2026 LG전자 자소서, AI를 썼다고만 하면 약해지는 이유

“LG전자 데이터 관련 자소서 문항에 참고할 경험을 보내드립니다. 더 적절한 경험이나 궁금한 부분이 있으면 물어봐 주세요.”

LG전자 디지털 역량 문항은 AI를 사용했는지보다 디지털 도구로 어떤 문제를 발견하고 무엇을 바꿨는지가 중요합니다. ChatGPT를 썼다고만 적으면 도구 이름밖에 남지 않습니다. 반대로 엑셀이나 구글 폼을 썼더라도 선택한 이유, 본인의 판단과 확인된 결과가 이어지면 충분히 강한 답이 됩니다.

2026년 하반기 LG전자 신입 채용은 공식 안내 기준 9월 13일 오후 11시까지 지원을 받습니다. 지원서의 디지털 역량 문항은 데이터 및 AI 등 디지털 도구로 문제를 해결하거나 기존 방식보다 나은 결과를 만든 경험을 묻습니다. 이어서 문제 상황, 본인의 역할, 해결 과정, 성과와 배운 점을 구체적으로 쓰라고 요구합니다.

핵심은 문항 안에 이미 적혀 있습니다. 도구는 시작점이고, 평가할 내용은 문제와 역할, 해결 과정과 결과입니다.

AI 경험을 새로 만들기보다 문항에 맞는 소재부터 골랐습니다

이 사례에서 먼저 판단한 것은 어떤 AI 도구를 끼워 넣을지가 아니었습니다. 지원자에게 이미 있는 경험 중 디지털 도구가 판단과 결과를 실제로 바꾼 경험이 무엇인지였습니다.

국제 교육 포럼을 운영한 경험에는 필요한 근거가 이미 있었습니다. 이전 행사 기록을 비교했고, 사전 설문으로 참가자의 요구를 확인했으며, 운영 방식을 바꾼 뒤 만족도가 전년보다 30% 이상 올랐습니다. 상담 전에 보내온 메모에는 다음과 같이 정리돼 있었습니다.

전년도 행사를 요일별로 나눠 만족도와 참석 빈도를 비교했습니다. 도출한 문제를 해결하기 위해 사전 신청 플랫폼으로 참가자의 요구를 파악했고, 행사 후 참가자 80% 이상이 만족으로 답했습니다.

지원자분이 보내온 메모를 바탕으로 행사명과 참가 규모를 일반화했습니다.

소재는 강했지만 ‘분석했다’, ‘문제를 도출했다’, ‘요구를 파악했다’ 사이가 압축돼 있었습니다. 이대로는 채용담당자가 무엇을 발견했고 어떤 운영을 바꿨는지 알기 어렵습니다. 그래서 새로운 성과를 보태기보다, 지원자가 실제로 내린 판단을 구체적으로 복원하는 데 집중했습니다.

작업에서는 숫자 뒤에 숨어 있던 판단을 질문으로 꺼냈습니다

좋은 자소서는 그럴듯한 말을 더해서 완성되지 않습니다. 이미 한 행동을 왜 했는지 확인하고, 결과까지 이어지는 인과관계를 찾아야 합니다. 이 사례에서는 다음 질문을 추가로 확인했습니다.

1. 만족도가 낮았을 때 팀에서는 처음에 어떤 해결책을 생각했는가
2. 전년도 기록에서 무엇을 어떤 기준으로 비교했는가
3. 비교한 결과 어떤 문제가 구체적으로 드러났는가
4. 구글 폼으로 누구에게 무엇을 물었고, 답변을 운영에 어떻게 반영했는가
5. 행사 중 새로 들어온 불편은 누가 얼마나 자주 확인하고 조정했는가
6. 만족도 상승은 어떤 기준으로 확인했고 본인이 맡은 범위는 어디까지였는가

답을 확인한 뒤 답변의 흐름을 세 부분으로 정리했습니다.

• 문제 정의: 큰 행사였다는 설명보다 만족도가 낮았지만 원인은 정리되지 않았고, 프로그램을 늘리자는 의견에도 근거가 없었다는 상황을 앞에 둡니다.
• 분석과 실행: 기록을 나눈 기준, 비교해서 발견한 사실, 구글 폼으로 물은 항목과 실제로 바꾼 운영을 차례로 보여줍니다.
• 성과 확인: 만족도 30% 이상 상승은 마지막에 두고, 그 수치가 어떤 변화 뒤에 나온 결과인지 먼저 이해하게 합니다.

이렇게 구조를 잡으면 구글 폼은 단순 접수 도구가 아니라 일정과 식단을 바꾸기 위한 정보 수집 수단이 됩니다. 분석한 사실이 다음 행동으로 이어진 지점까지 확인해야 디지털 역량이 보입니다.

최종 전달본에서는 문제 발견부터 성과까지 한 흐름으로 연결했습니다

[낮은 만족도의 원인을 전년 기록에서 찾아냈습니다]

국제 교육 포럼에서 행사지원 팀장을 맡아 운영과 총무를 총괄했습니다. 직전 행사 만족도가 낮았지만 원인은 정리돼 있지 않았습니다. 프로그램을 늘리자는 의견도 있었지만 근거가 없었습니다. 그래서 행사 기록을 요일별과 카테고리별로 나눠 만족도를 수치화하고, 프로그램별 참석 빈도와 함께 비교했습니다. 그 결과 특정 요일에 일정이 몰리고, 참석률이 낮은 프로그램이 같은 시간대에 반복되며, 식단 선택지가 부족하다는 점을 확인했습니다.

[참가자에게 먼저 물어 만족도를 30% 이상 높였습니다]

참가국 언어에 맞춘 구글 폼으로 식단과 종교, 참석 희망 프로그램을 미리 받았습니다. 응답과 요일별 운영 부담을 함께 살펴 일정과 식단을 다시 짰습니다. 행사 중에는 불편을 바로 접수할 창구를 열고, 팀원들과 하루 두 번 내용을 공유하며 프로그램 순서와 메뉴를 조정했습니다. 그 결과 참가자 80% 이상이 만족으로 답했고, 만족도는 전년보다 30% 이상 올랐으며 운영 성과로 기관 표창을 받았습니다.

최종 전달본을 바탕으로 행사명, 시점, 참가 규모, 성과 수치와 표창 기관을 일반화했습니다.

숫자를 늘리지 않아도 문장은 훨씬 강해집니다. ‘행사 데이터를 분석했다’는 말은 요일별 만족도와 프로그램별 참석 빈도를 함께 비교했다는 행동으로 바뀌었습니다. ‘참가자의 요구를 파악했다’는 말은 식단, 종교와 참석 희망 프로그램을 미리 물었다는 내용으로 구체화됐습니다. 마지막에는 받은 답을 일정과 식단에 어떻게 반영했는지까지 보여주므로 만족도 30% 이상 상승이 우연한 결과처럼 보이지 않습니다.

본인의 경험을 다듬을 때도 동사 사이를 확인해 보세요. ‘분석했다’ 다음에는 비교 기준과 발견한 사실, ‘개선했다’ 다음에는 실제로 바꾼 방식, ‘성과를 냈다’ 앞에는 그 결과와 행동이 이어지는 근거가 필요합니다.

AI를 쓰지 않았어도 디지털 역량이 되는 이유

문항의 표현은 ‘데이터 및 AI 등 디지털 도구’입니다. 따라서 AI 경험만 골라야 하는 문항으로 읽을 필요는 없습니다. 디지털 도구를 이용해 이전에는 보이지 않던 문제를 찾았거나, 더 나은 방법을 제안하고 결과까지 확인한 경험이면 검토할 수 있습니다.

다만 “구글 폼으로 설문해 만족도를 높였다”라고만 쓰면 여전히 약합니다. 다음 네 가지가 이어져야 합니다.

1. 문제: 어떤 결과가 좋지 않았고, 기존 방식으로는 왜 원인을 알 수 없었는가
2. 도구 선택: 필요한 비교나 정보를 얻기 위해 왜 그 도구를 골랐는가
3. 본인의 판단: 도구가 내놓은 값 가운데 무엇을 보고 어떤 방법을 바꿨는가
4. 결과: 전과 비교해 무엇이 달라졌고, 그 결과를 어떻게 확인했는가

AI를 활용한 경험도 같은 기준으로 보면 됩니다. “생성형 AI로 자료를 요약했다”에서 끝내지 말고, 어떤 자료를 왜 정리해야 했는지, 결과의 오류를 어떻게 검증했는지, 최종 판단은 무엇을 근거로 내렸는지까지 적어야 합니다. AI가 한 일과 본인이 한 일을 분리하면 면접에서 이어지는 질문에도 답하기 쉬워집니다.

AI로 자소서를 쓸 때 먼저 확인할 기준에서도 도구가 만들어낸 문장보다 공고와 경험을 먼저 맞추는 방법을 설명했습니다.

1000자는 문제 150자, 행동과 판단 450자부터 시작해 보세요

LG전자 디지털 역량 문항은 공백 포함 1000자입니다. 처음 구성할 때는 다음 분량을 기준으로 메모해 보세요.

• 문제 150자: 이전 방식에서 무엇이 잘되지 않았는지
• 도구를 고른 이유 200자: 어떤 정보가 필요했고 왜 그 도구가 맞았는지
• 행동과 판단 450자: 무엇을 비교하고, 누구와 조율하며, 어떤 방법으로 바꿨는지
• 결과와 배운 점 200자: 확인한 변화와 지원 직무에서 이어갈 판단 기준

실제 경험에 맞게 비율은 조정해도 됩니다. 다만 행동과 판단에 가장 많은 분량을 주세요. 소제목을 넣는다면 글자 수에 포함되는지도 지원서 화면에서 확인하세요.

지원 직무에 따라 확인할 내용도 달라집니다.

• 영업과 마케팅: 판매와 고객 데이터를 보고 어떤 매장, 제품, 제안을 먼저 바꿨는가
• SCM: 수요와 재고 데이터에서 어떤 이상을 발견했고, 공급과 판매 계획을 어떻게 조정했는가
• 재무: ERP나 정산 자료의 차이를 어떤 기준으로 확인하고 누락이나 마감 오류를 줄였는가
• 연구개발과 생산: 분석, 시뮬레이션이나 AI 결과를 어떤 가설과 실험으로 검증했는가

측정하지 않은 시간을 줄였다고 쓰거나 팀 전체 성과를 본인의 결과처럼 가져오면 구체적인 글도 신뢰를 잃습니다. 숫자가 없다면 성과 수치 없이 행동을 구체화하는 네 가지 질문으로 확인한 변화부터 찾아보세요.

배운 점은 지원 직무에서 다시 쓸 수 있는 판단이어야 합니다

“데이터의 중요성을 배웠습니다”로 끝내면 어느 직무에도 붙일 수 있는 문장이 됩니다. 이 사례에서는 행사 운영에서 얻은 판단을 지원 직무에서 다시 쓸 기준으로 연결했습니다.

이때 배운 것은 데이터가 답을 주지 않는다는 점입니다. 데이터는 어디를 물어봐야 하는지만 알려줬고, 답은 사람에게 받아야 나왔습니다. 판매 데이터도 같습니다. 어떤 매장에서 무엇이 덜 팔리는지는 숫자가 알려주지만, 왜 그런지는 그 매장에 물어봐야 나옵니다.

지원자분께 전달한 최종 수정본의 일부입니다.

이 문장은 데이터를 보고 이상을 찾은 뒤 현장에서 이유를 확인하겠다는 영업 방식을 보여줍니다. 그래서 디지털 역량 문항의 경험이 지원동기와 향후 계획에도 이어집니다.

본인의 배운 점도 “앞으로 AI를 적극 활용하겠습니다” 대신 다음에 비슷한 문제를 만나면 무엇부터 확인할 것인지로 써보세요. 경험과 직무가 한 문장 안에서 연결됩니다.

제출 전에는 도구 이름을 가리고 다시 읽어보세요

• AI, 엑셀, 구글 폼 같은 이름을 지워도 해결한 문제가 보이는가
• 그 도구를 선택한 이유를 한 문장으로 설명할 수 있는가
• 도구가 한 일과 본인이 판단한 일이 구분되는가
• 실행 전과 후를 같은 기준으로 비교했는가
• 성과 수치와 본인의 역할을 면접에서도 설명할 수 있는가
• 배운 점이 LG전자 지원 직무의 실제 업무로 이어지는가

도구 이름을 가렸을 때 아무 내용도 남지 않는다면 경험을 바꿀 필요는 없습니다. 문제와 본인의 판단부터 다시 꺼내면 됩니다. 경험은 있지만 어떤 부분을 앞세워야 할지 어렵다면 LG전자 자소서 경험 선택과 구성 진단에서 실제 지원 문항과 함께 검토할 수 있습니다.