블록체인 기업에서 ‘AI 해커톤’을 열자 생긴 일들

박수빈 람다256 DX 리드/테크니컬 라이터 인터뷰

요즘 많은 사람들이 “AI 등장 이후 변화가 너무 빨라요. 어떻게 따라가야 할지 모르겠어요.”라고 말합니다. 기업도 마찬가지입니다. 매일 쏟아져 나오는 새로운 기술을 어떻게 비즈니스에 잘 도입하냐가 관건이 됐죠. 이제 AI는 선택이 아니라 필수라는 말이 나올 정도지만, 그 방법을 잘 아는 사람은 드뭅니다. 

그럼에도 많은 기업들이 앞다투어 “우리도 AI 도입합니다.”라고 당당히 선언하죠. 그러나 실무 현장의 반응은 사뭇 다릅니다. ‘우리 조직에는 어떤 방식이 맞을까?’, ‘어디서부터 시작하고, 도입 후엔 어떻게 운영하지?’ 같은 질문들이 뒤따르기 때문입니다.

결국 차이는 이 질문이 그냥 고민에서 그치느냐, 아니면 몸소 부딪혀 보느냐에 따라 갈립니다. 블록체인 인프라 기업 ‘람다256’이 단순히 “AI를 써야 한다”라는 선언에서 멈추지 않고, 조직 곳곳에 자연스럽게 AI를 녹이는 다양한 실험을 이어온 것처럼 말이죠.

람다256은 2024년부터 AI 전담 TF를 꾸려 전사 차원의 도입을 지원했고, 지난 6월엔 전 직원이 참여하는 AI 사내 해커톤을 열었습니다. 구성원들이 직접 아이디어를 내고 실제 서비스와 업무에 적용해 보면서, AI의 실질적 가능성을 체감할 수 있었죠. 요즘IT에서는 이 해커톤을 기획하고 총괄한 박수빈 람다256 DX 리드/테크니컬 라이터를 만나, 기업의 성공적인 AI 도입 과정과 아이디어의 확장, 그리고 AI와 만난 블록체인이 열어갈 가능성에 대해 이야기를 나눠봤습니다.

박수빈 리드는 “AI를 효율성을 높이는 도구이자 제품 경쟁력을 키우는 필수 전략으로 보고 있다”며, “조직에서 제대로 자리 잡으려면 구성원 모두가 직접 써보고 경험해야 한다”고 전했는데요. 이번 인터뷰가 여러분의 조직에서 AI 도입을 어떻게 바라보고, 활용할지 고민하는 데 작은 힌트가 되길 바랍니다.
 

AI 해커톤이 남긴 것

Q. 지난 6월, 람다256에서 ‘AI 사내 해커톤’이 열렸다고 들었어요. 어떻게 기획하게 되셨나요?

저희 팀원들은 이미 각자 업무에서는 AI를 많이 쓰고 있었어요. 그런데 다들 바쁘다 보니까 깊게 파고들 기회는 없었죠. 그러던 중에 “혼자 쓰는 것보다 다같이 모여서 한번 제대로 해보자”라는 분위기가 생겼고요. 물론 참여도를 높이기 위해 맥북이나 에어팟 같은 쏠쏠한 보상도 걸었지만, 저희의 진짜 목적은 ‘AI로 어디까지 할 수 있을까’를 함께 경험해 보는 거였죠. 그렇게 첫 사내 AI 해커톤을 열게 됐습니다.

Q. AI 해커톤은 어떤 주제로 진행되었나요?

이번 해커톤은 크게 두 가지 주제로 진행됐어요. 첫 번째는 저희 서비스 노딧(Nodit)의 MCP를 활용한 유스케이스 발굴이었고, 두 번째는 AI를 활용해서 업무 효율을 높일 수 있는 아이디어 제안이었죠. 총 70명 중에 24명이 참가할 정도로 반응이 좋았고, 기간은 2주 동안 진행했습니다.

팀 구성도 일부러 같은 팀끼리는 묶이지 않게 했어요. 개발자랑 기획자, 디자이너, 마케터가 섞여서 새로운 시너지가 나오도록 했는데, 그래서 더 색다른 아이디어들이 나왔던 것 같아요. 결과물도 단순히 아이디어 수준에 머무른 게 아니라, 실제 업무에 적용되거나 사업화 논의까지 이어지고 있는 것들이 나왔어요.

Q. 실제 업무에 적용되거나, 사업화 된 프로젝트도 소개해 주실 수 있나요?

우선 첫 번째 트랙에서 나온 ‘Nobita’라는 프로젝트가 있는데요. 거래소 데이터랑 *온체인 데이터를 결합해서 트레이딩 지표를 만들고, 자연어 기반으로 매매까지 실행하는 아이디어였어요. 쉽게 말하면, AI가 투자를 도와주는 비서가 되는 개념이죠. 특히 중앙화 거래소뿐 아니라, 분산형 거래소에서의 거래 흐름까지 반영할 수 있다는 점이 인상적이었는데요. 이후에 내부 여러 과제에 아이디어가 반영되고, 제안서로 발전해서 사업 기회로 논의되기도 했습니다.

*온체인 데이터: 블록체인에 영구적으로 기록되고 누구나 열람할 수 있는 거래 및 활동 내역

두 번째 트랙에서는‘Chainguard’라는 *노드 운영 분석 도구가 대표적인데요. 이건 실제 상용 환경에 적용돼, 저희가 노드 운영을 효율적으로 할 수 있도록 돕고 있어요. 블록체인 네트워크는 노드를 통해서만 접속할 수 있고, 저희는 이런 노드를 제공하는 서비스를 운영합니다. 하지만 노드는 저희가 직접 개발한 게 아니고 오픈소스 클라이언트를 구동하는 구조라, 문제가 생기면 원인 분석과 대응이 쉽지 않습니다. Chainguard는 AI가 로그를 자동 분석해 문제가 하드웨어 때문인지, 네트워크 때문인지, 아니면 커뮤니티에 보고된 이슈인지 빠르게 파악해 줍니다. 쉽게 말해, ‘블록체인 노드 운영을 도와주는 AI 서버 관리자’라고 보시면 됩니다.
*노드: 블록체인 네트워크에 참여하는 개별 컴퓨터(혹은 서버)

그리고 ‘Angel CRM’은 웹3(Web3) 업계에서 정말 공감할 만한 텔레그램 채널 관리 문제를 해결하려는 프로젝트예요. 웹3 회사들은 파트너사, 고객, 커뮤니티와 텔레그램으로 소통하는데,  수십, 많게는 수백 개 방을 동시에 관리해야 합니다. 그 과정에서 중요한 메시지를 놓치기 쉽고, 같은 공지를 반복하거나 피드백을 하나하나 취합해야 하는 비효율이 생기죠. Angel CRM은 이런 문제를 AI로 풀었어요. AI가 꼭 확인해야 할 메시지를 모아주고 답변 초안을 만들어 주는 식입니다. 현재 실제 업무에도 쓰이고 있는데, 외부에서 ‘우리도 써보고 싶다’는 문의가 있을 정도로 반응이 좋습니다.

마지막으로 ‘Avi’라는 도구인데, 팀이나 그룹, 본부 단위로 반복적으로 작성하는 주간 보고를 자동화해 주는 아이디어였어요. 노션이나 슬랙과 연동해서 개인의 업무 이력과 주간 요약을 자동으로 만들어 줍니다. 이건 인사팀을 통해 전사 도입까지 논의될 정도로 실제 현장에 도움이 되는 프로젝트였어요.

Q. 이번 해커톤을 통해 얻은 것이 있다면 무엇인가요?

해커톤을 통해 얻은 가장 큰 성과는 조직 차원에서 “이게 단순한 이벤트가 아니라, 실제 성과와 사업화로 이어질 수 있다”라는 확신을 준 거였어요. 저는 기획 단계부터 계속 “이걸 하고 끝나는 게 아니라, 반드시 결과가 성과로 이어져야 한다”고 강조했는데요. 실제로 몇몇 아이디어가 제품에 반영되고 사업화 논의까지 이어지면서, 리더십에서도 구성원들의 역량을 새롭게 보게 된 것 같아요.

임원분들이 ‘우리 팀원들이 이렇게까지 잘하네’ 하고 놀라셨을 정도였거든요. 그런 점에서 이번 해커톤은 단순히 AI를 경험하는 자리가 아니라, 리더십과 조직 전체에 “AI는 실제로 우리의 성과를 바꿀 수 있는 도구”라는 강력한 메시지를 던진 계기였다고 생각합니다.

AI, 팀원보다 리더가 먼저 써보세요

Q. 람다256은 언제부터 AI 도입을 고민하셨나요?

람다256은 블록체인 인프라 기업으로, 블록체인 네트워크와 그 위에서 돌아가는 탈중앙화 애플리케이션(DApp)을 누구나 쉽게 만들고 운영할 수 있도록 돕는 플랫폼을 개발하고 있어요. 쉽게 말해, 블록체인을 좀 더 대중적으로 쓰일 수 있게 만드는 기반을 제공하고 있죠. 그래서 블록체인 데이터를 다루는 데는 자신이 있었는데, 문제는 이 데이터를 고객들이 얼마나 쉽게 활용할 수 있게 할까였어요. 진입 장벽을 낮추는 게 늘 고민이었죠. 그러던 중 AI의 발전을 보면서 ‘아, 저거다!’라고 답을 찾은 것 같았죠. 2024년 11월부터는 AI 전담 TF를 꾸려 다양한 LLM 제품과 기술을 공부하고, 사내 제품과 문화에 적용할 방법을 고민하기 시작했어요.

처음에는 내부 효율을 높이는 데 초점을 맞췄어요. 사내 슬랙에 AI 활용 게시판을 만들어 사례를 공유했죠. 그러자 자연스럽게 AI를 쓰는 분위기가 확산됐고, 올해 초부터는 실제 업무 개선 사례가 나오기 시작했죠. 올해 4월 말, Nodit MCP를 출시하면서부터 본격적으로 제품에도 AI를 붙이게 됐습니다.

Q. 단순히 ‘AI를 쓴다’를 넘어 ‘업무 효율성을 높인다’까지 가기가 어려운 것 같은데, 어떻게 해야 할까요?

실제로 그냥 AI를 쓴다에서 끝나는 게 아니라, 업무 효율성을 높이는 게 쉽지는 않더라고요. 저희도 처음에는 다들 이것저것 써보면서 익숙해지는 데 시간을 많이 썼어요. 중요한 건 우리 회사에서 어떤 문제가 AI로 풀기에 적합한 문제인지, 그 영역을 먼저 찾는 거라고 생각해요. 

그리고 이 과정에서 리더십이 직접 써보고 경험하는 게 정말 중요해요. 리더들이 제대로 이해하지 못한 상태에서 “이거 써 봐”라고만 하면 오히려 반감이 생기거든요. 그래서 저희도 처음에는 AI TF 중심으로 다 같이 여러 툴을 써보면서 회사에 맞는 걸 골라냈어요.

또 하나는 분위기예요. ‘이거 안 쓰면 불이익 있다’ 이런 식이 아니라, 자연스럽게 “나도 한번 써봐야겠다”라는 분위기가 만들어져야 하거든요. 저희가 사내 AI 해커톤을 연 것도 그런 이유였어요. 바쁘다는 이유로 AI를 깊게 못 써봤던 분들이 그 기회에 제대로 써보고, 어디까지 할 수 있는지 직접 체험해 볼 수 있었죠.

Q. AI TF에서는 어떤 일을 하는지도 궁금해요. 어떤 프로세스로 AI를 도입하셨나요?

AI TF는 쉽게 말하면 회사 안에서 AI를 어떻게 잘 도입할지 방향을 잡고, 실제로 도입까지 이어지게 하는 컨트롤 타워 같은 역할을 했어요. 처음에는 CTO님 주도로 전문성이 있거나, 관심이 많은 분들이 모였죠. 개발팀뿐만 아니라 보안팀, 인사·총무팀까지 골고루 들어와 있었거든요. 그러다 보니 기술적인 부분부터 보안, 구매 절차와 인사 정책까지 다 같이 논의할 수 있었어요.

처음 도입 단계에서는 AI를 먼저 써본 분들이 자발적으로 세미나를 열었어요. 예를 들어, “프롬프트를 이렇게 쓰면 코드 품질이 확 달라진다.”, “제품 개발에 꼭 필요한 AI 룰셋” 같은 걸 공유해 주신 거죠. 그러면서 자연스럽게 TF가 만들어졌고, 이후에는 아예 사내 슬랙에 AI 전용 채널을 따로 두고 전 직원이 새로운 툴이나 활용 사례를 올리도록 했어요. 그러면 TF에서 그걸 검토해서 “이건 전사적으로 도입하자”, “이건 특정 팀만 쓰자.”, “이건 보안 이슈 때문에 못 쓴다.” 이런 식으로 가이드를 정해줬습니다.

또 공통적으로 쓰는 툴은 세미나를 열어서 교육했고, 직군별로 필요한 도구들은 따로 허용했어요. 개발팀은 IDE에 붙는 AI 코딩 툴을 쓰고, 디자인팀은 디자인 관련 툴을 쓰는 식이었죠. 그래서 누군가가 “이거 써봤는데 진짜 좋아요.”라고 하면, AI TF에서 빠르게 검토해서 전사 정책으로 반영하는 흐름이 잡혔던 것 같아요. 결국 TF가 단순히 툴을 고르는 역할을 넘어, 회사 전체가 AI를 어떻게 바라보고 활용할지 문화를 만드는 데 중요한 역할을 했다고 보시면 될 것 같아요.

Q. AI 도입 이후, 직원들이 어떻게 잘 활용하고 있는지 평가하는 기준도 있을까요?

사실 저희가 “AI를 꼭 써라, 안 쓰면 감점이다.” 이런 식으로 따로 체크하진 않아요. 대신 회사에 람다 웨이라는 핵심 가치가 있는데요. 거기에 ‘Technology Enabled, Streamlined’라는 항목이 있어요. 쉽게 말하면, ‘기술을 최대한 활용해서 업무 효율을 극대화하라’는 의미인데, 요즘은 그 안에 AI가 자연스럽게 포함되어 있는 식이죠.

예를 들어, 지난달에 내가 10개의 일을 했다면, 이번 달에는 AI를 잘 활용해서 12개, 13개 정도는 해낼 수 있어야 한다는 거죠. 꼭 숫자로 보기보다는 AI를 통해 얼마나 본인의 프로세스를 개선하고 효율을 높였느냐가 중요해요. 본인이 AI로 업무 방식을 개선한 사례가 있으면, 그게 자연스럽게 평가에 반영되는 구조라고 보시면 됩니다. 물론 이건 각 회사 정책에 맞는 방향으로 설정할 수 있겠죠.

Q. 실제 업무에서 AI로 효율을 높인 부분이 있다면요?

사실 모든 팀이 자기 역할에 맞게 AI를 잘 쓰고 있어서, 어느 한 부분만 딱 꼽기는 어려워요. 그래도 몇 가지를 말씀드리면, 개발팀에서는 AI 코딩을 기본으로 활용하고 있어요. 또 운영팀의 경우, 블록체인 노드가 워낙 많다 보니 관리하는 데 품이 많이 드는데요. AI 기반 운영 도구를 만들어서 이상 로그나 네트워크 장애를 바로 탐지하고, 원인까지 추정해 주는 식으로 효율을 많이 높였습니다. 새로운 체인 노드를 띄울 때도, AI가 기존 정책을 참고해서 명령어 실행이나 로그 분석을 해주니까 훨씬 빨라졌고요.

문서나 코드 리뷰 쪽도 많이 달라졌어요. 모든 저장소에 대해서 1차 AI 코드 리뷰가 들어가니까 기본적인 품질은 자동으로 잡아주고, 기획서나 정책서 초안도 AI가 빠르게 정리해 줘요. 제 경우엔 글로벌 서비스라 영문 번역이 꼭 필요한데, 예전에는 번역 검수 담당자나 외부 업체까지 써야 했거든요. 지금은 AI가 있어서 훨씬 빠르고 정확하게 처리할 수 있게 됐습니다.

또 외부 해커톤 같은 행사에서도 참가자들이 제출한 코드가 저희 제품을 제대로 활용했는지, 트랙 요구사항을 지켰는지 일일이 다 보지 않아도 돼요. AI가 먼저 1차로 검수해 주니까, 사람은 필요한 부분만 확인하면 되거든요. 이런 것들이 모여 업무 효율이 정말 많이 올라갔습니다.

블록체인 제품에 ‘AI’를 적용하다

Q. 이번엔 블록체인 제품에 AI를 적용한 사례가 궁금한데요. 제품 전략엔 어떻게 활용하셨나요?

저희가 제품에 AI를 붙일 때 가장 크게 본 건 ‘블록체인 진입 장벽’을 낮추는 것이었어요. 데이터를 다루는 건 자신 있었지만, 고객 입장에서는 다양한 여러 블록체인의 API 문서를 다 읽고 이해하고 쿼리를 짜는 게 쉽지 않거든요. 그래서 “누구나 쉽게 쓸 수 있게 하자”는 전략으로 AI를 도입했습니다.

대표적인 게 ‘Nodit MCP’인데요. 복잡한 명세를 몰라도 자연어로 “이더리움 최근 트랜잭션 요약해 줘.”, “이 계정의 멀티체인 자산을 조회하고 위험도를 평가해 줘.”, “최근 Sui 네트워크에서 발생한 일들에 대해 알려줘.”와 같이 질의하면 바로 결과가 나오니까, 블록체인 전문가가 아니어도 데이터를 쉽게 다룰 수 있죠. 

또 ‘Clair’라는 솔루션은 가상 자산 흐름을 추적하고, 비정상적인 활동들을 모니터링하기 위한 제품인데요. 여기에 AI가 붙으면서 단순히 자금의 흐름을 보여주는 걸 넘어, 위험 계정 목록이나 자금 동결 등 필요한 액션까지 자동으로 리포트를 뽑아줍니다.

이런 기능들이 가능해지려면 사실 데이터를 쌓는 단계부터 AI 활용을 고려해야 해요. 저희는 각 체인별로 어떤 데이터가 꼭 필요한지, 어떤 건 불필요한지 먼저 구분하고, 데이터 간의 관계나 영향도를 분석해서 온톨로지 형태로 가공하거나, 통계 데이터로 다시 정리해 적재합니다. 이렇게 AI 친화적인 방식으로 데이터를 쌓아 올리다 보니, 장기적으로는 AI Native 블록체인 플랫폼을 만들 수 있는 기반이 되고 있어요. 결국 저희는 AI를 단순히 효율화 도구로 쓰는 게 아니라, 블록체인 데이터를 누구나 쉽게 활용할 수 있는 전략적 장치로 삼고 있습니다.

Q. 제품에 AI를 적용하는 과정이 쉽진 않았을 것 같아요. 가장 어려웠던 점은 무엇인가요?

가장 어려웠던 건 두 가지였던 것 같아요. 첫째는 문제를 얼마나 정확하게 정의하느냐였어요. AI가 아무리 좋아도 우리가 풀고자 하는 범위나 지시가 애매하면 결과가 흔들리거든요. 잘못하면 없는 데이터를 지어내거나, 임의로 해석해 버리는 경우가 생겨요. 이른바 할루시네이션 문제죠. 이건 제품의 기능을 정의하고 QA의 범위를 정하는 부분에서 많이 고민하고 적용했습니다. 가이드라인을 명확히 주는 게 굉장히 중요했어요.

둘째는 팀마다 다른 결과물 품질을 맞추는 것이었어요. 같은 일을 시켜도 사용하는 모델이나 프롬프트 방식에 따라 품질이 다르게 나오다 보니, 컨벤션이나 아키텍처 디테일을 공유해서 최대한 균일하게 맞추려고 했습니다. 처음에는 이 과정이 오히려 시간이 오래 걸려서 “과연 AI가 생산성에 도움이 되나?” 하는 의문도 들었는데, 점점 노하우가 쌓이고 모델도 발전하면서 점차 해결된 부분이 많습니다.

특히 자산 이동을 추적하는 Clair 같은 제품은 할루시네이션을 줄이려고, 아예 *온톨로지 기반 지식 그래프로 데이터를 구축했어요. 이렇게 하면 AI가 데이터를 연결고리 따라가며 근거를 설명할 수 있고, 추측성 답변 대신 신뢰할 수 있는 결과를 줄 수 있어요.
*온톨로지: 데이터에 의미를 부여하여 관계와 맥락을 이해할 수 있는 지식 구조로 만드는 체계

Q. 기대 이상으로 잘 적용된 부분도 있었나요?

블록체인 데이터를 AI랑 연동해서 인사이트를 뽑아내는 게 기대 이상이었죠. 저희가 처음에는 특정 시나리오만 상정했는데, 막상 써보니까 그 범위를 훨씬 넘어서는 결과들이 나오더라고요. 예를 들어, Clair라는 제품은 원래 범죄 자금 추적을 위한 툴로 기획했거든요. 그런데 Nodit MCP랑 같이 써보면서 “이거 단순히 흐름만 보여주는 게 아니라, 위험도 자체도 사람이 일일이 판단하지 않아도 되겠다”라는 결론이 나왔어요. 그래서 아예 ‘AI Report’라는 핵심 기능이 추가됐죠.

블록체인 데이터는 워낙 방대하고 체인마다 구조도 다르고 복잡해서, 예전에는 시각화로만 보여주는 데 한계가 있었거든요. 그런데 AI가 패턴을 찾고 요약하고 분석하는 데는 거의 최적화되어 있다 보니, 이 부분은 기대 이상으로 효과가 컸던 것 같아요.

Q. AI를 적용한 후, 유의미하게 얻은 성과가 있다면요?

가장 크게 체감된 건 시장과 고객군이 넓어졌다는 점이에요. 예전에는 저희 제품이 주로 블록체인 개발자나 DApp 개발자를 대상으로 했다면, AI를 붙이고 나서는 비즈니스 담당자나 금융권 의사결정자, 심지어 블록체인을 잘 모르는 AI 개발자들까지 관심을 가지게 됐어요. 단순한 블록체인 인프라 서비스가 아니라, 블록체인 데이터를 이해하기 쉽게 추상화해 주는 도구로 인식된 거죠.

당연히 서비스 사용자 수도 작년에 대비해 많이 늘었고, 특히 파트너사 수가 압도적으로 늘었어요. 예전에는 파트너사랑 협업하려면 저희가 가진 기술 역량을 길게 설명해야 했는데, 지금은 간단한 AI 데모만 보여줘도 충분하죠. 그만큼 AI가 설득력 자체를 높여주고, 성과로도 이어졌다고 볼 수 있습니다.

AI와 공존하며 나아가는 법

Q. 현재 맡고 계신 업무 중, AI 때문에 달라진 게 있다면요?

우선 저는 DX팀 리드이자 테크니컬 라이터로, 개발자 문서 작성부터 SDK·튜토리얼 제작, 기술 지원까지 개발자 경험 전반을 맡고 있습니다. 이전에는 삼성에서 10년 동안 백엔드 개발자로 일하다가, 문서 작업이 적성에 맞아 이쪽으로 전향하게 됐죠. 제 업무에 있어, 그동안은 사람이 읽기 좋은 문서를 만드는 게 주된 일이었다면, 이제는 AI가 이해할 수 있는 문서를 만드는 게 중요해졌어요. 그래서 “필수 조건”, “특정 케이스” 같은 전제를 명확히 표시하고, OAS(Open API Specification)나 llms.txt 같은 포맷을 적용해 AI도 쉽게 읽을 수 있도록 관리하고 있죠.

또 결국 AI가 쓴 글보다 제 글이 더 좋아야 한다는 부담도 생겼어요. 단순히 글만 쓰는 게 아니라, 회사와 제품의 지식을 일관성 있게 체계화하고, 목적에 맞는 콘텐츠를 여러 형태로 만들어내는 게 제 역할이라고 생각해요. 그래서 문서뿐 아니라 동영상, 세션, 마케팅 자료까지 톤과 정확성을 맞추며 작업하고 있습니다.

Q. 앞으로 AI를 도입하는 기업이 더 늘어날 텐데요. AI를 잘 도입하려면 어떤 점을 고려해야 할까요?

많이 나오는 얘기지만, AI를 만능열쇠처럼 생각하지 않는 게 제일 중요한 것 같아요. 그냥 비용만 보고 “도입하면 끝”이라고 생각하면 안 되고, 조직 문화에 어떻게 정착시킬 건지, 또 직원들이 새로운 툴을 익히는 데 들어가는 시간 등 온보딩 비용까지 같이 봐야 하거든요. 특히 제품에 적용하려면 설계 단계에서부터 AI를 어떻게 녹여낼지 고민이 필요하고요.

또 하나는 리더십이에요. 리더들이 직접 안 써보면 “그거 AI 쓰면 금방 되는 거 아니야?” 같은 기대가 생기기 쉽거든요. 저희는 임원분들이 먼저 여러 AI를 적극적으로 써보면서, 장단점이랑 한계를 직접 경험하셨어요. 그게 정책으로 연결되다 보니 도입 속도도 훨씬 빨라졌죠.

결국은 문화, 프로세스, 리더십 경험 이 세 가지가 같이 맞물려야, 제대로 AI를 도입할 수 있다고 생각해요. 단순히 도입만 하는 게 아니라, 어떻게 하면 조직 전체가 자연스럽게 쓰고 실제 성과로 이어지게 할지까지 설계하는 게 핵심이죠.

Q. 람다256이 그리고 있는 “블록체인 + AI”의 미래는 어떤 모습인가요?

블록체인은 장점과 단점이 뚜렷한 기술인데요. 저희는 그 단점을 해결해 줄 열쇠가 AI라고 생각해요. 블록체인의 복잡함이나 방대한 데이터 같은 문제들을 AI가 해소해 주면, 오히려 투명성과 신뢰성 같은 강점을 살려 더 다양한 활용 사례가 나올 수 있거든요.

예를 들어, 스테이블코인처럼 실생활과 밀접한 사례들이 등장하면, 블록체인은 검색 엔진이나 메신저처럼 자연스럽게 쓰이는 기술로 자리 잡게 될 거라고 봅니다. 그 추상화 과정을 람다가 주도해 나가고 싶고요. 

저희는 보유한 블록체인 데이터와 AI 기술, 그리고 그동안 쌓은 노하우를 바탕으로 블록체인이 메인스트림이 됐을 때 꼭 필요한 서비스와 도구들을 계속 제공해 나갈 계획입니다. 사실 AI 없이는 블록체인 데이터에서 의미 있는 인사이트를 얻기가 쉽지 않기 때문에, 이런 문제를 풀어주는 솔루션을 여러 레이어에서 만들어 가는 게 목표입니다.

“기업의 AI 도입은 단순히 선언하는 게 아니라, 모두가 직접 써보고 경험해야 한다”라는 그의 말처럼, 중요한 건 기술 자체가 아니라, 그것을 조직의 문화로 흡수해 나가는 과정이라는 생각이 들었는데요. 리더와 팀원들이 함께 치열하게 부딪친 경험이 쌓여야만, 비로소 ‘AI를 잘 쓰는 기업’으로 거듭날 수 있지 않을까요?

또한 블록체인처럼 진입 장벽이 높은 분야도, AI를 통해 훨씬 가까워질 수 있다는 가능성도 확인할 수 있었습니다. 그저 어렵게만 느껴지던 기술이 한층 더 친근하게 다가오고, 언젠가는 일상에서도 자연스럽게 쓰이는 미래를 기대해 봐도 좋을 듯합니다. 

*현재 람다256은 전 분야에서 적극적으로 채용을 진행하고 있으니, 관심 있는 분들은 [채용 공고]를 확인해 보세요.

김소희 에디터 sohee@wishket.com

람다256처럼 유니크한 AI 도입 사례를 공유하는 
"스타트업 중소기업 AI 도입 리얼 스토리" 세미나에 관심 있으신가요?

▶ 아래 버튼 을 눌러 알려주세요!
 

©️요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.