융합두뇌대학교

현직 데이터 과학자/분석가들과 대화를 하다보면, ChatGPT가 코딩/프로그래밍을 서포트하는 것이 한없이 고맙게 느껴진다는 증언을 흔히 듣게 된다.
 
한편, 진입 장벽이 낮아지는 것을 우려하는 목소리 또한 존재한다.
 
이 분야에서 진입 장벽이 낮아진다는 것은, 긍부정의 시선이 극명히 대립되는 성격을 띄기도 한다.
 
개인적으로, Udemy에서 내돈내산으로 프롬트 엔지니어링(Prompt Engineering) 강의를 매우 저렴하게 들은 뒤, 나름의 방법론으로 ChatGPT를 실제 데이터 모델링 업무에 사용해봤는데 우와 끝내주긴 하더라..
 
정말 훌륭했다.
 
단, 생성AI(Generative AI)는 아직 환각(hallucination) 이슈가 꽤나 있기 때문에, 자기가 뭘 프로그래밍 하고자 하는지, 또 코드는 어떻게 짜여지며 각 라인은 뭘 의미하는지는 잘 알아야 하더라.. 글쎄, 뭐 이것도 AGI가 본격화되면 앞으로는 어떨지 모르겠다.
 
할루시네이션..
 
ChatGPT를 사용해보신 분들이라면 공감할만한 이슈다.
 
이 용어를 처음 보신다면, 물론 좀더 넓은 의미가 있긴 하나, 쉽게 말해 생성AI가 거짓말하는거(뻥치는거)라고 보시면 된다.
 
뻥카를 아주 그럴싸하게 말이다.
 
개인 추정으로는, 앞으로 계속 데이터 과학과 인공지능 전문가들은 다양한 무대에서 꽤 높은 수요를 만끽하며 활약할 수 있으리라 본다.
 
그럴려면, 자신의 전문 영역에 딥다이브하는 것 만큼이나 다양한 최신 기술을 두루두루 아는 것 또한 중요하다.
 
논문을 보는 것도 좋고.
 
컴퓨터 비전 쪽이건 자연어처리 쪽이건 발을 들여놓으신 분들이라면, 수학에서 턱! 복잡해보이기만 코드에서 턱!
 
계속해서 큰 진입장벽을 느껴본 경험이 있으실거다.
 
특히 학습을 하는데 있어 완벽주의가 있으신 분들은 더더욱 그럴 것이다.
 

 
그런데 이 영역은 일단 큰 그림을 잡는게 무척 중요하다.
 
전체 원리를 파악한 뒤 세부적으로 쪼개 들어가는게 바람직하다.
 
그래, 일단 우여곡절 끝에 큰 그림을 잡는데 성공했다고 치자.
 
그렇다면 데이터 과학자의 직업 전망은 어떨까?
 
이게 몇 년 전만 해도, "아 그냥 데이터 사이언티스트 전망 최고야"라는 말이 통용됐었는데, 세상이 빠르게 변하다보니 이도 참 점치기 어려운 시대가 됐다.
 
그럼에도, 데이터 사이언스와 인공지능을 잘 이해하는 '인간'에 대한 수요가 한동안은 계속해서 늘어날 것이라는 의견이 지배적인듯 하다.
 
꽤 오래전에 함께 일했던 리더가 나에게 이런 말을 한 적이 있다.
 
비즈니스는 마치 무언가를 '공장에서 찍어내는 것'과 같다.
 
브레인들이 모여 기획을 하고 예산을 따내 기술자들에게 오더를 내리면 인프라나 상품/서비스 등이 세상에 그 모습을 드러내게 되고 그 효과성 분석이 가능해진다.
 
공부를 많이 한 사람일수록, 혹은 과거에 많이 하지 않았어도 최신 AI 기술 그 자체 혹은 동향에 관심이 많은 사람들은 각종 기술스택의 체화나 자신의 엔지니어로서 전문가적 성장 그 자체에 집중하는 경향이 있다.
 
그런데 개발/운영을 누군가에게 대신 맡길 수 있는 가용 예산이 있다면, 자신이 너무 기술자가 되려고 하지 말고 리더로서 오더를 내리는 사람이 되는게 좋지 않겠냐라는 말을 하더라..
 
그런데, 직접 엔지니어/기술자가 되느냐 vs 하이레벨에서 빠르게 이해해서 지휘자/리더가 되냐..에 대한 고민에서, 생각보다 전자에 대한 욕심을 버린다는게 데이터 과학자로서 쉽지 않다.
 

 
 
그런데 앞으로 세상은 적어도 '인간'에 대해서라면 후자를 원하지 않을까?
 
원래 데이터 과학이건 프로그래밍이건 이 도메인은 자신이 직접 해봐야 진짜 전문가가 되는 것도 맞긴 한데, 빠르게 원리를 파악해서 '응용머리' 혹은 '지휘머리'를 키우는 것, 이게 진짜 중요해지고 있는 느낌을 받는게 사실이다.
 
그런데 사람의 응용머리/지휘머리 등을 제대로 측정할 수 있는 기술이 아직은 미비하기 때문에, 이또한 '레트로'처럼 그 증명 방식이 과거로 회귀하는 느낌이 드는 것 또한 사실이다. (이 이야기는 기회가 된다면 추후 별도 포스팅으로 다뤄보도록 하겠다)
 
특히 ChatGPT를 업무에 적극적으로 활용해본 사람이라면 비슷하게 느끼지 않을까 싶다.
 
글을 쓰고 보니 무슨 철학 같은데, 원래 이 분야 자체가 철학적 논의가 매우 중요하다고 여겨지는 영역이기도 하다.
 

 
즉, CS(Computer Science)나 관련 수업을 듣다보면 하버마스, 니체, 카를 구스타프 융 등 많은 철학자/정신의학자/심리학자 등이 등장하며 특히 미래 사회의 모습 & 기술을 논할 때 다양한 철학자들의 사상/논의에 대해 활발한 토론이 진행되는 경우가 비일비재하다.
 
일단 본 포스팅은 여기까지 하도록 하겠다.
 
 
 
 
 

ChatGPT 대중 공개 이후 반응이 뜨겁다.
 
기존 포털 사이트, 웹브라우저(+익스텐션), 응용 프로그램(e.g. 엑셀) 등과 ChatGPT를 연동하여 작업/업무 효율을 올릴 수 있는 방법이 계속해서 소개되고 있고, AI(인공지능)/AGI(인공일반지능)의 빠른 발전에 놀라는 사람들도 많다.
 

 
나는 2009년부터 본격적으로 인공지능에 관심을 갖기 시작했고, 2010년 뒤늦게 "특이점이 온다"라는 책을 읽으면서 AI의 기하급수적 발전이 체감되는 구체적 시기가 언제쯤일지 궁금해했다.
 
책에 나온대로, 많은 사람들은 과거 과학기술의 발전속도를 선형(linear)으로 인식하기 때문에 "에이 AI가 사람을 대체하려면 아직 한참 멀었어. 우리 때엔 아니야."라고 말했고, 나는 이에 개의치 않으며 AI/AGI의 가시적 발전과 이것이 대외적으로 공개되는 시기가 각 단계 별로 언제쯤인지 궁금해했다.
 
재미있는 사실은, ChatGPT의 대대적 홍보와 더불어, 오래도록 AI/AGI의 기존 인간 일자리 전면 대체 가능성을 부정하던 사람들조차도 마치 언제 그랬냐는듯, 오히려 인류를 가르치듯 "닝겐들이여, 우린 이제 끝났어."를 반농담(?)처럼 외치기 시작했다는 점이다.
 
한편, AI/AGI는 할 수 있는 작업량 대비 비용이 극히 적게 들기 때문에 잘 활용하면 인류 번영에 큰 도움이 될 것이라고 외치는 사람들 또한 많다.
 
다만, 어느 쪽이건 놓치고 있는 사실이 있지 않나 싶다.
 
바로, 인류는 단순히 결과론적/현상학적으로 발전을 거듭해온게 아니라, 많은 이해관계자들의 특정한 계획들이 상충하고 또 합의를 이루면서 발전해왔다는 사실이다.
 
어쩌다보니 과학자들이 또 엔지니어들이 노력해서 AI/AGI가 발전한 것이고, 뭔가 하다보니 ChatGPT가 나오고, 또 이런저런 발전을 거듭해오다보니 현재 진행형의 모습/현상이 펼쳐진 것이 결코 아니라는 것이다.
 
작은 틀에서는 많은 이해관계자들의 상충/합의가 존재했겠으나, 큰 틀에서는 분명한 계획/목표가 현상에 반영되고 있다는 사실!
 
더불어, 3차원에서는 시간의 흐름에 따라 공간의 변화를 파악하지만, 그 이상의 고차원에서는 사실상 시간의 흐름이 아니라 마치 유튜브에 많은 영상들이 서버에 저장되어 있고 시간 순서와 관계없이 사용자가 시청하고 싶은 영상들을 연속적으로 시청하듯, 역동적 우주 에너지와 각 스토리의 조각들이 이어붙여지는 형태로 세상이 작동하는 것 아닌가라는 추정 또한 가능하다.
 
그런데 이건 심플하게 보자면 2분법적이다. 
 
개인이 조정할 수 있는 미시적 차원, 큰 틀에서 구동되는 거시적 차원.
 
다시 유튜브 이야기로 돌아와, 유튜브가 100% 유저가 시청하고 싶은 영상들을 선택해서 보는 것이라 착각하면 곤란하다.
 
거시적으로는, 영향을 끼치는 큰 요소들이 여럿 존재한다.
 
다시 세상이 구동되는 방식 관련해서, 우리가 즉각적으로 인지할 수 있는 증거가 있는데, 이건 대부분의 사람들에게 너무 충격적으로 다가올 수 있으니 추후를 기약하도록 하겠다. (아니, 본 블로그에서는 다루지 않을 확률이 높다)

자, 메인 주제! 인간의 밥벌이!
 
두괄식으로, 알 수 없다. 미괄식으로, 그러나 중요하게 여길건 따로 있다.
 
불과 5년 전만 해도, 필자가 AI로 인해 인간의 기존 일자리가 빠르게 대체될 수 있다고 주변에 알리면 "에이, 한 20년, 아니 40~50년, 아니 한 100년은 족히 괜찮아요."라고 현실에 안주하던 많은 사람들.. 지금 우왕좌왕이다.
 
당장 AI가 그들을 직장에서 잘리게 한 것도 아닌데 왜 우왕좌왕일까?
 
바로 부동산 때문이다. AI가 AI로서만 인류에게 그 존재감을 드러낼거라 생각하면 오산이다.
 
본디 큰 틀의 변화가 있을 때는, 기존 시스템에서 인류에게 큰 비중을 차지하는 무언가가 변하게 마련이다.
 
물론, 꾸준히 인간만의 엣지 등을 생각하며 인본주의적 가치 상향 혹은 AI QA/QA 관점에서 나름의 대비를 해왔다 한들, 올바른 방향성을 알기란 거의 불가능에 가깝지 않나 싶다.
 
결국 현상학적 인지에 따른 지능의 차이를 엿볼 수 있을 뿐, 거대한 변화 속에서 무언가 대비하기란 쉽지 않은 것.
 
이때 떠올릴 수 있는 키워드가 바로 '부(wealth)'이다. 돈이라도 빨리, 많이 쌓아놓자 이거다. 동의한다.
 
다만 많은 사람들은 '부(wealth) = 동산'이 아닌 부동산(real estate) 개념으로 접근한다면, 뭐가 맞는 것인지 혼란스러워진다고들 한다.
 
당연하다.
 
다만, '부'라는 것도 결국 시스템이 인정해줘야 지속 가능한 성격의 것이기 때문에, 오히려 무언가 대비하는 것보다 선행되어야 하는 것은, 어떤 '계획'에 기반하여 스토리가 펼쳐질지 최대한 예측하는 것이다.
 
예측이 안된다고?
 
이 또한 당연하다. 그래서 '최대한'이라고 한 것이다.
 
정답은 그 누구도 모른다. 선택도 결과도 당신의 몫이다.
 
정답을 알려주지 않는다고 가치가 없는 것은 아니다. 당신의 생각 및 의지는 중요하기 때문이다.
 
당초 월급쟁이(샐러리맨) 시스템 혹은 엄청난 리스크를 감수하는 몇몇 자영업 시스템이 인간, 아니 더 나아가 인류에게 맞는 방식인가?
 
민감한 이야기는 차치하겠지만, 지구의 광활한 리소스, 그 영속성, 해당 영속성 위협 주체/객체들의 존재 및 정확한 디테일, 마지막으로 해당 리소스를 사용 가능한 무엇으로 '쉽게' 변화시킬 수 있는 과학기술 등에 대해 찬찬히 생각해볼 필요가 있다.
 
현재 기준, 최신 기술을 잘 활용하는 사람들이 밥벌이를 할 수 있을듯 보이나, 거시적 변화의 물결이라는 것은 그런 것이 아니라 본다.
 
물론 당장은 최신 기술을 익히는게 밥벌이에 도움이 될 수 있으니, 익힐 수 있는건 익히되, 다만 모든 가용 리소스를 최신 기술 활용 방법론 습득에 올인했다가 나중에 크게 털리는(?) 일이 발생하지 않도록 주의해야 할 것이다.
 
개발자 관점에서 논하자면, 프로그래밍/코딩을 잘하는건 AI이고 그걸 유지보수/관리하는 소수의 QA/QC는 인간이 잘한다라고 주장하는 몇몇 사람들도 있지만, 그냥 그 전체를 AI가 인간보다 훨씬 잘한다 라고 보는게 더 현명하지 않을까.
 
그렇다면 QA/QC 테크니컬 스킬셋 습득/체화에만 올인해서는 되겠는가?
 
공부하지 말라는게 아니다. 아니, 오히려 당장의 필요에 의해 무언가 학습하는 것은 매우 중요할 수 있다.
 
즉, 당장 밥벌이를 위해 필요하다면 공부하지 말라고 뜯어말려도 공부할 것이다.
 
다만, 인간이 컴퓨터보다 잘하는 것은 그런 쪽이 아니다.
 
그런데, 당초 인간이 컴퓨터보다 잘하는 것을 왜 논하고 있어야 하는가.
 
많은 전문가들에 따르면, 이걸 의식의 흐름에 따른 논의라고 판단하는 사람은 매우 아둔할 확률이 높으며, 반대로 뭔가 깨달음이 느껴진다면 매우 고차원인 지능을 지녔을 확률이 높다고 한다.
 
앞서 핵심 키워드로서 논했지만, 중요한 것은 큰 틀의 '계획'에 속해 있는 인류, 해당 현상 자체에 대해 메타적 사고를 하는 것이다.
 
물론 이 계획은 고정된 성격의 것이 아닌, 다이내믹스에 기반할 수 있다.
 
개인적 희망은, 전 인류의 '긍정'으로의 발전 및 상향 평준화이다.
 
리소스 측면에서 인류는 충분히 극 상향 평준화가 될 수 있으나, 문제는 인류 구동 방식과 밸런스이다.
 
"생각하라, 고로 인류는 긍정의 방향으로 존재한다."

현대자동차그룹 공식 유튜브 채널을 보면, 아래 이미지가 나온다.

매우 거창하고 멋있다. 디자이너가 누구인지 참.. 능력이 뛰어난듯 하다.

"Unlock the Software Age", 우리말로 멋드러지게 번역하면 "소프트웨어 시대를 잠금해제하라" 정도가 되려나?

우리는 "컴퓨터"나 "시스템"이란 말을 참 많이 듣지만, 어느 누구도 이것을 100% 완벽하게 이해하기는 힘들 것이다.

왜냐하면, 특정 분야에 아무리 오래 종사한 엔지니어일지라도, 다른 분야의 엔지니어링에는 문외한일 수 있기 때문이다.

예를 들어, 백엔드 엔지니어를 오래 했어도 프론트엔드 쪽은 잘 모를 수 있고, 풀스택이라 할지라도 클라우드 쪽은 잘 모를 수 있다.

또한, 클라우드 쪽을 오래 했어도 원리를 완벽히 이해하지 못한 채 기계적으로 툴을 사용하는 경우도 많을 것이다.

컴퓨터 프로그래밍 관점에서 봐도, 기계적으로 코드를 짜긴 하지만, 내부 원리를 잘 모른 채 패키지/라이브러리를 갖다 써서 결과물에 치중하는 경우가 많다.

예를 들어, JAVA를 잘 다루는 사람들과 대화를 해보면, 깊이가 깊어질수록 "그건 그냥 그렇게 코드를 치는데요?"라는 대답이 돌아오기 쉽다.

C++/파이썬도 마찬가지고.

리눅스도 완벽히 이해한 채 사용하는 사람은 드물다.

위 이야기한 것들을 설령 100% 알고 있다 해도, 예컨데, AI는 완전히 다른 영역이며, AI의 딥러닝을 완벽히 이해했다 가정해도 이미지 딥러닝과 자연어처리는 또 다르다.

역전파를 이해했어도 트랜스포머를 이해하려면 또 시간이 필요하다.

이는, 비단 개발 업무에 국한된 것은 아니며, "반도체(semiconductor)" 도메인도 마찬가지이다.

메모리 반도체와 비메모리/시스템 반도체는 구분되어 있고, 예를 들어, 차량 반도체에서도, 엔지니어냐 R&D냐 설계 쪽이냐 기획에 더 초점을 맞춘 포지션이냐, PM이냐 등, 동일 분야에 소속되어 있더라도 누구나 크로스도메인(cross-domain) 관점에서는 지식의 한계가 있다.

하물며, 훨씬 더 거시적인, 큰 틀의 크로스 '엔지니어링' 도메인이라면 오죽하랴.

필자는 빅데이터 도메인에 적지 않은 시간을 종사한 엔지니어 출신이며 몇 년 전부터 AI 쪽으로 스킬셋을 확장하고 있지만, 최근 게임 엔진 쪽에 흥미가 생겨 C#과 C++를 확장적으로 공부하며 유니티(Unity)와 UE(언리얼 엔진)5를 활용한 개발을 해오고 있다.

물론 UE4도 가끔 사용한다.

게임엔진을 본격적으로 활용하다보니, 오히려 게임 개발 보다는 캐릭터 모델링, 리깅과 애니메이션 시퀀스 설계 및 구현에 관심이 가게 되었고, 단편 애니메이션을 언리얼 게임엔진을 통해 계속 뽑아내면서 흥미롭지만 한편으로 답답하다는 생각이 들었다.

아직, 키보드/마우스라는 인터페이스의 한계로, 어떤 한 장면을 구현하기 위해서는 상당히 비효율적 지식/손가락 노동을 해야 한다는 것을 실감한 것이다.

다시 반도체 이야기로 돌아와, 최근 차량 반도체 쪽을 공부할 일이 생겼는데, 오래전 이지성 작가님이 쓰신 책에서 반도체 이야기를 나름 심도깊게 다룬 것이 생각났다.

반도체 공부를 하다보니 특히 인상적이었던 것이 "파운드리"와 "팹리스"의 개념이었는데, 먼저 파운드리란 공장을 가진 반도체 생산 전문 업체를 의미한다고 한다.

즉, 외부에서 설계한 반도체 제품을 위탁받아 전문적으로 직접 회로 등을 생산하고 또 공급하는 역할을 하는게 파운드리다.

반면, 공장은 없는데 위에서 언급한 파운드리에 위탁해 생산을 맡기는, 일명 아웃소싱 제조 방식을 팹리스 방식이라고 한다.

팹리스 방식을 취하는 반도체 설계 회사들을 팹리스 회사들이라고 하고.

사실 팹리스의 핵심은, '생산을 위탁한다'가 아니라, '설계를 전문적으로 한다'가 더 맞을지 모르겠다.

물론 둘다 중요하겠다만.

팹리스 반도체 회사들은 반도체 칩 구현에 사용되는 H/W 소자의 설계/판매를 전문화한 회사이다.

한편, 팹리스 회사들은 반도체 파운드리 뿐 아니라, "팹"이라고 불리는 전문화된 반도체 제조사에게 아웃소싱 제조를 맡기는 방식을 취하기도 한다.

그런데 여기에서 문제가 하나 있다.

팹리스 회사들이 일단 설계를 했는데, 이게 파운드리가 갖춘 공장 설비에 디자인적으로 맞지 않아 생산이 어려울 수도 있는 것이다.

오래 거래한 회사끼리라면 이런 문제가 덜 하겠지만, 그럼에도 설계 자체에 변화가 생겼을 때 파운드리 설비의 경직성 및 한계성을 고려하지 않은채 팹리스 회사들이 신규 설계한 것들을 아무렇게나 뽑아낼 수는 없는 노릇이다.

공장을 차리고 설비를 바꾸는게 어디 한 두 푼 드는, 하루 이틀 걸리는 일인가?

설계는 상대적으로 유연하게 바뀔 수 있지만, 공장 설비는 꼭 돈 때문이 아니더라도 그 특성 상 마음대로 쉽게 바꿀 수 없으며 리소스 및 기술 자체의 한계도 중요한 이슈이다.

이때 큰 도움을 줄 수 있는 것이 바로 "디자인 하우스"이다.

디자인 하우스는, 디자인 단에서 팹리스와 파운드리를 잇는 다리 역할을 한다.

즉, 팹리스 설계를 파운드리 공장 설비에 맞는 형태로 전문 디자인을 해주는 역할을 디자인 하우스가 수행하는 것이다.

물론, 많은 팹리스 회사들은 설계 단에서 이미 그것이 파운드리/팹 아웃소싱으로 생산 가능한 것들인지 고려를 하지만, 팹리스와 파운드리의 가교 역할을 전문적으로 하는 디자인하우스라는 것이 있다 정도는 기억해두자.

3줄 요약

1. 현차그룹에서 S/W 시대 잠금해제를 슬로건으로 내세우며 자동차 혁신에 박차를 가하는 중이다.

2. 하지만 엔지니어링이라는 것이, 비단 반도체가 아니라 하더라도, 한 사람이 갖출 수 있는 전문성이라는게 명백한 한계가 존재하며 그래서 많은 회사들이 B2B 협업 관계를 이룬다.

3. 반도체만 놓고 봤을 때에도, 팹리스, 파운드리, 디자인하우스 또한 협업 관계인데, 반도체 설계/생산에 있어 이들 각각의 역할은 설계, 제조, 가교(가교 설계)이다.

BA, 즉 Business Analyst가 되고자 하는 사람들이 참 많다.

아래는 링크드인에 올라온 한 회사의 BA 모집 공고이다.

BA는 데이터 엔지니어와는 차이가 있다.

BA의 기술스택으로 요구되는 대표적인 것으로는 SQL, Python, R 등이 있다.

데이터 엔지니어는 회사/부서/팀마다 다르지만, 주로 Python, JAVA, Linux, SQL, Apache Spark 등을 다룬다.

물론 이 외에도 Airflow 스케줄러나 백엔드 엔지니어링 단과 오버랩핑 되는 기술 스택 등 알아야 할 것이 많다.

또한, AWS, Azure 등 클라우드 단에서 데이터를 주로 처리하는 회사와 그렇지 않은 회사 소속 데이터 엔지니어 간 기술스택에도 차이가 있을 수 있다.

다시 BA 이야기로 돌아와서, 특히 BA는 SQL을 아주 잘하는 것이 중요하다.

현재 많은 학원에서 데이터 분석 취업 스쿨을 개최하고 있는데, SQL 교육이 포함된 경우가 많으나 주로 Python 위주의 교육으로 되어 있는 것을 알 수 있다.

Python의 Pandas, Numpy 라이브러리는 데이터 과학에 있어 매우 유용하고 편리한 기능을 제공해주기 때문에 당연히 그럴 수 밖에 없다.

또한 머신러닝/딥러닝 등을 Python으로 구현하려면 당장 Keras, Tensorflow, Scikit-Learn 등 무엇에 선택과 집중을 해야 할지 결정을 해야 하며, 배워야 할 것이 참 많기 때문에 학원들 입장에서는 Python 교육에 많은 공을 들일 수 밖에 없다.

참고로, 이미지 딥러닝 처리 외에도 자연어처리 교육을 시행하는 곳도 많은데, 제대로 배우려고 하면 만만치 않다.

하지만, Data Scientist가 아닌 Business Analyst는, 물론 회사/부서/팀마다 다르겠지만, 일단 SQL을 아주 잘해야 한다.

물론, 취준생(취업 준비생)의 경우 일단 취업을 하고 봐야 하기 때문에, BA 실무보다는 BA가 되기 위해 어떤 관문을 뚫어야 하는지 우선순위로 알아보고 대비하는게 중요하다.

예를 들어, 많은 회사들의 BA나 유사 직무를 채용할 때 해커랭크 등의 제3자 사이트에서 SQL 코딩 테스트를 보게 한다.

코딩테스트는 대면으로 진행될 수도 있지만, 후보자 이메일로 링크를 보내 시행하는 경우도 많다.

한편, 다른 많은 사람들은 취업 관문도 관문이지만 BA가 실무에서 어떤 언어/툴을 가장 많이 쓰고 또 잘해야 하는지 무척 궁금해 한다.

하지만 회사/부서/팀마다 케바케인지라, 꼭 집어 대답하는 것이 매우 불편하다.

개인적인 의견으로는, SQL과 Excel은 아주 '많이' 잘해야 한다.

R은 모르겠지만 Python도 잘하면 좋다. 그러나 적지 않은 BA들이 실무에서 Python보다는 SQL과 Excel을 사용하는 것도 사실이다. (참고로 한 일본 회사는 R을 가장 중시했다)

BI(Business Intelligence) 시각화 툴인 Tableau(태블로)나 Power BI(파워BI)를 잘 다루면 플러스 알파인데, 겉으로는 직관적으로 보이지만 실제로 복잡도가 있는 정보를 표현하려면 만만치 않을 수 있기 때문에 나름 깊이 있는 학습이 요구된다.

예를 들어, 마케터들이 많이 하는 월 별 코호트(cohort) 및 리텐션(retention) 시각화를 Tableau에서 구현하려고 하면 꽤 많은 것들을 알고 또 신경써야 한다.

BA에게 요구되는 기술 스택.

회사/부서/팀마다 다르기 때문에 콕 집어 말할 수 없지만, 필자가 걸어온 길만 놓고 보자면, 단연코 SQL과 Excel이 가장 중요했다.

개인적으로, 두괄식을 선호하지만 본 포스팅은 미괄식으로 접근해보도록 하겠다.

도대체 왜 BA가 미래 유망 직업일까?

점점 더 많은 회사들이 빅데이터 분석 결과에 기반한 의사 결정을 하고 있으며, 이는 ROI의 효율성을 증가시킨다.

BA는 현재 그 중심에 있다.

현직자들은 흔히, BA 데이터 분석 따로, 경영진 의사결정 따로 아니냐는 오해를 많이 한다.

실제 뛰어난 BA는 의사결정까지 대신 해준다.

또한 유능한 경영진은 코드를 직접 짜진 않아도(못해도) 데이터와 코드를 바라보며 거짓 보고를 하는 중간 관리자들을 추궁하고 걸러내며 진실을 공유할 것을 압박한다.

이렇게 놓고 보면, BA가 미래 유망 직업이 맞다는 의견에 설득력이 실린다.

반면, 앞으로는 AI가 치고 들어올 것이 뻔하기 때문에, 빠르게 지형 변화가 일어날 것이다.

AI를 생각하면 BA가 미래 유망 직업이 아닐지 모른다는 생각이 많이 든다.

자, 다시 한 번 묻자.

도대체 왜 BA가 미래 유망 직업일까?

Why?

이번 포스팅은 여기까지.

워드프레스 등으로 홈페이지(웹사이트)를 구축하는데 있어서 SSL 인증서 설치는 보안을 위해 매우 필수적인 절차로 자리매김 했습니다.

그러나... 웹사이트 구축을 처음 하시는 분들 입장에서는...

도메인, 호스팅에 대한 컨셉과 원리를 이해하는 것에서 시작하여, 도메인 구매 업체와 호스팅 업체가 다를 경우 네임서버(nameserver) 설정이나 아래에서 설명드릴 SSL 인증서 설치 등이 커다란 진입장벽으로 느껴지는 것이 당연합니다.

우선 본 포스팅에서는 드림호스트(DreamHost) 호스팅 업체 기준으로 SSL 인증서를 설치하여 HTTPS를 적용하는 방법을 매우 간략히 설명드리겠습니다.

저의 경우 도메인은 다른 업체에서 구매했고 호스팅 플랜은 드림호스트에서 구매했기 때문에, 우선 도메인 구매 업체에 로그인 해서 DNS 관련 내용에 아래의 드림호스트의 네임서버 3개를 입력 및 적용한 상태입니다.

위 3개의 순서는 마음대로 하셔도 관계 없습니다.

도메인 업체와 호스팅 업체가 다른 경우, 네임서버를 적용하는 방법에 대해서는 제가 기존에 별도 포스팅한 자료가 없으므로 네이버, 구글, 유튜브 등에서 찾아보시거나 드림호스트에 직접 문의하시기를 권장드립니다.

자, 그럼... 네임서버 입력이 제대로 되었고 적용 또한 되었다고 가정하고..

본격적으로 본 주제인 SSL 인증서 설치 및 HTTPS 적용에 관해 포스팅 하도록 하겠습니다.

1. 먼저 웹브라우저에서 자신의 도메인(웹사이트 주소)에 접속한 뒤, 아래 상태와 같은지 확인해봅니다.

보시면 왼쪽에 느낌표 표시와 "주의 요함"이 적혀 있습니다.

해당 부분을 클릭해 보면 아래와 같이 나옵니다.

HTTPS 적용이 사용되지 않아서 보안 상 위험하다, 뭐 대충 그런 내용입니다.

일단 HTTPS 적용이 되지 않은 것이 확인되었으면, 무시하고, 드림호스트 공홈으로 로그인 합니다.

(참고로, 드림호스트에서 이미 플랜 구입을 한 것으로 전제합니다)

2. DreamHost 로그인 후 Domains>Manage Domains를 클릭합니다.

오른쪽에서, 해당 도메인 주소 오른쪽에... SECURITY 밑에 "HTTPS Not Secure"라는 빨간색 글씨를 클릭합니다.

딱봐도 보안상 추후 뭔가 문제가 발생할 수 있음을 경고하는 내용입니다.

만약 빨간색 글씨가 보이긴 하나 별도 글씨 위 클릭이 가능하지 않도록 하이퍼링크 기능이 비활성화 된 경우, 아래와 같이 Domains>SSL/TLS Certificates로 들어간 뒤, DOMAIN 주소를 확인하고 오른쪽 파란색 Add 버튼을 클릭합니다.

3. 아래와 같은 화면이 뜨면, 도메인 주소를 확인하고, FREE라고 되어 있는 것 밑 파란 부분 "Select this Certificate"을 클릭합니다.

위에서... FREE는 드림호스트가 무료로 SSL 인증서 설치를 제공하기 때문이고 (나중에 정책이 바뀔지도 모르겠습니다), 그 밑에 돈 내라고 하는건 해당 사항이 없으면 무시하면 됩니다.

참고로, FREE는 personal website 즉 개인 웹사이트에 해당하는 경우이고, 현재 기준 연 15달러 내라는건 business website 즉 비즈니스 웹사이트에 해당하는 경우인데, 대부분 본 포스팅을 읽으시는 분들은 전자에 해당할 것이기에 그냥 무료 버전을 이용하시면 됩니다.

만약 비즈니스 웹사이트를 구축하시는 경우, 어떤 것을 선택해야 할지에 대해서는 보안 관련이 매우 중요하니만큼 드림호스트 해당 업무 담당자와 이야기하여 의사결정 하시면 됩니다.

단순히... 개인 블로그 용도로 활용하면서 애드센스로 수익화를 생각하신다면 큰 이슈가 없는 한 FREE로 많이 설치를 진행하는데, 확실하지 않은 경우 드림호스트 담당자에 문의하시는게 좋을듯 합니다.

4. Success가 뜨면 끝. 설치 및 적용에 15분 정도 걸립니다.

5. 다시 드림호스트 Domains>Manage Domains에서.. 오른쪽 SECURITY 아래부분이 초록색 "HTTPS Secure"로 바뀐 것을 확인합니다.

만약 안 바뀌어 있으면 몇 분 더 기다렸다가 다시 확인해봅니다.

꽤 오래 기다렸어도 계속 안 바뀌어 있으면 문제가 있는 것으로 드림호스트 측에 문의를 해야 합니다.

6. 더블 체킹으로, 다시 자신의 홈페이지(웹사이트) 주소를 치고 들어가서 자물쇠가 잠겨 있으면 성공!

끝! 수고하셨습니다.

컴퓨터공학, 컴퓨터과학, 정보통신학 등을 전공하지 않아도, ICT 기술의 눈부신 발전이 가속화됨에 따라 뉴스 기사나 매거진 및 기타 매체에서 컴퓨터 기억장치 용량이나 호출 시간의 빠르기 정도를 표현하기 위해 아래 단위를 사용하는 것을 점점더 자주 접하게 될 수 있습니다.

우선, 급하신 분들은 위 표를 활용하십시오.

먼저 기억장치 용량의 단위는 KB, MB, GB, TB, PB 등을 사용합니다.

사실 KB, MB, GB, TB, PB의 경우 컴퓨터나 스마트폰 및 외장하드.. 혹은 플래쉬메모리(USB 등)나 클라우드 등을 이용하기 위해 자주 접하게 되므로 용어 자체에 대한 거부감이 덜 한게 사실입니다.

뒤로 갈수록 각 단계마다 "2의 10승"을 곱한 것 만큼 커지는데, 정확히는 "2의 10승 = 1,024"이지만 편의상 많은 이들은 그냥 1,000씩 커진다고 말하기도 합니다.

호출 속도의 경우 msec, µsec, nsec, psec 등을 사용합니다.

뒤로 갈수록 각 단계마다 "2의 10승 분의 1 [= 1 / (2의 10승)]"을 곱한 것 만큼 빨라지는데, 정확히는 "2의 10승 분의 1 = 1 / 1,024"이지만 편의상 많은 이들은 그냥 1 / 1,000씩 빨라진다고 말하기도 합니다.

가끔 호출 속도 계산에서, 숫자가 작아질 수록 왜 빠른거냐, 숫자가 커져야 빠른게 아니냐 라고 질의하시는 분들도 있는데, 쉽게 생각해서 100초보다는 10초가 빠르고, 10초 보다는 1초가 빠르다고 이해하시면 됩니다.

즉, 당연한 소리일 수 있지만, 빠르기를 표현하는 단위는, 숫자가 작아질수록 빨라집니다.

1초보다는 0.1초가 빠르고, 0.1초보다는 0.01초가 빠르고, 0.01초 보다는 0.001초가 빠릅니다.

마지막에 표현된 0.001초에 대한 분수 표현은 "1/1000" 즉, msec에 근접한 수입니다.

가끔 단순 시험 대비를 위한 암기법을 알려달라고 하시는 분들이 있는데, 더 효율·효과적인 방법도 있겠습니다만, 아래의 방법을 활용할 수도 있습니다.

[기억장치 용량 단위]

kmgtp => 칼매기털뽑

※시작인 "칼"은 1,024 (혹은 편의상 1,000). 이후 10^3 (10의 3승), 즉, 1,024 (혹은 편의상 1,000) 씩 곱해나감

[호출속도 빠르기 단위]

mµnp => 먼뽑 ("먼저뽑"의 준말. 즉, 당신 먼저 뽑으시오의 준말)

※시작인 "ㅁ"은 1/1,024 혹은 편의상 1/1,000. 이후 1/(10^3), 즉, 1/1,024 (혹은 편의상 1/1,000) 씩 곱해나감. µ를 편의상 그 생김새를 놓고 알파벳 u의 발음으로 대체했지만, 실제로 µ는, u가 아닌 "마이크로"임에 유의

처음에는 '뭐야... 암기법이 오히려 더 복잡하잖아' 할 수도 있지만, 한 번 익히면 제법 쓸만하다는 피드백도 꽤 있는 것 같습니다.

그럼 다들 열공하십시오. 감사합니다.

끝.

Business Analyst, 일명 BA 커리어를 희망하는 대학생들이 많습니다.

그러나 너무나 많은 컴퓨터 프로그래밍 언어와 S/W 툴 속에서 대학생으로서 뭐부터 배워야할지 혼란에 빠져있는 경우가 많습니다.

C, C++, JAVA, Python, R, ...

또 인공지능(AI)에 대한 관심이 핫해지면서, 수학 공부를 처음부터 다시 하면서 특히 Python의 다양한 라이브러리의 기능과 문법을 익히고자 노력하는 이들도 많습니다.

물론 많은 공부를 하는 것은 좋지만, 현실적으로 일정 이상의 시간을 할애할 수 없는 경우도 있습니다.

이때는 스스로에게 질문을 해야 합니다.

나는 Business Analyst가 되고자 하는가, Data Scientist가 되고자 하는가, 혹은 Data Engineer가 되고자 하는가?

일단 마지막 둘은 차치하고, Business Analyst에 대해서만 논의해보겠습니다.

완전히 Tech 쪽으로 나아가고자 하는 경우와 Data Engineer가 되고자 하는 경우, 또 Data Scientist가 되고자 하는 경우는 본 Business Analyst 논의와는 완전히 다른 방향으로 논의를 진행해야 하기에 일단 제외하는 것이지요.

회사에 따라, 학교에 따라, 사람에 따라, 데이터 전문가를 부르는 용어가 명확히 구분되지 않는 경우도 있고 섞어 쓰기도 합니다만, 특히 Business Analyst, 일명 BA의 경우 현재로서는 SQL과 Tableau를 다룰 수 있는 능력을 핵심으로 보는 회사들이 많습니다. (엑셀은 당연히 잘하는 것이 좋지만 VBA까지는 잘 다루지 못해도 특수한 경우를 제외하고는 무리가 없는 것 같네요)

물론 HIVE QL이나 Python, R 등을 추가로 더 할 수 있다면 좋겠지만.. 그래도 가장 근간은 SQL과 Tableau (혹은 MS PowerBI)라고 말하는 전문가들이 많고, 실제로 현업에서 많은 BA들이 Python을 쓰긴 하지만 비즈니스 요구사항에 맵핑시킬 수 있는 뛰어난 SQL 쿼리 작성 능력이 받쳐줬을 때 그 효과성이 증폭되는 케이스가 많습니다. (사실 많은 Business Analyst들은 SQL과 엑셀 중심의 skillset 만으로도 2020년 현재 기준 아직 먹고 살기는 합니다 - 물론 이 또한 회사마다, 부서/팀마다 다르겠지요)

보통은 Python에 SQL을 연동하는 경우가 많지만, 개인적으로 투픽은 SQL과 Tableau이고, 쓰리픽은 앞의 투픽에서 Python을 더한 것입니다. (엑셀은 기본)

단, 본 논의에서 차치하고 있긴 하지만 Data Engineer를 희망하는 경우 JAVA와 Linux를 잘 할 수 있으면 좋습니다. 

오픈소스 클러스터 컴퓨팅 프레임워크로는 아피치 스파크도 좋습니다.

그러나 본 논의는 Business Analyst에 국한되기에 일단 제외하도록 하겠습니다.

또한 단순히 SQL의 문법을 잘 아는 것이 아니라, 사용자로부터 요구사항이 있을 때 각 조건을 보다 명확히 하고 제약에 대해 사전적으로 논의하며 보다 "구체적이며 정확하게" 어떤 것을 구현해낼지를 기획할 수 있는 능력도 중요합니다.

유의할 점은, Business Analyst 또한 빠르게, 기하급수적으로 급변하는 사회 속에서 향후 AI의 역할 확대를 고려하여 더욱 많은 skillset을 확충하거나 Quality Assuarance·Control 등 인간이 잘할 수 있는 영역(이것도 케이스에 따라 기계·컴퓨터·AI가 더 잘할 수 있겠지만)이라는 다른 방향성으로 커리어를 바라보고 더 나아가 회사 외적인 수입원을 구축하는데 관심을 둬야 할 수 있습니다.

"데이터과학자" 커리어 관련해서 보다 자세한 내용을 원하시는 분들의 경우 제가 이전에 포스팅 했던 자료(아래 링크)를 참조하셔도 좋을 것 같습니다.

convergencebrainuniversity.tistory.com/296

아무튼, 현재로서는, 다양한 전략을 갖고 빠르게 진화하는 미래를 잘(?) 대비하되 일단 "SQL"과 "Tableau" 전문성을 확충하는 것이 좋은 선택일 수 있으며, 단순히 관련 자격증을 공부하는 것을 넘어서서 대학교 졸업 전에 관련 포지션으로 인턴을 할 수 있는 기회를 뚫으면 더욱 좋을 것 같습니다.

한 가지 덧붙이자면, 회사마다 BA를 모집 시 선호하는 전공이 있을 수 있는데, 만약 자신의 주전공이 포함되지 않는다고 하더라도 졸업하기 전에 전공을 추가·확장할 수 있는 다양한 방법이 있으니 도전을 두려워하지말고 전진을 하는 것이 좋을 것 같습니다.

슬랙과 함께 항상 회자되는 줌, 팀즈에 대해 간략히 설명하자면, 줌은 일상 업무에서의 텍스트 위주의 채팅 기능보다는 화상 회의에 포커스가 맞춰져있고, 팀즈는 둘다에, 슬랙은 전자에 초점이 맞춰져 있다고 합니다.

가끔 줌은 누구꺼냐는 질문이 있는데... 2020년 9월 현재 기준 줌은... 줌껍니다. (정확히는 줌비디오커뮤니케이션)

향후 언제가 되었건 M&A가 일어날지도 모르겠네요.

줌비디오커뮤니케이션은 나스닥에 상장한 테크 유니콘 기업답게 2020년 9월 현재 기준 미국 캘리포니아 산호세에 본사를 두고 있는 미국의 기업으로 소개가 되고 있는데요, 많은 전문가들은 줌비디오커뮤니케이션을 실질적으로 중국계 기업으로 분석하고 있습니다.

팀즈는 누구꺼냐는 질문도 많은데, 팀즈는 MS껍니다. 확장성이 높으며 다양한 기능을 제공하고 있습니다.

전문가들에 따르면, 하루 8시간을 기준으로 특별한 경우를 제외하고는 사무직에서 회의 비중보다는 이메일, 메신저 등 비회의성 온·오프라인 커뮤니케이션이 더 큰 시간 비중을 차지한다고 합니다.

물론 업무적 대화는 모두 회의가 아니냐, 조금더 공식이 있고 덜 공식이 있을뿐... 이라는 주장도 있는데, 틀린 말은 아니지만 일반적으로 둘을 나누는 관점을 그대로 가져가도록 하겠습니다.

더 적은 시간 차지에도 불구하고, 비회의성 온라인 커뮤니케이션은 굉장히(?) 오래전부터 계속 있어왔기에 특별한 것이 없다는 의견이 많습니다.

반면, 원격근무 활성화에 있어서 현재 시점 더 절실한 툴로 자리잡고 있는 것은 줌 등의 화상회의 툴이라는 분석 또한 존재합니다.

한편 일각에서는, 원격 100%를 가정했을 때 기존 대비 "완전에 가까운 대체제"만 절실한 것이 아니고 (예를들어 오프라인 회의가 없어졌을 때 온라인 회의), 기존부터 쭉 해오던 것을 이제는 정말 그것만 해야하기에 잘 해야 할 때 그 절실함이 증가하는 슬랙이나 기타 사내 메신저 같은 것들도 있다고 목소리가 높아지고 있습니다.

관련해서 몇 가지 FAQ를 정리하자면 아래와 같습니다.

Q1. 화상회의도 전부터 쭉 있지 않았나요? 전에도 오프라인에서 방 잡고 회의할 때도.. 멀리 떨어져 있거나 재택 하시는 분들은 줌으로 들어오시던데요?

A1. 그렇습니다. 전에도 있어왔지만, 극단적으로 원격 100%를 가정한다면 "업무 보완적 기능"에서 "비즈니스 생존을 위한 필수 기능"으로 지위가 상향될 수는 있습니다.

Q2. 슬랙으로 화상회의를 안(못) 한다면..... 좀 반쪽짜리 아닌가요?

A2. 슬랙이 아마존 Chime이나 MS 팀즈 등과 연계하여 해당 부족한(?) 부분을 어떻게 보완할지 혹은 화상회의 툴을 확보하고 있는 다른 회사를(에게) 추후 M&A 할지(당할지) 등에 많은 사람들이 주목하고 있습니다. 단, 비즈니스를 영위하는데 있어서 화상회의의 중요도를 어느 정도로 볼지, 즉 50%인지 80%인지 20%인지 등에 대해서는 이견이 있다고 합니다. 즉, 정확히 "반쪽짜리"가 맞냐, "슬랙은 꽤나 괜찮은 90%짜리 아니냐" 등의 논의는 계속되고 있지만, 공식적으로 슬랙 테크놀로지스 측에서도 해당 부분을 명확히 인지하고 계속해서 협업 등 대처에 나서고 있다고 합니다.

Q3. MS 팀즈가 짱 아닌가요? MS는 시장 지위가 있고 돈이 많은데, 마음만 먹으면 팀즈를 최고로 만들 수 있는거 아닌가요?

A3. 팀즈 매니아들이 많고 실제로 많은 회사에서 팀즈를 사용하고 있다고 합니다. O365와 더불어 패키지로 제공되고, 직원들의 사용량이 늘어날수록 비용을 다르게 지불하는 방식 등 많은 프라이스 컨트랙 패키지가 논의되고 있다고 합니다. 단, 비단 팀즈뿐만 아니라 회사가 돈이 많다고 무조건 최고의 UX·UI 툴을 제공하는 것은 아니며 활발한 M&A를 통해 순식간에 특정 툴의 사용성이 증가하는 케이스는 많기에 MS가 현재 기준 압도적으로 유리한 지위인 것은 맞다는 목소리가 큽니다.

Q4. 슬랙을 인수합병 하려는 회사가 있나요?

A4. 아무도 알 수 없지만, 아마존, MS, 세일즈포스, 페이스북 등이 대표적으로 거론되긴 합니다.

Q5. 슬랙 말고 그냥 이메일 쓰면 안 되나요?

A5. 슬랙 경험자들에 따르면, 이메일은 좀 더 공식적인 느낌이 있으며 뭔가 상대방이 한 발언의 증거(에비던스)를 남기거나 CC에 영향력 있는 인물을 넣어 업무에 있어 수신인에게 압력을 넣거나 혹은 포워딩으로 기존 증거물(?)에 덧붙여 어떤 뜻(?)을 펼치려고 한다면, 반면 슬랙은 편하게 heads-up을 주거나 좀더 자유롭게 업무 대화를 하기에 용이하다고 합니다. 예를들어, 상대가 듣도보도 못한 어떤 업무에 대해 포문을 열고자 할 때 갑자기 이메일로 쑥 밀고 들어가면 트러블이 일어나는 경우가 빈번해 슬랙으로 스며들듯 가볍게(?) 먼저 말문을 열고 1차적 협의를 한 뒤 이메일로 옮겨가면 좀 더 일하기 수월하다는 많은 이들의 의견이 있습니다.

Q6. 그냥 기존 사내 메신저랑 같은 기능 아닌가요?

A6. 같다는 사람도 있고 아니라는 사람도 있는데, 슬랙의 상대적 채택율이 높아지는 추세라고 합니다만, 계속해서 지켜봐야 할 것 같습니다.

Q7. 슬랙도 화면 캡처하면 에비던스 아닌가요?

A8. 네 맞습니다. 어떤 회사는 보안성/비용 등 이슈로 특정 기간이 지나면 휘발성으로 대화가 날아가게도 합니다만, 굳이 에비던스로 쓰고자 한다면 가능하다고 합니다. 그러나 사용자 행태 분석 결과 이메일 대비 에비던스로 활용하려는 의도성이 훨씬 더 적다고는 합니다.

2편 끝. (3편은 없습니다)

[슬랙 분석 1편: 도대체 슬랙이 뭐길래... Slack FAQ (많이 하는 질문)]

convergencebrainuniversity.tistory.com/334

요즘 슬랙(slack)이 매우 핫합니다.

2020년 9월 4일 현재 기준, 아마 스치듯 들어보셨거나 아예 처음 듣는 경우가 많으실텐데..

슬랙은 슬랙 테크놀로지스(Slack Technologies)라는 회사가 만든 클라우드를 기반으로 하는 팀 협업용 툴입니다.

지난 2019년 4월 말 경 IPO (Initial Public Offering) 대신 DPO (Direct Public Offering)를 했고, 현재 나스닥에서 핫하게 거래가 되고 있습니다.

장내에서 공개적으로 거래가 가능해진 시점 대비 아직 상당히 초기인데요, USD 20~40을 왔다갔다 하고 있습니다.

(훗날, 이 글을 보시는 분들은 '슬랙이 그랬었던 말이야? 헐' 하실수도 있겠네요)

그렇다면 슬랙은 과연 무엇인가!

온라인 채팅방, 메신저 톡방(1:1챗, 단톡방 등) 등을 생각하시면 이해가 쉬운데...

슬랙은 쉽게 말하자면 일종의 톡방(채팅방) 서비스로, IBM, 월마트, 나이키, 이베이, 링크드인, 쿠팡, 우버, 페이팔 등 많은 기업들이 주 업무용 도구로 채택하고 있습니다.

회사마다 다르지만, 어떤 회사는 업무 시간 중에는 거의 하루종일 마치 이메일 송수신에 민감도를 높이듯 슬랙과 붙어산다고 보시면 됩니다.

 2020년 9월 기준 슬랙 CEO인 스튜어트 버터필드는 슬랙이 이메일을 대체토록 하겠다는 생각을 밝혀왔고, 적지 않은 회사에서 비록 100% 이메일을 대체하진 않아도 상당 부분 슬랙이 그 비중을 높이고 있는 것은 사실인 것 같습니다.

채널(일종의 업무용 단톡방)과 1:1 다이렉트 메시지가 구분되어 있고 원하는 톡방의 알림만 수신할 수 있는 기능 등이 핫한데요, 일종의 보이스톡 서비스인 슬랙콜은 송수신 안정성이 뛰어나 내부 전배 (internal transfer) 인터뷰에 실질적으로 활용되는 경우도 많습니다.

특히 차별화되는 점은, 한 회사가 슬랙에 가입하면 해당 회사 소속 직원들은 계정/아이디 검색이나 초대를 통해 자유롭게 서로 간 대화가 가능하다는 점입니다.

파일, 이미지, 영상 전송 등을 채팅방에서 자유롭게 할 수 있다는 점은 다른 서비스와 유사합니다.

슬랙과 비슷한 서비스로 늘 대두되는 것이 줌(zoom)과 마이크로소프트 팀즈(Teams) 등이 있는데요, 관련해서는 아래 2편에서 계속하도록 하겠습니다.

[슬랙 분석 2편(끝): 도대체 슬랙이 뭐길래... Slack FAQ (많이 하는 질문)]

convergencebrainuniversity.tistory.com/335

데이터와 기계에 대한 인간의 의존도가 점점 더 높아지면서 데이터 과학이 급속도로 성장하고 있습니다.

계속해서 증가하는 데이터 환경과 방대한 데이터 세트를 처리해야 하는 필요성이 데이터 과학을 다양한 산업 분야에서 가장 높은 수준의 유망한 직업으로 만들고 있습니다.

이에 발 맞춰 많은 학생들이 대학 전공을 선택할 때 컴퓨터과학, 컴퓨터공학, 정보통신학, 기계공학, 통계학, 수학, 데이터융합공학, 응용소프트웨어공학, 정보기술공학 등 데이터 과학자로서 성장할 수 있는 공학·이학 계열에 초점을 맞추고 있습니다.

이는 과거 법 혹은 사회과학 분야를 선호하던 분위기와는 사뭇 차이가 있어 보일 수 있지만, 컨셉적으로 어느 한 도메인 그룹의 강세라기보다 사회 전반적으로 모든 분야에 있어서 IT(정보기술)·ICT(정보통신기술)가 기반이 되는 인문·사회·과학·기술 융합형 트렌드가 가속화되고 있음에 주목할 필요가 있습니다.

전세계적으로 원격 및 재택 근무의 비중이 커짐에 따라, 데이터 및 기계에 대한 의존도가 더욱 높아지고 특히 AWS, Azure 등의 클라우드 컴퓨팅 서비스에 기반한 인간과 디지털 인터페이스 간 상호작용이 급속히 증가하고 있습니다.

이것이 많은 조직들이 코딩 능력을 기반으로 데이터를 축출, (전)처리, 가공 및 평가할 데이터 엔지니어와 데이터 과학자를 적극적으로 찾고 있는 이유입니다.

데이터 과학자는 비즈니스와 IT 생태계 사이에서 비즈니스를 운영할 수 있는 잠재력을 가지고 있으며, 통찰력을 제공하기 위해 복잡한 데이터셋을 평가하여 산업을 주도합니다. 

데이터 사이언스 전문가의 수요는 계속해서 늘어나고 있으며, 이런 사회 전반 트렌드는 데이터 분석·AI 엔지니어·데이터 엔지니어 등 관련 분야에서 커리어를 쌓고자 희망하는 많은 이들에게 커리어 목표를 제공하고 있습니다.

빅데이터의 물결은 빠르게 가속화되고 있으며, 이 거대한 물결에서 승리(?)하려면 데이터를 깊이 파고들어 통찰력을 얻고 서로 간 공유할 수 있는 더 나은 이해와 지식 및 기술을 갖추어야 합니다. 

여기에서 데이터 과학은 데이터 분석, 데이터 마이닝, 예측 분석, 비즈니스 인텔리전스, 데이터 시각화, 통계, 머신·딥러닝 분석 등을 포괄합니다.
데이터 과학의 포지션으로는 다음과 같은 것들이 있습니다.

• 데이터 분석가
• 데이터 엔지니어
• AI 제품 관리자
• 데이터베이스 관리자
• 비즈니스 분석가
• 데이터 및 분석 관리자

위에서 딱 2개를 집어 "비즈니스 분석가"와 "데이터 엔지니어"를 놓고 본다면 둘은 분명 다루는 기술이나 초점을 맞추는 업무 영역에 큰 차이가 있습니다.

예를들어, 비즈니스 분석가의 경우, 물론 회사·부서·팀마다 다를 수 있지만 일반적으로 SQL과 BI도구(Tableau, PowerBI 등) 및 엑셀(VBA를 잘한다면 플러스), 조금 더 나아간다면 HIVE QL과 Python, R, 그리고 Airflow 등을 능숙하게 다룰 수 있으면 좋습니다.

물론 통계 모델링이나 A/B Testing 등에 대한 지식과 경험이 있거나 학습할 의지가 있다면 보다 확장적으로 다양한 업무를 수행할 수 있습니다.

이런 기술이 있는 전문가들에게 점점 더 많은 회사들이 쾌적하게 일할 수 있는 환경을 제공하는 것에 관심을 기울이고 있는데, 한 예로 전망이 좋은 쾌적한 장소에서 클라우드에 로그인 해서 큰 간섭없이 업무에 집중하는 비즈니스 분석가가 전세계적으로 수없이 많습니다. (물론 고용 계약을 맺은만큼, 100% 자율적 의지로 자유롭게 일하는 것은 아니며, 어느 정도 통제에 따라야 한다는 점은 기존과 동일합니다만, 과거 대비 업무 환경이 무척 쾌적해진 케이스가 무수히 많다는 것 또한 사실입니다)

SQL은 다시 또 여러 종류가 있지만 AWS Redshift, Teradata 등 어느 한 쿼리 언어를 잘 다루는 사람이라면 다른 쿼리 언어에는 금방 적응하는 특징이 있습니다.

반면 데이터 엔지니어는, 기본적으로 SQL에 능숙하고 특히 관여하고 있는 비즈니스 자체를 매우 상세히 잘 이해하고 있는 사람을 선호하는데 (신입의 경우 차이가 있음), 추가로 Python·JAVA·Linux 등을 능숙하게 다루고 Apache Spark와 같은 컴퓨팅 프레임워크를 잘 이해하고 있으며 데이터 아키텍쳐링 방법론을 잘 알고 있고 또 관련 경력이 있는 것을 매우 선호하는 경향이 있습니다.

물론 위에서 언급한 구체적인 언어나 프레임워크는 절대적인 것이 아니며 회사·부서·팀마다 차이가 있을 수 있고 또 시대에 따라 계속해서 변화 및 진화되고 있습니다.

AI 엔지니어링의 경우 또 차이가 있는데, 재미있는 사실은 AI가 위 두 영역 안으로 계속해서 확장하여 들어가고 있다는 사실입니다.

사실 각 포지션에 있어서 기술과 업무 영역 측면에서 설명해야 하는 분량은 상당히 방대하다고 할 수 있습니다.

예를들어 AI 머신러닝 하나만 놓고 보더라도, 지도학습·비지도학습·강화학습과 관련된 책과 강의, 논문 및 프로그래밍 코드가 상당히 방대합니다.

또한 AI의 이미지 vs. 텍스트 처리 방식의 차이와 각각에 있어서 최신 기술을 잘 이해하기 위해서는 많은 연구와 실무 경험이 필요합니다.

이미지의 경우 OpenCV를 다룰 수 있는 능력을 요하는 포지션도 많습니다.

또한 자연어처리(NLP. Natural Language Processing)도 계속해서 진화하고 있는 방대한 분야입니다.

데이터 과학자의 각 포지션을 뭉뚱그려 하나의 묶음 형태로 보여주는 경우도 있으나 사실 그 분류 기준에 있어서는 의견이 분분합니다.

데이터 과학과 AI를 별개로 보는 전문가들도 있습니다.

각 회사, 부서, 팀마다 요구하는 기술과 기타 요건이 다를 수 있으니, 취업 및 이직을 고려하시는 분들이라면 어떤 기술을 기반으로 자신의 스킬셋 중심을 잡을지 그 범위(scope)와 깊이(depth) 측면에서 충분히 리서치를 하고 고민 및 선택하여 파고드는 것이 권장됩니다.

끝.

지난 10년만 놓고봐도 클라우드 컴퓨팅은 많은 발전이 있었습니다.

개인적으로는 2010년 처음 시맨틱 웹과 온톨로지 연구에 관심을 가지면서 클라우드 컴퓨팅 기술도 함께 심도 깊게(?) 스터디 했었던 기억이 있습니다.

현재 클라우드 컴퓨팅은 수십억 달러 규모의 산업이 되었고 특히 마이크로소프트의 Azure나 아마존의 AWS(아마존 웹 서비스)는 전세계 약 36억 명의 사용자들에게 서비스를 제공하고 있습니다. 

여담이지만, Azure는 공식(?)적으로 "애저"라고 발음하는데, 생각보다 적지 않은 이들이 MS사의 Azure를 의도할 때 "아쥬르" 혹은 "아주르" 등으로 표기 및 발음하기도 한다고 합니다.

놀랍게도, 전 세계 인구의 약 45%가 지난 1년 동안 어떤 형태로건 클라우드 컴퓨팅에 접속했다는 기록이 존재합니다.

당연한 말일 수 있지만, 이러한 경향은 전세계의 기업, 노동자, 사회에 큰 영향을 끼칩니다.

아래 이미지를 보면, 클라우드(구름)에 공유 인프라(I), 소프트웨어(S), 플랫폼(P)이 담겨 서비스를 제공한다는 느낌을 넘어서서 보다 포괄적인 우주적 차원의 컴퓨팅 컨셉이 떠오르기도 합니다.

최종 사용자(엔드 유저)가 인지하든 그렇지 않든, 이제 디지털 세계의 거의 모든 것이 이런저런 방법으로 클라우드에 연결된다고 해도 과언이 아닙니다.

더 중요한 것은, 기술 대기업과 도전적인 스타트업이 원격으로 정보를 구성, 처리 및 공유하는 새로운 방법을 계속해서 발명함에 따라 클라우드 컴퓨팅이 더욱 널리 보급될 전망이라는 점입니다.

클라우드 컴퓨팅의 흥미진진한 미래를 전망하기 위해, 이러한 정보 기술 혁명이 기업, 인력 및 사회에 끼치는 영향에 대해 자세히 살펴보도록 하겠습니다.

1. 비즈니스에 미치는 영향

오늘날 비즈니스에 종사하는 사람이라면 클라우드 컴퓨팅을 어떤 형태로건 접할 확률이 매우 높습니다.

클라우드 데이터 센터는 2021년까지 비즈니스 워크로드의 94%를 처리할 것으로 예상됩니다.

이러한 급속한 전환은 거의 모든 사업 분야에 영향을 미치고 있습니다.

1.1. 편리한 비즈니스 커뮤니케이션 프레임워크 제공

향상된 클라우드 통신 인프라의 유비쿼터스 채택으로 저렴하고 편리한 비즈니스 커뮤니케이션 프레임워크가 계속해서 제공되고 있습니다.

클라우드 컴퓨팅의 힘을 통해 원격 직원과의 사용자 친화적인 화상 회의가 가능해지고 있습니다.

물론 아직 발전 여지가 많은 영역이고 많은 불편 사항들이 제기되고 있지만, 특히 원격 회의가 점점 더 중요해지는만큼 UX·UI 측면의 기술의 발전 속도 또한 기하급수적으로 증가하고 있습니다. 

1.2. 안전한 협업 

기존의 소프트웨어 제품군은 시스템을 최신 상태로 유지하기 위해 사용자 및 IT 기술자에게 의존하는 반면, 클라우드 컴퓨팅은 이러한 책임을 공급업체에게만 전가한다는 장점이 있습니다. (물론 공급업체에게 비용을 지불해야 하는 구조입니다)

업계 전문가들은 클라우드 기반 소프트웨어가 기존 솔루션보다 더 안전하다고 입을 모읍니다.

이를 통해 기업은 잠재력을 극대화하는데 더 집중하고 숨겨진 보안 위협에는 덜 집중하여 생산성을 효율적으로 높일 수 있습니다.

1.3. 최적화된 고객 환경

클라우드 컴퓨팅을 통해 기업은 고객에게 더 나은 서비스를 제공하는 데 도움이 되는 가치 있는 정보에 즉시 액세스할 수 있습니다. 

클라우드 솔루션은 셀프 서비스 포털과 유사한 솔루션을 통해 기업과 고객을 직접 연결할 수 있습니다. 

더 중요한 것은 기업이 최적화된 고객 서비스와 개인화된 디지털 상호작용을 제공할 수 있는 능력을 갖추고 있다는 점입니다.

물론 반대로 이야기하면, 고객 또한 어느 정도 서비스 사용법에 대한 학습을 해야할 수 있지만 이 또한 단순화를 위해 많은 노력이 기울여지고 있는 상황입니다.

2. 인력에 미치는 영향

현재 모든 사업의 중추는 노동력입니다.

경제학자를 비롯한 각계 전문가들이 수년 동안 로봇 자동화의 영향을 예측해 왔지만, 현재 시점 직원(인간)들이 미래의 비즈니스 성공에 여전히 중요한 역할을 하고 있는 것은 자명합니다.

다만, 이 또한 기술의 기하급수적 진화로 향후 10년 안에 어떻게 변화할지 주의를 기울일 필요가 있습니다.

클라우드 컴퓨팅이 인력에게 제공하는 몇 가지 주목할 만한 이점에 대해 살펴보겠습니다.

2.1. IT 전문가 역량 강화 

클라우드 기반 시스템의 활용은 직원들이 자신의 고유한 재능을 최대한 활용할 수 있도록 하는 추가적인 이점을 제공합니다.

전사적으로 클라우드 솔루션을 채택하면 사내 IT 팀의 부담을 덜어주는 데 도움이 됩니다.

그 결과, IT 전문가들은 헬프 데스크 작업이나 오류 디버깅에 수 많은 시간을 할애해야 하는 대신 주요 비즈니스 목표에 집중할 수 있게 되었습니다.

2.2. 유연한 워크플로우 

클라우드 기술은 모든 직원이 데이터 손실에 대한 두려움 없이 다양한 기기(태블릿 및 스마트폰)에서 작업할 수 있도록 합니다.

이와 같은 유연한 워크플로우는 원격/재택 근무 등 "일과 가정의 양립"이 새로운 트렌드로 자리 잡고 있는 오늘날 특히 유용합니다. 

화상 회의 및 원격 협업을 위한 클라우드 기반 기술의 채택률이 최근 몇 달 동안 급증하고 있습니다. 

앞으로 클라우드 컴퓨팅은 더욱 중요해질 것입니다.

2.3. 직원 만족도 향상

상투적일지 모르지만, 직원들의 직장 행복도 및 만족도가 높을수록 보다 생산성이 높아진다는 것은 이미 증명된 바 있습니다.

클라우드 컴퓨팅을 활용하는 노동자들은 많은 혜택을 누리고 있으며, 이는 직장에서 직원 만족도를 높일 수 있는 잠재력을 가지고 있습니다.

사실 대부분의 직원들은 AWS, Azure 등의 클라우드 서비스를 이용하는 동안 초기 사용법을 익히는 시기를 제외하고는 딱히 기술적 어려움을 크게 겪지 않을 확률이 높습니다.

자신의 계정으로 클라우드 서비스에서 로그인 한 이후에는 각자 업무에만 집중하면 되기 때문입니다.

특히 클라우드 컴퓨팅에 힘입어 원격/재택 근무가 활성화 된다면 근로자들이 그들의 창의성을 활용하는 동시에 고용주들이 이직률을 줄이든데 도움이 될 수 있습니다.

직원들의 심리적 상태, 직장에의 태도 및 생산성은 기업의 미래에 굉장히 중요하기 때문에, 특히 각 분야 전문성이 높은 직원들에게 심적·물리적 자유도를 클라우드 기반으로 높여주어 고급 인적자원의 1) 보유(=retention) 비율을 높이고 2) 이탈(=attrition) 비율을 낮추는 것에 몰입하는 것이 바람직할 것입니다.

클라우드 컴퓨팅은 직원 정서를 향상시키기 위해 개발되지는 않았지만, 자연스럽게 직원들에게 정서적으로도 혜택을 주는 여러 가지 이점을 제공합니다.

3. 사회에 미치는 영향

클라우드 컴퓨팅의 빠른 성장은 미래 혁신의 자연스러운 연장선 상에 있습니다. 

기술 전문가들은 앞으로 클라우드 컴퓨팅이 5G 연결성, 사물인터넷(IoT), 빅데이터와 결합해 사람들의 일상생활을 완전히 재정의할 것으로 기대하고 있습니다.

어찌보면, 잘 갖춰진 통신 인프라, 클라우드 컴퓨팅 및 연결성(=connectivity)의 극대화를 생각한다면, 위 아래 이미지에서 사람의 손에 들려져 있는 물리적 디바이스와의 인간-컴퓨터 상호작용(=HCI)이 답답해 보이기도 합니다.

보다 직관적이며 빠른 상호작용 방식으로의 기하급수적 진화가 예상되기도 합니다.

놀랍지 않은 것은, 이미 클라우드 컴퓨팅에 기반한 라이프스타일의 변화를 체감하고 있는 사람들이 전세계적으로 많다는 것입니다.

줌 등을 활용해서 원격 회의를 하고 AWS 등에 접속해서 빅데이터 분석을 하는 것은 이미 일상 속에 깊이 스며들어 있으며, 원격/재택 근무의 활성화로 물리적으로 일과 삶의 경계가 모호해지면서 새롭게 대두되는 이슈들에 대한 논의가 핫한 상황입니다.

공상 과학 소설처럼 들릴 위험을 무릅쓰고, 이런 기술들이 전 세계에 미칠 몇 가지 흥미로운 영향들에 대해 살펴보겠습니다.

3.1. 유비쿼터스 컴퓨팅

5G, 클라우드 컴퓨팅 및 전자제품 제조의 기하급수적 개선 및 발전이 결합되어 유비쿼터스 컴퓨팅이 가능해질 것이며 미래에는 모든 개체들이 어느 정도의 계산 능력을 갖추게 될 수 있을 것입니다.

이런 유비쿼터스 컴퓨팅의 패러다임이 구현되면 이용자들에게 무한한 가능성을 제공할 것입니다.

3.2. 교육의 장벽이 허물어짐

Coursera와 같은 클라우드 기반 교육 플랫폼 덕분에 전세계 많은 나라의 학생들은 이제 언제 어디서든 고품질 온라인 강의에 접근할 수 있는 능력을 갖게 되었습니다. 

고품질 온라인 교육의 연계성 향상은 교육의 장벽을 더욱 허물어 개발도상국의 학생들이 사회경제적 지위에 관계없이 수준 높은 교육을 받을 수 있도록 할 것입니다.

3.3. 디지털 노마드(유목민)의 대두

디지털 노마드의 개념은 사람들이 컴퓨터 기술의 진보를 활용하여 세계 어디에서나 생활하고 일하고 놀 수 있다는 생각에 초점이 맞춰져 있습니다.

원격 작업이 널리 받아들여짐에 따라, 점점 더 많은 사람들이 이러한 미래 생활로 전환할 것으로 예상됩니다.

이러한 경향은 클라우드 컴퓨팅과 관련된 기술을 바탕으로 하고 있습니다.

많은 이들이 디지털 노마드를 꿈꾸고 있으며 현실적인 방법을 계속해서 찾고 또 행동에 옮기고 있는 것으로 알려져 있습니다.

"회사"와 "직장"의 개념이 빠르게 변화하고 있는만큼, 디지털 노마드로 생계를 유지할 수 있는 현실적인 대안이 계속해서 제시될 것으로 기대됩니다.

즉, 디지털 노마드는 더 이상 일부 계층이 아닌 많은 이들이 마치 현재 "누구나 (정규직·비정규직, 대·중견·중소 기업 및 스타트업을 막론하고) 회사를 다닐 수 있듯" 취할 수 있는 평범한 삶의 한 방식 혹은 라이프스타일이 될 것이라는 전망이 많습니다.

이것을 가능하게 하는 클라우드 컴퓨팅의 지속적인 증가는 기업, 인력, 사회 모두에 많은 이점을 제공할 것이며 위에서 강조된 이익은 앞으로 다가올 흥미진진한 발전들 중 일부에 불과합니다. 

한 가지 확실한 것은 현재가 클라우드 컴퓨팅을 비즈니스, 인력 또는 개인 생활에 도입하기에 더할 나위 없이 좋은 시기라는 점입니다.

끝.

안녕하세요, 티스토리 블로그 융합두뇌대학교 2운영자 특이두뇌입니다. 본 포스팅에서는 4IR 기술과 전염병, 그리고 재택근무를 필두로 하는 우리 삶의 근원적 변화에 대해 다루어보도록 하겠습니다.

우선 4IR은 4th Industrial Revolution으로서, 4차 산업혁명을 의미합니다.

영자 신문 등에 자주 등장하니 이 '4IR'이라는 단어를 알아두시면 좋습니다. (이하 4차 산업혁명을 4IR로 명명)

신종코로나바이러스의 추가 확산을 막기 위해 전 세계 국가들이 적극적으로 가급적 외출 자제 및 사회적 거리두기(=social distancing) 등 예방 조치를 취하고 있습니다.

즉, 국제 전염병 예방에 대한 적극적 조치 실천이 장기화됨에 따라, 우리에게 일(=work) 뿐 아니라 살아가는 근본적인 방식 자체(=fundamental lifestyle)에 변화를 주고 있습니다.

이 조치들이 얼마나 오래 유지될지 예측하기 어려운 가운데, 우리의 삶에 영구적인 영향을 끼치는 것이 아니냐라는 우려의 목소리 또한 존재합니다.

여기에는 다양한 원인이 있지만, 몇몇 이들에게 있어 이전에 거의 경험해보지 못해 아직 적응이 어려운 재택근무 지속 및 자녀 원격교육과 더불어, 재택근무를 통한 업무 수행의 지속가능성에 대한 개인적 의구심과 안정성에 대한 불안감 등이 주요하다는 일각의 분석이 있습니다.

더불어, 전염병에 맞서는 모든 합리적 예방 조치들을 취해야 하는 것에 동의하지만, 경제 및 사회 활동에 무한정 제약을 걸 수는 없는 것 아니냐는 목소리를 내는 사람들도 있습니다.

하지만, 다른 한편에서는,

전염병이 당장 경제에 불안정성을 높인 측면이 존재하는 것은 사실이나, 4차 산업혁명 시대에서 우리가 살아가는 방식 자체의 근원적 변화를 가속화시키고 있다는 의견도 있습니다.

즉,

어떻게 해서든, 삶은 계속되어야만 하고, 신종 코로나 바이러스와 같은 유행병이나 향후 다른 잠재적인 혼란을 극복할 수 있는 혁신적인 방법을 찾는 것이 중요한데, 여기에 해답을 주는 것이 바로 4IR이라는 의견이 지속적으로 제기되는 것입니다.

우리는 종종 4IR이 기존 시스템을 무너뜨리는 원동력이 되어, 현대인들의 삶과 사회의 경제적 번영을 위협할 수 있다는 말을 듣곤 합니다.

하지만 현재 상황을 놓고 보자면 위의 부정적 의견과는 매우 다른 양상을 보이고 있는 것도 사실입니다.

과연 4IR은 인류에게 위협일지 기회일지 혹은 양쪽 모두일지, 많은 의견들이 팽팽히 대립하고 있는 상황입니다.

1. 4IR과 원격(재택) 근무

4IR 기술은 신종코로나바이러스만 보더라도 우리의 일상 생활의 많은 부분을 복구(=recover)하기 위한, 정보통신기술 기반의 해결책을 제시하면서 전례 없는 도전들을 극복하도록 지원하고 있습니다.

예를 들어, 디지털 화상회의(=VC. Video Conference)라는, 스크린 매개의 텔레 커뮤니케이션 & 상호작용 기술은 재택근무를 가능하게 하는 핵심 기술이라고 할 수 있습니다.

즉, 많은 경제 활동 인구가 원격으로 일하면서도 여전히 동료들과 상호작용을 지속하고 있는 것이지요.

이에 대해 원격 화상회의가 기존 방식에 비해 불편하다는 목소리 또한 있지만, 오히려 불필요한 타임 로스(=time loss)를 줄여 일의 생산성이 높아졌다는 의견이 늘어나고 있습니다. (적응하기 나름 아니냐는 사람들 또한 늘고 있고요)

2. 4IR과 원격 교육

더불어, 4IR 교육 시스템은 웹 교육 & 세미나 등을 통해 아이들의 재택 학습을 가능하게 하고 있습니다.

물론 기존 오프라인에서 선생님들이 담당한 일정 수준 이상의 '타의에 의한 통제'를 집에서 담당하기가 힘들다는 의견도 제기되고 있는 상황인데요, 이에 대해 향후 어떤 방향으로 발전되어 나갈지 주의가 집중되고 있는 상황입니다.

3. 4IR과 e-Commerce

신종코로나바이러스로 인해 온라인 e-Commerce 쇼핑이 오프라인 쇼핑을 대체하는 경향성이 점점 확대되고 있습니다.

이러한 트렌드는 최근 가정 필수품 뿐 아니라 식재료 및 음식 그 자체, 즉, 신선(=fresh) 식품까지 그 영역이 확장되고 있습니다. 이 외 배달음식 주문 건수도 계속해서 늘어나고 있지요.

이런 온라인 기반 e-Commerce는 오프라인 장보기를 대체하는 하나의 쇼핑 표준으로 자리잡을 수도 있다는 전망입니다.

관련하여, 이전에 융합두뇌대학교에서 포스팅한 내용이 있는데, 아래에 링크를 붙여 드리니 참조하시면 좋을 것 같습니다.

[글 중간쯤 'e-Commerce' 관련 내용을 다룬 포스팅 링크(아래)]

https://convergencebrainuniversity.tistory.com/79

4. 4IR과 전염병 극복
4IR은, 우리가 '가급적 외출 자제' 및 '사회적 거리두기'를 지키는 가운데에서도 삶을 영위할 수 있게 해줄 뿐만 아니라, 빅데이터 분석 및 통찰력 기반의 스마트한 방향 제시를 통해 전염병의 확산을 정량적인 데이터에 기반하여 효과적으로 통제할 수 있도록 돕고 있다는데 동의하는 사람들이 늘고 있습니다.

전염병 확진자 이동 동선 시각화(=visualization) 정보 제공 뿐 아니라, 지역 블로그, (구청) 웹사이트 및 스마트폰 문자 서비스 등 다양한 채널·서비스에 더하여, 4IR의 핵심인 AI 기반의 빅데이터 분석이 만나 빠르게 정확도가 높은 정보를 공유할 수 있다는 분석입니다.

또한, 위 실시간(=real-time) 정보에 대한, 유저 간 자유로운 의견 제시와 비록 국소적이지만 해당 지역사회에 효과적인 고급 정보 공유 등 양질의 온라인 소통을 통해 지역사회에 전염병이 퍼지는 것을 막는데 있어서 4IR이 크게 일조하고 있다는 의견이 늘고 있습니다.

더불어, 놀랍게도 3D 프린팅은 단기적으로 필수 의료 물품의 생산을 증가시키기 위해 활용되고 있습니다.

전통적인 공급망에만 의존해서는, 엄청난 수요가 존재하는 수술 마스크, 인공호흡기 부품, 진단 키트를 시기적절하게 적재적소에 공급하기에 무리가 있기에, 4IR 3D 프린팅 기술을 통한 공급 증대로 지역사회 의료 지원에 일조하고 있다는 분석입니다.

또 다른 예로, 블록체인은 아직 제한적으로 사용되고 있긴 하나 우리가 물리적으로 존재할 필요 없이 안전하게 계약을 체결할 수 있게 돕고 있습니다.

위 다양한 케이스들을 염두에 둔다면,

4IR 기술이 사회적 거리두기를 유지하면서 각 산업에 속한 비즈니스 주체들의 활동을 지속할 수 있도록 지원한다는 점에는 의심의 여지가 없을 것입니다.

5. 4IR과 IIoT & Cloud Computing & 자율주행자동차

조금 더 확장적으로 생각한다면,

인공지능(AI)을 이용해 공장 바닥에 전력을 공급하고 원격 의사결정을 할 수 있으며, 로봇은 노동력을 감염 위험에 노출시키지 않고 생산을 지속할 수 있도록 보장할 수 있는 부분 또한 존재합니다.

글로벌 제조업체들은 산업용 사물인터넷(=IIoT. Industrial Internet of Things)과 클라우드 컴퓨팅(=cloud computing)을 결합해 가상 지휘통제센터에 원격으로 접속해 세계 어디에서나 여러 시설을 감시하고 운영할 수 있게 되었습니다.

전형적인 IoT의 무료 이미지들이 있어 위, 아래 붙여 보았습니다.

특히 클라우드 서비스는 크게 SaaS(=Software as Service), IaaS(=Infrastructure as Service), PaaS(=Platform as Service)의 3가지로 분류할 수 있는데요, 관련해서는 추후 포스팅을 기약하도록 하겠습니다.

재미있는 사실은,

클라우드 컴퓨팅에서 '클라우드'는 말그대로 구름에서 유래한 것입니다.

클라우드 서비스는, N-Platform (다양한 플랫폼)으로 온라인 상 저장된 데이터·정보를 시간과 공간의 제약을 받지 않고(i.e. time/space-free) 유저들이 상호작용할 수 있는 심플한 컨셉에서 더 나아가, 클라우드에 각종 소프트웨어를 사전 설치 및 보안 설정 등 기타 요구사항을 정교하게 커스터마이즈 시키는 둥, 플랫폼 프리하게 비즈니스 및 개인의 활동 영위를 가능하게 하는, 발전 여지가 무궁무진한 도메인이라 할 수 있습니다.

이런 관점에서 4IR을 해석한다면, 저명한 미래학자 레이 커즈와일(Ray Kurzweil)이 말한 2045년 특이점이 보다 앞당겨질 수도 있을 것이라는 생각이 드는데요, 관련하여 융합두뇌대학교에서 과거 포스팅한 내용을 아래에 링크로 붙여드리니 함께 참조하시면 좋을 것 같습니다.

["특이점" 관련 글 링크(아래)]

https://convergencebrainuniversity.tistory.com/152

게다가, 이러한 4IR 기술의 비약적인 발전으로, 우리는 가까운 장래에 자율주행차를 탈 수 있게 될 것이고, 따라서 전염병에 걸린 사람이 탑승해 있는 다른 차들과 가까운 거리에 있는 것을 피할 수 있게 되었다고 합니다.

정말 기가 막히지 않나요? 빅데이터 분석에 기반한 자율주행 자동차의 소위 '자동치끼리도 사회적 거리두기'... (소오름...)

위 언급된, 4IR의 많은 장점들을 놓고 봤을 때, 창의성과 혁신에 기반한 소위 '새로운 디지털 DNA'를 적극적으로 받아들여야 한다는 의견들이 늘어나고 있는 상황입니다. 

이는, 4IR 기술 혁신이 산업, 회사 및 개인의 시급한 과제들을 해결할 수 있는 효과적인 도구라는 것이 계속해서 증명되고 있고, 따라서 4IR이 인류의 진보에 있어서 원동력이 될 것이라는 의견으로 해석할 수 있습니다.

끝. 

안녕하세요, 티스토리 블로그 "융합두뇌대학교" 1운영자 융합두뇌입니다.

본 포스팅에서는, 전세계 컴퓨터과학(=Computer Science), 컴퓨터공학(=Computer Engineering), 정보통신공학(=Telecommunication[Information Communication] Engineering), 기계공학(=Mechanical Engineering) 및 관련 분야 전공자들을 포함하여 많은 사람들에게 매우 핫한 '특이점 (Singularity)'이라는 컨셉에 관해 다루어보도록 하겠습니다.

비록 더 이전이 아니냐는 논란의 여지는 있지만, 특이점(=Singularity)이라는 용어는 1950년 대부터 본격적(?)으로 사용되었다고 알려져 있는데요, 학술 용어인 기술적 특이점에서 유래 했으며, 컴퓨터의 능력이 인간 두뇌의 능력을 능가하는 시점의 의미로 현재 많이 사용되고 있습니다.

미래학자 레이 커즈와일 (Ray Kurzweil)은 특이점을 2045년이라고 내다봤는데요, 사실 이전에도 많은 사람들이 특이점에 대해 예측했지만 학계에서 가장 주목을 하고 있는 시기가 바로 이 2045년이라고 할 수 있습니다.

하지만, 몇 년 전부터, 레이 커즈와일이 말한 2045년보다 특이점이 훨씬 더 앞당겨질 수 있지 않을까 라는 많은 예측들이 나오고 있는 상황입니다.

위 이미지는 (사람 머리 부분을 제외하고는) 허술하게나마 제가 직접 그렸는데요, 담고 있는 의미는 위에서 언급한 Ray Kurzweil의 저서 "특이점이 온다 (The Singularity is Near)"에 기반하고 있습니다.

구체적으로,

시간(역사)의 흐름에 따라 기술의 발전이 전체적으로 기하급수적 증가 양상을 띤다고 해도..

현재 시점에서 과거를, 즉,

왼쪽 하단 빨간 네모를 바라보고 있는 인간은, 자칫 과학기술의 발전 속도를 '선형(=linear)'으로 오해하여 인지할 수 있다는 점을 보여주고 있습니다.

실제로는 오른쪽 상단 노란색 네모처럼 Al에 기반한 기하급수적, 폭발적(?) 발전이 임박했을 수 있는데 말이지요.

선형이라는 건 기하급수적(=exponential) 발전 대비 상당히 느린 양상인데요, '예나 지금이나 사람 사는건 비슷한 부분이 많잖아?'라고 생각하는 가운데, 어느 순간 과학기술(=Science and Technology)의 발전은 AI에 기반하여 걷잡을 수 없는 폭주를 보여줄 수 있다는 경각심(?)을 불러 일으키는 내용입니다.

다시 특이점으로 돌아와서,

특이점에 도달하는 것은 인류의 가장 위대한 마지막 성취라고 하는 사람들이 있을만큼 산·학에서 굉장히 주목하고 있는 컨셉이라고 할 수 있습니다.

The International Journal of Astrobiology에 발표된 새로운 논문에서 좀 흥미로운(?) 내용이 있는데요, 예루살렘 히브리 대학의 Joseph Gale과 공동 저자들은 특히 패턴 인식 및 자기 학습에서 최근 인공지능(AI)의 발전이 외계 지적 생명체를 찾는 패러다임의 변화를 가져올 가능성이 높다고 지적했습니다.

두둥...!

갑자기 과학기술 이야기를 하다가 왠지 공상과학에나 나올법한 외계인에 대한 이야기가 나오니 다소 황당할 수 있는데요, 사실 컴퓨터과학 분야 종사자 분들 중 적지 않은 수가 단순히 논리회로 설계/분석이나 클라우드 컴퓨팅, 온톨로지 연구, 절차·객체 지향 프로그래밍 등을 하는 것이 아닌, 정보통신기술, 생명공학, 기계공학, 화학, 수학, 통계학, 디자인뿐 아니라 우주공학, 정신의학, 심리학 및 철학까지 포괄 (헐?!)하여 다양한 도메인과 연계하여 통섭적 측면에서 많은 협업 연구를 진행하고 있습니다.

외계 생명체의 경우에도 이런 확장적 관점에서 단순 공상과학 측면이 아닌, 많은 과학자들 사이에서 '결국 비약적 인류 발전을 가능하게 하는 다음(=next)은 무엇인가?'이라는 물음에 대해 무언가 답을 제시해줄 수 있는 강력한 후보 중 하나로 자주 회자가 되고 있는 것이지요. 물론 한편으로는 두려운 존재로 인식되기도 하고요.

외계 생명체 이야기를 차치한다면,

실제로 한국을 포함하여 전세계 많은, 선진교육이 실시되는 국가의 적지 않은 수의 응용소프트웨어공학 분야 학생·연구원들은 Python·JAVA 프로그래밍을 하다가, 하버마스와 Carl Gustav Jung 관련 서적을 탐독하는 둥, 철학(=Philosophy) or/and 정신분석의 컨셉과 그 중요성을 컴퓨터 싸이언스 도메인으로 끌고와 향후 과학기술의 방향성을 설정하는데 활용하고 있는 추세입니다. (물론 아직 초기 단계이기에 그 수가 아주 많진 않으나, 전세계적으로 이런 통섭 연구가 점차 확산되고 있는 상황입니다)

연계 컨셉으로는 'HCI (Human-Computer Interaction)'의 통섭적 차원의 크로스도메인 연구가 있는데요, 해당 부분은 추후 포스팅을 기약하도록 하겠습니다.

다시 Joseph Gale로 돌아와서,

Gale과 그의 공동 저자들은 특히 양자 컴퓨팅의 등장으로 특이점이 훨씬 더 임박했을지도 모른다고 믿고 있습니다.

양자 컴퓨팅은(=quantum computing)은 양자 컴퓨터(=quantum computer)가 '얽힘(=entanglement)' or/and '중첩(=superposition)'과 같은 양자역학적 현상을 활용하여 자료를 처리하는 컴퓨팅 기법인데요, 계산의 기본 단위로 '큐비트(=qubit)'를 사용한다고 합니다. 

양자 컴퓨팅의 처리 기본 단위이기 때문에 위 '큐비트'는 '양자비트(=quantum bit)'라고 불리기도 하지요.

일반적으로 컴퓨터는 디지털 정보를 0과 1의 비트 단위로 처리 및 저장하는 것으로 잘 알려져 있는데요, 이에 반해 양자 컴퓨터는 디지털 정보를 0과 1의 상태를 동시적으로 갖는 바로 이 큐비트(=양자비트) 단위로 처리 및 저장한다고 합니다.

잠시 알파고 이야기를 하자면,

'시도와 실패 (Trial and Error)'에 기반한, 에이전트가 보상 극대화 방향으로 학습을 진행하는 '강화학습(=Reinforcement Learning)'이 이세돌을 이긴 알파고의 기술적 근간 중 하나라고 할 수 있습니다.

머신러닝을 구성하는 지도학습, 비지도학습, 강화학습의 한 축인데요, 이런 AI 기술의 급격한 발전이 특이점을 앞당겼다고 주장하는 것이지요.

Gale은 컴퓨터의 계산능력을 중심으로, '인공신경망(=Artificial Neural Network)' 내부 구조를 인간의 뇌에 있는 뉴런의 수를 놓고 단순 비교한다면, '특이점'은 2020년 대 초반에 도달할 수 있을 것이라고 했습니다.

하지만, 그러기 힘든 이유에 대해 인간의 뇌는 컴퓨터와 다른 방식으로 유선화되어 있어 컴퓨터가 이것을 넘어서도록 설계되는게 아직 쉽지 않기 때문이라고 합니다.

즉, 인간에게는 단순한 특정 작업이 오늘날 AI에게는 여전히 상당히 어렵다는 것이지요.

또한, 뇌의 크기나 뉴런의 수는 지능과 일맥상통하지 않는다고 합니다. 

예를 들어, 고래와 코끼리는 인간 대비 뇌의 뉴런 수가 약 2배로 알려져 있지만, 인간보다 지능은 높지 않지요.

즉, 뇌 속에 있는 뉴런의 수만 놓고 본다면, 무려 약 2,570억개라고 알려진 아프리카 코끼리의 위엄을 빼놓을 수 없을 것입니다.

그러나 산·학의 많은 뇌 관련 전문가들은 지능과 밀접한 관련성이 있는 것은 뇌 전체적인 뉴런 수보다는 대뇌피질(=cerebral cortex)에 분포된 뉴런의 수라고 발표하고 있습니다.

물론 '지능'의 정의와 그 내부 메커니즘에 대해서는 아직 추가적으로 연구해야 하는 부분이 무궁무진하기에 계속해서 연구 성과를 관심있게 지켜볼만한 분야입니다.

Ray Kurzweil은 인간-기계(컴퓨터) 복합의 transhuman 컨셉을 강조하며 오히려 "낙관적(=optimistic)" 미래를 제시한 것으로도 유명한데요, 이를 어떻게 받아들여야 할지 인간으로서 난감한 부분이 존재하는게 사실입니다.

Gale은 우주 생물학을 논하며, 외계 지적 생명체(SETI)를 찾게 된다면, 또 그들의 문명이 우리와 비슷하지만 더 오래된 것이라면, 그들은 이미 '특이점'을 넘어섰다고 할 수 있을 것이라고 발표했습니다.

그들이 건조하고 차가운 환경, 아마도 우주에서 초전도성(=superconductivity)을 통신 수단으로 사용할 수 있는 장소를 선호할 것이라고 예측하면서 말이죠.

Gale은 인간은 이제 막 '양자간 얽힘 (quantum entanglement)'에 대해 이해하기 시작했는데, 이것이 데이터·정보를 전달하는 데 효과적으로 활용될 수 있을지는 아직 확실하지 않다고 합니다. 

또한, 컴퓨터가 성취할 수 없는, 수백만 년의 진화를 거친 인간의 생물학적 두뇌에 어떤 독특한 것이 존재할 수 있고, 따라서 특이점에 도달하는 것이 쉽지만은 않을 것이라고 합니다.

이런 측면에서, 특이점에 도달하는 것이 인류의 가장 위대한 성취가 될 수 있다는 것이지요.

본 포스팅에서는 다소 학술적인 내용을 다루어보았는데요, 특히 오래전부터 전세계적 조명을 받고 있는 컨셉 '특이점'에  대해 간략히 알아봤습니다.

이 '특이점'이라는 컨셉은 앞으로 점점 더 산·학뿐 아니라 일상 대화에서조차(!) 자주 등장할 것으로 예측되기 때문에 기억해두시면 추후 유용할 것입니다.

끝으로, 위에서 잠깐 언급한 'HCI'와 '머신러닝 (지도학습+비지도학습+강화학습)'에 대해서는 이후 다른 포스팅에서 조금 더 자세히 다루도록 하겠습니다.

[혹시 못 보신 분들을 위해! 위에서 다룬 '특이점'과 연계하여, 의외로 자주 언급되는 '무어의 법칙 (Moore's Law)'에 관한 융합두뇌의 포스팅]

https://convergencebrainuniversity.tistory.com/118

끝.

안녕하세요, 티스토리 블로그 융합두뇌대학교 1운영자 융합두뇌입니다.

빅데이터가 화두가 된지 오랜 시간이 흘렀고, 산학에서의 많은 양질의 교육을 통해 다양한 도메인에서 훌륭한 데이터 과학자 (Data Scientist)가 많이 양성되어 여러 공헌을 하고 있습니다.

데이터 과학자가 매우 사랑하는 대표 컴퓨터 프로그래밍 언어로는 Python, Java, R 및 SQL 등이 있을 것입니다. 

사실 이 외에도 (주로 개발자이긴 하겠으나) 프론트엔드 또한 관여하는 경우 Javascript (incl. React Framework), 백엔드와 연계하는 경우 Node.js, 혹은 다른 영역에서는 Ruby와 같은 스크립트 언어나 C 계열 언어 등도 아직 많이 채택되고 있으나, 아무래도 데이터 분석이나 과학 단에서만 이야기한다면 Python, R과 SQL의 무적 조합(?)을 누르기는 힘들 것 같습니다.

더불어, 'IDE (Integrated Development Environment)' 즉,  '효율적으로 소프트웨어를 개발하기 위한 통합개발환경 소프트웨어 어플리케이션 인터페이스'로는 특히 JAVA의 경우 Eclipse가 대표적이겠으나, Python 스크립트 언어의 경우 Jupyter Notebook이냐 PyCharm이냐의 대립이 2020년 현재 기준 여전히 핫합니다. 

둘 다 쓰는 경우도 흔하고, 저 또한 둘다 쓰되 무게 중심이 Jupyter Notebook 쪽에 좀 더 있는 것 같습니다.

특히, 이제 어느 정도 오래 되긴 했으나, Coursera의 Andrew Ng 교수의 머신러닝 (Machine Learning) 강의는 AI에 대한 전세계인들의 관심과 이해를 증폭시키는데 공헌을 했고, 요즘에는 머신러닝, 딥러닝을 공부하고자 하는 사람들이 정말 많습니다.

Coursera를 비롯해서 Edx, Udacity 등 많은 교육 플랫폼에서 AI 관련 많은 양질의 강의들이 폭발적으로 쏟아져 나오고 있고, 이 가운데 수학의 중요성이 다시금 부각되어 수학 열풍도 함께 불고 있지요. 

그래서 요즘에는 초등학생들도 Python을 공부하고, 또 대학생들이 MySQL 혹은 MariaDB 등을 공부하고 Oracle 자격증을 따는 등 프로그래밍언어에 대한 공부와 더불어 수학을 제대로 공부하고자 하는 사람들도 폭발적으로 증가했습니다.

이에 대해 다양한 시각과 해석이 존재하지만, 훌륭한 현상이라 말하는 학자들이 많고, 저 또한 다양한 프로그래밍 언어들에 관심이 많지만 특히 Python, R, Linux, JAVA, SQL (Teradata, Redshift, MySQL, Oracle 등), Hive 등의 언어를 매우 좋아하고 Apache Spark와 같은 플랫폼에 관한 관심도 많습니다. 

대부분의 회사들이 AWS나 Azure와 같은 클라우드 서비스와 연계해서 데이터 분석을 하고 있기에 저도 AWS가 친숙하고 특히 BI (Business Intelligence)에도 관심이 많아 Power BI나 Tableau와 같은 시각화 툴도 지속적으로 접하고 있습니다. 관련해서 조금 더 구체적인 이야기는 프로그래밍 코드 단에서 포스팅을 할 일이 있으면 그때 하도록 하겠습니다.

다만, 한 가지 하고 싶은 이야기는 바로 “무어의 법칙 (Moore’s Law)”에 관한 이야기입니다. 

사실 무어의 법칙 자체는 마이크로칩의 밀도가 매 24개월마다 약 2배로 증가한다는 것인데요, 2020년 현재 시점에 있어서 해당 법칙 자체의 적용가능성 혹은 데이터 측면의 정합성을 떠나, '증가 속도 컨셉'만을 따와서 미래학자 레이 커즈와일 (Ray Kurzweil)의 저서 “특이점이 온다 (The Singularity is Near)”의 내용과 결부시킨다면 다음과 같은 논의가 가능합니다.

논의의 핵심은, 기술의 발전은 기하급수적인 모양새를 띠기 때문에 과거부터 현재까지 기술의 발전 속도를 자칫 선형으로 인식하기 쉬우나 실제로는 현재부터 가까운 미래에 기술의 폭발적 발전이 있을 수 있고 이것이 인간을 넘어설 때 인간은 과연 어떠한 대비책을 마련해야 하는가 하는 부분입니다. 

사실 Ray Kurzweil의 저서를 잘 읽어보면 transhuman의 컨셉이 존재하는데요, 본 포스팅에서는 차치하도록 하겠습니다. 저의 경우 2010년에 관련 내용에 관심이 많아 당시 열심히 리서치 했던 기억이 있네요.

프로그래밍을 가장 잘하는 것은 인공지능이라고 합니다. 단순한 유지보수가 아닌 처음부터 (from scratch) 알고리즘 코드를 정교하게 짜는 능력치 역시 기하급수적 발전 양상을 띠고 있다고 합니다. 

이 가운데 현재의 우수한 데이터 과학자들 및 개발자들(Front/Back-end 등)이 향후 프로그래밍 유지보수 및 QA (Quality Assurance) 포지션 쪽으로 집중하게 될지 혹은 다른 새로운 방식의 포지션들이 창출되어 해당 포지션들을 중심으로 인간이 일하게 되는 방식이 어떻게 변할지 무척 궁금하네요. 

이런 대비적 차원에서의 논의에서 빠지면 안되는 것이 '인간'에 대한 정의일 것입니다. 

인간의 생물학적, 기계융합적 특성은 어떻게 달라질 것인가? 보다 인간다운 영역을 논할 때, '인간'의 컨셉이 가까운 미래 '인간'과 극명한 차이가 있지는 않겠는가? 조금 더 깊은 논의는 본 포스팅에서는 차치하겠지만, 충분히 하이레벨에서나마 생각해볼만한 부분이라고 생각이 됩니다.

[못 보신 분들에게 강추! AI시대 가장 중요한 컨셉 중 하나인 '특이점'에 관한 자세한 내용]

https://convergencebrainuniversity.tistory.com/152

끝.