검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'승진'통합검색 결과 입니다. (41건)

태그
기간
- 3개월
- 1년
- 1년 이전

재검색

오리온 3세 '담서원' 로켓 승진...경영 승계 가속

오리온 오너 3세 담서원 전무가 입사 4년 반 만에 부사장으로 초고속 승진했다. 전무를 단 지 1년 만이다. 이번 승진으로 오리온 경영 승계 시계 역시 빨라질 것으로 관측된다. 다만 상속세 마련이 승계 과정에서의 과제로 떠올랐다. 이에 배당금을 상속 재원으로 활용할 것으로 보이지만, 오너일가 배불리기라는 지적을 피하기엔 어렵다는 지적이다. 입사 4년 반 만에 부장에서 부사장으로…그룹 미래 사업 총괄 오리온은 지난 22일 담서원 전무를 부사장으로 승진하는 내용의 정기 임원인사를 발표했다. 담 부사장은 그룹의 지속 성장을 책임지는 전략경영본부를 이끌게 된다. 전략경영본부는 산하에 신규사업팀과 해외사업팀, 경영지원팀, CSR팀을 두고 그룹의 중장기 경영전략 수립과 경영진단, 기업문화개선을 담당하며 미래사업을 총괄한다. 이번 승진으로 담 부사장은 입사 약 4년 반 만에 부사장을 달게 됐다. 1989년생인 담 부사장은 담철곤 오리온그룹 회장과 이화경 부회장의 장남이다. 오리온에는 지난 2021년 7월 경영지원팀 수석부장으로 입사했다. 이전에는 뉴욕대를 졸업한 뒤 카카오그룹 인공지능(AI) 자회사인 카카오엔터프라이즈에서 근무했다. 이후 오리온 입사 1년 5개월 만인 2022년 12월 경영지원팀 상무로 승진했고 지난해 말 전무에 올랐다. 담 부사장은 전무를 단 이후 오리온의 미래사업을 책임져왔다. 가장 큰 성과로 평가받은 것은 바이오업체 리가켐바이오사이언스(이하 리가켐바이오) 인수다. 오리온은 지난해 3월 리가켐바이오 지분 25.73% 인수를 완료하고 최대 주주로 올라섰다. 지분 인수 과정은 담 부사장이 주도했다. 리가켐바이오 사내이사로 선임된 이후로는 내부 임원회의에 참여하며 의사 결정에 참여하는 것으로 알려졌다. 인수 이후 리가켐바이오는 그룹 이익 확대를 이끌했다. 지난해 오리온 연결 기준 당기순이익은 전년 동기 대비 38.5% 증가한 5천332억원으로 집계됐다. 리가켐바이오 지분 취득에 따른 시세차익 1천528억원이 반영되면서 영업외수익이 크게 늘었기 때문이다. 오리온 관계자는 담 부사장에 대해 “이전에는 경영 관리 담당 전무라 실무를 담당했다”며 “본부에 들어간 신규사업팀은 바이오와 김 사업 등을 맡고 해외사업과 기업 문화 개선도 맡으면서 이를 총괄하는 역할로 확대된 것”이라고 설명했다. 후계자로 사실상 낙점…지분 확대가 과제 업계에서는 담 부사장이 후계자로 사실상 낙점됐다고 평가하고 있다. 담 부사장의 누나인 장녀 담경선 씨는 현재 회사 경영에 참여하지 않고 있다. 지분만 오리온 0.6%(23만8천997주), 오리온홀딩스 1.22%(76만2천59주)를 각각 보유하고 있다. 담 부사장에게는 지분 확대라는 과제가 남아있다. 지배력 확대를 위해서는 지분을 늘리는 것이 필수적이기 때문이다. 담 부사장이 지난 3분기 말 기준 보유한 오리온와 오리온홀딩스 지분은 각각 1.23%(48만6천909주), 오리온홀딩스 1.22%(76만2천59주)에 그쳤다. 현재 오리온홀딩스 최대주주는 이화경 부회장으로 32.63%를 보유하고 있다. 2대 주주인 담철곤 회장은 28.73%를 갖고 있다. 담 부사장이 해당 지분을 물려받으려면 지분 매입이나 증여받는 방법이 있다. 다만 증여세는 천문학적인 자금이 필요하다. 현행 상속세 및 증여세법에 따르면 증여액이 30억원이 넘어가면 50%의 세율이 적용된다. 여기에 최대주주의 지분 증여·상속의 경우 주식 평가액의 20%를 할증해 과세하는 것을 고려하면 증여세 부담은 더욱 커지게 된다. 하지만 과거 담 부사장이 편법 승계 논란에 휘말린 것이 부담이다. 2013년 홍콩에 '스텔라웨이'라는 이름의 페이퍼컴퍼니를 설립해 알짜 계열사를 헐값에 사들였다는 의혹을 받았다. 담 부사장은 아버지인 담 회장이 소유한 아이팩의 중국 자회사 '랑방아이팩'을 215억원에 사들였다. 편법 승계 논란이 커지자 담 부사장은 2015년 랑방아이팩을 오리온 중국법인에 매각했지만, 85억원의 시세차익을 얻으면서 또다시 논란이 발생했다. 이에 담 부사장은 해당 차익을 오리온재단에 순차적으로 기부하겠다고 밝히면서 논란은 일단락됐다. 다만 아직 차익을 모두 기부하진 않았다. 국세청 공익법인공시에 따르면 2015년 30억원을 기부하고 2019년 10억원을 추가로 낸 뒤 별도로 기부한 내역은 없다. 시세차익 중 절반에 가까운 금액만 기부했다. 배당금으로 승계 자금 마련 전망 담 부사장은 배당금을 활용해 승계 자금을 마련할 것으로 전망된다. 실제 오리온은 작년 배당액을 전년 1천250원에서 2배 늘린 2천500원으로, 오리온홀딩스는 750원에서 800원으로 올렸다. 오너 일가가 챙긴 배당액은 오리온홀딩스에서 319억7천100만원, 오리온에서 63억800만원으로 각각 늘었다. 하지만 이 과정에서 '오너일가 배불리기'라는 비판도 함께 나온다. 배당금을 확대해도 배당성향은 여전히 낮기 때문이다. 배당성향은 당기순이익 중 배당금의 비율을 뜻한다. 오리온의 지난해 배당성향은 18.8%로 전년(13.1%) 대비 큰 폭으로 올랐다. 하지만 오너 일가가 지분 대부분을 갖고 있는 오리온홀딩스(29.96%)와 비교하면 여전히 낮다. 일각에서는 담 부사장의 승진으로 오리온의 오너경영체제가 강화될 것이라는 전망도 나온다. 앞서 담철곤 회장은 2013년 이화경 부회장과 오리온 등기이사에서 물러났다. 당시 담 회장은 수백억원대 회삿돈을 빼돌려 비자금을 조성한 혐의로 징역 3년에 집행유예 5년을 선고받은 바 있다. 현재 허인철 오리온홀딩스 대표 부회장이 그룹을 이끌고 있다. 오리온은 이승준 대표가 맡고 있다.

2025.12.23 17:03김민아

에코프로, 박석회 사장 선임…2세 이승환, 1년 만에 또 승진

에코프로가 전무 직급을 부사장으로 통일하는 조직 개편과 함께 승진 인사를 실시했다. 에코프로는 사장 1명, 부사장 4명, 상무 5명, 전문가(EP) 1명 등 총 11명을 승진시키는 사장단 및 임원 인사를 실시했다고 22일 밝혔다. 지난해 승진 규모(부사장 1명·전무 6명·상무 4명)와 동일하다. 에코프로는 미래 성장동력 확보를 위해 박석회 에코프로씨엔지 대표를 사장으로 승진시켰다. 박석회 사장은 리사이클 시장이 어려움에 봉착한 가운데서도 피드 확보, 손익개선 등을 통해 에코프로씨엔지 실적을 견인했다는 평가를 받는다. 에코프로는 또 인도네시아 프로젝트 성과 창출에 기여해온 이승환 에코프로 미래전략본부장과 장인원 에코프로 글로벌자원실장을 부사장으로 승진시켰다. 이승환 신임 부사장은 창업주 이동채 전 회장의 장남이다. 그는 지난해에도 상무에 오른 지 2년 만에 전무로 승진하는 등 초고속 승진을 이어간다. 에코프로는 지난 4년 동안 약 7천억원을 투입해 니켈 제련소 투자를 단행했고 이차전지 밸류 체인 확장과 그룹 흑자 구조를 만드는 데 성공한 바 있다. 연창교 에코프로비엠 안전환경본부장과 안병승 에코프로에이치엔 AMC솔루션사업담당장도 부사장으로 승진했다. 연 부사장은 사고 없는 안전 사업장 구현, 안 부사장은 고객 다변화를 통한 영업력 확충에 기여한 점을 평가받아 부사장으로 승진했다. 양제헌 에코프로 기술전략실장, 이형근 에코프로비엠 영업담당장, 박복동 에코프로이엠 생산담당장, 이명규 에코프로이노베이션 연구기획팀장, 권오석 에코프로파트너스 전략관리본부장은 상무로 승진했다. 이들은 미래 기술 개발과 영업력 제고 등의 성과를 인정받아 신규 임원으로 승진했다. 에코프로는 윤진경 에코프로에이치엔 무기소재개발팀장을 전문가(EP)로 선정하기도 했다. 지난 1월 에코프로는 독보적인 직무 능력을 갖춘 직원을 선발해 임원 대우를 하는 전문가 제도를 도입한 바 있다. 에코프로는 사업분야 경쟁력 강화에 기여한 성과가 크고, 성장 잠재력을 갖춘 젊은 인재를 과감히 발탁하여 미래 경영진 후보군을 강화하는 취지에서 이번 인사를 단행했다고 설명했다. 한편 에코프로는 급변하는 경영 환경에 대응하기 위해 기존 전무 직급을 부사장으로 통일하고 전략적이고 신속한 의사결정을 통해 미래 성장 동력을 확보해 나가기로 했다. 에코프로 관계자는 “성과 있는 곳에 보상 있다는 인사 원칙아래 리사이클 등 미래 성장 동력 확보에 기여한 임직원을 대상으로 이번 승진 인사가 이뤄졌다”고 말했다.

2025.12.22 17:34류은주

오리온 오너 3세 담서원, 입사 4년 만에 부사장 초고속 승진

오리온그룹 오너 3세인 담서원 전무가 입사 약 4년 만에 부사장으로 승진했다. 22일 오리온그룹은 2026년 정기 임원인사를 통해 담서원 전무를 부사장으로 승진시키고, 한국 법인 내 전략경영본부장을 맡겼다고 밝혔다. 이번 인사와 함께 신설된 전략경영본부는 신규사업팀, 해외사업팀, 경영지원팀, CSR팀을 산하에 두고 그룹의 중장기 경영전략 수립과 경영진단, 기업문화 개선, 미래사업을 총괄한다. 담 부사장은 담철곤 오리온그룹 회장의 장남으로 1989년생이다. 지난 2021년 7월 수석부장으로 오리온에 입사한 뒤 2022년 12월 상무, 2024년 12월 전무로 승진했으며 이번 인사를 통해 부사장에 올랐다. 담 부사장은 그룹의 사업전략 수립과 관리, 글로벌 사업 지원을 총괄해왔다. 올해부터는 신사업 분야인 바이오 사업 강화를 위해 계열사 리가켐바이오 사내이사로 신규 선임돼 주요 사업 의사결정에도 직접 관여하고 있다. 이번 인사에서는 해외 법인 핵심 인사들의 승진도 함께 이뤄졌다. 러시아 법인 박종율 대표이사는 부사장으로 승진했다. 박 부사장은 1994년 오리온 입사 후 익산공장장과 러시아 법인 생산부문장을 거쳐 2020년부터 러시아 법인을 이끌어왔다. 트베리 신공장 건설을 마무리하고 제품 다변화를 통해 러시아 법인의 성장세를 이끌었다. 베트남 법인에서는 여성일 지원본부장이 전무로 승진하며 대표이사로 신규 선임됐다. 여 대표는 2018년 오리온 입사 후 5년간 베트남 지원본부장을 맡아 현지화 체제 강화와 사업 확대에 기여했다. 오리온그룹 관계자는 “성과를 낸 인재를 중심으로 한 인사”라며 “글로벌 경쟁력 강화와 미래 성장 기반 마련에 초점을 맞췄다”고 말했다.

2025.12.22 16:03류승현

SPC그룹, 2025년 정기 임원 승진 인사

SPC그룹은 28일 2025년도 정기 임원 승진 인사를 단행하고, 주요 계열사에서 상무·전무·부사장급 승진자를 발표했다. 이번 인사에서는 제조·유통·외식 부문 전반에서 성과와 전문성이 검증된 인재들을 중심으로 승진 인사가 이뤄졌다. 다음은 승진자 명단. [SPC삼립] ◇상무 ▲ 이승찬 ◇상무보 ▲ 김주영 ▲ 한창남 [샤니] ◇전무 ▲ 지상호 ◇상무보 ▲ 양재혁 [호남샤니] ◇상무보 ▲ 장송환 [파리크라상] ◇상무 ▲ 박영민 ▲ 조영한 ▲ 천동혁 ◇상무보 ▲ 권진호 ▲ 김대혁 ▲ 김용석 ▲ 김재한 ▲ 박재웅 ▲ 장선미 [비알코리아] ◇상무보 ▲ 박윤직 ▲ 박문형 ▲ 원충연 [SPC GFS] ◇전무 ▲ 신청룡 ◇상무보 ▲ 김현철 ▲ 이충열 [SPC] ◇수석부사장 ▲ 손영준 ◇부사장 ▲ 박재현 ◇상무 ▲ 서휘민 ▲ 정원석 ◇상무보 ▲ 강정훈 ▲ 심상민 ▲ 왕상진 [Secta9ine] ◇상무 ▲ 추종원 [에스피엘] ◇부사장 ▲ 손병근 [PB파트너즈] ◇상무보 ▲ 김영기

2025.11.28 14:51류승현

LG CNS, 2026년 임원 인사…김태훈·최문근 부사장 승진

LG CNS가 2026년 정기 임원 인사를 단행하며 미래 클라우드·인공지능 전환(AX) 시장을 선도하기 위한 리더십 체계를 정비했다. LG CNS는 이사회를 열고 부사장·전무 승진, 상무 신규 선임, 계열사 전입 등을 포함한 2026년 정기 임원인사를 단행했다고 27일 밝혔다. LG CNS는 이번 임원 인사에서 AX 시장 선도 및 실행 가속화를 위한 역량을 결집하고 미래 사업과 기술 성장을 견인할 인재들을 중용했다. 특히 에이전틱 AI·클라우드 사업의 중추적 역할을 담당하는 AI클라우드사업부 김태훈 전무와 AX 전략 수립의 싱크탱크인 컨설팅 전문 조직 엔트루부문 최문근 전무를 부사장으로 승진시켰다. 이와 함께 차세대 성장 동력인 피지컬 AI, 로봇 분야의 성장을 이끌고 유통 물류 자동화 시장 1위 지위를 굳건히 한 스마트물류·시티사업부 이준호 상무를 전무로 승진시켰다. 또 국내외 AI데이터센터 설계·구축·운영 분야에서 우수한 성과를 거둔 30대 젊은 인재 클라우드데이터센터사업담당 조헌혁 담당을 상무로 신규 선임했다. LG CNS는 "핵심 경쟁력인 고객·산업 전문성과 IT기술·서비스 역량을 지속 강화해 고객 비즈니스 혁신을 선도하며 급변하는 AX 시장을 주도해 나갈 계획"이라고 밝혔다. 임원 인사 내용은 다음과 같다. ◇부사장 승진 ▲김태훈 AI클라우드사업부장 ▲최문근 엔트루부문장 ◇전무 승진 ▲이준호 스마트물류·시티사업부장 ◇상무 신규 선임 ▲김소연 디자인 AX사업담당 ▲오진섭 SF 코어사업담당 산하 수석전문위원 ▲이철호 통신·서비스사업담당 ▲조민관 SCM이노베이션사업담당 ▲조헌혁 클라우드데이터센터사업담당 ◇계열사 전입 ▲송광륜 CFO (現 HSAD CFO 상무)

2025.11.27 16:59한정호

LG전자, 전장·공조 B2B 육성 박차…은석현·이재성 2명 사장 승진

LG전자가 B2B 사업의 양대 축인 전장 사업과 냉난방공조(HVAC) 사업 육성에 박차를 가한다. 각 사업의 수장인 은석현 VS사업본부장과 이재성 ES사업본부장을 각각 사장으로 승진시켰다. LG전자는 27일 2026년 임원인사를 통해 사장 2명, 부사장 2명, 전무 9명, 상무 21명 등 총 34명(인도LG전자 2명 포함)에 대한 승진인사를 실시했다. 승진 규모는 작년(46명) 대비 감소했다. 이번 인사로 은석현 VS사업본부장, 이재성 ES사업본부장 2명은 사장으로 승진했다. 은석현 사장은 지난 2018년 말 LG전자에 합류해 2021년 말부터 VS사업본부장을 맡아 전장 사업의 고속 성장을 이끌어 왔다. 특히 미국 관세, 전기차 수요 증가 둔화 등 불확실한 사업 환경에도 차량용 인포테인먼트 사업을 중심으로 한 매출 확대와 수익성 개선을 이끌었고, 전기차 부품 및 차량용 램프 사업의 강도 높은 효율화를 통해 경영성과 개선에 기여했다. 이재성 사장은 1987년 금성사 공조기연구실로 입사해 연구개발, 상품기획, 마케팅, 영업, 전략 등 다양한 분야를 거친 냉난방공조 전문가다. 지난해 말부터는 ES사업본부장을 맡아 가정·상업용 공조 사업에서 제품의 본원적 경쟁력을 기반으로 성장을 이끌어 왔다. 초대형 냉동기 칠러(Chiller)를 앞세운 산업·발전용 공조 사업기회 확보에 더불어 냉난방공조 유지보수 사업을 가속화하는 등 사업 포트폴리오 고도화에 기여하는 공로를 인정받았다. 또한 LG전자는 생활가전 사업에서 본원적 경쟁력을 기반으로 경쟁우위를 달성하고 사업의 견조한 성장을 이끌어 온 HS사업본부장 류재철 사장을 신임 CEO로 선임했다. 신임 류재철 CEO는 그간 꾸준하게 차별적 고객가치를 제공해 온 LG 생활가전의 1등 DNA를 전사로 확산하는 중책을 맡게 됐다. 류재철 사장이 신임 CEO로 선임됨에 따라 키친솔루션사업부장 백승태 부사장이 HS사업본부장을 맡는다. 신임 백승태 HS사업본부장은 리빙솔루션사업부장, 키친솔루션사업부장 등을 역임하며 글로벌 생활가전 시장에서 LG전자의 시장 지위를 높여왔고, 대외환경 변화에도 글로벌 생산지 전략 정교화 등으로 대응하며 HS사업본부를 이끌어갈 새 적임자로 선임됐다. MS, VS, ES사업본부장은 그대로 유임해 일관된 사업전략 추진에 속도를 낸다.

2025.11.27 16:28장경윤

호텔신라, 정기 임원인사…부사장 2명 등 5명 승진

호텔신라는 부사장 2명, 상무 3명 등 총 5명 승진을 골자로한 2026년 정기 임원인사를 단행했다고 27일 밝혔다. 호텔신라는 미래 리더십 확보 및 사업 경쟁력 강화를 위해 주요 사업 분야에서 성과 창출과 핵심적 역할이 기대되는 리더들을 승진자로 선정했다. 호텔신라 관계자는 “이번 인사를 통해 변화하는 시장 환경에 대한 적극적 대응 및 사업 핵심역량 강화를 통해 회사의 지속 성장에 매진할 계획”이라고 말했다. 다음은 승진자 명단. ◇부사장 승진자 ▲박민 ▲조병준 ◇상무 승진자 ▲김태원 ▲이강복 ▲조성훈

2025.11.27 16:06김민아

삼성글로벌리서치, 부사장 1명·상무 4명 승진

삼성글로벌리서치는 26일자로 2026년 정기 임원 인사를 실시했다고 밝혔다. 부사장 1명과 상무 4명 총 5명이 신임 승진했다. 배노조 상무가 부사장으로 승진했으며, 신임 상무로 강도혁, 김상지, 안신현, 정대선 등 4명이 선임됐다.

2025.11.26 11:30류은주

유통가 오너 3·4세 전진 배치…"미래 먹거리 찾아라"

유통업계가 오너 3, 4세를 경영 전면에 내세우는 인사를 실시했다. 그룹의 미래 먹거리를 책임지는 신사업 부서에 이들을 배치하면서 미래 성장 동력 확보와 함께 세대교체에 나선 것으로 해석된다. 이에 아직 인사를 발표하지 않은 오리온그룹의 3세 담서원 전무와, 롯데그룹 3세 신유열 부사장의 보직 변화에 관심이 집중되고 있다. 25일 유통업계에 따르면 2026년 정기 임원 인사에서 승진한 오너 3, 4세는 ▲신상열 농심 미래사업실장 부사장 ▲전병우 삼양식품 전무 ▲허진수 SPC 부회장·허희수 SPC 사장 ▲이선호 CJ 미래기획그룹장 등이다. 라면 라이벌 농심·삼양식품, 90년대생 전면에 라면업계 경쟁자인 농심과 삼양식품은 모두 90년대생 젊은 오너 3세를 전면에 내세우며 세대교체를 본격화하고 있다. 농심은 최근 진행한 정기 임원 인사를 통해 신동원 회장의 장남인 신상열 미래사업실장 전무를 부사장으로 승진시켰다. 신 부사장은 1993년생으로 2018년 미국 컬럼비아대를 졸업하고 2019년 농심 경영기획팀 사업으로 입사했다. 그는 2021년 부장으로 승진했고 2022년 구매담당 상무, 2024년 미래사업실장 전무로 초고속 승진했다. 삼양라운드스퀘어 정기 임원 인사에서는 삼양식품 창업주인 고 전종윤 명예회장 손자이자 김정수 부회장의 장남인 전병우 운영최고책임자(COO) 상무가 전무로 승진했다. 전 신임 전무는 1994년생으로 2019년 삼양식품 해외사업본부 부장으로 입사했다. 이후 1년 만에 이사로 승진했고 지난 2023년 10월 상무로 승진했다. 입사 6년 만에 전무 자리에 오른 것이다. 삼양라운드스퀘어는 전 신임 전무의 승진 배경에 대해 “불닭브랜드 글로벌 프로젝트와 해외사업확장을 총괄해 온 실적을 인정받았다”며 “특히 중국 자싱공장 설립을 주도해 해외사업의 성장동력을 마련했다. 또 코첼라 등 불닭브랜드 글로벌 마케팅과 제품 포트폴리오 확대를 통해 핵심 사업 경쟁력 강화를 이끌었다”고 설명했다. 이번 3세의 승진으로 양 사는 미래 먹거리를 찾는 것에 더 집중할 것으로 전망된다. 두 3세 모두 미래 먹거리를 찾는 업무를 담당하고 있기 때문이다. 산상열 부사장은 지난해부터 신설된 미래사업실을 이끌고 있다. 미래사업실은 미래 사업 포트폴리오를 구성하는 등 농심의 신사업 발굴 역할을 담당하는 조직이다. 지난 5월 발표한 기업가치 제고 계획에 따르면 농심은 신규사업을 발굴해 고성장과 신성장 기회를 모색하겠다는 전략을 갖고 있다. 대표적인 것이 '스마트팜' 사업이다. 농심은 오만에 스마트팜을 수출했고 사우디아라비아, 카타르와 스마트팜 수출 MOU를 맺었다. 이 외에도 M&A 기회 모색과 아시안 누들·파스타 등 글로벌 고성장 신사업에도 도전하겠다는 계획이다. 삼양식품의 전병우 전무 역시 그룹 미래 사업을 총괄하고 있다. 그는 COO와 헬스케어BU(비즈니스 유닛)장, 삼양라운드스퀘어 CSO 등을 겸임 중이다. 전 전무에게는 불닭볶음면 이후 신규 성장동력을 찾는 것이 주요 과제로 놓여 있다. 이 때문에 후속 신규 라면 브랜드 '맵탱' 기획과 단백질·헬스케어 신사업 논의에 참여했다. 지난 7월에는 기존의 식물성 식품·스낵 브랜드인 '잭앤펄스'를 '펄스랩'으로 재단장했다. 펄스랩은 '콩'을 기반으로 한 스낵 간편식이다. SPC·CJ도…오너 3·4세 승진 SPC그룹 역시 오너 3세 형제가 나란히 승진했다. 허영인 회장의 장남 허진수 사장이 부회장으로, 차남 허희수 부사장이 사장으로 각각 승진했다. 허진수 부회장은 파리크라상의 최고전략책임자(CSO)와 글로벌BU장으로 파리바게뜨의 글로벌 사업을 총괄해 왔다. 지난 7월 출범한 'SPC 변화와 혁신 추진단' 의장도 맡고 있다. 향후 그룹의 글로벌 사업 경쟁력 강화와 함께 이해 관계자의 신뢰 회복을 위한 변화와 혁신을 주도할 것으로 보인다. 허희수 사장은 비알코리아의 최고비전책임자(CVO)로서 배스킨라빈스와 던킨의 혁신을 주도하고, 글로벌 브랜드 도입과 디지털 전환(DT) 등 신사업 추진을 이끌어왔다. 최근 미국의 대표 멕시칸 푸드 브랜드 '치폴레'의 국내 및 싱가포르에 들여왔다. 이재현 CJ 회장의 장남인 이선호 CJ 미래기획실장은 미래기획그룹장을 맡게 됐다. 미래기획그룹은 중장기 전략·신성장동력을 발굴하는 '미래기획실'과 디지털 전환을 추진하는 'DT추진실'을 통합한 조직으로 이 그룹장이 그룹의 미래 먹거리를 직접 챙기는 셈이다. 롯데 신유열·오리온 담서원 승진 여부 주목 업계에서는 아직 임원 인사가 나오지 않은 기업을 주목하고 있다. 대표적으로 신동빈 롯데그룹 회장의 장남인 신유열 롯데지주 미래성장실장 부사장이다. 신 부사장은 지난 2020년 일본 롯데에 입사한 후 2022년 롯데케미칼 일본지사 상무보를 거친 뒤 2023년 임원인사에서 상무로 승진했고 2024년 임원인사에서 전무로 승진했다. 2025년 임원인사에서 부사장으로 승진하며 입사 5년 만에 초고속 승진을 이어왔다. 현재 신 부사장은 롯데제조 미래성장실장과 롯데바이오로직스 글로벌전략실장도 겸임하며 국내외 신사업 및 신기술 기회 발굴, 글로벌 협력 프로젝트 추진을 담당하고 있다. 오리온그룹 담철곤 회장의 장남 담서원 전무의 승진 여부도 주요 관심사다. 그는 1989년생으로 2021년 7월 수석부장으로 입사한 뒤 2022년 12월 상무, 지난해 12월 전무로 빠르게 승진했다. 담 전무는 그룹의 사업전략 수립과 관리, 글로벌 사업 지원을 총괄하고 있다. 올해부터는 리가켐바이오 사내이사로 신규 선임되며 사업 의사결정에 직접 관여하고 있다.

2025.11.25 16:59김민아

[인사] 삼성SDS

◇부사장 ▲김정욱 부사장 ▲이태희 부사장 ◇상무 ▲김긍환 상무 ▲김승진 상무 ▲문신정 상무 ▲신창민 상무▲이준형 상무 ▲최규황 상무 ▲한호전 상무 ▲홍기영 상무

2025.11.25 10:08한정호

SK그룹 사장단 인사…이형희 수펙스 사장 부회장 승진

SK그룹이 현장 실무 경험과 R&D 역량 등 문제해결 능력이 있고, 고객 신뢰를 높일 수 있는 경영진을 발탁하는 2026년 사장단 인사를 단행했다. 또한 차세대 리더들도 전진 배치해 기존 사장단과 함께 조직의 안정을 꾀하면서도 변화를 가속화할 수 있도록 했다. SK그룹은 30일 오전 임시 수펙스추구협의회를 열고, 사별 이사회를 통해 결정된 사장 인사 사항을 공유했다고 밝혔다. 사장 승진자는 총 11명이며, 부회장 승진자는 1명이다. SK는 이번 사장 인사를 통해 사업체질 강화와 재무구조 개선을 핵심으로 하는 포트폴리오 리밸런싱 등 각 사가 당면한 과제들을 조속히 매듭짓고 성장의 발판을 마련해 나갈 계획이다. SK그룹은 당면 과제를 해결하기 위해 현장형 리더들을 중용했다. SK그룹 지주회사인 SK는 재무 및 사업개발 전문가인 강동수 PM부문장이 사장으로 승진해 운영 전반을 총괄하고 장용호 대표 사장을 보좌할 예정이다. 강 부문장은 SK 사업체질과 재무구조를 강화하는데 역할을 한 바 있다. SK텔레콤은 정재헌 최고거버넌스책임자(CGO)가 사장을 맡는다. 정 사장은 회사의 컴플라이언스 역량을 높이고, 거버넌스 체계 지속 고도화를 통해 고객 신뢰를 높일 계획이다. 한편, 유영상 현 SK텔레콤 사장은 SK수펙스추구협의회 AI위원회 위원장으로 그룹 AI 확산에 전념할 예정이다. SK텔레콤은 경쟁력 강화를 위해 회사를 통신 CIC(사내회사)와 AI CIC 체계로 재편하고, 통신 CIC장에 한명진 SK스퀘어 대표를 보임해 국내 1위 통신사업자로서 경쟁력을 공고히 할 예정이다. SK온은 소재와 제조업 전문성이 높은 이용욱 SK실트론 대표를 사장으로 선임해 이석희 사장과 함께 성장 잠재력이 높은 배터리 산업에서 지속 가능한 성장을 위한 체질 개선을 이어 나갈 계획이다. SKC는 자회사 SK엔펄스를 이끌고 있는 김종우 대표를 사장으로 선임한다. 회사의 안정적 사업 운영과 미래 성장 기반 확보에 집중한다는 방침이다. SK에코플랜트는 장동현 부회장과 함께 사업을 이끌어 갈 신임 사장으로 김영식 SK하이닉스 양산총괄을 선임했다. 김 신임 사장은 반도체 소재 등 회사의 성장 사업 실행력 높이고, SK하이닉스의 성공 DNA를 이식하게 될 예정이다. SK 머티리얼즈 CIC를 맡고 있는 송창록 대표는 사장으로 승진, 첨단 소재 사업을 지속적으로 이끈다. 현장 중심의 실행력을 높이고 R&D 강화를 위해 차세대 리더들도 대거 발탁했다. SK이노베이션 E&S는 현장에 대한 깊은 이해를 갖춘 이종수 LNG사업본부장을 사장으로 선임해 안정적 경영 기반을 강화함과 동시에 에너지설루션 등 새로운 성장을 모색할 예정이다. SK스퀘어는 김정규 SK㈜ 비서실장을 신임 사장으로 선임했다. 김 신임 사장은 글로벌 투자 전문성을 바탕으로 SK스퀘어의 미래성장동력 확보를 주도할 것으로 기대된다. SK AX는 클라우드 사업과 ITS 컨설팅 사업을 두루 경험하고 현재 CCO(최고고객책임자)로서 AX의 주요사업을 총괄하고 있는 김완종 부사장을 신임 사장으로 선임했다. SK하이닉스에서는 차선용 미래기술연구원장이 사장으로 승진, 차세대 메모리 반도체 기술 개발을 통해 메모리반도체 전 분야에서 시장 선도를 목표로 미래기술원 조직을 진두지휘한다. SK실트론은 정광진 자회사 SK실트론CSS 대표를, 그리고 SK브로드밴드는 김성수 유선/미디어사업부장을 각각 신임 사장으로 선임했다. 이들 모두 해당 분야에서 잔뼈가 굵은 리더로 조직에 대한 깊은 이해를 바탕으로 현장 중심 경영을 이끌 것으로 보인다. SK그룹의 최고 협의기구인 수펙스추구협의회도 인사를 단행했다. 이형희 커뮤니케이션위원장은 부회장으로 승진, 멤버사 및 수펙스추구협의회에서의 풍부한 경험을 살려 SK 부회장단에서 활동할 예정이다. 윤풍영 SK AX 대표는 수펙스추구협의회 담당 사장으로 자리를 옮겨 SK 멤버사들의 '또 같이' 시너지를 한층 강화하고, AI·DT 기반 트랜스포메이션을 가속화할 것으로 예상된다. 커뮤니케이션위원장에는 염성진 CR팀장이 사장으로 승진·보임됐다. 염 신임 위원장은 그룹 대외협력 기능을 총괄하며, 그룹의 전반적인 대외협력 수준을 높이는데 기여했다는 평을 받는다. SK그룹 관계자는 “이번 인사는 불확실한 경영 환경 속에서 각 계열사가 직면한 현안을 빠르게 해결하고, 차세대 리더 보임을 통해 그룹 경영 후보군을 탄탄히 함과 동시에, 현장과 실행 중심의 리더십을 강화하기 위한 것”이라면서 “이를 통해 앞으로 그룹 전반의 경쟁력과 조직 역동성을 높여 나가겠다”고 밝혔다.

2025.10.30 10:33류은주

현대백화점그룹, 정기 임원인사…백화점·홈쇼핑 등 주력 계열사 유임

현대백화점그룹은 사장 1명, 부사장 2명을 포함해 승진 27명, 전보 21명 등 총 48명에 대한 정기 임원 인사를 2026년 1월 1일부로 단행한다고 30일 밝혔다. 인사 폭은 예년과 비슷한 수준이며, 주력 계열사 경영진은 대부분 유임됐다. 이번 인사에서 민왕일 현대백화점 경영지원본부장 부사장이 현대리바트 대표이사 사장으로 승진했다. 이진원 현대L&C 대표이사 전무는 부사장으로, 이종근 현대지에프홀딩스 경영전략실장 전무는 부사장으로 각각 승진했다. 현대백화점그룹 관계자는 “대내외 경영 불확실성이 지속되고 있는 상황을 감안해 백화점, 홈쇼핑, 그린푸드 등 주력 계열사 경영진을 유임시켜 변화보다는 경영 안정성에 방점을 뒀다”며 “이런 기조 속에 조직 분위기를 쇄신해 본업 경쟁력을 강화해 나가겠다는 의미도 담겨 있다”고 말했다. 이어 “급변하는 사업환경에 유연하고 민첩하게 대응할 수 있는 참신하고 유능한 차세대 리더를 적재적소에 중용해, 미래 혁신과 지속 성장 기반을 공고히 해 나갈 것”이라고 설명했다.

2025.10.30 10:33김민아

산업부, 대왕고래 시추사업 의혹 관련 감사원 감사 청구

산업통상부는 지난 13일 국회 산업통상자원중소벤처기업위원회의 2025년 산업통상부 국정감사에서 제기된 대왕고래 구조 시추사업 추진 과정에서 발생한 주요 의혹 사항과 관련해 석유공사에 대한 감사원 공익감사를 청구할 계획이라고 15일 밝혔다. 국감에서 제기된 대왕고래 시추사업 관련 주요 의혹은 ▲석유공사의 울릉분지 기술평가 용역 관련 액트지오 선정 과정 및 기준 ▲석유공사의 한국지질자원연구원 동해 탐사시추 지진 안전성 검토 연구취소 경과 ▲석유공사가 대왕고래 시추사업이 경제성 없다고 결과를 발표했음에도 담당팀·임원 최상위급 성과평가 및 담당 임원의 부사장 승진 등이다. 산업부는 관련 규정과 절차에 따라 신속히 감사원에 공익감사를 청구할 계획이다. 또 이날 국감에서 별도로 제기된 한국석탄공사 사장 관련 의혹 사항과 관해서는 사장 개인적인 사항임을 고려해 산업부 차원에서 감사를 진행한 후 그에 따라 상응한 조치를 취할 예정이다.

2025.10.15 13:30주문정

한국바른채용인증원, 공공부문 승진 돕는 리더십 과정 연다

한국바른채용인증원(원장 조지용)은 7월10일과 11일 양일간, 공공부문 승진 후보자를 대상으로 '메타인지 리더십 과정'을 개최한다. 이 과정은 공무원 및 공공기관의 예비 리더들이 실제 직무 역량을 진단하고 개선해 역량평가·승진 준비도를 제고하는 데 중점을 두고 있다. 조지용 원장은 이번 교육의 취지에 대해 "승진이나 역량평가를 앞둔 예비 리더들이 본인의 강점과 약점을 명확히 파악하고, 이를 바탕으로 실질적인 리더십을 개발할 기회를 제공하는 데 목적이 있다"고 설명했다. 특히 주목할 점은 '메타인지 리더십' 접근 방식이다. 이는 실제 리더가 직면할 수 있는 모의상황 과제를 체험하게 해 참가자 스스로의 판단, 결정, 행동 양식에 대한 다각적인 피드백을 제공함으로써 자연스러운 행동 변화를 촉진하는 방식으로 진행된다. 본 과정은 리더십 역량 강화를 위한 다음과 같은 체계적인 프로그램으로 구성된다. 역량 및 역량평가에 대한 이해: 역량평가의 기본 개념과 중요성을 학습한다. 어세스먼트 센터(Assessment Center) 도구 이해: 평가센터에서 활용되는 다양한 도구들을 실질적으로 학습한다. 서류함 기법(In-basket) 실습: 실제 업무 상황과 유사한 안건 처리를 통해 정책기획, 의사결정, 조직관리 능력을 함양한다. 집단 토론(Group Discussion) 실습: 성과지향, 이해관계자 조정, 팀워크 능력을 강화한다. 구두발표(Oral Presentation) 실습: 문제해결, 의사소통 능력을 강화한다. 역할수행(Role Play) 실습: 곤란한 상황에서의 리더십, 의사소통 및 이해관계자조정 능력을 배양한다. 개별 코칭 및 피드백: 전문가의 맞춤형 코칭을 통해 개선점을 성찰하고 발견한다. 진단 결과 리뷰 및 리더십 역량개발 계획 수립: 개인별 역량 진단 결과를 분석하고, 리더십 성장 및 개선을 위한 구체적인 계획을 수립한다. 임종순 한국정책분석평가학회 이사(전 한국가스공사 부사장)은 “앞으로 공공부문 리더들은 예측이 어려운 불확실성 속에서 답을 찾아야 하는 어려운 임무를 맡게 되는데, 금번 한국바른채용인증원의 '메타인지 리더십 과정'은 이에 필요한 역량을 배양하는 좋은 기회가 될 것”이라고 추천했다. 김상덕 한국기업재난관리사회 부회장(전 남부발전 인사처장)은 "역량평가는 조직의 리더에게 필요한 기본적인 역량을 확보 하였는지 여부를 확인하는 절차로, 평소에 쌓아온 본인의 역량을 주어진 특정 상황에 맞게 잘 적용 할 수 있도록 평가도구에 대한 적응 훈련이 필요하다"며 "이번에 한국바른채용인증원에서 기획한 평가도구별 실습 중심의 '메타인지 리더십' 과정은 승진후보자들에게 큰 도움이 될 것으로 기대된다"고 밝혔다. 김석진 한전KDN 인재개발원장은 “본 과정은 리더의 역량진단을 통해 본인의 강점과 약점을 구체적이고 객관적으로 파악하고 리더십 코칭을 통해 실질적인 행동 변화 유도로 전략적사고 역량, 의사소통 능력 등을 향상시킬 수 있는 교육이라고 생각한다”고 말했다. 본 교육에는 조지용 원장 외에도 공무원 및 공공기관 역량평가 및 역량 개발 교육에 풍부한 경험을 가진 전문 퍼실리테이터들이 코칭과 피드백에 참여한다.

2025.06.07 08:40백봉삼

[황승진의 AI칼럼] 직장인 사이서 흔히 오가는 질문 '저주받은 AI'

우리가 AI를 편하게 믿고 쓰기에는 관계(AI와 인간)의 역사가 너무 짧다. 만나가며 상대를 더 알아가야 하고, 처음에는 약간의 주의와 경계가 필요하다. 2022년 로베르토 마타는 아비앙카 항공을 상대로 소송을 냈다. 뉴욕으로 가는 비행 중 승무원이 식사 카트로 그의 무릎을 세게 쳐 다쳤기 때문이다. 항공사는 이것이 항공 여행에 따르는 일반적인 위험이라고 주장하며 사건을 기각하려 했다. 마타 변호사는 정식 재판이 필요하다는 점을 강조하기 위해 유사한 사건의 여러 선례를 제시했다. 제시한 사건은 '마티네스 대 델타' '지커먼 대 대한항공' '바르게세 대 중국 남방항공'이었다. 그러나 이러한 사건은 존재하지 않았다. 변호사는 챗GPT를 사용했는데, 챗GPT가 이러한 가짜 사건을 만들어낸 것이다. 이렇게 LLM은 잘못된 진술을 할 수 있다. LLM의 특기는 예측하는 것이다. 답변을 주려는 열망에서 과장해 잘못된 걸 만들어낼 수 있다. 기술적으로는 '환각(hallucination)'이라고 한다. LLM은 창의력이 풍부해 소설을 쓸 수 있다. 그러니 사용자의 검증과 주의가 필요하다. 위에서 예로 든 것과 결이 다르지만, AI 위협은 LLM이 아닌 'AI 쓰는 인간'에서 나올 수도 있다. 2년 전 홍콩에서였다. 다국적 기업의 한 재무 직원은 2560만 달러를 외부 계좌로 송금하라는 메시지를 받았다. 이 메시지는 CFO 사무실에서 온 것이었지만, 직원은 비밀 유지 필요성을 언급한 것 때문에 피싱 가능성을 의심했다. 곧 상부에서 연락이 와, 다자간 화상 회의에 초대됐다. 화상 회의에는 CFO와 다른 직원들이 참석했다. 송금은 허락되었고, 회의 후, 직원은 요청대로 금액을 송금했다. 그러나 화상 회의는 사기꾼들이 연출한 딥페이크였다. 그가 본 모든 사람은 가짜였다. AI의 새로운 멀티모달 기능을 고려할 때, 이러한 유형의 범죄가 충분히 가능함을 예측할 수 있다. 새로운 기술이 떠오를 때마다 이를 악용하는 사람이 있다. 속지 않기 위해서라도 AI를 배워야 한다. 직업에 관계없이, 직장인 사이에서 흔히 오가는 질문은 '저주받은 AI'의 개념이다. 즉, AI가 내 직업을 빼앗아 갈 것인가 하는 것이다. 교육사업가 샐 칸은 "당신이 AI에 의해 대체되는 일은 없을 것이다. 다만 AI를 사용하는 사람에 의해 대체될 수 있다."라고 조언한다. 걱정보다는 준비를 하라는 충고다. 과거를 돌아보면 혁신적인 기술조차도 사회에 정착하는 데 시간이 걸렸다. 이는 근로자들이 다가오는 환경에 적응할 수 있는 충분한 대비시간을 제공할 것이다. 이 시간은 대비하는데 써야 한다. 마지막으로, AI에 의한 인류 멸종에 대한 공포 이야기를 자주 듣는다. 언젠가 AI가 너무 똑똑해져서 우리의 통제를 벗어날 것라는 얘기다. 과학자들은 이를 심각하게 받아들여 'AI 특이점' 또는 '초지능'이라는 전용 용어를 쓴다. 두 용어 모두 AI가 인간보다 더 지능적으로 되는 가설적인 개념을 뜻한다. 이러한 특이점 순간에 도달하면 거기서 그치지 않을 것이다. 세계를 장악하고 우리를 노예로 만들거나 파괴할 것이라는 걱정이다. 과학자들은 집단적으로 그러한 가능성을 5%로 평가한다. 혹자는 "왜 똑똑한 AI가 그런 어리석은 짓을 할까?"라고 물을 수 있다. AI를 갖춘 로봇을 생각해 보자. 이 로봇은 주인인 인간에 의해 특정 목표를 이루도록 명령을 받는다. 만약 일부 인간이 이 로봇의 길을 막는다면 어떻게 될까? 로봇은 초지능을 사용해 장애물 인간을 제거할 것이다. 이것이 아서 C. 클라크의 소설과 스탠리 큐브릭의 영화 '2001: A Space Odyssey'의 스토리라인이다. 아니다 다를까? 최근 뉴스에 따르면 실제로 LLM이 그만 끝내라는 명령을 불복종하고, 또한 어떤 명령에 대해 “그건 네가 할 일이지” 라고 거부했다고 한다. 아마도 지금 하고 있는 작업 때문에 바빠서 그럴 수 있다. 허나 정말 겁나는 것은 힌트 교수 걱정처럼 기계가 혼자 자기 코드를 바꿀 수 있을 때가 올 수 있다는 것이다. 또 다른 가능성으로, 로봇이 인간의 장기적인 생존과 번영을 지원한다는 숭고한 목표로 행동한다고 하자. 만약 그가 현재의 인류는 탐욕, 부도덕, 자기 파괴적 행동으로 희망이 없다고 결론을 내린다면? 유감스럽게도, 그들은 '재설정' 버튼을 누르고 인류 전체를 대체하고 싶을 것이다. 이것이 아이작 아시모프의 단편 소설집을 바탕으로 한 윌 스미스 주연의 알렉스 프로야스 영화 'I, 로봇' 이야기이다. 일론 머스크가 투자한 스타트업 가운데 뉴럴링크(NeuraLink)가 있다. 이 회사는 두개골에 컴퓨터 칩을 삽입해 뇌와 연결하겠다는 공상 과학적인 야망을 가졌다. 이러면 키보드나 마우스 없이도 컴퓨터를 조작할 수 있다. 사실 새로운 아이디어는 아니다. BMI(Brain Machine Interface)라 하여 잃어버린 신체 기능을 보조하도록 두뇌에 칩을 심는 의학 연구가 1970년대부터 지속돼 왔다. 또 아놀드 슈와츠네거의 영화 '토탈 리콜에서 여행 경험을 메모리 칩에 넣어 머리에 삽입한다는 스토리도 이와 상통한다. 만약 그 칩이 LLM급 AI칩이라면 어떨까? 구태여 학교에 가서 공부하거나 책을 읽을 필요가 없겠다. LLM 칩에 위키피디아가 몽땅 들어가 있으니 문자 그대로 '걸어 다니는 백과사전'이 된다. '앨저논을 위한 꽃(Flowers for Algernon)'이란 1965년 단편과학소설은 다른 방식으로나마 개조된 백과사전적 인간을 상상한다. 하지만 이 인간 개조는 가능성 만으로도 재앙을 부를 것이다. 여기에 한번 더 가정해, 만약 어떤 미친 과학자가 그 칩을 침팬지 두뇌에 넣으면 어떻게 될까? 우리는 영화 '혹성탈출'에 나오는 '새로운' 세상을 겪을 것이다. 멸망 혹은 노예 신세가 될 수 있다. 다행히 우리는 지금 가정에 가정을 거듭하며 걱정하고 있다. 게다가, 공상과학 작가들은 미래의 사건을 공상은 잘 해도, 예측하는 데 능숙하지 않다. 이 경우도 그러하길 바라본다.

2025.06.06 17:16황승진

[황승진 AI칼럼] 환경보호와 AI

AI는 환경보호 노력에도 크게 기여한다. 대표적 예가 아마존 우림 보호 운동이다 (엘리엇 스미스, Source LATAM). 아마존 우림은 거대하다. 브라질과 콜롬비아를 포함한 9개국에 걸쳐 놓여있으며, 그 크기가 한국 영토의 60배, 미국 본토 48개주를 합친 것과 비슷하다. 아마존은 산소를 발산하고 이산화탄소를 흡수하니 '지구의 허파'라는 별명이 어울린다. 또 그 지역의 기후를 좌지우지한다. 만약 아마존에 큰 변화가 생기면 그 지역의 기후 환경의 균형이 깨져 어떤 자연 재해가 생길지, 그 다음 지구 전체에 어떤 일이 일어날 지 예측 불허다. 게다가 이곳에 지구 생태계의 80% 동식물이 살고 있다. 인간의 횡포에서 벗어나 살만한 남은 곳 중의 하나다. 그들에게는 이 곳이 인간이 득실거리는 정글에서 벗어나 살 수 있는 안식처다. 이들을 보호해야 한다. 이런 중요성에도 불구하고 엄청난 양의 불법 벌채가 일어나고 있다. 2023년 한 해에만 우리나라 면적의 10% 정도의 삼림이 사라졌다. 불법으로 행하는 벌채, 광산, 농업 활동이 주된 요인이었다. 이런 추세를 방치하면 멀지 않아 지구촌은 재앙을 맞이할 것이다. 허나, 당장 내 발등에 떨어지지 않은 불똥이라, 각 국가가 적극적으로 개입할 인센티브가 약하다. 작은 자원과 노력으로 거대한 삼림 벌채를 막기 위해 최근 빅데이터 기술과 AI/ML이 동원된다. 마이크로소프트과 아마존 같은 AI 업체가 정부와 NGO들과 협조함으로 가능했다. 환경 문제를 접근함에 있어 탐사, 분석 및 예측이 첫 단계 임무이다. 이를 위한 데이터를 얻기 위해 인공위성, 드론, 카메라와 도청장치가 동원된다. 플래넷 랩, 센티넬이나 랜드셋 같은 공급자로부터 인공위성 사진을 거의 일별로 받는다. 구름이 낀 날에도 SAR라는 기술을 사용해 양질의 영상을 받는다. 문제는 그 다음 단계로, 이를 분석해 아마존 숲의 변화를 정확히 추적하는 것이다. 센티넬 같은 저궤도 위성이 아마존을 사진 찍는 데는 몇 초 내지 몇 분이 걸리나 이를 인간이 기본 IT 장비로 분석하는 데는 몇 년이 걸린다 한다. 따라서 설령 매일 혹은 매달 사진을 찍어 나른다 해도 분석이 감당을 못한다. 혹자는 “왜 그리 자주 찍나?” 라고 물을 지 모른다. 만약 6개월을 기다린다면 벌채꾼이 들어와 숲 안에 길을 내고 집 짓고 편하게 나무 자르는 시간을 줄 것이니 감시당국이 할 일을 못 할 것이다. 반면에 CNN으로 학습된 이미지 처리 알고리즘은 즉석에서 이미지에 있는 '인간' '차량' '길' 같은 패턴을 찾아 낸다. 이미지를 여러 개의 사각형으로 나눈 후, 각 사각형의 지형적 상태를 들여다본다. 숲이 잘 숨쉬고 살아 있는지, 벌채되었는지, 수목이 해충으로 감염되었는지, 누가 거기에 가축을 키우는지, 불에 타버렸는지를 자동으로 파악하고, 지난 번 사진과의 차이점을 발견한다. 의심점이 발견되면 감시당국과 정보를 공유한다. 이를 매일 수행하면 효과적인 벌채 방지 수단이 될 것이다. 한 발작 더 나아가, 이러한 위성 테이터와 ML을 이용해 브라질의 파라 주(州)는 SeloVerde(녹색인증)라는 감사 플랫폼을 만들었다. 숲의 주변에 살며 가축을 키우거나 콩 같은 농산물을 재배하는 농축산가를 상대로 불법적 벌채나 농사 행위를 감시하고 합격점을 받은 농가는 정부의 인증을 받고 시장에서 합당한 대접을 받는 제도다. 슬쩍 숲의 공지로 불법 확장하지 않는지, 허가된 농산물 종을 허가된 장소에 심는지, 토지를 혹사시키지 않고 여러 종으로 돌려 심는지, 농지를 불로 태워 준비하는지, 시설물을 허가 받은 대로 짓는 지 등을 위성과 AI로 감시한다. 아마존에서는 비전 외에 오디오도 벌채 방지에 한 몫 한다. 벌채 과정에서 생기는 체인톱, 차량 소리, 사람 목소리, 동물 울음소리 변화가 보조적으로 벌채활동을 노출시킨다. 이를 위해 당국은 수많은 녹음기를 숲에 설치해 전송케 한다. 이 데이터는 숙련된 ML이 분석한다. 더 흥미롭게도, AI는 다음 벌채가 일어날 지역을 '예측'할 수 있다. 지난 강화학습 칼럼에서 이야기한 화재 방향 예측과 같은 원리로 작동한다. 벌채가 일어날 가능성은 돈 되는 큰 나무가 많이 있고, 대형 차량이 움직일 큰 길이 근처에 있고, 지형적으로 사람이 들어 다니기 수월한 장소일 것이다. 이 복잡한 요소를 과거 기록과 합쳐서 신경망에 수학 공식화한 결과다. 이를 근거로 감시당국은 요주의 지역을 집중적으로 감시할 것이다. 벌채꾼이 벌채를 하려면 먼데 채산성 떨어지는 데로 가야 한다. 벌채를 완전히 막을 수는 없어도 비싸고 힘들게 할 것이다. 벌채 방지 외에도 AI는 '동식물의 생태계 보존'에도 큰 역할을 한다. 아마존의 여러 지역에 무인 몰래 카메라를 설치해 동물의 존재와 개체군을 추적한다. 야행성 동물을 겨냥해 나이트 비전도 갖추었다. 이 이미지 데이터는 캡쳐되어 전송 즉시, 종 별로 분석되어 DB에 기록된다. 일부 카메라는 비디오 카메라로 오디오를 동시에 녹화한다. 이 경우 분석에 이용되는 ML 모델은 비디오-오디오 멀티모달 LLM이다. 오디오 자체도 중요한 역할을 한다. 숲의 환경에 변화가 생겼을 때, 동물들은 소리를 내어 반응한다. 소리 데이터로 변화를 유추하게끔 ML은 훈련된다. 예로, 새로운 종의 새의 등장은 무언가 규명해야 할 스토리를 경고한다. 소리의 부재 역시 환경 변화에 대한 중요한 정보를 준다. 이러한 위성, 드론, 카메라, 도청기에 기반한 AI/ML은 아마존 지역 뿐 아니라 다른 지역에서도 환경운동에 활용된다. 북가주의 MBARI 해양 연구소는 몬터레이 배이의 해양 자원을 연구하며 해양 생태계의 보존을 추구한다. 예를 들어, 드론 사진을 ML로 분석해 배이에 사는 어종별 개체수를 파악한다. 사실, LLM은 물건 세기를 잘 한다. 하늘에 가득한 새들의 사진을 주며, “여기 새가 몇 마리?” 하고 물으면 금방 답한다. 이를 기반으로, 어린 물고기는 배이 북쪽에 머물다가 나이가 들면 남쪽으로 간다는 등 어류의 행동까지 유추한다. 게다가, 그들의 키와 허리 둘레를 AI로 재 기록해 그들의 건강을 체크한다. 그들에게 프라이버시 걱정이 없으니 다행이다. 이렇게 AI는 환경보호에 널리 쓰인다.

2025.05.31 22:14황승진

[황승진의 AI칼럼] 넷플릭스·유튜브는 새 상품을 어떻게 추천할까

아마존, 넷플릭스, 아이튠(iTune), 유튜브, 스포티파이(Spotify), IMDb 같은 온라인 서비스 기업은 어떤 방법으로 새 상품을 추천할까? 아마존의 경우 매출의 35%가 추천 시스템에 기인하고, 넷플릿스는 80%에 달한다 하니 기업의 흥망성쇠가 추천에 달렸다해도 과장은 아니다. 사용자에 많은 부류가 있고, 또 아이템에도 많은 부류가 있으니 서로 궁합이 맞는 쌍을 연결하는 것이 추천 시스템의 핵심이다. 특히, 이를 시행하기위해 '여러 사용자의 선호도'를 반영한 과거 데이터를 이용하는 방식을 협업 필터링(Collaborative filtering)이라 부르며, 여기에 임베딩을 사용하는 방식을 여기 소개한다. 먼저 임베딩에 대한 복습으로 시작한다. 새로운 임베딩 시스템은 다음과 같이 만들어졌다. 많은 아이템의 집합이 여기 있다. 먼저, 각 아이템에게 하나의 벡터 임베딩을 부여한다. 의미상으로 유사한 아이템끼리는 벡터가 가깝고, 유사하지 않은 아이템끼리는 멀도록 임베딩을 잘 선택한다. 또한 두 아이템 간의 유사도를 설명하는 '유사도 측정값'을 써야 된다. 우리는 두 벡터의 내적(內積)(dot product)을 유사도 측정값으로 선택하며, 이 값이 클수록 두 아이템은 유사하다. 이제 넷플릭스 같은 영화 OTT에 추천 시스템을 보자. 아이템은 영화라 하고, 사용자는 시청자라 부르기로 한다. 유사한 시청자들은 유사한 영화를 좋아한다는 점을 이용하기 위해, 유사한 시청자들을 서로 근처에 가도록 몰아 놓고, 또 유사한 영화를 그들끼리 몰아 놓아야 한다. 이를 임베딩으로 한다. 먼저, 영화 집합에 그리고 시청자의 집합에 임베딩을 적용한다. 따라서 각 시청자는 자기 임베딩을 가지고, 각 아이템도 자기 임베딩을 가지고 있다. 흥미롭게도, 여기서 시청자와 영화는 같은 벡터 공간을 사용한다. 예를 들어, 시청자의 임베딩은 그가 어떤 속성의 영화를 선호하느냐로 정한다. 시청자의 임베딩을 (모험, 로맨스, 대규모 제작, 유명 배우 출현, 유명 여배우 출현, 외국어, 할리우드 스타일, …)이라 가정하자. 사실 실제 임베딩은 이렇게 요소별로 명확한 속성을 가지는 게 아니지만 설명을 위해 이리 가정한다. 가만히 보면, 이러한 시청자의 임베딩은 영화에게도 자연스럽게 적용된다. 그리고 임베딩의 유사성이 선호도와 연결된다. 시청자 A가 영화 B를 좋아한다면, 둘의 임베딩은 어느 정도 겹칠 것이다. 즉, A는 '모험=1'이고 '낭만=0' 라면, 그는 그와 비슷한 영화 B(예, 0.9, 0.1)를 좋아한다. 즉, A와 B가 벡터상으로 비슷하면, 이 말은 곧 A와 B의 유사도 측정값, 두 벡터의 내적 값이 0.9처럼 크다는 것을 뜻한다. 즉 '궁합이 맞다'는 우리말은 수학적으로 '내적 값이 크다'로 해석된다. 지금 마침 한 시청자가 도착하여 넷플릭스에 로그인하면, 사이트는 매칭 프로세스를 시작한다. 사이트는 그 시청자의 계정에 연결된 임베딩을 알고 있다. 시청자와 그가 아직 시청하지 않은 100개 영화들 사이의 유사도 측정값을 하나씩 계산한다. 그 결과, 사이트는 가장 높은 순위의 영화를 추천할 것이다. 그렇다면, 시청자와 영화의 임베딩은 어떻게 얻을 수 있을까? 그저 우리가 속성별로 벡터 숫자를 메길까? 아니다. 여기에 모델의 절묘한 한 수가 있다. 먼저, '피드백 행렬'을 준비한다. 엑셀 스프레드시트에 큰 테이블을 만든다. 가장 왼쪽 열에 시청자들의 이름을 나열하고, 맨 위 행에 영화의 이름을 나열한다. 다음, 테이블의 셀을 채운다. 시정자 A가 영화 B를 보았다면 해당 행과 열이 만나는 셀에 1을 입력한다. 그렇지 않다면 0을 입력한다. 이 테이블 Z를 '피드백 행렬' 혹은 '상호관련 행렬'이라고 한다. 이것은 시청자와 영화 사이의 관계를 데이터로 보여준다. 이제 드디어 임베딩이 등장한다. 이제 그 행렬 Z를 두 개의 행렬, 즉 시청자 임베딩 행렬 X와 영화 임베딩 행렬 Y의 곱(Z=XYT)으로 표현한다. 이렇게 하면 두 개의 임베딩 행렬 X, Y를 동시에 추출할 수 있다. 행렬 X는 시청자들의 벡터 임베딩을 열거한 것이고, 행렬 Y는 영화들의 벡터 임베딩을 열거한 것이다. 이렇게 추천 시스템이 완성된다. 요약하면, 피드백 행렬에서 두 개의 임베딩을 생성하고, 유사도 측정값을 적용해 시청자와 영화의 쌍에 대한 '매칭'을 찾는다. 이런 방식의 추천 시스템을 '임베딩을 이용한 협업 필터링'이라 부른다. 2006년 넷플릭스의 추천 시스템 공개 경쟁에서 기존 추천시스템을 이긴 사이몬 펑크(Simon Funk)와 비슷한 아이디어이고 구글의 개발자용으로도 소개됐다. 그때 주어진 데이터는 1억 개의 시청자 평가로, 50만 시청자와 1만7000편의 영화에 벡터 사이즈는 40이었다. 최근에는 LLM을 본격적으로 활용하는 추천 시스템이 개발됐다. 그 중 하나는 생성형 추출 방법(Generative Retrieval)을 이용해 영화와 시청자에게 임베딩과는 약간 다른 벡터 ID를 부여한다. 이 ID는 SID(의미상 ID)라 부르며 여러 속성에 대한 정보로 구성된다. 다음, 앞의 리스트를 보고 다음 영화를 예측케 하는 NWP(다음 단어 추측)식으로 LLM을 훈련시킨 후 다음 영화들을 추천한다. 또 다른 접근법으로는 '그래프-기반 추천법'이 있다. 지식 그래프의 모든 노드를 시청자 노드와 영화 노드 지역으로 양분한 후, 각 노드에 그 속성을 담아 임베딩을 만들고, 벡터 DB에 넣은 후, 시청자를 유사한 영화에 연결하는 방식이다. 이 각 사례에서는 LLM의 일등공신인 임베딩 아이디어를 이용한 깔끔한 애플리케이션을 보여준다.

2025.05.24 20:08황승진

[황승진의 AI칼럼] 기계가 말하는 시대···모든 기계에 챗봇 포함될 것

인간의 '말'에는 '뜻(semantic)'과 '소리(phonetic)'가 같이 들어 있다. 뜻은 텍스트로 전환할 수 있고 소리는 음파로 표현된다. 거대언어모델(LLM)은 뜻과 소리를 분리 처리한다. 먼저 '뜻' 처리를 보자. 글이나 이미지처럼 음성인식 또한 임베딩과 트랜스포머 기술을 통해 구현할 수 있다. 음성-to-텍스트를 생각해보자. 오디오 신호는 글처럼 시리즈로 나오나, 글과는 달리, 띄지 않고 붙어 나온다. 즉, I like an apple이라는 글이 소리로는 Ilikeanapple로 들린다. 인간은 이를 듣고 음소(phoneme), 음절(syllable), 그리고 단어를 차례로 잘라서 추출하고 결국 문장을 재구성한다. 반면 기계는 주파수와 진폭으로 구성된 음파 만을 보고 같은 결과를 얻어야 한다. 이를 위해 먼저 음파를 25ms 정도로 토막을 내어 각 토막의 아날로그 특성을 MFCC라는 방법으로 벡터 수치화한다. 이 벡터를 Whisper, Chirp나 Wav2Vec 같은 특수 신경망에 입력해 말의 최소 단위인 음소를 추정한다. 이 음소가 토큰이 돼 임베딩을 만든다. 임베딩을 트랜스포머로 처리한 후 텍스트를 추출한다. 일단 텍스트 세계에 들어오면, 수많은 '의미상의 작업'이 가능하다. '의미상 작업'에는 번역, 요약, 의문형, 부정형, 대답 등 LLM의 모든 특기가 포함된다 AI는 '소리'도 처리 조작할 수 있다. 목소리를 인식하고 생성할 수 있다. 또한, 변형을 통해 음색, 억양, 말 속도, 소리 크기, 음질을 바꿀 수 있다. 음성 '클로닝”이라 부른다. 친숙한 목소리로 “엄마, 나야,” 로 시작되는 전화 통화는 피싱일 수 있다. 목소리를 복제하려면 3초 분량의 목소리만 있으면 된다. 미국 정부는 알 수 없는 발신자로부터 전화를 받으면 먼저 말하지 말라고 조언한다. 사기꾼들이 내 목소리를 녹음해 악용할 수 있기 때문이다. 이렇게, AI는 '말'의 '소리'와 '뜻' 두 속성을 각각 디지털화해서 완전 정복했다. 음성 기반 응용의 인기있는 공식은, 음성-to-텍스트, 텍스트-to-텍스트, 그리고 텍스트-to-음성을 연속으로 쓰는 것이다. 그 과정에서 어느 단계가 생략되기도 하고, 또 음성-to-음성(통역)이 첨가되기도 한다. 내과의사 김 박사는 환자와의 상담에 대부분의 근무 시간을 할애한다. 50분간의 상담 후, 대화를 요약해 기록으로 보관한다. 이 작업에 약 10분 정도 소비한다. 이제 AI가 도울 수 있다. AI 어시스턴트가 대화를 듣고 내용을 요약한다. 음성-to-텍스트 기능을 적용한 후, LLM은 이 텍스트를 쉽게 요약한다. 김 박사는 이를 검토하고 필요한 경우 수정한다. 비슷한 예로 콜센터의 '상담원 보조 프로그램'을 보자. 외부 고객이 전화로 질문을 할 경우 이 프로그램은 대화를 듣고 있다가 상담원에게 도움이 되는 말을 상담원의 컴퓨터 화면에 보여주는 것이다. 일종의 '컨닝 페이퍼(영어로는 cheatsheet)'가 된다. 언젠가 이 보조원이 상담원이 될 것이다. 또한 콜센터 대화는 밤마다 요약되어 고객의 관심사항과 제품의 문제점을 통계로 보여준다. 전통적으로 공장 자동화는 '센서'와 전기 신호로 변환해 통신했다. LLM은 '시각과 소리'를 센서 중개 없이 직접 처리한다. 조립공장에서 “전 단계에서 25번 나사가 빠졌네요”라는 말을 들을 수 있다. 또한 중장비 환경에서 치명적인 사고를 방지하기 위해 모든 기계는 사람이 "멈춰"라고 외칠 때 실행하도록 훈련돼야 한다. 이는 사람들의 생명을 구할 수 있다. 결국 모든 기계 안에 가벼운 챗봇이 포함될 것이다. 한 여름에 에어컨이 잘 작동하지 않을 때, 직접 기계에게 물어보면 된다. 또 음성을 암호로 사용해 문이나 컴퓨터의 잠금을 해제할 수 있다. 예로, 집주인이 “열려라, 참깨!”라고 말하면, 대문이 주인 목소리를 알아채고 진짜 열린다. 언젠가 우리집 개나 고양이도 혼자서 들락날락할 수 있을 것이다. 끝으로, 장애인은 음성 제어를 사용해 엑셀에 작업할 수 있다. “두 칸 아래, 한 칸 오른쪽으로 움직여. 그리고, '전기료'라고 써.” 애플(Apple) 시리(Siri)나 아마존 알렉사(Amazon Alexa) 같은 음성 기반의 가상비서를 생각해본다. 기계가 일단 말을 텍스트로 옮기기만 하면, 나머지는 LLM 고유의 텍스트 처리 능력으로 텍스트로 답을 내고, 이를 음성으로 옮겨 대답한다. 같은 원리를 기계 번역에도 적용할 수 있다. 국제 컨퍼런스에서 영어로 한 연설을 100개의 언어로 동시 통역할 수 있다. 사용자는 이어폰의 채널을 원하는 언어에 맞추면 된다. 그리고, 유튜브의 경우 '자동 캡션'은 위와 같은 음성모델을 사용해 말을 텍스트로 게시한다. 거기에 '자동 번역'(Auto-translate)을 선택하면 다른 언어로 번역된 글이 나온다. 이렇게 기계가 인간의 말을 가지고 논다. 흥미롭게도, 현대자동차는 AI가 자동차의 작동 소리를 듣고 문제의 원인을 찾을 수 있는 기능을 개발했다고 한다. 예를 들어, “쉿” 하는 소리가 나면 냉각수 누출을 나타낼 수 있다. “끼익” 소리라면 벨트 교체가 필요할 수 있다. 결국에는 소리내는 자동차는 자기 소리에 대해 설명까지 할 것이다. “주인 어른, 내가 이렇게 쿵쿵거리는 소리를 내는 것은 믹서가 잘 못 되었거나, 스파크 플러그가 손상되었을 수 있어요.” 만약 먼 조상이 지금 우리를 방문한다면, 인간이 전화기, 자동차, 에어컨, 공장 기계와 말을 주고받는 '이상한 나라'라고 여길 것이다.

2025.05.10 08:51황승진

[황승진의 AI칼럼] 강화학습과 최적화

독자들은 기계학습(ML, Machine Learnling)은 똑똑하지만 똑똑함의 정점인 '최적화(optimization)'는 할 줄 모른다고 생각할 것이다. 그러나 사실은 그렇지 않다. '강화학습 (RL, Reinforcement Learning)'이라고 하는 다른 종류의 ML을 사용해 최적화를 할 수 있다. 데이터를 통해 최적화가 이루어지기 때문에 ML의 한 분야이다. 강화학습은 심층학습(DL)과는 달리 '신경망'을 쓰지 않고, 성룡처럼 '테이블'을 쓴다. RL은 “이 상황에서는 저 행동을 취하라”는 최적의 '정책(policy)'을 찾는다. 모델의 주인공(소프트웨어 agent)이 자기 경험 데이터를 뒤져가며 점수를 많이 따는 방법을 찾도록 시키는 것이다. 비즈니스 세계에는 정책 최적화가 필요한 많은 문제가 있다. 한 예로, 재고관리를 생각해보자. X개가 현재 재고인데, Y개를 더 만들면 어떨까? 아니, 제일 좋은 Y가 무엇일까? 여기서 에이전트는 수익을 점수로 삼고 '상황 X에서 행동 Y'를 잘 선택해 점수를 최대한 높이려 한다. 그 답을 위해, RL은 다음과 같이 일한다. 먼저, 매일 [상황, 행동, 수익]을 'Q-테이블'이라는 데이터 테이블에 기록한다. 엑셀을 사용할 경우, 첫째 좌측 열에는 각종 상황(state)을 열거하고, 상단 행에는 각종 행동(action)을 열거한다. 이 열과 행이 교차하는 셀에는 RL이 계산해내는 숫자가 채워진다. 이때, (15, C) 셀에 숫자 125가 들어가 있다면, 상황 15에서 행동 C를 취하면 예상 수익이 125일 것이라는 것을 뜻한다. 중요한 점은 125는 오늘 수익 뿐 아니라 내일, 그리고 그 이후의 운영 성과를 합한 결과라는 점이다. 즉 순현재가치(NPV)다. 따라서 오늘 행동이 미래의 날에 미칠 불확실한 영향을 고려해야 한다. 재고관리에서 지금 120개의 재고 상황인데, 15개를 더 만들었다 하자. 오늘 실제로 운영해본 결과, 1000원을 벌었고 재고로 35개가 남았다고 가정한다. 따라서, (120,15)의 셀에는 오늘 수익 1000원에다가 '내일 35개로 시작해서 가장 잘 운영할 경우의 기대 수익'을 합친 값이 들어 간다. (실은, 이 새 값과 기존 값과의 가중평균.) 그러면 미래의 수익에 대한 기대치를 어떻게 추정할까? 그것 또한 Q-테이블에서 나온다. 거기에는 모든 상황 모든 행동에서의 기대치가 들어있기 때문이다. 학습이란 여러 상황을 돌아가며 여러 행동을 취하며 이 테이블을 채우고 또 수정하는 것이다. 추정에서 추정을 찾느라고, 테이블에서 많은 업데이트가 발생한다. 결국에는 진실에 다가가며, Q-테이블은 '최적의 정책'을 들어낸다. 즉, "이 상태에서 이러한 행동을 취하십시오" 라는 말이다. 이 'Q-학습'은 서튼 교수가 1988년에 개발한 TD라는 아이디어에 왓킨스 교수가 개발한 것이다. 두번째 응용 예로, 중국 심천의 한 공장은 풀어야 할 '작업 스케줄링' 문제를 가지고 있다. 그들의 생산 시스템은 주문마다 10단계의 작업으로 구성되어 있으며, 각 단계에는 10대의 기계가 있다. 작업을 완료하려면 각 단계마다 10개 중 어느 한 기계에서 서비스를 받으며 10단계를 거쳐야 한다. 작업 요구 사항이 다르기 때문에 일부 작업은 특정 유형의 기계만 사용해야 하고 일부 작업은 특정 단계를 건너뛸 수 있다. 각 상태에서 공장은 각 단계의 어떤 기계에 어떤 작업을 할당할지 결정해야 한다. 즉, 작업을 스케줄링(scheduling)하는 데 있어 최적의 정책은 무엇일까? 이 해결을 RL 에이전트에게 부탁한다. 에이전트는 주문이 약속 날짜보다 하루 늦을 때마다 1 점씩 빼앗긴다. 점수를 안 잃기 위해 에이전트는 좋은 정책을 찾는다. 이 스케줄링은 매우 어려운 문제다. 분석적인 해결책은 없으며 휴리스틱(근사 접근법)만 존재한다. 이 휴리스틱이 얼마나 좋은 지는 아무도 모른다. 그러나 RL은 더 나은 성과를 낼 수 있다. 실제로, 잘 고안한 RL 방법은 시뮬레이션을 통해 현재 사용 중인 휴리스틱보다 훨씬 더 좋은 결과를 보여주었다. 이것은 스탠포드 대학의 왕지에 박사의 지도를 받은 슈후이 퀴의 박사 학위 논문이었다. 세번째 RL의 응용사례다. 2025년 1월에 남부 캘리포니아에서 일어난 대형 화재를 보자. 물과 소방자원이 모자라니, 진화작업이 힘들다. 특히 불이 퍼지면 불의 전선이 지름 제곱 속도로 늘어난다. 이때 소방당국은 불이 번져가는 2차원의 찌그러진 원형 궤적을 예측해야 한다. 그에 따라 어디에 소방자원을 집중할 지를 결정한다. 불은 어떤 자연 법칙을 따르며 확산한다. 바람 방향에 따라 움직인다. 연못 같은 큰 물을 넘지 못한다. 나무가 울창하거나 풀이 말랐으면, “옳다구나” 하고 급히 그쪽으로 달려간다. 나무나 풀 없는 나대지에서는 주춤한다. 언덕은 잘 타 내려가지만, 위로는 잘 못 타오른다. 이런 자연 활동을 RL로 푼다. 지형, 바람과 날씨가 이러한데 불은 어떻게 움직일까? RL 최적화 모델을 만든다. 좀 이상하게 느껴지지만, 여기서 주인공 에이전트는 '불'이고, 그는 땅을 차지하며 점수를 딴다. 점수를 많이 따기 위해, 주어진 지형의 특성을 따라 불은 빨리 또 넓게 움직인다. 즉 최적화한다. 현재 당면한 지형이 상황이 되고, 어디로 전진할까는 정책이 된다. 불의 정책이 소방당국의 예측이 된다. 강화학습은 심층학습과 더불어 새로운 AI의 주축을 이룬다. 심층학습에서는 질러 본 후 "왜 틀렸을까"하며 걸어온 길을 반성하며 배우지만, 강화학습에서는 연못 속의 개구리처럼 펄쩍펄쩍 뛰면서 이 연꽃잎에서 저 잎으로 가는 좋은 길을 찾아 가며 배운다. 둘 다 경험에서 길을 찾는다. 어떤 경우에는 이 둘을 섞어서 쓰기도 한다. LLM이 그 예다. 기초모델에는 심층학습을, 파인튜닝에는 강화학습을 적용한다. 힌튼도 서튼도 흐뭇해할 것이다.

2025.05.03 21:50황승진

[황승진의 AI칼럼] 지식그래프·LLM·RAG···트리오의 만남

지식 그래프(Knowledge Graph, KG)라는 대안 DB가 최근 부상하고 있다. Neo4j 같은 KG는 17년 동안 존재했지만, 2012년 구글이 검색 엔진에 부분적으로 KG를 도입하면서 많은 주목을 받았다. KG는 데이터를 그래프 형식으로 구조화한 DB다. KG의 기본 구성 요소는 '연결된 노드(node)'다. 노드는 '개체(entity)'를 나타내고, 이들을 연결하는 엣지는 화살표로 두 노드 간 '관계(relationship)'를 나타낸다. 방향 있는 '아령'같이 생겼다. 많은 경우 로 표현되는 'SPO 삼자관계'를 그린다. 예를 들어, '히치콕은 “새”를 감독했다'라는 정보를 KG에 저장하자. "히치콕"이라는 노드는 "새"라는 노드를 향해 연결돼 있으며, 엣지는 "감독하다"라는 관계를 의미한다. 또한 "새" 노드를 향해 "로드 테일러"라는 다른 노드가 연결되어 있고, 엣지는 "출연하다"다. 이러한 아령을 많이 겹치게 놓고, 노드와 엣지에 인덱싱을 넣어 그래프 DB를 완성한다. 각 노드와 엣지는 '속성'을 지니고 있다. 예로, 히치콕의 노드에는 생년월일이나 국적 등의 속성을 기록한다. 구글 지도의 경우, '제일 음식점'이라는 노드에 주소, 영업시간이나 전화번호 같은 속성을 같이 보관하고 필요시 보여준다. KG는 다소 즉흥적인 것처럼 들리지만 경우에 따라 효과적이고 유용하다. 예를 들어, 이 그래프 구조는 구글의 단순한 키워드 기반 검색을 넘어 단어 간 '맥락과 관계'를 이해하기 위해 다른 정보끼리를 연결한다. 검색 취지를 더 잘 이해하고, 연계된 의미 있는 답을 낼 수 있다. 예를 들어, “'새'의 감독이 만든 다른 작품들은 무엇인가?”란 질문에 대해 새-감독-히치콕-감독-현기증의 '그래프 줄(multi-hop reasoning)'을 타고 답을 내놓는다. 답이 나온 그래프 줄의 경로도 보여줄 수 있다. KG의 다른 사례는 하버드 대학교 PrimeKG라는 정밀의료 KG다. 20여개의 의학전문 정보소스를 규합한 KG형 DB로, 질병, 유전자, 단백질, 질병, 표현형, 약물 등 1만7000 노드가, 엣지에는 "연관됨", "상호 작용", "치료 표적", "지시" 및 "부작용"과 같은 4백만 관계가 포함된다. 정밀의료는 개인의 유전, 환경 및 생활패턴을 질병 진단과 치료에 반영하는 의학적 접근 방식이다. 따라서 질병, 약품, 개인 속성의 “관계”에 대한 정보가 핵심이다. 이에 KG가 결정적 역할을 한다. 예를 들면, 약, 질병, 단백질의 관계를 배워 새로운 약을 찾거나 기존 약을 다른 질병에 돌려 적용할 수도 있다. 또, 환자 개인에 맞게 디자인한 처방을 개발할 수도 있다. 최근 새로운 AI 시대를 맞이해, LLM은 KG와 협조 관계로 발전한다. KG는 RAG로 LLM에 연결되어, 이 트리오는 '그래프 RAG'를 만든다. 내 회사의 데이터를 KG로 만든 후, RAG로 연결해 LLM과 함께 쓸 수 있는 것이다. 내가 LLM에 자연어로 쿼리를 내면, LLM은 KG 내용을 잡아 자연어로 나에게 답한다. 이를 위해, 사전에 그래프 RAG는 KG의 노드와 엣지를 임베딩하고 벡터DB에 저장해 놓는다. 쿼리가 오면 그를 임베딩한 후 유사치 서치로 벡터DB에서 비슷한 단어들을 축출한다. 여기서 RAG 일이 끝나고 KG에게 바통을 넘긴다. KG는 이 단어들을 기점으로 자기 언어로 KG 안에 관련된 정보를 가져다 LLM에 주면, LLM이 알아서 자연어로 답한다. 이렇게, KG의 구조적으로 정리된 정보, LLM의 언어실력과 이를 연결하는 RAG가 힘을 합쳐 강력한 AI 작품을 만든다. LLM, Neo4j나 CrewAI 같은 제품이 있어 일반 텍스트를 KG로 옮길 수 있다. 게다가 최근 마이크로소프트는 GraphRAG를 개발해 오픈소스로 내놓았으니, KG의 인기는 지속될 것으로 예측된다. 마지막 사례로, 어느 제조업체의 부품에 대한 DB를 생각해 본다. BOM(Bill of Material)은 제품의 구성을 그래프로 표현한다. “제품 A는 부품 A1, A2, A3로 구성되며, 또 A1은 A11과 A12로 구성된다”라는 나무 구조로 돼 있다. 먼저 '관계형 DB'에 저장하자. “제품 A에는 무슨 부품이 들어가냐?”라는 질문에 금방 답할 수 있다. 하지만 나무를 거꾸로 들고, “부품 A11은 어느 제품들에 들어가나?”를 물으면 답 얻기가 좀 힘들다. 특히 이 부품이 다른 부품에 껴서 제품 A에 들어가면 아주 힘들다. 즉 '부품의 부품' 같이 손자나 증손자 관계가 맺어지면 관계형 DB는 힘들어 한다. 반면에 'KG'라면 그래프 줄을 타고 자연스레 대응한다. 부품 A11 노드에 연결된 모든 엣지를 뒤지고, 그 다음 엣지를 따라 계속 가면 된다. KG는 이런 다단계의 제품-부품 관계뿐 아니라, 제품의 기능, 공장에 대한 정보, 제조사의 여러 공장, 그리고 대체품 등 많은 관계를 저장하고 쉽게 찾아볼 수 있다. 예를 들어, “B 부품 공장이 파업으로 문 닫으면 어떤 제품이 영향을 받으며, 그들의 대체품은 무엇일까?” 혹은 “지진이 자주 일어나는 후쿠시마에는 어떤 1차 혹은 2차 공급자가 있는가?” 라는 질문에 쉽고 빠르게 답을 받을 수 있다. 또한 약간의 코딩으로, 도요타의 RESCUE 시스템처럼, 한 완제품의 BOM과 제조 공장을 나무형으로 그려줄 수도 있고, 공급자들의 공장 들을 전국 지도에 나타낼 수도 있다. 이처럼 '관계'가 중요하다면 AI 날개를 단 KG가 효과적인 선택일 수 있다. 하긴 '관계'가 중요치 않은 DB가 어디 있을까?

2025.04.26 19:32황승진

Prev 1 2 3 Next