[인터뷰] “AI 도입 실패 원인, 가공 안 된 데이터 때문” 작성일 03-16 31 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">김주민 엔코아 신임대표, LG전자·포스코 거쳐 AI 전문회사로</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="Ges9J7MVeE"> <figure class="figure_frm origin_fig" contents-hash="942774e061e70bd21e0813ecc4164e92e900aed9c40cfe8497922db37ff39f13" data-idxno="232366" data-type="photo" dmcf-pid="HdO2izRfik" dmcf-ptype="figure"> <p class="link_figure"><img alt="김주민 엔코아 대표이사. / 사진 = 엔코아" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202603/16/552777-a6ToU27/20260316152545344eogz.jpg" data-org-width="960" dmcf-mid="YRBwYjvmiD" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202603/16/552777-a6ToU27/20260316152545344eogz.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 김주민 엔코아 대표이사. / 사진 = 엔코아 </figcaption> </figure> <p contents-hash="aa10cf9ed9e0f4e8a2cc7c182728f90af87ad749ece89fceced0cc073dfcce8b" dmcf-pid="XJIVnqe4Jc" dmcf-ptype="general">[시사저널e=송주영 기자] 데이터 전문 기업 엔코아가 김주민 전 포스코홀딩스 AI연구소장을 신임 대표이사로 맞았다. 김 대표는 LG전자에서 20년간 근무하며 AI 기술 개발을 주도해온 전문가로 제조와 소재 산업을 거쳐 소프트웨어 및 데이터 서비스 분야로 자리를 옮겼다. 엔코아는 이번 인사를 통해 이터 관리를 넘어 AI 실행력을 갖춘 데이터 플랫폼 기업으로 체질을 개선할 계획이다.</p> <p contents-hash="6237fc317e311eea2cdd10337418708211653bd533346ede0a36f6afc1442c40" dmcf-pid="ZiCfLBd8MA" dmcf-ptype="general">김 대표는 16일 시사저널e와의 인터뷰에서 "주요 대기업과 국내 기업들이 겪고 있는 문제는 AI 자체의 결함보다 데이터를 준비하는 역량이 부족하다는 점에 있다"고 강조했다.</p> <p contents-hash="4a05ddaf7d2d20c18cd10fd8c2a6e5ccf2e3aafe7f0796ab56b76c37e62a76c2" dmcf-pid="5nh4obJ6Mj" dmcf-ptype="general">특히 제조 현장은 AI 적용 시도는 활발하나 데이터 품질과 파편화 현상으로 실제 확산 단계에서 실패를 경험하는 경우가 많다.</p> <p contents-hash="d6d0aaf4b850c6f70681c7768478fabeb6f2caf7f6611e582bb067b5b1084b66" dmcf-pid="1Ll8gKiPiN" dmcf-ptype="general">그는 이같은 현장을 경험하며 소프트웨어 전문업체로 자리를 옮긴 이유에 대해 "우리 산업의 핵심 연료가 될 AI 레디 데이터를 구축하고 AI 발전에 기여하려는 것"이라고 설명했다.</p> <p contents-hash="9f3df7535d7e52ff5c1a75f025ca3741ce58afd80b39d930ffd19c1ca9face85" dmcf-pid="toS6a9nQLa" dmcf-ptype="general">제조산업이 강한 우리나라 구조상 데이터 표준화가 국가 AX 경쟁력을 결정지을 것이란 전망이다. 금융이나 서비스업 위주의 글로벌 AI 추세와 달리 한국은 복잡한 제조 공정 데이터를 맥락화하고 통합하는 과정이 필수적이란 시각이다. 이를 위해 엔코아는 기업 내부 데이터를 AI가 이해할 수 있는 구조로 정제하고 자동화하는 기술적 마련에 집중하고 있다.</p> <p contents-hash="1ac18e4632b25d89d56656dfe59b016a8aa24fc20ebe0a4b535ddf0a10dcb5fd" dmcf-pid="FgvPN2Lxig" dmcf-ptype="general">엔코아는 이달 말 데이터 정제와 거버넌스를 자동화하는 신규 서비스 출시를 앞뒀다. 향후 온구축형과 클라우드 환경을 아우르는 지식 그래프 기반의 데이터 플랫폼을 선보일 예정이다. 김 대표는 조직 운영 측면에서도 의사결정 단계를 단순화하는 스타트업 방식을 도입해 성과 중심의 경영을 강화할 방침이다.</p> <p contents-hash="35c3c6c77f0a0d365851960ffc11176a930a9c74a7773e5cd64b9f3017ba4c2b" dmcf-pid="3cGeE6jJeo" dmcf-ptype="general"><strong>Q. 대기업 계열에만 계속 있다가 소프트웨어 업계는 처음인데</strong></p> <p contents-hash="0bc9540807c46a1566a17881f31ff370a92ed5dc098c81aa1f2cc55d16c117db" dmcf-pid="0kHdDPAinL" dmcf-ptype="general">- LG전자에 있을 때 일상에 AI를 접목해 일상의 혁신을 만들어 내고자 노력했다. 이후 우리나라 산업의 근간이 되는 철강 산업에 AI를 접목해 보고 싶다는 생각에 포스코 연구소로 이동했다. 현장에서 겪으면서 공통적으로 느낀 문제는 AI 모델보다 데이터를 준비하는 과정이 미흡했단 점이다. 데이터 분야에 오랜 업력과 역량을 갖춘 엔코아로 와서 우리나라 AI 발전의 핵심인 'AI 레디 데이터'를 제대로 만들어보고자 했다.</p> <p contents-hash="ca97b33476bf868d2970ecf919ddfd297296c7323152b99d93923b876082f783" dmcf-pid="pEXJwQcnMn" dmcf-ptype="general"><strong>Q. 엔코아 대주주가 바뀌었는데 어떤 변화가 있는가</strong></p> <p contents-hash="bc9fba1a2146463308f8746e7bf7de81052d2d9b5da1a10de11c7d844a045b3d" dmcf-pid="UDZirxkLJi" dmcf-ptype="general">- 과거 비즈니스 인텔리전스가 주목받던 시기 엔코아는 약 500개 이상의 기업에 데이터 구조 설계, 운영, 거버넌스를 제공해 왔다. 지금은 AX 시대다. 시대에 걸맞게 AI가 바로 읽을 수 있는 데이터를 만드는 체계로 전환해야 하는 시점이다. 회사 운영은 대기업 조직 문화를 접목하시보다는 스타트업처럼 하고 있다. 조직 개발부터 커뮤니케이션 과정을 단순화해 의사결정이 이뤄지도록 구성하려 한다.</p> <p contents-hash="2b044dde9321d730375e0fbfab5ea483a1a7d5e984bf92b86fb89bde2f9c739d" dmcf-pid="uw5nmMEoeJ" dmcf-ptype="general"><strong>Q. 대기업 근무 시절 해외 연구소와 협업도 오래했는데 한국 산업 현장의 데이터 구조는 글로벌 시장과 무엇이 다른가</strong></p> <p contents-hash="0361803c777740c0bb663b8b2c8f7e105af064f75ab7d1cd1133be818f73cc31" dmcf-pid="7r1LsRDgJd" dmcf-ptype="general">- 캐나다의 경우 제조 산업 비중이 작았다. 금융이나 서비스 산업이 강세인 국가 산업구조 특성상 주로 모델 등 개발에 무게를 뒀다. 하지만 우리나라는 제조가 워낙 강한 곳이라 특징이 전혀 다르다. 글로벌 기업들은 주로 서비스나 금융 쪽 AI에 집중하지만 한국 산업 발전을 위해서는 제조 쪽의 AI 연료인 데이터를 반드시 만들어야 한다. 제조 현장에서 가장 많이 겪는 것이 바로 데이터 문제다.</p> <p contents-hash="b00e661394f68399068073fd529040aebf59bdb75967c6d264f678103300e0ff" dmcf-pid="zmtoOewaMe" dmcf-ptype="general"><strong>Q. 과거의 AI와 지금의 생성형 AI 시대는 무엇이 가장 큰 차이인가</strong></p> <p contents-hash="1e63dfb08065d2d9d5632ce779cfce6717a0933cda951381b5868662f1559829" dmcf-pid="qsFgIdrNJR" dmcf-ptype="general">- 과거의 AI는 특정 기능 중심이었다. 머신러닝 기반으로 문자 인식, 명함 인식, 얼굴 인식, 혹은 TV 앞에서 사람 동작을 인식하는 일을 주로 했다. 지금은 챗GPT, 클로드, 제미나이처럼 범용적인 기능을 제공하는 생성형 AI가 중심이다. 기술적으로 보면 식별형 AI(Discriminative AI)와 생성형 AI(Generative AI) 두 축으로 움직이는데 지금 세상을 이끄는 것은 생성형 AI다. 다만 공장의 설비 이상 감지나 특정 사물 인식 같은 분야에는 여전히 특화된 식별형 AI가 중요한 역할을 한다.</p> <p contents-hash="df3f83be4b5d744afb340df59457b517459c9b5ad11b95ad420afd8892305465" dmcf-pid="BO3aCJmjMM" dmcf-ptype="general"><strong>Q. 현장에서 AI를 도입할때 데이터의 어떤 점이 어려운가</strong></p> <p contents-hash="f765ceb7723f3818506443a04fb4b36f2ccd71b775ea3a557b06085ad9f54495" dmcf-pid="bI0NhisALx" dmcf-ptype="general">- 데이터 품질 문제가 있는데 크게 세가지로 구분할 수 있다. 첫째는 편향성과 일관성 결여다. 조직마다 용어를 다르게 쓰면 데이터 연결이 안 된다. 둘째는 최신성이다. 비즈니스는 바뀌는데 데이터는 업데이트가 안된다. 셋째는 문맥의 부재다. AI가 데이터를 분석하려면 이 데이터가 무엇을 뜻하는지 알아야 하는데 그 정보가 없다. 여기에 조직 간 단절과 보안 거버넌스 문제까지 겹치면서 기업 내부 확산이 어려워진다.</p> <p contents-hash="8e874dac1acb8763b83c2b30f4b1aa56bdc05fa8916eb9c92a5cdd5d826372f7" dmcf-pid="KCpjlnOcJQ" dmcf-ptype="general"><strong>Q. AI 레디 데이터의 핵심 요소는 무엇인가</strong></p> <p contents-hash="984dea6ae08604eb4d9858b3a68c6f0765f62f46ee37793facd20a3a84e6d26e" dmcf-pid="9hUASLIkLP" dmcf-ptype="general">첫째는 메타 데이터의 정합성 관리다. 데이터의 정의와 구조를 일관되게 통합 관리해야 한다. 둘째는 문맥 기반의 접근 관리다. 데이터 간의 관계(테이블 간의 관계)와 맥락, 권한이 함께 제공돼야 한다. 셋째는 지속적인 품질 관리다. 한 번 구축하고 끝나는 게 아니라 데이터의 오류, 노후화를 지속 관리해 AI의 신뢰성을 방지해야 한다.</p> <p contents-hash="18b07af634c138b85801904dca0320e9fa662ab2a7b69cd4cc6020c0f81bf505" dmcf-pid="2lucvoCEn6" dmcf-ptype="general"><strong>Q. 엔코아로 옮긴 후 어떤 변화가 있었나</strong></p> <p contents-hash="f80265d88cb22bfc8dfbab2c5d4d2979e918344523b0282603b840404fcd955f" dmcf-pid="VS7kTghDn8" dmcf-ptype="general">- 엔코아는 전통적으로 아키텍처를 잘 그리는 회사다. 과거에는 전문 인력이 현장에서 직접 수작업으로 했다면 이제는 그 경험을 AI로 녹여 자동화하고 있다. 기업 입장에서 과거 대비 빠른 속도와 적은 비용으로 데이터를 정제할 수 있게 된다. 이번 달 말에 서비스가 나오는데 이를 통해 지식 그래프 형태의 결과물을 제공할 예정이다.</p> <p contents-hash="1de37b80f37f55712609895510dd1149075190ffe7fe86e6fb59f54f6b44ee0b" dmcf-pid="fhUASLIkn4" dmcf-ptype="general"><strong>Q. 구체적인 시장 공략 계획은 어떻게 되나</strong></p> <p contents-hash="716ebcb5d6658af37563a9fda371f782e0c5030713ba545c8efafb52cadb3c2c" dmcf-pid="4lucvoCEnf" dmcf-ptype="general">- 제조 쪽이 워낙 강점이 있으니 집중하겠지만 금융과 유통 등 전 산업군을 보고 있다. 특히 구축형 뿐만 아니라 AWS, 애저, GCP 같은 클라우드(CSP) 환경에서 솔루션을 사용할 수 있게 준비 중이다. 규모가 작은 기업들도 데이터 정제 비용 부담을 줄여 빠르게 AI를 시도해 볼 수 있도록 기여하고 싶다.</p> <p contents-hash="ae995a293d7cb58d8cbf356b2290707ac9a5e636796a341aebe0881ea151d738" dmcf-pid="8S7kTghDMV" dmcf-ptype="general"><strong>Q. AI 사업 추진 시 기업들이 가져야 할 자세가 있나</strong></p> <p contents-hash="55d41dce81d363deba3dbd6e899f6ddff385caa976340a61c2bef43efe526f7b" dmcf-pid="6vzEyalwe2" dmcf-ptype="general">- AX에서 가장 중요한 건 측정 가능한 목표다. 물류 비용 10% 절감, 일정 30% 단축 같은 명쾌한 목표가 있어야 한다. 목표가 불명확하면 구성원들의 저항을 이기기 어렵고 부가적인 업무로 전락한다. 목표가 있어야 보상도 명쾌해지고 그래야 AI가 실패하지 않는다.</p> <p contents-hash="c43d69a0db7f8e9163524ca0a7876a5e1676c0553734b284a0f734d0972f2d82" dmcf-pid="PTqDWNSrJ9" dmcf-ptype="general"><strong>Q. 미래의 데이터 플랫폼에 대해서는 어떤 구상을 갖고 있나</strong></p> <p contents-hash="06e704250bed0ceb3ed45659d7acd74baf88d7fc0c8855ef0c206cde85141fa2" dmcf-pid="QyBwYjvmMK" dmcf-ptype="general">- 지금 AI는 이미 만들어진 데이터를 다루지만 앞으로는 AI가 실세계 생산시설에 접목되는 피지컬 AI 시대다. 정보를 감지하고 저장되는 그 순간부터 맥락 정보를 추출하고 관리하는 AI 네이티브 데이터 플랫폼이 핵심이 될 것이다. 버려지는 데이터를 줄이고 처음부터 깨끗한 데이터를 쌓는 것이 목표다.</p> <p contents-hash="77e37dc6cc7fb36e65cf3ff6fb9dd8c35c2f592d0478b12b1610faebe80f5dcf" dmcf-pid="xWbrGATsib" dmcf-ptype="general"><strong>Q. 엔코아의 매출 추이와 비즈니스 가치는</strong></p> <p contents-hash="5ff98da90b07c8bc536f1f457c9c8d452cb85512ba8c0817f1140462bfd8fa72" dmcf-pid="yMrbeUQ9nB" dmcf-ptype="general">- 매출은 300억원대를 넘어 성장세를 타고 있다. 특히 우리 회사의 가치는 그룹 내부(Captive) 물량에 의존하지 않는다는 데 있다. 실력으로 살아남아 시장에서 인정받는 것이 핵심이다. 실제로 금융, 제조, 유통 등 다양한 분야의 대기업들이 이미 엔코아의 솔루션을 활용하고 있다.</p> </section> </div> <p class="" data-translation="true">Copyright © 시사저널e 무단전재 및 재배포 금지</p> 관련자료 이전 AI 빅테크의 한국 러시…오픈AI·앤트로픽·팔란티어 협력전 본격화 03-16 다음 펄어비스 '붉은사막' 글로벌 판매 순위 최상단 석권…'흥행 기대감' 03-16 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
