No items found.
People
AI 엔지니어는 데이터를 추출해 알고리즘을 설계하고, 머신러닝 모델을 구축하는 기술자입니다. 수학 알고리즘과 같은 복잡한 로직에 익숙해져야 하고, 항상 알고리즘을 개발하고 연구할 준비가 되어 있어야 하는 직무죠. 데이터헌트는 서비스 퀄리티 향상을 위해 인공지능 알고리즘을 연구·개발에 전력을 쏟고 있습니다. 오늘은 그 현장의 중심에 있는 AI 엔지니어 조수호 님을 만나보았습니다.
안녕하세요. 저는 데이터헌트에서 AI Engineer로 근무하는 조수호라고 합니다.
AI 알고리즘의 ‘이론’과 ‘실제 응용’ 사이의 격차를 해소하는 일을 한다고 생각하시면 될 것 같아요. 이를 위해 알고리즘의 설계·분석·최적화, 그리고 실험과 평가의 과정을 반복합니다.
입사 전에는 LG전자 인공지능 연구소에서 컴퓨터 비전이라는 분야를 중심으로 연구에 임했었습니다. 그 당시에는 냉장고 안에 있는 것들을 인식해서 부가 서비스를 제공하는 알고리즘 개발 업무를 맡았었고요.
예를 들면 냉장고 안에 있는 제품들의 유통기한을 확인해서 버리라고 알려주고, 필요하다면 새로 주문해 주는 시스템이죠. 당시 냉장고 안의 물체를 인식하기 위해 필요한 데이터 학습을 진행했습니다. 냉장고 안에 들어갈 수 있는 다양한 공산품을 비롯해 정체와 용도가 특정되지 않은 물품까지 직접 선별해 냉장고에 넣어보기도 했죠. 때로는 데이터를 수집한 뒤 남은 식품을 폐기하는 일도 했었는데, 이 과정이 상당히…… 힘들었던 기억도 나네요.
신입사원 시절에는 라스베이거스에서 열리는 전자제품 전시회 CES에 출품해 본 적도 있습니다. 정말 중요한 역할에 직접 자원해서 열심히 개발했던 기억이 납니다. 전 세계인이 주목하는 전시회에서 혹시나 실수할까 봐 떨리기도 했지만, 성공적으로 시연이 되었을 때의 짜릿한 희열은 아직도 생생합니다.
아무래도 대기업의 작은 톱니바퀴로 일을 하고 있다는 느낌이 강했죠. 사실 기업 규모를 생각하면 어쩔 수 없는 부분이에요. 제가 좀 더 주도적으로 일을 해보고 싶다는 생각이 들어 퇴사를 결정하게 되었습니다. 그리고 그런 목표를 이루기 위해 대기업보다는 스타트업을 고려하게 되었고요. 고민이 많았었는데, 데이터헌트 족에서 좋은 제안과 더불어 연구에 매진할 수 있는 환경을 약속해 주셔서 오게 되었습니다.
LG전자 인공지능 연구소에서 근무할 당시에는 연구조직 소속으로 오직 연구만 해왔습니다. 데이터헌트로 이직한 후 가장 큰 차이점이라면 역시 연구에서 개발 영역으로 넘어왔다는 것이겠네요.
지금까지의 주요 업무는 데이터 가공 과정에서 인공지능을 적용하는 데에 편의성을 증대하는 역할입니다. 불편함을 느낀 작업자로부터 받은 피드백을 바탕으로 시스템을 개선하는 일이죠. 이를 제대로 수행하기 위해 논문을 읽으며 연구를 하고, 가장 효과적인 개선 방향을 찾아 빠르게 반영하는 것을 목표로 합니다. 제가 도출한 결론을 실제로 적용해 볼 수 있는 셈이죠.
먼저 많은 일을 주도적으로 할 기회가 있다는 점이 가장 만족스러워요. 큰 회사에서 연차가 오래 쌓인 분들도 문제점이 발생하면 해결해 보고 싶다는 말을 선뜻 꺼내기 어려워하시거든요. 지금의 데이터헌트는 문제 제기부터 해결 과정까지 보다 능동적으로 할 수 있는 분위기입니다.
특히 문제를 인식한 뒤 해결까지 스스로 제안할 수 있는 방식이 매우 흡족했습니다. 구성원이 책임감을 갖고 적극적으로 임할 수 있게 만들어 주거든요. 업무가 많은 건 사실이지만 모두가 으쌰 으쌰 하는 분위기라는 점이 아주 매력적이었죠.
두 번째로 만족스러운 점은 근무 환경입니다. 저도 그랬지만, 많은 분들께서 스타트업의 안정성에 대해 많은 고민을 갖고 계실 거예요. 주변에서 무서운 사례도 많이 보고, 들으셨을 거고요.
데이터헌트는 기업 가치 평가로만 1.5억이 매겨진 피스컬노트의 자회사입니다. 재정적 지원은 물론 향후에 투자나 기술적인 교류도 점점 규모가 커질 예정이에요. 안정성은 더 이상 설명이 필요 없죠. 결정적으로 이전 직장이 어떤 곳이든 이곳으로 오실 때 금전적인 조건을 낮춰서 오신 분은 제가 아는 한에서는 없는 것으로 알고 있습니다. 그만큼 좋은 대우를 받고 있죠.
한 가지 더 말씀드리면, 면접관으로 참여하신 모든 분들의 커뮤니케이션 방식이 기억에 남아요. 구직자와 면접관으로 만난 사이임에도 불구하고 “저희가 조수호 님을 모시고 싶다”라고 표현해 주셨거든요. 작은 차이지만 구성원을 얼마나 존중하는지 느낄 수 있는 대목이었죠. 제가 이 회사에서 중요한 역할을 할 수 있겠다는 기대감도 품게 되었고요. 매우 긍정적인 경험이었습니다.
정말 많죠. 그중에서 두 가지만 골라보자면 데이터의 다양성과 완성도인 것 같아요. 여러 프로젝트를 통해 다양하고 많은 데이터가 확보되어 있다는 것. 그리고 많은 데이터를 보유하고, 또 다뤄본 경험이 누적되면서 무형의 가치가 쌓이는데요. 개인의 역량이나 우수한 인공지능 모델, 그리고 작업을 편리하게 지원할 수 있는 플랫폼 등이 있겠죠. 이런 것들이 우리의 결과물에 완성도를 더 높여줍니다.
데이터 가공을 하는 회사는 많지만 독자적인 플랫폼으로 데이터를 쌓아가는 회사는 몇 안 되는 것으로 알고 있습니다. 데이터헌트는 데이터 라벨러의 다양한 작업을 지원하는 플랫폼을 보유하고 있습니다. 이로 인해 상당한 수의 고객사를 확보할 수 있었죠.
이렇게 모은 방대한 데이터는 다시 한번 인공지능 모델 학습에 사용해 성능을 업그레이드합니다. 인공지능팀의 구성원들이 힘을 써주고 계시죠. 다양한 연구를 통해 역량을 키우고 있습니다.
제가 직접 해외 경쟁사의 플랫폼 몇 가지를 체험해 본 적이 있었는데요. 기능의 다양성이나 편리성 방면에서 데이터헌트의 플랫폼이 결코 뒤떨어지지 않는다고 느꼈습니다. 개발 기간이 훨씬 짧았다는 점을 생각하면 대단한 일이죠.
저는 인공지능 서비스를 배포하는 과정에서 시행착오가 많았어요, 그전에는 대부분 연구 위주의 활동을 해왔기 때문에, 경험이 부족하기도 했고요. 제가 두 달 정도 고군분투하면서 엄청나게 수많은 오류들을 대적해왔었죠. 예상치 못한 상황들이 정말 많았고, 지금 생각해도 많이 힘들었습니다. 하지만 개발 끝에 실제로 사용할 수 있는 서비스가 만들어졌다는 게 뿌듯했어요.
다만 인공지능 모델은 만들면 끝이 아닙니다. 작업자분들의 작업 시간을 단축하기 위해 만든 모델이 결과를 내놓기까지 1시간이나 걸린다면 아무도 사용하지 않겠죠. 아마 그 시간에 직접 작업을 하는 게 더 빠를 테니까요. 물론 1시간은 과장이지만, 그만큼 1분 1초라도 줄이겠다는 시간과의 싸움이 가장 큽니다.
빠르게 나온 결과물을 보니 완성도가 엉망이라면 그것도 절망적이죠. 수정하는 작업이 오히려 더 번거로울 거니까요. 요컨대 우리의 개발은 시간과 정확도 사이에서 무한한 저울질을 반복합니다. 그 과정에서 실무자분들의 피드백을 받아 가며 더 나은 결과를 위해 고군분투하죠. 많은 시행착오 끝에 나온 모델이 실제로 좋은 반응까지 나올 때가 가장 보람 있는 순간이에요. 제 시간을 투자하고, 긴 고민을 거듭한 끝에 데이터헌트의 모델이 개선될 때 일에 대한 기쁨을 느낍니다.
현재 데이트헌트는 재택근무를 시행하고 있습니다. 만약 문제가 있었다면 언제든지 재택근무가 끝났겠지만, 현재까지 물의를 일으켰다거나 문제가 발생한 적은 없었다고 합니다. 이 제도를 유지할 만큼 구성원 각자가 책임감을 느끼고 과업을 잘 수행하고 있다는 점이 자랑스러워요.
인공지능 개발자로 일한다는 것은 하루 종일 데이터와의 싸움을 해야 한다는 뜻이기도 합니다. 그런데 한 가지의 데이터만 보면 솔직히 일의 흥미가 떨어질 수밖에 없잖아요. 1년 내내 강아지 사진만 보고 있다고 생각해 보세요. 하지만 데이터헌트는 이미지 외에도 음성, 텍스트 등 다루게 될 데이터의 종류가 많아 지루해질 틈이 없습니다.
근 1년을 이곳에 몸담으면서 구성원들 간의 불화가 없었다는 점도 강조하고 싶습니다. 사소한 질문부터 직접 도움을 요청하는 것까지 누구도 인상을 쓰거나 피하지 않습니다. 모두 자기 일처럼 적극적으로 대응하고 있죠. 굉장히 완성된 직장 문화라고 생각합니다.
꼭 AI 엔지니어가 아니더라도 어떤 과업에 임할 때 당위성을 설명할 수 없다면 처음부터 다시 시작해야 한다고 생각합니다. 결과는 성능으로 말하는 것이라고 하지만, 뚜렷한 목적성이 없다면 실패로 돌아갈 확률이 높아집니다.
많은 모델들이 이미 코드가 공개되어 있는 상태입니다. 이 코드를 내려받아 매뉴얼대로 학습하고 실행시키는 건 크게 어려운 일이 아니에요. 그걸 따라 치더라도, 이 행위로 인해 얻을 수 있는 게 뭔지 정확히 인지해야 합니다. “내가 무슨 일을 했는지 그 이유를 잘 설명할 수 있어야 한다”, 제가 당부드리고 싶은 말은 이 정도가 있겠네요.
자율주행을 예로 들어보겠습니다. 레벨 4 자율주행 자동차의 기술 발전 사례는 익히 알고 계실 겁니다. 지금 수준으로도 미국에서는 실제 주행이 상용화되어있고요. 간혹 뉴스에 사고 소식이 보도되기는 하지만, 사람이 운전해도 사고는 많이 나기 마련입니다. 만약 자율주행과 직접 운전을 비교하려 한다면 많은 표본을 통해 정리된 통계가 필요할 것입니다.
여기서 주목해야 할 점은 ‘사람들이 납득할 수 있느냐 없느냐’라고 생각합니다. 지금 타고 계신 자동차의 핸들을 아예 없애버리고 자율주행 기능을 넣으면 타실 건가요? 그렇지 않은 분들이 더 많으실 겁니다. 핸들을 직접 사용하는 것도, 인공지능도 완벽하지 않음에도 불구하고 말이죠.
다른 예시를 들어볼까요. 국내에도 인공지능으로 의료혁신을 일으키겠다는 기업들이 많습니다. 이 분야는 어디까지나 ‘의사를 보조’해준다는 개념으로 접근합니다. 결국 의료분야 인공지능은 성능이 조금 떨어져서 문제가 생긴다 하더라도 최종적인 책임은 의사가 지게 됩니다. 윤리나 구설수 문제에서 상대적으로 자유로워질 수 있죠.
정리하자면, 기술의 발전 속도보다는 기술을 받아들이는 사람의 마음이 준비가 되었는지가 중요하다고 봅니다. 뛰어난 기술에 걸맞은 법안이 정착되거나, 대중들의 인식도 변화하는 것처럼요. 이런 사회적 흐름도 발맞춰 간다면, 인공지능이 여러 분야에서 상용화됨과 동시에 세상에 거대한 변화를 가져다줄 것입니다.
저는 세상을 바꿀 인공지능을 만들기에는 아직 부족한 사람입니다. 하지만 만약 사람들이 필요로 하는 기술이 있다면 제가 그것이 완성되기까지 긍정적인 영향을 기여할 수 있는 사람이 되길 바랍니다.
사용자들의 니즈를 충족시키고자 할 때, 기능의 실현 가능 여부에만 머무르지 않겠습니다. 그보다 한 단계 더 발전해서 어떻게 하면 사용자들이 만족할 수 있을지에 초점을 두고 고민하겠습니다. 사용자 중심의 AI 엔지니어가 되는 것, 그것이 제 목표입니다.
.svg)
