AI 엔지니어
비슷한 이름: 머신러닝 엔지니어 · ML Engineer · AI 개발자
이 직업은 어떤 문제를 해결하나
데이터로 학습하는 모델을 만들어 사람이 일일이 규칙을 못 쓰는 문제를 풀게 한다
📌 실제로 반복하는 일
- •학습용 데이터 수집·정제·라벨 검수 (화려하지 않지만 시간의 큰 몫)
- •모델 학습 → 평가 → 개선의 실험 반복
- •모델을 실제 서비스에 배포하고 성능 모니터링
- •새 논문·기술을 따라잡는 상시 학습
다루는 대상: 데이터 · 모델 · 서비스 / 결과물: AI 모델 · 작동하는 기능 · 실험 기록
🎒 어떻게 진입하나
- •CS·수학·통계 등 전공 후 석사를 거치는 경우가 많음
- •학사·비전공에서 포트폴리오(프로젝트·대회)로 진입하는 경로도 존재
- •개발자로 시작해 AI 직무로 옮기는 사례도 흔함
준비 기간·비용(대략): 전공 4년 또는 전환 학습 1~3년 + 프로젝트 포트폴리오
💪 어떤 역량을 얼마나 쓰나
0(거의 안 씀) ~ 3(성과를 좌우). 지금 부족해도 배울 수 있는 것들입니다.
🏢 환경과 보상
환경: 실내·책상 · 기술 변화 속도가 매우 빠름 · 실험 결과가 안 나오는 기간을 견디는 일 잦음 · 협업과 코드 리뷰 중심
보상 구조: 수요 매우 많고 성장성 높음 · 기술 변화가 빨라 계속 배워야 하는 부담 · 성과가 서비스로 눈에 보임 · 직군·산업 이동 유연
역량이 이어지는 인접 직업: data-analyst, 소프트웨어 개발자, 데이터 엔지니어, 로봇 엔지니어
🪞 나와 비교해 보기
점수가 아니라 확인입니다. 솔직하게 답할수록 쓸모 있어요.
이 직업의 핵심 업무가 실제로 흥미로운가요?
필요한 준비 기간을 감당할 수 있나요?
주요 업무환경(협업·압박·반복)을 받아들일 수 있나요?
핵심 역량을 이미 갖고 있거나, 배울 의지가 있나요?
화려한 면뿐 아니라 반복 업무도 감당할 수 있나요?
🔬 이 직업, 미리 겪어보기
사진 열 장을 '고양이/아님'으로 직접 분류해 보고, 애매한 사진에서 내가 쓴 판단 기준을 규칙 문장으로 적게 한다
해보고 스스로에게 물어보세요 — 재미있었나요? 반복해도 괜찮을까요? 그 답이 어떤 검사 결과보다 정확합니다.
🏝️ MathIsland에서 미리 기르기
이 직업이 크게 쓰는 역량 중, 지금 실험실에서 체험할 수 있는 것들이에요.
📌 진로 가설로 저장
결정이 아니라 가설입니다. 상태는 언제든 바꿀 수 있어요 — 내 보드에서 모아 봅니다.
출처: 초안 — 일반 지식 기반, 워크넷·NCS 대조 예정 (2026)