AI 헬스케어 분야의 현실적인 취업의 길은?
AI 헬스케어 캠프 수료 후 어디로 가야 할까요?
Jan 22, 2026
지원을 고민하는 분 또는 교육을 듣고 있는 수강생들의 흔한 고민:
"이 길이 맞을까?"
AI 헬스케어 부트캠프를 막 수료한 교육생들 사이에서는 공통된 고민들이 나옵니다.
비전공자, 전공자 모두 할 수 있는 고민
- “여러 가지를 배웠지만 혹시 겉핥기만 한 건 아닐까?”
- “수료했다고 바로 취업이 될까?”
- “웹개발은 하고 싶지 않은데, FastAPI니 Docker니 배운 게 과연 쓸모가 있을까?”
같은 걱정들이죠. 실제로 한 교육생은 6개월 과정 동안 폭풍처럼 쏟아지는 통계학·머신러닝 지식을 따라가면서 “수료 후에 정말 취업할 수 있을까?” 하는 불안감을 떨칠 수 없었다고 고백합니다.
또한 몇몇 수강생들은 일부 부트캠프 커리큘럼이 취업률을 위해 웹 개발 커리큘럼이 포함된 현실에 회의감을 느끼실 수도 있습니다.
한 수강생은 “데이터로 승부볼 수 없다면 웹개발자로라도 취업시키려 하는 마인드는 공감하기 어렵다”며, 단순한 웹개발자가 되고 싶은 것은 아니라고 토로했습니다.
이런 고민들은 과연 배운 내용이 현실 업계와 맞닿아 있는지, 이 길로 취업이 가능한지에 대한 진지한 물음이라 할 수 있습니다.
하지만 다른 한편으로, “AI 분야 학위 없이는 취업 힘들다”거나 “부트캠프는 시간 낭비”라는 극단적 비관론도 온라인에서 쉽게 접할 수 있지만, 이는 어디까지나 일부 의견일 뿐입니다.
실제 수강생들의 사례와 업계 동향을 살펴보면, 현재 본인이 느끼는 막막함은 선배들도 겪었지만 충분히 헤쳐나갈 수 있었던 과정임을 알 수 있습니다.
(선택의 기로…)
중요한 것은 현실을 직시하되 섣부른 단념보다는 내가 쌓은 역량을 어떻게 활용하고 보완할지 전략을 세우는 것입니다.
국내 AI 헬스케어 분야의 직무와 기업
그렇다면 실제 국내 AI 헬스케어 분야에서는 어떤 직무와 기업이 신입에게 문을 열고 있을까요? 먼저 떠오르는 것은 의료AI 전문 스타트업들입니다.
예를 들어 루닛(Lunit), 뷰노(VUNO), 제이엘케이(JLK) 등은 국내 1세대 의료 인공지능 기업으로, 의료영상 진단 소프트웨어를 개발하는 대표 플레이어들입니다.
이들 기업은 딥러닝을 활용한 X-ray, CT, MRI 영상 분석 등 의료영상 처리 AI에 강점이 있고, 관련 분야 인재를 꾸준히 채용하고 있습니다.
신생 스타트업 중에는 에어스메디컬(AIRS Medical)처럼 의료 서비스의 접근성을 높이는 혁신적 AI 솔루션을 개발하는 곳도 있습니다.
에어스메디컬의 경우 MRI 등의 의료영상 촬영 시간을 획기적으로 단축하는 AI 기술로 주목받는데, 헬스케어 AI 스타트업들은 이러한 구체적인 문제 해결을 위해 AI 개발자, 데이터사이언티스트 등 다양한 직무를 필요로 합니다.
또 한편으로 대형 병원이나 연구기관에서도 AI 헬스케어 인력을 찾고 있습니다.
병원 의학연구소나 바이오기업의 AI 팀에서는 이런 의료데이터 분석 연구원, 의료AI 솔루션 엔지니어 직무가 존재합니다.
예컨대 아주대 의료원 채용공고를 보면, “앱 개발 및 X-ray·CT·MRI 인공지능 모델 개발”을 담당하는 인공지능 R&D 연구원 직무를 신입으로 모집하기도 합니다.
이처럼 병원・대학 연구실부터 헬스케어 IT기업, 의료기기 회사까지 헬스케어 AI 기술을 활용하려는 수요가 다양하며, 신입이라도 도메인 지식과 AI 역량을 갖추었다면 충분히 도전해볼 수 있는 포지션들이 있습니다.
헬스케어 서비스 채용 공고
- [스탠다임] 채용공고
- 프론트 개발 (리액트, Next.js)
- 백엔드 개발 (Node.js, FastAPI, 파이썬)
- 프로덕트 디자인 (신규 채용으로 채용자 기술스택 사용예정, 마케팅 업무도 같이 진행할 수 있으면 좋음)
- 마케터 (마케팅 업무 전반)
- AI개발, 헬스케어, 바이오 산업에 관심 있는 분
- 사업 개발 및 기획 쪽에 관심 있는 분
- Zero to One으로 일하는 것에 관심 있는 분
- 빠르게 채용이 필요한 상황
오즈코딩스쿨 참여기업 채용 공고
[회사소개]
[스탠다임 : www.standigm.com] : AI 바이오 헬스케어 saas 플랫폼
AI기반 약물 개발 소프트웨어를 개발 및 공급하는 기업[모집 직군]백엔드0명, 프론트 0명, 프로덕트디자인 0명, 마케터 0명[담당업무]
[채용조건]근무지 : 서울시 강남구 소재고용형태 : 1~3개월 인턴(근무평가를 통해 핏이 맞다면 정규직 전환 가능성 높음)서류 심사 이후 면접 진행 예정근무시간은 주 25시간 이상 파트타임으로 진행될 수 있음온, 오프라인 둘 다 가능하며 가능한 대면을 선호[특이사항]
한 가지 기억해야 할 점은, AI 헬스케어는 아직 개발자 풀(pool)이 일반 웹/앱 분야만큼 포화되지 않은 틈새 시장이라는 사실입니다.
한 업계 종사는 “알려지지 않은 작은 시장일수록 경쟁자가 적고 오히려 기회가 많다”고 조언합니다.
즉, AI 헬스케어처럼 도메인 지식과 AI 기술의 결합이 필요한 분야는 본인이 해당 분야에 적합한 역량을 갖추면 오히려 두각을 나타낼 확률이 높다는 것이죠.
반대로 말하면, 이 분야에 뛰어드는 인재들도 기본기를 넘어 의료 도메인에 대한 이해와 열의를 갖춘 사람이 유리합니다.
커리큘럼과 실무 요구 기술: 괴리 vs 연계
많은 교육생이 걱정하는 부분 중 하나는 수료한 커리큘럼과 실제 회사 업무가 얼마나 일치하는가입니다.
결론부터 말하면, 기본 방향은 상당 부분 맞닿아 있지만 깊이는 본인 노력에 달려 있습니다.
대부분의 AI 헬스케어 과정에서는 데이터 전처리 -> 머신러닝/딥러닝 기법 -> 프로젝트 실습으로 이어지는 커리큘럼을 갖추고 있습니다.
실제로 대부분의 교육기관이 “데이터 전처리, 머신러닝, 웹 개발 등 이론 교육뿐 아니라 6개 이상의 팀/기업 프로젝트를 통해 실무 역량을 키우고, 이를 통해 데이터 엔지니어, 머신러닝 엔지니어, 데이터 사이언티스트 등의 커리어로 성장할 기회를 제공”한다고 명시하고 있습니다.
즉 이론 + 프로젝트 구성으로, 짧은 기간에 폭넓은 내용을 다루되 실전감각도 익히도록 설계된 것이죠.
덕분에 현업에서 자주 사용하는 기술 스택을 한 번씩 경험해볼 수 있습니다.
예를 들어 헬스케어 AI라면 필연적으로 다루게 되는 딥러닝 프레임워크(PyTorch/TensorFlow), 데이터 처리(Pandas/Numpy), 모델 배포(클라우드, API) 등을 커리큘럼에서 접했다면, 신입으로 입사해서 해당 용어를 처음 듣는 일은 없을 것입니다. 이는 분명한 강점입니다.
특히 팀 프로젝트를 진행하며 Git 협업, MLOps 파이프라인, 발표 자료 작성 등을 경험한 것은 회사 업무 적응에 큰 도움을 줍니다.
다만, 부트캠프 커리큘럼이 ‘넓고 얕게’ 구성되는 경향이 있다는 한계도 있습니다.
타 교육기관의 인공지능 캠프를 수료한 한 수강생은 모든 과정을 마친 뒤 “정말 모든 과목이 다 필요했는지 자신 있게 답하기 어렵게 되었다”며, “차라리 모든 영역의 베이스를 깔되 본인이 맞는 분야를 집요하게 파고들 것을 추천한다”는 후기를 남겼습니다.
현업에서도 특정 분야에 대한 깊이있는 전문성을 금방 요구하게 마련이므로, 수료생들은 자신이 배운 것 중 가장 흥미롭고 강점이 될만한 기술을 골라 심화할 필요가 있습니다.
예를 들어, 컴퓨터 비전이 재미있었다면 의료영상을 활용한 모델링을 더 파보거나, NLP를 배웠다면 의료 문헌 텍스트마이닝 쪽으로 프로젝트를 추가 진행해보는 식입니다.
또 한 가지, 프로그래밍 기본기에 대한 요구는 산업계에서 생각보다 높습니다.
김박사넷 커뮤니티의 한 댓글에서도 “AI 회사들 채용공고 보면 C++, Python 프로그래밍 잘하면서 AI 연구해본 사람을 뽑는다. 영상이든 NLP든 결국 코딩을 잘 해야 한다”고 지적합니다.
즉 머신러닝 이론 지식도 중요하지만 코드 구현 능력이 뒷받침되지 않으면 현업 적응이 어렵다는 뜻입니다. 다행히 부트캠프 과정 중 꾸준히 코딩과제를 풀고 프로젝트를 코딩했다면, 이미 여러분은 비전공자 출신으로서도 상당한 코딩 연습을 한 상태일 것입니다.
이를 기반으로 취업 준비 시에는 알고리즘 문제나 자료구조 같은 부분을 추가로 공부해두면 더욱 탄탄한 기술 면접 대비가 될 것입니다.
요약하면, 커리큘럼은 방향성을 잘 잡아주지만 그걸 자기 것으로 만들 깊이는 수료생의 몫입니다. 수업에서 다룬 기술들이 실제 취업 후 충분히 써먹히므로 걱정할 필요는 없으나, 그 기술들을 얼마나 능숙하게 다루느냐에 차이가 생기기 때문입니다.
부트캠프 때 만든 최종 프로젝트라도 수료 후에 계속 발전시키면서 이해도를 높인다면, 이는 곧바로 실무 능력 향상과 자신감으로 이어질 것입니다.
신입으로 가능한 포지션은 무엇?
"결국 내가 들어갈 자리는 있는가?" 많은 수료생들이 이 부분을 가장 현실적으로 고민합니다.
결론부터 말하면 자리가 아예 없는 것은 아니지만, 스스로 개척해야 하는 면이 있습니다. AI 신입 채용 시장은 과거만큼 풍요롭진 않지만, 특히 스타트업이나 연구소를 중심으로 기회는 존재합니다.
한 온라인 현직자는 “스타트업은 경력 없는 AI 신입 채용에 비교적 열린 편이지만, 큰 회사들은 경력 4~6년을 요구하는 곳이 많다”고 전합니다.
즉 대기업의 AI 개발직은 대부분 경력직 뽑기로 흘러가는 추세이고, 대신 스타트업이나 병원 연구소, 대학 연구프로젝트 등에서 신입을 받아들이는 경우가 많다는 뜻입니다.
예를 들어 대학병원 연구원 포지션으로 입사한 신입의 경우 직함은 연구원이지만 실제 하는 일은 “딥러닝 기반의 의료 영상 진단보조 모델 개발”이니, 사실상의 주니어 딥러닝 엔지니어인 셈입니다.
이렇듯 병원이나 의과대학 랩실에서는 석박사 수준의 연구인력만이 아니라, 실제로 코드를 구현하고 모델을 돌릴 인력을 필요로 합니다.
스타트업 측면을 보더라도, 의료AI 솔루션 업체들은 주니어 채용에 관심이 있습니다. 헬스케어 스타트업들은 규모가 크지 않아도 각종 AI 경진대회 수상자나 관련 프로젝트 경험자를 신입으로 뽑아가는 경우가 있습니다. 또한 정부과제나 지원사업을 통해 인턴십 기회를 제공하기도 하지요.
AI 부트캠프 후기들 중에는 수료생이 2개월 인턴십을 통해 정규직 전환된 사례도 소개되었습니다. 신입으로 바로 취업하는 경로 외에도, 인턴 → 정규직 루트도 충분히 고려할 만합니다.
물론 현실적으로 최근 생성형 AI 열풍 등으로 인해 주니어에게 다소 불리한 시장 분위기도 있습니다.
일부 보도에 따르면 “코딩 AI의 발전으로 미숙련 개발자를 예전보다 덜 채용하는 분위기”, “신입보다 AI가 낫다는 인식이 퍼진다”는 우려도 나옵니다.
실리콘밸리의 몇몇 기업은 아예 신입 채용을 줄이고 3년차 이상의 경력자만 뽑는다는 극단적인 사례도 있다고 하지요. 그러나 이는 어디까지나 일부 선진 사례로, 국내 전체 시장 상황과 1:1로 대응되진 않습니다.
중요한 것은 이러한 흐름을 인지하고 내 가치를 높이는 전략을 세우는 겁니다. AI를 대체하는 사람이 될 것인가, AI에게 대체되지 않는 사람이 될 것인가를 스스로에게 물으며, 신입이라도 어떤 강점을 보여줄지 준비하면 됩니다.
헬스케어 분야 지식을 겸비한 AI 인재라면, 그 자체로 범용 소프트웨어 개발자와는 차별화된 희소 가치가 있기 때문입니다.
실제 채용공고를 살펴보면 신입/주니어에게 기대하는 바를 짐작할 수 있습니다. 어느 의료 AI 스타트업 채용 요건을 보면 “머신러닝 모델 개발 경험, 딥러닝 프레임워크 활용 능력, 의료데이터 처리 이해도” 등을 꼽으며 학력보다는 프로젝트 경험과 역량을 중시하는 모습을 보입니다.
결국 신입 지원자에게 가장 중요한 포인트는 ‘내가 해본 것’입니다. 학위나 자격증보다, 내가 직접 참여한 프로젝트와 성과를 어필하는 게 먹힙니다.
부트캠프 동안 했던 팀 프로젝트, 개인 포트폴리오 프로젝트를 잘 정리해서 지원하는 회사의 분야에 맞추어 어필해보세요. 예컨대 지원 회사가 뷰노처럼 의료영상을 다룬다면, 수료과제 중 이미지 분석 관련 프로젝트를 집중 부각하는 식입니다.
Python 기반의 백엔드 교육을 통해 헬스케어 기업에 취직하기 까지
- AI 기반 신약 개발 전문 바이오테크 아이겐드럭에 입사한 성0호 수료생
Exact fit까지는 아니어도, 적어도 해당 직무에 Near fit 이상으로 보이도록 노력해야 합니다. 기업은 가능한 한 즉시 실무 투입이 가능한 사람을 원하기 때문에, “나 이 정도로 실무 비슷한 걸 해봤다”는 인상을 주는 것이 중요합니다.
FastAPI와 Docker, “웹개발이 아닙니다!”
교육 과정에서 FastAPI, Docker 등을 배울 때 일부 수강생들은 “내가 웹 개발자가 되려고 AI를 배운 게 아닌데…” 하고 혼란스러워 합니다.
하지만 이는 오해입니다. FastAPI나 Docker를 배우는 목적은 AI 모델을 서비스로 배포하기 위해서입니다. 다시 말해, 우리가 만든 머신러닝 모델을 현실 세계 사용자에게 제공하려면 단순히 주피터 노트북 속 결과로 끝날 수 없고, API 서버 형태로 배포되어야 합니다.
이때 Python 기반의 경량 웹 프레임워크인 FastAPI가 매우 유용합니다. FastAPI는 비동기 처리를 지원하고 Swagger UI 자동문서화 등의 기능을 갖춘 고성능 API 프레임워크로, 특히 “머신러닝 모델 서빙이나 대규모 API 서버 구축”에 널리 사용됩니다. Django나 Flask같이 화면까지 구성하는 웹 프레임워크와 달리, FastAPI는 오로지 모델 예측 결과를 주고받는 API 서버를 빠르게 만들기에 최적화되어 있습니다.
즉, 여러분이 FastAPI로 만든 "/predict" 엔드포인트는 일종의 작은 AI 서비스가 되는 것이죠. 이는 더 이상 “웹 개발을 했다”기보다는 “AI 모델을 제품화했다”는 성과로 볼 수 있습니다.
Docker 또한 마찬가지 맥락입니다. Docker는 애플리케이션을 컨테이너로 패키징하여 어디서나 동일한 환경으로 실행되게 해주는 도구입니다.
왜 이것이 중요할까요? 내가 개발한 모델이 내 컴퓨터에선 잘 돌아가도, 다른 서버 환경에서 각종 라이브러리 충돌로 안 돌아가는 상황을 막기 위해서입니다.
수료 과정에서 Docker 사용까지 경험해봤다면, 이는 곧 배포와 운영 단계까지 고려할 줄 아는 엔지니어라는 의미가 됩니다. 실제 실무에서도 “모델을 FastAPI로 감싼 뒤 Docker로 컨테이너화해 클라우드에 올리는” 식으로 ML 서비스를 배포하는 일이 빈번합니다.
그러니 FastAPI와 Docker를 공부한 것을 두려워하거나 폄하하지 말고, 내 AI 역량을 완성시키는 마지막 퍼즐 조각이라고 받아들이세요. 현업 엔지니어들도 모델 개발만큼이나 배포 환경 세팅을 중시하며, MLOps(머신러닝 운영) 능력을 갖춘 신입이라면 상당한 플러스 요인으로 평가합니다.
“AI 서비스를 끝까지 만들어본 적 있다”는 것은 코딩 테스트 점수 이상으로 현실 현장에선 값진 경험입니다. 그러므로 FastAPI/Docker를 배웠음을 이력서에 당당히 적고, 실제로 이를 활용해본 프로젝트 (예: 간단한 모델 예측 웹서비스)를 포트폴리오로 보여주면 매우 효과적입니다.
정리하면, FastAPI와 Docker 등은 AI를 실용화하는 기술이지 단순히 웹 개발자로 전향시키려는게 아닙니다. 이러한 풀스택 역량을 갖추면 작은 스타트업에서는 “모델도 만들고 서비스도 올릴 줄 아는” 만능 인재로서 환영받고, 규모 있는 조직이라면 MLOps팀이나 백엔드팀과 소통하는 데 큰 강점을 갖게 됩니다.
Python, FastAPI, AWS, Docker를 배웠다는 것만으로 우리의 미래는 밝다
수료 후 보완해야 할 역량들
부트캠프 수료는 끝이 아니라 진짜 시작입니다.
이제 여러분은 파이썬, 머신러닝, 딥러닝, 배포까지 두루 맛본 초급 AI 엔지니어 상태일 것입니다. 이 상태에서 어떤 부분을 더 보완하느냐에 따라 취업 성공 여부와 초기 커리어 궤적이 갈립니다.
첫째로, 기초 CS 및 코딩 능력 보완
비전공자로 시작한 분들이 많기에, 자료구조나 알고리즘, 운영체제 같은 전산 기초지식이 부족할 수 있습니다. 회사에 따라서는 개발 직군 공채 과정에서 코딩 테스트나 전공지식을 물어볼 수도 있으므로, 시간을 내어 이러한 부분을 공부해두면 리스크를 낮출 수 있습니다.
자료구조/알고리즘 문제를 꾸준히 풀면서 문제해결력과 코드 구현력을 높이면, 면접 볼 때 자신감도 붙습니다.
둘째로, 도메인 지식을 쌓기
AI 헬스케어 분야에서 일하려면 의료 데이터 특성에 대한 이해도가 높을수록 빛을 발합니다. 예를 들어 의료영상을 다룬다면 영상의학 기초나 인체 해부학 지식을 조금 공부해두는 식입니다.
실제로 의료AI 기업 면접에서는 의료 영상의 노이즈 특성, 개인정보 비식별화 이슈, 의료 규제 등에 관한 질문이 나올 수도 있습니다.
헬스케어라는 산업 자체에 대한 관심과 애정을 보여주는 지원자는 채용 측에도 매력적으로 보입니다. 관련 학회나 세미나 영상을 찾아보거나, 요즘 유행하는 의료AI 논문 동향을 팔로업하면 좋습니다.
셋째, 프로젝트/포트폴리오 지속적인 개선
앞서 말했듯 신입에겐 내가 무엇을 해봤는지가 곧 나의 가치입니다.
부트캠프 동안 만든 최종 프로젝트가 끝이 아닙니다. 수료 후에도 해당 프로젝트를 발전시켜보세요.
예를 들어 정확도를 더 높이거나, 웹 데모를 개선하거나, 새로운 데이터를 추가해보는 겁니다.
혹은 새로운 미니 프로젝트를 하나 시작해봐도 좋습니다. 꼭 거창할 필요 없이, 케글(Kaggle) 같은 데 나오는 의료AI 대회를 따라해보고 정리한다든지, 또는 오픈소스 의료 데이터를 활용해 사이드 프로젝트를 하는 겁니다.
이러한 추가 노력은 면접 때 “이분은 부트캠프 이후로도 꾸준히 성장하고 있구나” 하는 인상을 주어 성장 잠재력을 크게 어필할 수 있습니다.
넷째, 커뮤니케이션 역량과 협업 경험을 자기화하기
혼자 공부할 때와 달리, 회사에서는 항상 의료 전문가, 기획자, 선배 개발자 등과 팀을 이뤄 일합니다.
부트캠프의 팀 프로젝트 경험을 잘 떠올려서, 협업 중 어려움을 어떻게 해결했고 어떤 역할을 맡아 기여했는지 정리해두세요. 그리고 이를 지원동기나 면접 답변에 활용하는 것이 좋습니다.
예를 들어 “모델 정확도를 높이기 위해 ~~한 시도를 팀원과 논의했고, 제안해서 실험했다”, “의사 출신 도메인 멘토와 소통하며 의료데이터의 한계를 이해했다” 등의 경험담은 협업 역량을 드러내줍니다. 신입에게 당장 뛰어난 실무능력을 기대하진 않아도, 배우려는 태도와 소통 능력은 큰 평가 요소이므로 이를 보여줄 수 있어야 합니다.
다섯째, 취업 채널을 다양화
수료 후 바로 취업이 안 된다고 해서 좌절하기보다는, 인턴십, 산학협력 연구원, 프리랜서 프로젝트 등 다양한 발판을 알아보세요. 요즘 일부 병원이나 기업 연구소에서는 계약직 연구원을 뽑기도 하고, 국가 AI 프로젝트 인턴을 모집하는 경우도 있습니다.
소위 말하는 니치(niche)한 기회일수록 경쟁이 덜하고 내게 맞으면 곧장 커리어로 이어질 수 있습니다. 오픈카톡방이나 관련 커뮤니티를 통해 이런 정보를 얻을 수 있으니, 동기들과 정보도 공유하면서 길을 넓혀봅니다.
마지막으로, 멘탈 관리와 꾸준함도 중요한 보완 요소
취업 준비 기간이 길어질 수도 있지만, AI 분야는 특히 빠르게 변화하기 때문에 계속 공부하거나 코딩에 손을 놓지 않는 것이 장기적으로 유리합니다.
오히려 취준 기간에 역량을 더 끌어올려서 원하는 회사에 합격했다는 선배들도 많습니다. 그러니 조급함을 버리고 루틴을 정해 꾸준히 실력을 쌓는 태도를 가져봅니다.
앞으로의 커리어 방향과 현실적인 방법
AI 헬스케어 분야에 발을 들인 지금, 장기적인 커리어 그림도 그려볼 때입니다. 현실적인 조언 몇 가지를 정리해보겠습니다.
① 처음은 폭넓게 경험하되, 나만의 강점을 만들어라
신입 혹은 주니어 시절에는 가능한 한 다양한 문제와 기술스택을 접하며 자신에게 맞는 전문성을 탐색하세요.
예를 들어 스타트업에 들어갔다면 모델 개발부터 데이터 파이프라인, 클라우드 배포까지 다 해볼 수 있을 테니 두려워말고 뛰어들어 경험을 쌓는 겁니다. 그러면서 “내가 특히 잘하고 좋아하는 것”을 찾아 그 부분을 남들보다 한 걸음 앞서가도록 노력하세요.
한 선배 개발자는 “붕어빵 찍어내듯 똑같은 인재가 많은 상황에선 경쟁력이 떨어진다. ‘딱 그 직무에 맞는 사람’이 되도록 자신을 브랜딩하라”고 조언합니다.
예를 들어 “의료영상 특화 딥러닝 엔지니어”, “의료 데이터 MLOps 전문가” 등 본인만의 타이틀을 생각해봅니다.
② 도메인 전문성 + AI 기술의 융합 인재로 성장하라
헬스케어 AI 분야에서 두각을 나타내려면, 의료 도메인과 AI 테크 둘 다 이해하는 인재가 되는 게 유리합니다.
커리어 초반에는 순수 기술역량을 올리는 데 집중하겠지만, 중장기적으로는 해당 도메인에 대한 식견을 키우세요.
예컨대 병원 의료AI팀에 있다면 의사 선생님들과 교류하며 의학 지식을 배우거나, 의료 규제 정책 공부를 하는 것도 추천합니다.
또는 헬스케어 스타트업에서 일한다면 제품 기획 회의에 적극 참여해 사용자 관점에서 AI를 바라보는 연습을 하세요.
이렇게 쌓은 도메인 식견은 나중에 경력직 이직이나 창업을 할 때 강력한 무기가 됩니다. 실제로 의료AI 업계에서 인정받는 전문가들은 의료와 AI의 교집합 영역을 깊이 파고들어 남들이 쉽게 대체할 수 없는 위치에 올라 있습니다.
③ 커리어 멘토를 찾아라
홀로 모든 길을 개척하기보다, 먼저 그 길을 간 선배나 업계 멘토를 만나는 게 큰 도움이 됩니다.
부트캠프 동기 중 먼저 취업한 친구, 이전 기수 선배, 혹은 온라인 커뮤니티의 현직자 등에게 조언을 구해보세요. 특히 이직 경로나 연봉 수준, 필요한 스킬 등 실질적인 이야기를 들을 수 있습니다.
교육생 커뮤니티의 장점은 이런 인적 네트워크가 있다는 것이니, 수료 후에도 네트워킹을 활발히 하길 권합니다. 가끔 멘토의 한 마디가 시행착오 수개월을 줄여주기도 합니다.
④ 단기 목표와 장기 비전을 모두 설정하라
현실적인 액션 플랜으로, 6개월 뒤와 3년 뒤 목표를 한번 적어보세요.
예를 들어 “6개월 내 OO기업 or 비슷한 규모 스타트업에 주니어 AI 엔지니어로 입사”, “3년 내 의료AI 분야에서 프로젝트 리드 경험” 이런 식으로요. 단기 목표인 취업을 이루기 위해 월간 단위 준비 계획을 세우고 실행하세요 (예: 1달 차에는 이력서/포트폴리오 완성, 2달 차에는 10곳 지원 및 2곳 면접 보기 등).
그리고 장기 비전을 가슴에 품고 있으면 힘든 일상이 와도 방향을 잃지 않을 수 있습니다.
혹시 장기적으로 창업이나 대학원 진학을 고려한다면, 지금 다니는 직장에서 어떤 것을 배우고 인맥을 쌓아야 할지도 함께 생각해보세요.
⑤ 업계 변화에 열린 자세를 가져라
AI 기술은 유례없이 빠르게 변하고 있습니다. 1~2년 새에 새로운 플랫폼과 도구가 쏟아질 것입니다. 주니어 때 이러한 변화에 좌절하기보다는 호기심을 갖고 먼저 시도해보는 사람이 성장합니다.
예를 들어 최근 화제가 되는 Generative AI(생성형 AI)나 멀티모달 AI가 의료 분야에는 어떻게 적용될지 미리 공부해보세요. 새로운 트렌드를 습득하는 민첩성이 곧 커리어의 수명과도 직결됩니다. 현업에서도 끊임없이 공부해야 하는 건 당연하므로, Lifelong learning을 즐기는 자세가 필요합니다.
마지막으로, 너무 조급해 하지 말고 자신의 길을 믿으세요
부트캠프 동기 중 누군가 먼저 취업했다고 해서 마음 급해질 필요 없습니다.
이 분야 커리어는 마라톤이지 단거리 경주가 아닙니다. 중요한 것은 지속적인 성장곡선을 그리는 것이지 남들과 출발이 몇 달 차이 나는지가 아닙니다.
교육을 수료한 지금의 자신과, 비슷한 배경에서 시작해 1년 뒤에 꾸준히 노력한 자신의 모습을 한번 상상해보세요.
분명 크게 성장해 있을 것입니다. AI 헬스케어라는 의미 있는 길을 선택한 여러분이 앞으로 현업에서 환자와 의사에게 도움을 주는 멋진 서비스를 만들 날을 기대하겠습니다.
현실을 직시하되 긍정적인 자세로 한 걸음씩 나아가다 보면, 어느새 원하는 커리어에 성큼 다가가 있을 것입니다.
여러분의 도전을 진심으로 응원합니다.
Share article