2025년 2월 PIE 48장 <토글캠퍼스 최필립 님>

2025년 2월 PIE 47장 <토글캠퍼스 최필립 님>

인터뷰이: 토글캠퍼스 테크 리드 최필립 님

토글캠퍼스 테크 리드 최필립 님

 

Q1. 인터뷰 응해주셔서 감사합니다. 간단한 자기소개 한번 부탁드립니다!

네 안녕하세요, 저는 산업공학과 22학번 최필립이라고 합니다. 지금 토글 캠퍼스라는 회사에서 1년 반 정도 테크 리드로 일하고 있습니다.

 

Q2. 현재 AI 기반 회계 솔루션을 개발하고 있는 토글캠퍼스라는 기업에서 일하고 계신 것으로 알고 있습니다. 회사에 대해서 간단히 소개해 주실 수 있을까요?

네, 일단 제가 다니고 있는 회사 토글캠퍼스는 ‘회계, 세무, 그리고 금융 전반에서 기술적인 한계를 극복하고 사람이 수행하던 작업을 자동화한다’는 비전을 갖고 있습니다. AI 에이전트를 활용해서 회계 업무에서 발생하는 비정형 데이터를 분석하거나 복잡한 룰 베이스 작업을 최적화하는 일, 회계 기준이나 세법 같은 동적 데이터를 전처리해서 활용하는 일 등 인공지능 기술을 중심으로 기존 회계 산업의 업무 방식을 혁신하는 것을 목표로 하고 있습니다. 그리고 지금은 이런 비전을 실행하기 위해서 내부 감사 자동화나 절세 플랜 생성 같은 AI 기반 회계 솔루션을 개발해서 납품 중이며 앞으로 모든 금융권에서 필수로 사용하는 소프트웨어를 만들기 위해서 노력하고 있습니다. 회계 법인의 경직적인 업무 특성상 회계사 분들이 수동으로 처리해야 될 일이 많습니다. 증빙 자료 몇백 개를 일일이 읽어가며 영수증 내역과 실제 내역이 일치하는지 일일이 확인하거나 회계 기준이나 세법 같은 데이터에서 필요한 것을 일일이 찾는 수동 작업이 그 예시라고 할 수 있습니다. 이런 일들이 야근으로 이어지며 회계사 입장에서도 근무 만족도가 낮아지고, 법인 입장에서도 작업량이 늘어나 업무 효율이 떨어집니다. 자연스럽게 수익이 감소하고, 일손이 부족하여 비정규직 회계사를 채용하면 비용은 증가합니다. 저희는 이런 문제들을 기술적으로 해결하고 있습니다. 한국회계기준원과 공인회계사회, 회계법인을 고객사로 삼고 있고 금융감독원과도 계약을 논의 중입니다.

그리고 또 저희 회사 자랑을 하자면, 설립 2개월 만에 시드 투자를 받았고 얼마 전 Pre-A까지 잘 마무리하면서 누적 투자액 30억원을 유치하고 빠르게 성장하고 있습니다.

 

Q3. 회사 내에서 현재 맡고 계신 일에 대해 설명해주실 수 있나요?

제가 지금 맡고 있는 일은 테크 리드라는 직무입니다. 사실 이 직무는 10인 이하 초기 스타트업에서 회사마다 형태가 매우 다양합니다. 그래서 제가 말하는 직무가 전체 회사에 통용되는 직무는 아닐 수도 있습니다만, 저희 회사에서 테크 리드는 보안 관리나 배포, 클라우드 인프라 정책 결정, 서비스 기능 설계나 구축 방향 결정과 같은 핵심 사항을 결정하는 일을 맡고 있습니다. 개발팀의 일손이 부족한 경우, 빠르게 일을 처리하기도 하고 개발팀에서 공부하거나 도입하고자 하는 소프트웨어에 대한 요청사항이 있으면 그걸 빠르게 반영해서 개발팀 내 지원을 담당합니다. 대기업 쪽에서는 의사 결정을 테크 리드가 주도하지만, 저희 회사는 팀 전체의 역량이 굉장히 높고 협업을 중시하는 분위기이기 때문에 저 혼자 결정하기보다는 회의를 거쳐서 다 같이 의견을 조율하여 방향을 많이 정하는 것 같습니다. 회의를 통해서 결정하고 책임은 제가 지는 형식입니다.

 

Q3-1. 사실상 회사 내 기술자들의 멘토 같은 역할인 건가요?

대기업에서는 테크 리드가 모든 직원들의 기술을 아우르는데, 스타트업 특성상 다들 능력이 좋은 경우가 많습니다. 저는 책임은 멘토처럼 지지만 결국 모두의 능력을 다같이 활용하는 것 같습니다.

 

Q3-2. 현재 관심을 갖고 계신 분야도 따로 있을까요?

원하는 답변일지는 모르겠지만, 회사와 관련된 기술에 관심을 가지고 있습니다.

특히 비정형 데이터 처리에 관심을 갖고 있습니다. 비정형 데이터란 이미지, 텍스트, 엑셀 파일처럼 형식이 정해지지 않은 처리하기 어려운 데이터입니다. 회계 업무 특성상 이런 데이터를 많이 사용합니다. 저희도 기술을 개발해서 고객사한테 제공하고 있는데, 이 기술이 비정형 데이터를 얼마나 많이 다룰 수 있는가에 따라 저희가 제공할 수 있는 기능의 폭도 넓어져서 이 기술을 공부하고 있습니다.

 

Q3-3. 엑셀 파일을 예시로 들어주셨는데, 엑셀 파일을 다른 파일 형식으로 바꿔서 모델에 학습시키는 게 아니라 엑셀 파일 자체를 사용하시는 건가요?
네, 엑셀 파일 자체를 학습시킵니다. 엑셀 파일을 다루는 것이 데이터 특성상 시각적인 정보가 포함되어 있어서 어려워요. 예를 들어 엑셀에 정리한 후, 폰트를 통일하고 배경색을 다 지웠을 때 테이블을 분리하기도, 데이터를 읽기도 어렵습니다.

그래서 어쩔 수 없이 엑셀 파일 자체의 스타일 포맷이나 다른 정보를 사용하여 처리해야 합니다.

 

Q4. 재학생 신분이신데, 정규직으로 일을 하는 것이 쉬운 결정이 아니었을 것 같아요. 결정을 내리게 된 계기나 동기가 있을까요?

이유는 크게 ‘왜 스타트업에서 처음에 일하고 싶었는지’와 ‘왜 지금 회사에 들어가게 됐는지’로 나뉠 것 같습니다. 제 성격 자체가 무언가 하고 싶으면 무조건 해야 직성이 풀리는 스타일입니다. 개발을 시작할 때도 엄청 열심히 공부했습니다. 개발 공부를 하며 전문 지식에서 CS(Computer Science)등의 심화지식, 수학 등 막히는 게 생기니 대학에서 부족함을 채워야겠다고 생각해서 대학에 진학했습니다. 대학교에서도 궁금한 분야가 생기면 관련 직종 종사하는 선배님한테 밥 먹자고 연락도 많이 드리고 고학번 수업도 그냥 관심 있는 분야면 들어봤습니다. 시험 기간이더라도 개발 외주를 받아 일을 하는 등 하고 싶은 건 해야 직성이 풀리는 성격입니다.

그러다가 다른 계기로 스타트업에도 관심이 생겼는데, 쉬운 일이 아니라 실행에 옮기지 않다보니 뭔가 그런 제 모습이 마음에 안 들었던 것 같습니다.

그래서 22년 9월, 1학년 2학기 즈음에 고등학교 친구랑 가볍게 창업을 했지만 부족한 점을 많이 느꼈습니다. 다른 안정적인 스타트업에서 일을 좀 배운 다음에 창업을 하거나 이 길이 맞지 않으면 포기해야겠다고 생각했습니다. 그래서 1학년 겨울방학부터 마음에 드는 스타트업에 이력서를 열 몇 개씩 써서 돌렸습니다.
그런데 제가 지원을 많이 했던 시기가 딱 스타트업 투자가 끊긴 혹한기였습니다.
게다가 저는 외주만 몇 번 했고 경력자도 아니어서 받아주는 데가 없었습니다. 면접 봤는데 떨어지고, 이력서 봤는데 아예 답장도 없으셨습니다. 그렇게 슬픈 마음으로 복학을 했습니다.
복학을 하고 그냥 학교에 다니고 있었는데, 지금 회사 코파운더 중에 한 분을 동아리에서 만나 기회가 닿아서 그분 회사에서 일을 하게 됐습니다. 처음에 인턴으로 들어갔을 때는 회사가 투자도 안 받고 법인 설립도 안 한, 이제 막 시작한 상황이었습니다. 그러다가 코파운더 또는 정규직 제의를 받았고, 코파운더로 함께 하게 되었습니다. 이 회사에 왜 들어갔냐라고 물어본다면, 첫 번째로 당시 팀원들이 되게 마음에 들었습니다. 나의 부족한 점을 잘 채워줄 수 있고 많이 배울 수 있을 것 같았습니다. 두 번째로 회사에 들어가서 무급으로 일하다가 회사가 망했을 때 후회하는 것보다 그 기회를 잡지 않았을 때 후회하는 게 더 클 것 같아서 합류했습니다. 그때 합류했던 회사가 지금의 회사입니다.

 

Q5. 현재 회사에서 일하면서 가장 기억에 남는 사건이나 소소한 일화 같은 게 있을까요?
작년 크리스마스가 제일 기억에 남습니다. 그때 되게 일이 많아서 크리스마스 이브 날 다 같이 밤을 새고, 크리스마스 저녁에도 카페에서 함께 일을 했습니다.

다들 전날 밤도 새고 데이트도 하고 와서 많이 피곤한 상태여서 불평도 할 만한데, ‘설입 카페에서 일하니까 뭔가 색다른데? 회사에서 일하는 거랑 다르다~’하면서 되게 다들 긍정적으로 일을 했습니다. 밤을 새서 피곤하더라도 사람들이랑 함께 일하는 것이 재미 있는 마음이 더 컸습니다. 제가 이 일을 좋아하고 우리 팀원들이 좋은 사람이라는 걸 느꼈던 계기였습니다.

Q6. 스타트업에서 테크 리드로서 필요한 전문 지식을 쌓기까지 어떤 과정을 밟아오셨나요? 특히 학습 방법이나 실제로 해봤던 프로젝트 경험 혹은 실무적인 측면에서 어떻게 도움이 됐는지 궁금합니다.

스무살 즈음, ‘어떻게 공부하는 게 제일 좋을까’ 고민도 많이 하고 여러 시도도 했습니다. 수능 공부가 끝나고 여유가 생겨서 고등학교 친구들과 스터디를 2개 정도 했었고 컴퓨터 동아리도 들어가서 스터디를 하며 공부했습니다.

아까 말씀드렸다시피 관심 있는 주제라면 그냥 고학번 수업이어도 신청해서 들었습니다. 저는 공부할 때 그걸 왜 공부하고 어디 쓰이는지 납득이 안 되면 집중도 안 되고 공부한 다음 써먹지 않으면 바로 까먹기도 해서 지식을 응용할 수 있는 여러 가지 프로젝트를 해봤습니다. 예를 들면 딥러닝 수업을 들은 다음 용돈을 다 털어서 GPU 서버 대여하고, 한 달 동안 밤새워가면서 논문에 있는 것들 싹 다 배우고 구현하는 프로젝트를 했었습니다.

이렇게 프로젝트를 중심으로 필요한 것들을 위주로 공부했는데 이 방법이 매우 좋았던 것 같습니다. 뿌듯함도 있고, 실제로 어디에 쓰이는 지를 느낄 수 있으니 훨씬 흥미롭습니다.
지금 회사에서도 일하는 데에 무조건 필요한 것뿐 아니라 있으면 좋을 것 같은 것들도 공부합니다. 회사 다니면서도 퇴근하고 약속이 없으면 새벽까지 맨날 공부하고, 주말에도 따로 카페에 나가서 공부합니다.

Q7. 현재 토글캠퍼스에서 개발하고 있는 프로덕트가 AI 기반으로 회계 과정을 자동화하는 솔루션이잖아요. 이 프로덕트에 핵심이 되는 기술이 무엇이 있는지, 그걸 개발하면서 겪었던 주요 난관이나 그걸 어떻게 해결했는지에 대해서 소개해 주실 수 있을까요?

가장 어려웠었던 건 회계 기준과 세법 데이터베이스 구축이었습니다. 회계사분들을 고객으로 하다 보니 기업 대상으로 B2B로 파는 일의 에이전트 시스템에서도 법 데이터베이스가 필수적입니다.
나중에 출시할 B2C 프로덕트에서도 법 데이터베이스가 무조건 구축되어 있어야 하는데, 법 데이터 자체를 사용하는 게 하나의 연구 주제일 만큼 처리하기가 꽤나 까다롭습니다.

법 데이터는 위계가 정해져 있고, 특정 조항이 다른 조항을 참조하는 경우도 있고, 판례도 있습니다.
내용 자체도 난해하고, 법 조항에서만 사용하는 새로운 용어 정의도 있어서 데이터베이스를 구축하더라도 검색했을 때 잘 안 나오는 경우가 많습니다. 개발팀이 이런 문제를 여러 논문들과 새로운 기술을 접하면서 어떻게 해결할까 고민도 많이 하고, 실제 회계사분들께 회계 법 조항을 생각하실 때 거치는 사고 과정 등을 인터뷰도 하면서 연구를 많이 했습니다.

이때 나온 결론이 ‘Ontology를 구축한 다음에 멀티 에이전트 시스템 구축하자’였습니다. Ontology는 쉽게 말하면 개념과 개념 사이의 관계를 정리하는 겁니다. 기존 데이터베이스로는 회계 기준 사이 연관 관계 구축이 어려워서 그래프 DB라는 걸 써서 이런 관계를 포함한 데이터베이스를 구축했습니다. 멀티 에이전트는 회계사분들이 어떤 회계 기준을 생각할 때 거치는 단계를 구현한 거라고 생각하시면 됩니다. 그래서 일단 이런 기술들을 쓴다는 베이스를 잡고 여러 가설을 세우고 실험해본 뒤 잘 작동했던 걸 채택했고 개발을 해서 지금 제품들을 출시했습니다.

Q7-1. 그럼 난해했던 법 조항들을 이해시키는 모델을 만드는데 결국에 성공하셨고 거기로부터 제품 출시까지 이어진건가요?

정확히 모델이라기보다는 데이터베이스에서 데이터를 잘 찾아올 수 있게 데이터베이스를 잘 구축했다고 생각하시면 될 것 같습니다.

 

Q8. 회사에 대한 소개를 처음 들었을 때 미국 테크 기업 중에 부상하고 있는 팔란티어가 떠올랐던 것 같습니다. 이런 기업의 급부상이 맞춤형 소프트웨어 시장에 미치는 시사점이 무엇이라고 생각하시나요?
문제 해결 방법의 측면에서 저희가 해야 되는 일은 회계사 분들이 수행하던 비효율적인 작업을 자동화하고 그로부터 절약된 시간에 회계사 분들이 더 가치 있는 일을 할 수 있도록 하는 것입니다. 이 목적을 이루려면 파레토 개선을 달성해야 하는데, 파레토 개선은 어떤 한 요소를 향상시켰을 때 다른 요소가 악화되면 안 된다는 기준 같은 겁니다.
회계 업무 특성상 오차가 조금이라도 발생하면 큰일이 나서, 절차가 강하게 내재되어 있기 때문에 회계 업계는 새로운 제품 도입하기를 되게 꺼려합니다.
이 문제를 그냥 LLM 같은 AI를 써서 해결한다고 하면 LLM은 기본적으로 확률 모델이기 때문에 오차가 발생할 가능성이 생깁니다. 결국 이러면 정확도라는 중요한 가치를 낮추는 게 되어버리게 될 뿐 아니라 기존 워크플로우를 수정하면서까지 새로운 기술을 도입하는 경우 오히려 더욱 불편해지는 일이 생길 수 있습니다.
이런 지점에서 팔란티어도 인공지능이 아닌 온톨로지를 강조했다는 점에서 특정 기술에 매몰된 게 아니라 문제를 해결할 때 어떤 최고의 방법으로 해결할 수 있을까를 잘 고민했다고 생각합니다.

 

Q9. 최근 딥시크와 같은 저비용 고성능 오픈소스 인공지능이 등장하면서 LLM 개발에 엄청난 변화가 일어날 것이며, 특히 개발 비용과 적용 비용이 크게 낮아질 것이라는 전망이 나오고 있습니다. 이러한 전망이 현재 회사에서 개발 중인 모델이나 데이터베이스 구축 측면에서 어떤 영향을 줄 걸로 보시는지 궁금합니다.
사실 저희는 범용 LLM을 개발하는 게 아니라 저희 시스템의 부품으로 사용하는 겁니다. 그래서 그냥 기계 입장에서 부품 가격이 싸진 거랑 같다고 생각합니다. 결국 더 높은 마진과 더 좋은 제품으로 연결이 되는 것이어서 좋은 소식인 것 같습니다. 그리고 일반 LLM이 사실 잘 나온다고 해도 회계 문제 해결은 너무 복잡할거란 생각 때문에 큰 경계심이 들진 않습니다.

그리고 개인적인 생각으로 약 1년 전까지만 해도 오픈 AI가 되게 압도적이었습니다. 아무래도 기술이라는 게 경쟁이 없다 보면 발전을 안 하는 법인데 오픈 AI가 너무 선두 주자니까 그때 되게 좀 발전 느리게 되지 않을까 하고 걱정을 많이 했습니다. 그런데 최근에 딥시크, 알리바바 큐원 등의 기술이 오픈 소스로 공개되면서 많은 사람들이 활용할 수 있다는 것도 좋은 것 같고 성능 자체도 오픈 AI만큼 발전하고 있기에 AI 시장의 경쟁도 활발해질 것 같단 기대가 있습니다.

 

 

+Q1. 학과 선택을 할 때 산업공학과를 고르신 결정적인 이유가 있을까요?

저는 대학교 오기 전에 주변에 개발자 친구들밖에 없었는데, 산업공학과는 배우는 것도, 사람들이 사고하는 것도 일반 공대랑은 많이 다르다 보니 다양한 생각을 접할 수 있겠다고 생각했습니다.

+Q2. 개발에만 치중하는 것이 아니라 법을 어떻게 이해하고 현실 세계에 적용할지에 대한 고민을 많이 하고 계신 거잖아요. 그런 면에서도 산업공학이랑 연관이 있지 않나 생각이 듭니다.

사실 제가 전공 들은 학점이 되게 적습니다. (웃음)
그럼에도 그런 기초적인 강의에서 인력, 자재에 대한 산업공학적인 시스템을 배우는데, 일할 때도 기본적인 마인드셋이 결국 산업공학적인 사고라고 느꼈습니다.

그래서 후배 분들도 수업을 들으시면 얻으실 게 참 많을 것 같습니다.

+Q3. 취업을 굉장히 일찍 하셨는데 그에 대한 장점이 뭐라고 생각하세요?
취업했을 때 장점은 친구들에 비해서 돈이 많은 것, 어린 나이에 뭐 여러 경험을 할 수 있다 정도입니다. 사실 일찍 취업하면 단점이 좀 더 많은 것 같습니다.
아무래도 졸업이 미뤄지고, 졸업이 미뤄지다 보면 경력 사이의 공백도 생기니까요.

좀 안정적인 걸 추구하신다면 개인적으로는 그냥 졸업하고 대학원 가신 다음에 취업하시는 걸 추천합니다. 좀 저같이 이상한 사람들만 네 일찍 취업하는 거 추천합니다. (웃음)

 

+Q4. 퇴근하시고서도 계속 공부하신다고 하셨는데 어떻게 그렇게 공부를 하려는 동기가 강하신가요?

제가 성격 자체가 호불호가 강해서 하고 싶으면 하는데 하기 싫으면 진짜 안 합니다.
자랑은 아닌데 다들 대학 글쓰기? 들으셨나요? 저 대글 D- 나왔습니다. (웃음) 귀찮은 건 그냥 안 하고 수학, 과학, 컴퓨터 같이 재미있어 하는 과목들은 그냥 밤늦게까지 공부하고 그런 사람입니다. 새벽까지 공부하는 것도 그냥 필요한 거고, 필요하다고 생각하면 되게 재밌게 합니다. 그래서 그냥 밤늦게 게임하는 것처럼 공부하는 것 같습니다.

 

- 서울대학교 산업공학과 학생회 best:ie 소통팀

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

@OFFICIAL_SNU_IE