LLM 프로젝트에서 남길 것은 RAG, Agent, LangChain의 개수가 아닙니다. 누가 어떤 업무 문제를 겪었고, 내가 어떤 구현 선택을 했으며, 오류·정보보호를 누가 어떻게 확인한 뒤 무엇이 달라졌는지가 모두 있는 프로젝트 한 개를 고르세요. LG CNS AI(AX) 공고는 고객 문제를 AI 기술로 해결해 서비스화하는 관심, LLM 프로젝트, RAG·Prompt Engineering 등의 구현 관심을 함께 적고 있습니다. 그래서 기술을 공고처럼 나열하는 답안보다 현장 적용의 판단과 책임이 보이는 답안이 이 직무 설명과 더 잘 연결됩니다.
다만 2026-09-02에 비로그인 상태로 직접 확인한 LG Careers 공개 공고에는 자기소개서 입력 문항과 글자 수가 표시되지 않았습니다. 아래 표는 현재 지원 화면에 표시된 문항과 입력 한도에 맞춰 프로젝트 설명을 압축하는 편집 도구입니다. 문항 원문·입력 한도는 아래 공식 경로에서 최종 확인하세요.
공식 공고에서 확인한 범위
| 항목 | 2026-09-02 공식 LG Careers 확인 결과 |
|---|---|
| 공고 | 2026년 하반기 LG CNS 신입사원 채용, AI (AX) 모집 직무 |
| 접수 | 2026-08-31 09:00 ~ 2026-09-14 18:00 |
| 지원자격 | 2027년 2월 졸업 예정자 또는 기졸업자(2027년 1월부터 Full-time 근무 가능), 국내·해외 학사 이상, IT 기본 역량 보유자(전공 무관). 그 밖의 군복무·해외여행 결격 사유·취업보호 대상 안내는 공고 원문을 확인하세요. |
| AI(AX) 직무 설명 | 고객 실제 비즈니스에 AI 기술을 적용해 서비스와 업무 혁신을 만들고, LLM 기반 Agentic AI 서비스·RAG·Prompt Engineering 등을 활용한 AI Agent/Multi-Agent 애플리케이션, 고객사 환경에 맞춘 모델의 설계·구축·운영을 설명합니다. |
| 확인하지 못한 항목 | 현재 자기소개서 문항 원문, ‘직무 지식·경험’ 문항의 실제 글자 수, 배점, 중복지원 규칙. 공개 공고 API와 비로그인 지원 상세 화면에는 노출되지 않았습니다. |
공고가 LLM 기반 서비스 또는 AI Agent 개발 프로젝트 경험을 적었다고 해서 특정 프레임워크나 포트폴리오 제출을 필수로 만들지는 마세요. 공고의 필수·우대와 지원서 입력 필드는 로그인 뒤 현재 화면의 정확한 문구가 기준입니다.
먼저 고를 것: 가장 화려한 프로젝트가 아니라 한 문장으로 책임을 설명할 수 있는 프로젝트
아래 다섯 칸을 당시 기록으로 채울 수 있는 프로젝트 하나를 우선합니다. 팀의 전체 성과나 현재 기억으로 빈칸을 만들지 말고, 회의록·이슈·커밋·테스트 표본·사용자 피드백처럼 남아 있는 근거만 씁니다.
| 선택 기준 | 이 프로젝트를 고를 신호 | 첫 소재로 약한 신호 |
|---|---|---|
| 고객·사용자 문제 | 누가 어떤 반복, 지연, 오답, 검색 실패를 겪었는지 말할 수 있다 | ‘AI를 공부하려고 만들었다’만 남는다 |
| 구현 판단 | 검색 방식·답변 범위·도구 호출·모델·비용 중 실제 비교와 선택 이유가 있다 | 팀이 정한 스택을 구현했다 |
| 사람의 검증 | 오답 표본, 승인자, 보류·에스컬레이션 기준이 있다 | ‘테스트했다’뿐이다 |
| 정보보호 | 권한, 비공개 문서, 개인정보, 로그 중 실제로 제한한 범위를 설명할 수 있다 | 하지 않은 보안 조치를 했다고 쓸 생각이다 |
| 서비스 결과 | 사용자·업무 흐름에서 측정 또는 관찰한 변화가 있다 | 모델 이름과 데모 완성만 있다 |
다섯 칸 중 세 칸 이상이 비어 있다면 부족한 경험을 포장하기보다 다른 프로젝트를 고르세요. 기술 난도가 낮아도 업무 문제·예외·검증을 본인이 맡은 자동화 경험이 더 좋은 소재일 수 있습니다.
현재 입력 한도에 맞춰 남길 순서
아래 비율은 공식 배점이나 모범답안이 아닙니다. 지원 화면의 실제 입력 한도에서 기술 설명이 모든 자리를 차지하지 않게 하는 편집 우선순위 표입니다. 전체 한도에 각 비율을 곱해 초안을 줄이되, 문항이 요구하는 내용이 있으면 그 요구를 먼저 따르세요. 공백 포함 여부와 입력 한도는 지원 화면을 따릅니다.
| 구간 | 권장 비율 | 남길 내용 | 기술 나열로 쓰면 안 되는 방식 |
|---|---|---|---|
| 고객 문제 | 15% | 사용자·현업이 겪은 한 가지 실패와 영향 | 챗봇을 개발했다 |
| 구현 판단 | 27% | 비교한 대안, 제약, 내가 선택한 구조와 이유 | RAG·Agent·Vector DB를 사용했다 |
| 내 역할·구현 | 22% | 내가 정한 범위와 실제 구현·협업 행동 | 팀 전체 기능을 내 역할처럼 쓰기 |
| 사람의 검증·정보보호 | 19% | 오답 표본, 검토자, 보류 기준, 권한·비식별 처리 등 실제 조치 | 보안을 강화했다, 정확도를 높였다 |
| 서비스 결과 | 11% | 측정한 변화 또는 관찰 범위와 한계 | 근거 없는 만족도·정확도 수치 |
| 직무 연결 | 6% | 고객 환경에서 설계·구축·운영하겠다는 다음 적용 한 줄 | LG CNS 사업을 합격 기준처럼 베끼기 |
| 합계 | 100% | 한 프로젝트의 문제→판단→역할→검증→결과→직무 연결 | 도구 목록으로 문단 채우기 |
핵심은 구현 판단입니다. 예를 들어 벡터 DB를 썼다가 아니라, “최신 규정 문서가 바뀔 때 이전 답변이 남는 문제가 있어, 키워드 검색을 유지하는 안과 문서 근거 검색을 붙이는 안을 비교했다. 최신 문서 출처를 답변에 보여 주기 위해 후자를 골랐다”처럼 문제와 선택을 연결합니다.
약한 문장을 바꾸는 가상 예시
아래는 실제 LG CNS 프로젝트·지원자·합격 사례가 아닌 가상 예시입니다. 숫자, 역할, 보호 조치를 본인 경험처럼 옮기지 말고 문장 구조만 사용하세요.
약한 문장
LangChain, OpenAI API, ChromaDB를 이용해 RAG 챗봇을 만들었습니다. 프롬프트를 개선하고 AI Agent를 구현해 답변 정확도를 높였습니다.
개선 가상 예시
학과 행정 문의에서 갱신된 안내보다 이전 문서를 인용하는 일이 반복됐습니다. 저는 키워드 검색을 보완하는 안과 문서별 권한·갱신일을 반영한 검색 후 답변 생성 방식을 비교했습니다. 최신 안내의 근거를 보여 주는 것이 우선이라 판단해 후자를 구현했고, 근거가 없거나 권한 밖 문서이면 답변하지 않고 담당자 확인으로 넘기게 했습니다. 실제 문의 유형으로 오답을 검토하자 유사 학사 규정을 혼동하는 사례가 있어 문서 구분 규칙을 수정했습니다. 이 경험으로 AI가 답을 만들더라도 예외 판단과 정보 접근 승인은 사람이 책임져야 함을 배웠습니다.
개선 문장에 정확도 30% 향상을 넣으려면 비교 기간, 표본, 계산 방식이 실제로 있어야 합니다. 없으면 “오답 사례를 찾아 규칙을 수정했다”처럼 확인한 범위로만 씁니다.
LG CNS의 AX 사례는 ‘평가표’가 아니라 프로젝트를 읽는 맥락입니다
LG CNS는 2026년 AX Master Plan 자료에서 AI를 도입하는 데 업무 프로세스, 필요한 데이터, 입력 정보 관리, 사용자 피드백, 예외 상황 대응을 함께 설계하는 사례를 설명합니다. 같은 자료는 교육 플랫폼에서 LLM·Agent·RAG를 사용자 목적에 맞춰 분리하고, 학생용 환경의 유해 답변을 모델 단계에서 제한한 사례도 듭니다. 2026년 1분기 실적 자료는 AgenticWorks 기반 사업 확장과 AI 서비스 전 과정에서 고객 AX 전환 지원을 향후 방향으로 제시합니다.
이 자료들은 LG CNS가 어떤 업무 적용 맥락을 공개하는지 보여 줄 뿐, 채용 평가표나 자소서 정답이 아닙니다. 따라서 지원자는 ‘LG CNS도 RAG를 쓰므로 나도 썼다’가 아니라, 자신의 프로젝트에서 고객·현업 문제, 정보 접근, 오류 대응, 운영 결과를 사실로 설명하는 데만 사용하세요.
제출 전 20분 산출물: 한 프로젝트의 증거 지도
| 시간 | 할 일 | 남는 산출물 |
|---|---|---|
| 0~3분 | 프로젝트 후보 2개를 위 다섯 기준으로 비교 | 쓸 프로젝트 1개와 버린 이유 1줄 |
| 3~6분 | 사용자·현업의 실패를 한 문장으로 복원 | [누가]가 [어떤 문제]를 겪었다. |
| 6~10분 | 실제 비교한 선택지와 제약을 적기 | [제약] 때문에 [대안] 대신 [선택] |
| 10~14분 | 내 역할과 사람이 맡은 확인 지점을 분리 | 내 구현 / 검토자 / 보류 기준 세 칸 |
| 14~17분 | 권한·개인정보·비공개 정보 처리의 실제 범위 확인 | 쓸 수 있는 보호 조치 1개 또는 ‘해당 없음’ |
| 17~20분 | 오답·테스트·사용자 반응 기록과 AI(AX) 직무 연결을 붙여 현재 입력 한도에 맞는 개요 만들기 | 문제·판단·내 역할·검증/보호·결과·직무 연결 각 1문장 |
마지막에 아래 한 문장이 사실이면 답안 중심에 넣으세요.
[고객 문제] 때문에 [제약]을 우선했고, 저는 [내 역할]에서 [대안] 대신 [구현 선택]을 했으며, [사람의 검증·보호 조치]로 [결과]를 확인했습니다. 이 경험을 고객 환경에 맞춰 설계·구축·운영하는 AI(AX) 업무에 연결하겠습니다.
사실이 아니라면 문장을 매끄럽게 만들지 말고, 당시 기록을 다시 찾거나 프로젝트를 바꾸는 편이 안전합니다.
공식 화면을 다시 확인하는 경로
- 사이트: LG Careers
- 경로:
JOBS→2026년 하반기 LG CNS 신입사원 채용→AI (AX)→지원하기 - 반드시 확인할 필드: 접수 종료 시각, AI(AX) 선택, 중복지원 안내, 자기소개서 문항 원문, 공백 포함 입력 한도, 첨부 파일·포트폴리오 요구
2026-09-02의 공개 공고에서 접수·지원자격·직무 설명은 확인했지만, 지원서 입력 문항과 한도는 비로그인 화면에서 확인하지 못했습니다. 다른 사이트의 보관 문항으로 이 빈칸을 확정하지 말고, 제출 직전 현재 지원 화면을 기준으로 고치세요.
공식 출처와 범위
- LG Careers · 2026년 하반기 LG CNS 신입사원 채용, 2026-09-02 직접 확인 — 접수 기간, 공통 지원자격, AI(AX) 직무 설명·요건
- LG CNS · 비즈니스 성과로 이어지는 기업의 AX 전략, AX Master Plan, 2026-03 공개 — AX 적용·운영 사례의 맥락
- LG CNS · 2026년 1분기 실적발표 자료, 2026년 1분기 자료 — AgenticWorks 기반 사업 확장·고객 AX 전환 지원 방향
이 글은 한 LLM 프로젝트를 사실대로 압축하는 도구입니다. LG CNS의 실제 문항, 글자 수, 배점, 합격 기준을 대신 설명하지 않습니다.
오늘 할 한 가지
20분 표로 문제·판단·내 역할·검증/보호·결과·직무 연결 여섯 문장을 만든 뒤 현재 지원 화면의 입력 한도에 맞춰 옮기세요. 이미 답안을 썼다면 개인 식별정보와 비공개 프로젝트 정보는 지운 뒤 자기소개서 분석을 이용할 수 있습니다. 무료 분석은 답안 앞 1,000자를 대상으로 Step 1~3 결과를 제공하며, 전체 첨삭은 유료 Step 4~7의 별도 선택입니다. 이 결과는 사실 여부나 합격 가능성을 대신 판단하지 않습니다.