실무 중심 IT 교육기관 'A사'는 새로운 기수의 '생성형 AI 서비스 개발 부트캠프' 개강을 앞두고 강사 라인업을 구성하는 데 깊은 고민에 빠졌습니다. 매 기수마다 반복되는 KDT 강사 섭외의 난관 때문이었습니다.
부트캠프를 성공적으로 이끌려면 커리큘럼을 주도할 'AI 주강사'와 실습 및 1:1 진도를 밀착 케어할 'AI 보조강사'를 각각 다르게 정의하고 동시에 확보해야 합니다. 하지만 요구되는 스택과 역할이 완전히 다른 두 강사진을 정해진 개강 일정에 맞춰 적임자로 찾기란 어려움이 많습니다. 현업 경험이 없는 전업 강사나 트렌드와 멀어진 이론 중심 강사로는 수강생의 눈높이를 맞추기 어렵고 강의 퀄리티 저하로 이어질 위험이 컸기 때문입니다.
이에 A사의 교육 운영 담당자는 익숙한 지인 섭외나 단순 에이전시 문의 방식에서 벗어나, 역할에 딱 맞는 AI 전·현직자 라인업을 한 번에 구축해 줄 새로운 매칭 대안이 필요했습니다.
1. 진짜 실력자는 어디서 만날 수 있을까
"매번 새로운 기수를 열 때마다 KDT 강사 섭외가 가장 큰 일입니다. 지인을 통하자니 인맥에 한계가 있고, 에이전시를 통하면 현업을 떠난 지 오래된 전업 강사분들이 대부분이었죠. 이번 KDT 과정은 특히 업데이트된 기술을 다루는 AI 분야잖아요. 현업에서 LLM을 다루고 있는 '진짜 현직자'들의 생생한 실무 지식이 꼭 필요했습니다."
— KDT 교육 운영 담당 김 팀장
A사는 현업에 즉시 투입 가능한 실무형 인재 양성을 목표로 KDT 부트캠프를 운영하고 있습니다. 최근 모든 산업군에서 AI 도입이 폭발적으로 늘어나면서, 현장 데이터 실무자와 개발자 채용 결정권자가 어떤 실무 역량에 목말라 있는지 파악하고 이를 커리큘럼에 녹여내는 일이 무엇보다 중요해졌습니다.
시장이 진짜 원하는 교육을 제공하려면 이론 위주의 수업을 벗어나야 합니다. A사 팀 역시 마찬가지였죠. 실무자를 위한 부트캠프를 완성하기 위해, 현직 AI 엔지니어가 직접 최신 프롬프트 엔지니어링과 API 연동 실습을 이끌어주는 구조를 설계했습니다.
하지만 가장 큰 난관은 그 이후였습니다. 최신 기술을 현업에서 다루면서도 강의 전달력을 갖춘 AI 주강사와, 실시간 Q&A 및 실습을 전담할 AI 보조강사 모집을 정해진 개강 일정에 맞춰 진행하는 것이 힘들기 때문입니다.
2. 기존 방식의 KDT 강사 섭외, 가장 많이 겪는 문제점
특정 기술 스택과 현업 연차로 대상을 바짝 좁혀야 하는 KDT 강사 섭외에서 많은 교육 담당자가 익숙한 두 가지 방식 앞에서 타협하곤 합니다. 하지만 이 방식들은 크나큰 빈틈을 가지고 있습니다.
(1) 채용 플랫폼 공고 등록 방식 (사람인·잡코리아 등)
가장 먼저 떠올리는 방법이지만, 시스템 자체가 '기업 채용'에 맞춰져 있어 현직자 강사 수급이 원활하지 않습니다. 재직 중인 실무자들은 이직 목적이 아닌 이상 채용 사이트에 프로필을 공개하거나 지원서를 내기 부담스러워하기 때문이죠. 또한 단기 프로젝트 강의에 필요한 매칭 프로세스가 갖춰져 있지 않아 지원서를 선별하고 소통하는 데만 불필요한 시간이 소요됩니다.
(2) 외주 플랫폼 및 수동 수소문 방식 (크몽·커뮤니티 등)
개발자 커뮤니티나 외주 플랫폼을 뒤져 개인에게 직접 문의(DM)를 보내는 방식입니다. 프리랜서 형태의 작업자는 찾을 수 있어도, 현직 유니콘·스타트업에서 실제 업데이트된 기술을 다루는 'A급 실무자'를 발견하기는 하늘의 별 따기입니다. 설령 연락이 닿더라도 일정 조율이나 강의 경력 검증 과정에 꽤 많은 시간을 소요합니다.
(3) 지인 네트워크를 통한 수동 섭외 방식
이는 대상자의 실무 역량은 어느 정도 검증할 수 있지만, 매 기수마다 연사를 공급하기엔 인맥의 한계가 명확하죠. 담당자가 본업인 교육 운영보다는 섭외에 매달려야 하고, 지인의 지인으로 넘어갈수록 섭외비 협상이나 일정 조율에서 번거로운 상황이 발생합니다.
타깃이 뾰족할수록 단순히 머릿수를 채우는 것에 집중해서는 안 됩니다. 수업에 들어설 연사가 '지금 이 순간에도 현업에서 코드를 치고 있는 실무자'인지 확인하는 과정이 핵심입니다.
3. 과연 조건에 딱 맞는 KDT 강사가 섭외 될까?
"까다롭게 자격 요건을 적었는데, 과연 조건에 딱 맞는 강사진들이 지원을 할까?"
공고를 등록하며 A사 교육 운영 담당자는 반신반의했습니다. 이번 트랙의 완성도를 극대화하기 위해 AI 주강사와 보조강사의 역할 및 자격 기준을 다음과 같이 명확히 분리하여 모집을 진행했기 때문입니다.
| 구분 | AI 주강사 | AI 보조강사 |
|---|---|---|
| 자격 요건 | 최신 LLM 프로젝트를 이끈 3년 차 이상 현직 엔지니어 | 실무 프로젝트 및 데이터 처리 경험을 보유한 현직 전문가 |
| 핵심 역할 | 핵심 커리큘럼 설계 · 이론 및 메인 실습 강의 · 핵심 코드 리뷰 전담 | 실시간 Q&A 대응 · 1:1 밀착 실습 지도 · 수강생별 학습 진도 및 케어 전담 |
요구되는 기술 스택과 담당 영역이 확연히 달랐기에, 기존 방식대로라면 각기 다른 채널을 뒤지며 섭외 난이도가 배로 올라갈 상황이었습니다. 하지만 커리어데이의 직관적인 사전 질문 시스템과 타깃 매칭 프로세스 덕분에 주강사·보조강사 모집을 복잡한 수동 절차 없이 손쉽게 진행할 수 있었습니다.
- 프로젝트 등록(무료): 필요한 강사 스펙과 조건, 일정을 담아 10분 만에 공고 작성 완료
- 제안 및 지원: 공고를 확인한 검증된 현직 전문가들의 직접 지원 및 제안 접수
- 스크리닝 및 선정: 제출된 지원서와 프로필을 검토하고, 1:1 채팅으로 세부 커리큘럼 및 일정을 상의하여 최종 선정
- 프로젝트 수행 및 정산: 강의 진행 후 전담 매니저의 케어를 받으며 정산까지 원스톱 처리
이 구조 덕분에 A사의 담당자는 지원자들의 프로필과 제안서를 직접 확인하며 진짜 실력자만 골라낼 수 있었습니다. 주강사와 보조강사를 각각 다른 채널에서 모집하느라 허비했을 수주일의 시간이 단 몇 번의 채팅과 스크리닝만으로 단축되었습니다.
4. 공고 업로드 이틀 만에 14명의 검증된 후보군 확보
커리어데이의 타깃 매칭 알고리즘은 후보군 확보 속도를 끌어올렸습니다. 공고 등록 후 불과 48시간 만에 조건에 부합하는 AI 현직자 14명의 지원서가 쌓였습니다.
A사 담당자는 지원자들의 사전 질문 답변과 지원서를 바탕으로 역량을 정밀하게 비교 검토한 뒤, 최종 선정 및 일정 협의를 진행하여 탄탄한 라인업을 완성했습니다.
- 검증된 후보군 확보: 48시간 만에 14명의 AI 실무자 지원 (비교 검토 후 최종 7명 선발)
- AI 주강사 라인업: 대기업 AI 엔지니어 '이00 님' 포함 2명 확정
- AI 보조강사 라인업: 스타트업 데이터 리드 '박00 님' 포함 5명 확정
- 모집 및 확정 기간 단축: 기존 평균 20일 → 후보군 확보부터 최종 확정까지 7일
- 수강생 교육 만족도: 이전 기수 대비 +1.2점 상승한 4.9점 (5.0점 만점) 기록
특히 번거로운 이메일이나 유선 통화 없이 1:1 메신저(채팅)로 강의 일정과 커리큘럼을 실시간으로 상의할 수 있었던 점이 큰 도움이 되었습니다. 여기에 커리어데이 전담 매니저가 중간 소통과 진행 과정을 밀착 조율해 주면서, 강사 섭외 과정에서 흔히 발생하는 일정 구멍이나 소통 오류 없이 완벽하게 준비를 마칠 수 있었습니다.
5. 강사 섭외에 쏟던 리소스, 교육 퀄리티로 집중해요
이번 트랙을 기점으로 A사는 매 기수 반복되던 강사 수급 프로세스를 개편했습니다. 기술 변화가 빠른 IT/AI 영역일수록, 기존의 수동 구인 방식으로는 실무진의 눈높이에 맞는 강사진을 매번 제때 확보하기 어렵다는 점을 깨달았기 때문입니다.
가장 큰 변화는 담당자의 업무 효율이었습니다. 기존 강사진에게 지인 문의를 하고, 커뮤니티에 글을 올리며 강사를 수소문하느라 소모되던 리소스가 사라졌습니다. 지원자 선별부터 일정 조율까지 플랫폼 안에서 매끄럽게 정리되면서, 담당자는 섭외 스트레스에서 벗어나 커리큘럼 구성과 수강생 케어라는 본연의 업무에 집중할 수 있게 되었습니다.
교육 운영자에게 가장 필요한 것은 급하게 자리를 채워줄 강사가 아니라, 현업의 최신 지식을 지속적으로 공급해 줄 수 있는 안정적인 매칭 시스템입니다. 반복되는 강사 섭외 난항으로 매번 개강 직전까지 밤잠을 설치고 계신다면, 이제 개인의 소수 인맥을 넘어 검증된 현직자가 모여있는 전문가 매칭 플랫폼을 교육 운영의 새로운 시스템으로 도입해 볼 때입니다.