AI를 모든 직무가 같은 깊이로 배울 필요는 없습니다. 개발자는 기능과 안정성, 분석가는 데이터와 평가, 기획자는 사용자 문제와 운영 조건을 더 깊게 다룰 수 있습니다. 공통 출발점은 목표와 실패 기준을 정하는 일입니다.
개발 직무
작은 AI 기능을 제품에 연결할 때 입력 검증, 지연, 비용과 오류 응답을 확인합니다. 생성 결과를 그대로 신뢰하지 않고 테스트 케이스를 만듭니다.
데이터 직무
데이터 출처, 대표성, 결측치와 평가 자료를 확인합니다. 모델 성능 숫자만 올리기보다 실제 사용할 때의 실패 사례를 기록하세요. Google ML 문제 정의 자료가 목표와 평가 기준을 정하는 데 도움이 됩니다.
기획 직무
사용자가 어떤 결정을 내려야 하는지와 AI 결과를 누가 검토할지 정합니다. 개인정보와 오류의 영향을 고려해야 합니다. 세 직무가 함께 작은 시범 작업을 하고 결과를 비교하는 편이 유익합니다. 협업 결과물을 설명하는 법은 IT 포트폴리오 구성을 참고하세요.