2022년 가을, Fontana에서 자동차 부품 유통 창고를 운영하는 친구에게서 흥분한 목소리로 전화가 왔다. 입고 검수에 AI 비전 검사를 막 도입했다는 것이다. 인바운드 레인 위에 산업용 카메라를 설치해 누락된 부품, 잘못된 라벨, 손상된 박스를 자동으로 검출하는데, 수작업 검사보다 훨씬 빠르다고 했다. 나는 축하해 주었지만, 한 가지가 마음에 걸렸다. 그 시스템 뒤에 있는 회사가 시리즈 A를 막 끝낸 스타트업이었기 때문이다.

1년 후, 그 스타트업은 문을 닫았다. 클라우드 서비스가 중단되고, 모델 업데이트가 멈췄다. 최악인 것은 검사 시스템이 공급업체의 클라우드 API에 묶여 있었다는 점이었다. 서비스가 죽자 검사 라인 전체가 하룻밤 사이에 멈췄다. 친구는 재입찰과 재배치에 3개월 이상을 썼다. 성수기는 왔다가 가버렸다. 나중에 친구가 말하길, 그가 잃은 것은 시스템 비용이 아니었다. 성수기 3개월간의 수작업 재작업과, 떠나간 고객들이었다.

그 이후로 나는 AI를 검토하는 모든 고객에게 필수 질문을 하나 추가했다. "공급업체가 사라지면 어떻게 되나요?" 이것은 비관적인 이야기가 아니다. AI를 사는 것은 장비를 사는 것과 다르다. 컨베이어를 사면 그것은 당신의 것이다. AI 시스템에서는 모델도, 데이터도, 소스 코드도 기본적으로 공급업체의 것이다. 공급업체가 살아 있는 동안은 다 괜찮다. 공급업체가 사라지면 시스템을 열기조차 할 수 없다.

엑시트 조항이 없는 계약은 계약이 아니다

대부분의 AI 공급업체 계약서에는 엑시트에 대해 딱 한 줄만 있다. "계약 종료 후 30일 이내에 서비스가 중단됩니다." 빈칸이나 마찬가지다. 실제로 필요한 것은 네 가지다.

첫째, 소스 코드 에스크로. 소스 코드, 모델 가중치, 배포 문서를 중립적인 제3자 에스크로 기관에 맡기고, 해제 조건을 명시한다. 공급업체 파산, 합의된 일수를 초과하는 유지보수 중단, 인수 후 제품 라인 중단——이 중 하나라도 발생하면 에스크로가 고객에게 해제된다. 이것이 없으면 공급업체가 문을 닫는 날, 시스템 내부를 보는 것조차 불가능하다.

둘째, 데이터 반환. 형식, 기한, 완전성을 명시해야 한다. 원시 데이터와 라벨링된 데이터셋이 어떤 형식으로 돌아오는지(열 수 없는 독점 형식은 안 됨), 계약 종료 후 며칠 이내인지, 그리고 공급업체는 이후 자사 사본을 삭제해야 한다. 이 조항을 빼면 당신의 운영 데이터는 공짜 선물이 된다.

셋째, 모델 가중치 소유권. 당신의 데이터로 학습한 모델——그 가중치는 누구 것인가? 많은 계약서는 기본적으로 공급업체 것으로 하고, "공동 소유" 같은 교묘한 표현을 쓴다. 명확한 문구를 요구하라. 고객 데이터로 학습한 모델과 파생 가중치는 고객에게 귀속된다. 공급업체가 동의하지 않으면 최소한 계약 종료 후에도 유효한 영구적이고 취소 불가능한 라이선스를 확보하라.

넷째, 전환 지원. 계약 종료 후 공급업체는 수개월간 읽기 전용 운영 지원을 제공하거나, 셀프 호스팅 권리를 부여한다. 이전은 하룻밤에 끝나지 않는다. 전환 유예 기간이 없으면 구 시스템은 신 시스템이 가동되기 전에 죽고, 사이의 공백을 메울 사람이 없다.

영업사원은 계약 시 이렇게 말할 것이다. "저희는 큰 회사입니다", "방금 투자를 받았습니다", "절대 망하지 않습니다". 믿지 마라. 지난 몇 년간 자금이 풍부한 AI 스타트업이 수없이 문을 닫았고, 인수된 뒤 제품 라인이 폐기된 경우도 수없이 많다. 당신 입장에서 결과는 같다. 당신의 시스템을 유지보수할 사람이 없어진다.

창고 운영 데이터 월

진정으로 당신의 것인 것은 데이터뿐이다

한 걸음 물러서자. 완벽한 계약이 있어도, 공급업체가 정말 사라지면 무엇이 운영을 계속 굴러가게 하는가? 데이터다. 모델은 교체할 수 있고, 공급업체도 교체할 수 있다. 교체할 수 없는 것은 수년간 축적해 온 라벨링된 데이터와 업무 규칙이다.

라벨링된 데이터는 당신의 핵심 자산이다. 비전 검사의 불량 샘플, 음성 피킹의 수정 로그, 수요 예측에 쓰이는 과거 주문 데이터——공급업체는 이를 당신의 비즈니스 위에 구축한 것이므로, 계약서에서 당신의 것이라고 명시해야 한다. 데이터가 손에 있으면 새 공급업체와의 재학습은 몇 개월이면 끝난다. 데이터가 없으면 처음부터 다시 시작해야 하고, 그건 몇 년이 걸린다. 성수기에는 그 차이가 생존과 탈락을 가른다.

업무 규칙도 그만큼 가치 있다. AI 시스템에 내장된 임계값, 예외 처리 로직, 프로세스별 규칙——예를 들어 어느 제품 카테고리에 어느 검사 기준을 적용하는지——는 공급업체 시스템에 둔 채로 두지 말고, 정기적으로 문서로 내보내야 한다. 내가 본 최악의 경우는 잃어버린 모델이 아니었다. 3년치 검사 기준이 전부 공급업체의 설정 데이터베이스 안에만 존재했던 것이다. 공급업체가 떠나자 기준도 함께 떠났고, 후임 공급업체는 모든 것을 처음부터 다시 배워야 했다.

그럼 오픈소스 모델이 대체할 수 있을까? 내 의견은 용도에 따라 다르다. 비전 검사나 OCR 같은 성숙한 영역에는 오픈소스 선택지가 풍부하고, 이전 비용은 주로 재라벨링과 재연동이라 사내 ML 엔지니어 몇 명이면 감당할 수 있다. 하지만 업무 로직이 창고 시스템과 깊이 얽힌 스케줄링 최적화나 수요 예측 같은 영역은 이야기가 다르다. 거기서 공급업체를 바꾼다는 것은 프로젝트의 절반을 다시 짓는 일이다. 선정할 때 이렇게 물어보라. "이 공급업체가 사라지면 합리적인 비용으로 인수할 수 있습니까?" 답이 아니오라면, 도입하지 않거나 엑시트 비용을 총소유비용에 반영하라.

매년 엑시트 훈련을 하자 — 진짜로

조항을 쓰고, 데이터를 확보하고, 한 걸음 남았다. 연습이다. 화재 대피 훈련을 불길하다고 생각하는 사람은 없다. 엑시트 훈련도 마찬가지다. 연 1회, 단순한 연습을 한다. 공급업체가 내일 사라진다고 가정하고, 며칠을 들여 세 가지를 확인한다. 데이터를 완전히 내보낼 수 있는지, 모델이 자사 환경에서 돌아가는지, 핵심 업무 프로세스에 공급업체에 의존하지 않는 수동 대체 수단이 있는지.

첫 훈련은 거의 항상 실패한다. 내보낸 데이터에 필드가 빠져 있고, 모델이 공급업체의 독점 라이브러리에 의존하고, 핵심 보고서가 공급업체 포털에만 있다. 실패는 좋은 소식이다. 계획에 구멍이 있다는 뜻이며, 공급업체가 아직 있는 동안 고칠 수 있다. 공급업체가 사라진 뒤에는 너무 늦다.

거창할 필요는 없다. IT 책임자가 주도하고 현장이 참여하며, 연 1회 반나절에서 하루를 들인다. 저렴한 보험이자, 계획이 종이에 그려진 떡이 아니라는 유일한 증거다. 한 가지 부수 효과: 훈련 보고서는 보관해 두자. 다음에 갱신할 때 협상 카드가 된다. 공급업체가 당신이 떠날 수 있다는 걸 알면, 가격 인상은 훨씬 얌전해진다.

자, 원래 질문으로 돌아가자. AI는 도입할 가치가 있는가? 그렇다——하지만 엑시트가 있을 때만이다. 공급업체 선정 시 데모에 감탄하는 데서 그치지 마라. 한 가지 더 물어보라. "내년에 귀사가 없으면 제 시스템은 어떻게 되나요?" 그 답이 이 공급업체가 계약에 값하는지를 말해준다.

내일 할 수 있는 일 세 가지. 첫째, 협상 중인 모든 AI 계약에 해제 조건이 있는 소스 코드 에스크로 조항을 추가하라. 둘째, 이미 가동 중인 시스템은 데이터 전체 내보내기를 요청하고 실제로 쓸 수 있는지 확인하라. 셋째, 연례 엑시트 훈련을 달력에 넣고 첫 회는 다음 달에 하라. 기다리지 마라. 그날이 와도 아무도 미리 알려주지 않는다.

영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.