지난 11월 20일, SKT의 미래 AI 인재 육성 프로그램인 ‘SKT AI 펠로우십(Fellowship)’ 7기의 최종 심사 및 수료식이 열렸다. 올해로 7년째 이어진 SKT AI 펠로우십은 대학(원)생들이 AI를 주제로 다양한 분야의 연구 과제를 수행하며 실무 경험을 쌓을 수 있는 프로그램이다.
이번 7기에서는 참가자들이 기초·특화·응용 3개 기술 영역(Foundational, Specialized, Applied) 중 하나를 선택해 연구를 진행했다. SKT뉴스룸은 수료식 현장을 직접 찾아, 펠로우십 참가자들의 성과와 우수팀의 연구 결과를 확인했다.

실전 기반의 AI 연구 경험을 제공하는 SKT AI 펠로우십

SKT는 2019년부터 매년 AI 펠로우십을 통해 대학(원)생에게 실전형 AI 프로젝트 연구 기회를 제공해왔다. 참가자들은 SKT의 실무 데이터를 기반으로 현직 개발자와 유사한 수준의 연구를 수행하며, 기획부터 개발까지 전 과정을 직접 완수한다. 특히 SKT AI 펠로우십은 단순한 이론 학습을 넘어 기업 실무 데이터를 활용한 연구 수행과 현업 개발자의 밀착 멘토링, 성과 중심의 과제 운영을 통해 실전 감각과 문제 해결 역량을 키울 수 있다.

SKT AI 펠로우십 7기 참가자들의 기념촬영.

이번 AI 펠로우십 7기에는 총 10개 팀, 27명의 참가자가 선발되어 약 6개월간 연구를 진행했다. 참가자들은 기초·특화·응용 3개 기술 영역 중 하나를 선택해 자신의 관심 분야에서 AI의 새로운 가능성을 탐구했다.

수료식 현장에서 확인한 6개월간의 연구 성과

SKT AI 펠로우십 7기 수료식 모습.

SKT AI 펠로우십 7기 수료식에서 오프닝 축사를 전하는 한지일 역량혁신팀장.

지난 20일, 을지로 SKT타워 수펙스홀에서 SKT AI 펠로우십 7기 수료식이 진행됐다. 한지일 역량혁신팀장은 축사를 통해 “어떤 일이든 끝까지 완주하는 것은 어렵다”며 “여러분이 지난 6개월간 경험한 연구와 협업 과정이 앞으로의 성장 확률을 높이는 소중한 자산이 될 것”이라고 격려했다.

이어서 이번 7기의 우수 연구팀 시상이 진행됐다. ‘밤티 the STRIKER’ 팀은 추론 기반 한국어 AI의 성능과 안정성을 높이는 모델 최적화 연구(Task-aware Deliberative Alignment) 로 주목받았고, ‘Planarian’ 팀은 비디오 콘텐츠 내 Planar tracking 기술을 통해 영상 분석의 정밀도를 높이는 연구 성과를 선보였다. 또한 ‘DEVOBIOME’ 팀은 생체 미생물 데이터를 활용해 치료제 반응성을 예측하는 AI 알고리즘 플랫폼을 개발해 실질적인 응용 가능성을 인정받았다. 각 팀에는 우수 연구 성과에 대한 상금이 수여되었으며, 참가자들은 “좋은 기회 덕분에 많이 배우고 성장할 수 있었다” 등의 소감을 전했다.

시상 후에는 우수팀의 프로젝트 발표가 이어졌다. 6개월 동안 축적한 연구 과정을 발표하며, 성과뿐 아니라 분석 과정, 실험 결과 등 구체적인 연구 내용을 공유했다. 발표가 끝난 후에는 전체 수료증 전달식이 진행됐다. 무대에 오른 참가자들은 수료증을 받으며 AI 펠로우십 활동을 마무리했다.

참가자들은 각자의 멘토와 감사 인사를 나누며 그간의 노력을 격려했고, 협업을 기약하기도 했다. 한편, 프로젝트의 경험이 실제 커리어로 이어질 수 있도록 모든 수료자에게는 SKT JT(주니어 탤런트) 채용 시 1차 전형 면제 혜택이 제공될 예정이다.

SKT AI 펠로우십 우수팀 인터뷰

최우수연구상을 받은 밤티 the STRIKER 팀.

밤티 the STRIKER

Q. 팀 활동명과 이번에 수행한 연구 과제를 간단하게 소개해주세요.
A. 저희는 ‘밤티 the STRIKER’팀의 정여원(성신여대), 박동초(이화여대)입니다. ‘밤낮 없이 티나게’, ‘STRIKER(공격수)’처럼 목표를 향해 나아가자는 다짐을 담았습니다.

진행한 연구는 ‘추론 기반 AI 성능-안전성 최적화 연구’를 진행했습니다. LLM(대규모 언어 모델)을 ‘안전 정렬(Safety Alignment)’하는 과정에 있어서, 기존의 성능을 저해하지 않으면서 안전한 응답을 내놓게 하는 방법을 연구한 것입니다.

Q. 연구의 주요 성과는 무엇이었나요?
A. 첫 번째는 Google DeepMind의 ‘AlphaEvolve’ 방식을 차용·개선하여 5가지 핵심 도메인과 10가지 태스크에 대한 안전 SPEC 구축을 완료한 점, 두 번째는 간단한 SFT만으로도 효율적인 안전 정렬을 달성할 수 있는 질 높은 추론 데이터셋 8,000개를 구축한 것입니다. 그 결과, 저희가 튜닝한 모델은 5가지 안전 벤치마크에서 베이스라인 모델(qwen3-4b) 대비 월등히 우수한 안전 정렬 성과를 보였으며, 동시에 5가지 추론 벤치마크를 통해 모델 본래의 추론 능력이 저하되지 않았음을 확인하며 Trade-off 문제를 성공적으로 해결했습니다.

Q. SKT 멘토와의 협업 과정에서 가장 도움이 된 부분은 무엇인가요?
A. 연구 방향 설정과 핵심 아이디어 제안이 큰 힘이 됐습니다. SPEC 생성에서 어려움을 겪을 때, 멘토님께서 진화 알고리즘이라는 핵심적인 아이디어를 제안해 주셨고, 멘토님 덕분에 AI 헌법과 정책에 대한 전문가의 피드백을 받을 수 있었습니다.

최우수연구상을 받은 Devibiome 팀.

Devobiome

Q. 팀 활동명과 이번에 수행한 연구 과제를 간단하게 소개해주세요.
A. ‘Devobiome’은 ‘Devotion’과 ‘Microbiome’의 합성어로, 연구 주제인 마이크로바이옴에 대한 목적성을 나타냈습니다. 저희는 마이크로바이옴 데이터를 활용한 범용적 면역관문억제제 반응 예측 모델 개발을 목표로 했습니다.

Q. 연구의 주요 성과는 무엇이었나요?
A. 세 가지 성과가 있었습니다. 첫 번째로는 다중 지역 데이터셋의 통합 학습을 통한 일반화 성능 향상, 두 번째로는 분류학적-기능적 마이크로바이옴 정보의 효과적 융합, 마지막으로는 Leave-One-Cohort-Out 검증을 통한 외부 검증 성능 확보입니다.

Q. AI 펠로우십 활동으로 어떤 영향을 받았나요?
A. 이번 경험을 통해 AI 기술이 생각보다 접근이 어렵지 않다는 것을 알게 되었습니다. 생성형 AI를 활용하면서, 전문적인 프로그래밍 배경이 없어도 참신한 아이디어와 명확한 문제 정의만 있다면 충분히 실현 가능하다는 확신을 얻었습니다. 덕분에 제 연구 방향에 큰 영향을 주었습니다. 이전에는 ‘AI는 전문가의 영역’이라고 생각하며 연구 아이디어를 검열했다면, 이제는 생물학적 문제를 AI로 해결하는 다양한 가능성을 적극적으로 탐색하고 있습니다.

최우수연구상을 받은 Planarian 팀.

Planarian

Q. 팀 활동명과 이번에 수행한 연구 과제를 간단하게 소개해주세요.
A. ‘Planarian’은 잘라져도 다시 재생되는 평면생물(planarian)에서 영감을 받아, 끊김 없이 재구성되는 Planar Tracking이라는 비전을 담고 있습니다. 김현지, 최희진, 박용현 멘토 님들과 김호재, 김용, 김수현 멘티로 구성되어 있습니다.
연구는 ‘PRT (Point-based RANSAC Tracker)’라는 이름의 Training-Free Planar Tracking 프레임워크를 개발하는 것을 목표로 했습니다. 기존 모델의 대규모 합성 데이터에 의존하여 실제 환경에서 성능이 저하되는 문제를 해결하기 위해, 딥러닝 기반 Point Tracking 결과와 RANSAC/MAGSAC++의 기하적 추론을 결합하여 학습 없이도 안정적으로 평면을 추적하는 시스템을 제안했습니다.

Q. 연구의 주요 성과는 무엇이었나요?
A. 기술적 성과로는 POT-210 / POT-280 벤치마크에서 기존 SOTA 대비 +3~5% 정확도 향상(P@15 기준) 을 달성했습니다. 특히, MAGSAC++ 기반의 확률적 인라이어 모델링을 적용하여, 블러·가림·시야 이탈(out-of-view) 상황에서도 안정적인 추적이 가능함을 보였습니다. 본 프레임워크는 Virtual Product Placement(VPP)와 같은 실시간 AR 응용에 적용되어, 실제 환경에서도 모델 재학습 없이 동작함을 확인했습니다.

Q. SKT AI 펠로우십 프로그램을 통해 성장한 부분은 무엇인가요?
A. 이번 프로그램을 통해 단순한 모델 개발을 넘어, 문제를 정의하고 해결하는 ‘연구자의 사고 방식’을 체득할 수 있었습니다. 후배 연구자들에게 “완벽한 모델보다 명확한 문제 정의가 더 중요하다”는 말을 전하고 싶습니다. 연구는 결국 세상을 더 잘 이해하려는 과정이며, 이번 SKT AI 펠로우십은 그 방향을 명확히 보여준 소중한 경험이었습니다.

SKT는 앞으로도 AI 펠로우십을 통해 차세대 AI 인재가 산업 현장과 함께 성장할 수 있는 발판을 제공할 계획이다.