AI 엔지니어 취업을 가르는 포트폴리오 전략: 기술보다 실제 문제 해결을 증명하는 법

핵심 메시지

• 포트폴리오를 'RAG 프로젝트, 멀티 에이전트 프로젝트' 같은 기술 중심이 아니라 실제 문제 해결 중심으로 구성해야 한다.
• 자신의 도메인 경험을 살린 프로젝트가, 경력과 무관한 화려한 데모보다 면접에서 훨씬 강력하다.
• 프로젝트는 실제로 쓰일 수 있어야 한다. 오픈소스로 호응을 얻거나 소규모 SaaS로 팔린 '검증된 가치'가 중요하다.
• 신입이라도 자신이 직접 겪은 문제를 AI로 해결하면 충분히 설득력 있는 프로젝트가 된다.
• 복잡함이 아니라 '왜 만들었고 무엇을 해결했는지'를 끝까지 설명할 수 있는 능력이 합격을 가른다.

쉽게 이해하기

화자는 자신의 수강생 안사르가 첫 고연봉 AI 엔지니어링 직무를 얻은 사례로 영상을 연다. 많은 사람들이 '어떤 프로젝트를 해야 AI 엔지니어로 취업하느냐'고 묻지만, 기본 RAG 챗봇과 단순 ReAct 에이전트는 이미 포화 상태라 차별화가 어렵다는 고민에서 출발한다.

그의 핵심 진단은 문제의 본질이 '기술 우선' 사고방식이라는 것이다. 포트폴리오를 느슨하게 연결된 취미 프로젝트의 집합이 아니라, 실제 문제를 해결한다고 증명된 프로젝트들의 연결된 집합으로 봐야 한다고 말한다. 예컨대 의료 업계 경험이 있는 개발자가 AI로 전향한다면, 경력과 무관한 주식 트레이딩 봇이 아니라 HIPAA를 준수하는 환자 노트 처리 솔루션처럼 자신의 강점을 살린 것을 만들어야 한다.

그는 프로젝트의 복잡도와 실제 채택 가능성은 별개라고 강조한다. 값비싼 멀티 에이전트 아키텍처일 필요는 없으며, 오히려 단순하더라도 실제로 동작하고 병원이 쓸 만하다는 점이 증명되어야 한다. 신입이라 도메인 전문성이 없다면, 안사르가 강의 슬라이드를 임베딩으로 바꿔 더 빨리 학습하는 도구를 만든 것처럼 자신이 직접 겪은 문제를 풀면 된다.

이어 그는 수강생 제이슨의 'Kodoja' 프로젝트를 시연한다. 레일스에 익숙한 제이슨은 Next.js를 배우려 했지만 클로드가 모든 것을 대신 해주는 바람에 개념을 제대로 이해하지 못했다. 그래서 그는 클로드 코드의 훅과 기능을 활용해, 답을 바로 주지 않고 가르치는 교사처럼 동작하도록 제약하는 도구를 만들었다. 이 도구는 학습 목표와 프로필을 구조화된 폴더에 저장하고 온보딩 흐름을 통해 사용자를 파악한다.

결론적으로 그는 신입이든 경력자든 AI 겉치레에 집착하지 말고 실제 문제를 푼다는 것을 증명하라고 말한다. RAG든 ReAct든 최신 유행 패턴이든 수단은 중요하지 않다. GitHub에 올라간 화려하지만 실제로는 아무것도 하지 않는 수많은 AI 코딩 결과물과 달리, 처음부터 끝까지 설명할 수 있고 누군가에게 실제로 도움이 된 프로젝트가 면접의 다음 라운드로 가는 길이라는 것이다.

주요 인사이트

• 면접관 입장에서 그래프 DB와 100번의 재귀 도구 호출을 쓴 멀티 에이전트가 고작 이메일 요약을 한다면, 이는 '언제 복잡해야 하는지'를 모른다는 신호로 읽혀 즉시 탈락 사유가 된다.
• 도메인 전문성은 강력한 차별화 요소다. 같은 RAG 기반이라도 의료·금융 등 자신이 이해하는 이해관계자의 진짜 문제를 풀면 가치가 달라진다.
• 프로젝트의 '존재 이유'가 분명해야 한다. 세상 모든 강의를 변환하는 범용 도구보다, 자기 학과 수업을 위해 만든 구체적 도구가 더 강하다.
• 오픈소스 호응이나 소규모 SaaS 판매처럼 외부에서 검증된 사용 흔적은, 코드 자체보다 더 설득력 있는 증거가 된다.
• AI 코딩으로 무엇이든 만들 수 있을 것 같은 착각이 오히려 함정이다. 동작하지 않는 화려한 데모는 기술 면접에서 금세 드러난다.

자주 묻는 질문

관련 AI 소식