“재직자 중 다음 분기에 퇴사할 확률이 가장 높은 직원은 누구인가?” 이 흥미로운 질문에 바로 답할 수 있는 곳이 있다. 자체 개발한 ‘AI 파이프라인 최적화’ 기술로 다양한 산업 분야에 맞춤형 AI 솔루션을 제공하며 보다 효율적으로 일할 수 있도록 돕는 알고리즘랩스 이야기다.  손진호 알고리즘랩스 대표는 “엑셀을 알고 모르고의 차이가 업무 효율로 따지면 30배 이상이라고 하는데 기업들이 가지고 있는 데이터에 AI를 접목하면 업무 효율은 훨씬 더 높아진다.”라며 “현업에서 실무를 보는 비기술자들도 AI 기술을 엑셀처럼 쉽게 쓸 수 있도록 인공지능 대중화에 앞장서겠다.”고 포부를 전했다.  이름만 대면 알만한 국내 주요 기업들과 업무 성과 예측, 승진 적합도 예측, 부서 이동 적합도 예측, 연수 추천, 주요 인재 이탈자 예측 등의 프로젝트를 수행하며 ‘가히 혁신적’이라는 찬사를 받고 있는 알고리즘랩스 손 대표와의 인터뷰시간을 들여다본다. 기업 현장에서 데이터를 분석, 적용해 가치를 창출하고 싶은데 어디서부터 시작해야 할지 모르는 사람들은 지금부터 소개하는 알고리즘랩스를 주목하길 바란다.  다음은 그와의 일문일답.

먼저, 알고리즘랩스에 대해 소개해 달라. 알고리즘랩스는 2017년에 설립된 스타트업이다. “알고리즘랩스”라는 이름에서 알 수 있듯 기업들이 가지고 있는 알고리즘을 연구해 최적의 가치를 창출해준다는 비전을 가지고 있다. 우리가 하고자 하는 일은 인공지능을 대중화시키는 일이다. 비기술자분들은 인공지능을 많이 어려워하는데 현업에서 실무를 보는 분들도 인공지능을 쉽게 쓸 수 있도록 하는 것의 우리의 미션이자 나아가고자 하는 방향이다. 때문에 창업 때부터 핵심 타깃을 기술자, 데이터 과학자가 아닌 현업에서 실무를 보고 있는 담당자로 정하고, 이들이 쉽게 업무에서 AI를 활용할 수 있도록 하는 데 역량을 집중해 왔다. 요컨대, 알고리즘랩스는 현업에서 실무를 보는 담당자들이 AI 기술을 쉽게 활용해 보다 효율적으로 일할 수 있도록 돕는, 인공지능 대중화에 앞장서는 기업이다.  자체 개발한 ‘AI 파이프라인 최적화’ 기술로 다양한 산업 분야에 맞춤형 AI 솔루션을 제공하고 있는 것으로 안다. 구체적으로 어떤 솔루션인지 소개해 달라. 한마디로 “인공지능을 만드는 인공지능” 기술이라고 할 수 있는데, 즉 기술명 그대로 어떠한 데이터에 AI Pipeline Optimizer 솔루션을 적용하면, 알아서 원하는 결괏값을 도출해주는 인공지능이다. 예를 들어, AI Pipeline Optimizer를 HR에 적용하면 HR과 관련된 인공지능이 개발되고, 제조에 적용하면 제조에 관련된 인공지능이 개발되는 방식이다. HR 분야에 집중하는 것으로 알고 있다. 다양한 직무 중 HR에 집중하게 된 이유가 있는지. HR 분야는 구성원의 채용이력, 보상, 성과 등 데이터가 충분히 존재함에도 기술적인 어려움 등으로 데이터를 해석해보려는 시도가 많지 않은 사각지대이기 때문이다. 제조나 물류 등의 경우는 여러 인공지능 스타트업들이 존재하고 또 솔루션들이 자리를 잡아가고 있는데 반해 HR 분야는 유독 인공지능 기술이 접목되는 데 더딘 측면이 있다.  사실 AI Pipeline Optimizer 기술을 개발하고 우리의 기술을 어디에 쓰면 좋을지를 만 명이 넘는 기업의 실무자와 만나 함께 고민하는 과정을 거쳤는데, 그러한 과정에서 HR 영역에 잘 맞겠다는 확신을 하게 됐다. 참고로, 이제는 이름만 대면 알 만한 국내 주요 기업들이 우리의 기술을 활용해 업무 성과 예측, 승진 적합도 예측, 부서 이동 적합도 예측, 연수 추천, 주요 인재 이탈자 예측을 하고 있다. 길지 않은 역사에도 괄목할 만한 성과가 눈에 띈다. 우리의 솔루션을 활용, 경쟁력을 높여 나가고 있는 고객사가 현재 기준으로 100여 곳에 이른다. 앞에서도 말했지만, 우리의 기술이 어디에 접목되면 좋을지를 그간 만명이 넘는 현업 실무자를 만나고 오천 건이 넘는 기획서를 받아보았다. 이를 분석하며 어느 부분에 어떤 기술이 필요한지를 정리해 나가고 있다. 이와 함께 AI를 적목시킬 수 있는 새로운 산업분야를 발굴하기 위한 연구도 병행하고 있는데, 실제 최근에는 KAIST의 KIXLAB과 협업하여 Human AI Interaction 관점에서 유의미한 연구 결과를 도출하고 있으며, 올해안에 논문을 발표할 계획을 가지고 있다. 특허 부분에 있어서도 올해에만 3~4건 특허 인증을 받을 정도로 계속해서 성과가 나오고 있는데, 이처럼 실제 현장에서의 경험과 더불어 우리 알고리즘랩스의 연구, 기술력을 토대로 인공지능이 대중화될 수 있도록 현실성 있게 어필하는 중이다. 사실 투자 받을 당시, 스타트업이 대중화, 전 산업을 아우를 수 있느냐에 대한 우려의 시각이 존재했다. 하지만 국내 기업뿐 아니라 글로벌기업에서도 협업 요청이 계속 들어오고 있고 또 눈에 보이는 성과가 나타나다 보니 최근에는 우려의 시선이 확신으로 바뀌고 있다. 즉, 물음표를 가지고 시작하지만 느낌표로 끝나는 사업들이 계속 이어지다 보니 한 번 경험한 고객사는 계속해서 협업 요청이 이어지고 있다. 많은 기업의 선택을 받고 있는데, 알고리즘랩스의 경쟁력을 말한다면. 기업들과 협업 시 HR 애널리틱스를 어느 정도 수준으로 실천하고 있는지 확인하기 위해 빼놓지 않고 던지는 질문이 있다. 하나는 “기업의 이직률이 몇 퍼센트인가?”로 이 질문에 대한 답을 바로 할 수 있다면 ERP나 HR 기반의 전산 시스템이 잘 정착된 기업이라 볼 수 있다. 특정 이벤트로 인한 이직 확률을 자체 분석할 수 있는 수준이라면 데이터를 통계적으로 분석할 수 있는 단계로 보고 있다. 또 다른 질문은 “재직자 중 다음 분기에 퇴사할 확률이 가장 높은 직원은 누구인가”로 전자의 질문과 다르게 이 질문에 대한 답을 할 수 있는 곳은 거의 전무하다. 여기서부터는 AI의 영역으로, 알고리즘랩스의 경쟁력이 바로 여기에 있다. 이러한 질문에 바로 답을 할 수 있게끔 레퍼런스가 쌓이고 있다 보니 많은 기업이 우리의 솔루션을 택하는 것 같다. 감히 단언컨대, 알고리즘랩스는 국내에서 HR 데이터를 인공지능화시키는 영역에서는 가장 선도적인 기업이라 자신 있게 말할 수 있다. 최근 기업의 인사담당자들로부터 어느 부분에 제안이 많은가? 급변하는 경영환경 속, 분야를 막론하고 인력 이탈이 공통된 이슈이다. 인력 이탈에 선제적으로 대응하기 위해 관리차원에서 협업을 요청하는 기업들이 많은데, 사실 이미 인력이 나가기로 결심한 상황이라면 예측은 의미가 없다. 인재 이탈 예측은 인력이 나가기로 결정하기 전 즉, 예방하는 차원으로 적어도 3~6개월 정도 관찰돼야 이를 해결할 수 있는 조치가 나온다. 이 밖에 승진자나 부서 이동을 결정해야 할 때 AI를 통해 공정성, 생산성 관점에서 진단을 받고 의사결정을 하려는 기업들도 최근 부쩍 많아졌다. 인사담당자가 알고리즘랩스의 솔루션을 선택했다고 가정했을 때 프로세스를 소개해 달라. 앞서 말했던 것처럼 다양한 실무전문가의 경험과 내부적인 연구로 상당히 많은 데이터 세트(Data Set)가 구축돼 있다. 즉, 원하는 데이터 세트에 해당기업의 데이터를 연동시키기만 하면 AI Pipeline Optimizer가 자동으로 학습해 해당기업에 맞는 인공지능을 활성화시키는 구조이다. 전산업을 대상으로 하는 프로젝트와 HR을 대상으로 하는 프로젝트의 접근 방식에는 차이가 있는데, 전산업의 경우는 워낙 사업의 종류가 다양하기 때문에 각각 어떠한 니즈가 있는지 파악하는 것부터 시작한다. 그러나 HR의 경우는 기업들의 니즈가 거의 공통적이라 즉, 승진 적합도 예측, 부서 이동 적합도 예측, 주요 인재 이탈자 예측 등의 이슈로 프로젝트를 진행하는 경우가 대부분이라 구축된 데이터 세트에 해당 기업의 데이터를 연동시키기만 하면 될 정도로 쉽게 접근이 가능하다.

고객사 반응이 궁금하다. 크게 인공지능을 활용했을 때의 기대효과와 인공지능 자체의 정확도라는 두 가지의 기대치가 있을 텐데, 일례를 들어 소개하면 한 고객사에서 주요 인재 이탈자 예측을 요청하며 80% 이상의 정확도만 나와도 좋을 것 같다고 했는데, 실제는 고객사의 기대치를 훨씬 웃도는 90%에 가까운 정확도가 나왔다. 또 다른 고객사의 경우는 업무 성과 예측 오차율을 10%~20% 수준으로 기대했지만 실제로는 7~8%에 가까운 오차율이 나왔다. 이러한 결과들이 계속되면서 많은 기업들로부터 ‘가히 혁신적’이라는 찬사를 받고 있다. 기업 경영에 있어 AI의 확장 가능성을 예상한다면. 미국의 대표적인 싱크탱크인 브루킹스 연구소(Brookings Institution)의 최근 발표 내용으로 답을 할 수 있을 것 같은데, 브루킹스 연구소는 “2030년까지 인공지능을 주도하는 국가나 기업이 2100년까지 세계 인공지능 시장을 주도할 것”이라고 전망했다. 인공지능을 21세기를 지배할 패러다임으로 보고 있는 것으로, 여전히 인공지능을 활용을 우리 조직과는 거리가 먼 이야기로 생각하는 사람들이 많은데 이는 더 이상 하고 말고의 선택의 문제가 아닌 어떻게 하면 더 잘 활용할 수 있을지를 고민해야 하는 전략이 필요한 이슈임을 강조하고 싶다.  알고리즘랩스는 기업마다 한두 개 또는 서너 개의 인공지능이 필요하다고 생각하지 않는다. 조직의 각 부서 담당자마다 하나 이상의 인공지능이 필요하고, 큰 조직의 경우는 인공지능이 수만 개가 필요할 수 있고 또 그런 세상이 굉장히 가까이 와 있다고 보고 있다. 수만 개 수십만 개를 만들어내야 하니 인공지능을 만드는 과정이 쉬워야 한다고 생각하고 있는데, 실제 우리와 같은 비즈니스 모델을 가지고 있는 미국의 모 기업이 미국 산업계의 500만개의 인공지능을 보급한 상황이다. 이 기업은 지난 2020년에 나스닥에 상장한 기업으로 최근에는 마이크로소프트로부터 5천억 투자를 받기도 했다. 즉 이쪽으로 세상의 흐름이 바뀌고 있기에 준비를 해야 한다. 개인적으로 2~3년 내에는 인공지능을 쓴다, 안 쓴다 라는 표현이 굳이 의미 없는 세상이 될 것으로 예상한다. 엑셀을 쓰지 않고는 일하기가 어려운 것처럼 머지않아 일할 때 인공지능을 너무도 당연히 활용하는 세상이 되어 있을 것이기 때문이다. 최근 기업들의 AI 활용 동향을 짚는다면. 데이터 분석과 검증을 통한 글로벌 기업의 혁신 사례가 자주 등장하면서 우리 기업들 사이에서도 서서히 변화가 감지되고 있다. 상대적으로 AI활용이 더딘 기업 HR 부문에서도 경험과 직관 중심으로 의사 결정하던 것에서 탈피, 데이터를 분석해 채용, 교육, 승진 등 인사운영 전략으로 활용하려는 움직임이 일고 있는데, 실제 최근 들어 주요 기업들 위주로 HR 데이터 분석을 통해 업무 성과 예측, 승진 적합도 예측, 부서 이동 적합도 예측, 연수 추천, 주요 인재 이탈자 예측 등을 하는 기업들이 눈에 띄게 증가하는 추세다. 개인적으로 확신이 없어서 시도 자체를 못 하는 기업들이 있을 것으로 생각하는데, 일하는 방식 전체를 AI로 전환한다고 생각하기보다 고민인 이슈에 대해 AI를 접목해 효과를 확인해본다는 생각으로 단계를 밟아 접근하기를 주문하고 싶다. 변화를 주저하는 인사담당자들에게 조언 또는 제언을 한다면. 데이터에 대한 강박관념이 여전히 많은 듯하다. ‘아직 인공지능으로 분석할 수 있는 데이터가 충분치 않은데!’ 또는 ‘사람이 하는 일을 인공지능이 디테일하게 할 수 있겠어?’라는 인식인데, 이 대목에서 분명히 말할 수 있는 것은 인공지능은 업무를 하는데 추가적인 인사이트를 제공해주는 도구이지, 일하는 방식의 전부가 아니라는 것이다. 가까운 미래에는 의미가 있든 없든 도입해야 하는 것으로, 이제는 진입장벽이 높았던 과거에 비하면 우리 알고리즘랩스처럼 진입장벽을 낮춘 기업들도 나오고 있으니 ‘한번 시도해봐도 되겠다’라는 마음을 가지면 분명히 의미 있는 방향으로 갈 것이라 생각한다.  어떤 일이든 도깨비방망이처럼 뚝딱하고 처음부터 원하는 결과가 나오는 일은 거의 없다. 시도해보고 부족한 게 무엇인지를 확인하며 보완을 거듭하다 보면 방향이 나올 것이다. 경험보다 앞서는 지혜는 없다는 말처럼 무엇보다 시도해보는 것이 중요함을 말하고 싶다.

알고리즘랩스의 창업 스토리가 궁금하다. 기계공학도로, 지도교수님께서 기계공학 장비를 인공지능으로 설계하는 기업의 대표이셨다. 지도교수님 권유로 그 회사의 연구원으로 일할 기회가 있었는데, 일하면서 이쪽 일이 나에게 잘 맞는다는 것을 확인할 수 있었다. 삼성 소프트웨어 멤버십에서 연구한 프로젝트가 A급 연구과제로 뽑히면서 자신감이 생겨 ‘창업’을 하게 됐는데, 그러나 대기업에서 할 수 있는 소재들로 창업하다 보니 크고 작은 시행착오가 있었다. 그러나 조직의 구성원으로 있기보다는 주체적으로 움직이는 쪽에 성향이 맞아 지금의 알고리즘랩스를 창업하게 됐다. 유년시절부터 AI에 관심이 많았나. 초등학교 4학년 때부터 알고리즘 공부를 시작했다. 일찍부터 알고리즘 공부를 시작하게 된 건 선견지명이 있었던 어머니의 영향으로, 물론 하나의 공부이기 때문에 행복하지는 않았지만 그래도 여러 학문 중에서는 가장 재미있게 했던 기억이 있다. 사실 처음부터 이쪽에 특출 난 사람은 아니었는데 초등학교 4학년부터 고등학교 3학년까지 한 우물을 파다 보니 성과가 하나씩 나오게 됐다. 소프트웨어 특기자로 한양대 기계공학과에 입학할 수 있었던 것도 일찍부터 알고리즘을 접했기 때문이다. 사업적으로 최근 관심사가 궁금하다. 주지하다시피 대학의 학령인구가 빠르게 줄고 있고, 또한 사회적 인식이 바뀌면서 졸업하지 않고 중도 이탈하는 학생들이 크게 늘고 있는 상황이다. 대학 입장에서 정원이 줄면 재정적으로 힘들어질 수밖에 없는 상황으로, 중도이탈자를 예측해 주는 인공지능을 보급하기 위해 현재 몇몇 대학들과 구체적으로 논의 중이다. 학생 중도 이탈을 예방하기 위함으로, 학생이 학교를 나가기 전 보이는 전조 현상을 AI가 미리 분석, 파악하는 식이다.  향후 계획과 함께 포부를 전한다면. 기업의 HR 부문이나 대학과의 협업처럼 앞으로도 계속해서 인공지능이 필요하지만 수혜를 받지 못했던 영역에 집중하면서 유의미한 성과를 만들어 나갈 계획이다. 또한 인공지능을 대중화하는 것에 사업의 방점을 두고 있기에 중장기적으로는 우리나라에서 가장 인공지능 모델을 많이 보급한 기업, 더 나아가서는 세계에서 인공지능을 가장 많이 보급한 기업이 되도록 성장하는 게 꿈이다.  덧붙여, 올해 우리 알고리즘랩스의 경험과 기술을 더 많은 인사담당자들과 공유하는 시간을 주기적으로 가져갈 계획이다. 기업 인사담당자분들을 모시고 세미나를 진행할 생각으로 이를 통해 각 기업이 보유하고 있는 데이터로도 충분히 솔루션을 만들어 낼 수 있는 영역이 있다는 점을 전달하고 싶다. 이런 시간이 많아지다 보면 결론적으로 AI에 대한 진입장벽이 낮아지지 않을까. 알고리즘랩스와의 시간을 통해 실무진들이 저마다 가지고 있는 현안, 고민들이 인공지능으로 어떻게 해결할 수 있는지를 확인할 수 있기를 기대한다.