로보코리아[LOVO] 에서 만드는 모든 제품에 들어가는 인공지능 음성합성 목소리를 만들어주시는 Machine-Learning Engineer Huu-Kim Nguyen님을 만났습니다.

*영어로 진행한 인터뷰를 한국어로 번역하였습니다.

속한 팀과 하시는 일에 대한 간략한 설명 부탁드립니다!

저는 머신러닝 팀에서 데이터 사이언티스트로 일하고 있는 Kim 이라고 합니다. 데이터를 통해 머신러닝 모델을 설계하고, 디자인하여 인간처럼 말하는 음성을 만들어내는 업무를 하고 있습니다.

어떻게 로보코리아로 오시게 되었나요?

연세대학교 대학원 연구실 선배의 추천으로 찰리와 연이 닿았어요. 인터뷰를 하면서 Charlie는 말을 정말 잘하고, 재미있는 사람이라고 생각했어요. 선배의 소개로도 Charlie는 오픈 마인드를 가진 사람이고, 엄격하거나 딱딱한 사람이 아니라고 했는데, 실제로도 그랬고요. 사실 다른 회사의 오퍼도 있었지만, 연구실 선배의 추천도 그렇고, 실제 인터뷰를 하면서 느껴지는 수평적이면서 편안한 문화를 가진 회사라는 점에서 입사를 마음 먹었어요.

한국으로 오게 된 계기가 따로 있으신가요?

베트남에서 학사를 졸업한 후에 해외에서 공부할 기회를 찾고자 했어요. 그렇게 찾다보니 한국이 제게는 딱이더라고요. 이미 한국에서 공부하고 있는 친구가 있었고, 문화적으로도 제게 익숙한 곳이었고요. 그래서 한국으로 오게 되었어요.

입사 전과 후, 회사의 첫인상 중에서 달라진 점이 있나요?

처음에는 회사 자체의 첫인상이라고 느낄만한 것이 많지 않았어요. 왜냐하면 공유 오피스인 위워크에서 일했기 때문이에요. 거기는 우리만의 공간이 아니었기 때문에 제가 느낄 수 있는 것은 로보코리아가 가지고 있는 문화였어요. 위워크 때와 비교했을 때 지금은 채용이 많이 이루어져서 구성원들이 많이 바뀌었지만 그럼에도 변하지 않은 것은 로보코리아의 문화이기 때문에 큰 차이가 없다고 느끼고 있어요.

공유오피스에서 있을 때와 많이 다른 가요?

로보코리아가 갖는 업무적인 문화나 분위기는 위워크에서나 지금이나 같아요. 그 때는 지금보다 프로젝트도 적고 그만큼 일도 덜 힘들었어요. 또, 위워크는 공유 오피스라서 업무공간이 협소했고, 쓸 수 있는 장비도 제한되어 있었죠. 특히, 헤드셋이나 오디오 관련 장비 등 다양한 장비들이 필요했지만, 지금처럼 충분히 가질 수 없었어요.

회사나 팀원, 문화 등 가장 맘에 드는 부분을 하나 꼽자면?

이미 몇번 말해서 고장난 라디오 같지만, 문화가 진짜 큰 것 같아요. 수평적인 분위기이기 때문에 구성원 모두가 의견을 내는 것이 쉽고, 또 그것을 받아들이는 것도 편안해요. 소위 한국에서 말하는 ‘꼰대 문화’ 가 아니에요. 그리고 의사결정권자들이 구성원을 믿고 있기 때문에 모든 것을 하나하나 관리하는 방식을 사용하지도 않고요.

입사 후 가장 기억에 남은 경험 하나만 말씀 부탁드립니다!

업무를 진행하면서 사건이나 사고는 없었지만, NFT 프로젝트를 진행하면서 정말 열심히 일했어요. 목소리를 가진 NFT이다 보니 각각 특징에 맞는 목소리가 필요해서 그에 맞게 일을 하다보면 새벽 2시에 끝날 때도 있었어요. 그리고 프로젝트에 대한 모든 준비가 런칭 몇 시간 전에 끝났기 때문에 상당히 긴장됐던 것도 있고요. 그래서 가장 기억에 남는 경험은 Voiceverse [보이스벌스] NFT 프로젝트인 것 같아요.

회사가 성장하는 것이 느껴지는지?

처음과 비교하면 많이 성장했다고 느낍니다. 처음 입사했을 때와 달리, 프로젝트의 양도 상당히 늘어났고, 많은 투자도 받았어요. 올해 초까지는 폭발적으로 성장했다고 느꼈고, 현재는 어느 정도 안정적으로 성장하고 있다고 생각해요. 마치 계단식 그래프처럼..? 그리고 필요한 장비를 요청하면 그만큼 지원이 되는 걸 보면서 성장하고 있다는 것을 많이 느낍니다.

외국인으로서 일을 하는데 어려움은 없나요?

ML(머신러닝) 팀은주로 영어로 의사소통을 하지만, 저는 영어를 모국어로 하는 사람이 아니기 때문에 때때로 목적에 맞게 커뮤니케이션을 하는 것이 어려울 때가 있어요. 아주 큰 문제는 아니지만요. 그래서 그 외에는 다 좋아요. 모든 구성원들이 저에게 친절하게 대해주거든요. 외국인으로써 걱정할 수 있는 인종차별과 같은 이슈도 없어요. 그리고 구성원의 대부분이 영어로 의사소통할 수 있기 때문에 편하고요.

로보코리아에서, 혹은 로보코리아를 통해 이루고 싶은 목표?

좋은 머신러닝 엔지니어가 되고 싶어요. 제가 생각하는 좋은 머신러닝 엔지니어란, 어떤 문제가 주어졌을 때 문제를 풀어나가는 방법을 알아야 하고, 어떻게 해야 문제를 풀 수 있을지 단계적으로 알고 있어야 한다고 생각해요. 그래서 좋은 머신러닝 엔지니어가 되기 위해 음성분야의 도메인 지식이 더 필요하다고 느끼고 있어요. 업무 외적으로는 커뮤니케이션 능력을 기르고 싶어요.

입사 초와 지금의 나, 무엇이 달라졌나요?

입사한 지 어느덧 1년이 지났네요! 로보코리아에 오기 전에 저는 대학원생이었기 때문에 학문적인 시야를 가진 필드에만 있었어요. 학교이고, 연구를 하는 곳이기 때문에 산업 필드와는 달라요. 예를 들면, 대학원에서는 주어진 데이터를 처리하고 가공했어요. 데이터를 처음부터 준비해 본 적이 없는거죠. 그런데 입사 후에는필요한 데이터를 모으고, 정제하는 일련의 과정을 모두 배워야 했어요. 비유를 하자면, 대학원생일 때에는 이미 누군가가 준비해준 것들을 가지고 실험을 했다면, 로보코리아에 와서는 실험을 위해 필요한 준비물부터 제가 직접 찾고, 갖추고 난 다음에야 실험을 할 수 있는 것과 같아요.

우리 팀이 일하는 방식에 대해서 간단히 설명 부탁드려요.

사실 예전에는 업무적으로 기록을 꼼꼼히 하지 않았어요. 그 때 그 때 상황에 맞추어 우리가 원하는 것, 혹은 필요하다고 느끼는 것을 태스크로 삼고 실행했죠. 그렇지만 Onur가 머신러닝 팀장이 되면서부터 업무의 방식이 더 효과적이고 효율적인 방법으로 바뀌었어요. Onur는 노션을 통해서 ML팀의 업무를 관리하기 시작했어요. 흩어져있는 업무들을 모으고, 정리해서 분배하는 과정을 통해 체계화한거죠. 그래서 지금은 좀 더 체계적으로 일하고 있다고 느껴요.

일하면서 가장 중요한 것이 무엇인가요?

ML팀의 업무에서 가장 중요한 것은 데이터 혹은 자료의 무결성(Integrity)이에요. 머신러닝의 질을 결정하는 것은 학습의 재료인 데이터이기 때문에 완전하고, 정확하고, 오류가 없어야 해요. 그래서 데이터 정제 과정을 통해 데이터의 오류와 부정확한 것들을 제거하여 데이터의 무결성을 높이고자 합니다.

팀원을 선정할 때, 가장 중요하게 보는 것은?

음성분야의 머신러닝에 대한 기본지식과 정직성을 중점적으로 봅니다. 정직성은 지원 시 제출한 이력서와 포트폴리오를 바탕으로 하여 던진 질문을 통해 평가를 하고 있어요. 왜냐하면 ML팀에서 일할 때 가장 중요한 점이 데이터의 무결성이듯, 사람도 정직성이 낮은 사람과 함께 일하는 것은 어렵다고 생각하기 때문이에요.

본인이 하는 일의 역량 증대를 위해 공부하고 있거나 노력 혹은 관심갖고 있는 것이 있으신가요?

주로 책을 읽어요. 그럴 때는 회사 내의 복지정책인 러닝크레딧을 이용하여 구매하고요. 그리고 링크드인이나 트위터와 같은 커뮤니티를 이용하여 관련 분야에 종사하는 사람들의 글을 읽고, 새로운 기술들을 업데이트 합니다.

내가 생각하는 로보코리아란?

#맥북.

바보같이 들릴 수 있겠지만, 일할 때 항상 사용하는 ‘맥북’ 같아요. 그만큼 친근하고 아주 가까운 존재에요. 당연히 회사이기 때문에 가족만큼은 아니더라도, 함께 일하는 친구같은 느낌입니다. 로보코리아의 모든 사람들은 제게 친밀하고, 가까운 존재에요. 그렇기 때문에 대화하는게 어렵지 않고, 가깝게 느껴지죠.

채용이나 문화, 로보코리아의 비젼과 팀이 더 궁금하다면? 로보코리아 커리어 페이지! 연락처: tom@lovo.ai (이승건 / 탐)