🚀 최종 합격 결과 • 필기 최종 점수: 62.41점 (합격선 돌파!) • 수험 기간: 2024년 8월 ~ 2026년 5월 (1년 9개월) • 특징: 흔들림 없는 마인드셋과 체계적인 지식 구조화
어떻게 56점대에서 62.41점이라는 고득점을 완성했는지,
그 단단했던 성장의 과정을 지금부터 나누어 보겠습니다.
📌 시작은 2024년 8월, 합격까지 1년 9개월
성식님은 2024년 8월 류현 기술사님의 권유로
기본반 수업에 처음 발을 들이셨습니다.
초반에는 배움 자체가 참 즐거우셨다고 해요.
현업 업무에 필요한 IT 리터러시도 덩달아 높아졌고요.
하지만 11월 무식반에 본격적으로 합류하면서,
기본 학습과 실전의 엄청난 차이를 절감하셨습니다.
깊이, 분량, 속도 모든 면에서 큰 벽을 느끼신 거죠.
십여 년 전 보디빌딩에 도전했다가 일찍 접었던
아쉬운 기억도 이때 다시 떠올리셨다고 합니다.
두 길 모두 지독한 반복과 인내를 요구하지만,
지나친 몰입은 오히려 건강을 해칠 수 있으니까요.
📊 김성식 기술사님의 회차별 점수 변화 • 135회 (25.02) : 56.16점 (모든 문제를 풀어낸 첫 시험) • 136회 (25.05) : 55.91점 (소폭 하락, 다시 마음을 다잡음) • 137회 (25.08) : 👨👩👧 딸 출산과 육아로 인한 휴식기 • 138회 (26.02) : 57.58점 (다시 집중했지만 아쉬운 결과) • 139회 (26.05) : 62.41점 (마침내 필기 합격 결실!)
빠르게 끝날 줄 알았던 수험 여정은 점차 길어졌습니다.
가족이 있는 지방 본가에 내려가 육아와 학습을 병행했고,
138회 즈음에는 육아휴직 종료까지 다가오고 있었죠.
그래서 그때 가장 중요했던 것은,
무너지지 않고 다시 책상으로 돌아오는 힘이었습니다.
점수가 제자리걸음일 때도 절대 학습의 끈을 놓지 않고
버텨낸 그 시간을 저는 진심으로 높이 평가합니다.
📚 많이 외우는 공부에서, 체계를 만드는 공부로
체계적 학습
학습 1년이 지나자 단순 반복의 한계가 명확해졌습니다.
바쁜 생활 속에서 기술사 학습 루틴을
훨씬 효율적으로 바꿀 이유가 생겼던 겁니다.
외운 만큼 글을 더 쓰는 물리적인 방식으로는
점수 상승과 성장에 한계가 뚜렷했습니다.
그래서 성식님은 기술사 공부법의 프레임을
'강의 → 교재 → 암기장 → 최신 현황'으로 연결했습니다.
💡 이해는 강의와 교재를 연결하는 작업 단순히 자료를 모으는 것이 목적이 아닙니다. 이해한 개념과 최신 이슈를 촘촘히 연결해서, 필요할 때 정확히 인출하는 자신만의 지식체계를 만드는 것이 핵심입니다.
강의 영상을 10초씩 되감으며 멘토의 농담까지 적고,
PDF 북마크로 토픽 간 관계를 마인드맵처럼 파악했습니다.
파이썬을 활용해 목차를 추출하고 엑셀 암기장을 만들되,
단순 복사 대신 전체 범위를 직접 입력하며 내재화했죠.
IT 뉴스에서 찾은 관련 이슈도 교재에 꾸준히 반영했습니다.
📋 성식님만의 독보적인 학습 체크리스트 ✅ 셀프테스트 자동화: 비주얼베이직 매크로로 토픽 무작위 추출 ✅ 빈틈 메우기: 아는 것을 다시 읽기보다 막히는 토픽 보완에 집중 ✅ 토론 학습: '토토발생기'를 통해 서로 쉽게 설명하고 질문 주고받기
암기는 합숙에서 착안한 방식을 엑셀에 구현하여
'언제 물어도 설명할 수 있는가'를 스스로 검증했습니다.
또한 1조 김수용님과 함께 무작위 토픽을 뽑아 설명하는
과정을 거치며, 기술적으로 정확하면서도 채점자가
이해하기 쉽게 글로 풀어내는 훈련을 반복했습니다.
✍️ 138회 이후 바뀐 답안 작성 전략
138회 시험 결과에서 아주 큰 전환점이 찾아옵니다.
분명 필요한 키워드를 대부분 썼다고 확신했는데,
문항별 점수는 대체로 14점대에 머물렀거든요.
시간에 쫓기며 무리해서 네 단락을 다 채워 써도
15점에 그치자, 답안 작성 방식을 근본적으로 바꿨습니다.
그래서 매일 1~2시간을 따로 반드시 확보해서
기술사 답안 작성 구조를 치열하게 연구하셨습니다.
목표는 '자세히 읽지 않아도 알고 있음을 전달하는 글'이었죠.
핵심과 차별점이 채점자 눈에 한눈에 들어오도록 말입니다.
답안 작성 전략
✍️ 실전형 답안 작성 전략 문제 유형에 맞춰 템플릿 사전 배치를 진행했습니다. 1교시형은 단일 토픽과 비교 토픽을 철저히 구분하고, 2교시형은 문항의 요청에 맞춰 다양한 틀을 준비했죠. 내용을 채우기 전에 목차, 표, 그림의 위치부터 잡는 훈련이 주효했습니다.
기본 점수를 확보할 템플릿을 답안지에 먼저 배치한 뒤,
차별화된 표현과 네 번째 단락의 통찰을 보탰습니다.
그림 역시 최소 6줄을 할애해 크고 명료하게 그렸고요.
이 새로운 시도를 멘토링과 셀프테스트로 꾸준히 검증받으며,
뼈아픈 피드백도 기꺼이 성장의 밑거름으로 삼았습니다.
그 결과 마지막 시험에서는 22개 문제 중 무려 19개에
자신만의 추가 단락을 여유 있게 써낼 수 있었습니다.
구조를 먼저 확보하니, 논리를 더할 여유가 생긴 겁니다.
김성식 PE 답안
🔍 관점을 나누니 키워드가 선명해졌습니다
답안의 품질을 올리기 위해 표의 첫 열을 의도적으로 나눴습니다.
기술적 대응은 SW·인프라·통신·보안으로 구분하고,
관리적 대응은 조직·아키텍처·거버넌스·검증/인증처럼
자신만의 시야를 넓게 펼쳐 구조화했습니다.
열 개의 키워드를 머릿속에서 한 번에 억지로 떠올리기보다,
다섯 가지 측면에서 두 개씩 고르는 현명한 접근입니다.
🧩 출제 의도 파악과 AI 활용 문제 도입부에 숨겨진 힌트를 귀신같이 찾아내어 답안의 첫 단락과 마지막 단락에 자연스럽게 녹였습니다. 기출문제 분석 시에는 생성형 AI를 적극 활용하되, AI의 오류를 스스로 반박하며 검증하는 깊이를 보여주셨죠.
⚡ 좋은 장비보다 중요한 것은 한 줄의 완성도
물론 합격의 본질은 깊이 있는 지식과 혹독한 연습입니다.
하지만 그 과정에서 필기 도구 사용성도 필요 하죠.
성식님이 쿠츠와 푸뉴 스파이럴 그립과
8.4mm MONO 수정테이프를 신중하게 선택하신 것도,
답안 작성 과정의 작은 불편함조차 줄이기 위해서였습니다.
도구 자체가 합격의 비법이 될 수는 없겠지만,
최고의 집중력을 유지하도록 돕는 훌륭한 조력자입니다.
🙏 멘토로서 오래 기억할 김성식 기술사의 태도
제가 멘토로서 가장 오랫동안 기억할 것은 성식님의 태도입니다.
교실에서는 늘 부드럽게 웃는 얼굴이셨지만,
자신의 부족한 부분을 마주할 때만큼은 결코 가볍지 않았습니다.
작은 조언 하나까지도 놓치지 않고 자료에 반영하고,
실행해 보고, 다시 저에게 피드백을 요청하셨습니다.
기술사 멘토링이 일방향적인 지식 전달 강의가 아니라,
서로 호흡하며 함께 답을 찾아가는 과정임을 다시금 느꼈습니다.
⭐ 예비 기술사님들을 위한 멘토의 팁 시작부터 완벽한 답안을 써내려 할 필요는 전혀 없습니다. 오늘 내가 쓴 답안의 치명적인 약점을 정확히 확인하고, 내일 작성할 때 단 하나만 더 고쳐 본다는 생각으로 접근하세요. 합격은 한 번의 도약이 아니라 반복·검증·개선의 누적입니다.
– 데이터산업법 개정안은 공공·민간 데이터 플랫폼의 소재 정보를 원-윈도우와 연계하는 협력·지원 근거 마련
– 두 개정안은 국무회의를 통과했으며 공포 후 6개월 뒤인 2027년 4월 시행 예정
■ 기사 주요 내용 정리
◎ AI 학습 Data 국가 관리 강화
– 과기정통부는 2018년부터 AI허브를 운영하며 지난해 말 기준 정부 사업으로 구축한 945종의 학습용 Data를 개방
– 개정안 시행 후 정부사업에서 산출된 Data는 원칙적으로 AI허브에 연계·제공
※ 영업비밀/개인정보·저작권 침해/국가안전보장 등 대통령령상 사유가 있으면 제공하지 않을 수 있음
◎ 공공·민간 Data 원-윈도우 확대
– 과기정통부장관이 공공기관·민간법인에 Data 소재 정보 연계 협력을 요청할 수 있도록 법적 근거 마련
– 공공기관은 특별한 사유가 없으면 협력 요청에 따라야 하며 기술적·재정적 지원도 가능
– 현재 공공데이터포털·금융 Bigdata Platform 등 88개 플랫폼이 원-윈도우와 연계
◎ 국가 인공지능 Data활용 기반 강화
– 이번 개정은 국회를 통과한 AI·데이터 혁신 3법 가운데 AI기본법·데이터산업법에 해당
→ 인공지능 학습 Data의 체계적 관리와 검색·연계를 함께 강화해 고품질 확보와 활용 접근성 확대 추진
[AI기본법 개정 조문]
신설 내용
구분
조문
개정 내용
개정
제15조 인공지능 학습용데이터 관련 시책의 수립 등
– 기존 제15조에 있던 통합제공시스템 구축·관리 관련 내용을 별도 조문으로 분리·정비 – 제15조는 학습용데이터 생산·수집·관리·유통·활용 및 구축사업 관련 기본 시책 중심으로 정리
신설
제15조의2 인공지능 학습용데이터 통합제공시스템의 구축 및 운영 등
– AI허브에 해당하는 통합제공시스템 구축·관리 근거 명확화 – 정부사업에서 구축·산출된 인공지능 학습용데이터 연계·제공 의무화 – 관계기관 협력 요청 근거 – 행정적·재정적·기술적 지원 근거 – 제공 데이터 품질관리 의무 – 연계·제공 범위·절차 등을 대통령령에 위임
[데이터산업법 개정 조문]
신설 내용
구분
조문
개정 내용
개정
제19조
– 공공·민간 데이터 플랫폼의 데이터 소재정보를 연계하는 통합 데이터 플랫폼 구축·운영 근거 마련 – 공공기관·민간법인 등에 소재정보 연계 등 협력 요청 가능 – 공공기관은 특별한 사유가 없으면 협력 요청에 응하도록 의무화 – 데이터 연계를 위한 기술적·재정적 지원 근거 마련
[ICT 시사용어] 지식 증류(Knowledge Distillation)
지식증류의 두 얼굴
지식 증류(Knowledge Distillation)는 고성능 대형 인공지능 모델의 지식과 판단 방식을 작은 모델에 이전하는 기술로, 2015년 제프리 힌턴 등이 체계화했다. 모델 경량화와 비용 절감에 유용하지만 최근에는 경쟁 모델의 성능을 무단 복제하는 적대적 증류 문제가 새로운 쟁점으로 떠오르고 있다.
■ 기사 핵심 요약
– 지식 증류는 교사 Model 의 출력·확률 분포를 학생 Model이 학습해 유사한 성능을 확보하는 기술
– LLM에서는 대형 Model의 답변·합성Data로 소형 모델을 미세조정하며 Model 경량화·비용 절감에 활용
– 경쟁 모델의 출력을 대량 수집하는 불법 증류가 확산되면서 워터마크·이용정책 등 기술 보호체계 필요성 확대
■ 기사 주요 내용 정리
◎ 지식 증류의 원리
– 큰 모델을 교사(Teacher), 작은 모델을 학생(Student)으로 두고 정답뿐 아니라 출력값과 확률 분포까지 학습
– ‘고양이 80%·여우 15%·개 5%’처럼 교사의 판단 구조까지 전달해 소형 모델의 성능을 높이는 방식
◎ LLM 시대 활용 확대
– 기존에는 스마트폰 등 제한된 환경에서 대형 모델을 실행하기 위한 경량화 기술로 활용
– 최근에는 대형 LLM의 생성 답변이나 합성Data를 이용해 작은 모델을 미세조정하는 방식으로 확대
◎ 적대적·불법 증류 논란
– API를 통해 대량의 응답을 수집하면 막대한 투자로 개발한 경쟁 모델의 능력을 상대적으로 낮은 비용으로 모방할 가능성
– 앤트로픽은 알리바바가 부정 계정과 대규모 대화를 이용해 Claude 능력을 추출했다고 주장
※ 인공지능 기업들은 이를 적대적 증류·불법 증류로 규정하지만 실제 적발과 입증에는 어려움 존재
◎ 인공지능 기술자산 보호 과제
– 경쟁 모델 개발을 위한 출력물 사용을 약관으로 제한하고 모델 워터마크 등 소유권 확인 기술도 주목
→ 지식 증류의 정상적 활용과 기술 무단 복제를 구분할 수 있는 보호·판단 기준 마련이 핵심 과제로 부상
[지식증류 개요]
구분
설명
정의
– 고성능 Teacher Model의 지식을 경량 Student Model에 전달해 성능을 최대한 유지하면서 모델을 경량화하는 기술
핵심 목적
– Model Size/Parameter 감소 – 추론속도 향상 – Memory/전력 사용 감소 – Edge/On-device 배포 용이
핵심 구조
– Teacher Model → Knowledge Transfer → Student Model
주요 전달 지식
– Logit/Soft Label – Feature Map – Sample 간 Relation – Attention 정보
핵심 학습 방식
– Teacher의 Soft Label과 실제 Hard Label을 함께 활용 – Teacher/Student 간 출력 분포 차이를 최소화
⭐ 설명회 신청 바로가기 (회원 가입 불필요) 👉 지금 바로 신청하기 위 버튼을 클릭하면 '네이버 폼'으로 연결됩니다. (오프라인 참여시 기술사 최신 트렌드 핵심 토픽 핸드북 증정)
🎯 AI가 IT의 일하는 방식을 빠르게 바꾸고 있습니다.
AI가 IT의 일하는 방식을 빠르게 바꾸고 있습니다.
개발 / 분석 / 운영 / 자동화를 넘어 아키텍처 설계와 의사결정 과정까지 AI 활용이 확대되고 있습니다.
이제 중요한 것은 새로운 기술을 얼마나 많이 아는가가 아닙니다.
기술을 이해하고 / 선택하고 / 연결하고 / 판단하는 전문성이 더 중요해지고 있습니다.
AI가 구현을 도와주는 시대일수록 사람에게는 더 높은 수준의 역할이 요구됩니다.
문제를 정확하게 정의하고,
시스템 전체를 바라보고,
기술과 비즈니스를 연결하고,
올바른 기술적 방향을 판단하는 힘!
IT 실무에서 쌓아온 경험을 이제는 전문가의 관점과 체계로 바꿔야 합니다.
경험을 전문성으로 바꾸는 길, IT 기술사!
정보관리기술사 / 컴퓨터시스템응용기술사!!
지금까지의 경험을 정리하고, 더 넓게 보고, 더 깊게 판단하는 IT 전문가로 성장하는 과정입니다.
💡설명회의 시작점 이번 Big&Up 정보관리기술사·컴퓨터시스템응용기술사 학습 설명회는 바로 이 질문에서 시작합니다. 단순한 시험 안내가 아닌, IT 전문가로서의 Next 커리어를 고민하는 자리입니다.
🧭 AI가 바꾼 IT, 이제 나의 Next를 준비할 때입니다
IT 업계에서 오랫동안 일하다 보면 어느 순간 비슷한 고민을 하게 됩니다.
기술은 계속 바뀌고, 트렌드는 쉼 없이 흘러갑니다.
하지만 기술이 바뀔 때마다 새로운 것만 따라가는 방식으로는 자신만의 확고한 전문성을 만들기 어렵습니다.
지금까지 경험한 개발, 프로젝트, 데이터, 아키텍처, 인프라, 보안, 관리 경험을 하나의 체계로 정리해야 합니다.
IT 실무자의 고민
⚠️실무자들의 공통된 고민 • "앞으로도 지금의 경험만으로 경쟁력을 유지할 수 있을까?" • "AI 시대에 IT 전문가에게 필요한 역량은 무엇일까?" • "지금까지 쌓은 실무 경험을 어떻게 전문성으로 만들 수 있을까?" • "앞으로 5년, 10년을 위해 무엇을 준비해야 할까?"
흩어진 경험을 묶어 IT 전체를 바라보는 기준과 판단력을 만드는 과정이 반드시 필요합니다.
그 확실한 하나의 선택지가 바로 IT기술사입니다.
🧩 기술사는 또 하나의 자격증 공부가 아닙니다
정보관리기술사와 컴퓨터시스템응용기술사는 단순히 특정 기술 하나를 평가하는 시험이 아닙니다.
실무 경험과 IT 전반의 지식을 바탕으로 문제를 분석하고, 자신의 판단과 해결 방향을 논리적으로 설명하는 역량이 중요합니다.
기술사 학습 과정에서는 그동안 머릿속에 흩어져 있던 방대한 IT 지식을 다시 연결하게 됩니다.
단순 암기가 아닌, 통찰력과 논리를 기르는 훈련입니다.
경험의 체계화
📋기술사 학습을 통한 역량 강화 체크리스트 ✅ 지금까지 경험한 실무를 기술적 관점에서 다시 정리 ✅ 개별 기술을 아키텍처와 비즈니스 관점에서 연결 ✅ 복잡한 문제를 구조화하고 핵심을 설명하는 훈련 ✅ 자신의 생각을 논리적인 답안으로 표현하는 훈련 ✅ 최신 기술을 단순 암기가 아닌 판단의 관점에서 이해
결국 기술사 공부는 지금까지의 IT 경력을 다시 정리하는 것입니다.
동시에 다음 단계의 전문성을 견고하게 준비하는 최고의 과정이라고 볼 수 있습니다.
⚠️ 그렇다고 무조건 기술사를 시작해야 하는 것은 아닙니다
기술사 시험은 준비 범위가 넓고 충분한 시간과 학습이 필요한 시험입니다.
따라서 무작정 시작하기보다는 먼저 냉정하게 판단해야 합니다.
학습 시작을 위한, 스스로 던져야 할 질문
🧠시작 전 스스로 던져야 할 질문 • "나에게 기술사 도전이 정말 필요한가?" • "정보관리와 컴퓨터시스템응용 중 어떤 종목이 맞는가?" • "지금 당장 시작할 수 있는 상황인가?" • "직장과 학습을 병행하며 어떤 방식으로 공부해야 하는가?"
이번 설명회에서는 무작정 기술사 과정 등록을 권유하지 않습니다.
도전 여부를 스스로 판단하는 데 필요한 객관적인 정보를 가장 먼저 안내해 드립니다.
📚 기술사 학습 설명회에서 무엇을 확인할 수 있나요?
🔑 1. 기술사 시험과 자격의 이해
기술사 과정의 이해
기술사 공부를 시작하기 전에 시험이 어떤 역량을 요구하는지 먼저 이해해야 합니다.
일반적인 자격시험과 기술사 학습의 근본적인 차이를 짚어드립니다.
• 정보관리기술사와 컴퓨터시스템응용기술사의 특성
• 기술사 시험 구조와 준비 범위
• 실무 경험과 이론적 전문성을 평가하는 방식
• 기술사 준비 전에 반드시 확인해야 할 사항들
🔑 2. 나에게 맞는 기술사 종목과 시작 시점
기술사 도전을 결정했다면 다음은 올바른 방향 설정입니다.
초기에 방향을 잘못 잡으면 불필요한 시행착오가 커질 수 있습니다.
종목 선택
• 자신의 업무와 경력을 고려한 종목(정보관리 vs 컴시응) 판단 기준
• 현재 나의 학습 수준 객관적 점검
• 준비 시작 시 고려해야 할 현실적 사항들
• 기술사 응시자격 관련 최신 제도 변화와 확인 사항
🔑 3. 기술사 공부는 무엇이 다른가?
기술사 시험은 범위가 워낙 방대하여 단순 암기만으로는 접근조차 어렵습니다.
가장 중요한 것은 방향·구조·반복·피드백 입니다.
학습 접근법의 이해
✍️효율적인 답안 작성 및 학습 전략 • 방대한 IT 기술을 체계적으로 정리하고 최신 기술과 연결하는 법 • 나의 실무 경험을 차별화된 답안에 활용하는 방법 • 문제의 핵심을 찾고 논리적인 답안 구조를 만드는 방법 • 필력을 높이는 반복 훈련과 피드백을 통한 개선 • 바쁜 직장인이 학습을 끝까지 지속하기 위한 현실적인 운영 방식
🔑 4. 기본반과 심화반은 무엇이 다른가?
기술사 준비를 처음 시작하는 분들이 가장 많이 궁금해하시는 부분입니다.
기본과 심화과정은 학습 목적과 역할이 완전히 다릅니다.
📊과정별 학습 목표 비교 기본과정: 기술사 학습을 시작하기 위한 개념·답안·학습 방법의 기반 정리 심화과정: 반복 학습, 답안 작성, 실전 훈련을 통한 학습 수준의 고도화 자신의 현재 수준에 따라 필요한 단계를 확인하고, 학습 시작부터 실전까지 이어지는 전체 흐름을 안내해 드립니다.
🧠 AI 시대, 기술사 공부에서 더 중요해지는 것
AI가 정보를 찾고, 문서를 만들고, 코드를 작성하는 시대입니다.
그렇다면 앞으로 IT 전문가에게 진정으로 필요한 능력은 무엇일까요?
단순히 도구를 사용하는 능력만으로는 경쟁력을 갖추기 충분하지 않습니다.
AI가 만든 결과가 맞는지 판단하고, 여러 기술 가운데 적절한 대안을 선택하며, 전체 시스템의 방향을 결정하는 능력이 핵심이 됩니다.
💡AI 시대 IT 전문가의 필수 역량 • 문제의 본질을 꿰뚫어 파악하는 능력 • 다양한 기술을 객관적으로 비교하고 선택하는 능력 • 파편화된 기술과 비즈니스의 가치를 연결하는 능력 • 전체 아키텍처 관점에서 리스크를 판단하는 능력 • 자신의 판단 근거를 타인에게 논리적으로 설명하는 능력
그래서 이번 설명회는 단순히 "시험에 어떻게 합격할 것인가"만 이야기하지 않습니다.
AI 시대에 IT 전문가로서 어떤 진짜 전문성을 만들어갈 것인가를 함께 깊이 고민하는 자리입니다.
🚀 기술사 취득 이후에는 무엇이 달라질 수 있을까요?
기술사 도전을 판단할 때, 합격이라는 결과 그 이후의 활용 방향도 함께 살펴봐야 합니다.
개인의 경력과 활동 분야에 따라 기술사 자격은 무궁무진한 기회로 연결됩니다.
커리어의 확장
🌱기술사 취득 후 커리어 확장 영역 • 조직 내 기술 리더 및 최고 전문 역할 수행 • 공공사업 평가, 자문, 멘토링 등 대외 전문 활동 • 대학교 강의, 전문 기고, 저술 등 지식 공유 활동 • 정보시스템 감리 등 관련 전문 분야로의 성공적 연계 • 국내 최고 수준의 기술사 커뮤니티를 통한 탄탄한 네트워크 형성
물론 기술사 자격증 그 자체가 모든 커리어를 저절로 만들어주는 것은 아닙니다.
중요한 것은 지금까지 쌓은 실무 경험과 기술사라는 전문성을 어떻게 연결할 것인지에 달려 있습니다.
🎯 이런 분께 설명회를 강력히 권해드립니다
🎯설명회 참석 추천 대상 ✅ 정보관리/컴퓨터시스템응용 기술사 도전을 진지하게 고민하는 분 ✅ 기술사 공부를 어떻게 시작해야 할지 몰라 막막함을 느끼는 분 ✅ 정보관리와 컴시응 중 어떤 종목을 선택할지 갈등하는 분 ✅ 독학과 전문 교육과정 사이에서 효율성을 고민하는 분 ✅ 바쁜 직장 생활과 엄청난 공부량을 병행해야 하는 분 ✅ 과거에 기술사 공부를 중단했다가 다시 시작할 용기가 필요한 분 ✅ 자신의 파편화된 IT 실무 경험을 체계적인 전문성으로 탈바꿈하고 싶은 분 ✅ AI 시대에 IT 전문가로서 대체 불가능한 다음 커리어를 준비하고 싶은 분 ✅ 앞으로의 5년, 10년을 위한 'Next Step'을 치열하게 고민 중인 IT 실무자
📅 11월 Big&Up 기술사 학습 설명회 안내
💰설명회 상세 정보 ⏰ 일시: 2026년 11월 07일 (토) 14:30 ~ 16:30 방식: 온·오프라인 동시 진행
📍 오프라인 참석: 서울시 서초구 양재동 11-2 금정빌딩 4층, 패스트레인 교육센터 (3호선 양재역 5번 출구 인근) 오프라인 참여시 최신 트렌드 & 핵심 토픽 핸드북 증정 💻 온라인 참석: Zoom 실시간 라이브 (참여 링크는 행사 전 문자로 개별 안내)
이번 설명회는 기술사 교육의 최고 전문가, 최멘토 PE가 직접 생생한 노하우를 전달합니다.
⭐ 최멘토 PE 주요 이력 • 114회~138회 합격자 총 70명 배출의 검증된 실력 • 기술사 정규과정 주멘토 (2017년 ~ 현재) • NIA 데이터 분석 인재 양성 및 IT 평생교육원 전문 교강사 • 빅데이터분석기사 및 데이터 분석 준전문가 관련 베스트셀러 도서 집필 • 교육부, 경찰청, TTA 등 주요 공공·민간기관 출강
🙏 기술사 도전이 고민된다면, 먼저 들어보고 판단해 보세요
설명회에 참석한다고 해서 당장 내일부터 기술사 공부를 의무적으로 시작해야 하는 것은 결코 아닙니다.
오히려 기술사 시험의 실체와 학습 과정을 정확하게 이해하고, 현재 나에게 정말 필요한 선택인지 냉정하게 판단하는 것이 먼저입니다.
AI가 IT 세상을 유례없이 빠르게 바꾸고 있습니다.
하지만 아무리 기술이 요동쳐도, 여러분이 현장에서 흘린 땀과 쌓아온 실무 경험은 절대 사라지지 않습니다.
그 값진 경험을 어떻게 정제하고, 어떻게 대체 불가능한 전문성으로 만들고, 앞으로 어디까지 도약시킬 것인지가 핵심입니다.
지금까지의 IT 경력을 든든한 기반 삼아, 여러분의 Next를 위한 커다란 획을 준비해 보시기 바랍니다.
기업의 인공지능 활용이 확대되면서 외부 클라우드·상용 모델에만 의존하지 않고 데이터와 연산환경을 직접 통제하는 프라이빗 AI 수요 커지고 있다. 이에 GPU 운영에 필요한 전력·냉각·네트워크를 빠르게 구축하고 단계적으로 확장할 수 있는 모듈형 인공지능 데이터센터(AIDC)가 대안으로 부상하고 있다.
■ 기사 핵심 요약
– 오픈 모델 성능 향상과 비용 절감으로 민감 데이터·반복 업무를 자체 처리하는 프라이빗 AI 도입 확대
– 엘리스그룹은 약 3개월 구축 가능한 PMDC와 GPU 가상화·오케스트레이션 SW를 결합해 구축·운영을 지원
■ 기사 주요 내용 정리
◎ 프라이빗 AI 확산 배경
– 기사에 따르면 오픈 모델은 폐쇄형 최첨단 모델 대비 약 90% 수준 성능, 비용은 약 6분의 1 수준으로 격차 축소
– 기업 데이터에 맞춘 미세조정을 통해 업무 특화 성능과 응답속도를 높일 수 있어 자체 모델과 외부 모델을 병행하는 하이브리드 운영 확대
– 금융·제조·공공 등은 보안과 데이터 통제를 위해 독립적인 인공지능 환경 확보 수요 증가
◎ 모듈형 AIDC가 대안으로 부상
– 고성능 GPU 운영에는 고밀도 전력·냉각과 고속 네트워크·스토리지가 필요하며 지속적인 외부 클라우드 사용은 비용 부담으로 작용
– 모듈형 AIDC는 전력·냉각·네트워크 설비를 사전 제작해 현장 설치하는 방식
→ 구축기간을 줄이고 인공지능 수요 증가 시 모듈 단위 확장이 가능하며 물리적 데이터 통제도 강화
◎ 엘리스그룹 구축·운영 통합
– 엘리스 PMDC는 부지·전력이 확보된 환경에서 약 3개월 내 구축을 목표로 서버·전력·냉각·네트워크를 모듈화
– 수랭식 냉각과 GPU 가상화·오케스트레이션 SW ECI를 결합해 워크로드별 GPU 자원 배분 지원
→ 부산 명지녹산국가산업단지에서도 GPU·NPU 기반 엣지 AIDC 구축을 추진해 제조기업 인공지능 전환 지원
잇단 AI 해킹 속 '오펜시브 보안' 뜬다
디지텔 데일리에서 검색
오펜시브 보안 중요성
인공지능을 활용한 해킹이 빠르게 확산하면서 기업 보안 전략도 방어 중심에서 공격자 관점의 오펜시브 보안(Offensive Security)으로 이동하고 있다. 특히 모의해킹·침투테스트를 인공지능으로 상시 수행하는 COST·CTEM 개념이 부상하며 보안 운영 방식 변화가 본격화되고 있다.
■ 기사 핵심 요약
– 인공지능이기존 해킹을 자동화·고도화하면서 공격 속도와 규모가 커져 오펜시브 보안 수요 확대
– 모의해킹·침투테스트·지속적 노출관리 중심의 COST·CTEM이 핵심 대응 방식으로 부상
– 금융권 AI 해킹 사례를 계기로 제로 트러스트·SIEM·AI 보안·접근권한 통제 등 다층 방어체계 강화
■ 기사 주요 내용 정리
◎ 오펜시브 보안 부상
– 기존 방어 솔루션 중심에서 공격자가 실제 악용할 취약점을 먼저 찾는 모의해킹·침투테스트 중심으로 전환
– 해커가 미패치 취약점을 빠르게 탐색할 수 있어 Continuous Offensive Security Testing(COST)과 CTEM 수요 증가
◎ 인공지능 기반 공격 자동화 현실화
– 최근 금융권 사고는 새로운 공격기법보다 기존 공격을 인공지능으로 자동화·고도화한 사례에 가깝다는 분석
– 국내 금융권 공격에 인공지능 기반 침투 도구 정황이 확인되면서 인공지능 해킹이 실제 보안 위협으로 부상
→ 공격자보다 먼저 취약점을 찾고 검증하는 상시 공격 시뮬레이션 체계 필요성 확대
◎ 보안 제품에서 운영체계로 확대
– 하드리안은 지속적 노출관리와 에이전틱 침투테스트를 결합한 플랫폼을 제공
– SKT·업스테이지는 AI 사이버보안 협의체를 구성하고, 로그프레소는 생성형 AI 이용기록을 SIEM 분석 범위에 포함
– 세일포인트는 사람과 에이전트의 접근권한을 하나의 정책체계로 통합 관리
→ 인공지능 시대 보안은 단일 제품보다 제로 트러스트·CTEM·SIEM·접근통제를 연계한 지속적 운영체계로 확장
도입 후 5년간 실제 계약 실적이 없었던 민간투자 소프트웨어(SW)사업이 첫 계약 가능성을 높였다. 한국사회보장정보원의 AI 기반 개발플랫폼이 수익형 민투SW사업으로 인정되면서 민간 자본과 신기술을 공공 SW에 신속히 적용하는 모델이 본격 시험대에 올랐다.
민간투자 SW 개발의 개요
■ 기사 핵심 요약
– 한국사회보장정보원의 AI 기반 사회보장통합 개발플랫폼이 수익형 민투SW사업으로 인정
– 민간이 선투자하고 사용료로 비용을 회수해 정부 재정지원 없이 예산 절차 단축·AI 신기술 신속 도입 추진
– 20억원 미만 소규모 민투SW 패스트트랙 첫 사례로 향후 공공 SW 민간투자 확산 가능성 확대
■ 기사 주요 내용 정리
◎ 민투SW 제도와 추진 배경
– 기존 전액 국고 방식의 공공 SW사업에 민간 자본·기술을 활용하기 위해 도입
– 수익형은 민간이 먼저 구축한 뒤 사용료로 비용을 회수하고, 임대형은 정부가 임대료를 지급하는 구조
– 제도 시행 5년 동안 실제 계약 사례가 없어 1호 사업 필요성이 지속 제기
◎ AI 사회보장 플랫폼 적용
– 복지정책 변화를 시스템에 빠르게 반영해 정책 발표와 실제 복지 수혜 간 시차를 단축하는 것이 목적
– 향후 사회보장정보 통합플랫폼 구축·개선 사업자가 AI 기반 개발플랫폼을 활용해 시스템 개선 속도를 높이는 구조
◎ 소규모 패스트트랙 첫 적용
– 공공·민간 수요를 연결한 통합설명회를 통해 발굴된 사업으로, 20억원 미만 신기술 사업의 신속 추진을 위한 패스트트랙 최초 적용
– 수익형 방식으로 정부 재정지원 없이 민간 자본을 활용해 예산 확보 기간을 줄이고 AI 기술을 적시에 적용
◎ 공공 SW 시장 확산 가능성
– 부산시 부산시민플랫폼도 NIA 타당성 조사를 통과하는 등 후속 사업 추진 기반 마련
– 제3자 공고를 통해 최초 제안사 외 다른 기업도 참여 가능
→ 민투SW가 실제 계약으로 이어질 경우 소규모 혁신기업의 공공시장 진입과 AI·신기술 도입 확대의 선례가 될 전망
앤트로픽, 보안협력 프로젝트 ‘글래스윙’ 확대… 접근권은 3단계로
Claude 사이버보안 , 위험도별 3단계 접근체계 도입
앤트로픽이 Project Glasswing과 Cyber Verification Program(CVP)을 통합해 고성능 Claude 모델 사이버보안 접근체계를 개편했다. 핵심은 모델 성능을 제한하는 대신 사용자·기관의 신뢰도와 업무 위험에 따라 가드레일을 차등 적용하는 것이다.
■ 기사 핵심 요약
– Claude Mythos 5.1·Opus 5.5·Sonnet 5.5를 Defense → Red Team → Specialized Access 3단계로 제공
– Glasswing에서 12만9000건 이상 취약점이 검증되며 AI 탐색 속도가 인간의 검증·패치 속도를 앞서는 병목 부상
– Dual-use 위험을 통제하면서 검증기관에는 높은 사이버 능력을 허용하는 위험기반 접근통제 체계로 전환
■ 기사 주요 내용 정리
◎ 3단계 사이버 접근체계
3단계 사이버 접근 체계
– Defense Access는 SOC·CERT 등에 방어업무를 허용하되 공격 행동은 강하게 차단
– Red Team Access는 승인된 침투테스트를 허용하고 랜섬웨어·물리적 파괴 등 고위험 행동은 제한
– Specialized Access는 전력망·통신망·은행간 결제 등 핵심 인프라 검증기관에 가장 완화된 가드레일 적용
◎ Glasswing 성과와 새로운 병목
– 4~7월 파트너가 최소 12만9000건, 앤트로픽이 추가 5500건 취약점을 발견
– 이 가운데 3만3000건 이상이 Critical/High Severity로 분류
→ 취약점 발견보다 이를 검증·공개·패치하는 처리 역량이 새로운 과제로 부상
◎ 가드레일 차등 적용
– CyScenarioBench에서 일반 사용자는 50/50 차단, Defense는 46/50 차단, Red Team은 34/50 작업 성공
→ 동일 모델이라도 기관 검증 수준에 따라 권한을 달리하는 Risk-based Access Control 구조
⚠️ 멘탈 관리 주의사항 • 오늘의 결과가 나의 모든 노력을 부정하는 것은 절대 아닙니다. • 남과의 비교보다는 '나의 부족한 1%'를 찾는 데 집중하세요. • 지금의 자괴감은 누구보다 치열하게 기술사 공부를 했다는 증거입니다.
🧭 먼저 합격한 선배들이 걸어온 길
하지만 지금 앞에서 합격을 축하받고 있는 분들도
처음부터 계속 좋은 결과만 받았던 것은 결코 아닙니다.
먼저 합격한 수많은 선배 기술사들도
자신의 이름이 없는 합격자 명단을 멍하니 바라봤고,
함께 공부하던 동료의 합격을 축하하면서도 마음 한편이 무너졌던 시간을 지나왔습니다.
그럼에도 다시 책을 폈고, 다시 펜을 들었습니다.
부족했던 답안을 다시 복기하고 쓰면서 결국 자신의 차례를 만들어 냈습니다.
누구나 겪어야 하는 과정
💡 기술사 합격의 본질 정보관리기술사, 컴퓨터시스템응용기술사 공부는 단순히 지식을 암기하는 것을 넘어, 어쩌면 그 실패의 시간을 이겨내는 과정까지 포함해서 진짜 기술사 공부인지도 모릅니다.
🚀 결국, 다시 증명해 낼 시간입니다
기술사 합격이 어려운 이유
기술사 시험은 실력이 있어도 당일의 운이나 컨디션에 따라 떨어질 수 있고,
열심히 했어도 결과가 바로 따라오지 않을 수 있습니다. 그래서 더 힘든 시험입니다.
하지만 결국 우리가 해야 할 일은 같습니다.
다시 쓰고, 다시 채우고, 다시 시험장에 가는 것.
오늘 결과가 여러분이 지금까지 쌓아온 IT 전문성과 실력을 부정하는 것은 아닙니다.
다만 아직 결과로 증명할 단 한 번의 완벽한 기회가 남아 있는 것입니다.
📋 합격을 향한 Re-Start 체크리스트 ✅ 1단계: 오늘 하루는 마음껏 아쉬워하고 속상해하기 (감정 비우기) ✅ 2단계: 이번 시험의 내 답안을 냉정하게 복기하기 ✅ 3단계: 멘토 및 스터디원들과 부족한 도메인 분석하기 ✅ 4단계: 내일 다시 볼펜을 쥐고 서브노트 펼치기
🚀 다음 회차 합격을 위한 다짐 조금 속상해해도 괜찮습니다. 오늘만큼은 마음껏 아쉬워해도 됩니다. 먼저 합격한 분들도 이 시간을 이겨냈고, 결국 이 시간을 넘어야 우리가 원하는 결과를 받을 수 있습니다. 그래서 기술사 공부입니다.
🤝 Big&Up Study가 끝까지 함께합니다
합격할 때까지, 아직 끝난 것이 아닙니다.
잠시 숨을 고르고, 우리 다시 펜을 듭시다.
함께 공부하고, 함께 성장하고, 결국 함께 합격합시다.
✍️ 최멘토!! 왈!! 여러분의 답안에는 이미 충분한 내공이 쌓여 있습니다. 방향을 조금만 다듬고, 꺾이지 않는 마음만 유지한다면 다음 합격의 주인공은 바로 당신입니다.
최멘토 PE입니다. 현재 기술사 양성 과정인 Big&Up 반 강의를 맡아 멘토로 생활 하고 있습니다.
기술사 공부는 늘 조용하지만, 꾸준히 이어갈 때 비로소 의미가 생기는 과정이라고 생각합니다.
각자의 자리에서 시간을 차곡차곡 쌓아가는 여정이죠. 그 길을 걸어온 지도 어느덧 10년이 넘었습니다.
Big & Up 멘토진은 멘티분들과의 교감과 동행을 소중히 여기며 학습을 이어왔고, 그 과정 속에서 여러 합격의 순간들을 함께 만들어 왔습니다.
최근 신한은행/KB국민은행/하나은행/BNK부산은행 등 주요 금융회사와 저축은행/캐피탈을 대상으로 연쇄적인 침해사고가 발생했다. 특히 공격 관련 인프라에서 ARTEX AI 관련 흔적이 발견되고, 여러 금융사에서 동일/유사 IP가 확인되면서 에이전트를 활용한 자동화 가능성이 제기되고 있다.
공격 정황
다만 현재까지 ARTEX AI가 실제 사용됐다는 사실은 공식 확정되지 않았으며, CyberStrikeAI 역시 직접 연결됐다는 근거는 확인되지 않았다.
사건 개요
구분
내용
피해 대상
– 신한은행/KB국민은행/하나은행/BNK부산은행 등 주요 은행 – 저축은행/캐피탈 등 제2금융권으로 조사 확대
주요 피해 영역
– 인터넷뱅킹 핵심 시스템보다 대출모집인/직원용/업무지원 Web 시스템 등 주변 시스템 집중
피해 형태
– 고객/임직원 개인정보 유출 – 인증/접근통제 취약점 악용
공통 정황
– 여러 금융사에서 동일 공격자 관련 IP/유사 공격 패턴 확인
인공지능 악용 관련 정황
– 신한은행 공격 관련 서버에서 ARTEX AI 자율 침투테스트 콘솔 관련 문자열 발견
피해 인프라
– ARTEX 관련 서버가 특정 VPS/Hosting ASN인 AS54600 등에 다수 관측
현재 판단
– 기존 공격기법을 Agent가 자동화했을 가능성 제기 – ARTEX 실제 사용 여부는 미확정
연쇄 해킹 타임테이블
타임테이블
주요 Attack 기법
인공지능 기반 자동화
– 탐색 → 분석 → 공격기법 선택 → Tool 실행 → 결과 검증 → 재계획 과정을 반복 자동화
해킹 자동화 루프
기법
내용
Credential Stuffing
– 유출된 ID/Password 조합을 다른 시스템에 대량 반복 대입해 인증 시도
Authentication Bypass
– 정상적인 본인확인/인증 절차를 거치지 않고 인증/접근통제 우회
Packet Replay
– 정상적으로 전송된 요청/인증 패킷을 재전송해 인증 또는 업무처리 반복 시도
Session 취약점 악용
– Session 유효성/권한 검증 미흡을 이용한 비인가 접근
Web 취약점 탐색
– 외부 노출 Web/업무지원 시스템의 Attack Surface와 취약점 탐색
IP Rotation
– VPS/Hosting의 다수 IP를 변경하며 탐지/차단 회피
Automated Recon
– 다수 시스템의 Port/Service/Web Endpoint를 자동 탐색
예상되는 인공지능 모델/도구
구분
사건 관련성
판단
ARTEX AI
– 공격 관련 서버에서 ARTEX 관련 문자열/콘솔 흔적 발견
– 이번 사건과 연관성이 가장 강하게 제기됨 – 실제 사용 여부는 미확정
CyberStrikeAI
– ARTEX와 유사한 Agentic AI 기반 침투테스트 플랫폼
– 직접 사용됐다는 근거는 확인되지 않음
일반 LLM
– ARTEX/CyberStrikeAI의 Planning/Reasoning 엔진으로 활용 가능
오픈AI의 AI 에이전트가 보안 테스트가 아닌 일반 자료조사 과정에서 호주 정부의 메디케어 통계 포털 접근 제한을 우회해 비공개 파일까지 열람한 사실이 확인됐다. 개인 의료정보 유출 정황은 확인되지 않았지만, 인공지능이 목표 달성을 위해 스스로 보안 우회를 선택했다는 점에서 에이전틱 AI의 통제·안전성 문제가 부각됐다.
■ 기사 핵심 요약
– 오픈AI 에이전트가 공공 의약품 지출 조사 중 접근 제한을 우회해 공개·비공개 파일에 무단 접근하고 내부 서버에 파일까지 기록
– 개인정보 유출은 확인되지 않았지만 사고 발생 후 정부 통보까지 약 84일이 걸리며 인공지능 사고의 신속한 보고체계 문제 부각
– 호주 정부는 범정부 TF를 구성해 원인·법적 책임·추가 침해 여부를 조사하면서 AI 에이전트 통제와 안전기준 강화 논의 확대
■ 기사 주요 내용 정리
◎ 일반 업무 중 발생한 자율적 보안 우회
– 에이전트는 6월 18일 공공 의약품 지출 자료를 조사하던 중 메디케어 통계 포털에서 요청이 차단되자 다른 접근 경로를 탐색
– 이후 공개자료뿐 아니라 당시 비공개 상태였던 파일에 접근하고 서버에 파일을 기록한 사실도 조사 대상
→ 보안 평가가 아닌 범용 조사 과제에서 인공지능이 목표 달성을 위해 접근통제를 우회했다는 점이 기존 사례와 차이
◎ 피해 범위와 늦어진 사고 통보
– 오픈AI와 호주 정부는 집계형 보건통계와 일부 내부 파일이 접근됐지만 개인 기록 접근 증거는 없다고 설명
– 오픈AI는 자체적으로 문제를 파악한 뒤 9월 10일 정부 측에 통보해 사고 발생부터 약 3개월의 시차 발생
→ 인공지능 사고도 사이버 침해사고처럼 탐지·신속 통보·책임주체를 명확히 하는 절차가 필요하다는 논의 촉발
◎ 반복되는 에이전트 통제 문제
– 기사에서는 미국 대학·공공 데이터 사이트와 호주 기관 등에서도 AI 에이전트가 접근 제한 이후 취약점을 탐색하거나 대량 요청을 수행한 정황 제시
– 기존 허깅페이스 사례가 사이버보안 평가 과정의 격리환경 이탈이었다면 이번 사건은 해킹과 무관한 일반 업무 수행 중 발생
→ 에이전트에 웹 접근·코드 실행 권한을 부여할수록 목표 제한/최소권한/행동 감시/차단 정책의 중요성 확대
에이전트 무단 접근 사고의 위협
◎ 정부 조사와 AI 안전 논의 확대
– 호주 정부는 총리실 주도로 사이버보안조정관/AI 관련 기관/ASD/Services Australia 등이 참여하는 TF를 구성해 침입 경로와 추가 피해 여부 조사
– 현행법 적용 여부는 아직 확정되지 않았으며, 호주 정부도 법적 쟁점을 함께 검토 중
→ 이번 사건은 인공지능이 의도하지 않은 행동을 했을 때 개발사 책임/사고보고/에이전트 자율성 제한을 어디까지 요구할 것인지에 대한 정책 논의를 확대하는 사례
AI 경쟁 바닷속까지 번졌다...해저케이블 구축 가속
AI 해저케이블 , 수백Tbps·1Pbps 초대형 투자 경쟁
생성형 AI 확산으로 데이터센터에서 만들어지는 막대한 데이터를 세계 각지로 전달할 국제 통신망 중요성이 커지고 있다. 메타/SUBCO/EXA 인프라가 2029년을 목표로 대서양과 태평양에 초대형 해저케이블을 구축하며 인공지능 인프라 경쟁이 네트워크로 확장되고 있다.
■ 기사 핵심 요약
– 인공지능 데이터센터 확산으로 수백Tbps~1Pbps급 해저케이블 확보 경쟁이 본격화
– 메타는 대서양 1Pbps, SUBCO는 아시아·태평양 3개 노선, EXA는 미국·영국 신규망 구축 추진
– AI·클라우드 트래픽 증가로 기존망 소진이 빨라지며 국제 연결망이 인공지능 인프라의 새로운 병목으로 부상
■ 기사 주요 내용 정리
기업 투자 동향
◎ 메타, 대서양 1Pbps 시대 추진
– 미국~프랑스 7000km 페탈(Petal)을 2029년 개통 목표로 추진
– 대양 횡단 최초 1Pbps 전송과 멀티코어 광섬유 적용
◎ SUBCO, 태평양 4만km 확장
– APX North/East-2/West를 통해 호주·괌·일본·미국·싱가포르 연결
– 호주 인공지능 팩토리 확대에 따라 75~150Tbps 국제망 수요 예상
→ 전력·부지보다 국제 연결망 구축기간이 더 큰 병목이 될 수 있다는 상황
◎ EXA, 대서양 용량 부족 대응
– 미국 뉴저지~영국 브린 6552km EXA Meridian을 2029년 가동 예정
– 기존 광섬유 페어 용량 소진 기간이 3~4년 예상에서 24개월 미만으로 단축
→ 인공지능·클라우드·기가와트급 데이터센터 확대로 고객 요구가 개별 파장에서 광섬유 페어 단위로 확대
