BIGDATA DOCTOR (@drmusician1)
2025-10-06 | ❤️ 185 | 🔁 50
**IBM AI 엔지니어의 글
[AI 엔지니어라는 화려함 뒤에 숨은 불편한 진실]
취업이 어려워지며 너도 나도 ‘AI 엔지니어’를 꿈꾸지만 그 전문성에 대해서는 다시 고민해 볼 필요가 있다. AI 엔지니어가 하는 일은 잘 훈련만 된다면 중학생도 할 수 있는 일들이다.
- 복잡한 모델의 구조와 원리 따위는 알 필요가 없다.
- AI 개발의 대부분은 블랙박스 모델에 인풋이 뭐가 들어가서 아웃풋이 뭐가 나오는지만 체크하는 일이다.
- 심지어 그마저도 API 로 호출하는 경우가 대부분이다.
- 그 대단한 AI 모델 학습은 사실 huggingface 의 .train 한줄이고
- 그 어려운 llm 서비스 배포도 사실 Ollama 명령어 한줄로 가능하다.
- 심지어 그마저도 GPT 가 짜주는 경우가 대부분이다.
좋은 서비스를 만듦에 있어 사실 모델에 대한 깊은 이해는 필요로 하지 않는다. 그저 인풋으로 뭐가 들어가서 아웃풋으로 뭐가 나오는지를 파악하는게 중요하다. 혹자는 AI 모델과 프레임워크에 대한 깊은 원리가 중요하다고 말한다. 하지만 되려 묻고싶다. 지금 AI 개발씬에서 모델의 대한 깊은 원리, 예를들어 Transformer 의 self-attention 레이어의 원리를 완벽히 이해해야만 하는 경우는 어떤것이 있는가? Self-Attention은 잠시 던져놓고 허겁지겁 개발하다가 면접 준비 할 때가 되어서야 슬쩍 공부하고 넘어갔던 개발자라면 이 말이 좀 더 와다을 것이다. AI 엔지니어의 전문성을 이야기할 때 흔히 떠올리는 요소를 몇개 나열해보자면
- 수학적인 이해와 확률 모델 설계
- 모델 구조와 레이어의 원리를 이해해서 성능을 개선하는 능력
- 논문을 통해 얻는 최신 연구 트렌드
위의 지식들은 분명 AI 의 깊은 원리를 이해하는데 도움이 된다. 하지만 내가 현업에서 경험한 AI 엔지니어링의 대부분은 이런 지식의 활용보다는 인풋 아웃풋을 끼워맞추는 툴의 적용이었다. 그렇다면 AI 엔지니어의 전문성은 어디에 있는가? 물론, 다양한 툴을 적재적소에 잘 활용하는 것도 전문성이다. (막상 해보면 절대 쉽지 않다) 하지만 그 전문성은 남들이 한두달 공부하면 따라잡을 수 있는 전문성이다. 심지어 그 AI 의 툴들은 너무나 빠르게 바뀐다. 내 AI 엔지니어로서 피땀흘려 갈고 닦은 기술은 시대와 함께 사라질 수도 있는 것이다. 그래서 묻는다. AI 엔지니어로서 당신만의 전문성은 어디서 나오는가? 당신의 전문성은 AI 엔지니어링이 아닌, 대체할 수 없는 당신의 경험에서 나와야 한다. 예를 들어,
- 특정 하드웨어 또는 시스템에 맞게 AI를 극한가지 최적화해본 경험
- 금융 도메인에 AI 를 실제로 녹여낸 경험
- SI 업계에서 고객의 AI프로젝트 라이프사이클을 진행해본 경험
- 음악 또는 예술 등 업계에 AI 를 활용하여 새로운 가치를 만든 경험
등이 있을 것이다. 즉, 단순히 ‘AI 엔지니어’라는 타이틀에 갇혀 전문성을 쌓을 것이 아니라, 본인의 배경, 관심사, 강점 등을 바탕으로 전략적으로 대체하기 어려운 경험의 조각들을 구성해야한다. 그것이 모여서 당신만의 전문성이 만들어진다. 그러니 다시 묻는다. 당신은 AI 엔지니어인가? 대체할 수 없는 당신의 경험은 어디에 있는가?
🔗 Related
Auto-generated bookmark