니다.
마치며
SK하이닉스 AI 해커톤 1차 예선의 형식은 공식적으로 공개되지 않았지만, 공개된 조각들은 한 방향을 가리킵니다.
- 평가 이름과 파트너 구성, 합격자 후기를 합치면 프로그래머스 AI 역량평가의 지식평가와 활용평가 조합으로 보입니다.
- 지식평가는 용어를 들어 봤는지가 아니라 그 개념의 한계까지 아는지를 묻습니다.
- 활용평가는 질문 횟수와 쿨타임을 제한하고 로그를 남겨, 문제를 쪼개고 맥락을 한 번에 주고 결과를 검증하는 사람에게 점수를 줍니다.
남은 나흘 동안은 새 도구를 배우기보다, 질문 세 번 안에 업무 하나를 끝내는 연습을 반복하는 편이 점수에 더 도움이 됩니다. 안내 메일로 형식이 확인되면 이 글을 갱신하겠습니다.
출처
- SK하이닉스 AI 해커톤 2026 공식 페이지: skhynix-hackathon.com/ai-2026
- SK하이닉스 뉴스룸, 2026-09-21: news.skhynix.co.kr/?p=66696
- 네이버 블로그 합격 후기, 2026-10-10: blog.naver.com/godsjh6304/224437097553
- 네이버 블로그 합격 후기, 2026-10-10: blog.naver.com/aldus156/224437121682
- DC인사이드, 2026-10: gall.dcinside.com/mgallery/board/view/?id=ai_utilize&no=121424
- 벤처스퀘어, 2026-10-12: venturesquare.net/1119092
- 프로그래머스 인사이트, 2026-07-24: programmers.co.kr/ai-assessment/insight/programmers-ai-assessment-compa…
- 머니투데이, 2026-08-28: mt.co.kr/en/tech/2026/08/28/2026082810491742468
- 프로그래머스 AI 역량평가: programmers.co.kr/ai-assessment
- Anthropic 용어집: platform.claude.com/docs/en/about-claude/glossary
- 프로그래머스 인사이트, 2026-10-07: programmers.co.kr/ai-assessment/insight/why-we-built-ai-assessment
- 디지털데일리 인터뷰, 2026-04-28: v.daum.net/v/6K8cTivmTp
- 프로그래머스 인사이트, 2026-06-26: programmers.co.kr/ai-assessment/insight/non-developer-ai-literacy-test
- Anthropic 컨텍스트 윈도우 문서: platform.claude.com/docs/en/build-with-claude/context-windows
- Google 머신러닝 용어집: developers.google.com/machine-learning/glossary/generative
- OpenAI 연구진의 논문: arxiv.org/abs/2509.04664
- OpenAI 프롬프트 엔지니어링 가이드: developers.openai.com/api/docs/guides/prompt-engineering
- OpenAI 임베딩 가이드: developers.openai.com/api/docs/guides/embeddings
- Anthropic의 Building effective agents: anthropic.com/engineering/building-effective-agents
- OpenAI 모델 최적화 가이드: developers.openai.com/api/docs/guides/model-optimization
- Microsoft AI-901 학습 가이드: learn.microsoft.com/en-us/credentials/certifications/resources/study-gu…
- OWASP LLM01:2025: genai.owasp.org/llmrisk/llm01-prompt-injection
- Google MLCC: developers.google.com/machine-learning/crash-course/llm
- Anthropic 프롬프트 모범 사례: platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude…
- 프로그래머스 응시 환경 체험 페이지: programmers.co.kr/ai-assessment/preview
- 한국경제, 2026-08-20: hankyung.com/article/2026082030061
- SK하이닉스 Talent Hub, 2026-08: talent.skhynix.com/hub/ko/company/story/217
- 이데일리: en.edaily.co.kr/news/eda202608285363
- DC인사이드: gall.dcinside.com/mgallery/board/view/?id=ai_utilize&no=121377
- SK하이닉스 뉴스룸, 2025-10-31: news.skhynix.co.kr/gaia_ep1_biz_ai_agent
- Anthropic 지원자 안내: anthropic.com/candidate-ai-guidance
