새로운 직무 이름이 등장해도 채용 여부와 요구 기술은 회사·시점마다 달라집니다. 특정 직업이 반드시 늘어난다고 단정하기보다 관심 직무의 실제 채용 공고를 읽고, 현재 가진 역량과의 차이를 기록하는 편이 정확합니다. 이 글은 2026년의 채용 수치나 연봉을 예측하지 않습니다.
직무 이름보다 업무를 읽기
같은 “AI 엔지니어” 공고도 데이터 파이프라인 구축, 모델 평가, 응용 서비스 개발처럼 일이 다를 수 있습니다. 공고의 담당 업무, 필수 조건, 우대 조건을 분리해 적으세요. 세 공고에서 반복되는 업무를 먼저 학습하고, 특정 회사에서만 요구하는 도구는 후순위로 둡니다.
직무별 증거 만들기
웹 개발을 원하면 사용자의 입력을 받고 오류를 처리하는 작은 서비스를 만듭니다. 데이터 직무라면 원자료의 결측·중복을 점검하고 분석 질문과 결과의 한계를 설명합니다. 보안 직무라면 허가된 실습 환경에서 로그를 분석하고 탐지 기준과 오탐 가능성을 적습니다. AI를 활용했다면 생성한 코드와 본인이 검증한 범위를 구분합니다.
학습 자료를 고르는 기준
강의 소개의 취업률이나 “미래 유망” 표현만 보지 말고 실습 환경, 과제 피드백, 공식 문서와의 연결을 확인하세요. AI·ML 직무를 고려한다면 Google의 문제 정의 자료처럼 문제를 기술로 바꾸기 전의 판단부터 익히는 것이 좋습니다. 웹 직무는 MDN 기초 과정으로 현재 수준을 점검할 수 있습니다.
한 달 단위의 점검법
한 달마다 한 기능을 구현하고 README에 요구사항, 실행 방법, 테스트 결과를 기록합니다. 다음 달에는 다른 사람에게 실행을 부탁해 막히는 단계를 고칩니다. 이 기록은 기술 이름만 나열한 이력서보다 설명력이 있습니다. 직무를 정하지 못했다면 직무별 IT 학습 로드맵에서 세 분야의 과제를 비교해 보세요.