이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
자동화 스크립트를 만들 때 가장 자주 쓰는 언어는 Python입니다. Python을 선택하는 이유는 파일 처리·API 호출·데이터 변환 등 대부분의 자동화 작업에 잘 맞는 표준 라이브러리가 이미 갖춰져 있기 때문입니다. 팀 내 도구를 만들 때는 내가 아닌 팀원이 나중에 수정할 수 있는 가독성도 언어 선택 기준이 됩니다. 시스템 수준의 작업이나 성능이 중요한 경우에는 Bash로 먼저 짜고, 로직이 복잡해지면 Python으로 옮기는 방식을 씁니다. 이식성이 중요한 상황에서는 Python이 대부분의 서버 환경에서 별도 설치 없이 쓸 수 있다는 점이 유리했습니다. 언어 선택에서 중요한 건 어떤 언어가 더 좋냐가 아니라 이 작업에서 어떤 언어가 더 빠르게 완성되고 유지되느냐라는 걸 경험했습니다.
자동화 스크립트를 작성할 때 언어 선택의 기준은 "누가 이후에 이 코드를 볼 것인가"였습니다. 혼자 쓰는 스크립트는 Bash로 빠르게 짰는데, 팀이 쓰는 내부 도구는 Bash에 분기 로직이 쌓이면서 금방 읽기 어려워졌습니다.
팀 공용 배포 체크리스트 자동화를 만들 때 Python으로 전환했습니다. subprocess로 셸 명령을 호출하면서도 에러 분기·로그 출력·재시도 로직을 함수로 나눠 구조화할 수 있었습니다. 6개월 후 팀원이 수정할 때 diff 한 줄이면 의도가 명확했다는 피드백을 받았습니다.
이 경험으로 자동화 언어 선택은 처음 만드는 속도보다 나중에 고치는 비용으로 결정된다고 생각하게 됐습니다.
자동화 도구를 Python으로 만들다 보면 실행 속도나 배포 편의성에서 한계를 느끼는 자리가 있습니다. 특히 단일 바이너리로 배포해야 하는 환경에서는 Python 인터프리터와 의존성 패키징이 번거로워지는 순간이 생겼습니다.
Go 같은 언어가 단일 바이너리로 배포하기 적합하다는 걸 알고 있지만, 현재 팀에서 Python을 공통으로 쓰는 상황이라 혼자 다른 언어를 쓰는 것이 협업 비용을 높인다는 판단으로 유지했습니다. 언어 선택이 기술만의 문제가 아니라 팀 협업의 문제라는 걸 배웠습니다.
이 경험으로 자동화 언어를 고를 때 팀의 공통 스택과 배포 환경을 함께 보는 것이 중요하다고 생각합니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 올거나이즈 인프라/클라우드 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.