사람들 구하기 (몸빵조와 지휘조 구분하기)

Side view portrait of young man using laptop standing by server cabinet while working with supercomputer

#1 회사 같은 층에 있던 의료용 AI 전문 회사가 있었다.

있었다는 표현을 사용한 것은 그 회사가 최근에 문을 닫았다.

큰 기업에서 큰 돈을 투자받았으나 1년 반만에 문을 닫았다.

그 회사 창업 초기에

같은 층 사장님들이 같이 커피마시면서 신입 AI 엔지니어 연봉을 7500이나 주었다고 하면서 같이 입방아를 찧었다.


—–

#2 얼마전 투자의사를 가진 분이 회사에 와서 문답을 하였다.

다른 것은 다 좋았는데 AI 엔지니어에 대한 주관에서 내 생각과 가장 큰 차이가 있었다.

나는 국내에서 AI Engineer를 많이 보았으나 실력이 있는 사람들은 많이 보지 못했다.

그나마 본 사람들은 대부분 네이버나 큰 회사에 있었다.

폄하할 생각은 아니란 것을 전제로 이야기한다면 대부분의 엔지니어들은 GitHub에서 다운 받아서 돌리는 수준이었다. 물론 나도 그정도에서 크게 벗어나지 못한다.

그래서 내 나름대로의 조직을 구성하였으나 투자자 분은 이해를 못하였다.

—–

#3 친한 회사 대표님이 AI Staff을 채용했다고 자랑하셨는데 얼마 안 있다가 팀 유지를 포기하셨다고 하셨다.

이유를 여쭈어 보니 채용한지 얼마 안되어 연봉이 1000 이상이 올려주는 회사로 이직을 하겠다고 하였다고 하였다. 자꾸 발생하다 보니 결국 포기하게 되었다고 하셨다.


관련한 에피소드는 계속 늘어나고 있다.

세상이 AI로 미쳐 날뛰는 것 같고,

관련한 사람들 구하는 것은 거의 불가능할 정도로 어렵게 되었다.

돈을 더 주면 (연봉을 그만큼 더 주면) 되지 않겠냐고 해도, 반대로 그정도의 가치가 있는지에 대해서는 의문이 계속 든다.

그래서 구조를 잘 짜야 한다.

AI Platform 사업에 필요한 직업군 (엔지니어, 사람들…)은 아래와 같다.

  • 타겟 어플리케이션의 데이터를 연구하는 군
  • Deep Learning 네트워크 구조를 연구하는 군
  • 플랫폼을 연구하는 군

으로 나눈다.

이 중에서 플랫폼을 연구하는 군은

Deep Learning 군과는 상대적으로는 큰 연관관계가 없으므로 타켓 어플리케이션의 데이터를 연구하는 군과 DL 네트워크 구조를 연구하는 군을 중심으로 잘 보아야 한다.

이는 종으로 나눈 것이다.

횡으로 나눈다면

시험을 반복하여 결과를 얻는 군과 얻어진 데이터를 분석하여 개선점/개선책을 찾는 군으로 나눌 수 있다.

문제는 시험을 반복하여 결과를 얻는 군 (일종의 몸빵조라고 할 수 있다)과

데이터를 분석하여 개선점을 찾는 군 (지휘조)가 AI 조직에 혼재되어 있다는 점이다.

즉 몸빵조와 지휘조가 혼재되어 있고 이를 가르고 관리 할 수 있는 안목이 없으면 두 조가 같은 군으로 분류되어서 회사의 시스템 분류가 어려워 진다는 문제가 발생한다. 그로 인해서 “지휘조”에 들어갈 인재가 오히려 오지 않는 문제가 있다.

앞서의 사례는 “지휘조”와 몸빵조를 나누지 않고 혼재시켜 AI 팀으로 만들었으니,

“지휘조”가 몸빵조의 지휘를 받으면서 몸빵조 화가 되는 사례가 발생하고,

결국 지휘조급의 인재가 탈출하는 문제가 발생하는 경우가 발생하기도 한다.

정말 인재는 몸빵조와 “지휘조”를 모두 할 수 있는 사람들이나 대부분 몸빵조가 스스로 “지휘조”가 된다고 생각하고 움직이게 된다. 상대적으로 “지휘조”급 인재보다는 “몸빵조”급 인재가 구하기도 쉽기 때문에 벌어지는 일이다.

이 부분에 대해서 관리자는 안목을 가지고 움직일 수 있도록 해야 한다.

어디까지가 몸빵조이고,

어디까지가 “지휘조”의 역활인지 고민하고 경우에 맞게 조직을 구성해야 한다.

아니면 구현조에 들어갈 수 있는 사람들이 들어오지 않고

(스스로 구현조 라고 생각하는) 몸빵조가 회사 전체를 지배하게 되는 현상을 보게 된다.

그 결과는 회사에서는 입력 ( 시간 ,돈 )은 무한대로 늘어나지만,

나오는 결과는 결과물을 해석 할 수 없기 때문에 , 그럴 듯한 이야기로 포장된 사용할 수 없는 결과물이다.

다른 분야는 몸빵조가 투입이 되어도 95%의 결과를 얻을 수 있지만

AI 파트는 거기까지 가기가 쉽지 않게 된다

랩 수준에서는 누구나 95% (심지어 Yolo를 쓰면 97%로 도달 할 수 있다) 갈 수 있지만,

실전 상황에서 나오는 문제점을 해결 할 수 없게 된다.

모든 사업이 그렇겠지만, 이 분야도 조직을 어떻게 나누고 구성원을 어떻게 배치할 것인가가 핵심이 된다.

문제는 너무나 생소한 분야여서 대표이사들이 조직을 구분 할 만큼 아직 관련 지식을 습득하지 못한 부분에 있다.

답글 남기기

아래 항목을 채우거나 오른쪽 아이콘 중 하나를 클릭하여 로그 인 하세요:

WordPress.com 로고

WordPress.com의 계정을 사용하여 댓글을 남깁니다. 로그아웃 /  변경 )

Twitter 사진

Twitter의 계정을 사용하여 댓글을 남깁니다. 로그아웃 /  변경 )

Facebook 사진

Facebook의 계정을 사용하여 댓글을 남깁니다. 로그아웃 /  변경 )

%s에 연결하는 중

WordPress.com 제공.

위로 ↑

%d 블로거가 이것을 좋아합니다: