[테크월드=이혜진 기자] 가장 각광받는 일자리는 무엇일까. 지난해 세계적인 구인·구직 서비스 업체 글래스도어와 링크드인의 조사에선 데이터 과학자인 것으로 나타났다. 연봉과 구인 수요가 많고 직업 만족도와 연간 구인 증가율이 높기 때문이다. 그러나 인공지능(AI) 기술의 발전으로 해당 직업에 대한 수요가 줄어들 것이라는 전망이 나왔다.
지난달 정보통신정책연구원은 ‘인공지능 기술발전이 인재양성 정책에 주는 시사점: AutoML의 사례’ 보고서에서 데이터 과학자에 대한 수요가 기존 예측보다 감소할 것이라고 내다봤다. 자동화된 머신러닝(AutoML)이 도입되면 최근 수년 동안 공급 부족을 겪고 있는 직업인 데이터 과학자에 대한 수요도 점차 줄어든다는 전망이다.
최근 Zöller&Huber도 이와 비슷한 내용의 보고서를 냈다. AutoML이 각 산업의 도메인 전문가가 통계와 머신러닝(기계 학습)에 대한 전문지식이 없어도 자동으로 예측 모델을 구축할 수 있도록 해 데이터 과학자의 수요를 줄일 수 있다고 분석한 것이다.
데이터 과학자의 수요가 감소하진 않지만 그동안의 증가 추세는 꺾일 것이라는 전망도 나왔다. 컨설팅 회사 맥킨지는 최근 ‘맥킨지 애널리틱스 2020’에서 AutoML 도구의 한계를 감안하면 관련 전문지식에 대한 수요가 당장 사라지지는 않을 것이라고 내다봤다.
그러면서도 앞서 일부 컨설팅 회사에서 추정한 예측보다는 데이터 과학자에 대한 수요가 훨씬 적을 것으로 예상했다. 또 향후 5년 동안 AutoML 실무자에 대한 수요가 데이터 과학자에 대한 수요의 두 배가 될 것으로 전망했다.
그렇다면 데이터 과학자는 이제 유망 직종이 아닌 것일까. 맥킨지는 ‘고도로 훈련된’ 데이터 과학자에 대한 수요는 여전할 것이라고 내다봤다. AutoML 도구는 현재 일반적인 모델의 개발을 간소화하는 데 가장 적합하나, 통계적인 전문지식이 필요한 모델에는 고도로 훈련된 데이터 과학자의 전문지식이 필요하기 때문이다.
보고서에서 언급된 ‘고도로 훈련된 데이터 과학자의 영역’은 ▲분류나 회귀와 같은 표준 예측 작업과 반대되는 비표준 데이터 과학 작업 ▲복잡하고 많은 데이터를 사용해야 하는 경우 ▲데이터에 잠재적 편향이 있는 경우 ▲인과적 추론과 같은 통계적 방법에 대한 더 깊은 이해를 필요로 하는 경우 ▲ 모델 성능의 약간의 차이(예: 예측 정확도의 1∼2% 증가)가 모델 값에 큰 영향을 미치는 경우 등이다.
정보통신정책연구원은 “AutoML의 지원을 받는 도메인에 대한 지식을 갖춘 비즈니스 전문가와 전문 데이터 과학자의 분업 내지 협업이 중요해질 것”이라며 “데이터 과학자에 대한 수요가 기존 예상보다 감소하고 대신 AI 지식을 갖춘 산업 영역별 전문가에 대한 수요가 증가할 것으로 예상됨에 따라 각 산업 영역에서 기존 도메인 전문가에게 AI 교육을 실시해야 한다”고 제언했다.
그래도 삭제하시겠습니까?