2026 무신사 AI 엔지니어 인턴 합격 비법 자소서&면접 자료집 전격 공개!

면접

1. 무신사에서 AI NATIVE ENGINEER로 인턴을 하는 동안 가장 먼저 만들고 싶은 것은 무엇인가요
2. 데이터가 부족하거나 품질이 들쭉날쭉할 때 모델 성능을 끌어올리는 접근은 무엇인가요
3. 추천 검색 랭킹 중 하나를 개선해야 한다면 어떤 지표로 무엇부터 보겠나요
4. 모델을 서비스에 붙일 때 발생하는 장애나 실패 케이스를 어떻게 설계하고 대응하나요
5. LLM을 업무에 쓰되 비용 지연 개인정보 리스크를 동시에 줄이는 방법은 무엇인가요
6. 협업 과정에서 기획자 디자이너 백엔드와 충돌이 났을 때 어떻게 해결하나요
7. 본인이 했던 프로젝트 중 가장 아쉬운 선택 한 가지와 다시 한다면 무엇을 바꾸겠나요

본문

저는 스스로를 AI를 잘 만드는 사람이라기보다, AI가 실제로 “쓸모 있게 굴러가게” 만드는 사람이라고 정의합니다. 대학이나 교육 과정에서 모델을 만들고 끝나는 프로젝트는 많지만, 실제 현업에서는 모델보다 파이프라인, 데이터 품질, 배포와 모니터링, 운영 정책이 성패를 갈랐습니다. 그래서 저는 프로젝트를 할 때 항상 같은 질문으로 시작했습니다. 이 기능이 사용자에게 어떤 가치를 주는가, 그 가치가 숫자로 어떻게 확인되는가, 그리고 서비스 운영자가 통제할 수 있는가. 아래 프로젝트들은 이 질문을 기준으로 설계했고, 결과적으로 저는 모델링과 엔지니어링을 동시에 다루는 습관을 갖게 됐습니다.

첫 번째 프로젝트는 패션 상품 검색 품질을 개선하는 실험형 검색 시스템 구축입니다. 목표는 단순히 검색 결과를 “더 잘” 보여주는 것이 아니라, 사용자가 의도한 스타일과 카테고리를 더 빠르게 찾게 만드는 것이었습니다. 예를 들어 “오프화이트 후드”, “여름 하객룩”, “와이