독립적이며 비공식적인 자료입니다. 공개적으로 보고된, 지원자들의 생생한 경험담을 종합하여 작성되었습니다 (2024–2026). Anthropic, OpenAI 또는 기타 회사와는 관련이 없으며 승인되거나 보증되지 않은 내용입니다. 단계별 구조는 잘 검증된 것으로 간주하고 모든 수치는 참고용 자가 보고 자료로 취급해 주십시오.

저는 Anthropic과 OpenAI의 소프트웨어 엔지니어 인터뷰 과정을 공개적으로 보고된, 지원자들의 생생한 경험담을 모아왔습니다. 그 패턴들은 기록할 가치가 있을 만큼 일관적입니다.

단계별 인터뷰 과정

두 회사의 과정은 유사하지만 강조하는 부분이 다릅니다. Anthropic은 채용 담당자(recruiter) 단계부터 가치관(values)-인식에 중점을 두는 반면, OpenAI는 팀 적합도(team fit)를 초반에 배치합니다. 가장 일관되게 발견되는 점은 다음과 같습니다: 거의 모든 Anthropic 현장 면접(onsite)에는 가치관/문화 관련 라운드가 포함되며, 이 부분이 코딩 테스트보다 기술적으로 뛰어난 지원자들을 더 많이 탈락시킵니다.

Python을 사용하여 다음 요소들을 밑바닥부터(from scratch) 능숙하게 구축할 수 있어야 합니다 (이는 강력한 경쟁 우위가 됩니다): 인메모리 다단계 키-값 저장소 (in-memory multi-level key-value store), 웹 크롤러 (web crawler), LRU 캐시 (LRU cache), 스택 트레이스 / 샘플링 프로파일러 (stack-trace / sampling-profiler) 문제, 토크나이저 (tokenizer), 분산 모드/중앙값 (distributed mode/median) 연습 문제. 이들을 아는 것은 기본 조건(table stakes)일 뿐이며, 변수(perturbation)가 주어졌을 때 살아남는 것이 진짜 시험입니다.

시스템 디자인 (System design): 단 하나의 규칙

거의 모든 출처에서 공통적으로 언급되는 내용은 다음과 같습니다: 수학적 계산을 먼저 수행할 것; 제시된 수치를 충족하는 가장 단순한 시스템을 설계할 것; 요청 흐름(request flow)에 안전성/제한 사항을 내재화할 것; 스스로 논의를 주도할 것. Anthropic의 프롬프트 주제는 인프라 중심(LLM 서빙, 토큰 서비스, 검색(retrieval), 에이전트(agents))인 반면, OpenAI는 제품 중심(product-shaped)에 더 가깝습니다.

가치관 라운드(Values round), 그리고 준비 방법

이 단계는 성찰적이고 탐구적입니다 — "당신의 가치관이 시험받았던 때", "당신이 바꾼 신념", "회사에 대한 진솔한 비판" 등을 묻습니다. 후속 질문은 깔끔한 결과가 아니라 당신의 _추론 능력과 정직함_을 파고듭니다. 합격하는 지원자들은 오직 자신만이 말할 수 있는 진실된 이야기 몇 가지를 준비하고, AI 안전성에 대한 확고한 관점을 형성하며, 암기가 아닌 비판적 참여를 위해 1차 자료(AI 안전성에 대한 핵심 견해(Core Views on AI Safety), 책임 있는 확장 정책(Responsible Scaling Policy), Dario Amodei의 에세이 등)를 읽습니다.

저는 동일한 60개 이상의 사례를 바탕으로 마스터 질문 은행, 가치관 라운드 플레이북, 조정된 보상 데이터(comp data), 그리고 준비 계획을 포함한 약 105페이지 분량의 전체 버전을 정리했습니다. 요약된 현장 분석 결과는 여기에서 무료로 확인하실 수 있으며, GitHub에 무료 치트 시트도 제공됩니다.