연구원 AI·업무 자동화

Q원래 컴퓨터를 좋아하셨나요?

어릴 때부터 컴퓨터를 좋아해서 부품을 사다가 직접 조립해 보곤 했습니다. 그 관심이 이어져서 대학에서도 컴퓨터공학과 수학을 복수 전공했습니다.

Q그럼 전공이 이 일에 가장 큰 도움이 됐겠네요.

솔직히 이제는 어느 학교, 어느 학과를 나왔는지가 예전만큼 중요하지 않다고 생각합니다. 그보다 어떤 문제를 해결해 봤는지, 어떤 질문을 던져서 어떻게 답을 얻었는지, 실제로 무엇을 만들어 냈는지가 훨씬 중요한 시대입니다. 회사 안에서도 학력이나 스펙이 아니라 실력과 결과물로 평가받습니다. 그리고 그 모든 것의 출발점은 AI에 대한 호기심입니다.

Q배관은 잘 모르실 텐데, 어떻게 배우나요?

모르는 건 모른다고 말하고, 그 분야를 가장 잘 아는 분께 묻습니다. 현장에는 배관과 공정을 오랫동안 다뤄 온 분들이 계세요. 그분들의 이야기를 끝까지 듣고 배우는 게 제 일의 절반입니다. 모든 걸 혼자 알려고 하지 않습니다. 전문 지식이 필요한 부분은 전문가에게 맡기고, 저는 그 지식이 도구 안에서 제대로 돌아가게 만드는 데 집중합니다.

Q연구원이면 하루 종일 AI 모델을 만드나요?

의외로 AI 모델 자체를 만드는 시간은 많지 않습니다. 대부분은 AI를 만들 데이터를 모으는 앱과 웹을 만드는 데 씁니다. 반도체 배관 현장의 데이터는 인터넷 어디에도 없어서, 우리 손으로 쌓는 것부터가 AI 개발의 시작입니다.

Q앱과 웹을 만드는 일이 AI와 무슨 상관인가요?

AX를 하려면 DX부터 잘 되어 있어야 합니다. 솔직히 아직 회사의 많은 업무가 디지털로 정리돼 있지 않아서, 회사 전체의 업무 프로세스를 디지털로 옮기고 있습니다. 다만 일반적인 DX와는 조금 다릅니다. 처음부터 AI를 염두에 두고 데이터를 쌓고, 필요한 데이터끼리 연결해서 자체 AI를 만드는 데 쓰고 있거든요.

Q데이터를 모으는 앱이라면 어떤 걸 만드나요?

대표적인 게 3D Pipe Editor입니다. 손으로 하던 벤딩 수치 계산과 간섭 검토를 디지털로 옮겨서, 담당자는 더 빠르고 정확하게 일하고 그 과정은 데이터로 쌓이게 했습니다. 구체적인 수치는 회사 기밀이라 말씀드릴 수 없지만, 처음 결과를 봤을 때 모두가 놀랄 만큼 효율이 올라갔습니다.

Q어떤 업무부터 바꾸나요?

실제로 일하는 분들이 가장 불편해하는 지점부터 찾습니다. 만든 도구는 저희가 먼저 써 보는 '개밥 먹기(도그푸딩)'로 불편한 점을 걸러낸 뒤 현장에 드립니다. AI에 관심 있는 분들께는 AI 교육도 하고 있어서, 직접 자기 업무를 개선해 보실 수 있게 돕고 있습니다.

Q문제는 어떻게 푸나요?

순서를 지킵니다. 먼저 요구사항부터 의심하고, 없애도 되는 단계는 과감히 없앱니다. 남은 것을 단순하게 만든 뒤 빠르게 돌리고, 자동화는 맨 마지막에 합니다. 없어져야 할 일을 자동화하는 게 가장 흔한 실수거든요. 그리고 한 바퀴 돌면 다시 처음부터 반복합니다.

QAI는 어떤 걸 쓰나요?

그 시점에 가장 뛰어난 모델을 바로 씁니다. 2026년 9월 28일 기준으로는 Claude Opus 5.5와 GPT-6 Astra로 개발하고, 빠른 판단이 필요한 일에는 Jev를 시험하고 있습니다. 모델은 계속 바뀌지만 그때그때 가장 뛰어난 모델을 쓴다는 원칙은 같습니다. 업무용 사용량에도 사실상 제한이 없어서 마음껏 실험할 수 있다는 게 이 자리의 가장 큰 장점입니다.