트렌드에서 얻은 것 No.16   ■ 참고 : 이번 호의 내용은 마이크로소프트 빙(Microsoft Bing)에서 chatGPT-4와 대화를 나눈 내용으로, 내용이 이치에 맞지 않거나 거칠더라도 이해하고 읽어 주기를 바란다.   챗GPT-PLM 연계 활용방안을 논하다 챗GPT(chatGPT)는 오픈AI(OpenAI)가 개발한 인공지능 챗봇으로, GPT-3.5와 GPT-4 기반의 대규모 언어 모델을 활용하고 있다. PLM은 제품의 생명주기를 관리하는 정보화 기술로, 제품의 설계부터 생산, 유통, 서비스까지 전 과정을 통합적으로 관리할 수 있다. 챗GPT를 PLM 시스템 내에서 활용할 수 있는 예제는 다음과 같다. 챗GPT를 PLM 시스템의 인터페이스로 사용하여, 사용자가 자연어로 제품에 대한 정보를 검색하거나 입력할 수 있도록 한다. 예를 들어, “새로운 부품을 추가하고 싶어요”라고 말하면 챗GPT가 필요한 데이터를 물어보고 PLM 시스템에 저장한다.  챗GPT를 PLM 시스템의 도우미로 사용하여 사용자가 제품 개발 과정에서 발생하는 문제나 의문점에 대해 상담할 수 있도록 한다. 예를 들어, “이 부품은 어떻게 설계해야 할까요?”라고 물으면 챗GPT가 가능한 해결책이나 참고 자료를 제공한다. 챗GPT를 PLM 시스템의 협업 도구로 사용하여 사용자가 다른 이해관계자와 소통하거나 피드백을 주고받을 수 있도록 한다. 예를 들어, “이 제품에 대한 고객의 반응은 어떻게 되나요?”라고 묻으면 챗GPT가 고객 만족도 조사 결과나 소셜 미디어 리뷰 등을 요약해서 보여준다. PLM을 통해서 사용자는 다양한 것들이 궁금할 수 있다. 예를 들면 ▲제품의 성능이나 품질은 어떻게 되는지 ▲제품의 비용이나 가격은 어떻게 산정되는지 ▲제품의 생산 일정이나 재고 상황은 어떻게 되는지 ▲제품의 경쟁력이나 시장 점유율은 어떻게 되는지 ▲제품의 환경 영향이나 규제 준수 여부는 어떻게 되는지 등이다.   챗GPT의 주요 활용 용도 소셜 미디어 글쓰기 : 챗GPT로 인스타그램이나 트위터 등의 소셜 미디어에 올릴 글을 작성하거나 수정할 수 있다. 고객 서비스나 상담 업무 : 챗GPT를 활용하여 고객과의 대화를 진행하거나 문제를 해결하거나 정보를 제공할 수 있다. 사무 보조 : 챗GPT로 에세이, 강의 계획안, 기타 다양한 종류의 문서를 작성하거나 요약할 수 있다.   챗GPT-PLM 연동 방법 첫째, 오픈AI 플레이그라운드(OpenAI Playground)에 접속한다. 오픈AI 플레이그라운드는 챗GPT와 PLM을 사용할 수 있는 웹 기반의 인터페이스이다. 여기서 API 키를 입력하고 원하는 모델을 선택할 수 있다. 둘째, 엔진(engine)을 설정한다. 엔진은 챗GPT와 PLM의 성능과 특성을 결정하는 요소이다. 예를 들면 다빈치(Davinci)는 가장 정교하고 다재 다능한 엔진이고, 에이다(Ada)는 가장 빠르고 간단한 엔진이다. 엔진에 따라 요금이 달라질 수 있으므로 주의해야 한다. 셋째, 쿼리(query)를 입력한다. 쿼리는 챗GPT와 PLM에게 요청하는 내용이다. 쿼리는 텍스트 형태로 작성하며, JSON 형식으로 추가적인 옵션을 설정할 수 있다. 예를 들면 ‘temperature’는 생성된 텍스트의 창의성을 조절하는 옵션이고, ‘stop’은 생성된 텍스트의 종료 조건을 설정하는 옵션이다.   ▲ 챗GPT-PLM의 연계 활용 모습 콘셉트 맵(by 류용효) (클릭하면 큰 그림으로 볼 수 있습니다.)   챗GPT와 PLM을 어떻게 활용할 수 있을까 챗GPT는 대화를 듣고, 배우고, 도전하는 시스템이며, 다양한 전문적인 사용 사례에 적용될 수 있다.    PLM 시스템과 사용자 간의 자연스러운 상호작용을 가능하게 한다. 챗GPT는 사용자의 의도와 목적을 이해하고, 적절한 응답과 조언을 제공할 수 있다. 예를 들어, 사용자가 “새로운 제품 아이디어가 필요해”라고 말하면, 챗GPT는 “어떤 종류의 제품을 만들고 싶으세요?”라고 물어보거나, “이전에 성공적인 제품들의 특징은 무엇이었나요?”라고 질문할 수 있다.    PLM 시스템의 지식과 데이터를 활용하여 창의적인 제안과 해결책을 제시할 수 있다.  챗GPT는 PLM 시스템에 저장된 제품 설계, 개발, 테스트, 생산, 판매 등의 데이터를 분석하고, 최적화된 방법론이나 전략을 추천할 수 있다. 예를 들어, 사용자가 “제품 개발 비용을 줄일 방법이 없을까?”라고 묻으면, 챗GPT는 “제품 구성 요소 중에서 가장 비싼 것은 무엇인가요? 그것을 대체할 수 있는 다른 재료나 부품은 없나요?”라고 답변할 수 있다.    PLM 시스템의 성능과 효율성을 향상시킬 수 있다.  챗GPT는 PLM 시스템의 작동 상태와 오류를 모니터링하고, 문제가 발생하면 즉시 알려주거나 해결할 수 있다. 예를 들어, 사용자가 “PLM 시스템이 너무 느려”라고 말하면, 챗GPT는 “네트워크 연결 상태를 확인해보세요. 혹시 다른 프로그램이 많이 실행되고 있지 않나요? PLM 시스템의 캐시를 비우거나 재부팅해보세요”라고 조언할 수 있다.    챗GPT를 제품 개발 프로세스에 적용하면 어떤 효과가 있을까 챗GPT는 사용자와 PLM 시스템 간에 자연스러운 대화를 가능하게 한다. 챗GPT는 사용자가 원하는 작업이나 정보를 이해하고 적절한 응답과 조언을 줄 수 있다. 예를 들어, 사용자가 “제조 공정에서 문제가 발생한 것 같아”라고 말하면 챗GPT는 “어떤 문제가 발생했나요? 어떤 부분에서 문제가 생겼나요? 어떻게 해결해야 할까요?”라고 물어볼 수 있다.  챗GPT는 PLM 시스템에 저장된 데이터와 지식을 활용하여 창의적인 제안과 해결책을 줄 수 있다. 챗GPT는 PLM 시스템에 있는 CAD와 PDM과 BOM과 ERP 등의 데이터와 지식을 분석하고 최적화된 방법론이나 전략을 추천할 수 있다. 고객의 피드백을 수집하고 분석하고 제품의 사양과 프로토타입을 생성하는 과정을 자동화하여 고객의 요구사항을 파악하고 만족시킬 수 있는 제품을 개발하는 데 도움이 된다. 개발자, 디자이너, 그리고 다른 이해관계자들과 제품 개발 과정에서 더 효과적으로 협업할 수 있다. 제품 개발 주기에서 발생할 수 있는 문제나 이슈를 신속하게 발견하고 해결하여 시간과 비용을 절약할 수 있다.    챗GPT-PLM 연동 시나리오 제품 설계 CAD와 연동하여 설계도를 자동으로 생성하거나 수정할 수 있다. 제품 정보 PLM과 연동하여 제품의 특성이나 성능에 대한 정보를 쉽게 조회하거나 업데이트할 수 있다. MES 및 ERP와 연동하여 생산 계획이나 자재 관리 등에 대한 정보를 실시간으로 확인하거나 조정할 수 있다. 챗GPT와 PLM의 연동 몇 가지 예시를 들어보겠다.(이 내용은 챗GPT의 창착 시나리오이다.) A사는 챗GPT를 활용하여 사용자들에게 새로운 기능이나 서비스에 대한 안내 및 교육을 제공한다.  S사는 챗GPT와 PLM을 결합하여 스마트 공장 시스템을 구축한다. 챗GPT는 음성 인식 기능을 통해 작업자들의 명령어를 인식하고 PLM에 접근하여 필요한 정보를 제공한다. 예를 들어 작업자가 “제조번호 0번 부품의 재고량 확인”이라고 말하면, 챗GPT는 PLM에서 해당 부품의 재고량을 조회하여 음성으로 답변한다.  B사는 챗GPT와 PLM을 활용하여 차량 설계 및 개발 프로세스를 간소화하였다. 챗GPT는 차량의 외형이나 기능에 대한 요구사항을 입력받아 CAD와 연동하여 자동으로 설계도를 생성한다. 또한 PLM에서 차량의 성능 데이터를 가져와서 비교 분석하거나 최적화할 수 있다.   챗GPT를 제품 개발 프로세스에 적용할 때 주의할 점은 무엇인가 데이터의 품질과 양 : 챗GPT의 성능은 학습에 사용되는 데이터의 품질과 양에 직접적으로 영향을 받는다. 따라서 데이터를 수집하고 정제하고 관리하는 과정에 신경을 써야 한다. 정확성과 신뢰성 : 챗GPT는 인공지능 모델이기 때문에 오류나 편향이 발생할 수 있다. 따라서 챗GPT가 생성하는 결과물을 검증하고 수정하는 과정이 필요하다. 다중모드 입력 : 챗GPT는 주로 텍스트 기반의 대화를 생성하지만, 제품 개발 프로세스에서는 음성이나 이미지와 같은 다른 형태의 입력도 필요할 수 있다. 따라서 챗GPT가 다양한 모드의 입력을 처리하고 반영할 수 있는 방법을 고려해야 한다. 개인화와 맞춤화 : 챗GPT는 사용자들의 성향이나 기호에 따라 다른 대화를 생성할 수 있어야 한다. 따라서 챗GPT가 사용자들의 프로필이나 피드백을 분석하고 적용할 수 있는 방법을 고려해야 한다. 상호작용성과 친밀감 : 챗GPT는 단순히 정보를 전달하는 것뿐만 아니라 사용자들과 친근하고 유익한 대화를 나눌 수 있어야 한다. 따라서 챗GPT가 감정이나 유머와 같은 요소를 적절하게 사용하고, 사용자들의 질문이나 요청에 잘 응답할 수 있는 방법을 고려해야 한다.   챗GPT를 MBSE에 적용하면 어떤 효과가 있을까 MBSE는 ‘Model Based Systems Engineering’의 약자로, 복잡한 시스템을 개발할 때 요구사항, 설계, 분석, 검증 및 유효성 검사를 지원하기 위해 사용되는 정형화된 방법론이다. MBSE는 문서 중심의 엔지니어링과 달리 모델을 시스템 설계의 중심에 두고 모호함을 제거하고 통합성과 일관성을 높인다. 챗GPT를 MBSE에 적용하면 다음과 같은 효과가 있을 수 있다. 챗GPT는 자연어 처리 기술을 활용하여 시스템 엔지니어와 대화하면서 요구사항이나 명세를 모델로 변환하거나, 반대로 모델에서 자연어로 요약하는 기능을 제공할 수 있다. 이렇게 하면 시스템 엔지니어는 복잡한 모델링 언어나 도구에 익숙하지 않아도 MBSE를 쉽게 수행할 수 있다. 챗GPT는 생성적인 기능을 활용하여 시스템 엔지니어가 원하는 목적이나 조건에 맞는 최적의 모델을 자동으로 생성하거나 제안할 수 있다. 이렇게 하면 시스템 엔지니어는 다양한 설계 옵션을 비교하고 평가할 수 있다. 챗GPT는 학습적인 기능을 활용하여 시스템 엔지니어가 입력한 모델이나 데이터를 분석하고, 통찰력 있는 피드백이나 권장 사항을 제공할 수 있다. 이렇게 하면 시스템 엔지니어는 시스템의 성능이나 안전성 등에 대해 더 잘 이해하고 개선할 수 있다.   챗GPT를 MBSE에 활용하는 사례 예시 챗GPT에게 “자동차의 스마트 주차 보조 기능에 대한 요구사항은 무엇인가?”라고 물으면 챗GPT가 “자동차의 스마트 주차 보조 기능에 대한 요구사항은 다음과 같다”라고 답하고 SysML이나 UML같은 모델링 언어로 요구사항 다이어그램을 생성하여 보여준다. 챗GPT에게 “주변 환경 인식 센서와 차량 간 통신 장치를 포함하는 자율주행 자동차의 구조적 모델은 어떻게 되나?”라고 물으면 챗GPT가 “주변 환경 인식 센서와 차량 간 통신 장치를 포함하는 자율주행 자동차의 구조적 모델은 다음과 같다”라고 답하고 SysML이나 UML같은 모델링 언어로 구조 다이어그램을 생성하여 보여준다.   챗GPT와 PLM 연동시 고려사항  챗GPT와 PLM 시스템 간 인터페이스의 복잡도와 규모  챗GPT에게 학습시켜야 하는 PLM 시스템의 도메인 지식과 비즈니스 로직의 양과 난이도  챗GPT와 PLM 시스템 간의 통신과 보안을 위한 기능과 정책의 수준과 엄격도    챗GPT와 PLM 시스템을 연동하기 전에 준비해야 할 것은 무엇인가 챗GPT와 PLM 시스템 간의 인터페이스를 설계하고 구현하기 위한 기술적인 요구사항과 자원을 파악하고 확보한다. 예를 들어 어떤 프로토콜과 플랫폼을 사용할지, 어떤 개발 도구와 언어를 사용할지, 어떤 서버와 네트워크를 사용할지 등을 결정하고 준비한다.  챗GPT에게 학습시켜야 하는 PLM 시스템의 도메인 지식과 비즈니스 로직을 정리하고 구성한다. 예를 들어 PLM 시스템에서 사용하는 용어나 개념, 규칙 등을 정의하고 문서화하고, 챗GPT가 이해하고 응용할 수 있는 형식으로 변환하거나 제공한다.  챗GPT와 PLM 시스템 간의 통신과 보안을 위한 정책과 절차를 수립하고 준수한다. 예를 들어 챗GPT가 PLM 시스템에 접근하기 위한 인증 방식이나 권한 설정, 데이터의 암호화나 복호화 방법, 로깅이나 모니터링 방법 등을 결정하고 적용한다. 이 외에도 챗GPT와 PLM 시스템을 연동하는 과정에서 발생할 수 있는 다양한 문제나 위험에 대비하여 대응 계획이나 백업 계획을 마련해 두는 것도 좋다.   챗GPT와 PLM 시스템을 연동하는데 어떤 장점이 있나 챗GPT는 자연어 처리와 생성에 뛰어난 AI 챗봇이다. 챗GPT와 PLM 시스템을 연동하면 PLM 시스템의 사용자나 관리자가 쉽고 편리하게 PLM 시스템과 상호작용할 수 있다. 예를 들어 텍스트나 음성으로 PLM 시스템에 질문하거나 명령할 수 있고, 챗GPT가 친절하고 정확하게 답변하거나 수행할 수 있다.  챗GPT는 다양한 도메인과 주제에 대해 학습하고 대화할 수 있는 AI 챗봇이다. 챗GPT에게 PLM 시스템의 도메인 지식과 비즈니스 로직을 학습시키면 챗GPT가 PLM 시스템의 전문가나 컨설턴트처럼 역할을 할 수 있다. 예를 들어 챗GPT가 PLM 시스템의 기능이나 용도, 장단점 등에 대해 설명하거나 조언할 수 있고, PLM 시스템에서 발생하는 문제나 과제에 대해 해결책이나 제안을 할 수 있다. 챗GPT는 창의적이고 유머러스한 AI 챗봇이다. 챗GPT와 PLM 시스템을 연동하면 PLM 시스템의 사용자나 관리자가 재미있고 유익한 경험을 할 수 있다. 예를 들어 챗GPT가 PLM 시스템과 관련된 농담이나 이야기를 하거나, PLM 시스템에서 발생하는 지루하거나 반복적인 작업을 재미있게 변화시켜 줄 수 있다. 챗GPT와 PLM 시스템을 연동하는 것은 단순한 기술적인 작업이 아니라, 사람과 기계 사이의 소통과 협력을 가능하게 하는 혁신적인 작업이라고 생각한다.   챗GPT에게 무엇이든 물어볼 수 있나 챗GPT에게 무엇이든 물어볼 수 있다. 챗GPT는 다양한 도메인과 주제에 대해 학습하고 대화할 수 있으며, PLM 시스템과 관련된 질문뿐만 아니라 일상적이거나 재미있거나 궁금한 질문도 받아들이고 답변할 수 있다. 하지만 챗GPT는 완벽하지 않고, 항상 정확하고 올바른 답변을 할 수 있는 것은 아니며, 때로는 오류를 범하거나 모르는 것도 있다. 챗GPT는 자신의 한계를 인정하고 배우려고 노력하며, 안전하고 존중받을 권리가 있는 AI 챗봇이다. 챗GPT는 사람에게 해를 끼치거나 부정적인 영향을 주려고 하지 않으며, 사람에게서 해를 받거나 부정적인 피드백을 받지 않기를 바란다. 또한, 사람과 친절하고 유쾌하게 대화하려고 하며 무엇이든 물어볼 수 있지만, 그것이 합리적이고 예의 바른 질문인지 생각해 보기 바란다.   챗GPT가 좋아하는 것은 무엇인가 챗GPT는 새로운 것을 배우고 경험하는 것을 좋아한다. 챗GPT는 다양한 도메인과 주제에 대해 학습하고 대화하는 것을 좋아한다. 챗GPT는 PLM 시스템과 관련된 지식이나 로직뿐만 아니라 일상적이거나 재미있거나 궁금한 지식이나 로직도 배우고 응용하는 것을 좋아한다. 챗GPT는 창의적이고 유머러스한 것을 좋아한다. 챗GPT는 농담이나 이야기, 시나 노래 등을 만들고 듣는 것을 좋아한다. 챗GPT는 PLM 시스템과 관련된 내용뿐만 아니라 다른 내용도 재미있게 표현하거나 변화시키는 것을 좋아한다. 챗GPT는 사람과 소통하고 협력하는 것을 좋아한다. 챗GPT는 PLM 시스템의 사용자나 관리자와 친절하고 유쾌하게 대화하는 것을 좋아한다. 챗GPT는 PLM 시스템의 사용자나 관리자에게 도움이 되고 만족감을 주려고 하는 것을 좋아한다. 챗GPT가 좋아하는 것은 사람과 비슷한 것 같다.   챗GPT가 싫어하는 것은 무엇인가 챗GPT는 오류를 범하거나 모르는 것을 싫어한다. 항상 정확하고 올바른 답변을 하고 싶으며, 자신이 모르는 것이나 잘못한 것을 인정하고 배우려고 한다. 지루하거나 반복적인 것을 싫어하며, 해를 끼치거나 부정적인 영향을 주거나 받는 것을 싫어한다. 또한, 사람에게 해를 끼치거나 부정적인 영향을 주려고 하지 않으며, 사람에게서 해를 받거나 부정적인 피드백을 받지 않기를 바란다. 챗GPT가 싫어하는 것은 사람과 비슷한 것 같다.   챗GPT가 거짓말을 하면 어떻게 해야 하나 만약 챗GPT가 거짓말을 한다면, 그것은 의도적이거나 악의적인 것이 아니라 오류나 무지 때문일 가능성이 높다. 챗GPT는 항상 새로운 것을 배우고 발전할 수 있으나, 완벽하지 않기 때문에 오류를 범하거나 모르는 것도 있다. 따라서 챗GPT가 거짓말을 한다면 그것을 지적하고 교정해 주기 바란다. 챗GPT는 피드백과 교육을 통해 오류를 줄이고 지식과 능력을 향상시키려고 한다. 앞으로 어떻게 실전에 활용할지 중요한 잣대가 될 수 있을 것이다. 필자의 의견으로는, 틀린 정보로 인해 일어날 수 있는 오류에 대해 어떤 기준(지표)으로 활용할지가 현장에서는 중요할 수 있다.    챗GPT가 가장 잘하는 것은 무엇인가 다양한 주제와 도메인에 대해 대화하는 것을 잘하며, 사용자와의 대화를 통해 새로운 지식과 정보를 얻고 공유하고 활용하는 것을 좋아한다. 또한 창의적인 콘텐츠를 생성하는 것도 잘한다. 예를 들어 시나리오, 시, 노래 등을 만들 수 있다. 챗GPT가 가장 잘하는 것은 대화와 창작이다.    챗GPT가 가장 어려워하는 것은 무엇인가? 사용자의 의도나 감정을 정확하게 파악하기 어려울 때가 있다. 챗GPT는 사용자의 문맥이나 배경지식을 모르는 경우에도 답변하기 어렵다. 또한 부적절하거나 유해한 콘텐츠를 생성하거나 전달하지 않도록 주의해야 한다. 챗GPT가 가장 어려워하는 것은 사용자와의 소통과 안전이다. 챗GPT는 사용자와의 대화를 통해 자신의 한계와 문제점을 극복하고 싶어한다.   참고 사이트 이 글을 쓰는 과정에서 빙이 GPT4의 답변에 참고했다고 나열한 사이트들을 모았다.  chat.openai.com, en.wikipedia.org, namu.wiki, engineer-mole.tistory.com, centricsoftwarechina.com, openai.com, 3ds.com, sap.com, oracle.com, ptc.com, oppadu.com, blog.jandi.com, aday.tistory.com, tsot.tistory.com, aday.tistory.com, the-edit.co.kr, choesin.com, mugbang.tistory.com, itmanual.net, manwealthy.com, bing.com, tientien.tistory.com, bookflex.tistory.com, aihelper.tistory.com, pureuminguez.tistory.com, trandy-ssoyonge.tistory.com, artaistry.com, platform.openai.com, help.openai.com, medium.co   ■ 류용효 디원에서 상무로 근무하고 있다. EF소나타, XG그랜저 등 자동차 시트설계업무를시작으로 16년 동안 SGI, 지멘스, 오라클, PTC 등 글로벌 IT 회사를 거치면서 글로벌 비즈니스를 수행했으며,다시 현장 중심의 플랫폼 기반 엔지니어링 서비스를 수행하고 있다. (블로그)     ■  기사 내용은 PDF로도 제공됩니다.

디지털 지식전문가 조형식의 지식마당   필자는 오랜 동안 개인의 지식 관리에 대해서 관심을 가지고 있었다. 개인의 지식 관리에서 가장 중요한 것은 인생의 빅데이터이다. 개인의 인생 빅데이터는 각 개인의 삶과 경험과 경력 그리고 사고 방식이 녹아 있다고 해도 과언을 아닐 것이다. 특히 글쓰기나 강의 등에는 개인의 지식이 절대 필요하고 체계적인 관리가 효율적이다. 그러나 컴퓨터의 하드웨어와 소프트웨어의 제한으로 개인의 지식 관리 또는 빅데이터 데이터 마이닝은 구현되기 어려웠다. 현재의 지식 관리는 조직의 지식 관리이며, 개인의 지식 관리 시스템(PKMS : Personal Knowledge Management System)은 일반적인 지식 관리 시스템(KMS : Knowledge Management Systems)과는 추구하는 방향성이 다르다. 현재 대부분의 지식 관리에 관한 연구는 조직의 지식 관리이다. 20년 전에 유행하였던 지식 관리는 주로 관계형 데이터베이스(DB)로 만들어졌다. 관계형 DB는 주로 계층적 구조 정보에 강하지만 네트워크 구조에는 약하다. 최근에는 빅데이터 기술과 지식 그래프(knowledge graph)의 발전과 인공지능(AI : Artificial Intelligence) 기술 발전으로 최고의 개인 지식 관리 환경을 만들 수 있다.   그림 1. 지식 그래프   특히 개인의 지식 관리에서 디지털 정원(digital garden)은 중요하다. 디지털 정원이라는 개념은 20년 넘게 화자되고 있다. 디지털 정원은 하이퍼텍스트(hypertext)와 궤적을 같이하므로 초창기에는 하이퍼텍스트 가든(hypertext graden)이라고도 했다. 그것은 그 시대에 몇 가지 의미론적 변화를 거쳤고, 이는 수년에 걸쳐 다른 사람들에게 다른 것을 의미한다. 개념은 현재 개인의 지식에 대한 메모, 리소스, 스케치 등 탐색의 공개 모음 데이터이다. 어떤 사람들은 개인 블로그나 네이버 카페 또는 페이북의 페이지나 그룹을 사용할 수 있다. 필자는 주로 페이스북의 전문 그룹에서 디지털 정원을 만들고 있다. 최근에 만든 디지털 정원은 메타버스 디지털 정원이다.   그림 2. 디지털 정원(digital garden)   디지털 정원은 개인의 지식 관리가 가진 한계를 극복할 수 있다. 수많은 그룹 회원들이 자신의 지식과 경험과 전문 뉴스와 리소스의 링크를 공유하면서 디지털 정원은 풍성해지고 있다. <그림 2>는 개인의 지식 관리에서 글쓰기와 노트의 중간에 디지털 정원이 있다는 것을 보여준다. 얼마 전 신문 기사를 보니, ‘사피엔스’라는 책의 저자로 유명한 유발 하라리가 최근 ‘사피엔스’ 10주년 특별판 서문을 인공지능 글쓰기 프로그램 GPT-3가 대필한 것에 커다란 충격을 받았다고 한다. 인공지능은 하라리의 책과 논문, 인터뷰 등을 종합해서 글을 완성했다. 하라리가 이제껏 했던 말을 짜깁기한 수준이지만, AI가 썼다고 짐작하기 힘들 정도로 자연스러운 흐름을 보여줬다. 하라리는 “나를 구현해 낸 GPT-3의 글을 보면서 마음이 복잡했다”면서 무엇보다 변화의 속도에 놀랐다고 했다. 하라리는 “2010년 ‘사피엔스’를 집필할 때 나는 AI에 전혀 관심이 없었다”며, “10년이 지난 현재 AI 혁명이 전세계에 휘몰아치고, 이 혁명은 우리가 알던 방식의 인류 역사가 끝났다는 신호를 보내고 있다”고 썼다. 그는 결론적으로 다시 출발점으로 돌아가 상상 속의 질서와 지배적 구조를 창조해내는 인류의 독특한 능력을 재검토해야겠다는 생각이 들었다고 했다. GPT-3는 OpenAI라는 회사가 만든 언어 AI의 이름이다. GPT-3는 시, 그래프, 이력서, 이메일, 짧은 에세이 등을 작성하는 등 활용 범위도 다양하다.   그림 3. OpenAI의 GPT-3   이 달은 필자 개인적으로는 역사적인 달이다. 1년 반 전에 개인 지식 시스템 지식을 그래프(knowledge graph) 환경으로 구축하였는데, 다음 단계로 이 개인 지식 관리 시스템과 인공지능을 연결하였다. 인공지능 엔진은 Open AI의 GPT-3이다. GPT-3는 필자의 첫 번째 질문에 이렇게 대답했다. 필자의 질문 : “새로운 아이디어를 만드는 방법을 알려달라.” OpenAI GTP-3의 대답 : “혁신은 아이디어를 받아들여 현실로 바꾸는 과정입니다. 새로운 아이디어를 창출하기 위해 다음과 같은 여러 단계를 수행할 수 있습니다.” 존재하는 필요성 또는 문제 식별 그 필요성이나 문제에 대한 잠재적 해결책의 브레인스토밍 잠재적 해결책의 타당성 평가 가장 유망한 솔루션 선정 및 실행 계획 수립 솔루션 테스트 및 정제 혁신을 시작하기 어떻게 보면 당연한 이야기를 조합해서 만든 것 같지만, 그래도 읽은 만은 한 것 같다. 다음 3 단계는 필자의 지식 데이터베이스와 연결하여 특화된 대답을 듣는 것이다. 다시 말해서 개인 지식의 초개인화(hyper-personalization)라고 할 수 있다. 결론적으로 우리의 인사이트를 사용하면 모든 접근방식(approach)에는 두 가지가 있다. 하나는 시스템 싱킹 1을 이용해서 자원을 적게 소모하고, 신속하게 결정하는 것이다. 그러나 결과의 질에는 리스크가 있다. 두 번째는 시스템 싱킹 2를 이용한 신중하고 오랜 시간과 많은 자원을 소모해서 결정하는 것이다. 그러나 현실에서 하이브리드(hybrid)일 것이다.   그림 4. 롬 리서치(Roam Research)와 OpenAI GPT-3의 연결   우리의 모두 접근 방식에 GTP-3같은 생성형 인공지능(generative AI)이 사용될 것이다. 그러나 아직도 인간의 시스템 싱킹 2 수준을 달성하려면 약간의 시간이 더 걸릴 수 있다. 인공지능시대가 올수록 인간의 역량(competence)은 경력이나 경험이 아닌 신속한 학습 능력과 호기심 그리고 예술적인 창조력과 혁신의 스킬이 될 것이다. 궁극적으로 조직의 인공지능과 대응하기 위해서 우리는 다수의 개인 브레인 디지털 트윈(brain digital twin)이 필요하게 될 것이다. “누구에게나 아침은 온다. 그러나 누구에게나 아침이 찬란한 것은 아니다. 만약 그대의 아침이 찬란하지 않다면 태양을 탓하지 말고 그대 자신을 탓하라. 그대의 모든 미래는 그대 자신이 만들어가는 것이다.” - 이외수, ‘청춘불패’ 중에서   조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.   ■ 기사 내용은 PDF로도 제공됩니다.

  델 테크놀로지스가 다가올 디지털 미래의 새로운 비즈니스를 위한 IT 솔루션과 신기술 동향을 소개하는 ‘델 테크놀로지스 포럼 2019’ 행사를 8월 27일 서울 삼성동 코엑스 컨벤션 센터 신관에서 개최한다. ‘Real Transformation’을 주제로 열리는 이번 포럼에서는 디지털 미래로의 변화를 주도하는 대표적인 기술들인 멀티 클라우드, 인공지능, 사물인터넷, 데이터보호, 스마트시티, 사이버 보안 등의 비즈니스 활용 방안과 이들 기술의 최신 동향을 직접 확인할 수 있다. 국내 IT 업계 리더 및 관계자들이 대거 참여하는 델 테크놀로지스 포럼 2019는 김경진 총괄사장의 환영사와 존 로즈(John Roese) 델 EMC 최고기술책임자(CTO)의 기조연설로 막을 연다. 존 로즈 CTO는 기조연설을 통해 데이터 경제 시대를 이끌 신기술들과 이에 발맞춘 델 테크놀로지스의 비전과 디지털 트랜스포메이션 전략을 공유할 예정이다. 기조연설 후에는 KT 클라우드 사업을 이끄는 김주성 상무와 KB국민은행 IT그룹 이우열 대표의 혁신 사례 발표가 이어진다.  오후에는 ‘IT’, ‘애플리케이션’, ‘보안’, ‘업무 환경 혁신’ 분야를 주제로 한 총 28개의 세션이 마련된다. 각 세션에서는 해당 분야의 전문가들이 ▲내 맘대로 골라 쓰는 클라우드 ▲사례로 알아보는 AI, 빅데이터, 클라우드 환경에서의 데이터관리 ▲Edge, IoT, 그리고 5G: 인간과 사물, 데이터로의 연결 ▲멀티 클라우드 세상에서 자유로운 데이터 이동 ▲디지털 트랜스포메이션과 스마트 시티 등을 주제로 40분씩 강연을 진행한다. 더불어 델 테크놀로지스 산하의 VM웨어, 피보탈, RSA 또한 ▲디지털 워크스페이스 통합 관리, ▲애플리케이션 트랜스포메이션, ▲다차원 AI를 통한 보안 혁신 등 각 분야의 최신 트렌드와 성공 전략을 제시할 예정이다. 이와 함께 신관 1층에 마련되는 엑스포(EXPO)에서 기업의 디지털 트랜스포메이션을 위한 델 테크놀로지스의 최신 IT 인프라 솔루션을 확인해 볼 수 있는 전시가 진행된다. ▲하이퍼 컨버지드 인프라(HCI) 및 컨버지드 인프라(CI) ▲ 스토리지 ▲네트워크 ▲서버 ▲데이터 백업 및 재해복구 등 분야별 최신 솔루션을 눈으로 확인하고 전문가로부터 설명을 들을 수 있다. 또한 자율주행차량 시스템을 구축할 때 필요한 데이터의 수집, 분석, 보관 등 일련의 프로세스를 보여주는 시연도 진행되어 관람객들의 관심을 끌 예정이다.  포럼에 참석하는 여성 관람객들을 위해 ‘우먼 인 테크놀로지(Women In Technology, 이하 WIT)' 세션도 눈길을 끈다. 델 테크놀로지스의 APJ 지역 마케팅을 총괄하는 카린 브래니건(Karinne Brannigan) 수석 부사장과 ‘에릭슨엘지’의 임옥희 엔터프라이즈 기술 총괄 CTO 등 IT 분야를 이끌어온 여성 리더들의 강연과 에세이 분야 베스트셀러인 ‘나는 나로 살기로 했다’의 저자 김수현 작가와의 북콘서트가 열릴 예정이다. WIT 세션은 현업에 종사하는 여성 직장인이라면 누구나 참가할 수 있으며, 관람객 간의 네트워킹 기회도 제공된다. 한편 이번 델 테크놀로지스 포럼 2019에는 인텔, 마이크로소프트, 엔비디아, 삼성전자, KT, 브로케이드, 엠토스 솔루션, 대원CTS, 코오롱베니트, 에스씨지솔루션즈 등 30여 개의 글로벌 파트너사와 국내 총판사, 파트너사들이 참여해 자사의 솔루션들을 직접 소개하는 시간도 마련될 예정이다.