2024년 9월 PIE 43장 <삼성 SDS 서진우 님>

2024년 9월 PIE 43장 <삼성 SDS 서진우 님>

인터뷰이: 삼성 SDS 서진우님

 

 

Q1. 인터뷰에 응해 주셔서 감사합니다! 먼저 자기소개 부탁드립니다.

저는 서울대학교 산업공학과 02학번 서진우입니다. 서울대학교 산업공학과 제조통합자동화 연구실에서 생산 스케줄링으로 박사학위를 받았습니다.

 

Q2. ‘삼성 SDS’가 어떤 회사이고, 선배님께서 담당하시는 업무가 무엇인지 소개해주세요.

제가 다니는 삼성 SDS는 IT서비스 회사로 클라우드 인프라(SCP) 기반하여 생성형 AI(Fabrix)와 같은 서비스를 제공합니다.

클라우드, 생성형 AI, 이런 것들이 기술 기반이라고만 생각하실 수도 있는데, 실상은 조금 다릅니다. 회사에는 잠실에 계시는 인프라나 소프트웨어를, 상품을 개발하는 개발 조직과 만든 상품을 재구성해서 필요로 하는 고객사에 가져다주는 딜리버리 조직이 있습니다. 저는 딜리버리 조직에 속해져 있습니다. 배달업무를 하는 것이죠.

제가 지금 어떤 업무를 하는지 한 번 예를 들어보겠습니다. BMW 자동차 배터리에 불이 났다면, 불이 난 원인은 무엇이고, 불이 나서 회수해야 하는 배터리가 얼만큼인지를 산정하려면 데이터를 봐야 합니다. 그러면 저는 데이터를 분석해 ‘영향받은 배터리가 이만큼이다.’ 라고 BMW 자동차 업체에 제출을 합니다. 최소 범위로만 리콜을 하는게 효율적이니까요. 그쪽에서는 책임을 최대한 물으려고 할 텐데, 데이터 기반으로 해서 ‘우리가 데이터로 봤을 때 문제는 이것이고, 이 영향이 있는 배터리는 딱 3만 대 분량만입니다.’ 하면 데이터로 소명을 했기 때문에 저희의 주장이 받아들여 지게 되는 것입니다. 고객사 입장에서는 데이터를 모으고 하는 데는 돈이 들지만, 대신에 그런 사고가 터졌을 때 빠르고 정확하게 대응함으로써 ‘이 회사는 품질 관리를 제대로 하고 있는 회사구나. 데이터 기반으로 자료를 제시하니까 우리도 더는 무리한 요구를 못하겠네.’ 라고 생각하도록 만들어 고객사에게 경쟁력을 강화해 주고, 또 클레임 비용을 절감해 주는 역할을 하는 시스템을 만들고 있습니다.

저희는 이것을 제조 데이터 플랫폼이라고 합니다. 저는 구축 프로젝트 PM 역할을 맡고 있죠. 이 일을 하기 위해 필요한 기술은, 당연히 우선 일하는 배터리 회사가 어떻게 일을 하는지 안 다음, 각각의 도메인 이해가 필요합니다. 배터리 회사는 어떤 것을 필요로 할지, 어떻게 일을 하고 있는 지 등 고객사 도메인 이해가 필요하고, 그들의 필요를 컴퓨터 시스템으로 어떻게 해결해 줄까를 고민하기 위해서는 컴퓨터 프로그램 도메인 이해도 필요할 것입니다.

또, 자연스럽게 데이터를 가지고 답변을 하기 위해서는, 사람들이 요즘에는 AI를 활용해 효과적으로 데이터를 활용하려고 하기 때문에 AI에 대해서도 이해가 필요합니다.

Q3. 산업공학과에서 배운 내용 중에서 삼성 SDS에서 실제로 활용되고 있는 기술이나 방법론은 무엇인가요? 또, 산업공학을 통해 쌓으신 역량 중 가장 도움이 되는 부분은 무엇인가요? 

하나의 어떤 과목이라고 하기는 어려운 것 같습니다. 그래서 저는 어떤 하나의 학과가 4년의 기간 동안을 하면, 어떤 한 과목이 아니라, 그 4년이 총체적으로 구성하는 지식의 형태가 있다는 생각을 합니다.

산업공학과는 산업공학과 지식의 총체적인 부분이 있는데, 그 부분은 소위 말하는 ‘시스템적 사고’입니다. 물론 저는 그런 표현을 좋아하지는 않지만, 산업공학과를 다니면서 생기는 마인드 셋은 분명히 있는 것 같고, 그것을 한 단어로 한 것이 ‘시스템적 사고’인 것 같습니다. 저는 시스템은 구성 요소들이 하나의 목적을 위해 연합해 있는 유기체라는 관점에서 생각하게 되는 역할을 맡고 있는 것 같네요.

산업공학 안에 세부적으로는 통계의 확률적 개념도 있고, 컴퓨터 프로그램이 논리적으로 어떻게 흘러가는지에 관한 과목, 시뮬레이션에 관한 과목 등이 있죠. 저는 그중 최적화와 관련된 개념들을 회사에서 상당 부분 활용했다고 생각합니다. 제가 들었던 다른 학과 수업 중 회계원리와 같은 수업도 회사 활동을 하는 데에 도움이 되었던 것 같습니다.

 

Q4. 지금 맡고 계신 직무에서 가장 도전적이었던 경험이나, 보람을 느끼셨던 순간이 있다면 언제인가요? 

2~3주 전에 있었던 시스템 성능 테스트가 기억이 납니다. 2차 전지 제조사의 제조 데이터 플랫폼 구축 프로젝트였는데, 쉬운 이해를 위해서는 수강신청 시스템을 생각하면 됩니다. 최근에 계속 사고가 나는 것이죠.

조금 더 자세한 설명을 드리자면, 예를 들어 천 명의 고객이 이 시스템에 접속한다고 해 봅시다. 저희는 ‘고객 천 명이 이 시스템을 사용한다’는 정보만 가지고, 실제로 어떻게 쓸 것인지 테스트 시나리오를 구성해야 하고, 강제로 부하를 일으키는 프로그램을 사용해 천 명이 어떤 동작을 수행하도록 했습니다. 결과적으로 30명까지는 통과했지만, 50명부터는 서버가 다운되었습니다.

  프로젝트 팀에서도 굉장히 불만이 많았습니다. ‘천 명이 쓰는 것을 나보고 어떻게 만들라는 거냐’는 불만이 있었고, 성능 검증을 하는 팀에서는 ‘당신네 시스템은 통과가 되지 않을 것 같습니다. 회사 내부에 보고해서 이 문제를 심도 있게 토의해 봐야 할 것 같습니다.’ 라고 하는 상황이었습니다. 세부 원인을 살펴 보면, 웹 서버에 문제가 있었던 것인데, 웹 서버가 연결하는 데이터베이스, 스토리지, 그리고 네트워크가 모두 연관이 되어 있는 상황에서 웹 서버가 죽은 원인은 데이터베이스가 너무 응답을 안 준 것이었습니다. 다만 데이터베이스는 바꿀 수 없는 상황이었죠.

이 상황에서 2차 테스트를 했는데, 프로그램 구조를 좀 변경하고, 웹 서버의 메모리를 늘렸더니 50명까지는 통과했습니다. 하지만 이러한 작업은 야간에만 할 수 있어 사람들의 피로도가 높은 상황이었고, 담당자는 여기서 끝내자고도 했습니다. 저는 100명까지는 늘려야 한다고 생각했고, 현실적으로 테스트 시나리오를 좀 더 수정해서 부하를 주더라도 이 정도까지는 합격해야 고객 요구사항을 만족시킬 수 있을 것이라고 봤죠. 물론 사람들이 ‘왜 우리를 다 피곤하게 만드냐’며 반발이 있었지만, 다행히 100명까지는 통과했습니다. 그래서 100명을 가지고 회사 내부에 품질 승인을 얻었고, 고객이 ‘내가 1000명 되어야 한다고 했지, 언제 100명이라고 했냐’고 주장했을 때, 두 달 전쯤 100명으로 승인한, 사인된 문서를 제시해서 넘어갔던 사례가 기억에 남습니다.

 

Q5. 삼성 SDS에서 일하시면서 얻으신 주요 교훈이나 IT 산업의 변화에 대해 깨달으신 점이 있다면 무엇일까요?

산업공학과 졸업생들 대부분은 고객, 개발자, 회사 내부 품질 팀 등과 모두 이야기를 해야 하고, 전체적인 조율을 담당하게 됩니다. 최종적으로는 고객 요구사항을 충족시키기 위해서 사람들의 입장이나, 논리 구조도 이해를 해야 하고, 이 사람들이 어떻게 일을 하고 있는지도 알아야 하죠. 그래서 직접 코딩을 할 줄은 몰라도, 코딩이 어떻게 되어있는지는 잘 이해를 해야 합니다.

결과적으로 저희는 도메인을 오고가며 조율하고, 전체 그림을 완성할 수 있는 디자인 능력과 소통 능력이 필요합니다. 이 밑그림을 어떻게 그리느냐가 이후 과정 전체를 결정하기 때문에, 밑그림을 처음부터 잘 그려야 사람들이 조금만 칠해도 되어 고생을 덜 하게 됩니다. 혹은 고객한테 ‘이 부분은 고객님이 칠해 주세요.’라고 미리 협의를 할 수도 있죠.

예를 들어, 3000개의 테이블 값이 변경되는 부분을 저희가 직접 개발을 했는데, 계속 값이 변하는 상황이 있었습니다. 이 문제가 해결이 되지 않아 예정된 기한보다 두세 달 정도 계속 지연이 되었죠. 나중에 복기를 해 보니, 이러한 문제를 잘 해결하는 업체는 메꾸는 부분을 직접 하지 않고, 고객에게 역할을 부여해 안 맞으면 본인들이 해결하도록 했더군요. 기술적인 아키텍처 뿐만 아니라, ‘제가 여기 할게요. 당신은 이거 하세요.’와 같이 역할적인 아키텍처도 중요하다는 뜻입니다. 이러한 부분을 잘 해야 고생을 덜 하게 되는 것이죠.

이러한 부분은 생성형 AI가 개발되어도 달라지지 않습니다. 신기술을 이해하는 것도 물론 필요하지만, 결국 전체 도메인을 이해하고 조율하는 역량은 산업공학과 학생들이 뛰어나다고 생각합니다. 다른 과가 생성형 AI는 더 잘 다룰 수 있겠지만, 생성형 AI 개념을 이해해서 전체 그림을 그리고, 역할을 분장하는 일인 시스템을 이해하는 것은 산업공학과가 활약해야 하는 부분들이고, IT 산업이 변화해도 이러한 부분에 대한 니즈는 유효하다고 생각합니다.

 

Q6. 산업공학과에서의 활동 중 지금의 진로에 가장 큰 영향을 준 활동은 무엇인가요?

저는 사실 군대를 갔다 왔을 때에도 산업공학과가 무엇인지 헷갈렸습니다. 4학년 때 박진우 교수님의 컴퓨터 통합 생산 시스템이라는 수업을 들었고, 거기서 NC 코드, RFID, ERP, SCM 등의 개념들에 대해 구체적으로 배웠습니다. 산업공학과는 추상적인 개념을 위주로 배운다고 생각했는데, 디테일을 가르치는 분도 계시다는 점이 놀라웠습니다. 저도 연구실에 가서 디테일적인 부분을 더 배우면 산업공학도로서 전체 그림을 그리는 시스템적 사고와 디테일을 이해하는 구체적인 부분들이 조화가 되어 내가 어떤 역할을 수행할 수 있겠다는 생각이 들었죠. 따라서 대학원에 가게 되었고, 대학원에서 디테일한 부분들을 배움과 더불어 교수님께서 제조업의 중요성 등의 분야에서도 영감을 많이 주셔서 진로 선택에 도움이 되었던 것 같습니다.

 

Q7. 학부생으로 다시 돌아가신다면 해보고 싶은 활동이 있으신가요? 혹은 아쉬웠던 점이 있으시면 말씀 부탁드립니다.

미적분학이나, 선형대수학 같은 기초 학문을 음미하지 못한 것이 아쉽습니다. 아직도 이 과목들을 왜 배웠는지는 모르겠지만, 그것은 제가 이 과목들을 부정하는 것이 아니라 제가 그 정도까지 공부를 하지 못했다는 뜻이겠죠. 만약 기초학문을 음미할 수 있을 정도로 공부했다면, 어떤 일을 계획할 때 음미한 것들을 반영해서 구조화할 수 있었을 것이라는 아쉬움이 남습니다. 그래도 확률과 통계, 최적화 부분들은 음미할 수 있었다고 생각합니다. 성적이 좋지는 않았지만, ‘이런 개념들이 있구나’ 하고 음미할 수 있는 수준까지는 갔던 것 같습니다.

학업 외의 것들을 생각해 보면, 저는 약간 아웃사이더였습니다. 통칭해 보면 1단계 아웃사이더 정도였는데, 저보다 더 멀리 떨어진 2단계 아웃사이더를 더 챙겼으면 좋았을 것 같다는 생각도 듭니다.

 

Q8. 앞으로 꿈꾸고 계신 목표나 비전이 있으신지 궁금합니다.

제가 일을 대단하게 잘하는 것처럼 말을 했지만, 꽤 큰 규모의 팀을 이끄는 리더의 역할은 올해 처음 맡았습니다. 그래서 이런 리더의 역할을 잘하고 싶다는 생각을 가지고 있습니다. 사실 제가 이런 일을 잘 못하기 때문에 저와 같이 일하는 사람들의 불만이 많습니다. 하지만, 이러한 일을 잘 하려고 하는 사람도 없죠. 대부분 본사에서 조용히 ‘저 이거 하나만 개발하겠습니다.’ 하는 경우가 많죠. 이것들을 모아 고객에게 ‘이렇게 해도 될까요?’ 이야기하는 것은 사람들이 피곤한 일이라고 생각하고, 실제로도 피곤한 일이 맞습니다. 저는 이러한 일을 잘해서 같이 일하는 사람들이 수월하게 일할 수 있게 하고, 고객한테도 인정을 받는 것이 목표입니다.

연구 조직은 그들대로 뛰어난 역량과 실력을 통해 기여를 하지만, 이렇게 현장에서 하는 역할도 의미가 있다는 점을 알아주셨으면 좋겠습니다. 제가 박사 과정을 졸업했음에도 불구하고, 솔직히 말하면 제 자신을 객관적으로 바라봤을 때 연구소에서 생성형 AI와 같은 것들을 개발할 만큼의 지적 수준은 안 되는 것 같습니다. 그렇지만 현장에서 생성형 AI를 개발하는 사람들과의 원활한 의사소통은 가능하죠. 생성형 AI를 개발하지는 못하지만 개념에 대한 이해도가 있기 때문에, 전체를 설계하고 고객에게 딜리버리하는 역할을 수행할 수 있어, 나중에 진로를 고민하실 때 폭넓게 생각해 보시면 좋겠습니다.

 

추가질문

Q1. 대학원 때 공부하신 분야는 어떤 쪽이신가요?

제조 쪽 스케줄링 공부를 했습니다. 제조 과정에서 생산을 어떤 순서로 해야 빨리 생산이 될까, 어떤 기계 순서를 어떻게 바꿔야 제품 납기를 맞출 수 있을까와 같은 이론적인 최적화에 좀 더 가까웠던 것들과 현장에서 어떻게 일을 하는지를 이해해서 문제를 정의하고, 최적화 방법론 같은 것들이나 휴리스틱한 알고리즘을 고안해서 푸는 쪽이었습니다.

Q2. 회사에서 같이 근무하시는 분들은 대부분 박사 출신이신가요?

한 20% 정도인 것 같습니다. 회사에서 박사 여부는 별로 중요하지 않은 것 같습니다.

 

Q2-1. 대기업 들어갔을 때 대학원 출신이 아니면 진급이 어디선가 막힌다는 소문을 접해본 적 있는데, 실제로 그런가요?

막힌다는 것보다는 실제로 그룹 리더 역할을 맡는 사람 중에서는 박사 출신이 많은 것 같습니다. 반면에 학부만 마치고 부사장 역할을 하시는 분이 있고, 고졸로 입사했던 분도 있습니다. 박사과정생에게 요구하는 부분은 어떤 하나의 문제를 깊이 파고들어 해결할 수 있으면서 전체를 같이 볼 수 있는 능력이라고 생각해서, 그런 부분이 갖춰지면 된다고 생각합니다.

Q3. 보통 딜리버리 조직에서 고객들을 상대할 때는 고객으로부터 먼저 요청이 오나요? 아니면 이쪽에서 세일즈를 먼저 하게 되나요?

저희가 가서 보통 제안을 합니다. 먼저 가서 우리가 가지고 있는 것들을 소개하고, 고객들은 필요한 것들을 전달하는 구조입니다. 그거에 맞춰서 저희가 메뉴판을 갖다 주듯이, ‘이런 걸 해주겠습니다. 기간과 돈은 어느 정도 걸립니다.’ 라고 하면서 과제가 시작이 되는 식입니다.

Q3-1. 고객들을 구하기 어려운 시기나 그런 건 딱히 없나요?

어려울 때도 있습니다. 그러면 보통 여기저기 다니며 고객을 구해야 합니다.

 

Q4. 보통 워라밸은 어떻게 되나요?

많이 좋아졌습니다. 저는 이제 프로젝트 리더가 된 다음에는 일을 많이 하고 있지만, 그래도 주 50시간은 안 되는 것 같습니다. 그전에는 주 45시간 내외였으니까 나쁘지 않은 편입니다. 또한, 코로나 이후에 그런 부분이 많이 좋아졌습니다. 주말 출근을 거의 안 했죠.

 

Q4-1. 그전까지는 업무 로드가 좀 있는 편이었나요?
제가 (근무한 지) 10년 됐는데, 초반 3~4년 정도는 늦게까지 할 때도 많았던 것 같습니다.

Q5. Chat GPT같은 것이 실제 현장에서도 많이 쓰이나요?

이제 많이 쓰려고 하고 있습니다. 회의 내용의 요약이나 정리 같은 부분에서는 지금도 아주 활발하게 쓰이고 있고, 개발할 때 코드를 자동으로 생성하는 부분에도 쓰입니다.

Q6. 혹시 현재 일의 전망은 어떻게 보시나요?

IT 시장은 사실 계속 커지고 있습니다. 생성형 AI도 있고, 드라이버들도 계속 있어서 아주 크게 커지거나 줄어들지 같지는 않을 것 같습니다. 저희 회사 차원에서는 제가 10년 된 사람으로서 일을 잘해야 되는 사람인데, 제가 미숙한 상황이라서 이런 (리더) 일을 잘하는 사람이 많이 생겨야 회사가 좀 안정적이게 될 것 같습니다.

Q7. 수학을 업무에서 직접 쓰게 되는 건가요?

최적화나 통계는 많이 쓰게 됩니다. AI가 최적화를 많이 쓰고, 다 아시겠지만 전부 함수로 구현돼 있어서 제가 성적이 안 좋아도 일을 할 수 있습니다. 사실 성적은 끝까지 풀어야 얻게 되지만 어딘가에 적용을 하기 위해서는 개념만 확실히 알면 되기 때문입니다.

제가 학교에 다닐 때 성적이 좋은 친구들은 다 은행에 갔습니다. 제가 매번 좋은 성적을 거두는 친구에게 왜 대학원에 진학하지 않느냐 물었더니, 자신은 성적 잘 받을 자신은 있어도 이거를 오래 할 자신이 없다고 답하던 기억이 있네요.

 

- 서울대학교 산업공학과 학생회 SELF:IE 소통팀

*위의 인터뷰는 서울대학교 산업공학과 공식 인스타그램에서도 확인하실 수 있습니다:)

@OFFICIAL_SNU_IE