LLM 시대에도 DS 개발자와 AI 경진대회가 중요한 이유 | DAKER 커뮤니티

LLM이 코드를 짜고 모델까지 만들어주는 시대에, 데이터사이언티스트와 개발자의 역할이 앞으로도 유효할지 고민하는 분이 많습니다. AI 경진대회에서 메달을 따기 위해 쏟는 시간과 노력이 여전히 의미가 있는지도 자연스럽게 따라오는 질문입니다.

그런데 최근 흐름을 보면, AI가 사람의 자리를 단순히 대체한다기보다 일하는 방식과 경쟁의 기준을 빠르게 바꾸고 있습니다. 지금 이 변화를 읽어야 하는 이유도 여기에 있습니다. 사라짐보다 재편에 가깝기 때문입니다.

AI 성능은 빠르게 올라가고, 시장은 더 크게 팽창하고 있습니다

실제로 AI의 문제 해결 능력은 매우 빠르게 높아지고 있습니다. 22개의 선정된 과거 캐글(Kaggle) 대회 과제를 사람의 개입 없이 AI 에이전트 혼자 풀게 했을 때, 메달권에 진입하는 비율은 2024년 10월 약 17%에서 2025년 8월 64% 수준으로 상승했습니다. 1년도 채 되지 않아 4배 가까이 오른 셈입니다.

AI는 이미 일부 경진대회에서 메달권에 진입할 만큼 강해졌지만, 그와 동시에 시장 자체도 더 커지고 있습니다.

흥미로운 점은 여기서 끝나지 않습니다. AI가 코딩을 대신해주는 도구로 자리 잡는 동안, 실제 대회와 참여자 수는 오히려 늘고 있습니다. 2025년 기준 전 세계 AI 대회 상금 총액은 약 1,600만 달러(약 210억 원)로 커졌고, 최대 플랫폼인 캐글의 사용자 수는 1년 만에 700만 명이 증가해 2,900만 명을 돌파했습니다.

즉, AI가 강해질수록 사람이 빠지는 것이 아니라, 데이터를 다루고 모델을 검증하며 결과를 비교하려는 수요가 더 커지고 있다는 뜻으로 읽을 수 있습니다.

경쟁의 룰은 밑바닥 설계에서 조합과 검증으로 이동하고 있습니다

대회를 이기는 방식도 달라지고 있습니다. 과거에는 모델 아키텍처를 처음부터 끝까지 독자적으로 설계하는 팀이 강점을 보이는 경우가 많았습니다. 하지만 최근 주요 대회 우승팀들의 전략을 보면, Qwen 같은 고성능 오픈소스 LLM을 가져와 과제에 맞게 다듬고 튜닝하는 방식이 중심으로 떠오르고 있습니다.

이 변화는 실력의 기준이 어디에 놓이는지도 바꿉니다. 이제는 무에서 유를 만드는 코딩 자체보다, 어떤 모델을 선택할지, 어떤 데이터를 구축할지, 그리고 그것을 내 문제에 맞게 어떻게 최적화할지가 더 중요해지고 있습니다.

앞으로의 경쟁력은 처음부터 전부 직접 만드는 능력보다, 좋은 모델과 데이터를 조합하고 끝까지 검증하는 능력에 더 가까워지고 있습니다.

평가 방식도 함께 달라지고 있습니다. 단순히 리더보드 점수를 비교하는 데서 그치지 않고, 실제로 작동하는 제품(MVP)을 시연하거나 프롬프트 작성 능력을 직접 겨루는 방향으로 넓어지고 있습니다. 점수만 높은 해법보다, 실제 문제를 풀 수 있는 해법이 더 중요해지는 흐름입니다.

지금 실무에서 바로 가져갈 수 있는 변화는 무엇일까요

이 흐름 속에서 실무 경쟁력을 높이려면, 코드를 얼마나 빨리 치는가보다 무엇을 만들고 어떻게 검증할지를 더 선명하게 가져가는 것이 좋습니다.

기획과 검증 중심의 작업 방식에 익숙해지는 것이 좋습니다

코드를 직접 입력하는 시간은 AI 도구가 상당 부분 줄여줄 수 있습니다. 그만큼 사람은 결과물을 정의하고, 오류를 찾아내고, 여러 출력을 비교해 통합하는 판단에 더 많은 시간을 쓰게 됩니다. 이른바 바이브 코딩에 가까운 방식이 점점 더 실무에 스며들고 있습니다.

오픈소스 LLM 활용 경험이 더 중요한 포트폴리오가 됩니다

바닥부터 모델을 설계하는 경험도 여전히 의미가 있지만, 실무에서는 이미 공개된 우수한 모델을 특정 도메인에 맞게 파인튜닝하고 프롬프트를 정교하게 설계하는 경험이 더 직접적인 경쟁력이 될 수 있습니다.

정량 점수보다 작동하는 결과물에 집중하는 편이 유리합니다

앞으로의 평가는 리더보드의 소수점 차이만으로 설명되기 어려울 가능성이 큽니다. 내가 만든 AI가 현실의 문제를 실제로 해결하는지, 제품 형태로 작동하는지가 더 중요해질 수 있습니다.

점수 경쟁의 시대가 끝난 것은 아니지만, 실제로 작동하는 결과물을 만드는 능력의 비중은 분명히 커지고 있습니다.

다만 아직은 과장해서 받아들일 필요는 없습니다

이번 리서치에서 언급된 수치를 그대로 일반화하기는 어렵습니다. AI의 대회 메달권 진입률 64%는 엄선된 22개 대회를 기준으로 한 결과이며, AI가 과거 대회의 정답 데이터를 이미 학습했을 가능성 같은 오염 문제도 함께 제기되고 있습니다.

무엇보다 현재 진행 중인 실시간 대회에서 AI가 인간 최상위권을 완전히 이겼다고 볼 만한 실제 사례는 아직 확인되지 않았습니다. 그래서 지금 단계에서는 AI가 모든 것을 대체한다고 보기보다, 매우 강력한 도구로서 경쟁의 규칙을 바꾸고 있다고 이해하는 편이 더 정확합니다.

결국 남는 것은 문제를 정의하는 사람의 역할입니다

AI가 아무리 뛰어나도, 어떤 문제를 풀지 정하고 어떤 기준으로 결과를 검증할지는 결국 사람의 몫입니다. 기술은 과거의 방식을 빠르게 무너뜨리고 있지만, 동시에 새로운 경기장을 열고 있습니다. 그래서 지금 중요한 것은 AI와 속도를 겨루는 일이 아니라, AI를 활용해 더 나은 문제 해결 방식을 설계하는 일일 수 있습니다.

이 변화 속에서 여러분은 AI와 경쟁하는 쪽에 더 가깝다고 느끼시나요, 아니면 AI를 도구로 삼아 새로운 판을 만드는 쪽에 더 가깝다고 느끼시나요?