AI를 가르치고 연구하는 환경은 생각보다 복잡합니다.
학생마다 개발환경이 달라 수업 준비에 시간이 오래 걸리고, 연구실별로 따로 GPU를 구축하고 관리하는 데에도 부담이 큽니다.
여기에 산학 프로젝트까지 진행하려면 또 다른 형태의 협업 환경이 필요하죠.
인하대학교는 이런 구조적 문제를 해결하기 위해 Yennefer(예니퍼)를 기반으로 한 자체 AI 플랫폼, EduBridge를 구축했습니다.
이 플랫폼은 수업·연구·산학을 하나의 환경으로 통합해 운영할 수 있도록 설계되어, 실제 현장에서 발생하던 불편을 상당 부분 해소해주고 있습니다.
이번 Mondrian Use Case에서는 인하대학교 인공지능융합연구센터 박인규 센터장님과의 인터뷰를 바탕으로 Yennefer가 어떻게 대학의 AI 교육·연구 환경을 변화시켰는지 살펴보려고 합니다.
1. 인하대학교 인공지능융합연구센터 소개
인하대학교 인공지능융합연구센터는 2020년에 설립된 인천 최초의 AI 특화 연구기관으로, 2022년에는 인공지능융합혁신대학원 사업까지 맡게 되며 연구와 교육을 동시에 수행하는 융합형 구조를 갖추게 되었습니다.
센터에서는 약 30명의 교수진이 참여해 시각 AI, 로봇 AI, 의료 AI, 빅데이터를 중심으로 다양한 연구를 수행하고 있으며, 제조·물류·항공·항만·안전 등 인천 지역 산업과 긴밀하게 연결된 연구도 꾸준히 이어가고 있습니다.
교육 측면에서도 일반대학원 전기컴퓨터공학과 인공지능전공을 운영하며 매년 약 40명의 석·박사급 AI 인재를 배출하고 있습니다.
박인규 교수님께서는 “센터는 현실적인 산업 문제를 AI로 해결하는 연구와, 이를 수행할 인재 양성을 동시에 진행하는 곳입니다.”라며, 인공지능융합연구센터가 단순한 연구기관이 아니라, 연구–교육–산업을 연결하는 허브라고 강조해주셨습니다.
2. 왜 인하대는 ‘각 연구실 서버’ 대신 Yennefer를 선택했을까?
AI 교육과 연구가 빠르게 확산되면서, 인하대학교 역시 기존의 방식으로는 대응하기 어려운 지점들이 생겨났다고 합니다.
각 연구실이 따로 GPU 서버를 구축하고, 각자 개발환경을 유지하는 방식은 점점 비효율이 커졌던 것이죠.
박인규 센터장님은 당시 고민을 세 가지로 정리해주셨습니다.
먼저, GPU 인프라의 중복 구축 문제였습니다.
연구실마다 고가의 장비를 따로 구매하게 되면 예산이 반복적으로 투입되고, 관리 역시 분산되어 버립니다.
센터 차원에서 공용 인프라를 구축하는 것이 훨씬 효율적이었죠.두 번째는 실습·연구 환경의 불일치 문제였습니다.
학생 개개인의 환경이 다르다 보니, 학기 초마다 개발환경을 맞추는 데만 많은 시간이 사용되었습니다.
특히 비전공자 수업에서는 이 과정 자체가 학습 진입 장벽이 되기도 했습니다.마지막으로, 산학 프로젝트에서의 협업 환경 부족이었습니다.
기업이나 외부 기관과 함께 연구를 진행할 때는 통일된 데이터·모델 실험 환경이 필수인데, 연구실별 개별 서버 체제로는 이를 지원하기 어렵다는 한계가 있었습니다.이런 상황을 해결할 수 있는 플랫폼을 찾던 과정에서 인하대가 선택한 솔루션이 바로 예니퍼(Yennefer)였습니다.
그리고 이를 인하대의 교육·연구 환경에 맞게 재구성한 결과가 EduBridge입니다.
센터장님은 이렇게 설명해주셨습니다.
“AI를 전공하지 않은 연구자도 쉽게 모델을 실행해볼 수 있어야 하고, 교육·연구·산학 프로젝트를 모두 하나의 플랫폼에서 운영할 수 있어야 했습니다.”
Yennefer는 이러한 요구를 충족시키기 위해 만들어진, 인하대학교만의 통합 AI 플랫폼으로 자리 잡게 되었습니다.
3. Yennefer는 실제로 어떻게 구축되고 활용되고 있을까?
Yennefer는 2022년 인하대학교 인공지능융합연구센터에 처음 구축된 이후, 약 3년 동안 꾸준히 안정적으로 운영되고 있습니다.
박인규 센터장님은 “초기 구축 당시보다 활용 범위가 훨씬 넓어졌다”는 점을 가장 먼저 강조했습니다.
가장 큰 변화는 하나의 플랫폼에서 학부 실습, 대학원 연구, 산학 프로젝트가 모두 운영되고 있다는 점입니다.
이전처럼 수업용 서버와 연구용 서버가 따로 존재하는 것이 아니라, 모든 구성원이 같은 클러스터 환경에 접속해 동일한 방식으로 실습과 연구를 진행할 수 있게 된 것이죠.
특히 Yennefer는 설치 없이 웹 브라우저만 열면 GPU 연산 환경에 바로 접속할 수 있기 때문에, AI에 익숙하지 않은 비전공 학생이나 외부 기관 연구자도 어렵지 않게 활용할 수 있었다고 합니다.
또한 한 학기마다 약 40~50명의 학생이 동시에 실습하더라도 큰 문제 없이 운영될 만큼 플랫폼 안정성도 유지되고 있다고 설명했습니다.
실습, 연구, 프로젝트가 한 흐름에서 운영되는 구조가 자연스럽게 정착된 셈입니다.
센터장님은 Yennefer의 의미를 이렇게 정리해주셨습니다.
“교육용 환경과 산학 프로젝트 환경을 하나로 합쳐 운영할 수 있다는 점이 Yennefer의 가장 큰 가치입니다.”
4. Yennefer는 교육에서 어떤 변화를 만들었을까?
Yennefer가 가장 강하게 영향을 준 영역은 단연 교육 환경입니다.
도입 직후부터 인하대 AI 실습의 표준 인프라로 자리 잡았고, 실제로 많은 학생들이 Yennefer를 통해 수업을 경험했습니다.
2022년부터 2025년까지 약 435명의 학생이 Yennefer를 활용했으며,
이 중 물류전문대학원에서 약 150명, 인공지능융합프로젝트 교과목에서 약 285명이 플랫폼을 사용했습니다.
박인규 센터장님은 교육 현장에서 체감된 변화를 네 가지로 설명해주셨습니다.
첫 번째로, 개발환경 설정 시간이 거의 사라졌다는 점입니다.
학생마다 환경이 제각각이던 시기에는 학기 초마다 환경 세팅에 적지 않은 시간이 소요되었지만, Yennefer 도입 이후에는 접속만 하면 바로 실습이 가능해졌습니다.두 번째로, 비전공자도 쉽게 수업에 참여할 수 있는 구조가 마련되었다는 점입니다.
복잡한 설치 과정 없이 브라우저만 열면 GPU 기반 실습 환경을 이용할 수 있기 때문에, AI가 처음인 학생들도 부담 없이 수업을 따라갈 수 있게 되었습니다.세 번째는 수업 환경의 표준화입니다.
교수자와 학생 모두 동일한 환경에서 실습하기 때문에 수업 준비와 실습 관리가 훨씬 수월해졌습니다.마지막으로, 교수자-학생 간 실시간 코드 공유와 피드백이 가능해졌다는 점입니다.
수업 중 직접 환경 문제를 해결해주거나, 각자의 코드를 실시간으로 비교해보는 과정이 한층 자연스러워졌습니다.
실습에 참여했던 한 대학원생은 Yennefer에 대해 이렇게 평가했습니다.
“환경 구축 없이 바로 실습을 시작할 수 있어 학습 효율이 크게 높아졌습니다.”
특히 물류전문대학원의 여러 교과목—컴퓨터프로그래밍 입문, 물류 AI 프로그래밍, 디지털물류실습 등—에서는 Yennefer가 실습 편의성과 접근성을 높여 준 덕분에 만족도가 매우 높았다고 합니다.
5. 연구 현장에서는 어떤 사례가 있었을까?
교육뿐 아니라 연구 영역에서도 Yennefer의 효과는 뚜렷했습니다.
박인규 센터장님께서는 가장 대표적인 활용 사례로 물류전문대학원 남대식 교수 연구팀의 프로젝트를 소개해주셨습니다.
이 연구팀은 택배 회사의 배송 데이터, 지리정보, 사회경제 데이터를 결합해 생활물류 예측 모델을 Yennefer 환경에서 개발했습니다.
특징적인 점은 이 모델이 단순히 물류 수요 예측에 그치는 것이 아니라, 건축물 용도별·지역별·품목별 예측까지 확장되어 도시계획 단계에서도 활용될 수 있는 수준의 모델로 발전했다는 것입니다.센터장님 설명에 따르면, 이 연구는 최대 100층 규모, 약 50만㎡에 달하는 용산국제업무지구 개발 계획에 실제로 적용되며 로봇배송·공동물류센터·입체 교통 도시 모델 등 다양한 도시계획 요소와 연계되고 있다고 합니다.
흥미로운 점은 이 연구가 AI 비전공자가 AI 플랫폼을 활용해 성과를 만든 사례라는 점입니다.
물류 분야 연구자가 복잡한 개발환경 설정 없이 Yennefer를 기반으로 모델을 설계하고 실험할 수 있었고,이를 통해 도메인 전문가가 자신의 연구 질문을 AI로 확장해 해결할 수 있는 토대가 마련된 것입니다.
이를 통해, Yennefer가 단순한 교육 플랫폼을 넘어 산학 연구의 실질적 성과를 만드는 기반임을 확인할 수 있었습니다.
센터장님께서는 Yennefer의 또다른 연구활용 예시도 들려주셨습니다.
한 석사과정 연구자가 Yennefer를 활용해 블랙박스 비디오 화질 개선 알고리즘을 실험했는데, GPU 설정이나 패키지 충돌 문제 없이 반복 실험이 가능해져 연구 속도와 효율이 크게 향상되었다고 합니다.
연구자들이 공통적으로 언급한 변화는 간단했습니다.
“환경 구축보다 연구에 집중할 수 있게 되었습니다.”
Yennefer가 연구자들에게 제공한 가장 큰 가치는 결국 연구 몰입도의 증가와 연구 기회의 확대 였습니다.
6. 산학협력이나 행사에서는 어떻게 활용되고 있을까?
Yennefer는 교육과 연구뿐 아니라 교내 행사와 산학협력 프로젝트에서도 중요한 역할을 하고 있습니다.
인하대학교에서는 매년 ‘인하 AI 챌린지’라는 해커톤을 개최하는데, 여기에는 다양한 전공의 학부생들이 참여합니다.
다만 많은 학생들이 고성능 GPU 장비를 보유하고 있지 않아, 모델을 제대로 학습시키지 못해 어려움을 겪는 경우가 많았다고 합니다.
이 부분을 Yennefer가 자연스럽게 해결했습니다.
플랫폼에 접속하기만 하면 누구나 동일한 GPU 실습 환경을 사용할 수 있게 되었고, 덕분에 학생들은 장비 문제를 걱정하지 않고 아이디어 구현에 집중할 수 있었던 것이죠.
센터장님은 이 변화를 이렇게 정리해주셨습니다.
“GPU가 없어서 모델을 돌리지 못했던 학생들이 이제는 동일한 조건에서 도전할 수 있게 되었습니다.”
결과적으로 참가자들의 프로젝트 완성도와 참여 경험 모두 개선되었고, 학생들이 실제 AI 모델을 직접 학습해볼 수 있는 기회도 크게 확대되었습니다.
Yennefer가 단순한 실습 도구를 넘어, 학생들의 실험 기회를 공평하게 만들어준 플랫폼으로 자리 잡은 셈입니다.
7. 운영을 해보니 어떤 점이 좋았고, 무엇을 더 바라고 있을까?
Yennefer를 실제로 3년간 운영해본 경험에 대해 여쭤보자, 센터장님은 장점과 보완점이 비교적 명확하게 구분된다고 설명했습니다.
가장 먼저 언급된 장점은
비전공자 중심의 교육 접근성 개선이었습니다.
설치나 환경 설정 없이 바로 실습할 수 있는 구조 덕분에, AI를 처음 접하는 학생들도 수업 참여가 훨씬 수월해졌다는 점이 가장 큰 변화였습니다.또한 실습 환경이 표준화된 점은 교수자 입장에서 매우 긍정적이었다고 합니다.
이전처럼 환경 문제를 해결하느라 시간을 소모할 필요가 없고, 수업과 연구 모두 동일한 환경에서 진행되기 때문에 관리 효율이 크게 높아졌습니다.무엇보다도 교육·연구·산학 프로젝트를 하나의 플랫폼에서 운영할 수 있다는 점은 인하대가 꾸준히 강조해온 핵심 운영 방향과도 잘 맞아떨어졌다고 평가했습니다.
서로 다른 서버와 환경을 넘나들 필요 없이, Yennefer만으로 모든 워크로드를 통합 관리할 수 있다는 점이 가장 높은 점수를 받은 부분입니다.
장점과 함께, 더 발전하면 좋을 부분도 언급해주셨습니다.
사용자가 늘어나면서 운영 편의성을 강화할 필요가 있다는 의견, 처음 접하는 사용자를 위한 매뉴얼·가이드 문서 보완, 그리고 Yennefer의 MLOps 기능을 더 폭넓게 활용해볼 수 있도록 실습 예제가 제공되면 좋겠다는 요청이 있었습니다.
또한 연구 규모가 커질수록 필요한 기능으로 GPU 예약 관리, 자동 스케일링, 리소스 모니터링, 소프트웨어 안정성 테스트 강화 등이 꼽혔습니다.
센터장님은 전체적으로 안정적으로 운영되고 있다는 점을 긍정적으로 평가하면서도, 플랫폼이 더 많은 사용자와 다양한 프로젝트 요구를 수용할 수 있도록 운영 기능이 앞으로 한 단계 더 확장되기를 바란다고 덧붙였습니다.
장점이 분명하고, 동시에 다음 단계로 발전하기 위한 방향도 명확한 피드백이었습니다.
8. 학생과 연구자에게 Yennefer는 어떤 의미였을까?
Yennefer가 학생과 연구자에게 어떤 영향을 주었는지 묻자, 센터장님은 “연구 과정이 훨씬 선명해졌다”는 점을 가장 먼저 언급했습니다.
특히 대학원생들은 Yennefer 도입 이후 환경 구축에 쓰이던 시간을 온전히 연구에 집중할 수 있게 되었다고 말했습니다.
이전에는 패키지 충돌, 버전 오류, CUDA 설정 등으로 시간을 소모하는 일이 잦았지만, 이제는 접속하자마자 바로 실험을 진행할 수 있다는 점이 큰 차이를 만들었다고 합니다.
학생들이 공통적으로 느낀 변화는 다음과 같은 부분이었습니다.
복잡한 환경 설정 없이 바로 모델 학습이 가능해진 점
터미널과 노트북을 한 화면에서 관리할 수 있어 실험 흐름이 깔끔해진 점
데이터와 모델 버전을 체계적으로 관리할 수 있게 된 점
실험 반복 속도가 빨라지면서 연구 몰입도가 자연스럽게 높아진 점
산업 현장에서 필요한 실무 감각을 익히는 데 도움이 된 점
센터장님은 이 부분에 대해 이렇게 정리했습니다.
“학생들이 연구 과정 자체를 더 깊이 이해하고 경험하게 되었습니다.”
실제로 한 연구자는 연구 흐름 개선에 대해 매우 명확하게 이야기했습니다.
“코드를 수정하면 바로 실험을 돌릴 수 있어 연구 속도가 훨씬 빨라졌습니다.”
결국 Yennefer는 연구자들에게 단순히 “편해진 플랫폼”이 아니라, 연구 과정 전반을 더 직관적이고 생산적으로 만들어주는 실질적인 연구 도구로 자리 잡은 셈입니다.
9. 인하대학교의 최종 평가와 향후 계획은 무엇일까?
인터뷰의 마지막에서 인하대학교 인공지능융합연구센터는 Yennefer에 대해 10점 만점 중 8점이라는 평가를 내렸습니다.
특히 산학협력을 통합적으로 운영할 수 있는 구조와 비전공자도 쉽게 AI를 학습할 수 있는 환경이라는 두 가지 측면에서 높은 점수를 줬다고 설명했습니다.
다만, 앞으로 더 많은 사용자와 다양한 규모의 프로젝트를 수용하기 위해서는 소프트웨어 안정성 테스트, 운영 기능 강화 등 몇 가지 보완이 이루어진다면 플랫폼의 완성도가 한층 더 높아질 것이라고 덧붙였습니다.
향후 계획 역시 명확했습니다.
인하대학교는 Yennefer를 기반으로
지역 산업 데이터를 활용한 연구 프로젝트 확대
기업·지자체를 위한 AI 교육 프로그램 확장
교육–연구–산학이 하나로 순환되는 지속 가능한 AI 협력 생태계 구축
을 목표로 하고 있습니다.
박인규 센터장님은 인터뷰의 마지막을 이렇게 정리해주셨습니다.
“Yennefer는 연구·교육·산학을 하나로 연결할 수 있는 기반입니다. 앞으로 더 많은 곳에서 활용되기를 기대합니다.”
Yennefer는 단순한 실습 플랫폼을 넘어, 인하대학교가 추구하는 AI 생태계를 실제로 구현하는 핵심 도구로 자리 잡고 있었습니다.
인하대학교 인공지능융합연구센터의 Yennefer 사례는 AI 교육·연구·산학협력이라는 세 가지 축을 하나의 플랫폼으로 통합할 수 있다는 가능성을 보여준 대표적인 예입니다.
특히 전공자뿐 아니라 비전공자, 연구자, 기업, 지자체까지 모두가 동일한 환경에서 AI를 활용할 수 있다는 점은 대학이 앞으로 어떤 방식으로 AI 인프라를 구축해야 하는지에 대한 중요한 힌트를 던져줍니다.
몬드리안에이아이는 이번 경험을 바탕으로 Yennefer(예니퍼)를 교육 현장과 연구 환경에 더욱 최적화된 플랫폼으로 발전시키기 위해 꾸준히 노력하겠습니다.
더 안정적인 운영, 더 강력한 기능, 더 직관적인 사용자 경험을 제공해 다음 단계의 대학형 AI 플랫폼 모델을 만들어가는 데 기여할 Yennefer였습니다.
인터뷰와 사례 공유에 기꺼이 협조해 주신 인하대학교 인공지능융합연구센터 박인규 센터장님과 모든 구성원분들께 진심으로 감사드립니다.
앞으로도 교육과 연구, 산업이 자연스럽게 연결되는 더 나은 AI 생태계를 함께 만들어가길 기대합니다.
🔗 관련 링크
👉🏻 AI 교육에 최적화된 AI 플랫폼 예니퍼(Yennefer) 살펴보기
👉🏻AI 인프라 구축을 위한 클라우드형 AI 서비스 런유어에이아이(Runyour AI) 살펴보기
문의: sales@mondrian.ai | 전화: (+82) 032-719-7047