AI Native Hiring

🇰🇷 한국어 버전 읽기 This is Part 3 of the AI-native hiring series. Part 1: Philosophy, Rubric, and the 3-Tier Model · Part 2: The Machine — AI Evaluating AI-Assisted Code The machine from Part 2 sorted more than 400 candidates and handed each one a personalized interview guide. Now 20+ interviewers pick up those guides and spend five days across the table from more than 100 candidates. You can’t see what a score is missing until you’re across the table from someone. This post is about what humans confirmed beyond it, what we missed, and the questions we’re still holding. ...

🇺🇸 Read in English AI 네이티브 채용 시리즈 3부작 중 Part 3입니다. Part 1: 철학, 루브릭, 3-Tier 평가 모델 · Part 2: The Machine — AI가 AI 활용 코드를 평가하다 📌 무신사 테크블로그 원문 Part 2의 머신이 400여 명을 분류하고, 각자에게 맞춤 면접 가이드까지 준비해뒀습니다. 이제 그 가이드를 손에 쥔 20명 이상의 면접관이, 5일 동안 100명 넘는 후보자와 마주 앉습니다. 그 자리에 앉기 전까지는 보이지 않았습니다. 점수가 무엇을 말해주지 못하는지. 이 글은 점수 너머에서 사람이 확인한 것, 우리가 놓친 것, 그리고 앞으로 남는 질문에 대한 이야기입니다. ...

🇰🇷 한국어 버전 읽기 This is Part 2 of a three-part series on AI-native hiring. Part 1: Philosophy, Rubric, and the 3-Tier Model · Part 3: The Human — Judgment Beyond the Score Written by Myunghoon Lee (Musinsa Core Engineering). Edited by Tao Kim. In Part 1, we laid out the philosophy. Ambiguity is the test. We’re not looking for people who arrived at the right answer — we’re looking for people who understood the question. Part 1 also introduced the 3-Tier model: Make it Work, Basic Features, Deep Thought. ...

🇺🇸 Read in English AI 네이티브 채용 시리즈 3부작 중 Part 2입니다. Part 1: 철학, 루브릭, 3-Tier 평가 모델 · Part 3: 사람을 보는 30분 — 점수 너머의 판단 이명훈(무신사 Core Engineering) 작성, Tao Kim 편집. 📌 무신사 테크블로그 원문 Part 1에서 철학을 이야기했습니다. 모호함이 곧 테스트이고, 정답에 도달한 사람이 아니라 질문을 이해한 사람을 찾는다는 것. 3-Tier 평가 모델도 소개했습니다. Make it Work, Basic Features, Deep Thought. 그 철학을 실행에 옮기려면, 400여 명의 코드를 실제로 읽고, 빌드하고, 테스트하고, 점수를 매기고, 등급을 분류해야 합니다. 한 명에 2시간이면 800시간. 한 사람이 주 40시간 일해도 5개월입니다. ...