도메인과 엔지니어링이 만나는 지점
같은 회의에 앉아 같은 용어를 사용하더라도 서로 다른 문제를 떠올리는 경우가 있습니다.
화학 연구자가 "이 물질과 비슷한 것들"이라고 말하면 개발자는 구조 유사도를 먼저 떠올릴 수 있습니다. 하지만 화학 연구자가 의미한 것은 반응성이나 공정에서의 거동이 비슷하다는 뜻일 수 있습니다. 골격은 달라도 같은 조건에서 비슷한 부산물을 생성하는 경우가 있고, 구조 유사도가 높은 두 물질이 실제 공정에서는 서로 다르게 취급되기도 합니다.
이러한 간극은 단순히 회의 횟수를 늘린다고 해결되지 않습니다. 양쪽 모두 자신의 표현이 충분히 명확하다고 생각하기 때문에 서로 다르게 이해했다는 사실이 구현 이후에야 드러나기도 합니다.
모델 결과를 확인한 화학 연구자가 "우리가 확인하려던 것은 이것이 아니었다"고 말하는 순간입니다.
요구사항 문서는 필요하지만 충분하지 않을 수 있습니다
일반적인 개발 과정에서는 도메인 전문가가 요구사항을 정리하고, 개발자가 이를 전달받아 구현합니다. 역할이 명확하고 진행 상황을 관리하기 좋은 방식입니다. 다만 화학 데이터에 담긴 판단의 맥락은 초기 요구사항 문서만으로 모두 전달하기 어렵습니다.
문서에는 어떤 값을 예측할지, 어떤 범위를 다룰지, 성능을 어떤 기준으로 평가할지가 담깁니다. 그러나 다음과 같은 판단은 원본 데이터를 직접 살펴보는 과정에서 비로소 드러나는 경우가 많습니다.
“이 값은 특정 조건에서는 비교 지표로 사용할 수 없다.”
“장비가 변경된 시점을 기준으로 앞뒤 데이터를 다르게 해석해야 한다.”
“이 배치의 낮은 수율이 화학적 실패인지, 장비나 기록상의 문제인지 먼저 구분해야 한다.”
실패한 실험도 모델에 중요한 정보를 제공할 수 있습니다. 다만 화학적으로 의미 있는 실패와 장비 오류, 기록 누락, 운영상의 문제를 구분하지 않으면 모델이 잘못된 관계를 학습할 수 있습니다.
이처럼 데이터 사용 여부를 결정하는 것은 단순한 요구사항이 아니라 도메인 판단에 가깝습니다. 이러한 판단은 문서로 한 번에 전달하기보다 도메인 전문가와 개발자가 데이터를 함께 검토하는 과정에서 더 정확하게 반영할 수 있습니다.
번역 단계를 줄이는 협업 구조
Novo Nordisk의 온톨로지 기반 데이터 관리 사례를 다룬 연구는 데이터 스튜어드십이 연구 과학자, 데이터 사이언티스트, 시맨틱 전문가 사이의 조율을 지원하는 핵심 요소라고 설명합니다.
화학 데이터를 구조화하는 일은 특정 직군 하나의 작업만으로 완성되기 어렵습니다. 실험의 의미를 이해하고, 이를 데이터 구조로 표현하며, 실제 시스템에서 사용할 수 있도록 구현하는 과정이 함께 이뤄져야 합니다.
알케는 직무 간 경계를 낮춘 협업 구조로 이 문제를 풀고 있습니다. 화학공정을 전공한 사람이 모델 설계에 참여하고, 분자동역학을 연구한 사람이 데이터 구조를 함께 설계합니다. 화학 지식을 데이터 모델로 옮기는 과정이 여러 조직을 순차적으로 거치는 것이 아니라 하나의 협업 흐름 안에서 이어지도록 구성한 것입니다.
핵심은 추상적으로 소통의 중요성을 강조하는 데 그치지 않고, 불필요한 번역과 전달 단계를 줄이는 데 있습니다.
그래서 알케는 이렇게 일합니다
원본 데이터를 함께 봅니다
완성된 요구사항만 전달받아 시작하기보다, 화학을 이해하는 사람과 시스템을 구현하는 사람이 같은 화면에서 원본 데이터를 함께 확인합니다. 문서에 담기 어려웠던 예외와 조건, 기록상의 차이는 대부분 이 과정에서 발견됩니다. 데이터의 형태뿐 아니라 데이터가 만들어진 배경까지 확인해야 실제 업무에 사용할 수 있는 구조를 설계할 수 있습니다.
서로의 언어를 읽습니다
화학을 전공한 사람이 데이터 모델의 정의를 읽고, 개발자가 반응식과 분석 결과를 살펴봅니다. 각자가 상대 분야의 전문성을 모두 대신할 필요는 없습니다. 다만 어떤 표현이 해석에 영향을 미치는지, 어느 지점에서 추가 확인이 필요한지를 알아야 합니다. 서로의 언어를 읽을 수 있어야 질문해야 할 지점을 더 빠르게 찾을 수 있습니다.
불확실성을 그대로 드러냅니다
화학 연구자가 "현재 정보만으로는 확실하게 판단하기 어렵다"고 말할 수 있어야 그 불확실성이 데이터 구조에 반영됩니다. 개발자 역시 "이 데이터만으로는 해당 질문에 답할 수 없다"고 말할 수 있어야 합니다. 확인되지 않은 내용을 확정된 사실처럼 구조화하면 그 위에서 나온 예측도 충분한 근거를 갖기 어렵습니다. 알케는 모르는 것을 없애기보다, 무엇이 확인됐고 무엇이 아직 불확실한지를 구분하는 것이 더 중요하다고 생각합니다.
알케가 함께 일할 사람에게 기대하는 것
화학과 AI를 처음부터 같은 깊이로 이해할 필요는 없습니다. 대신 자신의 전문 영역 밖에 있는 언어를 배우려는 태도, 데이터와 근거를 바탕으로 질문하는 습관, 자신이 아는 것과 아직 모르는 것의 경계를 정확하게 설명하는 능력을 중요하게 봅니다.
도메인과 엔지니어링이 만나는 지점은 두 분야의 지식을 단순히 더하는 곳이 아닙니다. 서로 다른 관점이 같은 문제를 향하도록 연결하는 곳입니다. 알케는 그 연결을 제품뿐 아니라 일하는 방식 안에서도 만들어가고 있습니다.