Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 기사는 연구 소프트웨어 엔지니어(RSE)라는 직종과 조직에 대해 다룹니다. RSE는 연구 과정에서 발생하는 소프트웨어를 개발하고, 그 정확성에 책임을 지며 논문 결과로 평가받는 역할을 합니다. 해외에는 이를 지원하는 전문 학회 및 국제 연합 같은 조직이 존재하며, 일본의 경우 유사한 인력은 있으나 공식적인 조직이나 커리어 체계는 아직 미비한 상황을 분석했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 Zenn AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기지난 기사에서 arXiv를 통해 국내 천문학 논문의 머신러닝 채택률이 해외의 약 절반 수준이었다는 점을 작성했습니다.
그래서 궁금했던 것은 현재 AI 기법이나 소프트웨어를 만드는 사람이 연구 내에서 어떤 위치에 있는지였습니다.
조사해 본 결과, 해외에는 이를 담당하는 직종으로 'Research Software Engineer (RSE)'라는 이름과 조직이 존재하는 것을 알게 되었습니다.
반면 일본에도 망원경 파이프라인을 작성하는 사람, 실험 장치 제어 소프트웨어를 만드는 사람, 연구실 코드를 유지보수하는 사람은 전국에 있지만, 그러한 조직이나 커리어의 틀은 없는 것 같았습니다.
이에 이 글에서는 RSE 조직이 무엇을 하는지, 일본에 이에 해당하는 것이 있는지, 그리고 존재한다면 무엇이 달라지는지를 조사하여 정리했습니다. 참고로 저 자신은 RSE로서의 실적이 아주 많다고 할 수는 없으며, 근래 천문학 분야에서의 AI 동향을 계기로 이 분야에 종사하게 된 연구자 중 한 명이라는 입장에 있습니다.
RSE는 연구를 위한 소프트웨어를 만들고, 그 정확성에 책임을 지는 사람이라고 이해하고 있습니다.
핵심은 '연구의 일부로서' 만들어지기 때문에 논문 결과에 직접적인 책임을 지는 입장에 서서, 그것을 연구 실적으로 평가받는 것을 목표로 하는 운동으로 확산되어 왔습니다.
RSE 조직의 발전 과정. 유럽과 미국은 2012년 용어 탄생부터 전국 조직/국제 조사/국제 협의회 등으로 쌓아 올려왔다. 아시아 조직은 2021년에 발족했지만 동아시아 참여가 없고, 일본에서는 2026년 9월에야 겨우 기관 단위의 움직임이 시작된 상황인 것으로 보인다.
그렇다면 국가별 RSE 조직은 실제로 무엇을 하고 있을까요?
역사가 가장 긴 영국 Society of RSE의 활동을 보면 대략 다음 다섯 가지로 정리할 수 있습니다.
쉽게 말해 소프트웨어 연구 개발을 가로지르는 학회이자 국제 연합 조직 같은 것 같습니다.
사람은 있습니다. 대학이나 연구기관의 기술직 직원, 프로젝트 계약직 연구개발 엔지니어, 포닥으로서 파이프라인을 작성하는 사람입니다. 비슷한 직무는 형태적으로는 꽤 존재합니다.
그리고 조사해 본 결과, 수면 아래가 아니라 표면에서도 2026년 9월에 두 가지 움직임이 시작되고 있었습니다.
국내의 RSE(연구 소프트웨어 엔지니어) 관련 기관 간 협력 회의나 전국 단위 조직은 발견되지 않았습니다. 또한, 일본어로 '연구 소프트웨어 엔지니어'를 다루는 기사 역시 현재로서는 찾을 수 없었습니다.
즉, 일본은 '사람은 존재하고 기관별 틀도 생겨나기 시작했지만, 그것들을 연결해 줄 직위와 조직이 없는' 상태입니다.
배경 중 하나로는 소프트웨어 엔지니어라는 직업 자체에 대한 인식이 해외에 비해 국내 연구 현장에서 약할 수도 있다는 생각이 들었습니다. '소프트웨어를 작성하는 것'이 연구자의 여가 활동이나 기술직원의 지원 업무 중 어느 한쪽에 할당되어, 독립적인 전문성으로 다루어지기 어려운 경우가 있습니다. 도쿄대학이 '지원', 겐리(理研)가 '전문직'처럼 같은 것을 다른 틀에 넣은 것도 이러한 분할의 잔재로 보입니다.
AI가 코드를 작성한다면, 코드 작성 직종을 이제 와서 만들 의미가 있을까라는 질문에 대해 해외의 RSE 커뮤니티는 2025년~2026년에 걸쳐 연이어 답변하고 있습니다.
뒷받침이 되는 조사도 있습니다. O'Brien 등이 2025년 여름에 진행한 프로그램 작성 과학자 868명을 대상으로 한 조사에서는, 생산성이 향상되었다고 느낀 그룹은 경험이 적고 테스트나 코드 리뷰를 많이 하지 않으며, 많은 줄의 코드를 한 번에 받아들이는 사람에게서 더 높게 나타났습니다(수용 행 수와의 상관관계 r = 0.31). 저자들은 생산성이 '얼마나 생성했는지'로 측정되는 것이 아니라 '얼마나 검증했는지'로 측정되고 있지 않을 가능성을 지적합니다.
RSE 기반이 조성되지 않은 국내 상황에 비추어 볼 때, AI 시대의 과제로서, 생성된 결과물의 정확성을 책임질 사람이 부족하고, 게다가 그 사람들이 서로 연결되는 조직이 없는 현재 상태가 지속된다면, AI로 만들어지는 양이 앞으로 늘어나는 만큼 검증되지 않는 코드도 증가할 것이라는 우려를 낳습니다.
여기서 주목해야 할 점은, 문부과학성이 2026년 3월에 'AI for Science 추진을 위한 기본 전략 방침'을 공표하며 2026년~2030년도를 집중 개혁 기간으로 삼았다는 것입니다. '5년 동안 AI를 과학 연구에 고도로 활용할 수 있는 인재를 3,000명 이상 육성', 공유 컴퓨팅 자원을 10배 이상 확보하는 등의 목표가 나열되어 있습니다.
반면, 소프트웨어에 대한 언급은 본문에서 단 한 문장에 불과했습니다.
또한, 소프트웨어 등 연구 성과는 폭넓게 활용 가능한 상태로 유지하는 것도 중요합니다.
「연구 소프트웨어」「RSE」라는 단어는 등장하지 않습니다. 인재의 어휘는 「연구 지원 인력」「기술 직원」「고도 전문 인재」이며, 틀은 어디까지나 지원직입니다. 미국 에너지부(DOE)가 2026년 1월에 '10년 동안 10만 명'이라는 목표와 함께 AI 및 과학·공학 분야의 「이중 역량(dual competencies)」을 내세운 것과는 대조적입니다.
정책 문서에 이러한 관점이 없는 것은, 이를 제언하는 모체가 없기 때문이라고 생각됩니다. 영국이나 미국에서 RSE가 정책에 들어간 것은, 조직이 수치를 가지고 발언했기 때문이었습니다. 오사카대학(阪大)의 RSE 팀이 SPReAD 채택자를 우선 지원하도록 하듯이, 현장은 정책의 틈새를 메우기 시작하고 있으므로, 이제 그것을 하나의 어휘로 묶어 정책으로 되돌리는 움직임이 나온다면 달라질 수 있을 것입니다.
만일 국내 조직이 생긴다고 가정했을 때, 어떤 점이 바뀔지 아래에 3가지를 들었습니다.
반대로 생각하면, 이름과 조직이 없으면 오사카대학이나 리켄(理研)의 노력도 기관별 제도로 머무르고, 3,000명 양성 목표가 '창작자·검증자'를 얼마나 만들어냈는지에 대해 집중 개혁 기간의 중간점에서 셀 사람조차 없어지게 됩니다.
AI가 코드를 쓰는 시대에 늘어나는 수요는 「쓰는 사람」이 아니라, 설계하고, 검증하며, 정확성에 책임을 지는 사람입니다. 그 사람들은 일본에도 이미 전국에 있으며, 2026년 9월에는 기관별 틀도 생겼습니다. 지금 부족한 것은, 그 사람들을 세고, 연결하고, 목소리를 내는, 기관을 넘나드는 조직이라고 생각합니다.
