[TITLE이 간다!] AI와 반도체의 미래를 꿈꾸는 당신에게: 디노티시아(Dinotitia)(차세대지능형반도체전공)

AI와 반도체의 미래를 꿈꾸는 당신에게 ― 디노티시아 양세현 CTO에게 듣는 기술과 진로 이야기 [디노티시아 소개:https://dnotitia.com/ko/]   AI, 소프트웨어, 데이터, 그리고 반도체. 교실에서는 서로 다른 분야로 배우지만 산업 현장에서는 이 기술들이 어디에서 만나고, 어떻게 하나의 문제를 해결할까? 이 질문에 대한 답을 찾아 첨단융합학부 학생기자단 [TITLE!]이 디노티시아(Dnotitia)를 찾았다. 디노티시아는 AI가 필요로 하는 데이터를 더 빠르고 정확하게 찾아 활용할 수 있도록 소프트웨어와 반도체를 함께 개발하며 ‘데이터 중심의 AI’라는 접근을 이어가고 있다.벡터 데이터베이스 ‘씨홀스(Seahorse)’와 데이터 처리 가속 반도체 VDPU, 개인형 AI 디바이스 ‘니모스(Mnemos)’까지 소프트웨어와 하드웨어의 경계를 넘나들며 기술을 개발하고 있다는 점은 ‘융합’을 배우는 첨단융합학부 학생들에게도 흥미로운 지점이다. 특히 하나의 전공만으로 문제를 해결하기보다 알고리즘과 AI, 소프트웨어, 시스템, 반도체 등 서로 다른 분야의 사람들이 함께 기술을 만들어가는 것이 디노티시아의 특징이다. 학생기자단 [TITLE!]은 양세현 CTO를 만나 AI와 반도체가 실제 산업에서 어떻게 연결되는지부터 스타트업에서의 기술 개발, 그리고 앞으로 이 분야에 도전할 학생들이 갖춰야 할 역량까지 이야기를 들어봤다. 인터뷰에 앞서 디노티시아 양세현 CTO는 반도체 설계, 시스템 아키텍처 개발 등을 하고, GPU, CPU 개발도 경험이 있다고 밝히며, 현재는 디노티시아에서 최고기술책임자(CTO)를 맡고 있다고 소개했다.         어떤 문제를 해결하기 위해 출발한 기업인가요? 양세현 CTO 저희는 AI의 문제를 데이터 중심으로 풀어보겠다는 접근법을 가진 회사입니다. 그동안 AI 솔루션이나 AI 반도체는 연산을 얼마나 빨리 하느냐에 초점을 맞춰서 발전해왔고, 그 위에서 LLM이 고도화되면서 AI 에이전트라는 형태로 나아가고 있습니다. 이런 AI 에이전트를 사용해 보셨으면 잘 아시겠지만, 지금 LLM에 질문을 던지면 그냥 답을 하는 것이 아니라 늘 무언가 검색을 해서 그 결과를 기반으로 더 좋은 답을 만들고자 하죠. 그리고 그동안 우리가 대화를 나눴던 맥락을 다 저장을 해두고, 사용자가 또 다른 질문을 하게 되면 그런 맥락에서 의미가 있는 부분을 꺼내와 LLM이 더 좋은 답을 만들도록 처리하고 있어요. 회사가 처음 만들어질 때만 해도 이런 식의 데이터와 AI의 융합이 현실화된 상황은 아니었고, 저희는 그런 시대가 올 것이라 보고, 그때부터 더 정확한 데이터를 더 빠르게 제공하는 문제에 초점을 맞춰서 연구를 했습니다. 이것이 저희가 말하는 “데이터 중심의 AI 솔루션”, “데이터 중심의 AI 반도체”입니다. 결론적으로 저희는 데이터가 위치하고 있는 스토리지 시스템, 즉 SSD와 하드 디스크, 메모리 등에서 데이터를 얼마나 빠르고 정확하게 가져올 수 있을지에 초점을 맞추고 기술을 개발하는 회사입니다.   디노티시아의 핵심 기술과 제품을 학부생도 이해할 수 있는 수준으로 설명해 주실 수 있을까요? 양세현 CTO  대표적인 제품은 3가지로 VDPU라고 하는 가속 반도체가 있고, 그 반도체를 활용하는 씨홀스라고 하는 벡터 데이터베이스, 그리고 이런 AI 시스템을 유저들이 내 책상 위에서 다룰 수 있도록 하는 니모스(Mnemos)라고 하는 제품으로 크게 보면 나눌 수가 있습니다. VDPU라고 하는 것은 아까 말씀드린 대로 데이터베이스에 우리가 갖고 있는 데이터를 얼마나 빠르게, 얼마나 정확하게 가져올까 하는 문제를 다루는 반도체입니다. 벡터 데이터베이스와 매우 연관이 있으니, 벡터 데이터베이스가 무엇인지 차근차근 설명드리면, 세상에는 정말 수많은 데이터들이 있습니다. 지금 가지고 계신 노트북 안에도 데이터가 아주 많을 텐데, 예전 같으면 데이터마다 파일명이 명확하게 정해져 있고, 태그 등을 통해 누가 만들었고 어떤 내용들이 숨어 있는지 등을 다 정리해 놓습니다. 그렇게 항목이 정해진 형태로 정리해 데이터베이스에 넣어놓는 것을 우리가 보통 정형 데이터라고 합니다. 그런데 지금 여러분들이 동영상이나 사진을 찍게 되면 파일명이나 태그에는 크게 유의미한 정보들이 들어가 있지 않습니다. 대신 정보는 전부 콘텐츠 안에 들어 있죠. 그렇다고 매번 콘텐츠를 다 열어보고 원하는 파일을 찾을 수는 없잖아요. 그래서 AI 모델을 돌려 콘텐츠에 담긴 중요한 특징들을 뽑아 벡터의 각 차원에 넣습니다. 이것을 임베딩이라고 합니다. 아주 쉽게 말하면 색깔, 사람인지 아닌지 같은 정보들이 각 차원에 들어가는 것입니다. 물론 이것은 사람들이 인지할 수 있는 식으로 표현한 것이고, 실제로는 AI 모델이 스스로 어떤 특징들을 찾아 각 차원에 숫자들을 채워 넣습니다. 예를 들어 물병이라면그 물병에 대한 1,024차원짜리 벡터가 정의되는 것입니다. 사용자가 어떤 질문을 던지면 그 질문도 같은 공간에서 하나의 벡터로 바꿔 매핑합니다. 그다음에 정말 가장 가까운 녀석들을 찾아주는 것입니다. 내가 갖고 있는 수많은 데이터들 중에서 지금 질문한 것과 가장 유사한 데이터를 찾아 다시 돌려주는 것이 벡터 데이터베이스입니다. 벡터 데이터베이스가 하는 일을 시맨틱 서치(semantic search), 즉 의미 기반 검색이라고 합니다. 콘텐츠를 다 보지 않고도 벡터만 있으면 그 데이터가 벡터 공간의 어디에 위치해 있고 무엇과 가까운지 판단할 수 있습니다. 그래서 저희는 이 검색을 빠르고 정확하게 하기 위해 자체 알고리즘과 프레임워크를 갖춘 소프트웨어 솔루션, 씨홀스 벡터 데이터베이스를 만들었고, 그 안에서 하드웨어적으로 가속하면 좋을 만한 부분을 찾아 VDPU라는반도체를 만든 것입니다. 그리고 나머지 하나인 니모스라고 하는 제품은 개인형 AI 디바이스입니다. 여기에도 벡터 데이터베이스 기술이 들어갑니다. 개인이나 소규모 기업에 데이터가 많이 쌓여 있을 때 필요한 데이터를 빠르게 찾아 주고, 이런 데이터와 로컬 LLM 추론을 기반으로 개인이나 기업의 다양한 업무를 처리하는 AI 에이전트의 역할을 하는 제품입니다.   [디노티시아는 씨홀스 벡터DB와 VDPU를 결합한 AI 스토리지 시스템 ‘씨홀스 스토리지(Seahorse Storage)’를 개발했으며, MLPerf® Storage v3.0 벡터DB 평가에서 처리량 기준 1위를 기록했다.]   하드웨어와 소프트웨어를 함께 개발하는 방식의 장점과 어려움은 어떤 것인지 궁금합니다.  양세현 CTO 반도체를 만들 때는 원래 알고리즘부터 시작을 해요. 컴퓨터에서 어떤 알고리즘을 돌려보면 동작은 잘 하는데, 어떨 때는 특정 구간에서 병목이 생기기 때문에 성능이 잘 안 나오게 됩니다. 그러면 그 병목을 풀 수 있는 하드웨어를 만드는 거예요. 기본적인 접근은 그렇고, 저희는 알고리즘을 정해놓고 그 병목만 하드웨어로 푸는 데서 한 걸음 더 나가 동시에 알고리즘 자체도 하드웨어가 잘 돌릴 수 있도록 바꿔보는 일도 같이 하는 거죠. 그래서 알고리즘과 하드웨어를 같이 최적화하면, 한쪽을 고정해두고 다른 한쪽만 개선하는 기존 방식의 한계를 뛰어넘는 수준의 최적화를 할 수 있어요. 이런 것들을 보통 하드웨어-소프트웨어 상호 최적화(Co-optimization)라고 합니다. 그리고 대부분의 사람들은 사실 하드웨어가 뭔지 큰 관심이 없습니다. 내가 돌리고자 하는 애플리케이션, 내가 하려는 일을 얼마나 빠르고 효율적으로 해주느냐에만 관심이 있어요. 최종적으로는 고객들의 눈에는 소프트웨어로 보이게 되는 거예요. 그래서 저희는 하드웨어를 잘 만들기 위해 결국 고객의 니즈, 고객이 뭘 원하는지, 사용자들이 어떤 부분에서 어려움을 느끼는지부터 이해하고, 그걸 가지고 현재 알고리즘은 어떤 한계가 있는지, 그 한계를 깨기 위해서 하드웨어는 어떻게 만들어져야 하는지, 그리고 이 하드웨어 구조를 어느 정도로 제한할 수밖에 없는 상황에서 알고리즘은 또 어떻게 개선되어야 하는지 이런 식의 루프를 돌면서 일을 하게 됩니다. 그게 저희가 일을 하는 방식입니다. 그래서 장점은 기존의 방식으로는 만들 수 없는 결과물을 만들 수 있다는 것이고요. 어려움은 여러 다양한 지식을 가진 분들이 모여서 서로 간에 벽이 없는 커뮤니케이션을 하고, '이 문제는 네가 풀어야지, 내가 풀어야지' 하는 식이 아니라 정말 같이 협업하면서 이 문제를 함께 풀면 어떤 목적지까지 도달할 수 있는지를 고민하는 협업 문화가 필요하다는 점입니다. 사실 협업이 그렇게 쉬운 일은 아니거든요. 그래서 그런 협업을 잘할 수 있는 문화를 만들고, 서로 공동의 목표를 갖도록 만드는 것이 가장 어려운 부분이라고 할 수 있습니다. 그게 되어야 이런 일을 잘 해낼 수 있는 것이고요.   그렇다면 협업이 굉장히 중요한 요소인 것 같은데요, 디노티시아 안에는 어떤 직무와 전공 배경을 가진 사람들이 함께 일하고 있나요? 양세현 CTO 사실 첨단융합학부라고 해서 되게 반가운 느낌이었어요. 저희도 다양한 일들을 하는 사람들이 모여서 하나의 목표를 향해 노력하고 있거든요. 저희 안에는 먼저 알고리즘을 연구하는 분들이 계십니다. 저희는 LLM, AI뿐만 아니라 아까 말씀드린 벡터 데이터베이스 알고리즘이나 프레임워크를 연구하는 분들, 그 위의 애플리케이션 소프트웨어 계층을 연구하는 분들도 계십니다. 그리고 다른 한쪽에는 하드웨어를담당하는 팀이 있습니다. 아키텍처를 설계하고, 그에 따라서 하드웨어 구조를 만들고, 실제로 RTL을 설계하고 검증하고, 칩이 나오면 그 칩을 시스템 안에 집어넣는 일까지 맡습니다. 그 사이에서 브리지 역할을 하시는 분들도 계십니다. 하드웨어를 실제로 구동하기 위해 드라이버나 펌웨어 같은 시스템 소프트웨어를 만드는 분들, 그리고 잘 사용할 수 있도록 말하자면 GPU의 CUDA 같은 것을 만드는 분들도 계십니다. GPU를 예로 들면, GPU 하드웨어를 만드는 사람, CUDA를 만드는 사람, 그 위에서 돌아가는 응용 애플리케이션, 예를 들어 파이토치로 LLM이나 AI 모델을 만드는 사람, 그리고 실제로 그것을 대규모 시스템이나 엣지 시스템에서 서비스하기 위한 서빙 시스템을 만드는 사람들까지 다양하게 있습니다. 스타트업에서 이런 사람들이 다 같이 일하는 것은 분명 도전적입니다. 하지만 큰 기업에서는 속도감이 나기 어렵고 조직 간에 벽도 있는 반면, 스타트업이기 때문에 이런 일을 오히려 더 잘할 수 있다고 생각하고 있습니다.   대기업이 아닌 반도체 AI 스타트업에서 일하시는 경험이 궁금한데요. 스타트업에서 개인이 맡을 수 있는 역할의 범위도 넓고, 성장 속도도 빠를 것 같은데, 실제로는 어떤지 한번 소개해 주시면 좋겠어요. 양세현 CTO 저는 학교를 다닐 때부터 컴퓨터 아키텍처와 디지털 회로에 관심이 많았습니다. 한때는 제어 시스템에도 관심이 있어서 석사 때는 그런 연구를 했고, 그러면서 제가 정말 좋아하는 것이 무엇인지, 어떤 문제가 저에게 정말 중요해 보이는지를 찾으면서 컴퓨터 아키텍처라는 분야를 선택해 공부했습니다. 박사 과정에서는 저전력 반도체 기술과 CPU 설계를 공부했고, 학위를 마친 뒤 바로 한국으로 돌아와 삼성에서 꽤 오랫동안 일했습니다. 처음 맡은 일은 SoC에 들어가는 CPU 개발이었습니다. CPU라는 기술은 굉장히 중요하지만 국내에는 CPU를 정말 잘 만들 수 있는 곳이 많지 않았습니다. 그래서 독자적으로 CPU를 만들어보자는 목표로 기술을 개발했고, 실제로 여러 세대의 엑시노스에 그 CPU가 탑재되었습니다. 그 이후에는 GPU도 직접 만들어보자는 방향으로 GPU 개발을 시작했습니다. 그때까지가 모바일 시스템과 저전력 기술 중심이었다면, 이후에는 데이터센터 시스템에서 CPU와 GPU, 그리고 AI 가속기가 어떤 식으로 동작하는지시스템 레벨에서 분석하고 프로세서와 메모리 시스템을 개발하는 업무를 했습니다. 그 이후에 지금의 회사로 오게 되었습니다. 그 과정에서 다양한 산업의 변화를 목격했습니다. 아날로그에서 디지털로 바뀌는 과정, 사람들이 인터넷으로 연결되는 과정, 데스크톱 중심의 인터넷 환경에서 모바일 환경으로 넘어가는 스마트폰 혁신 등을 거쳐 지금은 AI 혁신과 데이터 중심의 시대를 경험하고 있습니다. 제가 스타트업에 온 가장 큰 이유는 이곳에서는 한 사람 한 사람이 더 많은 영역을 담당해야 하기 때문입니다. 그리고 지금 AI 전환 시대에서 가장 중요한 것 중 하나는 워낙 빠르게 변하기 때문에 새로운 아이디어가 있으면 빠르게 시도해 보고, 맞으면 그 방향으로 더 빠르게 추진하는 것입니다. 반대로 틀렸다면 빠르게 그 시도를 접고, 대신 거기에서 얻은 교훈을 다음 방향에 어떻게 반영할지를 고민하는 과정이 필요합니다. 그런데 그런 것들을 사실 대기업에서는 하기가 쉽지 않습니다. 실패를 용인하기 어려운 문화도 있고, 새로운 시도를 빠르게 해보기 어려운 환경도 있기 때문입니다. 반면 스타트업에서는 그런 것들을 정말 잘할 수 있고, 그것이 저에게는 큰 장점으로 보였습니다. 실제로 와서 일을 해보니 정말 많은 것들을 시도해 볼 수 있었고, 새로운 기술을 만들어가는과정에서 한 방향으로 가다가도 실패할 수 있고, 그 실패를 다시 성공으로 연결하는 작은 실패와 성공을 반복하며 앞으로 나아갈 수 있는 문화가 있다는 것이 스타트업의 가장 큰 장점이라고 생각합니다. 그리고 학부생 여러분들이 앞으로 새로운 도전을 하고 직장을 선택하게 될 때, 저희 회사처럼 여러 분야의 사람들이 함께 협업해야 하는 환경에서는 내가 하는 분야뿐 아니라 다른 분야도 이해해야 합니다. 그런 환경에 놓여 있기 때문에 기술을 더 폭넓게 이해하는 능력을 갖추게 되고, 대기업보다 훨씬 밀도 있게 다양한 경험을 할 수 있습니다. 그래서 정말 빠르게 성장하고, 내가 만든 제품의 결과를 빠르게 확인하고 싶다면 스타트업이 잘 맞을 것이라고 생각합니다.   디노티시아 주요 제품 중 하나인 VDPU가 기존에 있던 CPU나 GPU 같은 프로세서랑 비교했을 때 어떤 문제를 겨냥하고 있고, 실제로 이런 데이터 처리에 특화된 반도체를 설계할 때 어떤 측면에서 고민이 필요한지, 어떤 기술적 차별점이 있는지 궁금합니다. 양세현 CTO VDPU의 핵심은 벡터 데이터베이스에서 내가 원하는 데이터를 얼마나 빠르게 찾느냐 하는 부분이에요. 그게 문제가 된 이유는 아까 말씀드린 것처럼 AI 솔루션이 데이터 중심으로 바뀌고 있다는 것이고, 또 중요한 부분은 그런 데이터의 양이 엄청나게 늘어나고 있다는 점입니다. 잘 알려진 NPU나 GPU를 잘 보시면 제일 중요한 것은 결국 연산기를 얼마나 많이 만들고 잘 활용하느냐입니다. 그런데, 저희는 데이터가 위치해 있는 메모리나 스토리지에서 데이터를 얼마나 빠르고 효율적으로 가져오느냐 하는 부분이 아주 중요합니다. 그래서 기존의 CPU를 벡터 데이터베이스라는 애플리케이션 관점에서 보면 CPU는 충분한 메모리 용량을 제공하지만, 메모리에서 연산기까지 데이터를 가져오는 bandwidth, 즉 데이터가 지나가는 문이 되게 작아요. 반면, GPU는 그 문을 많이 열어놨습니다. 여러분들이 잘 아시는 HBM 메모리를 사용하면 연산기와 메모리 간의 대역폭을 엄청나게 늘려놨어요. 그런데 HBM의 특성상 메모리 용량이 제한됩니다. 데이터를 엄청나게 많이 다뤄야 하는데 메모리 사이즈에 한계가 있는 것이 GPU의 문제점이에요. 그래서 CPU는 대역폭에 문제가 있고, GPU는 용량의 문제가 있습니다. 그리고 NPU는NPU가 제공하는 연산이나 구조의 특징이 벡터 데이터베이스와는 조금 다릅니다. 이렇게 다양한 프로세서들이 나와 있지만, 정작 데이터를 잘 검색해서 가져오는 문제를 풀기에는 여러 가지 모자란 점이 있습니다. 저희는 고용량의 메모리를 제공하면서도 고대역폭의 메모리를 제공하고, 그 안에서 벡터 데이터베이스 검색에 잘 맞는 연산기를 갖고 있는 구조를 택하는 것이 중요한 차별점입니다. 또 특별히 말씀드리자면, 아직 컴퓨터 구조 과목을 들으신 분들은 많지 않을 것 같은데 컴퓨터 구조에는 Memory Wall이라는 개념이 있습니다. 연산 성능이 좋아지는 속도를 메모리에서 데이터를 옮겨오는 속도가 따라가지 못하는 문제인데, 그 문제를 저희는 벡터 검색에 잘 맞는 형태로 해결하고자 하는 것입니다.   [디노티시아는 지난 8월 FMS(Future of Memory and Storage)에서 VDPU 칩 실물과 이를 탑재한 벡터 검색 가속기 카드를 처음 공개했다.]   이번에ICML에서 발표한KV 캐시 압축 기술이LLM의 추론 비용과 메모리 병목을 해결하는 핵심 기술로 꼽히는데, 이번 성과가 디노티시아의 글로벌AI 시장에서 어떤 전환점이 될지 여쭤보고 싶습니다. 양세현 CTO KV 캐시는 AI나 LLM을 공부하셨다면 한 번쯤 들어보셨을 것 같은데요. LLM이 동작할 때 보통 LLM에 어떤 질문을 던지잖아요. 그러면 LLM은 그 질문을 토큰이라고 하는 단위로 받아서 내부에서 잘 처리하기 위한 형태로 데이터를 저장합니다. 보통 단기 기억이라고 생각하시면 됩니다. LLM을 사용해 보시면 세션이라는것이 있잖아요. 그 세션 안에서 어떤 데이터들이계속 존재하고, 뒤에서 다시 질문을 하면 앞에서 이미 대화했던 내용들이 참조됩니다. 그런데 그때마다 기존의 텍스트를 처음부터 다시 연산하는 것이 아니라 KV 캐시라고 하는 형태의 데이터로 저장해 둡니다. 단기 기억을 저장하는 형태라고 보시면 됩니다. 그런데 토큰 하나의 KV 캐시 크기는 원래 토큰 데이터가 수 바이트 정도라면 그것보다 약 1만 배 정도 커집니다. 엄청나게 커지는 거죠. 그래서 그런 데이터를 GPU 안에 있는 HBM 메모리에 저장하고 다시 가져올 때, 기존의 토큰이라면 몇 바이트만 가져오면 되는데 훨씬 더 큰, 몇십 KB의 데이터를 가져와야 하는 것입니다. 그리고 그동안 했던 대화가 길어질수록 그 데이터가 계속 누적됩니다. 그러면 아까 말씀드린 것처럼 HBM의 용량에는 한계가 있기 때문에 어느 정도 대화를 하다 보면 더 이상 대화를 이어가기 어려운 문제가 생길 수 있습니다. 또한 데이터를 가져오는 데도 시간이 오래 걸립니다. 그래서 저희가 ICML에서 발표한 논문의 내용이 바로 KV 캐시를 압축하는 기술입니다. 기존에는 KV 캐시가 원본 대비 약 1만 배 정도 커지는 것을 대부분의 AI 인프라 업체들이 당연하게 받아들이고 사용하고 있습니다. 그런데 저희는 그것을 최대 20분의 1까지 줄일 수 있는 높은 압축률의 기술을 제안했습니다. 이와 같은 연구는 최근 저희뿐만 아니라 여러 곳에서 발표되고 있는데, 저희가 이번에 발표한 기술은 ICML에서 좋은 평가를 받아Spotlight Paper로 채택되었습니다. 저희가 한 연구는 결국 AI 시스템의 전체 효율성을 개선하는 기술입니다. 성능도 향상시키고 데이터를 가져오는 데 필요한 전력 소모도 줄일 수 있기 때문에 저희가 만들고자 하는 AI 솔루션의 전체 효율성을 높여 결국 고객이나 사용자들이 훨씬 더 낮은 비용으로AI 솔루션을 활용할 수 있도록 하는 기술입니다.   지금 현재 AI 기술이 굉장히 빠르게 발전하고 있는데, 그중에서 디노티시아가 보는 차세대 AI 발전에 있어서 AI 인프라의 병목이 될 만한 상황이 무엇인지, 그리고 그 병목을 해결할 때에 반도체가 어떤 역할을 할 수 있는지 궁금합니다. 양세현 CTO 저희가 주목하고 있는 AI 시스템의 가장 중요한 병목은 엄청나게 많은 데이터를 저장하고, 그 데이터를 얼마나 빠르고 효율적으로 가지고 와서 AI 모델에게 제공하느냐 하는 부분입니다. 이 부분이 점점 더 문제가 커진다고 생각하는 이유 중 하나는 피지컬 AI 때문입니다. 예를 들어 로봇이나 자동차는 수많은 데이터를 계속 수집합니다. 그리고 나중에 자동차나 로봇이 어떤 의사결정을 내릴 때 그 데이터를 활용해야 합니다. 내가 갖고 있는 수많은 데이터 중에서 지금 내리고자 하는 의사결정과 가장 관련된 데이터를 찾아 활용해야 하는 것이죠. 그런데 로봇이 수집하는 데이터를 사람이 일일이 레이블링할수는 없습니다. 데이터는 계속 쌓이기만 합니다. 그 안에서 필요한 데이터를 잘 찾아 활용할 수 있도록 하는 것이 병목이라고생각하는 것입니다. 엄청난 데이터가 있지만 그 데이터를 활용하지 못하면 아무 의미가 없는 것이죠. 결국 데이터를 검색하고 활용하는 주체가 예전에는 사람이었습니다. 사람이 구글에서 검색해서 그 결과를 가지고 의사결정을 내렸죠. 지금은 그 주체가 AI가 되고 있고, 엄청나게 빠른 속도로 그런 일들을 하고 있습니다. 그래서 데이터 처리 속도는 점점 더 빨라지고 데이터의 양은 점점 더 늘어나기 때문에, 그 안에서 정말 중요한 데이터를 찾는 일은 점점 더 어려워지고 있다고 생각합니다. 그것이 저희가 풀고자 하는 문제입니다. 그리고 그 문제를 정말 효율적으로해결하기 위해서는 기존 하드웨어들이 갖고 있는 문제들을 해결해야 합니다. 그 문제들은 앞서 말씀드린 GPU나 NPU 등이 갖고 있는 한계이고, 저희는 저희만의 방식으로 그 문제를 풀어보겠다는 것입니다.   반도체 전공으로 진입하는 학생들이 학부 시절에 주목해서 길러야 할 역량은 어떤 것이라고 생각하시는지 여쭤보고 싶습니다. 양세현 CTO 사실 요즘 여러분들이어떤 직업들이 인기가 많고 이런 것에 되게 관심이 많으실 거예요. 얼마 전까지만 해도 소프트웨어개발자들이 미국에서 엄청나게 높은 연봉을 받았고, 갑자기 어느 순간 분위기가 180도 바뀌기도 했습니다. 또 지금은 반도체가 엄청나게 주목받고 있고, 그중에서도 메모리 반도체가 한국에서는 특히 큰 관심을 받고 있죠. 물론 그런 기술들이 그만큼 중요하기 때문에 사람들이 관심 갖는 것은 맞습니다. 하지만 학부생으로서 중요한 점을 제 나름대로 두,세가지 말씀드리면, 먼저 기초를 탄탄히 해야 한다는 생각이 듭니다. 여러분들이 학부 때 배우는 과목들이 어떻게 보면 내가 나중에 이런 일을 하고 싶은데 하는 것과 조금 동떨어져 있다고 느낄 수도 있어요. 예를 들면 내가 NPU를 만들 건데 CPU 기반의 컴퓨터 아키텍처를 왜 배워야 하지, 디지털 회로를 배우는 것이 크게 의미가 있나 하는 생각을 할 수도 있습니다. 그런데 여전히 30년, 40년 전에 나왔던 컴퓨터 아키텍처나 데이터 구조 같은 학교에서 배우는 기초 과목들이 지금 우리가 각광받고 있는 모든 기술의 기반입니다. 그것을 잘 이해하는 사람이 결국 그 다음 단계의 혁신을 만들어낼 수 있거든요. 그래서 그게 첫 번째입니다. 그리고, 보통은 트렌드를 많이 쫓아가게 됩니다. 오늘은 이 기술이 인기가 있고, 내일은 또 다른 기술이 더 좋아 보이고, 그러다 보면 계속 바뀝니다. 예전보다 훨씬 더 빠르게 바뀌는 것 같아요. 그래서 그런 트렌드에 관심을 갖는 것은 당연히 중요하지만, 그것만 따라가기보다는 정말 어떤 문제가 중요한 문제인지, 그리고 그 문제를 어떻게 푸는 것이 좋은지에 대한 시야를 갖기 위한 고민을 많이 하셨으면 좋겠습니다.   디노티시아가 목표하고 있는바는 무엇인지 궁금합니다. 양세현 CTO 우리가 보통 AI 반도체라고 하면 NPU나 GPU만 떠올립니다. 저희는 데이터 중심의 AI 반도체라는 새로운 카테고리를 만들어가고 있다고 생각합니다. 그리고 그걸 통해서 사회에 기여하고, 더 많은 사람들이 더 저렴하게, 더 효율적으로 AI 시스템을 사용할 수 있도록 만드는 것이 저희의 목표입니다.   마지막으로, 첨단융합학부 학생들에게 한마디 부탁드립니다. 양세현 CTO 앞서 말씀드린 대로 기초를 탄탄히 하고, 유행보다는 정말 중요한 문제가 무엇인지 계속 관심을 가지면서 미래를 잘 준비하셨으면 좋겠다는 생각이 듭니다. 그리고 덧붙이자면, 사실 지금의 인재는 딱 한 분야만 잘하는 사람이 아닙니다. 저희 회사의 특성도 그렇지만, 예를 들어 반도체 설계가 있으면 처음에 아키텍처와 알고리즘부터 시작해서 전체 과정을 다 거치게 됩니다. 그래서 그것을 한 번씩 다 경험해 보는 것도 중요하지만, 정말 중요한 것은 하나의 문제를 깊이 고민하는 것입니다. 많은 사람들과 이야기를 해보면 그 사람이 가진 깊이를 느낄 수가 있어요. 그리고 한 분야를 깊이 파고들면 다른 분야에서도깊이 있게 접근할 수 있게 되고, 결국 전문가가 될 수 있습니다. 그래서 넓게 보는 것도 중요하고 다양한 기술을 갖는 것도 중요하지만, 그런 과정 속에서 내가 정말 잘하고 싶은 것, 내가 정말 풀어보고 싶은 문제를 잘 정해서 그 분야를 깊이 있게 파고들고, 남들은 해보지 않은 고민을 나는 해봤다고 말할 수 있는 경험을 만들 수 있으면 정말 좋을 것 같습니다.     이날 인터뷰를 진행한 이동헌(첨단융합 26) 학생은 “빠르게 변화하는 AI·반도체 산업에서 유행을 좇기보다 자신이 선택한 분야의 기초를 탄탄히 다지고, 하나의 문제를 깊이 있게 고민하는 태도가 중요하다는 점이 특히 인상 깊었다”고 소감을 전했다. 이어 “AI와 반도체가 실제 산업 현장에서 어떻게 연결되고 구현되는지 이해할 수 있었고, 다양한 분야의 사람들이 함께 기술을 만들어가는 과정을 들으며 앞으로 어떤 역량을 쌓고 어떤 분야를 깊이 공부하고 싶은지 생각해 볼 수 있는 뜻깊은 시간이었다”고 말했다. 이번 디노티시아 방문은 AI와 데이터, 소프트웨어와 반도체가 서로 연결되어 새로운 기술로 구현되는 현장을 가까이에서 살펴볼 수 있는 자리였다. 빠르게 변화하는 기술 속에서도 기초와 전문성을 쌓고 자신이 풀고 싶은 문제를 깊이 고민해야 한다는 양세현 CTO의 조언과, 소프트웨어와 하드웨어의 경계를 넘나들며 새로운 해법을 만들어가는 디노티시아의 이야기는 다양한 분야를 배우고 연결해 나가는 첨단융합학부 학생들에게 의미 있는 메시지를 전했다. 이번 인터뷰가 AI·반도체 분야의 진로를 고민하는 학생들에게 막연했던 산업 현장을 한층 가까이 이해하고, ‘나는 무엇을 공부하고, 어떤 문제를 풀고 싶은가’에 대한 자신만의 답을 찾아가는 데 실질적인 도움이 되기를 기대한다.   [TITLE 2기 노강희, 박보연, 이희서(이상 25학번), 3기 김종현, 이동헌(이상 26학번)]

2026-09-11

Read More

[TITLE이 간다!] 한국에서 시작한 AI 반도체의 반란: 리벨리온(차세대지능형반도체전공)

[리벨리온 소개:https://kr.rebellions.ai/]  우리가 생성형 AI에 질문을 입력하고 답변을 받는 짧은 순간, 데이터센터에서는 방대한 연산이 이루어진다. AI가 일상과 산업 전반으로 확산될수록 중요한 문제는 더 이상 모델의 크기와 성능에만 머물지 않는다. 그 모델을 얼마나 적은 전력과 비용으로 안정적으로 운영할 수 있는지가 AI 산업의 지속 가능성을 결정하는 핵심 과제로 떠오르고 있다. 지난 6월 29일 서울대학교 첨단융합학부 학생기자단 TITLE은 ‘TITLE이 간다’ 프로그램의 일환으로 AI 반도체 스타트업 리벨리온을 방문했다. 현장에서 만난 리벨리온 구성원들은 회사의 출발점부터 추론 특화 반도체가 필요한 이유, 반도체 스타트업의 성장 과정, 소버린 AI 시대에 그리고 있는 미래까지 들려주었다.     “GPU 하나에만 의존해도 될까?”  리벨리온의 출발점에는 하나의 질문이 있었다. AI 시장이 폭발적으로 성장하는 상황에서 연산 인프라를 범용 GPU에만 의존해도 되는가라는 문제의식이다. 리벨리온의 창업자들은 미국의 빅테크 기업과 연구소에서 경력을 쌓은 뒤 한국으로 돌아와 회사를 설립했다. 미국에서도 창업할 수 있었지만, 반도체 인프라와 산업 생태계가 구축되어 있고 우수한 인재가 모여 있는 한국을 선택했다. 이들의 창업 소식이 알려지면서 미국 빅테크에서 근무하던 인재들도 한국으로 합류했다. 창업 당시 AI 시장의 관심은 주로 모델을 만드는 ‘학습’에 집중되어 있었다. 그러나 리벨리온은 앞으로 실제 서비스에서 모델을 반복적으로 실행하는 ‘추론’ 시장이 더욱 가파르게 성장할 것으로 내다봤다. 범용 GPU는 다양한 연산에 활용할 수 있지만, AI 추론만을 위해 설계된 장치는 아니기 때문에 전력과 비용 측면에서 부담이 발생할 수 있다. 이에 리벨리온은 AI 추론에 특화된 반도체를 개발하기 시작했다. 같은 작업을 수행하면서도 더 적은 전력을 사용하고, 기업이 AI 서비스를 운영하는 데 드는 비용을 줄이는 것이 핵심 목표다. 리벨리온 관계자는 이를 두고 “AI 시대의 현실적인 대안이 되고자 하는 것이 우리의 미션”이라고 설명했다.   칩에서 서버와 소프트웨어까지, ‘풀스택’으로 연결하다  현장에서 살펴본 AI 반도체 카드는 작은 칩 하나만으로 완성되는 제품이 아니었다. 리벨리온이 설계한 칩은 네트워크 장치 등과 함께 보드에 결합돼 카드 형태가 되고, 이 카드는 다시 데이터센터용 서버에 장착된다. 여러 대의 서버가 모이면 하나의 랙 단위 인프라가 구성된다. 쉽게 말해 사용자가 생성형 AI에 질문을 입력했을 때 출력 토큰이 생성되는 ‘추론’ 과정을 처리하는 하드웨어다. 그러나 실제 고객이 AI 서비스를 운영하기 위해서는 칩만으로 충분하지 않다. 칩을 장착한 카드와 서버, 여러 서버를 연결한 랙뿐 아니라 하드웨어가 AI 모델을 원활하게 실행하도록 돕는 소프트웨어도 필요하다. 리벨리온이 강조하는 강점도 여기에 있다. 칩이나 카드 공급에 머무르지 않고 서버, 랙, 소프트웨어까지 연결한 풀스택 AI 인프라를 제공한다는 것이다. 시스템 규모가 커져도 각 단계에서 효율을 잃지 않고 확장할 수 있도록 설계하는 것이 리벨리온이 설명한 기술적 지향점이다. 리벨리온은 하드웨어와 밀접하게 연결되는 컴파일러와 자체 소프트웨어 개발도 함께 진행하고 있다. 고객이 궁금해하는 것은 칩 자체보다 “이 인프라에서 어떤 모델을 구동해 어떤 서비스를 만들 수 있는가”이기 때문이다. 따라서 하드웨어의 성능뿐 아니라 고객이 원하는 AI 모델과 서비스를 실제 인프라 위에 구현하는 과정까지 함께 고민해야 한다. 리벨리온 관계자는 “AI 인프라 기업이지만 하드웨어만 하는 기업은 아니다”라며 “하드웨어부터 그 위의 모델과 서비스까지 한꺼번에 고민한다는 점이 흥미로운 부분”이라고 말했다.   AI의 성능을 넘어 ‘운영 비용’을 묻다  AI 추론 시장이 성장할수록 기업이 마주하는 질문은 분명해진다. “AI를 통해 어떻게 수익을 낼 것인가”이다. 서비스 이용료나 기업 고객을 통해 매출을 만들어도, 모델을 운영하는 데 지나치게 많은 비용이 들면 지속 가능한 사업 구조를 만들기 어렵다. 리벨리온은 이 문제를 총소유비용, 즉 TCO(Total Cost of Ownership)의 관점에서 설명했다. TCO에는 데이터센터 인프라를 처음 구축할 때 필요한 자본적 지출인 CAPEX와, 장비를 운영하며 지속적으로 발생하는 전력비·냉각비 등의 운영비용인 OPEX가 포함된다. 추론 특화 반도체가 전력 효율을 높이면 기업은 장비 운용에 필요한 OPEX를 절감할 수 있다. 동시에 GPU 중심 시장에 새로운 선택지가 생기면 인프라를 도입할 때 부담해야 하는 CAPEX 측면에서도 경쟁이 촉진될 수 있다. 리벨리온이 제공하고자 하는 가치는 단순히 빠른 칩을 만드는 데 그치지 않는다. 기업이 AI 추론 인프라를 구축하고 운영하는 전 과정의 비용을 낮추는 데 있다.   ‘반도체’와 ‘스타트업’을 함께 붙이는 도전  반도체는 설계부터 검증, 테이프아웃, 양산까지 긴 시간과 막대한 자원이 필요한 산업이다. 빠르게 제품을 출시하고 수정할 수 있는 일반적인 소프트웨어 스타트업과 달리, 시장의 변화를 수년 앞서 예측하며 제품을 설계해야 한다. 더욱이 AI 시장은 반도체 개발 속도보다 빠르게 변화한다. 리벨리온 관계자는 빠르게 변하는 해외 AI 시장을 관찰하고 앞으로 필요한 칩을 예측해 설계하는 일 자체가 큰 도전이라고 말했다. 기존 제품을 모방하는 것이 아니라 이미 형성된 설계 관습을 넘어 새로운 방식을 제시해야 한다는 점도 사업의 난도를 높인다. 설계와 테이프아웃을 넘어 양산을 진행하고, 실제 고객이 제품을 사용하도록 만드는 과정에는 단계마다 서로 다른 난관이 존재했다. 이를 극복한 동력으로는 서로 다른 팀이 하나의 목표를 향해 협업하는 ‘원 팀’ 문화가 꼽혔다. 조직이 성장하며 새로운 팀이 계속 생겨났지만, 각 팀의 역량이 분리되지 않고 연결되도록 만드는 문화가 지속적인 도전을 가능하게 했다는 설명이다. 2024년 12월 진행된 사피온코리아와의 합병도 중요한 전환점이었다. 국내에 나뉘어 있던 기술과 인력을 한데 모아 더 큰 규모로 도전하기 위한 선택이었다. 리벨리온 측은 합병을 통해 확보한 기술과 인력이 회사가 한 단계 도약하는 기반이 됐다고 평가했다. ARM, 삼성, 아람코 등 리벨리온의 전략적 투자자들도 성장 과정에서 힘이 됐다. 단순한 재무적 투자를 넘어 리벨리온과 사업을 함께하고 협력하려는 기업들이 투자자로 참여했다는 점이 특징이다.   빠르게 성장하는 조직에서 일한다는 것  리벨리온의 빠른 성장 속도는 구성원들의 업무에도 그대로 반영된다. 한 인터뷰이는 입사 당시 약 100명이었던 조직이 2년 만에 350명 이상으로 성장했다고 설명했다. 그 과정에서 본인의 업무 범위 역시 계속 달라졌고, 이전보다 넓고 깊은 역할을 맡게 됐다고 말했다. 스타트업에서는 한 사람이 담당하는 영역이 상대적으로 넓다. 수직적인 의사결정 단계가 적기 때문에 판단의 속도가 빠르고, 충분한 근거를 갖고 업무를 추진한다면 개인에게 주어지는 결정 권한도 크다. 대신 회사와 시장의 변화에 민감하게 반응하고, 익숙한 역할에 안주하지 않는 태도가 요구된다. 글로벌 협업도 일상적인 업무의 일부다. 해외 고객사를 발굴하고 현지 법인을 설립하며, 여러 국적의 구성원과 시차를 고려해 소통해야 한다. 리벨리온 관계자는 이러한 환경에서 일하려면 변화에 기민하게 적응하는 동시에, 자신의 판단에 책임질 수 있어야 한다고 강조했다.   미국과 중국 사이, AI 인프라의 ‘제3지대’를 향해  리벨리온이 그리고 있는 미래는 개별 칩이나 기업의 성장을 넘어선다. 리벨리온 관계자는 AI 반도체가 국가의 전략적 자산으로 다뤄지는 흐름 속에서, 회사의 성장이 한국의 AI 인프라 자립이라는 과제와 맞닿아 있다고 설명했다. AI 기술과 인프라를 특정 국가나 기업에 전적으로 의존하지 않고 자국의 역량으로 구축하려는 ‘소버린 AI’의 중요성도 강조됐다. 리벨리온은 하드웨어부터 소프트웨어와 서비스까지 이어지는 소버린 AI 생태계에서 핵심적인 인프라 기업으로 성장하는 것을 목표로 한다. 특히 미국과 중국의 AI 패권 경쟁 속에서 어느 한쪽에 완전히 종속되기를 원하지 않는 국가들에게 한국이 새로운 선택지가 될 수 있다는 것이 리벨리온의 시각이다. 안정적으로 공급받을 수 있는 독자적인 AI 반도체를 원하는 수요가 커지는 가운데, 리벨리온은 한국을 중심으로 AI 인프라의 ‘제3지대’, 이른바 ‘AI G3’를 만들어가겠다는 구상을 제시했다.   학생들에게 필요한 것은 ‘정답’보다 ‘질문’  차세대지능형반도체전공 학생들이 어떤 역량을 길러야 하느냐는 질문에 리벨리온 구성원들은 전공 지식만을 답으로 제시하지 않았다. 회로와 아키텍처, 소프트웨어를 충실히 공부하는 것은 기본이지만, 기술과 산업이 어떤 방향으로 움직이는지를 끊임없이 관찰해야 한다고 조언했다. 중요한 것은 뉴스를 확인하는 데서 멈추지 않는 태도다. 한 기업의 의사결정이나 새로운 기술 발표를 접했을 때 “왜 이런 선택을 했을까”, “이 변화가 기존 산업에는 어떤 영향을 미칠까”라고 질문해야 한다. 이러한 의문을 하나씩 파고들며 자신만의 답을 찾는 과정에서 산업을 보는 관점도 넓어진다. AI 도구가 빠르게 발전하는 시대일수록 자신만의 고유한 강점도 필요하다. 리벨리온 구성원들은 학생들에게 AI가 쉽게 대체하기 어려운 ‘인간적인 엣지’를 기르고, 다른 사람이 선택한 길을 무작정 따르기보다 자신의 정체성과 신념을 바탕으로 방향을 만들어가라고 전했다. 그 메시지는 ‘반란’을 뜻하는 리벨리온의 사명과도 이어진다. 기존의 강자를 그대로 따라가는 기업이 아니라, 한국의 독자적인 기술을 바탕으로 새로운 질서를 만들어가는 반란군이 되겠다는 것이다. “그 방향이 나중에 틀릴 수도 있고 좌충우돌을 겪을 수도 있습니다. 하지만 나만의 정체성과 신념을 가지고 밀고 나가는 힘이 필요합니다.”   탐방을 마무리하며 GPU 중심의 기존 질서에 질문을 던지며 출발한 리벨리온은 이제 칩을 넘어 서버와 소프트웨어, 국가의 AI 인프라까지 더 큰 질문을 향하고 있다. 이번 탐방은 반도체가 단순히 작은 칩을 설계하는 산업이 아니라 기술과 소프트웨어, 조직, 시장, 국가 전략이 함께 맞물리는 거대한 융합의 현장임을 확인하는 시간이었다.   [첨단융합학부 25학번 노강희]

2026-09-11

Read More

첨단융합학부 창업경진대회 우승 팀 ‘Curette’, ‘제6회 동문창업네트워크 SAEN’ 우수상 수상

제1회 첨단융합학부 창업경진대회에서 우승을 차지한 ‘Curette(큐렛)’ 팀이 2026년 9월 2일 서울대학교 창업지원단이 개최한 ‘2026 서울대 동문창업네트워크’에서 우수상을 수상하였다. 올해로 6회를 맞은 서울대 동문창업네트워크 행사 중 진행된 '왕중왕전'은 서울대학교 내 기관별 창업경진대회 우승 팀들에게 지원 자격을 부여했다. 그 중 창업지원단의 1차 서류평가를 통해 선정된 최종 5개 팀이 참여했고, 9월 2일 최종 발표 심사가 진행되었다. Curette 팀은 윤서영 학생(첨단융합학부 2학년)과 김경민·지종현 학생(치의학대학원)으로 구성되었으며, 이번 대회에서 우수상을 수상하여 상금 200만 원을 받았다. 특히 Curette 팀은 첨단융합학부 최승홍 학생부학부장을 멘토교수로 하여 지속적인 멘토링을 바탕으로 창업 아이템을 발전시키고 발표를 준비해 왔다. 전공이 서로 다른 학생들이 협업하여 아이디어를 구체화하고 창업 가능성을 인정받았다는 점에서도 의미가 있다. 올해 4월부터 진행되었던 첨단융합학부 창업 생태계 활성화 프로그램을 통해 발굴·육성된 'Curette'은 이번 수상은 첨단융합학부 학생이 전공 간 경계를 넘어 다양한 분야의 구성원들과 협력하고, 융합적 사고와 창업 역량을 바탕으로 실질적인 성과를 창출하였음을 보여주는 사례이다.  첨단융합학부는 창업 교과·비교과 프로그램을 통해 다방면으로 창업교육을 운영하고 있으며, 첨단융합 기술창업트랙(교과인증과정)을 통해 학생들의 실전적인 경험과 진출을 뒷받침하고 있다. 연합전공 벤처경영학에 참여하는 등, 창업에 진심인 첨단융합학부가 앞으로 어떤 교육 혁신을 보여줄지 귀추가 주목된다.  

2026-09-03

Read More

SNUTI on Site 3회- 계획에서 실행으로, 아이디어에서 사업으로…‘상상을 현실로 만드는 길’(한리버파트너스 백창현 이사)

SNUTI on Site 3회- 계획에서 실행으로, 아이디어에서 사업으로…‘상상을 현실로 만드는 길’(한리버파트너스 백창현 이사)     지난 8월 11일, 서울대학교 18동 5층에서 열린 SNUTI On Site 3회에서는 실리콘밸리에서의 커리어와 창업, 투자 경험을 바탕으로 학생들의 진로와 창업에 대한 고민을 함께 나누는 강연이 진행됐다. 이날 강연은 ‘From Idea to Execution: The Art of Making Concepts Real(뇌피셜에서 오피셜로: 상상을 현실로 만드는 길)’을 주제로 열렸다. 강연을 맡은 백창현 한리버파트너스(Han River Partners) 이사는 2008년부터 2018년까지 구글에서 근무하며 검색과 안드로이드 분야의 업무를 경험했으며, 이후 창업을 거쳐 현재 미국 실리콘밸리의 벤처캐피털 한리버파트너스에서 벤처투자자로 활동하고 있다. 하버드대학교에서 행정학 석사(Master in Public Administration) 과정을 마친 그는 이날 자신의 대학 시절부터 빅테크 기업 근무, 창업과 투자에 이르기까지의 경험을 토대로 학생들에게 진로 설계와 창업에 관한 조언을 전했다.     “가능성을 과소평가하지 말라”…계획과 질문에서 시작하는 진로 설계   백 이사는 먼저 자신의 대학 생활과 실리콘밸리에서의 경험을 소개하며 진로를 설계하는 과정에서 ‘계획’의 중요성을 강조했다. 대학 시절 인턴십과 교환학생, 해외 봉사와 여행 등 다양한 경험에 도전했던 과정을 설명하면서, 당시에는 필요에 의해 선택했던 작은 경험들이 시간이 지나면서 자신의 커리어를 만드는 중요한 자산이 됐다고 말했다. 특히 자신이 가진 가능성을 스스로 과소평가하지 말고 목표를 높게 설정한 뒤, 이를 구체적인 계획으로 옮기는 것이 중요하다고 강조했다. 그는 장기간 유럽 여행을 준비했던 자신의 경험을 예로 들며 구체적인 목표와 계획을 세우면 처음에는 어렵게 느껴지는 일도 실제 결과로 이어질 가능성이 높아진다고 설명했다. 빠르게 변화하는 시대에 필요한 역량에 대한 이야기도 이어졌다. 백 이사는 지식의 변화 속도가 점점 빨라지는 만큼 단순히 많은 지식을 알고 있는 것보다 새로운 내용을 스스로 학습하는 방법이 더욱 중요해지고 있다고 설명했다. 학교에서는 정답이 정해진 문제를 풀 때가 많지만, 실제 사회에서는 사업과 마케팅, 채용, 진로처럼 하나의 정답이 존재하지 않는 문제를 끊임없이 마주하게 된다는 것이다. 이에 백 이사는 ‘질문하는 능력’을 강조했다. 새로운 사실을 접했을 때 자연스럽게 ‘왜’라는 질문을 던지고, 그 답을 찾아가는 과정에서 새로운 지식과 통찰을 얻을 수 있다는 것이다. 그는 호기심을 가지고 질문하며 계속해서 학습하는 자세가 앞으로의 커리어를 결정하는 중요한 역량이 될 것이라고 조언했다. 또한 실패 역시 새로운 기회가 될 수 있다고 말했다. 학부 시절 성적이나 취업 과정에서의 실패, 예상하지 못했던 경험들이 이후 다른 기회로 연결될 수 있다는 것이다. 처음부터 완벽한 경로를 설계하려 하기보다 다양한 경험 속에서 배우고 다음 기회를 만들어가는 태도가 필요하다고 설명했다.     계획에서 실행으로…마시멜로 챌린지와 팀별 ‘3분 피치’ 강연 중간에는 학생들이 직접 참여하는 마시멜로 챌린지가 진행됐다. 학생들은 네 개의 팀으로 나뉘어 같은 수의 스파게티 면과 테이프, 마시멜로를 받은 뒤 제한된 시간 안에 가장 높은 구조물을 만들어야 했다. 완성된 구조물은 가장 위에 온전한 마시멜로 하나를 올린 상태에서 10초 동안 스스로 서 있어야 했다. 학생들은 삼각형 형태의 구조를 활용하거나 여러 개의 스파게티 면을 묶어 기둥을 만드는 등 팀마다 서로 다른 전략을 세웠다. 제작 도중 처음 계획했던 구조에 문제가 생기자, 기존 설계를 과감히 포기하고 새로운 형태로 다시 제작한 팀도 있었다. 챌린지가 끝난 뒤 백 이사는 각 팀의 전략을 살펴보며 계획과 실행의 관계를 설명했다. 계획을 세우는 데 지나치게 많은 시간을 사용하는 것보다 일단 시제품을 만들어보고, 문제가 생기면 이를 수정하는 과정을 반복하는 것이 더 좋은 결과로 이어질 수 있다는 것이다. 그는 이를 “프로토타입이 계획을 이긴다”라는 말로 정리하며 실행과 시행착오의 중요성을 강조했다. 동시에 여러 사람이 함께 문제를 해결하기 위해서는 구성원 간의 커뮤니케이션과 협업 역시 필요하다고 덧붙였다. 마시멜로 챌린지 이후에는 학생들이 직접 스타트업 창업자의 입장이 되어보는 ‘피치(Pitch)’가 이어졌다. 학생들은 같은 팀원들과 사업 아이디어를 구상한 뒤 투자자에게 투자를 제안한다고 가정하고 3분 동안 아이디어를 발표했다. 백 이사는 일부러 별도의 발표 양식이나 세부적인 가이드라인을 제시하지 않았다. 정답이 없는 상황에서 학생들이 스스로 무엇을 중요한 내용으로 판단하고 이를 구성하도록 하기 위해서였다. 각 팀에서는 일상생활에서 발견한 문제를 바탕으로 다양한 사업 아이디어가 나왔다. 한 팀은 퍼스널 컬러 진단을 실제 쇼핑까지 연결하는 개인화 플랫폼을 제안했다. 사용자가 보정용 컬러 키트를 활용해 자신의 퍼스널 컬러를 보다 정확하게 측정하고, 이후 화장품이나 의류를 구매할 때 자신과 얼마나 잘 어울리는지 확인할 수 있도록 하는 서비스다. 또 다른 팀은 사람들이 평소 사용하는 지도 서비스에 정신 건강 관리 기능을 결합하는 아이디어를 제안했다. 사용자의 상태에 따라 산책 경로 등을 추천하고 장기간 데이터를 축적해 필요할 경우 상담 프로그램 등과 연계한다는 내용이었다. 이 밖에도 영화·드라마 촬영지를 연결해 하나의 지역 관광 코스를 제공하는 서비스와 학생의 학습·활동·관심사 등의 정보를 지속해서 축적해 성장을 돕는 서비스 등이 발표됐다. 짧은 준비 시간에도 각 팀은 문제와 해결책, 서비스 방식과 수익모델 등을 구성하며 실제 창업 피치에 가까운 발표를 선보였다.     “왜 이 팀이어야 하는가”…투자자의 시선으로 바라본 좋은 사업의 조건 팀별 발표가 끝난 뒤에는 투자자의 시각에서 바라본 좋은 피치의 조건에 관한 강연이 이어졌다. 백 이사는 수많은 스타트업을 검토해 온 경험을 바탕으로, 사업 아이디어를 설명할 때 어떤 내용을 고민해야 하는지를 구체적으로 소개했다. 가장 먼저 강조한 것은 사업의 핵심을 명확하게 설명하는 것이었다. ‘어떤 고객이 어떤 문제를 가지고 있으며, 이를 어떻게 해결하고 기존 해결책과 무엇이 다른지’를 한 문장으로 설명할 수 있어야 한다는 것이다. 이를 위해 막연한 고객층을 설정하기보다 실제 한 사람을 떠올릴 수 있을 정도로 구체적인 타깃 고객을 설정할 필요가 있다고 설명했다. 시장 규모에 대한 고민도 강조했다. 전체 산업의 규모를 단순히 제시하는 것에서 그치지 않고, 실제 자신의 서비스가 접근할 수 있는 시장과 단기간에 확보할 수 있는 시장을 나눠 살펴야 한다는 것이다. 특히 전체 시장에서 임의의 비율을 가져오겠다고 계산하는 방식보다 실제 고객 수와 구매 규모 등을 바탕으로 시장을 아래에서부터 계산하는 방식이 사업의 현실성을 설명하는 데 도움이 된다고 조언했다.   무엇보다 백 이사가 중요하게 꼽은 질문은 ‘왜 이 팀이어야 하는가(Why me?)’였다. 초기 스타트업에서는 아이디어 자체뿐 아니라 해당 사업을 실제로 실행할 수 있는 경험과 전문성을 가진 팀인지가 중요한 판단 요소라는 것이다. 그는 한국의 창업자들이 피치 과정에서 팀 소개를 짧게 넘기는 경우가 있지만, 실리콘밸리에서는 오히려 투자자가 중요하게 살펴보는 부분이라고 설명했다. 여기에 ‘왜 지금 이 사업을 해야 하는가’, 제품이나 서비스가 어떤 핵심적인 이점을 제공하는가, 경쟁사와 비교했을 때 어떤 차별성과 경쟁 우위를 가졌는가, 돈은 어떻게 벌 것인가, 처음 고객을 어떻게 확보할 것인가 등 실제 사업을 구축하기 위해 고민해야 할 요소들도 소개됐다. 제품을 출시한 이후의 과정 역시 중요하다고 설명했다. 서비스를 만들어 시장에 내놓는 것으로 끝나는 것이 아니라 사용자의 반응을 측정하고, 그 결과를 다시 제품에 반영해 개선하는 ‘피드백 루프’를 만들어야 한다는 것이다. 마시멜로 챌린지에서 학생들이 직접 구조물을 만들고 실패한 부분을 다시 수정했던 것처럼 스타트업 역시 만들고, 측정하고, 학습하는 과정의 반복을 통해 발전한다고 설명했다. 백 이사는 강연을 마무리하며 자신의 커리어 역시 처음부터 하나의 완성된 경로를 따라 만들어진 것은 아니었다고 돌아봤다. 인턴 경험과 해외 경험, 취업 과정에서의 실패 등 당시에는 서로 관련 없어 보였던 경험들이 시간이 지나며 새로운 기회로 연결됐다고 말했다. 특히 학생들에게 자신의 가능성을 스스로 과소평가하지 않을 것을 당부했다. 대학 시절 프로그래밍 경험조차 많지 않았던 자신이 훗날 구글에서 안드로이드 개발에 참여하게 된 경험을 소개하며, 당시에는 멀게 느껴졌던 목표 역시 작은 경험과 행동이 쌓이면 현실이 될 수 있다고 강조했다. 강연에 참여한 김종현(첨단융합 26) 학생은 “강연을 듣는 것에 그치지 않고 마시멜로 챌린지와 피치 활동을 통해 직접 아이디어를 실행해볼 수 있어 인상 깊었다”며 “특히 완벽한 계획을 세우는 것보다 우선 실행하고 시행착오를 통해 개선해나가는 과정이 중요하다는 점을 체감할 수 있었다”고 소감을 전했다.   이번 프로그램은 단순히 강연을 듣는 것에서 벗어나 학생들이 직접 만들고, 실패하고, 새로운 아이디어를 제안해보는 과정으로 구성됐다. 강연 초반 백 이사가 강조한 ‘계획’은 마시멜로 챌린지를 거치며 ‘실행과 반복’으로 확장됐고, 학생들의 사업 아이디어 피치에서는 이를 실제 문제 해결과 사업 구상으로 연결해볼 수 있었다. 결국 이날 강연을 관통한 메시지는 하나의 아이디어가 현실이 되기 위해서는 생각에 머무르지 않고 직접 행동으로 옮겨야 한다는 것이었다.     TITLE 2기 최준호  

2026-08-25

Read More

SNUTI on Site 2회 - 엔지니어링 프로젝트 매니지먼트(서울대학교 공학전문대학원 박창우 교수)

SNUTI on Site 2회 - 엔지니어링 프로젝트 매니지먼트(서울대학교 공학전문대학원 박창우 교수)    7월 16일, 서울대학교 18동 5층에서 서울대학교 공학전문대학원의 박창우 교수가 ‘엔지니어링 프로젝트 매니지먼트’를 주제로 한 특강에서 프로젝트 관리의 개념과 산업 현장에서 요구되는 관리 역량을 소개했다. 박창우 교수는 프로젝트 관리를 단순히 일정과 예산을 통제하는 업무로 이해해서는 안 된다고 강조했다. 프로젝트는 정해진 업무를 반복적으로 수행하는 운영 업무와 달리, 명확한 시작과 종료 시점을 갖고 새로운 목표와 가치를 달성하기 위해 수행되는 활동이라는 설명이다. 박창우 교수는 프로젝트 관리의 주요 영역으로 요구사항, 범위, 일정, 비용, 품질, 계약 및 리스크 관리를 제시했다. 프로젝트 참여자와 고객, 발주자 등 이해관계자 간의 요구가 서로 다를 수 있는 만큼 원활한 의사소통과 조정 능력도 중요하다고 설명했다. 또한 박창우 교수는 프로젝트를 무조건 끝까지 지속하는 것이 성공적인 관리라고 볼 수 없다고 설명했다. 이미 투입된 비용과 시간을 이유로 성과 가능성이 낮은 사업을 계속 추진할 경우 조직 전체의 손실이 더욱 커질 수 있기 때문이다. 프로젝트 중단 역시 조직의 위험을 줄이기 위한 주요 의사결정이라는 설명이다.  조직과 개인의 지속 가능성을 설명하기 위해 ‘롤리폴리’로 불리는 오뚝이의 무게중심도 비유로 제시됐다. 오뚝이가 외부 충격으로 흔들리더라도 다시 일어설 수 있는 것은 아래쪽에 무게중심이 있기 때문이다. 조직에서는 핵심 사업과 역량이 무게중심 역할을 하고, 개인에게는 전문지식과 업무 능력, 지속적으로 수행할 수 있는 활동 등이 무게중심이 될 수 있다는 것이다. 다만 하나의 핵심 역량이 영구적인 경쟁력을 보장하지는 않는다고 지적했다. 산업과 기술 환경이 변화하면 기존 사업의 경쟁력이 낮아질 수 있으므로 조직은 새로운 사업과 역량을 지속적으로 발굴해야 한다. 개인 역시 현재 보유한 전공지식이나 외국어 능력에 머무르지 않고 직무와 환경 변화에 맞춰 두 번째, 세 번째 경쟁력을 마련해야 한다는 것이다. 학생들은 일정과 비용을 관리하는 실무 기법을 넘어 불확실한 환경에서 변화에 대응하고 새로운 가치를 창출하는 종합적인 경영 활동인 프로젝트 관리에 대해 배울 수 있는 뜻깊은 시간을 가졌다. 박창우 교수가 엔지니어가 기술 전문성과 함께 전략적 판단, 계약 및 리스크 관리, 이해관계자 조정 역량을 갖춰야 복잡한 프로젝트에서 성과를 창출할 수 있다고 강조했듯이, “프로젝트 매니지먼트”에 관련된 역량에 대해 배울 수 있는 시간이었다.   TITLE 2기 최준호  

2026-08-25

Read More