기업 연구팀에서 오픈소스로 만든다는 것은 어떤 의미일까요?
저희는 기업 안의 독립적인 연구팀으로, 머신러닝을 기반으로 Computer Vision, Robotics, LLM, AI Accelerator 등 다양한 기술 영역을 탐색하고 있습니다. 그리고 “오픈소스를 기반으로 하는 머신러닝 기술로부터 지속 가능한 가치를 창출한다”는 미션 아래, 연구 과정에서 만들어진 과정 및 결과를 오픈소스로 공개해 왔습니다.
하지만 연구 과정 및 결과를 오픈소스로 공개하다 보면 몇 가지 질문을 만나게 됩니다.
전문적인 연구 소프트웨어는 사용자가 많지 않을 수도 있고, 큰 커뮤니티나 많은 기여자가 생기지 않을 수도 있습니다. 그러나, 누군가에게는 새로운 연구를 시작하는 도구가 되거나, 기존 연구를 검증하고 새로운 문제를 발견하는 계기가 될 수 있기 때문입니다.
최근 AI for Science와 같이 AI가 다양한 과학 분야의 연구 과정 자체를 변화시키려는 시도가 활발해지면서, 연구 결과를 어떻게 공유하고 다음 연구로 연결할 것인가도 더욱 중요해지고 있습니다. 다른 연구자가 결과를 재현하고, 활용하고, 새로운 문제로 확장할 수 있으려면 논문이나 결과뿐 아니라 그 과정에서 만들어진 소프트웨어와 기술 역시 중요한 연구 자산이 됩니다. 기업이 연구 과정에서 만들어진 기술을 오픈소스로 공개하는 것 또한 이러한 흐름에 기여할 수 있는 하나의 방법이라고 생각하고 있습니다.
하지만 저희는 연구기관이 아니라 기업 안의 조직입니다. 연구와 기술에 들어가는 시간과 자원 역시 언젠가는 조직이 추구하는 가치와 어떻게 연결되는지 설명할 필요가 있습니다.
그렇다면 연구 오픈소스가 외부에서 만들어내는 가치와 기업이 필요로 하는 비즈니스의 가치는 항상 같은 방향을 바라볼까요?
연구적으로 의미 있는 프로젝트가 비즈니스와는 거의 연결되지 않을 수도 있습니다. 반대로 비즈니스와 연결되기 위해서는 사용자, 기여자, 파트너, 실제 도입과 같은 또 다른 조건이 필요할 수도 있습니다. 그렇다면 모든 오픈소스를 같은 기준으로 바라보는 것이 맞을까요?
이 발표에서는 약 9년 동안 다양한 연구 결과를 오픈소스로 공개해 온 기업 연구팀의 경험을 바탕으로 이 질문들을 살펴봅니다. Star와 다운로드 같은 숫자를 넘어 누가 실제로 사용했고 무엇을 가능하게 했는지, 연구 오픈소스에서 말하는 가치와 비즈니스에서 말하는 가치는 어떻게 다른지, 그리고 각각의 프로젝트가 연구와 오픈소스, 비즈니스 사이에서 어떤 역할을 해왔는지 이야기합니다.
오픈소스를 많이 공개하는 것만으로 충분하다고 생각하지 않습니다. 그렇다고 모든 프로젝트에 직접적인 매출이나 사업 성과를 요구하는 것도 답이라고 생각하지 않습니다.
AI for Science가 연구의 방식과 속도를 바꾸어가는 지금, 연구에서 오픈소스의 역할 역시 다시 생각해볼 필요가 있습니다. 얼마나 많이 관심을 얻었다 보다는 그 오픈소스가 다음 연구와 기술을 무엇을 가능하게 했는지, 그리고 그 가치를 기업 안에서도 지속할 수 있는지가 더 중요한 질문이 될 수 있습니다.
이 발표는 정답이나 오픈소스 수익화 공식을 제시하지 않습니다. 약 9년간의 경험과 사례를 돌아보며 연구의 가치를 지키면서도 오픈소스와 비즈니스가 함께 지속되기 위해 우리는 무엇을 가치로 보고 무엇을 지속할 것인지, 그리고 앞으로의 연구 오픈소스는 어떤 역할을 할 수 있을지 함께 생각해보고자 합니다.
청중들과 이런 이야기를 해볼 수 있습니다.
- 기업의 연구팀은 왜 연구 과정/결과를 오픈소스로 공개하는가?
- Star나 다운로드를 넘어, 연구 오픈소스의 가치를 어떻게 바라볼 수 있을까?
- 연구의 가치와 비즈니스의 가치 사이에서 오픈소스를 어떻게 지속할 수 있을까?
- AI for Science 시대, 연구 오픈소스는 다음 연구와 기술에 무엇을 가능하게 할 수 있을까?
