_Joa (K)

November 19, 2022

파이썬 웹 프로그래밍, 기초편

파이썬 웹프로그래밍, 기초편

김석훈 지음

한빛미디어

컴퓨터가 이해할 수 있는 프로그램을 만드는 언어는 여러 종류가 있습니다. 서로 비슷한 부분이 많아서 하나를 잘 하면 다른 언어를 배우기 보다 쉽긴 하지만, 그렇다고 똑같은 건 아니어서 새로운 언어를 익히려면 공부가 필요하다고 합니다.

공부를 하고 새로운 언어를 익혀야 하는 이유는 컴퓨터 프로그래밍 언어도 시대에 따라 인기있는 언어가 변하기 때문입니다. 저는 프로그래밍 쪽을 거의 모르긴 하지만, 서적들을 보면 요즘은 파이썬이 대세인 것 같습니다.

본격적으로 프로그램을 개발하려는 목적 보다는 파이썬이 어떤 것인가 궁금해서 파이썬과 관련된 기초서적을 찾아보게 되었습니다.

모든 사람들이 프로그래머가 될 필요는 없지만, 프로그래밍 로직에 대해 알아보는 것은 논리적 판단을 할 때 도움이 된다고 생각하기에.

사실 이 책은 파이썬을 처음 배우는 사람들을 위한 책은 아닙니다. 그런 사람들을 위해서 같은 출판사에서 나온 '혼자 공부하는 파이썬'이라는 책이 있었죠.

저자가 생각하는 이 책의 독자는 '파이썬 문법을 공부한 후에' 웹 프로그래밍을 배우려는 사람들과 '다른 언어로 웹 프로그램을 하다가' 파이썬으로 전환하려는 개발자입니다.

책을 펴기 전에는 파이썬은 이름만 들어보고, 장고(Django)가 뭔지는 전혀 모르던 저같은 사람에게는 어려운 내용이기는 하지만, 웹 프로그래밍과 파이썬에 대한 이해 측면에서는 많은 도움이 되었습니다.

아마 저자가 대상으로 생각한 분들에게는 더 많은 도움이 될 것 같습니다.

이 글은 예스24를 통해 출판사로부터 도서를 제공받고 쓴 글입니다.

동감 (2022)

동감 (2002)

2022년이든, 1999년이든 어느 시절이고, 풋풋하고, 꿈이 있고, 누군가를 사랑하고, 현실 앞에 끊임없이 고민하는 모습들.

그 모습을 보며, 혹자는 현재 자신들의 삶을, 혹자는 추억에 묻혔던 오래전 느낌을 돌아보게 합니다.

#동감 #영화동감 #설렘소환리뷰 #동감은감동

창밖은 겨울 (2022)

겨울이 다가오는 한적한 지방도시가 주는 분위기가 잘 어울리는 영화입니다.

자극적이지도 않고, 인위적으로 감정을 증폭시키는 장치도 없죠.

평범한 일상의 일부를 떼어내서 보여주는 듯한 느낌을 잔잔하면서 지루하지 않게 보여줍니다.

영화를 보다보면 어느새 창밖은 겨울이겠구나 싶어집니다.

#창밖은겨울 #창밖은겨울_정거장리뷰

창밖은 겨울

창밖은 겨울 (When Winter Comes, 2022)

개봉: 2022.11.24.

등급: 12세 관람가

장르: 드라마, 멜로/로맨스

국가: 대한민국

러닝타임: 104분

배급영화사: 진진

감독: 이상진

출연: 곽민규, 한선화

영화를 보기 전까지 사실 저는 '창밖은 겨울'이라는 영화에 대해서 알고 있던 게 거의 없었습니다. 사실상 영화 포스터 하나가 제가 이 영화에 대해 알고 있는 전부였습니다.

그리고, 어떤 영화인지 잘 모르면서도 보았던 이유는 '아무것도 모르지만 영화를 공짜로 볼 수 있는 기회가 생겼다'는 이유 때문이 아닙니다.

영화의 포스터 하나만으로 보고 싶어졌기 때문이었습니다.

그리고, 영화를 보기 전에는 잘 몰랐지만 보고 나서 생각해보니, 영화 보다 먼저 보았던 그 포스터가 충분히 많은 내용을 담고 있었다는 생각이 듭니다.

포스터에는 '창밖은 겨울'이라는 제목이 있었고, 곽민규, 한선화 두 주연 배우가 앉아 있습니다. 어쩌면 너무도 당연하고 뻔한 모습일 수도 있습니다.

그렇지만, 동시에 평범한 듯 보이는 포스터 속 두 사람의 모습과 두 사람을 둘러싸고 있는 배경은 영화의 전반적인 분위기를 잘 나타냅니다.

그 분위기는 영화 속 한 장면을 떼어내어 포스터로 만든 느낌을 주기도 하죠. 그런데, 영화를 보고 나면 영화가 인생의 한 부분을 떼어내어 만든 것 같다는 생각도 듭니다. 자극적인 사건, 극적인 반전, 충격적인 결말 같은 게 없이 대부분의 사람들이 살아가는 인생처럼 밋밋하다면 밋밋할 수 있기때문이죠. 그렇다고 밋밋하다는게 지루하다는 말은 아닙니다.

그리고, "버리고 싶은데... 잃어버린 척하는 게 아닐까요?"라는 포스터 속 카피. 영화 속에서 양영애(한선화)의 대사이기도 한데, 영화의 내용을 잘 설명하고 있다는 생각도 들게 됩니다.

영화는 창원시 진해구를 공간적 배경으로 하고 있죠. 시간적으로는 2019년, 겨울에 들어서고 있는 시점이 배경입니다. 서울같은 대도시에서 느낄 수 없는 한적함과 다가오는 겨울의 호젓함이 자연스럽게 느껴지면서 창밖은 겨울이라는 영화의 제목과도 잘 어울립니다.

그러면서 버리고 싶은데... 잃어버린 척하는 건 고장난 MP3 플레이어가 아니라 지나간 속에 남겨진 우리의 마음일지 모른다는 생각도 들어옵니다.

뜨거운 사랑도, 차가운 이별도 아닌 그런.

November 18, 2022

비즈니스 전략을 위한 AI 인사이트

이호수 지음

한빛비즈

책 '비즈니스 전략을 위한 AI 인사이트'는 제목에 책을 쓴 목적이 잘 담겨져 있습니다. AI에 대해 기술적이나 학문적으로 접근하는 것이 아니라 비즈니스에 활용하기 위한 사례 위주의 접근을 하고 있습니다.

책은 프롤로그나 부록 부분을 제외하면 크게 세 부분으로 나뉩니다.

파트 1에서는 AI의 역사에 대해 언급합니다. 비슷한 주제의 책들이 초반부에 AI의 역사로 시작하는 경우가 많은데, 어떻게 시작되었고 또 어떻게 발전해 왔는지를 아는 것이 AI에 대한 이해와 인사이트를 얻는데 도움이 되기때문일 겁니다.

이 부분은 해당 분야를 잘 아는 사람이 아니라면 생소한 단어가 많이 나옵니다. 재미가 있지만 그렇다고 술술 읽힌다고 할 수 없고, 처음에는 무슨 말인지 잘 와닿지 않기도 하죠.

같은 책을 여러 번 읽든, 비슷한 내용의 다른 책을 읽든 반복해서 읽는 수 밖에 없을 것 같네요.

파트 2에서는 AI를 활용한 여러 기업들의 혁신 사례에 대해 설명합니다. 업무 단위별 AI의 활용 사례가 아닌 넷플릭스, 블루리버테크놀로지, 아메리칸익스프레스, 스티치픽스, 유니레버, LG AI 연구원 등 다양한 업종에 속한 기업의 사례나 통신회사, 리걸테크 등 특정 기업이 아닌 산업에서 적용되는 사례들을 보여줍니다.

저자는 쉽게 쓴다고 썼겠지만, 해당 분야가 생소한 사람들 입장에서는 구체적으로 언급하는 부분들이 쉽게 읽히지만은 않습니다. 대략적으로 그렇구나라는 느낌이 오는 정도.

이어지는 파트 3에서는 AI의 현실과 한계, 문제점 등을 언급합니다.

앞의 파트들 보다 생소한 용어들이 적게 나오지만, 과거의 흐름이나 현재의 사례가 아닌 인사이트에 대한 부분이기에 가볍게 읽을 부분도 아니죠.

책을 덮으면서 느끼게 되는 건 전반적으로 저자 입장에서는 쉽게 썼지만, 읽는 사람 입장에서는 쉽지만은 않습니다. 글이 난해하거나 현학적이어서 그런 건 아니고, 여러가지 용어, 고유명사, 모델이나 알고리즘 등이 비전문가에게 생소하기 때문입니다. 어쩔 수 없는 부분이고 반복하지 않으면 극복하기 어려운 부분일 겁니다.

November 17, 2022

직장인이 꼭 알아야 할 비즈니스 AI

김영수 지음

이북스미디어

막연히 두려워 하든, 돈 벌 기회로 생각하든 이유와 상관없이 인공지능에 대한 관심은 커질 수 밖에 없습니다.

피할 수 없는 흐름이고, 미래에는 같이 어울려 사는 게 자연스러울 겁니다.

그러다 보니 AI에 대해 알아야 할 것 같아 관련 책들을 찾아보았습니다. 그 중 삼성전자에서 30년 근무한 현장전문가인 저자가 150여개 기업의 AI 사례를 분석하였다고 하니 관심이 갔습니다.

아무래도 제가 전문가가 아니니 학문이나 기술적 접근 보다는 좀 편하게 볼 수 있지 않을까 싶었습니다.

잘 모르다 보니 섣부르게 평가하기는 조심스럽기는 하지만, 책을 읽으며 저자가 전문가라는 느낌이 납니다. 잘 모르는 단어들이 나오기는 하지만, 모르는 단어가 많이 나오거나, 내용이 어렵기 때문에 전문가 느낌이 난다는 건 아닙니다.

어쩔 수 없이 생소한 단어들이 나오지만, 전반적으로 내용은 어렵지 않게 풀어가서 느껴지는 전문가 기운이라고 할까요. (전문가분들이 볼 때에는 어떨지 모르겠지만, 저같은 사람이 보기에는 그랬습니다.)

책은 총 4부로 나뉘어 있습니다.

1부는 인공지능과 빅 데이터 자체에 대한 이야기를 합니다.

초반에 AI가 변해오고, 시대에 따라 사람들이 환호하기도 하고, 실망하기도 하는 부침에 대해 나옵니다. AI라는 용어는 1950년에 나왔는데, 개념은 그보다도 앞선 1943년에 나왔다고 하니 생각했던 것 보다 오래된 개념이네요.

단순히 역사 차원이 아니라, 오랜 시간에 걸쳐서 발전해 온 모습과 여러 종류의 알고리즘 등에 대한 설명은 그저 AI가 놀라운 것이 아니라 AI가 어떻게 우리의 생활과 어울리게 될지 대략적인 느낌을 갖게 합니다. 그 느낌이 맞냐 틀리냐를 떠나서 일단 AI에 대한 두려움은 좀 덜어진다고나 할까요.

1부에서 기본적인 내용을 다루고 나서 2부에서는 본격적으로 회사의 각 업무 단위에서 AI가 어떻게 사용되는지를 이야기합니다. 책에서 가장 많은 지면을 할당하고 있는 부분입니다.

2부가 분야별 AI의 적용을 언급하였으면 3부에서는 통합 플랫폼 관점에서 접근을 합니다.

마지막 4부에서는 현재 AI 기술의 문제점, 한계, 부족한 점을 이야기하죠.

모든 프로그램이 그렇듯 AI도 입력 데이터에 문제가 있으면 결과도 문제가 있게 됩니다.

인간이 검증할 수 없는 방대한 데이터로 학습을 하다보면 잘못된 데이터 입력되는 것을 제대로 관리하기 어렵습니다.

의사결정은 대부분 수학공식처럼 나오지 않습니다. 복잡하고 미묘한 의사결정에서 프로그램을 그렇게 짜든 인공지능이 그러도록 스스로 학습하든 손쉬운 편법을 사용하기도 합니다. 옳고 그르냐를 떠나서 그게 훨씬 효율적이니까요.

또한, 인간의 인간성같은 인공지능의 인공지능성 역시 중요한 관심사가 되고 있습니다.

#직장인이꼭알아야할비즈니스AI #비즈니스AI #김영수 #이북스미디어 #컬처블룸 #컬처블룸서평단

AI에 대한 이런저런 이야기

인공지능은 기본적으로 빅데이터를 기반으로 스스로 학습을 하여서 자체적인 로직을 만들고 보완해 과정을 거치게 됩니다. 그러다 보니 인공지능과 빅데이터는 떼어낼 수 없습니다.

AI에 관심있는 글로벌 대형 IT 회사들은 방대한 데이터를 수집할 뿐만 아니라 데이터 관련 인력만 수천 명에 달한다고 합니다.

그러면 자체적으로 데이터를 확보하거나 관리하기 어려운 신규 스타트업 기업들이 AI 개발을 할 수 없을까요?

□ 데이터 아웃소싱

자체적으로 데이터를 취급할 수 없어도 데이터를 전문적으로 취합, 가공, 판매하는 데이터 전문업체들도 많습니다. 별도의 데이터 관리 인력 없이도 이런 기업들로부터 데이터를 구입할 수 있죠.

그렇지만, 인공지능은 데이터 자체가 중요하다는 것을 부인할 수 없습니다. 그렇기 때문에 대형 IT 기업들이 실시간, 고품질 데이터 확보를 위해 직접 관리하는 것입니다.

AI 관련 기업을 투자하려는데 데이터를 외부에서 구입하여 사용하고 있다고 하면, 구입처와 데이터 수준에 대해서도 알아봐야 합니다.

스타트업 기업들은 자금여력이 없는 경우가 많습니다. 눈에 보이지 않는 데이터 구입을 신경쓰지 않을 수 있습니다. 실제로 일부 AI 관련 스타트업 기업들은 보다 저렴한 데이터를 구입하다 보니 트렌드가 중요한 AI를 개발하는데 수년 전 데이터를 사다 쓰기도 하고, 흠결있는 데이터를 사용하기도 한다고 합니다.

"Garbage in, garbage out."은 인공지능에 있어서 가장 기본적인 명제입니다.

□ 인공지능의 인공지능성

인간을 이야기할 때 인간성을 이야기 하듯이 인공지능을 이야기할 때 인공지능성을 빼놓을 수 없는 시기가 도래할 거라고 합니다.

로봇 3원칙이 있습니다. 로봇이 발전하면서 인간을 공격할 수 있다는 위험때문에 나온 개념인데, 1942년 아이작 아시모프(Isaac Asimov)가 자신의 공상 과학 소설 '런어라운드(Runaround)'에서 처음 언급했다고 합니다.

첫 번째 원칙은 로봇은 인간에게 해가 되는 행동을 하면 안된다, 두 번째 원칙은 로봇은 첫 번째 원칙에 위배되지 않는 한 인간이 내리는 명령에 복종해야 한다, 세 번째 원칙은 첫 번째 원칙과 두 번째 원칙에 위배되지 않는 한 로봇 자신을 보호해야 한다입니다.

강제성 있는 원칙은 아니지만, 로봇이나 인공지능이 인류를 위협할 거라는 말이 나올 때 사람들이 내세우는게 로봇 3원칙에 맞게 개발되기 때문에 괜찮다는 말입니다.

하지만, 이미 오래 전에 인공지능이 로봇 3원칙 중 첫 번째 원칙과 두 번째 원칙을 왜 따라야 하는지 거부의사를 표현하기도 했다고 합니다. 그렇다고 AI가 스스로 생각하거나 자아의식을 지닌 것은 아니라고 넘어갔다고 하지만, 로봇 3원칙은 SF 소설이나 영화에서 처럼 개발자가 무시하도록 설계하기도 할 수 있지만, AI 스스로도 무시하게 될 겁니다.

중요한 것은 로봇 3원칙이 아닌 인공지능의 인공지능성 자체가 될 겁니다.

□ 차별과 증오

2021년 인공지능 챗봇인 이루다가 채팅 중 증오 발언으로 인해 한달만에 서비스가 중단된 적이 있습니다. 이는 이루다가 기술적 결함이 있어서 그런 것은 아닙니다.

이루다 뿐만 아니라 전세계 모든 AI는 그러한 차별과 증오에 노출되어 있습니다. 글로벌 IT 기업들은 차별과 증오를 학습이 안 되도록 기술적으로 개선시키고 있지만, 아직까지 해결되지는 못했습니다. 인터넷 상에 차별과 증오 발언을 하는 사람이 존재하는 한 완벽히 해결하기는 어려운 문제이죠.

자신들은 기술력이 뛰어나서 그 부분을 해결했다고 하는 스타트업이 있다면, 대단한 기술력을 가지고 있거나 아니면 말만 앞서고 있거나 둘 중 하나일 겁니다.

□ 중국의 인공지능

중국의 사생활이 정부의 자산이고, 개인정보가 국익을 이유로 정부 또는 심지어 고위층 개인이 키워주고 싶은 자국 기업에게 제약없이 제공된다고 알려져 있습니다. 그러다 보니 인공지능에 있어서 가장 앞서고 있는 게 중국이라는 말도 있죠.

일부 사람들은 중국의 데이터와 인공지능이 과대평가 되고 있다고 말하기도 합니다. 중국의 데이터는 분명 양은 비교할 수 없을 만큼 방대하기는 하지만, 데이터 조작 등으로 인해 품질이 안 좋기 때문에 이를 기반으로 한 AI는 한계가 있을 거라는 주장입니다.

하지만, IT업계에서 세계적으로 유명한 사람들은 현재는 아니어도 대략 2030년 정도면 AI에서도 중국이 미국을 앞설 거라는 전망들을 합니다.

□ 인공지능의 언어

AI는 특정국가의 언어만 잘 처리하면 될까요?

혹자는 언어는 단순한 표현수단만이 아니라 문화까지 특징을 짓기 때문에 언어에 따른 고유성이 있다고 합니다. 각 언어별로 다른 데이터를 통해 처리해햐 하기 때문에 언어마다 다른 AI라고 봐야 하고, 많은 언어를 할 수 있는 AI는 프로그램이 무겁기만 하지 뛰어난 게 아니라고 말하기도 합니다.

물론 언어와 문화는 고유한 부분이 있습니다. 하지만, 현대 사회에서는 그 구분이 허물어지기도 하죠. 사람도 그렇듯, 인공지능도 다양한 언어를 할 수 있으면 장점이 있게 됩니다.

구글의 인공지능은 현재 29개의 자연어를 처리하는 능력이 있다고 합니다. 이중 28개 언어에서 세계 최고 수준의 인공지능을 구현하고 있다고 합니다.

구글 같은 글로벌 대기업이 크게 신경 쓰지 않는 소수 언어는 당분간 기회가 있을 수도 있습니다. 하지만, 영어 등 주요 언어를 사용하는 인공지능을 구현할 때 한두 개 언어만 사용할 수 있는 인공지능이 경쟁력이 있을 지는 생각해 볼 문제입니다.

인터넷 세상에서 인공지능을 통해 다른 언어권 사람들과 자유롭게 대화할 수 있다면 사람들은 그 플랫폼을 더 선호하겠죠.

□ 사람같은 말을 구사하는 인공지능

말주변이 없는 사람들은 처음 만난 사람과 대화를 하기 어려워 합니다. 하지만, 처음 만난 사람과 대화를 잘 하는 사람들도 있습니다. 그런 사람들은 오히려 처음 만난 사람과 대화가 더 쉽다고 합니다. 대화가 깊어지기 전에는 몇가지 패턴으로 가능하다는 것이죠.

인공지능을 시현할 때 체험하는 사람들은 마치 처음 만난 사람과 대화하는 것과 같습니다. 몇가지 패턴을 크게 벗어나지 않게 되죠. 그리고, 사람들은 인공지능을 시현하면서 깊이 있는 대화를 할 생각은 하지 않습니다.

이런 시연회에서 사람들이 사람같은 인공지능이라고 판단하는 것은 입력이나 처리가 아닌 출력입니다. 입력이나 처리가 미숙해도 출력만 잘 표현하면 사람같다는 생각을 하게 됩니다.

인공지능도 컴퓨터와 같이 입력, 처리, 출력이라는 기본적인 프로세스를 거치게 됩니다. 인공지능에서 입력과 처리를 하나의 프로세스로 보기도 하는데, 둘 다 인공지능이 사람의 말을 이해하는 과정이기 때문입니다. 중요한 부분이지만 입력과 처리 부분은 시연을 할 때 확인하기 어렵습니다. 보이지 않기 때문이죠. 결국 사람들은 출력에 많이 의존해 판단하게 됩니다.

□ 핵심기술의 유무

계속 반복되는 이야기인데 AI는 빅 데이터를 기반으로 이루어집니다. 이는 개발에서 뿐만 아니라 개발 후 스스로 유지 보수하는 과정에서도 마찬가지이죠.

일부 AI 기업들은 보다 광범위한 데이터 수집을 위해 타사가 개발하는 앱이 자사의 인공지능을 엔진으로 사용할 수 있게 접근을 허용하고 있습니다. 유상으로 제공하는 곳도 있고, 데이터 확보를 위해 무상으로 제공하는 곳도 있다고 합니다.

데이터도, 핵심 기술도 없이 응용기술만으로도 인공지능을 제공하는 앱을 만들 수 있다는 이야기이죠. 하지만 그 앱을 통해서 축적되는 데이터는 원천 기술 보유한 곳에서 자신의 AI를 개선하는데 사용하게 됩니다.

응용 프로그램을 만든 회사는 사용자 인터페이스나 출력 등에 집중하게 됩니다. 더 보기 좋게 만들어서 사용자들이 찾아오게 하고, 똑같은 엔진이지만 출력 시 좀 더 사람같게 표현하는 부분에 신경을 쓰는 것이죠.

하지만, 응용 프로그램을 만든 회사는 핵심기술이 없을 수 있습니다. 물론 투자를 받을 때에는 우리는 핵심기술은 없습니다라고 솔직하게 말하는 기업들은 거의 없죠.

□ 다시 데이터

계속 강조된 데이터. 데이터의 중요성은 단순히 많은 양만을 말하는 것은 아닙니다. 빅 데이터이니 기본적으로 많은 양(volume)의 데이터가 필요합니다. 가장 중요하죠. 이는 데이터를 사올 수도 있고, 기계적으로 수집할 수도 있습니다.

양과 함께 중요한 것은 속도(velocity)와 다양성(variety)입니다.

속도는 두 가지 측면에서 이야기 할 수 있습니다. 빠르게 변하는 세상에서 인공지능이 적응하려면 수집되는 데이터 역시 오래되지 않아야 합니다. 빠른 속도로 적시성을 갖춰야 하죠.

그리고 또다른 속도는 반응 속도입니다. 너무 방대한 처리를 하다 보니 응답속도가 떨어지게 되면 사람들은 대화를 이어가지 않게 되죠. 단순히 답답함만 주는 것은 아닙니다. 자율주행 역시 빅 데이터와 AI로 이루어집니다. 안전을 위해서는 1초 단위도 길죠. 성능은 뛰어나지만 반응속도를 끌어올리는 것 역시 중요합니다.

다양성은 인공지능이 편향되지 않게 하기 위해서 필요한 요소입니다. 여론조사를 할 때 성별, 나이, 사는 지역, 소득 등을 고려하여 골고루 1,000명에게 물어보는 것과 특정 성별, 특정 나이, 특정 지역, 소득이 비슷한 사람들 10,000명에게 물어보는 것 중에 어느게 더 여론을 잘 반영하게 될까요? 아무리 숫자가 많아도 편향되어 있으면 그 데이터는 문제가 있습니다.

그리고, 편향된 데이터는 그 데이터로 학습하는 인공지능을 편향되게 만듭니다.

또한, 데이터의 질(value)입니다. 기계적인 수집 외에 다양한 질적인 접근도 필요합니다. 그렇기 때문에 대형 IT 기업들에서 데이터 관리 인력만 수천명을 두고 있는 것이죠. 단순히 기계적으로 처리 가능하면 그런 인력이 필요없겠죠.

우리나라에서는 아직은 대부분 양적인 부분만 신경을 쓰는데 데이터의 질적 관리의 중요성을 생각하게 되면 다시 문과 출신 인력들에게 눈을 돌리게 될 수도 있습니다.

중소형 투자회사와 기술 전문가

오래 전 제가 회사채 투자를 할 때, 투자대상기업의 기술에 대해 어느 정도 알아야 하는가에 대해 이슈가 된 적이 있습니다.

증권사에 주식 애널리스트들은 산업별로 있었지만, 크레딧 애널리스트들은 막 생겨나고 있을 때였습니다. 대부분 증권사에는 아직 크레딧 애널리스트는 없었고, 많은 곳도 한두 명에 불과했습니다.

한두 명이 모든 기업들을 담당하다 보니 산업별 전문가가 되기는 어려웠죠. 그러다 보니 담당자들이 산업과 기술에 대해 어느 정도 알아야 하는가에 대한 논란 아닌 논란이 있었습니다.

혹자는 기업의 모든 것은 결국 재무제표로 나타나게 되니 산업이나 기업의 기술은 자세히 몰라도 된다고 했습니다. 반면, 다른 혹자는 회사채 발행 기업 중 상장되지 않은 기업들이 많다 보니 재무정보가 투명하지 않다는 점을 문제 삼으며, 산업과 기술에 대한 이해가 더 중요하다고 했죠.

으레 그렇듯 이런 류의 대화는 결론은 없었습니다. 각자 나름대로의 근거와 소신이 있기에 처음부터 갖고 있던 각자의 소신 대로 가는 거죠.

이러한 성향은 사람을 뽑을 때에도 이어졌습니다. 전자는 사람을 뽑을 때에도 이공대 출신 보다는 경영이나 회계 전공자들을 선호했죠. 반면, 후자는 이공대 출신을 선호했습니다. 전공이 다르더라도 산업이나 기술에 대한 이해도가 높을 거라는 기대감 때문이었습니다.

갑자기 옛날 이야기를 꺼낸 것은 벤처투자회사(VC) 사이에서도 비슷한 고민이 있을 수 밖에 없기 때문입니다. 모기업이 제약, 엔터테인먼트 등 특정 산업을 영위하는 대형 VC(CVC)들의 경우 자연스럽게 특화 분야가 있기 마련이고, 전문화된 인력을 뽑고 네트워크를 구축하는데 유리합니다.

하지만, 그렇지 못한 VC들의 경우는 대부분 운용과 심사를 같이 담당하는 한두 명이 전체 산업을 맡게 됩니다. 심사역이 산업과 기술에 대한 이해도가 어디까지여야 하는지에 대한 고민이 있을 수 밖에 없습니다. 거기에 맞춰서 신규인력도 채용해야 할테니까요.

그리고, 이는 회사채 때보다 더 어렵습니다. 스타트업 등 투자 대상 기업들은 회사채 투자 대상 기업처럼 재무제표가 양호하지 않습니다. 현재의 재무상태가 아닌 미래에 대한 전망에 기반을 하게 됩니다. 산업과 기술에 대한 이해도가 높다면 당연히 유리하기는 하겠지만, 회사채 투자할 때처럼 업력이 길고 알려져 있는 산업들이 아닙니다. 계속 바뀌다 보니 한 분야에 대해 제대로 알기도 어려운데 담당자가 맡아야 하는 산업은 폭이 넓고 생소합니다.

산업과 기술을 중시하는 사람들은 자기 전공은 아니어도 이공계 출신이 이해도가 높을 거라고 말을 합니다. 반면, 바이오 전문가가 과연 인공지능에 대해 얼마나 알겠느냐는 사람들은 오히려 경영 전문가가 기술이 아닌 경영환경 측면에서 살펴보는게 더 필요하다고 말하기도 하죠.

회사채 때 처럼 이 역시 사람들은 자신의 생각이 쉽게 바뀌지는 않습니다.

다만, 아주 오래 전에 있었던 냉각캔 논란을 보면 교훈은 얻을 수 있습니다.

벤처기업 중 한 곳에서 음료캔을 자체 냉각시킬 수 있게 개발했다고 발표회를 하면서 관심을 끌게 되었습니다. 줄을 잡아당기면 언제 어디서든 시원한 음료를 마실 수 있다는 것이었죠. 결론부터 말하자면 이는 희대의 사기극으로 끝나게 되었습니다.

사실 기술쪽에서 진짜 전문가들은 해당 기술이 특허 측면이나 상용화 측면에서 부정적으로 봤습니다. 회사에서 구체적으로 설명하지는 않았지만, 일단 설명상으로 기술적으로 문제가 있는 것 같다는 의견 들이었죠.

또한, 기술을 전혀 모르는 사람들도 소비자 측면에서 상용화 가능성을 의문시했습니다. 왜냐하면 그 기술을 적용할 경우 캔이 너무 커지게 됩니다. 휴대하기 좋게 개발했는데, 정작 휴대하기 불편한 사이즈가 되고 가격은 또 올라 버리죠. 결국 기술 자체가 사실이었어도 수요는 매우 제한적이라고 예상들을 했습니다.

기술을 잘 알아도 전혀 몰라도 부정적이었는데, 그러면 누가 그렇게 투자에 열광을 하였을까요? 그것은 바로 어설픈 전문가들의 활약 덕분이었습니다. 진짜 전문가는 아니지만 전문가라고 하면서 투자안을 검토하는 사람들은 회사의 의견에 동의를 하고, 오히려 부풀려 말하게 됩니다.

회사의 기술 설명에 이의를 제기하면 설명하던 사람이 "잘 몰라서 그러는 모양인데...."라고 반론을 하면 전문가로서 권위는 떨어지게 됩니다. 아니면 기술적 측면에서 반박을 할 수 있을 정도로 본인이 많이 알고 있어야 합니다.

하지만, 회사의 설명에 다른 전문용어 몇개를 추가만 하고 회사의 설명을 반복해서 말하면 설명하던 사람은 말합니다. "역시 전문가는 다르시군요. 바로 이해하시네요." 그러면 전문가가 아니더라도 주위사람들에게 전문가라는 인식을 심어줄 수 있죠. 그러다다 보니 어설픈 전문가 흉내를 내는 사람들은 훨씬 쉬운 후자를 택하게 됩니다.

거기에 그들의 실적에 대한 평가 역시 기술에 대한 정확한 진단이 아닌 투자 유치금액이 되는 경우가 많았으니까요.

물론 진짜 전문가가 가장 좋겠죠. 하지만, 어설픈 전문가를 뽑는 것 보다는 '난 기술에 대해서는 모르지만, 소비자 측면에서 그건 아닌 것 같다'고 진단할 수 있는 사람이 오히려 도움이 될 수 있습니다.