신입 고액 연봉으로 스카우트  
일부 기업 이직 금지법 추진 

월가에서 젊은 인재를 둘러싼 경쟁이 격화되면서 다른 회사가 키운 신입 인력을 고액 연봉으로 빼가는 ‘뻐꾸기형 스카우트’가 난무하고 있다.

지난 8일 니혼게이자이신문은 “일부 기업들은 입법을 통해 이직을 금지하려는 움직임까지 보이고 있다”며 월가 인재 시장의 불공정 경쟁이 심각해지고 있다고 진단했다.

올해 초 대형 은행 JP모건체이스는 글로벌 뱅킹 부문에 합류한 신입 애널리스트에게 “입사 전 또는 입사 후 1년 반 이내에 다른 회사의 채용 제안을 수락하면 해고될 수 있다”며 이례적인 통보를 보냈다. 

JP모건은 신입 애널리스트를 2년 반 동안 체계적으로 육성하지만, 훈련 중간에 사모펀드(PE) 등 투자 펀드로 이직하는 사례가 끊이지 않고 있어서다. 

특히 PE 업계는 빠르게 성장하는 산업으로 인재 육성에 강점을 가진 JP모건 같은 은행의 신입 직원들을 조기 타깃으로 삼아 애널리스트로 독립하기 직전에 몰래 스카우트하는 전략을 취하고 있다. 

PE 투자회사에 입사한 신입 애널리스트의 평균 연봉은 13만5000∼15만5000달러로, 여기에 성공 보수로 연봉의 100∼150%에 해당하는 보너스가 추가된다. 

반면, 상업은행 신입 연봉은 6만∼7만5000달러, 보너스는 5∼10%에 불과하다. 

JP모건의 제이미 다이먼 최고경영자(CEO)는 지난해 조지타운대 강연에서 “아직 첫 업무도 시작하지 않은 신입 직원을 빼가는 행위는 용납할 수 없다”며 “투자펀드의 약탈적 스카우트는 문제”라고 비판한 바 있다. 

일부 기업은 아예 법적으로 이직을 막으려 하고 있다. 

유명 투자자 켄 그리핀이 이끄는 헤지펀드 시타델은 2022년 본사를 시카고에서 플로리다 마이애미로 이전한 뒤, 현지 주 정부에 입법 로비를 벌여 경쟁사 이직 제한 법안을 추진한 바 있다. [연합뉴스]

인류·물리·컴퓨터공학 등
73개 학과 중 가장 높아

취업 시장에서 가장 힘든 시간을 보내고 있는 대학 졸업생들은 인류학과 전공자인 것으로 나타났다.

인류학과 졸업생들은 여타 학과에 비해 훨씬 높은 실업률을 기록했다.

뉴욕연방준비은행이 최근 학사 학위 이상을 가진 22~27세 청년을 대상으로 73개 전공별 실업률을 조사한 결과, 인류학과 졸업생의 실업률은 9.4%로 1위를 차지했다.

물리학과 컴퓨터공학 졸업생의 실업률은 각각 7.8%와 7.5%로 그 뒤를 이으며 이과 졸업생들의 직업 전망도 학과별로 엇갈리고 있음을 시사했다.

취업 플랫폼 글래스도어의 수석 이코노미스트인 다니엘 자오는 “순수 과학의 경우, 가질 수 있는 직업 유형이 약간 더 제약적인 경향이 있다”며 “물리학, 컴퓨터 공학, 컴퓨터 과학 졸업생을 일반적으로 많이 고용하는 기술업계의 고용은 코로나19 팬데믹발 경기침체 이후 최근까지 전반적으로 약세를 보였다”고 설명했다.

4~10위의 상위권에는 상업 미술 및 그래픽 디자인(7.2%), 순수 미술(7.0%), 사회학(6.7%), 화학(6.1%), 컴퓨터과학(6.1%), 정보 시스템 및 관리(5.6%), 공공 정책 및 법학(5.5%) 등이 이름을 올렸다.

컴퓨터 관련 학과는 의외로 높은 실업률을 기록했지만, 이들 학과 졸업생은 인류학과에 비해 관련 학위가 필요한 분야에서 일할 가능성이 컸으며 졸업생의 평균 임금도 높은 편이었다.

자오 수석 이코노미스트는 “컴퓨터공학과 컴퓨터과학은 높은 급여로 이어질 수 있기 때문에 여전히 매력적”이라며 “이 분야의 실업률은 높지만 불완전 고용률은 낮은 것을 볼 때 이 분야 졸업생들은 그것이 얼마나 보람 있는 일인지 알기 때문에 해당 분야의 첫 번째 일자리를 기다리며 버티고 있을 가능성이 크다”고 분석했다.

[연합뉴스]

수학, 통계, 프로그래밍 등으로 기초 쌓고
데이터 처리·시각화, 특정 분야 지식 필요
수학적·기술적 난이도 높지만 고연봉 가능

4차 산업혁명 시대의 핵심 동력으로 평가 받는 인공지능(AI)과 데이터 사이언스(Data Science)는 스템(STEM) 전공 중 가장 주목 받는 분야다. 기술 발전과 산업 혁신을 이끄는 동시에, 사회 전반에 걸쳐 새로운 기회를 창출하고 있다. AI와 데이터 사이언스는 단순한 기술적 도구를 넘어, 인간의 삶을 개선하고 복잡한 문제를 해결하는 강력한 수단으로 평가된다. AI와 데이터 사이언스의 개념, 특징, 기회와 도전에 대해 알아본다.  

2010년 쯤부터 빅데이터가 붐을 이루기 시작했다. 예전에는 엄청난 양의 데이터가 쏟아져도 처리할 방법을 몰랐다. 상당량의 데이터는 그냥 쓰레기통으로 사라졌다. 하지만 컴퓨터의 처리 용량이 비약적으로 발전하면서 이에 알맞은 처리 수학 모델이 나타났고 데이터 사이언스라는 분야가 시작됐다. 여기에 대량 데이터를 이용한 LLM으로 대표되는 AI모델이 나타나면서 큰 변화가 진행되고 있다.  

캘리포니아의 대표적인 주립대학인 UC버클리의 경우, 2017년까지는 응용수학과의 한 분야로 데이터 사이언스를 다루다가 2018년부터 전공을 정하는 3학년을 시작으로 데이터 사이언스 학과를 만들었다. 당시 데이터 사이언스 전공 졸업생은 첫 해임에도100명에 달했다. 2024년에는 600명이 졸업했다. 급기야 UC버클리는 2024년 가을학기부터 데이터 사이언스와 컴퓨터 사이언스, 통계학과를 합쳐서 College of Computing, Data Science, and Society(CDSS)라는 새로운 단과대학을 만들었다.  

이렇듯 AI와 데이터 사이언스는 앞으로 자율 주행, 스마트 헬스 케어, 기후 변화 대응 등 미래를 설계하는 핵심 기술로 자리 잡았다. 단순한 직업인이 아니라, 기술과 윤리를 조화시켜 세상을 바꾸는 주역이 될 것이다.

◆AI와 데이터 사이언스

AI는 컴퓨터 시스템이 인간의 지능을 모방하는 방식으로 학습, 추론, 문제 해결, 의사 결정을 수행하도록 만드는 학문이다. 머신 러닝(ML), 딥러닝(DL), 자연어 처리(NLP), 컴퓨터 비전 등 다양한 하위 분야를 포괄하며, 자율 주행차, 음성 인식, 의료 진단 등 실생활에서 점점 더 많은 영역에 적용되고 있다.

데이터 사이언스는 대량의 데이터를 수집, 분석, 해석하여 유의미한 통찰을 도출하는 학문이다. 통계학, 컴퓨터 사이언스, 도메인 지식을 결합해 데이터를 기반으로 예측 모델을 만들거나 비즈니스 문제를 해결한다. 예를 들어, 기업은 데이터 사이언스를 활용해 소비자 행동을 예측하고, 의료 분야에서는 환자 데이터를 분석해 질병 예방 전략을 세운다.

AI와 데이터 사이언스는 상호보완적이다. AI는 데이터 사이언스에서 생성된 데이터를 학습 자원으로 활용하며, 데이터 사이언스는 AI 모델의 성능을 최적화하는 데 기여한다. 두 분야는 기술적 기반과 응용 가능성 면에서 밀접하게 연결되어 있다.

◆주요 교과 과정

AI와 데이터 사이언스는 스템 전공 중에서도 높은 수요와 성장 가능성을 갖고 있다. 전공을 선택하는 학생들은 컴퓨터 사이언스, 수학, 통계학, 프로그래밍과 같은 핵심 역량을 학습한다. 주요 교과 과정은 다음과 같다.

▶프로그래밍: 파이썬(Python), R, SQL 등은 데이터 처리와 모델 개발에 필수적이다. 특히 파이썬은 AI와 데이터 사이언스 분야에서 가장 널리 사용되는 언어로, TensorFlow, Pandas, Scikit-learn 같은 라이브러리를 제공한다.

▶수학 및 통계: 선형 대수, 확률론, 통계학은 데이터 분석과 머신 러닝 알고리즘의 기초를 이룬다. 예를 들어, 딥러닝 모델은 행렬 연산과 최적화 이론에 크게 의존한다.

▶데이터 처리 및 시각화: 대규모 데이터를 효율적으로 처리하고 시각화하는 기술은 데이터 사이언스의 핵심이다. Tableau, Power BI 같은 도구나 Matplotlib, Seaborn 같은 라이브러리가 활용된다.

▶도메인 특화 지식: 데이터 사이언스는 금융,의료,마케팅 등 특정 산업에 대한 이해를 통해 데이터를 더 효과적으로 해석할 수 있다. 현장 지식이 매우 중요하다.

미국 대학에서는 AI와 데이터 과학 관련 학과가 빠르게 확장되고 있다. AI 전공 또는 데이터 사이언스 전공을 신설하거나 기존 컴퓨터 공학 커리큘럼을 강화하고 있다. 스탠퍼드, MIT, 카네기멜론 등 명문대가 선도적인 교육을 제공한다. 또한, Coursera, edX 같은 온라인 강의 플랫폼을 통해 무료 또는 저렴한 비용으로 관련 강의를 들을 수 있어 전공 진입 장벽이 낮아지고 있다.

◆졸업 후 수요와 기회

AI와 데이터 사이언스 전공자는 다양한 산업에서 높은 수요를 누린다. 글로벌 컨설팅 기업 맥킨지에 따르면, 2030년까지 AI 관련 직업 수요는 연평균 20% 이상 증가할 전망이다. 주요 IT 기업이 AI와 데이터 과학 인재를 적극 채용하고 있다. 주요 직무는 다음과 같다.

▶데이터 사이언티스트(Data Scientist): 데이터를 분석해 비즈니스 인사이트를 도출하고, 예측 모델을 설계한다. 연봉은 경력에 따라 6만 달러 이상에서 시작한다. 노동통계국 자료에는 평균 연봉이 10만3500달러다.

▶머신러닝 엔지니어: AI 모델을 설계, 개발, 배포한다. 딥러닝 프레임워크에 대한 깊은 이해가 요구된다.

▶AI 연구원: 새로운 알고리즘을 개발하거나 기존 모델을 개선한다. 주로 대학원 이상의 학력을 요구한다.

▶데이터 엔지니어: 데이터 파이프라인을 구축하고 대규모 데이터를 관리한다.

AI와 데이터 사이언스는 산업 간 경계를 허물고 있다. 금융권에서는 사기 탐지와 리스크 관리에 AI를 활용하며, 의료 분야에서는 AI 기반 진단 도구가 각광 받는다. 전자상거래 기업은 추천 시스템을 통해 매출을 극대화하고, 공공 부문에서는 데이터 기반 정책 결정을 위해 전문가를 채용한다.

◆전공자가 알아야 할 도전 과제

AI와 데이터 사이언스 전공은 높은 연봉을 약속하지만, 어려움도 만만치 않다.  

첫째, 기술의 빠른 변화로 인해  지속적인 학습이 필요하다. 예를 들어, 트랜스포머(Transformer) 모델이 2017년 등장한 이후 NLP 분야를 완전히 뒤바꾼 것처럼, 새로운 알고리즘이나 프레임워크가 매년 등장한다. 전문가는 최신 논문, NeurIPS, ICML 컨퍼런스, 오픈소스 프로젝트를 통해 트렌드를 따라가야 한다. 이를 위해 GitHub, ArXiv 같은 플랫폼을 적극 활용하는 것이 중요해졌다.

둘째, 수학적.기술적 난이도는 초기 진입 장벽으로 작용한다. 선형 대수, 미적분, 확률론은 머신러닝 모델의 작동 원리를 이해하는 데 필수적이다. 예를 들어, 경사 하강법(Gradient Descent) 같은 최적화 기법은 딥러닝의 핵심이지만, 이를 이해하려면 다변수 미적분과 행렬 연산에 대한 지식이 필요하다. 초보자는 이러한 기초를 다지는 데 시간이 걸릴 수 있다.

셋째, 윤리적 문제는 점점 더 중요한 도전 과제로 부각되고 있다. AI 모델은 학습 데이터에 포함된 편향을 반영할 수 있다. 예를 들어, 2018년 아마존은 성별 편향이 있는 채용 AI 시스템을 폐기한 바 있다. 데이터 프라이버시도 심각한 문제다. 2023년 기준, GDPR(유럽 일반 데이터 보호 규정)과 같은 규제는 데이터 사용에 엄격한 제한을 두고 있으며, 이를 위반할 경우 막대한 벌금이 부과된다. 전문가는 기술 개발뿐 아니라 윤리적 가이드라인을 준수해야 한다.

◆전공생의 취업 준비

이 분야를 전공하려는 학생에게는 다음과 같은 구체적인 준비가 필요하다.  

1.고교생 준비: AP Computer Science, AP Statistics, AP Calculus를 수강한다.

2.기초 학문 강화: 학부 1~2학년 때 선형 대수, 확률론, 통계학, 프로그래밍(Python, SQL)을 집중적으로 학습한다.  예를 들어, 파이썬 라이브러리 Pandas를 이용한 데이터 전처리나 NumPy를 활용한 행렬 연산은 실무에서 자주 사용한다.

3.실전 프로젝트 경험: Kaggle에서 데이터 분석 경진대회에 참여하거나, GitHub에서 오픈소스 프로젝트에 기여한다. 예를 들어, Kaggle의 타이타닉 데이터셋을 활용해 생존 예측 모델을 만들어보면 실무 감각을 익힐 수 있다.

4.인턴십과 네트워킹: 여름 인턴십이나 AI 관련 학회에서 전공자들과 교류하는 것이 좋다. 구글 리서치 같은 기업의 인턴십은 실무 경험과 네트워크를 동시에 제공한다.

5.윤리 교육: AI 윤리 관련 강의, 예를 들어  Coursera의 AI Ethics이나 세미나를 통해 편향, 프라이버시, 책임 문제를 학습한다. 이는 기술적 역량만큼 중요한 역량으로 평가 받는다.

6.포트폴리오 구축: 실제 데이터를 활용한 프로젝트 즉, 추천 시스템, 이미지 분류 모델을 GitHub에 업로드하고, 결과를 시각화해 발표 자료로 정리한다. 취업 시 강력한 경쟁력이 된다.

◆미래 전망과 사회적 영향

AI와 데이터 사이언스는 앞으로도 스템 분야의 선두주자로 남을 가능성이 높다. 자율 주행차는 2030년까지 글로벌 시장 규모가 1조 달러에 달할 전망이며, 스마트 헬스케어는 AI 기반 질병 예측과 개인화된 치료로 의료 혁신을 이끌고 있다. 예를 들어, DeepMind의 AlphaFold는 단백질 구조 예측 문제를 해결해 생명과학 분야에 큰 영향을 미쳤다. 스마트 시티는 교통, 에너지, 환경 데이터를 분석해 도시 효율성을 높이고 있으며, 한국의 송도 스마트 시티는 대표적인 사례다.

AI와 데이터 사이언스는 글로벌 문제 해결에도 기여한다. 기후 변화 대응에서는 데이터 분석을 통해 탄소 배출을 예측하고 최적화된 에너지 사용 전략을 제안한다. 예를 들어, 구글은 AI를 활용해 데이터센터의 에너지 효율성을 40% 개선했다. 교육 분야에서는 칸아카데미의 AI 기반 학습 추천 같은 개인화된 학습 플랫폼이 학습 성과를 높이고 있다.

그러나 이러한 발전에는 위협적인 요소가 있다. 첫째, AI때문에 야기되는 일자리 자동화는 중대한 도전이다. 옥스퍼드 대학의 연구에 따르면, 2035년까지 전 세계 일자리의 47%가 자동화로 대체될 가능성이 있다. 특히, 제조업, 물류, 고객 서비스 같은 분야가 영향을 받는다. 둘째, AI 오작동 위험도 문제다. 2023년 테슬라 자율 주행차의 오작동 사례는 AI 시스템의 신뢰성 문제를 드러냈다. 셋째, 데이터 오용은 또 다른 위험이다. 2018년 페이스북의 캠브리지 애널리틱스 스캔들은 데이터 프라이버시 침해가 사회적 신뢰를 얼마나 무너뜨릴 수 있는지 보여줬다.

이러한 문제를 해결하기 위해 전문가들은 기술 개발과 함께 윤리적, 법적 프레임워크를 강화해야 한다. 예를 들어, AI 개발자는 편향을 줄이기 위해 다양한 데이터셋을 사용하고, 투명한 알고리즘 설계를 지향해야 한다. 

장병희 객원기자

트럼프정부 예산 삭감 탓
학생·학부모 난감한 상황
대체 프로그램 찾기 분주

대학 입학 준비 등 자원봉사 활동을 해 온 한인 학생들이 난감한 상황에 처했다.

최근 대통령 자원봉사상(President’s Volunteer Service Award·이하 PVSA) 발급이 중단되면서 학부모, 학생는 물론 비영리 봉사 단체들도 대체할 상을 찾느라 여념이 없다.

연방정부 산하 기관인 아메리콥스(AmeriCorps)에 따르면 PVSA 발급 인증 기관 신청이 지난 5월 27일 부로 잠정 중단됐다.

PVSA는 대학 입학을 위해 스펙을 쌓는 주요 수단 중 하나로 이용해 왔다. 아메리콥스는 전국의 자원봉사 활동 등을 관장해 온 곳으로, 연방정부 산하 공익 기관이다.

화랑청소년재단 박윤숙 총재는 “우리는 PVSA 중단 전 자원봉사를 한 모든 학생에게 상을 줘 큰 영향은 없다”며 “일부 소규모 단체에서 PVSA 남발 사례가 있었는데, 이런 경우 자원봉사를 하고도 상을 받지 못하는 경우가 많을 것”이라고 말했다.

PVSA의 갑작스러운 중단과 관련 아메리콥스 측은 아직 명확한 입장을 내놓지 않고 있다. 하지만 도널드 트럼프 행정부 출범 이후 4억 달러에 달하는 아메리콥스 관련 예산을 삭감, 자원봉사 사업 등이 타격을 입은 것으로 분석된다.

청소년 봉사 단체인 파바의 명원식 회장은 “정부 조직과 예산 편성 등에 변화가 생기면서 PVSA도 일단 중단된 것”이라며 “학부모들로부터 문의가 많은데  PVSA 외에 어떤 봉사상이 있는지 조사 중”이라고 전했다.

아메리콥스 측은 PVSA 프로그램 재개일은 미정이며, 잠정 중단 조치 이후 인증 기관의 계정 접속이 불가능하다는 것만 알리고 있다.

다만 아메리콥스 측은 대체 표창 프로그램으로 “백악관에서 주는 ‘데일리 포인트 오브 라이트 어워드(Daily Point of Light Award)’를 추천한다”고 밝혔다.

고등학생 자녀를 둔 에블린 주(50·어바인)씨는 “아이가 주말마다 틈틈이 자원봉사를 해 왔는데, 갑작스러운 PVSA 중단 소식에 당황스럽다”며 “학부모들은 봉사 기관들에 대체 표창 제도를 물어보는 등 관련 정보들을 공유하고 있다”고 전했다.

PVSA는 연령별, 봉사 시간 등에 따라 골드, 실버, 브론즈 레벨 등으로 나뉜다. 일례로 11~15세 사이 청소년의 경우 100시간 이상의 봉사 시간을 이수해야 골드 레벨의 PVSA를 받을 수 있다. 만약 100시간을 이수하는 과정에서 PVSA가 중단됐다면, 표창을 받을 수 없는 셈이다.

엘리트 오픈스쿨 앤디 이 대표는 “(학부모들이) 자녀의 봉사나 리더십 활동을 어떻게 해야 할지 고민이 많을 것”이라며 “가장 현실적인 대안으로 ‘미의회상(Congressional Award)’이 주목받고 있는데, 현재 중단 없이 운영되고 있다”고 조언했다.

하지만 크게 우려할 필요가 없다는 전문가들도 있다.

대입 진학 상담 등을 하는 AGM 인스티튜트의 리처드 명 대표는 “PVSA 중단과 관련해 많은 전화를 받고 있는데, 대학 입시에 큰 영향은 없을 것”이라며 “PVSA와 같은 표창 프로그램은 대입 사정관에게 체크리스트일 뿐이며, 지원자가 전인적 교육을 어떻게 받았는지 잘 어필하는 게 더 중요하다”고 전했다.

PVSA는 2003년 조지 W. 부시 행정부 시절 지역사회 봉사활동 참여를 독려하기 위해 시작된 프로그램이다. 

장열 기자ㆍjang.yeol@koreadaily.com