1. 찰리 멍거의 커리어에 관한 3가지 조언은 선물과 같습니다.

2. 네가 사지 않을 것을 팔지 마라. 존중하고 존경하지 않는 사람 밑에서 일하지 마라. 좋아하는 사람하고만 같이 일하라.

3. 왜 자기가 사지 않을 물건을 팔면 안 될까요? 무언가를 파는 것에 관해 쓴 어떤 책이든 제품을 좋아하지 않거나, 이해하기 힘들거나, 믿지 않는다면, 그 제품을 파는 건 재앙이 될 것이라 말하기 때문입니다.

4. 위대한 영업자는 자기 상품을 믿습니다. 그게 성공의 비결 중 하나입니다.

5. 왜 존경하지 않는 사람과 일을 하면 안 될까요? 그가 가르쳐 줄 것이 없고, 지성과 삶이 나아가도록 돕지 못하기 때문입니다.

6. 왜 좋아하지 않는 사람과 같이 일하면 안 될까요? 일은 삶이고, 부유한 삶의 척도 중 하나는 자기 일을 좋아하고 함께 시간을 보내는 사람을 좋아하는 것이기 때문입니다.

7. 일터에서 일하면서 비참함을 느낀다면, 아무리 많은 돈을 벌어도 그건 너무나 안타까운 삶입니다.


#찰리멍거의말들

1. 찰리 멍거의 커리어에 관한 3가지 조언은 선물과 같습니다. ​2. 네가 사지 않을 것을 팔지 마라. 존중하고 존경하지 않는 사람 밑에서 일하지 마라. 좋아하는 사람하고만 같이 일하라. ​3. 왜 자기가 사지 않을 물건을 팔면 안 될까요? 무언가를 파는 것에 관해 쓴 어떤 책이든 제품을 좋아하지 않거나, 이해하기 힘들거나, 믿지 않는다면, 그 제품을 파는 건 재앙이 될 것이라 말하기 때문입니다. ​4. 위대한 영업자는 자기 상품을 믿습니다. 그게 성공의 비결 중 하나입니다. ​5. 왜 존경하지 않는 사람과 일을 하면 안 될까요? 그가 가르쳐 줄 것이 없고, 지성과 삶이 나아가도록 돕지 못하기 때문입니다. ​6. 왜 좋아하지 않는 사람과 같이 일하면 안 될까요? 일은 삶이고, 부유한 삶의 척도 중 하나는 자기 일을 좋아하고 함께 시간을 보내는 사람을 좋아하는 것이기 때문입니다. ​7. 일터에서 일하면서 비참함을 느낀다면, 아무리 많은 돈을 벌어도 그건 너무나 안타까운 삶입니다. #찰리멍거의말들

< 찰리 멍거가 말하는 커리어의 3가지 규칙 >

https://blog.naver.com/madaboutit/223283310704

1. 당신이 당신의 일에 일가견이 있다고 해보자. 예를 들어, 당신은 아주 뛰어난 회계사다. 그리고 당신 팀은 팀원들을 잘 도울 수 있으며, 팀원들을 대신해 경영진과 만나 이야기를 나눌 관리자를 필요로 한다.

2. 그래서 당신은 열심히 일을 해 회계 팀을 이끄는 관리자가 되었다. 여기까지는 문제가 없다. 당신은 뛰어난 회계사이니, 다른 회계사들에게 일을 잘 하는 법을 가르쳐주게 될 것이다. 안 그런가? 당신에겐 그런 능력이 있고, 당신 팀은 놀라운 팀이 될 것이다.

3. 그래서 당신은 두 팔을 걷어붙인 채 모든 사람들의 일에 깊이 관여하기 시작한다. 자세히 들여다보니 팀에는 온갖 희한한 일들이 일어나고 있다. 당신이 일하는 방식과는 전혀 다르고, 왜 그렇게 오래 걸리는지도 모르겠다.

4. 팀원들이 일을 잘해야 당신이 승진을 하게 되니, 당신은 이제 모든 사람에게 제대로 일하는 법을 보여주려고 한다. 하나하나 차근차근 제대로 일하는 법을 전해주기 위해 노력한다.

5. 하지만 모든 게 제대로 되지 않는다. 팀원들은 당신이 자신들을 믿지 못한다고 느낀다. 당신이 모든 일에 일일이 개입하는 탓에 자신이 무슨 일을 하고 있는지, 무엇이 중요한지도 알지 못한다며 당신을 향해 불만을 토로하기 시작한다.

6. 모든 게 잘못 돌아가면 갈수록, 당신은 자꾸 뒤로 물러나 당신이 잘하는 일에만 집중한다. 당신이 잘 하는 일은 회계다. 회계 팀의 관리자가 되려고 하는 게 아니라, ‘팀 내에서 가장 뛰어난 회계사’가 되려 애쓴다.

7. 그래서 팀원들이 해야 할 일조차 당신이 맡기 시작한다. 그리고 더 이상 팀원들의 사기를 꺾기 싫어서 그들에게 피드백도 주지 않고 우려되는 사항들도 지적해주지 않는다.

8. 그러면서 팀원들을 모아놓고 하소연한다. “우린 이 고비를 넘겨야 합니다. 제가 어떻게 하는지 보여줄게요. 그러니 그냥 잘 보고 따라 하세요”

9. (일 잘 하는 사람이 승진을 하면 대부분) 이런 식이다. 일을 잘 한다고 평가받았던 사람이, 팀원들의 일에 과도하게 개입하는 마이크로 매니저, 쫌생이 관리자로 변질되어가는 과정이다. 그리고 어떤 사람들은 이 함정에서 결코 벗어나지 못한다.

10. 일단 관리자가 되면, 당신은 더 이상 회계사가 아니다. 일개 디자이너도, 일개 어부도, 일개 아티스트도 아니다. 당신이 어떤 일을 정말 좋아했든 상관없이 말이다.

11. 그래서 나는 관리자가 된 사람들에게 이 사실을 끊임없이 상기시킨다. “관리자가 되었는데도 여전히 예전에 좋아했던 일, 잘 하는 일을 하고 있다면, 당신은 지금 뭔가 크게 잘못하고 있는 것”이라고. “지금 당신은 예전에 잘 했던 일을 하는 사람들의 팀을 이끌어야 한다”고. “그래서 적어도 당신 시간의 85%는 관리하는 데 써야 한다고. 그렇지 않으면 뭔가 잘못하고 있는 것”이라고.

12. 사람들이 착각하지만, 관리도 일이다. 그것도 아주 힘든 일. (고로, 관리자는 자신의 일을 해야 한다. 자기가 잘 했던 일을 하는 게 아니라)

- 토니 퍼델, <빌드 : 창조의 과정> 중

1. 당신이 당신의 일에 일가견이 있다고 해보자. 예를 들어, 당신은 아주 뛰어난 회계사다. 그리고 당신 팀은 팀원들을 잘 도울 수 있으며, 팀원들을 대신해 경영진과 만나 이야기를 나눌 관리자를 필요로 한다. 2. 그래서 당신은 열심히 일을 해 회계 팀을 이끄는 관리자가 되었다. 여기까지는 문제가 없다. 당신은 뛰어난 회계사이니, 다른 회계사들에게 일을 잘 하는 법을 가르쳐주게 될 것이다. 안 그런가? 당신에겐 그런 능력이 있고, 당신 팀은 놀라운 팀이 될 것이다. 3. 그래서 당신은 두 팔을 걷어붙인 채 모든 사람들의 일에 깊이 관여하기 시작한다. 자세히 들여다보니 팀에는 온갖 희한한 일들이 일어나고 있다. 당신이 일하는 방식과는 전혀 다르고, 왜 그렇게 오래 걸리는지도 모르겠다. 4. 팀원들이 일을 잘해야 당신이 승진을 하게 되니, 당신은 이제 모든 사람에게 제대로 일하는 법을 보여주려고 한다. 하나하나 차근차근 제대로 일하는 법을 전해주기 위해 노력한다. 5. 하지만 모든 게 제대로 되지 않는다. 팀원들은 당신이 자신들을 믿지 못한다고 느낀다. 당신이 모든 일에 일일이 개입하는 탓에 자신이 무슨 일을 하고 있는지, 무엇이 중요한지도 알지 못한다며 당신을 향해 불만을 토로하기 시작한다. 6. 모든 게 잘못 돌아가면 갈수록, 당신은 자꾸 뒤로 물러나 당신이 잘하는 일에만 집중한다. 당신이 잘 하는 일은 회계다. 회계 팀의 관리자가 되려고 하는 게 아니라, ‘팀 내에서 가장 뛰어난 회계사’가 되려 애쓴다. 7. 그래서 팀원들이 해야 할 일조차 당신이 맡기 시작한다. 그리고 더 이상 팀원들의 사기를 꺾기 싫어서 그들에게 피드백도 주지 않고 우려되는 사항들도 지적해주지 않는다. 8. 그러면서 팀원들을 모아놓고 하소연한다. “우린 이 고비를 넘겨야 합니다. 제가 어떻게 하는지 보여줄게요. 그러니 그냥 잘 보고 따라 하세요” 9. (일 잘 하는 사람이 승진을 하면 대부분) 이런 식이다. 일을 잘 한다고 평가받았던 사람이, 팀원들의 일에 과도하게 개입하는 마이크로 매니저, 쫌생이 관리자로 변질되어가는 과정이다. 그리고 어떤 사람들은 이 함정에서 결코 벗어나지 못한다. 10. 일단 관리자가 되면, 당신은 더 이상 회계사가 아니다. 일개 디자이너도, 일개 어부도, 일개 아티스트도 아니다. 당신이 어떤 일을 정말 좋아했든 상관없이 말이다. 11. 그래서 나는 관리자가 된 사람들에게 이 사실을 끊임없이 상기시킨다. “관리자가 되었는데도 여전히 예전에 좋아했던 일, 잘 하는 일을 하고 있다면, 당신은 지금 뭔가 크게 잘못하고 있는 것”이라고. “지금 당신은 예전에 잘 했던 일을 하는 사람들의 팀을 이끌어야 한다”고. “그래서 적어도 당신 시간의 85%는 관리하는 데 써야 한다고. 그렇지 않으면 뭔가 잘못하고 있는 것”이라고. 12. 사람들이 착각하지만, 관리도 일이다. 그것도 아주 힘든 일. (고로, 관리자는 자신의 일을 해야 한다. 자기가 잘 했던 일을 하는 게 아니라) - 토니 퍼델, &lt;빌드 : 창조의 과정&gt; 중

유능한 직원이 마이크로 매니저로 전락하는 흔한 과정

1. 이제부터는 네 자신이라는 이 작은 공간 속으로 물러나 쉴 생각을 하라. 무엇보다 고민하지 말고 긴장하지 말라.

2. 네가 자유인으로서 네 자신의 주인이 되어, 한 사람의 남자이자 인간이자 시민이자 죽을 수밖에 없는 존재로서 사물을 바라보라.

3. 네 마음에 새겨두고서 늘 반추하고 돌아보아야 할 두 개의 원리가 있다.

4. 하나는 외부에 있는 사물들은 외부에 있어서 너의 혼을 지배할 수 없고 너를 흔들어놓을 수 없기 때문에, 불안은 언제나 너의 내면에 있는 생각이나 판단에서 생겨난다는 것이다.

5. 다른 하나는 네 눈에 보이는 이 모든 것들은 한순간에 변하여 더 이상 존재하지 않게 되리라는 것이다. 네 자신이 이미 얼마나 많은 변화를 겪어 왔는지를 끊임없이 생각하라.

6. 우주는 변화이고, 삶은 의견이다.


#명상록

1. 이제부터는 네 자신이라는 이 작은 공간 속으로 물러나 쉴 생각을 하라. 무엇보다 고민하지 말고 긴장하지 말라. ​2. 네가 자유인으로서 네 자신의 주인이 되어, 한 사람의 남자이자 인간이자 시민이자 죽을 수밖에 없는 존재로서 사물을 바라보라. ​3. 네 마음에 새겨두고서 늘 반추하고 돌아보아야 할 두 개의 원리가 있다. ​4. 하나는 외부에 있는 사물들은 외부에 있어서 너의 혼을 지배할 수 없고 너를 흔들어놓을 수 없기 때문에, 불안은 언제나 너의 내면에 있는 생각이나 판단에서 생겨난다는 것이다. ​5. 다른 하나는 네 눈에 보이는 이 모든 것들은 한순간에 변하여 더 이상 존재하지 않게 되리라는 것이다. 네 자신이 이미 얼마나 많은 변화를 겪어 왔는지를 끊임없이 생각하라. ​6. 우주는 변화이고, 삶은 의견이다. #명상록

< 삶은 사실, 네 해석일 뿐이다 >

https://blog.naver.com/madaboutit/223459623797

과거 개인화 기술을 개발하던 때입니다. 고객에게 어떤 ‘서비스‘를 하고자 하는지, 서비스 철학과 그것이 만들어내는 경제적 가치(구매자, 판매자, 플랫폼 관점)와 편익은 무엇인지, 그래서 무엇을 지향해야 하는지 정의되어 있지 않았습니다. ’개인화 하면 좋아질거야‘라는 경영진의 막연한 기대가 있었고, 좋아진다라 함은 역시나 ‘매출’이었죠.

서비스 지향점을 위에서 정해주지 않는다면, 우리팀에서라도 찾아보고자 했습니다. 그 지향점 또는 가치는 부서마다 다른 관점을 갖고 있을 것이기에 조직간 협의가 선행되지 않는다면 결코 성공할 수 없고, 표면적으로/단기적으로 성공한 것처럼 보이더라도 반쪽짜리 성공이거나 오히려 장기적 악수가 될거라 봤습니다.

지속적으로 실험해가며 그걸 찾아내고자 했고, 여러 부서들의 문을 두드리며 토론을 이끌어내려 노력했습니다. 주변의 반응은 어땠을까요.

 * ”비즈니스의 목표는 돈을 버는 것이지, 왜 그 가치를 당신들이 정의하냐”
 * ”기술조직은 기술만 개발하면 된다. 너무 큰 얘기는 안했으면 좋겠다“
 * “매출 만드는 것이 중요한데, 너무 천천히 가는 것 아니냐”
 * “매출 지표로만 평가하면 되었지, 왜 클릭을 보냐. 결국 매출이 모든 것을 말하는 것 아니냐”
실험과 지표체계에 관심을 갖게된 건, 이 때 부터였습니다. 그 전까지만해도 그저 잘 정리된 체계를 갖춰야 하지 않을까 정도의 느낌이었다면, 그 체계가 비즈니스에 어떤 영향을 미치는지 온몸으로 체감했었습니다.

AI 기술이 하루가 다르게 발전하고 있지만, ‘서비스’의 본질은 다르지 않습니다. 지금은 AI 키워드가 화려해보이지만, 너무나 당연하게도 결국 그 키워드를 떼어내고 서비스 가치를 증명해내는 기업이 살아남을 겁니다.

”AI 서비스의 목표는 돈을 버는거니까, 답변 토큰을 늘리자”라는 식의 1차원적 사고는 결국 그 서비스를 망하게 합니다. 비즈니스의 목표는 돈을 버는 것이 아니라, 부가가치를 창출하는 것을 목표로 활동하면서 그 결과로 돈을 버는 것이죠. 이 차이를 이해하지 못하는 기업은 도태되고 말겁니다.

이런 맥락에서, “AI Product 팀” 이라는 과거 팀명에서 AI 키워드를 떼어내고, 이제는 “User Behavior팀” 에서 데이터 분석을 이끌고 있습니다. 그리고 그 분석이 비즈니스를 바꾸는 결과를 만들어내고자 고군분투하고 있구요 (어느새 반년이 되었네요).

——
(결국은 채용 메시지를 ㅎㅎ..)

이 변화를 만들어가는 과정에 가슴이 뛰는, 시니어 또는 리드급 데이터 분석가 팀동료를 구하고 있습니다 (채용 사이트에서의 포지션 오픈은 9월 말 정도가 될 것 같네요). 지원의사가 명확치 않으시다면 커피챗도 환영입니다. 부담없이 연락 주시기 바랍니다 :)

과거 개인화 기술을 개발하던 때입니다. 고객에게 어떤 ‘서비스‘를 하고자 하는지, 서비스 철학과 그것이 만들어내는 경제적 가치(구매자, 판매자, 플랫폼 관점)와 편익은 무엇인지, 그래서 무엇을 지향해야 하는지 정의되어 있지 않았습니다. ’개인화 하면 좋아질거야‘라는 경영진의 막연한 기대가 있었고, 좋아진다라 함은 역시나 ‘매출’이었죠. 서비스 지향점을 위에서 정해주지 않는다면, 우리팀에서라도 찾아보고자 했습니다. 그 지향점 또는 가치는 부서마다 다른 관점을 갖고 있을 것이기에 조직간 협의가 선행되지 않는다면 결코 성공할 수 없고, 표면적으로/단기적으로 성공한 것처럼 보이더라도 반쪽짜리 성공이거나 오히려 장기적 악수가 될거라 봤습니다. 지속적으로 실험해가며 그걸 찾아내고자 했고, 여러 부서들의 문을 두드리며 토론을 이끌어내려 노력했습니다. 주변의 반응은 어땠을까요. <ul><li>”비즈니스의 목표는 돈을 버는 것이지, 왜 그 가치를 당신들이 정의하냐”</li><li>”기술조직은 기술만 개발하면 된다. 너무 큰 얘기는 안했으면 좋겠다“</li><li>“매출 만드는 것이 중요한데, 너무 천천히 가는 것 아니냐”</li><li>“매출 지표로만 평가하면 되었지, 왜 클릭을 보냐. 결국 매출이 모든 것을 말하는 것 아니냐”</li></ul>실험과 지표체계에 관심을 갖게된 건, 이 때 부터였습니다. 그 전까지만해도 그저 잘 정리된 체계를 갖춰야 하지 않을까 정도의 느낌이었다면, 그 체계가 비즈니스에 어떤 영향을 미치는지 온몸으로 체감했었습니다. AI 기술이 하루가 다르게 발전하고 있지만, ‘서비스’의 본질은 다르지 않습니다. 지금은 AI 키워드가 화려해보이지만, 너무나 당연하게도 결국 그 키워드를 떼어내고 서비스 가치를 증명해내는 기업이 살아남을 겁니다. ”AI 서비스의 목표는 돈을 버는거니까, 답변 토큰을 늘리자”라는 식의 1차원적 사고는 결국 그 서비스를 망하게 합니다. 비즈니스의 목표는 돈을 버는 것이 아니라, 부가가치를 창출하는 것을 목표로 활동하면서 그 결과로 돈을 버는 것이죠. 이 차이를 이해하지 못하는 기업은 도태되고 말겁니다. 이런 맥락에서, “AI Product 팀” 이라는 과거 팀명에서 AI 키워드를 떼어내고, 이제는 “User Behavior팀” 에서 데이터 분석을 이끌고 있습니다. 그리고 그 분석이 비즈니스를 바꾸는 결과를 만들어내고자 고군분투하고 있구요 (어느새 반년이 되었네요). ——(결국은 채용 메시지를 ㅎㅎ..) 이 변화를 만들어가는 과정에 가슴이 뛰는, 시니어 또는 리드급 데이터 분석가 팀동료를 구하고 있습니다 (채용 사이트에서의 포지션 오픈은 9월 말 정도가 될 것 같네요). 지원의사가 명확치 않으시다면 커피챗도 환영입니다. 부담없이 연락 주시기 바랍니다&nbsp;:)

비즈니스가 돈만 벌려고 하면, 결국은 실패합니다.

채용 수요가 있는 기업에 인재를 추천하는 인재 연결 비즈니스, 즉 헤드헌팅 서비스를 제공하는 회사를 서치펌이라고 합니다. 서치펌에서 근무하는 헤드헌터는 크게 두 가지 고용 형태로 나뉩니다. 첫 번째는 서치펌에 소속되어 있지만 기본급 없이 프리랜서 형태로 일하는 위촉직이고, 두 번째는 일반적인 근로자처럼 일정한 월급을 받으면서 성과급을 추가로 받는 형태입니다. 서치펌 업계에서는 프리랜서 형태로 근무하는 것이 더 일반적입니다.


헤드헌터의 수익 구조는 매우 명확합니다. 채용 수요 기업에 인재를 추천하고, 추천한 인재가 실제로 채용되면 수수료를 받는 방식입니다. 수수료는 보통 채용된 인재 연봉의 15~20% 수준으로, 연봉이 5000만원인 경우 헤드헌터가 받는 채용 수수료는 1000만원 내외에 달합니다. 결코 적지 않은 금액이지만, 기업이 이처럼 큰 비용을 지불하면서도 헤드헌팅 서비스를 이용하는 이유는 분명합니다. 일반 채용 공고를 통해 지원하는 후보자보다 기대 수준에 부합하는 인재를 만날 확률이 훨씬 높기 때문입니다.


헤드헌터는 혼자 일하지 않습니다. 서치펌에 소속된 동료 헤드헌터들과 팀을 이뤄 협업하며, 채용 포지션에 필요한 인재를 찾아 기업에 추천하는 작업을 함께 수행합니다. 속도와 정확도가 핵심이기 때문입니다. 수익은 팀으로 함께 일한 사람들과 분배하며, 기여도에 따라 수익을 가져가는 이 구조는 그 어떤 직장이나 보상 체계보다 합리적입니다. 채용 수요를 가져온 사람과 채용된 인재를 추천한 사람이 채용 수수료를 양분하며, 물론 그 전에 회사와도 수익을 나눠야 합니다. 헤드헌터가 소속된 서치펌이라는 기업이 운영되기 위한 필요 자금은 헤드헌터가 받는 채용 수수료의 일정 부분으로 충당됩니다.


헤드헌터의 역할은 크게 세 가지로 구분됩니다. 채용 수요 기업을 섭외하는 일, 채용 수요 기업이 원하는 인재를 탐색하는 일, 채용 수요 기업과 대상자 간의 소통을 담당하는 일입니다. 헤드헌터 개인의 성향에 따라 더 좋아하고 잘하는 업무에 집중하면 됩니다. 차분히 앉아서 인재를 빠르고 정확하게 탐색하는 것을 잘하는 사람, 여기저기 연락하고 사람 만나는 것을 좋아하는 사람, 상대방의 이야기를 경청하여 요점을 파악하고 논리적으로 설명하는 것을 잘하는 사람 등 각자의 성향과 강점에 따라 특화된 업무에 집중하는 것이 팀 전체에 도움이 됩니다.
기업이 인재를 영입할 때의 목표는 적합한 인재를 빠르게 영입하는 것입니다. 이는 거의 모든 기업이 공통적으로 추구하는 목표로, 꼭 필요한 인재를 신속하게 영입하는 것이 채용 업무에서 매우 중요합니다. 사람이 필요해서 채용하는 것이고, 가능한 한 빨리 합류하면 좋기 때문입니다. 따라서 헤드헌팅 서비스의 업무 방향 또한 신속한 인재 탐색을 통해 채용 수요 기업이 원하는 적합한 인재를 추천하는 데 맞춰져 있습니다.


속도를 좌우하는 핵심 요인은 헤드헌팅 자원입니다. 하나의 채용 포지션에 몇 명의 헤드헌터가 투입될 것인지, 인재풀 데이터베이스로 어떤 채널을 활용하고 검색에 용이한 기능을 갖추고 있는지 여부가 속도를 결정합니다. 반면 정확도는 인재 프로필 정보를 보고 사람이 판단하는 영역입니다. 최근에는 AI의 도움을 받을 수 있지만, AI 도구만으로는 인재가 가진 복잡한 경험과 역량을 100% 정확하게 파악하기 어렵습니다. 따라서 여전히 경험 많은 헤드헌터가 인재 프로필을 보고 채용 수요 기업이 원하는 역량을 가지고 있는지 날카로운 감각으로 찾아내야 합니다.


사실 승부는 여기서 결정됩니다. 실력 있는 헤드헌터와 그렇지 못한 사람을 구분하는 기준은 바로 인재 탐색의 정확도에 있습니다. 정확도를 높이기 위해 필요한 것은 경험, 즉 많은 인재 프로필을 검토하고 채용 수요 기업에 추천해보는 과정을 반복하는 것입니다.


취업하고 싶은 인재, 인재를 채용하고 싶은 기업, 인재와 기업을 연결하는 헤드헌터 모두에게 중요한 것은 경험입니다. 실제 업무 경험, 다양한 사람을 만나는 경험, 성공과 실패를 반복하는 경험이 높은 확률로 다음 작업 시 속도와 정확도를 향상시킵니다. 결국 세상의 모든 일이 속도와 정확도라는 효율과 효과를 높여야 살아남는 구조라는 생각이 듭니다.


물론 치열하게 경쟁하지 않고 적당히 생활하려면 굳이 더 효율적이고 효과적인 방법을 찾을 필요는 없습니다. 그러나 상대적으로 더 나은 성과를 원한다면, 우리가 맡은 각자의 영역에서 속도와 정확도를 높이는 방법이 무엇인지 깊이 고민해보아야 할 것입니다.

﻿채용 수요가 있는 기업에 인재를 추천하는 인재 연결 비즈니스, 즉 헤드헌팅 서비스를 제공하는 회사를 서치펌이라고 합니다. 서치펌에서 근무하는 헤드헌터는 크게 두 가지 고용 형태로 나뉩니다. 첫 번째는 서치펌에 소속되어 있지만 기본급 없이 프리랜서 형태로 일하는 위촉직이고, 두 번째는 일반적인 근로자처럼 일정한 월급을 받으면서 성과급을 추가로 받는 형태입니다. 서치펌 업계에서는 프리랜서 형태로 근무하는 것이 더 일반적입니다. 헤드헌터의 수익 구조는 매우 명확합니다. 채용 수요 기업에 인재를 추천하고, 추천한 인재가 실제로 채용되면 수수료를 받는 방식입니다. 수수료는 보통 채용된 인재 연봉의 15~20% 수준으로, 연봉이 5000만원인 경우 헤드헌터가 받는 채용 수수료는 1000만원 내외에 달합니다. 결코 적지 않은 금액이지만, 기업이 이처럼 큰 비용을 지불하면서도 헤드헌팅 서비스를 이용하는 이유는 분명합니다. 일반 채용 공고를 통해 지원하는 후보자보다 기대 수준에 부합하는 인재를 만날 확률이 훨씬 높기 때문입니다. 헤드헌터는 혼자 일하지 않습니다. 서치펌에 소속된 동료 헤드헌터들과 팀을 이뤄 협업하며, 채용 포지션에 필요한 인재를 찾아 기업에 추천하는 작업을 함께 수행합니다. 속도와 정확도가 핵심이기 때문입니다. 수익은 팀으로 함께 일한 사람들과 분배하며, 기여도에 따라 수익을 가져가는 이 구조는 그 어떤 직장이나 보상 체계보다 합리적입니다. 채용 수요를 가져온 사람과 채용된 인재를 추천한 사람이 채용 수수료를 양분하며, 물론 그 전에 회사와도 수익을 나눠야 합니다. 헤드헌터가 소속된 서치펌이라는 기업이 운영되기 위한 필요 자금은 헤드헌터가 받는 채용 수수료의 일정 부분으로 충당됩니다. 헤드헌터의 역할은 크게 세 가지로 구분됩니다. 채용 수요 기업을 섭외하는 일, 채용 수요 기업이 원하는 인재를 탐색하는 일, 채용 수요 기업과 대상자 간의 소통을 담당하는 일입니다. 헤드헌터 개인의 성향에 따라 더 좋아하고 잘하는 업무에 집중하면 됩니다. 차분히 앉아서 인재를 빠르고 정확하게 탐색하는 것을 잘하는 사람, 여기저기 연락하고 사람 만나는 것을 좋아하는 사람, 상대방의 이야기를 경청하여 요점을 파악하고 논리적으로 설명하는 것을 잘하는 사람 등 각자의 성향과 강점에 따라 특화된 업무에 집중하는 것이 팀 전체에 도움이 됩니다.기업이 인재를 영입할 때의 목표는 적합한 인재를 빠르게 영입하는 것입니다. 이는 거의 모든 기업이 공통적으로 추구하는 목표로, 꼭 필요한 인재를 신속하게 영입하는 것이 채용 업무에서 매우 중요합니다. 사람이 필요해서 채용하는 것이고, 가능한 한 빨리 합류하면 좋기 때문입니다. 따라서 헤드헌팅 서비스의 업무 방향 또한 신속한 인재 탐색을 통해 채용 수요 기업이 원하는 적합한 인재를 추천하는 데 맞춰져 있습니다. 속도를 좌우하는 핵심 요인은 헤드헌팅 자원입니다. 하나의 채용 포지션에 몇 명의 헤드헌터가 투입될 것인지, 인재풀 데이터베이스로 어떤 채널을 활용하고 검색에 용이한 기능을 갖추고 있는지 여부가 속도를 결정합니다. 반면 정확도는 인재 프로필 정보를 보고 사람이 판단하는 영역입니다. 최근에는 AI의 도움을 받을 수 있지만, AI 도구만으로는 인재가 가진 복잡한 경험과 역량을 100% 정확하게 파악하기 어렵습니다. 따라서 여전히 경험 많은 헤드헌터가 인재 프로필을 보고 채용 수요 기업이 원하는 역량을 가지고 있는지 날카로운 감각으로 찾아내야 합니다. 사실 승부는 여기서 결정됩니다. 실력 있는 헤드헌터와 그렇지 못한 사람을 구분하는 기준은 바로 인재 탐색의 정확도에 있습니다. 정확도를 높이기 위해 필요한 것은 경험, 즉 많은 인재 프로필을 검토하고 채용 수요 기업에 추천해보는 과정을 반복하는 것입니다. 취업하고 싶은 인재, 인재를 채용하고 싶은 기업, 인재와 기업을 연결하는 헤드헌터 모두에게 중요한 것은 경험입니다. 실제 업무 경험, 다양한 사람을 만나는 경험, 성공과 실패를 반복하는 경험이 높은 확률로 다음 작업 시 속도와 정확도를 향상시킵니다. 결국 세상의 모든 일이 속도와 정확도라는 효율과 효과를 높여야 살아남는 구조라는 생각이 듭니다. 물론 치열하게 경쟁하지 않고 적당히 생활하려면 굳이 더 효율적이고 효과적인 방법을 찾을 필요는 없습니다. 그러나 상대적으로 더 나은 성과를 원한다면, 우리가 맡은 각자의 영역에서 속도와 정확도를 높이는 방법이 무엇인지 깊이 고민해보아야 할 것입니다.﻿

헤드헌팅 서비스

1. '퍼플 카우'가 손쉽고 효과적인 길이라면, 왜 모든 이가 그렇게 하지 않을까?

2. 왜 '퍼플 카우' 되기가 힘들까? 누구는 멋진 아이디어가 드물다거나, 아니면 멋진 아이디어가 있더라도 회사 차원에서 감당할 수 없다는 말을 당신에게 믿으라고 할지도 모른다. 물론 이건 다 허튼소리다.

3. 퍼플 카우가 드문건 두려워하기 때문이다. 당신이 리마커블하면, 일부 사람들이 당신을 좋아하지 않을 수도 있다. 이건 리마커블에 대한 정의의 일부분이다.

4. 누구도 절대 만장일치로 칭찬받지 못한다. 소심한 인간들이 바랄 수 있는 최선은 누구의 눈에도 띄지 않는 것이다.

5. 비난은 두드러진 사람에게만 쏟아진다.


#보랏빛소가온다

1. '퍼플 카우'가 손쉽고 효과적인 길이라면, 왜 모든 이가 그렇게 하지 않을까? 2. 왜 '퍼플 카우' 되기가 힘들까? 누구는 멋진 아이디어가 드물다거나, 아니면 멋진 아이디어가 있더라도 회사 차원에서 감당할 수 없다는 말을 당신에게 믿으라고 할지도 모른다. 물론 이건 다 허튼소리다. 3. 퍼플 카우가 드문건 두려워하기 때문이다. 당신이 리마커블하면, 일부 사람들이 당신을 좋아하지 않을 수도 있다. 이건 리마커블에 대한 정의의 일부분이다. 4. 누구도 절대 만장일치로 칭찬받지 못한다. 소심한 인간들이 바랄 수 있는 최선은 누구의 눈에도 띄지 않는 것이다. 5. 비난은 두드러진 사람에게만 쏟아진다. #보랏빛소가온다

< 비난은 훈장이다 >

https://blog.naver.com/madaboutit/223310009863

수많은 취업 준비생들을 만나면서 가장 효율적인 취업 지원 방법이 무엇인지 고민하게 됩니다. 다수를 대상으로 한 강연 형식의 프로그램이 좋을지, 시간과 노력이 더 들더라도 1대1 개인 맞춤 지도가 좋을지 늘 갈등됩니다. 당연히 개인 맞춤 도움이 더 효과적이겠지만, 더 많은 사람들에게 혜택을 주려면 1대1로만 시간을 쓸 수는 없습니다. 물론 멘토의 도움이 취업 확률을 드라마틱하게 높여주는 것은 아닐 수도 있습니다.


그럼에도 심리적 안정감을 주고 선배의 경험담을 통해 막연했던 궁금증을 어느 정도 해소할 수 있다면 분명 도움이 될 것입니다. 효과적이고 효율적인 취업 지원을 위해서는 무엇보다 구직자들의 현재 상황을 정확히 파악해야 합니다. 현재에 대한 진단이 있어야 미래를 제대로 준비할 수 있기 때문입니다. 지금까지 학습한 내용과 습득한 기술, 경험 등 객관적 사실을 파악하는 것은 물론, 개인이 추구하는 가치와 관심 분야 등 눈으로 확인하기 어려운 내면의 생각도 확인하는 것이 중요합니다.


파악한 정보를 바탕으로 해야 할 일은 개인의 특성에 맞는 취업 준비 전략을 수립하는 것입니다. 현재 상황에 따라 필요한 도움의 내용이 각자 다를 것이고, 다수 중에는 비슷한 현황을 보이는 그룹이 있을 수 있습니다. 이렇게 비슷한 상황의 사람들을 그룹으로 묶어 그룹별 맞춤 취업 지원 프로그램을 제공하는 방식도 효과적입니다. 그룹 지원의 장점은 무엇보다 참여자들 간의 정보 교류입니다. 비슷한 고민을 가진 사람들이 각자 탐색한 정보를 교환하는 것은 서로 몰랐던 정보를 얻는 좋은 채널이 됩니다. 멘토 한 명이 다수에게 일방적으로 정보를 전달하는 것보다, 다수가 각자 알고 있는 정보를 서로 나누는 것이 양적으로 풍부하고 공감대도 더 쉽게 형성됩니다. 다만 정보의 신뢰성은 멘토가 개입하여 검증해주는 것이 좋겠습니다.


요즘 취업 준비생들에게 가장 필요한 도움은 어쩌면 기술이나 지식, 노하우보다 격려와 응원일 수 있습니다. 그만큼 취업을 위해 치열하게 노력하고 있지만, 노력에 비례하는 결과를 얻기 힘든 상황이기 때문입니다. 자칫 이렇게 노력해도 결과를 얻을 수 없다면 포기하는 편이 낫다고 오해할 수 있습니다. 따라서 취업을 먼저 경험한 선배들이 후배에게 위로와 격려를 전하는 것은 의무라고 생각합니다. 단순히 어깨를 두드리는 것이 아니라, 예전부터 지금까지 취업이라는 관문이 얼마나 힘들고 어려웠는지 객관적 사실을 공유하는 것입니다.


원래 커리어 여정은 고난의 연속입니다. 그럼에도 사람은 일을 해야 하는 존재로 태어났기 때문에 고난을 기꺼이 짊어지고 살아갑니다. 고난 속에서도 일을 통해 얻을 수 있는 보람이 있고, 기쁨과 즐거움, 감사함이 있습니다. 그래서 사람들은 일하기를 원하고, 자신이 잘할 수 있는 일, 세상에 기여할 수 있는 일이 무엇인지 끊임없이 고민하고 탐색하는 것입니다. 그러니 지금 뭔가 잘 풀리지 않는다고 해서 자신을 가치 없는 존재라고 여기는 것은 큰 착각입니다. 당장 잘 맞는 환경이나 타이밍을 아직 만나지 못했을 뿐입니다. 그 순간을 만나기만 하면 독수리처럼 하늘을 훨훨 날아오를 수 있다고 믿습니다. 그때를 기다리며 지금 해야 할 일은 역량과 경험을 쌓는 것입니다.


취업 준비생 대부분이 일을 하기 위한 자격 조건에 대해 민감하게 생각합니다. 특히 기술적 완성도가 중요하다고 여기는데, 실제 현업에서 일해보면 기술이 뛰어난 사람보다 동료와 원활하게 소통하고 협업하는 능력이 더 중요합니다. 따라서 취업 준비 기간 동안 계속 경험하면 좋은 것은 다양한 성격의 사람들과 협업해보는 경험입니다. 협업을 통해 어려운 문제를 해결하고, 거친 파도를 뚫고 미션을 완수하는 경험을 쌓는 것이 중요합니다. 책상에 앉아서 지식을 쌓는 것보다 현장에서 사람들과 부대끼며 경험을 쌓는 것이 훨씬 취업에 도움이 된다고 생각합니다.


닫힌 문을 여는 방법은 문을 계속 두드리는 것입니다. 문을 두드리지 않고 바라만 본다면 문은 꼼짝도 하지 않을 것입니다. 문은 계속 두드리면 언젠가는 열리게 되어 있습니다. 닫힌 문이 열렸을 때 우리가 맞이할 새로운 세상은 기쁨과 감동이 될 것입니다. 그때를 기다릴 줄 알고 맞이할 준비를 해야 합니다. 문이 언제 열리더라도 활짝 맞이할 준비가 된 사람이 기쁨과 감동을 만끽할 수 있습니다. 오늘도 힘들고 어렵더라도 열심히 각자의 자리에서 노력하는 모든 분들을 진심으로 응원합니다.

﻿수많은 취업 준비생들을 만나면서 가장 효율적인 취업 지원 방법이 무엇인지 고민하게 됩니다. 다수를 대상으로 한 강연 형식의 프로그램이 좋을지, 시간과 노력이 더 들더라도 1대1 개인 맞춤 지도가 좋을지 늘 갈등됩니다. 당연히 개인 맞춤 도움이 더 효과적이겠지만, 더 많은 사람들에게 혜택을 주려면 1대1로만 시간을 쓸 수는 없습니다. 물론 멘토의 도움이 취업 확률을 드라마틱하게 높여주는 것은 아닐 수도 있습니다. 그럼에도 심리적 안정감을 주고 선배의 경험담을 통해 막연했던 궁금증을 어느 정도 해소할 수 있다면 분명 도움이 될 것입니다. 효과적이고 효율적인 취업 지원을 위해서는 무엇보다 구직자들의 현재 상황을 정확히 파악해야 합니다. 현재에 대한 진단이 있어야 미래를 제대로 준비할 수 있기 때문입니다. 지금까지 학습한 내용과 습득한 기술, 경험 등 객관적 사실을 파악하는 것은 물론, 개인이 추구하는 가치와 관심 분야 등 눈으로 확인하기 어려운 내면의 생각도 확인하는 것이 중요합니다. 파악한 정보를 바탕으로 해야 할 일은 개인의 특성에 맞는 취업 준비 전략을 수립하는 것입니다. 현재 상황에 따라 필요한 도움의 내용이 각자 다를 것이고, 다수 중에는 비슷한 현황을 보이는 그룹이 있을 수 있습니다. 이렇게 비슷한 상황의 사람들을 그룹으로 묶어 그룹별 맞춤 취업 지원 프로그램을 제공하는 방식도 효과적입니다. 그룹 지원의 장점은 무엇보다 참여자들 간의 정보 교류입니다. 비슷한 고민을 가진 사람들이 각자 탐색한 정보를 교환하는 것은 서로 몰랐던 정보를 얻는 좋은 채널이 됩니다. 멘토 한 명이 다수에게 일방적으로 정보를 전달하는 것보다, 다수가 각자 알고 있는 정보를 서로 나누는 것이 양적으로 풍부하고 공감대도 더 쉽게 형성됩니다. 다만 정보의 신뢰성은 멘토가 개입하여 검증해주는 것이 좋겠습니다. 요즘 취업 준비생들에게 가장 필요한 도움은 어쩌면 기술이나 지식, 노하우보다 격려와 응원일 수 있습니다. 그만큼 취업을 위해 치열하게 노력하고 있지만, 노력에 비례하는 결과를 얻기 힘든 상황이기 때문입니다. 자칫 이렇게 노력해도 결과를 얻을 수 없다면 포기하는 편이 낫다고 오해할 수 있습니다. 따라서 취업을 먼저 경험한 선배들이 후배에게 위로와 격려를 전하는 것은 의무라고 생각합니다. 단순히 어깨를 두드리는 것이 아니라, 예전부터 지금까지 취업이라는 관문이 얼마나 힘들고 어려웠는지 객관적 사실을 공유하는 것입니다. 원래 커리어 여정은 고난의 연속입니다. 그럼에도 사람은 일을 해야 하는 존재로 태어났기 때문에 고난을 기꺼이 짊어지고 살아갑니다. 고난 속에서도 일을 통해 얻을 수 있는 보람이 있고, 기쁨과 즐거움, 감사함이 있습니다. 그래서 사람들은 일하기를 원하고, 자신이 잘할 수 있는 일, 세상에 기여할 수 있는 일이 무엇인지 끊임없이 고민하고 탐색하는 것입니다. 그러니 지금 뭔가 잘 풀리지 않는다고 해서 자신을 가치 없는 존재라고 여기는 것은 큰 착각입니다. 당장 잘 맞는 환경이나 타이밍을 아직 만나지 못했을 뿐입니다. 그 순간을 만나기만 하면 독수리처럼 하늘을 훨훨 날아오를 수 있다고 믿습니다. 그때를 기다리며 지금 해야 할 일은 역량과 경험을 쌓는 것입니다. 취업 준비생 대부분이 일을 하기 위한 자격 조건에 대해 민감하게 생각합니다. 특히 기술적 완성도가 중요하다고 여기는데, 실제 현업에서 일해보면 기술이 뛰어난 사람보다 동료와 원활하게 소통하고 협업하는 능력이 더 중요합니다. 따라서 취업 준비 기간 동안 계속 경험하면 좋은 것은 다양한 성격의 사람들과 협업해보는 경험입니다. 협업을 통해 어려운 문제를 해결하고, 거친 파도를 뚫고 미션을 완수하는 경험을 쌓는 것이 중요합니다. 책상에 앉아서 지식을 쌓는 것보다 현장에서 사람들과 부대끼며 경험을 쌓는 것이 훨씬 취업에 도움이 된다고 생각합니다. 닫힌 문을 여는 방법은 문을 계속 두드리는 것입니다. 문을 두드리지 않고 바라만 본다면 문은 꼼짝도 하지 않을 것입니다. 문은 계속 두드리면 언젠가는 열리게 되어 있습니다. 닫힌 문이 열렸을 때 우리가 맞이할 새로운 세상은 기쁨과 감동이 될 것입니다. 그때를 기다릴 줄 알고 맞이할 준비를 해야 합니다. 문이 언제 열리더라도 활짝 맞이할 준비가 된 사람이 기쁨과 감동을 만끽할 수 있습니다. 오늘도 힘들고 어렵더라도 열심히 각자의 자리에서 노력하는 모든 분들을 진심으로 응원합니다.

끝까지 돕는다

사람이 하루에 얼마나 많은 생각을 할까요? 놀랍게도 28,000번 이상의 생각을 떠올린다고 합니다. 그 수많은 생각 중 상당 부분이 중복되는 내용이며, 특히 부정적인 생각의 비중이 높다고 하는데요. 근심과 걱정을 일부러 떠올려 반복해서 곱씹는다니, 참으로 안타까운 일입니다. 하지만 이것은 남의 이야기가 아닙니다. 바로 저와 여러분의 이야기입니다.


언제 우리는 부정적인 생각에 빠져 근심과 걱정을 하게 될까요? 바로 예측하기 어려운 미래를 떠올리는 순간입니다. 아직 경험해보지 않은 일에 대해 상상할 때, 그 일이 잘 될지 걱정하게 됩니다. 정작 시도해보지도 않고 포기하는 경우도 따지고 보면 근심과 걱정 때문입니다. 해보지도 않은 채 막연한 상상만으로 미래를 평가하고 결론을 내리는 것이죠.
그런데 미래에 대한 상상으로 내린 결론이 정확한 판단일까요? 알 수 없습니다. 해보지 않았기 때문입니다. 시도해보지 않은 것과 안전한 길에 머무른 것 중 무엇이 더 이득인지도 정확히 알 수 없습니다. 우리는 선택한 길만 알 뿐, 선택하지 못한 길은 전혀 알 수 없는 존재니까요.


고작 상상만으로 미래를 결정하는 것, 너무 아쉽지 않을까요? 혹시 "만약 과거에 이랬더라면"하며 후회를 안고 살고 있지는 않나요? 저도 가끔 그런 상상을 합니다. 그때 다른 선택을 했더라면 지금 어땠을까 하고 말이죠. 노래 가사 같은 이런 상상이 대단한 여운을 남기지는 않지만, 자신의 선택이 과연 옳았는지 되돌아보고 싶은 마음은 듭니다.
그렇다면 오늘을 사는 우리는 어떤 선택을 해야 할까요? 미래를 두려워하지 말고 과감히 도전하면 무조건 좋은 걸까요? 근심과 걱정을 무시하고 온몸을 불구덩이에 던져보면, 적어도 과거를 회상하며 후회하지는 않을까요?
개인적으로는 무조건적인 도전이 답은 아니라고 생각합니다. 따져야 할 것은 따지고, 물어야 할 것은 묻고, 포기할 것은 과감히 내려놓는 결단도 필요합니다. 세상의 모든 하고 싶은 일을 다 도전하며 살 수는 없으니까요. 때로는 무거운 현실 앞에 무릎 꿇고 항복할 줄 아는 것이 진정한 용기일지도 모릅니다.


미래에 대한 올바른 판단의 실마리는 자신의 마음 속에 있다고 생각합니다. 진짜 하고 싶은 방향이 있을 것이고, 무모하다는 계산 하에 당장 하지 말아야 할 때를 분별하는 감각도 존재합니다. 다른 사람의 말보다 자신의 마음과 생각에 더 귀 기울이는 것이 좋습니다. 그것이 정말 후회 없는 판단을 내릴 수 있는 가장 현명한 방법입니다. 자신의 인생은 스스로 사는 것이지, 남이 대신 살아주는 것이 아니니까요.
다만 함께 사는 소중한 가족은 미래를 결정하는 순간에 반드시 고려해야 할 요소입니다. 혼자 좋다고 결정하는 것이 아니라, 함께 책임질 수 있는 범위에서 고민하고 결정하는 것이 바람직합니다. 가족과 상의하고 의사결정을 내릴 때 모두가 납득할 수 있는 결론을 얻을 수 있습니다. 반드시 가족이 아니더라도, 자신의 결정이 긴밀한 영향을 미칠 누군가가 있다면 그 사람과 충분히 대화를 나누는 것이 필요합니다.


우리는 매일 선택의 기로에 서 있습니다. 어디로 가야 할지 명확하지 않습니다. 미래는 선명하지 않고 긴 터널이나 동굴 같아서, 입구까지는 잘 보이지만 그 이후의 여정은 알 수 없습니다. 오른쪽인지 왼쪽인지, 오르막인지 내리막인지 캄캄해서 눈을 부릅뜨고 봐도 잘 보이지 않습니다.
비슷한 길을 걸었던 인생 선배에게 물어봐도, 선배가 걸었던 길과 자신에게 펼쳐질 길이 같을지는 여전히 불안하고 막연하게 느껴집니다. 그럼에도 불구하고 우리는 매일 선택을 해야 하는 운명에 놓여 있습니다. 선택은 미룰 수 없고 당장 해야 하며, 그 책임은 온전히 우리의 몫입니다. 짜장면이냐 짬뽕이냐, 물냉면이냐 비냉면이냐, 한 번에 다 맛볼 수는 없는 노릇이죠.


하지만 너무 걱정하지 마세요. 마치 지금의 선택이 영영 돌이킬 수 없는 강을 건너는 것 같지만, 전혀 그렇지 않습니다. 결국 해야 할 일은 하게 되어 있습니다. 잘못된 선택이었다면 돌고 돌아 제자리로 돌아오게 됩니다. 우회하는 경로가 잘못된 경험이 아닙니다. 과정을 통해 배우고 깨달은 결과로 제자리를 찾을 수 있게 되는 것이니까요.
그러니 이것이 아니면 절대 안 된다고 고집부릴 이유도, 무엇이 더 좋은지 양자택일 앞에서 발을 동동 구를 이유도 없습니다. 그저 오늘 해야 하는 일을 즐겁게 할 수 있다면, 그것만으로도 이미 충분히 훌륭한 선택을 하고 있다고 믿습니다.
저와 여러분의 오늘과 내일을 향한 선택을 진심으로 응원합니다.

﻿사람이 하루에 얼마나 많은 생각을 할까요? 놀랍게도 28,000번 이상의 생각을 떠올린다고 합니다. 그 수많은 생각 중 상당 부분이 중복되는 내용이며, 특히 부정적인 생각의 비중이 높다고 하는데요. 근심과 걱정을 일부러 떠올려 반복해서 곱씹는다니, 참으로 안타까운 일입니다. 하지만 이것은 남의 이야기가 아닙니다. 바로 저와 여러분의 이야기입니다. 언제 우리는 부정적인 생각에 빠져 근심과 걱정을 하게 될까요? 바로 예측하기 어려운 미래를 떠올리는 순간입니다. 아직 경험해보지 않은 일에 대해 상상할 때, 그 일이 잘 될지 걱정하게 됩니다. 정작 시도해보지도 않고 포기하는 경우도 따지고 보면 근심과 걱정 때문입니다. 해보지도 않은 채 막연한 상상만으로 미래를 평가하고 결론을 내리는 것이죠.그런데 미래에 대한 상상으로 내린 결론이 정확한 판단일까요? 알 수 없습니다. 해보지 않았기 때문입니다. 시도해보지 않은 것과 안전한 길에 머무른 것 중 무엇이 더 이득인지도 정확히 알 수 없습니다. 우리는 선택한 길만 알 뿐, 선택하지 못한 길은 전혀 알 수 없는 존재니까요. 고작 상상만으로 미래를 결정하는 것, 너무 아쉽지 않을까요? 혹시 "만약 과거에 이랬더라면"하며 후회를 안고 살고 있지는 않나요? 저도 가끔 그런 상상을 합니다. 그때 다른 선택을 했더라면 지금 어땠을까 하고 말이죠. 노래 가사 같은 이런 상상이 대단한 여운을 남기지는 않지만, 자신의 선택이 과연 옳았는지 되돌아보고 싶은 마음은 듭니다.그렇다면 오늘을 사는 우리는 어떤 선택을 해야 할까요? 미래를 두려워하지 말고 과감히 도전하면 무조건 좋은 걸까요? 근심과 걱정을 무시하고 온몸을 불구덩이에 던져보면, 적어도 과거를 회상하며 후회하지는 않을까요?개인적으로는 무조건적인 도전이 답은 아니라고 생각합니다. 따져야 할 것은 따지고, 물어야 할 것은 묻고, 포기할 것은 과감히 내려놓는 결단도 필요합니다. 세상의 모든 하고 싶은 일을 다 도전하며 살 수는 없으니까요. 때로는 무거운 현실 앞에 무릎 꿇고 항복할 줄 아는 것이 진정한 용기일지도 모릅니다. 미래에 대한 올바른 판단의 실마리는 자신의 마음 속에 있다고 생각합니다. 진짜 하고 싶은 방향이 있을 것이고, 무모하다는 계산 하에 당장 하지 말아야 할 때를 분별하는 감각도 존재합니다. 다른 사람의 말보다 자신의 마음과 생각에 더 귀 기울이는 것이 좋습니다. 그것이 정말 후회 없는 판단을 내릴 수 있는 가장 현명한 방법입니다. 자신의 인생은 스스로 사는 것이지, 남이 대신 살아주는 것이 아니니까요.다만 함께 사는 소중한 가족은 미래를 결정하는 순간에 반드시 고려해야 할 요소입니다. 혼자 좋다고 결정하는 것이 아니라, 함께 책임질 수 있는 범위에서 고민하고 결정하는 것이 바람직합니다. 가족과 상의하고 의사결정을 내릴 때 모두가 납득할 수 있는 결론을 얻을 수 있습니다. 반드시 가족이 아니더라도, 자신의 결정이 긴밀한 영향을 미칠 누군가가 있다면 그 사람과 충분히 대화를 나누는 것이 필요합니다. 우리는 매일 선택의 기로에 서 있습니다. 어디로 가야 할지 명확하지 않습니다. 미래는 선명하지 않고 긴 터널이나 동굴 같아서, 입구까지는 잘 보이지만 그 이후의 여정은 알 수 없습니다. 오른쪽인지 왼쪽인지, 오르막인지 내리막인지 캄캄해서 눈을 부릅뜨고 봐도 잘 보이지 않습니다.비슷한 길을 걸었던 인생 선배에게 물어봐도, 선배가 걸었던 길과 자신에게 펼쳐질 길이 같을지는 여전히 불안하고 막연하게 느껴집니다. 그럼에도 불구하고 우리는 매일 선택을 해야 하는 운명에 놓여 있습니다. 선택은 미룰 수 없고 당장 해야 하며, 그 책임은 온전히 우리의 몫입니다. 짜장면이냐 짬뽕이냐, 물냉면이냐 비냉면이냐, 한 번에 다 맛볼 수는 없는 노릇이죠. 하지만 너무 걱정하지 마세요. 마치 지금의 선택이 영영 돌이킬 수 없는 강을 건너는 것 같지만, 전혀 그렇지 않습니다. 결국 해야 할 일은 하게 되어 있습니다. 잘못된 선택이었다면 돌고 돌아 제자리로 돌아오게 됩니다. 우회하는 경로가 잘못된 경험이 아닙니다. 과정을 통해 배우고 깨달은 결과로 제자리를 찾을 수 있게 되는 것이니까요.그러니 이것이 아니면 절대 안 된다고 고집부릴 이유도, 무엇이 더 좋은지 양자택일 앞에서 발을 동동 구를 이유도 없습니다. 그저 오늘 해야 하는 일을 즐겁게 할 수 있다면, 그것만으로도 이미 충분히 훌륭한 선택을 하고 있다고 믿습니다.저와 여러분의 오늘과 내일을 향한 선택을 진심으로 응원합니다.﻿

생각을 덜 하는 방법

1. 대량 생산 기술로 동일 작품의 수많은 완벽한 복제본을 만들 수 있게 되면 예술 작품은 '아우라'를 상실한다.

2. 아우라는 예술가와 작품의 직접적이고 고유한 연결고리다. 지금 소비자들은 그 아우라를 소생시키기 위해 기꺼이 후원자가 되고 있다.

3. 그들은 대량 판매 시장을 피해 작품과 더 가까워지고 자신이 좋아하는 아티스트와 더 깊은 관계를 구축할 새로운 방법을 찾고 있다.

4. 후원 모델은 두 시장을 연결한다. 한쪽에는 아우라를 되찾고 싶어 하는 소비자의 욕구가, 다른 한쪽에는 친밀감을 구축하고자 하는 창작자의 욕구가 있다.

5. 전통적 게이트키퍼들은 그 둘을 연결하는 역할을 하기 힘들며 오히려 그 연결을 약화시킨 데 부분적 책임이 있다.


#타잔경제학 📚

1. 대량 생산 기술로 동일 작품의 수많은 완벽한 복제본을 만들 수 있게 되면 예술 작품은 '아우라'를 상실한다. ​2. 아우라는 예술가와 작품의 직접적이고 고유한 연결고리다. 지금 소비자들은 그 아우라를 소생시키기 위해 기꺼이 후원자가 되고 있다. ​3. 그들은 대량 판매 시장을 피해 작품과 더 가까워지고 자신이 좋아하는 아티스트와 더 깊은 관계를 구축할 새로운 방법을 찾고 있다. ​4. 후원 모델은 두 시장을 연결한다. 한쪽에는 아우라를 되찾고 싶어 하는 소비자의 욕구가, 다른 한쪽에는 친밀감을 구축하고자 하는 창작자의 욕구가 있다. 5. 전통적 게이트키퍼들은 그 둘을 연결하는 역할을 하기 힘들며 오히려 그 연결을 약화시킨 데 부분적 책임이 있다. ​ #타잔경제학 📚

< 예술은 복제를 넘어 아우라로 산다 >

https://blog.naver.com/madaboutit/223856101862

모든 역할에는 본질적인 기능이 있습니다. 운동의 기능은 재미와 건강이고, 공부의 기능은 성장과 깨달음입니다. 직장에서의 일 역시 그 종류에 따라 본질적인 기능이 다릅니다. 영업은 돈을 버는 일이고, 마케팅은 기업 브랜드나 제품을 홍보하는 일입니다.


그런데 때로는 일의 기능과 본질이 혼동되는 경우가 있습니다. 특히 데이터 분석 업무가 그렇습니다. 데이터를 수집하고 가공하는 작업 자체가 본질인 것처럼 여겨지는데, 이는 전형적인 착각입니다. 데이터 분석의 진정한 목적은 인사이트를 도출하여 비즈니스 성장에 기여하는 것입니다. 이를 깨닫는다면 데이터 분석가를 꿈꾸는 사람들이 무엇을 준비해야 하는지 명확해집니다.


최근 데이터 분석가 취업을 희망하는 사람들과 멘토링을 진행하고 있습니다. 저는 데이터 분석 전문가는 아니지만, 직장 생활 내내 데이터를 다루며 관련 고민을 많이 해왔기 때문에 가벼운 조언 정도는 할 수 있다고 생각합니다. 이들이 공통적으로 궁금해하는 몇 가지 질문들이 있습니다.


첫째, 데이터 분석가와 데이터 사이언티스트의 차이점에 대해 궁금해합니다. 솔직히 제 경험으로는 이 둘의 구분 기준이 회사마다 다르며, 두 직무가 공존하는 회사는 거의 없습니다. 회사들이 두 직무를 명확히 구분하지 않기 때문입니다. 물론 사전적 의미나 필요한 기술, 지식, 역할 등의 세부 직무 기술서는 다를 수 있습니다. 하지만 앞서 언급한 일의 본질 측면에서 보면, 데이터를 활용해 비즈니스 성장에 기여하는 인사이트를 도출한다는 점에서 매우 유사한 기능을 합니다.


둘째, 데이터 분석가의 전문성을 갖추려면 대학원 진학이 필요한지 궁금해합니다. 빅데이터, 머신러닝, 딥러닝, 나아가 AI 엔지니어링 분야까지 역할을 확대하는 것을 고려할 때, 최근 채용 공고에서 석사 출신 우대 조건을 자주 볼 수 있기 때문입니다. 채용 기업이 요구하는 역할을 수행하려면 대학원 진학을 진지하게 고려해야 할 것입니다. 다만 데이터 분석가나 비즈니스 애널리스트 직무로 취업하여 같은 분야에서 계속 성장하고자 한다면, 반드시 대학원 진학이 필요한 것은 아니라고 생각합니다.


셋째, AI 기술 발전으로 데이터 분석가 역할이 AI 도구로 대체되지 않을까 우려합니다. 이런 고민에 대해 섣불리 답하기는 어렵습니다. 이미 해외에서는 AI 기술 발전으로 인한 인력 대체 사례가 늘어나고 있기 때문입니다. 하지만 아직 국내에서는 이런 움직임이 표면적으로 활발해 보이지 않습니다. 언젠가는 대한민국도 사람의 역할을 AI가 대신하는 날이 올 것입니다. 그렇다고 이를 우려하여 직업 선택을 주저할 필요는 없습니다. 기계가 인간을 완전히 대체할 수는 없다는 것이 제 생각입니다. 사람의 사고 능력과 기계 기술은 본질적으로 다릅니다. 그 차이를 이해하고 사람만이 할 수 있는 강점을 발휘한다면, 데이터 분석가뿐만 아니라 어떤 직무에서든 전문가로서 가치를 인정받을 수 있습니다.


이 외에도 포트폴리오 작성, 프로젝트 선정, 도메인 선택 등 다양한 고민이 많지만, 이는 거의 모든 직무에 해당하는 공통된 걱정입니다. 처음 일을 시작하거나 익숙하지 않은 시기를 지날 때 생기는 불안과 근심은 일의 종류와 관계없이 비슷한 것 같습니다. 아직 경험해보지 않아서 일의 본질을 깨닫지 못했기 때문에 드는 고민일 것입니다. 일의 본질을 안다면 이 모든 것을 충분히 극복할 수 있다고 믿습니다. 포트폴리오 작성도, 역량 강화를 위한 프로젝트 선정도, 입사 지원과 행복한 직장 생활을 위한 도메인 선택도 모두 마찬가지로 일의 본질부터 고민해봐야 합니다.


취업을 고민하시는 분들에게 권하고 싶은 것이 있습니다. 자신이 일하려는 이유를 먼저 구체적으로 정리해보시면 좋겠습니다. 일을 통해 얻고 싶은 것이 무엇인지 생각해보시기 바랍니다. 물질적인 것과 가치적인 것을 나누어 생각해보시는 것도 도움이 됩니다. 그리고 일할 수 있는 곳을 회사로만 한정하지 않으셨으면 좋겠습니다. 일은 회사 밖에서도 얼마든지 할 수 있습니다. 월급에 매여서 일의 범위를 스스로 제한하지 마시기 바랍니다. 일을 통해 성취하고 싶은 것이 무엇인지 깨닫는 오늘이 되시길 진심으로 응원합니다.

﻿모든 역할에는 본질적인 기능이 있습니다. 운동의 기능은 재미와 건강이고, 공부의 기능은 성장과 깨달음입니다. 직장에서의 일 역시 그 종류에 따라 본질적인 기능이 다릅니다. 영업은 돈을 버는 일이고, 마케팅은 기업 브랜드나 제품을 홍보하는 일입니다. 그런데 때로는 일의 기능과 본질이 혼동되는 경우가 있습니다. 특히 데이터 분석 업무가 그렇습니다. 데이터를 수집하고 가공하는 작업 자체가 본질인 것처럼 여겨지는데, 이는 전형적인 착각입니다. 데이터 분석의 진정한 목적은 인사이트를 도출하여 비즈니스 성장에 기여하는 것입니다. 이를 깨닫는다면 데이터 분석가를 꿈꾸는 사람들이 무엇을 준비해야 하는지 명확해집니다. 최근 데이터 분석가 취업을 희망하는 사람들과 멘토링을 진행하고 있습니다. 저는 데이터 분석 전문가는 아니지만, 직장 생활 내내 데이터를 다루며 관련 고민을 많이 해왔기 때문에 가벼운 조언 정도는 할 수 있다고 생각합니다. 이들이 공통적으로 궁금해하는 몇 가지 질문들이 있습니다. 첫째, 데이터 분석가와 데이터 사이언티스트의 차이점에 대해 궁금해합니다. 솔직히 제 경험으로는 이 둘의 구분 기준이 회사마다 다르며, 두 직무가 공존하는 회사는 거의 없습니다. 회사들이 두 직무를 명확히 구분하지 않기 때문입니다. 물론 사전적 의미나 필요한 기술, 지식, 역할 등의 세부 직무 기술서는 다를 수 있습니다. 하지만 앞서 언급한 일의 본질 측면에서 보면, 데이터를 활용해 비즈니스 성장에 기여하는 인사이트를 도출한다는 점에서 매우 유사한 기능을 합니다. 둘째, 데이터 분석가의 전문성을 갖추려면 대학원 진학이 필요한지 궁금해합니다. 빅데이터, 머신러닝, 딥러닝, 나아가 AI 엔지니어링 분야까지 역할을 확대하는 것을 고려할 때, 최근 채용 공고에서 석사 출신 우대 조건을 자주 볼 수 있기 때문입니다. 채용 기업이 요구하는 역할을 수행하려면 대학원 진학을 진지하게 고려해야 할 것입니다. 다만 데이터 분석가나 비즈니스 애널리스트 직무로 취업하여 같은 분야에서 계속 성장하고자 한다면, 반드시 대학원 진학이 필요한 것은 아니라고 생각합니다. 셋째, AI 기술 발전으로 데이터 분석가 역할이 AI 도구로 대체되지 않을까 우려합니다. 이런 고민에 대해 섣불리 답하기는 어렵습니다. 이미 해외에서는 AI 기술 발전으로 인한 인력 대체 사례가 늘어나고 있기 때문입니다. 하지만 아직 국내에서는 이런 움직임이 표면적으로 활발해 보이지 않습니다. 언젠가는 대한민국도 사람의 역할을 AI가 대신하는 날이 올 것입니다. 그렇다고 이를 우려하여 직업 선택을 주저할 필요는 없습니다. 기계가 인간을 완전히 대체할 수는 없다는 것이 제 생각입니다. 사람의 사고 능력과 기계 기술은 본질적으로 다릅니다. 그 차이를 이해하고 사람만이 할 수 있는 강점을 발휘한다면, 데이터 분석가뿐만 아니라 어떤 직무에서든 전문가로서 가치를 인정받을 수 있습니다. 이 외에도 포트폴리오 작성, 프로젝트 선정, 도메인 선택 등 다양한 고민이 많지만, 이는 거의 모든 직무에 해당하는 공통된 걱정입니다. 처음 일을 시작하거나 익숙하지 않은 시기를 지날 때 생기는 불안과 근심은 일의 종류와 관계없이 비슷한 것 같습니다. 아직 경험해보지 않아서 일의 본질을 깨닫지 못했기 때문에 드는 고민일 것입니다. 일의 본질을 안다면 이 모든 것을 충분히 극복할 수 있다고 믿습니다. 포트폴리오 작성도, 역량 강화를 위한 프로젝트 선정도, 입사 지원과 행복한 직장 생활을 위한 도메인 선택도 모두 마찬가지로 일의 본질부터 고민해봐야 합니다. 취업을 고민하시는 분들에게 권하고 싶은 것이 있습니다. 자신이 일하려는 이유를 먼저 구체적으로 정리해보시면 좋겠습니다. 일을 통해 얻고 싶은 것이 무엇인지 생각해보시기 바랍니다. 물질적인 것과 가치적인 것을 나누어 생각해보시는 것도 도움이 됩니다. 그리고 일할 수 있는 곳을 회사로만 한정하지 않으셨으면 좋겠습니다. 일은 회사 밖에서도 얼마든지 할 수 있습니다. 월급에 매여서 일의 범위를 스스로 제한하지 마시기 바랍니다. 일을 통해 성취하고 싶은 것이 무엇인지 깨닫는 오늘이 되시길 진심으로 응원합니다.﻿

일의 본질

이제 처음 개발에 뛰어드는 사람들이 AI를 통해 뭔가를 만들 때 버셀, 수파베이스 같은 걸로 서비스 하는 사람들이 대부분 아닐까요?

호구 개발자를 위한 비즈니스

이제 처음 개발에 뛰어드는 사람들이 AI를 통해 뭔가를 만들 때 버셀, 수파베이스 같은 걸로 서비스 하는 사람들이 대부분 아닐까요?

하지만 서비스가 커지기 시작했을 때 이들에게 지불해야 하는 가격은 잘 계산해보지 않는 것 같습니다.
그건 그때가서 생각해보자는 마음으로.

버셀이나 수파베이스 창업자는 “맞아 맞아, 그때가서 생각해보면 돼!” 하고 함박웃음을 지으며 맞장구를 쳐줄 것 같네요.

물론 그때가서 생각해봐도 됩니다. 빨리 빠져나올 수 있는 실력이 있다면요.
하지만 컴퓨터공학에 대한 지식 없이는 쉽지 않을 겁니다.
겨우 벌기 시작한 돈을 그들에게 다 갖다 바치는 꼴이 될 수 있습니다.

사실 이게 지금 일어나고 있는 일들입니다.
그러니깐… 컴퓨터공학을 하나도 모르고 뛰어드는 뉴비들의 돈을 받아 먹는 커다란 비즈니스가 열리고 있습니다.

계속 컴퓨터 공학을 깊이 파고 들어야 하는 이유가 여기있습니다.
어떤 사람은 겨우 수익이 나기 시작한 서비스에 월 100만 원을 쓰는데, 어떤 사람은 돈을 전혀 내지 않고 서비스를 운영합니다.
운영 비용을 절감하는 것도 실력입니다. 엄청난 경쟁 우위 아닌가요?
AI로 코딩을 하면서 뭔가를 만들어 보고 즐거움을 느끼는 것은 좋지만, 더 깊숙한 곳으로 들어가려고 노력하지 않는다면 결국에는 차이를 만들어 낼 수 없습니다.


https://jeho.page/essay/2025/09/08/sucker-developer.html

이제 처음 개발에 뛰어드는 사람들이 AI를 통해 뭔가를 만들 때 버셀, 수파베이스 같은 걸로 서비스 하는 사람들이 대부분 아닐까요? 하지만 서비스가 커지기 시작했을 때 이들에게 지불해야 하는 가격은 잘 계산해보지 않는 것 같습니다. 그건 그때가서 생각해보자는 마음으로. 버셀이나 수파베이스 창업자는 “맞아 맞아, 그때가서 생각해보면 돼!” 하고 함박웃음을 지으며 맞장구를 쳐줄 것 같네요. 물론 그때가서 생각해봐도 됩니다. 빨리 빠져나올 수 있는 실력이 있다면요. 하지만 컴퓨터공학에 대한 지식 없이는 쉽지 않을 겁니다. 겨우 벌기 시작한 돈을 그들에게 다 갖다 바치는 꼴이 될 수 있습니다. 사실 이게 지금 일어나고 있는 일들입니다. 그러니깐… 컴퓨터공학을 하나도 모르고 뛰어드는 뉴비들의 돈을 받아 먹는 커다란 비즈니스가 열리고 있습니다. 계속 컴퓨터 공학을 깊이 파고 들어야 하는 이유가 여기있습니다. 어떤 사람은 겨우 수익이 나기 시작한 서비스에 월 100만 원을 쓰는데, 어떤 사람은 돈을 전혀 내지 않고 서비스를 운영합니다. 운영 비용을 절감하는 것도 실력입니다. 엄청난 경쟁 우위 아닌가요? AI로 코딩을 하면서 뭔가를 만들어 보고 즐거움을 느끼는 것은 좋지만, 더 깊숙한 곳으로 들어가려고 노력하지 않는다면 결국에는 차이를 만들어 낼 수 없습니다. https://jeho.page/essay/2025/09/08/sucker-developer.html

K리그 프로그래머

AI시대에도 컴퓨터 공학을 공부해야 하는 이유

유지보수성과 확장성을 동시에 잡는 설계 원칙
많은 프로젝트가 초반에는 잘 돌아갑니다.
하지만 몇 달만 지나도 코드가 복잡해지고,
작은 수정 하나에도 전체가 흔들리기 시작합니다.

왜 그럴까요?
유지보수성과 확장성 사이에는
트레이드 오프가 숨어있기 때문입니다.

유지보수만 고려하면
때로는 과도한 설계가 필요 없어지고
간단하게 만드는게 좋습니다.
다만 이후 기능 추가시에는
점점더 복잡도가 올라가게 됩니다.

반대로 확장성만 고려하면
처음부터 과도한 설계를 할 확률이 커집니다.

Product Engineer는 이 균형을 잡아야 합니다.
제가 중요하게 생각하는 원칙은 세 가지입니다.

1. 경계를 먼저 설계하기
읽기와 쓰기, 서버와 클라이언트, 도메인과 인프라.
경계가 명확해야 유지보수성과 확장성 사이
균형을 잡을 수 있습니다.

2. 의도를 코드 구조에 드러내기
“이 컴포넌트는 절대 상태를 갖지 않는다”
“여기는 반드시 사용자 이벤트를 포함한다”
이런 설계 의도를 구조로 남겨야 수정이 쉽습니다.

3. 변경 가능성과 안정성을 분리하기
자주 바뀌는 영역과
절대 바뀌지 말아야 하는 영역을 구분하세요.
안정된 부분은 Entities로,
변경이 일어나는 부분을 mapper 로 감싸서
안정된 부분을 변경으로부터 격리합니다.

AI 시대에도 이 원칙은 그대로 유효합니다.
AI가 구현을 대신해줄수록,
우리는 설계의 균형을 잡는 일에 집중해야 합니다.

혹시 여러분은
지금 하고 있는 프로젝트가
유지보수성과 확장성 사이의 균형을
잘 잡고 있다고 느끼시나요?

유지보수성과 확장성을 동시에 잡는 설계 원칙 많은 프로젝트가 초반에는 잘 돌아갑니다. 하지만 몇 달만 지나도 코드가 복잡해지고, 작은 수정 하나에도 전체가 흔들리기 시작합니다. 왜 그럴까요? 유지보수성과 확장성 사이에는 트레이드 오프가 숨어있기 때문입니다. 유지보수만 고려하면 때로는 과도한 설계가 필요 없어지고 간단하게 만드는게 좋습니다. 다만 이후 기능 추가시에는 점점더 복잡도가 올라가게 됩니다. 반대로 확장성만 고려하면 처음부터 과도한 설계를 할 확률이 커집니다. Product Engineer는 이 균형을 잡아야 합니다. 제가 중요하게 생각하는 원칙은 세 가지입니다. 1. 경계를 먼저 설계하기 읽기와 쓰기, 서버와 클라이언트, 도메인과 인프라. 경계가 명확해야 유지보수성과 확장성 사이 균형을 잡을 수 있습니다. 2. 의도를 코드 구조에 드러내기 “이 컴포넌트는 절대 상태를 갖지 않는다” “여기는 반드시 사용자 이벤트를 포함한다” 이런 설계 의도를 구조로 남겨야 수정이 쉽습니다. 3. 변경 가능성과 안정성을 분리하기 자주 바뀌는 영역과 절대 바뀌지 말아야 하는 영역을 구분하세요. 안정된 부분은 Entities로, 변경이 일어나는 부분을 mapper 로 감싸서 안정된 부분을 변경으로부터 격리합니다. AI 시대에도 이 원칙은 그대로 유효합니다. AI가 구현을 대신해줄수록, 우리는 설계의 균형을 잡는 일에 집중해야 합니다. 혹시 여러분은 지금 하고 있는 프로젝트가 유지보수성과 확장성 사이의 균형을 잘 잡고 있다고 느끼시나요?

유지보수성과 확장성을 동시에 잡는 설계 원칙
많은 프로젝트가 초반

다정함은 자존감에서 나온다.
다정한 사람이 되려면
나를 먼저 아껴야 한다.
나를 아끼는 마음에서
자존감이 피어나고,
그 자존감이 사람과의 관계를
따뜻하게 만든다.
⠀
이해인, 『다정한 사람이 이긴다』

다정함은 자존감에서 나온다.다정한 사람이 되려면나를 먼저 아껴야 한다.나를 아끼는 마음에서자존감이 피어나고,그 자존감이 사람과의 관계를따뜻하게 만든다.⠀이해인, 『다정한 사람이 이긴다』

《다정함은 나를 아끼는 마음에서 온다》  ⠀

늘 "더 열심히 해라"라는 말을 들으면서 한국에서 직장 생활을 했습니다. 주변에 워낙 치열하게 일하는 분들이 많다 보니, 웬만큼 노력해서는 명함도 못 내미는 경우가 많았죠.

해외에서도 "난 열심히 해"라고 말하는 사람들이 많습니다. 그런데 막상 함께 일해보면, 한국에서 제가 생각했던 "열심히"와는 거리가 있는 경우가 많아요. 여기서 열심히 한다는 건 그냥 평소보다 조금 더 신경 쓰는 수준일 때가 많습니다. 그런데도 본인은 엄청 열심히 했다며 호들갑을 떱니다. 😅 (물론 이곳의 기준에서는 맞을 겁니다.)

그래서 세계 각지에서 커리어를 쌓고 계신 한국인 분들과 얘기하다 보면, "한국에서 하던 거 반도 안 했는데, 일 잘 한다고 칭찬받아서 놀랬어요!"라며 공감대가 형성되곤 합니다.

어렸을 때 부터 몸에 밴 한국인의 근면함은 세계 어디서든 빛을 발합니다. 어렸을 때 부터 몸에 밴 한국인의 근면함은 세계 어디서든 빛을 발합니다. 앞으로 더 많은 분들이 이 글로벌 경쟁력을 국내에서만 썩히지 마시고 해외에서 마음껏 펼치셨으면 좋겠어요!

늘 "더 열심히 해라"라는 말을 들으면서 한국에서 직장 생활을 했습니다. 주변에 워낙 치열하게 일하는 분들이 많다 보니, 웬만큼 노력해서는 명함도 못 내미는 경우가 많았죠. 해외에서도 "난 열심히 해"라고 말하는 사람들이 많습니다. 그런데 막상 함께 일해보면, 한국에서 제가 생각했던 "열심히"와는 거리가 있는 경우가 많아요. 여기서 열심히 한다는 건 그냥 평소보다 조금 더 신경 쓰는 수준일 때가 많습니다. 그런데도 본인은 엄청 열심히 했다며 호들갑을 떱니다. 😅 (물론 이곳의 기준에서는 맞을 겁니다.) 그래서 세계 각지에서 커리어를 쌓고 계신 한국인 분들과 얘기하다 보면, "한국에서 하던 거 반도 안 했는데, 일 잘 한다고&nbsp;칭찬받아서 놀랬어요!"라며 공감대가 형성되곤 합니다. 어렸을 때 부터 몸에 밴 한국인의 근면함은 세계 어디서든 빛을 발합니다. 어렸을 때 부터 몸에 밴 한국인의 근면함은 세계 어디서든 빛을 발합니다. 앞으로 더 많은 분들이 이 글로벌 경쟁력을 국내에서만 썩히지 마시고 해외에서 마음껏 펼치셨으면 좋겠어요!

해외에서는 덜 열심히 해도 인정받는 이유

최근에 누군가 내게 "기술을 어떻게 학습하시나요?"라는 질문을 한 적이 있다. 머릿속에는 정말 다양한 생각들이 스쳤지만, 나는 그중에서도 가장 중요하다고 생각하는 한 가지를 답했다. 기술을 배우는 데 필요한 것은 딱 하나, 충분한 관심이라고 생각한다. 여기서 말하는 관심은 그저 흥미로 끝나는 것이 아니라, 끊임없이 관찰하고 확인하고 왜를 고민해보는 적극적인 호기심을 의미한다.


내 경험상 어떤 기술을 깊이 있게 배우기 위해서는 그 대상에 대한 충분한 관심이 있어야 했다. 관심은 단순한 흥미를 넘어서 지속적인 탐구심과 동기부여로 이어진다. 내가 어떤 주제에 강한 관심을 갖게 되면, 문제를 끝까지 풀어보고자 하는 인내심이 생기고, 모르는 것을 즐겁게 파고들 수 있는 열의가 생겨났다. 결국 관심이 커야 기술 지식을 깊게 파고들 수 있는 힘이 생긴다. 진정으로 관심이 있을 때 비로소 새로운 개념을 찾아보고 배우는 과정 자체를 즐기게 되었다.


관찰은 내 학습의 첫걸음이었다. 주변의 좋은 코드나 뛰어난 동료의 작업 방식을 유심히 살펴보는 것만으로도 많은 것을 배울 수 있다. 나 역시 과거 스프링 프레임워크의 코드를 한 줄 한 줄 따라 읽으며, 책으로는 얻기 어려웠던 객체 지향 설계의 살아있는 지혜를 얻었던 경험이 있다. 코드 리뷰를 할 때도 마찬가지다. 단순히 코드를 훑어보는 것을 넘어, 이 코드가 왜 이렇게 작성되었을지 그 의도를 헤아려보며 관찰하고, 궁금한 점은 동료에게 직접 물어보며 내가 놓쳤던 배경과 맥락을 배운다.


확인은 배움의 깊이를 더하는 필수적인 과정이다. 나는 어설픈 짐작으로 아는 척 넘어가는 것을 경계한다. 새로운 API를 공부할 때면, 문서만 읽고 끝내는 대신 작은 테스트 코드를 작성해 내 예상이 맞는지 직접 확인해 본다. 이 간단한 검증 과정이 내가 무엇을 알고 무엇을 모르는지를 명확하게 해준다. 직접 확인하는 습관을 가진 개발자와 그렇지 않은 개발자 사이의 실력 차이는 시간이 지날수록 크게 벌어질 수밖에 없다.


마지막으로 '왜?'라는 질문을 던지는 습관은 얕은 지식을 깊은 지혜로 바꾸는 비결이다. 어떤 기술을 접할 때 그저 사용법만 익히는 것이 아니라, "왜 이런 구조를 선택했을까?", "다른 방식이 아닌 이 방법의 장점은 무엇일까?" 하고 근본적인 이유를 파고드는 것이다. 이런 질문은 기술의 철학을 이해하게 하고, 실무에서 마주하는 문제의 본질을 꿰뚫어 볼 수 있는 힘을 길러준다. 또한, 동료들과 '왜?'라는 질문을 주고받는 문화는 개인을 넘어 팀 전체의 기술적 깊이를 더하는 가장 좋은 방법이기도 하다.


돌아보면, 기술은 시대에 따라 계속 변했지만 그것을 배우는 나의 자세는 아직 그대로다. 오늘도 충분한 관심을 바탕으로 관찰하고, 확인하고, 끊임없이 '왜'를 묻는 내가 있다면, 내일 어떤 새로운 기술이 나타나더라도 단단해진 실력으로 그것을 온전히 내 것으로 만들 수 있으리라 믿는다.

최근에 누군가 내게 "기술을 어떻게 학습하시나요?"라는 질문을 한 적이 있다. 머릿속에는 정말 다양한 생각들이 스쳤지만, 나는 그중에서도 가장 중요하다고 생각하는 한 가지를 답했다. 기술을 배우는 데 필요한 것은 딱 하나, 충분한 관심이라고 생각한다. 여기서 말하는 관심은 그저 흥미로 끝나는 것이 아니라, 끊임없이 관찰하고 확인하고 왜를 고민해보는 적극적인 호기심을 의미한다. 내 경험상 어떤 기술을 깊이 있게 배우기 위해서는 그 대상에 대한 충분한 관심이 있어야 했다. 관심은 단순한 흥미를 넘어서 지속적인 탐구심과 동기부여로 이어진다. 내가 어떤 주제에 강한 관심을 갖게 되면, 문제를 끝까지 풀어보고자 하는 인내심이 생기고, 모르는 것을 즐겁게 파고들 수 있는 열의가 생겨났다. 결국 관심이 커야 기술 지식을 깊게 파고들 수 있는 힘이 생긴다. 진정으로 관심이 있을 때 비로소 새로운 개념을 찾아보고 배우는 과정 자체를 즐기게 되었다. 관찰은 내 학습의 첫걸음이었다. 주변의 좋은 코드나 뛰어난 동료의 작업 방식을 유심히 살펴보는 것만으로도 많은 것을 배울 수 있다. 나 역시 과거 스프링 프레임워크의 코드를 한 줄 한 줄 따라 읽으며, 책으로는 얻기 어려웠던 객체 지향 설계의 살아있는 지혜를 얻었던 경험이 있다. 코드 리뷰를 할 때도 마찬가지다. 단순히 코드를 훑어보는 것을 넘어, 이 코드가 왜 이렇게 작성되었을지 그 의도를 헤아려보며 관찰하고, 궁금한 점은 동료에게 직접 물어보며 내가 놓쳤던 배경과 맥락을 배운다. 확인은 배움의 깊이를 더하는 필수적인 과정이다. 나는 어설픈 짐작으로 아는 척 넘어가는 것을 경계한다. 새로운 API를 공부할 때면, 문서만 읽고 끝내는 대신 작은 테스트 코드를 작성해 내 예상이 맞는지 직접 확인해 본다. 이 간단한 검증 과정이 내가 무엇을 알고 무엇을 모르는지를 명확하게 해준다. 직접 확인하는 습관을 가진 개발자와 그렇지 않은 개발자 사이의 실력 차이는 시간이 지날수록 크게 벌어질 수밖에 없다. 마지막으로 '왜?'라는 질문을 던지는 습관은 얕은 지식을 깊은 지혜로 바꾸는 비결이다. 어떤 기술을 접할 때 그저 사용법만 익히는 것이 아니라, "왜 이런 구조를 선택했을까?", "다른 방식이 아닌 이 방법의 장점은 무엇일까?" 하고 근본적인 이유를 파고드는 것이다. 이런 질문은 기술의 철학을 이해하게 하고, 실무에서 마주하는 문제의 본질을 꿰뚫어 볼 수 있는 힘을 길러준다. 또한, 동료들과 '왜?'라는 질문을 주고받는 문화는 개인을 넘어 팀 전체의 기술적 깊이를 더하는 가장 좋은 방법이기도 하다. 돌아보면, 기술은 시대에 따라 계속 변했지만 그것을 배우는 나의 자세는 아직 그대로다. 오늘도 충분한 관심을 바탕으로 관찰하고, 확인하고, 끊임없이 '왜'를 묻는 내가 있다면, 내일 어떤 새로운 기술이 나타나더라도 단단해진 실력으로 그것을 온전히 내 것으로 만들 수 있으리라 믿는다.

기술을 어떻게 학습하시나요?

1 자기소개는 생략하세요
포트폴리오가 곧 자기소개입니다. 바로 프로젝트 얘기 들어가세요

2 면접관은 정답 몰라요
데이터와 맥락으로 설득하는 게 훨씬 먹힙니다

3 UI 스샷 덜어내세요
결과물보다 과정이 보여야 포트폴리오입니다

4 “왜”를 준비하세요
열 질문 중 일곱은 “왜 그렇게 했나요?”입니다

5 성과=수치+맥락
숫자만 말하지 말고 스토리까지 붙여야 기억에 남습니다

6 협업은 숨기지 마세요
혼자 다 했다, 실무에선 마이너스입니다

7 AI는 치트키가 아니라 부스터
“썼다”보다 “시간 50% 줄였다”가 훨씬 설득력 있어요

8 디자인 시스템=룰
툴 자랑 말고 실제 협업, 운영 경험을 강조하세요

9 지원시 저자세는 금물
“내가 기여할 문제”로 지원 동기를 말하세요

10 불합격=피드백
루프 돌리면 확률은 결국 올라갑니다

1 자기소개는 생략하세요포트폴리오가 곧 자기소개입니다. 바로 프로젝트 얘기 들어가세요 2 면접관은 정답 몰라요데이터와 맥락으로 설득하는 게 훨씬 먹힙니다 3 UI 스샷 덜어내세요결과물보다 과정이 보여야 포트폴리오입니다 4 “왜”를 준비하세요열 질문 중 일곱은 “왜 그렇게 했나요?”입니다 5 성과=수치+맥락숫자만 말하지 말고 스토리까지 붙여야 기억에 남습니다 6 협업은 숨기지 마세요혼자 다 했다, 실무에선 마이너스입니다 7 AI는 치트키가 아니라 부스터“썼다”보다 “시간 50% 줄였다”가 훨씬 설득력 있어요 8 디자인 시스템=룰툴 자랑 말고 실제 협업, 운영 경험을 강조하세요 9 지원시 저자세는 금물“내가 기여할 문제”로 지원 동기를 말하세요 10 불합격=피드백루프 돌리면 확률은 결국 올라갑니다

UX 취업 치트키 10

오늘은 뱅크샐러드의 테크 리드, 이영창님을 모시고 바이브 코딩 실무 사례를 배워봤어요.


LLM, AI를 활용해서 개발하다 보면 오히려 번거롭다는 생각이 들곤 하는데요. 영창님은 이 생각을 어떻게 바라보고 계신지도 배울 수 있었어요.


실무에서 AI를 어떻게 사용할지 고민하셨던 분들에게 도움되는 영상이 되었으면 좋겠어요!


📌 챕터
00:00 미리보기
00:17 뱅크샐러드 테크 리드 이영창님
01:19 국내외 전문가들에게서 배운 LLM 활용법
06:35 프롬프트 초안은 이렇게 작성하세요
09:42 커서 AI는 이렇게 활용하세요
12:37 그렇게까지 AI를 꼭 써야하는 이유가 뭔가요?
16:10 프롬프트는 이렇게 하면 쉽게 작성할 수 있어요
18:58 2부에서 계속됩니다


https://youtu.be/Dja8fqyaFqQ?si=c5XB1op_cBH0LSUW

오늘은 뱅크샐러드의 테크 리드, 이영창님을 모시고 바이브 코딩 실무 사례를 배워봤어요. LLM, AI를 활용해서 개발하다 보면 오히려 번거롭다는 생각이 들곤 하는데요. 영창님은 이 생각을 어떻게 바라보고 계신지도 배울 수 있었어요. 실무에서 AI를 어떻게 사용할지 고민하셨던 분들에게 도움되는 영상이 되었으면 좋겠어요! 📌 챕터00:00 미리보기00:17 뱅크샐러드 테크 리드 이영창님01:19 국내외 전문가들에게서 배운 LLM 활용법06:35 프롬프트 초안은 이렇게 작성하세요09:42 커서 AI는 이렇게 활용하세요12:37 그렇게까지 AI를 꼭 써야하는 이유가 뭔가요?16:10 프롬프트는 이렇게 하면 쉽게 작성할 수 있어요18:58 2부에서 계속됩니다 https://youtu.be/Dja8fqyaFqQ?si=c5XB1op_cBH0LSUW

바이브 코딩, 실무에서 하려면 테크 리드에게 배우세요 [1부]

최근 인재 프로필을 검토하여 기업과 연결하는 업무를 하면서, 이력서 작성 방식에 대한 관점이 크게 바뀌었습니다. '기업 입장에서는 이런 부분을 중요하게 보겠구나!'라고 새롭게 깨닫게 된 점들이 많았습니다. 마치 인하우스 채용 담당자 경험이 없는 사람처럼, 현재 채용 업무를 담당하는 분들의 관점을 이해하려고 노력하고 있습니다.


인재 프로필을 처음 검토할 때 가장 먼저 하는 작업은 기업이 요구하는 조건으로 필터링하는 것입니다. 경력 연차, 학력, 보유 기술 등 명확하게 확인 가능한 기준으로 필요한 프로필 리스트를 먼저 확보합니다.
그 다음 단계가 더 까다로운 작업입니다. 바로 경험 내용을 면밀히 확인하는 것입니다. 같은 직무 타이틀이라도 실제 경험한 업무 내용은 천차만별입니다. 예를 들어, '백엔드 개발자'라는 같은 타이틀이어도 각자가 경험한 회사에서 담당한 업무와 설명하는 수준이 모두 다릅니다. 결국 경험 설명 안에서 채용 기업이 원하는 업무 키워드를 찾아내는 작업이 핵심이 됩니다.
서류 전형에서 검증할 수 있는 범위는 여기까지입니다. 기업이 원하는 역량 키워드가 있는지, 관련 경험 키워드가 포함되어 있는지를 확인하는 것입니다. 물론 경험을 자세히 기술한 지원자의 경우 어느 정도 역량을 가늠할 수 있지만, 실제 얼마나 뛰어난 역량을 보유했는지 100% 파악하는 것은 거의 불가능합니다.


눈치채셨겠지만, 기업이 원하는 키워드가 지원 서류에 포함되어 있는지 여부가 당락을 좌우합니다. 특히 기업이 중요하게 생각하는 경험과 역량 키워드가 눈에 잘 띄도록 서류를 작성하는 것이 관건입니다.
따라서 취업과 이직을 준비하는 분들이 해야 할 일은 두 가지입니다.
1. 핵심 키워드를 전략적으로 배치하기
지원하는 기업이 원하는 경험과 역량을 키워드로 정리하여 이력서와 포트폴리오 곳곳에 눈에 띄도록 작성해야 합니다. 서류를 검토하는 담당자는 한 명의 지원자 서류에 많은 시간을 할애하기 어렵습니다. 지원자가 많고 처리해야 할 업무가 많아 서류 전형은 가급적 신속하게 처리해야 하는 업무이기 때문입니다.
따라서 이력서나 포트폴리오를 꼼꼼하게 읽지 않더라도 중요한 키워드가 한눈에 들어오도록 서류 곳곳에 전략적으로 배치하는 것이 중요합니다.
2. 기업 용어와 일치하는 표현 사용하기
같은 경험을 설명하더라도 기업이 사용하는 표현과 유사한 방식으로 작성하는 것이 좋습니다. 예를 들어, '방대한 데이터를 다뤄봤다'는 표현을 '대규모 트래픽 처리 경험', '대용량 데이터 핸들링' 등 기업이 선호하는 표현으로 바꿔 작성할 수 있습니다.
이는 사소해 보이지만, 서류 검토 시 키워드 중심으로 내용을 확인하는 것이 가장 효율적인 방법이므로 중요하게 작용합니다.


지금까지 말씀드린 내용은 서류 전형 통과를 위한 노하우일 뿐, 면접이라는 실전에서 실제 역량을 검증받는 것은 완전히 다른 차원의 문제입니다. 따라서 서류 합격만을 위해 미숙한 분야를 마치 전문 영역인 것처럼 과장하여 키워드로 넣는 것은 면접에서 실력이 드러나게 되어 있습니다.
가급적 이력서와 포트폴리오에는 진정으로 자신 있는 강점 위주로 내용을 구성하는 것이 좋습니다. 이것이 최종 합격에 이르는 유일한 지름길입니다.


이력서나 포트폴리오를 효과적으로 작성하고 최종 합격하기 위해 가장 중요한 자료는 바로 채용공고입니다. 채용공고를 제대로 이해하고 분석하는 것이 정말 중요하며, 아무리 강조해도 지나치지 않습니다.
채용공고는 단순히 읽고 표면적으로 이해하는 것으로는 충분하지 않습니다. 분석해야 합니다. 분석한다는 것은 단어와 문장의 이해를 넘어 맥락 속에 숨어 있는 기업의 진정한 니즈를 파악하는 것입니다.
'어떻게 채용 담당자의 마음을 읽을 수 있을까요?' 특별한 능력이 필요한 것은 아닙니다. 반복해서 읽고 또 읽으면 처음에는 보이지 않던 내용들이 비로소 보이기 시작합니다. 가장 중요한 것은 관심입니다.
관심이 있는 분야에 집중하기
관심을 가지면 감춰진 것들도 보이기 시작합니다. 따라서 본인이 관심 있는 직무, 기업, 산업, 비즈니스 모델 등의 조건에 부합하는 채용공고를 선택하는 것이 중요합니다.
잘 알지 못하는 분야는 아무리 좋은 조건이어도 채용공고를 읽어봐도 제대로 이해하기 어렵습니다. 이해하지 못한 상태에서 '일단 지원해보자'는 마음으로 접근하면 무응답이나 불합격 결과를 받을 가능성이 높습니다.
그러고 나서 계속 불합격한다고 자괴감에 빠지지 마세요. 철저히 이해가 되는 채용공고 위주로 지원하시길 추천합니다. 그리고 채용공고를 완전히 이해했다면, 본인의 이력서와 포트폴리오를 해당 기업이 원하는 맞춤형 내용으로 재구성해보세요.
이전보다 서류 합격률이 몇 배는 높아질 것입니다.

﻿최근 인재 프로필을 검토하여 기업과 연결하는 업무를 하면서, 이력서 작성 방식에 대한 관점이 크게 바뀌었습니다. '기업 입장에서는 이런 부분을 중요하게 보겠구나!'라고 새롭게 깨닫게 된 점들이 많았습니다. 마치 인하우스 채용 담당자 경험이 없는 사람처럼, 현재 채용 업무를 담당하는 분들의 관점을 이해하려고 노력하고 있습니다. 인재 프로필을 처음 검토할 때 가장 먼저 하는 작업은 기업이 요구하는 조건으로 필터링하는 것입니다. 경력 연차, 학력, 보유 기술 등 명확하게 확인 가능한 기준으로 필요한 프로필 리스트를 먼저 확보합니다.그 다음 단계가 더 까다로운 작업입니다. 바로 경험 내용을 면밀히 확인하는 것입니다. 같은 직무 타이틀이라도 실제 경험한 업무 내용은 천차만별입니다. 예를 들어, '백엔드 개발자'라는 같은 타이틀이어도 각자가 경험한 회사에서 담당한 업무와 설명하는 수준이 모두 다릅니다. 결국 경험 설명 안에서 채용 기업이 원하는 업무 키워드를 찾아내는 작업이 핵심이 됩니다.서류 전형에서 검증할 수 있는 범위는 여기까지입니다. 기업이 원하는 역량 키워드가 있는지, 관련 경험 키워드가 포함되어 있는지를 확인하는 것입니다. 물론 경험을 자세히 기술한 지원자의 경우 어느 정도 역량을 가늠할 수 있지만, 실제 얼마나 뛰어난 역량을 보유했는지 100% 파악하는 것은 거의 불가능합니다. 눈치채셨겠지만, 기업이 원하는 키워드가 지원 서류에 포함되어 있는지 여부가 당락을 좌우합니다. 특히 기업이 중요하게 생각하는 경험과 역량 키워드가 눈에 잘 띄도록 서류를 작성하는 것이 관건입니다.따라서 취업과 이직을 준비하는 분들이 해야 할 일은 두 가지입니다.1. 핵심 키워드를 전략적으로 배치하기지원하는 기업이 원하는 경험과 역량을 키워드로 정리하여 이력서와 포트폴리오 곳곳에 눈에 띄도록 작성해야 합니다. 서류를 검토하는 담당자는 한 명의 지원자 서류에 많은 시간을 할애하기 어렵습니다. 지원자가 많고 처리해야 할 업무가 많아 서류 전형은 가급적 신속하게 처리해야 하는 업무이기 때문입니다.따라서 이력서나 포트폴리오를 꼼꼼하게 읽지 않더라도 중요한 키워드가 한눈에 들어오도록 서류 곳곳에 전략적으로 배치하는 것이 중요합니다.2. 기업 용어와 일치하는 표현 사용하기같은 경험을 설명하더라도 기업이 사용하는 표현과 유사한 방식으로 작성하는 것이 좋습니다. 예를 들어, '방대한 데이터를 다뤄봤다'는 표현을 '대규모 트래픽 처리 경험', '대용량 데이터 핸들링' 등 기업이 선호하는 표현으로 바꿔 작성할 수 있습니다.이는 사소해 보이지만, 서류 검토 시 키워드 중심으로 내용을 확인하는 것이 가장 효율적인 방법이므로 중요하게 작용합니다. 지금까지 말씀드린 내용은 서류 전형 통과를 위한 노하우일 뿐, 면접이라는 실전에서 실제 역량을 검증받는 것은 완전히 다른 차원의 문제입니다. 따라서 서류 합격만을 위해 미숙한 분야를 마치 전문 영역인 것처럼 과장하여 키워드로 넣는 것은 면접에서 실력이 드러나게 되어 있습니다.가급적 이력서와 포트폴리오에는 진정으로 자신 있는 강점 위주로 내용을 구성하는 것이 좋습니다. 이것이 최종 합격에 이르는 유일한 지름길입니다. 이력서나 포트폴리오를 효과적으로 작성하고 최종 합격하기 위해 가장 중요한 자료는 바로 채용공고입니다. 채용공고를 제대로 이해하고 분석하는 것이 정말 중요하며, 아무리 강조해도 지나치지 않습니다.채용공고는 단순히 읽고 표면적으로 이해하는 것으로는 충분하지 않습니다. 분석해야 합니다. 분석한다는 것은 단어와 문장의 이해를 넘어 맥락 속에 숨어 있는 기업의 진정한 니즈를 파악하는 것입니다.'어떻게 채용 담당자의 마음을 읽을 수 있을까요?' 특별한 능력이 필요한 것은 아닙니다. 반복해서 읽고 또 읽으면 처음에는 보이지 않던 내용들이 비로소 보이기 시작합니다. 가장 중요한 것은 관심입니다.관심이 있는 분야에 집중하기관심을 가지면 감춰진 것들도 보이기 시작합니다. 따라서 본인이 관심 있는 직무, 기업, 산업, 비즈니스 모델 등의 조건에 부합하는 채용공고를 선택하는 것이 중요합니다.잘 알지 못하는 분야는 아무리 좋은 조건이어도 채용공고를 읽어봐도 제대로 이해하기 어렵습니다. 이해하지 못한 상태에서 '일단 지원해보자'는 마음으로 접근하면 무응답이나 불합격 결과를 받을 가능성이 높습니다.그러고 나서 계속 불합격한다고 자괴감에 빠지지 마세요. 철저히 이해가 되는 채용공고 위주로 지원하시길 추천합니다. 그리고 채용공고를 완전히 이해했다면, 본인의 이력서와 포트폴리오를 해당 기업이 원하는 맞춤형 내용으로 재구성해보세요.이전보다 서류 합격률이 몇 배는 높아질 것입니다.﻿

서류 합격 tag

📝 언어모델의 환각(hallucination)은 왜 일어나는가?

OpenAI가 언어모델(LLM)의 가장 어려운 문제 중 하나인 환각의 원인을 규명한 최신 논문을 발표했습니다.

환각은 언어 모델이 그럴듯하지만 거짓인 문장을 생성하는, 자신있게 잘못된 답변을 생성하는 현상인데요.

문제의 원인은 크게 두가지라고 합니다.

우선 사전 학습 과정에서는 다음에 올 단어를 예측하는 방식으로만 학습하는데요. 여기에는 정답/오답에 대한 레이블이 없기 때문에, 모델은 단지 문장 흐름에 기반해 학습할 뿐입니다.

따라서 문맥상 빈도가 낮게 나타나는 사실은 잘못 예측될 수 있고, 이것이 환각으로 이어진다고 합니다.

두번째는 사후 학습 과정에서 발생하는 문제인데요.

현재 사후 학습을 훈련시키는 대부분의 평가 방식은 정확도(accuracy) 중심입니다. 즉, 사전 학습과 달리 정답/오답 레이블을 가지고 가장 정확도가 높은쪽으로 생성하도록 훈련을 하는데요.

이 방식은 모델이 답을 몰라도 추측해서라도 맞추는 편이 유리하기 때문에, 모델은 모르겠다고 답하기보다, 틀릴 가능성이 있더라도 추측하는 쪽을 선택한다고 합니다.

마치 객관식 시험에서 모르는 답을 공백으로 남겨두는 것 보다, 아무렇게나라도 찍는 것이 점수를 얻기 쉬운 것과 마찬가지라는 것이죠.

환각을 없애려면 모른다거나 불확실하다는 답변을 할 수 있게 해야하는데, 현재 학습 방식은 모른다는 답변을 하는게 불리한 평가 방식이라는겁니다. (어쩜 이것도 인간이랑 똑같니 어휴..)

이것이 바로 RAG 등으로도 완전히 해결하지 못하는 이유인 것 같습니다.

따라서 이는 단순히 패널티나 보상의 방식을 조금 바꾸는 정도로는 한계가 있기때문에, 크게 개선하려면 현재의 평가 방식을 아예 완전히 바꿔야 할 수도 있다고 하네요.

OpenAI가 이 논문을 발표했다는 것은 이미 그 해결책도 어느정도 가지고 있다는 것이겠죠? GPT-5가 환각이 크게 줄어든 것도 이미 어느정도는 반영된 것일테고요.

아무튼 그렇다면 GPT-6에서는 더이상 환각을 걱정하지 않게 될 수도 있겠네요. 뭐.. 이미 대개의 인간보다 환각이 적긴하지만요. 😏

📝 언어모델의 환각(hallucination)은 왜 일어나는가? OpenAI가 언어모델(LLM)의 가장 어려운 문제 중 하나인 환각의 원인을 규명한 최신 논문을 발표했습니다. 환각은 언어 모델이 그럴듯하지만 거짓인 문장을 생성하는, 자신있게 잘못된 답변을 생성하는 현상인데요. 문제의 원인은 크게 두가지라고 합니다. 우선 사전 학습 과정에서는 다음에 올 단어를 예측하는 방식으로만 학습하는데요. 여기에는 정답/오답에 대한 레이블이 없기 때문에, 모델은 단지 문장 흐름에 기반해 학습할 뿐입니다. 따라서 문맥상 빈도가 낮게 나타나는 사실은 잘못 예측될 수 있고, 이것이 환각으로 이어진다고 합니다. 두번째는 사후 학습 과정에서 발생하는 문제인데요. 현재 사후 학습을 훈련시키는 대부분의 평가 방식은 정확도(accuracy) 중심입니다. 즉, 사전 학습과 달리 정답/오답 레이블을 가지고 가장 정확도가 높은쪽으로 생성하도록 훈련을 하는데요. 이 방식은 모델이 답을 몰라도 추측해서라도 맞추는 편이 유리하기 때문에, 모델은 모르겠다고 답하기보다, 틀릴 가능성이 있더라도 추측하는 쪽을 선택한다고 합니다. 마치 객관식 시험에서 모르는 답을 공백으로 남겨두는 것 보다, 아무렇게나라도 찍는 것이 점수를 얻기 쉬운 것과 마찬가지라는 것이죠. 환각을 없애려면 모른다거나 불확실하다는 답변을 할 수 있게 해야하는데, 현재 학습 방식은 모른다는 답변을 하는게 불리한 평가 방식이라는겁니다. (어쩜 이것도 인간이랑 똑같니 어휴..) 이것이 바로 RAG 등으로도 완전히 해결하지 못하는 이유인 것 같습니다. 따라서 이는 단순히 패널티나 보상의 방식을 조금 바꾸는 정도로는 한계가 있기때문에, 크게 개선하려면 현재의 평가 방식을 아예 완전히 바꿔야 할 수도 있다고 하네요. OpenAI가 이 논문을 발표했다는 것은 이미 그 해결책도 어느정도 가지고 있다는 것이겠죠? GPT-5가 환각이 크게 줄어든 것도 이미 어느정도는 반영된 것일테고요. 아무튼 그렇다면 GPT-6에서는 더이상 환각을 걱정하지 않게 될 수도 있겠네요. 뭐.. 이미 대개의 인간보다 환각이 적긴하지만요. 😏

📝 언어모델의 환각(hallucination)은 왜 일어나는가?


TV에 자주 나오는 연예인은 왜 점점 더 예뻐지는 걸까

📈 빠르게 성장하는 가장 확실한 방법은 무엇일까요?

브런치스토리

Evernote 가 좋아 Evernote 에서 일했고, 실리콘벨리의 문화가 좋아 실리콘벨리 회사에서 계속 일하고 있습니다. 생산성이 좋아 생산성 뉴스레터를 운영하고 있습니다. 좋아하는 일을 하고, 하는 일을 좋아합니다. 현재는 mmhmm 에서 근무하고 있어요.

진대연

좋아하는 일을 하고, 하는 일을 좋아합니다. 실리콘벨리가 좋아 실리콘벨리 기업에서 근무했고, 스타트업이 좋아 국내외 스타트업에서 근무했습니다. 생산성을 좋아해 생산성 뉴스레터 당근메일을 운영하고 있습니다. 
www.carroletter.com
#사이드프로젝트

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필