👨🏻⚕️ AI 헬스케어 과정을 통해 AI 디지털 헬스케어 PM으로 취업에 성공한 이야기
“개발자가 아니어도 AI 헬스케어 분야에서 일할 수 있을까?”
이번 글에서는 음성 데이터 기반 경도인지장애·치매 선별 AI 솔루션을 개발하는 'Aible Therapeutics'에서 PM·서비스 기획 직무로 근무하고 있는 AI 헬스케어 1기 수료생 양OO님의 이야기를 소개합니다.
바이오·헬스케어 분야에 대한 관심에 AI 모델과 데이터 분석 역량을 더해, 현재는 개발팀·인공지능팀·고객사 사이에서 요구사항을 조율하고 서비스 상용화를 이끄는 PM이 된 사례입니다.
Q. 간단한 자기소개와 현재 맡고 있는 일을 소개해 주세요.
안녕하세요. AI 헬스케어 과정을 수료한 양OO입니다.
현재 저는 여의도에 위치한 Aible Therapeutics에서 PM·서비스 기획를 맡고 있습니다. 에이블테라퓨틱스는 음성 데이터를 기반으로 경도인지장애와 치매를 선별하는 AI 디지털 헬스케어 솔루션을 개발한 회사입니다.
저는 현재 개발이 완료된 기술을 실제 고객과 시장에서 사용할 수 있는 서비스로 상용화하는 업무를 하고 있습니다. 고객 피드백을 수집하고, 이를 제품 개선 방향으로 정리하며, 검사 결과 리포트에 들어갈 변수명, 점수 산출 방식, 스파이더웹·막대그래프 등 데이터 시각화 방식까지 기획안으로 구체화하고 있습니다.
또한 인공지능팀, 개발팀, 고객사 사이에서 요구사항과 구현 가능성을 조율하며 서비스가 실제 현장에서 잘 작동할 수 있도록 커뮤니케이션하는 역할을 하고 있습니다.
Q. 다양한 교육 과정 중에서 왜 AI 헬스케어 과정을 선택하셨나요?
저는 원래 바이오·헬스케어 분야에 관심이 있었지만, 앞으로의 헬스케어 산업에서는 전공 지식만으로는 부족하다고 느꼈습니다. 의료 현장에서 발생하는 데이터를 어떻게 분석하고, 이를 실제 서비스로 연결할 수 있는지 이해하는 역량이 중요하다고 생각했습니다.
오즈코딩스쿨의 AI 헬스케어 과정은 단순히 코딩만 배우는 과정이 아니라, 헬스케어 도메인과 AI 기술을 함께 다룬다는 점이 가장 매력적이었습니다. 의료·바이오 분야의 문제를 데이터 기반으로 해결해볼 수 있고, 실제 프로젝트를 통해 포트폴리오까지 만들 수 있다는 점이 제 커리어 방향과 잘 맞았습니다.
그래서 단순한 개발 교육이 아니라, 헬스케어 산업에서 실무적으로 활용할 수 있는 과정이라고 판단해 선택하게 되었습니다.
Q. 온라인 과정인데도 끝까지 몰입할 수 있었던 이유가 있었나요?
온라인 수업은 중간에 흐름을 놓치기 쉬운데, 오즈코딩스쿨은 혼자 공부한다는 느낌보다 함께 공부한다는 느낌이 컸습니다. 동료들과 함께 으쌰으쌰하며 따라갈 수 있었던 분위기가 저에게는 큰 힘이 되었습니다.
강사님들은 커리큘럼을 성실하게 준비해주셨고, 조교님들도 수강생 한 명 한 명을 놓치지 않으려는 모습이 인상적이었습니다. 일정 관리나 학습 분위기 측면에서도 온라인 수업의 단점이 크게 느껴지지 않았습니다.
또한 스터디를 통해 부족한 부분을 보완하고, 다가올 프로젝트를 미리 준비해볼 수 있었던 점도 도움이 되었습니다. 혼자였다면 막막했을 순간에도 함께 공부하는 환경이 있었기 때문에 끝까지 완주할 수 있었습니다.
📌 AI 헬스케어 과정은 전·현직 전문가들이 강사진으로 참여하고 있으며, 수강생들이 실제 현업에서 요구되는 역량을 기를 수 있도록 실무 중심으로 운영되고 있습니다.
[AI 헬스케어 대표 강사]
- 김복주 강사님 - 현)명지대학교 - AI 정보과학대학원 강의 - 전)서울사이버대학교 - 인공지능 강의 - 전)우리은행 - AI/빅데이터 개발 및 운영 / AI 개발 및 운영, 정보보안 감사
- 신동현 강사님 - 전)Toss Securities - 백엔드 개발자 - 전)Asleep - 백엔드 개발 리드 - 전)ABLY - 백엔드 개발
- 신윤섭 강사님 - 현)연세대, LG디스플레이, 미래에셋 , 삼성화재 등 AI 기업 교육 진행 - 전)뷰노(VUNO) - 연구개발본부 연구원
- 한기영 강사님 - 현)(주)데이터인사이트 - KT 에이블스쿨 1~8기 메인 강사 - 전)디플러스 - 동명대, 성균관대, 이화여대, University of Nations(미국)에서 데이터 분석 강의 - 전)(주)이랜드 시스템스 - 데이터 엔지니어, 정보전략실(데이터분석 팀) 팀장, 패션BG IT Manager
Q. 교육 전과 후를 비교했을 때, 가장 크게 달라진 점은 무엇인가요?
교육 전에는 AI나 데이터 분석을 막연하게 개발자나 데이터 사이언티스트만 다루는 영역이라고 생각했습니다. 하지만 과정을 들으면서 데이터를 어떻게 바라봐야 하는지, 어떤 변수를 선택해야 하는지, 모델의 결과를 어떻게 해석해야 하는지에 대한 기본적인 시야가 생겼습니다.
가장 크게 성장했다고 느끼는 부분은 제가 직접 모든 기술을 구현하는 개발자는 아니더라도, AI 서비스가 만들어지는 과정을 이해하고 개발팀과 대화할 수 있게 되었다는 점입니다.
현재 실무에서도 검사 결과 리포트에 어떤 변수를 넣을지, 점수 산출 방식은 어떻게 구성할지, 데이터를 어떤 그래프로 보여줄지 기획할 때 교육 과정에서 배운 데이터 분석적 사고가 많은 도움이 됩니다. 이전에는 “이런 화면이 필요하다” 정도로 요청했다면, 이제는 “어떤 데이터를 기반으로 어떤 방식으로 산출하고 보여줄 것인지”까지 함께 고민할 수 있게 되었습니다.
Q. 취업에 가장 도움이 된 프로젝트는 무엇이었나요?
가장 도움이 된 것은 난임 환자의 임상 데이터를 분석해 임신 성공 여부를 예측하는 모델 프로젝트였습니다.
난임 치료는 환자의 시간적·경제적 부담이 매우 큰 분야이기에, 의료진의 경험에만 의존하기보다 데이터 기반의 과학적 예측으로 치료 효율을 높이고자 기획한 프로젝트였습니다. 저는 데이터 전처리와 모델링 단계를 주도적으로 이끌었고, 정형화되지 않은 임상 데이터셋을 정제한 뒤 임신 성공에 영향을 미치는 주요 바이오마커와 변수들을 추출했습니다. 이후 XGBoost와 TabNet 기반의 모델을 교차 학습시키며 성능을 최적화한 결과, ROC-AUC 0.74228을 달성하며 데이콘 AI 헬스케어 해커톤에서 최종 2위라는 성과를 거두었습니다.
이 경험은 면접에서 가장 큰 무기가 되었습니다. 면접관들은 데이터 처리 과정, 피처 엔지니어링, 프로젝트에서 맡은 역할을 구체적으로 질문했고, 실제로 어떤 관점에서 데이터를 바라보고 작업을 수행했는지 설명할 수 있었습니다.
AI 헬스케어 과정은 수강생들의 학습 수준과 실무 적응력을 함께 고려하여, 의료데이터를 활용한 프로젝트와 해커톤 중심으로 운영되고 있습니다
- 흡연 여부 예측 AI 해커톤
- 스트레스 지수 예측 AI 해커톤
- 칼로리 소모량 예측 AI 해커톤
- 심리 성향 예측 AI 해커톤
- 흉부 X-ray 이미지 분류 AI 해커톤
- 난임 환자 대상 임신 성공 여부 예측 AI 해커톤
- 암환자 유전체 데이터의 변이 정보를 활용한 암종 분류 AI 모델 개발
- 만성질환 개선을 위한 챌린지 형태의 웹 서비스 개발 프로젝트
- 진료 기록 기반 복약 안내 및 생활습관 개선 가이드 생성 시스템 개발 프로젝트
Q. 전공이나 이전 경력은 이번 과정에서 어떻게 활용되었나요?
제 학부 전공인 Biomedical Science 지식과 이전의 행정·사업 관리 경력은, 기술적 관점에만 매몰되기 쉬운 AI 헬스케어 기획에서 가장 강력한 시너지를 발휘했습니다.
실제 의료·건강관리 현장에서 필요한 서비스는 단순히 기술적으로 화려한 기능보다, 환자와 현장의 사용자가 쉽게 수용할 수 있는 정교한 설계가 핵심입니다. 이 과정에서 오즈코딩스쿨을 통해 쌓은 AI 모델링과 데이터 분석 역량이 기존의 헬스케어 도메인 지식과 자연스럽게 연결되었습니다.
특히 딥러닝 기반 아키텍처의 데이터 흐름이나 예측 메커니즘을 이해하게 되면서, 기술팀과의 소통 수준이 달라졌습니다. 과거에는 단순한 기능 요구사항만 전달했다면, 이제는 검사 결과 리포트의 점수 체계나 반영할 변수를 고민할 때 모델의 연산 구조와 한계를 함께 고려해 훨씬 구체적이고 전문적인 논의를 리드할 수 있습니다. 여기에 공공기관 협력 사업을 총괄하며 단련된 조율 역량까지 더해져, 지금은 기술팀과 임상 현장 사이의 가교 역할을 수행하고 있습니다.
Q. 프로젝트 결과물을 포트폴리오와 면접에서 어떻게 활용하셨나요?
면접관들이 집중적으로 관심을 보였던 포인트는 크게 두 가지였습니다.
첫째는 피처 엔지니어링과 데이터 전처리 과정이었습니다. 단순히 제공된 데이터를 모델에 집어넣은 것이 아니라, 도메인 지식을 바탕으로 유의미한 변수를 어떻게 추출하고 정제했는지 그 구체적인 과정을 궁금해했습니다.
둘째는 팀 내에서 맡은 역할의 진위 여부였습니다. 프로젝트의 전반적인 흐름 속에서 제가 실제 코드를 만지고 로직을 설계한 부분이 어디까지인지 명확히 설명하는 것이 중요했습니다. 면접관이 인풋(Input)과 아웃풋(Output) 데이터에 대한 명확한 정의를 물어봤던 것이 기억에 남는데, 모델에 어떤 데이터가 들어가서 어떤 형태의 분석 결과가 도출되는지, 그 과정에서 쓰인 기술적 개념들을 정확히 알고 있는지가 핵심이었습니다.
PM에게 모든 딥러닝 코드를 완벽히 구현하는 개발자 수준이 요구되지는 않지만, 기본적인 데이터 흐름과 기술 구조를 이해하고 이를 서비스 기획과 커뮤니케이션에 활용할 수 있는 역량을 증명했을 때 기업에서 가장 큰 점수를 주었습니다.
직접 참여한 [만성질환 (당뇨) 생활습관 챌린지 웹 서비스] 발표 자료 중 일부 발췌
Q. 지금 실제 업무를 하면서도 교육 과정이 도움이 된다고 느끼시나요?
네, 매우 도움이 되고 있습니다. 가장 크게 느끼는 변화는 개발팀과의 협업 효율성입니다.
데이터 구조와 기술적 메커니즘을 이해하고 나니 회의 시간이 눈에 띄게 단축되었고, 엔지니어들과 같은 언어로 소통할 수 있게 되면서 상호 신뢰 속에서 빠르고 정확하게 의사결정을 내리고 있습니다.
또한 고객사의 요구사항을 조율하는 방어력도 한층 강해졌습니다. 기술적 한계나 리소스를 고려하지 않은 무리한 요구가 들어올 때, PM 선에서 1차적으로 필터링이 가능해졌습니다. 예를 들어 고객사가 "결과 카카오톡 공유 기능을 오늘 안으로 넣어달라"고 갑작스럽게 요청할 때, 구현에 필요한 데이터 흐름과 작업 시간을 계산해 "그 기능은 구조상 시간이 이만큼 걸립니다"라고 논리적으로 설득하고 조율할 수 있는 여유가 생겼습니다.
기술적 기반을 갖춘 덕분에 개발팀의 리소스를 보호하는 동시에, 무리한 일정으로 인한 서비스 퀄리티 저하를 막으며 중심을 잡는 든든한 가교 역할을 해내고 있습니다.
Q. 마지막으로, AI 헬스케어 과정 지원을 고민하는 분들에게 한마디 부탁드립니다.
처음부터 모든 것을 잘 알고 시작하는 사람은 없습니다.
저 역시 처음에는 AI, 데이터 분석, 모델링이라는 단어들이 낯설고 어렵게만 느껴졌고, 과연 끝까지 완주할 수 있을까 걱정이 많았습니다. 하지만 교육 과정을 차근차근 따라가다 보니 복잡했던 개념들이 하나씩 연결되었고, 프로젝트를 통해 직접 결과물을 만들어내며 점차 자신감을 얻을 수 있었습니다.
특히 바이오·의료 분야에 뜻이 있는 분이라면 AI 헬스케어는 놓치지 말아야 할 기회의 시장입니다. 최근 의료 패러다임이 변하면서 디지털 치료기기(DTx)나 AI 기반의 디지털 의료기기 소프트웨어(SaMD)의 중요성이 급격히 커지고 있습니다.
꼭 전문 개발자가 아니더라도, 디지털 의료 기술의 흐름과 데이터를 이해하고 '기술과 임상 현장'을 연결할 수 있는 인재의 가치는 앞으로 더욱 독보적인 경쟁력이 될 것입니다. PM, 서비스 기획, 데이터 분석, AI 헬스케어 사업개발 등 다양한 직무가 모두 그 가능성으로 이어집니다.
새로운 도전이 두렵고 막막하더라도, 망설이기보다 일단 첫 발을 내딛어보셨으면 좋겠습니다.
Share article