많은 엔지니어들은 MBA를 무관한 것으로 치부하곤 합니다. 소프트웨어가 실제로 어떻게 구축되고 출시되는지와 아무런 관련이 없는 2년간의 사례 연구(case studies)에 불과했던 과거를 고려하면 이는 합리적인 판단입니다. 하지만 이러한 흐름은 대부분의 엔지니어가 알아차린 것보다 더 빠르게 변하고 있으며, 만약 당신이 제품(product), 전략(strategy), 또는 엔지니어링 리더십(eng leadership) 분야로의 전환을 생각하고 있다면 그 변화의 방향에 주목할 가치가 있습니다.

나를 놀라게 한 데이터 포인트

Graduate Management Admission Council (GMAC)의 설문 조사에 따르면, 커리큘럼에 어떤 형태로든 AI를 통합하지 않은 경영대학원은 단 22%에 불과합니다. 이는 약 10곳 중 8곳은 이미 AI를 통합했다는 것을 의미하며, 이는 단순히 덧붙여진 단일 "AI 입문" 선택 과목 수준이 아닙니다. 상위 프로그램들은 이를 중심으로 구조를 재편하고 있습니다.

"구조 재편"의 실제 모습

• Wharton은 2025년에 전용 AI MBA 전공을 출시했습니다. 이는 단순한 과정이 아닌 전체 전문화 트랙(specialization track)입니다.
• Chicago Booth는 내부의 Applied AI 센터의 지원을 받아 "AI Essentials" 및 "Machine Learning in Finance"와 같은 과목을 포함하는 Applied Artificial Intelligence 집중 과정을 만들었습니다.
• UVA Darden은 "AI for Customer Growth"와 같은 과목을 추가하여, AI를 고립시키기보다 기존 학문 분야(마케팅, 재무, 운영) 내에 내재화했습니다.
• INSEAD, LBS, HEC Paris도 2025년에 유사한 행보를 보였으며, 주목할 만한 추가 사항은 AI를 단순한 기술적 도구가 아니라 윤리적 및 전략적 배포 위험(ethical and strategic deployment risk)에 관한 모듈로 구성했다는 점입니다. 이는 이러한 시스템을 구축하는 엔지니어들조차 정식 교육을 받는 경우가 드문 영역입니다.

만약 당신이 ML(머신러닝) 시스템을 구축하면서, 비기술적 이해관계자가 실제 제약 조건을 고려하지 않은 채 당신의 모델에 대해 말이 안 되는 결정을 내리는 상황을 목격한 적이 있다면, 이 프로그램들은 반대편에서 바로 그 격차를 메우려 노력하고 있는 것입니다.

솔직한 주의사항, 여기서는 과장된 홍보를 점검하는 것도 중요하기 때문입니다

GMAC의 지원 트렌드 조사(Application Trends Survey)에 따르면, 2025년에는 풀타임 대면 MBA 지원이 실제로 증가한 반면, 유연한 방식이나 완전 온라인 방식은 2년 연속 감소했습니다. 따라서 "전통적인 MBA가 죽어가고 있다"는 말은 데이터에 의해 뒷받침되지 않습니다. 오히려 형식의 트렌드는 예상과는 정반대 방향으로 흐르고 있습니다. 지속적으로 성장하고 있는 것은 단 하나의 특정 전문 석사 카테고리인 비즈니스 분석학(Business Analytics)에 대한 수요입니다. 거의 모든 다른 세부 전공들은 2년 연속 지원자가 감소했습니다. 즉, 사람들은 학습 형식을 최적화하는 것이 아니라, 콘텐츠가 실제로 데이터와 응용 AI(Applied AI)에 관한 것인지에 따라 최적화하고 있다는 뜻입니다.

특히 엔지니어에게 이것이 중요한 이유

WEF(세계경제포럼)의 '일자리의 미래 2025(Future of Jobs 2025)' 보고서는 빅데이터 및 AI/ML(인공지능/머신러닝) 전문가를 가장 빠르게 성장하는 역할 중 하나로 나열하고 있으며, 고용주의 90%가 AI 기술 수요가 계속 상승할 것으로 예상하고 있습니다. 이것이 기술적인 측면입니다. 경영대학원의 변화는 동일한 신호의 나머지 절반입니다. 기업들은 모델(Model)과 손익계산서(P&L) 사이를 연결할 수 있는 사람을 점점 더 필요로 하고 있으며, 현재 그 인력은 양쪽 모두에서 부족한 상태입니다. 제약 사항을 경영진의 의사결정으로 번역하는 능력이 없는 순수 기술적 깊이는 성장의 한계에 부딪히게 되며, 시스템이 실제로 할 수 있는 것과 할 수 없는 것에 대한 기초 지식 없이 순수하게 비즈니스 유창함만 갖춘 경우는 잘못된 로드맵(Roadmap)을 만들어냅니다. 레버리지(Leverage)는 바로 이 교차점에 있습니다.

SITE가 이 흐름에 부합하는 부분과 그렇지 않은 부분

저는 제네바에 위치한 SITE(Swiss Institute of Technology in Education)에서 근무하고 있으며, 저희의 MBA/EMBA는 위 학교들과 동일한 패턴을 따릅니다. 즉, AI를 독립된 과정이 아닌 금융, 전략, 마케팅 내부에 내재화(Embedded)하고 있으며, PwC, Deloitte, Amazon, Google, Meta, Microsoft 출신의 멘토들이 함께합니다. 만약 당신이 엔지니어로서 MBA 스타일의 프로그램이 가치가 있는지 고민하고 있다면, 제가 실제로 적용할 필터는 "AI 과정이 있는가"가 아니라 "AI가 커리큘럼 전반에 걸쳐 하중을 견디는 핵심 요소(Load-bearing)인가, 아니면 단순히 장식용(Decorative)인가"입니다.

우리가 비교될 수 없는 부분에 대해서는 솔직하게 말씀드리겠습니다. 우리는 신생 기관입니다(첫 기수는 2024년 9월에 시작되었습니다). 따라서 Wharton이나 Booth와 같은 동문 기록(alumni track record)을 보유하고 있지 않으며, 그렇지 않은 척하지도 않을 것입니다. 검증 가능한 사실은 다음과 같습니다: 본 프로그램은 QAHE와 EQAC의 인증을 받았으며, ISO 21001:2018 인증을 획득하였고, SITE는 CEEMAN 및 ECBE의 회원사입니다.

학교와 관계없이 실제로 확인해야 할 사항들
AI가 핵심 학문 분야(재무, 마케팅, 전략) 내부에 내재되어 있는가, 아니면 단순히 부가적인 선택 과목(bolt-on elective)으로 존재하는가?
커리큘럼이 인증 심사 주기보다 더 빠르게 업데이트되는가 — 그리고 그것이 기계적으로(mechanically) 어떻게 이루어지는가?
프로그램 전체 평균이 아닌, AI 관련 전문 분야(AI-adjacent specialization)에 특화된 취업 데이터(placement data)는 어떠한가?

특히 엔지니어들을 위해 네 번째 항목을 추가하겠습니다: 프로그램이 당신이 이미 모델의 작동 원리를 알고 있다고 가정하는가, 아니면 당신이 첫 번째 머신러닝 (ML) 강의에서 배웠던 내용들을 다시 가르치는가? 우수한 프로그램들은 전자를 가정하며, 대신 그 시간을 번역 계층 (translation layer)에 할애합니다.