우리나라 지능정보산업의 문제점은 인공지능(AI)의 핵심이 소프트웨어라는 점에서 소프트웨어 산업의 문제점과 그 궤를 같이 한다. 국내 소프트웨어 산업의 문제점은 사회 전반적으로 소프트웨어를 잘 모르고, 이에 대한 가치 인식이 크게 떨어지며, 전문인력이 턱없이 부족하다는 것 등인데 지능정보산업 역시 이러한 문제를 그대로 안고 있다.

◆AI 산업, SW 산업 문제점 그대로 = 국내 AI 업계 관계자들의 말을 종합해보면 국내 지능정보산업의 현 문제점으로는 AI 전문인력 부족, 잘 정제된 데이터의 부족, 높은 연구개발 인프라 구축 비용 등이 꼽힌다.

이 가운데 AI 전문인력 부족 문제는 AI 산업계에만 국한되지 않고 소프트웨어 산업 전반적으로 풀어야할 과제이다. 잘 알다시피 국내 소프트웨어 개발 인력은 미국, 인도, 중국 등에 비해 늘어나지 않고 있으며, 오히려 점점 더 줄어드는 양상이며, 해외에서 이공계 박사를 취득한 한인 유학생들도 현지에 남는 비율이 높은 상황이다.

특히 중소 AI 전문업체들은 대학에서 배출되는 AI 전공자 수가 많지 않고 그나마 대기업을 선호하는 탓에 더욱 어려움을 겪고 있다.

국내의 자연어처리 전문업체 다이퀘스트의 강락근 대표는 “국내에서 자연어처리를 전공한 박사가 2015년에 1명 배출되고 2016년에는 한명도 없었다는 얘기를 들었다”라면서 “2016년 알파고에 힘입어 AI가 4차 산업의 중추로 떠올랐지만 정작 할 사람이 없다는 것이 문제이다”라고 말했다.

이러한 분위기에서 AI 업계는 전문인력의 확보가 앞으로 회사 사활의 관건이 될 것이라고 보고, 기술과 인력 유출을 경계하고 있다.

◆“AI 인력 육성하자”, AI 아카데미 ‘성시‘ = 이같은 인력 문제의 해소책으로 업체를 비롯해 전문교육 기관에서는 AI 교육 프로그램을 속속 내놓고 있다.

GPU에 기반한 다양한 AI 서비스 및 상품을 제공하고 있는 엔비디아는 딥러닝 기술 및 이론을 제공하는 글로벌 교육 세션 ‘세션인 엔비디아 딥 러닝 인스티튜트(NVIDIA DEEP LEARNING INSTITUTE)’를 매달 국내에서 개최해 국내 인공지능 관련 전문가 양성을 위해 노력하고 있다.

마인즈랩은 '마음아카데미'라는 AI 전문가 양성 교육과정을 올해 안에 개설해 AI 엔진을 이해하고 챗봇을 다룰 수 있는 전문 인력을 자체적으로 육성한다는 방침이다. 지능정보기술연구원(AIRI)도 하루 8시간 주 5일 총 10주간 진행하는 자체 교육 프로그램을 마련하고 9월 4일부터 본격 운영에 들어갔다.

◆“데이터 문제 해결 없이 국내 AI 산업 발전 요원” = 최근 들어 AI 기반 서비스 및 상품 개발이 본격적으로 진행되고 있는 원동력은 분야별로 특화된 최신 머신러닝 및 딥러닝 알고리즘의 등장, 머신러닝 및 딥러닝의 기본 재료로 활용되는 빅데이터의 수집 및 분석 역량 강화, 빅데이터 처리 및 복잡한 머신러닝을 지원하는 컴퓨팅 파워의 강화 등 크게 3가지에서 찾을 수 있다.

이 가운데 2000년대 들어 등장한 딥러닝은 인간의 뇌의 신경망 구조를 본 따 스스로 학습할 수 있는 것으로 AI의 확산에 기폭제 역할을 하고 있다.

하지만 이러한 딥러닝 알고리즘 보다 더욱 중요한 것이 데이터이며, 이 문제를 해결하지 않고서는 국내 AI 산업의 발전은 요원할 것이라는 주장이 AI 업계에서 제기되고 있다.

일반적으로 기계학습은 지도 학습->자가 학습->강화 학습 등 3단계로 진행되며, 이 과정에서 잘 정제된 학습 데이터, 즉 정형 데이터(Cleansing data)는 절대적이다. 그렇지만 이런 데이터를 잘 갖추지 못하고 있을 뿐만 아니라 앞으로 확보하기가 쉽지 않은 것이 국내 중소 AI 업체들이 처한 현실이다.

특히 의료 분야의 AI 업체들은 주 고객사인 병원에서 개인정보보호법을 들어 데이터를 내놓지 않을 뿐더러 병원 자체적으로 AI 플랫폼을 만들어 시장을 주도하려는 움직임을 보이고 있어 이중고에 시달리고 있다.

국내에서는 드물게 일상적이고 감성적인 대화를 하는 AI 개발에 주력하는 스캐터랩의 김종윤 대표는 “인간과 일상적인 대화를 나눌 수 있는 AI의 개발이 목적인 우리 회사에게는 사람간의 대화 데이터가 절대적이다. 카카오톡의 메신저 데이터를 쓰면 좋겠지만 개인정보보호법으로 쓸 수가 없는 것이 현실이다”라고 밝혔다.

◆“기계학습은 로켓 엔진, 엔진의 연료는 데이터” = 업계의 한 관계자는 “기계학습은 로켓 엔진이며, 이 로켓엔진의 연료는 바로 데이터이며, 데이터는 IoT을 이용한 센서에서 얻어진다”라면서 “데이터 없이는 기계학습을 할 수 없기 때문에 결국 AI는 알고리즘 싸움이 아니라 데이터 싸움이다”라고 강조했다.

또 다른 관계자도 “향후 AI 기술의 발전이 있으려면 먼저 빅데이터가 필요하다. 하지만 현재 빅데이터를 보유하고 활용할 수 있는 곳은 거의 대기업밖에 없다. 이렇게 되면 향후 AI는 대기업의 전유물이 될 위험이 있다. 따라서, 잘 정제된 양질 데이터의 증가와 인프라 구축비용 감소가 절실한 상태이다. 빅데이터 분석이 민주화되면 지능정보산업 또한 자연스럽게 발전하게 될 것이다”라고 밝혔다.

◆“대기업과 중소기업 상존 AI 산업 생태계 조성해야” = 업계에서는 이러한 데이터 부족 문제 등의 타개책으로 여러 기술과의 융합과 대기업과 중소기업이 상존하는 산업 생태계 조성이 필요하다고 입을 모은다.

AI 기술은 기반 기술의 성격이 강하며 목적이 아닌 수단이며, 또 AI 기술 자체만으로 가치 창출이 어렵고 다른 기술과의 적절한 융합이 필요하며, 업체 및 기관 혼자서 모든 것을 하기 어렵기 때문에 생태계 구축이 절실하다는 얘기다.

한 업계 관계자는 “국내에서는 AI와 관련한 산업 생태계가 충분히 갖춰져 있지 않는 점이 가장 아쉬운 대목이다. AI를 각 산업에 접목시키고자 하는 시도가 분야를 막론하고 활발하게 벌어지고 있는 상황에서 다양한 미공개 데이터들을 적절한 방법으로 함께 활용할 수 있는 방법을 찾는 시도가 IT 산학연 전반에서 이뤄진다면 보다 다양한 인공지능 서비스를 개발할 수 있을 것이다”라고 밝혔다.

우리나라 지능정보사회 실현을 위한 중장기 전략 수립을 담당하는 지능정보사회추진단도 혁신을 가로막는 과도한 규제가 지능정보산업 발전의 걸림돌이 되고 있다는 점에 동의한다.

AI나 IoT, 빅데이터 등은 데이터 접근이나 활용이 가장 중요하지만 개인정보 침해 등 여러 가지 이유로 국내에서는 많은 제약이 따르고 있는 게 현실이라는 점을 인식하고 있는 것이다.

이에 따라 정부에서는 데이터 활용에 제약이 없도록 비식별 개인정보호 활용 법적 보장, K-MyData 제도 도입 등 개인정보보호 규제를 합리적으로 개선해 나가려고 하고 있다. K-MyData 제도는 특정 기업이 보유한 개인정보를 해당 개인의 동의하에 다른 기업에게 제공, 맞춤형 서비스 개발에 활용되도록 지원한다는 것이 골자이다.

한 업계 관계자는 “정부에서 기업들에게 제공할 수 있는 데이터의 범위와 규제에 대한 정비가 필요하다. 다른 글로벌 국가에 비해 터무니없이 낮은 투자 규모도 국내 AI 산업의 성장을 더디게 하고 있다”고 문제를 제기했다.

◆사용자와 공급자의 눈높이 ‘격차’ 심각 = 한편 이제 막 AI 산업이 자리를 잡아가려고 하는 국내 시장에서 사용자들의 AI에 대한 눈높이가 너무 높아 이런 기대감을 합리적으로 풀지 않으면 AI 산업이 잠깐 반짝했다가 나중에 사그라질지도 모른다는 우려 섞인 전망도 나오고 있다.

사용자들은 AI를 도입하면 무엇이든지 다 될 것처럼 생각하고 있는데 현실적으로는 절대 그렇지 않다는 게 전문가들의 대체적인 분석이다.

관련 업계에서는 이에 따라 AI의 도입으로 비용절감이나 생산성 향상, 새로운 비즈니스 가치 창출 등 뚜렷한 효과를 입증하는 성공사례를 조기에 만드는 것이 현재 당면한 핵심 과제라고 얘기한다.

이밖에 AI의 연구개발에 필요한 초기 인프라 투자에 대한 비용 부담이 만만치 않은 것도 빼놓을 수 없는 문제이다. 특히 스타트업에게는 이러한 투자는 적지 않은 부담이 되고 있다.

이처럼 컴퓨팅 파워가 문제로 떠오른 가운데 인텔은 AI기술을 활용한 경제·사회적 난제 해결을 목표로 과학기술정보통신부에서 추진하는 R&D 경진대회 ‘2017년 인공지능 R&D 챌린지’의 참가자들을 대상으로 연구개발용 컴퓨팅 파워를 후원해 주목을 받고 있다.

<박시현 기자> pcsw@bikorea.net