Baptiste Bouvier, Daptic의 최고경영자 겸 공동 창업자 – 인터뷰 시리즈

Baptiste Bouvier는 Daptic의 최고경영자 겸 공동 창업자로, 규제 관련 정보와 제품 개발을 연결하는 일을 하고 있습니다. MIT에서 컴퓨터과학과 공학을 전공한 그는 MIT CSAIL에서 인공지능과 자율 시스템을 연구하고, Babylon Health에서 헬스케어 인공지능을 다루고, J.P. Morgan에서 정량 분석 연구를 수행하고, Meta에서 증강현실·가상현실 엔지니어로 일하고, McKinsey에서 컨설팅을 하는 등 다양한 경험을 쌓았습니다. 그는 제조업체가 복잡한 규제 요건을 실질적인 엔지니어링 의사결정으로 전환하도록 돕는 데 주력하고 있습니다.

Daptic은 제품 수명주기 전반에 걸쳐 규제 변화와 해석, 제품 요구사항을 연결하는 인공지능 기반 제품 규정 준수 플랫폼을 제공합니다. 이 소프트웨어는 규제 전문가와 엔지니어, 제품팀이 전 세계 규제 요건을 모니터링하고 그 영향을 평가해 개발 업무 흐름에 반영하도록 지원하며, 출처 추적성과 사람의 감독도 제공합니다. 이번 인터뷰에서 Bouvier는 규제 관련 정보, 물리적 인공지능, 기계가 읽을 수 있는 설계 제약 조건, 그리고 지속적인 제품 규정 준수 수명주기 관리로의 전환에 관해 이야기합니다.

MIT CSAIL에서 인공지능과 자율 시스템을 연구한 일부터 Babylon Health에서 헬스케어 인공지능을 다루고, J.P. Morgan에서 정량 분석 연구를 수행하고, Meta에서 증강현실·가상현실 엔지니어로 일하고, McKinsey에서 컨설팅을 하기까지 다양한 경력을 쌓으셨습니다. 이러한 경험은 Daptic을 공동 창업하기로 한 결정에 어떤 영향을 주었으며, 인공지능이 규제 관련 정보 문제를 근본적으로 바꿀 수 있다고 확신한 계기는 무엇이었나요?

제가 특히 주목하게 된 것은 제품 개발의 상당 부분이 규제의 영향을 받는데도, 그 업무를 지원하는 소프트웨어는 거의 없다는 점이었습니다.

저는 주로 컴퓨터과학을 공부했고 기계공학도 일부 배웠으며, Daptic을 시작하기 전에는 다양한 기술 분야에서 일했습니다. 하지만 대기업이 실물 제품을 개발하는 방식과 규제가 그 과정을 어떻게 지연시킬 수 있는지를 깊이 들여다볼 기회는 McKinsey에서 얻었습니다.

저는 믿기 어려울 만큼 역량이 뛰어난 기업들이 제품 개발의 핵심 업무를 문서와 스프레드시트, 이메일, 여러 팀 간의 대화에 의존해 처리하는 모습을 보았습니다. 규제는 정부가 발표하는 법률 문구에서 시작할 수 있지만, 결국 누군가는 이를 제품 설계를 바꾸는 구체적인 엔지니어링 요건으로 옮겨야 합니다.

규제와 엔지니어링 사이의 간극이 제 관심을 끌었습니다. 이 업무에는 방대한 전문 지식이 필요했지만, 업무를 서로 연결해 주는 기반 시설은 거의 없었습니다. 우리는 이보다 넓은 범주를 제품 규정 준수 수명주기 관리라고 부릅니다. 이는 규제 변화와 해석, 제품 요구사항을 제품 개발 전반과 제품 수명주기에 걸쳐 팀이 내리는 의사결정과 연결하는 것입니다.

인공지능은 방대한 규제 자료와 제품 정보, 조직의 지식을 한꺼번에 다룰 수 있어 가능한 일의 범위를 넓혀 줍니다. 이를 바탕으로 지금까지 엄청난 수작업에 의존해 온 업무 흐름을 뒷받침하는 기반 시설을 구축할 수 있습니다. 이것이 바로 Daptic의 토대였습니다.

자동차, 항공우주, 방위산업, 의료기기, 로봇공학 등의 분야에서 일하는 제품 엔지니어는 변화하는 수천 개의 규제에 직면할 수 있습니다. 방대한 규제 정보를 엔지니어가 제품 개발 과정에서 실제로 활용할 수 있는 형태로 바꾸는 데 인공지능은 어떤 이점을 가장 크게 제공하나요?

가장 큰 이점은 규제 측면에서 일어나는 변화와 제품에 일어나는 변화 사이의 연관성을 유지할 수 있다는 것입니다.

결국 30개 또는 40개의 서로 다른 지리적 시장에서 판매될 복잡한 실물 제품을 개발한다고 생각해 보세요. 어떤 규제가 적용되는지 파악하고, 규제의 변화를 모니터링하고, 어떤 변화가 제품에 영향을 미치는지 판단한 다음, 관련 요건을 엔지니어링 의사결정으로 옮겨야 합니다.

인공지능은 규제 환경을 지속적으로 모니터링해 팀이 검토해야 하는 정보의 양을 줄일 수 있습니다. 요건이 바뀌면 어떤 제품이나 부품, 엔지니어링 의사결정이 영향을 받을 수 있는지 파악하고, 관련 맥락을 필요한 담당자에게 전달하도록 지원할 수 있습니다.

더욱 주목할 만한 가능성은 규제 관련 맥락이 엔지니어링 업무 흐름 자체에 포함될 때 열립니다. 설계 결정을 내리는 엔지니어는 여러 관할권과 표준, 규제 분야를 일일이 검색하지 않고도 그 결정과 관련된 요건을 빠르게 파악할 수 있어야 합니다.

규제도 바뀌고 제품도 바뀝니다. 진정한 가치는 이 두 체계를 연결해 팀이 다른 엔지니어링 의사결정을 내릴 시간이 남아 있을 때 그 영향이 무엇인지 파악하도록 하는 데 있습니다. 이러한 지속적인 연결은 제품 규정 준수 수명주기 관리의 핵심 요소입니다.

규제 준수는 인공지능을 적용할 때 특히 큰 위험이 따르는 분야입니다. 요건을 간과하거나 잘못 해석하면 심각한 결과를 초래할 수 있기 때문입니다. Daptic은 규제 관련 정보에 인공지능을 적용할 때 정확성, 설명 가능성, 사람의 감독을 어떻게 확보하나요?

이 분야에서는 신뢰가 무엇보다 중요합니다.

규제 관련 의사결정에는 높은 수준의 확신이 필요하므로, 업무 절차에 추적 가능성을 내재화해야 합니다. 팀은 정보의 출처를 확인하고, 근거가 된 자료를 검토하며, 어떤 과정을 거쳐 해석이 도출됐는지 파악할 수 있어야 합니다.

규정에는 모호한 부분이 있으므로 인간 전문가의 역량은 여전히 매우 중요합니다. 규정은 많은 정보를 제공하지만, 이를 특정 제품에 적용하려면 맥락과 경험, 판단력이 필요한 경우가 많습니다. 전문가마다 같은 요구 사항을 서로 다르게 해석할 수도 있습니다.

저희는 AI를 활용해 이러한 전문성을 뒷받침합니다. AI는 정보를 찾아 구조화하고, 관련 제품의 맥락과 연결하며, 이미 이루어진 추론과 판단의 과정을 보존할 수 있습니다. 엔지니어와 규제 전문가도 이 과정에 계속 참여해 결과를 검토하고 다듬으며 자신의 전문성을 보탤 수 있습니다.

이러한 접근 방식은 시간이 흐르면서 조직에 귀중한 자산을 만들어 줍니다. 규제 관련 의사결정의 근거가 이메일 대화나 개인 한 명에게만 남는 대신, 참고하고 발전시킬 수 있는 조직의 지식으로 축적됩니다. 제품 규정 준수 라이프사이클 관리가 대규모로 효과를 발휘하려면 이러한 맥락과 전문가의 판단이 여러 팀과 제품, 개발 주기에 걸쳐 이어져야 합니다.

피지컬 AI는 통제된 산업 환경에서 벗어나 가정과 공공장소에서 작동할 수 있는 제품으로 빠르게 확산되고 있습니다. 휴머노이드 로봇과 로봇 개 같은 시스템의 성능이 향상되는 가운데, 소비자 시장에 널리 보급되는 데 가장 큰 걸림돌이 될 규제 과제는 무엇이라고 보십니까?

피지컬 AI는 과거에는 서로 훨씬 독립적으로 다룰 수 있었던 규제 분야들을 하나로 묶고 있습니다.

가정이나 공공장소에서 작동하는 휴머노이드 로봇을 예로 들어 보겠습니다. 하나의 제품에도 물리적 안전, 전기 시스템, 배터리, 무선 통신, 사이버 보안, 개인정보 보호, 자율 행동과 관련된 요소가 포함될 수 있습니다. 로봇이 어떤 작업을 수행하는지에 따라 기계류, 운송, 의료용 또는 기타 규제 대상 활동과 관련된 추가 요구 사항도 적용될 수 있습니다.

특히 흥미로운 점은 이러한 제품이 점점 더 소프트웨어 중심으로 바뀌고 있다는 것입니다. 제품을 판매한 뒤에도 소프트웨어를 통해 물리적 제품의 특성이 크게 달라질 수 있습니다. 업데이트로 새로운 기능이나 동작 방식이 추가되면 해당 제품에 적용되는 규제 요건도 달라질 수 있습니다.

따라서 기업은 출시 전 한 시점에만 규제를 고려할 것이 아니라 제품의 전체 수명 주기에 걸쳐 규제를 고려해야 합니다. 출시 시점의 일회성 준수에서 지속적인 제품 규정 준수 라이프사이클 관리로 전환하는 일은 시장에 진입한 뒤에도 기능이 발전할 수 있는 제품에서 특히 중요합니다.

여기에 글로벌 차원의 문제도 있습니다. 각 관할권은 서로 다른 속도와 출발점에서 이러한 기술에 관한 규정을 마련하고 있습니다.

피지컬 AI 제품을 개발하는 기업에는 규제 전략이 점점 더 제품 전략의 일부가 되고 있습니다. 센서, 자율성, 데이터 수집, 소재, 연결성, 제품 동작 방식에 관한 결정은 제품을 어디에 출시할 수 있는지, 어떻게 시험해야 하는지, 어떤 요구 사항을 충족해야 하는지에 영향을 미칠 수 있습니다. 이러한 연관성을 제품 설계 단계에서 파악해야 합니다.

오늘날 규정 준수는 제품 개발이 거의 끝날 무렵에 처리하는 일로 여겨지는 경우가 많습니다. 규제 요건을 처음부터 엔지니어링과 제품 설계의 입력 요소로 삼으면 무엇이 달라질까요?

엔지니어가 검토할 수 있는 해결 방안의 범위가 훨씬 넓어집니다.

엔지니어링 분야에는 제조 가능성을 고려한 설계라는 유용한 비유가 있습니다. CAD에서 보기에는 완벽히 타당해 보이는 설계를 하더라도, 이를 대량 생산하려면 완전히 다른 접근 방식이 필요하다는 사실을 나중에 알게 될 수 있습니다. 업계에서는 엔지니어가 설계 변경의 여지가 있을 때 제조 가능성을 고려할 수 있도록, 관련 정보를 설계 과정의 초기 단계부터 반영하는 도구와 방법론을 개발했습니다.

규제 요건도 같은 방향으로 발전할 수 있습니다.

엔지니어가 설계 단계에서 규제상 제약 조건을 이해하면 아키텍처, 소재, 부품, 제품 동작 방식을 더 충분한 맥락을 바탕으로 비교하고 평가할 수 있습니다. 또한 수개월간의 개발 작업에 착수하기 전에 특정 결정이 시험, 인증 또는 시장 진출에 어떤 영향을 미칠 수 있는지도 파악할 수 있습니다.

이는 개발 속도와 비용에 상당한 영향을 미칠 수 있습니다. 더 중요한 점은 중요한 제품 관련 결정이 이미 대부분 내려진 뒤에야 규제 정보가 전달되는 것이 아니라, 규제가 엔지니어링 과정의 입력 요소가 된다는 것입니다. 이는 제품 규정 준수 라이프사이클 관리의 핵심적인 변화 중 하나입니다. 규제 정보가 나중에 통과해야 하는 관문에 그치지 않고 제품 개발 과정의 일부가 되는 것입니다.

앞으로 규정을 거의 기계가 읽을 수 있는 설계 제약 조건으로 바꿔, AI 시스템이 특정 시장의 요구 사항을 위반할 수 있는 부품, 소재, 소프트웨어 기능 또는 제품 동작 방식을 엔지니어에게 실시간으로 경고할 수 있을까요? 이런 업무 방식은 현재 어느 정도까지 구현되어 있나요?

우리는 그 방향으로 나아가고 있지만, 핵심은 단순히 규정을 기계가 읽을 수 있게 만드는 데 있지 않습니다. 규제 문구를 특정 제품의 맥락에서 의미 있는 제약 조건으로 바꾸는 것이 중요합니다.

규정은 대체로 엔지니어링 사양서처럼 작성되지 않습니다. 정부와 표준화 기구가 사람을 대상으로 작성하며, 규제 문구와 엔지니어가 실제로 필요로 하는 기술적 제약 조건 사이에는 여러 단계의 해석 과정이 있습니다.

AI는 이러한 여러 층위를 연결하는 데 훨씬 더 나은 도구를 제공합니다. 시스템은 규제 요건과 공식 해석, 설계 중인 제품의 맥락을 파악할 수 있습니다. 엔지니어가 자재, 부품, 소프트웨어 기능 또는 제품 동작을 변경하면, 시스템은 영향을 받을 수 있는 요건을 제시하고 그 연관성을 설명할 수 있습니다.

중요한 것은 제품의 맥락입니다. 동일한 규제 문구라도 제품, 시장, 부품 또는 의도된 용도에 따라 그 의미와 영향은 크게 달라질 수 있습니다.

우리는 이미 이 워크플로의 일부를 구현하는 방향으로 나아가고 있습니다. 엔지니어링 환경 전반에 규제 피드백을 깊이 통합하려면 구조화된 제품 맥락과 규제 문구, 내부 해석, 기술 요건 간의 신뢰할 수 있는 연결이 필요합니다. AI는 이러한 연결을 구축하는 역량을 가속화했습니다.

시간이 지나면 규제 피드백은 엔지니어가 이미 사용하는 도구에 훨씬 더 긴밀하게 통합될 것으로 예상합니다. 이는 다른 엔지니어링 제약 조건이 설계 결정을 내리는 시점에 더 가까워진 것과 같은 흐름입니다.

글로벌 제조업체는 수십 개 관할권의 서로 다르고 때로는 상충하는 규정을 준수해야 하는 경우가 많습니다. AI는 엔지니어링 팀이 어떤 규정이 적용되는지 파악하는 데 그치지 않고, 한 시장에서 내린 설계 결정이 제품 전체에 어떤 영향을 미칠 수 있는지도 판단하도록 어떻게 도울 수 있을까요?

규제 인텔리전스와 제품 맥락을 결합하면 큰 효과를 얻을 수 있습니다.

제조업체는 동일한 제품의 여러 버전을 유지하는 데 상당한 비용과 복잡성이 따르기 때문에 일반적으로 시장 전반에서 공통성을 극대화하려 합니다. 동시에 관할권마다 요건이 다르므로 제품을 변경해야 하는 경우도 있습니다.

AI는 팀이 이러한 관계를 훨씬 더 체계적으로 파악하도록 도울 수 있습니다. 특정 자재, 부품 또는 기능을 검토할 때 제품을 판매할 시장을 살펴보고 각 시장에 적용되는 관련 요건을 파악할 수 있습니다.

이를 통해 엔지니어링 팀은 설계 결정이 전 세계에 미칠 영향을 훨씬 더 일찍 파악할 수 있습니다. 하나의 선택이 25개 시장에서는 통할 수 있지만, 5개 시장에서는 추가 요건을 초래할 수 있습니다. 그러면 팀은 글로벌 설계를 변경할지, 지역별 변형 모델을 만들지, 아니면 다른 절충안을 택할지 결정할 수 있습니다.

제조업체는 이미 이러한 결정을 내리고 있습니다. 규제가 제품과 어떻게 연결되는지 훨씬 더 명확하게 파악할 수 있도록 지원하면, 더 나은 맥락을 바탕으로 더 일찍 절충안을 검토할 수 있습니다.

규제 인텔리전스는 이미 제정된 법률을 추적하는 것 이상을 포함합니다. AI는 기업이 제품 출시 전에 요건을 예측할 수 있도록 초안 규정, 정부 논의, 표준화 기구, 규제 집행 조치 및 기타 출처에서 나오는 초기 신호를 어떻게 식별할 수 있을까요?

제품 개발 주기가 수년에 걸치는 경우에는 미래 규제 동향을 살피는 일이 특히 중요합니다.

제조업체에게 어제 무엇이 바뀌었는지를 파악하는 것은 전체 상황의 일부일 뿐입니다. 제품을 설계하고 시험하며 출시를 준비하는 동안 무엇이 바뀔 수 있는지도 팀이 알아야 합니다.

잠재적인 신호는 다양합니다. 정부는 제안된 규정과 의견 수렴 문서를 공개합니다. 표준화 기구에서는 변경 사항을 논의합니다. 규제 기관은 지침을 발표하고 집행 조치를 취합니다. 이러한 출처를 종합하면 요건이 어떤 방향으로 바뀔지 유용한 단서를 얻을 수 있습니다.

다뤄야 할 범위가 상당히 넓습니다. 글로벌 제조업체는 수십 개 관할권과 여러 언어 및 규제 분야의 자료를 모니터링한 뒤, 어떤 동향이 자사 제품과 실제로 관련이 있는지 판단해야 할 수 있습니다.

AI는 이러한 자료를 지속적으로 모니터링하고, 관련 가능성이 있는 동향을 식별해 특정 제품, 부품 또는 사업 영역과 연결할 수 있습니다. 이를 통해 규제 전문가들은 제품 로드맵에 실질적인 영향을 미칠 수 있는 동향을 평가하는 데 더 많은 시간을 할애할 수 있습니다.

이러한 맥락을 제품팀에 더 일찍 전달할수록 회사가 선택할 수 있는 폭도 넓어집니다. 2년 후 요건이 바뀔 가능성이 있고 다음 제품이 18개월 후 출시 예정이라면, 이는 오늘 제품 계획에서 고려할 사안이 될 수 있습니다.

AI 에이전트가 엔지니어링 워크플로에 더 깊이 통합됨에 따라, 제품 수명 주기 전반에 걸쳐 엔지니어, 제품 관리자 및 다른 AI 시스템과 함께 일하는 전문 규정 준수 에이전트가 등장할 수도 있을까요? 실제로는 어떤 아키텍처가 될까요?

그렇습니다. 핵심은 이러한 시스템이 양쪽 모두를 모니터링해야 한다는 점이라고 생각합니다. 규정도 바뀌지만 제품도 바뀝니다.

규제 동향을 지속적으로 모니터링하고 특정 제품 포트폴리오에 어떤 변화가 관련되는지 판단하는 전문 에이전트를 둘 수 있습니다. 다른 에이전트는 이러한 요구사항이 엔지니어링에 미치는 영향을 파악하는 데 도움을 줄 수 있습니다.

동시에 에이전트는 제품 자체의 변화도 모니터링할 수 있습니다. 팀은 소재를 변경하거나, 소프트웨어를 업데이트하거나, 공급업체를 바꾸거나, 부품을 수정하거나, 새로운 제품 기능을 도입할 수 있습니다. 이러한 결정은 적용되는 요구사항을 바꾸거나 기존 요구사항을 해석하는 방식을 달라지게 할 수 있습니다.

이러한 시스템은 서로 맥락을 공유해야 합니다. 규제 에이전트는 제품을 이해해야 하고, 엔지니어링 에이전트는 관련 규제 제약에 접근할 수 있어야 합니다. 두 에이전트 모두 조직이 이전에 내린 결정과 해석에 접근할 수 있어야 합니다.

이러한 아키텍처에서 인간의 판단은 여전히 중요한 역할을 합니다. 에이전트가 모호성이나 상충하는 요구사항, 또는 중대한 결과를 초래할 수 있는 결정에 직면하면, 적절한 전문가가 근거가 된 자료를 검토하고 해석을 제시하며 그 판단의 근거를 조직 내 다른 구성원과 공유할 수 있어야 합니다.

저는 제품에 대한 공통된 이해를 바탕으로 전문 시스템과 전문가가 연결되는 네트워크 형태로 아키텍처가 발전할 것이라고 봅니다. 물리적 제품에서는 엔지니어링 결정 하나가 제조, 안전, 인증, 규제, 시장 진출 전반에 연쇄적인 영향을 미칠 수 있기 때문에 특히 큰 효과를 발휘합니다. 여러 측면에서 이러한 공유 인프라는 제품 규정 준수 수명주기 관리(Product Compliance Lifecycle Management)가 발전해 나갈 모습이라고 할 수 있습니다. 즉, 전체 수명주기에 걸쳐 규제 인텔리전스, 제품 맥락, AI와 인간 전문가의 역량을 조율하는 시스템입니다.

앞으로 5~10년을 내다볼 때, 피지컬 AI와 자율 기계, 그리고 점점 더 소프트웨어 중심으로 설계되는 제품이 주류가 되면서 엔지니어링, AI, 규제의 관계는 어떻게 발전할 것으로 보시나요? 또한 이러한 생태계에서 Daptic은 어떤 역할을 할 것으로 보시나요?

규제 인텔리전스는 물리적 제품 설계 과정에서 표준 입력 정보로 자리 잡을 것이라고 생각합니다.

엔지니어링의 다른 분야에서도 이러한 변화가 일어나는 것을 보았습니다. 한때 별도의 프로세스에 머물렀던 정보가 결국 엔지니어와 더 가까운 곳으로 옮겨와 의사결정이 이뤄지는 시점에 활용되기 시작합니다. 제조 용이성을 고려한 설계가 좋은 예입니다.

AI를 활용하면 관련된 방대한 규모와 복잡성을 다루고 규제 요구사항을 구체적인 제품 및 엔지니어링 결정과 연결할 수 있기 때문에 규제 분야도 이러한 방향으로 나아가고 있습니다.

제품이 더욱 자율화되고 소프트웨어 중심으로 설계될수록 이는 점점 더 중요해집니다. 소프트웨어 업데이트로 출시 후 물리적 제품의 작동 방식이 달라질 수 있습니다. 공급업체나 부품이 바뀔 수도 있습니다. 새로운 기능이 추가되면 어떤 요구사항이 관련되는지도 달라질 수 있습니다. 동시에 시장마다 규제와 표준이 계속해서 변화하고 있습니다.

제품도 변하고 규제 환경도 변하고 있습니다. 기업에는 이 둘을 지속적으로 연결할 수 있는 인프라가 필요합니다.

저희는 Daptic을 바로 그런 방향으로 발전시키고 있습니다. 규제 인텔리전스를 제품 개발 인프라의 일부로 만들어, 엔지니어가 설계 변경의 여지가 남아 있을 때 규제 영향을 파악하고 규제 전문가가 훨씬 더 큰 조직 전반에서 전문성을 발휘할 수 있도록 지원하고자 합니다.

궁극적으로 저희는 제품 규정 준수 수명주 관리(Product Compliance Lifecycle Management)가 이러한 인프라의 핵심 요소가 될 것으로 봅니다. 목표는 제품 수명주기 전반에 걸쳐 규제와 엔지니어링을 연결해 기업이 더 나은 제품 관련 결정을 내리고, 중요한 조직 지식을 보존하며, 물리적 혁신을 더 빠르게 시장에 선보일 수 있도록 하는 것입니다.

좋은 인터뷰 감사합니다. AI 기반 규제 인텔리전스와 제품 규정 준수 수명주기 관리에 대해 더 알고 싶은 독자는 Daptic을 방문해 보시기 바랍니다.