현재 AI는 보건, 농업, 금융, 교통 등 핵심 분야의 발전을 가속화하는 데 활용되고 있습니다. 그러나 AI가 다양한 영역과 지역에 걸쳐 균형 있게 발전하려면 양질의 데이터 소스가 필수적입니다. 데이터 가용성은 AI 시스템 학습의 핵심이며, 제품과 서비스는 패턴 인식 및 인사이트 생성에서 보다 정교한 예측 기법으로 빠르게 진화하고 있어 더 나은 의사 결정을 가능하게 합니다.
이 AI 경쟁에 참여하고 최신 기술 트렌드를 선도하기 위해 기업들은 방대한 데이터 웨어하우스를 구축해야 합니다. FPT, Viettel, VinAI, VNG 등 베트남의 주요 IT 기업들은 이미 미래 트렌드에 대비하기 위해 대규모 데이터 웨어하우스를 구축했습니다. 베트남 기술 선도 기업 중 하나인 Rikkeisoft 역시 “Speech To Text” 제품을 위한 방대한 음성 데이터 웨어하우스를 보유하며 AI 경쟁에 적극 참여하고 있습니다. 데이터가 AI 발전에 미치는 역할에 대해 다양한 시각을 제공하기 위해, Rikkeisoft는 Rikkeisoft의 거의 모든 AI 제품 및 프로젝트의 ‘산실’인 Rikkei AI를 이끄는 Nguyen Minh Tan 부대표와 인터뷰를 진행했습니다. 많은 관심 부탁드립니다!
AI는 Artificial Intelligence, 즉 AI의 약자입니다. 인간은 컴퓨터를 더욱 스마트하게 만들기 위해 끊임없이 알고리즘을 연구하고 개발해 왔습니다. AI 개념은 1950년대에 처음 등장했지만, 당시에는 연산 능력의 한계로 컴퓨터가 미리 정의된 코딩 작업만 수행할 수 있었습니다. 지금은 AI의 시대입니다. 컴퓨터의 처리 능력은 계속 향상되고 비용은 낮아지면서 더 많은 사람들이 첨단 기술에 접근할 수 있게 되었고, AI는 실생활에서 점점 더 널리 인식되고 활용되고 있습니다.
많은 전문가들이 21세기의 새로운 블랙골드는 석유가 아닌 데이터라고 주장합니다. AI 제품은 다양한 요소의 결합체이며, 그 중에서도 데이터는 핵심 구성 요소입니다. 통계에 따르면 AI 제품 개발 시간의 80%가 데이터 관련 처리에 소요됩니다. AI 학습은 마치 아이를 교육하는 것과 같습니다. 올바른 데이터로 학습시키면 AI는 올바르게 배우지만, 잘못된 데이터로 학습시키면 잘못된 결과를 낳습니다. 부정확한 시점에 이질적인 데이터가 사용되면 AI는 혼란에 빠집니다. 학습에 적절히 활용된 데이터가 많을수록 AI는 더 스마트해지고 더욱 정밀한 인식이 가능해집니다.
Google, Microsoft 같은 대형 기술 기업과 Tesla, Hyundai, Toyota 같은 자율주행 기업들이 경쟁 우위를 유지하기 위해 데이터에 막대한 투자를 하고 있다는 것은 널리 알려진 사실입니다. 예를 들어, Google은 수십만 시간의 음성 데이터로 음성 인식 엔진을 학습시켰으며, Tesla는 수백만 장의 실제 사진을 자율주행 차량 학습에 활용하고 있습니다.
데이터 레이블링 전문 기업들도 이 AI 트렌드에 발맞추고 있습니다. 아울러 더 빠르고 정확한 데이터 레이블링 기술도 지속적으로 개발되고 있으며, 그 결과 이 분야의 다수 기업이 유니콘 스타트업으로 성장했습니다.
Rikkeisoft의 Speech To Text는 핵심 기술인 음성 인식 솔루션으로, 국회 및 여러 부처, 지방정부, 공공기관 등에 도입된 제품입니다. 음성 인식 기술은 다양한 응용 분야를 갖고 있지만, 베트남에서는 소수의 기업만이 이를 보유하고 있습니다. Viettel, FPT, VNG, VinGroup 등이 대표적인 강자들입니다. 그렇다면 왜 이 시장에 뛰어드는 기업이 적을까요? 건물, 장비 인프라, AI 학습 역량을 갖춘 기술 인력이라는 자원 외에도, 이 기술을 구현하려면 대규모 음성 데이터가 반드시 필요하기 때문입니다. 이 음성 데이터를 수집하고 분류하는 데는 막대한 비용이 들며, 특히 기술 완성도와 제품 결과물의 실현 가능성이 불확실한 상황에서 재무적 리스크를 감수하려는 기업은 많지 않습니다. Rikkeisoft는 탁월한 비전과 훌륭한 기술팀을 보유한 덕분에 이 분야의 가장 중요한 기술 중 하나를 갖게 된 것이라 할 수 있습니다.
전 세계 어디서나 데이터 생산에서 가장 어려운 부분은 정확한 데이터 수집과 품질 관리, 그리고 데이터 레이블링 비용입니다. 예를 들어 Vinfast는 베트남의 주요 AI 응용 기업으로, 베트남 유일의 자율주행 연구·개발 센터를 보유하고 있습니다. Vinfast는 다양한 시간대와 날씨 조건에서 도로를 주행하며 사진을 촬영하는 대규모 차량단을 구성하는 데 많은 시간과 비용을 투자했습니다.
Rikkeisoft는 Speech-To-Text 제품 개발 과정에서 현실과 일치하고 내용, 지역, 연령, 성별에 있어 다양성을 갖춘 음성 데이터 소스를 찾는 데 어려움을 겪었습니다. 개인마다 청취 및 이해 능력이 다양하기 때문에 데이터 레이블링은 특히 까다로울 수 있습니다. 이 지역 사람들은 타인이 발화하는 소리를 듣고 정확하게 포착하는 것을 어려워하기도 합니다. Rikkeisoft는 내부 데이터 레이블링 수요와 신규 서비스 개발에 대응하기 위해 전문 데이터 레이블링 툴 Rikano를 연구·개발했습니다. Rikano는 전 세계 다양한 레이블링 도구의 기능을 참고하여 개발되었으며, 이미지, 음성, 텍스트 등 가장 일반적인 데이터 유형을 레이블링할 수 있고, 각 프로젝트 참여자의 진행 상황, 작업 품질, 생산성, 작업 이력을 간편하게 관리할 수 있습니다. 이를 통해 Rikano는 Rikkeisoft의 데이터 레이블링 서비스 성장 전략에서 핵심적인 역할을 담당하고 있습니다.
기업들은 AI가 제공하는 이점을 더 잘 이해하게 되면서 AI에 대한 관심이 높아지고 있습니다. 그 결과, 비즈니스 활동과 관련된 모든 데이터가 운영 최적화를 위한 AI 구축을 지원하는 데 활용될 것입니다.
또 다른 AI 트렌드는 데이터 레이블링을 대체하는 알고리즘 개발입니다. 데이터 레이블링은 노동 집약적인 작업으로 감정적 요소 혹은 인적 요인의 영향을 받을 수 있습니다. 다만 이는 아직 미래의 과제입니다.
