“AI 박사인데 취업이 안 돼요”... 지금 AI 연구는 거품일까, 아니면 ‘그들만의 리그’일까?

요즘 좀 웃픈 풍경이 펼쳐져요. 뉴스에선 엔비디아 시가총액이 몇 조 달러를 넘었네, 오픈AI가 또 투자를 받았네 하면서 난리인데, 정작 제 주변 AI 전공한 똑똑한 친구들은 커피 마시면서 취업 걱정을 하고 있거든요. 한 명은 이름만 대면 다 아는 대학에서 박사까지 받았는데, “요즘엔 내 연구 분야가 별로 돈이 안 되는 것 같다”며 씁쓸해하더군요. 이거 뭐죠? 우리만 딴 세상에 사나 싶은 기분이 들 정도예요.

최근 세계 최대 온라인 커뮤니티 레딧(Reddit)의 머신러닝 게시판에서도 비슷한 질문이 올라와 아주 뜨거웠습니다. 한 과학자가 “AI 연구, 지금도 가치가 있나요?”라고 도발적인 질문을 던졌어요. 자기는 AI 기술로 연구에서 꽤 성과를 냈고, 아직 AI가 파고들 분야가 무궁무진하다는 걸 직접 봤대요. 그런데 왜 이렇게 AI 분야 취업 시장은 꽁꽁 얼어붙었냐는 거죠. 수많은 현직자, 지망생들이 ‘좋아요’를 누르며 폭풍 공감했습니다.

분명 뭔가 이상하죠. 밖에서 보면 AI는 여전히 모두가 뛰어드는 ‘골드러시’인데, 안에서 금을 캐는 사람들은 배고프다고 아우성이니까요. 이 거대한 괴리감의 정체는 뭘까요? 오늘은 이 질문을 붙들고 한번 끝까지 파고 들어가 보려고 해요. 이게 단순히 ‘버블이다 아니다’ 같은 뻔한 이야기가 아니라, AI라는 기술이 우리의 일, 경력, 심지어 정체성까지 어떻게 뒤흔들고 있는지에 대한 이야기거든요.

‘홈메이드 파스타’에서 ‘전국 고속도로 건설’로 바뀐 AI 연구

이 모든 혼란의 핵심을 이해하려면, AI 연구의 ‘게임의 룰’이 어떻게 바뀌었는지부터 알아야 해요. 아주 쉽게 비유를 들어볼게요. 2010년대 중반까지만 해도 AI 모델을 만드는 건 실력 좋은 셰프가 자기 주방에서 ‘홈메이드 파스타’ 레시피를 개발하는 것과 비슷했어요.

• 창의적인 아이디어와 적당한 수준의 재료(데이터), 그리고 괜찮은 조리도구(컴퓨터)만 있으면 누구나 세상을 놀라게 할 새로운 맛을 만들어낼 수 있었죠. 알렉스넷(AlexNet)처럼 이미지 인식의 역사를 바꾼 모델도 대학원생 연구실 수준에서 탄생했으니까요.

그런데 지금, 챗GPT 같은 거대 모델을 만드는 건 완전히 다른 차원의 이야기가 됐습니다. 이건 더 이상 파스타 레시피 개발이 아니에요. ‘전국 고속도로망 건설 프로젝트’에 가깝습니다.

1. 막대한 예산: 고속도로를 깔려면 천문학적인 돈이 들죠? 거대 언어 모델(LLM, Large Language Model)도 마찬가지예요. LLM은 쉽게 말해, 사람 말을 엄청나게 많이 학습해서 문장을 만들어내는 AI인데, 이걸 훈련시키려면 ‘GPU’라는 특수 반도체가 수만 개 필요해요. GPU는 AI의 두뇌 역할을 하는, 아주 비싼 그래픽 카드라고 생각하면 쉬워요. 이거 수만 개를 돌리는 전기세만 해도 웬만한 중소기업 1년 예산을 훌쩍 넘깁니다. 개인이요? 어림도 없죠.

1. 초대형 데이터: 고속도로를 지으려면 전 국토의 지리 데이터가 필요하죠. LLM도 인터넷의 거의 모든 텍스트를 긁어모은 수준의 데이터가 필요합니다. 이 데이터를 모으고, 정제하고, 관리하는 것 자체가 거대한 엔지니어링 프로젝트예요.

1. 전문가 군단: 도로 설계 전문가, 토목 공학자, 교통 시스템 전문가, 안전 관리 전문가가 다 필요하듯이, LLM 개발에도 수많은 전문가가 필요해요. 모델 구조를 짜는 연구자뿐만 아니라, 수만 개의 GPU가 멈추지 않고 돌아가게 만드는 시스템 엔지니어, 데이터를 효율적으로 공급하는 데이터 엔지니어 등 ‘어벤져스’ 팀이 필요합니다.

상황이 이렇게 변하니, 이제 AI 연구는 구글, 마이크로소프트, 오픈AI 같은 거대 자본과 인력을 가진 빅테크 기업들의 독무대가 되어버린 거예요. 예전처럼 똑똑한 대학원생 몇 명이 모여서 세상을 바꿀 모델을 뚝딱 만들어내는 ‘차고 창업’ 신화는 이제 LLM 분야에선 불가능에 가까워졌습니다. 레딧에 올라온 고민은 바로 이 지점에서 시작되는 거죠. 나 혼자 파스타 레시피를 기가 막히게 연구해봤자, 이미 전국에 고속도로를 깔아버린 대기업들 앞에서 무슨 의미가 있냐는 ‘현타’가 온 겁니다.

‘아인슈타인’의 시대에서 ‘CERN’의 시대로

사실 이런 변화가 역사상 처음 있는 일은 아니에요. 과학의 역사를 보면 아주 비슷한 평행이론을 찾을 수 있습니다. 바로 물리학의 변화예요.

20세기 초반 물리학은 ‘영웅의 시대’였습니다. 알베르트 아인슈타인 같은 천재가 종이와 연필만으로 우주의 비밀을 풀어내는 상대성 이론을 발표했죠. 그의 ‘사고 실험’은 어떤 거대한 장비도 필요 없었어요. 그야말로 한 개인의 지적 능력이 세상을 뒤흔들던 시대였습니다.

하지만 2차 세계대전 이후, 물리학은 ‘빅 사이언스(Big Science)’의 시대로 접어듭니다. 입자물리학 같은 분야를 연구하려면 거대한 입자가속기가 필요해졌어요. 스위스 제네바에 있는 유럽입자물리연구소(CERN)의 거대 강입자 충돌기(LHC)를 생각해보세요. 둘레만 27km에 달하고, 건설과 운영에 수십 개 국가가 수십조 원을 쏟아붓는 프로젝트입니다. 수천 명의 과학자와 엔지니어가 협업해야만 하죠. 이제 어떤 천재 물리학자도 자기 집 지하실에 입자가속기를 만들 순 없어요.

지금 AI 분야가 겪는 변화가 바로 이것과 똑같습니다. AI 연구가 ‘아인슈타인의 시대’에서 ‘CERN의 시대’로 넘어가고 있는 거예요. 개인 연구자의 아이디어와 코딩 실력만으로 승부 보던 시대가 저물고, 거대 자본과 인프라, 조직적인 협업이 없으면 최전선(state-of-the-art) 연구를 하기 힘든 시대가 온 거죠. 그러니 대학 연구실이나 작은 스타트업 소속 연구자들은 상대적 박탈감을 느낄 수밖에요. 내가 밤새워 개발한 알고리즘이, 구글이 막대한 자원으로 밀어붙인 모델의 성능 향상 폭보다 작을 때의 그 허탈함, 빡쳐서라도 이해가 가죠.

이 변화는 단순히 연구 방법의 변화만을 의미하지 않아요. ‘AI 전문가’라는 정체성 자체를 뒤흔들고 있습니다. 빅테크는 이제 ‘순수한’ 연구자를 예전만큼 많이 뽑지 않아요. 그들은 이미 자기들만의 CERN을 가지고 있으니까요. 대신 그들이 원하는 인재상이 따로 있습니다.

기업은 이제 ‘AI 학자’가 아니라 ‘AI 해결사’를 원한다

“이제는 특정 도메인에 대한 깊은 이해를 바탕으로 실질적인 문제를 해결하는 ‘문제 해결사’가 중요하다”는 업계 전문가들의 말, 뉴스에서 많이 보셨을 거예요. 이거, 아주 점잖게 표현한 거고요. 좀 더 직설적으로 번역해볼까요? “알고리즘 그만 파고, 우리 회사 돈 벌어줄 방법을 찾아오세요”라는 뜻입니다.

이게 무슨 말이냐면, 예전에는 AI 모델의 정확도를 0.1%라도 올리는 새로운 수학적 방법을 찾아내는 게 최고의 미덕이었어요. 그래서 다들 학회에 논문 내는 걸 목표로 달렸죠. 하지만 이제 웬만한 모델들은 빅테크가 다 만들어놨어요. 심지어 API(Application Programming Interface, 특정 기능을 외부에서 쉽게 가져다 쓸 수 있게 만든 연결 통로) 형태로 월 구독료만 내면 누구든 쓸 수 있게 풀어주기까지 하죠. 뷔페가 차려진 거예요.

그러니 기업들의 관심사는 ‘새로운 음식을 개발하는 셰프(연구자)’가 아니라, ‘뷔페에 차려진 음식들을 잘 조합해서 손님(고객)의 까다로운 입맛을 만족시키는 파티 플래너’로 옮겨갔습니다. 여기서 ‘까다로운 입맛’이 바로 ‘특정 산업 분야의 문제(Domain Problem)’인 거죠.

예를 들어 볼까요? 금융 사기 탐지(Fraud Detection) 모델을 만든다고 해봅시다. 과거에는 더 정확한 예측 알고리즘을 만드는 AI 전문가가 최고였어요. 하지만 지금은 달라요. 챗GPT 같은 LLM에게 금융 거래 데이터의 패턴을 학습시키면, 웬만한 사기 거래는 기가 막히게 잡아냅니다. 그럼 이제 누가 필요할까요?

바로 ‘금융 사기의 최신 트렌드’를 아는 사람이 필요합니다. “요즘엔 가족 사칭형 보이스피싱이 아니라 투자 리딩방 사기가 더 문제인데, 이 패턴을 잡아내려면 어떤 데이터를 어떻게 가공해서 AI에게 보여줘야 할까?”를 아는 사람이죠. 즉, AI 기술 자체보다 ‘금융’이라는 도메인 지식이 훨씬 중요해진 겁니다. 생물학 박사가 신약 개발 과정에 AI를 적용하는 게, AI 박사가 신약 개발을 어설프게 배우는 것보다 훨씬 더 빠르고 효과적인 시대가 된 거예요.

이러니 AI 박사 학위를 받은 친구들이 혼란에 빠지는 겁니다. 5년 동안 깊게 파고든 나의 전문 분야가, 어쩌면 범용 LLM과 다른 분야 전문가의 ‘협업’ 앞에서 구닥다리 기술처럼 보일 수 있다는 불안감. 이건 개인의 정체성을 뒤흔드는 아주 심각한 문제입니다.

흔한 오해 두 가지, 그리고 진짜 현실

이런 상황을 두고 사람들이 흔히 하는 오해가 두 가지 있어요. 한번 짚고 넘어가죠.

첫 번째 오해: “AI 그거 전부 거품이야. 닷컴 버블처럼 곧 꺼질걸?”

아니요, 이건 거품이라기보단 ‘권력 이동’에 가깝습니다. 2000년 닷컴 버블은 실체 없는 아이디어만으로 기업 가치가 부풀려졌다가 터진 거였죠. 하지만 지금의 AI, 특히 LLM은 실제로 세상을 바꾸는 ‘진짜 기술’입니다. 생산성을 높이고, 새로운 서비스를 만들어내고 있죠. 이건 부정할 수 없는 사실이에요.

문제는 그 기술이 만들어내는 부와 기회가 소수에게 극단적으로 쏠리고 있다는 겁니다. 마치 석유가 발견됐을 때, 땅 가진 사람이 모든 돈을 벌어들인 것처럼요. 기술 자체가 거품은 아니지만, 그 기술을 소유한 빅테크 기업들의 가치는 천문학적으로 치솟고, 그 안에서 일하는 소수의 핵심 인력들은 엄청난 보상을 받지만, 그 외곽에 있는 대다수는 오히려 설 자리가 좁아지는 ‘양극화’가 벌어지는 거죠. 그러니 ‘버블’이라는 한 단어로 이 복잡한 현상을 퉁치는 건 현실을 제대로 보지 못하는 겁니다.

두 번째 오해: “코딩 학원에서 파이썬이랑 텐서플로 배우면 나도 AI 전문가 될 수 있겠지?”

2017년에는 그게 어느 정도 맞는 말이었을지도 몰라요. 하지만 지금은 아닙니다. 그건 마치 “망치 쓰는 법만 배우면 한옥을 짓는 대목장이 될 수 있다”고 말하는 것과 같아요. 망치질(코딩)은 기본 도구일 뿐이죠. 중요한 건 어떤 집을 지을지에 대한 ‘설계도(도메인 지식)’와 집 전체를 조립하고 완성하는 ‘공정 관리 능력(시스템 엔지니어링)’입니다.

지금 코딩 학원에서 가르치는 ‘AI 모델 만들어보기’ 커리큘럼은 대부분 이미 만들어진 모델을 가져다 쓰는 법, 즉 ‘망치 쓰는 법’에 머물러 있어요. 이것만으로는 절대 ‘문제 해결사’가 될 수 없습니다. 오히려 자신의 원래 전문 분야(마케팅, 회계, 디자인, 법률 등)를 더 깊게 파고, 거기에 AI라는 ‘새로운 망치’를 어떻게 쓸지 고민하는 게 훨씬 더 현명한 생존 전략입니다.

그래서, 이제 우린 뭘 해야 할까

자, 그럼 이제 곡소리만 할 거냐? 그건 아니죠. ‘게임의 룰’이 바뀌었다는 건, 새로운 룰에 맞는 공략법이 있다는 뜻이기도 하니까요. AI 연구의 황금기가 끝난 게 아니라, ‘금 캐는 방식’이 바뀐 겁니다.

레딧의 원문 글쓴이도 중요한 힌트를 줬어요. “아직 해결되지 않은 산업 데이터나 자연 현상 속에 무궁무진한 기회가 있다”고요. 이게 핵심입니다. 빅테크들이 깔아놓은 ‘고속도로’는 일단 인정하고, 그 고속도로가 미처 연결하지 못한 ‘오지’나 ‘틈새시장’을 공략해야 합니다.

1. ‘나만의 문제’를 정의하세요: 당신이 몸담고 있는 분야, 혹은 당신이 정말 잘 아는 분야에서 아직 아무도 풀지 못한, 아주 구체적이고 귀찮은 문제가 뭔가요? 예를 들어, 의류 쇼핑몰을 운영한다면 ‘애매한 사이즈 때문에 발생하는 반품 문제’ 같은 거요. 이 문제를 AI로 어떻게 풀 수 있을지 고민하는 게 시작입니다. ‘AI가 내 옷 사이즈를 정확히 추천해주면 어떨까?’ 같은 거죠.

1. ‘거인의 어깨’를 잘 활용하세요: 챗GPT 같은 거대 모델을 직접 만들려고 하지 마세요. 그건 돈 낭비, 시간 낭비입니다. 대신 오픈AI나 구글이 제공하는 API를 월 20달러 내고 구독해서, 이걸 내 문제에 맞게 ‘파인튜닝(fine-tuning)’하는 방법을 배우세요. 파인튜닝은 이미 훈련된 똑똑한 AI를 내 목적에 맞게 살짝 ‘추가 교육’ 시키는 거라고 보면 돼요. 전학생에게 우리 반 규칙을 알려주는 것처럼요. 훨씬 적은 비용과 데이터로 나만의 맞춤형 AI를 만들 수 있습니다.

1. ‘AI 번역가’가 되세요: 이제 가장 유망한 직업 중 하나는 ‘AI 기술’과 ‘현실 세계의 문제’ 사이를 이어주는 ‘번역가’입니다. 내 분야의 문제를 AI 엔지니어들이 알아들을 수 있는 언어로 설명해주고, 반대로 AI 기술의 한계와 가능성을 현업 동료들에게 쉽게 풀어서 설명해주는 역할이죠. 이 ‘중간자’ 역할은 앞으로 몸값이 계속 오를 수밖에 없습니다.

결국 AI 시대의 생존법은 ‘더 깊은 AI 기술’을 파는 게 아니라, ‘AI를 가지고 더 깊은 내 분야의 문제’를 파는 쪽으로 바뀌고 있습니다. AI 박사가 되려고 애쓰기보다, ‘AI를 가장 잘 쓰는 회계사’, ‘AI를 가장 잘 쓰는 변호사’가 되는 게 훨씬 더 유망하다는 뜻입니다. 웃프죠? 하지만 이게 현실이에요.

마무리: 곡괭이 대신 지질학 지도를 들 시간

레딧에서 시작된 “AI 연구는 아직 가치가 있는가?”라는 질문에 대한 제 대답은 “네, 물론입니다”예요. 하지만 그 가치를 실현하는 방식은 완전히 달라졌습니다. 더 이상 모두에게 열린 기회의 땅은 아니에요.

AI 연구의 황금기는 끝나지 않았어요. 다만 이제 너도나도 강가에서 사금을 캐던 시대가 아니라, 거대한 채굴 장비를 가진 기업들 사이에서, 그들이 경제성이 없다고 판단했거나 아직 발견하지 못한 ‘희귀 광맥’을 찾아내는 전문 지질학자가 되어야 하는 시대가 온 거죠. 모두가 쓰는 곡괭이의 날을 더 날카롭게 만드는 경쟁은 이제 무의미합니다.

그러니 이제 손에 든 곡괭이는 잠시 내려놓고, 나만이 읽을 수 있는 지질학 지도를 펼쳐 들 시간입니다. 당신의 전문성, 당신의 경험 속에 바로 그 지도가 숨어있을 테니까요.

독자들이 던질 법한 질문들

Q. 그럼 지금 AI 대학원에 진학하는 건 돈 낭비, 시간 낭비인가요?

A. 아니요, 다만 ‘어떤’ 대학원이냐가 극도로 중요해졌어요. 단순히 유명 모델을 가져와서 조금 변형해보고 성능 측정하는 수준의 연구를 하는 랩은 피하는 게 좋습니다. 그건 이제 학부생도 할 수 있는 일이 됐거든요. 대신 두 가지 방향을 노려야 해요. 첫째, 특정 도메인(의료, 법률, 반도체 설계, 신소재 등)과 아주 깊게 연계해서 실제 문제를 푸는 연구를 하는 곳. 둘째, 아예 AI 기술의 근본을 파고드는 곳. 예를 들어, 모델을 훨씬 가볍고 빠르게 만드는 경량화 기술, AI가 왜 그런 판단을 내렸는지 설명하게 만드는 설명가능 AI(XAI), 혹은 AI의 안전성과 윤리 문제 같은, 빅테크도 아직 뾰족한 답을 못 내놓은 원천 기술 분야죠. ‘어중간한’ AI 응용 연구가 가장 위험한 선택이 됐습니다.

Q. 저는 문과 출신 비전공자인데, 코딩 학원 6개월 다니면 AI 전문가로 취업할 수 있다는 광고는 전부 거짓말인가요?

A. ‘전문가’라는 단어의 정의에 따라 다르지만, 보통 우리가 기대하는 ‘고연봉 AI 전문가’는 될 수 없다고 보는 게 맞습니다. 6개월 과정으로 될 수 있는 건 AI 모델을 가져다 쓸 줄 아는 ‘기능인’ 혹은 ‘개발자’입니다. 물론 이것도 의미 있는 기술이죠. 하지만 진짜 중요한 건 그 기술로 ‘어떤 문제를 푸느냐’입니다. 예를 들어, 마케터가 AI 활용법을 배워서 광고 카피 생성, 타겟 고객 분석을 자동화해 광고 효율을 2배로 늘렸다고 해보죠. 그 사람은 ‘AI 전문가’로 불리기보다 ‘AI를 잘 쓰는 마케팅 전문가’로 인정받을 것이고, 몸값은 후자일 때 훨씬 더 높습니다. AI는 내 전문성을 강화하는 ‘무기’이지, AI 자체가 내 전문성이 되기는 아주 어려워진 시대입니다.

Q. 빅테크가 모든 걸 독점하면, 스타트업이나 개인 개발자는 이제 정말 기회가 없어진 건가요?

A. ‘파운데이션 모델(기초 모델)’을 직접 만드는 게임에서는 기회가 거의 없다고 보는 게 현실적입니다. 이건 이제 반도체 공장을 짓는 것과 같은 규모의 싸움이 됐으니까요. 하지만 ‘그 모델을 어떻게 쓰느냐’는 게임은 이제 막 시작됐습니다. 기회는 오히려 더 많아졌다고 볼 수도 있어요. 빅테크가 비싼 돈 들여 차려놓은 ‘뷔페’잖아요. 저는 이 뷔페의 음식들을 창의적으로 조합해서 완전히 새로운 ‘코스 요리’를 만들어 파는 레스토랑들이 계속 등장할 거라고 봐요. 예를 들어, 법률 지식을 학습한 LLM을 이용해서 ‘전세 사기 위험도 분석 리포트’를 1분 만에 뽑아주는 서비스 같은 거죠. 빅테크는 범용 뷔페를 차리느라 바빠서 이런 세세한 코스 요리까지 신경 쓸 여력이 없어요. 그 틈새에 어마어마한 기회가 있습니다.