Who are the AI talents our company should select?

우리 회사가 뽑아야 할 AI 인재는?

축구 경기에서도 승리 비결은 좋은 팀을 구성하는 것이다. AI를 통해 비즈니스를 성공적으로 혁신하는 데 있어서도 좋은 인재로 구성된 팀이 필요하다.

인사가 만사(萬事)라는 말은 AI 혁신의 상황에서 더욱 중요하다. 기업이 AI를 통해 비즈니스의 혁신을 하려 할 때, 이를 추진하고 실현하는 것은 결국 사람이기 때문이다. AI를 이해하는 인력 없이는 알고리즘 개발은 물론이고, 제품에 AI의 기능을 구현하는 것도 어렵고, AI를 이용해 업무 혁신을 하는 것도 불가능하다. 따라서 기업들은 AI 혁신을 추진하기 위해 인력 선발을 한다. 하지만 막상 선발 시점에 어떤 종류의 인재를 뽑아야 하는지 막연해 하는 경우가 많다. 우리는 AI 혁신을 위해 필요한 인력이 어떤 종류인지 숙지하는 것이 필요하다.

먼저 기업에게 필요한 역량을 먼저 추려봐야 한다. 무엇보다 AI 혁신을 이끌 리더십이 필요하다. AI 기술로 원하는 기능을 구현해낼 개발 역량이 빠질 수 없다. 이와 함께, AI에서 실제 가치를 구현해낼 응용 역량 역시 필수다. 이러한 역량을 중심으로 AI 인력의 종류를 하나씩 살펴본다.

AI 총괄 책임자 (Chief AI Officer)

AI 역량 구축에서 가장 커다란 과제는 리더십 확보다. 선진기업들은 AI 경쟁력을 확보하고 조직 전체의 변화를 이끌어낼 수 있는 유능한 리더에 투자하고 있다. 액센츄어에 따르면 선도기업들은 AI 기반 기술개발을 총괄하는 CAIO(Chief Artificial Intelligence Officer)를 보유하고 있으며, 글로벌 기업의 62%는 조직 내부에 CAIO를 둘 계획인 것으로 나타났다. 스탠포드대의 앤드류 응 교수는 데이터는 있지만 AI 기술에 대한 심층적인 지식은 부족한 대다수 기업은 AI 책임자를 고위 임원으로 영입하는 것을 권장한다고 했다. AI 책임자는 회사 전반의 AI 적용 전략을 짜고, AI를 사용할 새로운 영역도 발굴하는 역할을 한다. 또 AI 전략을 수시로 모니터링하고 필요한 경우 수정도 필요하다. 이러한 책임자가 있으면 추가적인 AI 인재를 끌어오는 데에도 유리하다.

그렇다보니 선도기업들은 AI 혁신을 추진할 때 가장 먼저 하는 일이 AI 전문가를 리더로 확보하는 것이다. 애플은 구글이나 아마존에 비해 AI 경쟁력이 떨어지는 약점을 극복하기 위해 2018년부터 대대적인 AI 혁신 드라이브를 걸었는데, 이때 가장 우선적으로 한 일은 구글의 AI 검색 부문 책임자였던 지아난드레아를 총괄리더로 영입한 것이다. 지아난드레아를 통해 머신러닝 등 AI 기술 개발을 책임지고, 시리와 같은 AI 관련 서비스를 강화하도록 했다. CAIO의 역할은 AI기술을 통해 새로운 가치를 창출할 수 있는 기회를 통찰하고, 기업 내에 사업 전반을 지원할 수 있는 AI 기능을 구축하는 총괄적인 일을 한다. 또 AI 프로젝트를 위한 프로세스를 정립하고, AI 프로젝트를 통한 수익 및 비용을 관리하며, AI 인재 채용 및 교육을 통해 역량을 확보하는 것이다.

소프트웨어 개발자 (S/W engineer)

AI 혁신에서 기술을 개발하는 엔지니어가 빠질 수 없다. 물론 어떠한 문제를 해결하느냐에 따라 필요한 기술 인재의 종류는 다르다. 소프트웨어 개발자 또는 엔지니어는 AI 알고리즘을 개발하거나 이를 이용해 신기술 또는 어플리케이션을 개발하는 역할을 한다. 최근 머신러닝을 비즈니스에 도입하려고 하는 기업들이 늘어나고 있다. 머신러닝 기반의 제품 및 서비스를 구현하거나 기업이 지닌 문제를 해결할 AI 솔루션을 구현해내는 일을 소프트웨어 개발자가 한다.

이러한 인력은 컴퓨터공학, 전산과학, 수학 등에 기반하여 머신러닝의 일반적인 알고리즘이나, 딥러닝과 같은 신경망 계열의 알고리즘, 생성적 적대신경망(GAN), 자연어처리 기술 등 주요 AI 분야에 대한 이해를 충분히 해야 한다. 기업이 원하는 솔루션을 구현하기 위한 아키텍처 설계 능력도 중요하다. CPU 및 GPU에 대한 지식과 함께 파이썬, 자바, C#, Hadoop 등 프로그래밍 언어에 능통해서 고난이도 문제를 자유자재로 풀어낼 수 있어야 한다. 기업들의 수요가 가장 많은 데 비해 인력 공급 규모가 적기 때문에 희소 인력에 해당된다. S급 인재는 확보하기 위해서는 최고 대우를 제공해야 한다.

데이터 전문가 (Data scientist/engineer)

AI의 경쟁력은 많은 경우 데이터에서 나온다. 데이터가 잘 확보되어야 하고 이를 잘 활용할 수 있어야 한다. 때문에 AI혁신에서 데이터 전문가의 역할은 절대적이라고 할 수 있다. 데이터 전문가는 그 역할에 따라 몇 가지로 세분화해볼 수 있다. 우선 데이터를 수집하거나, 방대한 데이터를 다루는 인프라를 구축하고 운영하는 역할을 담당하는 ‘데이터 엔지니어’다. 수집된 데이터를 통합 관리하고 데이터 보완 체계를 만드는 일을 한다. 데이터가 잘 확보되어야 AI 알고리즘을 이용해 다양한 문제들을 해결하고 분석할 수 있는데 이러한 후속 작업들이 원활하게 이뤄질 수 있도록 데이터 인프라를 제공해주는 것이다. 

데이터 분석에 초점을 맞추고 있는 ‘데이터 분석가’는 또 다른 데이터 전문가다. 데이터 엔지니어에 의해 확보된 데이터는 데이터 분석가에 의해 다뤄진다. 데이터 분석 도구를 통해 데이터로부터 비즈니스에 필요한 다양한 정보를 얻는다. 데이터 분석가는 기술전문가지만 많은 경우 비즈니스 의사결정과 밀접한 관련이 있다. 의사결정이 필요한 상황에 대해 데이터가 주는 인사이트에 기반해서 보다 나은 대안을 도출하는 역할이기 때문에 데이터 분석능력 뿐만 아니라 비즈니스의 다양한 상황을 이해해야 하며 데이터가 제시하는 결과를 쉽게 전달할 수 있도록 시각화하고 커뮤니케이션하는 능력도 필요하다.

끝으로 데이터 모델링을 통해 다양한 문제해결의 방법론을 개발하는 ‘데이터 과학자’다. 데이터 과학자는 데이터 분석가와 상당히 유사하다. 그러나 기존의 통계 분석 기법은 물론이고 딥러닝과 같은 알고리즘을 이용하여 새로운 모델을 개발하고 이를 통해 보다 효과적인 솔루션을 만드는 일까지 관여하기도 한다. 데이터 속 인사이트를 얻기 위해 보다 심층적인 과업을 수행한다고 볼 수 있다. 많은 경우 데이터 분석가를 데이터 과학자에 포함하기도 한다.

AI 제품기획자 (AI product manager)

지금까지는 기술인력이었다. AI 전문인력은 이러한 기술인력 뿐만 아니라 AI를 창조적으로 응용하고 사업화를 통해 가치를 실현하는 인재도 포함한다. 창조적 응용은 AI 기술을 토대로 참신한 제품이나 서비스를 만들어내는 것이다. AI 제품기획자는 시장 흐름과 고객의 니즈를 분석하여 타깃 고객에게 새로운 경험적 가치를 제공할 수 있는 제품을 기획한다. 또한 보유하고 있는 AI 기능 및 제품 성능이 꾸준히 개선될 수 있도록 지속적인 제품 혁신을 수행한다.

AI제품기획자는 AI 기술지식을 충분히 갖추고 있어야 하며, 나아가 산업에 대한 지식, 그리고 사용자경험(UX)에 대한 지식을 모두 갖추어야 한다. 해당 산업에서 소비자에게 수용성(Affordability) 높은 제품의 특징을 잘 포착해 이를 제품에 반영될 수 있도록 하는 역할이 중요하다. 제품에 어떠한 AI 기능이 활용되는 지와 이를 구현하기 위한 알고리즘 종류와 데이터 학습 방법에 대한 지식을 갖추어야 이를 활용한 제품 아이디어를 발전시키는 게 가능하다.

사용자의 제품 경험 과정에서 생성되는 데이터가 학습의 연료 데이터로 이어지도록 이끌어 사용자경험을 개선시키는 선순환 흐름을 유도하는 것도 중요한 역할이다. AI 제품 및 서비스를 통해 창출되는 사용자경험을 다루는 UX 디자인에 대한 역할도 중요하다. 제품 및 서비스를 통해 창출되는 경험적 가치를 설계하고 실제 사용자의 삶에서 이 가치가 극대화될 수 있도록 제품을 기획해야 한다.

AI 비즈니스모델 개발자 (AI business model manager)

AI를 기반으로 하는 비즈니스모델 개발자도 중요한 역할이다. AI 제품과 서비스가 창출하는 가치를 어떻게 사용자에게 효과적으로 전달할 것인지에 대한 계획을 세우고, 이를 통해 기업이 수익을 어떻게 실현할지에 대한 비즈니스 모델을 설계한다. 같은 제품이라도 비즈니스모델이 무엇이냐에 따라 사용자가 인지하는 가치는 달라진다. 전통적인 판매 방식(제품 선택후 구매)을 채택할 수도 있고 넷플릭스처럼 구독(Subscription) 방식으로 전할 수도 있다. AI 제품 및 서비스의 특성을 고려하여 가장 적절한 비즈니스모델을 선택해야 한다.

또한, AI 제품 및 서비스를 더욱 개선시키는 중요한 요인은 데이터인데 이 데이터가 고객의 경험 속에서 생성된다. 고객의 경험 속에서 어떻게 데이터를 수집하고 이를 비즈니스에 이용할지를 고려해야 AI의 효과를 극대화할 수 있다. 즉, 고객의 경험이 데이터를 통해 AI 제품 및 서비스의 개선에 반영될 수 있도록 학습의 선순환고리를 갖도록 비즈니스모델을 설계해야 한다. 이를 위해서는 고객의 어떤 부분이 데이터화 되어 학습에 이용되는지, 또한 데이터 학습에 활용되기 위한 중요한 고객행동 데이터는 무엇인지를 꿰뚫고 있어야 한다.

또한 AI 혁신의 비용 및 수익을 고려하여 ROI(Return on Investment) 등 수익성을 높이기 위한 전략을 세우는 것도 필요하다. 혁신이 장기적 발전을 이어가도록 하기 위해서는 장단기 수익을 모두 고려해야 한다. AI 비즈니스모델 개발 전문가는 AI의 작동 메커니즘을 잘 이해하는 것은 물론, 업계 동향을 꿰뚫고 있어야 하며, 비즈니스의 본질을 잘 이해해야 한다. 기술을 통해 창출되는 가치를 통찰할 수 있는 식견도 갖추어야 한다.

이렇게 AI 혁신에 필요한 핵심인재의 유형을 두루 살펴봤다. 축구 경기에서도 승리 비결은 좋은 팀을 구성하는 것이다. AI를 통해 비즈니스를 성공적으로 혁신하는 데 있어서도 팀 구성이 중요하다. AI 혁신을 위해 어떠한 역할이 필요한지를 제시했다. 물론 현실에서는 인력 구성을 이렇게 세분화하여 마련하지 않는 경우가 많다. 소프트웨어 엔지니어가 데이터와 관련된 일들을 동시에 수행하기도 하고, 규모가 작은 스타트업의 경우에는 개발자가 AI에 특화된 비즈니스모델까지 설계한다. 그러나 조직을 꾸리는 입장에서는 확보해야 할 직군과 역할이 무엇인지를 종합적 관점에서 생각해볼 필요가 있다. 그런 측면에서 가급적 구체적인, 그러나 핵심적인 인력 포지션을 나열했다.

AI 인재 확보를 위한 지침

AI 인재 확보를 성공적으로 하기 위한 몇가지 지침을 제시한다. 무엇보다 AI를 활용하는 목적이 분명해야 한다. AI는 다양한 요소기술을 포함하고 있고, 인재들의 특화된 종목도 서로 다르다. 자연어처리에 능한 인재가 있고, 딥러닝을 이용해 예측 관련 문제를 잘 해결하는 인재가 있다. 지도학습에 익숙한 인재가 강화학습은 잘 모를 수도 있다. AI를 활용하는 목적이 분명해야 이를 잘 수행하는 인재의 종류가 무엇인지를 알 수 있다. AI는 고려해야 할 변수가 매우 많다는 사실을 기억해야 한다. 목적 지향적인 인재 확보를 하기 바란다.

이와 함께 AI 인재 확보에는 균형을 유지해야 한다. 많은 경우 AI 기술 구현을 해내면 인공지능에 의한 혁신이 완성되는 것으로 생각한다. 이는 커다란 오해다. 좋은 AI 제품을 만들어 놓아도, 시장에서 아무런 주목도 못받고 사장되는 일이 부지기수다. 기술만 맹신하면 시장을 놓칠 수 있다. 시장과 비즈니스를 모르는 기술 인력으로만 채워 놓으면 AI 기술구현은 가능할 수 있으나 가치 창출이 이뤄지지 않는다. 반대로 AI를 이해하는 인력이 충분치 않으면 원하는 기술적 구현이 되지 않는다. 적절한 균형점을 찾아야 한다.

끝으로 AI 인재확보에는 유연한 자세를 견지할 필요가 있다. AI는 학습과 시행착오를 필요로 한다. AI는 만능이 아니다. AI 인재를 선발하자 마자 회사가 골몰하는 문제를 단번에 해결하는 일은 일어나지 않는다. 제대로 된 솔루션이 나오기 위해서는 몇차례 실패 과정이 필요하다. AI인재가 이 기술을 적용하기 위해서는 시장을 이해하고 회사의 돌아가는 프로세스를 익힐 시간도 필요하다. AI는 학습을 필요로 하기 때문에 시스템이 성장하는 데까지 인내심을 갖고 기다려야 한다. 이러한 유연한 자세는 단순히 성격의 이슈가 아니다. AI가 어떻게 작동하는지 지식이 있어야 가능하다. 따라서 인재를 채용하는 경영자는 AI에 대한 이해를 충분히 해야 한다. 이러한 지침들이 AI 핵심인재를 채용하고 육성하는 데 도움이 되기를 바란다.

※ 정두희 MIT 테크놀로지 리뷰 코리아 편집장이며, 한동대학교 ICT창업학부 교수다. LG그룹 AI 자문교수와 교육부 AI 인력양성 정책 자문위원 등으로 활동했다. <한권으로 끝내는 AI 비즈니스 모델>, <3년후 AI 초격차 시대가 온다>, <TQ 기술지능> 등을 저술했다.

미리보기 3회1회

MIT Technology Review 구독을 시작하시면 모든 기사를 제한 없이 이용할 수 있습니다.