흔히 4차 산업 혁명이라는 것에 대해 우리는 모두 알고 있다. 너무나도 익숙한 단어이고 매체와 교육을 통해서 수 없이 들어온 것이다. 새로운 단어는 아니지만 Quality 4.0이라는 단어도 요즘 현업에서 심심치 않게 들린다. 4.0은 4차 산업의 4에서 따온 것이다. 과거 제조업의 전통적인 품질 시스템이 아니라 4차 산업 혁명에 맞춘 변화를 얘기한다. 그것이 바로 Quality 4.0이란 멋진 단어로 만들어졌다. 지식정보산업(IT)에 부합하여 전통적인 제조업들이 혁신적으로 변화하고 있는데 그 속에서 어떤 제약회사들이 살아 남을 수 있을지 나름의 생각을 풀어보려고 한다.   먼저 과거의 회사들은 어떤 식으로 일했나 살펴보자. 수 십 년 전만 해도 현대인들은 정말 원시적인 방법으로 종이를 이용해 일 해왔다. 거기서 불편함을 느낀 우리는, 엑셀과 프레젠테이션으로 진보를 했다. 엑셀로는 부족해서 하나의 프로세스를 관리할 수 있는 소프트웨어와 시스템을 개발했다. 불과 몇 십 년만에 엄청난 진보를 했지만 아직은 부족한 면이 없잖아 있다. 대부분의 회사들은 각 프로세스별 소프트웨어와 시스템을 별도로 관리를 해왔고 그 곳에서 나오는 각 각의 데이터들을 통합적으로 관리하고 분석하는 도구(Tool)는 부족한 상태이다. 특히, 실시간(Real-time)으로 생성되는 데이터들을 즉각 의사결정까지 반영할 수 있도록 자동 수집하고 분석하는 방법은 아직도 구현조차 못한 기업이 대부분이다. Quality 4.0은 이제 인공지능(AI), 모바일(Mobile),  클라우드(Cloud), 빅 데이터(Big Data)를 활용하여 공정의 말단부터 경영진의 신속한 의사 결정까지의 효율성을 극대화하고 지연으로 인한 비지니스 손실을 최소화하고자 한다.   Quality 4.0은 품질 시스템에서 개별 소프트웨어와 시스템 그리고 엑셀로 해오던 일들을 통합적으로 관리할 수 있는 '데이터 관리 시스템'에 초점을 두고 있다. 우리나라에서도 벌써 많은 제조업 회사들이 IT시스템을 적극적으로 도입하여 이런 것을 갖추고자 노력하고 있다. 하지만 이런 시스템을 갖추기 위해서는 우선 기존의 엑셀, 소프트웨어, 시스템에서 데이터 메트릭스(Data Metrics)를 어떻게 구성하고 있는지를 알아야 한다. 보통은 사람이 특정 소프트웨어나 시스템으로부터 데이터를 복사해 와서 엑셀 하나에 행렬로 구성하고 그 안에서 수식과 매크로들로 2차 가공을 하여 원하는 지표를 산출한다. 또한 그렇게 산출된 데이터를 다시 사람이 프레젠테이션이나 워드프로세서의 형태로 3차 가공을 통해 보고서로 만들어야 한다. 이 얼마나 쓸데없는 시간 낭비인가? 이제는 그런 시대는 끝났다. 앞으로는 수많은 소프트웨어와 시스템이 실시간으로 만들어내는 빅 데이터들을 하나로 모아서 자동으로 가공하고 분석하는 '데이터 관리 시스템'이 대세가 될 것이라고 본다. 결국 여기서 뒤쳐진 기업들은 의사결정의 속도와 비지니스의 성장에서 뒤쳐지게 될 것이다.   제약회사 품질 시스템의 경우에는 규제 산업으로 어느 제조업 현장보다도 컨트롤하고 있는 센서와 거기서 생성되는 데이터가 많다. 특히, 인체 투여를 위해 만들어지는 의약품의 경우에는 미생물, 내독소 혹은 불순물이 있을 경우 환자에게 치명적일 수 있다. 물론 매 공정 단계마다 이런 것을 다 사람이 분석하고 확인하여 시스템에 결과값을 입력한다. 하지만 개별 소프트웨어나 시스템이 이런 결과값을 자동으로 가공해주고 보고해주지는 않는다. 결국 이런 곳에서 지연되고 의사결정이 늦어져 제품을 폐기해야 하는 중대한 사업적 손실이 발생할 수 있다. 또한, 설비와 공정 전반에 대한 모니터링과 추세분석도 규제기관에서 요구하는 바인데 여기서 발생하는 문제점도 보고 과정에서 사람을 거치다보면 누락되거나 늦어지는 경우도 있을 수 있다. 결국엔 규제 환경도 IT 혁명에 맞춰서 바뀌어 갈 것이고 이런 데이터 관리 시스템을 갖추지 않은 회사는 규제 기관의 실사나 감사에서 실패할 위험성도 커지지 않을까 싶다.   앞으로 조심스럽게 제약회사에서는 어떤 인력이 우대를 받을까 예측을 해보려 한다. 특성 상 제약회사에는 화학/화학공학/생물학/생명공학 전공자들이 많다. 사실 이런 전공자들이 IT 역량까지 갖추는 건 시간적으로 너무 어렵고 코딩을 따로 배울 순 없다. 그런데 코딩 수준의 엄청난 역량을 요구하는 것은 아니다. 과거에는 꼼꼼하게 문서 검토를 잘 하고 보고서를 예쁘게 잘 작성하는 사람이 각광을 받았다고 하면 이제는 아니다. 지금은 엑셀 파일을 관리하고 구축하는 사람이 각광받는 시대이다. 내가 시스템에서 복사해온 데이터를 어떻게 수식을 걸어서 가공하고 피벗 테이블을 작성하는지 그런 로직(Logic)을 머리에 가지고 있는 사람이 인재가 될 것이다. 흔히 이런 사람들을 데이터 엔지니어 혹은 분석자(Data Engineer or Analyst)라고 한다. 결국 엑셀로 관리했던 데이터를 소프트웨어로 관리하기 위해서는 개발 과정이 필요한데, 현업 데이터 엔지니어들이 개발 과정에서 많은 노하우와 인풋을 줄 것이기 때문에 그만큼 중요한 인재들인 것이다.   끝으로 정리를 해보면 이렇다. 앞으로는 IT 시스템을 적극적으로 도입하고 그런 것을 관리하고 개발할 수 있는 적절한 조직을 갖춘 제약회사가 크게 성장할 것으로 예상한다. 그리고 사람의 경우에는, 신입과 경력직에 상관 없이 데이터를 관리하고 분석하는데에 익숙하고 새로운 소프트웨어와 인터페이스에 금방 적응하는 사람이 핵심 인재가 될 것이라 예상한다.

[Writing, Speaking > Listening, Reading] 수능이 끝이 아니다. 영어는 끊임 없이 노력해야 한다. 중고등학교 교육 과정이 듣기와 읽기에 편중 되었다고 한다면 대학교에서는 쓰기와 말하기를 집중적으로 향상시켜야 한다. 너무 당연해서 뻔한 이야기지만 실례를 들면 이렇다. 필자가 다니는 회사는 문서의 80% 이상이 영어다. 읽고 바로 이해가 되는 수준이 아니라면 처음 들어온 신입사원들은 굉장히 애를 먹는다. 읽는 것보다 더 중요한 것은 쓰기다. 소위 College Writing이라고도 불리우는데, 우리나라의 대학 교양 중 심심치 않게 볼 수 있는 학문적 글쓰기를 영어로 풀어나간다고 보면 된다. 특히, 필자와 같은 이공계 인원들은 Scientific한 용어들까지 곁들어가며 치밀하고 전략적으로 글을 써나가야 되기 때문에 여간 애를 먹는게 아니다. 이런 글쓰기는 각 나라의 약전(Phamacopoeia)이나 WHO, ICH, PIC/S 등에서 발간한 Guideline을 기반으로 작성해야 한다. 따라서, 기회가 된다면 영어로 된 좋은 글들을 읽고 문장을 익혀두면 큰 도움이 될 것이다. 실제로 쓰기를 직접해보는데에는 영어 자기소개서 쓰기만큼 좋은게 없다. 논문도 이에 속하지만, 학부생이 논문을 자주 쓰는 일은 드물 것 같다. 말하기의 경우에는 해외 업무를 담당하는 직무가 아니라면 보통 사용할 일은 거의 없다. 그러나, 열심히 써놓은 글을 누군가에게 영어로 말해야 할 타이밍은 분명히 온다. 보통 실무에서 외국인과 대화를 하게 되는 경우는 이렇다. 업무 중 해외 공급자와 대화로 얘기를 해야될 때, 각 국 식약처 감사자를 응대할 때, 사내 관리진에 있는 외국인 보스들과 대화할 때이다. 필자 회사의 경우지만 다른 회사도 크게 다르진 않을 것이다. 특히, 회사 내에 있는 외국인들은 부장 혹은 이사급인 경우가 많다. 그래서 논리 정연하게 하고 싶은 말을 할 수준은 되는 것이 좋다. 물론 외국대학을 나온 동료들이 커버를 하는 경우가 많지만, 나 또한 언제든 가능한 상태가 되어야 한다. 마지막으로 뻔한 얘기지만, 놀기 바쁜 대학 시절 조금만 시간을 할애해서 위와 같은 능력들을 배양해둔다면 취업 시 양질의 일자리를 얻을 수 있는 확률은 높아진다. 구체적으로 어떻게 실력을 향상시킬지는 대학 다니는 사람들이라면 공부하는 비법은 어느 정도 알기 때문에 각자 잘 할 수 있을 것이다(방법은 각자가 노력해서 찾아야 한다). 이런 이야기를 하는 것은 필자도 지금에 와서 눈에 보이는 것이지만, 이런 능력들을 배가해서 양질의 일자리를 얻게 되면 보통 그 회사는 국내시장이 아닌 글로벌시장을 공략할 공산이 크다는 것이다. 우리나라는 시장이 너무 작다. 우리나라에선 기껏해야 200억원어치 팔 것을 미국은 2조 시장이다. 실제로 그러하다. 쓸모없는 스펙 쌓기 보다는 진짜 필요한 내실을 다지자.