[연말 결산] 2024년 회고

Overview

2024년을 되돌아봅니다.

상반기 (1월 ~ 5월)

생성형 AI의 성장

2024년의 주요 변화는 AI 기술의 급진적인 성장 과정에서 찾아볼 수 있다. OpenAI를 필두로 전 세계 빅테크 기업이 LLM 개발을 위한 군비경쟁하며 Chat GPT 등 생성형 AI 서비스가 상용화되었다. 품질 좋은 데이터를 활용해 더 작고 더 높은 추론 성능을 내는 AI 모델들이 자고 일어나면 만들어져 시장에 나와있다. 마치 AI의 르네상스 시기를 살고 있는 기분이 든다.

소프트웨어 설계에서의 생성형 AI 활용 사례

AI 기술은 삽시간에 내가 수행하는 모든 영역에 녹아들었다. 이제는 AI 에이전트를 활용해 소프트웨어를 설계하고 생산한다. 컴퓨터 공학을 전공하며 소프트웨어 설계 지식을 활용해 생성형 AI와 브레인스토밍을 하면 혼자 수공업으로 설계할 때보다 힘이 덜 든다. 배움을 활용하는데 소요되는 정신적 에너지를 절감하여 만들려는 대상이자 순수한 "목적"에 집중할 수 있는 점에서 나는 AI 기술의 매력에 빠져들었다.

가령 대표적인 소프트웨어 개발 분야에서의 활용 사례로 GoodJob 프로젝트를 들어 볼 수 있다. 본 프로젝트는 올 초에 청년 구직자를 위해 채용공고와 채용 프로세스 진척도를 관리할 수 있도록 설계된 애플 플래폼용 애플리케이션이다. 애플리케이션의 기능과 데이터 관계 구조를 LLM에게 자연어로 설명하며 논리적 구조화 스키마를 뽑아내었다. 이를 기반으로 모바일 GUI와 클라우드 데이터 동기화 기능을 개발하여 애플 앱스토어에 배포 완수했다. 물론 GPT가 없어도 할 수 있는 일이다. 더 오랜 시간 동안 더 많은 힘을 들이면 말이다. 곧, 그렇지 아니할 시대가 눈앞에 다가오고 있다고 믿는다. 자세한 개발 경험은 "[Challenge] 3주 만에 앱스토어에 앱 출시하기" 시리즈를 통해 확인 가능하다.

 

[Challenge] 3주만에 앱스토어에 앱 출시하기 - 1부 기획과 디자인

엣지 컴퓨팅 장치와 생성형 AI의 혼연일체

나의 컴퓨팅 환경은 주로 애플 플랫폼으로 구성되어 있다. 삶의 모든 순간에는 내 손 안의 아이폰, 아이패드와 작업대 위의 맥북 프로가 존재한다. 2024년 WWDC를 기점으로 배포된 새로운 iOS, iPadOS, MacOS에는 Apple Intelligence라는 애플식 AI 기술이 통합되어 있다. 애플이 제공하는 기본 응용프로그램에는 글쓰기 도구, 요약 등의 AI를 통해 구동되는 기능이 통합되었으며 3rd 파티 개발자 또한 애플의 SDK를 활용해 Apple Intelligence의 힘을 끌어올 수 있다. 2011년 아이폰4S와 함께 등장한 인공지능 비서 기술인 Siri는 OpenAI의 ChatGPT와 연동되어 더 범적인 문제도 해결할 수 있게 되었다. 이렇듯, AI 기술은 나의 일상에 점진적으로 보급되었다.

엣지 컴퓨팅 장치에서 AI 기술을 구동할 수 있게 된 배경에는 반도체의 힘이 컸다. 인공지능 뉴럴 네트워크에서의 추론 성능을 강화한 뉴럴 엔진을 활용하면 더 낮은 전력으로 더 강력한 병렬 연산을 지원할 수 있다. 대표적으로 모든 애플 실리콘 탑재 기기에는 애플의 뉴럴 엔진이 탑재되어 있다. 이 반도체의 힘으로 온디바이스 방식으로 AI 추론 서비스를 제공받을 수 있게 되었다. 즉, 기 학습된 AI 모델로 중요한 나의 데이터를 디바이스 내에서만 처리하는 AI 서비스 모델이 가능해지기에 중요한 데이터 보안을 강화할 수 있다. 아직은 온 디바이스 컴퓨팅 환경과 소규모 AI 모델이 갖는 제약과 한계가 존재한다. Apple Intelligence는 프라이빗 클라우드 컴퓨팅 방식으로 보안성을 고려하여 컴퓨팅 파워를 보완하기도 한다. 하지만, 시장에서는 모바일 환경에서 컴퓨팅 파워가 빠르게 성장하고 있으며 AI 모델 또한 빠르게 경량화되고 있기 때문에 2025년에는 어떤 온디바이스 서비스가 가능해질지 무척 기대하고 있다.

AI 기술이 성장할수록 더 많이 알아야 한다는 믿음

물론, 생성형 AI가 만사에 정답을 주지는 않는다. 때로는 할루시네이션으로 불리는 거짓말을 섞어서 사용자의 질의에 응답하기도 한다. 근데, 사람이라고 무조건 진실만 말한다고 할 수 있는가? 할루시네이션으로 보는 손해에 비하여 생성형 AI 사용자가 전혀 알지 못하는 세상에 "평균적인 수준"의 정보에 접근할 수 있는 것 만으로도 편익이 더 크다고 생각한다.

가끔, AI 기술이 성장하면서 이런 의견을 듣기도 한다. "뭐... 딸깍하면 AI가 다 해주는데... 뭐하러 공부해?". 이에 대한 나의 의견은 "그럼에도 공부해야 한다."이다. 협업할 때에 비유해보고 싶다. 당신의 협업 상대가 상대측 분야의 지식이 전혀 없는 경우에 협업이 수월했는가?라고 말이다. 당신의 직장 상사가 전문적 지식을 보유하고 있지 않은 분야로 실무적인 일을 시키려고 하는 경우 어땠는가? 소통이 쉽지 않을 거라고 생각한다.

그래서 나는 올 한해 AI 기술이 성장하는 것을 보면서도 배움을 멈추지 않았다. 앞으로도 멈추지 않을 것이다. 대표적으로 올 상반기에는 컴퓨터 자격증 2종을 취득했다. 바로 정보처리기사와 SQLD 자격증이다. 전자의 경우 대학교 학부 시절 전공 지식을 되돌아보며 정리하고 싶어서 취득했다. 후자의 경우 응용 프로그램을 개발할 때 도메인 지식을 바탕으로 데이터 관계를 구성해 개발하는 과정에 필요한 지식을 다시 한번 정리해보고 싶어서 취득했다. 기출문제를 풀고 ChatGPT와 기출문제로 토론하면서 공부했는데 3주 간격으로 필기와 실기 시험을 합격할 수 있었다. 학습 방향과 과정에 대한 정리는 다음의 글에서 확인 가능하다.

[자격증] 3주간 정보처리기사와 SQLD 합격하기

중반기 (6월 ~ 8월)

수단에 대한 관점의 확장

사실 컴퓨터 기술은 모든 일의 "수단"으로 사용된다고 생각한다. 즉, 나의 관점에 비추어 해석해보면, 컴퓨터 공학 지식으로는 어떤 이가 하려는 일을 좀 더 편리하고 풍요롭게 만들 수 있다만, 하려는 일이 없으면 하등 무용지물에 가깝다고 해석할 수 있다. 그래서 중반기에는 지구촌에서 일구어지는 사업에 관심을 갖게 되었다. 주로 관심을 가졌던 분야는 주로 전기 자동차, 바이오・의약, 화장품의 공급망 벨류 체인이었다. 어떤 점에 집중했는지 하나씩 뜯어보자.

전기 자동차 (EV)

최근, 미국에서 트럼프 보수 정부가 재집권하기 전까지는 전기 자동차를 필두로 친환경 에너지 공급망 산업이 유망하다고 평가받아왔다. 미국에서 바이든 정부의 IRA 법안을 필두로 친환경 에너지 산업에서 미국 내 생산 시설에 투자하는 기업에게 행정부가 보조금을 지급했다. 국내에서는 LG 에너지솔루션 등의 2차 전지 기업과 현대・기아차 등의 전기 자동차 생산 업체 그리고 자동차에도 스마트폰과 유사한 느낌의 운영체계 SDV 솔루션을 개발하는 소프트웨어 업체 등이 큰 수혜를 받았다.

어떻게든 친환경 정책에 기반한 보조금 따먹기 경쟁에 녹아들어 나의 능력을 세상에 보이고 싶었다. 문제는 필자는 전기나 화학 분야의 도메인에 접점이 많지 않아서 전기 자동차 산업에 직접 기여하기가 쉽지만은 않았다. 그 중에서도 힘겹게 찾은 연관 분야가 전기차 충전기의 보급 분야였다. 전기 자동차의 보급과 상용화가 어려웠던 복합적 이유 중에는 전기 자동차의 가격이 내연기관 자동차보다 비싸다는 점도 있으나 가솔린 차처럼 언제 어디서나 주유할 수 있는 인프라가 적은 문제도 상당한 영향을 주었기 때문이다.

마침, 미국과 국내 환경부에서는 친환경 전기 자동차 보급 목적으로 전기차 충전소 인프라 구축을 위한 보조금 정책을 제공했다. 정부 정책으로 기존 중소기업이 진출해있던 전기차 충전소 인프라 운영 업자와 전기차 충전기 제조업체가 대기업에 합병되거나 새로이 생겨났다. 특히, 전기차 충전과 연관된 기술은 스마트폰에서 안드로이드 운영체계와 유사하게 OCPP 개방형 프로토콜을 익힘으로써 내가 기존에 가진 지식을 활용해 기여할 수 있는 부분이 매우 많아 보였다. 이 점에서 기회를 포착하여 국내 5대 대기업 중에서 지원서를 넣어서 최종면접에 도달하는 경험도 해볼 수 있었다.

바이오・의약

대한민국은 의외로 바이오・의약품 제조 산업에 강점이 있다. 필자가 가장 관심을 갖던 분야는 이른바 CDMO 산업이다. 이 분야를 간단히 요약하여 표현해보면 국내에서 마음만 먹으면 글로벌 제약 회사의 바이오・화학 의약품을 카피하거나 위탁 생산할 수 있다. 물론 특허 문제는 별개로 생각하고 말이다. 국내 바이오・의약품 연구개발 및 생산 분야에서의 발전 방향은 기존에 치료할 수 없었던 병을 치료 가능하게 하는 것과 치료 과정에 많은 비용, 부작용, 불편함 등을 개선한 개량형 의약품 개발이 이루어지는 것 등을 파악했다.

예를 들어 생명공학 연구진 분들의 노력의 산물로 기존 의약품에서 정맥 주사 제형을 피하 주사 제형으로 개량하여 입원 없이 일상 속에서도 의약품을 처방할 수 있다던가, 항체 접합 기술을 활용(예: ADT 항체약물접합체) 등을 활용하여 표적 항암제를 개발하여 부작용을 줄인다던가, 지난 코로나-19 사태 때 전 세계인이 많은 도움을 받은 코로나-19 체외 진단 기기 분야도 부가적으로 떠오른다.

바이오・화학 의약품 분야에서 신약의 연구 개발 과정은 이른바 "파이프라인"으로 불리는데, 파이프라인이 완수되어 실제 환자에게 보급되기까지는 수많은 행정부의 면접 과정을 거쳐야 한다. 예를 들어 약의 안전성과 효능을 검증하는 임상 시험을 통과하고 식약처 등의 정부 기관에 승인된 의약품만 환자에게 사용될 수 있다. 이 지점에서 의약품의 시험 과정에서 많은 데이터가 발생하고 해석을 요하기에 컴퓨터의 힘이 필요할 것이라는 직관이 들었다. 이 판단에는 올해 노벨상을 수상한 구글 딥마인드의 AI 단백질 분석 기술도 영향을 주었다.

바이오・화학 의약품의 제조 분야에서도 DS와 DP 등을 생산하는 과정에서 정부의 GMP 인증 시설에서 생산해야한다. 정부의 규제에 맞추어 공장을 모니터링하고 관리할 수 있도록 만드는 것이 필요할 것이다. 다만, 바이오・의약품 산업은 전반적으로 IT분야를 "기업의 비용"으로 인식하고 있으며 다양한 규제로 인하여 비교적 진입 장벽이 높기에 낙후된 IT 인프라를 사용하는 경우가 많다는 정보를 듣게 되었다. 필자는 이 점에 주목하여 바이오・의약품 제조 시설의 협업 프로세스를 개선하고 낙후된 IT 인프라를 개선하여 미래 AI 시대를 대비하려는 목적으로 바이오산업 분야에 지원서를 넣어서 면접에 도달하는 경험을 할 수 있었다.

부가적으로 바이오・의약 산업의 핵심 기술을 이해하기 위해선 고등학교의 생명과학 지식을 필두로 약간의 생명공학에 대한 이해도 필요했다. 이 분야를 탐구하면서 생명과학과 그의 응용 학문에 관한 책을 읽으면서 내가 알고 있던 많은 IT 기술의 근원이 생명과학에 뿌리를 두고 있음을 발견할 수 있었다. 대표적으로 객체지향 프로그래밍 패러다임을 개발했던 미국의 컴퓨터 공학자는 생물학 학사 전공자였다. 세포의 메시지의 상호작용 시스템에서 영감을 받아서 객체지향 프로그래밍 기술을 개발했다. 현대 인공지능의 핵심 메커니즘인 뉴럴 네트워크도 인간의 뇌의 뉴런 시냅스 연결을 모방하여 만들어졌다. 생명과학 분야를 탐색해 보며 기존에는 컴퓨터 기술이 향하는 목적지가 무엇일지는 생각해보지 못했는데 이 지점을 다시금 사유해 보는 기회를 얻게 되었다.

화장품

뭔, 남자 애가 화장품에 관심을 갖지?라고 필자에게 의문을 던지는 사람이 많았다. 실제로도 파보기 전까지는 크게 관심 있던 분야도 아니었다. 화장품 시장에 관심 갖게 된 배경에는 앞서 본 바이오・의약품 분야가 큰 영향을 주었다. 이유는 서로의 산업 구조가 상당히 유사했기 때문이다.

화장품의 연구개발・생산까지의 산업을 부르는 호칭도 바이오・의약품 분야처럼 CDMO로 불린다. 현재 이 시장에서는 LG생활건강 등 대기업을 제외하면 소수의 GMP 생산시설과 제형 기술을 보유한 CDMO회사와 중소규모의 시장 트렌드에 민감하게 대응할 수 있는 이른바 아이디어를 갖고 있는 벤처가 협업하여 화장품을 개발하고 생산하는 방식으로 돌아간다.

화장품의 주요 소비 시장은 중국과 미국인데, 지난 몇 년간 중국과 한국의 대외 정치적 관계 악화로 시장의 성장이 더뎠으나 소수 벤처기업이 미국에서 흑인을 위한 파운데이션 쿠션을 개발하여 아마존 마켓에 상위 랭크하는 등 새로운 시장이 지속 개척되고 있는 것으로 보인다. 바이오・의약품 산업을 분석했던 경험을 바탕으로 화장품 시장에서도 제조・생산 시설과 IT 인프라의 발전 분야로도 관심을 가지며 국내 주요 CDMO 기업 2곳 중에서 최종면접에 도달하는 경험을 했다.

산업 분석으로 배운 점

세상을 돌리는 주요한 힘 중에는 컴퓨터 기술도 있다. 하지만 컴퓨터 기술 만으로 세상이 돌아가지는 않는다. 중반기의 산업 분석 경험으로 세상을 보는 눈이 조금은 더 넓어졌다고 생각한다. 특히 "도구"나 "수단"에 대한 관점이 많이 바뀌었다. 가령 "현금"은 더 이상 소비재로만 사용되지 않는다. 이제부터 필자에게 대중을 상대로 재화나 서비스를 보급하는 수단이자 사람을 움직이는 수단이다. 이로써 앞으로 더 많은 사람들이 21세기 현대 문명에서 소외되지 않고 더 많은 사람을 포용할 수 있도록 세상을 발전시키는 데 사용해보고 싶다. 수단으로써 컴퓨터 기술도 동일한 관점으로 바라보고 있다.

하반기 (9월 ~ 12월)

100일 챌린지 운영

올해는 2022년 이래로 소중한 친구들과 100일 챌린지를 추진한 지 어느덧 3년 차이다. 지난 2년 동안에는 참여자로서 운동, 독서, 프로그래밍 학습 등 개인의 성장을 추구하는 목적으로 참여했다. 올해는 대표 운영자 친구를 도와서 챌린지의 전반적 운영과 연관된 행정 사항을 지원하고자 운영진을 겸직하여 참여하였다. 개인적으로도 매일 20분씩 일본어를 학습하는 도전을 했다.

IT 서비스 개선한 협업 장벽

여러 명의 사람이 협업하다 보면 예상치 못한 문제가 발생하기 마련이다. 가령, 작게는 자료를 주고받는 일, 문서로 기획안을 고도화하며 최신본 중심으로 소통하거나 버전 관리를 하는 일부터 크게는 실제 행정적 집행을 하기 위해 서비스 생산 수단을 만들어서 참여자들에게 행정 서비스를 공급하는 일 등이 떠오른다. 컴퓨터 프로그래밍을 할 때는 소스 코드의 형상을 관리하는 주요 설루션으로 깃을 사용하면 그만인데, 기획 등 서류 사항을 관리하는 경험이 많지 않아서 어디서부터 손을 써야 하는지 고민이었다.

근데, 의외로 많은 부분에서 크게 고민할 필요가 없었다. 현대 상용 생산성 IT 서비스들은 앞서 열거한 문제를 포함해 협업 과정에서 발생하는 일반적 문제에 대한 해결책을 반영하고 있다. 이번 100일 챌린지의 운영 협업 과정에서 주로 사용한 솔루션은 구글 시트와 노션이었다. 구글 시트는 회계와 인적 관리 등을 목적으로 테이블 데이터를 구성해 사용하였고 노션은 기획안 문서를 실시간 자료 공유 및 버전 관리 등 협업 소통을 하고자 활용했다. 두 서비스 모두 클라우드 IT 서비스여서 언제 어디서 어떠한 장치를 사용하더라도 실시간으로 동일한 자료를 보거나 수정할 수 있다는 매력이 있었다.

생성형 AI를 활용한 서비스 가치 창출

100일 챌린지를 지원하면서 참여자의 동기를 유발하기 위하여 50일 차 지점에서 깜짝 이벤트를 기획하였다. 이름하여 "고속도로챌린지"였다. 간단히 설명하자면 100일 챌린지 참여 과정을 고속도로를 운전하는 자동차라는 맥락에 비유하며 50일 차가 마치 고속도로의 톨게이트를 지나는 것처럼 스토리텔링하며 이를 통과하기 위한 미션을 수행하도록 유도하는 것이었다. 미션은 크게 2가지로 참여자끼리 서로를 격려하는 메시지를 공유하거나 과거 목표 인증 내역을 돌아보며 초심을 찾고 목표를 재확인하도록 유도하는 방식으로 진행했다.

특히, 운영진과 참여자 간의 소통을 좀 더 현대적이고 친근하게 접근할 수 있도록 새로운 방법을 도입했다. 바로 구글폼, 카드 뉴스, Shorts 영상이다. 핵심 아이디어는 현대인들은 바쁘기에 긴 글을 읽을 시간이 부족하기에 더 친근한 어투나 메시지로 다가가며 참여자의 주의를 끌고 짧고 간결하게 정보를 전달하며 소통하자는 전략이었다. 참여자 반응은 정말 뜨거웠다. 챌린지가 종료된 후 진행한 설문 조사에서 소통 방면의 정량평가에서 10점 중 평균 8.8점을 달성하기도 했다. 이런 소통 전략을 가능하게 만들어준 배경에는 생성형 AI를 활용한 기획 및 자료 생성에 있다.

SNS 트렌드를 모니터링하면서 휴대전화의 GUI 인터페이스를 모방한 형식으로 재미난 커뮤니티 정보를 공유하는 형식의 숏폼을 보게 되었다. 이를 단 시간에 양산하기 위해 생성형 AI에 자연어로 스토리텔링 정보를 설명하여 귀여운 이미지와 오디오 스크립트를 얻었고 AI TTS 서비스를 활용하여 목소리의 인토네이션을 조정하여 실감 나는 숏폼 영상을 빠르게 생성할 수 있었다. 쉽게 말해 양산화가 가능해진 것이다. 외에도 참여자를 칭찬하는 동영상을 블렌더로 렌더링 해보기도 하는 등 오래간만에 해보고 싶었던 일들 모두 다 해본 것 같다.

앞으로의 발전 방향은 데이터에서 찾아볼 계획

내년에도 이 챌린지에 다시 참여하게 된다면 무엇을 해볼 수 있을지 고민해 보았다. 가장 큰 것은 참여자의 목표 작업 수행 내역에 관한 비정형 데이터를 분석하여 개인별 목표 달성과 연관된 개인화된 분석 리포트를 제공하는 것이다. 올해는 운영자로서 기록해 둔 데이터가 그저 어느 참여자가 특점 시점에 수행해야 할 작업을 잘 수행했다는 정보에만 그쳐서 뽑아낼 수 있는 분석 가치가 많지는 않았다만 앞으로는 구글 빅쿼리 등의 솔루션을 활용해 더 많은 정보를 뽑아낼 수 있도록 목표 인증부터 데이터 분석까지의 파이프라인을 구성해보고 싶다. 내년에는 그럴 수 있도록 성장해야겠다.

일본어 학습

올해 개인의 목표로는 매일 20분씩 일본어를 학습하고 3줄 이상의 간단한 작문을 해보며 생성형 AI를 통해 이미지화시키는 작업을 수행했다. 이유로 특별한 것은 없다. 최근 국내 대중문화에 일본식 문화가 녹아드는 점을 느꼈기 때문이다. 가령 길가의 표지판이나 음식문화부터 여행까지 다수의 영역에서 일본의 문화가 영향을 주고 있음을 느꼈다. 2023년 일본 여행도 다녀오면서 일본이라는 국가에 지속적으로 관심을 갖고 있었기에 그들의 언어를 공부하며 또 다른 세상을 보고 싶었다.

지난 100일 동안 챌린지를 운영하면서도 일본어 학습을 꾸준히 하는 일을 성공했다. 간단한 소감을 남겨보자면 매일 작게라도 무언가를 꾸준히 하면 실력이 늘어난다는 점이다. 새로운 언어를 공부할 때 처음부터 지식을 배운다기보다는 사용해 본다는 느낌으로 공부했는데 100일이 지난 이 시점에서 보니 일본어 한자까지는 못해도 가나 문자나 간단한 리스닝 정도는 해석이 가능해졌다. 정말 신기하다. 내년에는 JLPT 자격증도 취득할 수 있도록 더 성장할 수 있기를 바란다.

2024년의 짧은 마무리 멘트

Good Bye 2024!

2024년은 필자의 심적 세계를 넓히는 해였다고 생각한다. 작년 2023년에 자신에게 해주었던 조언에 따라 안전한 곳에만 머무르지 않았다. 우선 부딪혀보며 컴퓨터 기술로 사람과 산업을 연결해 왔다. 중간에 실패도 많이 겪었고 연말에도 힘든 일이 많이 발생했으나, 그로 인해 비교적 많이 성장했다고 생각한다.

2025년에는 좀 더 수용적인 사람으로서 AI를 필두로 변화하는 세상에 적극적으로 녹아들 수 있기를 바라본다. 개인주의적인 욕심보다는 더 많은 사람들에게 이로운 것을 더 많이 나눌 수 있는 사람으로 성장할 수 있기를 바란다.