[SKtudent] AI개발자 패스트 트랙! ‘SK네트웍스 Family Ai Camp’에 대한 모든 것 - 조경원 강사님 인터뷰🖥️

[SKtudent] AI개발자 패스트 트랙! ‘SK네트웍스 Family Ai Camp’에 대한 모든 것 - 조경원 강사님 인터뷰🖥️ 

지난 기사에서는 SK네트웍스 Family AI Camp 18기 수강생분과의 인터뷰를 통해 생생한 수강 후기를 들어보았다면, 이번 기사에서는 강사님의 시선에서 학생들에게 어떤 교육과 피드백을 제공하시는지, 캠프가 어떤 부분에서 도움이 될 수 있는지 들어보겠습니다.

SK Careers Editor 22기 정체원

그럼, 강사님이 들려주시는 캠프 이야기를 들으러 가볼까요? 🏃‍➡️

안녕하세요. 저는 웹 개발을 시작으로, 클라우드 환경에서의 서비스 개발과 운영, 그리고 머신러닝과 대규모 언어 모델 기반 AI 개발까지 현업에서 폭넓은 경험을 쌓아온 개발자이자 강사 조경원입니다.

초기에는 웹 서비스와 데이터베이스 설계·개발을 중심으로 커리어를 시작했고, 이후 클라우드 환경에서 실제 서비스를 운영하며 AI 모델을 현업에 적용하는 업무를 지속적으로 경험해 왔습니다. 또한 머신러닝과 딥러닝, LLM과 RAG 기반 AI 서비스 개발을 중심으로 ‘AI 기술이 실제 서비스와 비즈니스에서 어떻게 활용되는지’를 고민하고 구현하는 일을 했습니다.

현재는 엔코아에서 AI 전문 강사로 활동하며, 현업에서 직접 겪었던 시행착오와 문제 해결 경험을 바탕으로 수강생들이 단순히 기술을 배우는 데 그치지 않고, 실제 현장에서 AI를 어떻게 바라보고 활용해야 하는지를 함께 전달하고자 노력하고 있습니다.

말씀하신 것처럼, I/ML 분야는 기술 변화 속도가 워낙 빠르기 때문에, 특정 테크닉이나 라이브러리를 완벽하게 익히는 것만으로는 금방 한계에 부딪힐 수 있습니다. 따라서 저희는 최신 기술 흐름과 산업 현장의 변화를 지속적으로 점검하면서 세부 학습 내용과 실습 예제에서 이를 반영하며 강의를 진행하고 있습니다.

기업 환경에서 AI를 개발하고 운영하려면, 모델 구현 능력만큼이나 클라우드 기반 인프라에 대한 이해가 필수적이라고 생각합니다. 저 역시 5년 이상 AWS를 실무에서 사용하면서 단순히 모델을 만드는 것과, 실제 서비스로 배포하고 운영하는 것은 전혀 다른 영역이라는 것을 경험해 왔습니다.

*AWS(Amazon Web Services): 아마존이 제공하는 세계 최대 규모의 클라우드 컴퓨팅 플랫폼

그래서 저는 클라우드를 이론적으로 소개하는 수준에 그치지 않고, AI 서비스를 실제로 운영하는 흐름을 경험해보는 데 초점을 두고 있습니다. 구체적으로는 AWS 환경에서 EC2를 활용한 기본적인 컴퓨팅 자원 구성부터, IAM을 통한 인증·인가 설계, 그리고 수강생들이 직접 만든 AI 서비스를 배포하는 과정까지 단계적으로 다루고 있습니다.

*EC2: 아마존 웹 서비스(AWS)에서 제공하는 가상 서버로, 사용자가 원하는 사양의 컴퓨터를 클라우드상에서 임대하여 사용할 수 있는 서비스

*IAM(Identity and Access Management): 클라우드 리소스에 누가 접근할 수 있고, 어떤 작업을 할 수 있는지 권한을 제어하고 관리하는 보안 서비스

데이터 편향이나 모델 설명 가능성과 같은 윤리적/고급 AI 이슈는 모델을 만들 때 가장 중요하게 고민해야 할 출발점인 학습 데이터 세트와 *전처리 과정에서 강조하고 있습니다. 머신러닝이든 LLM이든 결국 모델의 성능과 한계는 어떤 데이터를 어떻게 전처리해서 학습시키느냐에서 결정됩니다. 데이터 편향 역시 이 단계에서 이미 상당 부분 만들어지기 때문에, 수강생들에게는 ‘모델을 잘 만드는 것보다 데이터를 어떻게 구성했는지 설명할 수 있어야 한다’는 점을 여러 차례 강조합니다.

강의 중에는 실제 사례와 예제를 통해 특정 데이터가 어떤 집단을 더 많이 대표하고 있는지, 어떤 정보가 과도하게 반영되거나 누락될 수 있는지를 함께 살펴보는 방식으로 학습을 진행했습니다. 또 파이널 프로젝트 단계에서는 각 팀의 주제와 데이터 특성에 따라 윤리적 고려나 편향 완화가 필요한 경우, 전처리 단계에서 어떤 조치를 취할 수 있는지에 대해 개별적으로 피드백을 제공하고 있습니다.

결과적으로 이 캠프에서는 ‘윤리를 따로 배우는 과정’이라기보다는, AI 모델을 설계하고 적용하는 전 과정에서 데이터와 결과에 책임을 지는 사고방식을 자연스럽게 익히도록 지도하고 있습니다.

*전처리: 수집된 원시(raw) 데이터를 분석 및 머신러닝 모델 학습에 적합한 형태로 정제하고 변환하는 과정

*LLM(Large Language Model): 대규모 언어 모델의 약자. 방대한 양의 텍스트 데이터를 학습하여 인간의 언어를 이해하고 생성하며 다양한 자연어 처리 작업을 수행하는 인공지능 모델

*sLLM: 기존의 거대 언어 모델(LLM)을 경량화하여 더 작은 크기로 만든 AI 모델. 작은 매개변수로 구동되어 비용상의 효율이 높다.

*Fine-tuning(파인튜닝): 이미 방대한 데이터로 학습된 대규모 AI 모델을 기업의 특정 업무나 특정 작업에 맞추어 추가로 학습시켜 모델의 성능을 최적화하는 과정

수강생들이 처음 프로젝트를 시작할 때는 자연스럽게 어떤 기술 스택을 썼는지, 모델을 얼마나 정교하게 구현했는지에 집중하게 됩니다. 하지만 제가 LLM과 에이전트 기반 아키텍처를 계속 강의하고 현업에서 고민하면서 느낀 점은, 이제는 개별 기술 하나하나보다 서로 다른 기술들을 어떻게 유기적으로 결합해 하나의 서비스 흐름으로 구현했는지가 더 중요해졌다는 것입니다.”

그래서 팀 프로젝트 결과물을 리뷰할 때도 코드의 세부 문법이나 최신 라이브러리 사용 여부 뿐만 아니라, 각 구성 요소가 어떤 역할을 하고 있고, 이들이 하나의 에이전트 또는 서비스로 자연스럽게 연결되어 있는지를 중심으로 피드백을 합니다.

수강생들이 AI 모델과 알고리즘을 처음 학습할 때는 Jupyter Notebook 환경이 개념을 이해하고 빠르게 실험하기에 가장 적합한 도구라고 생각합니다. 하지만 실제 서비스를 구현하기 위해서는 Jupyter 환경에 머무르기보다는, Python부터 서비스 배포까지 학습해야 합니다. 따라서 저희 커리큘럼에서는 이러한 내용을 모두 포함하여 강의를 진행하고 있습니다.

*Jupyter Notebook: 코드를 한 줄씩 실행하고 결과를 바로 눈으로 확인할 수 있는 대화형 개발 도구. 코드를 치면 아래 바로 결과가 나오기에 학습에 좋은 연습장과도 같다.

AI 개발을 처음 접하는 수강생, 특히 비전공자의 경우 문법이나 *CS 이론을 모두 외우고자 한다면 오히려 학습 부담을 키울 수 있다고 생각합니다. 대부분의 부트캠프는 6개월로 구성되어 있고, 프로젝트 기간을 제외하면 나머지 기간에 이론과 실습을 완벽하게 병행하는 것이 쉽지 않습니다. 그래서 저는 CS 이론을 먼저 많이 설명하기보다는,

‘구현해보는 경험’을 통해 학습의 출발점을 잡는 방식을 선택하고 있습니다. 수강생들이 직접 코드를 작성해 모델을 구현하고, 결과가 나오면 그 다음 단계에서 ‘왜 이런 결과가 나왔을까?’, ‘이 부분은 왜 느릴까?’와 같은 질문을 던지도록 유도합니다. 이 과정에서 자연스럽게 자료구조, 알고리즘, 메모리 개념, 계산 복잡도 등 CS 기본 지식의 필요성이 체감되기 때문에, 그때 필요한 만큼의 이론을 연결해 설명하는 방식으로 학습이 이루어집니다.

결과적으로 비전공자에게 중요한 것은 처음부터 많은 이론을 아는 것 보다는, 구현 경험을 통해 이론이 ‘왜 필요한지’를 이해하는 것입니다. 이 방식이 짧은 기간 안에 기초를 정착시키는 데 가장 효과적이라고 생각합니다.

*CS(Computer Science): 컴퓨터 시스템과 정보 처리의 원리, 데이터 구조, 알고리즘, 운영체제, 네트워크, 데이터베이스 등 소프트웨어 개발의 근간이 되는 핵심 학문 분야 및 기본기 이론

저는 주어진 업무를 ‘지시대로 수행하는 일’로만 받아들이기보다는 왜 이 일이 나에게 주어졌는지를 먼저 고민해보는 태도가 중요하다고 생각합니다. 예를 들어 사수나 팀장, 파트장에게서 받은 업무가 있다면, 이 작업이 우리 조직에서 어떤 문제를 해결하려는 것인지, 작게는 파트 차원에서, 크게는 팀이나 서비스 전체에서 왜 지금 이 기술이 필요한지를 이해하려는 노력이 필요합니다.

이런 관점으로 업무를 바라보면 단순히 코드 한 줄을 구현하는 데서 끝나는 것이 아니라, 내가 만든 결과물이 어떤 맥락 속에서 사용되는지를 자연스럽게 파악하게 됩니다.

그 과정에서 질문의 질도 달라집니다. ‘이걸 어떻게 구현할까요?’가 아니라 ‘이 문제를 해결하는 가장 적절한 방법이 무엇일까요?’라는 질문을 던지게 되고, 이는 팀과의 커뮤니케이션 속도를 크게 높여줍니다.

결과적으로 주니어 개발자가 빠르게 조직에 적응하고 성과를 내기 위해서는 기술을 잘 아는 것도 중요하지만, 자신이 맡은 업무의 의미와 목적을 이해하려는 태도가 가장 중요한 출발점이라고 생각합니다.

‘SK네트웍스 Family AI 캠프’의 가장 큰 차별점은 특정 전공이나 배경을 기준으로 교육을 나누기보다는, 모두가 ‘실제 서비스 문제를 해결하는 경험’을 중심으로 학습한다는 점이라고 생각합니다.

전공자분들께는 학교나 기존 교육 과정에서 다뤄왔던 이론 중심 학습을 넘어, 실제 서비스 맥락에서 코드를 작성하고 구조를 고민해볼 수 있다는 점에서 굉장히 밀도 높은 경험이 될 수 있습니다. 단순히 이론을 다시 설명하기보다는, 다양한 서비스 시나리오를 바탕으로 직접 구현해보고, 그 과정에서 부딪히는 문제를 해결해 나가는 방식의 경험에 초점을 맞추고 있습니다.

비전공자분들께도 이 캠프는 충분히 도전해볼 만한 과정이라고 말씀드리고 싶습니다. 어려운 이론이나 책, 논문을 먼저 이해해야 따라올 수 있는 구조가 아니라, 실제 회사에서 사용되는 서비스와 문제를 함께 고민하고 구현하는 과정 속에서 자연스럽게 필요한 개념을 익히도록 설계된 프로그램이기 때문입니다. 처음에는 낯설고 어렵게 느껴질 수 있지만, 포기하지 않고 차근차근 따라오신다면 전공 여부와 상관없이 스스로 성장하고 있다는 걸 분명히 느끼실 수 있을 겁니다.

이 캠프는 ‘이미 잘하는 사람’을 선별하는 과정이 아니라, 함께 고민하고 끝까지 완주하면서 성장할 수 있는 사람을 위한 과정이라고 생각합니다. 수강을 망설이고 계신 분들이 있다면, 너무 걱정하지 말고 한 번 도전해 보셨으면 합니다.

---

바쁘신 와중에도 미래의 AI 개발자들을 위해 귀한 시간을 내어 현장의 이야기를 들려주신 조경원 강사님께 깊은 감사의 말씀을 드립니다.

인터뷰를 진행하며 가장 인상 깊었던 점은 SK네트웍스 Family AI Camp가 실전 감각을 길러주는 커리큘럼 아래 진행되고 있다는 점이었습니다. 특히 학습하기 편한 주피터 환경에 안주하지 않고, 배우기 어렵더라도 현업에서 필수적인 능력을 위주로 가르친다는 점에서 수강생의 실력 향상을 최우선으로 여기는 강사님과 운영진분들의 진심을 느낄 수 있었습니다. 🤝

학교에서 배운 내용을 응용해 구현해 보고 싶거나 직접 부딪히고 해보면서 노베이스였던 개발 지식을 100%로 끌어 올리고 싶다면 지금 바로 도전해 보세요! 전공자에게는 확실한 실무 중심 역량을, 비전공자에게는 서비스 개발의 즐거움을 알려줄 SK네트웍스 Family AI Camp가 여러분들을 AI 개발자 패스트 트랙으로 이끌어 줄 것입니다. 🏆

지금까지 SK네트웍스 취재기자 정체원이었습니다! 감사합니다.