정부가 반도체·피지컬AI·AI데이터센터를 묶어 1,300조 원이 넘는 투자를 예고했습니다. 발표를 처음 접했을 때 솔직히 "이거 진짜 되는 건가?" 반사적으로 의심부터 했습니다. 태블로 개발자로 몇 년째 일해온 입장에서는, 이 숫자가 제 커리어와 실제로 연결될 수 있는지가 더 급한 문제였습니다.
속도전이라고 하는데, 정말 이번엔 다를까
일반적으로 정부 프로젝트라 하면 발표는 크고 실행은 느리다는 인식이 있습니다. 저도 그렇게 생각해왔습니다. 그런데 이번 발표를 들여다보면 결이 조금 다릅니다. 용인 국가산단의 최종 팹(반도체 생산 공장) 완공 시점을 7년 단축하겠다고 못 박았고, 현재 산단 기획부터 공장 가동까지 10년 이상 걸리던 인허가 절차를 절반 이하로 줄이는 패스트트랙 제도를 명시했습니다. 협의 취득과 강제 수용 절차를 동시에 진행하라는 지시까지 나왔으니, 행정 언어로는 꽤 강한 신호입니다.
이재명 정부 출범 이후 과학기술정보통신부 예산이 확충되고, 소버린 AI(Sovereign AI) 구축 논의가 본격화됐다는 건 현장에서도 체감됩니다. 소버린 AI란 특정 국가나 기업의 인프라에 종속되지 않고 자국이 독자적으로 보유·운영하는 인공지능 역량을 뜻합니다. 미국·유럽에서 이미 수년 전부터 논의됐지만 한국은 상대적으로 출발이 늦었고, 그 공백을 이번 3대 메가프로젝트로 채우겠다는 의도가 읽힙니다.
물론 의구심이 완전히 사라진 건 아닙니다. 서남권 800조 원 반도체 투자의 경우 민간 투자 유치가 전제이고, 전력과 용수 인프라 확보가 동시에 풀려야 합니다. 재생에너지는 풍부하지만 기저전원(baseload power), 즉 날씨와 무관하게 안정적으로 공급되는 원전·화력 같은 전원이 부족하면 반도체 팹 가동 자체가 어렵습니다. 기업들이 이 부분을 가장 걱정한다는 이야기가 현장에서도 들립니다. 정부가 이 문제를 선제적으로 해결하지 않으면 속도전은 구호로 끝날 수 있습니다.
피지컬AI가 뜬다는데, 태블로 개발자인 저는 어디쯤 서 있나
정부는 2030년까지 피지컬 AI(Physical AI) 글로벌 1강을 목표로 내세웠습니다. 피지컬 AI란 카메라나 센서로 물리 세계를 인식하고, 실제 공간에서 스스로 판단해 행동하는 인공지능을 뜻합니다. 쉽게 말해 공장 로봇팔이 사람처럼 상황을 읽고 움직이는 것이 대표적입니다. 휴머노이드 로봇이 가장 가시적인 예시지만, 제조·돌봄·농업·국방 전 분야가 대상입니다.
여기서 제가 직접 고민한 부분이 있습니다. 태블로(Tableau) 개발자는 데이터 시각화와 BI(Business Intelligence, 비즈니스 의사결정을 위한 데이터 분석 도구) 솔루션이 주력입니다. BI란 기업이 보유한 데이터를 대시보드로 만들어 경영진이 빠르게 의사결정을 내릴 수 있게 돕는 시스템입니다. 솔직히 말하면, 태블로 하나만으로 앞으로 5년을 버틸 수 있을지 저도 확신이 없습니다. AI가 데이터 시각화 작업 일부를 자동화하기 시작했고, 예전보다 태블로 전문가를 찾는 공고가 줄었다는 걸 체감하고 있습니다.
반면 피지컬 AI 생태계가 커지면 그 안에서 데이터를 다루는 역할은 오히려 늘어날 가능성이 있습니다. 로봇 학습에 필요한 데이터팩토리 구축, 제조 현장의 데이터 수집·정제, 공공데이터 기반 행정 시스템 연동 등은 BI 경험이 있는 개발자에게 진입 문턱이 낮은 영역입니다. 제 경험상 이런 포지션은 순수 AI 연구자보다 현장 데이터를 다뤄본 사람이 오히려 빠르게 붙는 경우가 많았습니다.
에이전트 개발자로 전환할까, 현장에서 버티며 익힐까
이게 지금 저한테 가장 현실적인 고민입니다. AI 에이전트(AI Agent)란 사람의 개입 없이 목표를 스스로 판단하고 여러 작업을 순차적으로 실행하는 AI 시스템을 뜻합니다. 챗봇이 질문에 답하는 수준이라면, 에이전트는 "이 데이터를 분석해서 보고서 만들고, 관련 부서에 자동으로 전송해"처럼 복잡한 업무 흐름을 혼자 처리합니다. 정부가 예고한 AI 기본사회, 에이전틱 AI 서비스가 바로 이 흐름입니다.
교육기관을 통해 6개월 이상 수입을 끊고 집중 투자하는 방식과, 현 기술을 유지하며 현장에서 조금씩 배워가는 방식 중 어느 쪽이 맞는지는 솔직히 아직 모르겠습니다. 다만 제 경험상 교육 수료 후 취업 시장에서 체감하는 현실은 강의 커리큘럼과 꽤 다릅니다. 특히 AI 개발 분야는 6개월 커리큘럼이 현장 트렌드를 따라가기 어렵습니다. 멀티모달 AI(Multimodal AI), 즉 텍스트·이미지·음성·영상을 동시에 이해하고 생성하는 AI 모델은 2023년과 지금이 완전히 다른 수준입니다.
현재 공공기관의 데이터 기반 행정 프로젝트는 진입 전략으로 현실적입니다. 공공데이터 활용도 제고 사업들은 태블로 경험이 있으면 제안서 단계부터 붙을 수 있는 경우가 있고, 그 안에서 AI 솔루션 연동 작업을 함께 하면서 스택을 자연스럽게 늘리는 경로가 가능합니다. 아래는 커리어 전환을 고민하는 과정에서 제가 정리한 판단 기준입니다.
- 현재 태블로 프로젝트 경험이 3년 이상이라면 공공 BI+AI 연동 사업이 가장 빠른 진입로입니다. 기존 스택을 버리지 않아도 됩니다.
- AI 에이전트 개발로 완전 전환을 원한다면, Python 기반 LLM(Large Language Model, 대규모 언어 모델) API 연동 실습을 먼저 소규모로 시작하고 포트폴리오를 만드는 것이 교육기관 수강보다 시간 대비 효율이 높습니다.
- 멀티모달 AI 솔루션 개발은 진입 장벽이 높지만 2027년까지 수요가 가장 크게 늘 분야입니다. 지금 당장 풀타임 전환이 어렵다면 사이드 프로젝트로 먼저 감을 잡는 전략이 현실적입니다.
- 피지컬 AI 데이터팩토리, 공공데이터 기반 행정 시스템은 BI 경험자에게 단기 진입이 가능한 포지션입니다. 3대 메가프로젝트 관련 공공사업 공고를 주기적으로 모니터링할 필요가 있습니다.
2027년 AI 산업, 지금 준비하지 않으면 늦을까
정부는 향후 3년을 피지컬 AI 글로벌 주도권의 골든타임으로 보고 있습니다. AI 데이터센터 분야에서는 SK·GS·네이버가 총 550조 원을 투자해 8.4GW 규모의 인프라를 구축하는 1단계 프로젝트가 진행됩니다. 8.4GW는 국내 전체 발전 설비 용량의 상당 부분을 차지하는 규모입니다. 이 인프라 위에서 돌아갈 서비스와 솔루션을 만드는 개발자 수요는 인프라 완공 시점보다 훨씬 앞당겨 생깁니다.
NPU(Neural Processing Unit)라는 단어도 자주 등장합니다. NPU란 AI 연산에 특화된 반도체 칩으로, 일반 CPU보다 딥러닝 추론 작업을 훨씬 빠르게 처리합니다. 정부가 국산 NPU 생태계 구축을 명시적으로 지원하겠다고 밝혔고, 퓨리오사AI 같은 스타트업도 이번 행사에 참석했습니다. 국산 AI 반도체 생태계가 커지면 그 위에서 돌아가는 AI 솔루션 개발 수요도 함께 늘어납니다.
공공데이터 기반 행정 활성화 정책도 놓치면 안 됩니다. 행정안전부와 과학기술정보통신부가 추진 중인 데이터 기반 행정 사업은 이미 관련 예산이 증가하고 있으며, 태블로 같은 BI 솔루션과 AI를 연동하는 형태의 프로젝트가 늘어나는 추세입니다. (출처: 공공데이터포털) 이 흐름이 저한테는 단기적으로 가장 현실적인 진입 경로로 보입니다.
3대 메가프로젝트의 실제 집행 속도는 아직 지켜봐야 합니다. 하지만 방향은 확실합니다. AI 인프라, 피지컬 AI, 국산 반도체라는 세 축이 맞물려 돌아가는 생태계가 빠르게 만들어지고 있고, 그 안에서 개발자에게 필요한 역할은 지금보다 훨씬 넓어질 것입니다. (출처: 과학기술정보통신부)
지금 당장 모든 것을 내려놓고 교육기관으로 달려갈 필요는 없다고 생각합니다. 태블로 경험은 버릴 자산이 아니라 AI 솔루션 개발로 연결할 수 있는 발판입니다. 중요한 건 지금 하고 있는 일 안에서 AI 연동 경험을 조금씩 쌓고, 공공 데이터 사업을 통해 포트폴리오를 넓히는 방향입니다