AI Engineering Skills Map은 Andrew Ng와 DeepLearning.AI 팀이 1만 개 이상의 채용 공고, 전문가·채용 담당자 인터뷰, 설문을 바탕으로 정리한 역량 지도다. 특정 “AI Engineer” 직함만을 위한 목록이 아니라, AI를 쓰는 모든 개발자가 우선순위를 정하는 틀로 읽는 편이 맞다.
네 가지 핵심 역량
| 역량 | 의미 | 바로 점검할 질문 |
|---|---|---|
| AI 애플리케이션 구축·배포 | LLM, RAG, 에이전트와 평가를 제품으로 운영 | 실패 사례를 수집하고 평가·오류 분석 루프가 있는가? |
| 소프트웨어 공학 기본기 | 비용·확장성·신뢰성·보안의 trade-off 이해 | 에이전트가 낸 코드의 설계 결정을 검토할 수 있는가? |
| 코딩 에이전트 활용 | 문맥, 계획, 검증, 개입 수준을 조절 | 명세·테스트·승인 경계를 에이전트에게 줄 수 있는가? |
| 빌드 방향 설정 | 고객 문제와 사업 맥락으로 무엇을 만들지 결정 | 구현 전에 문제와 성공 기준을 정의하는가? |
중요한 해석
이 지도는 “프롬프트만 잘 쓰면 된다”는 주장과 반대다. 생성형 AI의 출력은 전통 소프트웨어보다 불확실하므로, 좋은 AI 엔지니어링에는 평가(evals), 오류 분석, 관찰성, 안전한 배포가 필요하다. 동시에 코딩 에이전트가 구현을 빠르게 할수록 엔지니어의 가치는 요구사항·검증 방법·우선순위를 세우는 일로 이동한다.
학습 순서로 쓰는 법
처음에는 작은 AI 기능 하나를 배포하고, 실제 실패 입력을 모아 평가 케이스로 바꾸는 루프를 만든다. 다음으로 ai-code-understanding-tips처럼 에이전트가 작성한 코드와 trade-off를 읽는 기본기를 보강한다. 마지막으로 제품 인터뷰와 빠른 프로토타입을 반복해 “무엇을 만들지”의 판단까지 범위를 넓힌다.
관련 문서
- ai-agent-evaluation — 에이전트 품질을 측정하는 평가 설계
- ai-code-understanding-tips — AI가 쓴 코드를 이해하고 검토하는 방법
- codex-tutorial-subagents — 코딩 에이전트 작업을 병렬로 분리하는 기준
참고 자료
- The AI Engineering Skills Map — Andrew Ng, X (2026-08-14)