「AI 직무」라고 하면 한 종류로 묶기 쉽지만, 실제로는 매우 다양한 직군이 있습니다.
자기가 어느 길을 갈지 정하기 위해 주요 직군의 차이를 정리합니다.
1) 「AI 연구자(Research Scientist)」 — 새로운 모델·알고리즘을 개발하는 사람.
박사 학위가 일반적이고 학회 논문 발표가 평가의 큰 부분.
OpenAI·DeepMind·Meta AI 같은 큰 회사 또는 대학에서 일합니다.
연봉은 높지만 좁은 문이고, 깊은 수학·연구 경력이 필수입니다.
2) 「ML 엔지니어/AI 엔지니어」 — 학계 연구를 산업에 적용하는 사람.
모델 학습·미세조정·배포·최적화 같은 작업이 중심.
가장 큰 직군이며 학사·석사 학위로도 충분히 들어갈 수 있습니다.
PyTorch·HF Transformers·LangChain 같은 도구 활용 능력이 핵심.
3) 「MLOps 엔지니어」 — ML 모델의 운영(배포·모니터링·재학습 파이프라인)을 담당.
「DevOps + ML」의 결합으로, 클라우드(AWS·GCP)·도커·쿠버네티스·MLflow·Kubeflow 같은 도구를 다룹니다.
운영 자동화 경험이 중요합니다.
4) 「Data Scientist」 — 데이터 분석 + 통계 + ML로 비즈니스 인사이트를 만드는 사람.
ML 모델보다 「분석·시각화·의사결정 보조」가 중심.
마케팅·금융·의료 등 거의 모든 산업에 자리가 있습니다.
5) 「AI Product Manager」 — AI 제품의 기획·전략을 담당.
기술 이해 + 비즈니스 감각 + UX가 모두 필요한 통합 직무입니다.
어느 길을 갈지 결정 기준: 「연구가 좋다」 → 박사·연구자, 「만드는 게 좋다」 → ML 엔지니어, 「시스템 운영이 좋다」 → MLOps, 「분석·인사이트가 좋다」 → Data Scientist, 「비즈니스가 좋다」 → AI PM.
입문 단계에서는 한 가지에 집중하기보다 여러 영역을 가볍게 경험한 뒤 결정하는 것이 일반적입니다.
한 줄 요약
AI 직무는 연구자(논문·박사) / ML 엔지니어(만들기) / MLOps(운영) / Data Scientist(분석) / AI PM(기획)으로 나뉩니다.
각자 필요한 역량이 다르므로 자기 성향에 맞는 길을 골라야 합니다.
더 알아볼 것
- 연구자 vs 엔지니어 — 박사 학위 가치
- MLOps의 부상
- AI PM의 새로운 직무 영역
