AI 숙련도를 이력서에 녹이자 | 매거진에 참여하세요

최근 국내 기업들이 인공지능(AI) 기술 도입과 활용에 적극 나서고 있으며,

이에 따라 AI 활용 역량은 취업 시장에서 점점 더 중요한 경쟁력으로 부상하고 있습니다.

사실 기업이 원하는 방향과 인재가 원하는 방향이 맞을 경우에,

취업이나 이직에 유리한 것은 당연한 내용이겠죠.

이제는 이력서에 AI 서비스 활용 경험을 구체적으로 기술하는 것이 취업/이직에 유리하게 작용할 수 있습니다.

국내 기업의 AI 도입 및 활용 현황은?

• 2024년 조사에 따르면, 국내 기업의 73.5%가 AI 기술을 도입했거나 시범 운영 중입니다 .연합뉴스

• - AI 도입 형태:

• 매출 상위 100대 기업 중 38%가 챗GPT와 같은 생성형 AI를 사무직군에 도입하여 활용하고 있습니다

• - AI 도입 효과:

• AI를 도입한 기업의 85.7%는 업무 소요 시간이 줄어드는 효과를 경험했다고 응답했습니다

• - AI 도입 방식:

• AI를 도입한 기업 중 76.9%는 최근 3년 이내에 도입하였으며,

• 대부분 외부 기업과의 협업이나 상용 제품/서비스를 통해 AI를 도입하고 있습니다

• - AI 도입 목적:

• AI 도입의 주요 기대 효과로는 운영 효율화(68%)

• 데이터 분석 및 예측 정확도 향상(64%),

• 제품 또는 서비스 혁신(48%) 등이 있습니다 .

이력서에 AI를 어떻게 녹이지?

위에 말씀드린것처럼,

• AI 도입의 주요 기대 효과로는

• 1) 운영 효율화(68%)

• 2) 데이터 분석 및 예측 정확도 향상(64%),

• 3) 제품 또는 서비스 혁신(48%) 등이 있기 때문에

자신이 AI를 활용해서 ,이런 부분을 효과적으로 수행하였거나, 수행할 역량이 있다는 것을 이력서에 녹이는 것이 좋습니다.

최근 AI 기술을 사용하는 것뿐만 아니라, AI 서비스를 직접 활용하여 문제를 해결한 경험이 취업 시장에서 중요한 경쟁력입니다.

특히, 챗GPT와 같은 AI 서비스를 통해 작업 효율성을 높이고 창의적이고 혁신적인 결과를 도출한 경험을 강조하는 것이 좋습니다

AI 서비스는 코드 작성, 문서 작성, 데이터 분석, 고객 지원 등 다양한 분야에서 유용하게 사용될 수 있습니다.

이력서에서는 AI 서비스를 어떻게 활용했는지와 그로 인해 얻어진 구체적인 성과를 강조해야 합니다.

AI를 활용한 구체적인 사례를 나열하자

이력서에서는 AI 서비스를 사용한 구체적인 사례를 중심으로 경험을 나열합니다.

예를 들어, "챗GPT를 활용하여 매주 10개의 보고서를 작성했다"는 식으로 구체적인 성과를 명시하면 좋습니다.

내가 문제를 이렇게 해결했다라고 하는 스토리라인이 중요하기 때문에

문제점과 그것을 어떻게 AI를 써서 효율화 했는지를 적어주는것이 좋습니다.

그게 단순하게 GPT 프롬프트를 쓰거나, 어떤 외부 툴을 쓰더라도, 효과적이라면 됩니다.

꼭 프로젝트나 개발이 아니어도 됩니다.

• - 프로젝트: "AI 기반 콘텐츠 자동화 시스템 구축"

• - 목표: 매일 작성해야 하는 콘텐츠를 자동으로 생성하여 업무 효율화

• - AI 서비스 활용: 챗GPT, AI 글쓰기

• - 성과: 콘텐츠 작성 시간 70% 단축, 10개 이상의 포스트 작성

결과와 성과 강조

AI 서비스를 통해 얻은 구체적인 성과를 강조하는 것이 중요합니다.

예를 들어, "챗GPT를 활용해 이메일 응답 시간을 절반으로 줄였다"와 같이 실질적인 성과를 수치로 나타내면 강력한 어필이 됩니다.

AI 서비스 활용을 통한 문제 해결 사례

AI 서비스가 어떤 문제를 해결하는 데 어떻게 기여했는지에 대해 구체적으로 작성합니다.

예를 들어, "AI 챗봇을 통해 반복적인 고객 문의를 자동화하여 고객 지원 효율성을 30% 향상시켰다"는 식으로 문제 해결 능력을 강조할 수 있습니다.

AI 기반 서비스/프로젝트 예제

1. 프로젝트 "AI 기반 개인화된 독서 추천 시스템 개발"

• - 문제 정의: 책을 좋아하는 사람들 사이에서 취향에 맞는 책을 찾기 어려워하는 문제를 해결하고자, AI 추천 시스템을 개발.

• - 목표: 사용자가 이전에 읽었던 책을 기반으로, AI가 맞춤형 책을 추천해주는 시스템을 만들고자 함.

• 사용된 기술:

  • - Python: 데이터 처리 및 AI 모델 구축

  • - Flask: 웹 애플리케이션 개발

  • - TensorFlow: 책 추천 알고리즘에 사용될 딥러닝 모델 구축

  • - OpenAI GPT-3: 사용자의 책 리뷰 및 감정 분석을 위한 자연어 처리(NLP)

• 구체적인 적용 방법:

• 1. - 데이터 수집: 공개된 Goodreads 데이터셋을 사용해, 책의 제목, 장르, 저자 및 사용자 리뷰 데이터를 수집.

  2. - 데이터 전처리: pandas와 NumPy를 사용하여 데이터의 불완전한 부분을 처리하고, 텍스트 데이터는 TF-IDF로 벡터화하여 모델에 입력.

  3. - 모델 개발: 사용자의 취향을 예측하기 위해 TensorFlow를 사용하여 Collaborative Filtering 기반의 추천 알고리즘을 설계.

  4. - AI 통합: GPT-3를 활용하여 사용자가 남긴 책 리뷰를 분석하고, 감정 분석을 통해 책의 분위기를 파악하여 추천의 정확도를 높임.

  5. - 웹 애플리케이션: Flask로 웹 애플리케이션을 구축하여 사용자가 책을 검색하고, 추천 시스템을 통해 맞춤형 책을 받을 수 있는 인터페이스 제공.

• 결과: 실제 사용자 데이터를 기반으로 AI 추천의 정확도가 80% 이상 향상되었으며,

• 웹 애플리케이션을 통해 사용자가 2배 더 많은 책을 추천받을 수 있음.

• 기술 스킬: AI 추천 시스템, 딥러닝 모델 구축, 자연어 처리, 웹 애플리케이션 개발

2. 프로젝트 "AI 챗봇 서비스”

• - 문제 정의: 디스코드 서버에서 자주 묻는 질문을 자동으로 처리하고, 커뮤니티 관리자의 부담을 줄이는 AI 챗봇 서비스 개발.

• - 목표: 디스코드 API와 AI를 활용하여 사용자들이 실시간으로 질문을 하면, 챗봇이 자동으로 답변하는 시스템을 구축.

• 사용된 기술:

• • - Python: AI 모델과 디스코드 봇 개발

  • - Flask: 챗봇 서버와의 API 통신을 위한 웹 서버 구축

  • - OpenAI GPT-3: 자연어 처리와 질문 응답을 위한 AI 모델 활용

  • - Discord API: 디스코드 봇을 서버와 연동하기 위한 API 사용

• 구체적인 적용 방법:

• 1. - 디스코드 봇 생성: Discord API를 사용하여 봇을 만들고, Python을 사용하여 메시지를 처리할 수 있는 코드를 작성.

  2. - 자연어 처리: OpenAI GPT-3 API를 사용하여 사용자가 질문을 하면, GPT-3가 자동으로 자연스럽고 정확한 답변을 생성하도록 설정.

  3. - 자동화: 자주 묻는 질문(FAQ)과 그에 대한 답변을 JSON 형태로 저장하고, 해당 데이터와 GPT-3 모델을 결합하여 사용자 질문에 즉시 응답.

  4. - 배포: Flask로 웹 서버를 구축하여 사용자가 챗봇과 상호작용할 수 있도록 배포하고, ngrok을 사용하여 로컬 서버에서 외부 접근 가능하게 설정.

• 결과: 디스코드 서버에서 하루 평균 100명의 사용자가 질문을 하였고,

• 챗봇을 통해 90% 이상의 질문에 즉시 답변을 제공. 고객 지원에 드는 시간과 비용을 50% 절감.

• 기술 스킬: AI 챗봇 개발, Discord API 연동, 자연어 처리, 웹 서버 구축

3. 프로젝트 "AI 기반 자동 이메일 응답 시스템”

문제 정의: 회사의 고객 지원 팀에서 자주 묻는 질문에 대한 이메일을 자동으로 처리할 수 있는 시스템 필요.

• 목표: AI를 사용하여 이메일을 자동으로 분류하고 응답을 작성하는 시스템 개발.

• 사용된 기술:

  • - Python: 이메일 처리 및 자동 응답 시스템 개발

  • - Flask: 웹 서버를 통한 이메일 처리 시스템 구축

  • - OpenAI GPT-3: 이메일 텍스트 분석과 자동 응답 작성

• 구체적인 적용 방법:

  2. - 이메일 수집 및 분석: 이메일 서버와 연동하여 받은 이메일을 수집하고, 텍스트 데이터를 OpenAI GPT-3로 전송하여 중요한 정보를 추출.

  3. - 응답 생성: GPT-3를 사용하여 자동 응답을 생성하고, 이를 이메일로 회신. 예를 들어, 고객이 배송 상태를 묻는 이메일을 보내면, 시스템은 해당 정보를 분석해 자동으로 "배송 중" 상태로 응답.

  4. - 웹 애플리케이션: Flask로 웹 서버를 설정하여 자동 이메일 응답 시스템을 관리하고, 사용자가 시스템을 조정할 수 있는 대시보드 제공.

  5. - 배포: 이메일 응답 시스템을 클라우드 서버에 배포하여 운영.

• 결과: 시스템 도입 후, 하루 200개 이상의 이메일을 자동으로 처리하여

• 고객 응답 시간을 60% 단축시키고, 고객 서비스팀의 업무 부담을 대폭 줄임.

• 기술 스킬: 이메일 자동화, AI 기반 이메일 응답, 자연어 처리, 웹 서버 개발

기업의 AI 상세 활용

ㅇ AI 도입기업은 대부분 코로나-19 팬데믹이 발생된 기간인 2020년 ~ 2022년 사이에 AI 기술 도입을 추진한 것으로 확인

  - 전체 응답기업의 76.9%가 AI 기술을 도입한 지 3년 이하인 기업으로 확인됨

ㅇ 한편, 이들 기업 중 대다수는 외부 기업과의 협업 혹은 아웃소싱, 상용 제품/서비스 구입/대여 등의 방식으로 AI를 도입

  - AI 기술을 단독으로 직접 개발해 도입·활용한 경우가 차지하는 비중은 상대적으로 낮았음

(전체 10.9%, 제조업 12.4%, 서비스업 10.2%)

ㅇ 이러한 결과는 디지털 전환이 심화되고 AI 확산이 전개될수록 국내의 AI 수요 역시 크게 증가할 가능성이 높다는 점을 시사하며,

이는 곧 우리나라 AI 산업에게 있어서 중대한 성장의 기회

  - 국내기업들이 AI 도입을 추진할 때 일부 혹은 전부를 외부로부터 조달하려는것은 AI 기술을 공급하는 입장에서 비즈니스 기회이기 때문임

ㅇ 따라서 산업 전반으로의 AI 확산을 위한 정책적 노력들은 우리나라 기업들이 AI 기술을 기반으로 한 혁신을 통해

경쟁력 제고를 도모하는 데 기여할 뿐 아니라, 동시에 우리나라 AI 산업의 성장 기회를 확대하게 될 것

https://www.ifs.or.kr/bbs/board.php?bo_table=research&wr_id=10765&utm_source=chatgpt.com

AI 도입은 기업 성과에 긍정적으로 기여, AI 도입 지속 및 활용 고도화 지원 필요

ㅇ 조사 결과, 대체로 AI 도입기업은 AI 기술 활용을 통해 상업적 성과 및 생산성향상을 경험

ㅇ 단지 AI 도입 초기에는 성과가 다소 미진하며, 1년 정도의 기간을 거쳐 본격 창출되는 경향

  - 산업연구원에서 실시한 조사에서도 AI 도입 이후 실제 성과가 발생한 국내기업 중 AI 도입 후 성과가 실현되는 데까지 소요되는 기간이 1년 이상에서 3년 이내로 응답한 비중이 대부분(71.4%)을 차지하는 것으로 나타난 바 있음(송단비 외, 2021)

ㅇ 이는 기업들이 AI 도입 초기의 시행착오를 겪는 기간을 성공적으로 극복하는 것이 중요함을 시사

ㅇ 따라서 AI 도입기업들이 현재의 도입 수준을 넘어서서,

전사적 차원에서 AI기술을 활용하는 ‘시스템적 단계’로 도약하여 획기적·파괴적 혁신을 창출해낼 수 있도록 지원하는 방안 고안이 필요

  - 국내AI 도입기업들은 아직 AI를 비즈니스상 비핵심기능 위주로 혹은 제한적·보조적으로 활용하고 있는 경우가 대부분인 것으로 확인됨

   * 서비스업에서는 AI 기술이 다양하게 활용되고 있으나, 대부분 기업의 AI 도입수준은 ‘도입 단계’에 해당함

   * 제조업에서는 제품 개발과 공정 효율화 제고를 목적으로 AI 기술을 도입하여 활발히 AI 적용을 실행하고 있으나, 적용 범위 측면에서는 일부 분야에 한정적임

  - 기업들이 AI 도입을 유지·지속하고 고도화해나갈 수 있도록 바우처 지원기간 확대, 사업 다단계화 등의 정책적 지원방안을 모색할 필요가 있음

   * 즉, 희망기업에 한하여 AI 바우처 지원 수혜기간이 연장 가능하도록 사업을 개선하거나,

기존 사업과 연계되는 AI 활용 고도화 단계 사업 신설 등을 고려해볼 수 있겠음