2020년 AI 인재 현황 (동향)

changsubchang·2020년 10월 31일
13

Element AI 에서는 매년 AI 인력과 관련하여 분석을 내놓습니다. 올해도 어김없이 이전대비 어떻게 바뀌었는지에 대해 살펴봤는데, 올해는 특히 McKinsey Global InstituteQuantumblack 등 외부 업체와 함께 진행했다는 점이 좀 다른 점이라고 볼 수 있습니다. 아무래도 Element AI 에 메이저 투자자로 맥킨지가 들어왔기 때문이겠죠. 결과론적으론 확실히 작년 리포트보다 더 내용적으로는 깊어진 것 같습니다. 곧 한글완역본이 출시될 예정이지만, 영어 원본을 기준으로 요약 및 저의 생각을 공유하고자 합니다.

우선 원본은 여기서 찾아볼 수 있습니다. 그리고 저처럼 끝까지 잘 안읽을지 어떻게 알았는지... Highlights 만을 모아놓은 글도 따로 만들었네요.

특히 이번 리포트에서는, AI 인력 풀의 범위를 단순하게 AI 연구자로 지칭하는 것이 아니라 보다 세분화 하여 살펴보았습니다:

  • Research (연구자) - 새로운 기술과 지식을 습득하고, 만들어 낼 수 있는 박사급 인재
  • AI / ML Enginnering (기술자) - 위의 Research 와 실제 응용분야의 가교 역할을 수행할 수 있는 석/박사급 인재. 위의 연구자보다는 보다 실제 현장의 데이터를 기반으로 응용 여부를 검증하는 연구 / 과업을 수행한다는 점에서 차별화됨
  • Data Enginnering / Architcture (데이터 설계 엔지니어) - AI가 필요로 하는 큰 규모의 데이터를 저장하고, 연산할 수 있는 아키텍처를 만들고 데이터 전처리 방법론을 규명하며, 데이터가 수집단계에서 부터 위의 AI 기술자 까지 넘어갈 수 있는 일련의 과정을 총괄하는 인재. 일반적으로 DBMS(데이터베이스 관리 시스템)에 대한 이해도를 필요로 함
  • AI / ML Productization (AI 개발자, 데이터 분석가) - 실제 AI 제품을 '상업화' 하는 과정에서 데이터의 구조를 파악하고, 기존의 소프트웨어와 결합하여 구동될 수 있도록 하나의 패키지를 만드는 인재. 기존 소프트웨어에 대한 높은 이해도를 필요로 함
  • Supporting Staff (컨설턴트, 솔루션 디자이너 등) - AI에 대한 이해도를 바탕으로 기존 업무 수행의 변화를 꾀해야 하는 인재.


특히 위와 같은 그림처럼, AI로 모델을 형성하고 이를 바탕으로 제품화를 거쳐 실제 현장까지 사용되고 모니터되는 일련의 과정을 감안하여 인력을 구분하였다는 점이 고무적입니다. 이제는 AI의 근원적인 연구뿐 아니라, 효과적으로 AI 모델이 기존 비즈니스에 임팩트를 미칠 수 있는 수준까지 완성도 높은 형태를 띄어야 하기 때문에 (기존의 개념증명 - PoC / PoV 단계를 넘어서) 밸류체인에 따라 필요로 하는 역할과 기능을 규명하는 것은 필수적인 단계입니다.

다만, AI Business Professional 에 대한 고민이 상대적으로 적은 점은 아쉽습니다. 실제 현장에서 고객의 이야기를 들으며 Pain Point - 풀고자 하는 문제의 근원을 파악하고, 완전하지는 않더라도 AI Productization 에 대한 경제성 평가를 수행하는 과정에서 문제가 더 정교화되고 어떠한 방식으로 문제를 접근해야 할지 규명할 수 있기 때문입니다.

경영학 시간에서 귀에 못이 박히도록 들어서 진부할 수도 있지만, 문제를 제대로 규명한다는 것은 AI를 통해 해결하거나 가치를 높이고 싶은 이슈가 무엇인지, 이와 관련된 Stakeholder들이 누구인지, 이들의 의도가 무엇인지를 파악하는 것을 의미합니다. 한정된 AI 인재의 리소스를 최적화할 수 있으며, 되는 문제와 되지 않는 문제를 초기에 규명하여, 어차피 안되는 문제 (물론 대부분의 문제는 될지 안될지 초반에는 잘 모릅니다. 하지만, 명확하게 안되는 문제를 될 것이라고 착각하고 AI Productization을 시도하는 경우도 적지 않습니다) 를 붙잡고 조직 전체가 피로감에 빠지는 것을 방지할 수 있습니다. 그렇기 때문에 AI에 대해 높은 이해도를 가진, 비즈니스 프로페셔널이 위의 일련의 과정 전반을 최적화해줄 존재라고 생각합니다.

전체 데이터를 수집한 방법은 LinkedIn 등에 올라온 AI 관련 인재 채용 게시글, Arxiv에 게시된 논문 저자의 수 및 국적, 해당 연구가 진행된 기업의 본사소재지 (이를 기반으로 국가별 연구 역량 비교) 입니다. 그렇기 때문에, 중복된 채용공고가 카운트 되었을 수 있고, 예를 들어 몬트리올에 있는 삼성연구소의 연구 결과가 한국의 연구성과로 카운트 되는 등의 상황이 있을 수 있으니 감안하여 보아야 합니다. 아울러, 영어권 국가가 아닌 경우 자국 논문수, 자국어로 자국포털에 게재된 채용공고가 고려되지 않았을 수 있습니다. 이에 절대적인 숫자보다는** 작년대비 변화량**을 기반으로 살펴본다면, 우리나라의 변화 양상을 볼 수 있으니 참고하시면 좋을 듯 합니다.

본론으로 들어가 오늘은 3가지 측면에 대해 살펴보고자 합니다.

1. (수요 측면) 코로나로 인해 전반적인 AI 인재 채용세는 둔화되었지만, 한국의 경우 AI 연구자를 제외한 인재 채용에 열을 보였음

2. (공급 측면) AI 상품화 밸류체인에서 하단에 있는 AI/Data Productization, Enginnering 인력이 많으며, 미국이 전체 인재 공급을 주도하나 기초 연구 이외에서는 인도가 괄목할만한 비중을 차지함. 특히 한국은 리서처 수가 작년대비 133% 증가하여 압도적인 인재 공급에 성공함

3. 한국은 가까스로 갈라파고스를 면했지만, AI 인재의 유출이 조금 더 많은 국가

이제 시작합니다.


1. 코로나로 인해 전반적인 AI 인재 채용세는 둔화되었지만, 한국의 경우 AI 연구자를 제외한 인재 채용에 열을 보였음

코로나19의 영향으로 전반적인 인재채용이 둔화되었습니다. 특히 2019년 동기 대비 (1월 - 8월) 2020년에는 각 직군별로 얼추 ~25% 정도 인력채용이 감소했는데, 직군별로는 데이터 분석가 30%, 데이터 사이언티스트 27%, ML 엔지니어 20%, AI 연구자 21% 정도 줄었습니다.

단, 흥미로운 점은 위의 전세계적인 채용 둔화와 상반되게 한국 (싱가포르와 함께) 은 AI 연구자를 제외하고 인력을 더 추가하고자 하였다는 점입니다. 이를 통해 우리나라가 AI 측면에서도 근원적인 연구보다는 이의 응용에 더 집중하고 있음을 간접적으로나마 살펴볼 수 있습니다. 이에 대한 개인적인 판단은, 우리나라의 AI 리서치가 기업보다는 정부 및 대학 등 보다 공적인 연구기관에서 주로 수행된다는 데 있습니다. 최근 NeurIPS 2020 에 억셉된 논문의 수만 살펴보더라도, Element AI 처럼 근원적인 연구를 수행하는 사기업은 10개의 논문이 억셉되었는데, 우리나라의 클로버/네이버 는 3개, 카카오 3개 (모든 계열사 포함)이 억셉되었습니다. 하지만 카이스트의 경우 20개의 논문이 억셉되었습니다. 즉, 우리나라의 근원적인 연구가 기업보다는 학교 등에서 수행되기 때문에, 관련된 모집공고가 자연스럽게 올라오지 않았을 수 있다는 점을 고려해야 합니다. 또 다른 흥미로운 점은 Element AI의 아시아 오피스가 이렇게 인력을 지속적으로 수급하여 에코시스템을 성장시키고 있는 2개의 국가에 진출해 있다는 점입니다.

중국의 경우는 AI 연구자를 작년대비 많이 채용했는데, 이는 미국의 비자 및 코로나 상황으로 인해 많은 중국국적의 연구자들이 본국으로 돌아오는 상황에서 기인한 것으로 유추할 수 있으며, AI의 후발주자인 러시아, 폴란드 등은 데이터 분석가 (Data Analyst)를 작년보다 월등하게 많이 채용하고자 함을 살펴볼 수 있습니다.

아울러, 인재채용의 대부분이 데이터 분석가에 편중되어있으며 (60% 이상), 차례로 데이터 사이언티스트, ML 엔지니어, 연구자 순임을 살펴볼 수 있습니다. 이를 통해, 어떻게 보면 너무나도 자연스럽게도, 기업에서 요구하는 인재는 이론을 만들어 내는 소수의 AI 연구자가 아니라, 실제 현업의 데이터를 이해하고, 여기에 최신 AI 기술을 접목시킬 수 있는 사람이라는 점을 확인할 수 있습니다.

2. AI 상품화 밸류체인에서 하단에 있는 AI/Data Productization, Enginnering 인력이 많으며, 미국이 전체 인재 공급을 주도하나 기초 연구 이외에서는 인도가 괄목할만한 비중을 차지함. 특히 한국은 리서처 수가 작년대비 133% 증가하여 압도적인 인재 공급에 성공함

이 부분은, 사람들이 자신을 '어떠한 인재로 규명하는가?' 와 관련된 영역입니다. LinkedIn 등의 플랫폼을 기반으로 총 AI와 관련된 인재가 전세계에 48만명 정도 있음을 파악하였고 (중국 텐센트에서는 30만명으로 추산), 각 인재의 스킬셋을 기반으로 추산한 결과 대부분의 인력이 AI/Data Productization, AI/ML Engineering과 관련 있음을 볼 수 잇습니다. 위에서도 확인했듯이, 어찌보면 당연한 귀결입니다. 기업에서 원하는 인재가 AI 모델을 Product로 만들 수 있는 인재를 필요로 하며, 기존 레거시 소프트웨어에 대한 이해도가 있는 인재들이 AI 업계로 넘어올 수 있는 쉬운 방법이기 때문입니다.

특히 아래 표에서 한국이 짙은 보라색으로 나타난 것을 확인할 수 있는데, 표에서의 컬러코딩은 짙을수록 전년대비 많이 증가했음을 보여줍니다. 한국은 작년대비 133% 가량 많은 AI 연구자들을 확보하였는데요. 다른 나라들대비 엄청나게 많은 숫자라는 것을 표를 통해서 확인할 수 있습니다. 정책적으로 수행한 AI대학원 사업 등을 통해 AI, 데이터사이언스 등을 공부하는 석/박사급 인재가 많아졌기 때문이 아닐까 생각합니다.

모든 표를 여기에 다 보일수는 없지만, 이외의 표에서 인도가 두드러지게 나타남을 확인할 수 있습니다. 즉, 데이터 아키텍쳐, 엔지니어링 측면 등 기초연구가 아닌 측면에서는 IT강국 인도가 AI업계에서도 두각을 나타내고 있는 것입니다. 실례로, Element AI에도 많은 인도 / 인도계 직원들을 쉽게 찾아볼 수 있습니다.

3. 한국은 가까스로 갈라파고스를 면했지만, AI 인재의 유출이 조금 더 많은 국가


Element AI 의 전매특허와 같은 분석인데, 인재의 유입과 유출을 기반으로 국가들이 어떠한 상황에 처해있는지를 보여줍니다. 총 4개의 사분면으로 나눠질 수 있는데 각 사분면은 순서대로 아래와 같이 나누어 집니다:

  • **Platform Countries **- 인력의 유입과 유출이 활발한 경우
  • Producer Countries - 인력이 외부로 유출되지만 유입은 제한적인 경우
  • **Anchored Countries **- 인력의 유출도, 유입도 제한적인 경우 (마치 갈라파고스와 같은)
  • **Inviting Countries **- 인력의 유입이 유출보다 활발한 경우

각 사분면 (클러스터)에 어떠한 국가가 있는지를 살펴보면, 우리가 일반적으로 갖고 있는 AI 시장의 크기, 영어권 국가여부 등이 중요한 Attribute로 기능하는 것은 아닌지 추정할 수 있습니다.

특히, 한국은 Producter 와 Anchored의 중앙에 위치하고 있음을 확인할 수 있는데, 작년에는 일본과 함께 Anchored 국가로 판별된 것에 비하면, 인력이 해외로 유출되면서 보다 '글로벌화' 되었음을 확인할 수 있습니다. 즉, 한국에서 공부한 인재가 해외 기업에서 근무하는 경우가 많아졌다는 점에서는 고무적이지만 해외 인재가 한국으로 들어오는 경우는 비례하여 늘지 않았다는 점에서 (그랬다면 Platform 쪽으로 더 이동했을 것이다.) 반쪽의 글로벌화라고 평가할 수 있겠습니다.

참고차 작년 리포트 차트를 공유합니다. (다만 아쉽게도 축이 올해의 축과 상이하여 보는데 어려움이 있습니다. 원본은 여기서 확인할 수 있습니다.)


실제 본문에서는 아래와 같은 사항들도 다루고 있습니다.

  • AI학계에서 성비 불균형이, 국가별로 어떻게 변화하고 있는지
  • 연구 측면에서 초국가적 협력이 어떠한 양상으로 발생하고 있는지

아울러, 인터랙티브한 태블로 차트를 이용하여 국가, 시점에 따른 변화를 보다 직관적으로 확인할 수 있으니 더 구체적인 사항은 본문을 확인하시기 바랍니다. 예상했던 것보다 저의 코멘트가 많이 담긴 요약이 되었는데요. 도움이 되었으면 좋겠습니다. 감사합니다!
(국문 번역본이 발간되면 알려드리도록 하겠습니다.)

profile
데린이임니다

1개의 댓글

comment-user-thumbnail
2020년 11월 9일

오호 좋은 글 잘 읽었습니다 :p

답글 달기