인텔 특강: 비전공자가 진출 가능한 다양한 직무 소개

1월 28일에는 유니티에서 오신 강사님의 진로 특강을 들었다. 제목은 “비전공자가 진출 가능한 다양한 직무 소개”였는데, 처음엔 분위기 좋은 동기부여 강의 정도를 예상했다. 그런데 실제 내용은 훨씬 실무 쪽에 가까웠다. 초반부터 “나는 AI 전공자가 아닌가”, “AI/ML 직무를 진지하게 고민하고 있는가”, “이전에 개발자 커리어가 있었는가” 같은 질문을 던지면서 청중을 분류했고, 그 다음부터는 정말 취업 설명회처럼 직무 구조와 시장 흐름을 풀어 갔다.

특히 좋았던 건 비전공자를 막연히 위로하지 않았다는 점이다. “할 수 있다”는 말만 반복하지 않고, 어디에서 유리할 수 있는지, 어느 회사가 어떤 사람을 원하는지, 한국 지사와 본사의 구조가 어떻게 다른지, 추천은 왜 중요한지까지 한 번에 묶어서 설명했다. 강의를 다 듣고 나니, 비전공자라는 말보다 더 중요한 건 내가 어떤 문제를 이해하고 어디에 들어갈 사람인지 설명할 수 있느냐였다.

시작부터 질문이 현실적이었다

첫 몇 장은 의외로 단순했다. AI 비전공자인지, AI/ML 직무에 관심이 있는지, 개발 경험이 있는지를 묻는 체크 항목이 이어졌는데, 이게 괜히 가벼운 아이스브레이킹처럼 느껴지지 않았다. 사실 이 세 질문만으로도 이후에 듣는 내용이 꽤 달라진다. 비전공자이면서 개발 경험이 없는 사람과, 비전공자지만 이미 개발 경험이 있는 사람은 출발점부터 다르기 때문이다.

처음부터 전제도 분명했다. 모두가 같은 길로 가는 게 아니라는 뜻이었다. 누군가는 모델링을 깊게 파야 하고, 누군가는 도메인 이해를 살려 제품 쪽으로 가야 하고, 누군가는 기술과 고객 사이를 잇는 역할이 더 잘 맞을 수 있다. 이 전제가 깔리니까 강의가 훨씬 덜 뜬구름 같았다.

Domain vs Modeling이 아니라 Domain and Modeling

강의에서 가장 오래 남은 문장은 이 부분이었다. Domain vs Modeling이 아니라 Domain and Modeling이라고 적어 둔 대목이었다. 예전에는 AI 직무라고 하면 최신 모델 구조를 얼마나 잘 아는지, 논문을 얼마나 빠르게 따라가는지가 핵심처럼 느껴졌다. 그런데 여기서는 이제 실무에서 더 중요해지는 건 “어떤 모델이 더 좋으냐”만 아는 사람이 아니라, 특정 산업의 문제를 이해하고 그 모델을 실제 서비스에 붙일 수 있는 사람이라고 짚었다.

이 말이 특히 인상적이었던 건, 비전공자의 약점으로만 여겨지던 이력이 어떤 시장에서는 오히려 장점으로 바뀔 수 있다는 설명까지 이어졌기 때문이다. 의료, 제조, 교육, 게임, HR 같은 도메인을 오래 겪은 사람은 문제 정의 자체를 더 빨리 할 수 있다. 데이터가 왜 이렇게 생겼는지, 현업에서 무엇이 진짜 불편한지, 어떤 제약 때문에 모델이 있어도 못 쓰는지를 아는 사람이기 때문이다.

스타트업과 외국계 대기업을 비교한 부분도 이 차이를 더 또렷하게 보여 줬다. 스타트업은 이미 존재하는 거대한 연구 조직보다, 제한된 자원 안에서 도메인을 이해하고 빠르게 상용화 가능한 형태로 연결할 사람을 더 원할 수 있다. 반대로 연구 중심 조직이나 R&D 성격이 강한 곳은 석사나 박사, 논문 경험, 깊은 모델링 역량을 더 선호한다. 결국 “AI/ML”이라는 한 단어 안에도 완전히 다른 채용 기준이 들어 있다는 뜻이었다.

AI/ML 직무는 생각보다 넓게 나뉘어 있었다

중간에는 AI/ML 직무를 비교하는 표도 나왔는데, 이 부분이 꽤 도움이 됐다. 익숙한 이름도 있었지만, 각 역할이 실제로 무엇에 책임을 지는지가 한 번에 들어왔다.

대표 직무를 나누면 대략 이런 흐름이었다.

• 머신러닝 엔지니어는 데이터를 전처리하고 모델을 학습시키고 평가하는 역할에 가깝다.
• AI 리서치 사이언티스트는 최신 알고리즘, 논문, 실험 설계를 통해 새로운 성능을 만들어 내는 쪽에 더 가깝다.
• MLOps 엔지니어는 모델 배포, 모니터링, 자동화 파이프라인, 실험 추적 같은 운영 기반을 책임진다.
• AI/ML 프로덕트 엔지니어는 모델을 제품 기능으로 연결하고, 백엔드나 프론트, API와 통합해 실제 사용자 경험으로 만드는 쪽에 가깝다.

이걸 보고 나니 “AI 쪽으로 간다”는 말이 얼마나 뭉뚱그린 표현인지 더 분명해졌다. 누군가는 연구에 강하고, 누군가는 서비스 구현에 강하고, 누군가는 운영 자동화와 인프라에 강하다. 그런데 취업 준비를 할 때는 이걸 구분하지 않은 채 그냥 “AI 직무”라고만 생각해 버리기 쉽다. 강사님이 대학원이 필수냐는 질문에 “분야에 따라 다르다”라고 잘라 말한 이유도 여기 있었다.

특히 인상적이었던 문장은, 지금은 기술을 쓰고 프로젝트를 실제로 경험해 본 사람들이 더 중요해지고 있다는 취지의 설명이었다. 무조건 학위로만 승부나는 시대도 아니고, 그렇다고 기술 이해 없이 버틸 수 있는 시대도 아니었다. 결국 어떤 역할을 목표로 하느냐에 따라 준비해야 할 포트폴리오와 공부 방식이 완전히 달라진다.

외국계 테크 한국 지사는 생각보다 ‘개발 조직’이 아니었다

후반부에서 가장 현실적으로 느껴진 건 외국계 SW/IT 기업의 한국 지사를 세일즈 오피스라는 관점으로 설명한 부분이었다. “본사가 만들고 지사가 판다”는 한 줄이 구조를 이해하는 데 꽤 강했다.

막연히 구글, AWS, 메타, 오픈AI 같은 이름을 떠올리면 한국 지사에도 대규모 개발 조직이 있을 것처럼 상상하게 된다. 그런데 실제로는 본사가 제품과 R&D를 맡고, 한국 지사는 국내 고객에게 그 기술을 판매하고 도입을 돕고 현지 시장에 맞게 연결하는 기능이 더 크다는 설명이었다. 그래서 한국 지사 채용 공고를 보면 순수 개발자보다 AE, SE, SA, CSM, 파트너 매니저 같은 역할이 더 자주 보인다는 것이다.

이 설명이 좋았던 이유는, 괜히 현실을 깎아내리거나 환상을 부추기지 않았기 때문이다. 한국 지사에 개발자가 “전혀 없다”는 식이 아니라, 조직의 중심축이 어디에 있는지를 분명히 보여 줬다. 결국 한국에서 외국계 테크 기업을 노릴 때 중요한 건, 최고의 코딩 실력 하나만으로 승부하는 그림이 아니라 기술을 고객 문제에 연결하고 도입 성과로 이어지게 만드는 능력이라는 뜻이었다.

B2B 영업 구조를 듣고 나서 직무가 한 번에 정리됐다

특강에서 의외로 유익했던 부분이 B2B 영업 사이클 설명이었다. 사실 나는 이전까지 AE, SDR, SE, SA, CSM 같은 약어를 봐도 각각이 언제 움직이는지 감이 잘 없었다. 그런데 고객이 제품을 처음 인지하는 단계부터 계약, 도입, 확장까지 흐름으로 정리돼 있어서 이해가 쉬웠다.

정리하면 대략 이런 구조였다.

• 마케팅은 시장 인지도를 만들고 리드를 만든다.
• SDR은 잠재 고객을 먼저 접촉하고, 유효한 기회를 골라낸다.
• AE는 계약을 성사시키는 영업의 중심축 역할을 한다.
• SE나 SA는 기술 검증, 데모, PoC, 아키텍처 설명을 맡는다.
• CSM은 도입 이후 고객이 실제로 성과를 내도록 붙어서 지원한다.
• 파트너 매니저는 리셀러나 컨설팅 파트너와 함께 판매망을 넓힌다.

이 흐름으로 보니까 각 직무가 따로 놀지 않았다. “영업”이라고 해서 전부 세일즈 스킬만 필요한 것도 아니고, “기술 직군”이라고 해서 혼자 구현만 하는 것도 아니었다. 제품이 실제로 팔리고, 검증되고, 안착하고, 확장되는 전체 흐름 안에서 역할이 나뉘어 있었다. 그래서 강사님이 직무 간 상호 이동도 꽤 가능하다고 이야기한 부분이 더 자연스럽게 들렸다.

세일즈 엔지니어, SA, CSM이 왜 기술 직군인지 조금 알 것 같았다

이번 강의에서 내가 가장 새롭게 본 직무는 세일즈 엔지니어와 솔루션 아키텍트, 그리고 고객 성공 매니저였다. 이전에는 셋 다 개발과는 약간 떨어진 역할처럼 느꼈는데, 내용을 보고 나니 오히려 기술을 모르면 할 수 없는 일에 가까웠다.

세일즈 엔지니어는 단순히 제품을 소개하는 사람이 아니었다. 기술과 비즈니스를 연결하는 전문가, 고객과 회사 사이의 통역가에 가까웠다. 복잡한 기술을 고객의 언어로 바꾸고, 반대로 고객 요구사항을 제품과 기술 구조 안으로 다시 가져오는 역할이다. 기술 아키텍처를 이해해야 하고, 설명도 잘해야 하고, 신뢰도 줘야 한다. 생각보다 훨씬 어려운 일이다.

솔루션 아키텍트는 여기에 설계 관점이 더 강하게 붙는다. 고객 환경에 맞춰 어떤 구조로 도입해야 하는지, 어떤 리소스가 필요한지, 무엇을 우선 검증해야 하는지 판단하는 역할이다. 고객 성공 매니저는 도입 이후가 중심이다. 제품을 산 뒤에 고객이 실제로 잘 쓰고 있는지, 이탈 위험은 없는지, 추가 확장 가능성은 있는지 계속 보는 쪽이다. 셋 다 다르지만 공통점은 분명했다. 기술 이해 없이 버틸 수 없고, 동시에 사람과 비즈니스를 다뤄야 한다는 점이다.

예시 직무도 꽤 직관적이었다. Google Cloud의 Customer Engineer, AWS의 Solutions Architect, OpenAI의 Customer Success Manager 같은 이름이 보였는데, 그러고 보니 내가 평소 채용 공고에서 얼핏 봤던 직무들이 정확히 이 흐름 안에 있었다.

엔지니어의 정의가 정말 넓어지고 있었다

중간에 “엔지니어는 코딩하는 개발자만 뜻하는가”를 묻는 대목도 기억에 남는다. 강의의 답은 분명히 아니었다. 코드를 많이 직접 쓰지 않더라도, 깊은 기술 이해를 가지고 고객 문제를 풀고 비즈니스 가치를 만드는 사람이라면 충분히 현대적인 의미의 엔지니어라는 쪽에 가까웠다.

이 설명이 좋았던 건, 억지로 비개발 직무를 미화하지 않았기 때문이다. “코딩 안 해도 된다”는 식으로 가볍게 말하는 게 아니라, 오히려 더 넓은 문맥에서 기술을 이해해야 한다는 식으로 설명했다. 기술 제품, 아키텍처, 클라우드, AI/ML 개념을 제대로 모르면 고객 앞에서 설명도 설계도 못 한다. 결국 비개발 엔지니어라는 말은 기술을 덜 알아도 된다는 뜻이 아니라, 기술을 다른 방식으로 써야 한다는 뜻에 가까웠다.

파트너사는 우회로가 아니라 꽤 현실적인 경로였다

AWS와 메가존클라우드 사례도 인상적이었다. 강의에서는 파트너사를 단순 하청이나 차선책처럼 보지 않았다. 오히려 글로벌 테크 기업의 기술을 기반으로 국내 고객 프로젝트를 가까이에서 수행하면서 실무를 쌓을 수 있는 현실적인 진입 경로로 설명했다.

이 부분은 특히 영어 부담이 있거나, 처음부터 외국계 본사 브랜드만 보고 준비하다가 막막해진 사람에게 현실적인 이야기처럼 들렸다. 파트너사에서는 한국어 중심 환경에서 고객과 직접 부딪히며 경험을 쌓을 수 있고, 동시에 AWS 같은 글로벌 표준 기술을 계속 다루게 된다. 그러면 기술도 익히고, 고객 프로젝트도 경험하고, 이후 더 큰 회사나 글로벌 테크 지사로 넘어갈 발판도 만들 수 있다.

정리하면 “파트너사는 우회로”가 아니라, 경우에 따라서는 성공 확률이 더 높은 경로일 수 있다는 이야기였다. 나도 이 부분이 꽤 실감 났다. 이름값만 좇기보다, 어떤 경험을 얼마나 빨리 쌓을 수 있느냐가 더 중요할 수 있기 때문이다.

취업 준비 방법은 생각보다 더 구체적이었다

강의가 좋았던 이유 중 하나는 마지막이 추상적인 응원으로 끝나지 않았다는 점이다. 어떤 직무에 어떤 기술이 필요한지 알고 싶다면, 이미 회사들이 채용 공고에 답을 다 써 두고 있다는 말이 이어졌다. 해당 직무 현직자의 링크드인을 보고 어떤 커리어 패스를 밟았는지 확인하고, 같은 직무 공고를 여러 개 읽으면서 반복해서 등장하는 기술과 키워드를 정리하라는 조언도 뒤따랐다.

이 부분은 듣고 나니 너무 당연한데, 막상 취업 준비할 때는 잘 안 하게 되는 일이라 더 와닿았다. 관심 있는 직무를 정해 놓고도 정작 그 직무 공고를 여러 회사 기준으로 비교해 보지는 않는 경우가 많다. 그런데 강사님 말대로 공고를 여러 번 읽다 보면, 회사마다 달라 보이던 공고 안에서도 공통 요구 역량이 보인다. 그러면 공부 방향이 훨씬 덜 흔들릴 수밖에 없다.

또 하나 좋았던 건 현직자나 선배에게 직접 연락해 보라는 조언이었다. 단순히 인맥을 만들라는 식이 아니라, 진짜 관심 직무가 있다면 그 분야 사람에게 물어보는 게 가장 빠르다는 얘기였다. 듣고 보니 맞는 말이었다. 검색으로는 알기 어려운 부분이 분명히 있다.

채용 프로세스와 추천 제도 설명이 특히 현실적이었다

후반부에는 SE, SA, CSM 같은 기술 기반 직군의 채용 과정도 정리돼 있었다. 서류 전형에서 관련 키워드와 프로젝트 성과를 보고, 리크루터 스크리닝에서 지원 동기와 문화 적합성을 확인하고, 실무진 기술 면접에서 역할별 핵심 역량을 본 다음, 마지막에 여러 면접관과 종합 인터뷰를 진행하는 구조였다.

재미있었던 건 직무마다 보는 포인트도 달랐다는 점이다. SE는 기술 데모와 설명 능력, SA는 시스템 설계와 문제 해결, CSM은 고객 상황 분석과 성공 전략 수립 쪽이 더 중요하다고 했다. 같은 회사 안에서도 기술 직군이 하나로 묶이지 않는다는 게 이 대목에서도 다시 보였다.

추천 제도 설명도 꽤 직접적이었다. 추천은 사실상 채용의 강력한 가속 장치에 가깝다는 얘기였다. 단순한 보너스 제도가 아니라, 서류 자동 필터를 넘고 면접 기회를 확보하는 데 실제로 큰 영향을 줄 수 있다는 것이다. 그래서 결국 평소에 프로젝트, 기술 블로그, 깃허브, 발표 기록 같은 걸 남겨 둬야 한다는 말이 이어졌다. 누군가가 나를 추천하려면, 나를 설명할 근거가 필요하기 때문이다.

이 부분은 꽤 현실적으로 들렸다. 추천은 운으로 생기는 게 아니라, 평소에 내가 무슨 사람인지 드러나는 기록을 쌓아 둔 사람에게 더 잘 붙는다는 뜻이니까.

글로벌 테크 기업의 장단점도 꽤 솔직하게 다뤘다

강의에서는 외국계 테크 기업의 장점만 강조하지 않았다. 장점으로는 높은 보상, 성과 중심 문화, 수평적인 분위기, 유연한 근무 환경, 그리고 업계 안에서의 높은 이동 가능성을 이야기했다. 반면 단점으로는 낮은 고용 안정성, 글로벌 실적에 따른 구조조정 가능성, 본사와의 시차 때문에 생기는 업무 강도, 그리고 상대적으로 약한 소속감 같은 걸 짚었다.

이 부분이 좋았던 건, 외국계라는 이름을 막연한 선망의 대상으로만 다루지 않았기 때문이다. 결국 자율성이 높은 만큼 책임도 강해지고, 보상이 큰 만큼 불확실성도 따라온다. 누군가에게는 잘 맞는 환경일 수 있지만, 모두에게 무조건 정답인 건 아니라는 얘기였다.

마지막에 나온 AI Agent Coordinator 이야기도 그냥 뜬구름은 아니었다

맨 마지막에는 AI Agent Coordinator라는 표현이 나왔다. 처음엔 조금 미래 전망 섹션처럼 느껴졌는데, 앞에서 말한 내용들과 꽤 자연스럽게 이어졌다. 앞으로 여러 AI 에이전트가 실제 업무를 나눠 수행하는 구조가 늘어나면, 사람은 그 결과를 검토하고 판단하고 조율하는 역할을 맡게 될 거라는 설명이었다.

핵심은 여기서도 같았다. 어떤 산업에서 어떤 문제가 중요한지 모르면, 에이전트가 낸 결과가 맞는지 틀린지도 판단하기 어렵다. 결국 도메인 지식과 판단력, 그리고 여러 결과를 연결해 보는 시야가 더 중요해진다는 말이었다. 강의 전체를 관통하던 메시지가 마지막에 다시 한 번 정리되는 느낌이었다.

들으면서 남긴 내 생각

이번 1월 28일 특강은 “비전공자도 할 수 있다”는 식의 가벼운 위로와는 거리가 멀었다. 오히려 더 냉정했고, 그래서 더 도움이 됐다. AI/ML을 너무 좁게 보지 말 것, 한국 지사 구조를 먼저 이해할 것, 기술과 비즈니스를 잇는 직무를 진지하게 볼 것, 공고와 링크드인으로 시장을 읽을 것, 추천을 받을 수 있는 기록을 남길 것. 전부 당장 행동으로 옮길 수 있는 이야기였다.

나도 그동안 기술 커리어를 생각할 때 개발 직무를 중심에 놓고 보는 편이었다. 그런데 이번 강의를 듣고 나서는 조금 다르게 보였다. 중요한 건 직무 이름 하나가 아니라, 내가 어떤 문제를 이해하고 어떤 방식으로 가치를 만들 수 있느냐였다. 특히 비전공자라면 전공 콤플렉스를 오래 붙들고 있기보다, 이미 갖고 있는 도메인 감각과 새로 배우는 기술을 어디서 만날지 빨리 정하는 편이 훨씬 낫겠다는 생각이 들었다.

결국 이번 특강은 진로를 넓게 보라는 말이 아니라, 더 정확하게 보라는 말에 가까웠다. 그 점에서 꽤 오래 남을 강의였다.