한국, 미국, 스타트업을 모두 경험한 AI 엔지니어의 커리어 이야기 "박현병"

Q1: 먼저 간단한 자기소개 부탁드립니다. KAITA 멤버분들 중에는 예전부터 기억하시는 분들도 계실 것 같은데요. 대학교 시절부터 지금까지 어떤 커리어를 걸어오셨는지, 그리고 현재 어떤 일을 하고 계신지도 소개 부탁드립니다.

안녕하세요. 이렇게 영상으로 찾아뵙는 것은 처음인 것 같네요. 저는 박현병 이라고 하고 현재 스타트업에서는 머신러닝 엔지니어로 일을 하고 있습니다.

저는 물리학과 졸업을 시작으로 창업의 길을 잠깐 걸어갔다가 2, 3년 뒤에는 인공지능 알파고 (AlphaGo) 시작을 기점으로 인공지능을 공부하기 시작하면서 개발자의 길로 전환을 했던것 같아요. 그러면서 ‘42’ 라고 하는 해외 실리콘밸리의 대학교에서는 개발 직무를 했었고 이제 한국에 돌아와서 개발자로서 첫 취직을 출발해서 지금까지 꾸준하게 인공지능의 분야에서 AI 리서취 엔지니어로서 출발해서 모델링이라고 하는 인공지능 성능을 올리는 일을 했고 그 다음에 지금은 조금은 더 서비스 쪽에 관여하고 있는데 마지막으로 지금은 머신러닝 엔지니어라고 하는 그런 포지션에서 업무를 지금 하고 있는 것 같습니다. 

Q2: 예전부터 AI와 머신러닝 관련 발표와 활동을 꾸준히 계속 해오셨는데요. 처음 AI 분야에 관심을 가지게 된 계기와, 특히 양자 머신러닝 같은 어려운 주제까지 파고들게 된 이유가 궁금합니다. 당시 어떤 문제의식이나 흥미가 있었나요?

저는 문제의식이나 흥미를 통해서 움직였는지는 사실 잘 모르겠긴 해요. 하지만 분명한 건 이제 2017년도 알파고 때 바둑을 되게 어려운 문제를 해결했잖아요. 그때 이제 인공지능의 가능성을 좀 느꼈던 것 같아요. 그리고 아마 저뿐만 아니라 그때 많은 분들 이 인공지능이라는 분야를 되게 많이 시작하시게 되셨거든요.

그때 당시만 하더라도 그렇게 많은 자료가 없었고 그리고 인공지능이라고 하면 되게 SF에 나올 것 같은 그런 되게 매력적인 용어잖아요? 그렇기 때문에 저 역시 그런 SF나 이런 되게 좀 초현실적이라고 얘기하기에는 좀 잘못된 단어일 수 있지만 좀 다음 세대의 무언, 어떤 차세대의 무언가라는 것에 되게 강하게 끌리는 사람이에요. 그래서 이 인공지능이라는 단어 자체에 매료가 됐었고 그리고 실제로 바둑 같은 앞으로 해결하기 위해선 10년에서 20년 정도가 걸리는 그런 어려운 문제들을 쉽게 해결하는 그러니까 해결하는 그 가능성 때문에 조금 매료가 돼서 공부를 시작하게 됐던 것 같아요. 생각해보면 이제 양자컴퓨팅 도 같은 맥락이고요. 되게 어떻게 보면 SF에 나올 것 같은 그런 관련된 분야를 매우 좋아하는 사람이고 그리고 또 그게 매우 어렵다는 생각이 들때 매우 강한 의미를 느끼거든요. 그러다 보니까 어떤 특정한 이유라기 보다도 그냥 제가 가지는 어떤 가슴이 시키는 대로 그리고 또한 시장이 흘러가는 대로 자연스럽게 따라가다 보니까 그 방향으로 이제 진행하게 됐던 것 같습니다.

Q3: 커리어 흐름을 보면 연구, 스타트업, 교육/멘토링까지 굉장히 다양한 경험을 하신 것 같습니다. 이렇게 여러 환경을 경험해보니 각각 어떤 차이가 있었고, 개발자 혹은 AI 엔지니어로서 가장 많이 성장했던 시기는 언제였나요?

역시 가장 많이 성장했던 시기는 실제 기업에서 현업자로서 근무하기 시작하면서였던 것 같아요. 왜냐면 그때부터는 단지 이제 공부만 해서 공부를 할 때에서는 얻을수 없는 실제 산업이 어떻게 돌아가는지 그리고 학계에서 사람들이 연구하고 있는게 얼마나 중요한 지 이제 다양한 측면에서 현업인은 이제 그들은 그거를 최대치까지 끌어올리지 못한다면 생존할 수가 없잖아요.

다시 말해서 강한 프레셔가 어떻게 보면 가장 강한 성장동기가 되게 해줄 수가 있는거고 그거를 가능케 하는 것이 약간 현업인 것 같습니다. 그래서 공부할 때보다도 더 강한 많은 성장을 이뤄냈던 것 같아요. 무엇보다도 항상 주어지는 업무 들이 난이도가 있고 중요한 일들이다 보니까 무엇보다 동기부여가 크게 되고 그리고 원래 어려운 문제를 풀다 보면 그만큼 더 많이 성장하게 되는 거예요.

그리고 말씀해주셨다시피 이제 스타트업, 교육 쪽 지금 말씀해주신 게 되게 많은 부분들이 있었던 것 같은데 크게 보면은 현업자로서는 모델러 라고 하는 인간적인 성능을 올리는 일에 집중을 했었고 교육 쪽에서는 이제 제가 알고 있는 지식 을 더 쉽게 전달하는 일을 했었습니다. 그래서 차이가 있다고 한다면 한쪽에서는 어려운 과제를 푸는 데에 집중을 했었고 한쪽에서는 제가 그동안 그 어려운 과제를 풀면서 쌓아왔던 그런 여러가지 노하우들을 더 쉽게 가공해서 더 전달 하는 데에 포커싱을 맞춰줘 있었던 것 같아요. 

둘은 매우 다른 성질의 이야기인 것 같아요. 하나는 문제풀이 하나는 쉽게 전달을 하는 건데 개인적으로는 그냥 자연스럽게 제가 경험했던 것들을 말씀을 드리자면 교육 쪽에서는 사람들이 제가 알고 있던 것들이 무엇이었는지를 다시 한번 되짚어 볼 수 밖에 없거든요. 그리고 무언가를 전달을 하기 위해서는 자기가 정말로 정확하게 이해했는지를 다시 한번 검증을 해야돼요. 그러다보니까 다른 의미에서 큰 성장을 하게 해줬던 시기인 것 같기도 합니다. 그래서 어떠한 뚜렷한 목적 의식을 가지고 사실 이렇게 다양한 업무들을 해왔던 건 아니에요.

그냥 그때 그때 제게 주어진 일이 있을 때 제가 그걸 할 수 있는 기회가 주어졌다. 그러면 저는 가능 한 폭넓은 경험을 하는 걸 매우 제 삶에서 추구하기 때문에 그냥 단순히 내가 모델링을 하기 때문에 모델링만 한다 라기보다도 뭔가 지금 나는 개발 일을 하고 있지만 디자인을 할 수 있다. 

그럼 저는 또 그 디자인 일을 하러 가는 스타일이거든요. 그냥 제 사람이 원래 본질적으로 가진 특성이고 그렇기 때문에 이런 다양한 일들을 했던 것 같고 그 어느 일 하나에서도 되게 의미가 없었던 건 없는 것 같습니다. 모두가 다 크게 성장을 해주게 했던 것 같고 그중에서 역시 다른 동료들하고 같이 함께 성장하는 경험이 가장 큰 성장을 이뤄냈던 것 같아요. 그래서 가장 현업에서 일할 때 가장 큰 성장을 이뤄내지 않았나 생각이 드는 것 같습니다.

Q4: 특히 Upstage AI 에서 일하시던 시기가 인상적입니다. 아직 지금처럼 크게 알려지기 전부터 합류하셨는데, 당시 어떤 가능성을 보고 선택하셨나요? 그리고 빠르게 성장하는 AI 스타트업 안에서 직접 경험한 분위기와 속도감은 어땠는지도 궁금합니다.

일단 업스테이지 AI는 제가 합류하던 시기와 그때 당시에도 지금처럼 많이 알려지진 않았지만 AI 업계에서는 꽤 떠오르는 라이징스타 였거든요. 드림팀이라고 많이 불렸기 때문에 사실 꼭 모르는데 제가 찾아서 합류를 했다라기보다도 원래 그때 당시만 하더라도 꽤 유명하게 유망하게 떠오르고 있는 스타트업 이었습니다. 그래서 인공지능 에서 일하는 사람이라고 하면 누구나 합류하고 싶었던 마음이 들지 않았을까 싶은 생각이 있어요. 그래서 저도 역시 합류를 하고 싶어했고 인턴으로 시작해서 꾸준하게 일을 했던 것 같아요.

업스테이지라는 회사에서 일을 했을 때 그 분위기라고 하면 속도가 꽤 빠릅니다. 피어프레셔도 강한 편이구요. 무엇보다 풀고 있는 문제가 항상 어려운 문제들을 위주로 많이 풀어요. 그리고 그 푸는 데 있어서 긴 시간이 주어지는 게 아니라 짧은 시간 안에 임팩트를 내리는 것을 주로 추구하기 때문에 무엇보다 시장에서 살아남기 위해서는 인공지능 쪽은 특히나 글로벌 경쟁이라서 꽤나 프레셔가 강한 편이거든요. 그러다 보니 자연스럽게 인공지능 쪽에서 일하는 업스테이지 도 그런 빠른 속도에 맞춰서 문제를 풀어낼 수밖에 없었고 이게 생존과 함께 직결되는 문제다 보니까 그러다 보니 사실 문화 자체는 꽤 프레셔가 심합니다.

많은 시간 동안 긴 시간 동안 꾸준하게 어떻게 보면 쉼 없이 계속 꾸준하게 문제를 해결을 끝없이 해나가야 하는 문화고요. 그리고 그걸 하지 못한다면 사실 해내야지만 생존할 수 있는 그런 환경이었던 거죠.

Q5: 한편으로는 세계 여러 나라를 여행하면서 원격으로 일하셨던 경험도 굉장히 흥미로운데요. 실제로 “일과 여행”을 병행하는 삶은 어떠셨나요? 자유로운 장점도 있었을 것 같고, 반대로 루틴 관리나 집중력 유지 같은 현실적인 어려움도 있었을 것 같습니다.

네, 워케이션 (Workation) 이라고 하는데요. 저의 경우에는 여행을 다니는 걸 워낙 좋아하고 잘 맞다 보니까 이런 워케이션이 되게 잘 맞았던 것 같아요. 말씀해주셨던 어려움도 맞고 즐거운 점도 한가득인 것 같아요.

어려운 점이라고 한다면 역시나 이런 체력관리가 가장 어려움이 아닐까 그리고 발생하는 시차 그리고 그곳에서 자신이 익숙하지 않은 문화권에서 업무를 해나가는 것은 자신이 어떤 카페에서 일을 한다거나 혹은 어디서 일을 해야 된다거나 식사 이런 많은 복합적인 측면에서 어려움은 있긴 하지만 그래도 그거 역시 하나의 즐거움이 아닐까 싶은 생각도 드는 것 같습니다. 

그런 워케이션의 경우에는 사실 자신만의 루틴을 잡게 되면 그 루틴대로 활동합니다. 계속 워케이션을 하면 되기 때 문에 생각보다 큰 어려움이 따라가지 않는다고 생각을 해요. 자신이 정말 치안이 정말 안 좋은 곳에 가서 일을 한다거나 그러지 않는 이상은요. 그래서 저는 먼저 가장 어려운 점이라고 한다면 역시 그 앞서 말씀드렸던 체력 문제입니다. 이동을 해야 되고 그리고 새로운 환경에 적응을 해야 되기 때문에 계속 끊임없이 자신이 일반적으로는 업무를 끝나고 나서 쉬잖아요.

쉬면서 좀 리프레시도 하고 사람도 만나고 할 수 있는데 워케이션에 가게 되면 아무런 만날 사람이 없다는 것 그리고 자신이 지금 막 도착한 이곳에 대한 판단을 해야 된다는 것 때문에 사실 정신적 으로 혹은 육체적으로도 쉴 수 없이 끊임없이 나아가야 된다는 점이 가장 큰 어려움이 아닐까 싶어요. 하지만 이 루틴이 막상 사이클로 잡히게 되면 생각보다 적응이 잘 되고 그리고 일에 대해서는 자신이 일을 할 수 있는 그 장소가 있는 나라로 보통 이동을 하면 되기 때문에 생각보다 큰 어려움 은 없었던 것 같습니다. 

무엇보다 저는 일을 할 수 있는 그런 워케이션에서 많이 활용하는 공동오피스, 위워크나 이런 특히 해외에서는 ‘레그스’ 라고 하는 장소를 많이 이용했었는데요. ‘위즈스’ 라고도 하고 그 장소에서 일을 하다보니까 큰 어려움은 없었던 것 같고 그리고 또 장점도 많은 것 같아요. 자신이 익숙함에서 벗어나서 새로운 환경에서 일을 한다는 그 자체가 그 자신의 식견을 좀 넓히는데 도움이 되지 않을까 싶습니다. 

자신이 당연하게 알고 당연하게 받아들였던 많은 것들이 다른 나라에 가면 당연하지 않은 게 되거든요. 식사를 하는 것부터 일하는 장소를 찾는 것부터 사람과 대화를 하는 것 그리고 어디서 일을 해야 되는지 뭐 단지 개발이라는 그 작은 틀을 벗어나서 이 세상이 얼마나 넓고 복합적이고 다채로운 지 알게 되면서 거기서 많은 아이디어 혹은 영감을 얻을 수 있는 긍정적인 측면도 분명히 큰 것 같습니다. 그리고 돌아다니다 보면 한 가지 오해로 알게 되는 사실은 생각보다 여러분들만 워케이션 을 다니는 게 아니라 많은 국가의 많은 사람들이 워케이션을 많이 다니거든요. 그 사람들과 만나면 서 쌓을 수 있는 네트워크 역시 추후엔 소중한 자산이 되는 것 같습니다.

평상시 같으면 절대 쌓을 수 없었던 각지 각국의 세계의 개발자들을 만나면서 그 사람들이 제가 연락을 할 수 있는 네트워킹 풀 안에 들어가게 되고 그리고 또 다양한 아이디어 그리고 생각지도 못했던 다양한 제품들 이런 측면들이 어떻게 보면은 약간의 체력적인 그 소모는 있을지 모르겠지만 그 만만치 않게 자신이 개발자로서 커리어를 쌓아가는 동안 얻을 수 있는 인적과 그런 경험적인 측면에서 그 이상의 가치를 얻어다 줄 수 있다고 저는 생각을 하는 것 같아요. 

Q6: AI 분야는 워낙 빠르게 변하다 보니, 많은 개발자들이 “지금 무엇을 공부해야 할지 모르겠다”는 고민을 많이 합니다. 현업 AI 엔지니어 입장에서 지금 가장 중요하게 봐야 하는 역량은 무엇이라고 생각하시나요? 단순 모델 사용 능력 외에도 꼭 필요한 부분이 있다면요.

사실 이 질문을 제가 대답하는 게 적절한지에 대한 궁금증 역시 저도 함께 하고 있는 것 같아요. 왜냐하면 저 질문은 단지 제가 대답을 할 수 있는 질문인지에 대해서 제 자신이 스스로 확신이 없어서 저 역시 저 질문을 어떤 다른 개발자들한테 약간 물어 가면서 저 역시 답을 찾고 싶은 상황인 것 같습니다. 

그렇기 때문에 제가 이 문제에 대한 답을 말하는 게 적절한지 모르겠어요. 하지만 일단은 맞고 틀린 거를 떠나서 제 자신이 하나의 개인으로서 가지고 있는 생각을 말씀드리면은 그 코어 (Core) 한 엔지니어링 어떻게 보면 저희가 예전에 언어를 공부했었고 그 다음에 디자인 패턴도 공부하고 시스템 디자인도 공부하고 실제로 컴퓨터가 어떻게 구성되어 있는지 이런 컴퓨터 구조도 공부 하면서 정말로 이 컴퓨터가 무엇이고 그 하나 하나 쌓아 올려가면서 이게 결국에 최종적으로 제품까지 어떻게 연결되고 또 제품을 제품화하는 관계에서 발생하는 여러 가지 많은 지식들이 있는데 이런 지식들을 꾸준하게 공부하는 게 가장 중요하지 않나 싶습니다. 그렇기 때문에 제가 말씀 드리고 싶은 포인트는 모델을 잘 쓰는 것은 중요합니다. 그리고 잘 쓸 수 있다면 충분하지 않나 싶은 생각이 들어요.

다만 여기서 잘 쓴다는 게 무엇인지를 알아내는 게 지금 가장 큰 어려움 인 것 같습니다. 모델을 쓰는 건 쉬운데 잘 쓴다는 것 자체가 기본적으로 자신이 어떻게 써야 될지 방향성은 명확 하다는 의미거든요. 인공지능은 제가 알기로는 적어도 제가 썼을 때 요즘에 ‘하네스 엔지니어링’ (Harness Engineering) 이라 는 표현이 정말 많이 등장하는데 인공지능은 세상의 수많은 지식들을 이미 다 배운 상황입니다. 그리고 앞으로 더 똑똑해질 예정이고요.

그런데 이 인공지능이 이제 되게 많은 일들을 할 수 있어요. 수많은 가능성이 있고요. 다만 이 인공 지능을 저희가 원하는 방향으로 일하게 만들 수 있는가 그러니까 인공지능은 그냥 사용하게 시키면 단지 가장 평균적인, 거명적인 사용법에 맞춰 가지고 저희의 업무를 해내게 돼요. 하지만 저희의 업무 스타일에 맞춰 가지고 인공지능의 자신의 입맛에 맞춰서 자신이 일하는 기업의 환경에 맞춰 가지고 어떻게 보면 그런 편향을 주입해서 일하게 만드는게 하네스 라고 저는 이해를 하고 있거든요. 그렇다면은 여기서 단순히 인공지능을 사용하는게 아니라 더 잘 사용한다는 것은 더 좋은 하네스를 구축한다는 의미도 있거든요. 그런데 이 좋은 하네스 를 구축한다는 의미 자체가 이미 자신이 기업이라는 컨텍스트 안 에서 어떻게 일하는게 가장 올바른지 어떤 식으로 일하는게 가장 올바른 일하는 방식인지 이미 깊게 이해하고 있을 때 좋은 하네스를 구축할 수 있습니다.

그런 관점에서 봤을 때는 저희가 그 방법을 알기 위해서는 역설적으로 역설과 이 부분은 제가 말하는데 역설적이 아니고 생각을 해보면은 결국에 저희가 직접 구현을 하지 않을 뿐인지 저희는 일을 하다보면 어떤 방향으로 일을 해야 되는지에 대해서 항상 스스로 생각을 하면서 상사, 종료 혹은 다양한 인터넷에 있는 대가들 혹은 논문들, 이런 수많은 정보의 소스로들로부터 항상 방향성 에 대해서 다시 한번 고민을 해보면서 재설정을 하는 것 같아요. 

그런데 이 방향성만 큼은 인공지능 이 대신 제시해줄 수가 없거든요. 그리고 이 방향성을 잘 잡는게 곧 가장 중요한 인공지능 활용 법이라고 생각합니다. 그런데 다만 이 방향성을 이해하기 위해서는 저희가 실제로 엔지니어링 레벨에서의 코어한 지식 들, 깊이 있는 지식을 이해하고 있어야 해요. 시스템 레벨에서부터 그냥 단순한 컴포넌트 하나에 이르기까지. 그렇기 때문에 저희는 계속 그런 코어한 지식들을 끊임없이 공부를 해야 된다고 저는 생각을 하고 있고 그리고 물론 인공지능을 잘 활용하는 이런 도구로서의 활용법 역시 저희가 계속 공부를 해야 되죠.

그런데 다만 제가 어쨌든 생각을 해보면 가장 중요한 것은 결국에 무엇을 해야 하는지 이해하는 것 이고 그 무엇을 해야 하는지 이해한다는 것은 저희가 기존에 해왔던 그 공부들, 인공지능 이전에 저희가 이제 구현을 위해서 해왔던 공부들을 제외한 의사결정이라는 것을 내리는 좋은 의사결정을 내리기 위해 필요한 모든 사전 지식들을 쌓아가는 것이라고 생각을 하고 있어요. 그것만큼은 인공 지능이 대신 대답을 해줄 수 없는 부분이라고 생각을 해요. 왜냐하면 정답이 없기 때문에 그래요. 왜냐하면 저희가 수많은 방법론을 배우지만 어떤 문제를 푸느냐에 따라서 그 좋고 나쁜 방법론은 그때그때 다 달라요. 그렇기 때문에 인공지능이 그냥 단순히 배운 것만으로도 그냥 단순히 활용하는 것 만으로도 그때그때 가장 최적화된 좋은 정답을 알려줄 수는 없어요. 실행은 대신해줄 수 있지만 무엇이 가장 올바른지에 대한 정답을 말해줄 수 없다는 거죠. 

그거를 말해주기 위해서 수많은 개발자들이 인공지능을 더 출현을 시키면서 그 방향으로 의도를 하고 있지만 어느 순간에 그게 필요 없어진 순간이 올 수도 있지만 지금 당장 만큼은 그 방향성은 저희가 잡아야 할 방향성이라고 하면은 의사결정을 위한 사전 지식들과 그 수많은 배경지식 들과 돌아가는 상황을 이해하고 있는 경험에서 나오는 직감 혹은 다양한 의사결정을 뒷받침한 이론적인 측면 들은 아직까지는 인공지능이 대신해줄 수는 없다고 생각을 하고 있어서 사실 좋은 대답이 되는 지 모르겠네요. 이 부분은 저도 생각 정리가 필요한 부분이라 저도 말하면서도 ‘지속적으로 이게 맞는 말인가?’ 깊은 고민이 생기는 것 같긴 해요.

Q7: 또 하나 인상적인 부분은 멘토링 경험입니다. NAVER Connect Foundation 에서 부트캠프 멘토도 하셨는데요. 좋은 멘토와 좋은 개발자의 공통점은 무엇이라고 생각하시나요?

아 네. 되게 좋으면서도 어려운 질문이라고 생각을 하는데요. 좋은 멘토와 좋은 개발자의 차이점. 사실 제가 둘 다 좋은이라는 표현을 쓰기엔 적절치 않은 사람이라 제가 대답을 해도 될지 모르겠는데 근데 일단 저 질문을 듣고 가만히 생각을 해봤거든요. 지금 가만히 생각을 해보니까 가장 중요한 건 바로 지식의 전달 의 측면이 있는 것 같습니다. 결국에 좋은 개발자라고 하면 기업이 원하는 제품을 올바른 시간 안에 고객이 원하는 형태로 제공하는데 있다고도 생각을 하지만 또 다른 좋은 개발자의 특징이라고 하면 자신이 알고 있는 지식을 잘 전달하는 데 있다고도 생각이 들어요.

자신이 알고 있는 것을 단순히 자신 안에서 끝나는 게 아니라 다른 사람들도 쉽게 이해할 수 있게 해주고 그리고 그 지식을 심지어 테크 블로그 혹은 다양한 방송활동을 통해서 전달하는 좋은 개발자 들이 그 지식을 전달한다는 측면에서 되게 좋은 이라는 뜻을 쓸 수 있지 않을까 생각이 드는 것 같아요. 그 측면에서 멘토와 겹치는 부분이라고 한다면은 단지 지식을 자신이 아는 형태가 아니라 자신만 아는 게 아니라 남들이 이해하기 쉬운 형태로 더 기업이나 혹은 다른 사람들에게 자신이 알고 있는 것을 더 전달함으로써 단지 자신 뿐만 아니라 이런 집단의 차원에서 모두의 성장을 같이 이끌어 갈 수 있는 그런 특징이 공통점이 아닐까 싶은 생각이 드는 것 같아요. 

이런 지식의 공유라는 게 점점 인공지능이 발달함에 따라서 중요해지는 것 같다는 생각이 들고 있습니다. 무엇보다 지금 요즘 같은 경우에는 지금 제가 일하고 있는 곳에서도 가장 이 문제에 대해서 깊은 고민을 하고 있지만 예전에는 좋은 개발자, 좋은 멘토 그리고 더 나아가서 사람이 더 좋은 개발자로 성장 하기 위해서는 다른 개발자들과 함께 관계를 이루어 나가면서 지식을 전수 받아야 되거든요. 어떤 기업에 들어가게 되면 주니어는 시니어 로부터 어려운 과제를 부여 받고 그 과제를 풀어나가고 자신의 진도를 검증 받아가면서 성장이라는 그런 과정에 들어가게 됩니다. 하지만 인공지능이 나오기 시작 하면서 약간은 다들 개개인별로 각개 전투가 시작된 것 같아요.

다시 말해서 요즘처럼 사람과 함께 다 함께 모여 가지고 지식을 전수 하면서 일하는 환경에서 각자 가 어떤 에이전트 군단을 이끌어서 더 높은 퍼포먼스를 이끌어가는 형태로 지금 변화가 되고 있는 것 같거든요. 다만 저희는 이제 다음 세대 개발자들을 위한 그런 손을 잡아 가지고 그 위로 이끌어 가는 단계가 지금 점점 많이 없어져가고 있다고 말씀드릴 수 있을 것 같아요. 그런 의미에서 이런 자기가 가진 지식을 전수하고 다른 개발자가 더 성장할 수 있게 도와주는 것이야 말로 아마 지금 인공지능 시대에서 점점 사라져가고 있는 저희가 가장 극복해야 하는 가장 중요한 요소가 아닐까 싶구요. 그리고 앞서 말씀하셨던 질문처럼 좋은 개발자하고 좋은 멘토의 가장 큰 공통점이 아닐까라는 생각은 듭니다. 

Q8: KAITA 멤버들 중에도 스타트업을 고민하거나 직접 만들고 싶어하는 분들이 많습니다. 직접 창업 경험도 있으셨는데, 개발자가 스타트업을 경험해보는 것은 어떤 의미가 있다고 보시나요? 그리고 창업을 생각하는 개발자들이 현실적으로 꼭 알아야 할 부분이 있다면 무엇인가요?

음 네. 창업을 이제 아주 약하게나마 체험을 해봤던 것 같아요. 그러면 일단 첫 번째 질문에서는 개발자가 창업을 하면서 얻을 수 있는 어떤 의미가 있을지 대한 질문이었던 것 같은데 그 먼저 의미라고 한다면은 먼저 생각해봐야 할게 창업하고 실제로 회사에 들어가서 일하는 것과는 크게 다르다고 얘기하기 힘들 것 같습니다. 결국에 둘 다 어떤 문제를 풀어나가는 과정이라는 그 틀 안에서는 같다고 전 생각을 해요. 단지 자신이 책임질 범위가 어느정도로 넓어지는지와 자신이 그 문제를 해결하지 않으면 그 생존 부분에 대한 책임이 자신에게 달려있다.

그렇기 때문에 그 문제를 풀어나가는 데 있어서 자신에게 훨씬 더 막중한 책임이 뒤따라오기 때문에 그 책임감이 매우 크다라는 정도의 차이가 있지 않나 싶어요. 그 문제를 푸는다는 그런 측면에서는 창업과 회사 모두가 동일하다고 생각을 합니다. 그런데 창업을 함에 있어가지고 저는 얻을 수 있는 좋은 점이 있다고 한다면 실질적으로 되게 폭넓은 경험을 할 수 있다는 거예요. 단지 개발이라는 틀 안에 갇힌 게 아니라 개발을 넘어서서 실제 자신이 하고 있는 일이 비즈니스적 으로 어떤 의미를 가지는지 알 수가 있다는 점이 가장 의의가 있지 않나 싶어요.

저희는 결국에 같은 개발을 한다고 하더라도 그 개발이 수단이라고 봐야 되거든요. 그 목표라고 볼 수는 없어요. 개발은 그 목표를 이루기 위한 수단이고 그렇기 때문에 목표가 무엇인지를 더 가슴 깊이 와닿는 수준으로 이해를 하고 그거에 맞춰서 개발을 하는 것과 그냥 단순히 자신에게 어떤 업무가 할당 되었기 때문에 개발을 하는 것과는 큰 차이가 있다고 생각을 해요. 그래서 창업을 하게 된다면 저는 그 측면은 훨씬 더 와닿는 그런 상황 속에서 일을 하기 때문에 비즈니스가 무엇인지 이해할 수 있고 그 과정은 실제로 업무를 함에 있어서 한부분 자신이 어느 정도 깊이까지 파악을 하면서 업무를 하는지에 대해서 커다란 차이가 있다고 생각합니다. 단순히 시키는 일을 하는 건지 아니면 시키는 일이 정확히 어떤 비즈니스적인 맥락에서 오는 건지를 구별해가지고 일을 하는 거에는 커다란 차이가 있다고 생각을 하고요.

그리고 결국에 취업을 하게 되면 처음에 주니어 레벨에서 출발을 한다고 하더라도 결국에 시니어 혹은 그 이상으로 올라가기 위해서는 창업하고 크게 다를 바 없이 그런 비즈니스적인 맥락을 파악할 수밖에 없는 그런 입장이 되지 않을까 싶은 생각은 드는 것 같아요. 그래서 저는 미리 창업을 해가지고 그걸 경험하는 건 좋다고 생각을 합니다. 다만 현실적으로 알아야 될 부분이 있다고 한다면 제가 생각할 때 설령 창업을 한다고 하더라도 어떤 기업이 어떻게 돌아가는지에 대한 그런 조직 문화 혹은 개발 문화, 여러가지 다양한 문화나 어떤 업무 프로세스에 대한 기본적인 그런 경험을 대기업이나 혹은 다른 창업하는 기업에 취직해가지고 경험하고 출발하는게 더 좋지 않나 생각은 들어요.

왜냐하면 바닥부터 하나씩 쌓아 올려가면서 경험하는 건 역시 큰 의미가 있는 것 같지만 대부분 그렇게 시작을 하게 되면 빠른 속도로 성장을 하기가 어려울 수밖에 없거든요. 왜냐하면 다른 사람들이 이미 배워가지고 바로 적용할 수 있는 부분을 자신이 직접 시행착오를 경험해가면서 남들이 이제 바로 배우는 그런 기업 프로세스를 하나하나 처음부터 시행착오를 경험해가지고 정착을 하게 된다면 자연스럽게 속도 측면에서 조금 불이익이 있지 않을까 싶은 생각이 듭니다. 그래서 저는 적어도 창업을 함에 있어서 단순히 아이디어가 좋다고 좋은 제품을 만들 수 있는 건 아니거든요. 좋은 아이디어도 물론 있어야 되고 깊은 고객에 대비하는 게 그리고 좋은 창업 동료 그리고 자신을 믿고 돈을 맡겨준 투자자 그리고 어떤 식으로 제품을 개발해 나갈지 수많은 측면에서 창업과 취업을 뭔가 자신이 개발자로 일해서 출발하는 것과 창업을 시작하는 거는 고민의 깊이가 완전히 달라지게 됩니다.

근데 그런 고민들을 먼저 취업을 한 다음에 창업을 하게 되면 제 생각에 저는 조금 더 일정 부분 같이 일할 동료나 실제로 기업 프로세스에서 좋은 부분을 벤치마킹할 부분들에 대한 어떤 스캐폴딩 이라고 해야 될까요? 어떠한 한국어로 뭐라고 해야 될지 고민이 되는데 어떤 기반을 가지고 출발을 할 수 있는 것 같은데 바로 창업을 하게 되면 해결하는 문제가 한두 개가 아니라 정말 무수하게 많게 발생하게 됩니다. 그리고 자신이 아직 어떤 다른 사람들이 자신과 같이 일할 수 있는 강한 자신의 신뢰감을 주기가 힘들 수가 있거든요. 그러다 보니까 저는 이제 먼저 창업을 경험하는 건 매우 좋다.

하지만 그래도 가급적이면 다른 사람들이 같이 출발하고 있는 그런 초기 스타트업에 합류하는 게 좋지 않을까 조심스러운 제 생각을 먼저 전달해 드리고자 하구요. 그리고 창업을 하게 된다면 그런 수많은 고민들 심지어 투자자, 기업 동기와 같이 창업할 동력들 이런 복합적인 문제들이 하나의 문제를 풀어나가는 게 있어서 얼마나 중요하고 이걸 잘한다는 게 얼마나 어려울지 그리고 고객에 맞춰가지고 실제로 고객을 만나면서 제품을 또 올바른 방향으로 전환을 한다는 게 무엇인지를 실제 피부로 와닿는 경험을 할 수가 있어요. 그런 의미에서 저는 개발자들이 창업을 하는 것에 있어서 매우 긍정적인 입장입니다. 취업을 하게 된다면 단지 개발 실력만이 좋아질 수도 있어요. 어떤 회사에서 어떤 일을 하느냐에 따라 달라지지만 보통은 자신이 얼만큼 더 테크니컬하게 더 코어한, 더 얼마나 깊이 있는 테크니컬 지식을 쌓느냐가 더 핵심, 목표가 될 수도 있거든요. 근데 창업을 미리 경험하게 되면 이런 비즈니스적인 사이드도 같이 고려해가면서 같은 개발을 한다고 하더라도 더 깊이 있는 그런 복합적인 고민과 함께 개발이 이뤄지기 때문에 더 좋은 시너지가 나지 않을까 싶습니다. 다만 그렇다 하더라도 좋은 창업, 좋은 취업 사실 어느 쪽이 좀 정답일지에 대해서는 저도 딱 잘라서 말을 못할 것 같아요. 다만 한가지 중요한 것은 창업을 하게 된다면 저는 이렇게 생각합니다.

어떤 기업에 들어가서 가장 어려운 문제를 풀다 보면 거기서 경험하는 그 어떤 문제보다도 창업을 통해서 실제로 경험하는 문제는 그것보다 몇 배에 달하는 어려움이 기다리게 돼요. 그렇기 때문에 먼저 취업을 해서 자신이 어떠한 사람인지 자신이 어떠한 성향의 사람인지 자신이 다른 사람의 예전 문제를 풀고 싶은지 자신이 스스로 풀고 싶어하는 문제를 풀 때 가장 동기가 부여가 되는 사람 인지 혹은 자신이 개발을 할 때 있어서 어려운 문제를 좋아하는지 혹은 복합적인 여러가지 문제를 푸는 데 있어서 너무 어려울 때 과연 그거를 뚫고 나갈 수 있는 어떤 그립 같은 부분이 있는 사람인지 먼저 이런 부분들에 대해서 좀 깊이 있는 고민을 하고 창업을 하는 것도 괜찮은 것 같습니다. 왜냐하면 실질적으로 그냥 창업을 바로 뜷게 되시면 오래 못 갈 수 있는 오래 못 가고 실제로 신념이 혹은 눈에 보이는 어떤 뚜렷한 성과 없이 몇 년에 걸친 시간 어떻게 보면 커리어를 쌓지 못한 상태에서 진행이 될 수가 있기 때문에 그런 고독감 역시 만만치 않게 큰 어려움에 포함이 되거든요.

그래서 그런 어려움이 있다는 것을 같이 인지하시고 그럼에도 자신은 자신의 문제를 풀고 싶어 하는 사람이고 어려운 문제를 같이 풀 때 더 즐거움을 느끼는 사람인지 그리고 설령 어려울 때 그 문제 를 풀고 싶지 않아 하더라도 그래도 결국에는 해내는 사람인지 이런 복합적인 측면들을 같이 고민 하고 출발하면 좋지 않을까 생각이 드는 것 같아요.

Q9: 한국과 미국, 그리고 글로벌 개발자 커뮤니티를 모두 경험하셨는데요. 실제로 느낀 가장 큰 차이는 무엇인가요? 특히 실력 있는 개발자들이 글로벌 무대에서 더 성장하기 위해 필요한 태도나 습관이 있다면 공유 부탁드립니다.

네. 한국과 미국에서 다른 개발자들과 교류를 하면서 제가 느꼈던 가장 큰 점이라고 하면은 먼저 말씀 드리자면 한국 개발자가 상당히 똑똑하다는 것 입니다. 그렇기 때문에 한국 개발자들이 실리콘밸리 에 대해서 많은 생각, 이런 선망을 많이 하시지만 실질적으로 제가 느꼈던 것은 한국인 개발자들이 상당히 뛰어나다. 하지만 어떤 큰 차이가 있다고 한다면 실리콘밸리 같은 여기서는 미국이라고 말씀하셨던 것 같지만 저는 실리콘밸리라고 말씀드리고 말을 진행하자면 어떤 환경적인 측면에서 먼저 차이가 나는 것 같아요.

실리콘밸리에서는 항상 최신의 지식 그리고 인터넷에서만 보던 사람들이 직접적으로 나와서 자신의 목소리를 전달해줄 수 있는데 가장 빠른 시간 안에 가장 가까운 곳에서 그런 사람들과 의견을 교류할 수 있고 그 사람들의 목소리를 들으면서 최신 트렌드를 가장 빠른 시점에서 이해할 수 있다고 생각을 합니다.

반면 한국에서는 그 중에서 일부가 그 중에서 좋다고 생각되는 게 그 지식들이 이렇게 건너서 전달되어 오기 때문에 시간적인 측면에서 정보의 최신성 측면에서 좀 차이가 난다고 생각해요. 그리고 제가 느꼈던 가장 커다란 차이는 해외에서 만난 이런 개발자들이 자신의 독착성 독창적인 아이디어에 대한 갈고를 많이 한다는 측면이었습니다. 자신의 이름을 남기고 싶어하는 사람들도 많이 봤던 것 같아요. 그런데 이런 자신만의 아이디어 자신만의 서비스 자신만의 코어 기술을 보유하고자 하는 게 더 강한 목표 지식으로 느껴졌다고 하면은 한국에서는 그런 것을 잘 가져다가 빠르게 서비스화를 하는 좀 더 응용 측면에 더 포커싱이 맞춰져 있다고 느껴졌던 것 같습니다. 그래서 어떤게 더 옳다라고 얘기할 수는 없을 것 같아요. 하지만 제가 느꼈던 가장 큰 차이는 순수한 기술을 더 추구하는지 아니면은 응용에 더 비중을 많이 두는지 차이가 크게 느껴졌다고 말씀 드릴수 있을 것 같아요.

Q10: 마지막 질문입니다. AI 기술은 앞으로도 정말 빠르게 변할 것 같은데요. 앞으로 5년 뒤 개발자와 AI 엔지니어의 역할은 어떻게 달라질 거라고 보시나요? 그리고 지금 방향성을 고민하고 있는 KAITA 멤버들에게 꼭 해주고 싶은 조언이 있다면 부탁드립니다.

먼저 이 질문은 역시 제가 다른 사람들한테 물어보고 답을 얻고 싶은 질문인 것 같아요. 저 역시 AI와 인공지능 그러니까 인공지능과 사람의 미래가 5년 뒤 어떻게 변화할 거고 관계가 어떻게 될 것이냐 에 대한 질문을 얻기 위해서 저도 많은 글을 읽는 것 같고 그리고 아직까지 뚜렷한 답을 찾지는 못한 것 같습니다. 지금 제가 보는 추세에서는 먼저 이런 얘기가 있어요. 2027년쯤이 되면은 AI 는 소프트웨어 개발자 를 어느 정도는 그 능력이 많이 따라잡고 소프트웨어 엔지니어로서 하나의 온전한 역할을 할 수 있을지 모른다라는 얘기가 있거든요. 연구에서 어떤 에이전트가 한 50… 사람이 할 수 있는 업무를 50% 확률로 성공할 수 있는 확률에서 몇 시간 정도의 그 업무를 성공해낼 수 있느냐라는 지표가 있는데 그 지표가 몇 개월마다 두 개씩 길어지고 있다고 하거든요.

혹은 6개월이든 10개월이든 지금은 제가 기억하기에는 몇 시간에 달하는 분량이었던 것 같아요. 그렇다면은 하나의 테스크가 나중에는 며칠, 몇 달치 일을 한 번에 할 수 있는 수준까지 오게 된다면은 사실상 인간이 할 수 있는 그런 소프트웨어 엔지니어링의 많은 부분을 이제 인공지능이 할 수 가 있게 된다는 거죠.

그렇기 때문에 이 추세대로만 봤을 때는 2027년 정도가 약간 인공지능이 어느 정도 하나의 더 든든한 보조 도우미 로써 활약을 할 수 있는 시간이라고 일단 보고 있기는 합니다. 일단 그렇구요. 하지만 한편으로는 인공지능이 과연 저희의 비즈니스를 해결하는 하나의 목표로서 과연 온전하게 처음부터 끝까지 믿고 맡길 수 있느냐라고 한다면은 지금 인공지능이 할루시니션 (Hallucination) 현상이 대 표적으로 많은 사람들이 고민하는 문제인데 예를 들자면 인공지능이 하루에서 하루에 딱 1% 정도 의 오류만 발생한다고 치면은 그 인공지능이 한 달 동안 관리 없이 한 달을 일하게 한다면은 그 오류가 누적이 된다면은 전체적인 시스템에서 어느 정도의 오류를 누적으로 발생시킬 수 있을지도 중요한 요소가 아닐까 싶습니다.

그렇기 때문에 과연 저희가 온전히 인공지능이 발생하는 그런 오류를 감당할 수 있는 시스템을 만들 수 있는가 즉 인공지능이 정리하면은 인공지능이 점점 더 혼자서 업무를 오랫동안 지속할 수 있는 확률이 점점 높아지고 있고 그 시간은 점점 증가하고 있어요. 그리고 한편으로는 사람들이 하네스 (Harness) 라는 시스템을 통해서 인공지능을 자신의 감시 없이도 독자적 으로 더 오랜 시간동안 일을 할 수 있는 세팅을 마련하고자 하고 있습니다. 그치만 아이러니한 것 은 이 모든 세팅들을 다 사람들이 하나하나 봐주고 옆에서 섬세하게 케어를 해줘야 한다는 점이죠. 그렇다면 이 질문에 여부를 보면 인공지능이 과연 스스로를 인간의 개입 하나 없이 목표를 하나 받았을 때 스스로 한달이상 혹은 1년 가까이 독자적으로 일을 하게 시킬 수 있는가 과연 그 시대가 올 수 있을까 에 대한 질문으로 바꿔볼 수 있을 것 같아요. 만약 그게 가능하다고 하면 5년 뒤에는 관계가 많이 바뀌게 되겠죠. 하지만 조금이라도 인공지능 이 작업을 신뢰할 수 없는 부분이 있다. 어느정도 하네스 그러니까 특히 옵스 (Operation) 쪽에서 Observation 을 통해 가지고 이 부분을 면밀하게 모니터링해서 순간순간 인공지능이 잘못하고 있는 부분을 잡아서 다시 원래 상태로 끌어올리는 그런 개발을 할 수도 있을 것 같긴 해요. 하지만 그렇다고 하더라도 이 역시 그런 세팅조차도 사람이 또 관여를 해야 하는 부분이 있거든요. 사실 신뢰를 어디까지 할 수 있느냐 그리고 만에 하나 인공지능을 완전히 신뢰할 수 없다면 사람이 언젠가는 신뢰할 수 있는지에 대해서 개입을 해서 검증을 해줘야 된다고 보거든요. 근데 만약 모든걸 인공지능한테 맡겼다고 하면 과연 사람이 중간부터 끼어들어서 그 복잡한 시스템의 신뢰성을 보장 하는 것은 상당히 높은 코스트 (Cost) 가 들어갈 거라고 생각을 해요.

그래서 인공지능과 인간은 한동안은 계속 함께 가면서 인공지능이 처음부터 끝까지 오로지 자신의 힘만으로 오류율을 최소한도로 낮춘 상태에서 지속적으로 업무를 해내갈 수 있으면 인공지능한테 맡겨질 거라고 생각을 하는데 사실 이 부분은 저도 잘 모르겠고 최근에 ‘확률론적인 엔지니어링’ 이라는 얘기를 들었던 것 같아요. 그게 어떤 글인지 읽지는 않았는데 문득 그런 생각이 들었어요. 지금 저희는 실생활에서 가장 현실에서 발생할 수 있는 수많은 복합적인 엣지 케이스부터 발생할 수 있는 수많은 시나리오들을 가능한 완벽하게 방어를 하려고 하고 어쩌다가 발생하는 거는 그런 후 속 조치를 통해 가지고 빠르게 대응을 합니다.

그런 면에서 볼 때는 사람도 완벽하게 업무를 해나가는 것 같지는 않고 인공지능 역시 약간의 구멍이 있는 것은 어느 순간부터는 받아들여지지 않을까 싶은 생각도 드는 것 같아요. 그치만 결국에 인공지능이 무엇을 하는지를 설명할 수 없다면은 결국에 어느 순간 저희의 손을 벗어나서 인공지능 이 활약을 마음대로 하는 것은 기업 차원에서 엄청나게 큰 리스크라고 생각은 들기 때문에 일단 모르겠다. 말은 길었는데 저도 모르겠다는 생각인 것 같아요. 저도 그 답을 얻고 싶고 지금 당장에서 제가 말씀드릴 수 있는 것은 인공지능은 생각보다 못하는 게 너무 많다. 정말 못하는 게 많고요. 모든 걸 할 수 있지만 그 모든 걸 할 수 있다는 것은 99% 못할 50%는 잘할 수도 있고 50%는 못할 수도 있다는 의미입니다.

사람이 모든 걸 명확하게 통제를 하네스로 해가지고 가이드를 한다면 그 50% 확률을 99%까지 끌어 올릴 수 있는 거고요. 올릴 수 없다면 못하는 확률이 50%이기 때문에 그 부분이 부각될 수밖에 없는 상황 이로써는 적어도 사용하면서 제가 느꼈던 인공지능의 퍼포먼스는 생각보다 사용하는 사람에게 크게 달려있다. 그런데 아직 당장은 인간의 개입이 전혀 없이 인공지능이 자신의 비즈니스에 맞게 자율적으로 드라이빙이 어느 정도까지 가능한지 에 대해서는 확신이 없습니다. 그냥 맡겼다가는 자신이 원치 않는 품질의 제품이 나올 것이라는 생각이 들어요. 좋은 제품을 잘 만드는 사람들은 보통 자신이 무엇을 만들어야 될지를 명확하게 머릿속으로 그리고 있는 사람들 입니다. 그래서 당장 단기적으로 봤을 때는 5년 뒤에는 아직 같이 일하고 있지 않을까 생각을 들면서도 발전 추세가 워낙 빠르기 때문에 저도 이 부분은 좀 더 제가 공부를 많이 하고 트렌드를 좀 더 따라잡은 다음에 제가 좀 더 명확하게… 사실 그때도 명확할지 모르겠지만 말을 할 수 있는 부분이 아닐까 싶은 생각이 드는 것 같아요. 

사실 요즘에 되게 난세라는 표현이 좀 적절할 것 같아요. 누구도 어떤 방향으로 가야 할지 알 길이 없는 상황이 그런 시대가 온 것 같긴 합니다. 하지만 그래도 제가 생각할 때는 한 가지 확실하게 변하지 않을 거는 검증을 한다는 것의 중요성 즉 올바른 것이 무엇인지 안다는 것에 대한 중요성 하나 만큼은 변하지 않을 거라고 생각은 들고 사람이 사람으로서 남아서 할 수 있는 가장 중요한 이유 중 하나는 그 의사결정 올바른 의사결정이 무엇인지 에 대한 기준을 줄 수 있다 그런 점이 아닐까 싶은 생각이 듭니다. 그리고 좋은 의사결정을 내리기 위해서 필요로 하는 공부는 그래도 계속 하는 것이 가치가 있지 않을까 싶은 생각이 듭니다. 그래서 비록 요즘에는 인공지능을 잘 사용한다는 그 자체에도 집중을 해야 되긴 하지만 저희가 과거로부터 지금까지 꾸준하게 소프트 엔지니어링 능력에서 해왔듯이 이런 꾸준한 개발에 대한 기술력에 대한 공부 그리고 그 탐구는 변치 않고 계속 되어야 하지 않을까 그리고 그렇게 해야지만 저희가 나중에 인공지능을 완전히 믿고 맡기는 그 길로 서서 저희가 한 명의 올바른 가이드로서 단지 인공지능을 믿고 맡기는 맹목적으로 믿고 맡기는 그런 일들이 아니라 더 나아가 주체적으로 저희의 역할이 남아있지 않을까 싶은 생각이 드는 것 같고요. 그리고 아마도 저도 카이타 여러분들을 만나뵙지 못하게 된게 정말 오랜 시간이 된 것 같아요.

저도 제 할일을 하는 사람이라 너무 바쁘고 그리고 모두가 지역적으로 떨어져 있긴 하지만 그래도 과거의 카이타는 꽤 활발했고 모임도 많았던 것 같은데 언젠가는 다시 그런 시대가 오기를 바라면서 또 언젠가 어딘가에서는 또 다시 한번 다른 분들도 만나뵙고 같이 대화를 좀 나누어 볼수 있으면 좋을 것 같다는 생각입니다.