스카웃 제의 뜻 - seukaus je-ui tteus

선배님들 안녕하세요
광고대행사 인턴으로 근무한지 2개월차 신입입니다.

대학교 재학시절 조기취업 했던 소규모 대행사가
코로나로 인해 문을 닫았고
어학연수 이후 광고기획 직무로 취준 후에 현 회사에 입사하게 되었습니다.

현재 다니고 있는 회사도 작은 규모는 아닌데
제가 생각했던 것과 전혀 다른 업무를 배정 받았는데
일단 열심히 하자는 생각에 제 나름의 최선을 다했고
회사 규정상 인턴 3개월 이후 수습 3개월을 걸쳐 정규직 전환이 되는 시스템을 제게 인턴 2개월 이후 정규직 전환을 해준다고 했습니다.
회사에선 모르겠지만 팀 내부에선 인정받는 분위기고 이런 전례는 없었다고 했습니다. (회사가 급성장해서 연혁이 길지 않습니다.)

이런 상황에서 더 큰 회사에서 인재추천 제도를 통한
스카웃 제의를 받은 상태입니다.

연봉, 출퇴근 모든 면에서 스카웃 제안을 준 회사가 낫습니다.

제가 고민하는 부분은
첫 취업을 실패한 이후, 현 회사에서 경력 또한 짧으면
이직이 잦은 마케팅 직무 특성상 이후 커리어에 문제가 되어 발목을 잡힐 수 있다는 얘기를 들었고 이 부분 때문에 고민입니다.

그래서 현 회사에 잔류 해야할지 인턴 2개월을 마치고 이직을 해야할지 고민중에 있습니다.

선배님들의 고견을 듣고싶습니다.

Ps. 현 회사에서 사우 관계는 매우 좋은편이나 파트장, 팀장의 역량이 부족하다고 판단하고 있습니다.

Cognet9

사례로 살펴보는 AI 역량 내재화가 어려운 이유

ⓒ Getty Images Bank  최근 많은 기업이 경쟁이라도 하듯이 인공지능(AI) 이니셔티브를 발표하고 있다. 디지털 전환의 핵심을 AI로 보고, 새로운 비즈니스 기회를 만들고 고객 경험을 높이는데 AI를 활용하는 것이다. 물론 이렇게 전사적으로 AI를 앞세우는 것을 보고 우려를 표하는 이들도 있다. 왜 그럴까? AI 프로젝트는 단순히 전략을 마련하고 투자를 강화한다고 성공하는 영역이 아니기 때문이다. 특히 업계 전문가들은 ‘AI 프로젝트 중 상당수가 연구 단계를 넘어 프로덕션 수준까지 이어지지 못한다’라는 점을 가장 큰 문제로 지적한다. AI 프로젝트 대부분이 실패하는 이유는 현장을 보면 알 수 있다.    사람, 프로세스, 기술이라는 문제 AI 프로젝트가 원활하게 진행되려면 사람, 프로세스, 기술에 대한 경험, 인프라 및 플랫폼이 필요하다. 이 중 어느 한 요소라도 빠지면 안 되며, 모든 요소가 조화를 이루어야 한다. 문제는 사람, 프로세스, 기술은 의지와 예산이 있다고 바로 내재화할 수 있는 역량이 아니란 점이다.  먼저 사람 즉, 전문 인력부터 살펴보자. AI 프로젝트를 시작하려면 기업은 내부에 AI 전문가가 얼마나 있는지 확인해야 한다. 가령 GPU 클러스터 및 고속 병렬 파일시스템 기반 스토리지를 구축해 운영할 수 있는 인프라 담당자가 있는가? AI 및 머신러닝 모델 훈련과 추론을 위해 데이터 파이프라인을 구축하고 지원할 데이터 전문가가 있는가? 모델을 개발하고 최적화하여 애플리케이션에 적용할 개발자가 충분히 있는가? 이런 요소를 따지다 보면 기업은 필요한 인력 대부분을 새로 충원해야 한다는 것을 깨닫는다. 그렇다고 인력 없이 바로 AI 프로젝트를 진행할 수는 없다. 경험이 풍부한 전문가가 없다면, 다음과 같은 문제를 마주칠 것이다.    “A 기업은 자연스러운 인공지능 챗봇을 구현하기 위해 자연어 처리(NLP)를 담당하는 AI 팀을 구성하고 자체적으로 AI 엔진을 구축했다. 이후 실제 비즈니스 환경에 엔진을 적용하려고 보니 참조 아키텍처와 운영환경 등을 갖추는 것이 필요했다. 하지만 AI 팀이 자체적으로 아키텍처를 구현하고 운영 환경을 만들어 가는 것은 현실적으로 어려웠다. 해당 분야의 내부 전문가가 부재했기 때문이다. 상용화 제품을 만들어 주는 AI 솔루션 업체와 협력을 할까 고민했지만 그렇게 하면 기존에 만든 엔진은 쓸 수 없었다. 거기다 비용을 들여 솔루션을 구매해야 한다는 점도 큰 문제였다. A 기업은 자체 구축한 AI 엔진을 활용해 서비스를 만들고 운영할 방안이 절실했다.” 이번에는 프로세스를 알아보자. 프로세스는 비즈니스와 의사결정 및 협업, 이 두 가지로 나누어 살펴볼 수 있다. 기업의 AI 이니셔티브가 성공하려면, 기존 비즈니스 로직과 먼저 결합돼야 한다. 즉, 기업의 비즈니스 프로세스 그리고 해당 프로세스에 맞춰 흐르는 데이터를 AI와 연결 지어야 한다. 흔히 AI 프로젝트 계획을 수립할 때, 데이터 세트가 충분하다고 생각하지만 막상 뚜껑을 열어 보면 AI 모델 훈련과 추론에 필요한 데이터가 턱없이 부족할 때가 많다. 이런 경우 십중팔구 AI 데이터 파이프라인 구축을 위한 내부 시스템이 제대로 연계되어 있지 않다.  의사결정 및 협업 프로세스 문제는 보통 COE(Center of Excellence) 같이 중앙에서 투자와 프로젝트를 관리하는 조직이 없어 생긴다. 일종의 사각지대가 발생한 건데, 이런 경우 중복 투자가 발생해 자원이 낭비되고, 기껏 투자한 AI 시스템이 사일로화되기도 한다. 구체적으로 프로세스상의 문제가 있으면 다음과 같은 상황이 생긴다.    “B 기업은 현업 주도하에 AI를 비즈니스에 적용하려 했지만 복잡한 비즈니스 프로세스, 즉 수많은 인터페이스와 다양한 데이터 흐름 때문에 서비스 구축에 어려움을 겪고 있다. 또한 도입 과정에서 살펴보니 이곳저곳 중복되거나 사일로화된 AI 솔루션과 시스템이 상당했다. 현업 부서에서 서로 다른 시스템을 두고 있고, 관리 부서는 제각각이었다. B 기업은 레거시 시스템을 쉽게 연동하는 한편 다양한 AI 서비스, 사용 사례, 데이터 수집 및 가공을 통합하고 관리할 방안을 모색하고 있다.” AI 기술은 비즈니스와 기술 측면에서 각각 생각해 볼 수 있다. 먼저 비즈니스 절차 측면에서 AI 이니셔티브 수립은 IT 부서만 주도한다고 다 되는 것은 아니다. 임원, 실무 담당자, IT 팀까지 모두 힘을 모아야 제대로 된 이니셔티브를 수립할 수 있다. 하지만 다양한 부서가 업무를 협의하고 의견을 취합하는 그런 이상적인 협업 문화를 갖춘 기업은 사실상 많이 없다.  기술 측면에서 기업은 최적의 AI 기술과 솔루션을 선정하고, 다양한 레거시 시스템과 연계할 수 있는 인터페이스를 개발해야 한다. 또한 실제 서비스 애플리케이션을 구현하고 최적화도 해야 한다. 따라서 다양한 AI 기술, 데이터 통합 관리 기술, 쿠버네티스, ML옵스(MLOps) 등을 다룰 수 있는 능력이 필요하다. 기업 IT 팀 상당수에게 이런 기술은 낯설고 어려운 주제다.  그런 면에서 AI는 새로운 도전 분야다. 인프라, 언어, 프레임워크, 라이브러리, 개발 환경까지 이전과는 다르게 기술을 다룬다. 거기에 기술 발전 속도까지 빠르다. 가령 AI는 관리부터 개발에 이르기까지 오픈 소스 중심으로 혁신이 이뤄진다. 운영자가 ML옵스 플랫폼을 직접 구축하려면 다양한 오픈 소스 기술을 활용해야 한다. 개발 영역 또한 프레임워크, 라이브러리, 도구 등 오픈 소스를 잘 알아야 한다. 오픈 소스 기술 비중이 높으면 그 변화의 속도를 따라가는 데 피로감을 느끼기 쉽다. 상용 솔루션 역시 빠르게 발전하기에 막상 도입 검토, 구현, 안정화를 하고 나면 새로운 기술 트렌드가 나와 있다. 그런 경우, 힘들게 구축한 기술이 어느새 낡은 시스템이 되어 버린다.   “C 기업은 데이터 분석 기반 QA 모니터링을 하기 위해 Bi-LSTM(Bidirectional Long Short Term Memory)을 활용한 STT(Speech-to-Text) 솔루션을 도입했다. 문제는 솔루션을 구매해 서비스를 구축한 이후 발생했다. 해당 솔루션을 도입한 지 불과 2년 만에 엔드투엔드 방식의 새로운 STT 솔루션이 출시됐고, 이전 STT 솔루션보다 인식률이 훨씬 더 높아진 것이다. C 기업은 더 좋은 성능의 솔루션으로 교체하고 싶지만, 비용이 부담되는 것은 물론, 이미 기존 솔루션으로 구축된 시스템을 버리고, 새롭게 처음부터 개발하는 부분 때문에 이러지도 저러지도 못하는 상황이다.” 멀고도 먼 내재화의 길  앞서 소개한 사례처럼 AI 이니셔티브를 성공적으로 운영하는 것은 매우 어렵다. 내재화를 고집하면 할수록 성공에서 더 멀어질 수 있다. 즉 내재화를 하다 보면 다음과 같은 요소에 모두 대응해야 한다.   AI 역량 내재화 과정에서 고려하는 사항. ⓒ 코그넷나인 그렇다면 어떻게 해야 계획 또는 이미 진행 중인 AI 프로젝트를 프로덕션 수준으로 구현할 수 있을까? 바로 ‘핵심 목표’에 집중해야 한다. 기업은 AI 기술 전문 조직이 아니다. 기업이 집중해야 하는 핵심 목표는 ‘비즈니스 성과를 내기 위해 AI 기술을 어디에 도입할지 결정하고, 도입 후 성과를 낼 수 있을지 그 타당성을 확인하고, 구체적인 AI 서비스를 기획하고 구현하는 것’이다.  핵심 목표와 기술 내재화를 모두 성취할 수 있다면 좋겠지만, 그러기엔 너무 큰 비용, 시간, 노력이 필요하다. 핵심 목표에 우선순위를 두면 프로젝트를 보다 효율적으로 운영할 수 있다. 그리고 내재화는 중장기 과제로 가져가야 한다. 핵심 목표에 집중하기 위해 내재화 외에 당장 선택할 수 있는 대안이 있을까? 다행히 있다. 바로 ‘AI 매니지드 서비스와 플랫폼’이다. 성공적인 AI 도입을 위한 ‘AI 매니지드 서비스, 그리고 플랫폼’ 기사를 통해 AI 매니지드 서비스와 플랫폼의 의미와 특징을 확인해보자. 

회사 생활을 하다 보면~ 여기 저기서 스카웃 제의가 들어오는 일이 종종 생기는 것 같아요~

저 같은 경우는, 승무원 경력으로 인한 스카웃 제의가 들어온것은 아니구~ 승무원 이전의 직상생활 때문에 해외영업 및 해외 전시회(미국, 유럽) 관련 분야에서 스카웃 제의를 받았답니다.

아마 스카웃이라는 단어 검색으로 제 글을 읽고 있으신 분들이라면~ 한번쯤은 스카웃 제의를 받아보셨기 때문이라는 추측과

저와 같이 이직을 하느냐? 마느냐?에 고민을 가지고 있으신거 같아요~

사실, 스카웃 제의를 받는다는 것은 자신의 능력이나 사회생활에서의 인간관계에서 인성(일 잘해도 저질 인성은 절대 좋은 점수를 받지 못하겠지요?) 을 인정 받았기 때문이라는 생각이 듭니다.

하지만, 저는 스스로에게 묻습니다.

너 정말 그들의 제안 속의 기대치에 네가 맞추어 일 할 수 있겠니? 정말 네가 그 분야에 뛰어난 능력을 가지고 있는게 맞니?

그 물음에 대한 답은 아니. 아니.. 그들의 기대에 미칠려면 나의 큰열정을 쏟아 부어야 할텐데.....

그리고 당장 나의 탁월한 능력때문에 제의를 받았다기 보다는~  회사에서 필요로 하는 최저 기본 능력과 경험을 갖추고 있기 때문에 제의를 받은거라는 결론을 내렸습니다.

물론,  기존 연봉의 2~3배 이상을 받고 스카웃이 된다면 더할날위 없이 좋겠지만~ 그러한 계약이 이루어진들 일에대한 책임감과 부담감은 2~30배가 될거라는 예상!!

그래서 몇날 며칠을 고민하고... 걷고 걸으며.... 그 달콤한 유혹으로 인해서 마음이 참 심란했었네요. 사실, 한국에 있으면 건강한 연애를 할 수 있잖아요? 누군가를 짝사랑도 하거나 또는 함께 사랑할 수 도 있고. 한국에서 일하는게 좋은 이유는 단지 저것 하나?!

결론은, 나를 필요로 하는 회사도 좋지만... 내가 원하는 회사를 선택하고 일을 할때에 최고치의 열정을 발휘할 수 있으며 후회도 없을 것.

그리고 앞으로 어떤 생활이 펼쳐지고, 어떤 사랑이 다가올지는 모르지만~~  내가 사랑하는 가족, 친구, 그리고 미래의 내 남자를 만나는데 꼭 필요한 배경이 되어줄 한국 베이스의 직장.... 하나만을 염두에 두고 이직을 한다는건.. 도박. 이라는 마음으로 거절했답니다.

아무튼 열심히 살다보면 또 좋은 기회가 오겠지유??? 열심히 남부끄럽지 않은 행동 하면서 잘 살아봅시다!!!! ^ㅡ^