[K글로벌타임스] 2017년 설립된 알고리즘랩스(대표 손진호)는 인공지능(AI)의 대중화 플랫폼을 전파시키는 스타트업으로, AI를 도입할 때 보통 기획-데이터-AI-애플리케이션 4단계를 수행하는데 알고리즘랩스의 AI Canavas는 이 모든 과정을 지원하는 End-to-End 플랫폼이다, 알고리즘랩스는 산업 최전선에 있는 실무자가 AI를 활용하는 것이 중요하다는 인식을 일찍부터 깨달았고, 이는 대기업과 AI 프로젝트를 하는 과정에서 여과 없이 체험했다.

이에 알고리즘랩스는 AI를 올바르고 쉽게 사용하기 위해서는 결국 도구를 활용하는 주체인 기업(기업 실무자)이 AI를 이해하는 것이 선행되어야 한다고 판단했다. 따라서 실무자에게 AI라는 도구를 이해시키며, 프로젝트를 발굴하고 실행에 있어 필요한 플랫폼을 제공하는 비즈니스를 구상하고 진행했으며, 그 결과는 고객사의 만족으로 이어졌다.

알고리즘랩스는 무엇보다 AI 관련한 내부 인력 양성이 필요하다고 느꼈다. 이에 현업을 담당하는 실무자를 상대로 코딩 교육, 수학 교육 등 다양한 교육 프로그램을 진행하며 그들의 AI 역량을 배양토록 노력했다. 하지만 여기에 문제가 도사리고 있었다. 현업에 바쁜 실무자가 코딩을 기반으로 AI 교육을 받을 때, 주로 강사가 작성해준 코드를 받아쓰는 것 등 수동적으로 배우다 보니 에러가 발생하는 것이었다.

알고리즘랩스는 코딩 기반의 모든 접근을 철회하고, AI를 코딩 없이 접근하는 노코드(No-cod) 기반으로 AI를 구현할 수 있는 플랫폼을 활용하는 데에 집중했다. 이를 통해 실무자는 단기간에 AI 워크플로우를 이해했으며, 본인의 업무에 AI를 어떻게 활용해야 하는지에 대한 기획서도 작성하는 정도로 성장했다.

이렇듯 기존의 코딩 기반의 접근에서 한 단계 장벽을 뛰어넘어, AI를 협업 담당자가 이해하는 단계까지 도달했지만, 여전히 기업 전반에 있어 AI를 깊이 있게 이해하고 다양한 실무 영역에서 활용하는 곳은 많지 않았다.

손진호 대표는 “AI를 컴퓨터 운영체제로 비유하자면, 아직 DOS 시스템 정도의 성숙도에 머물러 있다”며 “사용자가 쉽게 활용하기 위한 윈도우 레벨의 기술이 제시되지 못한 상태”라고 말했다.

최근 ChatGPT와 같은 거대언어모델(Large Language Model)은 윈도우 레벨의 기술을 넘어서는 경험을 제공해 폭발적인 관심을 모으고 있다. 그러나 언어모델 특성상 정확한 계산을 요구하는 업무나, 기업 특화된 데이터를 학습하지는 못했기에 엄밀한 영역에는 적용되기까지 시간이 걸릴 것으로 판단된다. 그렇다면 한 가지 의문이 남는다. 여전히 손에 잡히지 않는 AI를 잡기 위해 필요한 것은 무엇인가.

4년간 수만 개의 AI 기획서를 모두 살펴보고, 실행 가능성을 검증했던 알고리즘랩스는 1인1AI 시대가 올 것으로 확신한다. 기업 밸류체인 전반에 걸쳐서 직관이나 감으로 하던 비즈니스를 데이터 기반으로 전환하여 실행할 때 가장 중요한 역할을 하는 것이 바로 AI이기 때문이다.

좀 더 근본적으로 AI는 패턴을 학습하는 기술이다. 업무에 패턴이 존재하는 영역에 대해서는 AI가 도입될 여지가 있다. 그렇다면 코딩교육과 현재의 노코드AI툴이 있음에도 AI가 활발하게 확산되지 않는 것은 무엇일까?

이에 손 대표는 “AI애플리케이션의 중요성에 대한 인식 부족”이라고 답한다. AI 애플리케이션이라는 것은 많은 관심을 받고 있는 딥러닝(Deeplearning), 머신러닝(MachineLearning) 알고리즘과는 또 다른 영역의 AI 구성요소다.

AI 애플리케이션은 큰 관심을 받고 있는 딥러닝, 머신러닝 알고리즘과는 또 다른 영역의 AI 구성요소다. AI 알고리즘이 자동차의 엔진이라면, AI애플리케이션은 엔진을 사용할 수 있도록, 시동을 걸고, 운전대로 방향을 조절하거나, 엑셀을 밟거나 브레이크를 밟아 엔진의 힘을 조절하는 등의 인터페이스와 같다. 엔진이 아무리 우수하더라도, 이를 활용하기 위한 장치들이 미비하다면 그 엔진은 사용되지 않는다. 알고리즘랩스가 목격한 것이 이와 같다.

국내에서 AI 모델을 구현할 경우, AI 모델을 연결해 사용하는 AI 애플리케이션은 주로 개발인력 투입으로 구현하고 있다. 중요한 것은 필요한 AI 애플리케이션 전부를 개발인력을 투입하여 구축하는 것은 불가능하다는 점이다.

소수의 몇몇 중요한 과제에만 리소스를 투입하고 있다 보니 선택받지 못한 과제는 모두 존재감을 발휘하지 못하고 잊힌다. 이러한 이슈로 국내의 AI 확산에 있어 커다란 벽을 마주하고 있는 상황이라 봐도 무방하다.

AI의 데이터 관점의 고민이나 모델(알고리즘) 관점의 고민이 담긴 연구는 많지만, 만들어진 AI 모델을 사람 어떻게 쉽게 쓰게 할 것인가에 대한 연구가 글로벌 관점에서도 상당히 부족하다. 따라서 아직 글로벌 관점에서도 AI 애플리케이션의 중요성을 크게 강조하는 기업은 나타나지 않는 것으로 보인다.

AI 애플리케이션이라는 용어가 다소 추상적이기에, 좀 더 구체적으로 설명해보려고 한다. AI는 일종의 함수라고 보면 된다. 알고리즘랩스에서 서비스하는 AI 제품 중 채용단계에서 인적성 검사를 보고 나면, 핵심인재가 될 확률이 높은 지원자를 예측해주는 서비스가 대표적 예시다.

여기서 중요한 것은 AI가 단편적으로 예측해주는 것만으로 사람이 쓰지 않는다는 사실이다. 자동차를 구매하려는 소비자가 자동차를 구매함에 있어 엔진의 성능만 고려하는 것이 아닌 것처럼 말이다. AI 사용자도 AI의 정확도와 같은 성능뿐만 아니라 이를 둘러싼 여러 가지 애플리케이션 요소들을 본다.

현장에서 보고 느낀 것을 토대로 알고리즘랩스는 AI Canvas 제품을 개발했다. 손 대표는 “AI Canvas는 현장에 바로 쓸 수 있는 AI 애플리케이션을 다양하게 구성해 만들 수 있다는 점에 집중하고 있다”며 “생각보다 AI 모델단계의 기술은 급속하게 상향평준화되고 있다”고 전했다.

또한 “완벽한 데이터가 없어서 AI 프로젝트를 실행하지 못하는 것에 대한 두려움이 없어질 필요가 있고, AI 모델을 만들 데이터 과학자가 없어서 AI 프로젝트를 실행하지 못하는 것에 대한 선입견도 개선될 필요가 있다”고 덧붙였다.

이로써 알고리즘랩스가 가고자 하는 방향이 명확해진다, 데이터와 AI 모델단계의 두려움을 잦아들게 하고, AI 애플리케이션에 대한 방향성에 대한 고민이다. AI 애플리케이션에 대한 공감대를 형성하고, AI 애플리케이션에 대한 지원을 넓혀 나갈 수 있다면 AI 확산 관점에서 새로운 국면을 맞이할 수 있을 것이라고 본다.

[K글로벌타임스 강하람 기자] [email protected]