스탠포드 CS230 | 2025년 가을 | 9강: AI 경력 조언

이 강의는 AI 분야에서의 경력 개발에 대한 심도 깊은 조언을 제공합니다. 앤드류 응 교수는 AI 발전의 황금기임을 강조하며, AI 빌딩 블록과 AI 코딩 도구의 발달로 소프트웨어 개발 속도가 엄청나게 빨라졌다고 설명합니다. 그는 특히 '생산 관리 병목 현상'에 주목하며, 엔지니어가 제품 기획에도 참여하는 능력이 중요해지고 있다고 강조합니다.

이어서 게스트 연사인 로렌스 모로니는 현재 AI 채용 시장의 현실을 진단하고, AI 분야에서의 성공을 위한 세 가지 핵심 요소: 깊이 있는 이해, 비즈니스 초점, 실행에 대한 의지를 제시합니다. 그는 또한 '바이브 코딩'과 기술 부채 관리의 중요성을 설명하며, AI 업계의 '과장된 광고 주기'를 비판하고 신중한 접근을 권장합니다. 특히, 미래에는 대규모 AI 모델과 소규모 AI 모델이 공존하는 이원화(bifurcation) 현상이 나타날 것이며, 소규모 AI(Small AI)가 새로운 기회를 창출할 것이라고 예측합니다.

1. AI 경력 개발: 지금이 최고의 기회! ✨

앤드류 응 교수는 현재가 AI를 개발하고 AI 분야에서 경력을 쌓기에 최고의 기회라고 강조했습니다. 몇 달 전까지만 해도 AI 발전이 둔화되고 있다는 의문이 제기되기도 했지만, 그는 낙관적인 전망을 내놓았습니다.

"AI가 할 수 있는 작업의 복잡성은 7개월마다 두 배로 증가하고 있습니다. AI 코딩의 경우 이 주기는 70일로 훨씬 짧습니다."

이는 AI가 처리할 수 있는 작업의 복잡성과 인간이 작업을 수행하는 데 걸리는 시간을 기준으로 측정된 것으로, AI의 발전 속도가 매우 빠르다는 것을 의미합니다.

1.1. 더욱 강력하고 빨라진 개발 환경 🚀

앤드류 응 교수는 AI 발전의 핵심 동력으로 두 가지를 꼽았습니다.

더 강력한 AI 빌딩 블록: 대규모 언어 모델(LLM), RAG(검색 증강 생성), 음성 AI, 딥러닝 등 AI 빌딩 블록의 발전으로 이전에는 상상할 수 없었던 강력한 소프트웨어를 만들 수 있게 되었습니다.
AI 코딩 도구의 비약적인 발전: AI 코딩 도구 덕분에 소프트웨어를 작성하는 속도가 전례 없이 빨라졌습니다. 그는 개인적으로 클라우드 코드(Cloud Code)와 GPT-5 이후의 OpenAI 코덱스(Codex), 그리고 최근 출시된 Gemini 3와 같은 도구들을 예로 들며, 이러한 도구들이 3개월에서 6개월마다 빠르게 발전하고 있음을 설명했습니다. 그는 이러한 도구의 최신 버전을 사용하는 것이 생산성 유지에 매우 중요하다고 역설합니다.

"이러한 도구에서 반 세대 뒤처진다는 것은 솔직히 생산성이 상당히 떨어진다는 것을 의미합니다."

1.2. 생산 관리(PM) 병목 현상과 엔지니어의 새로운 역할 💡

AI 코딩의 발전으로 소프트웨어 개발이 훨씬 쉽고 빨라지면서, 앤드류 응 교수는 새로운 병목 현상인 생산 관리 병목 현상(Product Management Bottleneck)을 지적했습니다.

"명확하게 작성된 소프트웨어 사양에서 코드로 넘어가는 것이 점점 더 쉬워지면서, 병목 현상은 점점 더 무엇을 만들지 결정하거나, 실제로 만들고 싶은 것에 대한 명확한 사양을 작성하는 것으로 옮겨가고 있습니다."

과거에는 4대 1 또는 7대 1 정도로 여겨지던 엔지니어 대 제품 관리자(E:PM) 비율이 이제는 2대 1, 심지어 1대 1로까지 줄어들고 있다고 합니다. 이는 제품 관리자의 역할이 더욱 중요해지고 있음을 의미합니다.

앤드류 응 교수는 엔지니어가 제품을 구체화하는 능력을 갖추는 것이 중요하다고 강조합니다. 그는 초기 경력에서 엔지니어들에게 더 많은 제품 관련 업무를 요청했다가 후회했던 경험을 공유하며, 그럼에도 불구하고 오늘날 가장 빠르게 움직이는 사람들은 사용자와 소통하고, 피드백을 받아 깊은 공감을 바탕으로 무엇을 만들지 결정할 수 있는 엔지니어들이라고 말합니다.

1.3. 함께 일하는 사람들의 중요성 🤝

경력을 개발하는 데 있어 앤드류 응 교수는 주변 사람들의 영향력을 매우 중요하게 생각합니다.

"배움의 속도와 성공 수준을 가장 강력하게 예측하는 요인 중 하나는 당신이 함께하는 사람들입니다."

그는 스탠포드가 가진 풍부한 연결망(connective tissue)의 가치를 강조하며, 최첨단 AI 연구실에서 일하는 많은 이들이 스탠포드 교수진의 전 학생이었다는 점을 예로 들었습니다. 이러한 연결망을 통해 아직 널리 알려지지 않은 정보나 최신 기술 동향을 빠르게 파악할 수 있다고 합니다.

또한, 그는 어떤 회사의 '뜨거운 브랜드'보다는 함께 일할 팀원들의 자질을 보고 직장을 선택하라고 조언했습니다. 유명 기업의 AI 프로젝트를 기대하고 입사했지만, 백엔드 자바 결제 처리 시스템 팀에 배정되어 결국 회사를 떠난 스탠포드 졸업생의 사례를 통해, 팀과 동료의 중요성을 역설했습니다.

"가장 뜨거운 브랜드를 가진 회사에서 일하기보다는, 때로는 회사의 로고가 그렇게 유명하지 않더라도 정말 좋은 팀과 열심히 일하고, 지식 있고, 똑똑한 사람들이 AI로 좋은 일을 하려고 노력하는 팀을 찾는 것이 더 빨리 배우고 경력을 더 잘 발전시킬 수 있는 길이라고 생각합니다."

1.4. 책임감 있는 자세로 과감하게 시도하기 💪

앤드류 응 교수는 AI 분야에서 강력한 소프트웨어를 더 빠르게 만들 수 있게 된 지금, 책임감을 가지고 과감하게 시도할 것을 권장합니다.

"다른 사람들에게 해를 끼치는 소프트웨어를 만들지 않도록 책임감을 가져야 합니다. 동시에 여러분 각자가 만들 수 있는 것이 너무나 많습니다."

그는 세상에는 아이디어가 많지만, 그것을 만들 수 있는 기술을 가진 사람이 부족하다고 말하며, 책임감 있는 선에서 실패 비용이 낮으니 (주말을 허비하고 배우는 정도) 주저하지 말고 다양한 시도를 해보라고 조언합니다.

마지막으로, 그는 일부에서 '정치적으로 올바르지 않다'고 여겨질 수 있지만, 열심히 일할 것을 독려했습니다. 물론 개인적인 사정으로 열심히 일하기 어려운 사람들을 존중해야 하지만, 운 좋게도 열심히 일할 수 있는 위치에 있다면, 지금은 엄청난 기회가 존재한다고 말합니다.

"만약 당신이 정말 열심히 일할 수 있는 삶의 위치에 있다면, 지금 할 수 있는 일이 너무나 많습니다." "나는 저녁과 주말에 코딩하고 무언가를 만들고 사용자 피드백을 받는 것에 저처럼 흥분한다면, 당신이 몰입하여 그 일들을 한다면 성공할 가능성이 높아질 것입니다."

2. AI 채용 시장의 현실과 성공 전략: 로렌스 모로니의 조언 💼

앤드류 응 교수의 소개에 이어, 베스트셀러 AI 작가이자 수상 경력에 빛나는 연구원인 로렌스 모로니가 AI 경력 조언을 이어갔습니다.

2.1. 기업의 관점: '함께 일하고 싶은 사람'을 찾는다 🔎

로렌스 모로니는 앤드류 응 교수의 '함께 일할 사람을 신중하게 선택하라'는 조언에 더해, 기업 역시 함께 일하고 싶은 사람을 선택한다는 점을 강조했습니다. 그는 지난 18개월간 겪었던 한 젊은 구직자의 사례를 통해 이를 설명했습니다.

뛰어난 교육 배경과 코딩 실력을 가진 이 청년은 작년 4월 의료 소프트웨어 회사에서 해고된 후, 여자친구와의 결별과 반려견의 죽음까지 겹치며 힘든 시간을 보냈습니다. 300개가 넘는 회사에 지원하여 메타, 마이크로소프트, 제프 베이조스(Amazon) 회사 등 유수의 기업 면접에서 코딩 테스트를 완벽하게 통과했지만, 번번이 탈락했습니다.

로렌스 모로니는 모의 면접을 통해 이 청년의 문제점을 발견했습니다. 채용 안내 책자에 있던 "자신의 의견을 고수하고 소신을 지켜라"는 조언을 그는 '정말 굳건하고 강하게' 행동하는 것으로 해석했습니다. 이는 면접관들에게 적대적인 태도로 비춰져, 비록 뛰어난 실력을 가졌더라도 "우리 팀 근처에도 오지 않았으면" 하는 인상을 주었던 것입니다.

"이 친구가 받은 '자신의 의견을 고수하라'는 조언은 결국 면접 환경에서 그를 적대적으로 만들었습니다."

결국 로렌스 모로니의 코칭을 통해 태도를 조절한 이 청년은 팀워크를 중시하는 회사에 합격하여 이전 연봉의 두 배를 받게 되었습니다. 이 사례는 뛰어난 기술력만큼이나 함께 일하는 태도와 소프트 스킬이 중요하다는 점을 명확히 보여줍니다.

"기술 면접 코칭에서 '자신의 의견을 고수하고 소신을 지켜라'는 조언을 받았다면, 그렇게 하는 것은 좋지만, 그렇게 하는 동안 멍청이가 되지는 마세요."

2.2. AI 채용 시장의 현실: 어려움 속의 기회 🌟

로렌스 모로니는 현재 AI 채용 시장의 현실을 객관적으로 분석했습니다.

주니어 채용 둔화: 졸업생 수준의 주니어 채용이 눈에 띄게 줄어들고 있습니다.
대규모 기술 기업 해고: 구글, 아마존, 마이크로소프트 등 대기업의 대규모 해고 소식이 헤드라인을 장식하고 있습니다.
진입 장벽 상승: 초급 직책이 부족하다는 느낌을 줍니다. (하지만 이는 '느낌'일 뿐이며, 자세히 들여다보면 다릅니다.)
치열한 경쟁: 경쟁이 매우 치열합니다.

하지만 그는 이러한 현실에도 불구하고 걱정할 필요가 없다고 강조합니다.

"아니요. 올바른 방식으로 접근할 수 있다면, 특히 AI 환경이 얼마나 빠르게 변화하는지 이해한다면, 올바른 사고방식을 가진 사람들은 번성할 것입니다."

2.3. AI 산업의 변화: 과잉 채용의 시대에서 현실로 📉

AI 산업은 지난 몇 년간 급격한 변화를 겪었습니다.

2021-2022년: 글로벌 팬데믹으로 인한 산업 둔화와 비대면 전환으로 인해 기업들은 수익 창출에 직접적으로 기여하는 분야에 집중하며 채용을 축소했습니다.
2022-2023년: 팬데믹 이후 AI가 폭발적으로 성장하면서 모든 산업이 AI 우선으로 변화했고, 기업들은 대규모 채용을 시작했습니다. 이 과정에서 과잉 채용이 발생했으며, 자격 미달인 인재들이 높은 직책을 맡거나, AI 이력만 있어도 채용되는 현상이 나타났습니다.
2024-2025년: '대규모 각성(Great Wakeup)'의 시기로, 기업들은 과잉 채용과 자격 미달 인력의 문제를 인식하고 채용에 더욱 신중해졌습니다.

로렌스 모로니는 이러한 상황을 이해하고 전략적으로 접근한다면 여전히 많은 기회가 있다고 말합니다.

2.4. 성공을 위한 세 가지 핵심 기둥 🏛️

로렌스 모로니는 AI 비즈니스 세계에서 성공하기 위한 세 가지 핵심 기둥을 제시했습니다.

1. 깊이 있는 이해 (Understanding in Depth) 🧠

학문적 이해: 머신러닝, 특정 모델 아키텍처, 논문 이해 등 AI의 학문적 깊이를 갖추고 이를 실무에 적용할 수 있는 능력.
트렌드에 대한 통찰력: 특정 AI 트렌드에서 신호 대 잡음(signal to noise) 비율이 높은 곳을 파악하는 능력. 즉, 수많은 정보 속에서 진짜 중요한 신호를 찾아내는 능력입니다.

2. 비즈니스 초점 (Business Focus) 🎯

측정 가능한 노력: '열심히 일한다'는 모호한 개념 대신, 산출물(output)을 통해 노력의 가치를 측정하는 것이 중요합니다.

"열심히 일하는 것은 얼마나 많은 시간을 보내느냐가 아니라, 얼마나 많은 가치를 창출하느냐입니다."
원하는 직무를 위한 산출물: 자신이 원하는 직무에 맞춰 산출물을 만들어 보여주는 것이 중요합니다. 로렌스 모로니는 자신이 구글 엔지니어 직무에 지원하며 자바 클라우드 애플리케이션을 개발하여 이력서에 올린 덕분에 면접에서 자신의 코드에 대한 질문을 받고 주도적으로 면접을 이끌 수 있었다는 경험을 공유했습니다.

"지금 가진 직무를 위해 일하지 말고, 원하는 직무를 위해 산출물을 만드세요."

3. 실행에 대한 의지 (Bias towards Delivery) 🚀

아이디어는 싸다. 실행이 전부다: 아무리 좋은 아이디어라도 실행하지 않으면 의미가 없습니다. 구체적인 결과물을 만들어내는 능력이 중요합니다.

"아이디어는 싸다. 실행이 전부다."

2.5. AI 실무의 현실: '유용성'과 '생산성'으로의 전환 🛠️

과거에는 '멋진 것(cool things)'을 만드는 것이 중요했지만, 이제는 '유용한 것(useful things)'을 만드는 것이 중요하다고 로렌스 모로니는 강조합니다. 모든 것이 생산(production)을 지향하며, 기업들은 수익성을 최적화하고 있습니다.

"지금까지는 멋진 것을 할 수 있다면 훌륭했습니다. 이미지 분류기를 만들 수 있다면 황금기였죠. 수십만 달러의 연봉과 엄청난 스톡옵션을 안겨주었습니다. 불행히도 더 이상 그렇지 않습니다."

2.6. 네 가지 현실: 비즈니스, 리스크, 책임, 그리고 실수 학습 🔄

AI 업계에서 일하는 사람들이 직면하는 네 가지 현실을 제시했습니다.

비즈니스 초점은 협상 불가 (Business Focus is Non-Negotiable): 과거 실리콘밸리 기업들이 직원 개개인의 가치와 '자신 전체를 일에 가져오는 것(bringing their entire self to work)'을 중시했던 시기와는 달리, 이제는 비즈니스에 대한 집중이 최우선이 되었습니다. 직원들의 "과도한 행동주의"가 기업의 비즈니스에 악영향을 미치면서, 기업들은 다시 수익성과 비즈니스 성과를 최우선으로 여기는 방향으로 회귀하고 있다고 설명합니다.
위험 완화는 직무의 일부 (Risk Mitigation is Part of the Job): AI를 통한 비즈니스 프로세스 전환 시 발생할 수 있는 위험을 이해하고 완화하는 능력은 매우 중요한 기술입니다. 면접에서는 이러한 위험 관리 마인셋을 보여주는 것이 중요하다고 강조합니다.
책임감의 진화 (Responsibility is Evolving): AI의 책임감(responsible AI)에 대한 정의가 모호한 사회적 이슈에서 벗어나, 비즈니스에 직접적인 영향을 미치고 기업의 명성을 훼손하지 않는 구체적인 문제로 변화하고 있습니다. 로렌스 모로니는 구글 제미나이(Gemini)의 이미지 생성 오류 사례(백인 여성 이미지를 생성하지 못했던 사례)를 통해, 잘못 구현된 안전 필터가 기업의 명성을 어떻게 손상시킬 수 있는지 보여주었습니다.
실수로부터 배우기 (Learning from Mistakes): AI 개발 과정에서는 실수가 불가피하며, 실수로부터 지속적으로 배우고 발전하는 것이 중요합니다. 동료들이 실수를 했을 때 관용을 베풀고 함께 해결해 나가는 자세 또한 중요하다고 강조했습니다.

2.7. '바이브 코딩'과 기술 부채 관리 💸

로렌스 모로니는 AI가 코드를 생성하는 '바이브 코딩(vibe coding)' 현상을 앤드류 응 교수가 좋아하지는 않지만 자신은 계속 사용하겠다며, 이로 인해 엔지니어의 유용성이 떨어진다는 오해를 불식시켰습니다.

"엔지니어가 더 숙련될수록 이러한 유형의 '프롬프트 코딩'을 더 잘 사용하게 됩니다."

그는 '기술 부채(technical debt)' 개념을 설명하며, 모든 소프트웨어 개발에는 부채가 발생하며, 이를 현명하게 관리하는 것이 중요하다고 말했습니다. 주택 구매 시 발생하는 '좋은 부채(good debt)'와 고금리 신용카드 구매와 같은 '나쁜 부채(bad debt)'를 예시로 들며, 소프트웨어 개발에서도 비즈니스 가치를 창출하고, 이해하기 쉬운 코드를 작성하며, 명확한 목표를 설정하여 '좋은 기술 부채'를 지는 것이 중요하다고 조언했습니다.

좋은 기술 부채를 위한 세 가지 핵심 요소:

명확한 목표 설정 및 달성: "무엇을 구축해야 하는지 알고, 단순히 Chat GPT를 켜고 코드를 돌리지 않는 것."
비즈니스 가치 제공: "이것이 비즈니스에 어떻게 도움이 되나요? 이것이 정말로 어떤 것을 추진하고 있나요?"
인간적 이해: "최악의 기술 부채는 아무도 이해할 수 없는 코드를 제공하는 것입니다." - 명확한 문서화, 알고리즘, 변수명 등으로 다른 사람들이 코드를 이해할 수 있도록 하는 것이 중요합니다.

나쁜 기술 부채의 예시:

문제에 대한 해결책: 도구만 가지고 문제에 대한 고민 없이 사용하는 경우.
스파게티 코드: 잘못된 구조의 코드, 특히 반복적인 프롬프팅으로 인해 발생하는 코드.
권한 우위: 리더십이 개인적인 호기심으로 생성한 코드를 팀이 관리해야 하는 경우.

2.8. AI 시대의 과장된 광고(Hype) 주기 극복 전략 🎢

로렌스 모로니는 AI 산업에 만연한 과장된 광고 주기(hype cycle)를 경계해야 한다고 경고했습니다. 소셜 미디어는 정확성(accuracy)보다는 참여(engagement)를 중요하게 여기기 때문에, AI에 대한 수많은 허위 정보가 넘쳐난다고 합니다.

"소셜 미디어의 통화는 참여입니다. 정확성은 소셜 미디어의 통화가 아닙니다."

과장된 광고 속에서 신호(signal)를 걸러내고 잡음(noise)을 무시하는 능력이 매우 중요하며, 이는 당신을 매우 독특하고 가치 있는 인재로 만들 것이라고 말합니다.

그는 작년에 유럽의 한 회사가 '에이전트(agent)'를 구현해달라고 요청했던 경험을 공유했습니다. 로렌스 모로니는 "왜 에이전트를 만들려고 하는가?"라는 근본적인 질문부터 시작하여, 결국 이 회사의 진정한 목표가 '영업 사원의 효율성 증대'였다는 것을 파악했습니다. 그는 에이전틱 AI(Agentic AI)의 4단계(의도 이해 → 계획 → 실행 → 결과 반영)를 설명하며, 비즈니스 요구사항에 대한 깊은 이해와 문제 해결에 대한 신중한 접근이 성공적인 AI 프로젝트의 핵심임을 강조했습니다.

"회사가 와서 '에이전트를 구현해 주세요'라고 말한다면, 당신이 물어봐야 할 올바른 첫 번째 질문은 무엇일까요? '왜요?'입니다."

과장된 광고 속에서 신뢰받는 조언자가 되기 위한 전략:

트렌드를 객관적으로 평가: 유행하는 것과 실제 기회를 구분합니다.
기초에 대한 깊은 이해: 기술적 현실을 비전문가에게 설명할 수 있는 능력을 키웁니다.
최대한 평범하게 만들기: 새로운 기술을 최대한 평범하고 이해하기 쉽게 설명하는 연습을 합니다.
지속적으로 동향 파악: 소셜 미디어의 '쓰레기 구덩이(cess pits)' 속에서도 중요한 신호를 찾아내는 노력을 합니다.

2.9. AI 버블과 미래 전망: 대규모 AI vs 소규모 AI 🌐

로렌스 모로니는 AI 산업에도 '버블(bubble)'이 올 가능성이 높다고 예측했습니다. 닷컴 버블처럼 과도한 과장, 벤처 캐피탈 투자의 감소, 비현실적인 기업 가치, 미투(me too) 제품들이 만연하고 있다고 경고했습니다. 그러나 닷컴 버블 이후에도 아마존, 구글과 같은 기업들이 생존하고 번성했던 것처럼, 기초에 충실하고 실제 솔루션을 구축하며 비즈니스 측면을 이해하는 기업과 인재는 AI 버블 속에서도 살아남고 번성할 것이라고 강조했습니다.

향후 5년 내에 AI 산업은 '대규모 AI(Big AI)'와 '소규모 AI(Small AI)'로 양분(bifurcation)될 것이라고 예측했습니다.

대규모 AI: 현재의 대규모 언어 모델(Gemini, Claude, OpenAI)처럼 AGI(일반 인공지능)를 향해 더욱 커지고 발전하는 방향입니다.
소규모 AI: 오픈 소스 모델(Open weights, Self-hostable models)을 기반으로, 개인이나 기업이 자체적으로 호스팅하고 특정 작업에 맞춰 미세 조정(fine-tuning)하는 모델입니다. 개인 정보 보호, 지적 재산권 보호가 중요한 분야(법률 사무소, 의료 기관, 영화 스튜디오 등)에서 큰 기회를 가질 것이라고 설명했습니다.

"오늘날의 7B 모델은 어제의 50B 모델만큼 스마트합니다. 1년 후의 7B 모델은 작년의 300B 모델만큼 스마트할 것입니다."

그는 ARM에서 일하며 AI가 모든 곳에 동시에 존재하는 세상(AI everywhere all at once)이 올 것이라고 믿으며, CPU와 GPU의 전통적인 컴퓨팅 플랫폼 개념을 넘어 모바일 공간에서 SVE(Scalable Matrix Extensions)와 같은 기술이 AI 워크로드를 CPU에서 실행할 수 있게 함으로써 저전력 기기에서도 AI를 구현하는 새로운 시나리오를 만들 것이라고 설명했습니다.

"GPU가 AI를 할 수 있어야 한다는 습관을 깨는 것이 세상이 나아가는 추세의 일부입니다. 애플은 아마도 그 분야의 선두 주자 중 하나일 것입니다."

2.10. AI를 통한 '인공적인 이해'와 '초능력' 개발 🦸‍♂️

마지막으로 로렌스 모로니는 AI의 숨겨진 부분으로 '인공적인 이해(artificial understanding)'를 언급했습니다. 모델이 우리를 대신하여 상황을 이해하고, 그 이해를 바탕으로 새로운 것을 만들어낼 때 우리는 이전보다 훨씬 효과적인 '초능력'을 개발할 수 있다고 말합니다.

그는 자신의 아들이 아이스하키 샷을 하는 사진을 가지고 '골을 넣는' 영상을 생성해달라고 프롬프트했지만, AI가 관중을 추가하고 스틱을 두 개로 만드는 등 잘못된 결과를 생성했던 사례를 보여주었습니다. 이는 의도 이해, 계획, 실행, 반영이라는 에이전틱(Agentic) 워크플로우를 거치지 않았기 때문이라고 설명합니다.

반면, 그는 스타트업과 함께 개발 중인 가상 배우를 이용한 영화 제작 데모를 보여주며, 에이전틱 워크플로우를 통해 가상 배우의 감정을 표현하고 스토리 맥락에 맞는 영상을 생성하는 데 성공했다고 밝혔습니다. 이는 AI가 사용자의 의도를 깊이 이해하고 도구의 특성을 고려하여 계획을 세울 때, 훨씬 정확하고 유용한 결과물을 만들어낼 수 있음을 시사합니다.

결론

이 강의는 AI 분야의 현재와 미래에 대한 깊이 있는 통찰력과 실용적인 경력 조언을 제공합니다. 앤드류 응 교수는 AI 발전의 황금기에 있음을 강조하며, AI 빌딩 블록과 코딩 도구의 발달로 소프트웨어 개발이 더욱 강력하고 빨라졌음을 역설합니다. 그는 특히 생산 관리 병목 현상에 주목하며, 엔지니어가 제품 기획 역량을 갖추는 것과 함께, 좋은 동료들과 함께 일하는 것의 중요성을 강조했습니다.

로렌스 모로니는 AI 채용 시장의 현실을 진단하며, 단순한 기술력뿐만 아니라 깊이 있는 이해, 비즈니스 초점, 실행에 대한 의지라는 세 가지 핵심 기둥을 바탕으로 경력을 구축해야 한다고 조언했습니다. 그는 과장된 광고 속에서 신호를 찾아내고, 기술 부채를 현명하게 관리하며, '대규모 AI'와 '소규모 AI'로 양분될 미래 AI 산업에서 필요한 기술을 습득하는 것의 중요성을 강조했습니다. 궁극적으로, AI는 단순한 도구를 넘어 '인공적인 이해'를 통해 인간에게 새로운 초능력을 부여할 것이며, 이러한 변화의 흐름을 이해하고 전략적으로 대응하는 인재가 미래 AI 시대를 주도할 것이라는 메시지를 전달했습니다.