엘리먼트AI, 첨단 연구를 기업에 적용하는 '브리지'

한경비즈니스 매거진, 'AI 프런티어' 인터뷰

지난 2020년 9월 21일 자 (제 1295호) 한경비즈니스 매거진에 실린 'AI 프런티어' 인터뷰를 경희대 이경전 교수님과 함께 하게 되었습니다.

평소 이경전 교수님이 하시는 유튜브 강연을 보면서 개인적으로 인공지능 산업에 대해 비슷한 관점을 가지고 계시다는 생각을 했고 언젠가 한 번 만나 뵙고 말씀을 나누었으면 했는데, 역시 재미있는 이야기를 많이 나누게 되어 감사한 기회였습니다.

엘리먼트AI의 사업 철학, 주요 사업 영역과 향후 (기업향 인공지능) 산업의 변화 방향 등에 대해 많은 말씀을 나누었는데, 인터뷰를 하면서는 다음과 같은 점들을 느꼈습니다:

지난 2년간 시장은 '연구'에 가치를 두는 관점에서 '솔루션' - 즉 기업이 당면한 문제의 해결책 - 에 가치를 두는 관점으로 이동하였다. 그렇지만 이런 흐름은 완성되었다기보다는 '연구' 중심의 시기와 '솔루션' 중심의 시기가 계속해서 교차하는 양상을 향후 3~5년간은 보일 것이다. 어떤 시기이든간에, '문제의 정의'가 가장 기본적이고도 중요한 단계이다.

현재 다수의 PoC에 적용 중인 인공지능 - 딥러닝 - 기술은 중장기적인 관점에서는 Obsolete 하게 될 것이다. 예를 들어, 컴퓨터 비전 - 품질 결함 판정 등의 과제에 적용되고 있는 Supervised Learning 기반의 비전 기술을 생각해 보자. 산업 현장에서는 계속 - 예를 들어 매년 - 신제품을 출시할 텐데, 그때마다 이미지 데이터를 새로 모으고 레이블링하고 트레이닝하는 작업을 계속 반복하는 것이 투자 대비 효과가 있는 작업일까? 인공지능 솔루션의 Generalizability를 강화할 수 있는 기술 - Unsupervised/Self-supervised 계열 기술이 많이 시도되고 있음 - 개발, 그리고 기업 현장에서 쉽게 사용할 수 있는 솔루션의 원형 (Archetype) 개발이 필요하다.

비즈니스 환경에 적용해 볼 만한 연구의 흐름을 볼 때, '(시계열 기반의) 예측'에 관심을 두어 볼 만하다. 2012년 알렉스넷 이후 컴퓨터 비전 기술이 부흥했고, 2017년 트랜스포머 알고리즘 발표 이후 올해 GPT-3에 이르기까지 자연어 처리 기술이 급속하게 발전해 왔다. 작년부터 시계열 데이터를 활용한 딥러닝 기반의 Forecasting 연구가 활발하다. 무엇보다, '예측'의 정확도를 유의미하게 높일 수 있다면 것은 현재 구성되어 있는 산업의 가치사슬을 근본적으로 뒤흔들 가능성이 있는, 'Big Impact' 과제를 만들어낼 수 있다. (아마존의 '예측 배송'을 생각해 보라)

조직의 비전과 전략에 따라 인공지능 생태계에 어떤 모습으로 참여하고 어떤 인력을 구성해야 하는지는 각자 다르겠지만, 진정한 의미의 '연구'를 스케일 있게 할 수 있는 배경을 가지고 있지 않은 기업의 경우라면 - 플랫폼 기업을 제외한 대부분의 기업은 여기에 해당될 것이다 - 데이터 사이언티스트와 인공지능 시스템 엔지니어/아키텍트 등의 인적 자원을 확보하고 조직 내에서 순환 및 성장시키는데 집중할 필요가 있다. 인공지능 기술도 그 자체로는 장기적으로 Commoditization의 길을 걸을 것이다.

한경비즈니스 매거진 인터뷰 기사 원문은 여기를 통해서 보실 수 있습니다.