[How AI Lab Works] Head of AI - Shurain 인터뷰

“Your AI Algorithm, All over the World”

하이퍼커넥트® AI/ML 직군 집중 채용이 시작되었습니다.

하이퍼커넥트®는 설립 초기부터 AI 기술과 인재에 대한 전략적인 투자로 독보적인 영상 기술을 개발해왔으며 현재 세계적인 AI 기술 선도 기업으로서 입지를 확고히 하고 있습니다. 이번 채용에서는 글로벌 시장에서 혁신적인 머신러닝 발전을 지속해 나가고, AI 알고리즘의 무한한 가능성을 함께 펼쳐나갈 인재를 찾습니다!

지원 접수에 앞서, 하이퍼커넥트® AI 조직과 실제로 해당 포지션으로 입사하게 되면 하는 일에 대해 알려드리고자 합니다. AI 조직에 대해서는 Head인 Shurain 인터뷰를 통해, 그리고 각 직군에 대해서는 4개 스쿼드 인터뷰를 통해 궁금해 하실 만한 내용을 전해드려요.

Interviewee
VP & Head of AI, Shurain

첫 번째 인터뷰이로, 하이퍼커넥트® AI 조직을 이끌고 계신 Shurain을 만나 이야기를 나눴습니다. AI 조직의 역할과 방향성, 서비스에 기여하는 임팩트 있는 AI 기술에 대한 비전, 이에 더해 문제를 푸는 데 도움이 될 만한 깊이있는 인사이트까지 아래의 아티클을 통해 확인하실 수 있습니다.

Q. 안녕하세요. 자기 소개 부탁드립니다.
안녕하세요 하이퍼커넥트® AI 조직의 Head를 맡고 있는 Shurain입니다. 현재 하이퍼커넥트®에 합류한 지 5년 정도 되었는데요. AI 연구 및 개발에서의 성과는 물론, AI 기술을 토대로 어떻게 자사 프로덕트 및 서비스를 더욱 가치있게 만들 수 있을지 고민하며 많은 시간을 보내고 있습니다.

Q. 오랜 기간 하이퍼커넥트®에서 AI 조직을 이끌어주고 계신데요. 앞서 언급하신 고민(AI 연구 및 개발에서의 성과는 물론, AI 기술을 토대로 어떻게 자사 프로덕트 및 서비스를 더욱 가치있게 만들 수 있을지)에 대한 내용을 자세히 설명해주실 수 있을까요?
관련하여 고민을 거듭하다보니 가장 기본적인 가정을 점검해보게 되었다고 말씀드리고 싶습니다. 가장 하위의 층위에서 생각해보면, 기업은 가치를 생성하고(value creation) 그렇게 생성된 가치를 사로잡아야(value capture) 한다고 봅니다.

하지만 연구는 가치 생성에 치우쳐 있는 경우가 대다수인데, 설령 어마어마한 가치를 만들어낸다 하더라도 이를 사로잡을 방법이 없다면 기업은 가치 생성을 통해 얻게 되는 것이 없다고 할 수 있습니다. 아인슈타인이 일반 상대성 이론과 특수 상대성 이론을 발견하면서 사회 전체적으로는 막대한 가치를 창출하였으나 본인 스스로 그렇게 창출된 가치의 대부분을 사로잡지 못했다는 이야기처럼요.

우리 조직도 AI 연구를 통해 가치를 창출하는 것에 그치지 않고, 한 발 나아가 가치의 대부분을 손쉽게 사로잡을 수 있는 종류의 연구를 수행해야 합니다. 이는 결국 연구 개발의 과정 및 결과가 서비스에 기여할 수 있어야 함을 의미하고요.

Q. AI 조직은 어떻게 회사에 기여하고 있나요?
서비스에 기여하여 임팩트를 내는 것이 하이퍼커넥트® AI 조직의 존재 의의입니다. 말하자면 AI 기술 연구 개발을 통한 서비스 임팩트 창출이 우리의 역할이라 할 수 있겠죠.

이에 따라 서비스에 임팩트를 줄 수 있는 기술을 만드는 것에 주력하며, 또 좋은 기술이 이미 세상에 존재한다면 이를 활용하는 것에 인색하지 않으려 늘 노력하고 있어요. 우리가 시간적 비용을 들여 직접 문제를 푸는 것보다 저렴한 비용으로 외부의 도움을 통해 문제를 풀 수 있다면 환영할 일이라고 여기고 있고요. 이러한 메시지는 예전부터 지속적으로 생각해오던 내용입니다. (🔗참고: 서울대 AI 연구원 멤버사 소개 - 하이퍼커넥트(하성주 총괄 디렉터), Dec 2021)

다만 현재 AI 기술은 아주 빠른 속도로 발전하고 있고, 그럼에도, 또는 그렇기 때문에 여전히 풀리지 않은 문제가 많이 있습니다. 흔히들 풀렸다고 간주하는 이미지 분류 문제마저도 현실의 문제 상황에서는 여전히 풀리지 않은 질문이 많이 남아있다는 것을 경험하게 되죠. AI를 활용해 가치 창출을 하고자 한다면 연구 기회가 충분히 있어요. AI 연구를 서비스로 이어 만들어 내는 사례는 다음의 발표 자료에서 예시를 살펴볼 수 있습니다. (🔗참고: 프로덕트 환경에서 연구하기, Oct 2019)



Q. AI 연구를 수행하시면서 논문도 많이 출판하고 계신데 이에 대한 생각을 듣고 싶습니다.
많은 분들이 연구, 특히 AI 연구라고 하면 논문 작성을 떠올리시는 것 같은데요. 오히려 저희는 이러한 생각을 의도적으로 경계합니다. 우선 논문 작성은 연구라는 행위에서 극히 일부에 지나지 않아요. 연구를 가치 생성이라는 측면에서 보면 더욱 자명합니다. 논문 작성은 연구 결과를 세상에 내놓는 아주 특이한 방법 중 하나에 불과하다고 봐요. 앞서 이야기 했듯 가장 중요한 것은 가치 창출과 가치 포착이며 연구도 논문 작성도 그 관점에서 의미가 있어야만 합니다. 연구를 수행한다면 이는 세상에 알려지지 않은 해결책을 제시함으로써 서비스에 임팩트를 줄 수 있기 때문이고, 논문을 작성한다면 이는 논문을 쓰는 행위가 가치 생성을 위한 연구 행위와 별반 다르지 않기 때문이라고 생각해요. 이러한 정렬을 잘 맞추기 위해 내부적으로 부단히 노력하고 있어요.

그렇게 정렬이 잘 맞춰진 연구만 논문이라는 형식을 통해 외부에 공개하는 것을 고려합니다. 논문을 작성하는 가장 큰 이유는 그 과정에서 우리가 풀고자 하는 문제가 정확히 무엇인지 정의할 수 있기 때문이에요. 명확하게 논문이 요구하는 방식으로 글을 작성하다보면 우리의 연구 현황이 어디에 놓여있는지 알 수 있고, 여러 실험을 통해 이제는 불필요해진 컴포넌트를 발견하기도 해요. 또 논문 작성 과정 전반이 이에 익숙하지 않은 분들에게는 아주 좋은 훈련 방식이 되기도 합니다.


Q. 서비스 기여를 위한 연구를 수행하다보면 다방면으로 까다로운 문제도 많이 만나실 것 같습니다. 어려운 문제를 잘 풀어내기 위해 권하시는 방법이 있을까요?
현실에서 문제를 풀다보면 뚜렷한 해결책을 내기 어려운 문제를 많이 만나게 됩니다.

개개인의 레벨로는 이를 풀어내기 위한 기본적인 문제해결능력과 마인드셋을 키우는 것을 강조하고 있습니다. 하드 스킬은 쉽게 늘지 않으므로 평소에 공부를 많이 하는 것이 기본이며 또 중요한 부분이라고 생각해요. 그에 더해 문제에 깊게 파고들어 그 과정에서의 학습과 배움을 기꺼이 하는 자세도 대단히 중요하다고 봅니다. 소프트웨어는 특히 아주 다양한 층위의 개념이 켜켜이 쌓이기 쉬운데, 문제에 집요하게 파고들면서 다양한 층위의 추상화 단계를 넘나드는 일이 능숙해져야 어려운 문제도 자신있게 풀 수 있어요. 추상화 단계를 넘나드는 경험을 많이 해본 분들이 결국 범용적인 문제해결능력을 갖추게 되는 것 같습니다.

조직 레벨에서 제가 강조하는 역량 중 하나로 긍정적인 사고도 있어요. 어떤 과제에 봉착하든 항상 되는 이유보다 안 되는 이유가 너무나 많다고 느끼는데요. 비관적으로 부정적인 면만 공략한다면 똑똑해 보일 수 있을진 몰라도 실질적인 문제 해결에 이르지 못하는 사례를 많이 봤습니다. 오히려 성공한 사람들은 여러가지 어려운 문제에 도전하는 긍정적인 마인드와 자세를 지닌 경우가 많습니다. 여러분들도 어려운 문제 해결에 도전하는 만큼 긍정적으로 사고하시길 권장합니다. 무엇이든 배우고 내 것으로 만들어 해결할 수 있다는 성장 마인드셋이 분명 도움이 될 것입니다.


Q. 서비스 기여를 위한 AI 연구 개발 시 AI 문제를 푸는 것 외에 다른 어려움은 없나요?
서비스 기여 측면에서 항상 임팩트에 대한 고민을 하게 됩니다. 여기서 임팩트라 함은 비즈니스의 성공에 끼친 영향을 의미합니다. AI 프로젝트로 비즈니스의 성공에 영향을 주고자 노력하다보면 필연적으로 만나게 되는 관문이 주요 이해관계자 설득이에요. 아무리 멋진 기술을 만들더라도 사용하는 사람이 없다면 아무 가치도 사로잡지 못했다고 해야겠죠.

AI 기술은 많은 사람들의 기대와 주목을 받고 있지만 반대로 불신을 품고 계신 분들도 많아요. 주로 과거에 AI 프로젝트의 실패를 경험하신 분들이 이에 해당되고요. 다른 한편으로, 서비스에 기여하는 AI 연구 개발을 수행해본 경험이 없는 AI 연구자들은 AI 기술에 대한 지나친 낙관성을 보이기도 합니다. 이러한 양측을 만나면 설득하기가 무척 어려워져요.

이해관계자 설득은 우리가 아무리 훌륭한 AI 기술을 지녔다 하더라도 저절로 되는 게 아니라는 것을 기억해야 해요. 최종적으로는 AI를 활용한 서비스 기여를 목표로 하더라도, 처음에는 풀고자 하는 문제를 명확하게 해결할 수 있는 현실적인 기술 선택을 우선시 해야 합니다. 처음부터 적은 비용으로 큰 효용 가치를 느낄 수 있는 방식으로 프로젝트를 설계하여 점진적으로 최종 그림까지 나아갈 수 있도록 만드는 것이 중요합니다.

Q. 이해관계자를 설득하는 좋은 방법이 있나요?
이해관계자 설득은 결국 우리가 궁극적으로 목표하는 바에 대해 서로 좋은 정렬(alignment)을 맞추고 이를 조율해 나가는 과정이에요. 이러한 과정에서 아하 모멘트와 같은 데이터 기반의 도구가 큰 도움이 됩니다. 가장 허들이 낮은 단계에서의 설득조차 최소한의 논리가 필요한데 논리가 빈약하면 설득이 무용합니다. 하지만 데이터를 활용하여 논리를 뒷받침 할 수 있으면 설득력이 대폭 상승해 주장에 힘이 생깁니다. 그렇기 때문에 데이터를 깊게 파보며 손을 더럽히기를 두려워지 않아야 한다는 이야기를 자주해요.

다만 데이터를 다룰 때 여러 주의할 점이 있고 이를 잘 이해하고 있어야 합니다. 일반적으로 데이터 기반의 의사결정은 흉내만 내기 무척 쉬운데요. 이를 방지하려면 인과추론과 같이 데이터를 잘 다루기 위한 방법론적 도구를 소홀히 해서는 안 된다고 자주 말씀드리고는 해요. 특히 인과추론의 기본을 모르는 경우 심슨의 역설과 같은 문제를 겪는 경우가 부지기수입니다. 그럴 땐 인과추론이나 베이지안 의사결정 방법론 등을 공부하시길 추천드립니다.

Q. AI 전문가와 다른 팀이 효과적으로 협업하기 위해 중요한 것은 무엇인가요?
AI 기술을 서비스에 적용하는 일반적인 업무 수행 방법이 아직 정립되지 않은 것으로 보입니다. AI 기술을 최대한 잘 활용하기 위해 서비스의 주요 문제를 AI 문제로 치환하는 것이 중요한데요. 이 때  AI가 무엇을 해줄 수 있는지에 대한 고민과 함께 어떤 데이터를 필요로 할 것인지, 데이터 획득 전략은 무엇인지 등 다양한 질문이 수반되어야 합니다. 이 모든 고려 사항의 결론은 AI 전문가가 지닌 전문성을 다른 직군에게 가능한 최대한으로 전파해야 한다는 것입니다. 그러므로 개개인의 오너십, 능동성, 협업 마인드가 특히 중요해요.

저는 극한의 책임감(extreme ownership) 이야기를 정말 자주하는데요. 필요하다면 얼마든지 영향력의 범위를 넓혀 주어진 과업이 성공에 도달하도록 만들어야 한다는 것이 핵심입니다. 이를 위해 어떤 위치에서든 성공과 실패의 모든 책임은 나에게 있다는 극한의 책임감이 필요하며, 어떠한 상황에서도 실수와 실패를 인정하고 책임지면서 성공을 이루어 나가는 계획을 세워야 한다고 생각해요. 이러한 마인드셋을 갖춘다면, 업무를 혼자 잘하는 것에 그치지 않고 조직 전체를 활용하게 되고, 불가능해 보이거나 난이도가 있는 장애물을 만났을 때 거기서 포기하지 않고 성공을 달성하는 영리한 방법을 찾을 것입니다. 극한의 책임감을 지니고 업무에 임한다면 결국 임팩트 있는 결과를 낼 수 있다고 믿습니다.


Q. AI 조직 운영에 있어 여러 원칙을 갖고 계신 듯 합니다. 중요하게 생각하는 원칙 한 가지 소개해주실 수 있나요?
복리 효과(compounding)를 아주 중요한 원칙으로 삼고 있어요. 물론 가능하다면 처음부터 큰 가치를 만들고 이를 포착하는 것이 가장 좋겠죠. 허나 큰 가치는 대체로 복리 효과를 통해 만들어지기에,  복리 효과에 대해 먼저 생각해보는 것이 최종 의사 결정에 여러모로 유리합니다.

복리 효과는 지수적 성질을 지닌 그 특성상 마지막 단계에 가장 많은 양의 가치가 만들어지게 됩니다. 이 때문에 저는 장기적인 관점을 가지고 복리 효과를 최대한 누릴 수 있는 반복(iteration)을 자주, 빠르게 경험할 수 있도록 판을 짜는 것을 중요하게 여겨요. 이런 관점에서 많은 해석이 가능한데요.

빠르게 움직이라는 것(move fast)은 짧은 피드백 사이클을 만들어 복리를 위한 반복을 최대한 단시간에 자주 시도함을 의미한다고 볼 수 있어요. 그런 맥락에서 보면 PoC는 최대한 저렴하고 빠른 가설 검증을 목표로 진행해야 한다는 것을 알 수 있습니다. 이에 따라 저희 팀에서는 완벽주의를 경계하고 빠르게 피드백을 받고 움직일 수 있는 유기적인 조직을 정체성으로 삼고 있기도 하고요. 그렇다고 최종적인 결과물의 품질이 낮아도 된다는 건 아니에요. 다만 한 번에 완벽한 결과를 만들기보다 점진적으로 더 나아지는 편을 중시합니다.

우리가 팀으로서 일하는 것도 서로의 역량을 곱하여 복리 효과를 누리기 위함이라고 할 수 있습니다. 여기에서 팀원 간, 혹은 개인과 회사가 함께 긴 반복을 누리려면 반드시 포지티브섬 게임(positive-sum game)을 만들어야 해요. 개인은 최대한 회사와 정렬이 잘 되어 일하는 것이 중요하며, 매니저는 개인의 야망과 회사가 원하는 것이 잘 맞아 떨어질 수 있도록 가이드해야 합니다.

조직이 일하는 방식도 복리의 관점에서 생각해볼 수 있어요. 조직은 시스템 및 프로세스를 구축하고 자산을 축적함으로써 복리 효과를 누릴 수 있습니다. 프로세스라는 말을 경계하는 분들도 계실테지만, 저는 사람들을 통제하기 위한 수단으로써의 프로세스가 아니라 빈번하게 일어나는 업무의 자동화라는 관점에서 프로세스를 생각합니다. 이러한 것들이 쌓이면 해당 조직은 점진적으로 더 어려운 문제도 더 쉽고  빠르게 해결할 수 있게 될테니까요.

📢하이퍼커넥트® AI/ML 직군 집중 채용 중!

✔️ 채용 포지션: Machine Learning Enigneer, Machine Learning Software Engineer, Machine Learning Research Scientist

[Your Algorithm, All over the World]
🌐 AI를 통해 실제 서비스의 성장과 비즈니스 임팩트를 만들고 싶다면,
🗺️ 풍부한 트래픽과 데이터를 기반으로 글로벌 유저의 사용자 경험을 혁신하고 싶다면,
👍탑티어 AI/ML 학회에 논문을 주기적으로 출판하는 국내 최상위 수준의 AI 조직에서 일하고 싶다면,

👉지금 바로 지원하기: https://career.hyperconnect.com/jobs
* 전문연구요원, 산업기능요원 지원 가능 (채용 공고에서 상세 내용을 확인해 주세요.)