AI‧빅데이터 시대 역량개발: 

무엇을 교육하고, 무엇을 배워야 할까?

정보대학원 김희웅 교수

AI‧빅데이터 시대의 노동

인공지능 시대에는 일자리 구조에 근본적인 변화가 일어난다. 특히 단순한 업무의 자동화와 함께 창의성이 필요한 업무를 중심으로 새로운 일자리가 창출되는 등 직무 변화 및 일자리 이동이 가속화되고 있다. 2019년 발표한 매킨지 미래 전망 보고서에 따르면, 2030년까지 전 세계 일자리의 15~30%가 자동화되며, 한국의 경우 기존 일자리 700만 개가 감소하고 동시에 최대 730만 개의 신규 일자리가 창출될 것으로 예상했다.

AI·빅데이터 분야 직무 역량 불일치    

이처럼 급증하는 인력 수요에 발맞춰, 적시에 양질의 인재를 공급할 수 있는 환경 조성이 시급한 상황이다. 하지만 직무 역량을 갖춘 인재 양성 및 공급의 이해 당사자인 구직자와 회사 그리고 대학 차원에서의 서로 다른 관점에 따라 적절한 대응 전략 수립에 어려움을 겪고 있다. 우선, 인공지능 및 빅데이터 분야의 인력 수요에 발맞춰 해당 분야로 진출하고자 하는 취업 준비생 입장에서 어떤 역량을 갖춰야 하는지 불투명한 상황이다. 고용노동부 채용박람회 결과 보고서에 따르면, 인공지능 관련 직군에 진출하고자 하는 수요는 급증하고 있지만, 취업 준비생 입장에서 어떤 항목을 준비해야 할지 방향성을 잡지 못한다는 의견이 급증하고 있다고 밝히고 있다.

회사 측 채용 담당자 입장에서는 적절한 인력 확충에 어려움을 호소하고 있다. 한국직업능력개발원에서 2019년에 발표한 자료에 따르면, 인공지능 및 빅데이터 분야 중견기업 이상의 인사 담당자 53.5%가 신입사원의 입사 후 업무 수행을 위해 재교육이 필요하다고 밝혔다. 현재의 교육 과정 및 내용이 직무 수행에 충분하지 않다는 방증으로 볼 수 있다.

직무 역량을 갖춘 양질의 인력 양성을 담당하고 있는 대학에서도 최적화된 교육 프로그램 개발을 위한 고민이 깊은 상황이다. 교육부에서 조사한 결과에 따르면, 인공지능 관련 직무에 종사하고자 하는 학생의 32% 이상이 대학의 정규 교육 프로그램이 아닌 외부의 사설 프로그램을 활용해 역량을 준비하고 있다고 밝혔다.

이와 같은 수요와 공급의 불일치를 해결하려면 먼저 인공지능 및 빅데이터 분야에서 직무를 수행하기 위한 필요 역량을 확인해 구직자, 회사 그리고 대학의 고민 차이를 줄이는 것이 선행돼야 할 것이다. 

수요 관점에서 AI·빅데이터 분야 직무 역량   

AI·빅데이터 인재를 필요로 하는 기업체 수요 관점에서 필요한 직무 요건 및 역량을 확인하는 것이 가장 중요하다. 이를 위해 채용 관련 플랫폼인 링크드인에서 ‘AI’와 ‘빅데이터’ 관련 키워드를 활용, 텍스트 마이닝을 통해 채용공고 내 직무기술서 내용을 수집하고 분류한 결과, AI·빅데이터 분야에서 요구되는 직무 역량은 크게 1) 기술 중심 역량과 2) 비즈니스 중심 역량 그리고 이를 아우르는 3) 프로젝트 역량으로 정리할 수 있었다. 기술 중심 역량으로는 1-1) 통계, 1-2) 머신러닝 그리고 1-3) 프로그래밍 능력이 포함됐다. 비즈니스 중심 역량에는 2-1) 비즈니스 문제 해결과 2-2) 관리 능력이 포함되는 것으로 나타났다. 추가적으로 3-1) 프로젝트 경험 및 실행 능력이 함께 강조된다는 것을 확인할 수 있었다.

직무 역량과 관련된 토픽 및 키워드 간 연관성 정도를 확인해 보고자 네트워크 분석을 추가로 진행한 결과, AI와 빅데이터 분야에서 필요한 역량을 개발하기 위해서는 원만한 협업을 이룰 수 있는 사회적 기술, 데이터 분석 역량, 응용 소프트웨어를 활용할 수 있는 기술 그리고 비즈니스 모델로 구축해 나가는 능력을 종합적으로 포함하는 프로젝트 경험을 쌓는 것이 중요하다는 것을 확인할 수 있었다. 

공급 관점에서 AI·빅데이터 분야 직무 역량 

앞에서 분석한 기업체 수요 관점의 요건들을 AI·빅데이터 직무 관련 인력 양성을 담당하는 대학에서 교육 프로그램에 충실히 반영하는지 분석해 봤다. 앞에서 도출한 3개 영역, 6가지 세부 역량에 대해서 국제적 유명 대학의 AI·빅데이터 커리큘럼을 비교 분석하였다. ‘US NEWS BUSINESS SCHOOL COMPASS’에서 선정한 AI·빅데이터 TOP 대학 중 상위 5개 학교를 선정해 관련 커리큘럼을 수집하고 비교 분석에 활용했다. 분석 결과, 비즈니스 역량에 중점은 둔 교육 과정과 기술 역량에 중점을 둔 교육 과정으로 양분되는 경향을 확인할 수 있으며, 프로젝트를 경험할 수 있는 캡스톤 혹은 산학협력 등의 교육 과정은 다소 부족한 측면이 있었다.

AI·빅데이터 분야 직무 역량별로 살펴보면 머신러닝과 관련된 교과목이 전체 커리큘럼 구성에서 상당한 비중을 차지하고 있는 것을 확인할 수 있다. 이는 전공 지식을 확립하는 차원에서 필수적인 요소라고 해석할 수 있다. 한편, 카네기멜론대학교(Carnegie Mellon University)와 애리조나대학교(University of Arizona)의 경우에는 다른 커리큘럼에 비해 비교적 비즈니스 문제해결을 위한 교과목이 상당한 비중으로 구성돼 있음을 확인할 수 있다. 반면, 텍사스오스틴대학교(University of Texas – Austin), 미네소타대학교(University of Minnesota), 그리고 조지아 주립대학교(Georgia State University)는 프로그래밍 역량과 머신러닝 등 기술 역량 함양에 더 중점을 두고 교육을 진행하고 있다. 국내 여러 대학교의 인공지능대학원도 이처럼 기술적 역량 개발에 초점이 맞추어져 있다고 판단된다. 

반면에 일부 커리큘럼에는 통계 역량 강화를 위한 교과목이 전혀 개설되지 않기도 했다. 모든 커리큘럼에서 프로젝트 경험을 지원하는 과목 개설에 소극적인 것도 확인할 수 있었다. 따라서, 현재 기술 중심 혹은 비즈니스 중심의 교육 과정으로 구성된 커리큘럼을 상보적으로 개선하고, 프로젝트 경험을 할 수 있는 다양한 교과목 개설을 심도 있게 고민해 볼 필요가 있다. 

AI·빅데이터 커리큘럼 방안 제안

AI·빅데이터 직무 역량의 불균형을 해결하고, 실무에서 필요로 하는 AI·빅데이터 역량 개발을 위한 교육 및 커리큘럼 마련 방안이 필요하다. 채용 담당자와 업계 실무 전문가 인터뷰 및 상위 5개 교육 과정의 사례를 분석하고, 이를 바탕으로 다음과 같이 6개 커리큘럼의 방안을 도출했다. 

첫 번째 역량인 프로젝트 역량을 향상시키기 위해 ‘Company-linked Internship’, ‘AI-X’ 그리고 ‘캡스톤 프로젝트’ 등의 과목 개설을 제안한다. 채용 담당자 인터뷰에서 특별히 강조한 인턴십과 산학 연계를 통한 실무 역량 증진 측면에서 필요한 과목으로 평가할 수 있다. 특히, IT 산업에 속한 채용 담당자는 IT 기업 인턴십이 필요하다고 역설한 점을 고려했다. 애리조나대학교(University of Arizona)의 컨설팅 회사와 연계한 인턴십 프로그램 운영 사례도 참조가 됐다.

두 번째 역량인 비즈니스 문제 해결 역량을 증진하기 위해 ‘AI Management’, ‘AI Business Model’, ‘Data Science 기법과 활용’ 그리고 ‘Optimization & Simulation’ 등의 교과목 운영을 제안한다. 이는 금융과 서비스 산업 소속 채용 담당자의 인터뷰 과정에서 특별히 강조되는 요소를 반영했다. 또한 미네소타대학교(University of Minnesota)에서 제조 특성화 AI 인재 양성을 위해 최적화 이론 교과목을 운영하는 사례가 참조됐다. 

세 번째 역량인 관리 역량을 개발하기 위해 ‘AI·빅데이터 분석과 전략’, ‘Managing Teams and Organizations’ 그리고 ‘Project Management’ 등의 교과목 개설을 고려할 수 있다. 팀 운영과 프로젝트 관리 역량은 대부분 산업에 속한 채용 담당자 인터뷰에서 확인할 수 있었다. 교과목은 카네기멜론대학교(Carnegie Mellon University)와 미네소타대학교(University of Minnesota)에서 해당 역량 함양을 목적으로 교육하고 있는 프로그램이 참조됐다.

네 번째 역량인 통계 역량을 향상시키기 위해 ‘Business Analytics’, ‘Mathematical Statistics’ 그리고 ‘Multivariate Analysis’ 등의 교과목 개설을 제안한다. 이는 실무에서 특히 필요한 회귀분석, 수리통계학, 다변량 분석 등의 전공 지식을 요구하는 채용 담당자의 인터뷰에서 확인됐다. 

다섯 번째 역량인 프로그래밍 역량을 증진하기 위해 ‘Python Programming’, ‘SQL, Hadoop and Spark’, ‘Database’ 과목 운영을 제안한다. 대부분의 산업에서 하둡과 스파크 등의 병렬 처리 프로세스에 대한 이해를 매우 강조하고 있으며, 그 외에도 컴퓨터 사이언스 기본 역량 함양을 목적으로 교육하는 교과목 사례를 참조했다. 

마지막 역량인 머신러닝 역량을 함양하기 위해 ‘Data Science’, ‘Machine Learning’, ‘Deep Learning’, ‘Text Mining’ 등의 과목 개설을 제안한다. 이는 IT, 금융, 서비스 산업에 속한 채용 담당자의 인터뷰에서 강조한 실무 역량을 참조했다.

기업체 – 대학 – 학생 구직자의 삼각관계  

학생 인재들의 직무 역량을 개발하기 위해서는 산업 현장에서 원하는 직무 요건을 교육 커리큘럼에 반영하는 것이 당연한 일이다. 연세대학교 정보대학원은 수년에 걸쳐 많은 기업체(KB금융그룹, IBK 기업은행, 교보생명, 롯데칠성, SGI 서울보증, 삼양그룹)와의 협력 및 기업 교육과정을 운영하며 전문 인재를 양성해 왔다. 이 과정에서 기업들의 요구를 명확히 반영해 기술 중심 역량-비즈니스 중심 역량-프로젝트 역량의 AI·빅데이터 커리큘럼을 개발·운영하고 있다. 구직자 또는 학생들의 입장에서도 산업 현장(기업)에서 원하는 역량을 먼저 이해하고 이에 맞춘 관련 과목의 선택 및 학습이 이뤄져야 할 것이다. 

+ 네이버 오디오클립으로 듣기