트레이드오프를 고르는
기술적 의사결정
일관성과 가용성, 비용과 지연시간 사이에서 상황에 맞는 선택을 내리고, 그 선택의 대가를 아는 엔지니어가 됩니다.
AI 시대, 설계로 증명하는 엔지니어
AI Native Engineer로 성장하는 데 필요한 AI 활용 능력을 평가하고, System Design 문제로 기술적 의사결정과 논리력을 키웁니다.
결제 완료 이벤트를 메시지 큐로 전달할 때, 서버 장애가 나도 메시지가 유실되거나 중복 처리되지 않으려면 어떻게 설계할까요?
어떤 선택을, 왜 하시겠어요?
출제진과 합격자가 거쳐 간 곳




















구현 속도는 AI가 끌어올립니다. 하지만 어떤 구조를 택할지, 무엇을 포기할지, 그 결정을 어떻게 설명할지는 여전히 엔지니어의 몫입니다.
트레이드오프를 고르는
기술적 의사결정
일관성과 가용성, 비용과 지연시간 사이에서 상황에 맞는 선택을 내리고, 그 선택의 대가를 아는 엔지니어가 됩니다.
요구사항에서 결론까지
설명 가능한 논리력
병목을 짚고 대안을 비교해 결론에 이르는 과정을 말과 글로 풀어내는 힘을 기릅니다.
AI에게 묻고 검증하는
AI 활용 능력 평가
무엇을 묻고, 답을 어떻게 검증하고, 어디서 스스로 판단하는지. AI Native Engineer의 일하는 방식을 평가합니다.
송OO
백엔드 엔지니어
설계면접이라는 게 어디로 튈지 모르는 질문이 많아 대비하기 참 어렵다고 생각하는데요. 그래서 다양한 관점으로 고민해 보는 게 중요한데, 이 서비스를 통해 MQ와 서버 사이의 통신 신뢰성에 대한 설계 포인트를 새롭게 고민해 볼 수 있었습니다. 결과적으로 토스 기술면접에서도 비슷한 질문을 받아 잘 답변드려 합격할 수 있었고, 다른 주제의 질문이더라도 설계 질문들을 통해 생각하는 힘을 길러 에이블리 백엔드 인턴 최종면접도 합격하게 됐습니다!
객체와 책임을 나누는 감각을 훈련합니다. 변경에 강한 구조를 스스로 설명할 수 있게 됩니다.
대규모 트래픽과 장애를 전제로 전체 구조를 그리고, 각 선택의 트레이드오프를 따집니다.
LLM을 시스템의 한 구성요소로 다루는 설계. AI Native Engineer에게 새롭게 요구되는 역량입니다.