2023년에 짠 427시간 AI 개발자 과정은 Python과 PyTorch에 57%를 썼다. 채용 공고는 RAG·Agent·LangChain을 더 요구하고 개발자 84%가 AI 코딩 도구를 쓴다. 운영 중인 과정에서 Agent·RAG·MCP가 프로젝트 안에만 있는지 정규 시간에 있는지 보면 된다.
우리는 서울경제진흥원(SBA)과 청년취업사관학교의 400시간 AI 개발자 양성 과정을 운영한다. 커리큘럼은 2023~2024년에 짠 bottom-up 구성이다. 2026년 2월 2일 글에서 이 배분을 다시 셌다.
문제는 비중이다. 427시간 가운데 Python 기초·LLM API 블록과 PyTorch·HuggingFace 모델 학습 블록이 합쳐 57%다. 반면 AI Agent와 RAG는 프로젝트 안에서 다루긴 해도 정규 이론 시간은 짧고, MCP는 아예 없다. 결론은 양성 목표를 모델을 만드는 사람에서 AI 시스템을 설계하고 통합하는 사람으로 옮기는 것이다.
Python 기초와 PyTorch 블록의 비중은 2026년 채용 공고와 맞지 않는다
Python 블록을 줄이는 근거는 도구 보급률이다. Stack Overflow 2025 조사에서 개발자 84%가 AI 도구를 쓰고 전체 코드의 41%가 AI가 생성한 코드다. 채용 공고의 71%가 여전히 Python을 요구하므로 달라진 것은 필요성이 아니라 익히는 속도이고, AI 도구를 옆에 두면 절반 시간에 익힌다고 우리는 본다.
PyTorch 블록을 줄이는 근거는 과정 목표와의 불일치다. 목표는 모델링과 개발을 함께 하는 AI 엔지니어인데 전체의 34%가 PyTorch와 딥러닝에 묶여 있다. 채용 공고 요건은 PyTorch 37.7%, Fine-tuning 14.8%, RAG 13.6%, LangChain 10.7%, AI Agents 10.6%이고 RAG는 전년 대비 2,047% 늘었다. 현장은 CNN을 처음부터 훈련하기보다 GPT-4를 RAG에 붙이는 쪽에 가깝다.
빠진 영역에도 근거가 있다. Fortune 500 기업의 60%가 CrewAI를 채택했고 400개 이상 기업이 LangGraph를 프로덕션에서 돌린다. MCP는 2025년 12월 Linux Foundation 기증 뒤 OpenAI·Google·Microsoft·AWS가 모두 지원하는 표준이 됐다.
총 시간은 427에서 420으로 거의 그대로인데 배분이 달라진다
구성은 Python·AI 코딩 도구, Docker/Cloud, ML/DL, 파인튜닝·RAG, AI Agent, MCP 통합, AI PM, 프로젝트의 여덟 영역이고 합계는 420시간이다. Python·딥러닝·프로젝트에서 덜어낸 시간이 Agent·MCP·AI PM 신설과 파인튜닝·RAG 증설로 간다.
줄이는 쪽은 드릴을 뺀다. Python은 핵심 개념을 남기고 문법 반복 연습을 Cursor·Copilot과의 페어 프로그래밍으로 바꾼다. 딥러닝은 Transformer 구조와 HuggingFace 활용을 남기고 CNN 직접 구현을 줄인다. 프로젝트는 Agent 실습과 겹치는 만큼 덜어낸다.
기초는 줄이지 않고 비전공자 80%에 맞는 방식으로 바꾼다
기초를 줄여도 되느냐는 질문을 우리는 자주 받는다. 기초는 그대로 중요하고 바뀌는 것은 가르치는 방식이라는 게 우리 답이고, 근거는 AI Makerspace의 원칙 "이해하지 못하는 코드를 AI가 작성하게 하지 마라"다. for문이라면 예전에는 예제 10개와 과제 5개를 직접 풀었다. 바뀐 방식은 예제 3개를 직접 쓰고, 5개는 Cursor와 함께 쓰고, AI가 쓴 코드를 리뷰한다.
수강생 80%가 비전공자라 fast.ai식 top-down으로 간다. RAG라면 LangChain 챗봇을 먼저 만들고, 벡터 DB와 임베딩은 그 뒤에 배우고, 청킹 전략을 바꿔 비교한 뒤 직접 구현한다. 새 개념은 한 시간에 3개 이하, 실습 70%·이론 30%다.
JetBrains Academy의 2024년 연구는 AI 도구가 학습 격차를 벌릴 수 있다고 본다. 기초가 있는 학생은 더 빨리 크고 없는 학생은 의존한다. 그래서 첫 한 달은 도구 없이 기초를 다지고, 다음 한 달에 단계적으로 들이고, 그 뒤에 비판적 평가와 함께 쓴다.
프로젝트 주제도 바뀐다. 감성 분석 데모와 GPT API 단순 챗봇은 2023년형이다. 2025~26년형은 배포까지 한 RAG 지식 어시스턴트, 멀티 에이전트 파이프라인, MCP 통합 도구다. 포트폴리오에는 배포된 데모 URL과 의사결정 기록이 남아야 한다. 주니어 채용이 2.5%인 시장에서 수료생을 가르는 요소다.
가져갈 것
예/아니오로 답해 본다.
- Python 블록의 문법 드릴 시간을 세어 봤고, AI 도구 페어 프로그래밍으로 바꿀 몫을 정했는가
- PyTorch 블록 비중이 과정 목표(모델 학습인지 시스템 통합인지)와 맞는가
- Agent(LangGraph·CrewAI)·RAG·MCP가 프로젝트 안에서만 다뤄지는가, 정규 시간이 따로 있는가
- 수료 프로젝트 요건에 배포된 데모 URL과 의사결정 기록이 있는가
- AI 코딩 도구를 첫 주부터 여는가, 기초 없는 수강생의 의존을 막을 도입 시점이 있는가
안 되는 경우
- 채용 요건 비율과 Stack Overflow의 84%·41%는 조사 표본·기간·지역을 밝히지 않았고, 한국 시장에 그대로 적용된다는 근거도 없다.
- 과정 목표가 모델 학습·연구 인력 양성이면 PyTorch 블록을 줄일 근거가 없다. 이 배분은 비전공자 80%인 취업 과정 기준이다.
- 네이버 글의 구버전 단계표와 재구성 요약표는 파인튜닝·프로젝트 경계가 서로 다르다. 이 글은 총 시간과 상위 두 블록 비중만 쓰고, 적용 후 수료율·취업률은 없다.
- Fortune 500의 60% 같은 업계 수치는 출처 링크를 남기지 않았다.
이번 주에 바꿀 것은 "프로젝트 안에서 어차피 다룬다"는 이유로 정규 시간 0으로 남겨 둔 항목을 찾아 시간을 적어 보는 일이다. 그 항목이 Agent·RAG·MCP라면 그 과정은 아직 2023년 정의로 개발자를 기르고 있다. 양성 과정을 다시 짜려는 조직이라면 조녁컴퍼니의 부트캠프 운영 범위와 커리큘럼 샘플을 먼저 확인해 보라. 사업영역 →