Why Does a Bank Need a Chief Scientist?
Prem Natarajan은 Amazon에서 자연어 이해 및 Alexa AI 조직을 이끌다가 Capital One의 수석 과학자가 되었다. Capital One은 1억 명 이상의 고객에게 금융 서비스를 제공하며, 데이터와 기술을 활용해 고객 맞춤형 금융 상품을 제공하는 데 중점을 두고 있다. 이 은행은 클라우드로 데이터 생태계를 재구축하고, AI 및 머신러닝 실험을 위한 통합 환경을 조성했다. Natarajan은 고객 경험을 향상시키기 위해 '목적 기반 사고'를 통해 필요한 과학적 혁신을 도출하는 접근 방식을 강조한다.
Capital One은 AI를 단순한 기술이 아니라 과학적 분야로 보고, 고객 문제 해결을 위한 연구 조직을 구축하고 있다.
원문 출처
IEEE Spectrum — AI
고객 현장에 들어가 AI 제품을 실제 업무에 안착시키는 '포워드 디플로이드 엔지니어(FDE)'가 2026년 가장 뜨거운 직군 중 하나로 떠올랐다. 3년 전엔 거의 존재하지 않던 역할인데 2025년 한 해 채용 공고가 800% 넘게 늘었다. 보상도 가파르다. 여러 보상 리포트는 중급 FDE의 총보상을 30만 달러대 후반, 스태프급을 60만 달러대, 프런티어 랩(예: Anthropic, OpenAI) 프린시플급을 100만 달러 이상으로 집계한다. 회사별 편차가 커서 Palantir 중앙값(약 21만 달러)과 프런티어 랩 시니어(78만 달러 이상)의 격차 대부분이 지분(equity)에서 발생한다. 또한 LinkedIn에서 'AI Engineer' 타이틀이 'ML Engineer'를 앞질렀고, 유사 연차 대비 15~25%의 급여 프리미엄이 붙는다. FDE 핵심 역량은 순수 모델링보다 고객 도메인 이해, 통합·배포, 빠른 반복, 신뢰성 확보다. 영어 커뮤니케이션과 고객 대면 능력이 강한 한국 개발자에게는 글로벌 기회의 입구가 될 수 있다.
한국 정부는 'AI 3대 강국' 목표 아래 2026년 약 1.4조 원(약 10억 달러)을 들여 고급 AI 인재 약 1만 1천 명을 양성하고, 전 생애주기에 걸친 AI 교육을 확대한다는 계획을 발표했다. 2026년부터 3개 지역 교육청에 AI 교육지원센터를 설치하고 2028년까지 전국 17곳으로 늘려 학생·학부모·교사 교육과 대학·기업 연계를 추진한다. 배경에는 구조적 인력난이 있다. 2025~2029년 사이 이공계 전문인력이 최소 58만 명 부족할 것으로 전망되며, 반도체·AI·바이오·양자 분야의 공백이 특히 크다. 한국소프트웨어산업협회는 2026년 수도권에서만 AI/ML 엔지니어링, 클라우드 인프라, RegTech를 중심으로 4만 5천~5만 2천 개의 순신규 일자리를 예상했다. 다만 고급 인재의 해외 유출(브레인 드레인)은 여전한 과제로 남아 있다.
공공 교육·일자리 정책이 AI 직군으로 집중되면서, 국내 개발자에게 재교육·전직·신규 진입의 기회 창구가 구조적으로 넓어진다.
AI 코딩 도구가 채용 구조를 바꾸고 있다. 신입 개발자 공고는 2022년 정점 대비 약 28% 줄었고, 지난 1년 새 글로벌 신입 직군은 20~35% 감소했다. 시니어 5명이 Copilot·Claude Code로 과거 8~10명(보일러플레이트·단순 통합을 맡던 주니어 2~3명 포함)이 하던 출하량을 내면서 단순 CRUD·폼·기초 통합 같은 '주니어가 채우던 일'이 가장 먼저 사라졌다. 그러나 시장은 축소가 아니라 재편에 가깝다 — Q1에 약 7.8만 명이 정리됐지만 AI 관련 공고는 27.5만 건이 열려 있다. IBM은 오히려 2026년 신입 채용을 3배로 늘렸는데, AI에 인간의 감독·데이터 큐레이션·판단이 필요하다는 인식 때문이다. 직무 요구가 바뀌어, 기업은 이제 '반복 코드를 짜는 주니어'가 아니라 'AI를 지휘하고 출력을 검증하며 추론을 문서화하고 놓친 부분을 잡아내는 주니어'를 뽑는다. 복수의 AI 스킬을 가진 인력은 비-AI 대비 약 43%의 임금 프리미엄을 받는 것으로 추정된다.
'AI가 코딩을 대체한다'는 단순 서사보다, '검증·판단·시스템 사고로 AI를 지휘하는 능력'으로 가치가 이동한다는 게 핵심이다. 한국 주니어/전직 빌더는 도구를 쓰는 수준을 넘어 AI 산출물을 적대적으로 검증하고(코드리뷰·테스트·보안), 아키텍처와 요구사항을 정의해 AI를 부리는 역량을 증명해야 한다. 단순 구현 포트폴리오보다 '에이전트를 안전하게 오케스트레이션한 경험'이 차별점이 된다.
스탠퍼드 AI Index와 다수 채용 데이터에 따르면 에이전틱 AI(자율 에이전트) 관련 채용 공고가 전년 대비 약 280% 늘어 미국에서만 약 9만 건 수준에 이르렀다. 시장의 질문이 'LLM API를 호출할 수 있는가'에서 '검색·평가·재검색·검증을 스스로 도는 신뢰성 있는 에이전트를 운영 환경에서 6개월간 굴릴 수 있는가'로 옮겨갔다는 것이 핵심이다. 진지한 멀티에이전트 시스템은 이제 LangGraph, CrewAI, Claude Agent SDK처럼 상태머신·체크포인팅·휴먼인더루프를 기본 제공하는 프레임워크 위에서 만들어진다. 한국 개발자에게 시사하는 바는 분명하다. 프롬프트 패턴만 익히기보다 백엔드·데이터 모델링 기반 위에서 도구 오케스트레이션, MCP 연동, 평가(eval) 설계, 비용·가드레일까지 다루는 역량이 채용 체크리스트의 중심이 됐다.
이 브리핑에서 궁금한 점이 있다면 먼저 질문을 남겨보세요.
첫 댓글을 남겨보세요.
매일 쏟아지는 소식 중 꼭 봐야 할 것만 골라 실무 가이드와 함께 보냅니다.
핵심 뉴스 5 · 추천 가이드 3 · 인기 Q&A