좌충우돌, 외국 회사에 이력서를 던지다
이력서
좌충우돌, 외국 회사에 이력서를 던지다
처음엔 그냥 호기심이었다.
“AI 데이터 라벨러.”
이 말이 나랑 무슨 상관이 있을까 싶었다.
사진 찍고, 글 쓰고, 현장에서 메모 남기며 살아온 사람이 갑자기 외국계 AI 회사라니. 그런데 이상하게도 설명을 읽을수록 낯설지 않았다.
검색 결과를 평가하고, 맥락을 읽고, 의미를 판단하는 일.
생각해보니 나는 매일 그걸 하고 있었다.
사진 한 장을 고르고, 문장 하나를 남길 때도 늘 같은 질문을 한다.
“이게 왜 중요한가?”
“이 장면을 보는 사람은 무엇을 느낄까?”
그래서 이력서를 열었다.
문제는 그다음이었다.
영어.
회원 가입.
해외 문자 인증.
차단된 해외 번호.
틀렸다는 인증 코드 메시지.
사진 촬영보다 더 숨이 찼다.
‘이거 괜히 시작했나?’
손이 멈췄다가, 다시 키보드를 눌렀다.
어차피 인생에서 늘 그랬다. 새로운 장비를 처음 들 때도, 필름 카메라를 처음 분해했을 때도, 늘 이런 식이었다.
모르면 부딪히고, 틀리면 다시 하고.
이력서를 쓰면서 처음으로 내 일을 다시 보게 됐다.
나는 AI를 “써본 사람”이 아니라, AI와 일하는 방식을 고민해 온 사람이라는 걸.
AI에게 대신 판단을 맡긴 적은 없었다.
대신 구조를 맡겼다. 나는 의미를 맡았다.
현장 메모는 날것으로 두고, AI로 분류하고, 다시 인간의 판단으로 다듬는 방식.
생각해보면 그게 데이터 라벨링과 크게 다르지 않았다.
지원 버튼을 눌렀다.
‘접수 완료.’
별일 아닌 문장인데, 이상하게 마음이 조용해졌다.
합격할 수도 있고, 아닐 수도 있다.
하지만 중요한 건 이미 벌어졌다.
나는 외국 회사에 지원해 본 사람이 되었고,
AI를 “도구”가 아니라 “파트너”로 설명할 수 있는 사람이 되었다.
이건 성공담이 아니다.
아직 결과도 없다.
다만 기록이다.
사진가가 외국계 AI 회사에 이력서를 넣어본 날의 기록.
좌충우돌이었고, 느렸고, 완벽하진 않았다.
그런데 이상하게, 꽤 나다운 시도였다.
다음에 또 이런 지원을 하게 되더라도,
이번만큼은 덜 헤맬 것이다.
그리고 그게, 내가 이 일을 해볼 수 있다는 가장 현실적인 증거일지도 모른다.
Building an Active AI Partnership
(Motivation & AI Collaboration Skills)
As a photographer and writer, I have learned that meaningful work does not come from tools alone. Tools become valuable only when placed within a clear system of judgment, context, and decision-making. Recently, I transformed nearly three weeks of raw field notes into a client strategy document in under 20 minutes—not by working faster, but by designing a workflow where AI understands how I think and work.
I do not use AI to replace human judgment. I use it to structure thinking so I can focus on what humans do best: intuition, contextual understanding, and final decisions. I apply the same principle to AI data work. AI handles structure and scale; I take responsibility for meaning and quality.
My core belief is simple: AI intelligence scales in proportion to the level of demand placed on it.
When asked only for convenience, AI provides convenience. When asked for critical analysis, contextual awareness, and proactive feedback, it begins to function as a thinking partner. For this reason, I treat AI not as a shortcut, but as an active partner that requires clear roles, constraints, and quality standards—similar to annotation guidelines in AI data projects.
In practice, I ask AI to do more than summarize. I expect it to identify logical gaps, challenge weak assumptions, and suggest structural improvements. This allows me to evaluate not only whether an output meets guidelines, but also whether it contains inconsistencies, edge cases, or hidden assumptions.
My workflow follows a simple structure:
Raw field notes → AI organizes by domain and intent → strategic documents, essays, or client briefs.
This mirrors how AI projects move from raw data to structured labels and actionable insights.
For me, efficiency is not about doing more work, but about removing unnecessary decisions. AI manages structure; I manage judgment. With this mindset, I am motivated to contribute inside an AI data organization, supporting how AI systems are trained, evaluated, and improved.
This is not about working faster—it is about working deeper with AI as an active partner.
