현장에서 얻은 것 No. 26     프롤로그 — 광교의 어느 여름 저녁 2026년 7월 24일, 미래 모빌리티 셀럽 모임 ‘미모셀(MIMOCELL)’의 7월 정모가 열렸다. 장소는 경기도 용인시에 최근 문을 연 ‘더핏(THE PIT)’이었다. 730평 규모의 이 공간은 자동차 튜닝 전문 제조사 네오테크가 만든 첫 번째 직영점이다. 문을 열고 들어서는 순간, 이곳이 단순한 매장이 아니라는 것을 직감했다. 1층과 지하 1층의 플래그십 튜닝 작업장에서는 슈퍼카부터 내수차까지 장착과 세팅, 정비가 원스톱으로 이루어지고 있었고, 쇼룸의 ‘PIT WALL’ 너머로는 고객이 자기 차의 작업 과정을 직접 지켜볼 수 있었다. 카페와 미디어 라운지, 스파르코와 미니 GT가 입점한 MD숍, 파트너 기술 교육장까지 — 제조에서 도매, 소매에 이르는 통합 경험이 한 장소에 구현되어 있었다. ‘PIT’라는 이름은 F1 경주에서 경주차가 타이어를 교체하고 정비를 받는 그 피트에서 왔다. 기술력의 정점이자 세팅의 중심을 상징하는 이름이다. 이준명 대표는 이곳을 “매장이 아닌, 살아있는 레퍼런스(reference store)”라고 불렀다. 현장의 고객 목소리(VOC)가 R&D로 직결되는 기술 허브이자, 해외 바이어에게 ‘이렇게 운영하면 된다’를 실물로 보여주는 글로벌 확장의 실증 엔진이라는 것이다. 이날 저녁, 이 공간의 미디어 라운지에서 필자는 최근 몇 년간 들었던 그 어떤 디지털 전환 강연보다 강렬한 발표를 들었다.   주권을 소유한 제조 브랜드, 네오테크 네오테크는 2006년 7월에 설립된 자동차 튜닝 1세대 기업이다. 경북 김천에 본사와 공장을 두고, 약 50명의 직원이 자동차 애프터마켓용 서스펜션(코일오버)과 고성능 브레이크 시스템(NF 시리즈), 스테빌라이저와 하체 링크류를 개발·생산한다. 부품 개발부터 생산, 품질 검증까지 직접 책임지는 국내 대표 퍼포먼스 섀시 전문 제조사다. 숫자가 이 회사의 궤적을 말해준다. 2025년 매출 101억 원(2024년 96억 원), 2019년부터 2024년까지의 매출 성장률 398%, 전국 800개 이상의 파트너 튜닝샵·정비소 네트워크, 그리고 13개국 수출에 2025년 수출액 약 22억 원. 100억 규모의 중소기업이지만 미국, 캐나다, 호주, 홍콩, 중국 등으로 판로를 넓히며 자동차 튜닝의 세계적 브랜드로 커 나가고 있는 전형적인 강소기업이다. 이준명 대표는 이날 발표에서 네오테크의 정체성을 세 가지 ‘주권’으로 정리했다. 첫째, 브랜드 주권 — 직접 판다. 자사몰과 직영점(THE PIT), 자체 미디어(GridZero)로 고객과 직접 연결되는, 딜러에 의존하지 않는 D2C 구조다. 둘째, 제조 주권 — 직접 만든다. HMLV(다품종 소량) 커스터마이징 제조로 수백 개 차종에 대응하며, 튜닝을 넘어 모빌리티 OE와 방산 섀시까지 같은 공장에서 소화한다. 현대모비스, 오토노머스 A2Z와의 협력이 그 확장의 증거다. 셋째, 운영 주권 — 직접 구축한다. 자체 개발한 MES와 그룹웨어, 그리고 AI 운영체계(AI-SAOS)로 외부 SaaS에 종속되지 않고 데이터·로직·프로세스를 모두 내부 자산으로 소유한다. 가업 승계와 투자 유치, 해외 개척을 차례로 이뤄내고 이제 수도권 광교에 깃발을 꽂은 이 회사의 이야기는 그 자체로 흥미로웠다. 그러나 이날 발표의 진짜 주제는 세 번째 주권, 즉 ‘운영 주권’이 어떻게 만들어졌는가였다.   여러분의 회사입니다. 하지만 여러분의 데이터입니까? 발표의 첫 슬라이드가 스크린에 떠올랐을 때, 장내가 조용해졌다. “여러분의 회사입니다. 하지만 여러분의 데이터입니까?” 이준명 대표는 담담하게 말을 이었다. 그룹웨어, MES, ERP — 우리 회사의 데이터라고 믿고 있는 그 데이터는 사실 설루션 업체의 서버에 있는, 업체를 통해서만 접근 가능한 ‘업체의 데이터’일 뿐이라는 것이다. 화면에는 네오테크에서 각 설루션 업체로 화살표가 뻗어나가고, 그 끝에 데이터가 매달려 있는 다이어그램이 그려져 있었다. 데이터의 주인이 회사가 아니라 설루션이라는, 뒤집힌 구조의 시각화였다. 네오테크의 현실도 다르지 않았다. 근태·메일·전자결재는 다우오피스, 프로젝트 진행과 수주·업무공유는 플로우, 거래명세서와 회계는 이카운트, 생산 현장은 스마트팩토리 지원사업으로 구축한 세아소프트의 커스텀 MES, 그리고 ‘일부’ 자료만 자체 NAS에 저장되어 있었다. 다섯 개의 시스템, 다섯 개의 데이터 섬이었다. “이 다섯 시스템은 과연 융합될 수 있었을까요? 그렇다면 대기업은 왜 자사 시스템을 직접 개발할까요?” 버튼 하나만 옮겨도, API 하나만 요청해도 비용이 발생하고, 새로운 개발 요청은 수천만 원이 든다. 데이터는 각 설루션 회사의 것이고, 결국 직원들이 각 시스템의 데이터를 수작업으로 조합해 대표에게 보고하는 구조가 된다. 이 대표는 “네오테크도 마찬가지였습니다”라고 인정했다. SaaS 구독의 편리함 뒤에 숨어 있는 종속의 구조를 이렇게 정면으로 짚어낸 발표를, 필자는 오랜만에 들었다.   첫 투자를 받은 후 — 대표가 대답하지 못한 질문 전환점은 2025년 7월에 찾아왔다. 네오테크가 첫 투자를 유치한 것이다. 축하할 일이었지만, 그날부터 수시로 들어오는 질문과 보고 요청이 이 대표를 시험대에 올렸다. 거래처별 채권·채무 현황을 실시간으로 볼 수 있는가. 채권 회수 기간은 며칠인가. 평균 납기는 며칠이고, 제품별 납기는 얼마나 차이가 나는가. 외주처의 입고 납기는 평균 얼마나 지연되고 있는가. 누가 회사에서 가장 활발하게 활동하고 있는지, 그 사람이 지금 무슨 일을 하고 있는지 아는가. 이 대표의 고백은 솔직했다. “나는 모든 숫자를 ‘대략’, ‘감으로’ 알고 있었다.” 그리고 청중을 향해 물었다. “노트북 제출 없이, 지 금 이 자리에서 대답할 수 있는 분 계십니까?” 이 질문 앞에서 자유로운 경영자가 몇이나 될까. 20년째 회사를 경영해 온 대표조차 투자자의 기본적인 질문에 즉답할 수 없는 상황 — 이것이 시스템을 다섯 개나 쓰고 있는 중소기업의 실제 모습이었다. 문제는 시스템의 부재가 아니라 데이터 흐름의 단절이었고, 더 근본적으로는 데이터 주권의 부재였다. 필자가 제조기업의 PLM·ERP 혁신 프로젝트 현장에서 늘 마주하는 문제의식과 정확히 같은 지점이었다. 도구는 있다. 그러나 데이터가 흐르지 않고, 흐른다 해도 그 데이터의 주인이 내가 아니다.   바이브 코딩으로 다시 설계하다 — 네오테크의 AI-SAOS 여기서 이준명 대표가 택한 길이 이날 발표의 백미였다. 그는 설루션 업체에 수천만 원짜리 커스터마이징을 요청하는 대신, AI와 함께 직접 만들기 시작했다. 이날 강연의 제목 그대로 ‘바이브 코딩(vibe coding)으로 개발한 네오테크 그룹웨어·MES’였다. 바이브 코딩은 자연어로 의도를 전달하면 AI가 코드를 생성하고, 사람은 방향을 잡고 검증하며 빠르게 반복하는 개발 방식이다. 이 대표는 아이디어에서 서비스 구현까지의 실제 경험과 노하우를 공유했는데, 그 결과물이 놀라웠다. 근태와 전자결재를 담는 그룹웨어, 김천 공장의 생산 현장을 담는 MES, 그리고 이들을 관통하는 AI 운영체계 ‘AI-SAOS’까지 — 흩어져 있던 다섯 개의 데이터 섬이 네오테크 내부 자산으로 통합되어 가고 있었다. 투자자의 질문에 ‘감’이 아니라 데이터로 답하는 경영, 이 대표는 이것을 ‘눈에 보이는 경영’, 투명경영이라고 불렀다. 그리고 이 투명성은 내부 경영에 그치지 않는다. 13개국의 글로벌 바이어들과 함께 성장하려면 회사의 상태를 데이터로 보여줄 수 있어야 하고, THE PIT라는 실증 매장과 자체 구축한 AI 운영체계는 그 신뢰의 인프라가 된다. 제조 강소기업이 브랜드 강화를 넘어 토털 설루션을 만들어 가는 것 — 이것이 글로벌 기업으로 가는 첫 단추라는 생각이 들었다. 발표를 들으며 필자가 특히 주목한 것은 ‘기술 도입’과 ‘업무 혁신’의 차이였다. 많은 기업이 AI를 도입한다. 그러나 네오테크는 AI를 도입한 것이 아니라, AI로 자기 문제를 풀었다. 현대자동차의 국재창 책임연구원도 같은 지점을 짚었다. 아무리 바이브 코딩을 적극적으로 활용한다 해도 이처럼 짧은 시간 안에 실제 업무에 적용 가능한 수준의 결과물을 구현하는 것은 결코 쉬운 일이 아니며, 기술을 단순히 도입하는 것을 넘어 실질적인 업무 혁신으로 연결한 점이 큰 의미로 다가왔다는 소감이었다.     현장의 반향 — 그리고 나눔으로 이어지는 혁신 발표가 끝난 뒤의 분위기는 감동과 놀라움, 그 자체였다. 매출 500억 규모 중소기업의 경영자문을 맡고 있는 김준완 컨설턴트는 MES와 ERP 때문에 방향을 잡지 못해 어려워하던 차에, 이 대표의 적극적인 열의와 구성원들의 오픈 마인드가 조화를 이루어 ‘눈에 보이는 경영’을 실현하고 있는 모습에 놀랐다며 좋은 영감을 얻었다고 했다. 이 모임을 주선한 에이스웍스 박승범 대표는 가업승계, 투자유치, 해외 개척에 이어 수도권 광교에 깃발을 꽂은 네오테크가 완전히 인상적이었다며 앞으로가 더욱 기대된다고 화답했다. 필자 역시 질문을 많이 던진 참석자 중 하나였다. SaaS 구독 서비스가 갖는 구조적 어려움과, 그 속에서 네오테크만의 비장의 무기를 만들어 가는 여정 — 니즈를 찾아 네오테크만의 색깔을 입히는 것이야말로 오늘날 AI가 가야 할 방향이 아닐까 싶었다. 이날 필자는 AI 기술로 기업의 구축 설루션을 A부터 Z까지 만들 수 있겠다는 희망을 보았고, 동시에 ‘사람이 미래인 이유’도 다시 확인했다. AI는 고민하지 않는다. 무엇이 문제인지 정의하고, 왜 데이터 주권이 내게 없는지 의심하고, 그것을 되찾겠다고 결심하는 것은 결국 사람의 몫이다. 네오테크는 그 고민을 시스템으로 녹여 실제로 적용하는 모습을 보여주었다. 더 감동적인 대목은 그다음이었다. 이준명 대표는 자신의 성과에 그치지 않고, 비슷한 어려움을 겪고 있는 다른 기업들에게 자신의 경험과 노하우를 아낌없이 나누고 있었다. 이날의 발표 자체가 그 나눔의 실천이었다. 소매 매장이 생기면서 주 7일을 일하고, 세미나 당일에도 자정까지 고객을 응대하고 다음 날 아침 예약 차량 때문에 다시 출근하는 대표 — 그러면서도 “많은 진심 어린 조언과 관심이 저뿐만 아니라 팀원들에게도 큰 도움이 됐다”며 함께 커 나가겠다는 그의 인사에서, 이 회사가 왜 젊고 강한지를 보았다.   에필로그 — 현장에서 얻는 것 돌아오는 길에 이날의 발표를 곱씹었다. 네오테크가 던진 질문은 사실 모든 제조기업을 향한 것이다. ‘여러분의 회사입니까? 그렇다면 여러분의 데이터입니까?’ 디지털 전환의 담론은 흔히 ‘어떤 설루션을 도입할 것인가’에서 출발한다. 그러나 네오테크의 사례는 질문의 순서를 바꾸라고 말한다. 먼저 물어야 할 것은 ‘나의 문제는 무엇이고, 그 문제를 풀기 위한 데이터의 주인은 누구인가’이다. 대기업은 오래전부터 자사 시스템을 직접 개발해 왔다. 이제 생성형 AI와 바이브 코딩의 시대 가 열리면서, 그 길이 45명 규모의 중소기업에게도 열렸다. 수천만 원의 커스터마이징 견적서 앞에서 좌절하던 중소기업 대표가, AI 를 파트너 삼아 자기 회사에 꼭 맞는 시스템을 직접 만들 수 있는 시대가 온 것이다. 물론 모든 기업이 네오테크처럼 할 수 있는 것은 아니다. 대표의 문제 정의 능력, 구성원의 오픈 마인드, 그리고 끝까지 밀어붙이는 실행력이 전제되어야 한다. 그러나 방향만큼은 분명하다. AI 시대의 경쟁력은 도구의 보유가 아니라 데이터 주권의 소유에서 나오고, 혁신은 기술의 도입이 아니라 문제의 해결에서 완성된다. ‘대표자는 문제를 해결할 수 있어야 한다’는 이준명 대표의 명제는, 그래서 튜닝 회사의 이야기를 넘어 이 시대 모든 경영자를 향한 화두로 남았다. F1의 피트에서 경주차는 멈추는 것이 아니라 더 빨리 달리기 위해 정비를 받는다. 광교의 THE PIT에서 필자는 한 강소기업이 데 이터 주권이라는 새 타이어로 갈아 끼우고 글로벌 트랙으로 다시 출발하는 장면을 목격했다. 신차를 뽑으면 꼭 이곳에 맡기고 싶다는 생각과 함께, 경정비를 넘어 차량의 상태를 살펴주는 ‘주치의’ 같은 브랜드로 커 가기를 응원하며 — 오리지널을 넘어서는 업그레이드(UPGRADE BEYOND THE ORIGINAL), 네오테크의 다음 랩(lap)이 기대된다.   ■ 류용효 디원 PLM기술본부에서 상무로 재직 중이며, 페이스북 ‘류용효컨셉맵 연구소’ 리더, CNGTV 지식방송 전문위원으로 활동하고 있다. PTC코리아, 오라클, 지멘스 PLM 등을 거치며 PLM과 프로세스 컨설팅 분야에서 일해 왔다. 저서로 ‘베테랑 기획자의 바이브코딩 도전기’가 있다. (블로그)     ■ 기사 내용은 PDF로도 제공됩니다.

주요 CAD 벤더들이 최근 들어 일제히 AI 기능을 정식 제품에 통합하고 있다. 그동안 프리뷰나 베타 단계에 머물러 있던 기능들이 잇따라 정식 출시되면서, 업계에서는 AI가 더 이상 CAD의 부가 기능이 아니라 표준이라는 평가가 나오고 있다. 주요 캐드 벤더의 최근 행보를 정리했다.   캐드 벤더  AI 동향(이미지 제작: 챗GPT)   1. 업계 공통 흐름: 3가지 핵심 AI 기능 (1) 제품 지원 챗봇 사용 설명서와 지원 문서를 학습한 AI 챗봇은 이미 여러 CAD 프로그램에 자리 잡았다. Onshape의 'AI Advisor', 지멘스 Solid Edge·NX의 'Design Copilot', 오토데스크의 'Autodesk Assistant', 다쏘시스템 3DEXPERIENCE의 가상 도우미 'Aura', 트림블 스케치업의 'AI Assistant' 등이 대표적이다. 기존 대형언어모델(LLM)을 자사 지원 문서에 맞춰 튜닝하는 방식이라 구현 부담이 상대적으로 낮다는 점이 확산 배경으로 꼽힌다. ② 도면 자동 생성 3D 모델을 2D 도면으로 변환하는 반복 작업에도 AI가 적용되고 있다. 오토데스크 Fusion의 'Automated Drawings'는 템플릿과 AI 모델을 결합해 표준 체결 부품(볼트·너트 등)을 자동으로 인식하고 도면에서 제외하는 방식으로 작업 시간을 줄인다. 지멘스는 Solid Edge(현 Designcenter Solid Edge)에서 최소한의 입력만으로 도면 뷰의 최대 80%까지 자동 생성하는 기능을 공개했으며, 다쏘시스템 역시 SOLIDWORKS에 유사 기능을 준비 중인 것으로 알려졌다. ③ 생성형 렌더링 장면의 조명·재질을 수동으로 세팅하지 않고 텍스트 프롬프트만으로 사실적인 렌더링 이미지를 생성하는 기능이다. 트림블 스케치업이 'SketchUp AI Render'로 이 기능을 상용화했고, 오토데스크와 다쏘시스템도 각각 Fusion과 SOLIDWORKS에 관련 기능을 시연·예고한 상태다. 2. 벤더사들의 AI 관련 주요 동향 (1) 오토데스크: Fusion·Inventor 전방위 AI 확장 오토데스크는 'Autodesk Assistant'라는 단일 브랜드로 Fusion, Inventor, Moldflow, Vault 등 제품 디자인·제조(PD&M) 포트폴리오 전반에 AI를 확산시키는 전략을 펴고 있다. 회사 측은 프런티어 모델과 자체적으로 구축한 3D 설계 특화 모델을 결합하는 방식이라고 설명한다. Fusion에서는 자연어 명령으로 Fusion API 전체 기능에 접근할 수 있는 '프롬프트-투-API' 방식이 도입됐고, 이미지 생성(렌더링) 기능도 상용 구독자 기준 월 20회까지 제공된다. 4월에는 Fusion 관련 데이터를 조회·관리할 수 있는 'Autodesk Fusion Data MCP' 서버가 공개돼 Claude Desktop, VS Code 등 외부 AI 도구와의 연동이 가능해졌다. 같은 달 Anthropic은 오토데스크, 블렌더, 어도비 등과 파트너십을 맺고 Fusion용 MCP 커넥터를 출시했다. 이를 통해 자연어 입력만으로 형상을 생성하는 'Text-to-CAD' 워크플로가 구현된다. 3월에는 인벤터 2027이 출시되며 'Autodesk Assistant'가 테크 프리뷰 형태로 처음 도입됐다. 작업 화면 옆에 도킹되는 패널을 통해 자연어로 모델 정보를 조회하고 분석할 수 있으며, Model Context Protocol(MCP)을 기반으로 실제 모델 구조와 속성에 근거한 응답을 제공하는 점이 특징이다. 다만 5월 기준으로 파라미터 업데이트, iProperty 편집, 컴포넌트 상태(가시성·억제 등) 변경 등 비형상 데이터 작업까지는 지원하지만, 3D 형상 자체를 직접 생성하거나 수정하는 기능은 아직 제공되지 않아 어시스턴트가 "이해와 분석" 단계에 머물러 있다는 평가도 있다. 인벤터에는 이와 별개로 위상 최적화 기반의 'Shape Generator'가 이미 정식 기능으로 자리 잡았고, iLogic 자동화도 이번 릴리스에서 드래그 앤 드롭 방식의 시각적 프로그래밍인 'iLogic Codeblocks'로 확장돼 코드 작성 없이도 자동화 로직을 구성할 수 있게 됐다.   (2) 다쏘시스템: '생성 경제'를 표방한 SOLIDWORKS 2026 다쏘시스템은 지난해 11월 SOLIDWORKS 2026을 출시하며 '생성 경제(Generative Economy)'라는 슬로건 아래 AI 기반 설계·협업·데이터관리 기능을 대거 반영했다. 도면 작성과 상세 작업을 가속하는 생성형 AI 기능, 볼트·너트 등 표준 체결 부품을 자동으로 인식해 조립하는 기능, 커뮤니티 게시글·위키·Q&A에서 인사이트를 추출해 답변을 제공하는 가상 도우미 'Aura' 등이 새롭게 포함됐다. 지난 2월 미국 휴스턴에서 열린 '3DEXPERIENCE World 2026'에서는 설계부터 시뮬레이션, 제조, 거버넌스에 이르는 제품 전 주기에 걸친 AI 적용 사례가 집중적으로 소개됐다. (3) PTC: Creo 13에 AI 어시스턴트 3단계 도입 PTC는 지난 6월 Creo 13과 SaaS 버전 Creo+ 13.3을 발표하며 'Creo AI Assistant'를 공식화했다. 어시스턴트는 세 단계로 구성된다. 모든 사용자에게 기본 제공되는 'Advise'는 채팅 인터페이스를 통해 모범 사례와 공식 문서 기반의 설계 가이드를 제공하고, 별도 확장팩 형태인 'Assist'(베타)는 3D 모델을 직접 분석해 설계 결함을 조기에 발견하고 규정 준수 여부를 검증하며, 'Automate'(알파)는 CAD 형상을 이해해 설계를 생성·수정·최적화하는 수준까지 나아간다. PTC는 AI 어시스턴트 도입으로 특정 개인에게 집중돼 있던 노하우 의존도를 낮출 수 있다는 점을 이번 도입의 의미로 강조했다. 이와 함께 2016년 출시 이후 꾸준히 고도화돼 온 생성형 위상 최적화(GTO)·클라우드 기반 생성설계 확장팩(GDX) 등 기존 생성설계 도구도 이번 릴리스에서 어셈블리 단위 최적화와 멀티피직스 해석 범위 확장이 이뤄졌다. PLM 솔루션 윈칠(Windchill)과의 연계를 통해 AI가 제안한 설계 대안에도 기존과 동일한 변경 이력·버전 관리가 적용된다는 점도 특징이다. (4) 종합: AI, 도구에서 워크플로 파트너로 세 벤더의 행보를 종합하면 공통된 방향성이 보인다. 첫째, AI 챗봇은 이제 기본 지원 기능을 넘어 실제 작업을 수행하는 '에이전트'로 진화하고 있다. 둘째, MCP(Model Context Protocol) 같은 개방형 표준을 통해 CAD 소프트웨어와 외부 AI 모델(Claude 등)을 연결하려는 시도가 확산되고 있다. 셋째, 아직까지 AI가 형상을 자유롭게 생성·수정하는 단계에는 이르지 못했으며, 대부분의 벤더가 "AI는 제안하고 최종 판단은 엔지니어가 한다"는 원칙을 강조하고 있다는 점도 공통적이다. 국내 CAD 사용자와 기업 입장에서는 이러한 AI 어시스턴트가 아직 베타·프리뷰 단계인 경우가 많은 만큼, 정식 반영 시점과 국내 라이선스 정책을 함께 확인해 도입 전략을 세울 필요가 있어 보인다. 3. 보급형·대안 CAD 벤더 AI 동향 대안캐드 벤더 AI  동향(이미지 제작: 챗GPT) 오토캐드 호환 보급형 CAD 진영에서도 AI를 앞세운 경쟁이 본격화되고 있다. 다만 이 진영은 대형 벤더와 달리 LLM 기반 대화형 어시스턴트보다는 반복 작업 자동화에 'AI'라는 이름을 붙이는 경우가 많아, 실제 기능 수준을 구분해서 볼 필요가 있다. (1) CADiAN(캐디안) 국내 개발 CAD인 캐디안은 지난 해 11월 'CADian 2026'을 출시하며 스마트 치수, 중심선 자동 생성, 상세도 작성기 등 반복 작업 자동화 기능을 대폭 강화했다. 이와 별개로 도면 이미지·DWG 파일 내 객체를 AI가 자동 탐지해 도면을 재구성하고 BOM을 자동 산출하는 'AI-CE(AI-Cost Estimation)', 전통 목조 건축물을 AI로 가상 복원하는 'TWArch' 등 특화 AI 솔루션도 함께 선보이고 있다. 올해 4월에는 AI-CE와 경량 2D 솔루션 'CADian 2026 Classic'을 앞세워 유럽 시장 공략에 나섰으며, 2026년 초에는 AI 기반 PDF 문자 자동 인식, AI 기반 도움말 기능도 추가될 예정이다. (2) GstarCAD Gstarsoft는 지난 6월 ‘Faster by Core, Smarter by AI’를 슬로건으로 내건 GstarCAD 2027을 출시했다. 이번 버전은 재생성·줌·이동 등 주요 명령 속도를 10% 이상, GPU 가속 성능을 최대 80% 이상 끌어올리는 등 엔진 성능 개선이 핵심이며, 동적 블록 파라메트릭 구속조건·중심선 자동 생성 같은 실무 기능도 추가됐다. 또한 Gstarsoft는 지난 6월 CAD·BIM·클라우드·AI를 아우르는 신규 포트폴리오를 공개하며, 자연어로 설계 생성·작업 자동화·엔지니어링 지식 검색을 지원하는 'AI Assistant'와 이미지 기반 도면을 편집 가능한 CAD 객체로 변환하는 'AI ScanToCAD'를 새롭게 선보였다. 건축 특화 제품인 GstarBIM 2027에도 AI 지원 시각화 기능이 추가됐다. (3) ZWCAD 지난 해 출시된 ZWCAD 2026은 '스마트 매치'(회전·크기 변형된 동일·유사 객체 일괄 수정), '유사 검색'(외부 도면에서 유사 블록·객체 검색), 자체 개발 구속조건 엔진 기반의 파라메트릭 설계 기능을 'AI 기반 자동화'로 소개했다. 이후 공개된 ZWCAD 2027 베타에는 3D 모델을 사실적으로 렌더링하는 기능과 RVT 파일 가져오기 개선 등이 추가된 것으로 보인다.    4. AI로 인한 변화와 혜택 AI의 적용으로 캐드 업계와 작업 방식의 변화는 어떻게 이루어지고 있을까. 이러한 변화가 실제 사용자와 기업에 가져올 혜택도 짚어볼 만하다. ■ 반복 업무 감소 : PTC는 파라미터 정의, 문서화 등 반복 작업을 AI가 자동화해 수작업 부담을 30~50%까지 줄일 수 있다고 설명한다. 엔지니어는 그만큼 시스템 설계·시뮬레이션 같은 고부가가치 업무에 집중할 수 있다. ■ 진입장벽 완화 : SOLIDWORKS의 AI 시뮬레이션 어드바이저처럼 해석 조건 설정을 AI가 보조하면서, 비전문 인력도 정밀 시뮬레이션에 접근할 수 있게 된다. ■ 협업 오류 감소: A&E 분야 조사에 따르면 AI 기반 협업 도입 시 프로젝트당 정보요청서(RFI)가 평균 6건에서 3건으로 줄어드는 등, 설계-시공 간 충돌을 사전에 걸러내는 효과가 보고된다. ■ 온보딩 단축: Advise형 챗봇은 신규·저경험 사용자의 학습 곡선을 낮춰, 특정 숙련자에게 쏠린 노하우 의존도를 줄이는 효과가 있다. 이처럼 긍정적인 평가에도 남는 과제는 비용·숙련도 장벽으로 도입 속도에 기업별 편차가 클 수 있고, 클라우드 기반 AI 확산에 따라 데이터 거버넌스·보안 검토가 새로운 도입 조건으로 떠오르고 있다는 것이다. 또한 캐드 벤더사 측면에서는 AI가 크레딧(토큰) 형태로 사용되면서 새로운 추가 수익 모델로 여겨지기도 하나, AI가 가져오는 매출 증가가 관련 인력을 줄일 수도 있을 것으로 보여 시장 재편의 신호탄이 될 수 있다는 우려도 나온다 실제로 일부 벤더는 AI 기능을 구독형 요금제의 상위 티어로 묶거나 별도의 크레딧 과금 방식으로 제공하기 시작했는데, 이는 라이선스 판매에 의존해온 기존 수익 구조가 사용량 기반 과금으로 조금씩 옮겨가고 있음을 보여준다.  이 과정에서 설계 인력은 반복 작업을 AI에 맡기고 검증·판단에 집중하는 방향으로 재편될 가능성이 크다는 것이 업계 전반의 시각이다. 캐드와 AI의 만남은 향후 엄청난 변화를 가져올 것으로 예상되며, 이것을 거스를 수 없는 대세가 되어 가고 있다.  결국 AI가 캐드 산업에 가져올 변화는 '누가 더 적은 인력으로, 더 빠르고 정확하게 설계를 완성할 수 있도록 지원하느냐'는 구도로 변화해 갈 것으로 보인다.   

시놀로지는 1U 액티브프로텍트(ActiveProtect) 어플라이언스 DP5200을 출시했다고 밝혔다. 이번 신제품은 기업의 데이터 보호 포트폴리오를 확대하고 중소기업의 요구를 충족하는 데 초점을 맞췄다. DP5200은 컴팩트한 설계로 중소기업의 데이터 보호 과제에 대응할 수 있도록 플랫폼 지원, 대규모 워크로드 관리, 인공지능(AI) 기반 보안 기능을 하나의 설루션으로 제공하는 것이 특징이다. 액티브프로젝트 제품군인 DP5200은 1U 폼팩터에 최대 36TB의 원시 용량을 제공한다. 이와 함께 액티브프로젝트 매니저(ActiveProtect Manager : APM)의 엔터프라이즈 백업 기능을 모두 지원한다.     DP5200은 다양한 IT 환경을 보호할 수 있도록 설계됐다. 브이엠웨어 비스피어(VMware vSphere)와 마이크로소프트 하이퍼브이(Microsoft Hyper-V) 등 가상화 플랫폼을 비롯해 윈도우 및 리눅스 서버, 윈도우 PC, 맥OS 등 물리 인프라를 지원한다. 또한 마이크로소프트 365와 같은 SaaS 애플리케이션, 오라클 및 마이크로소프트 SQL 데이터베이스, SMB, 넷앱, 뉴타닉스 기반 파일 서버까지 보호한다. 향후 제공할 예정인 APM 2.0 업데이트를 통해서는 애저 VM, 아마존 EC2, 뉴타닉스 AHV, 프록스모스 VE, 구글 워크스페이스도 추가 지원할 계획이다. 대규모 통합 관리 측면에서 DP5200은 단독 백업 서버로 구축해 단일 사이트의 모든 워크로드를 보호할 수 있다. 중앙 관리 서버로 구성할 경우에는 최대 12만 개의 워크로드와 1000대의 서버를 단일 관리 화면에서 통합 관리하고 모니터링하는 것이 가능하다. 보안 기능으로는 다중 요소 인증(MFA) 기반 접근 제어와 AI 기반 보안 아키텍처를 결합했다. 변경 불가능한 WORM 스토리지, 논리적 에어갭, 버전 기반 티어링을 통해 데이터 보호 원칙을 구현한다. 시놀로지에 따르면 향후 제공 예정인 APM 2.0에서는 단순한 사후 복구를 넘어 AI 및 머신러닝을 활용해 백업 과정에서 이상 징후를 탐지하고 악성코드를 검사함으로써, 복구되는 데이터가 악성코드로부터 안전하도록 지원할 예정이다. 시놀로지의 지아유 류(Jia-Yu Liu) 데이터 보호 사업부 부사장은 “오늘날 기업들은 비용과 운영 복잡성을 증가시키지 않으면서도 자사 환경에 맞게 확장 가능한 데이터 보호 설루션을 찾는 데 어려움을 겪고 있다”면서, “DP5200은 공간 효율적인 통합 설루션으로 중소기업이 손쉽게 구축할 수 있도록 설계됐으며 높은 운영 효율과 가치를 제공한다”고 말했다.

IBM이 엔터프라이즈용 AI 개발 파트너인 ‘IBM 밥(IBM Bob)’을 공개했다. IBM 밥은 단순히 코드를 생성하는 수준을 넘어 기획부터 보안, 운영까지 소프트웨어 개발 수명 주기 전체 과정을 통합 관리하는 설루션이다. IBM은 멀티 모델 아키텍처를 기반으로 하는 IBM 밥이 기업의 AI 도입 비용 부담과 복잡한 거버넌스 문제를 동시에 해결하는 한편, 반복적인 업무에서 벗어나 더욱 가치 있는 설계 작업에 집중할 수 있도록 돕는다고 설명했다. ■ 정수진 편집장   ▲ IBM 마이클 쿽 밥 솔루션 부사장 겸 캐나다 연구소장   수명주기 통합 관리로 개발 병목 없앤다 소프트웨어 개발에 AI가 도입되면서 개발자의 생산성이 높아질 것이라는 기대가 많았지만, 실제로 기업의 거대하고 복잡한 코드 베이스에서는 AI 사용자의 작업 속도가 비사용자보다 오히려 느려지는 현상이 발생하기도 했다. IBM의 마이클 쿽(Michael Kwok) 밥 설루션 부사장 겸 캐나다 연구소장은 “초기의 AI 코딩 도구는 단순한 코드 작성에만 집중되어 있어 기획, 디버깅, 테스트 등 전체 소프트웨어 개발 단계와 단절되어 있었다”는 점을 지적했다. “인프라 비용, 보안 정책, 컴플라이언스 규정, 레거시 의존성, 복잡한 시스템 구조 등 엔터프라이즈 환경 특유의 ‘보이지 않는 컨텍스트’가 개발 과정에서 병목을 일으켰기 때문”이라는 것이다. IBM 밥은 이러한 한계를 극복하기 위해 소프트웨어 개발 수명 주기(SDLC) 전반을 아우르는 통합 파트너를 제공하는 데에 중점을 두었다는 것이 쿽 부사장의 설명이다. 전체 시스템의 맥락을 이해하고, 전체 개발 과정을 유기적으로 연결하고자 했다는 것이다. IBM 밥은 애플리케이션의 전체 구조와 소스 코드를 종합적으로 분석하여 기업 환경의 복잡한 맥락을 파악한다. 그리고 코딩뿐만 아니라 요구사항 기획부터 테스트, 배포, 운영, 관리에 이르는 모든 워크플로를 하나로 연결하고 작업을 자동으로 조율하여 마찰을 줄이는 데에 주력했다. 또한 개발을 완료한 뒤에 보안을 점검하는 방식 대신, 디자인 및 개발 초기 단계부터 보안 정책 적용과 취약점 검증을 자동화한다. 쿽 부사장은 “IBM 밥은 대규모 시스템의 복잡한 의존 관계를 파악하고 다단계 변경 사항을 조율함으로써, 수 주 이상 걸리던 메인 프레임이나 자바(Java) 기반 시스템의 전환 작업을 몇 시간~며칠 수준으로 줄일 수 있다”고 전했다.   개발 팀의 협업과 업무 생산성 극대화 IBM 제이 탈레카(Jay Talekar) 밥 선임 기술 책임자는 IBM 밥이 코딩 작업뿐 아니라 다양한 팀이 협업할 수 있도록 돕는다고 설명했다. IBM 밥은 전체 코드 베이스와 시스템이 어떻게 진화해 왔는지 빠르게 이해하고, 향후 개발의 기반이 되는 맥락(context)을 생성해서 팀원들에게 공유한다. 그리고 코드를 바탕으로 아키텍처 다이어그램을 그리고 관련 문서를 자동으로 작성함으로써, 팀원 간의 효율적인 정보 공유와 소통을 돕는다. 탈레카 책임자는 “새로 합류한 팀원이 복잡한 기존 시스템을 파악하고 실질적인 생산성을 내려면 적지 않은 시간이 걸리지만, 밥의 코드 이해 및 문서화 지원을 활용하면 단 하루 만에 업무 생산성을 발휘할 수 있게 된다”면서, “시스템 맥락에 대한 이해를 바탕으로 며칠씩 소요되던 개발 작업을 몇 시간이나 몇 분 단위로 줄일 수 있으며, 수작업으로 진행하던 문서화 작업을 10배 이상 빠르게 처리할 수 있다”고 전했다. IBM 밥이 코드를 이해하고 문서를 생성하는 과정을 자동화해 개발자와 관련 팀의 작업 시간을 줄여주고, 원활한 협업을 가능하게 하는 파트너 역할을 한다는 것이 IBM의 설명이다.   ▲ IBM 밥은 소프트웨어 수명주기 전반에서 생산성과 협업을 향상시킨다.   멀티 모델 최적화와 보안 중심의 엔터프라이즈 거버넌스 IBM 밥은 엔터프라이즈 환경에 최적화된 통합 파트너로 작동한다는 점에서 차별화를 꾀한다. 멀티 모델(multi-model) 접근 방식을 기반으로 하는 IBM 밥은 복잡한 로직을 해결할 때는 고성능 모델을 사용하고, 단순 테스트 케이스 생성이나 문서화에는 소형 모델을 적절히 활용하는 등 작업의 성격에 맞춰 최적의 모델로 전환할 수 있다. 이를 통해 기업 단위의 AI 자원 사용 비용을 최적화할 수 있다. 코딩 편의성을 제공하는 데에 머무르지 않고 엔터프라이즈급 보안과 거버넌스를 우선시한다는 점도 차별점이다. 쿽 부사장은 “IBM 밥은 코딩 및 디자인 초기 단계부터 보안 취약점을 탐지하고 원클릭으로 수정할 수 있게 지원하며, 모든 작업 액션에 대해 감사(audit)와 추적이 가능하도록 설계되었다”고 설명했다. 기업마다 고유한 프로세스나 사내 디자인 시스템을 인지해 결과물을 낼 수 있으며, 레거시 환경 및 에코시스템을 지원하는 것도 장점이다. IBM Z 메인프레임이나 자바 등 기존에 기업의 핵심 인프라로 쓰이는 시스템과 생태계를 폭넓게 지원함으로써, 여러 단계의 의존성이 얽혀 있는 복잡한 레거시 현대화 작업을 중단 없이 수행할 수 있도록 돕는다. IBM은 서비스형 소프트웨어(SaaS) 외에 외부 클라우드 툴의 도입을 꺼리는 기업을 위해 사내 방화벽 내에 직접 구축할 수 있는 IBM 밥의 구축형(온프레미스) 배포 옵션을 올 가을부터 제공할 예정이라고 밝혔다.   포괄적 AI 전략으로 한국 시장 공략 본격화 IBM은 밥을 자사의 개발 환경에 먼저 적용해서 실질적인 성과를 입증했다고 전했다. 쿽 부사장은 “현재 10만 명 이상의 IBM 직원들이 매일 밥을 사용하고 있으며, IBM 내 400여 개의 다양한 제품을 구현하는 데 밥이 쓰이고 있다. 특히 밥 자체를 개발하는 과정에도 밥이 사용되었으며, 밥을 구성하는 코드의 40%를 밥이 스스로 작성했다”고 소개했다. 10만 명의 IBM 내부 개발자가 코딩, 테스트 케이스 생성, 복잡한 문제 해결 등 다양한 업무에 밥을 적용한 결과, 소프트웨어 개발 수명주기 전반에 걸쳐 평균 45%의 생산성 향상을 거두었다는 것이 IBM의 설명이다. 또한, 기존에 수작업으로 진행하던 문서화 작업은 10배 이상 빨라졌고 반복적인 업무가 큰 폭으로 줄었다. 쿽 부사장은 “IBM은 많은 내부 개발자가 밥을 사용하며 발생시킨 토큰 사용량, 비용, 작업별 최적의 모델 선택 등의 데이터를 분석했다. 이를 통해 얻은 멀티 모델 최적화 경험과 사용성 개선 피드백은 고객에게 제공되는 밥 설루션에 그대로 반영되어, 기업 고객이 AI 비용을 효과적으로 예측하고 통제할 수 있는 기반이 되었다” 고 밝혔다. IBM은 밥을 자사 기업용 AI 전략의 중요한 축으로 보고 있다. 고객이 독립적으로 AI를 도입할 수 있는 설루션을 제공하는 동시에, IBM의 기존 엔터프라이즈 제품군에 AI 기능을 내재화해 고객이 더욱 빠르고 효율적으로 업무를 수행할 수 있도록 돕겠다는 것이다. 한국IBM의 이지은 전무는 “국내 시장에서는 특정 영역에 국한되지 않고 기업 전반의 체질을 바꾸는 데 집중할 것”이라고 밝혔다. 기업 내 ‘일하는 방식의 근간’이 되는 핵심 기업용 설루션으로 포지셔닝하면서, 고객의 핵심 고민인 ‘비용 최적화’를 해소하고, 개발 전 과정의 보안 내재화를 한국 시장 공략의 필수 경쟁력으로 강조하면서 고객의 신뢰를 얻겠다는 계획이다.       ■ 기사 내용은 PDF로도 제공됩니다.

트렌드에서 얻은 것 No. 33   ‘뭐든 척척’ − 그리고 숨은 간극 요즘 주변의 엔지니어와 동료를 만나 AI 이야기를 꺼내면 반응이 한결같이 밝다. 설계 검토를 거들고, 반복적인 코드를 대신 짜 주고, 장문의 보고서까지 매끄럽게 뽑아 주니 “뭐든 척척 해낸다”며 만족스러워한다. 실제로 손에 익혀 본 사람일수록 호의적이다. 그리고 이 체감은 결코 과장이 아니다. 일하는 방식이 눈에 띄게 가벼워졌다는 증언은 이제 도처에서 들린다. 데이터도 이를 뒷받침한다. 맥킨지(McKinsey)의 ‘2025 AI 현황(State of AI)’ 조사에서 기업의 88%가 이미 AI를 쓰고 있다고 답했다. AI는 더 이상 실험이 아니라 일상이 됐다. 다만 한 꺼풀 더 들어가면 흥미로운 간극이 보인다. 같은 조사에서 AI로 전사 영업이익(EBIT)에 5% 이상 기여한 ‘고성과 기업’은 6%에 그쳤고, MIT의 ‘GenAI Divide’ 보고서는 전 세계가 생성형 AI에 300~400억 달러를 쏟아부었음에도 파일럿의 95%가 손익을 측정할 만한 성과를 내지 못했다고 진단했다. 개인의 만족은 분명한 사실인데, 그 만족이 아직 조직 전체의 성과로는 충분히 번지지 못한 셈이다. 그렇다면 이 ‘척척 해내는’ 개인의 경험을, 어떻게 조직의 성과로 키울 수 있을까. 기업 현장의 AI 활용을 영역별로 따라가 본다.   ▲ 클릭하면 큰 그림으로 볼 수 있습니다.   AI 비서(코파일럿) : 만족이 시작되는 곳 대부분의 만족은 ‘AI 비서’에서 출발한다. 메일 초안, 회의록 요약, 번역, 규격 문서 검색, 매크로·코드 작성, 보고서 정리까지 대화 몇 번이면 결과물이 나온다. 사무용 협업 도구와 개발 환경에 비서가 기본 탑재되면서, 개인의 생산성 향상은 누구나 체감하는 현실이 됐다. 지인들이 “뭐든 척척”이라고 말하는 바로 그 지점이다. 이 효용은 진짜이고, AI 여정의 소중한 출발점이다. 여기서 한 걸음 더 나아갈 여지도 분명하다. MIT가 짚었듯, 범용 비서는 개인의 생산성은 확실히 높이지만 조직 전체의 워크플로까지 바꾸지는 못한다. 그래서 ‘AI를 쓴다’고 답한 88% 가운데 다수가 이 단계의 만족에 머문다. 비서는 훌륭한 시작점이며, 다음 단계는 이 개인의 성과를 팀과 공정의 성과로 잇는 일이다.   AI, 기업 속으로 파고들다 − 프리미엄 구독과 ‘섀도 AI’ 흥미로운 변화는 위에서 내려오는 도입만이 아니라, 아래에서 올라오는 침투에서 일어나고 있다. 직원들이 회사의 공식 승인과 무관하게, 개인 프리미엄 구독으로 일상 업무에 AI를 끌어다 쓰는 흐름이다. 예컨대 클로드(Claude)의 상위 요금제인 맥스(Max)는 월 100달러(5배)~200달러(20배) 수준으로, 표준 프로(Pro) 요금제 대비 사용량을 크게 늘리고 코딩 도구(Claude Code)까지 온전히 열어준다. 하루 4~5시간씩 복잡한 업무에 AI를 붙들고 사는 지식근로자·개발자·분석가를 겨냥한 요금제다. 이런 고사용 구독을 개인이 직접 결제해, 문서 작성부터 코드·분석까지 ‘하루 종일 쓰는 주력 도구’로 삼는 사람이 빠르게 늘고 있다. 그만큼 효용을 강하게 체감한다는 방증이다. 문제는 이 사용의 상당수가 회사의 레이더망 밖에서 일어난다는 점이다. MIT 조사에 따르면, 직원들이 개인 챗봇 계정을 업무에 쓰는 기업이 90%를 넘는 반면, 회사 차원의 공식 LLM 구독을 갖춘 곳은 40%에 그쳤다. 공식 도입이 정체된 사이, ‘섀도 AI(shadow AI)’ 경제가 음지에서 번창하고 있는 셈이다. 한 보고서는 지식근로자의 71%가 여전히 IT 승인 없이 AI 도구를 쓴다고 집계했다. 이에 대한 기업의 대응은 크게 갈린다. 한쪽은 보안을 이유로 외부 AI를 차단한다. 분기 보고서를 요약하려고 마진 데이터를 외부 챗봇에 붙여 넣는 식의 정보 유출이 실제로 벌어지고, 섀도 AI가 관련된 유출 사고는 건당 평균 약 67만 달러의 추가 비용을 낳는다는 조사도 있다. 우려는 정당하다. 그러나 차단이 곧 사용 중단으로 이어지지는 않는다. 한 도구를 막으면 직원들은 다른 도구로 옮겨갈 뿐이고, 차단은 기업이 얻을 수 있는 AI 가치의 상당 부분까지 함께 버리는 결과가 된다. 그래서 다른 한쪽, 그리고 점점 더 많은 기업은 ‘막기’가 아니라 ‘잘 쓰게 하기’로 방향을 튼다. 승인된 안전한 도구(팀·엔터프라이즈 요금제, 거버넌스가 적용된 사내 환경)를 적극적으로 제공해 직원의 만족과 생산성을 동시에 끌어올리는 것이다. 실제로 한 의료 기관은 승인된 AI 도구를 제공한 뒤 비승인 사용이 89% 줄고, 임상의 1인당 하루 32분을 절약했다고 보고했다. 요컨대 AI는 이미 기업 안으로 깊숙이 들어와 있고, 관건은 그것을 음지에 둘 것인가, 양지로 끌어내 성과로 전환할 것인가다.   로컬 LLM과 주권 AI : 데이터를 안에 두기 물론 ‘잘 쓰게 하기’의 출발점은 보안이다. 사내 정보가 외부 서비스로 흘러가는 것에 대한 우려가 크다. 국내 조사에서도 AI 도입을 가로막는 가장 큰 이유로 ‘정보 유출 우려(41.9%)’가 꼽혔다. 그 결과, 모델과 데이터를 자사 통제 영역 안에 두려는 흐름이 뚜렷해졌다. 핵심 키워드는 ‘로컬 LLM’과 ‘주권 AI(sovereign AI)’다. 거대 범용 모델 대신, 규모는 작지만 특정 도메인에 맞춘 소형 언어 모델(sLLM)을 온프레미스나 사설 클라우드에 올려 민감 데이터가 회사 울타리를 벗어나지 않게 하는 방식이다. 한 조사에서는 데이터 주권을 추구하는 기업의 약 67%가 이미 어떤 형태로든 사설 AI 인프라로 옮겨갔다고 한다. 국내에서도 보안 민감도가 높은 제조·금융 대기업이 외부 서비스 대신 자체 모델(예컨대 삼성전자의 ‘가우스’)과 ‘사내 GPT’를 구축하는 배경이 여기에 있다. 이렇게 안전한 사내 환경이 갖춰지면, 직원들은 마음 놓고 더 적극적으로 AI를 쓸 수 있게 된다. 그리고 보안이 사실상 전부인 일부 영역에서는, 이 로컬·온프레미스 전략이 ‘트렌드’가 아니라 ‘유일한 선택지’가 된다. 대표적인 곳이 국방과 규제 산업이다.   시나리오 중심의 구축 : 국방과 규제 산업 이들 영역의 키워드는 ‘에어갭(air-gap, 폐쇄망)’이다. 시스템이 런타임에 필요로 하는 모든 것—모델, 토크나이저, 검색 엔진—을 경계 안에 미리 갖춰 두고, 외부 API 호출과 클라우드 의존을 0으로 만드는 구조다. 오픈웨이트 모델(라마·미스트랄·큐원 등)을 자체 GPU 클러스터에 올려, 토큰 생성이 단 한 번도 경계를 벗어나지 않게 한다. 여기서 AI는 비서에 그치지 않고, ‘시나리오에 맞춰 짓는’ 대상이 된다.   국방 해외에서는 미 로스앨러모스 국립연구소가 2025년 초, 핵·방산 관련 통제정보(CUI·ITAR)를 다루기 위해 클라우드 대신 LLM 자체 호스팅이라는 ‘더 어려운 길’을 택했다. 미 육군은 로컬에서 호스팅하는 보안 LLM에 접근하는 ‘엔터프라이즈 LLM 워크스페이스’를 배치했고, 이를 군사 영향등급 IL5에서 기밀 작전용 IL6로 확장하고 있다. 데이터 유출 우려 때문에 육군이 타군의 AI 프로그램을 자기 망에서 차단한 일까지 있었을 만큼, 보안 민감도는 절대적이다. 국내도 빠르게 움직인다. 방위사업청은 방위력 개선사업 관련 법령·규정·용어를 학습시켜 내부망에서 문서 요약·초안 작성·특화 번역을 제공하는 생성형 AI 서비스 구축을 추진 중이다. 1단계로 내부 포털에 ‘AI 비서’를 얹고, 2단계에서 사업보고서 초안 생성·현황 분석까지 수행하는 단계적 구상이다. 국방통합데이터센터(DIDC)는 국방 생성형 AI 운영을 위한 GPU 서버 구축을 진행하고, 국내 클라우드 기업은 국방 AI 전환 전담 조직을 신설해 정찰· 감시 영상 분석, 작전 교신 분석 등 군사 데이터를 통합하는 ‘한국형 국방 AI 플랫폼’ 구축에 나섰다. 특히 보안 기관에 엔지니어가 상주하며 현장 시나리오에 맞춰 시스템을 직접 설계·운영하는 ‘전방 배치 엔지니어(FDE)’ 방식까지 등장했다. 그 바탕에는 병력 감소라는 구조적 압박—적은 인력으로 더 많은 일을 해야 한다는 현실—이 있다.   규제 산업 제약(GxP 하의 배치 이력·공정 레시피), 금융(FINRA·SEC 규제), 의료(환자정보 PHI), 그리고 전력·플랜트 같은 중요 인프라와 OT(운영기술) 환경도 같은 길을 걷는다. 이들에게 에어갭은 ‘기능’이 아니라, 규제·감사·국가안보를 동시에 만족시키는 ‘유일한 컴플라이언스 자세’다. 이런 환경의 AI 에이전트는 범용이 아니라 임무 특화로 지어진다. 폐쇄망 안에서 기밀 문서 분석·정보 요약을 수행하고, 공장에서는 인터넷 없이 예지보전·비전 검사·에이전틱 워크플로를 돌린다. 공정 레시피도, 환자 정보도, 공급사 IP도 시설 밖으로 한 줄도 나가지 않는다. 핵심은 ‘범용’이 아니라 ‘시나리오’다. 작전·공정·규제라는 구체적 맥락에 맞춰, 모델과 에이전트를 그 경계 안에서 설계하고 길들인다.   사내 정보 학습과 엔지니어링 지식센터(RAG) 모델을 안으로 들였다면, 다음은 ‘우리 지식을 먹이는 일’이다. 핵심 기술이 RAG(검색 증강 생성)다. 사양서·도면·작업표준·장애 이력·회의록처럼 흩어진 사내 문서를 색인하고, AI가 답을 만들 때 그 근거를 실시간으로 끌어오게 하는 구조다. 이렇게 하면 환각(hallucination)을 크게 줄이고 ‘우리 회사 맥락’에 맞는 답을 얻을 수 있다. 엔지니어링 관점에서 이는 곧 ‘엔지니어링 지식센터’의 구축으로 이어진다. 베테랑의 머릿속과 개인 폴더에 흩어져 있던 설계 노하우·실패 사례·검토 기준을, 질문하면 출처와 함께 답하는 살아있는 지식 베이스로 바꾸는 것이다. 신입도 베테랑의 경험을 즉시 꺼내 쓸 수 있게 되니, ‘척척 해내는’ 경험이 개인을 넘어 조직 전체로 확장된다. 실제로 한 유럽 은행은 RAG 기반으로 감사·컴플라이언스 업무를 자동화해 3년간 약 2천만 유로를 절감하고 36명분의 업무 시간을 돌려받았다고 보고했다. 다만 전제가 있다. RAG의 답은 먹인 데이터의 품질을 넘지 못한다. 사내 문서가 정돈돼 있지 않고 표준이 없으면, 지식센터는 ‘쓰레기를 빠르게 찾아 주는’ 시스템이 될 뿐이다. 8개월 전에 폐기된 규정을 자신 있게 답하는 AI는 모델의 문제가 아니라 데이터·구조의 문제다. 접근권한 통제와 최신성 관리도 필수다.   실행하는 에이전트 : 인사·재무·엔지니어링 가장 앞선 활용은 ‘실행하는 에이전트’다. 질문에 답하는 비서를 넘어, 여러 시스템을 넘나들며 다단계 업무를 스스로 수행한다. 가트너(Gartner)는 2025년 5% 미만이던 ‘업무 특화 에이전트 내장 애플리케이션’이 2026년 말 약 40%까지 늘 것으로 내다봤다. 부서별로 보면 현주소가 좀 더 구체적으로 잡힌다. 인사(HR) : 이력서 스크리닝, 면접 일정 조율, 입사 온보딩 오케스트레이션, 휴가·급여·복리후생 문의 응대 등 정형·반복 업무를 메신저 안에서 처리해, HR 인력을 채용 전략·조직문화 같은 고부가 업무로 돌린다. 재무(finance) : 인보이스-발주서 자동 대사(matching), 비용 승인 흐름, 이상 거래·부정 징후 탐지, ERP 연계 결제 처리. 한 글로벌 투자은행은 450개 이상의 AI 활용 사례를 매일 운영하고, 한 결제 서비스 기업은 단일 고객상담 에이전트로 850여 명분의 업무량을 처리했다고 밝혔다. 엔지니어링 : 현장 엔지니어들이 가장 높은 만족을 표하는 영역이기도 하다. 설계 검토 보조, 생성형 설계(generative design), 코드 자동화, 사내 지식 검색이 일상에 녹아든다. 맥킨지의 조사에서도 에이전트 도입 선도 분야로 IT·지식 관리와 함께 ‘엔지니어링’이 꼽혔고, 소프트웨어·IT 영역에서는 10~20%의 비용 절감이 보고된다. 공통점은 분명하다. 좁고, 반복적이며, 오류 비용이 관리 가능한 업무에서 에이전트는 빛난다. 반대로 과제가 열려 있고 판단의 무게가 클수록, 사람의 검증(human-in-the-loop)은 여전히 필수다.   벤더는 어떻게 대응하나 − PLM·ERP·SaaS의 공통 행보 그렇다면 설루션 벤더들은 이 흐름에 어떻게 대응하고 있을까. 특정 회사를 떠나, PLM·ERP·SaaS 진영 전반에서 관찰되는 공통점은 세 가지다. 첫째, ‘기록의 시스템’에서 ‘실행의 시스템’으로의 전환이다. 과거 데이터를 저장·조회하던 플랫폼들이, 이제 자연어 비서와 에이전트를 기본 기능으로 내장해 사용자가 시스템 안에서 직접 일을 처리하게 만든다. PLM은 BOM·도면 탐색 비서를, ERP는 구매·인사·재무 워크플로 에이전트를, SaaS는 자사 데이터 위에서 동작하는 코파일럿을 전면에 내세운다. 둘째, 보안과 주권을 전제로 한 배치다. 거대 파운데이션 모델을 활용하되, 전용 인스턴스·온프레미스·지역별 데이터 처리 옵션을 제공해 규제와 데이터 주권 요구를 흡수하려 한다. 앞서 본 ‘로컬 LLM’ 수요에 벤더가 응답하는 방식이다. 셋째, ‘담장 안의 지능’이라는 한계다. 어느 벤더든 AI는 결국 자사 플랫폼이 관리하는 데이터 안에서만 똑똑하다. PLM의 AI는 PLM 데이터를, ERP의 AI는 ERP 데이터를 본다. 정작 제품 개발 의 진짜 병목인 PLM−ERP−MES-품질을 가로지르는 단절은 아직 어느 벤더의 AI도 풀어 주지 못한다. ‘에이전트 네이티브’로 시스템을 재설계하기보다, 기존 시스템에 비서를 끼워 넣는 단계에 머 물러 있는 셈이다.   맺음말 − 만족을 성과로 기업의 AI 활용을 비서 → 기업 속으로의 침투 → 로컬화 → 시나리오별 구축 → 지식 학습 → 에이전트로 늘어놓고 보면, 정작 중요한 질문이 떠오른다. “우리 조직은 지금 어느 지점에 있는가?” 분명한 것은, AI가 이미 많은 이들에게 ‘뭐든 척척 해내는’ 든든한 동료가 되었다는 사실이다. 설계도, 보고서도, 코드도 거뜬히 거들어 주니 현장의 만족이 높을 수밖에 없다. 그 만족은 진짜이고, 변화의 가장 강력한 연료다. 다만 88%와 6%를 가른 결정적 차이는 도구의 보유가 아니라 ‘워크플로의 재설계’였다. 개인이 느끼는 만족을 조직의 성과로 키우려면, 그 만족 위에 정돈된 데이터와 다시 짠 일의 흐름을 얹어야 한다. 국방과 규제 산업이 보여주듯, 가장 큰 성과는 막연한 범용이 아니라 구체적 시나리오 위에서 만들어진다. 그래서 좋은 소식은, 이미 AI의 효용을 몸으로 느낀 사람들이야말로 다음 단계로 갈 준비가 가장 잘 되어 있다는 점이다. 도입은 쉽고 전환은 어렵지만, ‘척척’의 경험을 가진 현장이 그 어려운 길을 가장 앞서 갈 수 있다. 그리고 그 끝에, 6%의 자리가 있다.   ■ 류용효 디원의 상무이며 페이스북 그룹 ‘컨셉맵연구소’의 리더로 활동하고 있다. 현업의 관점으로 컨설팅, 디자인 싱킹으로 기업 프로세스를 정리하는데 도움을 주며, 1장의 빅 사이즈로 콘셉트 맵을 만드는데 관심이 많다. (블로그)     ■ 기사 내용은 PDF로도 제공됩니다.

스노우플레이크는 AI 에이전트용 엔터프라이즈 MCP(모델 컨텍스트 프로토콜) 플랫폼 기업 나토마를 인수한다고 발표했다. MCP는 AI 모델이 다양한 데이터 소스 및 개발 도구와 안전하고 표준화된 방식으로 소통할 수 있도록 지원하는 개방형 프로토콜이다. 이번 인수를 통해 스노우플레이크는 AI 에이전트와 MCP 툴에 액세스할 수 있는 네이티브 통합 거버넌스와 ID 레이어를 구축할 계획이다. 자체 구축된 거버넌스는 기업들이 AI 시스템을 자사의 애플리케이션, 데이터베이스, API, 툴에 안전하게 연결하고 관리할 수 있게 돕는다. 거버넌스를 AI 주도 워크플로까지 확장한 것으로, 스노우플레이크는 데이터뿐만 아니라 비즈니스 워크플로 전반의 AI 에이전트를 안전하게 관리할 수 있도록 지원한다. 스노우플레이크의 최신 AI 리서치에 따르면, 96%의 기업이 여전히 엔터프라이즈 전반에 AI를 확장하는 데 상당한 어려움을 겪고 있는 것으로 나타났다. 특히 MCP의 부상은 에이전트가 기업 시스템 전반에 연결되면서 거버넌스 파편화, 섀도 AI, 데이터 유출 위험 증가라는 새로운 위험요소를 만들어 낸다. 기업들이 코파일럿을 넘어 기업 시스템 전반에서 스스로 동작할 수 있는 자율형 AI 에이전트로 나아가면서, 거버넌스와 운영 통제는 갈수록 중요해지고 있다. 이번 나토마 인수로 스노우플레이크 고객들은 MCP 서버 라이브러리를 통해 코텍스 에이전트, 스노우플레이크 인텔리전스, 코텍스 코드 및 기타 AI 플랫폼을 서비스형 소프트웨어(SaaS) 애플리케이션, 클라우드 환경, 가상 프라이빗 클라우드(VPC), 온프레미스 인프라 등 다양한 엔터프라이즈 시스템을 안전하게 연결할 수 있다. 스노우플레이크에 따르면, 나토마는 이런 연결을 위한 통제와 거버넌스 패브릭을 제공하며, AI 에이전트가 시스템 전반에서 어떻게 검색, 접근, 동작하는지 신뢰성, 가시성, ID 권한 설정, 정책 및 완전한 감사 가능성을 내재한 형태로 기업이 관리할 수 있도록 지원한다. 이로써 사용자는 스노우플레이크 플랫폼의 비즈니스 데이터에 슬랙, 이메일, CRM, 지라, 내부 API, 데이터베이스, 애플리케이션의 다양한 맥락을 통합하고 보강해 인사이트를 얻을 수 있다. 결과적으로 스노우플레이크 인텔리전스와 코텍스 코드는 엔터프라이즈급 보안, 거버넌스, 통제를 갖추면서 더욱 관련도가 높고 실행 가능한 결과를 제공하게 된다.     나토마의 플랫폼은 다양한 기업이 실제 운영 환경에서 엔터프라이즈 에이전틱 시스템을 안전하게 운용하는 데 활용되고 있다. 나토마 팀은 MCP, 게이트웨이 인프라, ID 거버넌스, 특수 권한 접근 관리 분야의 전문성과 글로벌 규모의 엔터프라이즈 보안 제품 구축 경험을 갖추고 있다. 나토마의 기능은 스노우플레이크 AI 데이터 클라우드에 통합되어 곧 고객에 제공될 예정이다. 스노우플레이크는 데이터 접근에서 AI 동작과 워크플로까지 거버넌스를 확장함으로써, 에이전틱 엔터프라이즈를 위한 신뢰할 수 있는 컨트롤 플레인으로서 입지를 강화할 계획이다. 나토마의 프라티우스 파트나이크 CEO는 “AI 에이전트가 진정한 엔터프라이즈급으로 활용되려면, 조직이 시스템, 애플리케이션, 툴 전반에서 에이전트의 운영 방식에 대한 거버넌스를 확보해야 한다”면서, “나토마와 스노우플레이크는 기업이 AI를 안전하면서도 대규모로 활용할 수 있는 거버넌스와 연결 레이어를 구축해 나갈 것”이라고 말했다. 스노우플레이크의 슈리다 라마스워미 CEO는 “AI 에이전트는 빠르게 기업 경영의 일부가 되고 있지만, 거버넌스 없는 인텔리전스는 오히려 리스크”라면서, “기업에서 안전하게 에이전트를 운영하기 위해서는 데이터 접근만으로는 충분치 않으며 정확한 맥락, 권한 등 정책 가드레일이 필요하다”고 짚었다. 또한 “오랫동안 기업의 거버넌스 플랫폼 역할을 해온 스노우플레이크는 ID 거버넌스와 특수 권한 접근 관리 분야의 나토마의 전문역량을 결합해 신뢰할 수 있는 레이어를 AI 동작과 워크플로까지 확장할 수 있게 됐다”면서, “스노우플레이크는 나토마와 함께 엔터프라이즈 환경에서 안전하면서도 감사가 가능한 형태로, 확장성까지 갖춰진 준비된 형태의 역동적인 코딩 에이전트를 제공할 수 있다”고 덧붙였다.

경기 고양시를 대표하는 봄의 제전인 2026 고양국제꽃박람회가 개막 이후 꾸준한 관람객 유입을 기록하며 흥행 몰이에 나서고 있다. 이번 박람회는 개막 엿새 만에 방문객 12만 명을 돌파하며 수도권 최대 규모의 꽃 축제로서 위상을 공고히 하고 있다. 행사 후반부로 접어들면서 막바지 관람객들의 발길은 더욱 분주해질 것으로 전망된다. 꽃, 시간을 물들이다를 주제로 기획된 이번 박람회는 다채로운 야외 정원과 실내 전시, 그리고 풍성한 공연과 체험 프로그램이 조화를 이룬 복합 문화 콘텐츠를 선보이고 있다. 특히 시간의 흐름을 예술적으로 재해석한 시간 여행자의 정원과 혼천의를 모티프로 제작된 대형 꽃 조형물은 방문객들의 필수 포토존으로 각광받고 있다. 또한 메타세쿼이아 길을 따라 조성된 빛담정원은 감성적인 분위기를 연출하며 사회관계망서비스(SNS)를 통한 확산세를 이끌고 있다. 고양국제꽃박람회 전경(사진 제공: 스마틱스) 가정의 달 맞춤형 콘텐츠와 세대 통합 프로그램 강화 올해 박람회는 단순한 관람을 넘어 관람객의 정서적 교감을 이끌어내는 참여형 콘텐츠를 대폭 강화했다. 마음의 온도 정원과 플라워 테라피 가든 등은 방문객들에게 휴식과 치유의 시간을 제공하며 체류 시간 증대에 기여하고 있다. 실내 전시관에서는 세계 30여 개국이 참여한 국가관과 평소 접하기 힘든 희귀 식물 전시가 진행되어 교육적 가치를 더하고 있다. 특히 오는 5월 8일 어버이날을 전후해 부모님과 함께하는 봄나들이 수요가 정점에 달할 것으로 예상된다. 행사 주최 측은 가정의 달을 맞아 세대 통합형 축제의 역할을 수행하기 위해 가족 연극, 체험 프로그램, 특별 공연 등을 집중적으로 편성했다. 현장에서는 급증하는 관람객 안전을 위해 동선 관리와 편의시설 운영 상태를 실시간으로 점검하며 최적의 관람 환경 조성에 주력하고 있다. 디지털 솔루션 도입을 통한 효율적인 현장 운영 이번 박람회의 원활한 운영 뒤에는 스마트한 티켓팅 시스템이 자리하고 있다. 티켓팅 솔루션 전문 기업 스마틱스는 이번 행사의 통합 운영 파트너로 참여해 현장 예매 및 입장 시스템을 지원하고 있다. 스마틱스는 클라우드 기반의 SaaS 솔루션을 통해 대형 이벤트에 최적화된 예약 시스템을 제공하며, 대규모 인원이 몰리는 주말과 공휴일에도 병목 현상 없는 안정적인 입장을 돕고 있다. 스마틱스 관계자는 가족 단위 방문객이 급증하는 가정의 달 특성에 맞춰 현장 대응 인력을 집중 배치하고 있으며, 행사 종료 시까지 관람객들이 불편함 없이 축제를 즐길 수 있도록 운영 안정화에 최선을 다하겠다고 밝혔다. 2026 고양국제꽃박람회는 오는 5월 10일까지 일산호수공원 일대에서 개최된다. 화려한 꽃들과 차별화된 콘텐츠, 그리고 편리한 운영 시스템이 결합된 이번 행사는 남은 기간 동안에도 성공적인 흥행 가도를 이어갈 것으로 기대된다.  

이에이트가 물리 해석 시뮬레이션 기술을 고도화하고 인공지능(AI) 기반 시뮬레이션의 산업 활용 범위를 넓히고 있다고 밝혔다. 물리 해석 시뮬레이션은 열, 유체, 구조, 전자기 등 여러 분야에서 제품 설계와 성능 검증의 핵심 도구로 쓰여 왔다. 하지만 전문가 의존도가 높고 반복 작업에 많은 시간이 걸리는 한계가 있었다. 이에 따라 산업 현장에서는 더 빠르고 유연하게 활용할 수 있는 AI 기반 자동화 기술에 대한 수요가 늘고 있다. 최근 주목받는 기술은 ‘AI 대리 모델(AI surrogate)’이다. 이 기술은 반복적인 물리 시뮬레이션 결과를 학습해 근사치를 빠르게 도출하는 방식이다. 비용이 많이 들고 시간이 오래 걸리는 시뮬레이션을 보완하면서 다양한 조건을 현실적으로 비교하고 검토할 수 있어 산업계의 관심이 높다. 이에이트의 ‘NFLOW Ai(엔플로우 Ai)’는 웹 환경에서 물리 시뮬레이션을 실행하고 GNN U-Net 기반의 AI 대리 모델을 활용해 해석 주기를 단축하는 서비스형 소프트웨어(SaaS) 플랫폼이다. 별도의 장비 설치 없이 웹 브라우저에서 시뮬레이션을 수행할 수 있어 현장 활용성이 좋다. 이에이트는 NFLOW Ai를 데이터 지능 플랫폼 ‘NAXiS(넥시스)’, 운영 의사결정 시스템 ‘NAX Ops(넥스옵스)’와 연계하고 있다. 시뮬레이션 결과가 실제 운영 판단과 의사결정으로 이어지는 통합 구조를 구축하겠다는 취지다. 이에이트는 시뮬레이션이 전문가 중심의 영역에서 실무 도구로 역할이 변화하고 있다고 설명했다. 이어 NFLOW Ai를 통해 많은 현장에서 시뮬레이션을 쉽게 활용하는 환경을 만들고, AI 기술과의 결합을 통해 실질적인 가치를 만드는 개발을 이어가겠다고 밝혔다. 또한 제조, 에너지, 인프라 등 주요 산업에서 AI 기반 시뮬레이션의 활용이 시나리오 검토와 의사결정 지원으로 확대되는 추세에 따라, 기술 고도화와 제품 연계를 통해 시장 입지를 넓힌다는 계획이다.