비전공자가 AI 공부를 시작하는 방법: 실무 활용을 위한 업무 정의에서 출발하기

비전공자가 AI 공부를 시작하는 방법: 실무 활용을 위한 업무 정의에서 출발하기

5 min read | 토글캠퍼스팀

 

최근 몇 년 사이, AI 기술은 모든 산업에 걸쳐 혁신을 불러일으키고 있습니다. 고객 데이터 분석, 생산 공정 자동화, 개인화된 추천 시스템 등 다양한 영역에서 AI는 기업과 개인의 경쟁력을 강화하는 핵심 도구로 자리 잡았습니다. 그러나 동시에 이런 변화는 불안감을 동반하기도 합니다. “AI가 내 직업을 대체하지 않을까?”, “우리 산업도 AI로 인해 근본적으로 바뀌는 건 아닐까?”라는 걱정에서 비롯된 FOMO(Fear of Missing Out)가 많은 사람들에게 영향을 미치고 있습니다.

 

특히 비전공자라면, AI 기술을 배우고 싶어도 어디서부터 시작해야 할지 감조차 잡기 어려운 것이 사실입니다. “수학과 프로그래밍 지식이 부족한데, 과연 내가 AI를 제대로 배울 수 있을까?”, “이 공부가 실제 내 업무에 도움이 될까?”라는 막연한 고민은 시작 단계에서의 큰 장벽으로 작용합니다.

 

이 글에서는 비전공자가 AI 공부를 시작할 때 어떤 접근법을 택해야 하는지, 그리고 실무에서 직접 활용 가능한 방향으로 어떻게 학습을 이어나갈 수 있을지에 대해 가이드를 제시해 보려 합니다.

 

비전공자에게 AI 공부가 어려운 이유: 추상화

AI를 배우는 과정에서 가장 큰 장애물은 ‘추상화 수준’을 설정하는 데 있습니다. 추상화라는 말이 어렵게 들릴 수 있지만, 간단히 말해 “목표를 달성하는 데 꼭 필요한 것만 배우고 나머지는 넘기는 것”이라고 생각하면 됩니다.

 

예를 들어, 운전을 배우는 과정을 떠올려 보세요. 운전을 잘하기 위해 자동차의 역사나 기어 변속 원리, ABS 시스템의 작동 방식을 알 필요는 없습니다. 가속, 감속, 방향 전환 방법과 도로 교통법만 제대로 익히면 충분합니다. 오히려 기계의 원리를 하나하나 고민하며 운전하려 한다면, 머릿속이 복잡해져 가장 중요한 운전 실력 자체에 집중하지 못할 가능성이 큽니다.

 

AI 공부도 마찬가지입니다. AI의 원리를 완벽히 이해하려고 수학적 배경부터 파고들거나 기술 발전의 역사를 샅샅이 분석하는 것은 비전공자에게는 불필요한 노력이 될 수 있습니다. AI를 활용하려는 비전공자라면, 자신에게 필요한 추상화 수준을 잘 설정하는 것이 중요합니다.

 

가령, 비전공자가 AI를 배우기 위해 파이썬을 독학하거나 선형대수학을 공부할 필요는 없습니다. 그보다는 머신러닝과 딥러닝의 기본 개념을 이해하고, 이를 실무에서 어떻게 활용할 수 있을지 고민하는 것이 훨씬 더 유용합니다.

즉, AI를 실무에 적용하기 위해 꼭 필요한 정보와 기술만 배우는 것이 핵심입니다.

 

비전공자가 AI 공부를 시작하는 첫걸음: 업무 정의에서 출발하기

AI를 배우고 활용하기 위한 비전공자의 첫걸음은, 역설적이게도 AI 그 자체에 대해 공부하는 것이 아닙니다. 대신, 내가 실무에서 AI를 어디에 사용할 수 있을지를 고민하는 것에서 시작해야 합니다. 이를 위해 가장 먼저 해야 할 일은 내 업무를 규칙 기반과 판단 기반으로 나누어 정의하는 연습입니다.

 

어떤 업무는 사람이 작성한 규칙만으로도 해결할 수 있는 반면, 또 다른 업무는 인간의 추론과 판단이 필요합니다. 이 두 가지를 명확히 구분하는 것은 간단해 보이지만 실제로는 상당히 어렵습니다. 하지만 이 과정을 통해 AI가 도입될 수 있는 문제와 그렇지 않은 문제를 판단하는 안목을 기를 수 있습니다.

 

이때 스스로에게 다음과 같은 질문을 던져보세요:

• 이 문제는 사람이 직접 작성한 규칙만으로 해결이 가능한가?
• 규칙이 얼마나 자주 변화하며, 예외가 존재하는가?
• 문제를 해결하기 위해 인간의 판단이 개입되는 부분은 어디인가?

예를 들어, 내가 5개의 스프레드시트 데이터를 하나로 취합하고 보기 좋게 변형하는 업무를 하고 있다고 가정해 봅시다. 이때 다음과 같이 구체적으로 문제를 정의할 수 있습니다:

• 취합하는 작업이 일정한 규칙(예: 특정 셀부터 특정 셀까지 복사 후 붙여넣기)만으로 해결될 수 있는가?
• 5개의 스프레드시트가 형식적으로 동일한가, 아니면 예외가 존재하는가? (예: 내년부터 스프레드시트가 10개로 늘어날 가능성 등)
• 내가 작업 중에 임의로 판단하는 부분은 어디인가? (예: 특정 셀을 제외하거나 합산할지 결정, 높은 값을 선택, 데이터 형식이 다른 경우 조정 등)

이렇게 업무를 정의하다 보면, 자연스럽게 규칙 기반으로 처리할 수 있는 업무와 판단이 필요한 업무가 나뉘게 됩니다.

 

AI는 일반적으로 판단 기반의 업무를 자동화하려는 시도에서 빛을 발하기 때문에, 이러한 정의 과정을 통해 AI가 해결할 수 있는 문제를 더 잘 이해할 수 있습니다.

 

따라서 비전공자라도 AI가 실무에서 어떤 문제를 풀어줄 수 있는지 고민하고, 내 업무를 구체적으로 분석하는 연습을 한다면, 추후 AI에 대한 학습의 방향성을 명확히 잡을 수 있을 것입니다. 이 첫 단추가 올바르게 꿰어질 때, AI 기술은 단순한 유행이 아니라 업무 생산성을 개선해 주는 실질적인 도구로 사용할 수 있습니다.

 

결론

AI 공부가 어려운 이유는 비전공자 입장에서 필요한 추상화 수준을 설정하기 어렵기 때문입니다. 하지만 비전공자의 AI 학습 목적은 기술 그 자체를 깊이 이해하는 것이 아니라, AI와 공존하며 업무 생산성을 개선하는 것에 있습니다. 이를 위해 내 업무 중 어떤 부분이 AI로 자동화 가능한지 정의하고 파악하는 것이 핵심입니다.

 

그 첫걸음은 내 업무를 면밀히 분석하며, 규칙 기반으로 처리할 수 있는 부분과 추론이 개입되는 부분을 명확히 정의하는 연습으로 시작하는 것입니다. 이를 통해 AI 도입이 필요한 영역과 가능성을 자연스럽게 이해할 수 있습니다.

 

다음 포스트에서는 구체적으로 어떤 업무에 AI 기술을 활용할 수 있는지를 다양한 예시를 통해 자세히 다룰 예정입니다. AI로 업무 생산성을 개선하고 싶으신 모든 분들! 끝까지 함께해 주세요!

 

24.12.17

토글캠퍼스팀