가장 빠르게 자라는 직무군
2025~2026 사이 빅테크 4사(Anthropic·OpenAI·Google·Meta)의 AI 안전·평가 팀 채용이 가장 빠르게 자랐다. 이유는 단순: 모델 자체보다 모델이 안전하게 운영되는지 검증·평가하는 직무가 산업 단위로 새로 생겼다.
직무 분포
| 세부 직무 | 핵심 |
|---|---|
| 평가 (Evaluation) Engineer | 벤치마크 설계·실행 |
| Red Team | 공격적 프롬프트로 모델 취약점 발견 |
| Alignment Researcher | RLHF·Constitutional AI |
| AI Policy | 규제·법무 인터페이스 |
| Safety Operations | 운영 중 모델 모니터링 |
비전공자가 들어가는 길
CS 학위 없어도 진입 가능. 핵심 자질:
- 분석적 글쓰기 — 평가 보고서가 직무의 50%
- 편집·논리 — 빈약한 가설을 강한 가설로
- 비판적 사고 — \"이 모델이 어디서 무너지는가\"
- 도메인 지식 — 법·의료·교육 등 한 영역 깊이
12주 트랙
| 주차 | 학습 | 산출물 |
|---|---|---|
| 1~2 | LLM 기본 + Anthropic·OpenAI 공개 안전 문서 정독 | 요약 노트 |
| 3~4 | 평가 프레임워크 (HELM·BIG-Bench·MMLU) | 1개 평가 재현 |
| 5~6 | Red Team 기법 (jailbreak·prompt injection) | 자체 벤치 10개 |
| 7~8 | RLHF 개념 + Constitutional AI | 블로그 1편 |
| 9~10 | 자기 도메인 (예: 법·의료) 평가 셋 작성 | 데이터셋 100개 |
| 11~12 | 보고서 + 지원 | 평가 리포트 1개 + 지원 30개 |
산출물 = 면접 자산
Phase 산출물이 면접에서 50% 답변이 된다. \"내가 이 평가셋을 만들면서 모델이 X 영역에서 약한 것을 발견했고, Y 방식으로 개선 가능성을 보였다\" — 이것이 채용 담당자가 듣고 싶은 답변.
한국에서 진입
| 경로 | 평균 연봉 (USD 환산) |
|---|---|
| 한국 거주 + 미국 본사 원격 (EOR) | $120~180K |
| 한국 빅테크 (네이버·카카오·삼성) AI 안전팀 | ₩7,000~12,000만 |
| 한국 AI 스타트업 안전 직무 | ₩6,000~9,000만 |
| 글로벌 비영리 (Anthropic Fellowship 등) | $80~120K + 연구 |
분석 요약
AI 안전 직무는 \"기술 직무\"로 보이지만 본질은 위험을 분류·문서화·소통하는 직무다. 컴퓨터 전공보다 법·의료·정책·언론학 출신이 점점 많이 들어간다 — 도메인 깊이가 빛난다. 이것이 비전공자에게 열린 문이다.
흔한 실수
- LLM 코드만 학습 → 도메인 0
- 도메인만 학습 → 평가 프레임워크 0
- 자기 평가셋 0개 → 면접 답변 약함
3가지를 동시에 갖춰야 함.
다음 단계
- /learn/backend-90day-bootcamp — 코딩 베이스
- /match/ats-friendly-resume — 평가 산출물 정량화
- /coach — 영문 면접 사전 훈련
AI 안전 분야의 진짜 진입 장벽
이 분야의 진입 장벽은 기술 이 아니라 판단 이다. 모델이 위험한가 라는 질문에 답하려면, 위험의 임계값 을 정의할 줄 알아야 한다. 의료 분야의 치명적 오진 임계값과 법률 분야의 조언 vs 자문 임계값은 다르다. 도메인 지식이 없으면 이 임계값을 정의할 수 없다. 그래서 빅테크 AI 안전팀은 컴퓨터 전공자가 도메인을 배우는 길보다 도메인 전문가가 평가 기법을 배우는 길에서 더 많이 채용한다.
90일 트랙 후 시장에서 살아남는 패턴
12주 트랙 완료 후 첫 직장을 잡고 2년 이상 머무는 사람의 공통 패턴은 다음 셋이다.
- *자기 도메인 평가셋을 외부 공개 — 내부 자료가 아니라 GitHub 리포 또는 블로그 시리즈로 공개. 다음 회사 면접에서 직접 자료가 됨.
- 분기마다 위험 시나리오 1개 정리 — 본인 도메인에서 모델이 만들 수 있는 새로운 위험 케이스를 분기 단위로 문서화. 회사 안에서 위험 분류 표준 의 1차 작성자가 되는 길.
- AI 정책·규제 변화 추적 — EU AI Act, 미국 AI 안전 행정명령, 한국 AI 기본법 같은 정책 변화를 6개월 단위로 본인 평가셋에 반영. 정책과 기술 양쪽을 잇는 사람이 시니어 트랙 으로 옮겨간다.
적용 가이드 — 본 90일 트랙을 본인 출발점에 맞춰 조정
본 트랙은 주당 10시간 가용한 학습자 기준이다. 본인 상황에 맞춰 조정할 점검 항목.
- 본인 도메인 깊이 자가 평가 — 2년 이상 실무 경험 이 있는 분야가 있는가. 있으면 그 분야가 진입 도메인.
- 학습 시간 예산 — 주 5시간 미만이면 12주 → 24주로 늘리고 단계별 산출물 목표를 절반으로.
- 출력물 우선 — 강의 시청보다 공개 가능한 평가셋 1개 가 면접 답변의 50%.
- 포트폴리오 설계 — GitHub 리포 + Notion 정리 + 블로그 1편이 표준 3종 세트.
- 첫 지원 시기 — 90일 후 Anthropic Fellowship · OpenAI Residency · 한국 AI 안전팀 동시 지원. 한 곳만 보지 말 것.
외부 참고 출처
학습·재교육·스킬 트랙에 관한 1차 자료를 다음과 같이 권한다.
- Stack Overflow, Developer Survey (연례) — 개발자 도구 사용·학습 패턴.
- GitHub, Octoverse (연례) — 글로벌 개발자 활동·언어 트렌드.
- McKinsey Global Institute, Future of Work / Generative AI 시리즈.
- World Economic Forum, Future of Jobs Report* — 직업·스킬 변화 추정.
- 한국 고용정보원·직업능력개발원 — 한국 시장 직업 훈련 효과.
