AI 개발자 양성 통합 커리큘럼

문서 성격: 회사 내부 AI 개발자 교육 총론 (v2.0) 대상: IT 전문가 (신입·경력·PM) - 초보/전문가 구분 없음 목적: 하나의 실제 프로젝트(홈페이지+챗봇) 완주로 AI 엔지니어링 PM 역량 체득 철학: "이론이 아닌 실제 제작으로 배운다. 완주가 곧 실력이다." 운영: 완료 기준 기반 (기간 무관), AI(Claude)를 코딩 파트너로 활용 최종 갱신: 2026-07-08

---

0. 이 커리큘럼의 설계 철학

0-1. 왜 "초보/전문가"를 나누지 않는가?

AI 개발 교육은 "어디서부터 시작해야 할지 모르는 복잡한 숲" 입니다. 초보자는 기본기가, 전문가는 고급 기술이 각각 필요하지만, 실제 업무는 이 모든 것이 통합된 하나의 시스템입니다.

❌ 기존 방식 (분리형)	✅ 본 교육 (통합형)
초보 과정 → 중급 과정 → 고급 과정	하나의 프로젝트(홈페이지+챗봇) 완성
단계별 중복 발생, 시간 낭비	필요한 모든 기술을 자연스럽게 습득
연습 과제로 끝남	실제 오픈되는 제품으로 완성
부분적 이해 (전문가 되기 어려움)	전체 프로세스 이해 (PM 역량)

0-2. 이 교육이 다루는 전 영역

┌─────────────────────────────────────────────────────────────────────────┐ │ AI 개발자 풀스택 역량 (전 영역) │ ├───────────────────┬───────────────────┬─────────────────────────────────┤ │ 🔧 개발 도구 │ 📐 설계 문서 │ 🤖 AI 자동화 │ │ • Claude CLI │ • CLAUDE.md │ • maocafe 스택 │ │ • VS Code │ • system.md │ • OSMU 자동화 │ │ • Git │ • design.md │ • API 연동 (네이버·구글) │ │ • Python 환경 │ • agent.md │ • 크론·스케줄링 │ │ • LangChain │ • prompt.md │ • 멀티 LLM 라우팅 │ ├───────────────────┼───────────────────┼─────────────────────────────────┤ │ 🧠 AI/LLM │ 🔌 API/연동 │ 🏗️ 인프라 │ │ • 프롬프트 엔지니어링│ • OpenAI/GPT │ • Vultr 서버 구축 │ │ • RAG 시스템 │ • Claude API │ • 도메인·SSL │ │ • 임베딩 │ • Gemini API │ • PostgreSQL (pgvector) │ │ • 벡터DB(pgvector)│ • 네이버·구글 API│ • 배포·CI/CD │ │ • 유사도 검색 │ • STT/TTS │ • 백업·롤백·모니터링 │ ├───────────────────┼───────────────────┼─────────────────────────────────┤ │ 🎨 프론트엔드 │ ⚙️ 백엔드 │ 📊 데이터 │ │ • React │ • PHP/SQL │ • 상담 로그 수집·분석 │ │ • 반응형 UI │ • REST API │ • 지식베이스(Q&A) 구축 │ │ • 챗봇 위젯 │ • 웹훅 │ • QA 데이터셋 관리 │ │ • 디자인 시스템 │ • 관리자 페이지 │ • 성과 측정·분석 │ └───────────────────┴───────────────────┴─────────────────────────────────┘

text

0-3. 교육 3대 원칙

원칙	내용
① 완주가 곧 실력	모든 단계를 직접 실행하고, 최종 결과물(홈페이지+챗봇)을 실제 오픈
② AI는 파트너	Claude CLI를 코딩 파트너로 활용 (가르치는 선생님이 아님)
③ 문서화가 생활화	모든 결정·설계를 5가지 문서(CLAUDE/system/design/agent/prompt)로 남김

---

1. 교육 개요

항목	내용
목적	AI 개발 도구·자동화·RAG 챗봇까지 실무 전 과정을 하나의 프로젝트 완주로 체득
대상	IT 전문가 (신입·경력·PM 무관, 개발 기초 보유) - 초보/전문가 구분 없음
기간	약 6개월 (완료 기준, 역량 따라 유동)
방식	AI(Claude)를 코딩 파트너로 삼아 시행착오로 학습
결과물	실제 오픈되는 회사 홈페이지 + AI 챗봇 (연습 아님)
참고 문서	master.md(홈페이지 기획), chatbot.md(챗봇 기획)
최종 목표	AI 엔지니어링 PM으로서 전체 프로세스 이해 및 독립적 운영 능력

---

2. 도구·개념 도입 로드맵

원칙: 한 번에 다 넣지 않는다. 만들면서 필요해질 때 하나씩 도입.

단계	도구/개념	도입 시기	비고
0단계	Claude CLI, VS Code, Git	0주차 (필수)	메인 개발 도구
0단계	CLAUDE.md (프로젝트 규칙)	0주차 (필수)	지침·맥락을 AI에 로드
1~2단계	prompt.md (프롬프트 모음)	2~3주차	반복 질문 쌓일 때 정리
3~4단계	design.md (UI/UX 기준)	3~4주차	디자인 시스템 정립
4~5단계	system.md (아키텍처)	4~5주차	전체 시스템 설계 문서화
5~6단계	agent.md (자동화 에이전트)	6~7주차	maocafe 자동화 스택 연동
6단계	네이버·구글 API	6~7주차	블로그 자동 발행 실습
7단계	Python + LangChain	7~8주차	RAG 파이프라인 개발
7단계	멀티 LLM API (GPT·Gemini·Claude)	7~8주차	RAG 시스템 구축
7단계	pgvector (벡터DB)	8~9주차	PostgreSQL 확장
7단계	임베딩 (text-embedding-3)	8~9주차	OpenAI 임베딩
8단계	CI/CD (GitHub Actions)	10~11주차	자동 배포 파이프라인
8단계	Sentry/Logtail (모니터링)	10~11주차	에러 추적·알림
2차 과정	MCP·멀티에이전트	첫 프로젝트 완료 후	별도 심화 교육

---

3. 단계별 커리큘럼 (완료 기준)

Phase 0: 개발 환경 구축 (2~3주)

배우는 것:

• 웹 동작 원리, 서버·도메인 개념
• 리눅스 기초 명령어, 파일 구조
• Claude CLI 설치 및 설정
• VS Code + Git 설치
• 백업·롤백 습관화

만드는 것:

• Vultr 서버 신청 및 SSH 접속
• .claude 설정 파일
• CLAUDE.md (프로젝트 규칙 문서)
• backup.sh (백업 스크립트)

AI 프롬프트 예시:

"Vultr 서버에 Ubuntu 22.04를 설치했어. Claude CLI를 설치하고, 프로젝트 규칙을 CLAUDE.md로 작성하는 방법을 알려줘."

완료 체크리스트:

• [ ] SSH로 서버 접속 성공
• [ ] Claude CLI로 "Hello" 응답 받음
• [ ] VS Code에서 서버 파일 수정 가능
• [ ] CLAUDE.md에 프로젝트 개요·규칙 작성
• [ ] 백업 스크립트 실행 → 복구 성공

회사 AI 사업 연결:

"이 인프라가 앞으로 텅스텐 R&D, AI 솔루션 서비스의 기반이 됩니다."

---

Phase 1: 기획 이해 및 설계 문서화 (2~3주)

배우는 것:

• master.md(홈페이지 기획) 분석
• chatbot.md(챗봇 기획) 분석
• system.md 작성법
• design.md 작성법
• agent.md 작성법

만드는 것:

• 본인 버전 기획 정리
• 챗봇 요구사항 정리
• system.md 초안 (전체 시스템 아키텍처)
• design.md 초안 (UI/UX 기준)
• agent.md 초안 (자동화 에이전트 설계)

AI 프롬프트 예시:

"주어진 master.md와 chatbot.md를 읽고, 홈페이지+챗봇 시스템의 전체 아키텍처를 system.md로 작성해줘. React 프론트, PHP 백엔드, RAG 챗봇 구조를 포함해야 해."

완료 체크리스트:

• [ ] master.md를 요약하여 본인 말로 설명 가능
• [ ] chatbot.md의 RAG 동작 원리 이해
• [ ] system.md에 전체 시스템 구성도 포함
• [ ] design.md에 화면별 UI 컴포넌트 정의
• [ ] agent.md에 자동화 흐름(OSMU) 정의

회사 AI 사업 연결:

"기획 문서화 능력이 AI 솔루션 PM의 핵심 역량입니다."

---

Phase 2: 디자인 기초 (1~2주)

배우는 것:

• UI/UX 기본 원칙
• 반응형 디자인 개념
• 와이어프레임 작성법

만드는 것:

• 홈페이지 전체 와이어프레임 (PC/모바일)
• 챗봇 위젯 UI 와이어프레임
• 디자인 시스템 초안

AI 프롬프트 예시:

"master.md의 메인 랜딩 흐름에 맞춰 와이어프레임을 그려줘. PC와 모바일 레이아웃을 각각 제시해줘."

완료 체크리스트:

• [ ] 모든 페이지 와이어프레임 완성
• [ ] PC/모바일 레이아웃 구분
• [ ] 챗봇 위젯 UI 와이어프레임 포함
• [ ] 디자인 시스템 컬러·폰트 정의
• [ ] 팀/디자이너와 리뷰 완료

---

Phase 3: 프론트엔드 개발 (React) (3~4주)

배우는 것:

• React 기초 (JSX, 컴포넌트, props, state)
• 상태 관리 (useState, useEffect)
• 반응형 디자인 (CSS/미디어쿼리)
• 라우팅 (React Router)

만드는 것:

• 메인 랜딩 페이지 (히어로→과거→현재→미래→찾기→인사이트→문의)
• 동적 메뉴·페이지 라우팅
• 챗봇 위젯 UI (플로팅 아이콘 + 팝업 창 360×500)
• 공통 컴포넌트 라이브러리

AI 프롬프트 예시:

"master.md의 메인 랜딩 흐름을 React 컴포넌트로 구현해줘. 반응형으로 PC/모바일 모두 대응되게 해줘. design.md의 디자인 시스템을 따라야 해."

완료 체크리스트:

• [ ] 메인 페이지 모든 섹션 렌더링
• [ ] 메뉴 클릭 시 다른 페이지 이동 (SPA)
• [ ] 모바일에서 메뉴 햄버거 동작
• [ ] 우측 하단 챗봇 아이콘 클릭 시 팝업 오픈
• [ ] design.md의 디자인 시스템 적용
• [ ] 콘솔 에러 없음

---

Phase 4: 백엔드·DB 구축 (PHP/SQL) (3~4주)

배우는 것:

• PHP 기초, SQL 문법
• REST API 설계·구현
• PostgreSQL 기본 및 pgvector 확장
• 관리자 페이지 구현

만드는 것:

• 데이터베이스 설계 (consult_logs, knowledge_base, documents)
• REST API (/api/contact, /api/blog, /api/chat)
• 관리자 페이지 (게시판·문의·지식베이스 관리)
• pgvector 확장 설치 및 벡터 컬럼 추가

AI 프롬프트 예시:

"consult_logs와 knowledge_base 테이블을 포함한 PostgreSQL DB 스키마를 생성하는 SQL을 작성해줘. pgvector 확장을 설치하고, 임베딩 벡터를 저장할 컬럼도 추가해줘."

완료 체크리스트:

• [ ] PostgreSQL 접속 및 테이블 생성
• [ ] /api/contact로 문의 저장 확인
• [ ] 관리자 페이지에서 글 CRUD 동작
• [ ] 프론트에서 API 호출 → 데이터 표시
• [ ] pgvector 확장 설치 및 벡터 컬럼 추가
• [ ] API 응답 시간 1초 미만

---

Phase 5: AI 콘텐츠 자동화 (블로그) (3~4주)

배우는 것:

• maocafe 콘텐츠 자동화 스택 이해
• OSMU (One Source Multi Use) 원리
• 네이버·구글 API 연동
• 크론 스케줄링

만드는 것:

• maocafe 스택 로컬 클론 및 설정
• 블로그 원본 → SNS 채널별 변환 파이프라인
• 네이버·티스토리 자동 발행
• 주간 자동 발행 루틴 (cron)

AI 프롬프트 예시:

"maocafe 스택의 OSMU 자동화 흐름을 설명해줘. 블로그 원본 하나로 티스토리·네이버·인스타그램에 각각 포맷 변환 후 발행하는 과정을 agent.md로 문서화해줘."

완료 체크리스트:

• [ ] maocafe 스택에서 블로그 글 생성
• [ ] 동일 콘텐츠를 3개 이상 채널로 변환
• [ ] 네이버 API로 실제 발행 테스트
• [ ] 크론으로 주 1회 자동 발행 설정
• [ ] agent.md에 전체 자동화 흐름 기록
• [ ] 발행 실패 시 슬랙 알림

---

Phase 6: RAG 챗봇 구축 (Python + LLM) (4~5주)

배우는 것:

• Python 환경 구축, LangChain 기초
• 임베딩 (text-embedding-3-small)
• RAG 검색 파이프라인
• 멀티 LLM 라우팅 (GPT·Claude·Gemini)
• 프롬프트 체인 설계

만드는 것:

• Python FastAPI 서버 (/api/chat)
• knowledge_base → 벡터 변환 및 pgvector 저장
• 유사도 검색 (top-k, threshold 0.7)
• LLM 스위치 로직 (모델별 응답 비교·선택)
• 프롬프트 템플릿 등록 (system.md)
• 챗봇 UI ↔ API 연동

AI 프롬프트 예시:

"LangChain을 사용해서 PostgreSQL(pgvector)에서 RAG 검색을 수행하는 Python 코드를 작성해줘. 사용자 질문을 임베딩하고, 상위 3개 문서를 검색한 후 GPT-4o-mini로 답변을 생성하는 파이프라인을 만들어줘."

완료 체크리스트:

• [ ] Python FastAPI 서버 실행
• [ ] knowledge_base 데이터를 임베딩하여 pgvector 저장
• [ ] 샘플 질문 → 관련 문서 검색 확인
• [ ] GPT·Claude·Gemini 응답 비교 가능
• [ ] 유사도 0.7 미만 → "전화연결" 메시지 출력
• [ ] 홈페이지 챗봇에서 실제 질문→답변 확인
• [ ] 응답 시간 3초 미만

---

Phase 7: STT 음성 입력 + 고도화 (2~3주)

배우는 것:

• Web Speech API (브라우저 STT)
• Google STT (대체)
• TTS (텍스트→음성)
• 로그 분석·피드백 루프

만드는 것:

• 마이크 버튼 UI (React)
• 음성→텍스트 변환
• 답변 음성 출력 (TTS)
• consult_logs 적재 (모든 대화 저장)
• 관리자 QA 시스템 (표준답변 편집 UI)

AI 프롬프트 예시:

"React 챗봇 UI에 Web Speech API를 이용한 마이크 버튼을 추가해줘. 음성 인식 결과를 텍스트 입력창에 자동으로 채우고, 전송 버튼을 누르면 챗봇이 응답하게 해줘."

완료 체크리스트:

• [ ] PC(Chrome)에서 마이크로 음성 입력
• [ ] 모바일(Android)에서 음성 입력
• [ ] iOS Safari에서 fallback(텍스트 입력 유도)
• [ ] 챗봇 답변을 TTS로 출력
• [ ] 모든 대화가 consult_logs에 저장
• [ ] 관리자 페이지에서 표준답변 수정 가능

---

Phase 8: 테스트·배포·운영 (2~3주)

배우는 것:

• 테스트 체크리스트 작성
• CI/CD 파이프라인 (GitHub Actions)
• 실서버 배포 (도메인·SSL)
• 모니터링 (Sentry/Logtail)
• 백업·복구 자동화

만드는 것:

• QA 시나리오 20개
• GitHub Actions 자동 배포
• jinsit.co.kr 실서버 오픈 (HTTPS)
• Sentry/Logtail 연동
• cron 백업 스크립트 (매일 자동)

완료 체크리스트:

• [ ] 모든 페이지 링크·버튼 동작 확인
• [ ] 챗봇 20개 QA 케이스 통과
• [ ] GitHub push 시 자동 배포
• [ ] 실도메인(HTTPS) 접속 성공
• [ ] 에러 로그 수집 확인
• [ ] 백업 파일 확인 (매일 생성)
• [ ] 모니터링 알림 정상 작동

---

4. 설계 문서 템플릿 (공통 의무 작성)

모든 교육생은 아래 5가지 문서를 작성해야 합니다. 문서화 능력 = PM 역량의 핵심입니다.

4-1. CLAUDE.md (프로젝트 규칙)

# 프로젝트: 진승정보기술 홈페이지 + 챗봇

## 프로젝트 개요
- 목적: 회사 홈페이지 리뉴얼 + AI 챗봇 구축
- 기간: 6개월 (완료 기준)
- 참고 문서: master.md, chatbot.md

## 기술 스택
- 프론트: React (SPA)
- 백엔드: PHP (API) + PostgreSQL (pgvector)
- AI: Python + LangChain + OpenAI API
- 인프라: Vultr (Ubuntu 22.04) + Cloudflare

## 개발 규칙
1. 백업 없이 수정 금지 (`cp -r` 필수)
2. 한 번에 하나씩 변경 → 즉시 테스트
3. 상상 코딩 금지 (기존 코드 확인 후 작업)
4. 파일 크기 15~25KB 유지
5. 커밋 메시지: "feat: 기능명" / "fix: 버그명"

## AI 사용 규칙
- 메인: Claude CLI (코드 생성·리뷰)
- 보조: Codex (단순 작업)
- 질문 전: 관련 문서(CLAUDE.md, system.md) 참조
- 생성 코드는 반드시 검토 후 적용
4-2. system.md (시스템 아키텍처)
markdown
# 시스템 아키텍처 문서

## 전체 구성도
[프론트 React] ↔ [API PHP] ↔ [PostgreSQL + pgvector]
                    ↔ [Python RAG 서버] ↔ [LLM API]

## 데이터 흐름
1. 사용자 질문 → React 챗봇
2. → PHP API (/api/chat)
3. → Python RAG 서버 (임베딩 + 검색)
4. → pgvector에서 유사 문서 검색
5. → LLM API (GPT/Claude/Gemini) 답변 생성
6. → 전화전환 (유사도 < 0.7)

## 주요 테이블
- consult_logs: 원본 상담 로그
- knowledge_base: 검증된 Q&A (벡터 포함)
- documents: 매뉴얼 원본 (청크 분할)

## 배포 환경
- 개발: dev.jinsit.co.kr
- 운영: jinsit.co.kr
- CI/CD: GitHub Actions
- 모니터링: Sentry
4-3. design.md (디자인 시스템)
markdown
# UI/UX 디자인 시스템

## 컬러 팔레트
- Primary: #1A237E (진승 블루)
- Secondary: #0D47A1
- Accent: #FF6F00 (골드)
- Background: #F5F5F5
- Text: #212121

## 타이포그래피
- 한글: Noto Sans KR
- 영문: Inter
- H1: 48px / Bold
- H2: 32px / Bold
- Body: 16px / Regular

## 컴포넌트
- 버튼: 둥근 모서리, 호버 효과
- 카드: 그림자, 마진 16px
- 챗봇 위젯: 우측 하단 플로팅, 360x500px

## 반응형 브레이크포인트
- Desktop: > 1024px
- Tablet: 768px ~ 1024px
- Mobile: < 768px (햄버거 메뉴)

## 접근성
- WCAG 2.1 AA 준수
- ARIA 레이블 필수
- 키보드 네비게이션 지원
4-4. agent.md (AI 자동화 에이전트)
markdown
# AI 자동화 에이전트 (maocafe 기반)

## 자동화 흐름 (OSMU)
블로그 원본 → [텍스트 변환] → 티스토리 발행
             → [이미지 생성] → 카드뉴스
             → [TTS] → 나레이션 음성
             → [영상 편집] → 숏폼 영상
             → [SNS 변환] → 인스타·스레드 발행

## 사용 도구
- 텍스트: ChatGPT API
- 이미지: DALL-E / Stable Diffusion
- TTS: Google TTS
- 영상: 캡컷 자동화 (Python)
- 발행: 네이버·구글 API

## 스케줄링
- 주 1회 (일요일 09:00) 자동 실행
- 크론: `0 9 * * 0 /path/to/agent.sh`

## 에러 처리
- API 실패 → 재시도 (3회)
- 발행 실패 → 슬랙 알림
- 모든 로그 → /var/log/agent.log
4-5. prompt.md (프롬프트 모음)
markdown
# AI 프롬프트 템플릿 모음

## 1. 코드 생성
"React로 [기능명] 컴포넌트를 만들어줘. [디자인 시스템]을 따라야 하고, 반응형으로 구현해줘."

## 2. 코드 리뷰
"이 코드의 문제점을 찾아줘. 보안·성능·가독성 측면에서 개선점을 제시해줘."

## 3. 디버깅
"[에러 메시지]가 발생했어. 원인과 해결책을 단계별로 설명해줘."

## 4. 기획
"주어진 요구사항을 분석해서 system.md에 추가할 아키텍처 다이어그램을 설계해줘."

## 5. RAG
"LangChain으로 RAG 검색 파이프라인을 구현하는 코드를 작성해줘. pgvector를 벡터DB로 사용해."

## 6. 자동화
"maocafe 스택의 OSMU 자동화 흐름을 Python으로 구현해줘. 블로그 원본을 입력받아 3개 채널로 변환 발행."

## 7. 테스트
"이 API 엔드포인트에 대한 테스트 케이스를 작성해줘. 정상·에러·엣지 케이스 포함."

## 8. 배포
"GitHub Actions로 Vultr 서버에 자동 배포하는 워크플로우를 작성해줘."

## 9. 프롬프트 개선
"이 프롬프트를 더 구체적이고 효과적으로 개선해줘. [목표]를 달성하기 위해 필요한 정보를 추가해줘."
5. 개발·협업 지침 (안전 수칙)
0단계부터 몸에 배도록 반복 숙지

번호  원칙  내용
1   백업 필수   작업 전 cp -r 백업. 백업 없이 수정 금지
2   한 번에 하나씩    변경 후 즉시 테스트. 문제 시 즉시 롤백
3   상상 코딩 금지    기존 파일 구조 확인 후 작업. 없는 함수/변수 만들지 않기
4   오버엔지니어링 금지  파일 15~25KB, 동시 2~3개 이내
5   소스 분리   메인·공통·PC·모바일 모듈로 분리
6   테스트 체크리스트   로딩 / 메뉴 / 버튼·링크 / 콘솔 에러 / 모바일 반응형
7   Chain of Documents  인터뷰 → Brief → 상세 문서 순으로 작성
8   Skill 표준화   같은 작업 3회 이상 반복 시 Skill로 정리
6. 성공 측정 기준
지표  측정 방법   목표치
프로젝트 완주 9개 Phase 체크리스트 통과   100%
홈페이지 오픈 실도메인(jinsit.co.kr) HTTPS 접속 정상 동작
챗봇 응대율  상담 로그 분석    자동응답 60% 이상
자동화 운영  maocafe 발행 확인   주 1회 자동 발행
문서화 완성도 5개 문서(CLAUDE·system·design·agent·prompt)    모두 작성 완료
독립적 운영  신규 요청사항 처리  AI와 협업하여 해결
7. 일정 계획 (예시)
text
Phase 0:  개발 환경 구축 (2~3주)
   ↓
Phase 1:  기획 이해 및 설계 문서화 (2~3주)
   ↓
Phase 2:  디자인 기초 (1~2주)
   ↓
Phase 3:  프론트엔드 개발 React (3~4주)
   ↓
Phase 4:  백엔드·DB 구축 PHP/SQL (3~4주)
   ↓
Phase 5:  AI 콘텐츠 자동화 (3~4주)
   ↓
Phase 6:  RAG 챗봇 구축 (4~5주)
   ↓
Phase 7:  STT 음성 입력 + 고도화 (2~3주)
   ↓
Phase 8:  테스트·배포·운영 (2~3주)
   ↓
🚀 오픈 (Beta) → 모니터링 시작
총 소요 기간: 약 6개월 (완료 기준, 역량 따라 유동)

8. 범위 밖 (2차 교육 과정)
항목  이관 사유
MCP·멀티에이전트  첫 프로젝트 완주 후 별도 교육
SaaS·ERP AI 교육  챗봇 프로젝트 이후 확장
대규모 LLM 파인튜닝    RAG로 충분, 파인튜닝은 2차
커뮤니티·이커머스 플랫폼   별도 과정
이유: 첫 6개월은 하나를 끝까지 완주하는 경험이 가장 중요

9. 자주 묻는 질문 (FAQ)
Q1. 초보자도 이 커리큘럼을 따라갈 수 있나요?
A. 네. 각 Phase의 완료 체크리스트를 통과하면 다음 단계로 넘어갑니다. AI(Claude)가 코딩 파트너가 되어 도와주므로, 기초가 부족해도 따라갈 수 있습니다.

Q2. 경력 개발자는 너무 기초적인 내용 아닌가요?
A. 아니요. 같은 Phase라도 심화 옵션(예: 성능 최적화, 인프라 설계)을 선택할 수 있습니다. 또한 전체 프로세스를 경험하며 PM 역량을 키울 수 있습니다.

Q3. 6개월 안에 못 끝내면 어떻게 하나요?
A. 기간이 아닌 완료 기준으로 진행합니다. 역량에 따라 8개월이 걸릴 수도 있지만, 그만큼 확실하게 자기 것이 됩니다.

Q4. AI를 너무 의존하면 실력이 안 늘지 않나요?
A. AI는 코딩 파트너이지 대행자가 아닙니다. 모든 코드는 검토하고, 직접 수정하며, 디버깅합니다. AI를 도구로 활용하는 능력 자체가 AI 개발자의 핵심 역량입니다.

Q5. 이 교육을 마치면 어떤 일을 할 수 있나요?
A. AI 솔루션 PM, AI 엔지니어, 자동화 설계자, RAG 챗봇 개발자 등으로 활동할 수 있습니다. 무엇보다 전체 프로세스를 이해하는 PM 역량이 가장 큰 성과입니다.

10. 문서 이력
버전  일자  변경 내용   작성자
v1.0    2026-07-02  초안 작성   부장
v2.0    2026-07-08  통합 커리큘럼으로 개편 (초보/전문가 통합)    부장
v2.1    2026-07-08  문서 템플릿(5종) 추가, FAQ 추가   부장