[AI NODAJI] CAR TECH 스타트업의 40억 투자 비결 – 오토피디아 COO 조재영

재영: 문제 인지와 정의가 필요합니다. 회사, 서비스에서 가장 시간과 비용이 많이 드는 단계를 찾는 것. 즉, 인지단계가 선행되어야 하는데요. 인지가 되고 나서는 바로 데이터셋을 모으기 보다는 ‘어떤’ 데이터셋을 모으는지가 중요합니다. 어떤 데이터셋을 모을 것인가를 결정하기 위해 우리의 비즈니스가 가진 문제를 어떤 방식으로 풀 것인가를 잘 정의하는 것이 핵심입니다.

저희의 경험 중 타이어 AI 개발을 예로 들자면, 주어진 타이어 사진이 있을 때 앞으로 사용 가능한 타이어의 두께가 몇 mm가 남았는지 ‘값’을 예측하는 문제로 처음에 정의를 했습니다. 처음에는 해당 값을 예측하고 ‘교체가 필요하다’, ‘필요하지 않다’ 이렇게 분류 모델로 정의를 했었는데 이러한 정의 아래에서는 고객들이 ‘왜 교체를 해야 하는데?’, ‘왜 교체를 안 해도 되는데?’에 대한 궁금증들이 생겼고 이것에 대한 설명이 필요함을 느꼈습니다.

그래서 애매하게 돌려 말하지 말고 ‘당신은 3mm보다 타이어가 조금 남았기 때문에 교체가 필요하다’는 식으로 그 값이 3mm보다 조금 남으면 ‘교체해야 한다’,  그 이상이면 ‘교체하지 않아도 된다’ 라는 문제로 바꿨고 고객들에게 더욱 설득력을 갖춘 AI를 만들 수 있었습니다.

민영: 흔히 비유를 하자면 타이어 교체 시 ‘눈탱이’ 맞는다고 하잖아요. 특히 타이어 교체에 대해서 주관적으로 타이어를 교체해야 한다는 말보다 객관적인 수치로 치환을 시킨 데이터를 쌓아왔다는 말씀이시군요. 

재영: 문제 정의가 왜 중요한지 첨언을 하자면, 저희가 만약에 처음 분류 모델로 타이어 사진에 대해 전문가 분들에게 교체가 필요한지, 필요하지 않은지 양쪽으로 분류하는 데이터를 몇 천만 원을 들여 데이터셋을 준비했다고 해볼게요.  데이터셋을 준비하고 나서 ‘어? 좀 더 정확하게 몇 mm로 바꿔야겠는데’ 라고 생각이 바뀌는 경우 처음부터 데이터를 다시 모아야 합니다. 이렇듯 문제 정의를 처음에 잘못하고 데이터셋을 모으기 시작하면 돈을 날려야 합니다. (슬픈 미소)