수요예측 솔루션 개발자가 말하는 비즈니스 중심 설계 원칙

AI 기반 수요예측 솔루션을 개발할 때 가장 중요한 것은 무엇일까요? 최신 기술 스택일까요, 아니면 완벽한 예측 알고리즘일까요? 임팩티브AI에서 Deepflow(딥플로우) 솔루션 개발을 담당하는 양정환 개발자는 "비즈니스 우선순위와 빠른 딜리버리"라고 말합니다. 반도체 공정 연구 개발에서 AI 수요예측 분야로 커리어를 전환한 그는 5년간 다양한 도메인의 수요예측 문제를 해결하며 독특한 개발 철학을 만들어왔습니다. 기술과 비즈니스의 균형점을 찾아온 그의 이야기를 들어봅니다.

‍

반도체 연구에서 AI 수요예측으로 건너온 이유

반도체 공정 연구에서 AI 수요예측으로 커리어를 전환하셨는데, 임팩티브AI에 합류하신 특별한 계기가 있나요?

반도체 공정 연구 개발을 하다 보니 Defendancy(특정 장비나 다른 팀의 작업이 완료되어야만 다음 작업을 진행할 수 있는 의존 관계) 문제가 정말 컸어요. 장비든 다른 팀이든 의존성이 너무 강하고, 큰 기업에서는 의사소통 과정도 원활하지 않았죠. 그래서 좀 더 독립적으로 일할 수 있는 분야를 찾다가 프로그래밍을 선택했습니다.

그러다 전체 도메인을 아우를 수 있는 분야를 찾던 중 임팩티브AI를 만났어요. 예측이라는 영역이 흥미로웠고, 특히 각 도메인의 비정형 데이터를 정형화해서 이해하는 접근 방식이 매력적이었습니다. 다양한 산업의 수요예측 문제를 해결할 수 있다는 점에서 새로운 도전이 될 것 같았죠.

완전히 다른 분야처럼 보이는데, 반도체 연구 경험이 수요예측 개발에 도움이 됐나요?

반도체는 공정의 앞뒤가 명확한 시퀀스 중심 작업이에요. 이런 구조화된 사고방식이 개발에도 많은 도움이 됐죠. 개발도 결국 전체 흐름 속에서 시퀀스가 있고 원하는 결과물이 있으니까, 중간 과정을 어떻게 전달하느냐가 일의 핵심이라고 생각합니다.

다만 일이라는 건 결국 사람과의 협업이 제일 중요해요. 기술적인 독립성을 원했지만, 결국 팀원들과 고객과의 커뮤니케이션이 성공을 좌우한다는 걸 배웠죠.

‍

빠른 딜리버리를 위한 솔루션 개발 철학

대기업에서 스타트업으로 옮기시면서 가장 큰 차이를 느낀 부분은 무엇인가요?

대기업에서는 정해진 프로세스를 넘어서 의사결정을 빨리 할 수 없는 구조적 한계가 있어요. 반면 작은 기업은 시장과 빨리 만나야 한다는 절박함 때문에 중요 포인트를 빠르게 정하고 CTO나 대표와 즉각적으로 소통하며 결정을 내립니다.

개발자들도 요즘은 자기 영역을 확실히 정해서 하는 경향이 있는데, 스타트업에서는 전체를 볼 수 있는 시야가 더 중요하다고 생각해요.

그렇다면 빠른 의사결정을 위해 서버리스 아키텍처를 선택하신 건가요?

딥플로우를 처음 접했을 때 제가 쓰던 스택과는 다른 기술이었어요. 새로운 스택에 얼마나 빨리 적응해서 협업 단계까지 갈 수 있느냐가 더 중요했죠. 서버리스는 도메인을 정확히 나눠서 이해를 편하게 전달할 수 있는 도구로 활용했습니다.

특히 고객사 입장에서는 백엔드의 변경 사항을 몰라야 하고 화면은 똑같아야 해요. 서버리스 구조는 고객사에서 요청이 왔을 때 대응을 빠르게 할 수 있게 해줍니다. 필요한 기능을 빨리 넣을 수 있다는 건 기능에 대한 고민을 더 오래 할 수 있다는 의미이기도 하고요.

앞으로는 모델 호스팅을 잘 유지하고 스케일 아웃을 효과적으로 시키는 데 집중하고, 웹 쪽은 B2B 특성상 엄청난 트래픽은 없더라도 일정 트래픽을 충분히 감당할 수 있는 가벼운 로직으로 구성하려고 합니다.

‍

도메인 이해가 곧 수요예측 솔루션의 정확도

다양한 산업의 수요예측을 하면서 데이터보다 중요하게 생각하는 게 있다면요?

도메인마다 제일 중요하게 여기는 게 뭔지 파악하는 게 핵심이에요. 한 프로덕트 안에서도 어느 부분에서 보여주고자 하는 게 무엇인지, 나타내고자 하는 게 무엇인지를 파악하는 게 제일 중요합니다.

데이터만 보는 게 아니라 다양한 도메인의 뉘앙스를 파악하는 능력이 임팩티브AI에서 수요예측 문제를 바라보는 방식에 큰 영향을 미쳤어요. 예측은 앞으로 무슨 일이 일어날지를 예측하는 거니까, 이런 패러다임 전환이 개발자로서 마음가짐이나 설계 방식에도 영향을 줬습니다.

수요예측이 일반 개발과 다른 점이 있나요?

예측은 근거를 가지고 발생할 것이라는 걸 나타내기 때문에 오히려 미지의 영역이 더 많아요. 그래서 어떤 가치를 전달할지 빠르게 찾아내는 게 중요하죠. 이게 바로 빠른 개발이 가능한 설계를 지향하는 이유입니다.

수요예측 솔루션 개발에서는 ‘무엇을 딜리버리할 것인지’가 딜리버리 그 자체보다 더 중요하다고 생각합니다.

‍

수요예측 솔루션 개발의 핵심 원칙

새로운 수요예측 솔루션을 만든다면 가장 중요한 설계 원칙은 뭘까요?

딜리버리가 최우선이고, 빠른 개발이 가능한 설계가 우선이에요. 그 이후에 편집이 가능한가를 봅니다. 개발 편의성이 높아야 한다고 생각해요.

데모 버전을 리소스를 덜 쓰더라도 빠르게 출시해서 시장에 보여주는 게 중요합니다. PoC를 요청한 사용자들에게만 배포하는 형식도 좋은 방법이죠. 개발 담당으로서 정책상 리스크는 있지만, 문제가 터졌을 때 빠른 대응을 할 수 있는가가 더 중요해요.

빠른 대응이라면 혼자서 다 하셔야 할 것 같은데요?

맞아요. 풀스택은 단순히 하나의 API를 만드는 게 아니라 전체를 구성하기 위해 API를 어떻게 변경하고, DB를 어떻게 변경하고, 화면을 어떻게 구성할 것인가가 다 포함돼요. 그래서 버릴 건 버리고 챙길 건 챙겨야 합니다.

밸런싱을 잡기 위해서는 일 외적으로도 밸런스를 맞춰야 해요. 어떤 파트에서 중요하게 생각하는 게 무엇인지를 먼저 파악해야 합니다. 공부를 열심히 하는 것보다 이런 우선순위 파악이 더 중요하죠.

우선순위 파악이 중요하다고 하셨는데, 고객사와 일할 때는 어떻게 적용하세요?

도메인마다 공통점이 있어서 수요예측을 위한 템플릿으로 데이터를 주면 훨씬 쉽게 예측하고 빠른 피드백이 가능해요. 고객사들도 데이터를 채우기 쉽고, 자신들의 전체 데이터를 넘겨줄 필요가 없다는 걸 느낄 수 있습니다.

템플릿만 있으면 데이터가 적어도 되나요?

아니요, 데이터 포인트가 많으면 많을수록 수요예측 정확도가 올라가요. 시계열 데이터를 매일 수집하는 것과 주간 단위로 수집하는 것을 비교하면, 주간 수집은 예측에 사용할 수 있는 데이터 포인트가 훨씬 적어지기 때문에 신뢰도가 떨어질 수 있어요. 그걸 메우기 위한 다른 방법들을 찾는 것도 중요한 접근입니다.

결국 딥플로우 로드맵도 이런 원칙으로 세우시나요?

네, 딥플로우는 고객의 판단이나 행동에 도움을 줄 수 있는 기능이 무엇인가가 최우선이에요. 고객이 원하는 걸 파악하기 위해 VOC도 병행하고 있습니다.

기술을 완벽하게 하는 것보다 비즈니스 요건을 우선시합니다. 그래서 최신 기술을 쫓기보다는 검증된 기술로 안정적인 서비스를 제공하는 게 더 중요하다고 생각해요.

‍

임팩티브AI 딥플로우가 만드는 차별화된 경험

양정환 개발자의 이야기에서 한 가지 명확한 메시지가 드러납니다. 성공적인 AI 수요예측 솔루션은 최신 기술이 아니라 비즈니스 우선순위, 빠른 딜리버리, 그리고 도메인 이해에서 나온다는 것입니다.

임팩티브AI의 Deepflow는 이런 원칙을 바탕으로 다양한 산업의 수요예측 문제를 해결하고 있습니다. 도메인별 템플릿 접근, 유연한 데이터 처리, 그리고 고객의 실제 업무 흐름을 반영한 설계가 평균 33.4%의 재고 최적화 개선이라는 성과로 이어지고 있습니다.

"기술은 비즈니스를 위해 존재한다"는 그의 철학은 임팩티브AI가 단순한 기술 회사가 아니라 고객의 비즈니스 성공을 위한 파트너임을 보여줍니다. 수요예측의 미래는 기술의 완벽함이 아니라 실용성과 신속한 가치 전달에 있다는 것을 잊지 말아야 할 것입니다.

‍