안녕하세요. 현재 SKALA 4기에 참여하고 있는 법학 전공 졸업생입니다.
법학과 졸업 후 대학 취업지원팀과 정부지원사업·기업 컨설팅 업무를 경험했고, 현재는 SKALA에서 Python, 데이터 분석, Feature Engineering, Java·Spring Boot, Vue.js 등을 학습하고 있습니다. 이후에는 머신러닝·딥러닝, LLM, Fine-Tuning, RAG, Vector DB, AI Agent, AIOps까지 학습하고 팀프로젝트를 수행 예정입니다.
저는 개발자 자체를 목표로 하기보다는 AI/Data를 이해하면서 서비스와 비즈니스 문제를 정의하고, 데이터·모델·개발 조직과 함께 서비스를 기획하고 운영할 수 있는 인재로 성장하고 싶습니다. 다만 법학 전공자이다 보니 어떤 회사의 어떤 직무 담당자로 성장 가능한 지 잘 모르며, 어떤 역량을 어느 수준까지 갖춰야 하는지 고민이 많습니다.
멘토님께서는 응용수학·빅데이터를 전공하시고 현재 실제 AI 기반 신약개발 플랫폼과 데이터 수집·정제·분석 업무를 수행하고 계셔서, 현업의 관점에서 다음 사항을 여쭙고 싶습니다.
1. AI/Data 현업에서 신입에게 가장 먼저 확인하는 기본 역량은 무엇인가요? 주로 사용하시는 tool이 있으신지? 토큰을 절약하되 높은 질의 산출물을 만드는 멘토님만의 방법이 있으신가요?
2. Python·SQL·통계·ML/DL·데이터 전처리·클라우드·서비스 개발 중 특히 우선순위를 두어야 하는 영역이 궁금합니다.
3. 법학 등 비이공계 전공자가 AI/Data 직무에 지원한다면, 전공의 약점을 상쇄하기 위해 포트폴리오에서 반드시 보여줘야 하는 요소가 있을까요?
4. 문제 정의, 데이터 수집·정제, 모델 선정, 평가 지표 설계, 서비스 구현까지 어느 정도 깊이로 설명할 수 있어야 하는지도 궁금합니다.
5. 저는 법학에서 비교법, 노동법, 회사법 등을 공부했고 실제 업무에서는 사업 운영, 인사·노무 컨설팅 프로젝트, 데이터 기반 프로그램 개선과 PM 경험을 쌓았습니다. 이런 경험을 AI/Data 직무에서 차별화 요소로 활용할 수 있을까요? 아니면 기술 역량을 별도로 증명하는 것이 우선일까요?
6. SKALA에서는 앞으로 LLM·Transformer, Fine-Tuning, ML/DL, RAG, Vector DB, AI Agent, AIOps 등을 배우게 됩니다. 약 4개월 뒤 최종 프로젝트까지 고려했을 때, 여러 기술을 폭넓게 경험하기보다 취업을 위해 1~2개 영역을 깊게 파는 것이 좋다면 어떤 영역을 추천하시는지도 궁금합니다.
7. 마지막으로 멘토님께서 현재 AI/Data 연구개발 직무를 수행하시면서 느끼시기에, 교육과정이나 개인 프로젝트에서는 잘 보이지 않지만 실제 현업에서 중요한 역량이 있다면 조언 부탁드립니다.
감사합니다.
강도희 · 2026. 08. 21. 16:30
멘토 1명에게 발송 · 답변 1건 · 대기 0명
멘토 답변 1
신
신*선 멘토
대웅제약 AI 신약팀 · 선임연구원
1. AI/Data 현업에서 신입에게 가장 먼저 확인하는 기본 역량은 무엇인가요? 주로 사용하시는 tool이 있으신지? 토큰을 절약하되 높은 질의 산출물을 만드는 멘토님만의 방법이 있으신가요?
-> AI/Data분석 에도 분야가 조금 나뉩니다. AI Engineer 분야라면 LLM Fine-Tuning이나 양자화 방법론, SLM 구현 능력 등을 보는경우도 있고 platform 구축 및 서비스 운영측면의 능력을 보는 경우도 있습니다. 이것은 채용하는 Job Description에 따라 다릅니다. 데이터 분석의 경우에는 DB 구축부터 log 처리까지 또 다양한데 이것도 산업 분야마다 달라서 특정하기 어렵습니다. 데이터분석은 대부분 대용량 데이터 실시간 분석이 주류를 이루는것같습니다. 이런 경우는 공장이나 기계에서 처리되는 로그를 분석하는 경우도 있고 금융쪽도 있을것같습니다. 법학이 전공이라면 로펌쪽에서도 이런 업무를 수행하는 인원을 채용할 수도 있을것같은데 채용공고를 자세히 확인하시면 좋을것 같습니다. 토큰을 절약하면서 높은 산출물을 만드는 방법은 최근 안드레 카파시의 LLM wiki 방식과 구글 Open Knowledge Format이 있습니다. 이렇게 DB를 구성하고 RAG와 hybrid 방식으로 처리하는 경우도 있습니다. LLM token 소모량을 말씀하신거라면 깃허브에 LLM token optimization method를 공유한 것들이 있을겁니다. 그것을 참고하시면 좋을 것 같습니다.
2. Python·SQL·통계·ML/DL·데이터 전처리·클라우드·서비스 개발 중 특히 우선순위를 두어야 하는 영역이 궁금합니다.
-> 언급하신 부분은 각기 다른 분야를 열거하신것같습니다. 업계 경력 8~10년 이상이 되면 경험이 많아지게 되기 때문에 언급하신 분야를 다 컨트롤 하실 수 있습니다. 물론 직접하진 않고 시니어 개발자가 되면 밑에 팀원들이 붙기 때문에 각 주니어를 통해서 컨트롤 하실 수 있게됩니다. 한번에 저 모든것을 다할 수 는 없고 3가지로 분류가 되는데요. 데이터 전처리/SQL, Python/통계/ML/DL, 클라우드/서비스 중에서 데이터 전처리는 이제 이분야에서 아주 초보적인 형태입니다. 또 ML/DL을 공부하시게 되면 python, 통계를 안할수가 없습니다. 클라우드와 서비스는 또 네트워크와 통신을 일부 알아야하는데요. 지금 질문주신 분에게 가장 중요한 부분은 python/통계/ML/DL이 될것 같습니다. 데이터 전처리 및 SQL은 기본적인것으로 이해하시고 꾸준히 학습하시면 금방 실력이 올라오실겁니다. 클라우드와 서비스는 또 설명드릴 부분이 잔뜩있어서 여기까지만 말씀드리겠습니다.
3. 법학 등 비이공계 전공자가 AI/Data 직무에 지원한다면, 전공의 약점을 상쇄하기 위해 포트폴리오에서 반드시 보여줘야 하는 요소가 있을까요?
-> 본인의 도메인분야로 먼저 들어가시는게 제일 좋습니다. 취업하는데 시간이 오래 소모되면 본인에게 좋지 않기때문에 일단 전공을 상쇄시키기 위해 작은 회사부터 입사하시는것을 추천드립니다. 포트폴리오에서 본인의 개발 역량을 잘 보여주신다면 불가능하진 않을것 같은데 SKALA에서 학습하신 것을 결과물과 잘 연결하면 충분히 역량을 녹여내실 수 있을것 같습니다.
4. 문제 정의, 데이터 수집·정제, 모델 선정, 평가 지표 설계, 서비스 구현까지 어느 정도 깊이로 설명할 수 있어야 하는지도 궁금합니다.
-> 이건 특정 사례가 있어야할것 같습니다. 답변이 어려울것 같습니다.
5. 저는 법학에서 비교법, 노동법, 회사법 등을 공부했고 실제 업무에서는 사업 운영, 인사·노무 컨설팅 프로젝트, 데이터 기반 프로그램 개선과 PM 경험을 쌓았습니다. 이런 경험을 AI/Data 직무에서 차별화 요소로 활용할 수 있을까요? 아니면 기술 역량을 별도로 증명하는 것이 우선일까요?
-> 언급하신 부분들은 AI/Data 직무에 차별점으로 작용하기 어려울것같습니다.
6. SKALA에서는 앞으로 LLM·Transformer, Fine-Tuning, ML/DL, RAG, Vector DB, AI Agent, AIOps 등을 배우게 됩니다. 약 4개월 뒤 최종 프로젝트까지 고려했을 때, 여러 기술을 폭넓게 경험하기보다 취업을 위해 1~2개 영역을 깊게 파는 것이 좋다면 어떤 영역을 추천하시는지도 궁금합니다.
-> AI Agent와 AIOps를 추천드립니다.
7. 마지막으로 멘토님께서 현재 AI/Data 연구개발 직무를 수행하시면서 느끼시기에, 교육과정이나 개인 프로젝트에서는 잘 보이지 않지만 실제 현업에서 중요한 역량이 있다면 조언 부탁드립니다.
-> 현업에서 가장 중요한것은 소통능력과 조직적응력 이라고 봅니다. 아무리 실력이 뛰어나도 소통이 안되고 조직문화에 융화할 수 없으면 상위직책자가 채용시 부담을 느낄 수 있습니다.