[AI] 응용 개발 vs 모델 연구·개발

구분	AI 응용 개발	AI 모델 연구·개발
핵심 역할	OpenAI 등 기존 AI 모델을 활용하여 서비스/시스템에 적용	GPT, LLaMA 등 AI 모델 자체를 설계·개발·학습
사용 기술	LangChain, OpenAI API, HuggingFace Transformers, FastAPI, Vector DB 등	PyTorch, TensorFlow, JAX, CUDA, 분산 학습 프레임워크 (DeepSpeed, FSDP)
요구 역량	- Python 실력 - API 연동 능력 - Prompt Engineering - 프론트·백 연결 - 도메인 이해도 (ex. 물류, 전시 등)	- 딥러닝 수학 (선형대수, 확률, 최적화) - 모델 구조 이해 - 논문 구현 능력 - 대용량 데이터 처리 - 하드웨어/GPU 병렬 학습
업무 예시	- GPT 기반 챗봇 구축 - 문서 요약 자동화 - 이미지 설명 생성 - 사내 시스템 AI 기능 추가	- GPT 같은 언어모델 학습 - LLM 구조 설계 및 개선 - 최신 논문 구현 - 학습 속도/성능 개선 연구
직군 예시	AI 서비스 개발자, 솔루션 엔지니어, 데이터 제품 엔지니어	AI 리서처, 모델 엔지니어, MLOps 엔지니어, 연구원
학력 요건	학부 졸업 후 실무 경험 중심도 가능	대부분 석사 이상 (AI 대학원, 컴공, 수학 등), 논문 기반 연구 중심
입사 포지션	기업의 개발팀, DX팀, 서비스팀, 스타트업 CTO	빅테크 AI 연구소 (NAVER AI Lab, KAIST AI, Google DeepMind 등)
장점	- 빠르게 실전 서비스로 연결 가능 - 다양한 산업에 응용력 높음 - 비전공자도 진입 가능	- 고급 연구·기술력 보유 - 논문 발표 등 성장 루트 다양 - 희소가치 높고 해외 이직 경쟁력 높음
단점	- 모델 자체 한계에 묶일 수 있음 - 트렌드에 종속적일 수 있음	- 진입 장벽 높음 (수학/학위/논문) - 학습 시간, 자원 비용 큼
대표 기업	- 카카오, 네이버, 스타트업, LG CNS, AI 솔루션 회사 등	- Google DeepMind, Meta FAIR, NAVER AI Lab, 대학 연구소 등