실리콘밸리의 AI를 만나다 2 (김병학 박사)

“새로운 세계를 여는 열쇠, 실리콘밸리의 AI를 만나다” 웨비나 현장 리포트 2

지난 뉴스레터 (1부)에서는 이지형 KOTRA 북미지역본부장의 발표 “AI가 가져올 새로운 미래, 미국 AI 동향과 전망” 내용을 간단히 소개했다. 이번 뉴스레터(2부)에서는 메인 세션의 김병학 박사의 발표 내용을 소개한다.

메인 세션 강연 1: Impacting New Segments with Machine Learning Startups!

메인 세션의 첫 번째 강연은 헬스케어 분야 AI 스타트업인 Alpha Health에서 AI Technical Lead로 AI기술 연구 개발을 이끌고 있는 김병학 박사의 “Impacting New Segments with Machine Learning Startups!” 발표로 진행됐다. 김병학 박사는 Alpha Health에 합류하기 전 근무했던 온라인 교육 플랫폼 Udacity에서 진행한LumiereNet프로젝트를 소개하는 것으로 발표를 시작했다.

Udacity와 같은 온라인 교육 기업의 경우 강의 영상을 제작할 때 녹음, 편집, 수정 등에 많은 비용과 시간, 노력이 들어가는데, 특히 품질 높은 영상을 제작하기 위해서는 강사를 현장에 초청하거나 카메라 혹은 녹화 장비를 보내주어야 함은 물론 이를 다시 편집하고 내재화까지 고려해야 한다. 이에 따라 Udacity에서는 머신러닝 시스템으로 비싼 비디오 생산 파이프라인을 자동화하려는 움직임이 시작되었고, 그 결과 강사의 목소리를 녹음한 오디오 내레이션만으로 강사가 강의를 하는 영상을 만들어내는 ‘LumièreNet 프로젝트’가 탄생하게 되었다. LumièreNet 프로젝트의 결과를 담은 논문은 미국 스타트업 미디어 VentureBeat를 시작으로, 나이지리아, 중국, 독일, 스페인, 러시아, 그리고 한국의 여러 미디어에서 주목을 받았다.

Alpha Health에는 2019년 5월에 합류했는데, 불안정하고 예측할 수 없는 초기 스타트업에 합류하는 것은 고민되는 일이었지만 미국의 헬스케어 시스템의 문제점들 중 몇 가지를AI로 해결하는Alpha Health의 비전을 보고 합류하기로 결정했다.

미국에서 개인 재정파산 원인 1위는 병원비로, 병원비를 갚지 못 하는 많은 사람들이 경제적 위기를 경험하고 있다. 미국 병원비가 비싼 데에는 지난 20년 동안 모든 진료비의 보험 청구작업을 사람이 해왔을 뿐만 아니라, 특히 미국의 의료 시스템이 하나의 의료보험 체계를 가진 한국과 달리 다양한 보험회사가 수 많은 상품, 조건과 함께 얽혀 있어 그 절차가 매우 복잡하고 비효율적으로 설계되어 있기 때문이다. 그는 Alpha Health에 합류하자마자 병원의 청구시스템을 머신러닝으로 자동화하여 병원의 생산성을 높이는 동시에 병원 재정 흐름에 도움을 줌으로써 환자의 병원비를 낮추기 위한 프로젝트에 돌입했고, 그 첫 결과를 ‘딥 클레임(Deep Claims)’이라는 이름의 논문으로 발표했다.

이어 김병학 박사는 CB Insight가 가장 최근(올해 8월) 발표한 ‘Digital Health Startup 150’ 리스트를 토대로 헬스케어 분야에서 눈에 띄는 4가지 트렌드를 소개했다. 첫 번째는 ‘Telehealth’로 150개 회사 중 약 41%가 원격진료 서비스를 제공하고 있고, 두 번째는 ‘Drug R&D’로 신약 개발을 다루는 회사이다. 세 번째는Alpha Health가 포함된 ‘Healthcare Costs Optimization’ 분야이다. 환자와 병원 및 의사, 보험사 등 의료 시스템 이해관계자들을 우선순위로 두고 성장하고 있는 회사들이다. 마지막 트렌드는 ‘Mental & Women’s Health’ 회사들로 COVID-19 상황 속에서 Teletherapy나 여성의 불임 진단 및 치료를 도와주는 회사이다.

Healthcare Costs Optimization분야에서 병원을 중점에 둔 Alpha Health가 현재 제공하는 병원 행정 자동화 시스템은 자율주행 기술처럼 1) 병원 행정 오피스 직원들의 업무 흐름을 보고, 2) AI 시스템이 이를 빠르게 학습한 후, 3) 훈련된 AI 성능을 사람이 관리하는 통합 자동화 솔루션(Unified Automation Solution)으로, 각 병원 필요에 따라 자율주행 1단계부터 5단계 같이 각기 다른 솔루션을 제공하고 있다고 설명했다. Alpha Health는 올해 6월 실리콘밸리 정상급 VC인Andreessen Horowitz가 참여한 시리즈A 투자 유치를 했다.

그는 스타트업에서 일하는 것에 대해 “사실 스타트업은 힘들다. 90% 이상의 스타트업은 망한다고 보는게 맞다. 또 초기 스타트업에서 일과 삶의 균형은 정말 어렵고 금전적 보상도 옆으로 밀어둬야 할 때가 많다”고 전하며, 머신러닝 스타트업이 기존의 소프트웨어 스타트업과 다르게 특별히 더 힘든 점에 대해 설명했다.

첫째, 스타트업에서 머신러닝을 한다는 것은 수학 또는 머신러닝 솔루션에 앞서 흥미롭고 새로운 질문을 하거나, 아니면 새로운 방식으로 오래된 문제를 바라보는 Problem-Creator로서의 역량이 필요하다. 대부분의 사람들이 이미 알려진 문제를 기술적으로 해결하는 Problem-Solver로서의 교육을 많이 받아왔는데, 머신러닝 스타트업에서는 어떤 새로운 문제를 풀지, input과 output을 결정하고, 어디서 어떻게 이 문제에 필요한 데이터를 모을 것인지부터 생각해야 한다. 둘째, 산업 분야와 범위에 따라서 Proof of Concept (PoC)에서 Production까지의 격차가 큰 경우도 많이 보게 된다. Healthcare Clinical 분야가 대표적인 예이다. 그래서 머신러닝 시스템은 첫 번째 버전이 가장 쉽고, 그 이후로부터는 Edge Case와 Scaling Challenge때문에 점점 더 복잡해진다고들 한다. 셋째, 머신러닝 시스템이 높은 수준의 정확도로 동작하기 위해서는 사람을 필요로 하는 ‘Human in the loop’이 필수적인데, 이와 함께 모델 트레이닝, Inference, 클라우드 운영 비용도 상당하기 때문에 전통적인 SaaS회사보다 수익 마진이 10% 이상 줄어들 수 밖에 없는 구조다.

김병학 박사는 “그러나 스타트업이 망한다는 건 비지니스가 실패하는 것이지 스타트업에 몸 담았던 개인은 두 가지 면에서 성공을 경험할 수 있다”고 강조했다. 우선 스타트업에선 좋은 동료와 사람을 만날 수 있다. 실리콘밸리에서 크고, 중요한 기회는 사람을 통해서 나오는 경우가 많다. 특히 스타트업에서 함께 일했던 사람들을 통해 계속해서 다음 기회가 연결 되는 경우가 다반사다. 두 번째 성공은 개인의 성장이다. 스타트업은 회사가 빠르게 성장하는 만큼 개인의 성장에 필요한 시간을 압축시킨다. 스타트업에서 일했던 사람들은 중요한 문제에 새로운 도전을 해보았기 때문에 누구나 함께 일하고 싶어하는A급 플레이어로 성장하게 된다.

마지막으로 그는 이직을 생각하고 있는 사람들을 위해 “산업 군, 레벨, 직급, 스타트업 단계를 각각 변수라고 한다면, 이직할 때는 한 번에 하나의 변수만 바꾸는 등 변화의 숫자를 최소화 하는 게 좋다”고 조언했다. 또한 직장과 커리어 등으로 고민하는 사람들을 위해 스탠포드 교수이자 온라인 교육회사 Coursera 창업자인 Andrew Ng의 말을 소개했다. “스스로에게 물어보십시오. 현재 여러분이 하고 있는 일이 정말 성공한다면, 당신은 다른 사람들을 돕게 될까요? 그렇지 않다면 다른 일을 계속 찾아보세요. 그렇지 않으면 당신은 잠재력을 최대한 발휘하지 못한 삶을 살게 됩니다.” 김병학 박사는 “미래를 직접적으로 바꿀 수 있는 머신러닝 스타트업에 함께 도전하는 분들이 더 많았으면 좋겠다”고 전하며 강연을 마쳤다.

김병학 박사가 진행한 머신러닝 프로젝트의 자세한 내용은 hakkim.tech 에서 찾아보실 수 있습니다. 3부에서는 구글에서 다수의 AI 프로젝트를 이끈 경험으로 Machine Translation 스타트업인 XL8 Inc.를 창업, 성공적으로 이끌고 있는 정영훈 대표의 발표가 소개됩니다.