도구의 시대를 지나 운영 모델의 시대로   디지털과 현실을 잇고 아이디어를 실제 가치로 구현하는 방식, 오토데스크가 말하는 ‘디자인 & 메이크(Design & Make)’다. 7월 15일에 열린 ‘오토데스크 디자인 & 메이크 서밋 코리아 2026’은 그 진화를 이끄는 세 개의 키워드(데이터, AI, 컨버전스) 를 축으로 구성되었다. 기조연설로 문을 열고, 세 곳의 고객 성공 사례가 이어졌으며, 오토데스크 코리아의 AI 세션으로 마무리되는 하루였다. 필자가 이날 현장에서 받은 인상을 한 문장으로 요약하면 이렇다. “지난해가 ‘어떤 도구를 써야 하나’로 우왕좌왕하던 시기였다면, 올해의 화두는 ‘어떤 데이터를 어떤 거버넌스로 다룰 것인가’로 옮겨 갔다.” 마지막 세션에서 오토데스크코리아의 정태승 박사가 던진 이 진단은 사실 그날 발표자 대부분이 서로 다른 언어로 반복한 말이기도 했다. 도구(BIM)는 이미 전제가 되었고, 승부처는 그 위에 쌓이는 데이터와 그것을 운영하는 방식으로 넘어가고 있었다.   ▲ 오토데스크 디자인 & 메이크 서밋 코리아 2026 현장   기조연설 — 새로운 청사진, 그리고 모두를 위한 디자인 이번 행사의 기조연설은 오토데스크의 켄 푸(Ken Foo) 전략 파트너십 부사장이 맡았다. ‘The New Blueprint : Data, AI, and Convergence’라는 제목처럼, 데이터·AI·산업 융합이 기업의 운영 방식을 어떻게 재편하는지를 조망했다. 프로젝트는 갈 수록 복잡해지고 수익성 압박은 커지는데, 연결된 데이터와 플랫폼, 그리고 워크플로에 내장된 AI가 의사결정과 리스크 관리, 업무의 예측 가능성, 효율과 품질, 나아가 혁신을 어떻게 끌어올릴 수 있는지가 핵심 메시지였다. 고객 기조연설은 현대자동차 제네시스의 송지현 실장과 이준호 책임연구원이 ‘Nanomobility – Design for All’을 주제로 진행했다. 이동약자와 도시의 이동 문제에서 출발한 나노 모빌리티가 포용적 디자인과 제품 혁신으로 발전하고, 오토데스크 설루션 기반의 워크플로를 통해 더 가볍고 강하며 제조 가능한 구조로 구현된 과정을 소개했다. 현대자동차 제네시스의 나노 모빌리티 사례는 ‘디자인’ 과 ‘메이크’가 하나의 흐름으로 이어지는 구체적인 예시였다.   고객 성공 사례 세 편 — 다른 출발점, 같은 결론 GS건설, 간삼건축, 삼우종합건축사사무소가 연달아 무대에 올라 각자의 현실적인 고민과 시도를 공유했다.   GS건설 — CDE로 ‘흩어진 정보’를 연결하다 GS건설 디지털건설팀의 조재영 팀장은 아주 현실적인 질문으로 발표를 열었다. ‘현장에서 최신 정보를 확인하려면 몇 개의 시스템을 뒤져야 할까?’ 도면은 도면 시스템에, BIM은 별도 서버나 담당자 PC에, 이슈는 메신저와 메일에, 검측 서류는 개인 PC와 휴대전화에 흩어져 있다. 정보가 없는 게 아니라, 서로 연결되어 있지 않다는 것이 문제다. 그 결과 무엇이 최종본이고 기준인지 확인하는 데만 많은 시간이 든다. 그 해법으로 제시된 것이 CDE(Common Data Environment, 공통 데이터 환경)다. 조 팀장은 CDE가 원드라이브 같은 단순 저장소가 아니라는 점을 강조했다. 최신 도면과 BIM, 시방, 이슈, 검측 사진 같은 ‘승인 정보’를 하나의 업무 흐름으로 연결하는 프로젝트 협업 공간이라는 것이다. 모든 참여자가 같은 승인 정보를 기준으로 일하고, 변경·검토·조치 과정이 기록되므로, 문제가 생겼을 때 누가 언제 어떤 정보를 기준으로 판단했는지 추적할 수 있다. 글로벌 건설사의 정보 관리는 파일 저장에서 출발해 사내 서버·EDMS를 거쳐, 영국발 정보 관리 기준(ISO 19650)이 확산되면서 상용 협업 플랫폼으로, 다시 클라우드·모바일 환경으로 발전해 왔다. 지금은 CDE를 PMS·ERP·데이터 레이크·AI와 연결해 전사 데이터 기반으로 확장하는 단계라는 설명이다. 특히 인상적이었던 것은 CDE와 ‘AI 도면 시스템’의 역할을 분명히 구분한 대목이었다. CDE가 답해야 할 질문은 “어떤 도면이 최신 승인본인가”(버전·승인 권한·배포·감사 이력)이고, AI 도면 시스템의 질문은 “이 도면에서 무엇을 찾고 분석할 수 있는가”(검색·비교·요약·오류 후보 탐지)다. 만약 AI 시스템이 승인·배포·버전 관리까지 떠안으면 사실상 또 하나의 CDE를 자체 개발·운영하는 부담을 지게 된다. 공식 기준 정보는 CDE가 관리하고, AI는 그 위에서 검토하는 구조가 바람직하다는 것이다. CDE 선택 기준으로는 여덟 가지 항목이 제시되었다. ISO 19650 기반 정보 관리 적합성 : 작성 중/공유/승인/보관 등 정보 상태 구분, 명명 규칙·고유 ID·메타데이터, 버전·워크플로·감사 추적·아카이브 도면 관리 : DWG·DGN·PDF 등 원본 형식과 외부 참조(Xref) 지원, 시트 단위 관리, OCR 속성 추출, 개정 전후 비교·마크업 BIM 지원 : 레빗(Revit)·나비스웍스(Navisworks)·IFC 등 주요 모델 조회, 건축·구조·설비 통합 검토, 간섭·설계 변경을 이슈로 전환 모바일 사용성 : 지하층·통신 음영 구간에서도 도면 확인, 이슈·체크리스트·사진을 도면 위치에 바로 연결 권한·보안 : 역할·폴더·문서 상태별 권한 구분, 인증·저장 위치·활동 로그 API·데이터 연계성 : PMS·공정·ERP·자재·원가·드론·레이저 스캔 연결, 데이터 레이크·AI 분석 활용 도입·표준화 용이성 : 표준 폴더·권한·워크플로 템플릿화, 한국어 지원, 국내 기술 지원, 확산성 비용·벤더 리스크 : 초기 구축비 외 라이선스·스토리지·교육·운영을 포함한 장기 총비용, 종료 시 데이터 반출과 종속성 조 팀장은 이 여덟 가지를 결국 세 개의 질문으로 압축했다. 공식 기준 정보를 제대로 관리할 수 있는가, 현장에서 실제로 쓸 수 있는가, 회사 시스템과 연계해 장기적으로 운영할 수 있는가. 이 조건을 폭넓게 충족하는 설루션은 많지 않은데, 오토데스크 포마(Forma)가 그 몇 안 되는 선택지에 든다는 것이 결론이었다. BIM 360과 컨스트럭션 클라우드(Construction Cloud, ACC)를 거쳐 지금은 포마를 중심으로 계획·설계·시공 데이터를 잇는 방향으로 발전하고 있고, 그 중심에 도면·문서·모델을 다루는 데이터 매니지먼트가 있으며 그 위에 Collaborate·Build·Takeoff와 초기 계획 기능이 얹힌다. 실제 적용 사례도 구체적이었다. 통도면을 시트 단위로 전환하면 변경된 도면만 새 버전으로 등록되고 개정 전후 비교가 가능해진다. 부담이 되던 통도면 분할은 GS건설이 AI OCR로 도면번호· 도면명을 인식해 자동 분할하는 웹 도구를 자체 개발해 써 왔는데, 최근에는 포마의 페이지·속성 추출 기능으로도 처리할 수 있게 되었다. 다만 잘못 인식된 정보가 그대로 기준이 되지 않도록 최종 검수는 반드시 필요하다는 단서를 달았다. 이 밖에 웹·태블릿에서의 BIM 접근, 도면·모델의 정확한 위치에 이슈를 등록하고 담당자·기한·상태를 지정하는 기능, 그리고 검측 서류의 준비·출력·제출 과정을 통째로 없앤 모바일 검측 사례가 소개되었다. 철근 검측 자동화(도면 속 부재명을 AI가 인식해 구조 일람과 연결)는 아직 개발 중이라고 밝혔다. 마지막으로 포마와 MCP(모델 콘텍스트 프로토콜)를 연결한 확장 실험을 공유했다. CDE의 도면·BIM·공정표·현장 데이터를 API로 LLM(대규모 언어 모델)에 연결해, 자연어로 특정 층 물량을 조회해 보고서로 받거나, 공정표 기반 CP(주공정) 분석, 구조 부재 Takeoff의 엑셀 내보내기, BIM 모델 기반 작업 위험 검토를 시험해 본 결과다. 최근 한글 지원이 개선되었고, 국가건설공사 표준시방·LH·도로·철도 등 국내 기준이 반영되면 활용도가 더 높아질 것이라는 기대도 덧붙였다. 조 팀장의 결론은 명료했다. “CDE는 하나의 시스템을 도입하는 것이 아니라, 프로젝트 구성원이 같은 정보를 기준으로 일하게 만드는 변화다.”   ▲ GS건설 조재영 팀장의 CDE·포마 적용 발표   ▲ GS건설 발표 인포그래픽(필자 생성 by Gemini)   간삼건축 — 데이터 자산화가 가져올 미래 간삼건축 이혁 INNOVATION 부문 대표의 발표는 세 사례 중 가장 서사적이고 성찰적이었다. 2008년 간삼건축에 합류해 십 수 년간 프로세스 효율화와 인적 자산 관리를 고민해 온 그는, “여전히 진행 중이고 실험적인 이야기”라며 담담하게 자사의 시행착오를 풀어놓았다. 출발은 2023년의 한 경험이었다. 연말에 급하게 작은 오피스를 호텔로 리모델링하는 기획설계를 맡게 되었는데, 유튜브에서 본 3D 모델링 기반 AI 렌더링을 처음 시도했다. 금요일 오전 세 시간 모델링, 오후엔 BIM 팀원과 함께 손을 보고, 두 시간 만에 50여 장의 이미지를 얻었다. 주말을 거쳐 결국 둘이서 14시간 만에 보고서를 완성했다. 그가 놀란 것은 이미지 품질이 아니라, ‘AI를 쓰면 우리 프로세스를 이렇게 압축할 수 있구나’라는 사실이었다. CAD와 스케치업이 각각 도면과 모델만 다루는 ‘반쪽짜리’라면, 라이노(Rhino)와 레빗으로 옮겨 모델링이 도면으로 직접 이어지고 AI로 이미지를 얻는 세상이 가능하다는 것. 그래서 그는 “AI를 잘 쓰려면 툴 자체가 바뀌어야 한다”고 말하며, “세상은 데이터로 넘어가고 있었다”고 덧붙였다. 간삼은 지난 5년간 여러 조치를 빠르게 진행했다. BIM 교육 동영상 배포, 전사 BIM 능력시험, CAD 허가제, 템플릿 개정, 파라메트릭 팀 신설, 연 10여 회의 AI 세미나. 그러나 그는 생텍쥐페리의 어린 왕자를 빌려 조직의 저항을 유쾌하게 꼬집었다. 어린 왕자가 지구에 오기까지 거친 여섯 별의 어른들이 회사에 다 있다는 것이다. 정작 본인은 하지 않으면서 아랫사람에게만 BIM을 시키는 사람, 끊임없이 허점만 지적하는 사람, “난 CAD가 BIM보다 빠르다”고 버티는 시니어 — 자전거를 빨리 타서 자동차를 이기겠다는 이들 — 와 매일 씨름한다고 했다. 그럼에도 ‘바오밥 나무를 뽑겠다’는 일념으로 만든 것이 ‘팀31’ 이다. 기존 BIM 매니저 팀에 건축 설계 시니어를 붙인 조직으로, 목표는 SD(계획설계) 종료 시점에 실시설계 도서 총량의 30%를 확보하는 것. 도면 총량 30%에 도면당 완성률 60%를 곱하면 18이라 원래 이름은 ‘T18’이었는데, 직관적인 ‘팀31’로 바꿨다는 뒷 이야기가 웃음을 자아냈다. 설계팀 한 명과 팀31 두 명을 짝지어 올해 이미 12개 프로젝트에서 SD 종료 시 40~45%까지 도면을 만들어 내고 있고, 회사 기준으로 전체 설계 효율을 약 6% 올릴 것으로 기대한다고 했다. 자산화 도구도 촘촘했다. 클라우드 협업 보드 미로(Miro)에 계약·목표와 SD 30% 분량의 도면 150여 장을 올려 피드백을 공유하고, 포마에는 간삼의 매스 자산을 허브에 DB처럼 올려 쓰며(파트너사 상상진화의 Forma Box로 초기 계획을 압축), 환경 분석은 라이노의 그래스호퍼(Grasshopper)보다 간편하다고 평가했다. 이미 2차 교육을 마쳤고 8월 중순 3차 교육 후 전면 적용할 계획이다. 오토데스크의 콘텐트 카탈로그(Content Catalog)로는 엘리베이터의 모든 사양에 이름을 붙여 클라우드에 올려 파라미터 조정 없이 선택·삽입하게 했고, 한 걸음 더 나아가 방풍실·병실·계단실·화장실 등 패밀리 조합을 블록으로 저장했다. 여기에 자체 개발한 디테일 DB는 1/50·1/60 도면을 함께 연동하고, 그 디테일을 언제 써야 하는지·주의점은 무엇인지에 대한 경험자의 설명과 별점·좋아요까지 붙였다. 이 대표는 아키텍트 펌의 기술을 ‘감자 이야기’에 비유했다. 1500년대 유럽에 감자가 퍼졌지만 사람들은 ‘악마의 식물’이라며 먹지 않았고, 1700년대 대기근 때에도 감자를 두고 굶어 죽었다. 1800년대 보급 이후 인구가 폭발했지만, 작황 좋은 한 품종만 심은 탓에 감자 마름병(역병)이 창궐하자 아일랜드에서만 150만이 아사했다. ‘안 먹어서 죽고, 그것만 먹어서 죽는다’는 이 우화를, 이 대표는 AI에 그대로 겹쳤다. 쓰지 않으면 뒤처지고, 특정 방식만 맹신하면 위험하다는 것. 실제로 지금 설계실을 들여다보면 절반은 PPT를, 절반은 AI를 쓰고 있는데, 도면 없이 화려한 겉모습만 남는 상태를 그는 오히려 경계했다. 지식 자산화의 진짜 벽은 기술이 아니라 사람과 세대였다. ‘내 자산인데 왜 회사에 내놔야 하느냐’는 물음은, 이 대표가 보기엔 도제식 문화의 방어 심리로서 나름 합리적이다. 아키텍트 펌은 사람을 자산처럼 다뤄 왔지만, 그 자산은 회계장부에 잡히지 않고 복제·확장·승계도 안 되며 사람이 떠나면 함께 사라진다. 동료의 피드백을 거치지 않은 개인 자산은 품질도 낮다. 결과의 공정성보다 과정의 공정성을 중시하는 MZ 세대는 회사의 지시를 맹목적으로 따르지 않는다. 그래서 그가 내린 결론은, 개인의 가치를 ‘추출’해 회사 가치로 만드는 구조에서 벗어나, 개인이 자신의 가치를 내어놓고 서로 교환하며 성장하는 ‘마당(커뮤니티)’을 만드는 것이다. 성과에는 ‘OO의 리포트’, ‘OO의 LISP’, ‘OO의 AI 디자인’처럼 이름을 붙여 인정한다. TFT로 만든 ‘모두가 만드는 플랫폼’은 이미 베타를 열었고 9월 초 정식 오픈을 앞두고 있다. 특히 간삼건축 이혁 부문 대표의 마지막 말은 이날 여러 발표가 향하고 있던 방향을 가장 명확하게 요약했다. “BIM을 시작으로 AI와 클라우드까지, 단순히 도구를 바꾸는 것만으로는 혁신이 안 되겠다는 생각이 들기 시작했다.”   ▲ 간삼건축 이혁 부문 대표의 ‘데이터 자산화’ 발표   ▲ 간삼건축 발표 인포그래픽(필자 생성 by Gemini)   삼우건축 — DX부터 AX까지 삼우건축 AX팀의 윤종근 프로는 삼우가 BIM 기반 설계 체계에서 출발해 DX(디지털 전환)를 거쳐 AX(AI 전환) 운영 모델로 이동한 여정을 단계별로 정리했다. 그는 이 여정을 새로운 기술의 도입이 아니라, “설계자가 문제를 더 빠르게 정의하고 AI·클라우드로 해결하며 그 결과를 조직의 자산으로 축적하는 새로운 업무 방식”으로 규정했다. 시작은 BIM이었다. 삼우는 2016년부터 전면 BIM을 수행하며 BIM을 조직의 ‘설계 기준’으로 만들었다. 전 직원 BIM 역량 평가, CAD 표준과 수행 경험·자동화 속성을 반영한 표준 템플릿, 반복 업무를 시스템화한 삼우 BIM 익스텐션, 2018년 건축·구조 표준 모델과 도면 기준, 2019년 설계 단계별 권장 모델이 그것이다. 핵심은 ‘BIM을 썼다’가 아니라, 설계 기준과 노하우·모델·도면 작성 방식을 디지털 자산으로 축적했다는 점이다. DX 단계의 목표는 본업 경쟁력 강화였다. AutoDrawings로 도면·시트 작성을, 창호·입면도 자동화로 뷰 생성·주석·시트 배치를 자동화했고, 구조 모델링과 일람표, 실내 마감표, 룸 데이터 시트(문서의 실 정보와 레빗 모델 정보를 연동)로 확장했다. 방식은 기술 부서가 현업의 문제를 수집·분석해 개발·배포·교육하고 현업이 적용하는 구조였다. 초기 성과는 분명했지만 한계도 뚜렷했다. 자동화 수요는 느는데 개발 인력은 제한적이고, 기능을 만들어도 실제 활용까지 이어지지 못했으며, 현업은 어떤 기능이 언제 있는지조차 알기 어려웠다. 질문은 ‘무엇을 더 자동화할 것인가’에서 ‘어떻게 더 잘 활용할 것인가’, 나아가 ‘누가 문제를 정의하고 해결에 참여할 것인가’로 바뀌었다. 이에 대한 두 갈래의 시도가 이어졌다. 하나는 사내 플랫폼 ‘DX 가이드맵’으로, 이미 만든 자동화 기능을 현업이 쉽게 찾아 적용하도록 연결했다. 이때 기술 부서의 역할이 ‘만드는 생산자’에서 ‘환경을 제공하는 프로바이더’로 분화된 것이 중요한 변화였다. 다른 하나는 2024년의 생성형 AI 공모전으로, 현업이 직접 문제를 정의하기 시작했다. 이미지 생성·데이터 분석·시각화 등 다양한 유스케이스가 나왔지만, 개인 역량에 의존한 방식은 회사 전체로 확산되기 어렵다는 한계도 함께 확인했다. 공모전에서 나온 아이디어가 기술 검증(PoC)과 사용성 개선을 거쳐 사내 이미지 생성 AI 서비스 ‘미지’로 발전한 것은, 문제 정의의 출발점이 기술 부서에서 현업으로 옮겨 간 상징적 사례였다. 전환점은 2025년의 APS 도면 자동화 프로젝트였다. 오토데스크 플랫폼 서비스(APS)와 포마를 기반으로 PDF 출도의 반복 업무를 자동화해, 대형 프로젝트에서 하루가 걸리던 작업을 30분으로 줄였다. 그러나 윤 프로가 강조한 진짜 의미는 결과가 아니라 ‘개발 방식’에 있었다. AI와 협업하면서 기술 학습·코드 작성·오류 개선의 속도가 달라졌고, AI가 단순 보조 도구가 아니라 개발 과정을 함께 푸는 파트너로 작동했다는 것이다. 그는 이 프로젝트를 “DX 방식으로 시작했지만 AX 방식으로 완성한 첫 프로젝트”이자 DX에서 AX로 넘어가는 터닝 포인트로 규정했다. 이 가능성을 공식 운영 모델로 구조화한 것이 삼우 AI 프레임워크, 이른바 ‘사이프(CYPHE)’다. 핵심은 AI 활용을 개인의 실험에 머무르게 하지 않는 것이다. 사이프는 세 관점으로 요약된다. 첫째, 고객과 회사의 정보를 안전하게 지키면서 AI를 강력하게 쓰는 표준 환경을 구축한다. 둘째, 특정 업무 목적에 맞는 AI 활용을 검증·지원하는 구조를 세운다. 셋째, 실제 업무 변화와 성과를 조직 차원에서 인정하고 확산한다. AI 활용의 기본값을 ‘보안 안에서의 활용’으로 바꾸고, 개인의 시도를 조직의 활용으로 전환하는 것이다. 여기에 유스케이스 등록과 인센티브·교육·멘토링으로 이어지는 성장 구조를 얹었다. 현업이 문제를 발굴하면 AX팀이 기술과 보안을 연결해 구체화하고, 현업의 오너십을 유지한 채 거버넌스와 파트너 리소스를 붙인다. 오토데스크 설루션과 연결성이 높은 케이스는 APS·포마 기반으로 더 확장된 업무 전환 모델로 발전시키며, 최근에는 오토데스크와 공동으로 AX 워크숍을 마쳤다고 밝혔다. 결론은 이랬다. “삼우의 AX는 AI 서비스를 도입한 결과가 아니라, 조직이 일하는 방식을 바꾸는 과정이다. BIM이 설계 데이터를 만들었고, 자동화가 프로세스를 바꿨으며, AI와 클라우드는 문제 해결의 주체와 방식을 확장하고 있다.”   ▲ 삼우건축 윤종근 프로의 ‘DX to AX’ 여정 발표   ▲ 삼우건축 발표 인포그래픽(필자 생성 by Gemini)   오토데스크 AI로 여는 업무 혁신 마무리 세션은 오토데스크코리아의 정태승 박사와 성진호 수석이 맡았다. 고객들이 저마다의 방식으로 AI를 쓰는 모습을 본 뒤, ‘그렇다면 오토데스크는 AI를 어떻게 생각하는가’를 짚는 자리였다.   AEC 관점 — 데이터 교환 모델과 포마, 그리고 어시스턴트의 현주소 정 박사는 오토데스크의 토대로 ‘데이터 교환(data exchange) 모델’을 먼저 꺼냈다. 한 프로젝트에서 수많은 소프트웨어가 쓰이지만 모든 데이터가 한곳에 모일 필요는 없고, 각 모델에서 필요한 부분만 상호 교환되도록 하는 것이 요체다. 이 기반 위에서 다양한 소프트웨어가 운영되는 베이스라인 플랫폼이 바로 포마이며, 이것이 오토데스크가 그리는 생태계라는 설명이다. 흥미로운 것은 ‘이미지에서 공간으로’라는 방향이었다. 같은 프롬프트로 이미지를 만드는 것을 넘어 3차원 ‘공간’을 생성하는 기술에 지속 투자하고 있으며, “공간이 다음 세대의 표준이 될 것”이라고 내다봤다. 현주소에 대해서는 솔직했다. 아직 목적 지향의 ‘에이전트’ 단계까지는 아니며, 현재는 ‘어시스턴트’ 수준이라는 것이다. 반복 작업 자동화, 정보 분석, 그리고 내가 잘 모르는 기능의 의사결정 지원이 지금의 몫이다. 제품별로는 사이트 디자인(Site Design)과 올해 출시하는 빌딩 디자인(Building Design)이 소개되었는데, 웹에서 여러 사람이 함께 작업하고 파사드뿐 아니라 개별 실 단위까지 적용하며 그 데이터가 레빗으로 바로 넘어가는 흐름이 강조되었다. AutoCAD에서는 "보여줘/찾아줘/표준을 검토해 줘" 같은 문구로 QA·QC와 도움말을 어시스턴트가 처리하고, 포마(구 ACC)에서는 RFI 등 정해진 정보를 '필터'처럼 자연어로 조회·검토할 수 있다. 특히 공식 레빗 MCP 서버(베타)를 클로드와 약 1분 만에 연결해, 레빗을 열어 두고 문(door)에 대한 대시보드·일람을 3분 남짓에 만들어 내는 시연이 눈길을 끌었다.   D&M 관점 — 퓨전과 클로드(MCP)로 ‘의도’를 전달하다 이어 성진호 수석은 제조(Design & Make) 영역을 맡아, 퓨전(Fusion)과 AI의 결합을 직접 테스트한 결과를 공유했다. 그는 “본사 발표 자료가 아니라 제가 직접 돌려 본 내용”이라고 전제했다. 퓨전의 오토데스크 어시스턴트(Autodesk Assistant)는 같은 모깎기(R) 형상을 한 번에 선택·편집하거나, 마이크로소프트와 협력한 이미지 렌더링, 오픈 API를 활용한 엔지니어링 앱 개발·배포를 지원한다. 제조 및 기계 설계 분야(DNN)를 담당한 성진호 수석의 오토데스크 퓨전 시연 역시 놀라웠다. 퓨전이 앤트로픽의 MCP 표준을 사용하기 때문에 클로드가 이질감 없이 붙어 명령 수행은 물론 결과를 스크린샷으로 분석하고 커뮤니케이션한다. 심플한 의자를 3D로 모델링하면 여섯 개의 골체가 배치되고 치수가 파라미터로 등록되며 BOM까지 자동 작성됐다. STL 메시를 솔리드로 변환하는 작업, 이미지를 주고 네 번의 피드백으로 원하는 형상을 얻는 과정도 시연됐다. 한 걸음 더 나아간 것은 ‘에이전트 협업’이었다. 에이전트 1이 제조를 전제로 한 지침(컨텍스트 약 100줄)을 만들고, 에이전트 2가 그에 맞춰 MCP 서버로 구현하는 방식이다. 이렇게 하면 펼쳐지는 구조의 의자가 제조 가능한 모델로 만들어지고, 관절이 연결된 로봇이 한 시간이 채 안 되어 생성되며, CNC 가공을 위한 툴패스도 만들어진다. 룰 베이스 CAM을 넘어, 가공되지 않는 영역을 피드백으로 알려 주면 공구 길이와 이송 속도를 스스로 조정하고 기가공 영역을 제외해 자동으로 연결하는 모습이 인상적이었다. 2D 도면을 3D로 변환하는 것은 아직 어렵지만, 규칙을 분석할 수 있는 도면이라면 구현이 가능하다고 했다. 성 수석의 결론은 한 문장으로 압축된다. “설계 개념이 ‘소프트웨어 조작’에서 '의도의 전달’로 넘어가고 있다.”   정리 — 데이터 자산화, 적합성 정의, 거버넌스 마지막으로 정 박사는 고객 사례와 겹치는 결론을 세 가지로 정리했다. 첫째, 데이터가 자산화되어야 한다. 둘째, 지금 하는 일이 그 모델로서 적합한가에 대한 정의가 필요하다. 셋째, 조직이 어떤 거버넌스로 이를 운영할 것인가가 정리되어야 한다. 그는 “AX는 결국 운영 모델을 설계하는 것”이라며, 무엇을 쓰고 어떻게 절차를 만들지, 그리고 “누군가는 책임을 져야 한다”는 점을 강조했다. 대부분의 문제가 책임을 지지 않으려는 데서 생긴다는 뼈 있는 말이었다.   ▲ 오토데스크코리아 정태승 박사의 오토데스크 AI 세션   ▲ 오토데스크 코리아 발표 인포그래픽(필자 생성 by Gemini)   필자의 시선 — 도구는 이미 전제, 승부는 데이터와 거버넌스 하루를 되짚어 보면, 네 개의 발표가 서로 다른 언어로 같은 말을 하고 있었다. GS건설은 ‘CDE와 역할 분리’로, 간삼건축은 ‘감자 우화와 지식 자산화’로, 삼우건축은 ‘사이프와 유스케이스 성장 구조’로, 그리고 오토데스크는 ‘데이터 교환 모델과 데이터·거버넌스’로. 표현은 달라도 지향점은 하나였다. BIM 같은 도구는 이미 전제가 되었고, 승부처는 그 위에 쌓이는 데이터를 어떻게 자산화하고, 개인의 AI 활용을 어떻게 조직의 자산으로 전환하느냐로 넘어가 있다는 것. 필자는 이 흐름이 개인 차원의 오래된 교훈과 맞닿아 있다고 본다. AI가 아무리 훌륭한 대안을 제시해도, 최종 판단은 도메인 지식을 가진 사람의 몫이다. 도구는 이미 민주화되었다. 이날 진행을 맡은 사회자가 훈민정음을 빗대어 “누구나 읽고 쓸 수 있다는 것은 지식의 민주화이고, 지금 AI가 바로 그렇다”고 한 것처럼, 이제 관건은 무엇을(도메인) 어떻게(프롬프트와 거버넌스) 시킬 것인가다. 개인 차원에서 ‘일머리’라 부르던 능력이, 조직 차원에서는 ‘데이터 자산화와 거버넌스’라는 이름으로 확장된 셈이다. 특히 “AX는 운영 모델을 설계하는 것”이고 “누군가는 책임을 져야 한다”는 말은, 화려한 AI 시연 사이에서 가장 오래 남는 문장이었다. 결국 도구를 바꾸는 것만으로 혁신은 오지 않는다. 어떤 데이터를 신뢰할 수 있는 기준으로 삼고, 누가 그것을 책임지며, 개인의 성과를 조직의 자산으로 어떻게 축적할 것인가 — 이 질문에 답하는 조직이 다음 단계로 나아갈 것이다.   ▲ 오토데스크 디자인&서밋 코리아 2026 핵심 메시지 인포그래픽(필자 생성 by Gemini)   맺음말 이번 서밋은 신기술의 전시가 아니라, 그 기술을 ‘어떻게 운영할 것인가’에 대한 고민의 공유장에 가까웠다. 지금 이 글을 읽고 있는 독자에게 묻고 싶다. 우리 조직은 어떤 데이터를, 어떤 거버넌스로 자산화하고 있는가. 그리고 각자의 자리에서 만들어 내는 AI 결과물은 개인의 실험으로 소모되고 있는가, 아니면 조직의 자산으로 쌓이고 있는가. 아직 답을 다 갖춘 조직은 없다. 모두 “늦은 감이 없지 않다”면서도 멈추지 않고 실험을 이어 가고 있었고, 오토데스크 역시 “내년에는 더 나아간 기술을 소개하겠다”고 약속했다. 내년 이맘때 이 자리에서 한 걸음 더 나아간 사례를 만나 보길 권한다. 도구를 넘어 운영 모델을 고민하기 시작한 조직에게, 올해의 서밋은 좋은 이정표가 되어 줄 것이다.   ■ 양승규 캐드앤그래픽스 전문 필진으로, MOT를 공부하며 엔지니어와 직장인으로 살아가는 방 법에 대해 탐구한다. 건축과 CAD를 좋아한다. (홈페이지)     ■ 기사 내용은 PDF로도 제공됩니다.

지멘스 디지털 인더스트리 소프트웨어, 지멘스 EDA 사업부는 지난 8월 11일 ‘지멘스 EDA 포럼 서울 2026’을 개최했다. ‘AI 네이티브 디자인으로 차세대 반도체 및 시스템 설계 혁신’이라는 주제로 진행된 이번 포럼에서 지멘스 EDA는 나노미터에서 미터 단위에 이르는 전체 제품 수명주기 전반에 AI(인공지능)를 내재화해, 칩−패키지−보드−시스템을 유기적으로 연결하는 통합 디지털 스레드를 구축한다는 비전을 내세웠다. ■ 정수진 편집장   반도체 설계 생태계를 재편하는 핵심 트렌드 반도체 설계의 패러다임이 완전히 바뀌고 있다. 지멘스 EDA는 현대 반도체 산업이 마주한 한계를 극복할 열쇠로 AI를 꼽는다. 2000억 개가 넘는 트랜지스터를 배치해야 하는 초미세 설계와 제곱센티미터당 100와트를 초과하는 극심한 열 밀도, 그리고 개발 기간의 대부분을 차지하는 검증 프로세스는 기존 방식으로는 감당할 수 없는 수준에 이르렀기 때문이다. 반도체 설계 생태계가 AI 중심으로 빠르게 전환되는 흐름 속에서 지멘스 EDA는 네 가지 핵심 트렌드에 주목했다. 첫째는 모든 영역에 인공지능이 스며드는 흐름(AI everywhere)이다. AI는 더 이상 특정 하드웨어의 전유물이 아니라 일상적인 반도체의 표준 규격이 되고 있음을 뜻한다. 둘째는 소프트웨어가 하드웨어의 운명을 결정하는 소프트웨어 정의 기반 시스템(software-defined everything)의 도래다. 하드웨어를 먼저 제작하는 방식에서 탈피해, 소프트웨어에 맞추어 하드웨어를 동시에 설계하는 공동 설계 방식이 중요해지고 있다. 셋째는 이종 통합(heterogeneous integration) 기술의 확산이다. 여러 개의 다이를 하나의 패키지 안에 집적하는 설계 기법이 대세가 되면서, 전자 설계 자동화(EDA) 도구가 해결해야 할 물리적 복잡성도 급격히 증가했다. 넷째는 강력한 지속가능성 요구(sustainability imperative)다. 초고전력 칩이 대거 투입되는 AI 데이터센터와 전기차의 에너지 소비를 줄이기 위해 시스템 수준의 전력 효율 극대화가 필수 조건이 되었다. 지멘스 EDA의 앵커 굽타 IC 제품 부문 수석 부사장은 “기존의 설계 방법론으로는 현대 반도체의 복잡성과 빠르게 변화하는 AI 시장의 속도를 따라잡기 어렵다”고 지적하며 AI 설계 전반에 내재화하는 ‘AI-네이티브 디자인’의 필연성을 강조했다.   ▲ EDA AI 에이전트를 위한 타임라인을 소개한 지멘스 EDA 앵커 굽타 수석 부사장   AI 네이티브 설계와 통합 디지털 스레드 지멘스가 지향하는 AI 네이티브 설계는 나노미터에서 미터 단위에 이르는 제품 수명 주기 전반에 AI를 내재화하여 칩과 패키지, 보드, 시스템을 하나의 거대한 통합 디지털 스레드(digital thread) 로 연결하는 것이다. 지멘스 EDA는 이를 현실로 만들기 위해 속도, 생산성, 신뢰성 등 세 가지 핵심 방향성을 가지고 기술 혁신을 추진하고 있다고 소개했다. 먼저 최첨단 물리 기반 솔버와 GPU 컴퓨팅, 그리고 AI 에이전트를 결합해 모든 도구의 실행 속도를 최대 1000배까지 끌어 올려 개발 주기를 혁신적으로 단축하는 ‘더 빠른 엔진(speed)’이 축을 이룬다. 다음으로 에이전트 기반 AI 워크플로와 상황 인지 자동화 기술을 통해 설계팀의 실행 오버헤드를 낮추고 생산성을 10배에서 최대 50배까지 향상시키는 ‘더 스마트한 실행(productivity)’을 추구한다. 마지막으로 시스템 전반을 연결하는 포괄적인 디지털 트윈 기술과 실리콘 검증 AI 모델을 접목해 실제 제조에 들어가기 전에 결과를 정밀하게 예측하고 설계 리스크를 최소화하는 ‘신뢰할 수 있는 결과(confidence)’를 확보한다. 한편, 굽타 수석 부사장은 “지멘스가 가진 PLM 역량을 유기적으로 결합해 반도체 산업에 특화된 ‘반도체 수명주기 관리 (SLCM)’라는 개념으로 구체화하고, 도메인 간의 벽을 없앤 강력한 디지털 스레드를 구축한다”는 전략을 소개했다. 지멘스는 디자인센터 NX(Designcenter NX)를 반도체 설계 도구와 결합했다. 반도체 패키지의 물리적인 변형이나 응력 분석을 3D IC 설계 및 레이아웃 단계와 직접 연동함으로써 제품의 설계 무결성을 실리콘 제조 전에 확보할 수 있게 된다는 것이 지멘스 EDA의 설명이다. 시스템 전체의 에너지 효율을 극대화하는 열 및 냉각 관리 설루션에서도 PLM과의 시너지를 높이고 있다.     자율 검증형 에이전틱 AI 워크플로 구현 나선다 지멘스 EDA는 복잡성 극대화라는 반도체 설계의 물리적 한계를 정면으로 돌파하기 위해 엔비디아와 손을 잡았다. 두 회사가 그리는 미래는 단순히 명령을 수행하는 자동화가 아니라, 스스로 판단하고 오류를 바로잡는 자율 검증형 에이전틱 AI(agentic AI) 워크플로의 완성이다. 엔비디아와 협력을 통해 산업 특화 AI, 물리적으로 연결된 EDA 엔진, 가속 컴퓨팅을 결합하고 신뢰할 수 있는 자율 검증 워크플로를 구현하겠다는 전략이다. 이 여정의 중심에는 최근 업데이트된 퓨즈(Fuse)가 있다. EDA AI 에이전트 시스템인 퓨즈는 다양한 LLM(대규모 언어 모델) 생태계와 지멘스의 설계 도구가 제공하는 정형 데이터를 이어주는 연결고리 역할을 한다. 퓨즈를 통해 엔지니어는 오픈AI나 구글, 앤트로픽의 AI 모델뿐만 아니라 엔비디아의 네모트론(Nemotron) 모델까지 상황에 따라 맞춤형으로 끌어다 쓸 수 있다. 실제 설계 검증 현장에서 작동하는 에이전틱 AI 워크플로는, 엔지니어가 입력한 작업 프롬프트에 따라 여러 에이전트가 서로 소통하며 도구를 가동해 결과물을 만들어내는 방식으로 이뤄진다. 에이전트들은 물리적으로 연결된 시뮬레이션 엔진을 구동해 작업 결과를 실시간으로 예측하고, 의사결정을 스스로 검증한다. 만약 중간 과정에서 버그나 오류가 발견되면 AI가 스스로 문제의 원인을 디버깅하고 코드를 고치는 과정을 거쳐 완결성 높은 최종 데이터를 도출해 낸다. 지멘스 EDA는 이런 혁신 워크플로가 엔비디아와의 고도화된 기술 레이어 협업을 통해 물리적 안전성과 토큰 효율을 동시에 확보한다고 소개했다. 보안 런타임 환경인 엔비디아 오픈쉘(OpenShell) 내에서 에이전트를 안전하게 자율 제어하며, 네모 짐(NeMo Gym) 라이브러리를 활용해 스스로 실행 방안을 개선해 나간다. 또한 지멘스의 산업용 지능화 허브인 인텔리전스 센터 X(Intelligence Center X)와 긴밀하게 연결되어, 반도체 설계 단계에만 머무르지 않고 제조와 공급망 전반을 아우르는 거대한 엔터프라이즈 추론으로 거듭난다.   ▲ 앵커 굽타 수석 부사장은 엔비디아와의 협력 내용도 소개했다.     ■ 기사 내용은 PDF로도 제공됩니다.

에픽게임즈가 8월 20일~21일 ‘언리얼 페스트 서울 2026’을 진행했다. 이번 행사에서는 게임, 영화 및 TV, 애니메이션, 자동차, 시뮬레이션 등 다양한 산업 분야에 걸쳐 언리얼 엔진과 에픽 에코시스템의 최신 기술과 활용사례 등이 소개됐다. 특히 에픽게임즈는 폐쇄적인 플랫폼 구조를 탈피하는 개방형 생태계 비전을 제시했다. 2027년 선보일 언리얼 엔진 6와 개발자 통제권 중심의 AI 연동 전략을 앞세워 게임은 물론 제조·모빌리티 산업의 디지털 혁신을 가속화한다는 구상이다. ■ 정수진 편집장     게임 시장의 패러다임 전환과 개방형 생태계 최근 글로벌 게임 시장에서는 대작 게임의 개발 비용이 크게 치솟는 반면 신작의 성공 확률은 낮아지면서 전통적인 개발과 출시 공식이 한계에 부딪혔다. 이와 함께 차세대 게이머들이 게임을 단순한 콘텐츠 소비 공간이 아니라 친구들과 소통하고 머무르는 소셜 플랫폼으로 활용하면서 시장 환경도 급변했다. 에픽게임즈 코리아의 박성철 대표는 “한 번 게임을 떠난 유저를 신규 게임으로 다시 유입시키는 데 드는 비용이 크게 늘었다”면서, “게임뿐만 아니라 OTT, SNS 등 다양한 엔터테인먼트와 경쟁해야 하는 상황에서 개발자의 대응 방식도 달라져야 한다”고 전했다. 에픽게임즈는 이러한 시장 변화에 대응해 단일 게임을 넘어선 ‘개방형 생태계(Open Ecosystem)’ 구축을 핵심 전략으로 내세웠다. 에픽게임즈의 팀 스위니 대표는 “게임 내 디지털 소유권이 플랫폼 간에 자연스럽게 공유되고 이동해야 하며, 무거운 설치 과정 없이도 서로 다른 게임을 넘나들 수 있어야 한다”고 밝혔다. 이를 위해 에픽게임즈는 에픽게임즈 스토어와 포트나이트(Fortnite)를 연계해 게임을 구매할 때 해당 지식재산권(IP)의 아이템을 제공하는 등 커뮤니티와 경제 시스템을 결합하고 있다.   ▲ 에픽게임즈 코리아 박성철 대표   차세대 엔진 ‘언리얼 엔진 6’와 분산 아키텍처 에픽게임즈가 목표로 하는 개방형 생태계를 기술적으로 뒷받침할 핵심 기반은 2027년 말 얼리 액세스로 공개될 예정인 ‘언리얼 엔진 6(Unreal Engine 6)’다. 언리얼 엔진 6는 게임 개발 과정을 개선하는 것을 넘어 거대하고 지속적인 라이브 생태계를 구축하고 상호 운용성을 확보하는 데 중점을 둔다. 에픽게임즈의 줄리엔 마천드 시니어 디렉터는 “언리얼 엔진 6는 개발자가 게임을 한 번 구축하면 독립형(standalone) 앱뿐만 아니라 포트나이트 등 생태계 전반에 즉시 라이브로 배포할 수 있는 환경을 제공한다”고 소개했다. 언리얼 엔진 6는 방대하고 지속적인 실시간 멀티플레이어 환경을 지원하기 위해 새로운 아키텍처를 도입한다. 복잡한 서버와 백엔드 데이터베이스 없이도 유저 상태를 분산 저장하고 동기화하는 신규 프로그래밍 언어 ‘벌스(Verse)’가 적용된다. 아울러 3D 객체를 웹 표준처럼 패키징해 프로젝트 간에 손쉽게 공유할 수 있는 ‘신 그래프(Scene Graph)’ 시스템이 엔진의 근간을 이룬다. 거대한 게임 세계의 방대한 데이터를 효율적으로 다루기 위해 고성능 콘텐츠 주소 지정 방식을 활용하는 버전 관리 및 데이터 저장 시스템 ‘로어(Lore)’도 언리얼 엔진 6에 도입된다.   ▲ MCP 기반 실시간 3D 제작 워크플로 시연   개발자 통제권 중심의 실용적 AI 연동 전략 에픽게임즈는 개발 생산성을 극대화하기 위해 AI를 개발자의 생산성을 극대화하는 보조 도구로 적극 도입하고 있다. 자체 대규모 언어 모델(LLM)을 무리하게 개발하기보다는 클로드(Claude)나 코덱스(Codex) 등 검증된 외부 생성형 AI 모델을 개방형 표준인 모델 콘텍스트 프로토콜(MCP)을 통해 엔진과 직접 연동하는 실용적 방식을 택했다. 마천드 시니어 디렉터는 “에픽게임즈의 AI 전략은 개발자가 소스와 제작 파이프라인 및 워크플로에 대한 완전한 통제권을 유지하는 데 초점을 맞춘다”고 소개했다. 언리얼 엔진은 외부 AI 모델을 매끄럽게 연결하기 위해 개방형 표준인 MCP 서버를 브릿지로 도입했다. 이를 통해 AI 모델은 단순히 코드를 생성하는 데 그치지 않고, 언리얼 엔진 내부의 신을 읽고 애셋을 이해하여 직접 엔진 내에서 실질적인 변경을 수행할 수 있게 된다. 언리얼 엔진과 결합된 AI는 사용자의 프롬프트에 따라 가구를 배치하거나 도시의 도로망을 생성할 때, 렌더링된 평면 이미지가 아니라 개발자가 직접 편집할 수 있는 3D 형상 및 절차적 콘텐츠 생성(PCG) 그래프로 구현해 개발 속도를 줄일 수 있도록 했다. 이외에도 특수한 수트나 마커 없이 일반 영상만으로 깨끗한 3D 애니메이션 데이터를 추출할 수 있는 머신러닝 기반의 마커리스 모션 캡처 기술 및 프로젝트의 맥락을 이해하고 문서를 찾아주는 에픽 개발자 어시스턴트 등을 제공해 개발 효율을 한층 더 높일 계획이다.   ▲ 에픽게임즈 팀 스위니 대표   제조 및 모빌리티 AI 훈련 인프라로 확장 게임 개발 외에도 에픽게임즈의 실시간 3D 기술은 제조와 첨단 모빌리티 산업의 AI 훈련 인프라로 영역을 넓히고 있다. 에픽게임즈는 현실의 물리 법칙을 정밀하게 반영하는 언리얼 엔진이 자율주행차와 로봇의 AI 모델을 시뮬레이션하고 훈련하는 데 높은 경제성과 효율을 제공한다고 소개했다. 스위니 대표는 “자율주행차 기업들은 실제 주행보다 시뮬레이션 엔진 내에서 AI를 훈련하는 데 더 많은 시간을 쏟고 있다”면서, “차량 충돌처럼 현실에서 직접 구현하기가 너무 위험하거나 물리적으로 불가능한 극한의 상황을 실시간 3D 엔진 내에서는 안전하게 무한 반복하면서 분석할 수 있다는 것이 큰 강점”이라고 설명했다. 에픽게임즈는 현실에서 불가능한 시나리오 테스트를 3D 그래픽 환경에서 제공함으로써 게임 외 타 산업에서도 차별화된 가치를 증명한다는 계획이다. 한편, 이번 ‘언리얼 페스트 서울’에서는 제조 및 시뮬레이션 트랙이 마련됐다. 여기서는 ▲‘현대자동차 인포테인먼트 : 언리얼 엔진 도입과 적용 사례’ ▲‘실제 서킷을 언리얼 엔진으로 옮기기 : LiDAR 스캔부터 디지털 트윈 구축까지’ ▲‘언리얼 엔진과 스탠드얼론 HMD를 활용한 교육 및 훈련 목적의 VR/MR 콘텐츠 개발’ ▲‘게임 알고리즘을 활용한 군사 훈련 시뮬레이션 플랫폼 개발’ ▲‘차량 3D 데이터에서 실시간 검증 콘텐츠까지 : 언리얼 엔진 기반 버추얼 차량 개발 파이프라인’ 등의 발표가 진행됐다. 이를 통해 산업 실무에서 언리얼 엔진 기반으로 실시간 3D 데이터 검증과 고정밀 시뮬레이션 환경을 구현하는 사례를 확인할 수 있었다.     ■ 기사 내용은 PDF로도 제공됩니다.

엔비디아는 입문형 에지 AI를 위한 로보틱스 컴퓨터인 ‘엔비디아 젯슨 오린 나노 2(Jetson Orin Nano 2)’를 발표했다. 엔비디아는 이번 신제품을 통해 개발자가 드론, 로봇, 비전 AI 시스템 등 물리적 장치에 생성형 AI 기능을 보다 쉽게 구현할 수 있도록 지원한다고 밝혔다. AI 모델이 점차 소형화되고 효율화됨에 따라 맥락을 스스로 이해하고 언어와 이미지를 해석해 실시간으로 동작하는 에지 디바이스가 늘고 있다. 이러한 자율 기능을 물리적인 기계에 탑재하려면 작은 크기와 전력 효율을 갖춘 로보틱스 컴퓨터가 필요하다. 젯슨 오린 나노 2는 초당 78조 회 연산이 가능한 78TOPS(초당 테라 연산)의 AI 컴퓨팅 성능을 제공한다. 또한 8기가바이트(GB) 메모리와 8코어 Arm 중앙처리장치(CPU)를 탑재해 소형 시스템의 AI와 영상 처리 성능을 높였다. 엔비디아에 따르면 젯슨 오린 나노 2는 개선된 텐서 코어와 향상된 메모리 대역폭을 통해 기존 ‘젯슨 오린 나노 슈퍼’와 같은 소형 폼팩터를 유지하면서도 추론 성능을 2배 높였다. 15와트 모드에서는 이전 모델과 동일한 성능을 발휘하면서 전력 소비를 40% 줄였다.     신제품은 엔비디아의 개방형 소프트웨어 스택과 젯슨 에이전트 스킬을 지원한다. 이를 통해 코스모스, 네모트론, 젬마 4, 큐웬 3 등 최신 대규모 언어 모델(LLM)과 비전언어모델(VLM)을 에지 환경에서 효율적으로 구동할 수 있다. 엔비디아는 현재 300만 명 이상의 개발자가 엔비디아 로보틱스 스택을 기반으로 제품을 개발하고 있으며, 주요 파트너사들도 젯슨 오린 나노 2 도입에 나서고 있다고 전했다. 알파벳의 자회사인 배송 드론 기업 윙은 기존 배송 드론에 엔비디아 플랫폼을 활용해 왔으며, 보다 빠르고 안전한 배송을 위해 실시간 AI 인식 기능을 강화하고자 젯슨 오린 나노 2 도입을 검토하고 있다. 소비자용 로봇 기업 매틱 로봇은 가정용 청소 로봇의 대화형 AI, 제스처 인식, 정밀 매핑 기능을 강화하기 위해 신제품을 적용하고 있다. 이 밖에도 코그넥스, 두산밥캣 등이 젯슨 오린 나노 2 활용을 검토하고 있으며, 어드밴텍, 에이디링크, 에이온을 비롯한 생태계 파트너들이 고객사의 제품 출시 기간을 단축하기 위한 전용 캐리어 보드와 하드웨어 시스템, 레퍼런스 설루션을 개발하고 있다. 엔비디아의 디푸 탈라 로보틱스 및 에지 AI 부문 부사장은 “오늘날의 중소형 프론티어 모델은 지난해 최대 규모의 프론티어 모델과 동등한 수준의 정확도를 달성하며, 에지 디바이스에서 실시간 인텔리전스를 구현할 수 있게 됐다”면서, “젯슨 오린 나노 2 컴퓨터는 이러한 혁신을 수백만 명의 개발자가 활용할 수 있도록 지원하며, 스마트 드론·로봇·비전 AI 시스템에서 실시간 추론에 필요한 성능과 에너지 효율성 제공한다”고 말했다.

국내 대표 컴퓨터 그래픽스 컨퍼런스인 ‘코리아 그래픽스 2026’이 9월 10일(목) 온라인으로 개최되며, 사전등록 시 무료 참여 가능하다. 캐드앤그래픽스 주최로 개최되는 이번 행사는 올해로 14회째를 맞이하며, ‘크리에이티브의 확장, 피지컬 AI와 에이전트가 만드는 미래’를 주제로 열린다. 피지컬 AI(Physical AI)와 AI 에이전트가 이끄는 제조, 건축 등 시각화 분야의 최신 기술 트렌드와 현장 적용 사례가 다채롭게 소개될 예정이다.  코리아그래픽스2026 발표자 - 유훈식(SMIT), 신동근(카오스), 정재헌(에스엘즈), 남경호(유비씨), 서민식(나니아랩스), 진득호(에픽게임즈), 최장윤(스트라타시스), 한명기(위즈코어), 송수헌(디에이건축) 서울미디어대학원대학교 유훈식 교수는 ‘크리에이티브 시스템 디자인: AGI 시대를 준비하는 AX 디자이너’를 주제로, AGI 시대를 대비한 AI 네이티브 디자인 조직과 AX(AI Transformation) 디자인 인사이트를 발표한다. 특히 LLM Wiki 기반의 디자인 데이터 시스템 구축 방안과 자율 에이전트가 실행을 담당하는 ‘에이전트 OS 디자인’의 비전과 사례를 제시한다. 카오스 코리아 신동근 팀장은 ‘건축 및 인테리어 디자이너를 위한 가장 현실적인 AI 가이드 Chaos Veras’를 통해 건축 및 인테리어 시각화에 특화된 차세대 AI 툴인 Chaos Veras의 소개와 실무 활용 가이드를 공유한다. 에스엘즈 정재헌 대표는 ‘3D 공간 추론 AI 에이전트와 자율 라우팅 벤치마크 공개’를 주제로 EPC 자율 설계를 위한 연구 성과를 다룬다. AI 에이전트가 3차원 물리적 제약을 인지해 복잡한 설계 경로를 자율 생성하는 기술을 소개하고, 객관적 기술 검증을 위한 ‘3D 라우팅 벤치마크’를 최초 공개하며 정량적 데이터를 바탕으로 한 실증적 가치를 공유한다. 유비씨 정현석 AI센터 이사는 ‘Dark Factory가 그리는 미래의 전제, 온톨로지 기반 디지털 트윈과 에이전트 오케스트레이션’을 주제로 현대차 DF247과 팔란티어 온톨로지 사례를 다룬다. 자율제조의 미래와 중소제조 현장 사이의 간극을 짚어보고, 실전형 자율제조 AX 로드맵을 제시한다. 나니아랩스 서민식 CTO는 ‘생성형 AI를 넘어 Agentic AI로: 제조업 설계 프로세스의 다음 단계’를 주제로 단순 설계 AI 도입을 넘어 실질적 가치를 창출하는 Agentic AI의 미래와 나니아랩스의 대응 전략을 소개한다. 에픽게임즈 코리아 진득호 차장은 ‘언리얼 엔진 MCP 워크플로와 제조업 맞춤형 소프트웨어 개발’을 주제로 풀소스 코드를 활용한 제조기업 맞춤형 소프트웨어 개발 사례를 살펴본다. 또한 언리얼 엔진의 MCP(Model Context Protocol)와 Agentic AI의 결합이 제조 DX·AX에 가져올 새로운 가능성을 다룬다. 스트라타시스 최장윤 부장은 ‘피지컬 AI 시대의 제조 혁신 - AI 에이전트와 적층제조가 만드는 미래 생산 패러다임’을 주제로 AI 기반 디지털 설계와 적층제조(3D 프린팅)가 결합해 현실 세계의 생산 혁신을 구현하는 패러다임을 설명하고, 설계 자동화 및 첨단 소재의 산업 적용 사례를 소개한다. 위즈코어 AI연구소 한명기 소장은 ‘설계 생산성 혁신, AI-CAD 기술의 발전과 적용 사례‘를 주제로 국산 CAD 개발 경험을 바탕으로 한 AI-CAD 기술 솔루션을 공개한다. 도면 이해, 반복 업무 절감, 빠른 AI 시각화 연결 방안을 다루며 전통/현대 건축 분야의 실제 적용 효과를 제시할 예정이다. 디에이건축 송수헌 선임(건축사)은 ‘건축 설계와 생성형 AI를 연결하는 법 – AIRender: 프롬프트에서 컨텍스트로’를 주제로 AIRender 개발 경험을 공유한다. 또한 도구가 진화할수록 차이를 만드는 핵심은 프롬프트가 아닌 건축가가 쌓아온 컨텍스트라는 점을 소개할 예정이다. 올해 행사에는 카오스 코리아, 나니아랩스, 스트라타시스, 에스엘즈, 에픽게임즈 코리아, 위즈코어, 유비씨 등 국내외 기업들이 참여해 제조·건축·엔터테인먼트 분야의 산업별 시각화 혁신 방안을 심도 있게 다룰 예정이다. 코리아 그래픽스를 주관하고 있는 캐드앤그래픽스 최경화 국장은 “올해도 산학연 AI 전문가들이 대거 참여해 AI와 3D 시각화 기술의 융합과 확장을 통한 최신 산업 트렌드와 적용 사례를 한눈에 조망해 보는 자리를 마련했다”면서, “제조·건축·시각화 분야에 종사하는 관계자들의 많은 관심과 참여를 부탁드린다”고 전했다. 한편, 캐드앤그래픽스 CNG TV 지식방송에서는 사전행사로 8월 24일 ‘코리아 그래픽스 2026 프리뷰’ 방송을 진행한다. 이 방송에는 오토데스크코리아 성진호 수석 엔지니어, 아키페이스건축사 정은길 대표가 참여해 피지컬 AI와 AI 에이전트 기반 3D 시각화 기술 트렌드에 소개할 예정이다. 코리아 그래픽스 행사 상세보기 및 등록은 링크에서  가능하다.

전 세계 AI 최적화 서비스형 인프라(IaaS) 시장이 급격한 성장세를 보이며 클라우드 인프라 지출의 중심축으로 자리 잡고 있다. 대규모 언어 모델(LLM) 학습에 대한 지속적인 수요와 기업 애플리케이션의 AI 상용화가 맞물리면서 인프라 자원 소비 구조에도 큰 변화가 나타나는 양상이다. 올해 AI 최적화 IaaS 지출 420억 달러 달성 전망 글로벌 정보기술 연구 및 자문 기업 가트너(Gartner)에 따르면, 2026년 전 세계 AI 최적화 IaaS 지출은 전년 대비 96.4% 증가한 422억 7,600만 달러(약 59조 원)에 달할 것으로 전망됐다. 2025년 215억 2,900만 달러 규모였던 해당 시장은 가파른 상승세를 이어가며 2027년에는 661억 4,300만 달러(약 93조 원)에 이를 것으로 예상된다.   가트너, 올해 AI 최적화 IaaS 지출 (제작 : 챗GPT)   하딥 싱(Hardeep Singh) 가트너 수석 애널리스트는 "대규모 언어 모델 학습을 지원하기 위한 인프라 수요가 지속되고 있으며, 기업 애플리케이션과 업무 프로세스 전반에 걸쳐 AI가 빠르게 상용화되면서 시장 성장을 견인하고 있다"고 설명했다. 에이전틱 AI 확산에 따라 학습에서 실시간 추론으로 이동 최근 시장 변화의 가장 큰 특징은 에이전틱 AI의 확산이다. 다단계 자율 처리 과정에서 컴퓨팅 집약도가 높아짐에 따라 인프라 자원 소비의 중심이 초기 모델 학습에서 실시간 추론으로 재편되고 있다. 이에 따라 AI 최적화 IaaS는 기업 AI 전략을 뒷받침하는 핵심 기반으로 부상했다. 기업들이 모델 개발 단계에서 대규모 상용 배포 단계로 전환하면서 미세 조정 모델과 도메인 특화 모델(DSM)이 고객 대응 및 운영 시스템에 빠르게 통합되고 있다. 이러한 시스템은 일회성 학습에 그치지 않고 지속적인 실시간 실행을 필요로 하므로 클라우드 소비를 가속화하고 AI 최적화 인프라에 대한 지속적인 수요를 창출하고 있다. 2026년 추론 지출이 학습 지출 초과 이러한 흐름에 따라 2026년 전 세계 추론 부문 지출은 233억 달러(약 33조 원)를 기록하며 학습 관련 지출인 190억 달러(약 27조 원)를 넘어설 전망이다. 전체 AI 최적화 IaaS 지출에서 추론이 차지하는 비중은 2026년 55%에서 2027년 59%로 지속적으로 확대될 것으로 집계됐다. 추론 워크로드의 비중이 빠르게 늘어남에 따라 기업들의 클라우드 투자 우선순위 또한 새롭게 재편될 것으로 보인다.  

PTC가 클라우드 네이티브 3D 컴퓨터 지원 설계(CAD) 설루션인 온쉐이프(Onshape)에 인공지능(AI) 기반 기계 설계를 지원하는 “피처스크립트(FeatureScript) 모델 콘텍스트 프로토콜(MCP) 서버” 기능을 새롭게 출시했다. 이번에 공개된 온쉐이프 피처스크립트 MCP 서버는 앤트로픽(Anthropic)이 주도하는 오픈 프로토콜인 모델 콘텍스트 프로토콜(Model Context Protocol, MCP)을 CAD 환경에 접목한 것이 특징이다. 이를 통해 개발자와 설계 엔지니어는 대규모 언어 모델(LLM) 및 지능형 에이전트를 온쉐이프의 파라메트릭 프로그래밍 언어인 피처스크립트와 직접 연결할 수 있다. 사용자는 자연어 명령을 통해 3D 형상 모델링 코드를 자동으로 생성하고, 복잡한 설계 변형을 실시간으로 제어할 수 있다. 특히 설계 자동화 워크플로를 구축할 때 반복적인 모델링 작업을 대폭 줄이고, AI 에이전트가 CAD 모델의 구조와 파라미터를 정확히 이해하도록 지원한다.     기존의 범용 코드 생성 AI가 3D 기계 부품의 정밀한 기하학적 구속조건을 반영하기 어려웠던 반면, 이번 설루션은 온쉐이프의 클라우드 아키텍처와 직접 통신하여 검증된 CAD 피처를 즉시 생성하는 차별성을 갖췄다는 것이 PTC의 설명이다. 설계자는 AI가 제안한 파라메트릭 코드를 온쉐이프 웹 브라우저 상에서 즉각 시각화하고 검토할 수 있다. PTC는 이번 MCP 서버 공개를 통해 제조 및 제품 개발 분야에서 에이전틱 AI를 활용한 설계 자동화 생태계를 본격적으로 확대해 나갈 계획이다. PTC에서 온셰이프 및 아레나 사업을 총괄하는 데이비드 카츠만 수석 부사장은 “CAD 분야에서 AI의 미래는 텍스트 기반 모델 생성에 그치지 않고, 코드를 거쳐 CAD 기능으로 이어지는 방식(Text-to-code-to-CAD)에 있다”고 밝혔다. 그는 “AI의 진정한 가치는 엔지니어가 검증된 아이디어를 반복 사용 가능한 도구로 바꾸도록 돕는 데 있다”면서, “새로운 피처스크립트 MCP 서버를 통해 온셰이프는 뛰어난 맞춤형 생산 CAD 시스템으로 거듭났으며, 모든 사용자가 자사의 제품과 프로세스에 최적화된 엔지니어링 역량을 구축할 수 있게 됐다”고 강조했다.

주요 스마트 건설 DX 솔루션 소개 온톨로지 기반 데이터 지능 플랫폼, NAXiS  개발 및 자료 제공 : 이에이트, 02-6410-2802, https://e8ight.co.kr/   NAXiS(넥시스)는 운영 데이터를 ‘의미 중심 구조’로 재정의하여, AI와 분석 시스템이 동일한 기준으로 이해하고 판단할 수 있도록 만드는 온톨로지 기반 데이터 지능 플랫폼이다. 기존 데이터 환경에서는 시스템과 조직별로 데이터 정의가 달라, 동일한 데이터에도 해석과 판단이 일관되지 않았고, 그 결과 AI는 같은 질문에 서로 다른 답을 내놓거나 운영 맥락을 충분히 반영하지 못하는 한계를 보여 왔다. 데이터가 축적될수록 이러한 문제는 더욱 심화되어 AI 결과에 대한 신뢰성 저하로 이어졌다. NAXiS는 이러한 문제를 AI 모델의 성능이나 알고리즘의 고도화로 해결하려 하지 않는다. 대신, AI가 판단의 근거로 삼는 데이터 자체의 의미와 기준을 먼저 정립하는 데 집중한다. 자산, 설비, 공정, 이벤트, 규칙 등 운영 환경을 구성하는 요소들을 온톨로지 기반의 개념 체계로 구조화하고, 데이터 간의 관계와 맥락을 명시적으로 정의함으로써 모든 AI와 애플리케이션이 동일한 의미 체계 위에서 작동하도록 한다.  이를 통해NAXi는 조직 내에 분산된 데이터를 단순히 연결하는 수준을 넘어, 전사적으로 신뢰할 수 있는 단일 진실 공급원(Single Source of Truth)을 구현한다. 결과적으로 NAXiS는 AI를 하나 더 만드는 플랫폼이 아니라, AI가 정확하고 일관되게 판단할 수 있도록 만드는 ‘판단 기준의 플랫폼’으로 기능한다. 1. 주요 특징  (1) 도메인 온톨로지 기반 모델링 자산, 설비, 공정, 이벤트, 규칙 등 운영을 온톨로지 기반의 개념 체계로 모델링하고, 데이터 간의 관계와 인과 구조, 맥락을 명시적으로 정의한다. 이를 통해 현장에 축적된 암묵적 지식과 경험을 재사용 가능한 디지털 지식 자산으로 전환한다. (2) 의미 기반 데이터 통합 분산된 시스템과 이기종 데이터를 포맷이나 저장 구조가 아닌 ‘의미’ 기준으로 연결하여 데이터 사일로를 해소하고, 전사 단일 진실 공급원(SSoT)을 구현한다. (3) 추론 및 관계 기반 판단 엔진 규칙 기반 추론과 관계·그래프 기반 분석을 결합해 단순 통계 분석을 넘어선 판단을 수행한다. 복합적인 운영 상황 속에서도 결과만 제시하는 것이 아니라, 그 원인과 맥락을 함께 도출함으로써 AI 판단의 설명 가능성과 신뢰성을 높인다. (4) AI·LLM·Agent 연계 최적화 구조 LLM, AI 에이전트, 다양한 분석 모델과 직접 연계되도록 설계되어 있으며, 온톨로지 기반 RAG 구조를 통해 AI가 항상 올바른 맥락과 기준을 참조하도록 한다. 이를 통해 환각(hallucination)과 오판 가능성을 줄이고, AI 결과의 일관성과 정확도를 향상시킨다. (5) AI 비종속 개방형 아키텍처 특정 AI 모델이나 벤더에 종속되지 않는 개방형 구조로 설계되어, 다양한 AI 및 외부 솔루션과 API 기반으로 연동할 수 있다. AI 교체나 확장 시에도 동일한 판단 기준을 유지할 수 있어, 장기적으로 안정적인 플랫폼 운영이 가능하다. 2. 기대효과 NAXiS는 기존 AI 시스템에서 반복적으로 발생하던 데이터 해석 불일치와 판단 편차 문제를 근본적으로 해소함으로써, AI가 일관된 기준 위에서 판단할 수 있는 구조를 제공한다.  (1) 데이터 해석 불일치 해소 및 일관된 판단 기준 확립 시스템과 조직마다 다르게 정의되던 데이터의 의미와 관계를 온톨로지로 구조화함으로써, AI와 분석 시스템이 동일한 기준으로 데이터를 이해하고 판단하도록 한다. 이를 통해 같은 질문에 서로 다른 답을 내놓던 기존 AI 환경의 근본적인 한계를 해소하고, 조직 전반에 일관된 판단 체계를 구축한다. (2) 모델 중심에서 데이터·지식 중심 구조로의 전환 AI 모델 교체·확장에도 동일한 의미 체계 위에서 작동하도록 함으로써 판단의 연속성과 안정성을 확보한다. (3) 사일로 데이터 해소를 통한 상황 인식 및 원인 분석 고도화 분산된 시스템과 이기종 데이터를 의미 기준으로 연결해 통합 지식 그래프를 구축함으로써 데이터 사일로를 해소한다. 데이터 간 인과관계와 맥락이 구조화되어, 복합 운영 환경에서도 단순 이벤트 감지를 넘어 정확한 상황 인식과 원인 파악이 가능해진다. (4) AI 확장 대응력 확보 및 자율 운영 체계 기반 마련 특정 AI 모델이나 벤더에 종속되지 않는 구조를 통해 AI 확장·교체 시 재개발을 최소화하고, 장기적인 운영 안정성과 비용 효율성을 확보한다. 여기에 NAX Ops(넥스 옵스)가 결합될 경우, NAXiS에서 정립된 판단 기준이 곧바로 실행으로 이어지며 자율 운영 체계 구현의 기반이 완성된다.  결과적으로 NAXiS는 데이터 → 정보 → 지식 → 판단으로 이어지는 흐름을 구조화하여, AI를 더 똑똑하게 만드는 것이 아니라 AI가 틀리지 않게 만드는 기반 플랫폼이다.   상세 내용은 <스마트 건설 DX 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

BIM 칼럼니스트 강태욱의 이슈 & 토크   헤르메스(Hermes)는 중앙 집중형 AI의 한계를 극복하고 독립적인 주권적 AI를 구현하기 위해 개발된 로컬 에이전트이다. 사용자 로컬 환경에서 독립 구동되는 헤르메스는 웹 리서치, 디버깅, 멀티 에이전트 협업 등 다양한 업무를 스스로 처리한다. 나아가 로컬 서빙 도구와 연동하면 무료로 고성능 에이전트 생태계를 구축할 수 있다. 이번 호에서는 헤르메스 에이전트의 등장 배경과 설치 방법, 주요 기능 및 활용 사례를 소개한다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   헤르메스(Hermes)는 서버리스로 자체 로컬 컴퓨터에 설치할 수 있는 에이전트이다. 스스로 발전할 수 있도록 구현되어 있어, 지식을 계속 축척하고 이를 재사용할 수 있다. 헤르메스 프로젝트는 중앙 집중형 AI의 한계를 극복하기 위해 누스 리서치(Nous Research)에 의해 개발되었다. 누스 리서치는 특정 기업의 이익보다 오픈소스 AI 모델의 성능 향상과 보급을 목적으로 하는 연구 커뮤니티이자 조직이다. 이들은 이미 AI 오픈소스 프로젝트를 통해 세계 AI 개발자들 사이에서 신뢰를 쌓아왔다. 특정 기업에 종속된 클라우드 기반 AI 와 달리, 사용자의 로컬 환경에서 독립적으로 작동하는 주권적 AI(sovereign AI) 구현을 목표로 한다. 개발팀은 사용자가 자신의 하드웨어 자원을 활용해 보안 걱정 없이 고성능 AI 비서를 운용할 수 있는 생태계를 구축하고자 이 에이전트를 세상에 내놓았다. 헤르메스 에이전트의 공식 정보와 최신 소스 코드는 공식 깃허브(GitHub) 저장소 및 프로젝트 웹사이트를 통해 제공된다. 개발자들과의 원활한 소통 및 기술 지원은 주로 디스코드(Discord) 커뮤니티나 관련 포럼을 통해 이루어지며, 이곳에서 사용자는 최신 업데이트 소식과 문제 해결 방법을 공유받을 수 있다. 헤르메스 에이전트는 현재 매우 빠른 속도로 발전 중이다. 초기에는 단순한 텍스트 기반 응답에 집중했으나, 현재는 도구 사용(tool use), 웹 브라우징, 그리고 장기 기억(long-term memory) 기능을 통합하여 복잡한 태스크를 수행할 수 있는 수준에 도달했다. 특히 오픈소스 커뮤니티의 활발한 참여로 인해 다양한 로컬 LLM(대규모 언어 모델)과의 호환성이 강화되고 있으며, 최적화 작업을 통해 사양이 낮은 개인용 PC에서도 원활하게 구동될 수 있도록 경량화가 진행되고 있다.   설치 방법 설치는 리눅스에서 다음과 같이 실행한다.   curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash   그림 1   만약 이전에 오픈클로(OpenClaw) 에이전트를 설치했다면, 해당 설정을 임포트할 것인지 <그림 2~3>과 같이 질문한다. 필자는 오픈클로를 설치할 때 사용할 LLM 모델 등을 미리 설정하였기 때문에, 이 설정 정보를 그대로 가져오기로 했다.   그림 2   그림 3   그림 4   대부분 디폴트값으로 설정한다. 그러면 <그림 5>와 같이 마지막에 설정 수정 명령과 함께 에이전트를 실행할 지 물어본다. 엔터 키를 눌러 실행한다.   그림 5   그러면 <그림 6>과 같은 화면을 볼 수 있을 것이다.   그림 6     ■ 자세한 기사 내용은 PDF로 제공됩니다.

대한기계학회 가상제품개발연구회(VPD연구회)가 리스케일과 공동으로 주관한 ‘2026 춘계 심포지엄’이 7월 3일 서울 강남구 포스코타워 역삼 이벤트홀에서 개최됐다. ‘에이전틱 VPD : AI 에이전트가 이끄는 제품개발 혁신’을 주제로 열린 이번 심포지엄에서는 AI 에이전트와 가상제품개발(VPD : Virtual Product Development)의 융합이 제품 설계와 검증, 엔지니어링 프로세스를 어떻게 변화시키고 있는지를 산업계와 학계의 다양한 사례를 통해 조망했다. ■ 최경화 국장     이번 심포지엄은 가상제품개발연구회 박종원 연구회장(한국기계연구원)의 개회사와 대한기계학회 리광훈 회장의 축사로 시작됐다. 참석자들은 단순한 분석과 예측을 넘어 AI가 목표를 이해하고 계획을 수립하며 실행하는 ‘AI 에이전트’ 시대로 접어들면서, 전통적인 시뮬레이션과 제품 개발 방식이 어떻게 변화하고 있는지를 공유했다. 특히 축적된 엔지니어링 데이터와 물리 기반 모델, 디지털 플랫폼, AI 에이전트가 결합한 새로운 제품 개발 패러다임이 주요 화두로 제시됐다.   AI 에이전트 기반 하네스 엔지니어링과 VPD의 미래 기조강연에 나선 경희대학교 임재혁 교수는 ‘에이전트 기반 하네스 엔지니어링과 VPD의 미래’를 주제로 AI 에이전트가 제품개발에 가져올 변화를 소개했다. 임 교수는 VPD를 “실물 중심의 개발을 가상 모델 기반으로 전환해 개발 효율과 완성도를 높이는 기술”이라고 정의하며, 기존 대규모 언어 모델(LLM)과 LLM 에이전트의 차이를 설명했다. 그는 기존 LLM이 단일 응답 생성에 머무르는 반면, LLM 에이전트는 CAD·CAE API 호출, 파이썬(Python) 함수 실행, 서브 에이전트 협업 등을 통해 복합 업무를 자율적으로 수행할 수 있다고 설명했다. 또한 여러 에이전트가 역할을 분담해 병렬로 작업하는 멀티 에이전트 시스템(multi-agent system)이 제품개발 자동화의 핵심 기술이라고 소개했다. 이어 LLM 하네스(harness)에 대해서는 “강력한 LLM을 안전하고 재현 가능하게 활용하기 위한 실행 환경”이라며, 스킬(skill)이 ‘무엇을 수행할 것인가’라면 하네스는 ‘어떻게 안전하게 실행할 것인가’를 담당하는 개념이라고 설명했다. 발표에서는 12U 큐브샛(CubeSat) 개발 사례도 소개됐다. 우 주 모빌리티와 위성 개발은 높은 복잡성과 전문가 부족, 설계 도구의 분산 등으로 개발 난이도가 높다. 이를 해결하기 위해 총괄 에이전트를 중심으로 요구사항 분석, 부품 추천, 형상·배치 설계, 구조 및 열 해석(PINN 기반 가상 센싱 포함)을 담당하는 서브 에이전트를 유기적으로 연결한 설계 시스템을 구축했다고 밝혔다.   데이터와 AI가 만드는 ‘예측하고 발견하는’ VPD 첫 번째 세션에서는 리스케일 김정훈 팀장이 ‘엔지니어링 데이터 기반 가상제품개발과 AI 활용 방향’을 발표했다. 김 팀장은 기존 VPD가 시뮬레이션을 수행하는 데 초점을 맞췄다면, AI 시대에는 데이터를 기반으로 결과를 예측하고 새로운 설계 대안을 발견하는 방향으로 진화하고 있다고 설명했다. 기존 워크플로는 해석 결과가 일회성으로 활용되고 전문가 경험에 의존하는 한계가 있었지만, AI 기반 환경에서는 수천 건의 시뮬레이션을 동시에 수행하고 엔지니어링 데이터를 재사용 가능한 자산으로 축적할 수 있다. 축적된 데이터를 활용해 AI가 성능을 예측하고 최적 설계를 탐색하는 체계가 가능해진다는 것이다. 또한 리스케일은 클라우드 기반 HPC 플랫폼에서 출발해 엔지니어링 데이터 자산화와 AI 물리 기반 기술을 접목한 디지털 엔지니어링 플랫폼으로 진화하고 있다고 소개했다. 그리고 멕라렌, 다이킨, 붐 슈퍼소닉의 적용 사례를 통해 AI 기반 엔지니어링의 실효성도 제시했다.   중공업 및 건설 기계 산업 VPD 현황과 미래 과제 HD현대사이트솔루션 곽성규 상무는 ‘HD건설기계에서의 VPD 현황과 미래 과제’를 발표했다. 이 회사는 굴착기와 휠로더, 지게차 등 다양한 건설 기계를 개발하면서 구조, 유압, 제어, 열, 진동 등 복합 물리 현상을 동시에 검증해야 한다. 이 회사는 2012년부터 VPD 기반을 구축해 최근 5년 동안 건설 기계 179기종과 엔진 44 기종 개발에 적용하며 개발 체계를 지속적으로 고도화해 왔다. 제품 기획부터 상세 설계, 시제품 검증까지 1D 시스템 모델 기반 성능 시뮬레이션을 적용해 목표 성능과 시스템 아키텍처를 검증하고 있으며, AI 기반 지능형 VPD와 XR(확장현실) 기반 Virtual Proto Review 환경도 구축했다. 특히 ‘만들기 전에 보고 검증한다’는 개념 아래 개발자들이 가상 공간에서 시제품을 체험하고 조립성과 시야를 검토할 수 있도록 했다. 또한 웹 기반 VPD(webVPD) 환경과 자동화된 해석 프로세스를 구축해 구조 강도, CFD 기반 열유동, 진동·소음 해석 등을 통합 수행하고 있으며, 이를 통해 개발기간(time-to-market : TTM) 단축과 개발 비용 절감 효과를 거두고 있다고 소개했다.   모빌리티와 전자산업으로 확산되는 버추얼 제품 개발 오후 세션에서는 자동차와 전자산업의 VPD 적용 사례가 이어졌다. 현대자동차 박제승 실장은 ‘차량 아키텍처 단계 버추얼 타이어 개발’을 주제로 발표했다. 전기차는 무거운 배터리와 높은 초기 토크, 반복적인 회생제동 등으로 타이어에 가해지는 부하가 크게 증가한다. 이에 현대자동차는 초기 설계 단계에서 타이어 설계 변수와 차량 성능 KPI를 연계하는 데이터 기반 버추얼 개발 체계를 구축해 실차 시험 이전 단계에서 성능을 확보하는 개발 방식을 추진하고 있다고 설명했다. 이어 현대모비스 송준영 팀장은 ‘제품개발의 AX - 현대모비스 추진 현황’, LG전자 박만수 실장은 ‘LG전자 HS본부의 VPD 추진 방향’을 발표하며 제조업 전반에서 AI 전환(AX)과 버추얼 제품 개발이 품질 향상과 개발 리스크 감소의 핵심 전략으로 자리잡고 있다고 소개했다. 마지막 발표자인 전북대학교 이수민 교수는 ‘데이터 기반 최적 설계를 통한 피지컬 AI’를 주제로 데이터 기반 설계 최적화와 AI 활용 방향을 제시했다.   ▲ 패널토론   에이전틱 AI 엔지니어링 시대 본격화 모든 발표가 끝난 뒤에는 연구회 임원진과 발표자들이 참여한 패널 토론이 진행됐다. 참석자들은 ‘디지털 엔지니어링 고도화와 AI 에이전트 기반 VPD 혁신 방향’을 주제로 의견을 나누며, 산업 분야는 서로 다르지만 엔지니어링 데이터를 표준화하고 디지털 자산으로 축적하는 것이 AI 기반 제품 개발의 핵심이라는 데 공감했다. 또한 AI 에이전트가 축적된 데이터를 기반으로 설계와 해석, 최적화, 의사결정을 지원하는 방향으로 발전하고 있다는 점도 공통된 의견으로 제시됐다. 이번 춘계 심포지엄은 반복적인 해석 업무를 자동화하는 수준을 넘어 AI 에이전트가 설계와 검증, 최적화를 주도하는 에이전틱 엔지니어링(agentic engineering) 시대가 본격화되고 있음을 보여준 자리였다. AI는 단순한 설계 지원 도구를 넘어 엔지니어링 프로세스 전반을 연결하고 의사결정을 지원하는 핵심 기술로 자리매김하고 있으며, VPD 역시 시뮬레이션 중심에서 데이터와 AI 에이전트가 융합된 새로운 디지털 엔지니어링 단계로 진화하고 있음을 확인할 수 있었다.   ▲ VPD연구회 2026 춘계 심포지엄 참가자 단체사진     ■ 기사 내용은 PDF로도 제공됩니다.