AI 분야에서 경력을 쌓기: 현장의 솔직한 이야기
Source: Dev.to
위에 제공된 소스 링크 아래에 번역하고 싶은 텍스트를 붙여 주세요.
텍스트를 제공해 주시면 해당 내용만 한국어로 번역해 드리겠습니다. (코드 블록, URL 등은 그대로 유지됩니다.)
Andrew Ng와 Lawrence Moroney의 커리어 조언 강연에서 영감을 받은
“보세요, AI 분야가 지금 완전히 미친 듯이 변하고 있어요. 개발자 옹호, 크로스‑플랫폼 개발, 그리고 소프트웨어 엔지니어링 모범 사례에 깊이 관여해 온 사람으로서, 이 변화를 실시간으로 보고 있는데, 솔직히? 굉장히 흥미롭지만 동시에 지옥처럼 혼란스러워요.”
지난 1~2년 동안 무엇이 바뀌었나요?
- 강력한 도구 – 컨텍스트를 진정으로 이해하는 대형 언어 모델(LLM), 더 매끄러운 워크플로, 인간처럼 들리는 음성 AI, 그리고 생산성을 실제로 높여주는 코딩 어시스턴트.
- 새로운 AI 빌딩 블록 – 몇 년 전만 해도 매우 어렵거나 존재하지 않았던 대형 언어 모델, RAG‑보강 워크플로, 음성 AI, 그리고 딥러닝 프레임워크.
Andrew의 요점: “우리는 이제 몇 년 전만 해도 매우 어렵거나 존재하지 않았던 AI 빌딩 블록을 갖게 되었습니다: 대형 언어 모델, RAG‑보강 워크플로, 음성 AI, 그리고 딥러닝 프레임워크.”
저는 AI 코딩 어시스턴트부터 맞춤형 MCP 서버까지 모든 것을 실험해 왔으며, 6개월 전과의 차이는 밤과 낮처럼 확연합니다.
🚀 무언가 만드는 속도가 엄청 빨라졌다
- 최근 프로토타입:
- 실시간으로 맞춤형 광고 영상을 생성하는 비디오‑워처 페르소나 시스템.
- 다중 에이전트 AI 콘텐츠 생성기.
- “간단한” 바이브‑코드 Conclave RPG 게임.
Andrew’s observation: “AI 코딩을 활용하면 소프트웨어를 작성하는 속도가 그 어느 때보다 훨씬 빨라집니다.”
병목 현상은 더 이상 코드를 입력하는 것이 아니라 무엇을 만들고 어떻게 올바르게 설계할지 아는 것입니다.
💡 Andrew Ng의 “Product Management Bottleneck” 개념에서 영감받음
React‑Native TV 프로젝트와 AI 자동화 파이프라인에서 본 내용
- 가장 어려운 부분은 기능을 구현하는 것이 아니라 무엇을 만들지 결정하고, 명확한 사양을 작성하며, 사용자 요구를 이해하는 것이다.
Andrew의 핵심 통찰: “명확히 작성된 소프트웨어 사양을 코드 한 조각으로 변환하는 것이 점점 쉬워짐에 따라, 병목 현상은 실제로 만들고자 하는 것에 대한 명확한 사양을 작성하거나 무엇을 만들지 결정하는 것이 된다.”
- 팀 역학이 변화 – 전통적인 엔지니어‑대‑PM 비율(예: 8 엔지니어 : 1 PM)이 1 : 1 혹은 2 : 1에 가까워지고 있다.
Andrew가 언급: “엔지니어‑대‑PM 비율이 하향 추세인 것을 보고 있어요—어쩌면 2 대 1 혹은 1 대 1까지도… 제가 일하는 일부 팀은 1 PM에 1 엔지니어라는 인원 구성을 가지고 있습니다.”
개발자를 위한 시사점: 제품 담당자처럼 사고하면서 코드를 배포할 수 있다면 성공이다.
Andrew가 강조: “제품을 설계할 수 있는 엔지니어는 정말 빠르게 움직일 수 있습니다… 사용자와 대화하고 피드백을 얻으며, 사용자를 깊이 공감해 무엇을 만들지 결정할 수 있는 엔지니어가 가장 빠르게 움직이는 사람들입니다.”
💡 Andrew’s advice on staying at the frontier of tools
- Tooling changes every 3–6 months in this space.
- Being one generation behind means working twice as hard for half the output.
Andrew’s experience: “If you ask me every three months what my personal favorite coding tool is, it actually probably changes every six months, maybe even every three months. Being half a generation behind in these tools means being frankly quite a bit less productive.”
Practical tip:
- Set aside weekly time to experiment with new tools. I literally block calendar time for this.
💡 Andrew & Lawrence의 작업 구축 및 보여주기 강조
- 그냥 놀지 말고—실제 문제를 해결하는 것을 만들자.
- 나의 최근 작업: 자동화된 비디오 파이프라인, 앱 KPI를 위한 MCP 서버, 그리고 콘텐츠 자동화 시스템. 이것들은 장난감이 아니라 실제 워크플로우의 고통 포인트를 해결한다.
Andrew의 격려: “그냥 가서 바로 만들면 돼… 네가 무언가를 만들 기회가 있고, 그것을 다른 사람에게 보여주는 것이 그 어느 때보다 중요해.”
Lawrence의 조언: “당신의 결과물이 현재 직무를 위한 것이 아니라, 당신이 원하는 직무를 위한 것이 되게 하라.”
포트폴리오 팁: 프로덕션 코드나 실제 사람들이 사용하는 도구를 배포할 수 있음을 보여라, 단순한 프로토타입이 아니라. 컨퍼런스 발표도 좋지만, 배포된 코드는 더 큰 주목을 받는다.
🔥 Real‑world example
Andrej Karpathy recently shared how he used Claude Code to reverse‑engineer his entire Lutron home‑automation system in a single session. The AI:
- Discovered controllers on his network.
- Found open ports.
- Pulled PDF documentation.
- Connected to devices.
- Tested by turning kitchen lights on/off.
He’s now “vibe‑coding” a master command center to replace the janky official app. This is exactly what building real things looks like—taking AI tools and solving actual problems you have.
💡 Andrew’s story about the student assigned to Java backend payment processing
- Lesson: 명함에 적힌 브랜드보다 배우는 사람들의 중요성이 더 큽니다.
Andrew’s warning: “그는 ‘핫 AI 브랜드’를 가진 회사에 입사했지만 어느 팀에 배치될지 알려주지 않는 스탠포드 학생 이야기를 했습니다. 서명 후, AI 작업이 아니라 백엔드 Java 결제 처리팀에 배정됐고, 1년간 좌절한 뒤 회사를 떠났다고 합니다.”
What to look for:
- 진정으로 호기심이 많고 최신 기술을 따라가는 엔지니어.
- 정기적으로 배포하는 팀, 배포 얘기만 하는 팀이 아니라.
- 즉시 차단되지 않고 실험할 수 있는 환경.
Andrew’s emphasis: “학습 속도와 성공 수준을 가장 강하게 예측하는 요소는 주변 사람들입니다… 가장 핫한 브랜드의 회사에 다니는 대신, 열심히 일하고 지식이 풍부하며 똑똑한 사람들이 AI로 좋은 일을 하려는 정말 좋은 팀을 찾는다면, 회사 로고가 덜 뜨거워도 더 빠르게 배울 수 있습니다.”
Bottom line: 신기술에 대한 접근 및 똑똑한 사람들과의 협업은 매우 귀중합니다. 이것이 여러분의 커리어를 앞당기는 원동력입니다.
💡 Lawrence의 “비즈니스 포커스” 기둥
가장 좋은 기회는 여러분이 구축하고 있는 것의 왜를 이해할 때 찾아옵니다. 10피트 거리에서 보는 TV 인터페이스를 최적화하든, 콘텐츠 제작을 위한 AI 워크플로우를 설계하든, 비즈니스 맥락을 아는 것이 여러분을 무한히 더 가치 있게 만듭니다.
Lawrence의 프레임워크:
“비즈니스 포커스는 협상 불가입니다… 모든 것이 생산을 향해 맞춰져 있습니다. 모든 것이 생산에 편향되어 있습니다… 핵심은 핵심이란 사실이 핵심입니다.”
💡 Lawrence Moroney의 “AI 분기” 예측
두 가지 경로가 형성되고 있습니다:
| 경로 | 설명 |
|---|---|
| Big AI | 클라우드 기반 LLM, 대규모 컴퓨팅, 플랫폼 서비스(예: Claude, GPT‑4). |
| Small AI | 자체 호스팅 모델, 엣지 컴퓨팅, 특화된 사용 사례. |
Lawrence의 통찰: “앞으로 5년 안에 분기가 일어날 겁니다… Big AI는 현재 우리가 보는 대형 언어 모델이 더 커지면서 AGI를 향해 나아가는 모습을 의미하고… 반대편은 급속히 등장하고 있는 자체 호스팅 가능한 모델들입니다.”
두 가지 모두 유효합니다. 저는 클라우드 LLM을 사용해 콘텐츠를 생성하면서 동시에 TV 플랫폼을 위한 엣지 처리도 고민하고 있습니다. 여러분의 관심사와 해결하고 싶은 문제에 맞는 쪽을 선택하세요.
Source:
💡 Lawrence’s framework on “Vibe Coding” & technical debt
AI 시스템은 기술 부채를 빠르게 쌓을 수 있습니다. 자동화 파이프라인을 구축하면서 이 점을 힘들게 배웠습니다. 기술 부채를 재정 부채에 비유해 보세요.
“부채를 평소에 생각하듯이 생각해 보세요, 맞죠? 집을 사는 것… 50만 달러짜리 집을 사서 은행에 백만 달러를 갚게 되는 겁니다. 이는 아마도 좋은 부채일 겁니다… 반면에 고금리 신용카드로 충동구매를 하는 것은 나쁜 부채죠.”
AI로 코드를 생성할 때마다 스스로에게 물어보세요: 내가 감당하고 있는 기술 부채만큼의 가치가 있나요?
나쁜 기술 부채를 피하기 위한 프레임워크
- 명확한 목표 달성 – 무엇을 만들어야 할지 알고 있었고, 무작위로 코드를 뽑아낸 것이 아닙니다.
- 비즈니스 가치 제공 – 이것이 비즈니스에 어떻게 도움이 되나요? “멋지다”는 충분하지 않습니다.
- 인간의 이해 – 팀이 이 코드를 이해하고 유지보수할 수 있나요?
AI가 가능하게 하는 빠른 프로토타이핑과 지속 가능한 아키텍처 사이의 균형을 맞추세요. 작업을 문서화하세요—미래의 자신(그리고 팀)이 고마워할 것입니다.
“생성된 코드 시대에 코드는 이제 저렴합니다. 완성된 코드, 엔지니어링된 코드는 저렴하지 않다.” – Lawrence
💡 Lawrence’s discussion on the “Anatomy of Hype”
AI 분야는 과대광고에 휩싸여 있으며, 신호와 잡음을 구분하는 방법을 배워야 합니다.
핵심 인사이트:
“소셜 미디어의 통화는 참여도입니다. 정확성은 소셜 미디어의 통화가 아닙니다… 신호와 잡음을 구분하고, 잡음이 아닌 신호 주변의 사람들을 격려할 수 있는 사람은 큰 이점을 갖게 됩니다.”
누군가가 “우리는 에이전트를 구현해야 한다” 혹은 “우리는 AI가 필요하다” 라고 말할 때, 첫 번째 질문은 “왜?” 가 되어야 합니다.
스토리: 한 유럽 기업의 CEO가 “모두가 비용을 절감할 수 있다고 말한다”는 이유로 Lawrence에게 에이전트를 구현해 달라고 요청했습니다. Lawrence는 계속해서 왜를 물었고, 결국 실제 필요가 영업 사원의 연구 시간을 전체 업무의 80 %에서 20 %로 줄여 효율성을 높이는 것임을 밝혀냈습니다.
무언가를 가능한 한 평범하게 만들어 보세요. 마법과 과대광고를 벗겨내면 실제로 무슨 일이 일어나고 있는지 파악할 수 있습니다.
💡 Lawrence’s advice on avoiding being a “One‑Trick Pony”
저는 단순히 AI 분야만 하는 사람이 아니라 TV 플랫폼, React Native, 개발자 옹호, 콘텐츠 제작, 새로운 SDK와 도구의 마찰 로깅까지 다룹니다. 이런 폭넓은 경험이 여러분을 탄력 있게 만들고 함께 일하기 더 흥미롭게 합니다.
“한 가지 일만 할 줄 아는 원‑트릭 포니가 되지 마세요. 저는 특정 API나 프레임워크 코딩에 뛰어난 사람들과 일했지만, 산업이 변하면서 그들은 뒤처졌습니다.” – Lawrence
💡 Lawrence의 강조: 이제 모든 것이 프로덕션에 관한 것
개념 증명을 넘어가세요. 배포, 모니터링, 스케일링을 배우세요. 기준은 *“멋진 데모를 만들 수 있나요?”*에서 *“비즈니스 가치를 제공할 수 있나요?”*로 바뀌었습니다.
“현재 AI 분야에서 일하는 것이 실제로 어떤가요? 2~3년 전만 해도 AI에서 일한다는 것은 ‘무언가 할 수 있으면 대단하다’는 것이었습니다. 안타깝게도 이제는 그렇지 않습니다. 오늘날 여러분은 P‑word: production을 보게 될 것입니다.” – Lawrence
💡 Andrew & Lawrence on 작업을 보여주기
배우고 있는 것을 공유하세요. dev.to에 글을 쓰고, 컨퍼런스에서 발표하고, GitHub 레포를 만들세요. 커뮤니티 피드백 루프는 매우 귀중하며, 당신이 몰랐던 문을 열어줍니다.
예시: Lawrence가 Google에 면접을 볼 때, 무작위 질문에 답하는 대신 자신이 만든 코드를 보여주었습니다—주식 가격을 예측하는 Google Cloud에서 실행되는 Java 애플리케이션.
“제 전체 면접 과정은 그들이 제 코드에 대해 물어보는 것이었어요… 제가 알고 있던 것들을 전달할 수 있는 힘을 주었습니다.” – Lawrence
💡 Lawrence가 말하는 **“agentic”**이란 무엇인가
AI 에이전트와 작업하려면 네 단계 패턴을 이해하세요:
- Intent 이해 – LLM을 사용해 해야 할 일을 파악합니다.
- Planning – 사용 가능한 도구를 선언하고 계획을 수립합니다.
- Execution – 도구를 활용해 결과를 도출합니다.
- Reflection – 결과를 Intent와 비교 검토하고 필요하면 반복합니다.
이는 단순히 유행어를 따르는 것이 아니라, AI 시스템에 적용되는 엔지니어링 원칙입니다.
💡 Lawrence의 AI bubble 및 산업 성숙에 대한 논의
- 상단의 과대광고.
- 대규모 VC 투자 감소.
- 비현실적인 기업 가치 평가.
- 모방 제품이 곳곳에 등장.
- 하단에 실제 가치의 작은 핵심이 존재.
닷컴 버블에서 얻은 교훈:
“Amazon, Google… 그들은 제대로 해냈다. .com을 구축하는 것이 무엇인지 기본 원리를 이해했다. .com 위에 비즈니스를 구축하는 것이 무엇인지 기본 원리를 이해했다. 그리고 과대광고 버블이 터졌을 때, 그들은 …” – Lawrence
생존자는 다음과 같은 사람들…
- 기본에 집중한다
- 실제 솔루션을 만든다