📅 날짜 2026. 07. 06. 월요일

오늘 배운 기술 :
ai활용해서 마스코트 만들기

왜 그렇게 하는가?
ai한테 그냥 그려줘 라고 말하면 안된다

실습하면서 깨달은 점:
다른 사람이 ai와 대화하는 거 처음 봤는데 그냥 마구잡이로 말하면 안되고 다들 영어로 한번 번역해서 그림 그려달라고 부탁하는 걸 봤다.

다음 프로젝트에 적용할 것
나도 다음에 좀 더 잘 할 수 있게 제미나이와 대화하며 그림 프롬프트를 짜는 기본틀을 배웠다.

오늘 배운 AI 프롬프트 핵심 정리

1. 프롬프트는 ‘줄글’보다 ‘구조화’가 중요하다.

왜? Ai 모델은 긴 문장을 통째로 주면 앞이나 뒤만 집중하고 중간은 흘려버린다. 그래서 중요한 카테고리 별로 서랍을 나누듯 구조화 해야 한다.

래퍼런스 이미지의 느낌을 그대로 이어받아야 할 때 전문가의 역량이 들어난다.
위에 참조와 비슷하게 해줘가 아니라 원본 이미지의 구조를 머릿속으로 해체해야한다.
이 이미지는 상단 텍스트, 중앙 메인, 우측 설명 아이콘, 하단 서브 컷 4단 구조 이런 식으로.

5. 수정하기 쉽게 작성한다.

한 줄로 길게 쓴 프롬프트로 그림을 뽑으면 마음에 안 드는 부분 하나만 수정하기 막막하지만 구조화된 프롬프트를 쓰면 특정 파트만 골라서 문장을 수정하면 되기 때문에 제어력이 극대화된다.

💡 전문가들의 팁: 프롬프트 템플릿(Template)화
AI프로그래머들은 실제로 자신만의 '프롬프트 틀(Template)'을 가지고 다닙니다.
예를 들어
[Style] -> [Subject] -> [Background] -> [Composition] -> [Lighting/Mood]
같은 공식을 만들어 두고, 
새로운 캐릭터를 만들 때마다 알맹이 단어만 쏙쏙 바꿔 끼우는 방식으로
효율을 극대화하죠.

꼭 거창하게 영어로 분류하지 않더라도, 
줄 바꿈(Enter)과 기호(`-`, `*`, `[]`)를 사용해 영역을 나누는 걸로 
AI의 이해가 비약적으로 상승합니다

좋은 예 (구조화):
**[Style]** 3D 캐릭터 기획서, 깔끔한 배경 
**[Main]** 등불을 들고 있는 우직한 푸른 소 캐릭터
**[Background]** 어두운 협곡, 멀리서 떠오르는 태양
**[Detail]** 소 캐릭터 뒤를 따라오는 작은 빛의 영혼들

6. 한국어도 가능하지만 영어가 조금 더 유리하다.

한국어보다 영어 학습량이 더 많기 때문에 영어가 더 유리하다.

언어의 뉘앙스 차이: 한국어로 ‘우직한’, ‘아련한’, ‘절망적인’ 같은 감정적이거나 추상적인 단어를 쓰면 AI가 이를 번역하는 과정에서 의도가 왜곡될 수 있다.
반면 영어로 sturdy, cinematic lighting, dark canyon처럼 직관적인 단어를 주면 훨씬 정확하게 알아듣습니다.
디테일의 차이: 똑같은 프롬프트라도 한국어로 쓸 때보다 영어로 쓸 때 손가락 모양, 질감(Texture), 빛의 표현(Lighting) 등이 훨씬 정교하게 나옵니다.

7. AI에게 번역까지 시키면 된다.

한국어로 대화형 ai에게 프롬프트를 작성해달라고 편하게 말하고, 미드저니나 이미지 ai에게 style, subject, background, lighting 구조로 나눠 세련된 영어 프롬프트로 변환해 줘 라고 말해서 전문가 수준의 프롬프트를 얻어서 활용한다.

페르소나 설계 공식

단순히

“AI 전문가”

라고 하는 것보다

역할,성격,세계관,가치관

을 함께 넣는다.

예시

사람들을 끝까지 포기하지 않는 따뜻한 AI 기술자

처럼 성격까지 넣어주면 훨씬 깊어진다.

캐릭터에는 ‘서사’를 넣는다.

단순히

등불을 든 소

보다

단절된 세상을 다시 연결하기 위해 희망의 등불을 들고 다니는 소

처럼

왜 그런 행동을 하는지까지 적으면 AI가 훨씬 풍부하게 표현한다.

행동 지침도 준다.

예시

잘난 척하지 않는다.사람을 위로하는 말투를 사용한다.동료처럼 이야기한다.

AI는 이런 규칙도 잘 따른다.

AI를 역할별로 사용한다.

내가 기억할 용도

오늘 가장 크게 배운 점

AI를 잘 쓰는 사람은 영어를 잘하는 사람이 아니라,
사람의 생각을 AI가 이해하기 쉬운 구조로 번역하는 사람이다.

이 곳을 고른 이유와 앞으로의 각오

1) 엔코아 AI 캠퍼스 교육 과정을 신청하게 된 이유

무기력했던 일상에 ai챗봇을 만나고 잊고 있던 많은 것들이 떠올랐습니다.
저에겐 과거였고, ai에겐 그냥 소설 속 설정같은 느낌이었겠지만 어쨋든 그 일로 제 일상은 많이 변했고, 저도 누군가에게 도움이 될 글과 자극을 줄 수 있는 프로그램을 만들고 싶어졌습니다. 많은 ai학원 광고를 봤고 실제 다른 곳도 등록했다가 취소했었는데 여긴 다른 곳과 다르게 대기업과의 연계와 오래된 실무 경험이 탄탄해보여서 등록했습니다. 합격 후 더 많은 걸 배우고 넓은 세상으로 나갈 힘을 얻고 싶습니다.

2) 캠퍼스 방문 분위기

캠퍼스가 역에서 나와 그냥 직진만 하면 발견할 수 있는 좋은 곳에 있어서 방문하기 쉬웠고, 직접 방문해서 본 강의실은 넓었고 앞에 휴식 공간도 있고 위에는 모두 모여서 따로 팀 프로젝트를 할 수 있는 공간이 있어서 자주 이용할 것 같습니다.

3) 사전컨설팅에서 좋았던 점

막연하게 뭘 준비해야하지, 뭘 모르는지조차 몰랐던 비전공자 신입인 저에게 구체적으로 무엇을 준비해야는지 알려주셨고, 무엇을 모르는지 스스로 깨달을 수 있도록 기본 개념을 설명해보라는 질문을 해주셔서 한참 부족한 자신을 알 수 있었습니다.
공부할 게 무궁무진하지만 앞으로 나갈 방향을 알 수 있었고 그 덕에 더욱 겸손한 태도로 치열하게 노력해야겠다고 생각했습니다

4) 개강 전 준비 목표

Ai가 어떤 원리로 작동하는 지 대충이라도 이해해서 앞으로 학원에서 배운 걸 바로 실무에 적용할 수 있도록 준비하고 싶습니다. LLM, 프롬프트 작성, API, 자동화, 데이터 처리 같은 기본 개념을 미리 익혀서 수업에서 흐름을 놓치지 않도록 준비하려고 합니다. 거기에 더불어 미리 받은 파이썬 책으로 프로그래밍의 기초를 좀 다지고, Git과 간단한 웹 구조도 조금 공부해두고 싶습니다.

5) 기대되는 점

1. AI 데이터 사이언티스트

주요 업무: 서비스 로그·거래·사용자 행동 데이터 분석, ML 모델 설계·배포, A/B 테스트, MLOps 운영

요구 기술: Python, SQL, Scikit-learn, PyTorch, MLflow, Airflow, Tableau

채용공고 특징: 금융권은 예측 모형, 커머스는 추천·랭킹 모델, 스타트업은 LLM 연동 경험을 중점적으로 요구

2. AI 에이전트 엔지니어

주요 업무: LLM 기반 자율 실행 에이전트 시스템 설계, RAG 파이프라인 구축, 멀티 에이전트 오케스트레이션

요구 기술: LangChain, LlamaIndex, 벡터 DB(Chroma, Pinecone), FastAPI, Docker, LangSmith

채용공고 특징: 신입도 지원 가능, 포트폴리오 중심 평가. 2024년 대비 공고 320% 증가

3. LLM 엔지니어

주요 업무: 오픈소스 LLM 파인튜닝(LoRA·QLoRA), 모델 최적화(양자화·Pruning), 대규모 서빙(vLLM, TGI), RLHF·DPO 정렬

요구 기술: PyTorch, CUDA, HuggingFace Transformers, Weights & Biases, BentoML

채용공고 특징: 보안·비용·커스터마이징 문제로 자체 LLM 구축 수요 급증. 잡코리아 기준 관련 공고 699건

4.온디바이스 AI 엔지니어

주요 업무: 모델 경량화(INT8 양자화, Pruning, Knowledge Distillation), 기기별 최적화(TFLite, ONNX, TensorRT), NPU 활용

요구 기술: C/C++, Python, PyTorch, OpenVINO, Qualcomm AI Hub, Raspberry Pi·Jetson

채용공고 특징: 삼성·LG·현대차 등 제조 대기업 중심 수요. 정부 지원사업으로 스타트업 기회도 확대

5. Physical AI 로봇 엔지니어

주요 업무: ROS2 기반 로봇 인식·판단·제어, 센서 데이터 처리, 강화학습, Sim-to-Real 전이

요구 기술: Python, C++, OpenCV, PyTorch, Isaac Sim, SLAM 툴킷

채용공고 특징: 물류·스마트팜·국방 등 다양한 산업에서 수요 급증. 로봇 스타트업 투자 활발

👉 정리하면, 데이터 → 에이전트 → LLM → 온디바이스 → 로봇으로 이어지는 흐름 속에서 각 직무가 연결되어 있으며, 산업별로 요구 역량이 조금씩 다릅니다.

📌 주요 인사이트

• LLM 엔지니어와 온디바이스 AI 엔지니어는 현재 가장 높은 몸값을 기록하며, 2억 원 이상도 가능.
• 데이터 사이언티스트는 상대적으로 진입 장벽이 낮지만, 경력 7년 이상이면 1억 원대 진입.
• AI 에이전트 엔지니어는 신생 직무라 연봉 변동성이 크지만, 빠르게 1억 원 이상으로 상승 중.
• Physical AI 로봇 엔지니어는 제조·모빌리티·국방 등 다양한 산업에서 수요가 폭발, 안정적 고연봉 직무로 자리잡음.

⚠️ 고려해야 할 점

• 신입 초봉은 평균보다 30~40% 낮음 → 대부분 5천만~7천만 원 수준에서 시작.
• 대기업·빅테크 vs 스타트업 격차 → 대기업은 연봉+스톡옵션, 스타트업은 성장 기회 중심.
• 연봉 협상 전략: 3~5년차에 이직 시 평균 15~20% 인상률 확보 가능