[현직자 인사이트] 답답한 AI 개발자 취업 뿌시는 필수 역량 및 FAQ 총정리 - 안재주 님

[현직자 인사이트] 답답한 AI 개발자 취업 뿌시는 필수 역량 및 FAQ 총정리 - 안재주 님

강연자 소개

들어가며

• [AI 프로세스] AI 서비스 개발 프로세스는 어떻게 구성되어있는가?

• [AI 포지션] 각 프로세스 담당자의 역할은 무엇이며, 어떤 역량이 필요한가?

• [AI 역량] 각 프로세스에서 요구되는 핵심 역량은 무엇인가?

• [FAQ] 사전질문 및 AI 치트키는 무엇인가?

• ~2018년 까지는 ‘인공지능을 어떻게 구현하느냐’에 집중했던 시기입니다.

• 2019 ~ 2022년 까지는 ‘인공지능을 어떤 도메인에 적용하여 어떻게 활용할 수 있느냐’에 집중했던 시기입니다.

• 2023년 부터 최근까지는 인공지능이 하나의 ‘인프라 기술’로 작용하며 많은 기술들과 융합되어 서비스되는 방향으로 발전하고 있는 것 같습니다.

[AI 프로세스] AI 서비스 개발 프로세스는 어떻게 구성되어있는가?

• Phase 1: 설계 및 기획 : AI 기능 및 배포 형태(웹/앱/엣지)를 기획하고 설계합니다.
• AI 서비스 컨텐츠
• 기획 및 설계 1 (AI 기능 + 기존 기능)
• 기획 및 설계 2 (배포/유지보수 형태)

• Phase 2: 초기 연구 개발 : 초기 형태의 데이터셋 및 알고리즘을 연구 개발합니다.
• 연구개발 (데이터셋)
• 연구개발 (알고리즘)
• 구현 (웹/앱/엣지 배포) → Backend/Frontend/Cloud

• Phase 3: 애자일 기반의 연구 → 개발 → 배포 : 연구 결과를 바탕으로 개발, 최적화 및 추론 파이프라인을 구현하고 배포 및 모니터링을 수행합니다.
• 연구개발 (최적화)
• 연구개발 (추론 파이프라인)
• 구현 (웹/앱/엣지 배포) → Backend/Frontend/Cloud

[AI 포지션] 각 프로세스 담당자의 역할은 무엇이며, 어떤 역량이 필요한가?

Data Analyst or Data Scientist (주니어)

• 담당 프로세스
• [Phase 1] 기획 및 설계 (AI 기능)
• [Phase 3] 배포 및 모니터링
• [그 외] AI 프로세스에서 도출되는 모든 데이터 관리/분석

• 담당 업무 및 역량
• 사내/외부로 부터 수집할 수 있는 대용량 데이터 분석
• 특정 제품/서비스에 대한 전체적인 분석
• 지능화/자동화 운영 모델 개발
• 사내에서 자체/외주로 개발된 인공지능이 많아짐에 따라, 최근에는 AI 알고리즘 평가 및 분석 업무도 수행
• 특히, LLM, VLM에 대한 활용/평가 업무가 급증하는 추세
• 위 모든 내용에 대한 A/B 테스트 가능자 선호
• 실무적 “지표” 기반의 데이터 분석 역량 선호
• 석/박 선호 문화 적음

AI Research Engineer

• 담당 프로세스
• [Phase 1] 기획 및 설계 (AI 기능)
• [Phase 2] 모든 구간
• [Phase 3] 최적화/추론 구간

• 담당 업무 및 역량
• ML/CV/NLP/LLM/RecEngineer 등으로 불리며, AI 연구/개발/배포 및 AI 기반 알고리즘 개발을 수행
• 초기부터 AI를 빌드할 수 있는 사람(Zero to One)을 선호
• 진출하고자하는 산업 도메인 지식의 필요성이 상대적으로 낮음
• 대신, “인공지능” 혹은 “전공 도메인”에 대한 요구가 매우 높음
• Medical AI는 산업 도메인 + 전공 도메인에 대한 요구 모두 높음
• 석/박 선호 문화
• 시간이 지남에 따라 "서비스 가능" AI 개발 경험을 선호
• 한국기준, 대학원 출신이 많이 경쟁은 쎄지고 인건비는 다소 낮아지는 경향을 두드러지게 보임

AI Application Engineer or AI SW Engineer

• 담당 프로세스
• [Phase 1] 기획 및 설계 (배포형태)
• [Phase 2] 구현 (웹/앱/엣지 배포형태) + Main Runtime Script
• [Phase 3] 연구개발 (최적화/추론 파이프라인)
• [Phase 3] 구현 (웹/앱/엣지 배포형태) + 모니터링

• 담당 업무 및 역량
• 최근 생겨나고 있는 포지션
• 언어/시각/학습/제어 등 다양한 분야의 AI 모델을 활용한 애플리케이션 개발을 담당
• API 기반의 AI 활용 서비스 개발, 백엔드 개발, 클라우드 기반 배포
• CI/CD 기반 파이프라인 자동화 업무 담당
• 생성형/LLM이 오픈소스로 발전함에 따라, API 기반의 애플리케이션 개발자를 선호
• 어느 정도 AI 빌드 능력도 요구

AI Ops (ML Ops, LLM Ops, Agent Ops)

• 담당 프로세스
• [Phase 3] 모든 구간 담당

• 담당 업무 및 역량
• AI가 서비스되는 전체 과정을 관리하고 최적화하는 직무
• 웹/앱/엣지 기반 배포/자동화를 담당
• API 기반 AI 활용 서비스 개발 경험이 필요
• Docker, Kubernetes, Grafana 등의 도구 활용 능력이 중요하며, GPU 최대 활용 가능자를 선호
• 생성형/LLM이 오픈소스로 발전함에 따라, LLM 빌드 능력과 RAG 또는 Agent 기술도 권장
• 현재 시점에서 가장 포텐셜이 높은 직무 중 하나

 

AI PM or Data Scientist (시니어)

• 담당 프로세스
• Phase 1, Phase 2, Phase 3 모든 구간의 매니징
• 실무가 필요한 경우 진행

• 담당 업무 및 역량
• 사내 주요 제품/비즈니스의 성장을 위해 데이터를 기반으로 가설을 생성하고 문제를 해결하는 업무 담당
• 특정 제품/서비스에 대한 기획 및 실행을 담당하며, 서비스를 런칭하거나 주도적으로 성장시킨 경험자 선호
• 특히, 스타트업 운영 경험을 좋아하는 추세
• 개발자에서 PM으로 전환하거나 창업 경험이 있는 경우 우대받기도 함
• 전 세계적으로 향후 5년 뒤 모든 회사에 필수적인 포지션이 될 것으로 예상

[AI 역량] 각 프로세스에서 요구되는 핵심역량은 무엇인가?

• 연구
• 인공지능을 "의도한 대로" 빌드할 수 있는 능력
• 즉 Vertical/Horizontal 하게 모델을 다룰 수 있는 능력이 중요
• 논문 및 대회 경험, Specific/General 한 지표 평가 능력, 실패 경험(When to fail) 등이 포트폴리오에 포함되면 효과적

• 개발
• 인공지능을 활용하여 "서비스 가능한" 콘텐츠를 개발하고 팀에 실질적인 도움을 줄 수 있는 능력
• 인공지능 기반 서비스 개발 경험과 유저 수, 트래픽, 매출 등 어느 정도의 임팩트를 보여준 경험이 포트폴리오에 중요

• 배포
• 다양한 인공지능 "배포 및 관리" 능력
• 어떤 클라우드 플랫폼에서 어떤 형태로 배포했는지 등 다양하고 복잡한 배포 경험이 있을수록 효과적

• 공통
• AI 시대에 코딩 없이도 다양한 툴 활용이 가능
• 개발자로서 "원하는 것"을 AI에게 명확하게 전달하는 능력과 "시스템 설계와 아키텍처 이해"가 필수적
• 좋은 코드를 작성하는 사람에서 AI로 문제를 해결하는 사람으로 진화하는 역량이 필요

[FAQ] 사전질문 및 AI 치트키

• 2025년에 주목할 만한 AI 분야의 "치트키" 직무로는 다음과 같은 것들이 있습니다.
• LLM Engineer
• LLM Ops
• AI-powered Business: 매출로 이어지는 AI 서비스 개발자
이러한 분야는 앞으로 많은 기회가 있을 것으로 예상됩니다.

마무리하며

코드잇 스프린트에서는 취준생 여러분의 고민을 해결할 현직자 네트워킹을 정기적으로 제공하고 있습니다. 네트워킹에 목말라 있다면? 스프린트에 지원해 보세요!