인공지능의 파워는 어디서 나올까요. 인공지능 사업에 뛰어들면서 늘 궁금했던 질문입니다. 특히 딥러닝(deep learning)으로 시작된 인공지능의 새로운 도약은 어떻게 가능했나를 곰곰히 생각하며, 인공지능의 파워에 대한 질문을 고민하고 그 실행 방안(action plan)을 모색한 지 5년째에 이르렀습니다. 인문학자가 사업가로 변신하고 다시 시니어의 연령에서 인공지능 사업을 시작했기 때문에 추상적으로 고민해 본 문제가 아니라, 실행방안을 찾는 것이 곧 비즈니스였으며, 더욱이나 비즈니스의 성공과 실패는 결국 돈을 벌 수 있는가에 의해 결정되기 때문에 고민하지 않을 수 없는 비지니스 과제였던 것입니다.

우선 딥러닝의 출현을 따져 보았습니다. 그래야 사업성공의 로드맵을 그려 볼 수 있었기 때문입니다. 딥러닝은 제프리 힌턴 (Geoffrey E. Hinton, 1947년생)에 의해 개척되었습니다. 힌턴은 영국 출신의 인지심리학자이자 컴퓨터 과학자이며, 캐나다 토론토 대학교의 교수이자 구글의 석학 연구원도 겸임하고 있습니다. 인지학 즉 뇌과학의 원리를 이용하여 이전의 컴퓨터비젼(computer vision)을 비젼AI로 전환시키는데 성공하였습니다. 눈과 뇌의 인지계통의 원리를 이용하여 비젼AI를 개발한 것입니다.

뇌과학이 많은 부분 신비에 싸인 것처럼, 비젼AI 더 나아가 딥러닝은 블랙 박스의 기술로 취급되었습니다. 성능은 훌륭하지만 왜 작동하는지 설명이 불가능하다는 뜻입니다. 특히 법률적 이슈가 대두되었을 때, 기술의 오작동으로 오는 피해에 대해 누가 책임지어야 마땅하느냐는 문제에서, 블랙 박스는 아무런 해결책도 제시하지 않습니다. 물론 과학이나 기술이 반드시 설명되어야 (explainable) 하는가에 대한 논란은 여전히 남겠지만, 윤리적이나 법률적 이슈가 있을 때 책임소재에 관한 규명의 관점에서 아무래도 문제가 될 수밖에 없다고 생각합니다.

사정이 그럼에도 불구하고, 인공지능 특히 비젼AI는 최근 10년간 비약적 발전을 이뤘습니다. 그 발전의 동력은 데이터의 규모(quantity)였으며, 데이터를 순식간에 처리할 수 있는 컴퓨팅 파워였습니다. 특히 비젼AI에 필요한 이미지나 비데오 데이터를 처리하기 위해서는 이전까지 단순히 온라인게임에 필요했던 GPU가 대량으로 필요하였고, 그에 기반한 슈퍼 컴퓨터 없이 처리가 불가능하였습니다.

마침내 컴퓨팅 파워가 뒷받침되어 많은 이미지 데이터를 처리하였으나, 이를 뒷받침하기 위해서는 돈도 많이 필요하였습니다. 데이터 뿐아니라 금융에 기반한 비젼AI인 셈입니다. 그래서 금융자본과 결합된 인공지능이 발전하면서 알고리즘이 비약적으로 발전하였습니다. 예를 들어, 대략 94%의 정확도에 못 미치는 사람의 눈보다 정확도가 훨씬 높은, 이미 99%가 넘은 비젼AI의 알고리즘이 등장하기에 이르렀습니다. 빅 데이터와 컴퓨팅 파워 그리고 돈이 투입되고, 돈은 다시 인재를 끌어들이기 시작하였습니다. 알고리즘의 고도화는 이렇게 달성되었습니다.

그런데 기술은 실효성이 있어야 존재할 수 있습니다. 한 걸음 더 나아가 기술은 ROI, 즉 비용 대비 효과가 우수해야 할 뿐 아니라, 가격 자체가 저렴하여야 쉽게 채택할 수 있습니다. 만약 파괴적인 기술이 고가라면 상품으로 빨리 보급될 수 없습니다. 비젼AI가 바로 그렇습니다. 예를 들어, AI칩이 탑재된 새로운 카메라 등 하드웨어의 이노베이션도 뒷 따라야 하며, 고객의 부담을 줄여줄 수 있는 적절한 지불(payment)시스템이 갖추어져야 빠른 확산이 가능합니다. 당연히 구매비용이 높아지지만, 해결하는 방법이 아주 없지 않습니다. 역시 금융입니다.

기술이 현장의 문제를 해결할 수 있느냐 여부가 금융을 끌어들이고 시장을 확대시킬 수 있음은 당연합니다. 문제와 해결 그리고 가치창출이라는 관점에서 매우 상식적인 이야기입니다. 이때 단순히 알고리즘이 우수하다던가, 즉 정확도, 민감도, 속도가 우수하다던가, 가격이 가성비의 측면에서 좋다든가 등 따위의 이슈만으로 해결될 수 없으며, 오직 기술의 문제해결 능력 자체가 관건입니다.

무엇보다도 현장의 문제가 무엇인지를 파악하는 것이 우선입니다. 그러나 실험실(lab)의 엔지니어와 연구자는 문제 파악 (problem-finding)에 한계가 있습니다. 쉽게 말하면, 리얼(real) 월드(world)가 어떻게 돌아가는지 잘 모릅니다. 이런 맥락에서, 도메인 지식(domain knowledge)과 알고리즘이 결합되어야 마땅합니다.

도메인 지식은 해당 분야에 대한 지식과 경험입니다. 쉽게 말해, 산업전문가의 지식입니다. 현장 기술자일 수도 있고 기술 영업자일 수도 있습니다. 기술 영업자란 기술에 대한 이해에 바탕하여 세일즈하는 사람입니다. 그냥 팜플렛 수준으로서는 불가능한 깊이의 기술 이해도를 갖춘 전문가입니다. 현장에서 비지니스 개발(development)은 현장 기술자와 기술 영업자가 함께 작업하는 것이 이상적입니다. 이는 알고리즘이 우선 개발된 상태에서 비즈니스를 디벨러핑하는 경우입니다.

더 이상적인 상황은 애초 아이디어를 창출하고 아키텍츄어를 수행하는 과정부터 도메인 전문가들이 함께 참여하는 것이겠지요. 그러나 기술기업 안에서도 수 많은 장벽, 즉 사일로(silo)가 존재합니다. 융합은커니와 협업도 쉽지 않습니다. 그것이 현실입니다.

메일랩의 지난 세월을 돌이켜 보면, 비젼AI 엔진인 i2Brain을 개발하고 슈퍼컴퓨터도 갖춰졌지만, 어떤 버티컬 도메인(vertical domain)은 성공적이었고 어떤 도메인은 쉽지 않은 등 성공과 실패 그리고 그 사이 어느 지점에 도달한 것과 같은 차이(differentiation)가 나타났습니다. 이는 결국 도메인 지식에 대한 깊이(depth)의 차이였던 것 같습니다. 메일랩이 속한 CKT그룹의 개별 기업이 오랫동안 확보한 지식과 경험이 투영된 도메인에서 해결책이 쉽게 나오고, 그렇지 않으면 더디거나 실패하였습니다.

예를 들어, QSS(방역-보안-안전)통합 솔루션의 성공은 CKT그룹의 모태기업인 PSlifeCKT가 부동산개발기업이었기 때문입니다. 스마트 빌딩이 필요한 방역, 보안 그리고 안전의 문제를 다른 경쟁자들보다 잘 이해하였던 것입니다. 그리고 팬데믹으로 말미암아 방역 솔루션을 덧붙이기 위해 의학전문가를 참여시켰습니다. 또 다른 하나의 사례가 화장품입니다. 역시 CKT그룹의 화장품 기업이 축적한 경험과 지식이 비젼AI에 기반한 뷰티AI를 개발하는데 커다란 도움을 주었습니다.

메일랩의 시도한 프로젝트 중, 보다 규모가 크고 미래 가치가 큰 인공지능 사업은 마이크로-풀필먼트 (micro-fulfilment) 서비스입니다. 메일랩이 개발한 풀필먼트 기술은 비젼AI에다 로봇, 물류자동화, 3D 엔지니어링, 친환경기술이 융합하고 부동산에 대한 지식과 경험이 결합한 성과입니다. 건축은 물론 부동산 개발 노우-하우와 법률 및 세무 지식이 투입되었습니다.

지은이는 “물류 시설은 AI technology의 완성체”라고 주장하는 M. Ianstiti & K. Lakhani 저술의 2020년 작 <<Competing in the Age of AI>>를 읽고, 물류AI를 선망하기 시작하였습니다. 그러나 책에서 소개된 대로, 여러 가지 AI기술이 총동원되어야 가능하다는 물류AI는 너무나 어렵게만 느껴졌습니다. 책에서 사례로 든 영국의 신선식품 온라인기업 오카도(Ocado)는 현재 시간당 50,000 건의 주문을 처리하며 수많은 로봇이 축구장 크기의 창고에서 바쁘게 움직입니다. 당연히 아주 먼 훗날의 이야기로 생각하다가, 문뜩 물류는 부동산이란 생각에 미치기에 이르렀습니다. 그렇다면 오카도가 갖고 있지 못한 지식과 경험이 “우리”에게 있다고 믿고 벤치마킹하기 시작하였습니다. 마침내 “micro-fulfilment”(마이크로 풀필먼트)가 팬데믹으로 각광을 받고 장기적으로 도시화와 맞물려 빠르게 발달할 것으로 확신하였습니다.

마침 제3자물류가 유행하기 시작하였다는 시장환경 분석도 더욱 자신감을 주었습니다. 결국 부동산과 풀필먼트 서비스 그리고 AI와 로봇의 융합이라는 결론에 도달하였습니다. 우선 기술개발이 여러 팀들의 협력으로 이뤄지면서 아키텍츄어를 마치고 엔지니어링에 돌입할 수 있었습니다. 이를 통해, 도메인 지식과 경험이 역시 중요하다는 사실을 직접 체험할 수 있었습니다.

이제 메일랩의 RAIF(robotic AI fulfilment) 기술은 독자적인 회사로 발전하고, 고객에게 빠르고 저렴한 풀필먼트 서비스를 제공하는 단계에 이르렀습니다. 물론 향후에도 기술 혁신을 지속할 계획이며, micro-fulfilment에 동원된 기술은 확장성이 높아 향후에 자율형 자동차는 물론 수많은 산업의 다각적 기술 혁신으로 이어질 수 있습니다. 특히 RAIF의 일부인 친환경기술의 확장은 ESG (environment-social responsibility-governance)의 사회와 기업을 만드는데 기여할 수 있다고 기대합니다.

이제 국부의 유출을 막고 대한민국의 “AI G3”을 실현하기 위한 구체적인 실행방안에 착수하였습니다. 이 같은 메일랩의 성공은 우리나라가 메킨지가 예측한 대로 인공지능 일등국가가 될 수 있는 가능성을 “현실”로서 보여주는 자극제가 될 수 있다고 믿습니다. 언론인을 포함한 많은 분들의 성원을 기대합니다.

지은이 양필승: 1957년생. 미국 UCLA 중국현대사 박사. 전 건국대학교 교수와 현 한국뉴욕주립대 석좌교수, 현 중국 칭화대학 겸임교수, 현 중국 지린 메트로폴리탄 기술교육대학 총장, 1999년 CKT그룹 설립, 2018년 매경 세계지식포럼 AI부문 좌장, 2019년 MAILab 메일랩 설립 CEO.

MAILab (메일랩) www.mailab.co.kr: 자체 엔진인 i2Brain과 Vision AI Framework, MEGA Image AI Platform 및 MEGA Industrial AI Platform에 터잡아 QSS 통합 솔루션으로 방역, 보안 및 안전에 대한 인공지능 솔루션을 상품화하고, 미국, 캐나다, 중국, 인도에 엔지니어링과 마케팅 조직을 통해 QSS Integrated Solution 등 Industrial AI, 선천성 심장병 알고리즘 등 Medical AI, Robotic Intelligent Fulfilment Service 등Logistic AI, 스킨케어와 메이크업 제품의 판매 및 생산을 위한 Beauty AI 등을 개발하고 있습니다.

문의: sryoo@ckt21.com

010-2058-6585 (류성렬)