AI엔지니어에서 AI아키텍쳐로 (1)

필자는 연구소에서 AI 리서쳐로 커리어를 시작했지만, 지금은 대기업에서 AI 아키텍쳐 역할을 하고 있다.

이제는 MLOps와 AI 엔지니어링까지 맛을 보고나니 전반적인 AI관련 테크트리는 모두 찍먹해 봤다고 할 수 있다.

심지어 도메인도 음성, 비전, NLP 까지 모든 도메인들을 각각 1년이상 다뤄볼 수 있었다.

그만큼 나는 찍먹에 진심인 커리어를 가지고 있다.

찍먹을 해본 결과일까, 어떻게 보면 나에게 가장 잘 맞는 AI 아키텍쳐라는 커리어를 가지게 되었다.

이제 생각 정리도 해볼겸 후기를 여러 차례에 나누어 정리해보고자 한다.

1. 기본적인 툴은 빠르게 익히고 사용하고 볼줄 줄 알아야 한다.

쿠버네티스, 클라우드(AWS, GCP, Azure 중 1)는 사용할 수 있는 정도의 수준으로 알면 좋고,
파이토치, huggingface 기반의 코드를 보면서 각 학습 및 서빙 알고리즘에 대해 간단히 이해할 수 있을 정도의 AI 지식,
데이터를 입맛에 맞게 가공하고, 모델을 목적에 맞게 사용할 수 있게 파이프라인을 만들어보는 경험.

이정도는 기본적으로 갖추어야할 역량이라고 생각한다.
직접 서비스를 개발할 수준은 아니어도 적어도 간단한 시스템정도는 바닥부터 구축해보면 큰 도움이 된다.

2. 메인으로 잘 하는 하나의 스킬을 파고 들어야 한다.

필자의 경우에는 당연히 vision perception 이라는 도메인으로 커리어를 5년간 쌓아왔다.
이정도 되다보니 어느정도 좋은 모델을 만드는 노하우는 습득할 수 있었고, 모델과 데이터를 다루는데 있어서 문제점을 찾아보기 용이했다. 또한 다루는 도메인이 바뀌어도 적응하는데 걸리는 시간이 매우 짧았다.
다양한 데이터를 다루어보고 여러가지 알고리즘을 적용해보면서 성능을 비교해보는 실험을 하다보면 어느정도 깊이가 생긴다.

3. 사용자들의 니즈를 파악하고 이에 맞게 움직일 필요도 있다.

결정적으로 vision perception에서 LLM으로 넘어간 이유는, 어느정도 LLM분야의 기술의 수준이 많이 올라오기도 했고 이제는 대부분의 사용자들이 이제 AI하면 LLM or LVM을 먼저 생각하기 때문이다.
수요가 많아야 개발자도 몰리고 돈도 몰린다. 그래야 커뮤니티가 형성되고 그 안에서 성장할 기회도 잡을 수 있다.
또한 아키텍쳐라는 직종 자체가 최신 기술에 대해 민감해야 하고 고객들이 어떤것을 원하는지 항상 예의주시하고 있어야 하는 부분도 있기 때문에 니즈를 파악하려는 노력은 게을리해서는 안된다.

이 글이 AI 아키텍쳐를 목표로 하는 분들에게 도움이 되길 바라며,

이후의 내용은 다음 글에서 연재해보도록 하겠다.