10년 뒤 어떤 문제를 해결하는 사람이 되어 있고 싶은가

Give people wonderful tools, and they'll do wonderful things. — Steve Jobs

10년 뒤 나는 '과학기술의 메디치'로서 느리고 비효율적인 과학·기술 혁신 문화를 바꾸는 사람이 되어 있고 싶다. 인류가 직면한 많은 문제는 "아이디어가 없어서"가 아니라, 뛰어난 사람과 좋은 아이디어가 있어도 이를 빠르게 구현·검증·확산시키는 인프라와 도구가 부족해서 발생한다고 믿는다. 나는 그 문제를 해결하는 사람, 다시 말해 과학자와 엔지니어가 더 빠르고 재현 가능하게 일할 수 있는 ScienceOps 인프라를 만드는 사람이멸 되고자 한다.

이 목표를 갖게 된 출발점은, 캘리포니아에서 유학하며 느낀 한국의 잠재력과 현실의 괴리였다. 민족사관고등학교 국제반을 졸업하고 미국 공대 Top 10에 속한 서던캘리포니아대학교에서 컴퓨터과학 학·석사를 마치는 동안 전 세계의 뛰어난 학생들을 수없이 만났다. 약 3천 명의 공대생 중 10명에게만 수여되는 Boeing 기업 장학금을 외국인으로서 수상할 만큼 최선을 다해 수학했지만, 동시에

이 정도 인재풀이 한국에도 많은데, 왜 한국의 지적 자산과 소프트웨어 경제는 이만큼밖에 평가받지 못하는가?

라는 질문이 머릿속을 떠나지 않았다. 이 고민은 자연스럽게 르네상스의 메디치 가문으로 이어졌다. 흑사병 이후 인류가 스스로의 회복력을 확인하고 그 자신감을 바탕으로 르네상스라는 번영의 시대를 연 것처럼, 메디치는 직접 모든 것을 발명한 사람이 아니라 뛰어난 사람을 모으고, 후원하고, 연결하여 새로운 산업을 연 사람이었다. 나 역시 한 사람이 모든 혁신을 만들 수는 없다고 본다. 다만 뛰어난 사람들이 더 빠르게, 더 많이 시도해볼 수 있도록 도구와 환경을 설계하는 역할은 분명 누군가 할 수 있다. 나는 그 역할을 하는 과학기술의 메디치가 되고 싶다.

그러던 중 내가 주목한 첫 번째 대격변은 고부가가치 인공지능이었다. 고성능 AI에 투입되는 자본을 효율적으로 회수하기 위해서는 자연스럽게 고부가가치 산업이 첫 타깃이 될 수밖에 없다고 판단했다. 그중에서도 특히 인류 보건과 직결되면서도 데이터·규제 측면에서 난도가 높은 범용 의료 AI에 큰 매력을 느꼈다. 2021년부터 의료 AI를 공부하기 시작했고, 석사 과정에서는 Jose-Luis Ambite 교수 연구실에서 수직 연합 학습 _{Vertical Federated Learning} 을 연구하였다. 수직 연합 학습은 병원, 보험사, 스마트폰 등 여러 기관과 디바이스에 흩어져 물리적 반출이 어려운 데이터를 각각의 위치에 둔 채로 학습하는 방법론이다. 이는 의료 컨텍스트에서 만성적인 데이터 부족 문제와 프라이버시 문제를 동시에 완화할 수 있는 열쇠가 된다. 나는 다양한 데이터 분산 시나리오를 시뮬레이션하며 여러 아키텍처의 성능을 벤치마크했고, 학습 전략을 최적화해 중앙집중식 모델에 근접한 성능을 달성하는 데 성공했다. 동시에 멀티모달 AI로 나아가기 위한 관문으로서 비전 AI를 집중적으로 연구하며, 의료 이미지를 포함한 다양한 도메인으로 확장 가능한 기반을 닦고 있다.

그러나 실제로 수십 종의 AI를 개발하고 배포하는 과정은 지나치게 수작업에 의존한다는 점이 큰 충격이었다. 나는 우아한형제들, 당근, Grammarly에서 소프트웨어 엔지니어링 인턴으로 근무하면서 CI/CD, 자동화 파이프라인, 안정적인 배포 문화를 몸으로 익혔다. 반면 AI 개발에서는 데이터 전처리부터 실험 관리, 모델 배포까지 여전히 사람이 직접 손으로 맞춰줘야 하는 부분이 많았다. 이 문제의식은 Lunit에서 AI-Ops 시스템을 설계·개발하면서 더욱 명확해졌다. 기존의 SWE 세계에서 당연하게 누리던 자동화/테스트/배포 문화가 AI 세계에는 제대로 이식되지 않았고, 그 공백이 곧 연구 속도와 재현성의 한계로 이어지고 있다는 사실이다. Lunit에서의 경험을 통해 나는 AI를 잘 만드는 사람이기 전에 AI를 잘 만들 수 있는 도구와 파이프라인을 만드는 사람이 되어야겠다고 결심했다. 앞으로는 이 AI-Ops 시스템을 한층 고도화해 일반 시장에 공개하고, 경쟁자들까지 자극해 AI 대격변의 속도를 높이는 선순환 생태계를 만들고자 한다.

이 과정에서 나는 AI를 넘어 이공계 전반의 연구 문화가 지나치게 느리고 보수적이라는 사실에 주목하게 되었다. 스페이스엑스와 테슬라가 성공할 수 있었던 이유 중 하나는 본질적으로 매우 보수적인 업계(우주, 자동차)에 소프트웨어 업계의 속도와 실험 문화를 이식했기 때문이라고 생각한다. 그와 비슷하게 자연과학과 공학 연구에도 이제는 연구 운영_ScienceOps 이라는 개념이 필요하다고 느꼈다. 석사 시절 무수한 논문을 리뷰하며, LaTeX와 기존 논문 작성·인용 시스템(ORCID를 포함함)이 현대의 소프트웨어 도구 수준에 한참 미치지 못한다는 문제의식에서 출발해 연구 논문의 패키지 관리 시스템, 재현 가능한 실험 환경, 사고 도구에 대한 고민을 깊이 있게 이어갔다. 그 과정에서 라는 개념과, 과학자들을 위한 GitHub, NPM, CI/CD, Docker에 해당하는 플랫폼을 만들어야 한다는 비전을 정립했다.

자문을 드리기도 했다. 이 경험은 내가 단순히 기술만 보는 엔지니어가 아니라 제품, 시장, 생태계를 함께 바라보며 회사를 '퀀텀 점프' 시킬 수 있는 사람이라는 확신을 강화해 주었다.