For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/ko/articles/deepseek-ai-cross-disciplinary-talent-hir-2c6dcdf2.md.
DeepSeek 채용 사이트에 이례적인 공고가 올라왔습니다. 바로 **‘AI 융합 분야 기술 인재’**입니다.
DeepSeek 채용 사이트에 이례적인 공고가 올라왔습니다. 바로 **‘AI 융합 분야 기술 인재’**입니다.
이 직무는 풀스택 개발 및 알고리즘 부문에 속해 있지만, 채용 설명에는 AGI 구축에 참여하고자 하는 뛰어난 역량의 인재를 위한 직무라고 명시되어 있습니다. 또한 전공에 대한 주요 제한을 두지 않습니다.
DeepSeek는 전형적인 AI 이력서를 요구하는 대신, 지원자의 관심과 역량에 가장 잘 맞는 연구 또는 엔지니어링 팀으로 후보자를 배정하겠다고 설명합니다.
가장 많이 논의된 부분은 우대 조건입니다.
높은 수준의 경시대회 성적, 특정 분야의 깊은 전문성, 영향력 있는 오픈소스 활동, 창업 경험과 함께 DeepSeek는 의도적으로 모호한 조건 하나를 제시합니다.
정해진 길이 아닌 길을 선택할 것.
이 때문에 이 채용 공고는 처음에는 모순적으로 보입니다.
DeepSeek는 단순히 ‘천재를 찾는 것’이 아니라는 채용 메시지를 사용해 왔습니다. 그러나 이 직무는 분명히 일반적인 수준을 넘어서는 역량을 가진 사람을 대상으로 합니다.
이러한 모순은 해당 공고를 량원펑 창업자의 과거 인터뷰, DeepSeek의 젊은 기술팀, 그리고 다중 헤드 잠재 어텐션(MLA)의 기원과 함께 읽을 때 더 쉽게 이해할 수 있습니다.
그림은 ‘경험이 전혀 없는 사람을 원한다’기보다는 다음과 같은 방향에 가깝습니다.
DeepSeek는 전형적인 경력 사다리보다 독립적인 문제 해결 능력을 보여주는 증거를 더 중요하게 여기는 것으로 보입니다.
이 채용 공고가 이례적인 이유는 학위, 전공, 경력 연수, 이전 직무와 같은 일반적인 체크리스트를 피하기 때문입니다.
공개된 설명에 따르면 이 직무는 뛰어난 역량을 갖추고 AGI를 만들고 구축하는 데 기여하고자 하는 지원자를 위한 것입니다.
또한 전공에 대한 주요 제한이 없다고 명시합니다.
이 직무는 인턴십 또는 정규직 형태로 진행될 수 있습니다.
현재 공고에는 네 가지 핵심 요건이 제시되어 있습니다.
우대 조건은 다음과 같습니다.
마지막 문장이 중국 소셜 미디어에서 해당 직무가 널리 확산된 이유입니다.
‘정해진 길이 아닌 길을 선택했다’는 조건은 일반적인 채용 점수로 환산하기 어렵습니다.
‘비정형적’이라는 특성을 증명하는 표준 자격증도 없습니다.
이 문구는 더 넓은 인재상을 요약한 표현으로 보입니다. 즉, 가정에 도전하고, 독립적으로 탐색하며, 정해진 실행 지침을 기다리지 않고 의미 있는 결과를 만들어낼 수 있는 사람을 뜻합니다.
DeepSeek의 2026년 6월 채용 캠페인에서는 또 다른 문구가 주목받았습니다.
‘우리는 결코 단순히 천재를 찾지 않습니다.’
회사의 더 넓은 메시지는 진정으로 독특한 기여를 할 수 있는 사람을 찾고 있다는 것이었습니다.
이러한 표현은 처음 보이는 것보다 덜 모순적입니다.
‘천재’는 지위, 명성, 엘리트 자격, 또는 완성도 높은 이력서를 의미할 수 있습니다.
반면 이 직무 설명에서 말하는 ‘뛰어난 역량’은 입증된 행동과 더 직접적으로 연결됩니다.
따라서 이 직무는 자격을 무시하는 직무가 아닙니다.
경시대회 메달과 교육 배경도 여전히 요건에 포함되어 있습니다.
더 정확한 표현은 전공에는 구애받지 않지만, 입증된 역량에 대해서는 매우 엄격한 직무입니다.
원문 기사는 DeepSeek가 때때로 경력이 긴 후보자를 걸러내고 업계 경력이 몇 년밖에 되지 않은 사람을 선호한다는 채용 담당자와 헤드헌터의 주장을 반복합니다.
이러한 주장은 널리 유통되고 있지만, 공식 채용 규정으로 간주해서는 안 됩니다.
DeepSeek의 공개 채용 페이지에는 다음과 같이 적혀 있지 않습니다.
경력 8년 초과 = 자동 탈락
또한 다음과 같이 적혀 있지도 않습니다.
금메달 수상자만 가능
확인할 수 있는 내용은 더 미묘합니다.
량원펑은 과거 인터뷰에서 DeepSeek와 High-Flyer가 이전 경력보다 역량을 기준으로 채용하는 경우가 많다고 말했습니다.
또한 핵심 기술 직무 상당수가 최근 졸업자 또는 학교를 졸업한 지 1~2년 된 사람들로 채워졌다고 말했습니다.
이는 철학입니다.
공개적으로 문서화된 엄격한 경력 상한선과 같은 것은 아닙니다.
‘대기업 냄새’ 또는 ‘대기업 스타일’이라는 표현에도 같은 주의가 필요합니다.
중국 매체는 DeepSeek가 최첨단 연구에 고도로 표준화된 대기업 프로세스를 가져오는 후보자를 경계한다는 채용 담당자의 발언을 보도했습니다.
그러나 이는 채용 사이트에 게시된 공식 규정이 아닙니다.
지원자에게 실질적인 시사점은 더 간단합니다.
유명 고용주나 긴 이력서만으로 충분하다고 가정하지 마세요. 어떻게 생각하는지, 무엇을 구축했는지, 기본값에 어디서 도전했는지를 보여줘야 합니다.
량원펑은 DeepSeek의 초기 기술팀이 이례적으로 젊었다고 설명했습니다.
널리 확산된 한 인터뷰에서 그는 팀이 정체를 알 수 없는 기존의 슈퍼스타들로 구성되어 있다는 생각을 부정했습니다.
그는 많은 기여자가 다음과 같다고 설명했습니다.
또한 DeepSeek-V2가 해외 스타 인재를 영입해 구성한 팀보다 자체적으로 성장한 인재를 중심으로 구축되었다고 말했습니다.
핵심은 나이 자체가 혁신을 만든다는 것이 아닙니다.
회사가 표준적인 업계 위계 구조를 10년 동안 거치지 않은 사람에게도 중요한 기술적 책임을 맡길 의지가 있었다는 점입니다.
이는 현재의 AI 융합 분야 직무가 폭넓은 이유를 설명하는 데 도움이 됩니다.
DeepSeek는 AI 연구소가 일반적으로 운영되는 방식을 이미 아는 사람만을 채용하려는 것이 아닙니다.
연구소에 다른 사고방식을 가져올 수 있는 사람도 찾고 있습니다.
경험에 관한 량원펑의 과거 발언은 원문 기사의 핵심입니다.
그의 주장은 경험이 쓸모없다는 것이 아닙니다.
성숙한 엔지니어링 분야에서는 경험이 매우 큰 가치를 갖는 경우가 많습니다.
결제 시스템을 구축하는 시니어 엔지니어는 신입이 한 번도 보지 못한 장애 요인을 피할 수 있습니다.
운영 데이터베이스, 보안 시스템, 추천 엔진은 축적된 운영 지식으로부터 막대한 이점을 얻습니다.
최첨단 AGI 연구는 한 가지 중요한 측면에서 다릅니다.
아직 확립된 정답이 존재하지 않을 수 있습니다.
량원펑은 경험 많은 사람이 때로는 이미 알고 있는 해결책을 너무 빠르게 적용할 수 있다고 주장했습니다.
전형적인 경험이 적은 사람은 문제를 처음부터 반복적으로 탐색하고, 현재 상황에 더 잘 맞는 접근법에 도달하려는 의지가 더 클 수 있습니다.
이는 실제적인 트레이드오프입니다.
경험은 반복되는 실수를 막을 수 있습니다.
동시에 어떤 방향이 ‘분명히’ 시도할 가치가 없는지에 대한 가정을 만들 수도 있습니다.
DeepSeek의 문화는 두 번째 행동을 위한 공간을 더 많이 보존하는 방향으로 설계된 것으로 보입니다.
성숙한 분야에는 안정적인 제약 조건이 있습니다.
최첨단 분야에서는 가정이 불안정합니다.
원문 기사는 다음과 같은 사례를 사용합니다.
이러한 기법은 중요합니다.
그러나 진지한 연구 조직이라면 오늘날의 표준 아키텍처가 영원히 올바른 아키텍처로 남을 것이라고 가정할 수 없습니다.
최전선에서 어려운 질문은 종종 다음이 아닙니다.
통용되는 접근법을 어떻게 최적화할 것인가?
오히려 다음과 같습니다.
우리가 더 이상 받아들이지 말아야 할 기존 가정은 무엇인가?
융합 분야 인재가 가치를 발휘할 수 있는 환경은 바로 이런 곳입니다.
물리학자는 최적화를 다른 방식으로 바라볼 수 있습니다.
수학자는 엔지니어가 놓치는 불변량을 발견할 수 있습니다.
시스템 연구자는 계산 구조에 의문을 제기할 수 있습니다.
철학자는 벤치마크 성능으로 환원할 수 없는 개념적 문제를 식별할 수 있습니다.
목표는 기술 전문성을 대체하는 것이 아닙니다.
도전받는 가정의 범위를 넓히는 것입니다.
원문 기사는 **다중 헤드 잠재 어텐션(MLA)**을 이러한 문화의 가장 분명한 사례로 제시합니다.
MLA는 DeepSeek-V2에서 도입되었고 DeepSeek-V3에도 적용된 핵심 아키텍처 구성요소입니다.
DeepSeek의 공식 V3 기술 자료는 MLA가 모델의 효율적인 추론 설계에서 중심적인 역할을 한다는 점을 확인합니다.
이 아이디어의 기원은 량원펑의 인터뷰에서 확인할 수 있습니다.
그는 한 젊은 연구자가 어텐션 아키텍처의 발전을 연구하던 중 대안을 설계할 수 있는지 고민한 것이 개인적인 관심에서 출발했다고 말했습니다.
이후 DeepSeek는 이 아이디어를 중심으로 팀을 구성했습니다.
초기 개념을 작동하는 아키텍처로 발전시키는 데 수개월이 걸렸습니다.
이 이야기가 중요한 이유는 다음과 같은 흐름이 아니기 때문입니다.
최고경영자가 아키텍처를 선택
→ 팀이 아키텍처를 구현
오히려 다음에 가깝습니다.
연구자가 가정을 발견
→ 연구자가 대안을 탐색
→ 아이디어의 가능성이 확인됨
→ 조직이 자원을 배정
→ 팀이 이를 실제 연구 결과로 발전시킴
량원펑은 DeepSeek의 더 넓은 연구 구조를 상향식이라고 설명했습니다. 구성원이 자신의 아이디어를 가져오고, 유망한 방향을 중심으로 팀이 형성된다는 의미입니다.
그렇기 때문에 ‘정해진 길이 아닌 길을 선택하라’는 채용 기준이 더 잘 이해됩니다.
이러한 관점에서 보면 이례적인 채용 설명은 덜 수수께끼처럼 보입니다.
다섯 가지 우대 조건은 모두 동일한 근본 특성을 가리킵니다.
최상위 경시대회 성적은 압박 속에서 어렵고 낯선 문제를 해결하는 능력을 보여줍니다.
한 분야에서 뛰어난 수준에 도달했다는 것은 끈기와 깊이를 보여줍니다.
아이디어를 한 문장으로 입력하면 We0 AI가 쇼케이스 사이트, 페이지, CMS를 생성하고 출시 후 고객과 트래픽 확보를 돕습니다.
무료 등록을 위한 하나의 완전한 프로젝트 생성
하나의 완전한 생성 흐름을 시도하고 첫 번째 프로젝트 초안을 빠르게 보는 데 가장 적합합니다.
그 분야가 AI일 필요는 없습니다.
강력한 오픈소스 프로젝트는 DeepSeek가 확인할 수 있는 구체적인 결과물을 제공합니다.
공식적인 고용주 프로세스 밖에서도 유용한 시스템을 만들 수 있는지를 보여줍니다.
무에서 유로 무언가를 구축한 경험은 불확실성 속에서 주도적으로 행동하는 능력을 보여줍니다.
이는 측정하기 가장 어려운 기준이지만, 나머지 기준을 하나로 연결합니다.
미리 작성된 지도가 없어도 행동할 수 있는지를 묻는 것입니다.
공통 변수는 나이가 아닙니다.
바로 주도성입니다.
DeepSeek는 원래 머신러닝을 전공하지 않은 사람을 채용하는 유일한 최첨단 AI 연구소가 아닙니다.
원문 기사는 DeepSeek를 Anthropic 및 Google DeepMind와 비교합니다.
사례는 실제이지만, 원문의 일부 직원 수 통계는 공식 인력 데이터가 아니라 제3자 이력서 분석에 기반합니다.
더 넓은 흐름은 확인하기 쉽습니다.
최첨단 AI 연구소는 전통적인 엔지니어링 및 머신러닝 연구뿐 아니라 윤리, 철학, 의식, 의사결정 이론, 거버넌스, 심리학, 인간과 AI의 상호작용을 다루는 사람도 점점 더 필요로 합니다.
이는 시스템 자체가 벤치마크 최적화만으로는 답할 수 없는 질문을 제기하기 때문이기도 합니다.
아만다 애스켈은 가장 분명한 사례 중 하나입니다.
그녀의 배경은 철학, 특히 윤리학과 의사결정 이론입니다.
Anthropic에 합류하기 전에는 OpenAI에서 일했습니다.
Anthropic에서는 Claude의 성격에 관한 업무의 핵심 인물이 되었습니다.
Anthropic의 2026년 Claude 헌법에 따르면, 애스켈은 회사의 성격 관련 업무를 이끌고 있으며 해당 문서의 주요 저자입니다.
이는 모델이 구축된 뒤 장식처럼 철학을 추가하는 방식이 아닙니다.
Anthropic의 성격 훈련 연구는 다음과 같은 질문을 제품 및 정렬 문제로 다룹니다.
2024년 ‘Claude의 성격’ 연구 게시물은 단순한 무해성을 넘어 호기심, 진실성, 열린 마음, 인내심, 사려 깊은 판단과 같은 더 풍부한 특성을 목표로 한다고 설명합니다.
이 작업에는 기술적 구현이 필요합니다.
그러나 어떤 종류의 행동을 훈련해야 하는지 결정하는 일은 부분적으로 철학적 문제입니다.
Anthropic의 2026년 헌법은 이러한 융합 분야 업무를 훨씬 더 큰 운영 문서로 확장합니다.
감사의 글에 따르면 애스켈이 개발을 이끌었고 문서 대부분을 작성했습니다.
다른 기여자로는 모델 심리학, 인식론적 자율성, 안전, 가치, 정렬을 연구하는 사람들이 포함되어 있습니다.
따라서 최첨단 AI 기업에 철학자가 존재하는 것은 우연이 아닙니다.
모델의 능력이 향상되면서 과거에는 주로 학술 철학에 속했던 질문이 엔지니어링 요구사항이 되고 있습니다.
시스템은 무엇을 중요하게 여겨야 하는가?
도덕적 불확실성 속에서 어떻게 추론해야 하는가?
언제 판단을 유보해야 하는가?
자신에 대한 불확실성을 어떻게 표현해야 하는가?
이러한 문제는 GPU를 더 추가한다고 해결되지 않습니다.
원문 기사는 인식론과 의사결정 이론을 포함한 연구 배경을 가진 벤 레빈스타인도 언급합니다.
Anthropic의 현재 연구 간행물과 Claude 헌법의 감사의 글은 레빈스타인이 Anthropic의 연구 업무에 기여하고 있다는 점을 확인합니다.
직접적인 전문 프로필로 확인하지 않는 한, 원문에 제시된 정확한 고용 이력의 표현은 신중하게 다뤄야 합니다.
더 넓은 요점은 여전히 유효합니다. Anthropic의 정렬 조직에는 철학, 의사결정 이론, 인지과학 및 인접 분야에서 훈련받은 연구자가 포함되어 있습니다.
Google DeepMind는 2026년에 이러한 흐름을 이례적으로 분명하게 보여줬습니다.
헨리 셰블린은 5월 Google DeepMind에 합류하며 실제 직함이 다음과 같다고 발표했습니다.
철학자
그의 업무는 다음에 초점을 맞춥니다.
셰블린은 케임브리지대학교의 레버훌름 미래지능센터와도 계속 협력하고 있습니다.
이는 일반적인 머신러닝 엔지니어링 직무가 아닙니다.
AI 시스템의 능력이 향상될 때 운영상의 문제가 되는 질문을 다루는 것이 목적입니다.
예를 들어 다음과 같은 질문이 있습니다.
이러한 질문에 대한 답은 모델 정책, 연구 우선순위, 안전 결정, 제품 설계에 영향을 미칠 수 있습니다.
DeepSeek, Anthropic, Google DeepMind는 같은 이유로 같은 유형의 사람을 채용하는 것이 아닙니다.
| 기업 | 사례 | 해당 배경이 중요한 이유 |
|---|---|---|
| DeepSeek | AI 융합 분야 기술 인재 | 고정된 AI 경력 경로 밖에서 독립적인 기술 아이디어를 가져오기 위해 |
| Anthropic | 아만다 애스켈 / 성격 관련 업무 | 더 풍부한 행동 가치와 판단을 정의하고 훈련하기 위해 |
| Google DeepMind | 헨리 셰블린 / 철학자 | 기계 의식, 인간과 AI의 관계, AGI 대비를 연구하기 위해 |
공통점은 ‘AI 기업이 갑자기 인문학 전공자를 선호하기 시작했다’는 것이 아닙니다.
그렇게 해석하는 것은 지나친 반작용입니다.
최첨단 AI는 여전히 고도로 기술적인 분야입니다.
공통점은 다음과 같습니다.
AI 시스템의 능력이 향상되면서 가장 어려운 문제 중 일부가 더 이상 하나의 학문 분야 안에 깔끔하게 들어맞지 않게 되었다는 것입니다.
AGI 연구소는 동시에 여러 범주의 질문을 다뤄야 합니다.
모델을 효율적으로 훈련하고, 서비스하고, 확장하려면 어떻게 해야 하는가?
어떤 아키텍처, 옵티마이저, 훈련 목표, 데이터 전략이 효과적인가?
추론, 기억, 주도성, 일반화는 실제로 어떻게 작동하는가?
시스템은 사람과 어떻게 상호작용해야 하는가?
어떤 행동을 학습해야 하는가?
모델이 이해하고, 추론하고, 자율적으로 행동하거나, 복지와 관련된 상태를 가질 가능성이 있다는 것은 무엇을 의미하는가?
앞의 두 범주는 익숙한 엔지니어링 영역입니다.
뒤의 범주에는 다른 형태의 전문성이 필요한 경우가 많습니다.
그렇기 때문에 융합 분야 채용이 점점 더 눈에 띄고 있습니다.
직무명에는 ‘융합 분야’가 들어가 있지만, 실제 선별 신호는 ‘전공이 다르다’는 것보다 더 깊은 것으로 보입니다.
표준적인 경로를 모두 따른 물리학 전공자가 모든 AI 연구자보다 자동으로 더 가치 있는 것은 아닙니다.
반대로 반복적으로 가정에 도전하는 컴퓨터과학 전공자는 이 직무에 매우 잘 맞을 수 있습니다.
이 직무는 다음의 조합을 찾는 것으로 보입니다.
이 때문에 기본적인 프로그래밍 능력도 여전히 요구됩니다.
기술 업무를 피하고 싶은 사람을 위한 직무가 아닙니다.
가장 강력한 기존 정체성이 반드시 ‘AI 연구자’일 필요는 없는 사람을 위한 직무입니다.
이 공고를 다음과 같이 읽는 것은 안전하지 않습니다.
DeepSeek는 젊은 천재만 원한다.
다음과 같이 읽는 것도 정확하지 않습니다.
DeepSeek는 경험을 중요하게 여기지 않는다.
더 유용한 해석은 다음과 같습니다.
어려운 문제에 독립적으로 도전할 수 있다는 증거를 보여줘야 한다.
그 증거는 다음과 같을 수 있습니다.
중요한 것은 정확한 자격 자체보다 그것이 지원자의 작업 방식을 무엇으로 증명하는가입니다.
원문에 포함된 일부 주장은 흥미롭지만, 공식적인 1차 출처의 채용 규정은 아닙니다.
| 주장 | 근거 수준 |
|---|---|
| DeepSeek가 현재 ‘AI 융합 분야 기술 인재’를 게시하고 있다 | 공식 채용 사이트에서 확인됨 |
| 전공에 대한 주요 제한이 없다 | 채용 설명에서 확인됨 |
| ‘정해진 길이 아닌 길을 선택하라’가 우대 조건이다 | 채용 공고에서 확인됨 |
| 핵심 기술 직무에 역사적으로 최근 졸업자와 초기 경력 연구자가 많이 포함되었다 | 량원펑 인터뷰로 뒷받침됨 |
| MLA가 젊은 연구자의 개인적인 관심에서 시작되었다 | 량원펑 인터뷰로 뒷받침됨 |
| DeepSeek가 경력 8년 이상인 후보자를 자동으로 거부한다 | 공식 규정으로 확인되지 않음 |
| ‘금메달 이하면 사실상 고려하지 않는다’ | 채용 담당자 또는 헤드헌터의 주장으로, 공식 정책이 아님 |
| DeepSeek가 ‘대기업 출신’을 공식적으로 배제한다 | 공식적으로 발표된 채용 규정이 아님 |
| Anthropic에 물리학 배경 엔지니어 70명, 수학 배경 엔지니어 78명, 철학 배경 엔지니어 13명이 정확히 있다 | 원문이 인용한 제3자 이력서 분석이며, 여기서 독립적으로 검증하지 않음 |
| Google DeepMind가 헨리 셰블린을 ‘철학자’로 채용했다 | 셰블린의 발표와 케임브리지 관련 보도로 확인됨 |
전공에 대한 제한 없이 AGI 연구 또는 엔지니어링 업무를 수행하고자 하는 후보자를 위한 현재 DeepSeek의 직무입니다. DeepSeek는 지원자의 관심과 역량에 가장 잘 맞는 팀으로 지원자를 배정하겠다고 설명합니다.
아니요. 공개된 직무 설명에는 전공에 대한 주요 제한이 없다고 나와 있습니다. 다만 기본적인 컴퓨터 프로그래밍 지식, 탄탄한 교육 배경, 강한 학습 능력, AI에 대한 입증된 장기적 관심은 요구됩니다.
DeepSeek는 이를 측정 가능한 자격으로 정의하지 않습니다. 문맥상 독립적인 사고와 표준적인 업계 패턴을 단순히 따르지 않고 어려운 문제를 해결할 수 있다는 증거를 보상하는 기준으로 보입니다.
아니요. 이 융합 분야 직무는 인턴십 또는 정규직 채용으로 진행되며, 공식적인 경력 연수 상한선을 공개하지 않습니다. 량원펑은 역사적으로 많은 핵심 기술 직무가 최근 졸업자와 초기 경력 연구자로 채워졌다고 말했지만, 이는 경험 많은 후보자를 공식적으로 배제한다는 의미는 아닙니다.
량원펑의 인터뷰에 따르면 그렇습니다. 한 젊은 연구자가 어텐션 아키텍처의 발전을 연구하고 대안을 제안했으며, 이후 DeepSeek가 팀을 구성해 해당 아이디어를 작동하는 시스템으로 발전시키는 데 수개월을 들였다고 그는 설명했습니다.
MLA는 DeepSeek-V2와 DeepSeek-V3에 사용된 어텐션 아키텍처로, 특히 키-값 캐시 부담을 줄여 추론 비용을 낮추는 데 사용됩니다. DeepSeek의 공식 V3 기술 보고서는 MLA를 효율적인 추론 설계의 핵심 구성요소로 설명합니다.
Anthropic의 정렬 연구에는 가치, 판단, 성격, 자율성, 어려운 상황에서 AI 어시스턴트가 어떻게 행동해야 하는지에 관한 질문이 포함됩니다. 철학을 전공한 아만다 애스켈은 Anthropic의 성격 관련 업무를 이끌고 있으며 Claude의 2026년 헌법의 주요 저자입니다.
네. 헨리 셰블린은 2026년 5월 Google DeepMind에 ‘철학자’라는 직함으로 합류했으며, 기계 의식, 인간과 AI의 관계, AGI 대비에 관한 업무를 수행한다고 발표했습니다.
DeepSeek의 ‘AI 융합 분야 기술 인재’ 직무는 일반적인 전공 제한을 없애면서도 입증된 역량에 대해서는 매우 높은 기준을 유지한다는 점에서 이례적입니다. 경시대회 성적, 깊은 전문성, 오픈소스 활동, 창업 경험, ‘정해진 길이 아닌 길을 선택한 경험’은 모두 하나의 특성을 가리킵니다. 바로 어려운 문제에 독립적으로 대응할 수 있다는 증거입니다.
이러한 철학은 량원펑이 과거에 설명한 DeepSeek의 문화와 맞닿아 있습니다. DeepSeek는 역사적으로 젊은 연구자와 초기 경력 연구자에게 중요한 업무를 맡겼으며, MLA는 연구자의 개인적인 호기심에서 출발한 상향식 아이디어가 핵심 아키텍처로 발전한 구체적인 사례입니다.
Anthropic과 Google DeepMind는 이러한 흐름이 DeepSeek만의 현상이 아니라는 점을 보여줍니다. 최첨단 AI 연구소는 AI의 행동, 의식, 판단, 인간과의 관계에 관한 질문이 실제 연구 문제가 되었기 때문에 철학자와 기타 비전통적 분야의 전문가를 채용하고 있습니다.
공통된 채용 신호는 ‘젊음’, ‘비AI 전공’, ‘천재성’이 아닙니다. 표준적인 실행 지침이 불완전한 상황에서 독립적으로 사고하고, 깊이 파고들며, 유용한 결과물을 만들어내는 능력입니다.
한 문장에서 시작해 몇 분 안에 완전한 웹사이트를 받아보세요.
