세종뉴스룸

▲송경렬(수학통계학부·16) 동문

보이지 않는 곳에서 수많은 데이터가 오가고, 그 데이터 위에서 사용자의 선택을 예측하는 인공지능이 작동한다. 컴퓨터 비전 분야를 연구하고 광고 AI 모델을 개발하고 있는 송경렬 동문을 만나 현재의 업무와 성장 과정, 그리고 후배들에게 전하고 싶은 이야기를 들어봤다.

Q. 자기소개를 부탁한다.

A. 세종대학교 수학통계학부에서 응용통계학을 전공했으며, 현재 삼성전자 MX사업부 서비스Biz팀에서 근무하고 있다.

Q. 학부에서 수학통계학을 전공한 뒤 AI 대학원에 진학하게 된 계기는?

A. 전역 후 진로에 대한 고민이 컸고 통계 대학원 진학도 생각했지만 전공 공부 자체에서 큰 흥미를 느끼지는 못했다. 그러던 중 학과 선배와 함께 AI, 데이터분석, IT를 주제로 자유로운 스터디를 진행하게 됐고 예제 데이터를 분석하거나 다른 사람의 코드를 따라 해보며 간단한 딥러닝 모델을 직접 학습시켜 보는 경험을 했다. 그 과정에서 이론을 깊게 파고드는 것보다 이를 활용해 무언가를 직접 만들어내는 일에 더 큰 흥미를 느낀다는 점을 깨달았고 자연스럽게 AI 분야를 더 깊게 공부하고자 대학원에 진학하게 됐다.

Q. 삼성전자에 입사하게 된 계기는 무엇인가?

A. 처음부터 삼성전자를 최종 목표로 삼고 준비한 것은 아니었다. 연구 분야와 어느 정도 관련 있는 회사들에 폭넓게 지원했고 약 30개 회사에 지원한 끝에 두 곳에서 최종 합격했다. 그중 하나가 삼성전자였고 공채로 입사했기 때문에 직무나 부서가 처음부터 정해져 있었던 것은 아니었다. 결과적으로 지금의 부서에서 의미 있는 경험을 쌓고 있다.

Q. 취업을 준비하는 과정에서 가장 중점적으로 준비했던 부분은 무엇인가?

A. 자기소개서 작성에 많은 공을 들였다. 자소서가 취업 준비의 시작이자 끝이라고 생각할 만큼 중요하게 여겼다. 면접 역시 자소서 내용을 바탕으로 진행되기 때문에 자신의 강점을 분명하게 드러내고, 면접에서도 유리하게 연결될 수 있도록 설계하는 것이 중요하다고 생각했다. 또한 자소서를 잘 정리해두면 여러 회사에 지원할 때 시간도 크게 절약할 수 있다.

Q. 하루 일과가 어떻게 진행되는가?

A. 보통 오전 8시에 출근해 저녁 6~7시쯤 퇴근한다. 오전 10시 30분에는 데일리 미팅을 통해 현재 어떤 작업을 하고 있는지, 어떤 실험 결과가 나왔는지를 공유한다. 이후에는 모델 개발, 데이터 분석, 데이터 파이프라인 작업 등 각자 맡은 업무를 수행한다. 모델이 실제 서비스에 반영되고 있을 때에는 업무 중에도 실시간으로 모델 상태를 점검하며 대응하고 있다.

Q. 학교에서 배운 내용과 실제 현장에서 느낀 차이는 무엇인가?

A. AI 분야는 학계와 산업 현장 사이의 간극이 상당히 크다고 느꼈다. 가장 큰 차이는 데이터의 품질과 규모이다. 대학원에서는 주로 공개된 벤치마크 데이터를 다루기 때문에 참고할 수 있는 레퍼런스가 많지만, 산업 현장에서는 대부분 회사 내부의 고유한 데이터를 다루게 된다. 이런 데이터는 성질이 매우 다르고 참고할 사례도 적어서, 논문에서 제안된 방법을 그대로 적용해도 실제 성능 향상으로 이어지지 않는 경우가 많다.

Q. 학부 시절 수강한 과목 중 현재 업무에 가장 도움이 된 과목은 무엇인가?

A. 선형대수학이다. 생각보다 선형대수학에서 배운 개념과 이론들이 AI와 데이터 분석 분야에서 매우 자주 활용된다. 실제로 모델을 이해하고 응용하는 과정에서 선형대수의 중요성을 많이 느끼고 있다.

Q. 학부 시절 경험 중 취업이나 진학에 실질적으로 도움이 되었던 활동이 있다면?

A. 교내 대회나 외부 대회, 대외 활동에 적극적으로 참여해보는 것을 추천한다. 단순히 스펙을 쌓는 차원을 넘어 다양한 경험을 통해 식견을 넓힐 수 있기 때문이다. 실제로 교내 학술제와 외부 데이터 분석 대회에 여러 번 참가하고 스터디 활동도 하면서 전공 공부만으로는 얻기 어려운 시야를 넓힐 수 있었다. 그러한 경험들이 결국 지금의 진로를 선택하는 데에도 큰 영향을 줬다.

Q. 대학원에서는 어떤 주제나 분야를 중심으로 연구했는가?

A. 대학원에서는 컴퓨터 비전 AI 모델을 연구했다. 특히 데이터 레이블이 극심하게 부족한 상황에서도 모델을 효과적으로 학습시키는 방법에 관심을 두고 연구했다. 일반적으로 딥러닝 모델은 각 데이터에 대한 정답, 즉 레이블이 있어야 원하는 방향으로 학습할 수 있는데, 실제 세상에는 레이블이 없는 데이터가 훨씬 많다. 따라서 소수의 레이블 데이터와 다수의 비레이블 데이터를 함께 활용해 성능을 높이는 학습 방법을 중점적으로 연구했다.

Q. 대학원 경험이 현재 업무에 어떤 식으로 이어졌는가?

A. 현재 회사에서 다루는 AI 모델의 분야는 대학원 전공과는 다르지만, 핵심적인 이론은 맞닿아 있는 부분이 많아 도움이 되고 있다. 무엇보다 석사 과정에서 얻은 가장 큰 자산은 지식 자체보다도 경험이라고 생각한다. 현상을 관찰하고 논리적으로 분석하며 문제를 해결하는 훈련을 반복한 경험이 지금 실무에서 새로운 문제를 발견하고 해결책을 찾아가는 데 큰 도움이 되고 있다. 특히 신입으로서도 선행 개발에 참여해야 하는 환경에서 이러한 경험이 유용하게 작용하고 있다.

Q. 업무를 하며 가장 보람을 느끼는 순간은 무엇인가? 반대로 실무에서 느끼는 현실적인 어려움이나 부담은 무엇인가?

A. 모델 성능이 실제로 향상되는 순간 가장 큰 보람을 느낀다. 오랜 시간 고민하고 실험한 결과가 수치로 확인될 때 가장 뿌듯하다. 반대로 이미지나 텍스트 데이터와 달리 유저 데이터는 사람마다 성향이 모두 다르고, 데이터 양도 워낙 많아 분석 과정 자체가 매우 어렵다. 그럼에도 불구하고 업무에서는 결국 의미 있는 인사이트를 도출해야 하기 때문에 그 과정에서 오는 부담감이 적지 않다.

Q. AI 분야를 진로로 생각하는 학생들이 길러야 하는 역량은 무엇인가?

A. 수학적 기초 뿐만 아니라, 여유가 있다면 코딩에 좀 더 익숙해지는 것이 큰 도움이 된다고 생각한다. 컴퓨터사이언스를 깊게 공부하면 더 좋겠지만 처음부터 너무 거창하게 접근하기보다는 우선 코딩 자체와 친숙해지는 것이 중요하다고 본다.

Q. 앞으로의 계획은 무엇인가?

A. 앞으로 광고 AI 분야에서 커리어를 더욱 깊게 쌓아가고 싶다. 해외에 비해 국내에서는 광고 시장과 광고 AI 분야가 아직 상대적으로 크지 않은 편이기 때문에, 지금의 경험이 매우 소중하다고 생각한다. 우선 현재 자리에서 최대한 많은 것을 배우고, 이후에는 해외에서도 일해볼 수 있는 실력을 갖추는 것이 목표다.

Q. 마지막으로 진로를 고민하는 후배들에게 해주고 싶은 말이 있다면 무엇인가?

A. 학부 공부에만 몰두하다 보면 오히려 넓은 세상을 보지 못할 수도 있다고 생각한다. 학문 자체가 재미있다면 대학원 진학도 좋은 선택이 될 수 있지만, 그렇지 않다면 최대한 많은 경험을 해보는 것을 추천한다. 특히 학과 밖에서 다양한 경험을 하면서 자신이 흥미를 느끼는 분야를 직접 찾아보는 것이 중요하다. 무언가를 시작하기 전에는 여러 생각이 앞서기 마련이지만, 일단 해보는 것이 가장 중요하다고 말하고 싶다. 다양한 도전과 경험을 통해 스스로에게 맞는 진로를 찾길 바란다.

취재/ 이현석 홍보기자(hslee901@naver.com)