AI 컨설팅부터 상용화까지 한 팀에서 해결한 스타트업의 선택 | 테바

“구축 비용 3배 절감,
AI 동작 인식 정확도 84% 향상,
기기 간 통신 유실률 0%.”

수치만 보면 그럴듯해 보이지만 사실 이 결과가 나오기까지의 과정은 단순하지 않았습니다. 수중이라는 특수한 환경에서 카메라 4대의 영상을 실시간으로 분석하고 하드웨어 시제품과 소프트웨어를 동시에 연동해야 했기 때문이죠. 단순한 앱 개발이 아니라 AI 모델링, 하드웨어 제어, 인프라 설계까지 한꺼번에 풀어야 하는 프로젝트였습니다.

이번 글에서는 5평 공간에 AI 무인 수영장을 만든 테바 프로젝트를 통해 기획부터 AI 모델 개발, 하드웨어 연동, 인프라 설계까지 실제로 어떤 과정을 거쳤는지 구체적으로 소개해보겠습니다.

1. AI 도입을 외주로 맡길 때, 파트너 선택 기준은 무엇인가요?

단순 개발 역량을 넘어 기존 비즈니스를 AI 중심으로 재설계 할 수 있는 '비즈니스 로직 컨설팅' 역량까지 갖춘 파트너가 필요합니다.

많은 기업이 AI 도입을 시도하지만 상용화 단계에서 기대만큼 성과를 내지 못하는 경우가 많습니다. 오픈소스 AI 모델을 가져다 연동하는 것만으로는 부족하고 해당 산업의 도메인 지식을 AI 알고리즘에 녹여넣는 과정이 반드시 필요하기 때문이죠.

그런 관점에서 테바 프로젝트가 좋은 예시입니다. 테바는 5평 크기의 엔드리스풀(제자리 수영 기계)에서 AI가 실시간으로 수영 자세를 분석하고 코칭 해주는 무인 수영장 서비스인데요. 단순한 앱 개발이 아니라 AI 모델링, 하드웨어 제어, 인프라 설계를 동시에 풀어야 하는 프로젝트였습니다. 그릿지는 초기 기획 단계부터 정형외과 전문의와 국가대표 수영 강사를 참여시켜 의학적 근거가 있는 코칭 AI를 설계하는 것부터 시작했어요.

그릿지 개발팀은 '기획 단계에서 도메인 전문가와 협업'부터 공을 들였습니다. AI 모델이 아무리 정교해도 판별 기준 자체가 의학적으로 틀리면 서비스 전체의 신뢰가 무너지기 때문이죠. 전문가 자문으로 구한 관절 가동 범위 기준 및 현장 피드백을 수십 차례 검토하고 반영한 끝에 실제로 작동하는 코칭 로직을 완성할 수 있었습니다.

👉 AI 전환, 내부 인력만으로는 힘든 이유와 파트너십 전략을 확인하기

2. AI 도입, 채용 없이 전문가를 붙이는 방법이 있나요?

그릿지의 개발팀 구독 서비스를 활용하면 AX 컨설턴트를 매칭 받아 기획 단계부터 함께할 수 있고 프로젝트 진행에 따라 필요한 인력을 유연하게 조절할 수 있어요.

AI 도입을 결정 했을 때, '내부 AI 전문가 유무'는 중요한 체크 사항입니다. 내부에 AI를 이해하는 인력이 없으면 요구사항 정의 자체가 어렵고, 그렇다고 CTO나 AI 전문가를 정규직으로 채용 하기에는 시간과 비용 부담이 크니까요.

그릿지는 이 문제를 개발팀 구독 모델로 풀고 있습니다. 프로젝트가 시작되기 전 기획 단계에서부터 구독한 AX 컨설턴트가 투입되어 비즈니스 목표를 기술 요건으로 번역하는 작업을 함께 진행합니다.

테바 프로젝트에서도 기획 초기부터 그릿지 PM과 AX 컨설턴트가 참여해 "어떤 AI 모델이 필요한지", "하드웨어 구성을 어떻게 가져갈지", "인프라는 클라우드로 갈지, 온프레미스로 갈지"를 사업 기획서 단계에서부터 함께 설계했어요.

프로젝트가 본격적으로 진행되면 단계별로 필요한 인력 구성도 달라집니다. 기획 단계에서는 컨설턴트와 기획자 중심으로 운영하다가 개발 단계에서 프론트엔드·백엔드·AI 엔지니어를 증원하고, 안정화 이후에는 다시 인력을 줄이는 식입니다.

테바 프로젝트에서도 디자인 시스템 구축 시점에 플랫폼 디자이너를 추가 투입하고 프론트엔드 고도화가 필요한 시점에 프론트엔드 개발자를 온보딩하는 방식으로 인력을 유연하게 운용했어요.

👉 외주 개발 모델 비교하기 (도급 vs 구독)

3. AI 도입 비용을 대폭 줄이는 기술 대체 전략이 있나요?

고가의 전용 장비 대신 범용 하드웨어와 AI 소프트웨어를 결합하면 동일한 기능을 훨씬 적은 비용으로 구현할 수 있습니다.

많은 기업이 AI 도입을 검토하면서 "전용 장비나 인프라를 갖춰야 하는 것 아닌가"라는 부담을 느끼는데요. 다행히 AI 기술의 발전 덕분에 기존에 고가 장비가 필수였던 영역에서도 범용 하드웨어 + AI 소프트웨어 조합으로 대체할 수 있는 사례가 늘고 있습니다.

테바 프로젝트가 대표적입니다. 기존에는 정밀한 동작 분석을 하려면 몸에 반사 마커를 부착하고 수천만 원대의 적외선 3D 카메라와 특수 개조된 50m 풀장이 필요했습니다. 그릿지는 이 구조를 근본적으로 바꿨는데요. 엔드리스풀에 일반 IP 카메라 4대(항공뷰, 좌측, 우측, 후면 어안렌즈)를 설치하고 카메라 영상만으로 관절 위치를 인식하는 마커리스 AI 기술(HPE)을 적용했습니다. 이용자는 아무것도 부착하지 않고 자연스럽게 수영만 하면 됩니다.

이때 AI가 "이 자세가 맞다, 틀리다"를 판단하려면 명확한 기준이 먼저 있어야 하는데요. 테바에서는 국가대표 출신 수영 강사와 정형외과 전문의가 영법별 올바른 관절 각도를 정의하고 그릿지가 이를 AI 판별 규칙으로 변환하는 방식을 적용했습니다.

4. AI 프로젝트의 인프라 비용은 어떻게 줄일 수 있나요?

PoC 단계에서는 클라우드로 빠르게 검증하고 본 개발부터는 온프레미스로 전환하는 단계별 인프라 설계로 비용 효율을 극대화했습니다.

그릿지는 테바 AX 프로젝트에서 프로토타입과 테스트 단계에서는 AWS 클라우드 환경으로 인프라를 구축했습니다. 초기에는 기능 검증과 빠른 배포가 중요하기 때문에 서버를 유연하게 늘리고 줄일 수 있는 클라우드가 적합하기 때문이죠.

하지만 본 개발에 들어가면서부터는 온프레미스로 인프라를 전환했습니다. 테바 서비스는 카메라 4대의 영상을 실시간으로 처리해야 하는 구조라 이걸 계속 클라우드에서 돌리면 매달 발생하는 서버 비용이 상당해집니다. 수영장 내부에 백엔드 서버와 AI 서버를 직접 설치하는 방식으로 전환함으로써 장기 운영 비용을 크게 절감할 수 있었어요.

정리하면 개발 단계에서는 클라우드의 유연함을, 운영 단계에서는 온프레미스의 비용 효율을 취하는 하이브리드 설계인 셈이죠. AI처럼 대용량 데이터를 실시간으로 처리해야 하는 서비스라면 처음부터 "어느 단계에서 인프라를 전환할 것인가"를 설계에 포함시키는 것이 비용 효율화에 도움 될 수 있습니다.

5. AI 모델의 정확도, 실제 환경에서 얼마나 올라갈 수 있나요?

테바의 경우, 범용 모델의 동작 인식 정확도(AP) 35.4점에서 자체 환경 데이터로 반복 학습한 결과 65.25점까지 약 84% 향상되었습니다.

범용 AI 모델을 그대로 가져다 쓰면 특수한 환경에서는 정확도가 크게 떨어집니다. 테바의 경우 수중이라는 환경 자체가 변수였는데요. 물의 굴절, 수영복 색상, 물보라 등이 AI의 관절 인식을 방해하기 때문입니다.

그릿지는 이 문제를 해결하기 위해 테바 환경에서 직접 촬영한 데이터로 AI 모델을 반복 학습시켰습니다. 학습 과정에서는 30가지 이상의 조건 조합을 실험 했는데요. 영상에서 이미지를 추출하는 간격, AI가 자체적으로 학습 데이터를 생성하는 방식, 관절 인식 민감도 등을 조합하며 수백 회 테스트를 반복했습니다. 최종적으로 동작 분류 정확도 90%, 관절 오차 5도 이내의 성능을 달성해 상용화에 들어갈 수 있었습니다.

이 과정이 중요한 이유는 AI 도입의 성패가 "단순히 모델을 가져다 쓰는 것"이 아니라 "우리 환경에 맞게 얼마나 정밀하게 튜닝하느냐"에 달려 있기 때문입니다.

6. 하드웨어·소프트웨어·AI를 한 팀에서 관리하면 뭐가 달라지나요?

커뮤니케이션 비용이 줄고 기술 간 충돌을 사전에 막을 수 있어 프로젝트 실패 확률이 크게 낮아집니다.

AI 프로젝트가 일반 앱 개발과 다른 가장 큰 지점이 바로 이것입니다. 하드웨어 업체, AI 업체, 앱 개발 업체가 따로 움직이면 각자의 결과물이 합쳐지는 시점에서 문제가 터지고 책임 소재도 불분명해지죠.

테바 프로젝트는 이 문제를 구조적으로 해결한 사례입니다. 엔드리스풀 시제품의 PCB 보드와 태블릿 간 실시간 속도·거리 데이터 통신, IP 카메라 4대의 실시간 영상 스트리밍, AI 분석 결과를 4개 화면에 동시 전달하는 구조까지 그릿지 개발팀이 설계했습니다. 그릿지 팀에서 하드웨어·소프트웨어·AI 등을 모두 해결하기 때문에 병목이 발생 할 확률을 줄일 수 있었죠.

특히 그릿지는 본 개발에 들어가기 전 0차 프로토타입을 먼저 만들어 PCB 보드 통신, 영상 스트리밍, AI 연동을 사전에 검증했습니다. 이후 1차 프로토타입을 거쳐 실제 수영장 설치까지, 기획·디자인·개발·AI·인프라를 한 팀이 관리한 덕분에 중간에 기술 간 충돌로 일정이 밀리는 일 없이 프로젝트를 진행할 수 있었습니다.

아직 AI 도입이 고민 된다면? 아래 콘텐츠를 참고해보세요
👉 기업에서 업무 자동화에 AI를 적용할 수 있는 범위 총정리
👉 기업이 AI 에이전트를 쓰는 방법

FAQ : AI 개발시 자주 묻는 질문

Q1. 일반 웹/앱 외주 개발과 그릿지의 AI 도입 지원은 뭐가 다른가요? 

A. 그릿지는 화면 개발에 그치지 않습니다. 도메인 전문가 지식을 AI 판별 기준으로 변환하는 컨설팅, 고가 장비를 대체하는 AI 모델링, 하드웨어 연동, 비용 효율적인 인프라 설계까지 비즈니스 전체를 AI 기반으로 전환합니다.

Q2. 하드웨어와 연동되는 AI 프로젝트도 진행할 수 있나요? 

A. 네. 테바 프로젝트에서 시제품 PCB 보드, NVR(영상 수집 장비), IP 카메라를 AI 서버와 실시간으로 연동했습니다. 본 개발 전 오프라인 환경에서 기술 검증(PoC)을 먼저 진행해 하드웨어 연동 리스크를 사전에 차단합니다.

Q3. AI 도입 시 클라우드 서버 비용이 부담됩니다. 

A. 그릿지는 운영 비용 최적화를 우선으로 고려합니다. 테바처럼 실시간 영상 처리가 필요한 경우, 개발은 클라우드에서 하되 운영은 현장 로컬 서버를 활용하는 하이브리드 방식으로 장기 유지 비용을 크게 낮춥니다.

Q4. 범용 AI 모델을 가져다 쓰면 안 되나요? 

A. 범용 모델만으로는 특수 환경에서 정확도가 크게 떨어집니다. 그릿지는 실제 서비스 환경 데이터로 반복 학습(파인튜닝)을 진행합니다. 테바의 경우 정확도를 35.4점에서 65.25점까지 약 84% 끌어올린 뒤 상용화에 들어갔습니다.

Q5. 프로젝트 진행 중 기획이 변경되면 어떻게 대응하나요? 

A. 그릿지는 기술 데모 단계에서 핵심 기술 리스크를 먼저 해소합니다. 이후 기획이 변경 되더라도 검증된 기술 기반 위에서 조정이 이뤄지기 때문에 일정과 비용이 크게 흔들리지 않습니다.

Q6. 프로젝트 종료 후 유지보수나 기술 이관은 어떻게 되나요? 

A. 소스코드, 인프라 구성도, 운영 매뉴얼을 포함한 기술 이관 문서를 제공합니다. 이후 유지보수가 필요하면 월 단위 구독형 개발팀 운영 모델로 전환하는 것도 가능합니다.

AI 도입을 고민 중이신가요?

도메인 전문가 협업부터, AX 컨설팅, 인프라 설계까지 한 팀으로 해결 가능한 그릿지와 함께 시작해 보세요.

🔽 우리 비즈니스를 가장 잘 이해하는 AX 컨설턴트를 만나보고 싶다면?