“시스템 반도체 산업은 거목 하나만 키운다고 되는 일이 아닙니다. 

거대한 숲을 만들어 생태계를 전반적으로 가꾸지 않으면 

대만과 같은 경쟁력을 갖추기 힘듭니다.”

이런 말 많이 들어봤지요?

삼성전자가 메모리 말고 

CPU나 GPU 같은 시스템반도체에서 고전하는 이유가

오랫동안 하청업체들에게 갑질하는 문화로 

반도체 생태계를 구축하지 못한 때문이라는 거지요. 

그런데 반도체 뿐 아니라 우리나라 제조업 딥러닝이 잘 정착하지 못하고있는 이유도

비슷한 원린 때문인거 같다는 생각이 요즘 듭니다. 

제조업 딥러닝은 고객과의 소통이 매우 중요하고

현실적이고 합리적인 목표설정이 중요한데

데이타는 거의 안주다시피하면서 인식율은 무조건 99.8% 이상을 요구하니

딥러닝 프로젝트가 실패하는게 당연하다는…

과거에 유행했던 식스시그마운동도 결국 취지는 좋았는데

통계나 수학같은 기술이 문제가 아닌 그걸 취합하는 사람이 정직하지 못해서

국내에서 실패했었죠. 공정의 개선목표을 정해놓고 거기에 억지로 맞추는 통계조작과 윗사람에게 보고할 장표들만 아름답게 꾸미다가 실패하는데가 많았죠. 

제조업 딥러닝도 같은 길을 가고있다는 생각이 드는군요. 

고객사가 합리적인 목표를 제시하고 

정직하게 양질의 참값을 제공하여 라벨링을 도와주고 데이타를 충분히 풍부하게 제공하면서 같이 윈윈하는 생태계를 만든다면 성공가능성이 높아질텐데 현실은 하청업체가 그걸 다 알아서 해주길 원합니다. 

시스템 반도체 문제 = 제조업  딥러닝 문제 = 제조업 생태계 문제.

어쩌면 시스템반도체문제 보다 저게 훨씬 더 큰 문제 일지도 모르겠네요.