회사 정보를 모으는 것과, 회사를 읽는 것은 달랐어요

면접을 앞두고 회사를 조사해 본 분이라면 알 거예요. 이게 생각보다 시간이 오래 걸리죠. 홈페이지 보고, 뉴스 찾고, 공고 다시 읽고, 매출은 어디서 확인하나 검색하고요. 반나절이 훌쩍 가는데 정작 면접장에서 쓸 만한 이야기는 몇 줄 안 남더라고요. 정보는 많이 모았는데 이 회사를 진짜 이해했다는 느낌은 안 드는 거예요.

그래서 저도 AI에게 맡겨봤어요. 공고를 넣고 이 회사를 정리해 달라고 했죠. 결과는 빨랐어요. 매출, 서비스, 경쟁사까지 깔끔하게 나왔고요. 그런데 읽다 보니 자꾸 손이 다시 검색창으로 갔어요. 이 숫자 맞나, 이 회사가 그 회사 맞나 등등 결국 확인하느라 또 시간을 쓰게 되더라고요.

정보를 정리해 주긴 하는데, 그게 면접에서 바로 쓸 무기가 되진 않았어요.

그래서 다르게 접근해 봤어요

그래서 제 경험을 AI에 적용해 봤어요. 실제 일을 할 때, 구조화하고 검증하는 방식을 취업 준비에도 적용해 본 거예요. 이미 AI에는 지침과 지식이 쌓여 있었고 이걸 베이스로 공고와 경력기술, 요구사항을 전달했어요. 정보를 찾아달라고 시키는 대신 제가 회사를 뜯어보던 순서대로 생각하게 만든 거죠.

동일한 요청을 범용 AI에도 맡겼어요. 그러자 같은 회사를 두고 결과가 갈렸어요.

정보를 찾는 방식은 이렇게 답했어요. "이 회사는 국내 1위 홈서비스 플랫폼입니다." 틀린 말은 아니죠. 그런데 면접에서 이 말을 하면 아무 인상도 못 남겨요. 누구나 아는 소개니까요.

제 사업 시선을 학습한 쪽은 달랐어요. "한 번 쓴 고객이 계속 돌아오는 수요를 자산으로 쥐고, 그 위에 서비스 종류를 계속 늘려가는 구조"라고 읽었죠. 같은 회사인데 다르게 보여요. 이 문장 하나면 면접에서 "그럼 다음 카테고리는 뭘까요"라는 대화로 넘어갈 수 있고요.

한계를 보는 시선도 갈렸어요. 정보를 찾는 쪽은 "양쪽을 다 모아야 하는 플랫폼이라 초기 진입이 어렵다"를 약점으로 적었죠. 사업으로 보는 쪽은 같은 사실을 뒤집었어요. 이미 수요를 충분히 쥐고 있으니, 남들이 겪는 그 어려움을 건너뛴 상태라고요. 같은 사실이 한쪽에선 약점이 되고, 다른 쪽에선 강점이 됐어요.

숫자를 대하는 태도도 달랐어요

이게 저한테는 가장 컸어요. 면접에서 가장 위험한 게 틀린 숫자를 확신에 차서 말하는 거니까요. 정보를 찾는 쪽은 공고에 적힌 "재주문율 85%"를 사실처럼 그대로 가져왔죠. 사업으로 보는 쪽은 여기에 표시를 달았고요. 회사가 발표한 수치고 독립된 출처로는 확인이 안 된다고요. 15개 주장을 이렇게 훑으니 9개는 확인됐고, 6개는 회사 발표뿐이었어요.

차이는 AI가 더 똑똑해져서 생긴 게 아니에요. 조사 내용은 검증하고 구조화하는 방식에서 차이가 발생한 거예요.

결국 알게 된 건 이거예요. 범용 AI는 정보를 참 잘 정리해 줘요. 그런데 그 정보를 어떤 눈으로 볼지까지 대신 정해주진 않죠. 회사를 그냥 소개할지 사업으로 뜯어볼지, 그 관점은 제가 쥐고 있어야 했어요.

정보를 찾는 시간은 AI가 줄여줬어요. 그런데 면접장에서 저를 다르게 보이게 하는 건, 결국 그 정보를 어떻게 읽느냐였고요.

AI가 아무리 빨라져도, 회사를 읽는 눈까지 대신 갖게 해주진 않더라고요.

아래는 생성한 문서의 샘플이에요.