brunch

You can make anything
by writing

- C.S.Lewis -

by Amang Kim Oct 12. 2017

23. AI기술, 인재 확보에 관한 전략적 접근 (상)

기술전략, AI, 인공지능, 인재, 전문가

1. 시작하기

오늘도(?) 수학과 조금은 거리가 있는 예전에 한번 다루었던 이야기를 하고자 한다. 예전에 비슷한 이야기를 한번 다룬적이 있었지만, 오늘 자(2017년10월12일) 페북 피딩에 몇가지 연결되는 이야기들이 있어 내친김에 정리를 해볼까 한다. 제목에서도 언급했듯이, 오늘 하고자 하는 이야기는 요즘 말로 핫한 AI(인공지능)에 관한 것들이다. 페북이 피딩된 내용은 다음과 같다.


혹시라도, 해당 기사들이 궁금하신다면, 다음 링크를 참조 하시라:

[한국경제 2017년10월10일자] 중국 내 AI인재 40%는 미국인…한국은 명문대서 초빙해도 'NO'

[조선일보 2017년10월11일자] 삼성전자, 빅스비 개발 책임자 전격 교체


나는 요즘 말하는 인공지능(AI)라든가, 머신러닝이라던가, 텐서플로우라던가, 신경망이라던가 하는 것들의 전문가는 아니다. 사람마다 기준이 다르긴 하겠지만, 내가 생각하는 전문가는 단순히 엔진 가져와서 코딩을 할줄 아는 사람을 이야기하는게 아니라, 최소한 신경망 엔진이나 모듈 자체를 구현할 줄 아는, 혹은 특정 문제의 해결을 위해 신경망을 직접 구현 해본, 대략 그정도 수준을 의미한다 (여기서 구현이라 함은 소프트웨어 뿐만 아니라 하드웨어 구현도 포함). 당연히 전문가가 될려면, 코딩 능력도 필요하다. 그런 면에서 나는 신경망을 배우던 시절 특정 문제를 위해 구현해 본 경험을 마지막으로 코딩을 하지 않았기에 전문가가 아니다. 그럼에도 불구하고, 내가 AI 인재에 대한 이야기나 빅스비(혹은 아마존 에코, 구글 어시스턴트, 아이폰 시리)에 대해서 이야기 할 수 있는 이유는 바로 위에 언급된 두 기사의 이야기가 

AI기술이나 AI 인재/전문가에 관한 문제가 아니기 때문이다.

그럼, 뭐가 문제냐고? 그 근본적인 문제에 대한 이야기를 하고자 한다. 두 가지 기사 모두 AI분야의 기술과 인력 확보에 관한 이야기이지만, 하나는 국가의 입장에서의 이야기 이고, 또 하나는 "제품"을 만드는 회사의 입장에서의 이야기 이다.


2. 국가의 AI기술, 인재 확보에 관해

국가가 국가의 미래를 위해 중요하다고 생각하는 기술을 확보하는 방법은 바로 해당 기술을 가지고 있는핵심 인재들을 영입하는 것일 것이다. AI분야는 우리나라를 포함 많은 나라들이 중요하다고 생각하는 기술이고, 나름 인재들을 확보 하기위해 총력을 기울이는 분야이다. 다만, AI분야의 핵심인재들 확보하는데 있어서, 우선, 생각해봐야 할 문제는 "AI인재"를 어떻게 정의 할 것이냐일 것이다. AI인재(혹은 전문가)란 누구인가?


   1) 아마존 에코나 애플 시리같은 AI가 적용된 제품(소프트웨어 포함)을 만들 수 있는 인재를 뜻 하는가?

   2) 텐서플로우와 같은 개발용 엔진이나 모듈 혹은 어플리케이션을 자유자재로 만들 수 있는

       인재를 뜻 하는가?

   3) AI엔진을 이용해, 효과적으로 트레이닝 시킬 수 있는 데이터를 제공하거나, 선별 할 수 있는

       인재를 뜻 하는가?

   4) 엔비디아처럼 AI칩을 설계할 줄 아는 인재를 뜻 하는가?

   5) 신경망 연산 속도를 향상 시키는 이론적인 방법을 만들 수 있는 인재를 뜻 하는가?

   6) 신경망(알고리듬)과 같은 AI에 필요한 새로운 이론을 만들수 있는 인재를 뜻 하는가?


이렇게 펼쳐 놓고 나면, 위에 해당하는 인재들이 모두 AI인재 (혹은 전문가)라 할 수 있을 것이다. 하지만, 이 모두를 "AI 분야 인재"라는 이름으로 묶는 것은 사실상 불가능 하다. 아이러니 한 것은 보통 AI전문가라고 하면, 처음 두번째 인재만을 생각한다는 거다. 그리고, 실제로 학교에서 인재를 찾을 때도 위의 두가지 즉, AI적용 제품을 만들 수 있는 능력이 있거나, AI를 적용할 수 있는 능력이 있는지를 기준한 인재만을 찾는다. 아쉽지만, 

이런식으로 AI분야의 인재를 찾는건 번지수가 틀렸다. 

장기적인 국가의 미래를 생각했을 때는 번지수가 틀려도 완전히 틀렸다. 왜냐하면, 위에 언급된 모든 인재가 AI분야의 인재로 묶여 있긴 하지만, 사실상 위에 언급된 항목들은 분야가 다르다. 위의 AI분야의 인재에 대한 순서를 그대로 다시 적으면, 실질적으로 AI의 발전을 위해 필요한 인재들은 다음과 같다.


   1) 제품에 필요한 기술(하드웨어, 소프트웨어, 디자인)분야의 인재

   2) 코딩(혹은 알고리즘)분야의 인재

   3) 통계, 자료분석 분야의 인재

   4) 하드웨어(칩셋) 설계분야의 인재

   5) OS나 분산컴퓨팅과 같은 시스템 설계 분야의 인재

   6) (선형) 대수학, 확률 분야의 인재

   7) (위의 모든 분야를 고르게 이해하면서 서로 연결 시켜줄 수 있는) 경영/전략분야의 인재


즉, 국가나 학교가 필요한 AI분야 인재는 AI분야"만"의 인재(사실, AI분야만의 인재라는 것 자체가 존재하지 않는다)를 찾는 것이 아니라, 다양 분야에 각기 다른 인재들을 찾아야 한다. 그리고, 그러한 다양한 인재들이 서로 자유롭게 소통할 수 있는 환경을 만들어 주어야 한다. 그래서, 처음 리스트에는 빠져 있지만, 반드시 필요한 "AI 기술 분야를 고르게 이해하면서 서로를 연결 시켜줄 수 있는 인재"가 추가로 필요하다. 미국이 AI분야가 강한 이유는 "AI분야 자체"가 강한 것이 아니라, 위의 모든 분야가 고르게 발달되어 있기 때문이다. 

여러 분야의 고른 인재 Pool이야 말로,
AI분야의 기술을 확보하기 위한 가장 중요한 핵심 경쟁력

이다. AI분야의 핵심인재를 확보하기 위한 대한민국의 전략이 엇박자인 이유도 여기에 있다. 한국은 각 해당분야의 진정한 인재를 찾는게 아니라, AI(CNN, 머신러닝, 텐서플로우, 시리, 에코등의 "유사어"도 포함)라는 명패를 걸고 뭔가를 해 본 유명인을 찾는다. 더 웃긴건, 위의 언급된 각기 다른 분야에서 아무리 훌륭한 인재라 하더라도, "AI라는 유행어" 명패를 걸어 본적이 없으면 거들떠 보지도 않는다. 요즘 AI라는 것이 이렇게 유행하는데도 LISP를 이용한 개발, 전문가시스템(Expert System)관련 인재들에게 관심 있다는 이야기는 들어본적이 없다 (다들 R을 이용한 개발, 신경망 시스템만이 AI인줄 안다). 어쨋든, AI분야의 진정한 인재를 찾기도 어려울 뿐더러, 설령 영입한다고 하더라도 오래 버틸수가 없다. 한사람이 위의 모든 분야의 전문가가 될수가 없을 뿐더러, AI의 명패를 달고 있는 자신의 분야가 빛을 보기 위해서는 다른 분야들이 받쳐줘야 하는데, 대한민국에서 그러한 환경을 기대하는 것은 사실 상 불가능하니까 말이다. 


AI에 대해서 내가 경험한 수준에서 이야기하자면, 1990년대(대략, 1995년~2001년사이)에 엄청난 인기몰이를 하다가, 최근 2~3년 사이에 또 다시 난리가 나기전까지 15년 이상 암흑기가 있었다는 거다. 참고로, AI 기본 골격은 1970년도에 이미 완성이 되었으며, 1970년~1990년대 사이에도 몇번의 흥행기와 암흑기가 있었다. 국가적인 전략적 관점에서 유심히 관찰해야 할 부분은 바로 암흑기이다. 15년이상의 암흑기를 지나 지금 다시 AI가 유행하고 있는 이유는 바로 암흑기 동안에도 누군가는 연구를 해왔기 때문이다. "AI라는 명패"를 달지 않고 말이다. 국가의 미래를 위한 진정한 AI분야의 핵심인재를 찾고 싶다면, 

AI분야에서 "AI를 빼고" 인재를 찾아야

하는 이유도 여기에 있다. 진정한 인재는 명패를 그리 중요하게 생각하지 않는다. 그리고, 그들에게는 그러한 명패를 굳이 달고 있지 않더라도 그와 관련된 분야들을 연구할 수 있는 환경과 인간관계를 형성할 수 있다. 오늘날 미국이 AI를 포함한 대부분의 하이테크들을 확보 할 수있게 해준 원동력도 이 두가지와 크게 다르지 않다. 


이 글에서 언급한 기술이나 인재 확보에 관한 전략은 AI기술(혹은 AI분야 인재)에만 국한되지 않는다. 최근에 난리가 난, 소프트웨어 기술(인재)를 예로 들자면, 진정한 소프트웨어 기술과 인력을 확보 하고자 한다면, 소프트트웨어분야에서 "소프트웨어를 빼고" 인재를 찾아야 한다.


잠시쉬어가는....

기업의 기술 및 (기술)인재에 대한 이야기도 적을려고 했는데, 글이 너무 길어졌네요. 일단, 쉬고 조만간 이어서 올리도록 하겠습니다....ㅎ


  







매거진의 이전글 22. 데이터/통계 분석 값에 대한 직관적 이해

매거진 선택

키워드 선택 0 / 3 0
브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari
;