[잡생각 창고]AI 팀이 실패하는 이유 (펌)

 

아모레퍼시픽 디지털기술개발Div의 홍성봉님이 Facebook AI에 올린 글을 인용하였습니다.

 

---

1.지금 직장인 아모레퍼시픽에서 AI팀을 산하에 운영하고 있고, 이전 직장에서도 AI 전담팀을 운영했었습니다.

 

제목에 있듯이 완전히 다른 회사에서 두번의 AI 전담팀을 운영해오면서 지속적인 실패를 경험하고 있습니다. 팀의 성과가 나지 않았다라는 관점보다는 조직의 심리적 안정감을 바탕으로 건강하게 성장하는 팀을 만드는데 어려움이 많다라는 의미입니다.

 

2.기술의 어려움과 전문가 구인이 가장 큰 문제라고 생각했는데,이는 상대적으로 극복 가능한 문제였다고 생각합니다.

 

제 동창이자 우리나라 AI의 기둥이라고 생각하는 김정희 현대자동차 상무가 작년에 저에게 해주었던 이야기가 본질을 잘 설명해주고 있다고 생각합니다.

 

"인공 지능 프로젝트의 핵심은

 

(1) 정량적으로 측정 가능한 목표의 수립과

(2) 이를 검증할 수 있는 대량의 데이터의 존재이다"

 

제 관점에서 AI팀의 실패는 굉장히 뻔해보이는 저 두가지를 잘 못하기 때문이었던 것 같습니다.

 

---

 

 

3.검색 서비스팀, 웹 서비스 개발팀 등은 이름만 보아도 뭘 하는 팀인지, 앞으로 어떤 것을 해서 성과를 내야하는 팀인지 매우 명확해 보입니다.

 

그런데 AI팀은 명확한가요? 보유한 기술은 명확할 수 있지만 무슨 프로젝트를 하는 팀일까요? 연간 MBO는 무엇일까요?

 

AI팀의 첫번째 관문은 '(사업적으로) 유의미한 프로젝트를 정하는 것'이었습니다.

 

앤드루 응 아저씨가 구글에서 나와 창업하면서 AI Project Playbook 이란 걸 발표했는데 이에 대하여 굉장히 임팩트있게 기술해주셨습니다. 그런데 말이 쉽지 실제로는 mission impossible에 가깝습니다. 솔까 현업부서를 고객으로 영업사원처럼 뛰어다니면서 '고객님, 저희 AI 기술로 어떤 업무를 도와드리면 될까요? 저희가 기여할 수 있게 이런저런 아이디어 좀 가져왔는데 들어보시겠습니까? (굽신굽신)' 의 영업 모드로 가거나, 아니면 아폴로 로켓을 쏘아올리겠다는 수준의 완전히 새로운 과제를 발굴해야만 했습니다.

 

그런데 현업에 대한 이해도가 높지도 않은 기술만 해오던 사람들이 AI라는 단어만 들어봤지 뭐에 쓰는지도 잘 모르는 영업, 마케팅, 유통, 생산에 있는 사람들을 설득하는 것이 얼마나 어려웠을까요? (사실 적지 않은 AI엔지니어들은 이런 일을 안해봤을 수 있습니다)

 

CEO 레벨에서 AI의 비즈니스를 구체적으로 선언해버리면 이 문제는 굉장히 쉬워집니다만, 그런데 그런 회사가 얼마나 되겠습니까? 네이버의 AI 조직이 뿌리를 내리던 시기를 기억하는 사람들은 그 과정이 얼마나 힘든 투쟁이었는지 잘 아실겁니다.

 

 

4.어찌어찌 나름 괜찮은 과제를 수주했다고 하더라도, 어려움은 계속 이어집니다.

 

AI팀을 구성할때 tensorflow, PyTorch 등을 잘 다루고, CNN, RNN, LSTM, Word2Vec 같은 모델들을 숙지했으며, Batch Normalization, Dropout 등을 활용하여 모델 최적화를 할 줄 알고, AWS의 솔루션들을 샤샤샥 잘 다루는 '기술자'들을 우선적으로 채용을 합니다. 초기부터 성과를 잘 내기는 어려우니 보통 10명 언더의 TO를 받아서 시작을 합니다.

 

그런데, 경험상 이런 전문 기술자들은 좋은 데이터 사이언티스트인 경우가 많지 않았습니다. 최근 현상이 그러하다는 것입니다. ML/DL 수요가 급증하면서 일반 개발자들이 단기적으로 이쪽 분야로 이전하면서 일어나는 현상이 아닌가 합니다. 좋은 데이터사이언티스트가 아닌 경우에 아래와 같은 애로가 발생합니다.

 

---

 

- 현업에 대한 꼼꼼한 관찰과 전략적/분석적 사고를 통하여 어떤 페인 포인트를 해결하면 되겠다...라는 과정을 매우 힘들어합니다.

 

- 문제를 도출하기 위하여 굉장히 많은 데이터를 뒤지면서 EDA를 수행해야 하는데 이것도 별로 해본 적이 없는 일입니다.

 

- 비즈니스 KPI를 정했다고 하더라도 이에 유의미한 영향을 줄 인자들을 찾는 과정을 어려워합니다.

 

- KPI와 인자들을 찾았지만, deep learning 학습에 사용하려면 데이터를 수집, 정제하고, 파이프라인을 뚫어야 하는데 이것도 쉽지 않습니다. 개인화된 인퍼런스를 하려면 실시간 데이터 처리도 해야되는데 앞이 캄캄하네요.

 

---

 

결국, AI팀의 맨파워의 핵심은 데이터사이언티스트와 AI엔지니어의 조합 + 데이터팀의 협조라고 할 수 있겠습니다. 거기에 B2C 서비스와 바로 연결되는 케이스라면 AI 서비스 기획자에다 전담 PM까지도 필요하게 됩니다.
10명 정도로 뭔가 해볼 수 있을까요? 프로젝트 1개 정도 겨우 할 수 있을 것 같네요.

 

제가 실패를 통하여 얻은 경험은 AI팀에는 무조건 전문 데이터사이언티스트를 30% 이상 배치하거나, 아예 AI 엔지니어를 뽑을때 데이터 사이언스 역량이 있는 사람을 뽑아야 한다는 것이 될 것 같습니다.

 

 

5. 사실 멤버들의 역량이 조금 부족해도 좋은 리더십이 있다면 또한 실패의 위기를 극복할 수 있다고 생각합니다.

 

AI팀 멤버들의 어려움과 긴장감은 일반 개발자보다 훨씬 높습니다. 또한 계속 발전하는 분야이기 때문에 성장에 대한 욕구도 어마어마하고요.

 

AI 엔지니어들은 현업의 심도있는 이해를 바탕으로 영업도 뛰어야하고, AI 서비스 아이디어도 내야하고, 데이터 사이언스 기반의 문제 정의도 해야하고, 개발도 겁나 잘해야하고... 말입니다. 다 잘하면 수퍼 개발자이고 억대 연봉 당연히 받아야 합니다.

 

---

 

AI팀의 리더십은 '높은 지식과 경험 우위 기반의 리더십'도 좋겠지만, 이러한 어려움을 잘 이해하는 '공감의 리더십'에 가깝다는 생각이 듭니다. 기술력만을 강조하거나, 딥러닝 모델 최적화 능력만을 강조하거나, 또 이와는 반대로 영업만을 강조하거나하면 항상 문제가 생겨왔습니다.

 

팀원 각자의 역량과 부족한 부분을 고려하여 프로젝트를 구성하고 개인들을 코칭하는 것이 필요하였고, 팀원들이 프로젝트나 개인 성장에 고민할때 마음을 터놓고 의지할 수 있는 공감의 리더가 좋은 AI팀에 필요한 핵심 요소였지 않았나 생각합니다.

 

---

 

AI팀의 리더를 정할때 기술력을 최우선으로 보겠지만, 팀이 지속 성장하려면 전략적 사고 능력, 비즈니스와의 가치 연결 능력, 팀원들에 대한 공감능력이 훨씬 더 중요하게 봐야할 AI팀 리더의 역량이라고 저는 확신하고 있습니다.결론. AI팀이 지속 성장 하기 위해서는,

 

- 사업적으로 유의미한 프로젝트를 빨리 선정할 것
- 딥러닝 기술력 부족보다는 데이터 사이언스 역량의 부족, 데이터 핸들링 역량의 부족을 더 중요하게 여길 것
- 작은 성공을 위하여 적은 수의 프로젝트에 집중하고, 각 팀원들이 기획-분석-모델-개발-PM을 분업이 아닌 협업으로 진행하도록 할 것.
- 전략적 사고와 공감의 리더십을 확보할 것