5주간 현직자와 제대로 인공지능 직무 경험을 만들 수 있습니다.
현직자의 진짜 실무를 멘토의 도움을 받아 수행합니다.
업무에 대한 1:1 피드백과 코칭이 매주 제공됩니다.
5주간 3회의 세션을 가지게 되며, 학업/현업과 병행 가능합니다.
안녕하세요, 저는 인공지능 스타트업에서 AI Software Architect로 근무 중인 리드멘토입니다.
최근 많은 관심을 받고 있는 생성형 AI 기술과 클라우드 컴퓨팅 기술을 활용하여 AI 에이전트의 아키텍처를 설계 및 구축하고, 기업 고객이 실제 업무에 활용하실 수 있도록 도와드리는 일을 하고 있습니다. AI 에이전트란 챗GPT와 같은 기존의 대화형 챗봇을 넘어 실시간으로 필요한 정보를 제공하며 자율적으로 작업을 수행하고 의사결정을 내릴 수 있는 일종의 지능형 시스템을 뜻합니다.
인공지능에는 다루는 데이터와 활용 목적에 따라 이미지 및 영상 처리, 자연어처리(NLP), 추천시스템, 최적화 알고리즘 등 다양한 분야가 있습니다. 저는 다양한 인공지능 분야 중에서도 특히 인공지능이 인간의 언어를 더욱 잘 이해하고 생성해낼 수 있도록 연구하는 분야인 자연어처리(NLP)에 전문성을 가지고 텍스트 분석(TA) 및 챗봇 구축 등의 프로젝트를 진행해왔습니다. 이러한 경험과 지식을 바탕으로 개발팀에서 프로덕트를 개선하고 고객사의 비즈니스의 프로세스를 혁신하기 위한 기술적, 전략적 제안을 하는 역할을 하고 있습니다.
인공지능은 아직 초기 단계의 기술로, 여지껏 등장했던 그 어떤 기술보다 우리의 삶을 크게 바꾸어 놓을 것으로 예상되고 있습니다. 비전공자 출신이었던 저 역시 인공지능이라는 기술이 가진 파급력과 가능성에 매료되었고, 몇 년 전 Python, SQL 등 개발 언어를 익히고 머신러닝, 딥러닝 등 관련 개념을 심도있게 공부한 후에 개발자로 업을 바꾸어 지금의 일을 하게 되었습니다.
이처럼 큰 잠재력을 가지고 있는 인공지능 분야에서 취업을 희망하시는 분들이 자연스럽게 늘어나고 있는 것으로 알고 있습니다. 그러나 실제로 현업에서 실무를 경험해보지 않고는 알 수 없는 부분들이 너무 많은 것이 사실입니다. 저 역시 비전공자로서 타분야에서 인공지능 분야로 전향해본 경험이 있기에 여러분이 느끼고 계실 막막한 심정을 너무나도 잘 알고 있습니다.
인공지능의 다양한 분야와 직무에는 어떤 것들이 있으며 나 자신에게 맞는 직무로 취업을 하기 위해서는 무엇을 준비해야 할까요?
기업들은 어떤 문제들에 직면해 있으며, 문제 해결에 어떠한 방식으로 인공지능 기술을 활용하고 있을까요?
AI 에이전트 구축을 위한 프로세스는 어떻게 이루어져 있을까요?
이 직무부트캠프를 통해서 인공지능의 최전선에서 활동하고 있는 저와 함께 답을 찾아보시기 바랍니다.
직무부트캠프를 추천합니다.
직무경험이 없어요.
직무경험이 없어요.
직무경험이 없어요.
실제 취업에 도움이 됩니다.
직무부트캠프에서 했던 경험과 배웠던 직무 전문 단어를 면접에서 활용하였더니 면접관들이 흥미를 보였고, 결국 최종 합격했어요.
남00님
수료증을 토대로 이력서에 직무 관련 경험으로 작성했고 임원 면접시 경험에 대한 질문에 직무 관련한 관심이 많다는 것으로 어필 했고, 좋은 평가를 받을 수 있었어요.
강00님
현) 인공지능 스타트업 근무
- 생성형 AI 기반 AI 에이전트 서비스의 아키텍처 설계, 파이프라인 구축 및 최적화
- 국내외 LLM의 정량적/정성적 성능 테스트
우리 회사에 생성형 AI 기반의 지능형 AI 에이전트를 도입하여 직원들의 업무 효율을 개선하고 싶은데요. 요즘 주목받고 있는 GPT-4o나 Gemini 2.5와 같은 최신 생성형 AI 모델을 활용해서, 우리 회사의 업무 내용과 맥락을 깊이 이해하고 이에 맞춰 작업을 자동화하거나 지원할 수 있는 AI 에이전트를 만들 수는 없을까요? 추가적으로, 원하는 형식에 맞춰 보고서를 자동으로 작성하거나, 대시보드를 통해 주요 데이터를 분석해 주는 등 맞춤형 기능이 포함되면 좋겠습니다.
또한, 고객과의 통화 내용을 텍스트로 전환해 분석한다면 더 많은 인사이트를 얻을 수 있을 것 같아요. 통화 주제, 키워드, 금액이나 날짜 같은 숫자 정보 등을 추출하거나, 실적이 우수한 상담사들이 사용하는 표현과 단어를 분석해 패턴을 도출하는 것도 유용할 것입니다. 이러한 기능들을 AI 에이전트에 통합한다면, 전사적 업무 개선에 큰 도움이 될 것 같습니다.
1차 업무는 고객의 문제를 도식화 하고 구체화 하여 이를 해결해줄 AI 에이전트를 기획하는 업무입니다.
첫 번째 업무는 고객의 문제를 해결해줄 수 있는 AI 에이전트를 기획하는 업무입니다. AI 에이전트 기획 단계에서는 고객의 목표와 요구 사항을 이해하고 구체화 하는 것이 중요합니다. 이를 위해 실제 B2B AI 에이전트 개발 프로젝트에서 활용되는 RFP(Request For Proposal) 양식을 기반으로 한 샘플 RFP를 분석하여 고객이 AI 에이전트를 활용하여 해결하려는 문제는 무엇인지, 그것을 위해서 필수적으로 구현해야 하는 기능에는 어떤 것들이 있는지, 최종 사용자는 누구인지, 보안이나 성능 요건은 어떤 것들이 있는지 등 항목별로 프로젝트의 목표와 요구 사항을 세분화합니다.
이 단계에서는 대상 사용자와 요구 사항을 파악하고, 그에 맞는 AI 에이전트의 역할과 기능을 결정하는 것이 중요합니다. 최종 사용자와 텍스트, 이미지, 코드 등 생성하고자 하는 내용에 따라 구체적인 목표를 설정한 뒤에 모델의 성능과 프로젝트의 성공 여부를 평가할 수 있는 정성적/정량적 지표에 대해 설계해 보면서 프로젝트를 구체화해 나가는 과정을 거칩니다.
2차 업무는 AI 에이전트의 핵심 기능들을 개발하는 업무입니다.
두 번째 업무는 1차 업무에서 기획한 AI 에이전트의 핵심 기능들을 다양한 오픈소스 라이브러리와 프레임워크를 통해 직접 구현하는 업무입니다. AI 에이전트는 수많은 다양한 요소들로 구성되어 있습니다. AI 에이전트의 브레인 역할을 담당하는 LLM, 기억을 담당하는 벡터DB, 실시간으로 다양한 데이터를 불러올 수 있는 API, 테스크 실행을 자동화 해주는 워크플로우 등 AI 에이전트 구현을 위한 핵심 기능들에 대해 배워보고, 서비스 구현에 각 개념들이 어떻게 적용될 수 있는지 살펴봅니다.
2차 업무 수행을 위해서는 Python 상에서 제공되는 LangChain이나 LangGraph와 같은 프레임워크를 활용하여 LLM을 검색증강생성(RAG) 파이프라인과 연동하고 서비스의 컨셉에 맞게 답변을 제어하는 과정을 거칩니다. 코딩 없이 LLM의 아웃풋을 조정하는 가장 대표적인 방법으로는 프롬프트 엔지니어링이 있습니다. 이 단계에서는 특정 도메인의 서비스나 분석 과제에 맞게 LLM의 답변을 유도하고 행동을 제어하는 효과적인 프롬프트를 작성하는 과정을 거칩니다.
또한, 미세 조정을 통해 작은 규모의 작업 특화형 데이터셋을 사용해 모델의 파라미터를 조정하여 목표 작업에서의 성능을 향상시키고 환각현상(Hallucination)을 방지합니다. 이 단계에서는 모델이 안전하고 편향되지 않으며 인간의 가치와 선호에 부합하는 출력을 생성하도록 인간 피드백을 반영하는 작업인 인간 피드백 강화 학습(RLHF) 기법에 대해서도 알아보도록 하겠습니다.
3차 업무는 생성형 AI 모델을 조정 및 최적화하고 배포 및 실무에 통합하는 업무입니다.
이 단계는 사용 사례에 맞게 선택한 모델을 다듬는 데 중점을 둡니다. 예를 들어 ‘나만의 AI 투자 어드바이저’를 만들고 싶다면, 무엇보다 정확하게 최신 정보에 근거한 답변을 하는 것이 중요하겠지요. 좋은 성능의 LLM을 활용하는 것 보다 중요한 것은 LLM이 사용자의 요구사항을 반영한 최종결과를 생성해 낼 수 있도록 유도하는 것입니다.
다음으로 사용 목적에 맞게 다듬어진 생성형 AI 모델을 응용 프로그램이나 작업 흐름과 통합하고 배포하는 작업이 필요합니다. 이 때, 모델을 콘텐츠 생성의 효율성을 높이기 위해 추론을 최적화하고, 적합한 환경(클라우드 or 온프레미스)에 직접 구축한 생성형 AI 서비스를 배포해보는 과정을 거칩니다. 이 때 LLM을 외부 API 및 도구와 연결하여 기능을 확장하거나 사용자 인터페이스에 통합하는 작업도 포함될 수 있는데, 모델의 실제 환경에서 성능을 지속적으로 평가하고 모니터링할 수 있는 메커니즘을 마련하고, 필요에 따라 조정하는 것이 중요합니다.
4차 업무는 PPT를 만들고 최종 발표 및 피드백을 통해 개선점을 찾아가는 단계입니다.
AI Software Architect는 엔지니어이기도 하지만 생성형 AI의 전문가로서 고객의 다양한 문제를 해결하는 역할도 합니다. 따라서 개발자 마인드셋에 더해 사용자의 입장에서 생각하는 비즈니스 마인드셋을 장착하는 것 역시 중요합니다. 실제로 AI Software Architect로 일하다 보면 코딩이나 LLM 테스트 이외에도 테크 웨비나를 진행하거나 잠재고객에게 피칭을 하게될 기회가 많이 있습니다.
마지막 업무를 통해서 참가자 분들이 스스로 개발한 생성형 AI 서비스를 실제로 고객에게 어필하는 시간을 가져봅니다. 이 과정에서는 참가자들이 자신을 AI Software Architect로 생각하고, 실제로 생성형 AI 서비스를 어떻게 개발하고 배포했는지, 이를 통해 고객이 어떤 가치를 얻을 수 있는지를 효과적으로 전달해야 합니다.
알려드릴게요!
높은 진입장벽과 기회의 부족
생성형 AI 기술의 발전과 함께 최근 빅데이터/인공지능 분야에서 커리어를 희망하시는 분들이 늘어나고 있습니다. 그러나 늘어나는 수요에 비해 공급은 턱없이 부족한 것이 사실입니다. 빅데이터/인공지능 분야의 많은 직무에서는 석박사 이상의 학위 혹은 수년 이상의 직무 경험을 요구하는 경우가 대부분이기 때문입니다. 따라서 학부생분들을 비롯한 구직자 분들은 빅데이터/인공지능 관련 직무에 어떤 것들이 있는지, 혹은 구체적으로 어떤 일을 하는지 이해할 기회조차 잡기가 쉽지 않은 것이 사실입니다.
설상가상으로 인공지능 산업은 지금 이 순간에도 매우 빠른 속도로 끊임없이 변화하고 있으며 데이터 분석가, 데이터 사이언티스트, 머신러닝 엔지니어, 프롬프트 엔지니어 등 정말로 다양한 직군이 생겨났다가 사라집니다. 빠른 속도로 기술이 발전하면서 이전에 있던 직군이 사라지기도 하고, 업무 분야와 새로운 기술이 융합되어 완전히 새로운 직군이 탄생하기도 합니다. 이처럼 시시각각 변화하는 기술과 스킬셋의 변화는 구직자들에게 더욱 더 큰 진입장벽입니다.
실제 AI Software Architect의 업무와 중요한 역량
미국과 유럽 해외의 IT 업계와는 다르게 국내에는 아직 Software Architect라는 직군이 많지 않습니다. AI Software Architect는 단순히 AI 모델을 설계하는 역할을 넘어서, 고객의 비즈니스 문제를 해결할 수 있는 최적의 AI 서비스를 설계하고 구현하는 책임을 집니다. 좋은 AI Software Architect로 성장해 나아가기 위해서는 생성형 AI 기술의 깊은 이해뿐만 아니라, 문제 해결 능력, 팀과의 협업 능력, 프로젝트 관리 능력 등이 중요합니다. 또한, 다양한 산업에 맞는 AI 솔루션을 제시할 수 있는 도메인 지식과 최신 기술 동향을 파악하는 능력도 필수적입니다.
이 부트캠프는 여러분이 AI Software Architect로서 실제 현장에서 겪을 수 있는 다양한 업무를 직접 경험하고, 실제 사례 기반으로 문제를 해결하는 과정으로 구성했습니다. 생성형 AI 모델을 어떻게 실무에 적용할 수 있는지, 기술적이고 전략적인 측면에서 어떤 결정들이 필요한지를 명확히 이해할 수 있도록 도와드릴 것입니다.
생성형 AI 기술은 빠르게 변화하고 있습니다. 따라서, 항상 나무를 보는 것이 아니라 숲을 보는 넓은 시야가 필요합니다. 능력을 빠르게 발전하는 트렌드를 따라가고 실무에 적용할 수 있는 능력을 갖추는 것 역시 중요합니다. 이 부트캠프에서는 생성형 AI 모델의 활용부터 최적화, 실제 서비스로 배포하는 전 과정에 대해 배우게 될 것입니다. 여러분이 이 과정을 마친 후, AI Software Architect로서의 실력을 쌓고 현업에서 즉시 활용할 수 있는 기술을 갖추게 될 것입니다. 궁극적으로 이 부트캠프의 목표는 여러분이 자신감을 가지고 실제 AI 프로젝트를 리드할 수 있는 역량을 기르는 것입니다. 함께 배우고 성장하는 이 과정에서 여러분의 꿈을 실현할 수 있기를 기대합니다.
현업자 수준의 직무 이해도를 얻게됩니다.
⋅ 직무담당자가 실제로 하는 일
⋅ 직무담당자로 일하는 장, 단점과 요구 역량
⋅ 주차 별 프로젝트 소개 및 선정 이유
RFP와 제안서를 분석하여 고객의 요구 사항을 정확히 이해하고 이를 바탕으로 프로젝트 목표와 요구 사항을 구체화해주세요. 이를 통해 프로젝트의 목표와 요구 사항을 명확히 정의하고, 향후 진행 방향을 효율적으로 설정할 수 있습니다.
이번 업무는 RFP와 제안서를 꼼꼼히 분석하여 고객이 제시한 목표와 요구 사항을 도출하고, 이를 바탕으로 프로젝트를 구체화하는 것입니다. 특히, AI 에이전트 개발 프로젝트에서 활용되는 RFP 양식을 기준으로 고객이 해결하고자 하는 문제, 최종 사용자 유형, 보안 및 성능 요구 사항 등을 파악하여 프로젝트의 구체적인 목표를 세분화하고, 이를 통해 성공적인 프로젝트 수행을 위한 기초를 마련하는 것이 핵심입니다.
1.RFP 분석을 통한 고객 니즈 도출
2.프로젝트 목표와 요구 사항 세분화 및 구체화
*참고자료 : AI 에이전트 개발 프로젝트 RFP 예시 및 분석 자료 제공 예정
*과제 결과물 : ppt 5 page 이내로 작성
개발하고자 하는 AI 에이전트의 핵심 기능 구현을 위해 필요한 기능들을 담은 시스템 아키텍처를 설계하고, 제품 프로토타입을 완성해주세요. 우선 프로젝트의 목표에 맞는 최적의 아키텍처를 활용하여 서비스 구현의 효율성을 높일 수 있습니다. 시스템 아키텍처를 설계한 후에 해야할 일은 GPT-4o, Gemini-2.5 등 수많은 LLM 중에 적절한 것을 선택하고 적용하는 것입니다. 다음으로 LangChain, LangGraph, LLaMA Index 등 코드 기반 혹은 Dify, Make, n8n 등 노코드 기반 AI 에이전트를 통해 서비스 구현에 필요한 프로토타입을 제작합니다. 이 때 개발 프레임워크들의 용도에 대해 이해하고, 필요한 기능 구현을 위해 스스로 고민하고 직접 손을 움직여 보는 과정이 중요합니다.
1.시스템 아키텍처 설계
2.API를 통한 LLM 연동 및 프롬프트 엔지니어링
3.코드기반/노코드 기반 오픈소스 프레임워크를 통해 실제 프로토타입 제작
*참고자료
1. 노코드/로코드(Dify, Make, n8n 등) 기반 플랫폼 활용 가이드라인
2. 클라우드 기반 LLMOps(AWS Bedrock, Vertax AI, MS Azure 등) 플랫폼 활용 가이드라인 및 API를 통한 LLM 연동을 위한 Google Colab 예시코드 제공 예정
*과제 결과물 : 생성형 AI 서비스 프로토타입
제작된 프로토타입을 실제 사용 사례에 맞게 조정하고 최적화한 후, 실무 환경에 통합하고 배포하는 과정을 진행합니다. 3주차 업무는 프로토타입 수준의 결과물을 실질적인 서비스 형태로 전환하는 데 집중하며, 사용자 요구와 맥락에 맞는 AI 응답을 이끌어낼 수 있도록 프롬프트 최적화, 워크플로우 튜닝, 지속적 테스트 및 평가를 수행하는 과정입니다. 또한, 클라우드 플랫폼 또는 온프레미스 환경에 배포해 실제 운영 상황을 시뮬레이션하거나 소규모 베타 테스트를 실시하면서 실제 AI 에이전트 배포가 어떻게 이루어지는지 체험해볼 수 있습니다.
- 프롬프트 튜닝 및 사용자 시나리오별 테스트
- 다양한 입력값에 대한 모델 반응 테스트
- 사용자 경험(UX)을 고려한 프롬프트 재설계
- 에이전트 반응 속도 및 정확도 개선
- AI 서비스 최적화 및 통합
- 모니터링 및 로깅을 통한 문제 탐지 및 대응 체계 구축
*참고자료
1. 클라우드 플랫폼(AWS/GCP/Azure 등)을 활용한 LLM 서비스 배포 튜토리얼
2. 프롬프트 엔지니어링 가이드
3. 실시간 성능 평가 및 지속적인 모델 모니터링 지표 설정
4. 노코드 기반 (Dify, n8n, Make 등) 플랫폼 UI/UX 구현 및 배포 가이드라인
*과제 결과물
1. 실사용 가능한 AI 에이전트 서비스 MVP (Minimum Viable Product)
2. 시나리오 기반 테스트 결과 보고서
3. 실환경 배포 URL 또는 실행 가능한 데모 링크
자신이 개발한 생성형 AI 서비스를 최종적으로 발표하고, 발표 후 받은 피드백을 통해 개선점을 도출해주세요. 이 과정에서 여러분들은 AI Software Architect로서의 역할을 수행하며, 자신이 개발한 서비스의 가치를 고객에게 효과적으로 전달하는 방법을 학습합니다. 이번 업무는 AI Software Architect로서의 마인드셋을 바탕으로, 기술적인 세부 사항뿐만 아니라 비즈니스적 관점에서 어떻게 생성형 AI 서비스가 고객에게 가치를 제공할 수 있는지 전달하는 것입니다.
여러분들은 PPT를 활용해 서비스의 개발 과정, 구현 방법, 그리고 고객에게 제공하는 가치를 명확하게 설명하고, 발표 후 피드백을 통해 서비스 개선점을 찾는 과정을 경험하게 됩니다. 이 과정은 기술적 지식뿐만 아니라 비즈니스적인 관점을 결합하여, 실제 업무에서 AI 서비스를 어떻게 고객에게 제시할 것인지에 대한 중요한 경험을 제공합니다.
1.생성형 AI 서비스 개발 과정 및 가치를 효과적으로 전달할 수 있는 PPT 제작
2.AI Software Architect로서의 역할을 염두에 두고 발표 준비
3.발표 후 피드백을 통해 서비스 개선점 도출 및 회고 작성
*참고자료 : PPT 작성 가이드 및 발표 피드백 템플릿 제공 예정
*과제 결과물 : PPT 발표 (분량 자유) 및 피드백 기록지 제출
업무 요청서로 전달됩니다.
교과 외 활동 항목에 직무부트캠프 수료 경험을 활용할 수 있습니다.
채용지원 마감일과 캠프 종료일 차이로 수료증 활용이 어려운 경우, 수료예정증명서를 발급해드립니다.
* 3주차 이상 경과된 경우에 한하여 고객센터를 통해 신청 가능
저와 5주간 함께 수행한 업무는 직무경험을 증명할 결과물이 됩니다.
*아래는 수강생들이 5주간 만든 실제 포트폴리오입니다.
이런 점이 좋습니다.
자소서와 면접 준비
업무 프로세스 이해
직무 적합도 판단
더 편안하고 자유롭게 소통할 수 있습니다.
더 뛰어난 학습 효과를 얻을 수 있습니다.
더 솔직한 이야기를 들을 수 있습니다.
직무를 깊게 경험해 보실래요?
완전히 해결됩니다!
- 정가
- 300,000원
- 얼리버드 37% 할인
- - 111,000원
- 후기 이벤트 원고료
- - 20,000원
- 최대 할인 적용가
- 33,800원 /1주
- 12개월 무이자 할부
- 3,250원 /1주
정부 지원금 사용 가능
신청자가 본인의 의사로 캠프참여를 포기한 경우
코멘토가 캠프진행을 할 수 없게 된 경우
캠프 시작전 취소(D-1일까지): 결제금액 전액 환불
1주차 시작일 ~ 2주차 시작일 D-1 : 결제금액의 2/3 환불
2주차 시작일 ~ 3주차 시작일 D-1: 결제금액의 1/2 환불
3주차 시작일 ~ 캠프 종료일: 환불 불가
1차 VOD강의 수강전 취소: 결제금액 전액 환불
1차 VOD 수강후 ~ 1차 과제 제출 전: 결제 금액의 2/3 환불
1차 과제 피드백 제공 후 ~ 2차 과제 제출 전: 결제금액의 1/2 환불
2차 과제 피드백 제공 후 ~ : 환불 불가
90일 만료 후 : 환불 불가
캠프 시작전 취소(D-2일까지): 쿠폰 재사용 가능
1주차 시작일 D-1 ~ 캠프 종료일: 쿠폰 재사용 불가
수강 취소 및 환불 의사를 표시하지 아니하고 무단결석 시는 교습시간으로 인지하며, 환불 요구시점 기준으로 반환합니다.
과제를 미제출하여 다음 번 캠프에 강제 참여하지 못하는 경우에는 해당차수 교습시간은 경과한 것으로 간주합니다.
캠프 참여율 80% 이상시 (세션 참여 3회 + 업무 제출 4회 중 총 6회 이상), 교육 수료증이 발급됩니다.
주차 별 업무를 기한 내 제출하지 않은 분들은 개별 업무 피드백을 받을 수 없습니다.
직무부트캠프는 현직자 리드멘토와 스터디메이트가 함께 만들어가는 프로그램입니다.
프로그램 분위기를 흐리거나 불성실하게 행동하는 분이 있을 시 참여 제재 조치를 받을 수 있습니다.
업무는 모두 개인업무로 진행되며, 업무 수행과 학업 및 취업준비의 병행이 가능합니다.(1주 평균 2~3시간 소요)
최소 인원 모집 미달 시 캠프 일정이 조정될 수 있습니다.