"인턴 일기 [02화]에서 이어집니다."

안녕하세요, 인턴 jo._.on_입니다. 어느덧 인턴 일기도 3화에 접어들었네요. 이번 주 월요일엔 AI Engineer분과 커피챗을, 수요일엔 처음으로 오프라인 전사 미팅에 참여했습니다. 제 진로가 데이터 분석과 AI 분야다 보니, 개발자님께 정말 많은 조언을 들을 수 있었어요. 진로를 결정하게 된 계기부터 AI 엔지니어가 갖춰야 할 소양, 프레임워크 활용 팁까지 다양한 이야기를 나눴습니다.

그리고 대망의 오프라인 미팅... 😳😳 대표님께서 요청하셨던 GraphRAG 관련 개념에 대해 사내 개발자분들 앞에서 첫 발표를 하게 되었어요. 그럼 이번 인턴 일기도 시작해볼게요!

1️⃣ AI 엔지니어 민우님과의 커피챗 ☕

이번 한 주는 퓨처워크랩 AI Engineer 민우님과의 커피챗으로 시작했습니다. 민우님은 "의미있는 변화를 쫓고 소통하는 AI 개발자"라는 슬로건으로 활동하시는 풋풋한 N년차 AI 엔지니어십니다. 정말 다양한 경험과 폭넓은 이력을 갖고 계신만큼, 엔지니어님을 소개해드리고 싶은 마음이 들더라구요.. 그래서 허락을 받아 아래 간단하게 소개해드리게 되었습니다. ("민우님과의 커피챗이 필요하신 분들을 위해 프로필 링크를 첨부했습니다. 편하게 연락주세요!")

이민우 - '의미있는 변화를 쫓고 소통하는 AI Engineer'

"저는 AI, communication역량을 활용해 지속적으로 새로운 가치를 창출하는 것과 글을 읽는 것을 좋아하며, 어떻게 하면 더 효과적으로 할 수 있을지 고민합니다."

• SKT DEVOCEAN OpenLab: "'AI 여행 계획 생성 및 관리 서비스 개발"

• kakao X groom 1박 2일 벚꽃톤: "웹페이지 기획 및 'AI 기능' 개발"

• SKT FLY AI CHELLENGER 4기: "Multi-agent 기반 양방향 실버 케어 플랫폼 기획 및 개발"

• DEVOCEAN YOUNG 2기: "AI 만다라트 계획표 생성 및 관리 앱 '꿈틀' 기획 및 개발, 우수활동자 선정"

• ..

개인적으로 가장 인상 깊었던 건 쌓고 계신 AI 스택이나 프로젝트보다도 솔루션을 제공하기 위한 구체적인 로드맵 구상 역량, 문제 상황과 해결을 위해 정말 엄청난 호기심과 탐구 능력을 갖고 계시다는 점이었어요.

전까지 커피챗을 많이 해본 건 아니었지만, 정말 친절하고 자세하게, 또 본인의 경험에 빗대어 인상 깊은 조언을 많이 해주신 덕에 기억에 남았어요. 특히 AI 엔지니어로서 갖춰야 할 중요한 소양, 관심 있는 분야에 대해 호기심을 갖고 열심히 임하시는 모습에서 열정을 엿볼 수 있었답니다. 💪💪

그래서 장차 AI 엔지니어로서 미래를 꿈꾸고 있는 대학생들, 혹은 꼭 AI가 아니더라도 IT 계열에 관심이 많은 사람들을 위해 참고할 수 있게 커피챗 대화 내용을 더듬어가며 한 번 정리해봤어요.

Q : "다양한 AI 프로젝트를 하면서 가장 도움이 되었던 프레임워크나 기술 스택은 무엇이었을까요? 예를 들어 langchain 프레임워크, 파인튜닝, AI 모델링, 네트워크, 데이터 수집 등이 있을 것 같은데요."

A : "음.. 단순히 기술의 이름, 혹은 프레임워크보다는 '어떤 현상에서 문제가 있는지 파악'하는 게 우선인 것 같습니다. 문제 상황이라 한다면, 서비스 측면에서 사용자가 필요로 하는 특정 기능이 될 수도 있지만, 우리 일상과 주변의 어떤 사회적인 현상도 문제가 될 수 있죠. 전 사람들이 그냥 지나칠 수 있는 것들도 한 번 더 보고, 호기심을 갖는 성격이라서요. 하나의 현상을 볼 때도 '왜?', '어떻게?'라는 질문을 계속해서 던집니다. 결국 주변의 문제가 무엇인지 인지하고 어떤 게 부족한지 알아야 이를 해결할 수도 있는 것이니까요. ^^...

이외에도 모르는 것이 있으면 찾아볼 수 있는 검색 스킬, 시중에 나와있는 GPT라던지, AI를 잘 활용할 수 있는 프롬프트 엔지니어링(ex. 내용을 스스로 요약) 할 수 있는 능력이 필요합니다. 이는 비단 내가 갖고 있는 의문, 혹은 질문에 대한 답변을 기대할 수 있을 뿐만 아니라, 해당 AI, LLM 기술은 어떤 한계가 있는지 등(ex. hallucination 같은 문제)도 직간접적으로 알 수 있죠!

그리고 이렇게 스스로 문제 탐색, 해결의 경험을 하다 보면 자연스럽게 AI 기술자에게 요구되는 파인튜닝, 모델링, 데이터 전처리와 같은 역량을 쌓을 수 있는 기회가 생깁니다. 그렇기 때문에 데이터 수집이라던지, 전처리와 같이 AI 관련 프로젝트의 기본을 계속해서 경험하고 문제를 해결할 수 있는 역량을 사전에 쌓아두는 것이 필요해요.

추가로, 영어는 그 존재감을 점점 더 체감하는 중입니다. 영어로 된 유튜브라던지, 해외 논문 등이 기본적으로 한국어보다 2~3달 정도 앞서 있기 때문에 영어를 하지 못하면 조금씩 뒤쳐질 수 있어요. 전 그래서 지금도 계속해서 꾸준히 영어를 공부 중이랍니다. ^^

마지막으로 ai의 현 메타와 트렌드를 읽어내는 능력도 굉장히 중요합니다. 앞서도 말했지만 prompt engineering이 비단 AI 시스템 개발에서 요구되는 것만이 아니고, 실제 타 AI 서비스와의 대화에서도 잘 질문할 수 있는 영역을 말하기도 해요. 이 과정에서 내가 관심 있는 모델이 어떤 한계가 있고, 어떻게 이를 극복할 수 있는지도 고민할 수 있게 되죠. 문제 해결 능력과 기획 역량도 굉장히 많이 요구될 것입니다."

핵심 요약 📝

✅ 문제 제기를 할 수 있는 호기심
✅ 모르는 것을 직접 찾을 수 있는 검색 스킬
✅ Prompt Engineering 역량 (커서, AI 요약 등)
✅ 해외 논문, 유튜브, 연구를 이해하고 활용할 수 있는 영어 역량
✅ 문제를 해결할 수 있는 기획 역량

Q : "프로젝트 이력을 보면 기획에도 많이 기여하셨더라고요. 민우님만의 특별한 기획 과정이나 작업 흐름이 있으신가요?"

A : "제가 개인적으로 기획에도 굉장히 관심이 많습니다. 그렇다보니 거의 모든 프로젝트에서 기획에 참여했죠. 개인적으로 솔루션, 혹은 서비스를 만들기 위해서 팀원들과 대화 이전에 아이디어 노트 같은 곳에 필요한 기능들, 메모를 적으면서 저만의 아이디에이션(Ideation) 과정을 거칩니다. 이렇게 한 번 적어두면 팀원들과 대화를 할 때도 어떤 부분에 포커스를 맞출지, 브레인스토밍하면서 비교적 수월하고 구체적으로 솔루션을 구상할 수 있죠. 특히 AI라는 서비스 특성 상 사용자에게 어떤 가치 (ex. 질문에 대한 답변, 추천 기능 등)를 제공해야 하기 때문에 기획에 관심이 더 가고, 또 기여할 수 있었던 것 같아요.
그리고 여러 프로젝트를 경험한 결과, '본질을 잃지 않는 게' 제일 중요했던 것 같습니다. 우리 서비스, 혹은 솔루션의 핵심이 무엇인지 잊지 말아야 하죠. 보통 서비스 기획이라 하면 기능 명세서 작성, 운영 관리, 와이어 프레임 등을 생각하면서 여러 기능들을 나열하고 하나하나 완성해가는 쪽으로 생각을 많이 하죠. 물론 서비스의 세부적인 기획 과정도 굉장히 중요한 건 맞습니다. 하지만, 궁극적으로 우리가 사용자에게 제공하고자 하는 솔루션, 문제 상황에 대한 해결책이 무엇이지? 라는 걸 잊으면 중간에 길을 잃고 헤매기 쉽상입니다. 결국 제 기획의 과정과 플로우는 우선순위를 통해 하나하나 해결해보는, 나아가 문제 상황에 대한 궁극적인 솔루션을 제시하는 형태가 되겠네요 ^^"

핵심 요약 📋

✅ 아이디어 노트를 활용한 아이디에이션(ideation, 메모)
✅ 팀원들과의 적극적인 소통과 브레인스토밍
✅ 서비스 혹은 솔루션의 본질, 핵심을 놓치지 않는 것
✅ '핵심 아이디어 생각(호기심, 관찰력)' → '이거를 하면 뭐가 좋을까? 문제가 해결될까?' → '파이프라인에 대한 구상' → '본질만 취하고 나머지는 덜어내기'

Q : "현업에서 인공지능 개발자, AI Engineer라 하면 모든 AI 분야에 대한 이해와 지식을 요구하나요? 다양하게 경험하는 게 좋을까요, 아니면 관심 있는 분야를 더 깊게 파는 것이 좋을까요?"

A : "음, 이 부분은 정답이 사실 없다고 생각이 드는데요. 개인적으로 하나를 정하는 건 필요합니다. 자신만의 주특기가 하나씩 있어야 하죠. 하지만 그렇다고 다른 분야를 아예 관심도 갖지 않고 쳐다보지 않아도 되는 건 아닙니다. 하나의 지식만 갖고서 AI 개발자로 성장하는 건 바람직하진 않아요. LLM, NLP와 같은 인공지능의 특정 분야도 결국 CV라던지, 다른 도메인과의 연관성이 있기 마련입니다. 특히 LLM이 그런 측면이 강한 듯 한데요. 자연스럽게 이미지 처리와 같이 LLM 내에서도 비전 처리에 대한 프로세스가 추가되는 경우가 있습니다.
저도 LLM에 관심이 많지만 컴퓨터 비전에 관련된 프로젝트 경험도 몇 번 있는데요. jo._.on 님께서도 기회가 있다면 멀티모달 형태로 NLP와 CV 병행하는 측면으로 프로젝트를 진행해보시는 것도 좋을 듯합니다 ^^ 그래도 특정 분야의 전문가가 되고 싶다면 해당 분야에 대해 논문과 기술들을 더 깊이 파보고 공부하면서 자신만의 무기를 확보하시길 바랍니다!! "

핵심 요약 🎯

✅ 나만의 AI 역량을 쌓을 수 있는 주특기, 무기를 갖자!
✅ 특정 분야를 좋아한다고 해서 다른 도메인을 소홀히 공부하진 말자.
✅ 멀티모달과 같은 형태로 내 관심 영역과 다른 도메인을 병행하려는 노력을 더해보자.

이외에도 여러 질문을 드렸지만, 커리어에 관한 개인적인 질문도 있고 해서 제외했어요. (^^;;) 이번 커피챗을 통해 크게는 호기심을 갖고 주변을 둘러보며, 일상의 문제를 해결하고자 하는 민우님의 탐구 정신과 삶의 태도에 감명을 받았고, 작게는 주변 몇 안 되는 AI 개발자로서 스스로 어려운 길을 잘 닦고 묵묵하게 잘 걷고 계시고 있다는 느낌을 받았답니다.

"저도 민우님과 같이 꾸준히 성장하고 사소한 것에도 질문을 던질 줄 아는 사람이 되고 싶습니다!!" ✨✨

2️⃣ 전사 미팅 (Off-Line) 🏢

대망의 전사미팅..!! 처음으로 사내 개발자 분들과 대면으로 만나게 되었습니다. 타 프로젝트를 병행하시는 분들이라 평소 온라인 미팅에서도 잘 뵙지 못했는데, 낯선 환경에도 잘 적응할 수 있게 친절하고 편하게 대해주셨어요. ("오전부터 수강신청 이슈로 오후 늦게 참여했지만.. 너그럽게 사정을 이해해주셨답니다. 감사합니다!! 😊😊")

항상 비슷한 또래의 팀원들과 프로젝트를 진행하다가 연륜과 경험이 많으신 직장인 분들과 함께하다 보니 다소 긴장되고 몸이 뻣뻣해지는 기분을 느꼈는데, 모든 분들이 관심을 갖고 친절하게 대해주셔서 금방 적응할 수 있었답니다. 미팅 당일에 GraphRAG의 개념에 대해 설명드릴 수 있는 기회를 얻게 되면서, 이전 글 (스타트업 인턴 일기 2화)을 쓰면서 정리했던 글들과 여러 Graph 관련 논문들을 참고하면서 발표 준비를 했어요.

사실, 준비한 과정에 비해 내용이 중간중간 부실한 부분도 많고, 전달력이 부족했던 점이 개인적으로 아쉬웠습니다... ("다시 준비한다면 좀 더 내용을 알차고 누구라도 더 쉽고 재밌게 이해할 수 있도록 만반의 준비를 해야겠죠?...") 그래도 어떤 내용을 발표했는지 여러분께도 한번 공유해드리려고 해요.

그리고 대망의 발표!!

발표는 최근 이슈가 되었던 deep-seek에 대한 이야기로 시작했어요. 직원 분들과 점심을 먹고 잠시 가졌던 커피 타임에도 역시 딥시크에 대한 이슈가 주요 화두였는데, 구체적인 전말이나 이슈, 현안 등을 발표를 통해 짧게나마 전달드릴 수 있어서 개인적으론 만족스러웠습니다 후후..

• Intro 파트의 Deep-Seek 모델과 GPT-4 모델의 차이 언급

  

• Deep-Seek의 연구 결과에 대해 해외 경제지가 맹점을 날카롭게 파고들어 논평을 작성했습니다.

  

  
  

이후엔 현재 신규 서비스로 기획 중인 LinkBrain에서 다루게 될 주요 개념인 RAG, 그 중에서도 GraphRAG의 개념적 측면에 대해 설명을 이어나갔습니다. RAG가 등장하게 된 주요 배경부터 실제 LLM 환경에 도입되었을 때 개선점, 그리고 GraphDB를 통한 기존 VectorDB의 한계 극복, 이를 이해하기 위한 KG(Knowledge Graph)의 개념 등을 주요 내용 삼아 발표를 진행했죠.

• Vector DB의 한계 -> Graph DB를 추가 고려해야 하는 이유이자 당위성을 언급했습니다.

  

• GraphRAG를 활용하기 위한 필수 지식, KG(Knowledge Graph. 지식 그래프)에 대한 개념도 언급했습니다.

  

마지막 핵심 주제로는 Microsoft의 GraphRAG 연구를 통해 기존의 NaiveRAG와 어떤 차이를 갖고 있으며, 이를 LinkBrain에 도입하게 될 주요 아이템으로서 다른 개발자 분들께 해당 개념을 이해시켜 드리고자 발표를 이어나갔어요.

• 기존의 NaiveRAG vs GraphRAG 의 주요 차이점을 정리한 표입니다.

  

• 금일 발표의 결론입니다.

  

앞서도 말씀드렸다시피, 100% 만족한 발표는 아니었습니다..😔😔 다시 보니 다소 헷갈릴 수 있는 개념을 애매하게 설명하고 넘어갔다던지, 질문주셨을 때 확답드리지 못한 부분이 있어 개인적으로 아쉬움이 많이 남았답니다. 하지만 처음 진행해보는 발표임에도 귀 기울여 경청해주시고, 핵심 내용과 관련해 날카로운 질문을 해주신 개발자 분들 덕분에 스스로 더 보완할 점과 개선점을 찾을 수 있었어요. ("다음엔 더 철두철미하게, 알차게 준비해가야지...!!")

"인턴 일기는 다음화에서 계속됩니다!!"