AI 엔지니어 커리어 준비: 35살 첫 코딩부터 대기업까지, 취업 전략과 성장법

핵심 메시지

• 커리어의 시작점은 중요하지 않다 — 경영학 전공자가 35살에 개발을 시작해 7년간 AI 엔지니어로 성장했다.
• 결국 남는 것은 '내가 맡아서 끝까지 마무리한 일'의 경험뿐이며, 그것이 전문성을 증명하는 근거가 된다.
• 트렌드만 좇으면 자기 실력이 남지 않는다 — 따라 하기는 하루면 되지만, 자기 기술이 되려면 수백 번의 반복과 실패가 필요하다.
• LLM 시대에는 기술 진보 속도가 개인의 성장 속도보다 빨라, 전 범위를 다 배우기보다 '결정적 순간의 엔지니어링 판단력'을 길러야 한다.
• 정보와 동료, 커뮤니티가 취업 준비의 큰 자산이다 — 혼자 정보 없이 헤맨 경험이 오히려 이를 절감하게 했다.

쉽게 이해하기

발표자는 현재 LG CNS에서 광고 데이터 실적을 처리하고 광고주의 입찰 최적화를 돕는 서비스를 맡은 AI 엔지니어다. 경영학을 전공하고 경제학을 부전공했지만, 실제 개발 업무를 시작한 것은 35살이었다. 이후 데이터 사이언티스트, 데이터 엔지니어, 머신러닝 엔지니어를 거쳐 지금은 이 직무들이 대체로 'AI 엔지니어'로 통합된 자리에서 7년째 일하고 있다.

그의 커리어는 순탄하지 않았다. 2011년 대학 졸업 후 금융 공기업에 들어갔지만 기대와 달라 1년 반 만에 그만두었고, 계약직·중소기업·스타트업·외국계까지 다양한 자리를 거쳤다. 35살에 처음 IT로 넘어간 곳은 클라우드(AWS) 파트너사인 메가존 클라우드였다. 이곳에서 AWS 기반의 머신러닝·데이터 엔지니어링·인프라 기술을 폭넓게 배웠지만, 자체 서비스가 아닌 판매·기술영업 중심이라 한 기술을 깊이 파고들기 어려웠다는 아쉬움을 남겼다.

37살에 이력서를 30여 곳에 내며 어렵게 이직한 스타트업에서는 퇴사한 데이터 엔지니어의 빈자리를 메우려 6개월간 스파크·에어플로우·쿠버네티스를 다뤘고, 이후 데이터 사이언스 파트 리더로서 주니어 세 명과 함께 추천 시스템을 처음부터 구축했다. 이때 그는 '이미 해본 일은 주니어에게 가르쳐 빠르게 온보딩시키고, 자신은 해보지 않은 도전적인 일을 맡는' 방식을 택했다. 배움을 늘리는 동시에 팀의 신뢰와 유대를 쌓는 선택이었다.

코로나 이후 회사가 어려워지자 부가가치를 만드는 데이터 사이언티스트가 먼저 정리되며 8개월의 공백을 겪었다. 39살에 처음으로 코딩 테스트를 3~4개월간 공부하며 여러 대기업에 지원했지만 대부분 뜻대로 되지 않았고, 결국 우연한 연결로 스타트업과 LG CNS 두 곳을 두고 고민하다 현재의 대기업에 자리 잡았다.

그는 대기업이 공기업과 스타트업의 중간쯤이라고 느꼈지만, 어느 곳에서도 완전히 만족하는 환경은 찾을 수 없었다고 말한다. 결론은 결국 자신이 AI 엔지니어로서 스스로 '로켓처럼 뚫고 나가야' 커리어와 삶의 만족을 얻을 수 있다는 것이었다.

주요 인사이트

• 직무 통합의 흐름: 과거 데이터 사이언티스트·데이터 엔지니어·머신러닝 엔지니어로 나뉘던 역할이 지금은 'AI 엔지니어'로 수렴하고 있어, 한 축의 경험이 뒷날 다른 축의 리더십으로 이어진다.
• 데이터 사이언티스트는 호황기에 각광받지만 회사가 어려워지면 가장 먼저 감원 대상이 되기 쉽다 — 필수 운영이 아니라 '잘될 때 더 잘되게 하는' 부가가치 직무이기 때문이다.
• '입으로만 코딩하는' 함정: 최신 프롬프트 기법이나 유행 도구는 많이 알지만 자기 것으로 깊이 해본 적이 없는 경우가 많다. 이론은 문제를 직접 풀고, 코딩은 남에게 보여줄 결과물을 만들어야 실력이 된다.
• LLM·에이전트 시대에는 RAG·GPU 엔지니어링을 넘어 에이전트 하니스, 코딩 에이전트(클로드 코드·코덱스) 같은 '전통적 엔지니어링이 아닌' 영역까지 계속 따라가야 하는 부담이 커졌다.
• 예전의 '수학→통계→딥러닝→개발' 식 10년 정석 코스와 달리, 요즘은 프롬프트나 에이전트 경험 하나로 취업하는 사례도 있지만, 그런 운을 좇기보다 오래 갈 수 있는 자기만의 전문성을 쌓는 편이 확실하다.

자주 묻는 질문

관련 AI 소식