안녕하세요, 현재 데이터/AI 분야로 하반기 취업 준비하고 있는 대학생입니다. 요즘 취업 난이도 및 상황을 고려할 때 모두가 어려운건 맞지만, 원하는 분야의 직무 기업에 대부분 서류부터 탈락했습니다. 현재 어떤점이 부족한지, 또 어떤 방향으로 다음 상반기를 맞이하면 좋을지 조언을 구하고 싶습니다. (대학원 진학 이외에 어떤걸 하면 좋을지 궁금합니다)
개인적으로 생각했을 때에는 우선 전공이 다르다는 부분이 큰 비중을 차지하지 않나 싶습니다... 연구 관련한 실적이 없는것도 영향을 많이 미치는지 궁금하고, 없다면 서류에서부터 탈락될 정도인지 궁금합니다.
또한, 대기업 공채를 위주로 많이 작성했어서, 당연히 전공이 중요하겠지만, 현 전공으로 추가적인 활동을 진행한다고 해도 간극을 극복할 수 없는 정도인지도 궁금합니다.
[스펙]
중경외시 기계공학 - 4.1 / 4.5
외국계 테크 인턴 1회 (지원 분야와 밀접한 연관성 O)
AI기술 학회 1년이상
해커톤 수상 1회 (AI 모델 개발-1등)
AI 관련 개인/협업 프로젝트 3개
학연생 (3개월, 기계공학분야, AI와는 무관)
오픽 AL / 영미권 국가 4년이상 거주
[자소서]
공학 도메인(철강,배터리,등등)의 AX/AI 직무의 경우에는 공학 지식 + IT 기술 접목한다는 방향성으로 작성하였습니다. 나머지 공학 도메인에 없는 SI기업은 기계공학 프로젝트, 학연생 경험 제외하고 서술했습니다.
[지원한 직무명]- AI 진단 솔루션 개발 | AI 에이전트 개발 | 응용 AI 엔지니어링 | R&D AI/AX | SW개발 | AI/AX | AI 솔루션 | 데이터 사이언티스트 | AI 엔지니어 등등
사유선택
허위 신고의 경우 서비스 이용제한과 같은 불이익을 받으실 수 있습니다.

채택률 56%
답변수 8,007
LG전자
영업관리
기계/로봇
사유선택
허위 신고의 경우 서비스 이용제한과 같은 불이익을 받으실 수 있습니다.
채택률 33%
답변수 2,126
SnapdragonMonitoringLimited
데이터 사이언티스트
IT/SW
멘티님, 안녕하세요. 멘토 치킨마요입니다.
스펙 자체는 약하지 않습니다. 중경외시 기계공학 4.1에 외국계 테크 인턴, 해커톤 1등, 프로젝트 3개, 원어민급 영어까지면 데이터·AI 신입 중 상위권입니다. "전공이 달라 간극을 못 넘는다"는 건 과한 생각 같네요.... 서류 탈락의 원인은 다른 곳에 있다고 봅니다.
문제는 지원 전략의 분산입니다. AI 진단, 에이전트, 응용 AI, R&D, SI까지 너무 넓게 퍼져 있어, 어디서도 "이 직무에 딱 맞는 사람"이라는 인상을 주지 못합니다. 강점이 가장 선명한 공학 도메인 AX/AI(철강·배터리·제조)로 좁히는 편이 유리합니다. 예를 들어 제조 AX는 도메인 융합 인재를 원해, 기계공학+AI가 약점이 아니라 차별점이 됩니다.
연구실적은 순수 연구직(데이터 사이언티스트)에선 영향이 크지만, 엔지니어링·AX 직무는 프로젝트로 충분히 대체됩니다. 대학원이 유일한 답은 아닙니다. 상반기 전까지 제조 도메인 AI 프로젝트를 하나 더 만들어 지원처를 좁히는 것을 권합니다.
사유선택
허위 신고의 경우 서비스 이용제한과 같은 불이익을 받으실 수 있습니다.
채택률 46%
답변수 3,853
LG전자
구매관리
기계/로봇
사유선택
허위 신고의 경우 서비스 이용제한과 같은 불이익을 받으실 수 있습니다.
채택률 61%
답변수 34,150
한화정밀기계
공정/품질/테스트
기계/로봇
안녕하세요. 현재 스펙은 학점이나 인턴, 해커톤 수상등 전반적으로 훌륭하여 대기업 서류에서 절대 탈락할 수준은 아닙니다.
비전공자라는 점이나 논문등 연구 실적이 없는 것이 결정적인 원인은 아니고, 지원하신 AI 에이전트나 응용 AI, AX 직무등은
사실 연구 능력보다는 현업에서의 구현 및 엔지니어링 역량을 훨씬 중요하게 평가하고,
특히 기계공학 기반의 도메인 지식은 제조 및 산업 분야 AX 직무에서 매우 유리한 강점이 됩니다.
그리고 서류 탈락이 누적된 가장 큰 원인은 직무 타깃의 모호함과 자소서의 어필 포인트 차이 때문일 가능성이 높아 보입니다.
데이터 사이언티스트와 SW 개발, AI R&D등은 성격이 전혀 다른 직무로, 아마 동일 틀로 지원하면서 정체성이 약해졌을 수도 있고,
단순히 AI 모델의 성능을 높였다는 점에 집중된 서류가 현업이 원하는 엔지니어링 역량을 충분히 보여주지 못했을 수도 있을 것 같습니다.
해서 다음 상반기를 위해서는 지원 직무를 응용 AI 및 AX 엔지니어링 쪽으로 단순화하시고,
모델 개발 경험 뿐 아니라 서비스화나 API 연동, 배포등 실무 중심의 해결 과정으로 자소서와 프로젝트를 재정비하는 것이 좋을 듯 합니다.
또한 백엔드나 프레임워크 활용 능력을 더해 CS 기초 역량을 보여주시고,
대기업 공채뿐만 아니라 성장 가능성 높은 IT 기업이나 스타트업까지 지원 범위를 넓혀 다양한 경험을 쌓으시길 추천합니다.
사유선택
허위 신고의 경우 서비스 이용제한과 같은 불이익을 받으실 수 있습니다.
채택률 47%
답변수 7,224
케이티
데이터 분석
IT/SW
사유선택
허위 신고의 경우 서비스 이용제한과 같은 불이익을 받으실 수 있습니다.
채택률 33%
답변수 2,126
SnapdragonMonitoringLimited
데이터 사이언티스트
IT/SW
스펙의 한계가 아니라 자소서와 지원 전략의 문제로 판단됩니다. 인가경 산공+컴공 복전에 실무 경력 1년, AI 자동화 프로젝트까지면 중고신입으로 대기업·금융권 서류를 통과할 기본기는 충분합니다. 학벌·학점이 결정타였다면 중소 재직 자체가 불가능했을 겁니다.
서류 전패의 원인은 "유관 직무를 다 써보는" 방식에 있습니다. 서비스기획부터 IT까지 넓게 지원하면 자소서가 분산되어, 어느 직무에서도 적합한 사람으로 읽히지 않습니다. 강점이 가장 뚜렷한 IT 서비스기획으로 좁히는 편이 유리합니다. 예를 들어 재직 중 AI 자동화 프로젝트를 "어떤 문제를 어떤 기획으로 풀어 어떤 성과를 냈는지" 숫자로 정리하면, 경력 없는 신입과 확실히 갈립니다.
IT는 개발을 잘해야만 가는 영역이 아닙니다. 기획·PM 직무는 개발 이해도만 있으면 되고, 컴공 복전이 그 근거가 됩니다. 금융권은 도메인 경험이 중요하니, 부트캠프 금융 프로젝트를 전면에 내세우십시오. 직무를 좁히고 경력을 성과 중심으로 재서술하면 결과가 달라질 겁니다.
사유선택
허위 신고의 경우 서비스 이용제한과 같은 불이익을 받으실 수 있습니다.
채택률 47%
답변수 10,235
LG화학
생산관리
화학/에너지
사유선택
허위 신고의 경우 서비스 이용제한과 같은 불이익을 받으실 수 있습니다.
자격증 따세요 정처기, ADSP, SQLD 제가 님보다 학벌 안 좋은데 대기업 서류 다 붙었어요 자소서도 잘 쓰고 있는지 한 번 확인해보시고요
사유선택
허위 신고의 경우 서비스 이용제한과 같은 불이익을 받으실 수 있습니다.
채택률 40%
답변수 3,295
LG생활건강
데이터 분석
패션/뷰티
사유선택
허위 신고의 경우 서비스 이용제한과 같은 불이익을 받으실 수 있습니다.
채택률 23%
답변수 2,218
카카오스타일
데이터 분석
유통/커머스
스펙만 보면 전공이 다르다는 이유만으로 서류에서 계속 떨어진다고 보기는 어렵구요. 외국계 테크 인턴, AI 모델 개발 수상, 프로젝트 3개까지 있어서 기본 경험은 갖추신 편이라고 생각됩니다.
다만 지원 직무가 너무 넓은 게 조금 아쉬워요. AI 에이전트 개발, 데이터 사이언티스트, SW개발, R&D는 회사마다 요구하는 역량이 꽤 달라서, 자소서를 조금씩 바꾸는 것만으로는 직무 적합성이 부족해 보일 수 있거든요.
저라면 AI 응용,솔루션 개발이나 제조업 AX 쪽을 우선 공략할 것 같아요. 기계공학 전공을 약점으로만 보기보다 기존 공학 지식에 AI 기술을 접목할 수 있다는 방향으로 차별화하는 거죠.
연구실적은 일반적인 AI 응용개발 직무에서 무조건 필요한 건 아니지만, 핵심 모델 연구나 연구개발 직무는 논문이나 심화 연구 경험을 더 중요하게 볼 수 있어요. 대학원 대신 준비한다면 자격증을 늘리기보다 실제 배포까지 해본 AI 프로젝트 하나를 제대로 완성하는 걸 추천합니다.
그리고 대기업만 보지 말고 중견 AI 솔루션 기업이나 SI 기업까지 지원 범위를 넓혀보세요. 지금은 전공을 바꾸거나 스펙을 처음부터 쌓기보다, 지원 직무를 좁히고 기존 경험을 그 직무에 맞게 보여주는 게 먼저라고 생각합니다.
사유선택
허위 신고의 경우 서비스 이용제한과 같은 불이익을 받으실 수 있습니다.