마라 카이로, Amii의 고급 기술 제품 책임자 – 인터뷰 시리즈

마라 카이로(Mara Cairo)는 AI를 좋은 일에 활용하는 데 열정을 갖고 있습니다. 앨버타대학교에서 전기공학 학사학위를 받았으며 전문 엔지니어(P.Eng.)와 프로젝트관리전문가(PMP) 자격을 보유하고 있습니다. Amii에 합류하기 전에는 하드웨어 개발 분야에서 미세·나노 제조를 중심으로 고객의 제품 출시를 도왔습니다.

Amii의 첨단기술 제품 책임자로서 마라는 산업 파트너가 조직 내 머신러닝 역량을 구축하도록 돕는 기술팀을 이끕니다. 팀은 예측 모델 개발에 필요한 지침과 전문지식을 제공하며, 가장 어려운 사업 문제에 머신러닝을 적용해 AI 도입 수준을 높이려는 고객들과 협력합니다.

Amii(앨버타 머신 인텔리전스 연구소)는 캐나다의 대표적인 AI 연구 거점입니다. 다양한 산업과 규모의 기업들과 협력하며 혁신 전략, 실무 지침과 조언, 기업 교육, 인재 채용 서비스를 제공합니다.

우리는 2023년 연례Upper BoundAI 콘퍼런스에서 인터뷰를 진행했습니다. 행사는 앨버타주 에드먼턴에서 열리며Amii가 주최합니다.

처음 전기공학에 관심을 갖게 된 계기는 무엇입니까?

어릴 때부터 무언가 만드는 것을 정말 좋아했습니다. 여름에 더워서 어머니가 선풍기를 사 오시면 제가 조립하고 싶어 했습니다. 십 대 때는 분해할 수 있는 Nokia 휴대전화를 갖고 있었는데, 그것을 뜯어서 안쪽과 안테나에 장식용 보석을 붙이곤 했습니다. 열어 보면서 ‘이 안에는 뭐가 있지? 어떻게 작동하는 걸까?’ 하고 생각했습니다. 정말 흥미로웠습니다.

수학도 늘 잘했습니다. 수학에 강하고 전자기기에 관심이 많으며 더 배우고 싶어 했기 때문에 부모님도 공학 쪽을 권하셨습니다. 이런 것들이 처음 저를 이 분야로 이끌었습니다.

또 공학에서는 수학을 현실의 문제에 적용할 수 있다는 점이 좋았습니다. 수학 자체도 멋지고 흥미롭고 재미있지만, 공학에서는 그것으로 어려운 문제를 해결할 수 있습니다. 흥미로운 진로로 이어질 요소들이 완벽하게 결합된 것 같았습니다.

부모님이 관심사를 적극적으로 지원해 주셨군요.

네. 특히 아버지가 그러셨습니다. 어릴 때부터 제 안에서 그런 자질을 보셨고 늘 그 방향으로 격려했다고 하십니다. 어젯밤 Women in AI 행사에서도 여성에게 이 분야를 더 쉽게 접근할 수 있도록 장벽을 없애는 이야기를 했습니다. 저는 그런 장벽을 크게 느끼지 않았습니다. 부모님이 ‘네가 해야 할 일이다. 성별의 문제가 아니라 네가 가진 능력이다. 자연스럽게 따라가며 키워야 한다’고 하셨기 때문입니다. 제게 맞지 않는 분야라고 느낀 적이 없었고, 그것이 도움이 되었습니다.

Amii에 합류하기 전 하드웨어 개발 분야에서 미세·나노 제조에 집중하셨습니다. 이 용어들을 설명해 주시겠습니까?

물론입니다. 전기공학을 공부하며 나노공학을 세부 전공했습니다. 마이크로미터와 나노미터 수준에서 설계하고 제조하는 분야입니다. 나노미터는 1밀리미터를 백만으로 나눈 길이로, 매우 작은 규모입니다. 육안으로 볼 수도 없을 만큼 작다는 점이 흥미로웠고, 이 전공을 통해 그런 규모에서 설계하고 제조하는 법을 배웠습니다.

우리는 매우 긴밀하게 연결된 세상에 살고 있습니다. 주변에 전자기기가 가득하고, 패키징과 공간의 제약에 맞춰 전자장치를 설계해야 합니다. 끊임없이 더 작게 만들려고 합니다. 부피가 큰 시제품을 반복 생산할 수 있고 규모를 늘릴 수 있는 형태로 바꾸어야 합니다. 나노 제조는 그런 수준에서 설계하고 제조하는 도구와 기법을 다룹니다.

마이크로칩을 만드는 일부터 두 칩을 전기적으로 연결하고 최종 패키징을 하는 일까지 포함됩니다. 미세한 규모에서는 사람 크기의 물건을 만들 때와 다른 기법이 필요합니다. 미세·나노 제조는 화학적·전기적 공정, 그리고 외부 환경으로부터 장치를 보호하도록 기밀 밀봉하는 패키징에 관한 분야입니다.

마이크로칩 이외에는 어떤 응용 사례가 있습니까?

광섬유 같은 프로젝트도 많이 했습니다. 결국 신호를 받아들이거나 생성하는 처리 장치로 연결되어야 합니다. 통신 산업, 광학, 카메라 등에서 일했습니다. 그 중심의 두뇌는 대개 마이크로칩이지만, 처리 장치로 신호를 보내는 센서도 있습니다. 따라서 필요한 센서나 입력·출력 장치를 만들기 위한 다양한 제조 기법이 활용됩니다.

나노 규모에서 작업할 때 어떤 어려움이 있습니까?

먼지 한 알이 하루 작업을 망칠 수 있습니다. 작업하는 대상의 크기가 공기 중 먼지와 비슷하기 때문입니다. 그래서 클린룸에서 제조합니다. 클린룸은 작업 대상을 사람으로부터 보호하는 환경입니다. 사람은 계속 입자를 내보내고, 옷과 화장품도 공기를 오염시킵니다. 만드는 장치에 이런 오염물이 묻지 않도록 가능한 한 제거해야 합니다.

클린룸을 만드는 훌륭한 방법과 관련 연구가 있지만, 또 다른 과제는 장치를 실험실 밖으로 가져가는 것입니다. 결국 장치는 매우 오염된 실제 세계에서 사용됩니다. 이때 패키징이 중요해집니다. 장치에 접근할 수 있으면서도 내부 환경을 오염시키지 않아야 합니다. 아무것도 드나들지 않도록 완전히 기밀 밀봉하는 것은 또 다른 과제였습니다. 통제된 실험대에서는 잘 작동해도, 우리가 만드는 대부분의 물건은 실제 환경으로 나가야 합니다. 그것도 어려웠습니다.

제조부터 최종 사용 장소까지, 이렇게 작은 대상을 다루면 특별한 환경적 고려가 필요합니다. 또한 작은 규모에서는 항상 예상대로 작동하지 않습니다. 일상적인 물리 세계에서는 특정한 작동 방식을 기대하지만, 미세·나노 수준에서는 물리적 거동이 달라져 결과를 항상 예측할 수 없습니다. 이것도 별도의 연구 분야입니다.

일반적인 물리 세계와 다르게 작동하는 예를 들어 주시겠습니까?

전선에 전류를 흘리는 경우입니다. 충전기와 휴대전화에서는 전선을 통해 전류가 흐릅니다. 머리카락처럼 가는 전선에 전류를 흘리면 발열을 고려해야 하고, 공간과 크기 제약 때문에 거동이 달라지기 시작합니다.

현재 Amii에서 맡은 역할은 무엇이며, 팀은 산업 파트너를 어떻게 돕습니까?

지금 Amii에서 하는 일은 미세·나노 기술 분야와 크게 다릅니다.

저는 첨단기술팀의 제품 책임자입니다. 주로 머신러닝 과학자와 프로젝트 관리자로 구성된 팀을 이끌며, 다양한 산업 파트너가 머신러닝을 적용해 사업 문제를 해결하도록 돕습니다.

우리는 산업에 초점을 맞추고 있습니다. 학계에서 이루어지는 훌륭한 머신러닝·AI의 발전을 산업 파트너의 가장 큰 필요에 연결하는 것이 핵심입니다. 고객이 일을 진전시키는 데 필요한 기술과 전문성을 찾도록 지원합니다.

첨단기술팀에서는 인턴십과 레지던시 프로그램도 운영하므로 제가 채용을 많이 합니다. 원래 채용이 제 전문 분야는 아니었지만 지금은 큰 비중을 차지합니다. 고객 프로젝트에 맞는 머신러닝 인재를 연결하는 일입니다. 일정 기간 Amii 직원으로 채용해 많은 지원과 멘토링을 제공하지만, 이들은 고객 프로젝트에 전념합니다. 고객은 직접 채용하지 않고도 인재를 활용할 수 있습니다. Amii는 인지도가 높아 훌륭한 인재를 유치하고 산업 프로젝트에 배치할 수 있습니다.

이 방식의 장점은 계약 기간이 끝난 뒤 고객이 해당 인재를 직접 채용할 수 있다는 것입니다. 우리는 인재가 이 지역에 남기를 바라며 두뇌 유출을 원하지 않습니다. 고객은 인재와 프로젝트를 경험하고, 머신러닝이 실제로 무엇이며 성공하려면 무엇이 필요한지 이해할 수 있습니다. 이상적으로는 인재가 기업에 장기적으로 합류해 그 기업이 진정한 AI 기업이 되고, 이후 자체적으로 사업을 추진할 수 있게 됩니다.

보통 참여 기간은 얼마나 됩니까?

일반적으로 4개월에서 12개월입니다.

프로젝트의 복잡성과 해결할 문제의 수에 따라 시작할 때 정합니다. 기간이 길수록 좋다는 것을 느낍니다. 머신러닝 프로젝트를 4개월 안에 수행하기는 어려울 수 있습니다. 모델을 만드는 것 외에도 해야 할 일이 많고, 모델 구축은 고객이 수집해 제공하는 데이터에 크게 좌우됩니다. 시간이 많을수록 여러 가능성을 반복적으로 검토하기 좋습니다.

작업은 실험적이고 탐색적입니다. Amii는 연구기관이므로 언제나 결과를 보장할 수는 없습니다. 기간이 길면 연구할 시간이 늘어나, 가능한 선택지를 충분히 탐색하고 최대한 많은 방법을 시도할 수 있습니다. 어떤 방법이 가장 잘 작동할지는 미리 단정하기 어렵습니다. 직접 시도하고 확인해야 합니다.

팀이 기업들과 해결한 어려운 사업 문제에는 어떤 것이 있습니까?

앞서 언급했듯 데이터 준비 상태가 큰 과제입니다. 산업계가 준비되었다고 생각하는 데이터와 머신러닝 과학자가 모델에 사용할 수 있다고 보는 데이터 사이에는 차이가 있습니다. 접근성도 중요합니다. 고객이 우리 모델에서 사용할 수 있는 형태로 데이터를 얼마나 쉽게 제공할 수 있느냐입니다. 긴 프로젝트를 선호하는 이유는 이런 문제를 고객과 함께 해결하고 성공의 기반을 마련할 시간이 생기기 때문입니다.

잘못된 데이터를 넣으면 잘못된 결과가 나옵니다. 나쁜 데이터를 주면 나쁜 모델을 만들게 됩니다. 정말로 양질의 데이터가 필요하며 고객에게도 학습 과정이 있습니다. 어떤 데이터가 좋은 데이터인지, 미래를 예측하려면 어떤 사례가 필요한지에 관한 이해를 맞춰야 합니다. 같은 언어로 소통하고, 현재 이용할 수 있는 데이터의 한계와 성공 조건을 고객이 이해하도록 하는 일입니다.

데이터셋에는 예측하려는 사건의 사례가 있어야 합니다. 매우 드문 사건이라면 발생을 예측하기 어렵습니다. 예를 들어 1%의 확률로 일어나는 일을 한 번도 예측하지 않아도 정확도가 99%인 모델을 만들 수 있습니다. 따라서 정확한 모델을 구축하는 데 무엇이 필요한지 고객이 이해해야 합니다.

겉보기에는 단순한 문제도 데이터셋에 따라 매우 복잡할 수 있습니다. 최초 상담에서 필요한 기간을 예상해야 하지만, 실제로 하나씩 파고들다 보면 데이터의 복잡성 때문에 처음 생각했던 것보다 훨씬 어렵다는 사실을 깨닫기도 합니다.

또 다른 어려움은 필요한 분야 전문가의 지속적인 참여가 부족한 경우입니다. 산업 파트너는 해당 분야와 데이터의 전문가이므로 계속 함께 논의해야 합니다. 우리는 데이터를 받아 모델을 만든 뒤 마지막에 넘겨주는 개발 외주 업체와 다릅니다. 매우 긴밀한 협업이 필요합니다. 파트너가 더 많이 참여할수록 더 큰 성과를 얻습니다. 올바른 방향을 안내하고, 예측이 사업 관점에서 의미 있는지, 적절한 지표를 목표로 하는지, 성공이 무엇인지 확인해 줄 수 있기 때문입니다.

프로젝트를 지원할 다학제 팀이 필요합니다. 기업에 긍정적인 영향을 주는 성공적인 모델을 만드는 데는 머신러닝 과학자 한 사람 이상의 역할이 필요합니다. 어려움은 많지만, 우선 떠오르는 것은 이런 것들입니다.

AI가 좋은 일을 하는 힘이 되어야 한다고 믿으십니다. AI가 미래를 어떻게 긍정적으로 바꿀 수 있을까요?

제가 일을 하면서 가장 좋아하는 점은 모든 산업의 고객들과 다양한 문제를 해결하면서도, 모두 어떤 형태로든 긍정적인 변화에 기여한다는 것입니다. Amii에는 이를 보장하는 원칙 기반 AI 프레임워크가 있습니다. 계약 단계부터 산업 파트너와 수행할 프로젝트가 윤리적인 방식으로 긍정적인 변화에 사용되는지 확인합니다. 제가 보는 모든 프로젝트가 좋은 목적에 쓰이고 미래를 긍정적으로 바꾸고 있습니다.

한 가지 예는 산불입니다. 앨버타에서는 여름철 산불 상황이 잦아졌고, 올해는 특히 4월부터 심했습니다. 최근 앨버타대학교의 연구 그룹인 Canada Wildfire와 협력했습니다. 심각한 산불 사건과 연결된 40년치 기상 데이터를 이용합니다. 향후 사건을 더 잘 예측해 필요한 자원을 미리 준비하고, 산불이 크게 번지기 전에 팀을 투입해 위험 환경을 완화하도록 돕습니다. 에드먼턴에 살다 보니 더 실감합니다. 지난주에 여기 계셨는지 모르겠지만 연기가 아주 심했습니다.

일요일 밤인 2023년 5월 21일에 도착했을 때도 연기가 상당했습니다.

참담한 일입니다. 지역사회를 파괴하고 사람들의 집을 빼앗습니다. 공기 중 입자를 들이마시는 것도 좋지 않지만, 피해 규모는 정말 엄청납니다. 그래서 모두가 깊이 관심을 갖는 프로젝트입니다.

농업 분야에서도 일하고 있습니다. 늘어나는 인구를 어떻게 먹여 살릴 수 있을까요? 우리는 캐나다 국립연구위원회(National Research (NRC ) Council)와 단백질 함량 문제를 연구합니다. 재배하는 식물의 단백질 함량을 높여 증가하는 인구를 먹여 살릴 수 있도록, 머신러닝으로 예측하려는 것입니다.

배출량 감축도 매우 인기 있는 분야입니다. 석유·가스 기업들과 협력해 공정과 시스템, 도구가 최대한 효율적으로 운영되도록 합니다. 앨버타의 작은 마을 Drayton Valley에 있는 수처리 시설과도 협력해 시설의 효율을 높이고 지역사회에 가능한 한 많은 깨끗한 물을 공급하려고 합니다. 정밀의료도 있습니다.

목록은 계속 이어집니다. 협력하는 모든 기업이 이런 종류의 목표와 프로젝트를 추진합니다. 모두 미래에 매우 긍정적인 영향을 줄 가능성이 있으므로, 가장 좋아하는 하나를 고르기 어렵습니다.

AI나 로봇공학의 미래에 대한 비전은 무엇입니까?

제가 접한 로봇공학은 주로 공급망 분야입니다. 이미 로봇이 사용되는 곳이며, 기존 시스템과 자동화에 AI를 더해 어떻게 더 효율적인 공정을 만들지 고민합니다. 공급망에서는 처리량을 높이고 더 많은 주문을 더 빨리 수행하며 의사결정을 효율화하는 데 관심이 있습니다. 제가 경험한 로봇공학은 기존 로봇을 더 똑똑하고 더 좋게 만드는 일이었습니다.

산업계의 움직임을 보면, 더 넓은 미래도 여전히 인간 중심이라고 생각합니다. 로봇은 인간의 능력을 보완하는 도구로 쓰입니다. 사람이 노출되어서는 안 되는 위험한 환경에 투입될 수도 있습니다. 그런 경우 로봇이 사람을 대신하면 더 안전해집니다. 연구원들은 생체모방 의지에 관한 멋진 연구도 하며, 도움이 필요한 사람들이 더 쉽게 제어하고 움직일 수 있게 합니다. 모두 사람과 도구 사용에 연결되어 있고, 새로운 시스템으로 사용을 쉽게 하고 삶을 편하게 만드는 일입니다.

AI 전반의 미래를 보면, 지금은 이 분야에 몸담기 매우 흥미로운 시기입니다. 산업계는 마침내 AI가 이미 존재하며 모든 것을 바꿀 것이라는 점을 이해하고 있습니다. 변화를 주도하거나 따라가야 합니다. Amii의 비전 중 하나는 모든 기업이 기술에 익숙해지고, 무엇을 할 수 있으며 할 수 없는지 이해하고, 가장 어려운 문제를 해결하기 위해 사업에 적용하면서 기꺼이 실험하고 반복 개선하도록 하는 것입니다.

지금까지는 AI와 머신러닝이 기술 기업만 사용하는 것이라는 인식이 있었을 수 있습니다. 하지만 이제 거의 모든 조직에 머신러닝을 적용할 수 있다는 점이 점점 분명해지고 있습니다. 언제나 정답은 아니지만 대개 활용 사례가 있습니다. 기업들이 기술을 더 잘 이해하고 익숙해지며 사업에 활용하는 법을 알게 되어, 자연스럽게 스스로 AI 기업이 되는 미래를 바랍니다.

훌륭한 인터뷰에 감사드립니다. 더 알고 싶은 독자는 다음 자료를 방문하시기 바랍니다.

• Upper Bound AI 콘퍼런스.
• Amii(앨버타 머신 인텔리전스 연구소)