[인터뷰] 포자랩스 김선웅 최고기술책임자(CTO) "비용 최대 69% 절약""인공지능(AI) 기반 작곡 기술이 발전할 수록 AI 모델·데이터 규모가 커졌습니다. 이에 운영 비용이 증가하고 개발 속도가 느려지는 등 여러 이슈가 발생했습니다. 이런 문제를 해결하는 데 아마존웹서비스(AWS) 솔루션이 큰 도움이 됐습니다. 운영 비용을 줄이고 모델 훈련, 개발 환경을 획기적으로 개선해 줬기 때문입니다."포자랩스 김선웅 최고기술책임자(CTO)는 최근 지디넷코리아를 만나 "작곡 자동화를 위한 AI 모델 훈련·데이터 관리 환경을 개선했다"며 "이 과정에서 AWS 솔루션 도움이 컸다"고 밝혔다.포자랩스는 AI를 활용해 음원 만드는 플랫폼을 공급하고 있다. 사용자가 음원 콘셉트, 장르, 분위기 등 관련 키워드를 입력하면 AI가 이에 맞는 곡을 만들어주는 식이다. 스케치부터 미디(MIDI) 작성, 사운드 입히기, 믹싱, 마스터링까지 음악 제작 전 과정을 자동화한다.포자랩스 김선웅 최고기술책임자(CTO).김 CTO는 약 3년 동안 음원 데이터를 자체 수집했다고 설명했다. 그는 "전문 작곡가 약 10명으로 구성된 팀이 직접 음원 데이터를 생성했다"며 "각 음원에는 장르, 분위기, 템포, 사용 용도 등 구조화된 메타데이터를 구축했다"고 말했다.그러면서 "이 데이터는 타인 저작물을 활용하지 않아 표절이나 저작권 침해로부터 자유롭다"며 "이를 통해 생성된 음원 역시 법적 리스크 없이 상업적으로 활용 가능하다"고 덧붙였다."AI 모델·데이터 방대...운영 비용·개발 속도 이슈 발생"포자랩스는 온프레미스 기반으로 음원 데이터를 학습하고 서비스를 운영해 왔다. (사진=포자랩스)그동안 포자랩스는 온프레미스 기반으로 음원 데이터를 학습하고 서비스를 운영해 왔다. 이에 음원 데이터와 인프라 복잡성이 커질수록 모델 학습 속도 저하와 데이터 관리 어려움을 겪었다.김 CTO는 "이를 해결하기 위해 내부적으로 분산 학습 환경을 구축했지만 큰 효과를 보지 못했다"며 "일반 네트워크에서 데이터를 주고받는 방식으로는 그래픽처리장치(GPU) 간 연결 속도가 병목 현상을 일으켜 분산 학습 장점을 살리지 못했다"고 설명했다.인프라 복잡성은 개발 효율성에도 영향을 미쳤다. 프론트엔드 개발자들은 인프라 운영에 대한 전문 지식이 부족했고, AWS 외부 환경에서 개발이 이뤄지면서 내부 백엔드나 데브옵스 팀 지원을 원활히 받기 어려웠다는 설명이다.결과적으로 서버 내 버그 발생이나 설정 오류에 대한 대응이 늦어졌다. 본래[인터뷰] 포자랩스 김선웅 최고기술책임자(CTO) "비용 최대 69% 절약""인공지능(AI) 기반 작곡 기술이 발전할 수록 AI 모델·데이터 규모가 커졌습니다. 이에 운영 비용이 증가하고 개발 속도가 느려지는 등 여러 이슈가 발생했습니다. 이런 문제를 해결하는 데 아마존웹서비스(AWS) 솔루션이 큰 도움이 됐습니다. 운영 비용을 줄이고 모델 훈련, 개발 환경을 획기적으로 개선해 줬기 때문입니다."포자랩스 김선웅 최고기술책임자(CTO)는 최근 지디넷코리아를 만나 "작곡 자동화를 위한 AI 모델 훈련·데이터 관리 환경을 개선했다"며 "이 과정에서 AWS 솔루션 도움이 컸다"고 밝혔다.포자랩스는 AI를 활용해 음원 만드는 플랫폼을 공급하고 있다. 사용자가 음원 콘셉트, 장르, 분위기 등 관련 키워드를 입력하면 AI가 이에 맞는 곡을 만들어주는 식이다. 스케치부터 미디(MIDI) 작성, 사운드 입히기, 믹싱, 마스터링까지 음악 제작 전 과정을 자동화한다.포자랩스 김선웅 최고기술책임자(CTO).김 CTO는 약 3년 동안 음원 데이터를 자체 수집했다고 설명했다. 그는 "전문 작곡가 약 10명으로 구성된 팀이 직접 음원 데이터를 생성했다"며 "각 음원에는 장르, 분위기, 템포, 사용 용도 등 구조화된 메타데이터를 구축했다"고 말했다.그러면서 "이 데이터는 타인 저작물을 활용하지 않아 표절이나 저작권 침해로부터 자유롭다"며 "이를 통해 생성된 음원 역시 법적 리스크 없이 상업적으로 활용 가능하다"고 덧붙였다."AI 모델·데이터 방대...운영 비용·개발 속도 이슈 발생"포자랩스는 온프레미스 기반으로 음원 데이터를 학습하고 서비스를 운영해 왔다. (사진=포자랩스)그동안 포자랩스는 온프레미스 기반으로 음원 데이터를 학습하고 서비스를 운영해 왔다. 이에 음원 데이터와 인프라 복잡성이 커질수록 모델 학습 속도 저하와 데이터 관리 어려움을 겪었다.김 CTO는 "이를 해결하기 위해 내부적으로 분산 학습 환경을 구축했지만 큰 효과를 보지 못했다"며 "일반 네트워크에서 데이터를 주고받는 방식으로는 그래픽처리장치(GPU) 간 연결 속도가 병목 현상을 일으켜 분산 학습 장점을 살리지 못했다"고 설명했다.인프라 복잡성은 개발 효율성에도 영향을 미쳤다. 프론트엔드 개발자들은 인프