인터뷰 | 화장품 기업 벨코프, AI로 R&D를 완전히 재구성하다

글로벌 화장품 기업 벨코프(Belcorp)은 AI 혁신 연구소 플랫폼을 만들어 최근의 전 세계에 영향을 미치고 있는 경제 및 사회적 변화에 대응하고 있다. 특히 내부 R&D 프로세스를 간소화하고 불필요한 비용을 없애며 팀 효율성을 개선하는 데 AI 혁신 연구소 플랫폼을 적극 활용했다.
 

지난 3년 동안 글로벌 화장품 기업인 벨코프(Belcorp)는 팬데믹, 소비 행동의 변화, 공급망 중단, 우크라이나 전쟁 및 인플레이션으로 인한 수많은 문제에 직면해왔다. 이러한 문제를 해결하기 위해 벨코프는 컴퓨터 비전, 신경망, NLP 및 퍼지 논리(fuzzy logic)를 활용하기로 했다. 

벨코프의 디지털·데이터·기술 최고 책임자인 벤카트 고팔란은 “이러한 상황은 전체 비즈니스 가치 사슬 전반에 걸쳐 불확실성을 야기했다. 따라서 벨코프는 높은 수준의 효율성, 안전성 및 제품 품질을 유지하면서 신제품 개발 프로세스에서 더 큰 민첩성과 유연성을 조성하는 것이 필수라고 판단했다”라고 밝혔다.

벨코프는 14개국에서 직접 판매 모델로 운영되고 있다. 에시카(ésika), 엘벨(L'Bel), 싸이존(Cyzone) 같은 브랜드를 소유하고 있으며, 스킨케어, 메이크업, 향수 등 다양한 제품을 선보이고 있다. 이때 벨코프의 R&D 부서는 실험 및 테스트 단계의 기간을 단축할 수 경우, 제품 개발 프로세스의 시장 출시 시간을 크게 단축하고 생산성을 높일 수 있다는 것을 파악했다.

고팔란은 “이러한 단계는 신제품을 개념화하고 출시하는 반복적인 프로세스에 큰 영향을 미친다”라고 설명했다.

R&D 연구소에서는 대량의 비정형 데이터가 쌓여 있었고, 해당 데이터는 다양한 형식으로 저장돼 접근 및 추적이 어려웠다. 이런 환경 탓에 연구 테스트 결과를 의미 있게 분석하려면 수작업을 진행해야했다. 

벨코프는 AI 혁신 연구소(AI Innovation Lab) 플랫폼을 도입해 상황을 개선하기로 했다. 해당 플랫폼으로 CIO 100 어워드의 IT 우수 부문(CIO 100 Award in IT Excellence)에서 수상했다.

AI 혁신 연구소 플랫폼 구축
벨코프는 해당 플랫폼을 2단계로 개발했다. 초기 단계에서는 데이터 아키텍처를 구축하여 데이터를 보다 효과적이고 체계적으로 처리할 수 있도록 했다.

고팔란은 “우리는 안전성, 감각적 효능, 독성 테스트, 제품 공식, 성분 구성, 피부, 두피, 신체 진단 및 치료 이미지를 포함한 실험실 데이터를 AWS 데이터 레이크로 이전했고, 이를 통해 인사이트를 더 쉽게 도출할 수 있었다”라고 설명한다.

두 번째 단계에서는 AI 솔루션을 사용하여 복잡한 생물학적 조건을 예측 및 시뮬레이션하고, 연구 발견을 가속화하고, 위험을 줄이고, 기술 개발의 비용 편익 비율을 최적화하기 위한 알고리즘 및 모델 구축에 중점을 두었다. 이때 연구팀은 데이터 과학자와 생명 과학자에게 전문가 지원을 받았다.

고팔란은 “이러한 알고리즘은 고급 분석 셀프 서비스 플랫폼을 기반으로 구축되어 데이터 모델링, 교육 및 예측 프로세스의 민첩성을 향상시켰다”라고 설명한다.

경영진을 설득하는 과정
고팔란의 팀이 타사 SaaS를 사용하여 플랫폼을 구축하는 것을 고려했지만, R&D 부서의 고유한 요구 사항과 이니셔티브의 특성으로 인해 결국 맞춤형 솔루션을 구축하기로 결정했다고 말했다. 또한 경영진에게 지지를 얻기 위해 AI 혁신 연구소 이니셔티브를 발표하면서 관련 잠재적 가치 및 비용과 함께 시작하려는 5가지 사용 사례를 보여주었다.

고팔란은 “비즈니스 사례 연구에서는 AI를 통해 포뮬러의 안전성, 효과 및 성능을 개선할 수 있는 방법과 이를 통해 시장 출시 기간과 운영 비용을 절감할 수 있는 방법을 강조했다. 우리는 이를 뒷받침하기 위해 이러한 기술 활용의 긍정적인 영향을 입증하는 데이터 기반 증거와 사례를 예로 들었다”라고 밝혔다.

고팔란은 잠재적인 이점을 효과적으로 전달하고, 명확한 ROI를 입증하고, 잠재적인 문제를 해결하는 것이 프로젝트에 대한 경영진의 동의와 지지를 얻는 데 핵심이라고 설명했다.

교차 기능 팀 구성
고팔란의 팀은 R&D, 기술, 공장 및 공급망 부서의 전문가를 영입하여 프로젝트 요구 사항을 전체적으로 파악할 수 있도록 했다. 팀은 약 6개월 간 플랫폼 아키텍처와 데이터 기반을 구축하며 테스트했고, 이후 6개월 동안 다양한 사용 사례를 개발하는 데 시간을 썼다.

고팔란은 “납품은 단계적으로 이루어졌으며 각 단계마다 복잡성이 증가했다. 주목할 점은 각 이니셔티브마다 고유한 복잡성이 있었다는 것인데, 데이터 크기, 데이터 다양성, 통계 및 계산 모델, 데이터 마이닝 처리 요구사항 등 다양했다. 따라서 어려움이나 예기치 않은 상황이 흔하게 발생했고, 문제가 발생하면 적절히 대응했다. 비정형적인 데이터로 작업하다 보면 업무 중 문제에 직면하는 것 정도는 일상이 되었다”라고 말했다.

성공을 가로막았던 문제점
CIO로서 고팔란은 여러 가지 장애물을 맞닥드렸다. 일단 R&D 프로세스와 외부 데이터베이스에 있는 대부분의 데이터가 광범위하고 구조화되지 않았다는 문제가 있었다. 다양한 인재(생명 과학자, 생물 정보학 전문가, 기술자 및 데이터 과학자 포함)가 필요했고, 새로운 플랫폼의 수용을 보장하기 위한 문화적 변화도 있어야 했다. 

고팔란은 첫 번째 과제를 해결하기 위해 다양한 데이터 원본과 형식을 자동화하고 정리해 충분한 고품질 데이터를 확보하는 데 집중했다. 이때 데이터 마이닝 기술을 활용하여 23개의 국제 공개 벤치 마크 데이터베이스에서 모델에 대한 데이터를 스크랩하고 컴파일한 후, 이를 2016년부터 내부적으로 생성된 데이터와 비교했다.

다음 두 번째 과제를 해결하기 위해 벨코프는 새로운 인재를 채용하여 여러 팀 간의 지식 격차를 해소했다. 기술 허브를 설립하여 프로젝트의 설계 및 구현을 지원할 정도로 전문성이 높은 데이터 과학자 및 데이터 엔지니어를 모집했다. 데이터 및 기술 팀에 필요한 전문 지식과 실무 지식은 다음과 같았다. 
 

• 각 사용 사례의 데이터, 생물학적 프로세스 및 비즈니스 목표를 이해하기 위한 실험실 프로세스
• 엔드투엔드 프로세스에서 사용되는 데이터와 다양한 플랫폼의 효율적인 오케스트레이션 및 연결을 위한 데이터 아키텍처
• 예측 솔루션을 개발하기 위한 고급 분석 및 AI
• R&D 분석가에게 시각적 인터페이스를 제공하기 위한 맞춤형 플러그인 및 웹 앱을 생성하는 소프트웨어 개발
• 최종 사용자가 플랫폼을 충분히 활용할 수 있도록 데이터 역량에 대한 인재 교육

마지막 과제는 실험실의 많은 수동 프로세스를 제거해 문화적 변화를 만들어내는 것이었다. 고팔란은 “이를 극복하기 위해 우리는 실험실 분석가들에게 플랫폼 사용 방법을 교육하고 초기 사용 사례를 시범 운영하여 피드백을 수집했다. 이를 바탕으로 플랫폼과 사용자 경험을 미세 조정하기 위해 반복적인 변경을 수행했다. 또한 일련의 워크샵과 데모를 통해 플랫폼의 가치와 이점을 최종 사용자에게 간결하게 전달하여 플랫폼의 채택을 보장했다”라고 말했다.

현재 완전히 배포된 AI 혁신 연구소 플랫폼은 현재까지 12개의 사용 사례를 제공했으며, 내부에서 만족할만한 성과를 거뒀다. 고팔란은 실험실 테스트, 공식화, 외부 소프트웨어 라이선스 및 활동 최적화를 통한 비용 절감을 그 예로 언급하며 “이 프로젝트의 투자 수익률은 432%에 달한다”라고 덧붙였다.

AI 혁신 연구소 플랫폼은 기대했던 결과를 가져왔을 뿐만 아니라 R&D의 디지털 혁신으로 이어졌다. 고팔란은 “프로젝트의 구현과 데이터 기반 인사이트 탐색을 통해 제품 개발 프로세스와 고객 요구 사항에 대한 더 깊은 통찰력을 얻을 수 있었다. 이를 통해 혁신과 비즈니스 성장을 위한 새로운 길을 발견할 수 있는 문이 열렸고, 이전에는 미처 발견하지 못했던 추가적인 기회를 식별하고 추구할 수 있게 되었다”라고 말했다.

AI 혁신 연구소 플랫폼으로 얻은 교훈
고팔란은 AI 혁신 연구소 플랫폼을 개발하면서 다음과 같은 5가지 핵심 통찰력을 얻었다고 설명했다. AI 및 분석과 관련된 디지털 트랜스포메이션을 시작하려는 기업이라면 도움이 될 만한 내용이다. 

1. 디지털 트랜스포메이션의 복잡성을 수용하라. 이러한 전환은 복잡한 과정이며 실수는 불가피하다. 실수에 주저하지 말고 디지털 여정을 배우고 지속할 수 있는 기회로 삼아야 한다.
2. 가치 중심 전략을 따르자. 우선순위가 높은 사용 사례를 빠르게 확장하고, 실패한 실험을 중단하고, 분기별 마일스톤을 사용하여 정기적으로 평가하는 등 중요한 가치를 창출할 가능성이 있는 영역에 에너지와 리소스를 집중하라.
3. 비즈니스 프로세스를 재구상 하라. 기존 비즈니스 프로세스를 재구상하고 재창조해야만 디지털 트랜스포메이션의 이점을 진정으로 활용할 수 있다.
4. 초기 영향력 내러티브를 시작하라. 경영진의 지지를 받고 선도적인 사용 사례로 촉발된 설득력 있는 성공 사례는 조직 전체와 최종 사용자 사이에서 열정을 불러일으키는 데 매우 중요하다.
5. 재능의 중요성을 인식하라. 필요한 기술과 역량을 정확히 파악하고 적시에 적절한 역할에 적합한 인재를 배치하는 것은 성공에 있어 매우 중요하다.
ciokr@idg.co.kr