인공지능 기업의 성공조건 세 가지 > News Insight

‘인공지능 융합 프로젝트’ 성공 사례로 보는 인공지능 기업의 성공 전략

2020년부터 과학기술정보통신부는 ‘인공지능 융합(AI+X) 7대 프로젝트’를 추진하고 있다. 감염병, 에너지, 통관 등 인공지능 기술 융합 시 경제적 파급효과가 크고 국민생활과 밀접한 7대 분야가 초기 선정되었다. 2022년에는 유해 화학물 재난대응, 산림 해충방제 분야가 추가로 선정되어 총 9개 분야가 운영 중이다. 인공지능 기업은 분야별 정부 도메인 데이터를 제공받아 부처가 요구하는 인공지능 시스템(의료 영상 판독, 불법 복제품 판독, 유해 화학물 판독 등)을 개발한다.

평균 3~4년에 걸쳐 기업은 연 10억 원 내외의 실증 자금·환경을 지원받는다. 기업은 정부 수요부처와 협업하며 정부 데이터 학습, 인공지능 시스템 개발, 현장 실증을 거쳐 최종 시제품 단계의 인공지능 솔루션을 확보한다. 초기 유망 분야의 사업 기회를 확보하고자 하는 기업에는 운영인력, 솔루션 개발에 필요한 자금 확보와 접근이 어려운 정부 데이터를 충분히 제공받을 수 있는 장점이 있다.

2017년은 미국을 비롯한 캐나다, 유럽, 중국 등 인공지능 선도국이 인공지능 기술에 대한 민간·정부 투자를 본격적으로 확대하던 해였다. 당시 세계 기업의 인공지능 투자규모는 473억 달러(2017년)로 전년 대비 138% 증가하였으며, 정체기였던 인공지능 논문 발표도 다시 활성화되기 시작하였다. 오픈소스 커뮤니티인 깃허브(Github) 내 인공지능 라이브러리에 대한 개발자 스타(Star) 수는 급증하였으며 기업의 인공지능 특허 출원도 줄을 이었다.

 인공지능 투자에 활발히 불을 밝히던 선도국에 비해 2017년 한국은 인공지능 불모지에 가까웠다. 2016년 알파고와 이세돌 9단 간 5차례에 걸친 바둑 대결로 인공지능에 대한 국민적 관심사는 한껏 향상되었지만 제조업 등 국가 주력산업 내 인공지능 서비스 도입률은 1% 미만으로 여전히 미미한 상태였다.

최근 소프트웨어정책연구소의 분석에 따르면 2020년 한국 내 인공지능 전문기업 수는 1,365개이다. 이는 전년도 기업 수 933개에 비해 432개 증가한 규모로 성장률은 46%에 달한다. 2018년 한국 내 인공지능 기업 수는 320개에 불과했지만, 3년이 지난 2020년에는 기업 수 1,365개, 인공지능 산업 총매출액 1조 7,177억 원을 달성하였으니 그 성과가 놀랍다.

글로벌 리서치 기관인 스타티스타(Statista)에 따르면 2020년 전 세계 인공지능 시장의 규모는 2,814억 달러(400조 원)에 달한다. 세계와 한국의 시장규모 비교 시 한국은 전체의 0.4% 수준으로 아직 한국 인공지능 시장은 성장을 위해 가야 할 길이 멀다.

한국 정부는 2017년 11월부터 국가 인공지능 산업 육성을 위해 일련의 정책을 발표하고 있다. 2017년 4차 산업혁명 대응계획, 2018년 인공지능 R&D 전략, 2019년 인공지능 국가전략을 거쳐 2020년 디지털 뉴딜 등 인공지능 육성정책이 매해 발표되었다. 정부의 인공지능 육성 의지와 민간 기업의 적극적인 투자가 소기의 성과를 달성하여 오늘날 한국의 인공지능 생태계가 마련되었다.

이 챕터는 국가 정책을 활용하여 인공지능 서비스 제품화에 성공한 기업의 성공 스토리를 담고 있다. 세부적으로는 2020년부터 2022년까지 통관 및 소방 ‘인공지능 융합 프로젝트’를 중심으로, 2개의 인공지능 기업이 현장에서 경험한 데이터 수집, 인공지능 솔루션 개발과 수요부처 실증까지의 과정을 담았다. 인공지능 프로젝트를 수행한 2개 기업 A사와 B사는 모두 한국에서 인공지능 서비스를 제공하는 중소기업으로 A사는 2021년에, B사는 2020년에 각각 국내 코스닥에 상장하여 국내외 시장에 인공지능 서비스를 제공하고 있다.

필자는 기업이 인공지능 솔루션을 개발하고 실증에 성공하기까지의 과정에서 경험하는 수요부처와 기업 간 중심현상(갈등·협력 등)에 대처하는 기업 다이내믹스를 분석하여 인공지능 기업의 3가지 성공조건을 제시하고자 한다.

기업의 성공조건 1: 현장을 경험하며 도메인 지식을 학습해야

‘인공지능 융합 프로젝트’ 정책사업은 기획부터 시행까지 대략 다음의 5단계를 거친다. 1단계 사업기획에서 중앙부처는 인공지능 정책사업 방향을 기획하고 수요부처(중앙부처, 지자체 등)의 인공지능 시스템 개발·실증 수요를 조사한다. 접수된 인공지능 시스템 수요는 경제적 파급력, 국민체감 효과 등 2가지 기준에 따라 전문가 평가를 거쳐 우선 지원순위가 결정된다. 

2단계 예산확보에서 중앙부처는 기획재정부와 협의를 통해 정책사업 지원규모(예산) 및 총 사업기간 등을 확정한다. 

3단계 사업공모에서는 수요부처가 필요로 하는 인공지능 시스템 개요, 제공 데이터 종류·범위, 지원조건 및 사업성과물 활용방안 등이 상세화된다. 

4단계 사업수행에서 인공지능 기업은 사업수행 계획서를 제출하고 정부 출연금 및 데이터를 제공받는다. 기업은 정부 데이터를 활용하여 인공지능 시스템을 개발하고 수요부처가 지정한 현장에서 인공지능 시스템을 실증하게 된다.

 5단계 연차평가에서 기업은 사업수행을 통해 획득한 인공지능 시스템 성과물을 제출한다. 성과물에 대해서는 전문가단으로 구성된 연차평가위원회를 통해 정량/정성적 측면의 평가가 이루어진다.

인공지능 기업은 짧게는 수개월, 길게는 수년에 걸쳐 진행되는 1-2단계 정책 사업기획에 참여할 수 없다. 정부가 독자적으로 정책을 수립하고 준비하는 기간이기 때문이다. 특히 인공지능 융합 프로젝트 사업기획·예산확보 기간이 긴 주된 이유는 부처 간 협업사업 때문이기도 하다. 다양한 부처의 인공지능 시스템에 대한 개발·실증 수요를 접수/평가/예산화에 상당 시간이 소요된다.

기업은 3단계 사업공모 이후에야 정책 사업수행을 본격적으로 준비하게 된다. 통상 한 달간의 사업공모 기간 내에 인공지능 융합 프로젝트 사업을 이해하고 복잡, 다양한 공모접수 서류를 준비하는 것은 쉽지 않다. 기업의 과업 이해를 위한 시간이 부족하다. 부족한 과업 준비시간은 인공지능 기업이 수요부처 현장(도메인) 지식을 이해하는 데 큰 장애요인으로 작용한다.

실례로 세관 현장의 통관 시 불법 복제품을 식별하는 인공지능 시스템을 실증하는 A사는 수입 불법 복제품 판독을 위한 검사관의 판독 환경, 상황별 요구사항(Use Case), 제공받는 통관 데이터 등을 이해하고 체계화하는 데 약 1년이 소요되었다고 한다.

대개 수요부처는 현장에 대한 이해 수준이 높다. 예컨대 관세청에는 수입되는 불법 복제품을 사전에 식별하는 노하우가 수십 년에 걸쳐 쌓여 있다. 국내 지식재산권 기업과는 정기적으로 교류하며 지식재산권 보호 요청에 대한 많은 고민과 생각이 이루어진다. 그 결과를 토대로 관세청은 인력을 활용하여 불법 복제품을 적발하는 최적의 방안을 마련하여 시행한다.

짧은 기간 내 검사관의 불법 복제품 판독 노하우를 인공지능 시스템 내에 그대로 이식하는 것은 현실적으로 불가능하다. 현재 컴퓨터 비전 기술의 하드웨어 한계점도 존재한다. 예컨대 세관 현장에서 불법 복제품 단속 시 사용하는 휴대폰 카메라는 3D 관점에서 사물을 인식하는 검사관의 시각 능력과 차이가 있다. 

수요부처는 대규모 예산이 투입되는 인공지능 시스템이 사람보다 더 빠르고 정확하게 광범위한 불법 복제품을 인식할 것을 요구한다. 하지만 불법 복제품 판독을 처음 수행해 보는 인공지능 기업은 쏟아지는 수요부처의 기능/비기능 요구사항에 인공지능 시스템개발 갈등을 경험하게 된다.

수요부처와의 갈등을 극복하기 위해 기업은 ‘실증현장 방문하기’ 전략을 펼쳤다. 몇 년 후 인공지능 시스템이 설치되어 운영될 실증현장에 인공지능 기업이 직접 방문하여 현재 이루어지고 있는 인력 중심의 과업 프로세스를 이해할 수 있었다. 예컨대 A사는 무역관련 지식재산권보호협회가 주관하는 통관현장 방문 견학을 적극 활용하였다. 통관 보류물품이 쌓여 있는 세관 현장을 A사 개발자들이 직접 살펴보며 세관 창고 환경, 내부 조명, 검사 절차 등을 확인하였다. 이를 통해 A사는 인공지능 시스템 개발에 대한 구체적인 방향을 깨달을 수 있었다고 한다.

기업의 수요부처 간 갈등 극복 전략 두 번째는 인공지능 시스템 실증 테스트하기이다. A사는 1차 년도 시범개발 후 2차 년도 인공지능시스템 개발 시에는 실증현장에 인공지능 시스템을 일정 기간 설치해 운영하며 사용자의 피드백을 수렴하였다. 특히 이 과정에서 사용자가 불편해하는 점은 무엇인지, 추가적으로 요구되는 기능사항은 어떤 것인지 발견할 수 있었다. 인공지능 기업은 약 1주일간의 짧은 실증 테스트였지만 사용자로부터 얻은 긍정/부정 피드백을 매우 귀중한 자료로 생각하였으며, 이를 토대로 인공지능 시스템의 최종 개발 방향에 대한 이해를 넓힐 수 있었다.

기업의 성공조건 2: 부처 협업을 통해 규제 장벽을 극복해야

한국은 규제가 많은 나라이다. 아산나눔재단이 발표한 보고서에 따르면 글로벌 100대 유니콘 기업 중 승차공유, 원격의료, 공유숙박 등의 비즈니스를 수행하는 55개 기업은 국내에서 비즈니스를 할 수 없다고 한다. 또한 국내 규제개혁 만족도는 2018년 15.1%에서 2021년 7.8%로 지속 하락하였다. 산업별 맞춤형 네거티브(Negative)규제 도입, 규제샌드박스 운영 등 정부는 다양한 규제혁신 정책을 선보이고 있지만 제조업 등 전통산업 내 오랜 세월을 거치며 견고해진 규제는 좀처럼 해소될 기미가 보이지 않는다. 소프트웨어정책연구소가 발표한 인공지능 산업실태조사에 따르면 한국 내 인공지능 사업 운영상 애로사항으로 ‘과도한 규제’를 꼽은 비율이 43%에 달한다.

실례로 유해 화학물을 판독하는 인공지능 시스템을 개발하는 B사는 유해 화학물 취급 규제로 화학물 불꽃색에 대한 데이터 취득 방식을 변경해야만 했다. B사는 당초 안전이 확보된 실험실 또는 야외에서 유해 화학물을 직접 연소하며 다양한 각도에서 유해 화학물 농도에 따른 불꽃색, 연기 모양, 확산 정도를 직접 실험하고자 하였다. 

하지만 국내는 유해 화학물 관리, 유통에 관한 규제가 매우 엄격하여 비인가 기업에 대한 유해 화학물 구입절차가 무척 까다로웠다. B사는 수개월에 걸친 노력 끝에 전국을 돌아다니며 15종의 유해 화학물을 구매하였으나 막상 유해 화학물 연소 실험공간 확보에 또 다른 어려움을 겪게 되었다. 

인공지능 시스템은 충분한 데이터를 확보해야 기대하는 성능을 확보할 수 있다. 하지만 신규 분야의 인공지능 데이터 확보는 다양한 규제로 인해 계획처럼 쉽지 않을 수 있다. 소프트웨어정책연구소의 조사에 따르면 인공지능 기업의 애로사항 항목 중 ‘데이터 확보의 어려움’에 응답자의 60.8%가 동의하였는데, 이는 전혀 놀라운 일이 아니다.

인공지능 기업은 수요부처로부터 적극적인 협력을 이끌어내며 다양한 규제의 허들을 넘어설 수 있다. 수요부처 도메인에 대한 이해가 부족한 기업은 인공지능 시스템 개발 시 당면하는 문제를 파악하는 것부터 쉽지 않다. 인공지능 시스템 개발 시 규제 등으로 인한 이슈가 발생하면 어떻게, 누구와 해결해야 하는지를 확인하는 것에도 상당한 시간이 소요될 수 있다. 수요부처는 특정 산업 분야에 폭넓은 인적 네트워크와 정책 집행경험을 보유하고 있다. 인공지능 기업이 수요부처의 적극적인 협조를 끌어낼 수 있다면 목표했던 인공지능 시스템 실증이 훨씬 수월해질 수 있다.

유해 화학물 판독시스템을 개발하는 B사는 소방청의 적극적인 협력으로 다양한 유해 화학물을 연소하며 관찰할 수 있는 전문기관을 활용할 수 있었다. 하지만 중소기업인 B사 단독으로는 규제, 시간, 비용 등의 문제로 인해 관련 전문기관을 활용하기 어려웠을 것으로 분석된다.

기업의 성공조건 3: 소통하며 인공지능 시스템 목표 성능을 명확화해야

실증사업은 단순한 연구개발이 아니다. 기업은 수요부처의 요구사항을 수렴하여 인공지능 시스템을 개발하고, 수요부처가 지정하는 장소에서 성능을 테스트해야 한다. 수요부처는 데이터 안전이 보장된 공간에서 정부 데이터를 제공하고, 기업은 데이터를 가공, 학습하며 인공지능 시스템을 고도화한다. 정리하면 실증사업은 수요부처가 요구하는 인공지능 시스템에 대한 기능/비기능 요구사항이 충실히 반영되어야 하며 현장 성능검증을 통해 성과물을 평가받게 된다.

수요부처는 인공지능 기술에 대한 이해가 부족하고 기업은 수요부처 도메인 지식에 대한 이해가 부족하다. 상호간 이해 부족은 인공지능 시스템 목표 성능을 명확화하는 데 상당한 시간을 소비하게 만든다. 수요부처는 기존 업무프로세스를 완전히 대체하는 이상적 인공지능 시스템 기능을 요구하며, 초기 정부 데이터 분석이 미흡한 인공지능 기업은 시스템 개발에 필요한 데이터 영역을 채워가며 수요부처의 요청을 충족하기 위해 추가 자원을 투입하게 된다.

기업은 사업 초기 단계에서 빠르게 인공지능 시스템의 목표 성능을 정의해야 한다. 그리고 인공지능 시스템에 대한 목표 성능, 데이터 품질에 대해 제3의 시험기관 및 수요부처와 협업하며 명확화할 필요가 있다. 이를 위해서는 수요부처와 인공지능 기업 간 많은 소통과 노력이 필요하다

2020년 통관 분야 인공지능 프로젝트를 수행한 A사는 사업 초기 수요 부처와 인공지능 시스템에 대한 합의된 성능을 도출하는 데 어려움을 겪었다. 명확한 성능 목표가 부족했던 인공지능 시스템은 2021년 초에 이르러서야 숨 가쁜 협의를 통해 성능 기준을 마련할 수 있었다.

명확한 시스템 성능이 마련된 이후에는 수요 부처 담당관 변경 등 일부 변동사항이 발생하더라도 지속적으로 목표했던 인공지능 시스템 실증을 추진할 수 있었다. 상호 합의된 목표 성능은 수요 부처와 인공지능 기업 간 협업을 촉진시키며 과업 변경 등으로 인한 불필요한 시간 소모를 최소화할 수 있는 계기를 마련하였다. 

한편 외부 시험기관을 통한 목표 성능 검증은 수요부처와 기업 간 합의된 목표치를 객관화하는 순기능을 제공하였다. 개발된 인공지능 시스템에 대한 객관적인 성능평가 피드백은 수요 부처와 인공지능 기업 간 신뢰 형성에 기여한 것으로 분석된다.

한국의 인공지능 기업은 많은 어려움을 헤치며 지금까지 성장해 왔다. 미국, 캐나다 등은 축적된 인공지능 원천기술 인프라와 인력이 풍부하며 중국은 풍부한 자본력·데이터를 기반으로 강력한 인공지능 산업·사회 확산 정책을 추진하고 있다. 한발 앞선 인공지능 기술력을 지닌 북미 국가 그리고 중국 기업과의 무한 경쟁 속에서 매년 한국에서는 400개의 인공지능 스타트업이 새롭게 탄생하고 있다. 미래 핵심 기술영역인 인공지능 분야에서, 한국이 지속적인 글로벌 경쟁력을 갖추기 위해서는, 어렵게 탄생한 인공지능 스타트업이 성장하도록 안내해줄 성공 레퍼런스 모델이 필요한 시기이다.

미래 산업을 이끌 인공지능 기업의 성공적 육성을 위해

2020년부터 한국 정책과제로 진행 중인 ‘인공지능 융합 프로젝트’를 토대로 인공지능 기업의 성공조건 3가지를 정리해 보면, ① 현장을 경험하며 도메인 배우기, ② 수요부처 협업으로 규제 장벽 극복하기, ③소통하며 인공지능 시스템 목표 성능 명확화 하기 등이다. 세부적으로 3가지 성공조건을 살펴보면, 다음과 같다.

첫째 성공조건은 인공지능 기업이 기술에 대한 지식을 바탕으로 현장경험을 통해 학습한 산업 도메인 지식과 융합하여 최적화된 인공지능 시스템을 개발하는 것이다.

둘째 성공조건은 인공지능 기업이 국방, 통관, 소방 등 정부 실증사업에 적극 참여하며 수요부처 협업을 통해 필요한 공공데이터를 확보하는 등 규제 장벽을 극복하는 것이다. 한국 내 존재하는 다양한 산업별 규제를 넘어서고 구하기 어려운 데이터를 확보하는 효율적 방법은 정부 정책과제 참여이다.

셋째 성공조건은 인공지능 기업이 정책과제 참여 시 인공지능 시스템 목표 성능을 사전에 명확화해야 하는 것이다. 그리고 제3의 시험기관 검증을 통해 수요 부처와 기업 간 객관적인 시스템 목표 성능 결과공유가 필요하다. 이를 통해 정부와 인공지능 기업 간 신뢰·협력 프로세스가 활성화될 수 있다.

한국의 인공지능 성장 인프라를 기술 선도국과 비교해 보면 기술, 자본, 인력 등이 여전히 부족하다. 하지만 한국 정부의 인공지능 산업을 위한 강력한 정책지원 의지와 약 1.8% 수준에 머무는 제조업 인공지능 도입률은 오히려 한국 인공지능 기업에 성장 기회로 작용할 수 있다. 특히 세계 인공지능 시장이 2017년 이후 본격 성장하는 초기임을 감안하면, 앞으로 정책 지원방향은 국내 인공지능 서비스를 공공에서 적극 구매하는 전략으로 전환해야 한다. 

한국 인공지능 기업이 공공 부문 활용 레퍼런스 구축을 통해 서비스 고도화는 물론 글로벌 시장 진출도 할 수 있기 때문이다. 최근 인공지능 융합 기반 디지털 서비스가 조달청을 통해 공공기관 구매 확대로 이어지는 것이 반가운 것은 국내 인공지능 기업의 활용 레퍼런스 구축을 촉진하기 때문이다.

전통적 투자(노동, 자본, 자원)로는 부가가치 창출이 어려운 제조업 분야에 인공지능 기술을 융합하려는 노력이 강화될 필요가 있다. 불량품 검수, 예지 정비, 제품 설계 지원 등 인공지능 기술이 고부가가치를 창출할 수 있는 제조업 영역을 적극 발굴하고 융합을 촉진하면 제조업 생산성 확대는 물론 인공지능 산업 발전도 동시에 이룰 것으로 분석된다.

또한, 국내 정부와 협업으로 개발한 인공지능 프로젝트 기술이 계속해서 고도화될 수 있도록 베트남, 라오스, 캄보디아, 우즈베키스탄, 아랍에미리트 등 한국 기술에 대한 선호도가 높고 구체적인 협력 의지가 있는 국가를 발굴하여 한국 인공지능 기업과 연계시킬 수 있는 정책적 노력도 확대될 필요가 있다.

인공지능 기업 육성은 미래 우리나라 산업 경쟁력을 결정하는 주요한 요인이다. 메타버스, 디지털 트윈 등 전 산업의 디지털화가 코로나19 이후 더욱 가속화되는 추세이다. 앞서 제시한 인공지능 기업의 3가지 성공조건이 새롭게 태동하는 스타트업은 물론 산업 현장에서 최선을 다하는 중소기업에게 성장을 향한 나침반이 되길 희망한다.

<ifsPOST>​