스크립트
00:00:00AI를 다룰 줄 아는 분이라면 지금 엄청난 기회가 앞에 와 있습니다.
00:00:04흥미롭게도 기업들이 가장 절실하게 필요로 하는 역할 중 하나인데도 불구하고
00:00:09할 수 있는 사람을 거의 찾지 못하고 있습니다. 그 기회의 직무가 바로 파견 엔지니어, 즉 FDE입니다.
00:00:14일이 배우기 어렵다기보다는 애초에 이런 역할이 존재한다는 사실을 잘 모르기 때문인데요.
00:00:19지난 한 달 동안 이 역할은 OpenAI, 앤스로픽, 커서(Cursor)의
00:00:24팀 리더들이 직접 나와 강연을 할 정도로 중요해졌습니다. 실제 기업 내부의
00:00:29실제 프로젝트들을 짚어주기 때문에 보통은 이런 이야기를 들을 기회가 잘 없습니다.
00:00:33그래서 저희가 그 내용들을 전부 살펴보고 당장 활용할 수 있는 부분들을 뽑아냈습니다.
00:00:38이 채널을 처음 방문하셨다면 환영합니다. 저희는 소프트웨어 회사이자 AI 랩스입니다.
00:00:43저희 팀의 검증된 방법들을 통해 AI로 비즈니스를 최적화하는 방법을 보여드리죠. 이번 영상에서는
00:00:48FDE가 무엇인지, 거대 기업들은 이 일을 어떻게 실제로 해내는지, 그리고 여러분은 어떻게
00:00:53시작할 수 있는지 알아보겠습니다. 본격적인 내용에 들어가기 앞서, FDE가 정확히
00:00:58무엇인지 정의부터 내려보죠. 파견 엔지니어, 줄여서 FDE는 기본적으로 기업이
00:01:03실제로 AI를 쓰도록 만드는 것이 전담 업무인 사람을 말합니다. 단순히 컨설팅을 하거나
00:01:09어떤 전략 문서를 건네주고 끝내는 것이 아닙니다. 이미 사용 중인 시스템 내부에 AI를 직접 연동해
00:01:14사람들이 손으로 하던 작업을 AI가 대신 처리하도록 만드는 것이죠. 프로세스의 성격이 무엇이든 간에
00:01:20업무를 처리하는 주체는 세 가지 중 하나입니다. 작업을 수행하는 사람이거나,
00:01:25엄격한 규칙에 따라 움직이는 소프트웨어이거나, 혹은 AI입니다. FDE는 프로세스 속에서
00:01:30이 세 주체 중 어떤 것이 어떤 작업을 맡아야 하는지 정확히 아는 사람입니다. 예를 들어, 한 기업이
00:01:36환불 요청 처리에 에이전트를 도입했습니다. 이론상으로는 완벽했죠. 각 요청을 읽고 환불 규정과 대조한 뒤
00:01:41조건에 맞지 않는 건 거절했습니다. 하지만 몇 주가 지나자 수년 동안 거래해 온 고객들이 이탈하기 시작했고,
00:01:46아무도 이유를 알지 못했습니다. 에이전트가 거절한 환불 건들은 모두 규정상 거절해야 하는 것들이었으니까요.
00:01:52그래서 FDE가 예전에 그 업무를 담당하던 직원을 찾아가 자리를 잡고 앉았습니다. 알고 보니 문서화되지 않은
00:01:57자체적인 단계가 하나 더 있었죠. 결제 수단을 확인해 회사 카드로 결제된 건인 경우에는
00:02:02더 읽어보지도 않고 바로 승인해 주곤 했습니다. 매달 꾸준히 구매하는 기업 고객들이고,
00:02:06환불 한 건으로 실랑이를 벌이다간 계정 자체를 잃어버리게 되니까요. 규정 문서에는 이에 대한 언급이 전혀 없었고,
00:02:11수년 전에 직원들 스스로 터득한 방법이었습니다. 그래서 그 확인 절차가 모델의 판단보다 앞서는
00:02:16고정 규칙으로 워크플로에 추가되었습니다. 자, 사람들과 함께 일할 때 문제가 하나 있습니다.
00:02:22대부분은 자신이 실제로 겪는 문제가 아니라 이미 머릿속으로 상상해 낸 무언가를 설명한다는 점입니다.
00:02:26이것이 바로 기업이 AI를 도입하도록 만들 때 마주하는 가장 큰 난관입니다. 이유는 이렇습니다.
00:02:31실제로 업무를 수행하는 사람들은 그저 일을 끝내고 싶을 뿐입니다. 결과물이 되도록 쉽게 나오기를
00:02:36바랄 뿐이지, 프로세스 자체를 들여다보지는 않죠. 따라서 그들이 실제로 채택할 만한 무언가를
00:02:41만들기가 매우 어렵습니다. 그리고 이것이 정확히 지금 대부분의 기업들이 처한 상황입니다.
00:02:46AI가 인기를 얻은 이래로 기업들은 자신들에게 정말 필요한지도 모른 채 모든 곳에 AI를 쑤셔 넣고 있습니다.
00:02:51바로 이 때문에 모든 곳에서 이 문제를 깔끔하게 정리해 줄 사람을 급하게 채용하고 있는 것입니다.
00:02:55이 직무의 채용 공고는 1년 만에 729%나 증가했습니다. AWS는 파견 엔지니어 전담 부서를 만드는데
00:03:0210억 달러를 투자했고, OpenAI 자체 FDE 팀은 1월의 2명에서 39명으로 늘어났습니다.
00:03:08이 모든 일이 정말 빠르게 일어났습니다. 3년 전만 해도 FDE가 필요한 사람은 사실상 아무도 없었으니까요.
00:03:13현재 수많은 주요 스타트업들이 탄생한 Y토네이터 안에서만 이 직무를 채용하는 스타트업이 100개가 넘습니다.
00:03:19콜린 자비스는 OpenAI에서 파견 팀을 이끌고 있는데, 그는 FDE 인력이 턱없이 부족하다고 말합니다.
00:03:24즉, 사람보다 수요가 훨씬 먼저 폭발한 것입니다. 이 역할에 대해 더 깊이 파고들기 전에,
00:03:29채널을 구독하고 좋아요 버튼을 눌러주시면 정말 감사하겠습니다.
00:03:34이 작은 응원의 행동이 저희에게는 큰 힘이 됩니다. 수요는 확실히 존재하지만, 그렇다고 해서
00:03:40FDE가 별도의 직무여야 하는 이유가 완전히 설명되지는 않습니다. 도구 자체는 어려운 부분이 아니니까요.
00:03:45누구나 가입해서 쓸 수 있고, 대부분의 기업에는 이미 도구가 있습니다. 작년에 MIT에서 정확히 이와 관련된
00:03:51연구를 진행했습니다. 300개의 AI 프로젝트를 조사하고 그 프로젝트를 운영한 기업의 수백 명을 설문조사한 결과,
00:03:56프로젝트의 95%가 측정 가능한 수익을 전혀 내지 못했다는 사실을 발견했습니다. MIT의 자체 결론은
00:04:03모델이 아니라 기업 자체의 원인으로 실패가 발생했다는 것이었습니다. 성과가 없었던 기업들은
00:04:08데모에서나 멋져 보이고 실제 업무에 적용하는 순간 무너지는 범용 도구들을 사용하고 있었습니다.
00:04:13또한 그 도구들 주위에 구축한 어떤 것도 기업이 실제로 어떻게 돌아가는지 학습하지 못했죠.
00:04:18바수만 모자는 이와 같은 일을 업으로 삼고 있습니다. 메타의 엔지니어였던 그는 현재 대기업 내부에
00:04:24AI를 도입시키는 회사를 운영하고 있으며, 본질적으로 FDE입니다. 따라서 그는 이러한 프로젝트들이
00:04:30어떻게 실패하는지 지근거리에서 지켜봐 왔습니다. 그에 따르면, 아무도 프로세스를 먼저 살펴보지 않기 때문에
00:04:36고장 난 프로세스 위에 AI를 대충 덧씌우는 일이 벌어지고 있습니다. 그가 이야기한 한 임원은
00:04:411년 동안 쓸 예정이었던 1,000만 달러의 예산을 3개월 만에 다 태워버렸습니다.
00:04:46회사가 모든 직원에게 도구를 쥐여주고 알아서 쓰도록 내버려 뒀기 때문입니다. 다들 내키는 대로
00:04:51만들어댔고, 돈은 사라졌으며, 기존 업무 능력이 나아진 것은 하나도 없었습니다. 이 작업이 누군가의
00:04:56전담 업무가 되어야 하는 이유는, 기업 내부의 기존 직원들은 이 일을 하려 하지 않기 때문입니다.
00:05:00엔지니어들은 처리해야 할 본업이 따로 있고, 프로세스를 운영하는 사람들은 워낙 오래 해왔기 때문에
00:05:05그 안의 우회로들이 완전히 당연한 것으로 보입니다. 팔란티어는 그러한 우회로 문제 하나 때문에
00:05:10통째로 1년을 날렸습니다. 새로운 파일 형식으로의 전환이 정체되었는데, 한 엔지니어가 새 형식이
00:05:15더 안 좋다고 계속 말했기 때문입니다. 누군가 그녀가 일하는 모습을 직접 관찰하기 전까지는
00:05:20아무도 이유를 몰랐죠. 알고 보니 그녀는 파일을 더블클릭해서 열어보는 방식으로 데이터를 확인하고 있었는데,
00:05:26새 형식에는 더블클릭할 수 있는 게 없었던 것입니다. 팀은 그날 밤 새 파일을 똑같이 열 수 있는 도구를
00:05:31만들어주었고, 그녀는 이틀 뒤에 전환을 승인했습니다. 바로 이 때문에 무언가를 구축하기 전에
00:05:36이 모든 것을 파악하는 것을 전담할 사람을 두는 가치가 있는 것입니다. 대안은 비용과 노력의 낭비뿐이니까요.
00:05:42앤스로픽이나 OpenAI 같은 많은 거대 기업들은 최근 내부적으로 이 전체 과정을 어떻게 다루는지에 대해
00:05:47강연을 했습니다. 우리는 그 강연들 중 최고를 추려 분석했고, 모든 워크플로에서
00:05:52동일한 패턴이 반복되는 것을 발견했습니다. 첫 번째 단계는 비즈니스에 실제로 비용을 발생시키는
00:05:57프로세스를 고르는 것입니다. AI의 경우 그것은 기본적으로 '볼륨(물량)'을 의미합니다.
00:06:02즉, 하루에 50번씩 똑같은 종류의 메시지를 처리하는 사람을 찾아야 합니다. 메시지 하나를 자동화하는 것은
00:06:08아무에게도 도움이 안 되지만, 일주일에 수천 번 보내야 하는 메시지를 자동화하는 것은 기업이 실제로
00:06:13더 생산적이고 수익성 있게 만드는 지점입니다. 그리고 기업은 이미 고객 지원 기록 속에 모든 과거 데이터를
00:06:19가지고 있기 때문에 그 작업을 찾기 쉽습니다. 모델에 그것을 넘기면 볼륨이 어디에 있는지 알려주죠.
00:06:24OpenAI 팀은 세계 최대 은행 중 한 곳에서 정확히 그렇게 했습니다. 수천 명의
00:06:29어드바이저가 매일 하던 업무를 공략했고, 결국 약 98%가 자신들이 구축한 시스템을 사용하게 되었습니다.
00:06:35두 번째 단계는 기업이 이미 운영 중인 시스템 위에 구축하는 것입니다. AI의 경우 이것은 과거보다
00:06:40훨씬 더 중요합니다. 에이전트의 가치는 도달할 수 있는 범위만큼만 유효하기 때문입니다.
00:06:45따라서 팀이 이미 노션(Notion)에 모든 업무를 보관하고 있다면, 에이전트가 더 쉽게 읽도록
00:06:50별도의 시스템을 만들고 모든 데이터를 옮길 필요가 없습니다. MCP(모델 컨텍스트 프로토콜)로
00:06:56에이전트를 노션에 연결하기만 하면 모두가 평소처럼 일할 수 있습니다.
00:07:00대부분 이런 방식으로 작동합니다. 막대한 시간과 돈을 투자한 기존 시스템을 포기하고 싶어 하지 않으니까요.
00:07:05모자의 고객 중 한 곳은 재무 시스템을 구축하는 데 500만 달러와 5년을 썼기 때문에, 그 시스템에서
00:07:10이탈시키는 것은 애초에 불가능했습니다. 유일한 임무는 기업 내 다른 모든 것들이 그 시스템과 대화하도록 만드는 것이었죠.
00:07:16세 번째 단계는 사람들의 일하는 방식을 필요한 것 이상으로 바꾸지 않는 것입니다.
00:07:21누군가 몇 년 동안 11단계 프로세스를 실행해 왔는데 1단계짜리 버전을 쥐여주면 그들은 사용을 중단합니다.
00:07:26원래는 진행하면서 작업을 검토하곤 했는데 중간 과정이 사라지고 뜬금없이 나타난 답변을 믿으라고 강요받기 때문입니다.
00:07:31그래서 모자는 프로세스가 사람들이 이미 알고 있는 형태를 유지해야 한다고 말합니다. 각 단계 내부에서
00:07:35에이전트가 일을 하도록 하되, 단계 자체는 그대로 두어 사람들이 눈으로 확인할 수 있게 해야 합니다.
00:07:40그래야 답변이 맞는지 알 수 있으니까요. 마지막 단계는 구축보다 '신뢰'에 훨씬 더 많은 시간을 예산으로 배정하는 것입니다.
00:07:45앞서 언급한 은행에서 OpenAI는 기술적인 측면을 6~8주 만에 끝냈고, 어드바이저들이 실제로
00:07:50그것을 신뢰하기까지는 파일럿과 테스트로 또 다른 4개월이 걸렸습니다. 매일 지난 1년 동안 해온
00:07:55방식 그대로 일하고 있다면, 그 프로세스의 어떤 변화든 5,000명이 쓰든 5명이 쓰든
00:08:00검증을 거쳐야 합니다 5천 명에게 맡기든 5명에게 맡기든 말이죠 하지만 넘어가기 전에
00:08:05소프트웨어 엔지니어를 위한 인재 에이전트입니다. 여러분은 기회가 부족한 게 아니라 올바른 기회가 부족한 것입니다.
00:08:10최고의 직무는 절대 공고로 올라오지 않고 네트워크 안에 있는 사람에게 갑니다.
00:08:15덱스는 그것을 해결합니다. 구직 구인 게시판도, 리크루터도 아니며 전적으로 여러분을 대신해 일합니다.
00:08:20여러분을 방 안으로 들여보내 주는 내부자 같은 존재죠. 그래서 저도 직접 써봤습니다. 본인의 업무와 원하는 바를
00:08:25덱스에게 한 번만 알려주면 됩니다. 솔직히 대화 과정부터 마음에 들었습니다. 올바른 질문을 던지고
00:08:30원하는 바를 파악한 뒤 일을 시작합니다. 지원서도, 리크루터 면접도 없습니다. 덱스는 리니어(Linear)나
00:08:36아티오(Atio) 같은 스타트업에서 평균 15만 달러가 넘는, 철저히 검증된 직무들의 간소화된 목록을 들고 돌아옵니다.
00:08:43봇이 긁어온 것이 아닌 맞춤형 일자리입니다. 연봉 정보도 미리 알 수 있고 채용 팀과 직접 연결됩니다.
00:08:49엔지니어에게는 무료이니 지원을 멈추고 추천을 받으세요. 고정 댓글의 링크에서 덱스를 만나보세요.
00:08:55자, 이것이 거대 기업들이 비즈니스에 AI를 도입하는 방식입니다. 이제 여러분이 직접 이 작업을 수행하고 싶다면
00:09:00로드맵은 5단계로 이루어집니다. 첫 번째 단계는 무언가를 구축하기도 전에 일어납니다.
00:09:06먼저 업무가 실제로 어떻게 수행되는지 관찰하고, 실제로 일어나는 순서대로 모든 단계를 빠짐없이 적어야 합니다.
00:09:11그런 다음 각 단계가 왜 그런 방식으로 진행되는지 묻고, 아무도 구체적인 이유를 대지 못한다면
00:09:16그것은 대개 몇 년 전에 누군가 만들어 놓았고 아무도 의문을 품지 않은 우회로일 가능성이 높습니다.
00:09:21둘째, 해당 프로세스의 어떤 부분을 실제로 AI로 전환하고 어떤 부분을 그렇게 하지 말아야 할지 결정해야 합니다.
00:09:26전체 과정을 모델에 통째로 넘겨버리면 그것이 바로 아무 성과도 못 내는 AI 프로젝트의 95%에 빠지는 지름길이니까요.
00:09:32따라서 작성한 모든 단계를 세 가지 필터에 통과시켜야 합니다.
00:09:38첫 번째는 그 단계가 고정된 규칙을 따르며 매번 정확하게 결과가 나와야 하는가입니다.
00:09:43그렇다면 일반 소프트웨어로 남겨두면 되며 AI로 자동화할 필요가 없습니다.
00:09:48두 번째는 누군가 복잡한 내용을 읽고 판단을 내려야 하는가입니다. 이것이 바로 모델이 존재하는 이유입니다.
00:09:53세 번째는 틀렸을 때 발생하는 비용이 얼마인가입니다. 틀렸을 때의 대가가 비싸다면
00:09:58모델이 처리할 수 있는 일이라도 해당 단계는 사람이 맡아야 합니다. 이 작업을 마치고 나면
00:10:03전체 프로세스를 AI가 실행해야 하는 경우는 거의 없다는 것을 알게 될 것입니다. 일부 단계는 소프트웨어로 남고,
00:10:08일부는 모델로 가며, 일부는 사람에게 남습니다. 8단계 프로세스를 예로 든 모자의 경우,
00:10:144단계는 자체적으로 실행되었고, 다른 3단계는 사람이 결과물을 검토한 후 진행되었으며,
00:10:19마지막 단계는 온전히 사람의 몫으로 남았습니다. 이 마지막 단계가 완전한 인간의 몫으로 남은 이유는
00:10:24아직 AI가 할 수 없는 비즈니스적 판단이기 때문입니다. 즉, 틀렸을 때의 비용이 넘겨주기에는 너무 크거나,
00:10:29모델이 수고를 들일 만큼 자주 발생하지 않는 업무이기 때문입니다. 셋째, 모든 것이 잘 풀리는 경우뿐만 아니라
00:10:34시스템이 실패할 수 있는 경우의 수도 고려해서 구축해야 합니다. 모자에 따르면 무언가 제대로 작동할
00:10:39한 가지 방법이 있다면 잘못될 수 있는 방법도 수천 가지가 존재합니다.
00:10:44따라서 잘 풀리는 경우만을 위해 구축한다면 만든 것의 가치는 제로가 됩니다. AI의 경우 이것은 주로
00:10:50모델이 확신이 없는 상황을 처리하는 것을 의미합니다. 전혀 모르는 상황에서도 어떻게든 답변을 내놓을 테니까요.
00:10:55넷째, 실제 운영 환경에 투입하기 전에 시스템이 실제로 작동하는지 확인해야 합니다.
00:11:00모델은 같은 질문을 던지더라도 매번 조금씩 다른 답변을 내놓습니다. 따라서 시스템을 몇 번만 테스트해 보면
00:11:05오류를 일으키는 드문 경우들을 놓치게 됩니다. 그 대신 작성해 둔 프로세스에서 정답을 이미 알고 있는
00:11:09실제 사례들을 가져와야 합니다. 그런 다음 모든 사례에 시스템을 돌려보고 몇 개나 맞혔는지 세어봅니다.
00:11:14그리고 틀린 사례들을 다시 읽어보고 수정하는 것이죠. 마지막으로 그것이 실제로
00:11:20어떤 가치가 있었는지 수치화해야 합니다. 돈을 벌어다 주었는지, 비용을 줄여주었는지, 혹은
00:11:25위험을 줄여주었는지 명확히 말할 수 있어야 합니다. 그 외의 것은 의미가 없습니다.
00:11:30커서(Cursor) 팀은 어떤 사용자로부터 에이전트 때문에 하루에 2,000달러가 든다는 불만을 들은 적이 있습니다.
00:11:35에이전트가 실제로 무엇을 하고 있는지 물어보니, 고장난 장비를 수리하러 보낼 엔지니어를
00:11:39선택하는 작업이었습니다. 그래서 잘못된 사람을 보낼 때 발생하는 비용이 얼마냐고 물었더니
00:11:44하루 2,000달러보다 훨씬 많았습니다. 사용자는 에이전트가 드는 비용만 바라보고
00:11:49얼마나 아껴주고 있는지는 전혀 보지 않았기에 곧바로 수긍했습니다.
00:11:54이 다섯 가지 단계는 우리 소프트웨어 회사에서 내부 챗봇을 구축한 방법이기도 합니다.
00:11:59이전 영상을 보셨다면 아시겠지만, 우리 팀의 비기술직 팀원들이 클로드 코드(Claude Code)와
00:12:03그 기능들을 활용할 수 있게 해주는 채팅 인터페이스입니다. 인사팀이나 회계팀 직원들은 엔지니어가 아닌데,
00:12:09클로드 코드와 관련된 모든 것은 사용자가 엔지니어임을 가정하고 있으므로 이 인터페이스를 만들었습니다.
00:12:14클로드 코드가 그들의 업무에 유용한 무언가를 하려면 먼저 슬랙(Slack), 이메일 및 매일 사용하는
00:12:19나머지 도구들과 연동되어야 하는데, 그들은 그런 설정을 절대 하지 않을 것이기 때문입니다.
00:12:24따라서 채팅 인터페이스가 그 모든 연동을 대신하고 그들은 필요한 내용을 타이핑하기만 하면 됩니다.
00:12:29하지만 곧바로 구축을 시작하지는 않았습니다. 엔지니어들이 먼저 인사팀과 회계팀 직원들과 함께 앉았습니다.
00:12:34개발 부서에서는 그 부서원들이 하루를 어떻게 보내는지 전혀 몰랐기 때문입니다. 그래서 해당 부서에서
00:12:39충분한 시간을 보내며 수동으로 처리되는 모든 반복적인 업무를 적었습니다.
00:12:45그런 다음 그중 어떤 것을 모델이 합리적으로 인계받을 수 있을지 파악했고, 그 문서가 개발의 대부분이 되었습니다.
00:12:50그렇게 작성된 프로세스들은 에이전트가 따르는 지침과 챗봇이 답변하는 지식이 되었습니다.
00:12:54그 후 첫 번째 버전을 해당 부서에 돌려주어 실제 업무에 사용하도록 했고, 실제로 시간을
00:12:59절약해 주고 있다는 피드백을 받았습니다. 마지막 질문은 이 모든 것을 실행하기 위해
00:13:05어떤 역량을 갖추어야 하는가입니다. 정확히 이 직무를 채용하는 한 기업은 비즈니스 프로세스와
00:13:09기술에 대해 폭넓게 이해하고 있으면서 한 분야에는 진정한 전문성을 가진 사람을 원합니다.
00:13:15그들에 따르면 비즈니스 측면은 일하면서 배울 수 있지만 기술적 측면은 그렇지 않다고 합니다.
00:13:20하지만 여러분에게는 그게 반대일 것입니다. 이제 구축은 에이전트가 알아서 처리하므로
00:13:25여러분은 비즈니스 측면에만 집중하면 되니까요. 팔란티어의 임원이 말하길, 이 일에 실패하는 사람은
00:13:3010년 뒤에도 버틸 수 있는 코드를 원하는 꼼꼼한 엔지니어라고 합니다.
00:13:36이 직무는 거친 형태의 결과물을 실제 사용자 앞에 빠르게 내놓는 것입니다. 어차피 클로드 코드 같은
00:13:41에이전트가 첫 패스에서 던져주는 결과물도 기본적으로 그런 식이니까요. 자, 이제 FDE가 무엇이고
00:13:47업무가 실제로 어떻게 처리되는지 알았으니, 이것으로 무엇을 해야 할지 살펴보겠습니다.
00:13:51시작할 곳은 직접 찾아갈 수 있는 가장 작은 비즈니스입니다. 본인이 일하는 곳이든 친구가 운영하는 곳이든 상관없이,
00:13:57운영자에게 가장 반복적인 업무를 하는 사람 옆에 앉아 일하는 모습을 한 시간 동안 지켜봐도 되는지 물어보세요.
00:14:02그리고 본인이 본 것에 다섯 단계를 적용하면 됩니다. 그 반대편에서 나오는 결과물을 '감사(Audit)'라고 부르며,
00:14:07기업이 실제로 돈을 지불하는 실질적인 작업입니다. 대기업 내에서 AI 프로젝트를 운영하는 모자는
00:14:12무언가를 구축하기 전에 모든 프로젝트를 감사로 시작합니다.
00:14:18그리고 그 첫 단계가 전체 업무 중 가장 큰 병목 현상이라고 말하죠. 그것이 바로
00:14:23FDE 일자리에 지원하든 비즈니스에 직접 제안하든 사람들에게 제시할 결과물입니다.
00:14:28그 안에는 한 실제 기업의 프로세스가 기록되어 있고, AI에 넘길 단계들과
00:14:32그 각각이 그들에게 가지는 금전적 가치가 담겨 있으니까요. 저희 커뮤니티인 AI 랩스 프로에는
00:14:38FDE의 역할에 대해 더 깊이 파고들고 싶은 분들을 위한 큐레이션된 로드맵과 가이드가 준비되어 있습니다.
00:14:44저희 활동에서 가치를 느끼셨고 채널을 지원하고 싶으시다면 이것이 가장 좋은 방법입니다.
00:14:49링크는 설명란에 있습니다. 이것으로 이번 영상이 마무리되었습니다. 이와 같은 영상을 계속 만들 수 있도록
00:14:54채널을 지원하고 싶으시다면 아래의 슈퍼 땡스 버튼을 이용해 주시면 됩니다.
00:14:59언제나 시청해 주셔서 감사드리며 다음 영상에서 뵙겠습니다.