팔란티어는 미국의 빅테크에 준하는 기업이며, 작년 주가가 급상승했고, 말도 안되는 PER을 보이고 있으며, 이익과 매출이 급상승하고 있고, 특이하게도 미국방부와의 협업을 시작으로 민간으로 사업을 확산하고 있으며, 빈라덴을 잡는데 공헌을 세웠고, 온톨로지라는 알 수 없는 기술을 갖고 있으며, 이번 ICE 논란에 연관되어 있고, CEO인 알렉스 카프가 철학 전공이며, 플랫폼기업인지 인공지능 기업인지 조금 헷갈리는 면이 있는 매우 독특한 기업이다.
이처럼 팔란티어는 독특한 이름처럼 이해가 다소 어려운 기업인데 이는 팔란티어에 투자하는 사람들에게도 이 회사의 제품 파운드리를 사용하려는 기업의 사람들에게도 마찬가지일 것이다.
팔란티어의 회사 이름은 영화 반지의 제왕의 마법 구슬 팔란티르에서 따온 것이다. 피터 틸은 반지의 제왕의 광팬인데 영화에서 팔란티르는 멀리 떨어진 곳을 보는 마법 구슬이다. 이 개념에 매료되어 정보를 통해 세상의 위협을 더 빨리 깊이 들여다 보겠다는 뜻으로 회사 이름을 팔란티어로 정했다고 한다. 회사의 로고 역시 마법사의 손에 구슬이 올려진 형상이다.
팔란티어하면 떠오러는 개념은 역시 '온톨로지'다. 철학 용어 같은 이 개념은 역시나 철학 용어다. 온톨로지는 존재론 또는 실재에 대한 구조적 이해를 다룬 학문인데 세상의 존재하는 것들을 어떻게 정의하고 연결짓는가에 대한 것이다. 알렉스 카프는 이 개념을 기술세계로 가지고 와서 데이터와 현실세계의 관계를 구조화시키고 이해하는 방식으로 팔란티어에 정착시켰다. 그것을 구현한게 팔란티어의 플랫폼 고담과 파운드리다.
팔란티어는 특이하게도 다른 테크 스타트 업과는 다르게 국가 안보라는 문제를 해결하기 위해 시작한 회사다. 그래서 처음 내놓은 프로그램이 국방용인 고담이다. 민간용 제품은 파운드리이며 현재 세계 571개 기업이 파운드리를 사용한다. 그런데 고담과 파운드리는 다른 테크기업이 내놓은 제품과는 판이하게 다르다. 다른 테크 기업들이 출시한 제품은 그 자체가 완성품이고 사용자나 기업은 그것을 사용하고 활용법을 익히며 적용시키면 된다. 하지만 팔란티어의 제품은 개념 자체가 다르다. 그래서 팔란티어는 고객의 회사에 자신들의 엔지니어를 파견한다. 그들이 하는 일들을 기술지원도 있지만 무엇보다도 문제정의부터 다시하고 그를 통해 해결책을 찾아나간다. 이를 통해 팔란티어는 인공지능이 기업의 실질적 문제 해결독로 자리잡게 하게 한다. 문제를 정의하고, 온톨로지로 이를 설계하고 워크플로로 이를 자동화한 후, 인공지능 에이전트로 이를 배포하 늘 사용하게 하는 것이다.
팔란티어는 또 다른 방산기업 안두릴과 깊게 연관한다. 안두릴 역시 반지의 제왕의 명검 안두릴에서 이름을 딴 것이다. 안두릴은 팔란티어의 핵심 엔지니어들이 다수 이동하여 회사에 관여했기에 팔란티어의 데이터와 인공지능 핵심 역량이 회사내에 깊이 자리한다. 그래서 양 회사는 무척 관련이 깊다. 안두릴은 첨단 공격용 무기를 만든다. 과거 무기체계는 개발과 첨단화에 십수년이 소요되었다. 하지만 안두릴은 전장에서 수집한 데이터를 무기를 빠르게 개선한다. 안두릴이 저가의 드론으로 전장에서 이를 가동하고 데이터를 수집하면 그 데이터를 팔란티어가 분석하고 개선점을 제공하는 식으로 양자를 협력한다.
미국의 트럼프는 골든 돔 프로젝트를 발표했다. 우주이 위성 무기로 미국을 방어하고 상대를 무력화하겠다는 개념으로 총 투자 규모가 1750억달러, 우리 돈 250조에 달한다. 일차적으로 위성이나 미사일 관련 기업들이 큰 수혜를 보겠지만 결국 그것들을 돌리는 인공지능이나 플랫폼이 지속적으로 요구된다. 만약 그것과 관련하여 팔란티어가 1%만 수주한다고 해도 금액은 2조5천억 달러다. 거기다가 이런 비용은 구독료형태로 지속적이다. 그래서 저자는 팔란티어의 미래를 밝게 본다.
팔란티어는 고객과 계약하면 엔지니어를 파견하는데 그들은 자신을 문제해결자가 아니라 문제정의자로 스스로를 규정한다. 그들을 고객이 문제를 정의하고 그 정의 과정 자체를 데이터 기반으로 주도해야 한다는 원칙을 견지한다. 파운드리는 고객의 의사결정 역량 강화방향으로 설계되었다. 플랫폼을 통해 다양한 데이터를 집약하고 시각화함으로써 우리가 기존에 문제라고 인식했던 현상이 실제 핵심과제가 정말 맞는지 아닌지를 확인하고, 더 근본적인 문제가 존재하는지를 객관적으로 확인하는 것이다. 그래서 팔란티어의 파운드리를 도입하는 기업은 그 자체만으로도 기업 내부의 분석력과 해석력, 문제인식능력을 강화하는 계기를 갖게 된다. 조직이 문제를 정의하고 해결하는 방식자체를 새로이 설계하게 하고 궁극적으로는 조직 내 핵심역량의 방향성을 재정립하게 하는 것이다.
그래서 팔란티어 엔지니어는 3가지 질문을 던진다
1.What decision?
우리가 어떤 의사 결정은 내려야 하는가다. 문제 정의를 위한 질문으로 불분명한 증상이나 현상을 넘어서 구체적 의사결정을 위한 문제의 구조화다. 가령 매출이 줄거나 현장에 사고가 잦다면 진정한 그 현상의 원인을 파악하고자 하는 질문이다.
2.How much impact?
이 의사결정이 비즈니스에 어떤 영향을 주느냐이다. 해결시의 정량, 정성적 효과와 실패시 손실을 추정하여 문제의 우선 순위를 정한다.
3.Where data?
이 결정을 내리는데 필요한 데이터는 무엇이며 그 데이터를 확보할 수 있는가이다. 실행가능성을 타진하는 것으로 매우 현실적 질문이다. 문제 해결을 위한 데이터를 확보할 수 있는가이다.
위의 세 가지 질문 중 가장 어려운 것은 첫 번째 질문이다. 대개의 경우 조직에서 문제를 정학히 정의해본 경험이 없기 때문이며, 주변의 관련 현상만을 원인으로 삼고 해결하려 들기 때문이다. 그리고 팔란티어의 파운드리 같은 프로그램의 도입은 조직 내에 강한 저항을 불러온다. 조직의 생각과 철학, 굴러가는 방식과 무엇보다 프로그램 자체를 바꿔버릭 때문이다. 그래서 전환을 위해서는 다음의 3가지 핵심요소가 필요하다.
1. 경영진의 강력한 의지다.
대전환은 조직 전체의 구조와 문화를 바꾸기에 그 과정에서 저항과 불확실성 돌파를 위한 경영진의 일관된 리더쉽과 의사결정이 요구된다.
2.역량을 갖춘 추진 조직
쉽지 않은 실현인 만큼, 이것이 효과적인 것을 보여주는 모델링 조직이 반드시 필요하다.
3. 기업규모에 적합하고 지속가능한 디지털 솔루션의 도입
팔란티어의 데이터를 추출하는 과정에서 전통적 ETL구조가 아닌 ELT구조를 갖는다. ETL구조는 데이터 추출-변형-활용의 단계로 이 과정에서 변형의 단계를 거치기에 조직 내 It 부서가 필수적이고 실시간성이나 실행속도에 한계가 발생하고 매 의사결정마다 중간단계를 거치게 된다. 하지만 팔란티어는 바로 데이터 추출후 활용하고 의사결정팀이 필요에 맞게 변형하는 단계다. 그렇기에 조직이 슬림해지고, 현장에서 바로 데이터를 필요에 맞게 가공 분석하게 된다.
온톨로지에서 레이어의 설계는 단순히 데이터의 모델링의 영역이 아니라 문제 정의의 방식 자체를 디지털 언어로 재정의 하는 작업이다. 온톨로지의 객체 설계가 잘못되었다면 그것은 문제 해결에 대한 설계가 잘못되었다는 의미다. 그래서 온톨로지 객체 설계는 그 자체가 기술적인 문제가 아니라 철학적, 전략적 접근이 된다. 즉, 단순 데이터 정리나 시각화가 아니라 조직 내 문제 정의 능력, 도메인 지식, 데이터 리터러시, 현업의 실질적 참여 역량의 통합이 작용한다.
그래서 파운드리의 도입 기업은 온톨로지를 한 방에 기업 전체에 적용하려고 하기 보다는 작은 부분부터 실천해나가는 것이 오히려 좋을 수 있다. 이를 통해 경험을 쌓으면서 확장해나가는 것이다. 다만 분야는 조직 내 업무 임팩트가 크고, 관련 현업 TF 조직의 실행 역량이 충분하며, 초기 성과를 바탕으로 확장 가능성이 큰 영역이 좋다. 그리고 온톨로지 객체를 매 프로젝트 마다 다르게 쪼개는 것은 좋지 않다. 결국에는 기업 전체에 적용되게 되므로 객체마다 다른 형태가 사용되는 것은 통합 적용에 좋지 않기 때문이다.
온톨로지 레이어에서 2번째 핵심 요소를 로직이다. 이는 단순 알고리즘이 아니고 데이터 객체와 유기적으로 연결되어 의사결정의 기준을 정의하는 핵심 구성 요소다. 로직은 온톨로지 객체와 긴밀히 연계되어 실시간 업무 프로세서 내에서 특정 조건을 만족하면 자동실행되어 반응한다. 그래서 로직은 단순 분석을 넘어 실행 가능한 판단 기준이 된다.
팔란티어는 LLM을 개발하지 않는다. 이점이 개인적으로도 의문이었는데 이는 미래에 대한 나름의 혜안때문이다. LLM은 개발 초기 빅테크간 큰 격차를 보였지만 학습에서 추론의 영역으로 넘어가면서 그 성능차이가 점점 줄어든고 있으며 개발 비용도 낮아지고 있다. 때문에 근미래는 LLM의 개발보다는 어떤 모델이즌 상황에 맞게 유연하게 교체하고 활용하는 유연성이 더 중요해보인다. 팔란티어는 이런 것에 더 중점을 둔 것으로 보인다.
개인적으로 교육에 관심이 많기에 팔란티어를 교육기관에 적용하면 어떨까 상상해봤다. 교육기기관의 문제는 아무래도 학교 교육력의 향상일 것이다. 다른 것은 부수적인 것이고 본질은 사실 그것이다. 학교교육력은 학생의 시민성이의 향상이며, 여기에는 성취기준에 도달하는 정도의 향상, 인성수준의 향상, 체력의 향상이 포함될 것이다. 학교에는 매순간 무수한 데이터가 발생하지만 이것들은 모두 휘발되고 이용되지 않는다. 학교교육력의 향상에 사용될만한 데이터는 많은 것이다. 매 수업시간에 학생이 보이는 오답의 정도, 급식의 섭취량, 학생의 학교에서의 운동량, 학생이 학교에서 보이는 태도의 정도, 학부모의 협조정도나 방해행동, 교사의 디지털 활용능력이나 수업능력 등 무수할 것이다. 이것들을 데이터화하는 것은 쉽지 않아보인다. 그래도 시도해볼만할지도 모른다는 생각이다.
