외국계 회사
인재 채용 방식, 포지션 등 전체시스템 이해 필요
https://www.usemotion.com/blog/matrix-organizational-structure
- 글로벌 다국적 기업의 경우 어느 정도 matrix적 요소는 필수적
- 사업구조/기능구조의 강/약 차이 있음
- matrix를 채택한 기업 내에서도 matrix가 적용되지 않는 조직 존재 가능(특히 영업조직)
한국에 있는 외국계 IT vendor사 구조
- 대부분 핵심 조직은 '영업'
- Sales Engineer, Technical Support, Professional Services
- 영업 사무소를 설립하여 확장
- 총판/파트너와 협력하여 개소
- 법인 없이 운영
기술영업(PreSales) → 구축팀Professional Services → Technical Support
취업전략
https://wikidocs.net/book/1140
- 네트워킹 플랫폼
- 직장인 - 기업 연결 소통
- 프로필 설정: 프로필 사진, 직책, 소속 기업 기재
- 네트워킹
- 콘텐츠 공유: 업계 뉴스, 개인적 인사이트, 전문적 경험으로 개인 브랜딩
- 비즈니스 페이지: 브랜드 및 제품 홍보, 채용 기회 알림
- 커뮤니티 참여
피플앤잡
https://www.peoplenjob.com/
한국내 외국계 기업 취업 사이트
이력서 작성 요령
영문 양식에 맞춰 새롭게 작성하는 것을 추천
- 한거 볼드체
- 본인이 했던거 이탤릭체(역할)
- 당연하지만 동사 시제 맞추기
인터뷰를 진행하게 되는 경로
- 글로벌 회사 온라인 사이트를 통해서
- 리크루터
- 헤드헌터
- 내부 추천
주의: LinkedIn Scam
취업 등을 미끼로 접근
외국계 기업 분류
- vendor에 들어가서 transfer 하는 경우도 존재(현재는 이런 경우 감소)
- 영업대표를 Account Manager라고 하며, TAM은 앞에 Technology가 붙은것
- Platform의 예시에 Commerce의 예시는 전부 한국자체로 기업이 있어 틀린 예시임을 참고
- Global Startup은 고용안정성이 낮다
- Vendor & CSP 가 가장 Opportunity ↑
dev-korea
장점
- 영어 가능자를 위한 필터링
- 숨겨진 알짜배기 공고
- 명확한 태그(visa sponsorship, remote 와 같은)
한계
- 공고수가 적음
- 진짜 외국계만 있지는 않음
미국 비자
현재 미국에서 외국인 비자가 있는 사람을 고용할 경우 회사가 돈을 주기적으로 내야한다고 알려져있는데, 이는 H 비자의 경우이고 L 비자(주재원)으로 하면 관련 X
회사가 해외로 갈때
- 총판을 통해서 판매
- 비즈니스가 커지면 총판 관두고 지점 만듦
- 지사장부터 뽑음(지사장은 원래 지사장 한 사람을 뽑음)
10분 발표에 적당한 슬라이드 수는 10~20(20도 너무 많긴 하다)
- 사용 스택(사용이유)
- 아키텍처(플로우) 2장정도
책임있는 인공지능(Responsible AI)
1. 투명성 (Transparency)
정의
AI의 결정 근거를 사용자가 이해할 수 있도록 정보를 제공하는 것
핵심
'설명 가능한 AI(XAI)'를 통해 결정 과정을 투명하게 공개해야 함.
필요성
근거 설명이 부족하면 AI를 완전히 신뢰하기 어렵고 결과 분석도 불가능함.
사례
알파고가 이세돌을 이긴 정확한 과정이나 자율주행차가 판단을 내리는 원리를 모를 경우 발생할 수 있는 위험성 등이 있음,.
- 해결: 개발자는 은닉 기능을 배제하고, 제공자는 위험 정보를 공유하며, 이용자는 설명을 요구할 권리를 가져야 함,.
2. 책임성 (Accountability)
정의
AI 시스템을 설계하고 배포하는 사람들이 운영 방식에 대해 책임을 지는 것
- 딜레마: 자율주행차 사고나 AI 의사의 오진 발생 시, 책임 주체(운전자, 제조사, 개발자 등)를 명확히 하는 것이 매우 어려움,,.
- 해결: 개발 과정의 품질 보증, 사고 시 보상 원칙 마련, 사용 결과에 대한 윤리 책임 숙지 등 모두의 노력이 필요함.
3. 공정성 (Fairness)
정의
AI가 모든 사람을 공정하게 대우하고 특정 집단을 차별하지 않는 것
문제
AI가 학습 데이터에 포함된 과거의 편향성을 그대로 답습하여 불평등을 강화할 수 있음.
차별 사례
- 구글 비전 AI: 피부색에 따라 이미지 라벨링 결과가 다르게 나타남,.
- 아마존 채용 AI: 이력서에 '여성' 단어가 포함되면 불이익을 줌.
- 애플 카드: 동일 재산 수준임에도 여성의 한도를 남성보다 낮게 책정함,.
- 해결: 데이터 입력 시 공정성을 인지하고, 편향 탐지 도구 및 리소스를 적극 활용해야 함
4. 신뢰성 및 안전성 (Reliability & Safety)
정의
어떤 상황에서도 AI가 안전하고 일관되게 작동하는 것임.
사례
- 유아를 위험 인물로 오인해 공격한 보안 로봇 사고.
- 부부의 사적 대화를 특정 단어로 오인해 지인에게 전송한 아마존 '에코' 사례
해결
- 부적절한 데이터 배제, 운영 상황 문서화 및 모니터링, 인간의 제어권 확보, 피드백 체계 마련이 필수적
5. 개인정보 보호 및 보안 (Privacy & Security)
정의: 데이터 접근 시 개인정보 보호 규정을 준수하고 보안을 강화하는 것
사례
- AI 챗봇 '이루다' 제작사가 이용자 대화 문장을 무단으로 학습시켜 개인정보 유출 논란이 발생
해결
- '인공지능 개인정보보호 자율점검표'를 활용해 설계부터 운영까지 단계별로 점검하고 사이버 공격에 대비해야 함.
6. 포용성 (Inclusiveness)
정의
- 신체 능력, 인종, 성별과 관계없이 모든 사람이 혜택을 누리도록 설계하는 것
사례
- 마이크로소프트 'Seeing AI': 시각 장애인에게 주변 상황을 음성으로 설명해 줌.
- 포드 'Feel The View': 창밖 풍경을 255가지 강도의 진동으로 변환해 전달함.
가치
장애인을 고려한 포용적 디자인은 결국 모든 사람에게 혜택을 주는 보편적 디자인으로 확장됨
프로젝트에 인공지능 윤리 적용 방법
마이크로소프트 데이터스쿨 3기 프로젝트(1~3차 공통) 점수표이다.
책임성 심사 기준
투명성 심사 기준
예시
프로젝트 수행경과 대시보드 등
공정성 심사 기준
예시
이상치, 불균형 처리
신뢰성 및 안정성 심사 기준
예시
성능 모니터링 대시보드(DataBricks - PowerBI)
개인정보 보호 및 보안 심사 기준
예시
- 개인정보 보호, 사용 범위, 캐시 처리, 삭제 기준 등등
- DB 접근 권한 분리
포용성 심사 기준
예시
- 장애인, 외국인 등 접근성 지원
프로젝트 안내
10분정도 발표 + Q&A
Canva AI 사용 추천 (유료모델 필요할 경우 보조강사님께 요청)
멘토 섭외 가능(되도록 하자)
자세한 프로젝트 안내사항은 팀즈 공유폴더의 프로젝트 > 가이드 에 존재
