【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스]‘디지털 눈알 붙이기’ 단순 작업에서 의사·변호사 전문영역 으로…AI 데이터 기업의 진화

온카뱅크관리자

2026-09-16 06:07:25

<div id="layerTranslateNotice" style="display:none;"></div> [강다은의 실리콘밸리 씬] 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="3HBglkLxYP">
 <figure class="figure_frm origin_fig" contents-hash="2670ca6c625f3bccacd839760cc8a05152fa08360c96668c03d16255e5c352e6" dmcf-pid="0XbaSEoMH6" dmcf-ptype="figure">
 <img alt="11일(현지 시각) 알렉스 라트너 스노클AI 최고경영자(CEO)가 본지와 인터뷰하고 있다./강다은 특파원" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/16/chosun/20260916060219351xuyh.jpg" data-org-width="4032" dmcf-mid="3qfkYsAi1T" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/16/chosun/20260916060219351xuyh.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 11일(현지 시각) 알렉스 라트너 스노클AI 최고경영자(CEO)가 본지와 인터뷰하고 있다./강다은 특파원
 </figcaption>
 </figure>
 지난 12일(현지 시각) 방문한 미국 캘리포니아주 레드우드시티에 있는 인공지능(AI) 데이터 기업 스노클AI 사무실에서는 이삿짐을 빼는 작업이 한창이었다. 이 회사는 다음 달 레드우드시티에서 차로 약 40분 떨어진 샌프란시스코로 본사를 옮긴다. AI가 똑똑해질수록 AI 기업들이 요구하는 데이터는 더 까다로워지고, 이를 만드는 과정에서 고객사와의 긴밀한 협업이 중요해졌기 때문이다. 오픈AI·앤스로픽을 비롯한 AI 기업과 법률 AI 기업 하비 등 주요 고객이 몰려 있는 샌프란시스코 한복판으로 들어가 이들과 물리적 거리부터 좁히겠다는 것이다.
 2019년 스탠퍼드대 AI 연구실에서 출발해 기업 가치 13억달러(약 1조8000억원) 수준으로 성장한 스노클AI는 단순히 AI 모델의 학습 재료가 되는 데이터를 모아 공급하는 데서 끝나지 않는다. 기업이나 AI 연구소가 개발 중인 AI가 어떤 문제에서 틀리는지 분석하고, 성능을 평가할 기준을 설계한 뒤 어떤 데이터가 더 필요한지 찾아내 데이터 생산·가공까지 돕는다. 반도체 설계 회사가 원하는 칩을 실제 제품으로 구현하는 파운드리처럼, AI 기업이 원하는 성능을 구현하기 위해 필요한 데이터를 진단하고 설계해 만들어주는 일종의 ‘AI 데이터 파운드리’ 회사인 셈이다.
 <figure class="figure_frm origin_fig" contents-hash="954581a95ba7ba8d237c2e78d49d82f5e6b9f3b4aa1cd51215b7b15b9ae0994e" dmcf-pid="uVLT7XSrXf" dmcf-ptype="figure">
 <img alt="11일(현지 시각) 미 캘리포니아주 레드우드시티의 스노클AI 사무실. 샌프란시스코로 본사 이전을 앞두고 이사 준비가 한창인 가운데 사무실 곳곳이 비어 있다. /강다은 특파원" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/16/chosun/20260916060220824aunz.jpg" data-org-width="5000" dmcf-mid="F76wXCEoZQ" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/16/chosun/20260916060220824aunz.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 11일(현지 시각) 미 캘리포니아주 레드우드시티의 스노클AI 사무실. 샌프란시스코로 본사 이전을 앞두고 이사 준비가 한창인 가운데 사무실 곳곳이 비어 있다. /강다은 특파원
 </figcaption>
 </figure>
 알렉스 라트너 스노클AI 최고경영자(CEO)는 “오늘날 AI 에이전트 개발에서는 데이터 규격(Data Spec)을 만드는 것이 사실상 전체 제품 사양(Product Spec)을 정의하는 것과 같다”며 “고객사인 법률 AI 기업 하비의 새 사무실이 불과 5분 거리에 있는 등 고객과 빠르게 데이터를 설계하고 수정할 수 있다는 점도 샌프란시스코 이전의 장점으로 꼽았다”고 했다.
 한때 ‘디지털 눈알 붙이기’처럼 단순 반복 작업으로 여겨졌던 데이터 라벨링 산업이 AI와 함께 진화하고 있다. 과거 AI 학습 데이터라고 하면 사진 속 자동차와 보행자의 경계를 표시하거나, 문장에 ‘긍정’과 ‘부정’ 같은 꼬리표를 붙이는 작업의 이미지가 강했다. 하지만 AI 모델의 성능이 높아지면서 이제는 단순히 데이터의 양을 늘리는 것보다 AI가 아직 풀지 못하는 문제를 찾아내고, 그 문제를 풀 수 있는 고난도 데이터를 설계하는 일이 중요해졌다. 최첨단 모델의 약점이 특정 전문 영역이나 정답을 정의하기 어려운 복잡한 업무로 옮겨가고 있다는 것이다. 학생이 초등학생에서 대학원생으로 성장하면 교재와 시험 문제도 어려워져야 하는 것과 비슷하다.
 ◇‘디지털 눈알 붙이기’에서 의사·변호사 판단 영역까지
 AI가 똑똑해질수록 이를 학습시키는 데이터의 난도 역시 높아지고 있다. 초기 AI에는 사진 속 고양이와 개를 구분하거나 문장에 정답표를 붙이는 식의 비교적 단순한 데이터가 주로 필요했다면, 최근 몸값이 높아지고 있는 것은 전문가의 판단 과정이 담긴 데이터다. 법률·의료·금융·코딩처럼 정답을 단순 검색으로 찾기 어렵고, 해당 분야의 전문 지식을 가진 사람이 직접 문제를 풀고 판단해야 하는 데이터의 가치가 커지는 것이다.
 미 샌프란시스코의 AI 데이터 스타트업 마이크로1은 전 세계 의사·변호사·생물학자 등 전문직 종사자를 일종의 ‘아르바이트생’으로 고용해 이른바 ‘전문직 데이터’를 모으고 있다. 책이나 인터넷에서 쉽게 찾을 수 없는 실제 업무 과정과 문제 해결 방식, 전문가가 판단을 내리는 과정 등을 데이터로 만들어 AI 기업에 ‘휴먼 데이터’로 공급한다. 이 때문에 테크 스타트업이지만 사내에도 의사와 변호사 등이 팀원으로 근무한다.
 하비 같은 법률 AI를 비롯해 의료·금융·과학 등 특정 산업에 특화된 AI가 늘어날수록 이런 전문 데이터 수요는 더욱 커질 전망이다. 알리 안사리 마이크로1 CEO는 “현재 기업과 AI 연구소의 데이터 수요는 상상을 초월할 정도로 높다”며 “지금 들어오는 대기업 수요를 모두 감당할 수만 있다면 연 매출이 당장 수십억 달러 규모로 갈 수 있을 것”이라고 했다.
 AI 에이전트가 확산하면서 ‘사람이 실제로 일하는 과정’ 자체도 새로운 데이터 자산으로 떠오르고 있다. 이메일을 어떻게 읽고 답하는지, 엑셀 파일을 어떻게 수정하는지, 회의를 잡고 결재를 올리는 순서는 무엇인지 등 기존에는 기업 내부에 흩어져 있던 업무 기록이 AI 에이전트에게 ‘사람처럼 일하는 법’을 가르칠 수 있는 교재가 된 것이다.
 ◇데이터만 넘기던 시대 끝
 필요한 데이터가 복잡해지면서 데이터 업체가 하는 일 자체도 달라지고 있다. 과거에는 고객이 “사진 100만장에 자동차와 보행자를 표시해 달라”고 주문하면 데이터 업체가 대규모 작업자를 동원해 라벨을 붙인 뒤 납품하는 방식이 일반적이었다. 무엇을 만들어야 할지는 고객이 정하고, 데이터 업체는 그것을 대신 만들어주는 구조였다.
 하지만 최첨단 AI 모델과 에이전트 시대에는 고객사조차 자신의 AI가 왜 틀리는지, 무엇을 더 가르쳐야 하는지 정확히 모르는 경우가 많다. 단순히 데이터를 많이 넣는다고 성능이 좋아지는 단계도 지나가고 있다. 이에 따라 데이터 기업의 역할도 ‘주문받은 데이터를 만드는 하청업체’에서 AI의 약점을 진단하고 필요한 데이터와 시험 문제까지 설계하는 개발 파트너로 바뀌고 있다.
 기업들은 우선 AI에 실제 업무와 비슷한 문제를 풀게 한 뒤 답변을 평가한다. 어떤 단계에서 오류가 발생했는지 찾아내고, 이를 고치기 위해 필요한 데이터를 새로 만든다. 이후 데이터를 학습시킨 모델을 다시 시험한다. ‘평가→오류 진단→데이터 설계·생산→학습→재평가’가 반복되는 하나의 생산 공정이 만들어지고 있는 것이다.
 대표적인 곳이 AI 데이터 업계 선두 주자인 스케일AI다. 과거 자율주행차가 촬영한 이미지에서 자동차와 보행자 등을 표시하는 데이터 라벨링 사업으로 성장했지만, 생성형 AI 시대 들어 AI의 답변을 평가하고 취약점을 찾아내는 모델 평가 영역으로 사업을 넓혔다. 자동 평가와 전문가의 인간 평가를 결합해 AI가 어떤 질문에서 환각이나 오류를 일으키는지 찾아내고, 그 결과를 다시 학습 데이터와 미세 조정에 반영하는 ‘피드백 루프’를 만드는 것이다.
 머코르 역시 단순히 전문가를 AI 기업에 연결해주는 인력 플랫폼에서 모델 평가 사업으로 영역을 넓히고 있다. 투자은행·컨설팅·기업 법무 전문가들이 실제 업무와 비슷한 문제를 직접 만들고 AI가 얼마나 잘 수행하는지 평가하는 ‘APEX’ 벤치마크를 운영한다.
 </section> 
 </div> 
 Copyright © 조선일보. 무단전재 및 재배포 금지.

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기