brunch

라이킷 4 댓글

You can make anything
by writing

C.S.Lewis

계정을 잊어버리셨나요?

by 찬차니 Dec 14. 2020

빠르고, 멋지고, 유연하고, 강인한 것

찬찬히 보는 위클리 12월 2주 투자 트렌드 및 업계 동향

찬찬히 트렌드 살펴보기

On-Device AI로 향하는 흐름

지난 글에서 언급했던 클라우드 로봇틱스를 먼저 재고해보자. 엣지 디바이스인 로봇이 책임지는 연산량을 최대한 줄이고, 연산을 모두 클라우드에 집중시켜 디바이스의 부담과 비용을 줄이는 시도를 클라우드 로봇틱스라고 하며, 그 디바이스의 종류에 따라 클라우드 AI라고 한다.

반면, On-Device AI는 클라우드를 거치지 않고 사용자의 명령에 대해 디바이스 내에서 연산을 수행해 응답하는 형식이다. 클라우드 AI 자체는 제시되어온 지 오래된 개념이고, On-Device AI의 개념이 나타난지도 5년(2016년 삼성에서부터 집중적으로 육성을 시작)이 넘었으면서도, MIT가 향후 5년 안에 큰 변화를 야기할 10대 혁신기술 중 하나로 꼽을 정도[1]로 On-Device AI로 넘어온 상태라고 한다.

Why Now?

왜 지금일까? 클라우드 AI가 나타나게 된 배경은 디바이스의 부담과 비용을 줄이기 위해 클라우드로 이전시킨 것이다. 그렇다면, 1) 디바이스가 담당하는 부담을 줄이거나, 2) 획기적인 기술로 디바이스의 능력을 키울 수 있다면, 클라우드를 구축하지 않아도 되면서도 빠른 응답속도와 높은 보안을 얻을 수 있을 것이다. 이 두 가지 방향이 빠른 속도로 유의미한 결과를 만들어 나가고 있는 시점이다. 그 1번과 2번의 1번의 경우 Knowledge Distillation과 Know-how로 설명하고, 2번의 경우 최근 AI 반도체 동향으로 설명하고자 한다.

Knowledge Distillation

사회초년생인 저자는 여러 분야에서 만나 뵙게 된 멋진 멘토 분들이 있었기 때문에 자신의 브랜드에 대해서 꾸준히 고민하고 그것에 맞게 성장해가고 있다고 생각한다. 이처럼 딥러닝에서도 멘토-멘티의 관계가 만들어질 수 있다. Knowledge Distillation은 아주 잘 학습된 거대한 네트워크(Teacher)의 지식을 작은 네트워크 (Student)에 전달하는 것을 목적으로 한다 [2]. 제시된지는 6년이 넘었지만 (NIPS 2014), On-Device AI가 주목받으며 여전히 최근까지도 활발하게 연구되어왔고 사용되면서 더 효율적으로, 작은 네트워크가 감당할 수 있는 연산량의 수준이 높아지면서 선생님의 코칭 실력도 상승하고 학생들의 기본 역량도 크게 향상되었다고 이해하면 좋을 것 같다.

And Know-how (if Kakao 2020에서 공개된 Edge Device Object Tracking 무인 편의점)

이번 if Kakao 2020에서 카카오 엔터프라이즈는 Edge Device를 가지고 편의점 내부의 사람을 Tracking 하는 알고리즘을 만들어 공유했다 [3]. 이때도 Object Dectection에 활용하는 딥러닝 모델을 Knowledg Distillation으로 만들었고, 사용한 디바이스는 NVIDIA의 젯슨 보드이다. 한 번 더 볼만한 포인트는, 어떤 부분은 Edge Device가 연산을 해야 할지, Cloud가 연산을 해야 할지, 딥러닝이 필요 없을 지에 대한 고민을 했다는 것. 그래서, 디바이스가 담당하는 부분을 소프트웨어 적으로 줄일 뿐만 아니라, 여러 가지 많은 시도들을 통해 쌓아 오는 개발자들의 노하우를 통해 줄일 수도 있다는 점이다. 즉 선생님의 선생님인 개발자의 노하우의 수준도 폭발적으로 증가하고 있다. 일반적으로 딥러닝이라 생각하면 데이터, 모델이 중요하다고 할 수 있지만, 이런 노하우들과 직관이 차이를 만드는 것 같다. 많은 논문을 읽은 것은 아니지만, 저자가 관심 있는 Semantic Segementation 분야도 핵심 Model을 만드는 분들도 계시지만, 새로운 Model 개발보다는 경험과 직관을 토대로 한 약간의 Twist로 큰 차이를 만들어 내는 논문을 많이 본 것을 보면 이젠 노하우의 영역, 경험의 영역으로 넘어가는 것이 아닌가라는 생각도 들었다.

인텔 CPU, GPU, FPGA 통합 소프트웨어 원 API 출시

디바이스 안에는 연산 영역에 따라 CPU, GPU, FPGA를 비롯한 여러 종류의 칩을 필요로 한다. 이 칩들의 기술적 발달이 On-device AI의 현실화와 직접적으로 연결되어 있다. 이런 경우, 개발자는 각 칩에 따라 다른 개발을 해야 하기 때문에, 개발의 어려움이 있었으나, 최근 인텔에서는 CPU-GPU-FPGA 사이를 넘나들 수 있는 개발을 할 수 있는 DP C++를 기반으로 한 통합 소프웨어, 원 API를 선보였다 [4]. 위 항목에서 언급한 NVIDIA의 젯슨은 로봇을 포함해 여러 엣지 디바이스들에 애용되어오는 작은 컴퓨터라고 생각하면 된다. 젯슨의 경우 하드웨어뿐만 아니라, 하드웨어를 잘 활용할 수 있는 소프트웨어까지 제공하기 때문에 많은 개발자의 사랑을 받고 있다. NVIDIA는 딥러닝의 사랑을 받고 있는 GPU를 독보적으로 개발하고 있는 회사이다. 이 NVIDIA의 개발 플랫폼인 CUDA 기반의 소프트웨어도 원 API로 전환할 수 있다고 한다. 인텔은 본래, CPU 기술을 독보적으로 개발하고 있던 회사이다. 하지만, GPU의 수요가 그야말로 대폭발 하면서 GPU, FPGA 사업에 공격적으로 진입하고 있고, 이런 외연 확장에 소프트웨어 표준화는 꼭 필요했던 것으로 보인다.

반도체 시장 상황: 거대기업 + 거대기업 몸집 불리기

그러나, 인텔은... [5] 아주 위험한 상황이라고 한다. 왜냐하면, 세계 반도체 기업들이 공격적인 M&A를 통해 아예 경쟁사를 따돌리기 위한 전략을 수행 중이기 때문이다. 대표적인 예로, 올해 NVIDIA 반도체 설계회사 ARM (스마트폰의 90% 이상이 활용)을 인수하기로 합의했고 AMD는 자일링스를 인수해 반도체 업계의 강자들이 인텔을 맹추격 중이거나 아예 격차를 멀리 벌려놓은 상태. 이렇게 공격적인 몸집 불리기와 경쟁을 통해 하드웨어 개발의 속도는 더욱 빨라지고 있으면서, 앞서 언급한 ARM의 피인수가 On-device AI의 현실화를 크게 앞당길 것으로 생각된다. 앞으로의 인텔의 전략이 궁금해진다. 반도체의 최강자로 불렸던 인텔이 어떤 출구전략을 보일지가 앞으로 이 시장에 새로 뛰어들거나 뛰어들었던 기업들의 전략에 영향을 크게 미칠 수도 있겠다.

리벨리온, 시드 단계에서 55억 원 규모의 투자 유치

AI 반도체 스타트업인 리벨리온은 지난 23일 카카오벤처스, 신한캐피탈로 부터 20억 원을 투자유치했으며, 이전 투자를 합치면 시드 단계에서만 55억 원 투자를 유치했다 [6]. 리벨리온은 인텔, Space X에서 근무 경험이 있는 박성현 대표, IBM 왓슨 연구소에서 반도체 설계팀 창립 멤버로 7년간 근무한 오진욱 CTO를 포함해 베테랑 개발자들로 구성된 팀이다.

살펴볼 수 있는 투자 포인트는 세 가지라고 생각한다. 1) 일단 AI 반도체 시장이 아주 빠르게 성장하고 있으며, 2) 인터뷰를 통해, 개발 결과물이 세계 최고 수준의 성능과 전력 효율을 보이면서도 범용성을 보완했다고 했으며, 3) 각 구성원이 보유한 다양한 분야의 경험이 설계에 녹아있다고 한다. 이것은 위의 언급했던 상황과 어느 정도 맞아떨어진다. 3번과 1번을 연계하면 AI 반도체 시장이 빠르게 성장하고 있지만 분야별 특화된 설계를 놓치는 부분이 있어 시장 기회가 있는데 (워낙 반도체 시장이 커지고 있기 때문에 분야별로 따라 급성장하고 있을 것) 이 분야에서 위에서 언급한 Know-how를 가진 팀원들이 설계에 참여해 그 시장을 충분히 노려 볼 수 있으면서도 현재 공룡기업들이 가진 플랫폼 위주의 경쟁을 피할 수 있다고 기대할 수 있다. 2번과 같이 범용성을 가진다는 것은 인텔이 출시한 통합 소프트웨어 API와 비슷한 맥락에서 해석할 수 있겠다. 인텔은 이미 CPU에서 독보적인 위치를 가졌고 뒤늦게 GPU, FPGA에 참전했기 때문에 CPU, GPU, FPGA를 모두 놓칠 수 없는 상황이므로 통합을 할 수 있는 새로운 API를 필요로 할 수 있다. 그러나 새로 이 시장에 참전하는 초심자 입장에서는 처음 개발할 때부터 범용성 높은 반도체를 설계하면 통합에 대한 필요성은 떨어지고, 굳이 다른 기업의 표준을 빌려 사용할 필요가 없게 된다.

새로 시장에 진입하는 스타트업이기에 이미 가진 게 많은 거대기업 틈에 노려볼 수 있는 비어있는 시장이 있고, 접근할 수 있는 방향이 존재하는 데, 그것을 너무 잘 해낼 것 같은 스타트업이기 때문에 (+제조 공정이 포함되기 때문에) 큰 투자금액을 유치할 수 있었다고 판단된다.

아인 라이드, 자율주행 전기트럭에 엔비디아 칩 사용

최근 스웨덴 자율주행 트럭 업체인 아인 라이드에서, 자사의 자율주행 트럭용 컴퓨팅 플랫폼으로, NVIDIA DRIVE AGX Orin을 도입했다고 밝혔다 [7]. NVIDIA DRIVE AGX Xavier과 비교해 7배 성능 향상과 3배 전력 효율성 향상이 되었다고 한다. NVIDIA에서도 이미 분야별 특화된 설계를 염두에 두고 있다는 것을 알 수 있는 부분.

로봇도 엣지 디바이스?

당연히 로봇 또한 엣지 디바이스 중 하나이기 때문에, 위와 같은 흐름이라면 개별 로봇이 처리할 수 있는 연산량도 늘어나, 더 많은 가치를 창출할 것이라고 기대할 수 있다. 가장 기대되는 부분은 응답 속도 일 것이다. 로봇은 물리적인 움직임을 기본적으로 포함되어 있기 때문에, 사용자가 실시간으로 시각적으로 확인하고 있다. 또한, 자동차의 경우 지속성을 띠는 Task를 수행한다고 한다면 로봇의 경우 Term 이 비교적 짧은 Task들을 수행해 사용자의 Feedback을 훨씬 자주 많이 받는 환경이고, 그것을 본 기능으로 삼기 때문에 응답속도가 느린 경우 기능적으로나 감정적으로나 성능이 크게 떨어질 수밖에 없다. 또, 군집로봇에 있어서는 고수준의 개별 제어 능력이 크게 향상될 수 있다고 기대할 수 있겠다.

이맛현대차

현대차 그룹, 보스턴 다이나믹스 인수

현대차가 세계 최고 수준의 기술을 보유하고 있는 보행 로봇 회사, 보스턴 다이나믹스의 지분을 인수하기로 합의했다 [9]. 본래 소프트뱅크 그룹이 갖고 있던 회사. 이 흐름은, 현대차의 모빌리티 산업의 자연스럽게 해석할 수 있다. 현대차는 2017년에 현대 크래들을 출범하면서 [10], 로봇 공학을 활용한 모빌리티를 꾸준히 개발해 오고 있었는데, 대표적인 결과물인 Elevate는 험준한 지형을 4개의 로봇 다리를 이용해 기동 할 수 있는 신개념 모빌리티이다. 여러 포럼에서 이미 한정된 도로 상황을 극복할 수 있는 모빌리티에 대해 강조해왔기 때문에, 이미 험준한 지형에 대한 모빌리티 영역 확장을 염두에 두고 있었던 만큼, 세계 최고 수준의 보행 기술을 보유한 보스턴 다이나믹스가 그 꿈을 이뤄줄 수 있을 것으로 보인다. 기존 현대로보틱스 같은 경우, 로봇 팔과 같이 산업용 로봇을 담당하고 있었기 때문에 영역이 겹치지는 않을 것. 현대가 가진 양산 기술로 험지에서 빛을 발하는 4족 보행, 2족 보행 로봇이 빠르게 현실로 다가올 수 있을지 기대된다.

현대차 그룹, E-GMP 공개

현대차 그룹이 정한 전기차 도약 원년 2021년부터 선보일 전기차 라인업의 뼈대가 되는 E-GMP를 공개했다 [8]. 이전에 강조했던 E-GMP의 특성인 모듈화 된 플랫폼의 특성을 그대로 가져가면서도 배터리 효율에 관한 기능을 추가적으로 공개했다. 기존 플랫폼 대비 오버행(차 앞- 바퀴까지 거리)이 짧고 휠베이스(앞바퀴와 뒷바퀴 차축 거리)가 길어졌으며, 차체 바닥의 센터 터널 (울퉁불퉁) 이 사라짐에 따라 실내 공간 활용성이 크게 상승했다. 또, 1번 충전으로 국내 500km 이상 주행할 수 있고, 고속 충전 시 18분 이내에 80% 충전이 가능하다고 한다. 앞으로 E-GMP를 기반으로 개발된 전기차는 V2G, V2L 기술이 추가로 적용된다고 한다. V2G(Vehicle to Grid)는 주행 이후 차에 남은 전력을 다시 외부의 전력망으로 보내는 기술, V2L(Vehicle to Load)은 V2G의 하위 개념으로, 차량의 전력으로 전자제품 등을 사용하고 다른 전기차를 충전할 수 있는 기능을 의미한다.

이 플랫폼을 활용해 내년부터 2024년까지 준중형 CUV, 중형 세단, 대형 SUV인 전기차 라인업을 선보인다고 한다. 이가 의미하는 것은, E-GMP의 개념을 소개할 때 그렸던 미래의 도심형 자율주행 공유 플랫폼으로써의 활용도(도요타의 E-palette와 유사)에 대한 기대는 UAM으로 돌아갔고, 향후 5년간은 도로 위에서는 확인하기 어려울 수 있다고 생각할 수 있겠다.

차량, 이륜차 관리 설루션에서 찾은 관점들

차량관리 SW 스타트업 라이드셀, 4500만 달러 (500억) 투자 유치

자율주행 차, 공유차 등의 차량관리 소프웨어 스타트업인 라이드셀이 시리즈 C 단계에서 500억 투자자금을 유치했다 [11]. 라이드셀은 도요타, 르노 등의 기업의 차량 관리 및 운영 자동화와 디지털 전환, 데이터 인사이트에 관해 지원을 하고 있다. 최근 비접촉 서비스 물류에 대한 수요가 크게 늘면서 라이드셀이 부각되고 있다고 한다. 여기서 깨달은 것은, 일반 사용자들이 갖고 있는 개인 차량에 대한 관리도 필요하지만, 모빌리티 서비스를 하면서 그 회사의 모빌리티를 관리하는 소프트웨어가 필요하다는 관점이다. 즉 기업향 서비스라는 것. 좀 더 생각해보면 기업향 서비스에서 고객향 서비스로 넘어가는 흐름이 자연스러워 보인다. 모빌리티 기업은 제대로 된 고객향 서비스를 만들 기 위해서 좋은 기업향 서비스를 사용하게 될 것이고, 기업향 서비스를 만드는 기업은 해당 기업이 고객향 서비스를 더 잘 만들 수 있도록 도와주고 개발할 것. 이미, 기업향 서비스를 만들면서 고객향 서비스를 고려하고 이해하고 있다는 것이다. 이런 부분이 차후, 높은 수준의 고객향 서비스까지 확대될 수 있다는 점에서 투자를 유치한 것이 아닐까 생각한다.

마이크로 모빌리티 관제 솔루션 (라이더로그), 별따러가자

최근 유튜브 EO에 업로드된 별따러가자 영상을 보았다[12]. 별따러가자에서는 모빌리티 중에서도 특별히 이륜차 (오토바이)에 대한 운행정보 기록 및 분석에 집중하고 있다. 이것은 비싼 가격의 이륜차 보험의 가격을 낮출 수 있으며 배달원들과 시민의 안전을 지킬 수 있다고 얘기한다. 그런데, 사륜차 데이터에 비해 이륜차 데이터의 크기가 현저히 적다고 한다. 이런 데이터들을 쌓아갈 수 있을 것이라고 한다. 좀 더 자세히 들어가면, 사륜차가 들어가지 못하는 인도 위 데이터, 골목길에 대한 데이터, 노면에 대한 데이터들도 만들어갈 수 있다고 한다. 막연히 배달 이륜차를 통해 라스트 마일 데이터를 수집하는 것에 대해 생각해 봤었는데, 이런 관점으로 데이터를 수집할 수 있구나라는 것을 깨달았다. 여기저기 쏘다니는 오토바이의 블랙박스 카메라로 지도도 만드는 세상이 올 수도 있겠다. 또한, 배달원 분들을 위해 정확도 높고 유의미한 데이터들을 뽑아내려고 노력할 것인데 이 유의미한 데이터들이 그대로 지도를 만드는 데에도 중요한 역할을 하기 때문에 사업이 어떤 방향으로 확대될지 기대된다.

또 하나의 모빌리티, 로봇 관리는?

앞서 얘기했던 이륜차와 비슷한 상황이라고 생각한다. 자전거나 킥보드가 다니는 길을 로봇이 다니게 될 것인데, 이에 대한 데이터들도 부족한 상태이다. 또한, 앞서 언급되었던 노면에 대한 정보도 매우 로봇에게 중요하기 때문에, 향후 로봇 서비스를 도입하거나 서비스 영역을 확장하려고 할 때, 이륜차 기반 데이터가 매우 중요하게 쓰일 것으로 보인다. 로봇의 경우 높은 확률로 사용자에 직접 보다는 기업이 관리하는 방향으로 먼저 성장할 것으로 보이는데, 여러 회사에서 기업용 로봇 관제 플랫폼을 만들고 있다. 그런데, 로봇이 실외로 세상에 나왔을 때 관리 플랫폼은 기존 로봇 관제 플랫폼이 Key Player가 될지, 아니면 차량 관리 플랫폼이 Key Player가 될지는 궁금해지는 부분 (서로의 인수전이 생겨날지도 모르겠다).

IPO 문 부수고 들어간 도어대시

도어대시 상장

미국, 캐나다 지역 음식 배달앱 기업 도어대시가 NYSE에 상장했다. 도어대시는 음식 배달 시장의 51퍼센트를 차지하며(비대면 유통 기업은 시장 점유율을 높여 자연독점 상태로 만든 뒤 가격을 올리는 것을 염두에 두고 비즈니스를 한다고.. 어디서 봤던 장면..) 1800만 명의 고객을 보유하고 있다. 그러나 일부 전문가들은 코로나 19 사태가 끝나면 더 이상 음식 배달 수요가 늘지 않을 것이라고 얘기했다. 일단 결과로 보자면 도어 대시는 올해 미국 증시에 새로 상장된 주식 중에 3번째로 큰 기업가치를 가지며, 주가는 상장 이후 공모가 대비 86% 상승하면서 흥행을 기록했다 [13]. 혹자는 음식 배달앱 시장이 한국에서만 잘 되는 아이템이라고 하기도 했다. 코로나 19가 끝나고 난 이후에도, 배달앱 기업이 만들어 둔 인프라들이 마련되었고, 소비자 경험이 크게 증가했으므로, 성장에 대한 기대감이 더 높아진 것으로 보인다.

무빙, 배달용 오토바이 구독 및 공유 플랫폼 론칭

근거리 물류 플랫폼인 바로고와 핀테크 보안 기업 아톤이 공동 설립한 조인트 벤처인 무빙은 이륜차 리스 업체가 등록해둔 공유 오토바이가 배달 대행업체가 대여할 수 있도록 중개하는 플랫폼을 론칭했다[14]. 그래서, 오토바이를 새로 구매하거나 리스를 납품을 기다릴 필요가 없다고 한다. 모공유 이륜차는 모두 배달용 보험이 등록된다고 한다. 라이더 분들의 오토바이를 어떻게 대여하고 관리하는지 궁금했는데, 이런 Pain Point가 있었다는 점을 발견하게 되었다. 배달용 오토바이를 배달대행 기업이 또 관리할 수 있다는 점이다. 위에서 언급된 별따러가자의 이륜차 관리 솔루션이나 라이드셀같은 차량 관리 기업이 좀 더 유입되기 쉬운 환경이다. 관리를 기업이 할 수 있도록 집중되고, 보험 관리에 대한 니즈도 상승하기 때문이다. 또, 이러한 솔루션들은 도어대시가 있는 큰 시장이지만 이제 막 인프라가 구축되고 있는 상황에서도 니즈가 있을 수도 있겠다.

라스트 마일 모빌리티, 배달 로봇은 어떻게..?

배달 시장에 있어서, 라스트 마일 모빌리티에 대한 수요가 있었던 중요한 이유 중 하나는 부족한 배달 인프라 즉, 부족한 대체재였는데, 위와 같이 도어대시, 우버이츠, 그럽허브, 포스트메이츠와 같은 대체재들이 빠른 속도로 강력해지면서 이와 비교해서 음식 배달 로봇이 사용자 (일반 유저, 가게 사장님)에게 어떤 설득력을 갖게 될지 궁금해진다. COVID-19의 등장으로 우리가 생각했던 미래가 훨씬 빠르게 다가왔다. 이 분야 최고 기술을 가지며, 북미시장에 진입해있는 스타쉽테크놀로지의 앞으로 향방을 통해, 미래에 음식 배달 로봇이 필요했을지 미리 알게 될 것이다.

찬찬히 스타트업 지식 쌓기

베스팅과 경업금지

베스팅이란 [15]? 베스트는 완전 내 것인 상태. 회사에서 퇴사를 할 때 들고나갈 수 있는 주식을 의미한다. 베스팅 기간은 임직원이 갖고 있는 주식이 온전히 자신의 것이 되는 데 까지 걸리는 시간을 의미한다. 이것을 통해 의무 재직기간을 설정할 수 있다. 베스팅 기간이 3년이라면 3년이 되어야 베스팅 할 수도 있고 3분의 1씩 베스팅 할 수도 있다.

경업금지란? 겸업이 아닌 경업 즉, 경쟁이 되는 영업을 하지 않거나 경쟁 업체로 이직을 하지 않겠다는 내용이다. 만약 문제가 될 경우, 이 약정의 유효성은 여러 가지 사정을 고려해 판단하게 되고, 이 조항을 통해 개발자의 퇴사를 막진 못해도 경쟁사로의 바로 이적은 막을 수 있다.

브릿지 라운드 투자란?

투자 유치 뉴스를 보다 보면 브릿지 라운드 투자라는 단어가 가끔 등장하는 것을 볼 수 있다. 브릿지 라운드 투자는 그야말로 라운드 사이의 가교를 이어 줄 수 있는 투자를 의미한다. 다음 라운드 투자를 유치하기 위한 단계이며, 원하는 밸류에이션의 조정 혹은, 투자금 유치가 다음 라운드 이전에 필요한 상황에 투자를 유치하는 것을 브릿지 라운드 투자라고 한다.

찬찬히 듣는 스타트업 한마디

양상환 네이버 D2SF 리더가 데이터 기반으로 물류 프로세스 전반을 최적화하는 ‘테크타카’ 와 블록체인 기술을 바탕으로 EMR을 구축하고 있는 ‘메디블록'에 투자하면서 다음과 같이 얘기했다. [16]

“물류와 의료 분야는 절차가 파편화돼 있고 업무 전문성이 강해, 현장에 대한 이해 없이는 변화를 만들기 어려웠던 영역”

앞으로 창업을 염두하고 있다면 파편화된 절차를 가진 시장에 대한 센싱을 놓치지 말아야 할 것이고, 업무 전문성이나 현장에 대한 이해를 갖거나 그러한 팀원들을 찾는 것이 좋겠다.

찬찬히 라이프 디버깅

근 2년간 내가 자신있게 배웠다고 할 수 있는 부분은, 다음과 같다. 팀 혹은 나에게 어떤 문제가 주어졌을 때, 1) 먼저 한걸음 물러나 문제가 되고 있는 상황을 원인과 결과로 나누어 분석하고 2) 해당 문제 해결되었을 때의 결과에 대해 분석하고, 3) 그 결과를 만들어 가기 위해 부숴야 할 의문점들을 리스트 업 하고, 4) 그것을 해결했다는 것을 어떻게 검증할 것인지에 대해 미리 생각하고, 5) 꾸준히 검증을 통해 솔루션 개발을 해 의문점들을 하나씩 제거하며 6) 원하는 결과를 얻는 (문제 상황의 어떤 부분에 집중했고, 이런 솔루션과 검증 방법을 통해 그 부분을 해결했습니다.) 일련의 프로세스가 체화되고 속도가 빨라진 것이다. 1번부터 6번까지의 프로세스가 꼭 시계열로 존재하는 것도 아니라는 것도 경험했고, 이 프로세스들을 팀원들과 함께 공유하며 팀 전체가 이를 체화하는 과정들도 경험했다.

작성후기

소식을 정리해 정하는 것도 좋지만, 인사이트를 첨가하면서 글을 써가는 과정이 뿌듯하다. 다만, 이러한 Inference들에 대한 Loss Function를 어떻게 만들어야 할 지에 대한 고민이 있다. 코로나가 잠잠해지면 직접 심사역님이나 스타트업 대표님들을 적극적으로 만나보면서 인사이트를 공유하고 피드백을 기록해보고 싶다. 앞으로 투자 소식 이외에도 프로젝트 매니징에 대한 지식들도 담아낼 예정! 라이프 디버깅도 따로 게시물을 만들지, 아니면 위클리에 함께 넣을지 고민중. 다음주에 만나요~