- Dr. Han
- 2025년 11월 26일
상담실에서 학생들을 만나다 보면, 요즘 전공 상담은 거의 항상 같은 질문으로 귀결됩니다.
“AI 때문에 제 전공이 애매해진 것 같아요. 지금이라도 방향을 바꾸는 게 맞을까요?”
“온라인 학위로 공부해도, 나중에 취업 시장에서 인정받을 수 있을까요?”
예전에는 이런 고민에 대한 답이 매우 제한적이었습니다. 재수나 국내 편입, 혹은 석사 진학 정도가 사실상 유일한 선택지에 가까웠죠. 하지만 2026년 현재, 전공은 한 번의 선택으로 끝나는 것이 아니라, 온라인 학위와 실무 경험을 조합해 계속해서 “업데이트”할 수 있는 전략이 되었습니다.
아래에서는 2026년 기준으로, 온라인으로 학습하기 좋고 AI 시대에도 지속적인 수요가 기대되는 10개의 전공을 하나씩 살펴보겠습니다. 각 전공마다 실제로 어떤 내용을 배우게 되는지, 그리고 졸업 후 어떤 분야에서 어떤 일을 할 수 있는지를 최대한 구체적으로 풀어보겠습니다.
1. 인공지능 공학 & 데이터 사이언스 (AI Engineering & Data Science)
인공지능과 데이터 사이언스는 이제 거의 모든 산업의 공통 언어라고 해도 과언이 아닙니다. 단순히 “AI가 뜬다더라” 수준이 아니라, 금융, 제조, 유통, 게임, 의료, 공공 정책 등 어디를 가든 “데이터를 기반으로 생각하고 AI를 다룰 줄 아는 사람”을 찾는 시대가 되었습니다.
이 전공에서 배우는 내용은 생각보다 폭이 넓습니다. 처음에는 파이썬과 같은 프로그래밍 언어와 기본적인 자료구조, 알고리즘을 익히는 것에서 출발합니다. 동시에 통계학, 선형대수, 확률론을 통해 데이터를 해석할 수 있는 수학적 기반을 다집니다. 이후 머신러닝 이론, 회귀·분류·클러스터링 모델, 딥러닝 구조(CNN, RNN, Transformer 등), 자연어처리, 컴퓨터 비전, 추천 시스템 같은 영역을 단계적으로 학습하게 됩니다.
온라인 과정에서는 클라우드 환경을 활용하는 경우가 많습니다. 예를 들어 AWS나 GCP 상에서 Jupyter Notebook을 열어 실제 기업 수준의 데이터셋을 다루고, 대규모 언어모델을 호출해 애플리케이션을 만들어 보기도 합니다. 최근에는 단순히 모델을 만드는 것에서 그치지 않고, MLOps라 불리는 모델 배포·버전 관리·모니터링·자동 재학습 파이프라인을 설계하는 과목도 필수처럼 다뤄집니다. 프로젝트로는 영화 추천 시스템, 고객 이탈 예측 모델, 기업 매출 예측, 챗봇 서비스, 문서 요약·질의응답 시스템 등을 구현해 보게 됩니다.
이 전공을 마친 사람들은 다양한 곳에서 일을 합니다. IT 대기업이나 글로벌 테크 회사에서 데이터 사이언티스트나 머신러닝 엔지니어로 일하기도 하고, 금융권에서 리스크 분석, 신용 평가, 알고리즘 트레이딩 모델을 설계하기도 합니다. 제조업에서는 품질 데이터와 센서 데이터를 분석해 불량률을 줄이고 설비 고장을 예측하는 역할을 맡기도 하며, 스타트업에서는 소규모 팀 안에서 데이터 분석과 AI 기능 개발, 제품 기획까지 함께 수행하는 경우도 많습니다. 공공 부문이나 연구소에서는 사회 문제 해결을 위한 데이터 분석과 정책 시뮬레이션을 담당하기도 합니다.
2. 사이버보안 & AI 보안 (Cybersecurity & AI Security)
디지털 전환과 함께 사이버보안은 모든 조직의 생존과 직결되는 영역이 되었습니다. 여기에 AI가 결합되면서, 공격과 방어가 동시에 한 단계씩 진화하고 있습니다. 더 교묘한 피싱 메일과 자동화된 공격 스크립트가 등장하는 한편, 방어 측에서는 AI 기반 이상 탐지와 자동 대응 시스템이 도입되고 있습니다.
사이버보안 전공에서는 먼저 컴퓨터 네트워크와 운영체제의 구조를 깊이 있게 이해하는 것부터 시작합니다. 패킷이 어떻게 오가는지, 포트와 프로토콜이 무엇인지, 리눅스 시스템에서 권한이 어떻게 관리되는지 등을 공부합니다. 이후에는 암호학의 기본 원리, 인증·인가 메커니즘, 웹 애플리케이션 취약점(SQL 인젝션, XSS 등), 시스템 해킹 기법, 디지털 포렌식, 보안 정책 설계 등을 배우게 됩니다.
최근에는 클라우드 보안과 AI 보안이 빠르게 중요해지고 있습니다. AWS, Azure, GCP의 보안 구조를 이해하고, 가상 네트워크와 접근 제어를 설계하는 법을 배우며, 컨테이너·쿠버네티스 환경에서의 보안 이슈도 다룹니다. AI 보안 과목에서는 LLM 기반 서비스에서 발생할 수 있는 프롬프트 인젝션, 모델 탈취, 데이터 유출 가능성 등을 다루고, AI를 활용한 침해사고 탐지·이상 행위 분석 모델을 설계하는 프로젝트를 수행하기도 합니다. 온라인 과정에서는 가상머신과 클라우드 랩을 통해 실제 공격·방어 시나리오를 모의 실습하는 일이 매우 많습니다.
취업 분야는 금융권 정보보안팀, 대기업·공공기관의 보안실, 클라우드 서비스 제공 기업, 보안 솔루션 업체, 보안 관제센터(SOC), 디지털 포렌식 전문 회사 등으로 다양합니다. 사이버 위협 분석가, 침해사고 대응 전문가, 클라우드 보안 엔지니어, 보안 아키텍트, 그리고 경력을 쌓아 최고정보보안책임자(CISO)로 올라가는 커리어 패스도 가능합니다. AI 도입이 늘어날수록 이 분야 인력의 가치는 더 높아질 수밖에 없습니다.
3. 디지털 헬스케어 & 헬스 AI (Digital Health & Health AI)
의료와 기술이 만나는 지점인 디지털 헬스케어는 인구 고령화, 만성 질환 증가, 의료 접근성 문제 등으로 인해 빠르게 성장하는 분야입니다. 단순히 “온라인으로 의사 상담을 받는” 원격의료를 넘어, 건강 데이터 기반 질병 예방, AI 진단 보조, 디지털 치료제, 개인 맞춤형 건강관리 서비스 등으로 영역이 확장되고 있습니다.
이 전공에서 학습하는 내용은 크게 세 갈래로 나눌 수 있습니다. 첫째, 의료 시스템과 데이터에 대한 이해입니다. 의료 정보 표준, 전자의무기록(EMR)의 구조, 진단 코드 체계, 보험 청구 데이터 구조, 개인 의료정보 보호 및 관련 법·윤리 등을 공부합니다. 둘째, 데이터와 AI 관련 기술입니다. 의료 영상(CT, MRI, X-ray)을 처리하는 컴퓨터 비전 기법, 심전도·뇌파 같은 시계열 생체신호 분석, 환자 수요 예측, 재입원 가능성 예측 모델 등을 학습합니다. 셋째, 서비스와 비즈니스 관점입니다. 디지털 헬스케어 제품 기획, 사용자 경험 설계, 원격의료 플랫폼 운영, 보험·제약·병원 이해관계자와의 협업 구조 등을 다룹니다.
프로젝트로는 가상의 병원 데이터를 이용해 입원 기간을 예측하거나, 웨어러블 기기의 심박 데이터로 스트레스 상태를 분석하는 서비스, 특정 질환 환자를 위한 디지털 코칭 프로그램 등을 설계해 보게 됩니다. 의료 전문직(의사·간호사·약사) 출신 학생과 공학·데이터 전공자가 팀을 이뤄 협업하는 사례도 흔합니다.
졸업 후에는 병원이나 헬스케어 기업의 데이터 분석가, 디지털 헬스 제품 매니저, 헬스테크 스타트업의 기획자·PO, 보험사·제약사의 의료 데이터 전문가, 보건의료 관련 공공기관의 정책 분석가 등으로 진출할 수 있습니다. 의사가 아니더라도 의료 시스템 혁신에 참여할 수 있는 매우 현실적인 경로입니다.
4. 지속가능경영 & ESG (Sustainability & ESG)
지속가능경영과 ESG는 “좋은 일을 하는 기업”이라는 이미지 차원을 넘어, 이미 하나의 전문 직무로 자리 잡았습니다. 각국의 규제와 공시 기준이 정교해지면서, 기업은 환경과 사회, 지배구조에 관한 데이터를 정량적으로 관리하고 보고해야 합니다. 이 과정에서 ESG 전문가의 역할이 갈수록 중요해지고 있습니다.
이 전공에서 공부하는 내용은 생각보다 상당히 분석적입니다. 탄소 배출량 계산 방식, 스코프 1·2·3의 의미, 재생에너지 전환 시나리오, 환경 영향 평가 등 환경(E) 영역을 정량화하는 방법을 배웁니다. 사회(S) 측면에서는 노동·인권·다양성·안전 이슈를 어떻게 측정하고, 공급망의 사회적 리스크를 어떻게 평가할지를 다룹니다. 지배구조(G) 영역에서는 이사회 구조, 내부 통제, 주주권 보호 등 거버넌스 요소를 이해합니다.
데이터 측면에서는 기업의 ESG 보고서를 읽고 분석하는 법, ESG 지수와 평가지표를 해석하는 법, 탄소 배출 데이터를 활용해 감축 시나리오를 모델링하는 법 등을 배웁니다. 일부 과정에서는 실제 기업 사례를 활용해, 특정 기업의 ESG 전략을 평가하고 개선안을 도출하는 프로젝트를 수행하기도 합니다. 또한 녹색 금융, 지속가능 투자, 임팩트 투자 같은 금융과의 연계 영역도 중요한 학습 주제입니다.
이 전공을 마친 후에는 대기업의 지속가능경영팀, ESG 전담 조직, 전략 기획 부서, ESG 전문 컨설팅 회사, 회계·감사 법인의 ESG 서비스 라인, 자산운용사와 은행의 책임투자팀, 국제기구·NGO·공공기관 등 다양한 곳에서 일할 수 있습니다. 특히 환경·사회 이슈에 관심이 많으면서도 숫자와 데이터를 다루는 일을 선호하는 사람에게 잘 맞는 분야입니다.
5. 게임 개발 & 메타버스 (Game Development & Metaverse)
게임과 메타버스는 계속해서 진화하는 디지털 경험의 실험실 같은 곳입니다. 과거에는 단순히 “게임을 좋아하니 게임회사를 가고 싶다”는 꿈으로 시작했다면, 지금은 교육, 협업, 공연, 마케팅, 도시 계획까지 메타버스가 접목되는 영역이 넓어져, 훨씬 다양한 역할과 진로가 생겨나고 있습니다.
게임 개발 전공에서는 프로그래밍 언어(C++, C#, Python 등)와 게임 엔진(Unity, Unreal) 사용법을 기초로 익힙니다. 게임 루프와 물리 엔진, 렌더링, 애니메이션 시스템, 입력 처리와 같은 엔진 내부의 구조를 이해하게 됩니다. 동시에 게임 기획, 스토리텔링, 레벨 디자인, 유저 동선 설계, 게임 밸런싱 등 “재미를 설계하는 기술”도 학습합니다. 아트에 관심이 있는 학생은 2D·3D 그래픽, 캐릭터·배경 디자인, 모션 그래픽, UI 아트 등 시각적 요소를 전문적으로 파고들기도 합니다.
최근에는 AI가 게임 개발 과정에 깊이 들어와 있습니다. 절차적 맵 생성, NPC 행동 패턴 학습, 플레이어 데이터를 활용한 난이도 조절, 생성형 AI를 활용한 스토리·대사 생성 등이 실제 과제와 프로젝트에서 다뤄지고 있습니다. 메타버스 과목에서는 가상 공간을 설계하고, 아바타 상호작용과 경제 시스템, 이벤트 설계, 여러 사용자 동시 접속 환경에서의 최적화 문제를 학습합니다.
졸업 후에는 게임 개발사에서 게임 프로그래머, 클라이언트·서버 개발자, 게임 기획자, 테크니컬 아티스트, UX·UI 디자이너로 일할 수 있습니다. 메타버스 플랫폼 기업이나 XR(AR/VR) 콘텐츠 제작사, 광고·이벤트 에이전시, 가상공간 기반 교육 회사 등에서도 관련 인력을 적극적으로 찾고 있습니다. 장기적으로는 개인 인디 개발자로 독립하거나, 소규모 스튜디오를 창업하는 길도 열려 있습니다.
6. UX/UI 디자인 & AI 사용자 경험 (UX/UI & AI Interaction)
UX/UI 디자인은 “화면을 예쁘게 만드는 일”이 아니라, 사용자가 서비스와 상호작용하는 전 과정을 설계하는 일입니다. AI 시대에는 여기에 한 가지 질문이 더해집니다. “사용자가 AI가 내려주는 추천과 결정을 어떤 감정으로 받아들이게 할 것인가?”
이 전공에서는 먼저 사용자 경험의 기본 개념과 심리학적 원리를 배웁니다. 사용자가 정보를 어떻게 인지하고 기억하는지, 어떤 인터페이스가 부담을 줄이고 신뢰를 높이는지 등을 이해합니다. 그 다음, 사용자 인터뷰, 설문 조사, 사용성 테스트, 페르소나 작성, 유저 저니 맵 작성 등 UX 리서치 방법론을 학습합니다. 인터페이스 설계 단계에서는 와이어프레임과 프로토타입을 만들고, Figma 같은 협업 디자인 툴을 사용해 실제 서비스에 가까운 화면과 흐름을 구현해 봅니다.
AI 시대의 UX에서는 대화형 인터페이스, 챗봇 UX, 음성·제스처 기반 인터랙션, 맞춤형 추천의 노출 방식, 자동화 기능에 대한 통제권 제공 등 새로운 과제들이 등장합니다. 예를 들어, AI가 사용자의 이메일을 자동 요약해 줄 때, 어떤 식으로 설명과 옵션을 보여야 사용자가 “편리함과 통제감을 동시에 느끼는가”를 고민하는 식입니다. 온라인 과정에서는 실제 서비스를 분석하고 개선안을 설계하는 스튜디오형 과제도 많이 수행합니다.
UX/UI 디자이너는 IT 회사의 제품팀, 스타트업, 디자인 에이전시, 컨설팅 회사, 공공기관의 디지털 서비스 개선 프로젝트 등 다양한 곳에서 일합니다. 특히 개발이나 데이터 분석 경험이 있는 사람이 UX로 전환하면, 기술과 사용자 경험을 동시에 이해하는 드문 인재로 평가받는 경우가 많습니다. 장기적으로는 프로덕트 디자이너나 서비스 디자이너로 확장해, 서비스 전체를 책임지는 역할을 맡게 되기도 합니다.
7. 디지털 미디어 & 생성형 콘텐츠 (Digital Media & Generative Content)
디지털 미디어 전공은 콘텐츠를 만들고 유통하는 모든 과정을 다루는 분야입니다. 이 전공이 예전과 다른 점은, 이제 콘텐츠 제작 과정에서 AI가 매우 자연스럽게 파트너 역할을 한다는 것입니다. 영상 편집, 이미지 생성, 음악·효과음 제작, 카피라이팅, 번역 등 다양한 단계에서 생성형 모델이 초안과 반복 작업을 대신해 줍니다.
학습 내용은 크게 세 가지 축으로 구성됩니다. 첫째는 콘텐츠 기획과 스토리텔링입니다. 타깃 오디언스를 정의하고, 그들에게 어떤 메시지를 어떤 형식으로 전달할지를 고민하는 법을 배웁니다. 둘째는 제작 기술입니다. 촬영 기법, 조명, 음향, 영상 편집, 모션 그래픽, 라이브 스트리밍, 썸네일과 타이포그래피까지 실제로 콘텐츠를 만들어 내는 과정을 체득합니다. 셋째는 데이터와 플랫폼입니다. 유튜브, 틱톡, 인스타그램, OTT 등의 알고리즘과 특성을 이해하고, 조회수·시청 지속 시간·전환율 같은 지표를 분석해 콘텐츠 전략을 조정하는 방법을 익힙니다.
생성형 AI와 결합되는 과목에서는 텍스트·이미지·음악 생성 모델을 활용해 아이디어 스케치를 빠르게 반복해 보고, 여러 버전의 시안을 동시에 만들며, 언어 장벽을 줄여 전 세계를 대상으로 콘텐츠를 제작하는 실습을 하게 됩니다. 어떤 학생은 브랜드 캠페인 영상을 직접 제작하고, 어떤 학생은 자신만의 유튜브 채널이나 뉴스레터를 실제로 운영하며 강의를 수강하기도 합니다.
진로는 기업의 마케팅·홍보팀, 광고·미디어 에이전시, 방송·영상 제작사, 크리에이터 매니지먼트 회사, 스타트업의 콘텐츠 담당자, 프리랜서 영상·디지털 디자이너 등으로 이어집니다. 또한 1인 크리에이터나 소규모 스튜디오를 운영하며 직접 브랜드를 키우는 길도 열려 있습니다.
8. 핀테크 & 블록체인 (FinTech & Blockchain)
핀테크 전공은 금융과 기술, 두 세계의 언어를 동시에 이해하는 사람을 길러내는 과정입니다. 과거에는 금융권이 IT를 외주처럼 활용했다면, 지금은 서비스 자체가 기술 위에서 돌아가는 구조로 바뀌어, “코드를 아는 금융인”과 “금융을 아는 개발자”에 대한 수요가 크게 늘었습니다.
이 전공에서는 먼저 화폐와 금융 시스템, 은행·증권·보험의 기본 구조, 이자와 리스크, 파생상품, 금융 규제 등 전통적인 금융 지식을 다집니다. 동시에 프로그래밍과 데이터 분석을 배우며, 거래 기록 로그와 고객 행동 데이터를 이용해 패턴을 찾는 경험을 쌓습니다. 그 다음 단계에서 결제 시스템 아키텍처, 온라인 뱅킹과 보안, 오픈뱅킹·API 기반 서비스, 로보어드바이저, 알고리즘 트레이딩, 신용 평가 모델 등 다양한 핀테크 응용 분야를 학습합니다.
블록체인 영역에서는 분산원장 기술, 합의 알고리즘, 스마트 컨트랙트, 토큰 이코노미 설계, 탈중앙화 금융(DeFi) 구조를 이해합니다. 실습으로는 간단한 스마트 컨트랙트를 작성해 보거나, 거래 데이터를 분석해 네트워크 상의 이상 행동을 탐지하는 프로젝트를 수행하기도 합니다. AI와의 결합 영역에서는 사기 거래 탐지, 신용 리스크 평가, 자산 배분 모델 등에 머신러닝을 적용해 보는 과제를 수행합니다.
졸업 후에는 은행, 증권사, 자산운용사, 보험사, 카드사 같은 전통 금융기관에서 디지털 전환 관련 직무를 맡거나, 간편결제·송금 서비스, 디지털 은행, P2P 금융, 로보어드바이저, 암호화폐 거래소, 블록체인 인프라 기업 등의 핀테크 기업에서 일할 수 있습니다. 직무로는 서비스 기획자, 데이터 분석가, 리스크 매니저, 블록체인 엔지니어, 백엔드 개발자, 프로덕트 매니저 등이 있습니다.
9. 공급망 관리 & 디지털 오퍼레이션 (Supply Chain Management & Digital Operations)
공급망 관리는 한마디로 말해 “물건과 자원이 세계 곳곳을 어떻게 흘러가는지 설계하고 조율하는 일”입니다. 한 나라에서 벌어진 사건이 다른 대륙의 물류와 생산에 큰 영향을 미치는 시대이기 때문에, 데이터를 기반으로 복잡한 연결고리를 관리할 수 있는 전문가가 절실합니다.
이 전공에서는 먼저 생산·조달·물류·재고·유통으로 이어지는 공급망의 전체 구조를 이해합니다. 그 다음, 수요 예측과 재고 최적화, 안전 재고 설정, 구매 전략, 리드타임 관리 등 오퍼레이션 관리의 핵심 개념을 배웁니다. 데이터 분석 과목에서는 과거 주문 기록과 외부 변수(시즌, 행사, 경제 상황)를 활용해 미래 수요를 예측하는 모델을 만들고, 이 결과를 바탕으로 발주·생산 계획을 세우는 시뮬레이션을 진행합니다.
또한 ERP·SCM 시스템 사용법, 창고 관리 시스템(WMS), 운송 관리 시스템(TMS) 등 실제 기업에서 사용하는 소프트웨어를 익히고, 글로벌 공급망에서 발생할 수 있는 리스크(자연재해, 정치적 충돌, 환율 변동 등)를 분석하는 법을 배우게 됩니다. 최근에는 친환경 물류, 탄소배출 최소화를 고려한 운송 경로 설계, 공정무역과 인권 리스크 관리 등 ESG 관점도 중요하게 다룹니다.
졸업 후에는 제조업체, 유통·리테일 기업, 이커머스 플랫폼, 3PL(3자 물류) 기업, 글로벌 물류 회사, 컨설팅사에서 공급망 분석가, 재고·수요 기획 담당자, 운영 매니저, 물류 전략 기획자, 프로젝트 매니저 등으로 일할 수 있습니다. 숫자와 현실이 밀접하게 연결된 업무를 좋아하는 사람에게 특히 잘 맞는 분야입니다.
10. 신경과학 & 뇌공학 (Neuroscience & Brain Engineering)
신경과학과 뇌공학은 아직 국내에서 다소 낯선 전공일 수 있지만, AI 시대에 가장 흥미로운 교차점을 가진 분야 중 하나입니다. 뇌를 이해하는 것은 곧 “지능이 어떻게 작동하는지”를 이해하는 일이며, 이를 바탕으로 새로운 의료 기술과 인터페이스가 만들어지고 있습니다.
이 전공은 기초적으로 뇌의 구조와 기능, 신경세포와 시냅스, 신경전달물질 등 생물학적인 내용을 다룹니다. 동시에 신호 처리와 시스템 공학 지식을 더해, 뇌에서 나오는 전기 신호(EEG 등)와 뇌 영상 데이터(fMRI, PET 등)를 분석하는 법을 배웁니다. 수학과 통계, 머신러닝을 이용해 신경 신호에서 의미 있는 패턴을 추출하는 과목도 포함됩니다.
컴퓨테이셔널 신경과학 영역에서는 뇌 기능을 수학적 모델로 표현하고, 인공지능 모델과 비교해보기도 합니다. 뇌–컴퓨터 인터페이스(BCI) 과목에서는 뇌 신호로 기기를 제어하는 시스템을 설계하고, 실제 데이터를 이용해 간단한 커서 제어나 글자 입력 등의 실험을 시뮬레이션합니다. 일부 과정에서는 신경질환(파킨슨병, 알츠하이머 등)과 관련된 데이터를 분석해 조기 진단 가능성을 탐색하기도 합니다.
이 전공을 마친 사람들은 대학원에 진학해 연구를 계속하거나, 의료기기·BCI·헬스테크 기업의 연구 개발자로 일할 수 있습니다. 병원 연구소나 뇌 관련 센터에서 데이터 분석과 연구 디자인을 담당하기도 하고, 웨어러블 디바이스 회사에서 생체 신호를 활용한 서비스 개발을 맡기도 합니다. 아직은 새로운 시장이지만, 뇌와 AI의 만남이 앞으로 10~20년을 이끌 중요한 축이라는 점을 생각하면, 장기적인 잠재력이 매우 큰 전공이라고 볼 수 있습니다.
마무리: 전공은 “딱 한 번의 선택”이 아니라, 계속 조정해 가는 경로입니다
지금 선택한 전공이 마음에 들지 않을 수 있습니다. 처음에 정보를 충분히 가지고 결정한 것도 아니고, 세상이 이렇게 빨리 변할 줄도 몰랐을 것입니다. 하지만 2026년을 사는 지금, 전공은 더 이상 인생을 한 번에 결정하는 단일 선택이 아닙니다. 온라인 학위와 실무 경험, 프로젝트와 부트캠프, 파트타임 학습과 전일제 근무를 조합해, 2~3년 단위로 나의 전문 영역을 조금씩 옮겨갈 수 있는 시대입니다.
위에서 살펴본 10개 전공은 모두 온라인으로 학습하기에 적합하고, AI 시대에도 역할이 사라지기보다는 오히려 확대될 가능성이 높은 분야들입니다. 각 전공에서 어떤 내용을 배우는지, 어떤 조직과 산업에서 어떤 역할을 할 수 있는지까지 구체적으로 떠올려 보고, 지금의 나와 앞으로 되고 싶은 나를 이어줄 수 있는 경로를 찾아보시기 바랍니다.
“지금 전공이 마음에 안 든다”는 사실보다 중요한 것은,
“앞으로 어떤 역량을 갖춘 사람으로 성장할 것인가”라는 질문에 얼마나 진지하게 답해 보는가입니다.
그 질문에 답하기 시작하는 순간, 이미 전공 리셋은 시작된 것입니다.