인공지능(AI)을 훈련하려면 방대한 양의 데이터가 필요하다.
이젠 상식이 된 이야기지만, AI를 가르칠 데이터를 '어떻게' 준비하는지 아는 사람은 적다.

아무 데이터나 AI에게 주입할 수 있는 게 아니다.
똑똑한 AI를 만들려면 데이터도 별도의 검수 작업을 거쳐야 한다.
이런 검수 작업을 '데이터 라벨링'이라 하는데, 모두 사람이 하는 일이다.

구체적으로 사람의 손동작을 인식할 수 있는 AI를 개발 중이라고 가정해보자. AI에게 학습시킬 사람 손 이미지가 필요하다.
하지만 모든 손 이미지를 무작위로 끌어다 AI에게 훈련시킬 순 없다.
손바닥과 손가락이 제대로 드러난 사진을 골라야 한다.
이처럼 거대한 무작위 데이터 중 쓸만한 걸 골라 AI를 '지도 학습'하는 과정이 데이터 라벨링이다.

최첨단을 달리는 산업이 AI라지만, 정작 데이터 세트 구성 작업은 여전히 사람의 단순 작업에 의존하고 있다.
한때 데이터 라벨링을 IT 업계에선 '인형 눈알 붙이기 아르바이트'라 칭하기도 했다.
그만큼 쉽고 단순한 작업이면서도 상당히 노동 집약적이라는 뜻이다.

그러나 단점만 있는 건 아니다.
단순한 작업이기에 별다른 자격증이 없어도 누구나 알바 형식으로 데이터 라벨러가 될 수 있다.
근무 형태도 대부분 재택근무다.
무엇보다도 라벨링 알바는 '게임화'된 경우가 많다.
라벨링 과정을 간단한 퀴즈 게임 형식으로 만드는 게 대표적인 사례다.
한 마디로 'AI와 놀면서 돈도 버는' 훌륭한 부업인 셈이다.

AI 산업의 태동과 함께 데이터 라벨링 사업도 성장해 왔다.
해외에선 이미 번듯한 부업, 재택 알바로 자리 잡았다.
AI가 성장할수록 데이터 수요도 폭증하므로, 데이터 라벨러의 일감도 늘어나는 구조다.
한국수출입은행은 세계 데이터 라벨링 시장 규모가 2021년 10조원에서 내년엔 39조원대로 성장할 것으로 내다보기도 했다.

국내에서도 다양한 데이터 라벨링 플랫폼이 있다.
'라벨온', '크라우드웍스', '캐시미션' 같은 곳이 대표적이다.
이런 플랫폼들은 간단한 자체 교육 프로그램 영상을 제공하기도 한며, 최근에는 PC나 노트북이 아니라 스마트폰으로도 업무 플랫폼을 제공하는 경우도 많다.

단, 접근성이 뛰어나고 비교적 단순한 업무인 만큼 데이터 라벨링을 부업 이상으로 활용하긴 어렵다.
대부분의 데이터 라벨링 부업은 건당 소정의 보상을 받는 형태로, 수익 창출엔 한계가 있다.
그러나 여유 시간을 알차게, 또 나름의 재미를 추구하며 보내고 싶은 'N잡러' 지망생이라면 매력적인 선택지가 될 수 있다.