FDE 취업, 비개발자도 RAG·LangGraph를 알아야 할까요? AI에게 일을 정확히 맡기는 기술 개념 3단계
FDE(전방 배치 엔지니어) 취업을 준비하는 비개발자는 RAG·LangGraph를 직접 만들 줄 알 필요는 없지만, 알아듣고 AI에게 시켜서 돌려 볼 수준까지는 알아야 합니다. 세 개념의 차이와 연습법을 정리했습니다.
“AI가 다 알아서 해 줄 텐데, 비개발자가 RAG나 LangGraph 같은 기술 개념까지 알아야 하나요?” FDE 취업을 준비하는 비개발자에게서 자주 나오는 질문입니다. 짧게 답하면 “네, 다만 직접 만들 줄 아는 수준까지는 아닙니다”입니다. 비개발자의 목표는 개념을 알아듣고, AI나 개발자에게 시켜서 결과를 돌려 보고, 틀린 곳을 짚는 수준입니다.
FDE(Forward Deployed Engineer, 전방 배치 엔지니어)는 고객 현장에 들어가 문제를 정의하고, AI로 해결책을 만들어 실제 업무에 정착시키는 직무입니다. 직무의 기본 설명은 FDE 교육, 왜 강의보다 선발과 현장 검증일까에 정리해 두었어요. 이 글은 그 일을 하려는 비개발자가 기술 개념을 어디까지, 왜 알아야 하는지에 집중합니다.
AI가 다 알아서 해 줄 텐데, 왜 기술 개념까지 알아야 할까요?
AI는 ‘어떻게’를 잘합니다. 코드를 짜고, 문서를 요약하고, 답장 초안을 씁니다. 하지만 무엇을 맡길지, 어디까지 맡길지, 결과가 맞는지는 여전히 사람이 정합니다. FDE의 일은 바로 이 세 가지를 고객과 함께 정하는 데서 시작합니다.
Salesforce가 2026년 11월 5일 낸 칼럼이 이 장면을 잘 보여 줍니다. 한 FDE가 “고객이 원하는 것을 이미 확신하고 있을 때, 어떻게 진짜 문제를 찾느냐”고 물었고, 그 FDE의 업무용 AI 비서(Slackbot)가 답했습니다. 칼럼 설명에 따르면 이 AI 비서는 질문자의 실제 업무 대화와 고객 프로젝트 문서를 권한 범위 안에서 찾아 읽고 답을 만들었습니다. 답의 요지는 “고객의 첫 요청은 결론이 아닌 초안으로 받으라”, “확신하는 것과 먼저 확인할 것을 나눠 말하라”였습니다.
이 칼럼에서 비개발자가 볼 지점은 두 가지입니다. 첫째, 자료를 먼저 찾아 읽고 그 내용을 바탕으로 답을 만드는 방식이 바로 이 글에서 다룰 RAG의 기본 생각입니다. 둘째, AI가 답을 잘 만들어도 고객의 진짜 문제를 묻고 확인하는 일은 여전히 FDE의 몫입니다. 기술 개념을 알면 이 두 가지가 한 대화 안에서 연결됩니다.
개념을 알 때 달라지는 점은 구체적으로 세 가지입니다.
- 정확히 시킬 수 있습니다. “알아서 처리해 줘” 대신 “3번 단계에서 멈추고 담당자 승인을 받게 해 줘”라고 말할 수 있습니다.
- 틀렸을 때 어디가 문제인지 짚을 수 있습니다. 답이 틀렸을 때 AI가 자료를 잘못 찾았는지, 흐름이 잘못 짜였는지 구분해서 고칠 곳을 말할 수 있습니다.
- 고객에게 설명할 수 있습니다. 고객사 담당자가 “이 AI는 우리 규정을 어디서 보고 답하나요?”라고 물을 때 답할 수 있습니다.
비개발자는 기술 개념을 어디까지 알면 될까요?
건물을 짓는 장면에 빗대 보면 쉽습니다. 건축주는 철근을 직접 엮지 않습니다. 그래도 설계도를 읽고 “이 벽은 하중을 받치는 벽이라 허물 수 없다”는 현장소장의 말을 알아들어야, 원하는 공간을 정확히 요구하고 잘못 지은 곳을 짚을 수 있습니다. FDE 취업을 준비하는 비개발자에게 기술 개념이 하는 역할도 같습니다.
| 단계 | 할 수 있는 일 | 확인 방법 |
|---|---|---|
| 1단계: 알아듣기 | 개발자나 AI가 “RAG로 사내 규정을 찾게 했다”고 말할 때 무슨 뜻인지 이해한다 | 용어를 내 말로 한 문장씩 설명해 본다 |
| 2단계: 시켜서 돌려 보기 | 업무 흐름을 단계·갈림길·멈출 곳으로 나눠 AI에게 맡기고, 결과를 보고 어디가 틀렸는지 짚는다 | 내 업무 하나를 순서도로 그리고, AI 도구로 단계별로 실행해 본 기록을 남긴다 |
| 3단계: 혼자 만들기 | 코드를 써서 검색·흐름·연결을 직접 구현하고 운영한다 | 실제 서비스를 만들고 고친 이력 |
코드프레소는 비개발자가 FDE 취업을 준비할 때 2단계를 목표로 잡으라고 권합니다. 1단계에서 멈추면 고객 앞에서 용어만 아는 사람이 되고, 3단계를 처음부터 목표로 잡으면 개발 공부에 시간을 다 쓰고 정작 현장 문제를 정의하는 연습을 못 하게 됩니다. 3단계 구현은 팀의 개발자와 나눠 맡고, 2단계까지는 혼자서 할 수 있어야 합니다.
RAG, LangChain, LangGraph는 각각 무엇이 다를까요?
세 이름은 함께 자주 나오지만 층위가 다릅니다. RAG는 일하는 방식의 이름이고, LangChain과 LangGraph는 그 방식을 구현할 때 쓰는 도구의 이름입니다. 한 괄호 안에 묶어 외우면 헷갈리기 쉬우니 따로 이해하는 편이 좋습니다.
| 이름 | 무엇인가 | 쉬운 비유 | 비개발자가 던질 질문 |
|---|---|---|---|
| RAG(검색 증강 생성) | AI가 답하기 전에 사내 규정·매뉴얼 같은 자료를 먼저 찾아 읽고, 그 내용을 근거로 답하게 하는 방식 | 답하기 전에 규정집을 펼쳐 보는 신입 직원 | 어떤 자료를 찾게 하나? 그 자료는 최신인가? 답에 근거 문서가 표시되나? |
| LangChain(랭체인) | AI 모델과 검색·계산·외부 시스템 같은 도구를 연결하는 부품을 모아 둔 개발 도구 | 여러 기계를 이어 붙일 때 쓰는 규격 부품 상자 | AI가 어떤 시스템에 접근하나? 그 권한은 누가 정했나? |
| LangGraph(랭그래프) | 일의 단계, 조건에 따른 갈림길, 사람 확인을 위한 멈춤과 재개를 순서도처럼 설계하는 흐름 도구 | 업무 순서도와 결재선 | 어느 단계에서 멈추고 누가 승인하나? 실패하면 어디로 돌아가나? |
LangGraph 공식 문서는 LangGraph를 오래 걸리고 상태를 기억해야 하는 AI 에이전트를 위한 흐름 관리 도구로 소개합니다. 핵심 기능으로 중간 저장 후 이어서 실행하기, 사람이 중간에 확인하고 고친 뒤 계속 진행하기(휴먼 인 더 루프)를 꼽습니다. 같은 문서는 LangChain을 모델·도구 연결을 맡는 에이전트 개발 도구로 구분하고, LangGraph는 LangChain 없이도 쓸 수 있다고 밝힙니다. 이름이 비슷해도 맡는 일이 다르다는 뜻입니다.
환불 문의 하나로 보면 세 개념은 어디서 쓰일까요?
예를 들어 온라인 쇼핑몰 고객지원팀이 환불 문의 답장을 AI에게 맡기려 한다고 해 보겠습니다. 팀장은 “AI가 알아서 환불 문의를 처리하게 해 주세요”라고 요청합니다. FDE 취업을 준비하는 비개발자라면 이 요청을 다음처럼 나눠 볼 수 있어야 합니다.
- 주문 조회: 고객의 주문 번호로 결제 금액과 배송 상태를 확인합니다. AI가 주문 시스템에 접근하는 연결이 필요한 단계입니다.
- 환불 규정 확인: 회사의 최신 환불 규정에서 이 주문에 해당하는 조항을 찾아 읽습니다. 여기가 RAG가 하는 일입니다.
- 금액이 크면 사람 승인: 환불 금액이 팀이 정한 기준을 넘으면 AI는 여기서 멈추고 상담 파트장의 승인을 기다립니다. 이 갈림길과 멈춤을 설계하는 것이 LangGraph 같은 흐름 도구의 역할입니다.
- 답장 작성: 규정 조항과 승인 결과를 근거로 고객에게 보낼 답장을 씁니다.
이렇게 나눠 두면 문제가 생겼을 때 고칠 곳이 보입니다. AI가 작년 규정을 근거로 답했다면 2단계의 자료가 문제입니다. 큰 금액 환불이 승인 없이 처리됐다면 3단계의 흐름이 문제입니다. “AI가 이상해요”라고만 말하는 사람과 “2단계가 찾는 규정 문서를 이번 달 개정본으로 바꿔 주세요”라고 말하는 사람의 차이가 여기서 납니다.
Forward Fellowship 공식 페이지에 소개된 물류 사례도 이 눈으로 읽을 수 있습니다. 월 40만 건 배송 문의 중 배송 조회와 클레임 접수는 AI가 처리하고, 복잡한 문의는 상담원에게 연결하는 프로젝트입니다. 어떤 문의를 AI가 맡고 어떤 문의를 사람에게 넘길지 기준을 정하는 일이 곧 흐름의 갈림길을 설계하는 일입니다.
도구 이름이 바뀌면 공부한 게 소용없지 않을까요?
도구 이름은 바뀝니다. LangChain과 LangGraph도 몇 년 뒤 다른 도구로 대체될 수 있습니다. 그래도 단계로 나누기, 조건에 따라 갈리기, 자료를 찾아 근거로 쓰기, 사람이 확인할 지점 정하기라는 개념은 도구가 바뀌어도 그대로 남습니다. 비개발자가 공부할 대상은 특정 도구의 사용법보다 이 네 가지 개념입니다.
AI 코딩 도구가 빨라질수록 고객 업무를 이해하는 힘이 더 중요해진다는 이야기는 전방 배치 엔지니어(FDE), AI가 코드를 짜 주면 필요 없어질까요?에서 다뤘습니다.
FDE 취업을 준비하는 비개발자는 무엇부터 연습하면 될까요?
- 용어를 내 말로 설명하기: RAG, AI 에이전트, 휴먼 인 더 루프를 각각 한 문장으로 적어 봅니다. 코드프레소 네이버 블로그의 ‘쉽게 풀어보는 AI 용어사전’에서 RAG, 휴먼 인 더 루프를 업무 예시와 함께 정리해 두었습니다.
- 내 업무 하나를 순서도로 그리기: 아르바이트나 인턴, 지금 하는 일 중 반복되는 업무 하나를 골라 단계, 갈림길, 찾아봐야 하는 자료, 사람이 확인해야 하는 지점을 표시합니다.
- AI 도구로 단계별로 돌려 보기: 챗GPT나 클로드 같은 AI 도구에 순서도의 단계를 하나씩 시키고, 어느 단계에서 틀렸는지와 어떻게 지시를 바꿨는지 기록합니다.
- 기록을 포트폴리오로 묶기: 순서도, 바꾼 지시, 전후 결과를 한 장으로 정리합니다. 무엇을 넣을지는 FDE 취업 포트폴리오 글을 참고하세요.
FDE 양성 과정 Forward Fellowship은 비개발자를 어떻게 보나요?
코드프레소가 AXMOS 컨소시엄 파트너들과 함께 운영하는 FDE 교육·양성 과정 Forward Fellowship은 전공과 경력에 관계없이 지원할 수 있게 했습니다. 공식 페이지는 AI·Python 역량을 필수 요건이 아닌 우대 사항으로 두고, 역량 평가는 선택 응시로 운영한다고 밝힙니다. 선발은 서류·평가·인터뷰로 하고, 7주 동안 학습과 기업 프로젝트로 현장 역량을 키우고 검증합니다.
공식 페이지에 소개된 Forward Fellow 인터뷰의 제목은 “미국법·정치철학을 전공한 저도, 지금은 현장에서 Forward Fellow로 일합니다”입니다. 개발을 전공하지 않은 사람도 현장 문제를 정의하는 역할로 이 과정을 거쳐 현장에서 일하고 있습니다. 1기는 10월 17일 개강했고 11월 말 데모데이·수료를 앞두고 있습니다(2026년 11월 6일 공식 페이지 확인).
자주 묻는 질문
Q. RAG와 LangGraph 중 무엇부터 공부하면 될까요?
Q. LangChain을 몰라도 LangGraph를 이해할 수 있나요?
Q. 기술 개념을 공부했다는 것을 FDE 취업 준비에서 어떻게 보여 줄 수 있나요?
참고 자료
- Salesforce, “Ask (a Forward Deployed Engineer’s) Slackbot” (2026년 11월 5일). 원문: “Treat the first answer as a draft, not a verdict.”
- LangChain Docs, LangGraph overview (2026년 11월 6일 확인). 원문: “LangGraph does not require LangChain.”
- Lewis 외, “Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks” (2020년, RAG 개념을 처음 제안한 논문)
- FDE 교육·양성 과정 Forward Fellowship 공식 페이지 (2026년 11월 6일 확인)
- FDE 교육, 왜 강의보다 선발과 현장 검증일까: 코드프레소 Forward Fellowship
Forward Fellowship 관련 문의는 axmos@codepresso.io로 보내 주세요.
작성: 코드프레소 글로벌 GTM·파트너십(GGP) 본부 | 최종 수정 2026-11-06
