(주)컨트로맥스 - 채용 홈페이지 (주)컨트로맥스 채용 홈페이지입니다

(주)컨트로맥스 - 채용 홈페이지

(주)컨트로맥스 채용 홈페이지입니다

제목없음

Job Interview

코드를 넘어 제품에 꼭 맞는 AI를 찾아가는 연구자

민서호 주임 | Physical AI 관련 연구원

제목없음

제목없음

Q1. 안녕하세요, 주임님! 인터뷰에 응해주셔서 감사합니다. 간단한 자기소개와 컨트로맥스에서 맡고 계신 역할에 대해 설명 부탁드립니다!

안녕하세요. 컨트로맥스 기술연구소에서 Physical AI 관련 연구를 수행하고 있는 민서호 주임연구원입니다. 저는 ServoMax Series에서 수집되는 데이터를 기반으로 장비의 상태를 진단하고 고장을 예측하기 위한 데이터 체계와 알고리즘을 개발하고 있습니다. 또한, 고장모드 분석부터 데이터 수집 기준 정의, 수집 데이터 구조화까지 함께 수행하고 있습니다.

Q2. AI 분야에서 구체적으로 어떤 연구를 하고 계신지 궁금합니다. 컨트로맥스에서 AI 연구 및 활용이 어떤 방향으로 이루어지고 있는지 말씀해 주세요.

제가 주로 연구하는 분야는 PHM, 즉 Prognostics and Health Management입니다. 장비의 상태를 진단하고, 이상 징후를 조기에 탐지하며, 앞으로 얼마나 더 사용할 수 있을지 예측하는 기술입니다. AI는 센서 데이터를 분석해 고장 가능성이나 정비 시점에 대한 데이터 기반 의사결정을 지원하는 데 활용됩니다. 또한, PC에서 학습한 모델을 실제 제품에 적용하기 위해 MCU 환경에서도 실시간으로 동작할 수 있도록 최적화하는 연구도 수행하고 있습니다.

Q3. 여러 선택지 중 컨트로맥스를 선택하신 결정적인 이유가 궁금합니다. AI 연구자로서 하드웨어·엔지니어링 회사에서 일한다는 것이 어떤 의미인지, 커리어적으로 어떤 매력을 느끼셨는지도 함께 말씀해 주세요.

저에게는 정해진 역할만 수행하는 것보다, 문제를 직접 정의하고 필요한 도구를 만들며, 실패하더라도 다시 시도해볼 수 있는 환경이 중요했습니다. 특히, Physical AI 분야는 선행개발의 성격이 강하기 때문에, 다양한 가능성을 실험하고 검증하면서 방향을 찾아가는 과정이 필요하다고 생각합니다. 컨트로맥스는 이러한 시도를 존중하고, 문서화를 통해 데이터와 시행착오를 조직의 자산으로 남기는 문화를 가진 회사라고 느꼈습니다. 또한, ServoMax라는 우수한 자사 제품을 기반으로 데이터 기반 진단/예지 기술을 실제 제품에 연결해볼 수 있다는 점도 큰 매력으로 다가왔습니다. 단순한 연구에 그치지 않고, 실제 제품의 신뢰성과 성능을 높이는 방향으로 AI 기술을 발전시켜볼 수 있다고 생각했습니다.

Q4. 컨트로맥스의 하드웨어 제품과 AI 기술을 결합할 때, 순수 소프트웨어 환경에서는 만나지 않았던 제약이나 어려움이 있을 것 같아요. 어떤 부분이 가장 까다롭던가요?

순수 소프트웨어 환경과 달리, 실제 하드웨어 제품에 AI를 적용할 때는 데이터가 만들어진 조건과 모델이 동작하는 환경까지 함께 고려해야 한다는 점이 가장 까다롭습니다. 하드웨어 데이터는 실제 물리 현상의 결과이기 때문에 센서 위치, 실험 조건, 부하 조건, 온도, 노이즈, 통신 지연 등에 따라 의미가 달라질 수 있습니다. 그래서 단순히 모델 결과만 보는 것이 아니라, 왜 그런 신호가 나왔는지 물리적인 관점에서 해석해야 합니다. 또한, 고장모드, 실험 조건, 센서 구성, 수집 데이터, 분석 결과를 하나의 흐름으로 연결해 관리해야 결과를 신뢰하고 추적할 수 있습니다. 여기에 실제 제품에 적용하기 위한 연산 능력, 메모리, 실시간성 제약까지 만족해야 하므로, AI 모델이 실제 장비에서 신뢰할 수 있는 방식으로 동작하도록 만드는 과정이 가장 어렵다고 생각합니다.

Q5. 학습 데이터의 품질 문제, 라벨링 부족, 현장 노이즈 같은 현실적인 제약 속에서 결과물을 만들어야 할 때 어떤 기준으로 타협점을 찾아가시나요?

타협의 기준은 “설명 가능성”과 “재현성”입니다. 데이터가 부족하거나 품질이 완벽하지 않더라도, 결과가 실제 물리 현상과 실험 조건 안에서 설명 가능하고 같은 기준으로 다시 검증할 수 있다면 유의미한 결과물을 만들어갈 수 있다고 생각합니다. 중요한 것은 현재 데이터로 판단할 수 있는 범위를 명확히 하고, 이후 데이터가 추가되었을 때 계속 개선할 수 있는 구조로 만들어가는 것입니다.

Q6. 팀원과 의견 차이가 생겼을 때 민서호 주임님만의 소통 방법이나 노하우가 있으신가요? 컨트로맥스의 팀 문화나 분위기도 함께 말씀해 주세요.

의견 차이가 생겼을 때는 먼저 우리가 같은 주제에 대해 이야기하고 있는지, 그리고 각자가 무엇을 중요하게 보고 있는지를 확인하려고 합니다. 그다음에는 데이터, 예시, 문서, 시각 자료를 활용해 내용을 정리하고, 논의 결과를 나중에도 다시 확인할 수 있는 형태로 남기려고 합니다. 그래야 서로의 판단 기준을 맞추고, 감정이 아니라 근거를 중심으로 이야기할 수 있다고 생각합니다. 컨트로맥스는 이런 소통이 자연스럽게 이루어지는 회사입니다. 직급이나 역할에 관계없이 의견을 편하게 이야기할 수 있고, 논의된 내용이 실제 업무 개선이나 문서화로 이어지는 점이 연구개발 업무에서 큰 장점이라고 느끼고 있습니다.

Q7. AI/ML 분야는 논문과 기술이 빠르게 바뀌는데, 업무에 적용할 기술을 어떻게 선별하고 학습하시나요? 직접 활용 중인 리소스나 루틴이 있다면 소개해 주세요.

AI/ML 분야는 변화가 빠르기 때문에, 저는 새로운 기술을 볼 때 우리 데이터에 적용 가능한지, 실제 하드웨어 환경에서 동작할 수 있는지를 기준으로 먼저 선별합니다. 학습 과정에서는 ChatGPT, NotebookLM, Claude 같은 AI 도구를 적극적으로 활용합니다. 새로운 개념을 빠르게 이해하거나, 논문과 기술 문서를 정리하고, 코드 구현 방향을 검토할 때 도움을 받습니다. 다만 최종적으로는 논문 원문, 공식 문서, 오픈소스 코드, 실제 데이터 실험을 통해 다시 확인합니다. 결국 중요한 것은 최신 기술을 많이 아는 것보다, 우리 문제에 맞는 기술을 검증해 실제 업무에 적용할 수 있는 형태로 만드는 것이라고 생각합니다.

Q8. 마지막으로 컨트로맥스에 관심 있는 분들께 한 말씀 부탁드려요. 어떤 역량이나 성향을 가진 분이 이 팀과 잘 어울릴 것 같으신지 말씀해 주세요!

컨트로맥스는 정해진 업무만 수행하기보다, 문제를 직접 정의하고 해결해보고 싶은 분께 잘 맞는 회사라고 생각합니다. 하드웨어와 AI가 결합되는 분야는 데이터를 만들고, 실험 조건을 정리하고, 결과를 해석하며 개선하는 과정이 반복됩니다. 그래서 무작정 개발하기보다는 새로운 문제를 구조화하고 체계적으로 해결해가는 데 흥미를 느끼는 분이라면 잘 어울릴 것 같습니다. 또한, “해보니까 되더라”가 아니라, 자신의 의견을 근거와 함께 설명하고, 다른 분야의 의견도 열린 태도로 받아들일 수 있는 분이라면 컨트로맥스의 자유로운 소통 문화와도 잘 맞으실 것 같습니다.

제목없음

목록으로