AI와 알고리즘. 어떤 관계인지 아세요? 부끄러운 이야기이지만 저는 국내 대표 산업’AI’ 회사에 다니면서, 밤마다 유튜브 ‘알고리즘’에는 그렇게 휘돌려왔으면서 정작 이 두 단어의 차이점이나 관계에 대해서는 무지했답니다.
알고리즘은 어떠한 문제를 해결하기 위해 정해진 일련의 절차입니다. 명확한 입력이 있어야 결과를 도출하죠. 반면 AI는 굉장히 고도화된 알고리즘들로 구성된 결과물이라고 합니다. 주어진 입력에만 의존하지 않고 기존에 학습된 입력과 데이터를 활용해 알고리즘을 수정하고 새로운 알고리즘을 생성해내는 덕분에 평범한 알고리즘이 아닌 ‘인공 지능’이라는 이름을 얻게 되었죠.
이런 차이 때문에 한 AI 전문가는 알고리즘이 일반 자동차라면 AI는 하늘을 나는 자동차라고 비교하기도 했습니다. (알고리즘이 일반 커피라면… AI는 T*P?)
그렇기에, 아무리 요즘 세상에 AI가 만연해도 AI 모델을 개발하는 건 여전히 어렵고 복잡한 일이랍니다. 그런데 원프레딕트에서는 이 어려운 AI 앞에 무언가를 붙여 무려 ‘산업AI’ 솔루션을 제공하고 있는데요. 제 아무리 똑똑한 AI라 해도 컴퓨터 세상에 사는 AI에게 터프한 산업 설비에 일어날 일들을 모두 맞춰보라고 하는 건 쉽지 않을 수 있기 때문에, 설비에 대한 물리적 도메인 지식을 덧붙인 것이죠. 이 덕분에 원프레딕트의 솔루션들은 일반 AI 솔루션보다 설비 상태에 대해 정확하고 심층적인 진단과 예측을 할 수 있게 되었답니다.
그리고 드디어 이번 포스트에서야 원프레딕트의 핵심 기술 중 하나인 ‘산업AI’를 만들어 나가는 사람들, sol-dev팀을 소개하게 되었습니다. 알고리즘과 관련된 문제라면, 그 어떤 높은 장벽이 있더라도 기어코 해내는 팀이죠. 이 팀에서 고도화하고 있는 산업AI 알고리즘이 원프레딕트의 제품에 어떻게 스며들고 있는지 궁금하시다면, 지금 아래 인터뷰를 확인해보세요!
sol-dev팀 전 구성원. 왼쪽부터 건우, 이삭, 태환, 정호, 범찬, 우철
*본 인터뷰는 효율적인 진행을 위해 건우, 태환, 정호만 진행했습니다.
sol-dev팀 여러분, 안녕하세요! sol-dev라는 단어 자체부터 심상치 않아 보이는데, 우선 이 팀에 대해 간단히 소개해주실 수 있을까요?
박정호(이하 ‘정호’) - sol-dev는 solution development (솔루션 개발)를 줄인 말입니다. 저희 팀은 말 그대로 ‘솔루션’을 개발하고 고도화하는 팀이죠.
제가 알기론 원프레딕트 내에서는 이미 제품별로 스쿼드 형태의 개발팀이 갖춰진 걸로 아는데, 이 팀에서는 다른 솔루션을 개발하는 건가요?
정호 - 저희 팀명에서의 솔루션은 ‘제품’이라는 의미보다는 ‘알고리즘’으로 이해해주시면 좋을 것 같아요. 알고리즘이야말로 저희 산업AI 가디원 제품의 효용성을 근본적으로 높여주는 ‘해결책’이기 때문입니다. 다시 정리하자면, 저희 팀은 가디원 제품들에 들어가는 알고리즘을 개발하고 연구하고 고도화하는 업무를 진행하는 팀입니다
아하, 알고리즘 연구개발을 담당하는 팀이었군요. 그렇다면 팀 구성은 현재 어떻게 되어있나요?
유건우(이하 ‘건우’) - 앞서 답변하신 정호님이 저희 팀 리드를 담당하고 계시고, 저와 지금 옆에 계신 태환님은 가디원 모터 제품에 들어가는 알고리즘을 맡고 있어요. 오늘 인터뷰에 함께 하시진 못했지만, 심이삭님, 임우철님도 함께 가디원 모터 관련 업무를 하고 있고 장범찬님께서는 가디원 터보를 위한 알고리즘을 짜고 있어서 총 6명의 데이터 사이언티스트로 구성되어 있습니다.
정호 - 말씀주신 것처럼 제품별로 담당 팀원이 구분되는 구조로 운영되고 있고, 앞으로 추가적으로 가디원 모터/서브스테이션/터보 파트별로 모두 연구를 함께 할 인원을 확충할 계획을 가지고 있습니다.
정호
건우
태환
원프레딕트 내 작은 연구소 같은 느낌이네요! 스타트업에서 연구에만 집중하는 조직이 있는 게 흔한 일은 아니지 않나요?
김태환(이하 ‘태환’) - 맞아요. 빠르게 다양한 일을 쳐내야 하는 스타트업 특성상 연구에만 집중할 수 있는 조직은 좀처럼 존재하기 힘들죠.
원프레딕트도 원래는 데이터 사이언티스트들이 지금처럼 한 팀에 모여있는 게 아니라 제품 팀에 각각 소속되어 있는 구조였어요. 당연히 알고리즘 연구개발 말고도 제품 기획이라던가 데이터 엔지니어링 등 다양한 업무들이 섞여 있기 때문에 원래 업무인 개발에 집중하기 쉽지 않았고요. 제품 팀 내에서 생기는 일들은 내 일 네 일 나누지 않고 닥치는대로 하다보니, 어느 날 정신 차려보니까 저는 대시보드 화면을 만들고 있더라고요. (웃음)
연구 업무에 집중하기 어려운 것뿐만 아니라 각 제품별로 소통이 단절되는 문제도 있었어요. 각자 본인이 담당하는 제품에만 들어가는 알고리즘만 알고 다른 제품에는 어떤 알고리즘이 들어가는지 정확히 모르다 보니, 다른 팀에서 이미 만든 알고리즘을 또 만든다거나 하는 불필요한 업무도 꽤 자주 하곤 했죠.
건우 - 반대로 지금처럼 sol-dev팀으로 알고리즘 연구개발을 담당하는 조직이 독립된 이후에는 연구 업무에 집중할 수 있는 건 당연하고, 제품간 구분을 넘나들며 데이터 사이언티스트끼리 기술을 교류하고 더욱 스마트하게 개발 업무를 진행할 수 있게 되어 정말 좋습니다.
문과생 입장에서 들으니, ‘알고리즘 연구개발’은 조금 아득한 느낌인데요. 이 팀에서는 어떤 방식으로 알고리즘을 고도화하고 계신지 간단히 설명해주실 수 있나요?
정호 - 저희 팀에 맞춰 산업AI 기반의 알고리즘 고도화 방향을 구성하자면… 이 그림처럼 표현할 수 있을 것 같아요.
sol-dev팀의 산업AI 알고리즘 고도화 구조
저희는 기존의 룰(ISO, IEEE 등 산업 및 기술에 대한 국제 표준)에 도메인 지식(설비 지식, 신호처리 기술 등)과 AI 기술을 더해 초기 모델을 구축합니다.
그리고 테스트 등을 통해 얻은 운영 데이터에 기반하여 대상 설비의 특성이나 운영 조건에 맞게 최적화된 재학습 모델을 개발하면서 점차 고도화해나가죠.
한 알고리즘 개발을 위해 여러 단계를 거치는군요. 그럼 건우님과 태환님은 이 팀에서 각자 어떤 업무를 하고 계신지 조금 더 구체적으로 설명해주실 수 있나요?
건우 - 이 블로그를 열심히 읽으셨던 분이라면 제 얼굴이 익숙하실 수 있어요. (웃음) 저는 원래 edge solution팀에서 시스템 아키텍쳐 설계 등을 담당했는데, 작년 하반기부터는 sol-dev팀으로 부서이동해 알고리즘 연구개발을 맡게 되었습니다.
자세히는 가디원 모터 알고리즘 고도화를 위해 피처 엔지니어링*을 진행하고 있고요, 최근에는 제품 팀과 협업하여 보다 탄탄한 데이터 파이프라인**을 구축하는 것을 지원하고 있습니다. 또, 저희가 고도화한 알고리즘이 현장에 깔려있는 모터에도 동일하게 잘 적용될 수 있는지 내부적으로 테스트를 진행하고 있어요.
*피처 엔지니어링(feature engineering): 산업 데이터로부터 특성인자(feature)를 추출하고 이를 머신러닝 모델에 적합현 형식으로 변환하는 작업
**데이터 파이프라인(data pipeline): 알고리즘에 돌릴 데이터의 추출, 변경, 결합, 검증, 적재 등의 과정을 자동화하는 것
태환 - 저는 가디원 모터 제품을 위해 AI쪽 심화 연구를 하고 있어요. 피처 엔지니어링이 가장 기본적이긴 하지만, 한정된 데이터셋에서 개발이 진행되기 때문에 새로운 데이터셋으로의 확장성이 떨어지는 등 해결할 수 없는 부분들이 있기 마련이거든요. 이를 극복하기 위해 보다 고도화된 AI를 도입하는 방법을 모색하고 있습니다.
AI의 대표적인 특징 중 하나가 이미 학습한 데이터에서는 성능이 매우 좋지만, 학습하지 않은 데이터에서는 성능이 떨어질 수 있다는 것입니다. 그래서 지속적인 고도화가 필요한거죠.
좀 더 자세히 설명 드리자면, 일반적인 모터 진단 알고리즘들은 기존에 학습한 특정 용량이나 제조사, 스펙을 가진 모터에 대해서 당연히 높은 진단 정확도를 나타낼 수 있지만, 처음 보는 모터에 대해서는 정확도가 그보다 떨어질 수 있어요. 그렇다고 회사 연구실에서 세상에 있는 모든 종류의 모터를 가지고 실험할 수는 없잖아요? 그래서 저희는 AI 연구와 알고리즘 고도화를 통해 저희가 기존에 알고 있던 범위를 벗어나서도 잘 진단할 수 있는 제품을 제공하고 있습니다.
자연스레 팀원 구분이 설비 도메인 쪽 연구와 AI 쪽 연구로 구분되는 것 같은데, 각 분야별로 업무 진행 방식에 차이가 있을까요?
건우 - 도메인 쪽 연구는 기본적으로 문헌, 논문을 찾아보면서 시작됩니다. 기존 사례에 나온 설비에 대한 물리적인 특성들을 기반으로 피처를 개발하는 방식입니다.
태환: AI 쪽 연구도 프로세스 자체는 비슷해요. 문헌 등 기존 자료를 참고해 아이디어를 얻고 알고리즘을 개선하고 있습니다.
건우 - 도메인 쪽은 대상 설비에 대해 직접적으로 연관이 있는 논문 위주로 보고 특정 설비의 특성이나 기계적인 특성 동작들을 이해한다면, AI 쪽은 AI 전반에 걸친 논문을 보고 알고리즘 모델의 구조나 파라미터등에 집중한다는 차이가 있습니다.
정호 - 도메인, AI로 연구 분야가 나뉘어져 있다고 해도 결국은 하나의 제품에 들어갈 알고리즘을 개발하는 것이기 때문에, 주기적인 팀 미팅을 통해 서로 싱크를 맞추고 지식을 공유하는 자리를 갖고 있어요.
예를 들어, 가디원 모터는 전류 데이터를 분석해 전기적 결함과 기계적 결함을 모두 진단하고 있는데요. 전기적 결함은 모터의 물리적 특성을 고려한 피처 엔지니어링에 좀 더 중심을 둔 도메인 기반으로 개발이 진행된다면, 기계적 결함은 모터의 물리적 특성에 기존에 취득된 데이터 및 현장 데이터를 고려한 데이터 기반 방법론도 함께 고려하여 알고리즘이 구성되고 있습니다.
다양한 연구를 하시면서 크고 작은 성공과 실패가 계속될 것으로 보이는데요. 그래도 가장 기억에 남는, 성공적인 연구 사례를 하나 꼽을 수 있을까요?
정호 - 최근에 건우님께서 수행한 연구를 설명드릴 수 있을 것 같습니다.
건우 - 가디원 모터를 통해 모터의 고장을 진단하기 위해서는 회전 속도를 추정하는 게 굉장히 중요한데요, 이 부분은 최근까지도 학계에서 계속 화두에 오를만큼 아직 풀리지 않은 연구 주제 중 하나에요. 그런데 그걸 해결하는 알고리즘을 저희 내부적으로 개발하는 데 성공했습니다! 그 덕분에 원래는 5%였던 오진단율을 0.05%까지 줄일 수 있게 되었어요. (내부 테스트 기준)
태환 - 정상인 설비를 혹여라도 고장이라고 잘못 진단할 경우, 설비 분해를 위해 어마어마한 시간과 비용이 들어가기 때문에 오진단율을 최소화하는 게 저희 같은 설비 예지보전 솔루션에서 정말 중요하죠.
(Q: 어떤 과정을 통해 해당 알고리즘을 개발할 수 있었나요?)
건우 - 자체 기술이라 내부 기밀 유지를 위해 간단히만 설명 드리자면, 처음에는 문헌 위주로 찾아봤는데 마땅한 해법은 없더라고요. 그래서 여러 자료에 나온 장점들을 모아모아 새로운 기술을 만들게 되었죠.
정호 - 건우님이 굉장히 간단하고 겸손하게 말씀하셨는데, 기존 알고리즘의 부족한 점을 명확하게 발굴하고 개선점을 확실히 적용했기 때문에 가능했던 결과물이었어요. 모든 발명은 그렇게 시작되는 거 아니겠어요?
연구에만 집중할 수 있는 환경은 정말 좋은데, 아무래도 제품팀 내에 속한 게 아니라 자칫 잘못하면 고립되는 경우도 있을 수 있지 않나요?
정호 - 그런 불상사가 생기지 않도록 주기적으로 다른 팀들과 커뮤니케이션하고 있어요. 보다 자세하게는 이미지를 참고하시면 좋을 것 같습니다.
sol-dev팀의 커뮤니케이션 구조도
(Q: 이미지를 보면 제품 팀에는 요구사항을 받고 알고리즘을 전달하는 구조로 나타나 있는데, sol-dev팀에서 더 선제적으로 아이디어나 개선 필요 사항을 제안하는 경우도 있나요?)
건우 - 그럼요. 사소하게는 제품 내 잘못된 코드나 에러를 발견해서 알려주기도 하고요. (태환: 그런 게 나중에 가서 사소하지 않은 문제를 야기할 수 있어요. (웃음))
정호 - 사실 제품 팀에서 저희 팀에 알고리즘 성능을 개선해달라는 요청을 하지 딥러닝을 써달라는 등 개발 방법론을 특정해서 요청하는 건 아니거든요. 방법론에 대한 건 저희 내부적으로, 혹은 고객과의 커뮤니케이션을 통해 고민을 하고 제품 팀에 역으로 아이디어를 전달하기도 합니다.
이 팀에서 고객을 직접 만나는 일도 있나요?
정호 - 고객과의 커뮤니케이션은 기본적으로 영업팀이나 제품 PO가 담당하고 있어요. 다만 고객께서 기술적으로 자세한 질문이 있으실 경우에는 알고리즘을 개발한 저희 팀에서 동행을 해 설명을 도와드리곤 합니다.
반대로 저희가 제품의 완성도를 위해 고객의 요구사항이나 pain points, 진단 대상 설비의 특성을 확인하기 위해 고객을 직접 만나는 일도 있습니다.
sol-dev팀은 알고리즘 연구개발에 집중하는 조직이라고 하셔서 막연히 오피스에만 계실 거라 생각했는데, 회사 다방면에 걸쳐 활약하고 계시군요. 궁극적으로는 모두 알고리즘 고도화를 위해서겠지만요?
정호 - 맞습니다. 저희 팀뿐만이 아니라 원프레딕트에서는 해마다 OKR*을 통해 구체적인 목표를 설정하는데요. 올해 저희 팀의 목표는 당연하게도 ‘높은 진단과 예측 성능을 갖춘 알고리즘을 개발하자!’ 였습니다. 이를 위해 다양한 모델의 성능을 테스트하고, 실험을 통해 방대한 데이터 셋을 구축하려는 노력도 진행 중입니다. 또한, 주기적으로 외부 연사를 초청하여 기술 세미나도 진행하고 있습니다.
또 한 가지 특별한 목표는 ‘영업 효율화를 위한 시스템을 구축하자’ 였습니다. 영업팀 분들이나 제품 팀 PO분들이 고객에게 직접 세부적인 설명을 할 수 있는 구조를 만들기 위해, 저희의 알고리즘, 그리고 진단 결과에 대한 내부 모니터링 툴을 개발하고 자주 묻는 질의응답을 정리하는 등의 업무를 진행하고 있어요. 저희가 일일이 개입할 필요가 없으니 고객 응대 속도와 커뮤니케이션 사이클이 훨씬 빨라질 수 있을 것으로 기대됩니다.
*OKR: Objective (목표) + Key Results (핵심 결과)의 약자, 측정 가능한 성과를 달성할 수 있도록 돕는 목표 설정 프레임워크. 지표가 체계화, 구체화되어 있는 덕분에 스타트업처럼 빠르게 성장하는 조직에서 목표를 관리하기 위해 활발하게 사용하고 있다.
이 팀만의 특별한 문화, 분위기가 있을까요?
정호 - 저희 팀은 모두 데이터 사이언티스트라는 직함을 가지고 있지만, 세부적으로 보면 각자 전문 분야가 달라요. 여기 계신 분들만 봐도, 건우님은 설비 도메인에 대한 이해도가 굉장히 높고, 태환님은 기계과 출신인데도 AI쪽에 강하시죠. 그 밖에 이삭님은 딥러닝, 우철님은 신호 분석, 범찬님은 특히나 터보 설비뿐만 아니라 터보 산업, 비즈니스 쪽까지 섭렵한 전문가들이에요.
그렇다 보니 서로서로 기술, 지식, 성과를 공유하는 문화가 정착되어 있어요. 자체적으로 팀 스터디도 진행하고, 또 각자 연구 주제에 대해 발표하는 자리도 활성화된 편이에요. 공유하고 싶은 좋은 기술이 있다면 팀 안에서뿐만 아니라 팀 밖으로도 커뮤니케이션하려고 하고요.
(Q: 맞아요. 다른 팀인 제가 봐도 추가적인 스터디, 세미나를 정말 많이 하시는 거 같아요.)
태환 - 각자 딥러닝, AI, 도메인 등 지속적으로 논문을 읽고 스터디하고 있어요. 그런데 이건 뭐 추가적으로 한다기보다는… 그냥 저희 팀이 더욱 더 우수한 알고리즘을 연구하고 개발하기 위해 당연히 할 일을 하는 거라고 생각해요!
건우 - 팀 분위기에 대해 덧붙이자면, 단발적인 업무보다는 장기적인 관점에서 봐야하는 업무가 많고 기존 알고리즘을 끊임없이 의심하고 개선해야 하는 환경 특성상, 팀원들 성격들도 감정기복이 적고 끈기가 강한 편인 것 같아요. Sol-dev팀에게 중요한 건 꺾이지 않는 마음…? (웃음)
마지막 질문입니다. 좀 추상적인 질문일 수도 있는데요, 여러분은 여러분이 하고 있는 산업AI 설비 예지보전 알고리즘 연구개발이 산업 현장에 어떤 가치를 줄 것이라고 기대하고 계신가요?
정호 - 뭔가 대표님이 경제지 인터뷰에서나 받으실 법한 심층적인 질문이네요. (웃음)
감히 제가 sol-dev팀 대표로 말씀드려보자면…. 제가 알기론 산업 현장에서 쌓이는 데이터는 정말 많은데, 아직까지 활용은 제대로 안 되고 있어요. 저희의 가디원 제품들은 이렇게 무의미했던 데이터들이 유용하게 활용될 수 있도록 전환하는 역할을 하고 있다고 생각합니다. 데이터의 활용을 통해 설비 결함으로 인한 사고와 다운타임을 줄일 수 있는 것은 물론, 설비 담당자분들이 설비에 대한 최적의 의사결정을 돕고, 보다 효율적으로 산업 현장을 관리하실 수 있도록 지원하는 것이 저희의 궁극적인 목표입니다.
sol-dev팀에서 가디원 제품을 위해 알고리즘 연구개발을 함께할 동료를 모집하고 있습니다. 문제를 해결해 오늘보다 나은 내일을 만들어나가고 싶으신 분들이라면, 지금! 아래 채용 공고에서 자세한 내용을 확인해보세요.
인터뷰하고 글을 정리한 사람
오 혜 원 | 마케팅팀
원프레딕트 마케팅팀에서 홍보와 대내외 커뮤니케이션을 담당하고 있습니다.
천상 문과생이지만 최첨단 초일류 AI 회사에 다니는만큼 어디 가서 창피 당하지 않을 정도의 이과적 소양을 쌓고자 노력하는 중입니다.
물욕이 강한 편이라, 하고 싶은 거, 입고 싶은 거, 먹고 싶은 거 다 사기 위해 오늘도(뚠뚠) 개미는(뚠뚠) 열심히(뚠뚠) 일하고 있습니다.
함께 인터뷰한 사람
원프레딕트 마케팅팀에서 컨텐츠를 담당하고 있습니다.
시바 강아지 영접하기 위해 일본까지 날아가는 열정러.
세상에 넘치는 즐거움을 다 즐기기 위해 오늘도 열심히 살아가는 흥부자 일개미 입니다.
원프레딕트 홈페이지
https://onepredict.ai/
원프레딕트 블로그
https://blog.onepredict.ai/
원프레딕트 기술 블로그
https://tech.onepredict.ai