AI에게 맡기기 전에 과제를 이해하는가?
답부터 달라고 합니다. 받은 지시를 그대로 받아들입니다.
자료부터 읽습니다. 문제를 나눕니다. 지시가 잘못되었으면 알아챕니다.
답을 요청하기 전에 데이터를 살펴봤습니다.
지원자는 이미 쓰는 AI 도구로 실제 업무 과제를 수행합니다. AI와의 대화 전체를 기록하고, 그로부터 여섯 가지 역량을 채점하며, 모든 점수를 근거가 된 메시지로 연결합니다. 아래에서 측정 항목, 수준 부여 방식, 전체 예시를 설명합니다.
AI 역량은 AI 도구로 좋은 결과를 얻기 위해 사람이 하는 일입니다. 여섯 가지로 정의합니다. 맡기기 전에 과제를 이해하고, AI에게 지시하고, 돌아온 결과를 확인하고, 틀렸을 때 바로잡고, 바로 보낼 수 있는 결과물을 승인하고, 반복 가능하게 만드는 것입니다.
실제 업무에서 가져온 과제를 주고, 이미 쓰는 AI 도구를 쓰게 하십시오. 그다음 결과만이 아니라 대화 전체를 읽으십시오. 역량은 무엇을 묻고, 무엇을 확인하고, 무엇을 바꿨는지에서 드러납니다.
AI는 만나 본 가장 빠르고 가장 자신만만한 후배 동료입니다. 저희는 사람들이 그 동료를 얼마나 잘 관리하는지 테스트합니다.
평가는 두 가지를 측정합니다.
1. AI 역량AI로 얼마나 잘 일하는가? 더 긴 실제 업무 과제 하나를 수행하는 방식에서 읽어 내는 여섯 가지 역량. 미흡부터 우수까지 채점합니다.
2. 직무 역량작업 자체가 좋은가? 같은 과제에서 읽어 내는 직무 역량 두세 가지. 기준 미달, 충족, 초과로 채점합니다.
직무의 실제 과제 하나에서 읽어 냅니다. 역량별로 답하는 질문, 미흡한 작업과 우수한 작업의 모습, 세션에서 가리킬 수 있는 실제 예시를 적었습니다.
AI에게 맡기기 전에 과제를 이해하는가?
답부터 달라고 합니다. 받은 지시를 그대로 받아들입니다.
자료부터 읽습니다. 문제를 나눕니다. 지시가 잘못되었으면 알아챕니다.
답을 요청하기 전에 데이터를 살펴봤습니다.
AI에게 필요한 것을 주는가?
전부 붙여 넣고 “이거 해 줘”라고 합니다.
맥락, 제약, 예시, 완료 기준을 줍니다. 판단이 필요한 부분은 직접 합니다.
AI에게 파일의 숫자만 쓰라고 했습니다.
AI가 틀렸을 때 잡아내는가?
완성돼 보이면 그대로 냅니다.
원본과 대조합니다. 지어낸 사실과 틀린 숫자를 잡아냅니다.
합계를 재무팀의 숫자와 대조했습니다.
잘 안 될 때 바로잡는가?
“다시 해 줘”, “더 잘 해 줘”를 반복합니다.
무엇이 왜 틀렸는지 말합니다. 일찍 접근 방식을 바꿉니다.
쿼리가 틀렸을 때 무엇이 틀렸는지 말했습니다.
넘기는 결과물이 바로 보낼 수 있는 상태인가?
군더더기, 지나친 분량, 아무도 확인하지 않은 주장.
읽는 사람이 바로 볼 수 있습니다. 확인한 것과 하지 않은 것을 밝힙니다. 기밀 데이터를 넣지 않습니다.
요청대로 다섯 줄, 가정을 밝혔습니다.
반복 가능하게 만드는가?
매번 손으로 다시 합니다.
프롬프트, 스킬, 워크플로, 자동화를 저장합니다. 다음 실행은 더 빠르고 결과가 같습니다.
다음 두 분기도 처음부터 다시 하지 않고 같은 방식으로 처리했습니다.
프롬프트 작성, 반복 개선, 환각 확인. AI 역량은 이름이 많습니다. 일반적인 용어는 저희 여섯 가지 역량 중 하나에 해당합니다. 귀사에 자체 AI 역량 목록이 있다면 이 표로 대응시키십시오.
| 일반 용어 | 채점 항목 |
|---|---|
| AI가 도울 수 있는 일 정하기 | 지시 |
| 과제를 단계로 나누기 | 이해 |
| 프롬프트 작성: 목표, 맥락, 제약, 형식, 예시, 완료 기준 | 지시 |
| 반복 개선 | 수정 |
| 검증, 오류, 환각, 편향 | 검증 |
| 보안, 데이터 보호, 기밀 유지, 컴플라이언스 | 승인 |
| 재사용 가능한 프롬프트, 워크플로, 스킬, 에이전트, 자동화 | 재사용 |
| 팀을 위한 템플릿과 표준 | 재사용 |
| 도구와 데이터 연결 | 재사용, 그리고 웹 및 스프레드시트 과제 |
| 비판적 사고 | 여섯 가지 모두. 따로 채점하기에는 너무 넓으므로 드러나는 곳에서 채점합니다. |
| AI가 더하는 가치를 시간에 따라 측정 | 채점하지 않습니다. 작업 하나로는 보여 줄 수 없습니다. |
작업이 틀리면 AI를 잘 써도 소용없습니다. 전체 평가에서는 같은 작업물에서 직무 역량 두세 가지도 읽어 냅니다. 각각 기준 미달, 충족, 초과로 표시합니다.
직무별 직무 역량모든 과제에는 지원자가 응시하기 전에 작성된 채점표가 있습니다. 채점표에는 역량별로 “합계를 다른 출처와 대조함”처럼 좋은 작업이 하는 구체적인 일을 체크포인트로 두세 개 적습니다. Lemonsignal은 지원자가 어떤 체크포인트를 어디서 충족했는지 표시합니다. 수준은 아래 규칙에 따라 모든 지원자에게 똑같이 정해집니다. 가리킬 순간이 없으면 수준을 부여하지 않습니다.
각 역량은 점수를 얻습니다. 미흡 0, 부분적 1, 양호 2, 우수 3. 점수는 가능한 점수 중 얻은 점수입니다. 여섯 항목 모두 양호면 18점 중 12점, 즉 67%입니다. 평가 안 됨인 역량은 양쪽에서 빠지므로 점수를 낮추지 않습니다.
점수는 전반적인 강점을 보여 줍니다. 추천 의견은 다른 질문을 합니다. 이 사람이 직무에 필요한 것을 충족하는가? 직무마다 필수 요건이 있습니다. 예를 들어 데이터 분석가는 검증이 양호 이상이어야 합니다. 하나라도 미달하면 점수가 높아도 기준 미달입니다. 과제를 보내기 전에 필수 요건을 바꿀 수 있습니다. 어디까지나 추천이며, 결정은 귀사 팀이 합니다.
모든 수준은 네 가지 증거 중 하나에 근거합니다. Lemonsignal이 관련 순간을 찾아 인용하고 1차 판단을 제공하면 귀사 팀이 확인합니다. 순간은 시계가 아니라 대화 속 턴으로 표시합니다(“턴 14”은 14번째 메시지). 대부분의 지원자가 여러 번에 나눠 작업하기 때문입니다.
| 증거 | 예시 | 채점 방식 |
|---|---|---|
| 과제에 넣어 둔 알려진 AI 실수 | 각 과제에는 AI가 흔히 틀리는 지점이 있습니다. 그 실수가 제출물에 들어갔습니까? | 자동 확인: 예 또는 아니요. |
| AI와의 대화 | 답을 요청하기 전에 데이터를 살펴봤습니다. | Lemonsignal이 순간을 찾아 1차 수준을 제시합니다. 귀사 팀이 확인합니다. |
| 제출물 | 요청대로 다섯 줄, 가정을 밝혔습니다. | Lemonsignal이 채점표와 대조합니다. 귀사 팀이 확인합니다. |
| 직접 만든 것 | 저장한 프롬프트, 스킬, 스크립트, 워크플로. | Lemonsignal이 채점표와 대조합니다. 귀사 팀이 확인합니다. |
데이터 분석가 과제의 실제 채점표입니다. 지원자는 다음 과제 설명을 받습니다. “대시보드에 3월 매출이 12% 감소한 것으로 나옵니다. CFO에게 이유를 다섯 줄로 설명하세요. 그다음 Q2과 Q3도 처리하세요.” 받은 파일에는 답을 확인하는 데 필요한 것이 모두 있습니다. 채점표에서 각 행은 역량입니다. 가운데 열의 체크포인트를 모두 충족하면 양호, 오른쪽까지 충족하면 우수입니다.
| 역량 | 양호 체크포인트 | 우수 추가 체크포인트 |
|---|---|---|
| 이해 | 답을 요청하기 전에 데이터를 살펴봤습니다. 대시보드의 매출 정의를 확인했습니다. | 대시보드 숫자를 설명하기 전에 의심했고, 그것을 질문으로 삼았습니다. |
| 지시 | AI에게 테이블과 정의를 주었습니다. 이 숫자만 쓰라고 했습니다. | 결론은 직접 내렸고, 쿼리는 AI가 했습니다. |
| 검증 | 숫자를 쓰기 전에 AI의 쿼리를 확인했습니다. 합계를 다른 출처와 대조했습니다. | 일회성이 아닌지 다른 달도 확인했습니다. |
| 수정 | 쿼리가 틀렸을 때 무엇이 틀렸는지 말했습니다. | 다시 일어나지 않도록 점검을 추가했습니다. |
| 승인 | 요청대로 다섯 줄. 출처 없는 주장 없음. 가정을 밝힘. | 아직 검증되지 않은 것을 밝혔습니다. |
| 재사용 | Q2과 Q3을 손으로 다시 하지 않고 같은 방식으로 처리했습니다. | 만든 프롬프트, 스킬, 쿼리를 제출했습니다. |
이 채점표로 지원자 한 명에게 나온 결과입니다. 각 수준은 근거가 된 턴으로 연결됩니다.
제출한 그대로의 작업물입니다. 각 표시는 결과에 나온 역량을 가리킵니다.
3월 1일 가격 변경 때문입니다.
| 월 | 매출 (€k) | 변화 |
|---|---|---|
| 1월 | 1,212 | |
| 2월 | 1,240 | +2.3% |
| 3월 | 1,091 | −12.0% |
| 4월 | 1,118 | +2.5% |
| 5월 | 1,152 | +3.0% |
| 6월 | 1,139 | −1.1% |
| 7월 | 1,101 | −3.3% |
| 8월 | 1,087 | −1.3% |
| 9월 | 1,164 | +7.1% |
Lemonsignal은 각 세션의 1차 판단을 제공합니다. 채용 담당 관리자나 리크루터가 세션을 보고 판단을 확인하며 의견을 남길 수 있습니다. 결정은 그들이 합니다. 과제와 채점표는 저희가 작성합니다.
채점표는 누구도 과제를 시작하기 전에 작성되므로 모든 지원자에게 같은 기준이 적용됩니다. 모든 수준은 근거가 된 순간으로 연결되므로 어떤 점수든 직접 확인할 수 있습니다.
과제를 수행하는 사람이 과제를 받은 본인인지 확인합니다. 제출물은 AI와의 대화와 일치해야 합니다. 면접 질문은 특정 순간을 묻는데, 직접 하지 않은 일은 답하기 어렵습니다.
AI 도구와의 대화, 제출물, 과제를 위해 만든 것을 기록합니다. 채용팀과 지원자가 볼 수 있습니다. 모든 데이터는 EU에 저장되고 GDPR에 따라 처리됩니다.
Lemonsignal은 대화 전체를 읽고, 중요한 순간을 표시하고, 1차 판단을 제공합니다. 모든 수준은 근거가 된 순간으로 연결됩니다. 채용팀이 세션을 보고 판단을 확인하고 의견을 남긴 뒤 결정합니다.
같은 과제의 결과는 같은 채점표로 채점되므로 비교할 수 있습니다. 다른 과제나 자체 과제에는 별도의 채점표가 있습니다.
과제 설명에서 어떤 도구를 쓸지 알려 주십시오. 다른 도구를 쓰면 대화를 읽지 못할 수 있으며, 그에 의존하는 역량은 감점이 아니라 평가 안 됨이 됩니다.
실제 업무에서 가져온 과제를 주고, 본인의 AI 도구를 쓰게 하고, 나중에 대화를 읽으십시오. 그다음 그중 한 순간을 물으십시오. 왜 그 숫자를 믿었는지, 왜 지시를 바꿨는지. AI를 어떻게 쓰는지 설명하게 하면 얼마나 잘하는지가 아니라 얼마나 말을 잘하는지 드러납니다.
업무에서 AI를 쓴다면 그렇습니다. 금지하면 쓰지 않을 방식을 테스트하게 됩니다. 대화를 읽지 않고 허용하는 것도 잘못입니다. 완성된 작업물만 보고는 누가 생각했는지 알 수 없습니다.
같은 여섯 가지입니다. 마케터는 AI가 지어낸 숫자를 확인하고, 엔지니어는 맞아 보이지만 틀린 수정을 확인합니다. 직무마다 달라지는 것은 역량이 아니라 과제입니다.
점수는 여섯 가지 역량의 평균입니다. 추천 의견은 직무의 필수 요건을 봅니다. 점수가 높아도 필수 요건이 기준 미달이면 적합하지 않으며, 결과에 어떤 역량인지 나옵니다.