당근의 협업은 무엇이 다를까

함께 일한다는 것은 더하기가 아닌 곱하기에 가깝습니다. 한 사람이 1부터 10까지의 능력을 낼 수 있다면, 협업을 통해 나올 수 있는 능력의 최대치는 그 수를 더해서 나오는 정도를 뛰어 넘어 50, 100 나아가 무한대로 커지니까요. 

하지만 우리는 때로 자기에게 주어진 일만 잘 하면 된다고 착각합니다. 바쁘게 일하다 보니 협업의 가능성이 무궁무진하다는 것을 깜빡하게 되는 거죠. 피드실의 머신러닝 엔지니어 Jin도 비슷한 경험이 있다고 공유했습니다. 당근에 처음 와서 구성원들이 ‘함께’ 만들어 내는 퍼포먼스에 놀랐다고 하는데요. 

빅테크 기업에 다니던 Jin이 당근에 와서 느낀 협업의 힘, 또 앞으로 함께 그려나갈 당근만의 협업은 어떤 모습일까요?

Q. 안녕하세요. 소개 부탁드립니다!

안녕하세요, 피드실 머신러닝 엔지니어 Jin입니다. 구글에서 7년 정도 일하다가 당근에 합류한 지는 2년 정도 됐네요. 피드실에서 피드 품질 팀의 리더도 맡고 있어요. 

Q. 빅테크 기업인 구글에서 당근으로 오게 된 계기가 궁금해요.

폭발적인 성장을 경험해보고 싶다는 욕심이 컸어요. 충분히 좋은 조직에 있었지만, 한 곳에 안주하고 싶지 않았거든요. 구글을 그만 두고 한창 이직처를 찾아볼 때 성장 가능성이 높은 스타트업을 중심으로 살펴 봤는데 그때 봤던 당근의 기사가 인상적이더라고요. 당시 대표였던 Paul과 Gary가 ‘당근은 앞으로 글로벌 회사로 나아가겠다’, ‘100조 이상 가겠다’는 포부를 드러냈는데요. 보통 국내에서 성공을 이룬 후에 글로벌로 나가는 전략을 취하는데, 당근은 초기부터 국내와 글로벌을 동시에 공략하려는 비전이 색다르게 다가왔어요. 그 기사를 보고 국내에는 없던 포부와 비전을 가진 회사라는 느낌을 받았습니다.

또 당근을 ‘중고거래 플랫폼’ 정도로 알고 있었는데 그보다 더 나아가 ‘동네 기반 커뮤니티’라는 비전을 가지고 있는 것도 인상 깊었어요. 사람과 사람의 연결을 만들어간다는 점이 특히 좋았습니다. 국내외 어디에도 로컬을 기반으로 빅플레이어가 된 회사나 서비스가 없었기 때문에 큰 가능성이 있다고 생각했어요. 

Q. 한국에 있는 회사는 처음 다니게 된 건데, 적응하는 데에 어려움은 없었나요? 

한국으로 다시 돌아오면서 특히 문화적인 부분에 잘 적응할 수 있을까 걱정했었는데요. 의외로 너무 괜찮더라고요. 사실 저는 자율적인 업무 환경이 가장 중요했는데, 어떤 부분은 구글보다 더 자율적인 것 같기도 해서 신기했어요. 예컨대 어떤 프로젝트의 우선순위와 진행 순서를 정할 때 개인이 선택할 수 있는 폭이 넓어요. 누구나 새로운 프로젝트를 제안할 수도 있고요. 커뮤니케이션을 할 때도 누구와 어떻게, 무슨 단계로 진행한다는 프로세스가 딱 정해져 있다기보다 일의 우선순위나 목표에 따라 스스로 유연하게 조절하며 일할 수 있습니다. 

물론 모든 일은 팀과 회사의 목표 달성, OKR에 부합해야 해요. 당근은 분기마다 모든 구성원이 함께 OKR을 정하고 공유하는데요. 이에 따라 구성원 개인이 해야 하는 일의 큰 방향성을 잡을 수 있어요. 또 매주 구성원 전원이 참여하는 전사회의를 통해 당근의 비전에 대한 공감대와 이를 위한 업무 방향을 맞추고 있고요. 모두가 동의하는 목표와 방향성 아래 자율을 추구하면서 최상의 퍼포먼스를 낼 수 있는 것 같아요. 그 속에서 일 자체를 좋아하고 몰입하는 사람이 더 많은 권한과 책임을 가져갈 수 있는 문화예요.

Q. 엔지니어로서 경험하고 있는 당근의 문화가 더 궁금해요. 

자율적인 업무 환경, 나아가 서로 신뢰를 기반으로 하는 환경인 게 매력적이에요. 자율적으로 일하려면 결국 서로 신뢰하는 게 가장 중요한데요. 당근은 출근 시간은 어느정도 정해져있지만 유동적으로 조절 가능하고, 시간을 구체적으로 입력하고 있지 않아요. 동료들과 함께 일하는 시간을 확보하면서도, 개개인의 자유로운 시간 활용도 함께 가져가려고 노력하고 있어요. 이런 환경은 신뢰가 있기에 가능하다고 생각해요. 

하루는 어느 날 늦은 밤에 작업해서 코드를 넣어두었는데 그 시간에 답변을 다는 팀원이 있더라고요. 다음 날 배포해야 하는 일정도 아니었고 누군가 ‘우리 그때까지 하자’ 이렇게 말한 것도 아니었는데 그렇게 새벽에 실시간으로 한참 작업을 같이 했어요. 다음 날 회사에 나와 이야기 나누어보니, 그 팀원도 해결하고 싶은 문제가 있어서 그 시간까지 작업을 하고 있었다고 하더라고요. 그때 좀 재밌기도 하고 신기하기도 했어요. ‘당근의 구성원들은 스스로 일에 대한 동기부여가 잘 되는구나’ 싶었고, 이런 경험이 쌓여 생긴 신뢰와 자율의 문화 안에서 저도 일에 더 몰입할 수 있다고 느껴져 좋았어요.

이런 자율적인 환경에서 주도적으로 일하다 보면, 때로는 어둠 속을 각자 헤쳐 나가는 기분이 들기도 해요. 하지만 그게 꼭 부정적인 느낌은 아니에요. ‘슈퍼 로컬 앱’이라는 게 원래 없던 분야니까, 그걸 처음부터 새롭게 만들어가는 데 참여한다는 게 재미있어요. 당근에서는 문화에 적응하는 것이 아니라 함께 만들어간다는 생각이 들어요. 구글에서는 나름대로 오랜 기간 동안 갖춰 온 구글만의 프로세스나 문화가 있어서 그걸 그대로 익히는 느낌이었는데요. 당근은 지향하는 바는 구글과 비슷하지만, 그게 이미 정착된 것이 아니라 계속 새롭게 만들어가고 있다는 점이 달랐어요. 구글에 있을 땐 ‘자율의 문화’가 그저 당연했는데, 이곳에선 매달 열리는 문화 회의 등을 통해 자율이 왜 중요한지, 자율이란 무엇인지 다 같이 정의하는 것부터 시작해요. 그렇게 논의하고 정해가면서 우리의 문화를 더 분명하게 이해하고 공감할 수 있고요. 그 과정에서 당근만의 문화의 색깔도 생기고, 모든 구성원이 같은 곳을 바라보며 나아갈 수 있게 되는 것 같아요. 

Q. 지금 계신 피드실은 어떤 일을 하고 있나요? 

피드실은 당근 앱에 처음 들어가면 보이는 홈 피드와 동네생활 피드를 담당하고 있는 팀으로, 피드 서비스를 만들기 위한 다양한 직군들이 모여있어요. 그중에서도 머신러닝 엔지니어들은 사용자의 지역 내 행동 데이터를 토대로 당근 피드에 사용자가 관심 있을 만한 콘텐츠를 제공하고, 이를 통해 사용자와 가까운 이웃을 연결하는 일을 해요. 피드를 통한 플랫폼 내의 연결부터 더 나아가 오프라인에서의 연결까지 만들어내는 팀이라고 보면 될 것 같아요.

피드는 당근에 들어왔을 때 가장 처음 보는 화면이자 앱의 첫인상이잖아요. 중고거래, 알바, 모임, 부동산 등 다양한 콘텐츠가 ‘동네’라는 일관성은 있지만 다 다른 성격을 띠는 서비스라서, 여러 콘텐츠 중에서도 무슨 내용을 어떤 형태로 피드에 보여줄지 조율하는 일을 하고 있어요. ‘동네의 연결'을 만드는 데 당근이 가진 좋은 재료들이 잘 쓰일 수 있도록 사용자에게 잘 배달해주는 역할이라고 표현할 수 있어요. 

Q. 머신러닝 엔지니어로서 하는 일을 조금 더 자세히 알고 싶어요.

머신러닝을 통해 동네의 연결을 더 잘 만들 수 있도록 하고 있어요. 결국 피드실의 역할은 중고거래에서 나아가 더 크게 그리고 있는 비전인 지역 커뮤니티의 가치를 사용자들에게 잘 전하는 것인데요. 그만큼 피드에 ‘동네의 연결’을 얼마나 잘 담아내는지가 중요해요. 저는 이를 위해 클릭과 전환을 예측하는 Deep NN 기반 Multi-objective 모델이나 Clip을 활용한 컨텐츠 임베딩, GNN을 활용한 유저 및 컨텐츠 임베딩, Exploration을 위한 연구, 온라인 실험과 심도있는 데이터 분석 등의 업무를 보고 있습니다. 

피드 서비스는 특히 ‘개인화’를 지원하는 것에 가장 집중하고 있는데요. 당근이 가진 방대한 콘텐츠와 사용자를 잘 매칭하기 위해 빅데이터를 활용하고 있어요. 사용자마다 선호도나 관심사가 다른데, 이에 따라 콘텐츠를 하나하나 직접 매칭하기엔 양이 너무 많으니까요. 동네에서의 연결, 그중에서도 개인화된 연결을 확장 가능한 관점으로 제일 잘 해줄 수 있는 게 머신러닝이라고 생각해요.

Q. 당근의 머신러닝 엔지니어들이 함께 일하는 방법은 어떤가요?

엔지니어들은 목적 중심으로 각 실, 팀에 속해있는데 동시에 같은 머신러닝 챕터에도 소속되어 한두 달에 한번 정도 주기적으로 만나는 자리를 가져요. 각 팀에서 했던 업무를 공유하고 논문 스터디도 하는데요. 논문 스터디에서는 업무와 직접적인 관련이 없어도 흥미로운 주제라면 소개하고 같이 토론할 수 있어요.

머신러닝 분야는 빠르게 변하고 새롭게 등장하는 것들이 많기 때문에 너무 현업에만 몰두하면 오히려 뒤쳐질 수 있다고 생각해요. 지속적인 기술 업데이트를 위해 스터디를 하면서 다양한 이야기를 나누고, 이를 하나의 문화로 공유하면서 개개인의 성장 또한 만들어가는 중입니다.

Q. 당근에 입사 후 리더가 되었어요. 이런 커리어적 변화와 성장, 어떻게 받아들이고 계신가요? 

처음으로 리더를 맡으면서 어려운 점들도 있었어요. 머신러닝 엔지니어로서는 어느 정도 강점을 쌓아왔지만, 리더가 됐다고 해서 바로 좋은 리더가 되는 법을 알기는 어려우니까요. 스스로 강점이라고 생각하지 않았던 부분을 새롭게 해내야 하는 게 도전적이었어요. 어떻게 보면 먼저 신뢰하고 맡겨준 것이니까 더 잘 해내고 싶은 마음도 있었고요. 결과적으로는 당근에 와서 주어진 역할을 하며 여러 시행착오를 겪는 과정이 재밌기도 했고, 그 속에서 배운 것도 많아요.

그중 하나만 꼽아보자면, 나 혼자가 아닌 우리가 다 같이 하는 협업은 ‘그냥 좋은’ 정도가 아니라 성장과 생존에 정말 필요한 것이란 걸 깨달았다는 거예요. 소수일지라도 목표가 명확하고 동기부여가 잘 된 인원들이 협업하면, 만들어낼 수 있는 아웃풋은 대규모 조직보다 훨씬 더 뛰어날 수 있다는 걸 깨달았어요. 이전에는 어떻게든 성취만 하면 된다고 생각하고 그것에만 집중했다면, 당근에 와서 리더가 된 후로는 어떻게 하면 함께 성취하고 더 성장할 수 있을지에 대해 고민하고 있어요. 

하나 더 배운 건 팀에서 리더는 그 누구보다도 자아를 가장 유연하게 내려 놓을 수 있어야 한다는 거예요. 동시에 자신에 대해 더 엄격한 원칙도 있어야 하고요. 리더는 팀의 성장을 가장 우선적으로 고민하며 함께 일하는 방법을 어떻게 발전시킬 수 있을지 계속 찾아야 해요. 행동적인 부분뿐만 아니라 리더십 기술적으로도 고민을 해야 하죠.

Q. 협업의 가치가 더 빛난다는 걸 직접 느낀 구체적인 사례가 있나요?

기억에 남는 것들이 몇 개 있는데요. 그중에 하나는 개인화 추천을 위한 발판을 마련하는 프로젝트였어요. 추천 플랫폼을 만들기 위해 피드실 구성원 6명이서 TF를 구성해 약 반년 동안 진행했는데요. 당근에서 처음으로 긴밀한 협업을 한 거였는데, 기대한 것 이상을 보여주는 팀원 개개인의 퍼포먼스에 놀랐던 기억이 있어요. 당근 내부적으로 선례가 없이 거의 처음으로 시도해보는 프로젝트였어서 결과에 대한 기대치를 어떻게 잡을지 애매한 상황이었는데, 예상보다 성과도 좋고 프로젝트도 순탄하게 진행되는 걸 보면서 ‘개인이 아닌 팀으로서 낼 수 있는 퍼포먼스의 힘이 이렇게 크구나’ 하고 감탄했어요. 지금은 초당 6000개 이상의 요청을 받는 대형 플랫폼이 되었고 당근 내의 모든 개인화 추천에 활용되어 개개인이 다양한 실험을 자유롭게 할 수 있는 발판이 되었어요.

특히 리더로서 여러 일을 팀원들에게 맡기고 의존하는 것이 많이 편안해졌어요. 믿고 맡겨보니 과정이나 결과가 좋은 서프라이즈로 돌아온 적이 많거든요. 그 과정에서 두터운 신뢰가 쌓였다고 느껴져요. 내가 실무를 직접 하는 것보다 함께 일하는 동료들이 업무를 잘 할 수 있는 환경을 만드는 것이 훨씬 좋고, 또 중요하다는 생각을 해요. 그만큼 당근에 뛰어난 동료가 많기에 가능한 일이기도 한데요. 그렇게 함께 더 잘 일하기 위해서는 무엇을 해야 할지 고민하고 시도하면서, 메이커에서 리더로 넘어가는 과정을 거치고 있어요.

Q. 마지막으로 당근 지원을 앞둔 머신러닝 엔지니어에게 전할 말이 있을까요? 

당근에서 머신러닝 엔지니어로 일하다 보면 단순히 기술적인 성장을 넘어, 더 넓은 시야에서 문제를 파악하고 해결하는 역량까지 기를 수 있을 거예요. 어떠한 문제를 머신러닝으로 풀어낼 수 있도록 재정의하는 단계에서 사용자의 니즈, 서비스 차원의 목표, 기술의 한계, 현재 상황 등을 종합적으로 고려하는 게 매우 중요한데요. 이 과정에서 내가 가진 기술을 어떻게 써야 실질적인 가치를 이끌어낼 수 있을지 사고하는 역량을 많이 키울 수 있거든요. 개인이 주도적으로 고민하고 헤쳐나갈 수 있는 기회도 주어지고, 동료들과 함께 논의하고 공유하는 과정에서 주변의 도움도 많이 받을 수 있어요.

무엇보다 이렇게 자신의 기술을 통해 월 1800만 사용자에게 도움을 줄 수 있는 실제 가치를 만들었을 때의 기쁨이 커요. 이러한 경험이 머신러닝 엔지니어에게 굉장히 큰 자산이자 소중한 기회가 될 거라고 생각해요. 함께 더 크게 성장하고 더 큰 꿈을 그려 나갈 분들을 기다릴게요!