- 칸막이에 갇힌 조직·기업
- 각자 업무만…큰 그림 못봐
- 금융위기 때 경제석학들
- 워커맨 신화 소니 몰락도
- 변화 눈멀게 한 '사일로' 탓
- 다양한 '점' 선으로 연결해야
- ………………………………
- 사일로 이펙트
- 질리언 테트｜384쪽｜어크로스

[이데일리 오현주 기자] “우리집에는 ‘소니’의 전자기기가 35개 있어요. 배터리충전기요? 그것도 35개지요.” ‘워크맨’ ‘플레이스테이션’ 등으로 빛나는 시절을 보낸 소니는 만족이란 걸 몰랐다. 수년에 걸쳐 제품라인과 사업부문을 문어발식으로 확장, 또 확장했다. 1000개 이상의 전자기기를 생산했고 대다수는 독립된 특허기술 기반이었다. 이렇게 잘나가던 소니가 어쩌다 몰락의 길을 걷게 된 건가. 기술? 아니다. 자본? 천만에. 정보? 엄청 많았지. 그렇다면? 폐쇄성이 문제였던 거다. 부서를 세분화하고 자율적인 팀을 만들자며 외부와의 소통을 끊더니 코앞에 닥친 위기까지 못 알아보게 됐다. 팀 중심의 방어적인 태도가 쌓아며 손에 쥔 혁신의 기회까지 차버리게 됐다. 결국 세상서 가장 폐쇄적인 집단이 된 것이다. 

현대의 조직은 회의로 시작해 회의로 끝난다. 그것도 매일 ‘대책’회의다. 브리핑을 하고 책임자를 불러다 문책하고 다시 그들과 협의체를 구성하고, 그것도 모자라 태스크포스팀도 건별로 만든다. 그런데도 늘 신통치 않다. ‘위기상황’이 해제되는 법이 없고, 혁신? 그냥 풀리기만 해도 좋겠다. 바로 이것이 책의 문제제기다. 간단히 말하면 ‘그러니 어쩔래?’다. 

경제지 ‘파이낸셜타임스’에서 세계시장분석을 담당한 금융저널리스트가 이 골치아픈 문제를 ‘사일로 이펙트’로 풀었다. 사일로(silo)가 화근이란다. 제 아무리 똘똘한 친구들이 모인 집합체라도 구성원을 눈멀게 하고 조직의 변화를 가로막는 사일로가 도사리고 있는 한 혁신은 물 건너간 얘기라고 먼저 치고 나왔다. 원인이 잡혔으니 대책도 꺼내야 할 터. 저자는 크게 두 가지 분석을 통해 해결책에 접근한다. ‘어째서 사일로가 생기지’가 하나. 다른 하나는 은근슬쩍 생긴 사일로가 조직을 장악하기 전 ‘사일로를 길들일 수 있는 방법이 있나’다. 

제목 ‘사일로 이펙트’는 주로 ‘부서 이기주의’란 말로 풀이된다. 생각·행동을 가로막는 편협한 사고틀과 심리상태 전반을 가리킨다. 각자의 업무에만 몰두하느라 큰 그림을 보지 못하는, 혹은 보지 못한 척하는 현상 전부를 말한다. 결국 대책은 총체적인 지휘의 그림 아래 마련하는데 그것이 없다는 게 문제다. 작은 점과 점 사이 선을 보지 못해 모두 칸막이 안에 갇힌 채 아등바등하는 모양. 

저자가 볼 때 사일로는 죽여도 죽여도 되살아나는 ‘좀비’와 비슷한 거다. 그런 좀비를 찾아 나선 저자의 발길은 어디 한군데 머물지 않았다. 마이클 블룸버그가 이끌었던 뉴욕시청과 뉴욕시의 블루마운틴 헤지펀드, 캘리포니아의 페이스북, 시카고 경찰국, 오하이오의 클리블랜드 클리닉, 런던의 잉글랜드 은행과 스위스의 UBS, 도쿄의 소니 등. 여기에 사일로를 이긴 그룹과 이기지 못한 그룹이 나뉘어 있다. 

▲그들이 ‘똑똑한 바보’로 전락한 이유? 

저자가 세상을 보는 기준은 간결하다. 사일로에 갇힌 세상과 사일로를 넘어선 세상. 먼저 사일로에 갇힌 세상을 한번 보자. 영국 런던정경대 최고 석학들이 2008년 세계경제위기 앞에서 눈뜬장님처럼 ‘똑똑한 바보’가 돼버린 까닭은? 

이 복잡한 문제조차 저자에겐 쉽게 정리된다. 사일로 경제학자들 탓이니까. 당시 (물론 지금도 별반 달라지지 않았지만) 경제학자들은 세계 외부에 존재하는 하찮은 ‘경제거리’에 대해선 깡그리 무시했고 다른 영역과 연결하려는 시도조차 하지 않았다. 경제학자의 고질병인 ‘경제학을 금융과 분리하는 습관’ 때문이다. 그저 수학방정식의 세부사항을 연구하는 데 시간을 보냈다. 당연히 옆방에선 어떤 분류체계로 연구를 하는지, 나와의 사이에 경계는 없는지에 대한 관심도 없었고. 진정한 ‘똑똑한 바보’였던 셈이다. 

그렇다면 사일로를 넘어선 세상은 어떤가. 저자는 페이스북이 시도한 사회공학실험을 성공사례로 꼽았다. ‘전문가집단의 함정’에서 벗어나려 한 끊임없는 ‘벽치기’. 그렇다고 대단할 건 없다. 그저 직원들이 조직의 문제를 큰 그림에서 고민하고 함께 해결해나가는 능력을 키우며 경험을 넓혀가는 것. 하지만 파장은 컸다. 사일로를 소탕할 수 있었으니. 

▲조직의 운명? 사일로만 다스리면! 

사일로에 갇힌 이들의 공통점이 있다. 뭐가 문제인지 파악조차 못하는 것이다. 혹여 알아챘다고 해도 문제로 인지하지 못할 수도 있다. 어찌 보면 당연하다. 숲을 못 보고 나무에만 매달려 있으니 바람이 부는지 비가 오는지 도통 보이질 않는 거다. 스스로 만든 관료제나 분류체계 안에 생각·행동을 가둬버렸기 때문이다. 

전문화와 집중화가 미덕인 시대. 하지만 그 미덕이란 것이 전혀 다른 세상에 있다는 게 저자의 주장이다. 사일로가 획책한 ‘’사일로 이펙트‘를 눌러야 전문·집중화의 경계를 넘어 협력의 시너지를 키울 수 있단 뜻이다. 기업의 미래? 국가의 운명? 저자의 논리대로라면 이조차도 그리 거창할 게 없다. 사일로만 잘 다스리면 되니까. 

저자가 던진 한방의 처방전이 있다. ‘외부인의 시각을 가진 내부인’을 키우란 것이다. “때때로 우린 세계를 조직하는 다른 방법을 상상할 수 있다”가 진짜 미덕이어야 한다는 말이다. 남의 식구처럼 이상한 소리를 해댄다고 내칠 일이 아니란 거다. 

▲조각조각의 점을 이어라 

테러·붕괴 같은 인재든 지진·태풍 같은 자연재해든 별반 다를 게 없다. 보통 대형 사건·사고가 터질 때마다 나오는 말썽거리는 점과 선을 잇지 못하는 국가시스템이란다. 사고를 예고한 점을 연결하지 못하고 관련부처 간 벽을 부수지 못할 때 참사는 이어지게 돼 있단 거다. 예컨대 9·11테러의 진상을 파악하는 과정. 1000여명을 인터뷰하고 한 달 가까이 청문회를 하며 160명의 진술을 들었다. 그렇게 250만쪽의 보고서를 만들었다. 그래서 어쩔 건데? 결론은 테러를 예고한 조각조각의 정보를 연결하지 못한, 부처 간 따로놀기식 칸막이 때문에 벌어진 참사라고 나왔는데. 

저자가 빼낸 간명한 해결책은 이거다. ‘다양한 점을 이어라’(Connecting the dots!). 이는 스티브 잡스 전 애플 CEO가 어느 해인가 스탠퍼드대 졸업식에서 축사로 꺼내놔 유명해진 말이다. 문제를 해결하기 위해선 죽은 잡스라도 데려와 칸막이를 젖히고 수많은 점을 연결하라는 것이다. 소니, 페이스북 등 기업조직의 흥망성쇠는 물론이고, 9·11이든 구제역이든 세계금융위기든 정치·사회·금융분야라고 제쳐둘 일도 아니다. 

‘배터리충전기 35개’가 소니에만 해당된 일로 끝나리란 보장은 없다. 사일로로 인해 몰락하는 기업의 폐품은 어디 내다팔 수도 없다.

오현주 (euanoh@edaily.co.kr)

출처: http://news.naver.com/main/read.nhn?mode=LSD&mid=sec&sid1=001&oid=018&aid=0003633756&viewType=pc

1. 아이디어 창출 메커니즘도 없이 직원들에게 아이디어를 요구한다

만약 여러분의 조직이 아이디어를 떠올리고, 이를 다듬고, 완성하는 메커니즘 없이 혁신을 추진한다면 참으로 어리석은 일이다. 이런 메커니즘도 없이 직원들에게 아이디어를 요구하면 성과도 없으려니와 조직 내에 냉소주의만 팽배하게 된다.

2. 풀어야 할 가치가 있는 문제를 제대로 정의하지 않고 답을 요구한다

혁신은 뭔가 다른 가치를 창출하는 일이다. 이는 문제해결을 통해 이루어진다. 리더들은 혁신을 촉진하는 가장 좋은 방법은 제약 없이 무작정 많은 해결책을 내는 것이라고 생각한다. 많은 아이디어를 내는 게 능사가 아니다. 제약은 창의성의 좋은 친구다.

3. 상업적인 실패를 처벌하면서 위험 감수를 촉구한다

거의 모든 상업적 성공은 실패를 통해 이루어진다. 그런데 대개의 경우 조직 내에서 실패를 할 경우 치욕으로 인식된다. 그렇다고 무작정 실패를 장려하라는 말은 아니다. 명백한 잘못에 대해서는 책임을 지도록 해야 하지만, 혁신의 초기 단계에서 일어나는 실패에 대해서는 인정해주어야 한다.

4. 잘 갖춰진 실험실도 제공하지 않고 실험을 기대한다

혁신의 성공에 있어 실험의 중요성이 점점 커지고 있다. 초기 단계에서의 반응 확인을 위한 간단한 모형이나 신속한 프로토타입의 제작 등은 필수다. 라이트 형제가 수년 동안 다양한 형태의 실험 모형을 제작하지 않았다면 과연 비행기 개발에 성공할 수 있었을까?

5. 충분한 자원 할당도 없이 획기적인 결과를 기대한다

러시아 예카테리나 2세의 애인이었던 포템킨 공이 거짓으로 꽃장식과 개선아치를 갖춘 마을을 꾸며 신생 우크라이나를 유토피아처럼 꾸민 것처럼 종이 위에서 멋진 아이디어를 구현할 수는 있겠지만, 자원을 투입하지 않고는 결코 획기적인 결과가 나올 수 없다. 

6. 보호막 없이 파괴적 혁신을 요구한다

클레이턴 크리스텐슨이 시장 선도 기술을 보유한 기업이 한계에 이르러 더 이상의 혁신을 이루지 못하고 기존 제품의 성능을 개선하는 데 그치면 새로운 기술로 무장한 후발 기업에 시장 지배력을 잠식당하고 만다고 지적했듯이 파괴적 혁신은 필요하다. 하지만 보호막 없는 파괴적 혁신은 무모한 일이다.

* 이 글은 <Harvard Business Review>에 실린 Scott Anthony, David S. Duncan, Pontus M.A. Siren의 글 ‘The 6 Most Common Innovation Mistakes Companies Make’를 번역 요약했습니다.

원문: 곽숙철의 혁신이야기

요즘 딥 러닝(Deep Learning)이 핫합니다. 몇 년전부터 기계학습(Machine Learning)이 일반인들에게 알려지기 시작하더니, 지금은 기계학습의 한 종류인 딥 러닝이 아예 기계학습이란 단어를 대체할 듯한 기세인 듯 합니다. 특히 구글이 딥 러닝 전문가 기업인 딥 마인드(Deep Mind)를 인수하고, 페이스북이 딥 러닝 대가인 뉴욕대학의 얀 러쿤(Yann LeCun) 교수를 인공지능 센터장으로 모셔갔으며, 중국의 구글이라 불리는 바이두에서도 기계학습 분야의 스타 학자 스탠포드 대학의 앤드류 응(Andrew Ng) 교수를 모셔가는 등, 지금은 바야흐로 딥러닝 인재전쟁에 가까운 모습입니다.

페이스북 인공지능 연구소 수장, 얀 러쿤(Yann LeCun) 교수 (사진출처)

그렇다면 딥 러닝이란 과연 무엇일까요? 오늘은 딥 러닝의 전반적인 개념에 대해 거칠게 한번 훑어보도록 하겠습니다.

(업데이트) 이 글의 후속편인 Convolutional Neural Network에 대한 이해가 업데이트 되었습니다. 이 글을 읽으신 후 꼭 한번 읽어보세요!

출처 : Terry's Facebook, https://goo.gl/Yo3Tvi

딥 러닝은 사실 새로운 개념이 아닙니다. 오래전부터 있어오던 인공신경망(Artificial Neural Network, ANN)과 크게 다를 바 없죠. '인공신경망'이라고 하면 단어에서 나오는 뽀대(?) 때문인지 막 복잡한 뇌 구조가 생각하면서 꿈 같은 이야기가 펼쳐질 것 같은 느낌 드는데요, 사실 인공신경망은 그렇게 판타스틱한 개념은 아닙니다.

그저 선형 맞춤 (linear fitting)과 비선형 변환 (nonlinear transformation or activation)을 반복해 쌓아올린 구조에 불과하죠. 다시 말해, 인공신경망은 데이터를 잘 구분할 수 있는 선들을 긋고 이 공간들을 잘 왜곡해 합하는 것을 반복하는 구조라고 할 수 있습니다. 선 긋고, 구기고, 합하고, 선 긋고, 구기고, 합하고, 선 긋고, 구기고, 합하고...(먹고 뜯고 맛보고 즐기고...-_-..)

파란선과 빨간선의 영역을 구분한다고 생각해보자. 그냥 구분 선을 긋는다면 아마 왼쪽처럼 불완전하게 그을 수 있을 것이다. 하지만 공간을 왜곡하면 오른쪽 같이 아름답게 구분선을 그릴 수 있다. 이처럼 인공신경망은 선 긋고, 구기고, 합하고를 반복하여 데이터를 처리한다. (사진출처: colah's blog)

예를 들어 컴퓨터가 사진 속에서 고양이를 검출해내야 한다고 생각해보죠. '고양이'라는 추상적 이미지는 아마 선, 면, 형상, 색깔, 크기 등 다양한 요소들이 조합된 결과물일 것입니다. 이것은 아마 '선 30cm 이상은 고양이, 이하는 고양이 아님', 또는 '갈색은 고양이, 빨간색은 고양이 아님' 처럼 간단한 선형 구분으로는 식별해 낼 수 없는 문제겠죠. 딥러닝은 이 과제를 선 긋고 왜곡하고 합하고를 반복하며 복잡한 공간 속에서의 최적의 구분선을 만들어 내는 목적을 가지고 있습니다.⁽¹⁾

그럼 어떠한 규칙으로 선을 긋고 공간을 왜곡하냐고요? 바로 데이터에 근거하는 거죠. 일단 대충 선을 긋고 그것들을 살살살살 움직여가며 구분 결과가 더 좋게 나오도록 선을 움직이는 겁니다. 이러한 과정을 최적화(optimization)이라고 하는데요, 딥러닝은 아주 많은 데이터와 아주 오랜 시간의 최적화를 통해 데이터를 학습합니다. 양에는 장사 없다고나 할까요?

여러 개의 뉴런(선형 맞춤 + 비선형 변환)이 합쳐지면 복잡한 형상의 함수도 추정할 수 있다. (사진출처)

사실 인공신경망은 1940년대에 이미 개발된 방법이었고, 1980년대에 역전파(back propagation) 방법이라는 최적화 방법이 소개되며 인공신경망 연구가 절정기애 이른 바 있습니다. 이후 인공신경망은 영상처리, 인공지능, 제어 등 다양한 분야에 적용 되었는데요, 90년대에 이르러 그 연구가 포화 상태에 이르고, 이내 한계가 보이기 시작하더니 곧 암흑기를 만나게 됩니다. 심지어 2000년대 초반 논문 심사에서는 '인공신경망'이란 단어만 나오면 '뭐야, 이거 옛날거자나?'라며 리젝을 하기도 했었으니까요. 그렇게 인공신경망은 사라져 갔고, 2000년 대에는 비선형 함수를 이용한 다양한 커널 방법(e.g. Support Vector Machine, Gaussian Process)들이 기계학습의 대세를 이루게 됩니다.

딥 러닝의 일등 공신, 토론토 대학의 힌톤 교수 (사진출처: 토론토대학)

모두가 인공신경망을 외면하던 암흑기 시절, 그래도 꿋꿋하게 인공신경망 외길을 걸어오던 학자가 있었으니 바로 그가 딥러닝의 일등 공신, 토론토 대학의 제프리 힌톤(Geoffrey Hinton) 교수입니다. 인공신경망이 외면받는 여러 한계들 중 대표적인 문제는 바로 최적화가 쉽지 않다는 점이었습니다. 생각해보세요. 수 만개의 뉴론들이 수 백만개의 선들에 의해 연결되어 있고 여러분들은 이 선들에 적당한 값들을 할당해야 합니다. (일명 parameter training이죠.) 

이걸 최적화 알고리즘을 통해 해줘야 하는데, 최적화 알고리즘이 만약 진짜 최적값이 아닌 잘못된 최적값에 도달하면 어쩌죠? 예를 들어 최고 높은 산봉오리에 올라가야 하는게 목적이라고 하면, 앞만 보고 막 달려서 산 봉우리에 올랐더니 '엥? 이 산이 아닌게벼...?'라고 하면 어쩌냔 말입니다. 인공신경망은 그 구조가 워낙 복잡했기에 이런 문제가 발생했을 때 그야 말로 속수무책이었죠. (그래서 제 예전 지도교수님은 인공신경망을 'black magic'이라고도 하셨으니까요ㅎㅎ)

하지만 힌톤 교수는 이러한 함정(local minima)들을 데이터의 전처리과정(pre-training)을 통해 크게 해결할 수 있음을 밝혔습니다. 이 연구가 바로 "A fast learning algorithm for deep belief nets"라는 2006년의 논문인데요, 힌톤 교수는 이 논문을 통해 인공신경망의 각 층들을 먼저 비지도학습 방법(unsupervised learning)을 통해 잘 손질해주고, 그렇게 전처리한 데이터를 여러 층 쌓아올려 인공신경망 최적화를 수행하면 '이 산이 아닌게벼?' 없이 훌륭한 결과를 만들어 낼 수 있다는 것을 보였습니다.

출처 : Terry's Facebook, https://goo.gl/Yo3Tvi

이 논문을 기점으로 인공신경망 연구는 새 전기가 열리게 됩니다. 특히 인공신경망은 빅데이터와 찰떡궁합이었죠. 2006년 이전의 많은 연구들이 데이터에 대한 구체적 형상 파악에 그 노력을 쏟았었다면, 이젠 그냥 어마어마한 구조의 인공신경망에 엄청난 데이터를 막 때려 넣는겁니다. 그리고선 2006년 이후 개발된 세련된 최적화 기법을 써서 몇날 며칠을 학습하면 '짜잔~'하고 최고의 결과를 내놓는다는 거죠. 딥러닝 기법은 이 후 각종 머신러닝 대회의 우승을 휩쓸며 (그것도 압도적인 성능으로...) 자신이 유아독존의 기법임을 과시했고, 현재는 다른 기계학습 방법을 통해 영상처리, 음성인식 등을 연구하셨던 분들 역시 딥러닝으로 대동단결하는 양상을 보이고 있습니다.

기계학습 관련 기업들. 이 중 Facebook, Google, Baidu 등은 모두 딥러닝에 사활을 걸고 있다. (사진출처)

그렇다면 그토록 오랜 암흑기였던 인공신경망을 성공적인 딥러닝으로 환골탈태하게 한 요인은 뭘까요? 그 요인에는 크게 다음과 같은 네 가지를 꼽을 수 있습니다.

1. Unsupervised Learning을 이용한 Pre-training

앞서 힌톤 교수가 2006년에 제안했던 것이 바로 이 방법입니다. Unsupervised learning이라고 하면 (대충 말해서) '이건 사과', '이건 고양이', '이건 사람' 이런 "가르침" 없이 그냥 사과, 고양이, 사람을 다 던져놓고 구분하라고 시키는 학습 방법인데요, 그렇게되면 아무래도 컴퓨터는 비슷한 것끼리 군집(cluster)을 찾게 되겠죠. 알고리즘은 군집화하는 과정 속에서 특이한 놈들은 과감하게 개무시(;;), 결과적으로 노이즈 감소의 효과를 얻게 됩니다. 이렇게 unsupervised learning 방법으로 데이터를 고르게 잘 손질할 수 있고, 이것을 깊은 인공신경망(=딥러닝망)에 넣으면 앞서 제기한 함정들에 훨씬 적게 빠진다는 것입니다. 이것이 바로 딥러닝의 최초 진일보였죠.

2. Convolutional Neural Network의 진화

기계학습은 data→knowledge 로 바로 학습을 진행할 수도 있지만 보통 중간 단계인 특징 추출(feature extraction)을 거쳐 data→feature→knowledge 의 단계로 학습하는 것이 보통입니다. 예를 들어 사진 속에서 사물을 인식하기 위해 픽셀 값에서 먼저 특징적인 선이나 특징적인 색 분포 등을 먼저 추출한 후 이를 기반으로 '이건 사과다' '이건 바나나다'라는 판단을 내리는 것이죠. 이러한 중간 표현단계를 특징 지도 (feature map)이라고 하는데요, 기계학습의 성능은 얼만큼 좋은 특징들을 뽑아내느냐에 따라 그 성능이 매우 크게 좌지우지 됩니다. (이는 이미지 처리 뿐만 아니라 음성 인식, 자연어 분석 등 대부분의 기계학습에 적용되는 이야기입니다.) 

원본 이미지(우측)와 convolutional network에 의해 추출된 특징 지도(좌측) (출처: M. Zeiler)

딥러닝의 성공 요인 중 하나를 꼽자면, 예전엔 사람의 예측에 의해 뽑히던 이 특징들을 지금은 이 마저도 기계학습을 이용해 뽑는다는 것입니다. 다시 말해, 예전엔 '선들을 추출해서 학습시키면 사물인식이 잘 될거야'와 같이 사람이 먼저 이 선들을 추출하는 알고리즘을 만들어 주었는데, 이제는 특징 추출과 학습 모두가 딥러닝 알고리즘 안에 포함되었다는 것이죠. 다단계로 특징을 추출해 학습하는 Convolutional Neural Network은 현재 딥러닝의 대세로서 특히 이미지 인식에서 큰 발전을 이룩하고 있습니다.

3. 시계열 데이터를 위한 Recurrent Neural Network

딥러닝 알고리즘을 크게 세 분류로 나누자 대략적으로 다음과 같이 나눌 수 있습니다.

- Unsupervised Learning을 기반으로 한 방법
  (e.g., Deep Belief Network, Deep Auto-encoder)

- Convolutional Neural Network의 다양한 변형들

- 시계열 데이터를 위한 Recurrent Neural Network와 게이트 유닛들
  (e.g. Long-Short Term Memory (LSTM))

시계열 데이터(Time-series data)란 시간의 흐름에 따라 변하는 데이터를 말하는데요, 예를 들면 주가도 시간에 따라 변하고, 사람의 움직임도 시간에 따라 변하고, 비디오도 시간에 따라 변하고... 이러한 시계열 데이터에서 탁월한 성능을 보여주는 딥러닝 방법이 바로 Recurrent Neural Network (RNN) 입니다. RNN은 매 순간마다의 인공신경망 구조를 쌓아올렸다고 생각하시면 되는데요, 예를 들면 100초면 100개의 인공신경망을 쌓아올린거죠. (그래서 딥러닝 중에 가장 깊은 구조라고도 불립니다.)

예전의 RNN은 인공신경망이 너무 깊어서 오랜 시간 전의 데이터들을 까먹는 현상(vanishing gradient problem) 때문에 학습이 힘들었는데요, Jurgen Schmidhuber 교수의 Long-Short term Memory (LSTM) 이란 게이트 유닛을 각 노드마다 배치하여 이러한 문제를 극복, 현재는 Convolutional Network의 가장 강력한 경쟁 상대로 자리매김하고 있습니다.

매 순간의 인공신경망을 쌓아 올린 Recurrent Neural Network (사진출처)

4. GPU 병렬 컴퓨팅의 등장과 학습 방법의 진보

사실 예전엔 '많은 데이터로 가지고 이렇게 저렇게 하면 아마 잘 될거야...'라는 생각들은 가지고 있더라도 그것을 구현하는 것이 쉽지 않았습니다. 잘 될지 안될지도 모르는데 수십 대의 컴퓨터를 몇 달간 돌리고 있을 수는 없는 노릇이니까요. 하지만 GPGPU (General-Purpose computing on Graphics Processing Units)이란 개념이 개발되며 저렴한 가격으로 CPU와 병렬처리를 할 수 있는 GPU 제품들이 출시되었고, 이를 효율적으로 이용하는 언어구조(e.g. CuDA)들이 개발되며 딥러닝은 그 컴퓨팅 시간이 수십분의 일로 줄어 들었습니다.

연구에 사용할 수 있는 데이터 풀도 많아져 예전엔 기껏해야 몇 만개의 손 글씨 데이터(e.g. MNIST)가 전부이던 것이 지금은 천 만장의 고해상도의 사진들(e.g. ImageNet)은 물론, 필요하다면 구글이나 유튜브에서 자료를 끌어올 수도 있었으니 말이죠.

그리고 인공신경망 알고리즘적인 문제로는 비선형 변환에 쓰이는 Rectified Linear Unit (ReLU)의 개발과 거대 망을 선택적으로 학습하는 Drop-out의 발견이 딥러닝의 성능을 크게 향상 시켰답니다. 이러한 잔기술(?)에 대해서도 할 얘기가 많지만 깊은 얘기는 언젠가 또 해드리도록 하죠. ('언젠가 밥 한번 먹자'와 비슷 한 얘기입니다..;;)

구글은 2012년 1000대의 컴퓨터로 1000만 개의 유튜브 이미지를 딥러닝으로 분석해 사람과 고양이를 구분해 냈다. 내게도 컴퓨터 지원 좀 해달라... (출처 : Q. Le)

지금까지 딥러닝에 대해 알아봤습니다. 요약하자면 딥러닝은 사실 오래 전부터 있어오던 인공신경망과 크게 다를 바 없지만 알고리즘적인 발전과 하드웨어의 발전, 그리고 빅데이터의 힘에 의해 현재 최고 성능을 가진 기계학습 방법으로 평가받고 있으며, 미래 인공지능의 희망으로 떠오르고 있다는 이야기였습니다.

그렇다면 딥러닝 말고 다른 기계학습 방법들은 모두 사라져야 하는 걸까요? 물론 그것은 아닙니다. 일단 딥러닝은 많은 양의 데이터와 많은 컴퓨팅 자원을 필요로 합니다. (저도 이번에 80만원짜리 GPU를 구매...ㅠ) 따라서 핸드폰이나 웨어러블과 같은 포터블 기기는 이러한 컴퓨팅이 불가능할테니 딥러닝을 적용하기 쉽지 않겠죠. 또한 로봇과 같이 실시간성(real-time)이 보장되어야 하는 분야 역시 다른 기계학습 방법을 취하는게 좋을 수도 있을 것입니다. (이건 마치 컴퓨터엔 윈도우, 핸드폰엔 안드로이드와 같은 맥락이라 할 수 있죠.)

하지만 그렇다고 딥러닝이 이들 분야와 무관하냐하면 꼭 그렇지만은 않습니다. 여러분이 컴퓨터가 좋아서 구글 검색 결과가 좋나요? 다 구글 서버에서 알아서 처리해주니 그런거지요. 딥러닝도 마찬가지로 만약 디바이스가 사물인터넷을 이용해 머리 좋은 서버와 잘 교신한다면 포터블 디바이스 역시 딥러닝의 은총을 받을 수 있을 것이라 생각합니다. 특히 구글이 로봇의 미래라 생각하는 클라우드 로보틱스를 구현한다면 여러 로봇이 집단 지성을 발휘하며 문제를 해결해 나가는 것을 미래에 볼 수도 있겠지요. (참고: "구글의 새 로봇 수장, 제임스 커프너는 누구인가")

딥러닝, 인공지능의 가장 희망적인 미래임은 분명합니다. 이 분야와 관계 없으시더라도 여러분도 아마 공부 좀 하셔야 할걸요? ^^ 앞서 말씀드렸듯 이 글의 후속편인 Convolutional Neural Network에 대한 이해도 꼭 한번 읽어보세요!

(1) 쉽게 말씀드리려고 제가 딥러닝과 classification 문제를 섞어서 말씀드린 건데요, 사실 딥러닝은 real-value를 다루는 regression문제에도 적용될 수 있습니다. 

* T-Robotics의 글은 facebook과 rss reader로도 받아보실 수 있습니다.

[facebook] http://facebook.com/trobotics

[rss] http://t-robotics.blogspot.kr/feeds/posts/default

출처: http://t-robotics.blogspot.kr/2015/05/deep-learning.html?m=1

K-ICT창업멘토링센터 센터장으로서 아이템이 다양한 500여 스타트업을 만나 그들의 창업 성공을 돕고 있다. 기술 기반 창업에 직접 도전한 벤처 1세대 최고경영자(CEO) 출신 멘토 37명도 함께하고 있다. 센터를 운영하는 동안 수많은 창업가를 만나면서 평소 느낀 아쉬운 점을 몇 가지 적어 본다.

첫째 아이템이 비슷한 스타트업이 너무 많다. 이미 시장에 똑같은 업종이 있는 상황에서 해당 업종 창업은 성공 확률을 떨어뜨린다. 창업에서 벤치마킹이란 카피캣(모방 제품)을 만들어 내는 것에 불과하다.

눈에 띌 정도로 비슷한 창업이 많은 분야는 사물인터넷(IoT) 기반의 스마트 헬스케어다. 웨어러블 스마트 디바이스를 토대로 사용자의 신체 정보를 수집, 이에 맞는 서비스를 제공하는 콘셉트다. 그런데 그러한 기기들이 몇 가지 정보 수집에 그치고 있다. 디바이스라는 하드웨어(HW)보다 더욱 중요한 것은 데이터 확장성이다. 데이터를 담을 콘텐츠가 없다면 사업 지속성은 사라진다. 스타트업 입장에서 데이터를 활용, 다양한 콘텐츠 사업을 펼칠 역량을 갖추기가 어려운 것도 사실이다.

또 자주 보이는 사업 아이템으로는 젊은이에게 패션을 추천하는 큐레이션 서비스다. 헬스클럽을 묶어서 이용권을 공유하고 트레이너가 훈련을 제공하는 헬스장 이용 공유 서비스도 비슷한 창업이 많은 사업 분야다.

둘째 정부 자금 지원 의존도가 너무 높다. 대학생 예비 창업가는 물론 일반 스타트업 대부분이 정부 정책 자금에 의존하다 보니 창업경진대회 상금과 연구개발(R&D)비 등 정부 과제 확보를 위한 제안서 작성에 몰입한다.

대학생 창업가 사업비 조달에서 정부지원금이 84%를 차지한다는 조사가 있다. 여러 대회에서 상 및 상금을 탄 경력과 정부과제 수주 실적이 곧바로 사업 성공을 담보하지는 않는다. 전문가로 구성된 심사위원 평가와 실구매자인 소비자의 관심은 많이 다르다. 한 창업 3년차 스타트업의 경우 상품 매출은 뒤로한 채 정부 과제 확보를 위한 제안서만 80개가 넘고, 현재 3~4개 과제를 수행하고 있다고 한다. 고객과 부딪치면서 현장에서 얻은 경험만이 지속 가능한 창업을 보장할 수 있다.

셋째 손쉬운 서비스 창업에 몰린다. 언제부터인가 카페가 젊은이들의 창업 장소로 인기를 끌고 있다. 인터넷만 연결되면 컴퓨터를 통해 모바일 애플리케이션(앱) 등은 손쉽게 제작할 수 있기 때문이다. 쉬운 창업은 경쟁도 치열하다. 기술 기반 창의융합제품을 개발하는 메이커 제조 창업이 더욱 진작돼야 한다. 최근 정부가 2018년까지 100만 메이커 배출을 위한 정책 발표는 잘한 일이다. 특히 대학과 정부출연연구기관(출연연) 성과물을 활용한 메이커 창업이 활성화돼야 한다.

유명 만화가 이현세씨는 창업가들에게 최근 뜨겁게 뜨고 있는 `웹툰` 시장에 뛰어드는 것을 삼가라고 충고했다. 남이 가지 않는 길을 힘들지만 꿋꿋이 가다 보면 분명 성공의 길이 열리게 된다는 점을 강조한 것이다.

한 해 대학 졸업자 13만명이 취업을 못하고 청년실업률이 10%를 넘는 고용 없는 저성장 시대에 허덕이는 것이 대한민국의 오늘이다. 멘토링센터 멘토들은 젊은이들에게 창업을 너무 어렵게만 생각하지 말고 누구나 맘만 먹으면 도전할 수 있는 하나의 길이라는 점을 강조하곤 한다.

정보통신기술(ICT) 분야 창업가의 발굴·육성을 위해 멘토링센터가 출범한지 올 9월로 3년째가 된다. 멘토링센터는 지난 3년 동안 총 493명의 창업가를 배출했다. 이 과정에서 법인 설립 233건, 고용 창출 289명, 특허 출원·등록 354건, 투자 유치 462억원 등 상당한 성과도 일궈 냈다. 멘토링센터는 앞으로도 대한민국이 창업 모범 국가로서 글로벌 시장을 견인하는데 앞장서 나갈 것이다.

최병희 K-ICT창업멘토링센터 센터장phchoi@koef.or.kr

출처: http://www.etnews.com/20160921000162

K는 사회에서 알게 된 후배 컨설턴트이다. 미국에서 학위도 2개나 취득했고, 다양한 저술활동을 하면서 꽤나 유명세를 날린 친구다.

1년 전 그 동안의 컨설팅과 집필 경험을 바탕으로 직접 사업을 하겠다고 결심하고 익히 교류를 하던 벤처 캐피털로부터 5억 원을 투자 받아 신규 비즈니스를 시작했다.

그런데 정확히 1년 만에 투자받은 돈을 다 탕진한 것은 물론이고 2억 원의 빚까지 지게 되었다. 

그 동안 다른 이들의 비즈니스 상담은 그렇게 잘 해 주던 후배가 막상 자신의 사업에서는 엄청난 패배를 한 것이 처음에는 도저히 이해가 가지 않았다.

--------------------

지상병담(紙上兵談)

1) 7개 나라(7웅)가 치열하게 전쟁을 하던 전국시대 말. 강국 조나라에는 조사(趙査)라는 유명한 장군이 있었다. 탁월한 병법으로 수많은 전장에서 승리를 거듭하자, 조나라 혜문왕은 조사를 마복군(馬服君)에 봉하여 그의 공을 기리며 치하했다.

2) 조사에게는 조괄(趙括)이라는 아들이 있었다. 어렸을 때부터 병서를 끼고 살며 수많은 병서와 병법에 통달하여 아버지인 조사조차 병법에 관한 한 조괄에게 두 손을 정도로 그의 이론은 탁월했다. 

3) 백전 노장인 아버지 조사에 비해서도 병법에 관한 논쟁에서는 오히려 뒤지지 않는 조괄로서는 적어도 병법에 관한 한 천하에 자기를 이길만한 자가 없다고 자부하며 기고만장 하였다.

4) 조사의 부인은 아들의 탁월한 병법과 논리를 기뻐하며 조괄에 대해 칭찬을 아끼지 않고 띄워주며 주위의 사람들에게 자식자랑을 했다. 그러자 남편인 조사는 부인을 불러 자식자랑에 대한 부분을 엄중히 나무라며 이렇게 말한다.

6) 세월이 흘러 기원전 259년 욱일승천의 기세로 전국의 여러 나라를 격파한 진(秦)나라 군대는 조나라를 침공하여 진과 조는 장평(長平)에서 공방을 거듭하고 있었다. 진의 장군은 왕흘(王紇)이요, 조의 장군은 백전 노장 염파(廉頗)였다.

7) 진군의 강대한 군사력을 본 염파는 장평성에서 굳건히 수비만 할 뿐 나와서 응하질 않았다.지구전과 장기전은 원정을 온 진나라군에게 불리하게 작용했다. 염파는 이를 노린 것이다. 전장의 상황이 명장 염파로 인해 꼬이자 진의 수뇌부는 새로운 계략을 획책하여 간첩을 조나라 전국에 풀어 유언비어, 헛소문을 퍼뜨린다. "진나라는 늙고 힘없는 염파는 두려워하지 않지만, 마복군 조사의 아들인 천재적 병략가 조괄을 두려워하며 조괄이 출정을 하면 진나라 군대는 괴멸 되고 망할 것이다.“

8) 이 소문은 당장 조의 국왕인 효성왕의 귀에 들어가게 되어, 결국 전장에서 별 성과 없이 수비만하는 염파를 불러들이고, 조괄에게 대장군직을 맡겨 군의 통수권을 주어 장평으로 파견한다.

9) 재상 인상여(蔺相如)는 조왕에게 극구 만류하며 간한다. "실전경험이 없는 조괄은 위험합니다." 하지만 어리석은 조 효성왕은 이 간언을 듣지 않고 조괄을 더욱 신임하여 금품과 비단을 하사하며 출정을 시킨다.

10) 조왕의 전폭적인 신임과 헛소문에 조괄은 정말 진나라가 자신을 두려워 하며, 진을 멸할 장군은 자신뿐 이라고 생각하면서 출정을 서두른다. 많은 금품과 하사품을 받은 조괄은 출전 당일 전날, 자신의 어머니에게 자랑을 하며 자신 만만해 한다. 상황이 급박해짐을 알게 된 조괄의 어머니는 급히 조왕을 배알하러 궁에 들어 가 조왕에게 말하였다.

12) 20만의 증원군을 이끌고 장평전선에 나간 조괄은 기존 병력 20만에 더한 40만 군대의 편제와 전략, 전술을 자신이 배워 온 병법서대로 전면 수정하여 진군에 맞서게 된다.

13) 진나라에서는 염파가 좌천되고, 조괄이 사령관으로 장평전선에 부임되어 왔다는 소식을 듣자 진의 최고 명장이자 무적불패의 상승장군 무안군(武安君) 백기(白起)를 전선에 파견한다. 

14) 백기는 조괄을 전선에 끌어내기 위해 싸움에 패하는 척 유인해 뛰쳐나온 조의 주력 정예병을 무력화 시키고, 조나라 40만군대의 모든 보급로와 군수품을 차단시키어 완전히 가두어 버린다. 조괄은 여러 번 포위를 뚫으려고 시도를 해 보았지만 번번히 백기의 능수능란한 계략에 말려 수많은 병사들을 잃고 결국은 조괄 자신도 화살을 맞고 전사한다.

15) 지휘관을 잃은 조나라의 군대는 포위 당한지 46일 만에 전면 항복을 하여 진군에게 무릎을 꿇는다. 백기는 조나라 군대 40만에 대해 노심초사 고민 끝에 모두 죽일 것을 명하고, 나이어린 병사 240명만 조나라로 돌려보내 진의 무시무시한 위엄을 알리게 한다.

- 사기 ‘廉頗藺相如列傳(염파인상여열전)’ 중 - 

결국 40만의 조군은 백기의 명에 따라 구덩이 속에서 살아 있는 채로 생매장 당하고 만다. 후일 장평대전 장소에서 40만에 해당하는 인골이 발견 되어 역사속의 참상이 허위가 아닌 실제였다는 게 증명이 되었다고 한다.

무슨 일을 도모하더라도 단순히 책 속에서 배운 것에 기초해서 큰 실행으로 옮길 때는 그만큼 위험이 따른다. 경험치를 축적시키면서 책속의 지식을 보완해야 한다. 

결과적으로 실전 경험이 없던 조괄 한 사람으로 인해 조나라 군대 40만이 생 매장당한 지상병담의 고사성어는 우리에게 많은 것을 일깨운다.

출처: http://jowoosung.kr/m/1015

• Prologue

필자가 몸담고 있는 로아컨설팅(ROA Consulting Inc.)은 2003년 설립된 이래, 처음 8~9년 간은 국내 IT대기업(통신사업자/단말제조사가 중심)을 대상으로 단말 플랫폼(주로 피처폰) 전략(그 당시 단말플랫폼 하면 WIPI 기반의 피처폰 미들웨어 플랫폼을 의미), 단말 벤더 매니지먼트 전략 수립(과거 이통사들은 소위 '종속적 전략단말' 라인업이 다수 존재하였는데, SKT의 경우 지금은 역사의 뒤안길로 사라진 VK나 SK텔레텍(이후 팬택에 의해 인수합병됨), 얼마전 법정관리에 들어간 팬택 등 삼성전자에 대한 과도한 의존도를 줄이고, 힘의 균형을 맞추기 위해  대량물량구매를 전제로 특정 이통사의 입맛에 맞는 휴대폰만 제조하는 피처폰 제조사들을 전략단말 제조사라고 일컬었다), 이통사 부가서비스 전략 수립 등 단말 및 단말 플랫폼, 단말 부가서비스 등을 핵심 Keyword로 하여 지금은 별로 사용하지도 않는 단어로 포장된(?) 다양한 리서치/컨설팅 서비스를 이통사/제조사의 다양한 사업부문에 제공해 왔다.

아마도 스티브잡스가 2008년 본격적으로 휴대폰 시장에 아이폰을 가지고 진입하지 않았더라면, KT가 2009년 11월 아이폰3GS 모델을 애플과 독점계약하여 국내에 판매하지 않았더라면, 필자가 몸담고 있는 로아컨설팅에서는 이 영역에서 여전히 활발히 컨설팅 서비스를 제공하고 있을지도 모르겠다.

정확히 이야기하면 2010년부터 한국은 전 세계에서 가장 빠른 속도로 피처폰 시장이 무너지고, 스마트폰 시장으로 전환되기 시작하였으며, 3G 기반 데이터 통신 가입자 수도 전 세계에서 가장 빠른 속도로 확대되었다. 2012년 부터는 3G에서 LTE로 빠르게 전이되면서, 피처폰은 역사의 뒤안길로 사라지고, 완전히 그 자리를 스마트폰이 대체하기 시작한다. 구글-삼성전자 진영 vs 애플이 스마트폰 시장을 양분하기 시작하면서 물량 게런티 기반으로 피처폰을 제조하여 근근이 특정 통신사에 단말기를 납품하던 국내 중견제조사들은 모두 망하고, 글로벌 휴대폰 시장의 맹주 중 하나였던  노키아, 블랙베리 또한 스마트폰 게임에서 탈락자로 오명을 남긴다.
현재 여러분이 목격하고 있듯이, 전 세계 스마트폰 시장은 애플 - 삼성전자(구글 진영)간의 경쟁구도이며, 여기에 중국 내수벤더(화웨이, 샤오미, 오포 등)의 자국내 약진에 따른 글로벌 시장 점유율의 일정 포션 점유 정도로 매우 단순하고 심플한 경쟁구조로 고착화되고 있다.

반면, 스티브잡스가 iPod Touch에  iTunes라는 서비스를 번들링해 제품의 서비스화(Product Servitization)로 세상을 들썩이게 했던 방식 그대로, iPhone에 App Store를 번들링함으로써 제품(Product)이 아닌 제품 플랫폼(Product Platform)에 소비자를 Lock-In시킴으로써 완전히 새로운 고객가치를 창출하면서, 모바일 중심의 새로운 생태계(Ecosystem)가 만들어지기 시작한다. 이 모바일 중심의 새로운 생태계의 가장 중요한 이해관계자로 등장한 세력이 바로 '스타트업(Startup)'이라는 기존에 보지 못했던 조직(Organization)이다.

스타트업이라는 조직은 린 스타트업(Lean Startup)의 저자인 에릭 리스가 정의한 것 처럼 '한치 앞도 알 수 없는 불확실성의 상황에서 새로운 고객가치를 창출하기 위해 디자인된 조직'이다.

에릭 리스(Eric Ries)의 스타트업 정의 / 출처 : Lean Startup

스타트업은 한치 앞도 알 수 없는 불확실성의 상황에서 새로운 가치를 창출하여 빠르게 성장하는 특성을 보이는 조직이기 때문에, 처음부터 대규모 자본력, 인적자원을 기반으로 어마어마한 시장에서 엄청난 마케팅을 통해 고객을 획득하는 것은 애시당초 불가능하다.

따라서 이들은 작은 아이디어에서 출발하는 특성을 보이고, 주로 애플이나 구글이 깔아놓은 좌판(기저 플랫폼, Dominant Platform)인 앱 스토어에 앱(Native App)을 매개(Medium)로 고객을 끌어모으고(Attract), 고객의 행동패턴/성향/취향 등과 관련된 다양한 Data를 클라우드 서버에 축적하여 분석하는 데 기발한 재능을 가지고 있다. 이 기발하고 뛰어난 재능을 많이 가진 조직, 스타트업 팀 일수록 보다 정교하게 고객 마케팅 전략을 수립하고 실행하고, 근본적으로 무엇을 개선함으로써 고객 가치/효용이 높아질 지 예측이 가능하다.
이 정도 수준에 도달한 스타트업 조직은 벤처캐피탈(창투사)의 투자가 뒤따르고, 이 자금을 가지고 더욱 더 핵심역량/가치에 집중하여 빠르게 성장하고 그들이 만든 앱이 진화하면서 다양한 이해관계자간의 거래비용을 효율화하며, 상호 이익을 극대화하는 생태계(Ecosystem)로 진화한다. 우버(Uber)와 에어비엔비(Aribnb)와 같은 스타트업이 이의 대표적인 사례이며, 국내에서는 배달의 민족, 요기요, 직방 등 O2O 분야의 앱들이 대표적이다. 이들의 공통점은 스마트폰에서 앱의 형태로 존재한다는 것이며, 앱 스스로 양면/다면 시장(Two Sided, Multi-Sided Market)을 형성하면서 거대한 생태계 시스템으로 진화한 점이다. 이른 바 버티컬 플랫폼 생태계 사업자들이 등장한 셈이다.

이들 버티컬 플랫폼 사업자들은 기존 전통적인 비즈니스 모델(차량-호텔-음식배달-부동산중개 등등)이 가진 비효율성을 모바일로 제거하고, 동일한 시간과 노력과 비용을 들인다면 더욱 더 효과를 극대화하는 장점을 가지고 있다. 그래서 비즈니스 모델 혁신자로서 언론의 지대한 관심을 받게 되며, 기존 전통적인 비즈니스 모델(이를 학계에서는 파이프라인 비즈니스(Pipeline Business)라고 지칭)을 빠르게 해체시키거나, 흡수한다(플랫폼 흡수).

로아컨설팅은 스타트업이 단순히 '3년 미만의 신설 창업 기업' 이라는 지엽적인 정의에서 벗어나, 피처폰에서 스마트폰으로 전환되는 새로운 패러다임의 한 중앙에 완전히 새로운 조직의 형태로 등장한 거대한 세력이라는 측면에서 연구조사를 2012년 부터 진행해 왔다.
결론적으로 이야기하면, 연구조사를 통해 로아컨설팅이 강하게 믿게 된 신념 중 하나는 국내 대기업 및 중견기업들이 가까운 미래에 결국, 기존 사업이 아닌, 완전히 새로운 비즈니스 모델 혁신을 통해 새로운 시장과 수익을 창출할 수 밖에 없을 것이라는 점, 그리고 이를 확보하기 위해서는  내부 조직만으로는 불가능하고, 스타트업 조직과 같이 애시당초 고객 가치 지향적이고, 고객이 내뿜는 데이터를 자산화하여 집요하게 고객이 원하는 제품과 서비스를 만들어내는 외부 기업/팀과의 오픈 콜라보레이션 또는 오픈 이노베이션을 적극적으로 시도하게 될 것이라는 점이다.

혹자는 로아컨설팅이 왜 스타트업에 그리 많은 관심을 가지는 지, 심지어 엔젤투자와 액셀러레이팅 사업에 까지 영역을 확대하는 것에 대해 의아하게 생각하는 경우도 있다. 이에 대한 답변의 단초가 바로 앞에 이야기한 내용이다.
지금과 같은 저 성장 기조가 오래동안 유지될 것으로 예상되는 시점에서, 기업은 기존에 영위하던 비즈니스 모델로는 미래를 담보할 수 없다. 그렇다고 기존 조직의 힘만으로도 완전히 새로운 혁신적인 사업모델을 만들어내는 것도 힘들다. 적절한 수준의 오픈 콜라보레이션, 오픈 이노베이션이 필요할 수 밖에 없으며, 이의 대상이 스타트업 조직이 가장 유력하다는 것은 주지한 바와 같다.
로아컨설팅은 이러한 시대적 흐름에 컨설팅 기관으로서는 처음으로 자회사인 로아인벤션랩(ROA Invention LAB)을 설립하고, 이 자회사를 중심으로 스타트업 전문 액셀러레이팅을 수행하는 개라지박스(garagebox, www.garagebox.biz)를 3년 동안 운영해 오고 있다. 그리고 국내 모 대기업(제조사)의 인재개발원과 공동으로 임원 대상의 오픈 이노베이션 데이(Open Innovation Day)도 2년 간 정기적으로 개최하는 데 참여하면서 스타트업 조직과 대기업 조직을 연결/매개하는 인포미디어리(Infomediary)의 역할을 수행하고 있다.

로아컨설팅(모회사)-로아인벤션랩(자회사)간 작동 매커니즘 / 출처 : 로아컨설팅

• 'Digital Transformation'을 말하다

왜 국내 대기업/중견기업들이 오픈 콜라보레이션/오픈 이노베이션 관점에서 스타트업 조직을 바라봐야 할까?
이에 대한 단초로 2016년 4월 HBR의 핵심 페이퍼로 플랫폼 전략론의 대가인 마샬 반 알스타인(Marshall Van Alstyne)외 2명의 교수가 기고한 'Pipeline, Platforms, and the New Rules of Strategy'논문을 살펴볼 필요가 있다.

출처 : HBR, 2016.4.

이 논문의 핵심 내용은 기존 파이프라인 비즈니스(Pipeline Business Model, 선형 프로세스 중심의 기존 기업의 보편적인 사업방식. 마이클포터교수의 경쟁우위론에서 제시된 가치사슬이론(Value Chain)에서 볼 수 있는 기업이 본원적인 경쟁우위를 유지하기 위해 운영하는 기업의 선형적 내부 시스템) 가 점점 더 새로운 전략의 규칙/제도를 설계하는 플랫폼 비즈니스(Platform Business Model)로 전환 또는 흡수된다는 점이다.

파이프라인 비즈니스와 플랫폼 비즈니스가 근본적으로 다른 이유 3가지에 대해서도 제시하고 있는 데, 필자가 이를 좀 더 재해석하면 다음과 같이 정리할 수 있다.

파이프라인 비즈니스 VS 플랫폼 비즈니스 / 출처 : Pipeline, Platform and the new rules of strategy. HBR 2016.4., 로아컨설팅 재해석

위의 표에서 정리한 바와 같이, 플랫폼 비즈니스 모델의 가장 큰 특징은 자원 조정/조절 중심 - 외부 인터랙션 중심 - 생태계 가치 중심으로 완전히 드라마틱하게 전환된다는 점이다.

자, 여기서 질문을 하나 던져보자. 국내 대기업/중견기업들이 기존 파이프라인 비즈니스를 플랫폼 비즈니스로 전환할 수 있을까? Operational Excellency라는 이름으로 여전히 낡은 유산인 식스 시그마의 원칙(품질관리, 수율향상, 원가관리 등)이 중요하고 자원을 통제함으로써 KPI를 유지할 수 있는 작금의 대기업/중견기업들에게 애시당초 외부 인터랙션 중심-생태계 가치 중심 조직으로의 전환은 불가능에 가깝다. 오너의 전적인 확신과 신념, 이에 기반한 추진(조직-문화의 변화가 가장 먼저 추진되어야 함) 없이는 100% 불가능에 가깝다고 할 수 있다.

조직-문화의 변화(Organizational-Cultural Transformation)가 중요한 이유는 외부 인터랙션 - 생태계 가치 중심인 플랫폼 비즈니스 모델을 통해 비즈니스 모델 혁신을 하기 위해서는 기존 조직이 가진 관성과 고정관념을 버리고, 발상 전환 조직이 필요하기 때문이다.
특히, 고객(소비자 / 기업) 데이터의 자산화, 현재 기업, 공장 등 기업 내부 곳곳에서 관리되고 측정되어야 할 데이터의 자산화(Asset Light)를 통해 신규 시설과 원천기술투자 중심(Asset Heavy)에서 고객과 현장 데이터 중심의 사업아이템 발굴과 즉각적인 실행(Lean, Agile Approach)이 가능한 조직(Asset Light)으로 변환되어야 한다.

고객과 현장 데이터 중심의 사업아이템 발굴과 즉각적인 실행. 이에 가장 적합한 조직이 어디 일까? 맞다, 바로 스타트업인 것이다.
혁신적인 스타트업 조직의 공통점이 고객과 현장 중심의 데이터 측정과 이에 기반한 제품/서비스의 개선이다. 측정되지 않으면 개선할 수 없다는 필립 코틀러 교수의 말이 가장 적합하게 들어맞는 조직인 셈이다.
뛰어난 스타트업 조직은 고객과 현장 중심의 데이터 측정과 제품/서비스의 개선을 IoT 센서를 적극적으로 활용하여 고객 데이터를 자산화하고, 좀더 효율적인 자산화를 위해 데이터를 쌓고 있을 뿐만 아니라, 분석(Analytics)과 실시간 리포팅(Reporting)을 할 수 있는 체계를 작지만 의미있게 만들려고 노력한다. 그야 말로 이들은 처음부터 '디지털 기술을 무기로  고객 데이터를 자산화하여 다시 해당 고객에게 의미있는 번들링 제품/서비스로 환원하는' 능력을 가진 'Digital Transformer'인 것이다.

한국의 대기업/중견기업의 파이프라인 비즈니스가 플랫폼 비즈니스로  전환되어 비즈니스 모델 혁신자로 등극하기 위해서는 이러한 'Digital Transformer'들과의 부단한 교류(M&A나 지분투자만이 능사가 아님)와 협력이 점점 더 중요하다.

최근 연이어 신문지상에 터지고 있는 '대기업의 스타트업 BM 도용하기'  이슈는 내부 조직 중심으로 플랫폼 비즈니스를 추진하는 것에 대한 폐단을 극명하게 보여주는 사례이다.
대기업/중견기업 스스로 'Digital Transformation'을 통해 '비즈니스 모델 혁신'을 달성하기 위해서는 내부 조직과 외부 조직(스타트업 조직)을 Mix & Match 하돼, 외부 조직(스타트업 조직)의 경우, 확실한 보상정책과 결과물의 공유, R&D비용지원 등의 제도설계(계약 등)를 통해 신뢰관계를 사전에 확보하는 것이 매우 중요하다.
필요하면 외부 조직이 내부 조직 안으로 합류하는 것이 아니라(Outside-In), 내부 조직이 외부 조직 체계로 특정기간 동안 합류(Inside-Out)하여 의미있는 결과물을 도출케 하고, M&A나 지분투자(유상증자) 방식의 전통적인 방식에서 탈피하여, 결과물의 빠른 도출을 위해 R&D 비용을 조건없이 지원해주는 등 새로운 투자방식(결과물 및 결과물 도출에 활용된 기술은 스타트업 고유의 자산으로 인정하되, 해당 결과물/활용 기술을 Licensing-In 계약을 통해 대기업/중견기업 안으로 내부화 진행)이 필요하다.

다음은 국내 대기업/중견기업들이 왜 Digital Transformation이 필요한가? 에 대해 WHY - HOW - WHAT Approach로 정리한 것이다.
Digital Transformation이 최근 국내 대기업/중견기업들의 새로운 화두가 되고 있는 이유는 Business Model Innovation(BMI)을 통해 완전히 새로운 고객-생태계 가치를 획득하기 위해서다. 문제는 BMI 실행을 위한 구체적인 접근방법이 무엇이냐이다.
로아컨설팅은 최근 몇 개월 간에 걸쳐 Digital Transformation에 성공한 전통적인 글로벌 기업의 사례(대표적인 기업이 GE)를 연구하면서 3단계의 Approach가 중요하다는 것을 발견했다. 이 3단계 Approach의 연속적이고, 지속적인 실행을 통해 결론적으로 Platform Play가 가능한 형태로 진화할 수 있다.

Digital Transformation은 왜 필요한가? : Why-How-What Model 출처 : 로아컨설팅

하기의 인포그래픽 도표가 바로 Digital Transformation을 통해 궁극적으로 국내 대기업/중견기업들의 Platform Play가 가능한 상황으로 진화하기 위해 필요한(요구되는) 3단계의 변화 사다리(Transformation Ladder)이다.

국내 대기업/중견기업들에게 요구되는 Digital Transformation의 3단계 (3 Steps for Digital Transformation) 출처 : 로아컨설팅, 2016.

1.  조직/문화적 변화단계 : Organizational & Cultural Transformation
   -Top(오너)의 전적인 신뢰와 확신 표명
   -이에 따른 Digital Transformation 전담부서 또는 조직 설치
   -채용인력의 변화(e.g Data Engineer, Data Scientist, SW Developer 들의 영입)
2. 기술적 변화단계 : Technological Transformation
   -Data의 Asset
   -기술력을 보유한 외부 스타트업 조직과의 협업, 공동 프로젝트 공동과제 추진(Open Collaboration)
   -기술력을 보유한 외부 스타트업 조직의 인수/지분투자(Open Innovation)
   -Data Asset화를 위한 IoT / Cloud / Big Data / 인공지능 중심의 기반기술체계 정립
3. 플랫폼 BM으로의 변화단계 : Platform BM Transformation 
   -생태계 가치 중심 구조 표명. 이를 위한 새로운 컴포넌트와 제도설계/발표
   -신규 컴포넌트를 다양한 이해관계자, 3rd Party에게 배포
   -컴포넌트를 이용하는 새로운 규칙/제도 설계 및 포럼 개최 등

• Epilogue : 기업의 Digital Transformation 준비상태 점검표

사실, 이 컬럼은 이걸 여러분께 추석선물로 드리고자 쓰게 되었다.

로아컨설팅이 특별히 제작한 국내 대기업/중견기업을 위한  [Digital Transformation 준비점검표]를 소개한다. Digital Transformation Readiness Index(DTR Index) 로 명명한 이 준비상태 점검표를 통해 현재 우리 기업이 플랫폼 비즈니스 모델로 전환하기 위해 어느 정도의 준비가 되어 있는지 가늠할 수 있게 제작이 되었다. 물론 글로벌 사례연구를 통해 3단계의 Approach가 중요하다는 점에 착안하여, 각 단계 별로 반드시 고려해야 할 구성요인을 질문 형태로 정리하여 리커트 척도 5점을 기준으로 기업 내 경영진들이 스스로 판단할 수 있도록 설계되었다.

제조중심의 전형적인 파이프라인 비즈니스 모델을 구가하는 국내 대기업 및 중견기업 오너/경영진들에게 여전히 Data를 자산화 한다는 표현이나, IoT / Big Data / Cloud / Deep Learning, 인공지능 기술 및 이 분야에서 쏟아져 나오는 오픈 소스 기반의 움직임이  그들의 공장과 현장, 고객들과 어떤 상관관계가 있는지 여전히 어렵고, 생소한 것이 사실이다.

그러나 Digital Transformation과 Business Model 혁신은 전 세계적으로 전통적인 파이프라인 비즈니스로 점점 더 어려움을 겪고 있는 기존 시장 플레이어들에게 살아남기 위해 필수적으로 고민해야 할 키워드이다. 스타트업 조직과 같은 기존에 없었던 새로운 조직과의 다양한 형태/방법의 오픈 콜라보레이션, 오픈 이노베이션 전략이 반드시 고민되어야 하며(기존 내부 조직의 관성, 고정관념에서 탈피하기 힘들기 때문에), 이를 위해 필자가 몸담고 있는 중간 인포미디어리의 역할을 수행할 수 있는 전문가 집단이나 기관 등과의 협업도 고려해 볼 만 하다.

비즈니스 모델의 세계에 영원한 것이란 없다. 다만 시대적 요구에 빠르고 민감하게 대응하는 역량과 능력이 더욱 더 중요할 뿐!

태그: digital transformation, platform, platform play, 디지털 트랜스포메이션, 변화 사다리, 이슈

김 진영

david@roaconsulting.co.kr

로아컨설팅(ROA컨설팅)의 CEO. 2003년 로아컨설팅을 공동창업한 후 14년 째를 맞이하고 있다. 로아컨설팅은 국내 통신사업자와 휴대폰 제조사라는 대기업을 대상으로 모바일 디바이스 기반의 비즈니스 실행 전략, 신규사업모델 개발전략컨설팅을 수행해 온 토종 IT컨설팅 기관. 2012년부터는 Platform Business Model과 관련된 연구활동 및 실제 프로젝트를 진행하면서 Start Up에 관심을 갖게 되었고 'Start Up=Vertical Platform'의 양상이 빠르게 진행되는 것에 착안하여 '버티컬 플랫폼 혁명'이라는 책을 내면서 관련 비즈니스를 전개중이다. 2014년 3월, 자회사인 ROA Invention LAB(인큐베이션센터 Garage Box, www.garagebox.biz)을 통해 실제 Start Up의 육성과 지원, 초기투자에 집중하고, 유망한 '버티컬 플랫폼'을 양성하는데 주력하고 있다. 국내에서는 드물게 대학에서 모바일 서비스 플랫폼의 양면시장 형성단계와 성공요인에 관한 연구로 경영학 박사학위를 받았으며, 플랫폼 전략에 대한 연구를 계속 진행중이다.  

출처: http://verticalplatform.kr/archives/7915

출처: http://news.mk.co.kr/newsRead.php?year=2016&no=622642

구글인사책임자가 말하는 일의 의미를 찾는 법. 와튼스쿨의 최연소 종신교수인 애덤은 한 대학의 기부금 모집 콜센터 직원들을 대상으로 실험을 했다. 직원들의 일은 미래에 기부자가 될 만한 사람들에게 전화를 걸어 기부금을 요청하는 일이었고, 기부금은 장학금으로 사용되고 있었다. 애덤은 이 직원들을 세 그룹으로 나누었다. A그룹:  주어진 일을 이전처럼 그냥 함. B그룹:  일을 함으로써 얻을 일 수 있는 개인적인 혜택을 알려줌. “ 기부금을 유치하면,  돈도 더 벌고 승진도 할 거야. ” C그룹:  유치한 기부금을 장학금으로 받은 학생의 변화 사례를 읽게 함. 결과는 어떠했을까? 결과는 어떠했을까? C그룹은 1주 동안  9건에 그쳤던 기부 약속을 무려  23건이나 받았다.  155% 향상된 것이다. 애덤은 생각했다. 변화 사례를 본 것만으로도 직원들의 성과가 달라진다면 실제로 ‘그 주인공’ 을 만났을 때, 성과 차이는 더 커지지 않을까? 추가 실험에 들어갔다. 콜센터 직원들 가운데 한 그룹을 더 선정해 장학금 수혜자이자 성공한 주인공을 직접 만나 5분간 질문하는 자리를 마련했다. 결과는 놀라웠다. 다음달,  이 그룹의 기부금 모집 성과는 무려 4배 이상 늘어났다. 애덤은 다른 업무 영역에서도 이와 비슷한 결과가 나타나는 것을 확인했다. 생명을 구한 이야기를 들은 인명구조원들이 업무 집중도와 적극성에 있어  21% 향상된 것이다. 입사희망 기업 1위 구글은 이러한 연구결과를 잘 활용하는 대표적인 기업이다. [폴본드부츠]라는 한 기업이 보다 적극적인 광고를 하고자  구글을 찾아왔다. 구글팀의 도움을 받아 광고를 시행한 결과 이 회사의 매출은 약 20% 향상되었다. [폴본드부츠]는 고마움의 뜻으로 ‘더 큰 세상과 연결됐다!’ 는 메시지가 담긴 피드백 영상을  구글에 보내왔고, 구글 인사팀은 이 영상을 전 직원들과 공유했다. “우리는 온 몸에 전율을 느꼈고, 높은 사명의식으로 고양되었습니다. ‘마법에 빠진 순간’ 같았어요!” 라즐로 복 (구글 인사책임자) “사람은 누구나 마음속으로 자기가 하는 일에서 의미를 찾고자 합니다. 의미를 찾는 가장 좋은 방법은 자기가 돕는 사람을 직접 만나는 것입니다. 직접 만남은 돈을 벌고 경력을 쌓는 것을 초월한 ‘일의 의미’를 선사합니다. 단 몇 분을 만난다 해도 이보다 더 좋은 동기부여 방법은 없습니다. 방향을 잃은 것 같나요? 지쳐 있나요? 그 때마다 이렇게 하세요. 직접 보세요. 직접 만나세요.” 지도 밖 길을 걷는 체인지메이커들의 이야기, 체인지 그라운드

출처: http://www.bloter.net/archives/263353

크리스보스. 나는 FBI 에서 20년 넘게 일했고, 그중 15년은 인질극 협상 업무를 담당했다. FBI를 거쳐 하버드에서 협상 수업을 들으며 비즈니스 세계에 접목할 방법을 연구했다. 지금은  [하버드도 모르는 FBI 설득의 비밀]로 알려져 하버드, 조지타운, MIT, 켈로그 스쿨에서 강의하고 있다. 인생은 협상의 연속이라고 하는데 어떤가,  최고의 협상 강의 한 번 들어 보겠나? 협상이 토론이나 논쟁과 다른 것은 ‘답이 있어야 한다는 것’, 그리고 ‘반드시 이겨야 한다’는 것이다. 비즈니스 세계에서 살아남기 위해 반드시 결과물이 나와야 한다는 의미와 일맥상통. 협상의 구체적인 기술로 전술적 공감, 명명, 비난 심사, 교정 질문 등 다양한 스킬이 있는데 오늘은 세 가지만 언급하겠다. 1.  심야의 DJ목소리, 2.  미러링, 3.  침묵. ‘심야의 DJ 목소리’ 란 상대와의 협상 시,  취해야 할 목소리 톤이다. 말 끝을 내리고 침착하게,  천천히 말해야 한다. 다음,  미러링. 거울을 마주보듯이 말한다는 것인데, 앞서 상대가 말한 마지막 세 단어 또는 중요한 세 단어를 반복해서 말하는 것이다. 반복을 통해 상대는 자신의 말이 수용되고 있다고 느낀다. 자연스럽게 더 자세한 부연 설명을 하게 되고 대화를 이어가야 한다는 책임감을 느끼게 된다. 미러링을 잘 활용한 한 가지 예를 소개하겠다. 내 수업의 학생이었던 톰이 직장에서 직접 경험한 일이다. 부서에 한 꼰대 상사가 있었다. 사무실에 예고도 없이 불쑥 나타나서는 불필요한 업무와 긴급 지시를 남발하곤 했다. 하급자가 “더 좋은 방법이 있을 것 같은데요.” 라고 제안하면 “자네는 매우 게으르군.” 하며 핀잔을 줬다. 어느 날,  팀의 컨설팅 업무를 종료하면서 상사는 톰에게 모든 관련 자료를 인쇄하라고 시켰다. 수 천장의 분량이었기에 편집과 인쇄하는데 많은 시간이 걸렸고 자료 보관을 위한 공간도 문제가 될 터였다. 컴퓨터 파일로도 충분히 관리할 수 있는 것을 인쇄하라니… 자원도 아깝지만,  다른 일을 할 수가 없게 되었다. 상사는 덧붙여 말했다. “모든 문서는 두 부씩 만들도록!” 순간 제인은 강의에서 배운 ‘심야의 DJ목소리’와  ‘미러링’ 스킬을 기억해 냈다. “ 죄송하지만, 두 부씩 말이지요? ” (첫번째 미러링) 공격적인 접근에 똑같이 공격적으로 대응하면 대개 기분은 상할 대로 상하고 적의만 쌓이고 만다. “왜 그렇게 해야 하죠?” 라고 톰이 물었다면, 상사는 짜증 또는 반감을 갖게 되는데 미러링을 활용함으로써 상사의 말을 충분히 존중하고 중시 여긴다는 신호를 보내게 되었다. “ 한 부는 우리가 보관하고 한 부는 고객에게 보내도록 하지.” “네, 고객이 한 부를 요청하셨고, 우리가 내부용으로 쓸 문서도 한 부 필요하다는 말씀이네요. ” (두번째 미러링) 상사가 잠시 멈칫 하더니 말했다. “고객에게 확인해 볼게. 아직 요청한 건 아니야. 어쨌든 나는 한 부가 필요해. 그게 내가 일하는 방식이야.” “네, 준비하겠습니다. 고객에게 확인해 주신다니 감사합니다. (⇦ 세번째 미러링) 내부용 문서는 어디에 보관하면 좋을까요? 문서 보관실에는 더 이상 자리가 없어서요. ” “ 괜찮아, 아무 데나 보관해도 돼. ” “ 아무 데나요? ” (네번째 미러링). 상사는 또다시 멈칫했다. 전보다 긴 침묵이 흘렀다. 톰은 침묵을 지켰다. 상사는 상급자로서 답을 내려야 한다는 심리적 압박을 느꼈다. “ 사실 내 방에 보관해도 돼. 프로젝트가 끝나면 새로 들어온 비서에게 인쇄하도록 시키지. 일단은 그냥 백업 파일만 두 개 만들어 둬. ” 톰이 내게 보내온 메일에는 이렇게 써 있었다. “ 충격적이에요! 미러링 최고에요. 일거리가 줄었어요! ” 이번 강의에서는 미러링을 집중적으로 다루었다. DJ목소리 – 미러링 – 침묵. 처음 시도하려면 어색한 느낌을 지울 수 없을 것이다. 연습이 필요하다. 요령만 익힌다면 협상에서 ‘맥가이버의 칼’ 이 될 것이다. 앞서 말했듯 전술적 공감, 명명, 비난 심사, 교정 질문 등 협상의 스킬은 이 외에도 다양한데, 이 스킬을 익히고 오케스트라처럼 조화롭게 어우를 때, 당신은 협상의 달인이 될 수 있을 것이다. 오늘은 여기까지 하지. 지도 밖 길을 걷는 체인지 메이커들의 이야기, 체인지 그라운드

출처: http://www.bloter.net/archives/262934

자, 이제부터는 면접을 볼 때 이렇게 외치고 들어가라. 

“나는 10명 중에 8명의 생각을 가지고 있다!” “나는 상식적인 사람이다!” 비상식적인 사람은 무조건 탈락이다. 조직에서는 상식적인 사고를 강조한다. 즉 회사에서는 여러분이 상식적인 사람인가를 알고 싶어 하는데, 그만큼 회사가 보기에는 비상식적으로 보이는 인간들이 적지 않다는 이야기다.  

본부장은 여러분이 최소한 3일은 짚어봐야 한다고 본다. 혹시 남들이 봤을 때 상식에 어긋나는 말이나 행동을 하고 있지는 않은지, 회의 중에 혼자 다리를 떨고 있지는 않은지, 처음 보는 사람과 얘기할 때 말 끄트머리가 어느 순간 반 토막 나는 사람은 아닌지. (의외로 자기가 그러는 줄 모르는 사람들 많다.) 

이걸 확인하는 가장 손쉬운 방법이 뭐가 있을까? 주변 친구나 가족들에게 너의 성향을 물어보는 것이 가장 빠르다.  넌 일반적이지 않다거나, 넌 참 독특하다거나. 만에 하나 친구나 가족들에게 이런 대답이 나온다면, 좋은 의미로 말한 것이라고 해도 면접에서는 위험하다고 본다. 

그런데 여러분은 정반대로 생각하더라. 대부분 회사에서 튀는 사람을 좋아할 거라고 생각하더라만, 혼자만의 착각이다. 면접관은 이미 여러분이 젊다는 걸 알고 있다. 튀어봤자 별로 감흥이 없고, 몇 번을 말하지만 차라리 어른스러운 게 낫다. 물론 과거에는 남과 다른 것이 어필을 하던 때도 있었다. 고 정주영 회장이 신입 사원 이명박을 보고 열정 있다고 좋아했다다는데, 지금은 이렇게 말한다. “열정 같은 소리 하고 있네.” 열정, 물론 필요하다. 무늬만 열정이 아닌, 본부장이 1부에서 말한 근원적 성취욕 말이다. 또 그런 일반적이지 않은 사고와 발상에서 창의력이 나오는 것을 본부장도 모르지는 않는다. 하지만 그건 어디까지나 없는 시장을 만들 때 필요한 것이다. (여러분이 저커버그도 아니고.) 여러분이 면접을 통과해서 일하게 될 회사는 어떨까? 여러분에게 없는 시장을 만드는 중책을 맡기려고 뽑는 걸까? 절대 아니다. 이미 있는 시장에서 열정적으로 뛰어다닐 인재를 뽑는 것이다.  

본부장이 솔직히 하는 이야기다. 까놓고 본부장이 여러분한테 멋있어 보이겠다고 마음먹으면, 창의적인 아이디어를 가지라고 말할 수도 있지 않겠는가? 그런데 현실이 그렇지가 않다. 회사에서는 어디까지나 상식적인 수준에서의 열정을 필요로 하는 것이지, 과거와 같이 톡톡 튀는 열정을 요구하는 게 아니다.  한마디로 열심히 일하면서도 실수하지 않는 사람. 창의적인 아이디어로 면접관들에게 스스로를 어필하기 이전에, 스스로에게 이 질문을 먼저 해야 한다는 걸 명심하기 바란다. 

내 정신 상태가 지극히 상식적이고 정상적인가? 그 다음에라야 면접의 그라운드로 나올 수 있다. 

[정민우 제이앤컴퍼니 부사장]

출처: http://uberin.mk.co.kr/read.php?sc=51400001&year=2016&no=619864