디지털 트윈 개론   디지털 트윈이란 무엇인가 (이미지 제작 : AI) 1. 개념 정리 디지털 트윈(Digital Twin)은 아직 개발 중에 있는 기술이라, 개념이 정돈되지 못하고, 다양한 개념들이 아직도 출현하고 있다. 따라서 다소 유동적인 개념들이 존재하는 상황이다. 4.2절에 그 이유를 조금 더 설명하였지만, 이러한 배경하에 용어와 그 사용 사례(use case), 그리고 디지털 트윈을 구성하는 요소들의 상관관계를 보여주는 아키텍처(골격)을 소개한다. (1) 디지털 트윈의 정의와 용어 디지털 트윈에 대한 개념이 유동적이라서 서로 조금씩 다른 정의들이 존재하고 있다. 여기서는 대표적인 몇 가지 용어들을 소개한다. 디지털 트윈에 대한 위키디피아(Wikipedia)의 정의는 다음과 같다. “컴퓨터에 현실 속 사물의 쌍둥이를 만들고, 현실에서 발생할 수 있는 상황을 컴퓨터로 시뮬레이션함으로써, 결과를 미리 예측하는 기술이다.” 상세내용은 첨부 파일에서 확인 가능합니다.   좀더 자세한 전문가들의 노하우는 아래 교육에서 확인해 보시기 바랍니다.

주요 스마트 건설 DX 솔루션 소개 BIM 및 이기종 3D 데이터 경량화 웹 환경 구현 협업 솔루션, InnoM3D 개발 및 자료 제공 : 이노액티브, 02-6249-4311, https://innoa.co.kr   이노액티브는 건축 및 플랜트 분야의 3D 모델링 및 프로젝트 업무를 중심으로, 자동화 기술과 데이터 기반 협업 환경을 구축해 온 엔지니어링 소프트웨어 전문 기업이다. 파노라마 이미지 및 Scan 데이터를 활용한 digital twin 솔루션 InnoR3D 개발을 시작으로, 배관 ISO 도면 자동 추출, P&ID 도면 검도시스템, 자동 작도 등 현업 활용도가 높은 자동화 솔루션을 지속적으로 개발해 왔다. 이노액티브는 다수의 이해관계자가 동시에 참여하는 프로젝트 환경에서 발생하는 협업 단절과 정보 분산 문제에 주목하여, 3D 모델을 중심으로 데이터를 통합하고 실시간으로 공유할 수 있는 협업 환경의 필요성을 인식하였다. 이러한 현장 경험과 기술 축적을 바탕으로, 동시 접속 기반 3D 모델 중심 실시간 협업 솔루션 InnoM3D를 출시하였으며, 특정 업무 단계에 국한되지 않고 시공 및 운영(O&M) 단계까지 연계 가능한 digital twin 기반 협업 플랫폼을 제공한다. 1. 주요 특징  InnoM3D는 회의실이 아니라, 3D 모델 위에서 협업한다. InnoM3D는 3D 모델을 중심으로 프로젝트 전 단계의 이슈와 의사결정을 연결하는 협업 솔루션이다. 설계, 시공, 운영 단계에서 발생하는 이슈를 실시간으로 공유하고 협의함으로써, 업무 간 단절을 최소화하고 의사결정 속도를 향상시킨다.   Legacy System에서 생성되는 이기종 데이터를 표준화된 변환 프로세스를 통해 3D 플랫폼에 통합할 수 있으며, BIM Data와 Shop Floor Data를 일원화하여 Web 기반 환경에서 공장 및 설비의 가시성을 확보한다. 단순한 모델 조회나 공유를 넘어, 복잡한 O&M 운영 환경에서도 즉시 적용 가능한 협업 구조를 제공하며, 사용자 업무 프로세스에 최적화된 UI/UX와 직관적인 인터페이스를 통해 협업 부담을 최소화한다. 2. 주요 기능 (1) 실시간 이슈 공유 및 협업 설계/시공 작업뿐 아니라 O&M 에서 발생하는 문제를 즉시 담당자와 공유하여 담당자 간 빠른 확인과 의사결정이 가능하다. (2) 통합된 작업 히스토리 관리 모델 변경, 이슈 처리, 피드백 이력을 단계별로 기록하여 이슈 발생 원인과 조치 내용을 명확히 추적할 수 있다. 또한, 유사한 이슈를 확인하여 해결 방안 및 담당자를 빠르게 도출할 수 있다. (3) 작업자간 원활한 소통 채팅과 히스토리를 연계하여 이슈 맥락이 유지된 상태로 소통할 수 있으며, 불필요한 재설명과 커뮤니케이션 비용을 줄인다. 3. 도입 효과 다수의 참여자가 동시에 작업하는 3D 기반 프로젝트에서는, 정보 누락과 커뮤니케이션 단절로 인한 수정 지연과 재작업이 빈번하게 발생한다. InnoM3D는 3D 모델을 협업의 기준점으로 삼아 이슈 공유, 피드백, 변경 이력을 하나의 흐름으로 연결함으로써 협업 효율을 향상시킨다. 이를 통해 협의시간 단축, 수정 및 재작업 감소, 프로젝트 전 단계의 정보 일관성 확보가 가능하며, 보다 체계적이고 생산적인 협업 환경을 제공한다.     상세 내용은 <스마트 건설 DX 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기  

지능형 공장을 위한 AI 전기 도면 및 데이터 자산화 전략   제조 현장의 디지털 전환이 가속화되면서, 전기 도면은 스마트 공장의 ‘디지털 유전자’로 재정의되고 있다. 국제 표준 기반의 AI 전기 도면은 파편화된 데이터를 구조화하여 설비 고장을 스스로 추론하는 고해상도 디지털 트윈을 가능하게 한다. 이번 호에서는 제조 애셋의 가치를 높이고 자기 진화형 제조 시스템을 구축하기 위한 4단계 로드맵을 살펴본다.   ■ 구형서 AI 기반 전기 CAD 공급사 WS코리아의 대표이다. 이플랜코리아 대표를 지냈고 지멘스, PTC 등에서 엔지니어 및 사업개발을 담당했다. 홈페이지 | www.wscad.co.kr     전략적 배경 : 전기 도면의 ‘디지털 유전자’화 제조 현장의 디지털 전환(DX)이 가속화되면서 전기 도면은 단순한 설계 산출물을 넘어 설비의 모든 정보를 관통하는 ‘디지털 유전자(digital DNA)’로 재정의되어야 한다. 현재 많은 기업이 예지보전(PdM)이나 에너지 관리 시스템(EMS)을 도입하고 있으나, 그 토대가 되는 도면 정보가 PDF나 CAD와 같은 비정형 데이터로 파편화되어 있어 지능화의 병목 현상이 발생하고 있다. 지능형 공장의 4단계 계층 구조(현장 데이터 − 설계 데이터 엔진 − 응용 서비스 − 전사 관리)에서 ‘설계 데이터 엔진’은 현장의 실시간 데이터와 AI 엔진 사이를 잇는 핵심 아키텍처이다. 이 엔진이 결여된 AI 모델은 단순히 계측값의 임계치를 감시하는 ‘저해상도(low-resolution)’ 알람 수준에 머물 수밖에 없다. 반면, 구조화된 AI 전기 도면이 뒷받침되면 특정 차단기 고장 시 영향을 받는 부하 리스트나 복잡한 인터록(interlock) 체인의 영향도를 스스로 추론하는 ‘고해상도(high-resolution) 구조적 추론 역량’을 확보하게 된다. 이는 결국 ERP, MES, SCADA를 하나의 데이터 흐름으로 묶는 ‘디지털 스레드(digital thread)’를 완성하여 자기 진화형 폐루프(closed-loop) 제조 시스템을 구현하는 필수 인프라가 된다. 이러한 전략적 필요성을 바탕으로, AI가 해석 가능한 도면 체계의 핵심 구성 요소를 먼저 정의한다.   AI 전기 도면의 3대 핵심 기반 요소 분석 AI 전기 도면은 ‘보는 문서’에서 ‘해석하는 데이터’로의 패러다임 전환을 의미하며, 이를 위해 표준화, 일원화, DB화라는 세 가지 기술적 토대가 필요하다.   데이터 인프라(표준화) : AI 해석의 정밀도 및 학습 효율 극대화 AI 비전(AI vision)의 인식률과 추론 정확도를 확보하기 위해 국제 표준을 준수하는 데이터 인프라 구축이 선행되어야 한다.   표 1   지식 및 추론 데이터(일원화) : 단일 데이터 모델 구축 설계-제작-운영 전 과정이 단일 데이터 모델(SSOT : single source of truth)로 통합되어야 한다. 단순한 도형의 집합이 아닌 제조사, 모델명, 전기적 특성(전압, 전류), MTBF(평균 고장 간격) 등의 메타데이터를 내장한 객체 기반 심벌을 사용해야 한다. 이를 통해 배선 정보(wiring schedule)와 케이블 스케줄을 데이터로 관리함으로써, 설계 변경 시 모든 리포트가 동기화되는 정합성을 보장하고 AI가 고장 원인을 논리적으로 추론할 수 있는 지식 베이스를 형성한다.   설계 및 운영 지원(DB 기반) : 디지털 트윈의 신뢰성 및 계통 통합 도면 정보를 SQL DB 구조로 전환하는 것은 데이터 본질의 변화를 의미한다. 파일 중심 관리에서 벗어나 데이터베이스화된 설계 정보는 실시간 PLC/센서 데이터와 연계되어 디지털 트윈의 해상도를 결정한다. 이는 설계 버전 오류를 원천 차단하고, 장애 발생 시 원인 분석 시간을 단축(MTTR 감소)하여 전사적 자산 관리(EAM) 시스템의 신뢰도를 높이는 비즈니스 성과로 직결된다. 확립된 기술 요소를 실제 현장에 적용하기 위해 단계별 실행 로드맵으로 진입한다.   ▲ AI를 위한 전기 도면 데이터 방안     ■ 자세한 기사 내용은 PDF로 제공됩니다.

제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (11)   PTC는 설계부터 해석, 제조까지 단일 환경에서 처리하는 디지털 스레드(digital thread) 기반의 강력한 복합재(composite) 설계 설루션을 제공한다. 크레오 파라메트릭 12.4에서는 복합재 설계 및 제조 과정에서 편집, 시뮬레이션, 데이터 관리 및 분석 기능을 크게 강화하여 엔지니어가 더 직관적이고 효율적으로 작업할 수 있도록 돕는다. 이번 호에서는 크레오의 복합재 기능으로 대형 보트 선체 모델을 설계하는 과정을 알아보자.   ■ 김성철 디지테크 기술지원팀의 이사로 크레오 전 제품의 기술지원 및 교육을 담당하고 있다. 홈페이지 | www.digiteki.com     복합재 설계 단계(Design) 복합재 형상을 구축하고 최적화하는 데 필요한 주요 작업 흐름을 확인한다. 재료 및 적층 서피스 지정, 로제트(rosette) 설정 개별 플라이/코어 생성 및 테이퍼(taper) 적용 라미네이트 매니저 및 동적 단면 뷰를 통한 실시간 검토 대규모 영역(zone) 기반의 플라이 자동 생성 및 병합(merge) 단차 완화를 위한 플라이 전이(transition) 및 드롭오프(drop-off) 제어 크레오 시뮬레이트(Creo Simulate) 연동을 통한 구조 해석 및 데이터 기반 피드백 보강 설계 검증을 위한 드레이핑 시뮬레이션 및 분석   기초 재료 및 적층 서피스 정의 복합재 설계의 가장 기초적인 단계는 사용할 재료를 확인하고 베이스가 될 적층 서피스를 정의하는 것이다.     모델에 포함된 플라이(ply)와 코어(core) 재질 속성 창을 열어보면, 향후 진행될 드레이핑 시뮬레이션의 정확도에 큰 영향을 미치는 전용 재료 파라미터(한계 전단각, 롤 폭 제한 등)가 세밀하게 제공되는 것을 확인할 수 있다.     선체의 퀼트를 적층 서피스(layup surface)로 지정하고 적층될 방향을 안쪽인지 바깥쪽인지 설정한다. 특히 크레오 12.4에서는 적층 서피스가 복합재 트리(composite tree)에 독립적인 피처로 새롭게 생성되어, 피처를 삭제하면 연관된 퀼트까지 자동으로 정리되는 등 설계 관리가 훨씬 용이해졌다.   로제트 좌표계 설정 복합재의 강도를 좌우하는 섬유 배향(각도)의 기준점을 잡기 위해 로제트를 설정한다.     과거에는 적층 서피스 곡면 위에만 로제트를 위치시켜야 하는 제약이 있었으나, 이제는 일반 데이텀 평면 위에도 좌표계를 자유롭게 배치할 수 있도록 유연성이 개선되었다.     또한 로제트의 기준 축 설정에 있어 기존의 데카르트(Cartesian) 방식에만 국한되지 않고 방사형(radial), 원통형(cylindrical), 구형(spherical) 로제트를 새롭게 지원한다. 이를 통해 곡률이 심한 부품 표면을 따라 섬유가 뻗어나가는 배향 규칙을 더욱 현실적이고 정확하게 제어할 수 있다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.

제22회 ‘PLM/DX 베스트 프랙티스 컨퍼런스 2026’(www.plm.or.kr)이 오는 6월 18일(목)부터 19일(금)까지 이틀간 온라인으로 개최된다. 한국산업지능화협회 PLM 기술위원회가 주관하고, 한국CDE학회, 캐드앤그래픽스, 한국산업지능화협회가 공동 주최하는 이번 행사는 ‘PLM을 넘어 AX, 피지컬 AI로의 진화’를 주제로 진행된다. AX(인공지능 전환) 시대를 맞아 제조업계의 핵심 화두인 온톨로지, AI 에이전트, 디지털 스레드, 피지컬 AI 및 로봇 데이터 팩토리 등이 접목된 산업별 베스트 프랙티스와 최신 엔지니어링 기술 트렌드가 소개될 예정이다.  PLM/DX컨퍼런스는 온오프 격년제로 실시되고 있으며, 매년 천여명이 넘는 관련 업계 관계자들이 참여하는 제조 엔지니어링 IT 분야 대표 컨퍼런스로서 올해는 온라인으로 개최될 예정이다.   1. 양일간 진행되는 핵심 기조연설 라인업 컨퍼런스 첫날인 6월 18일(목)에는 ‘PLM/AX 베스트 프랙티스 적용 사례 & 전략’을 주제로 한 트랙이 진행된다.  한국자동차연구원 전병욱 AI·자율주행기술연구소장은 ‘디지털을 넘어 피지컬 AI로: AI 모빌리티 시대 패러다임 전환’을 주제로 기조연설을 진행한다. 미래 모빌리티 산업과 자동차 개발 패러다임의 변화, SDV(소프트웨어 정의 차량) 이후 AI 정의 모빌리티(AI-Defined Mobility) 시대로의 전환 과정과 온디바이스 지능 등 핵심 기술의 진화 방향을 공유할 예정이다.  지멘스 디지털 인더스트리 소프트웨어 안지훈 수석본부장은 ‘Digital Enterprise 실행을 위한 Siemens의 개발/제조 AI 전략’을 주제로, 디지털 스레드와 디지털 트윈으로 개발/제조 현장을 고도화하기 위한 인더스트리얼 AI(Industrial AI) 실행 전략을 소개한다. 둘째 날인 6월 19일(금)에는 ‘AI 전환(AX)을 위한 신기술과 솔루션’ 트랙이 이어진다.  한국인공지능인재개발원 정종기 원장은 ‘기업에서 AI 에이전트 도입 및 활용 전략’을 주제로, AI 에이전트 단계로 진화 중인 생성형 AI 트렌드와 제조기업의 도입 전략, 성공 사례 및 실행 로드맵 등을 제시할 예정이다.  2. 산업별 적용 사례 및 전문 세션 기조연설 외에도 양일간 2개의 전문 트랙에서 국내외 제조 혁신 기업들의 다양한 고도화 사례가 발표된다.  첫째 날인 6월 18일에는 다쏘시스템코리아 최현준 파트너가 ‘Virtual Companion ‘AURA(아우라)’를 활용한 프로젝트 관리 혁신’을 주제로, 생성형 AI 기반 가상 비서를 활용한 프로젝트 계획 자동화 및 리스크 관리 효율을 극대화하는 차세대 DX 전략을 소개한다.  PTC코리아 엄형욱 총괄책임은 ‘제조기업은 왜 다시 PLM에 투자하는가 - AI·Omniverse·Digital Thread 시대의 제조 데이터 혁신’을 주제로, AI 시대 제조기업이 왜 디지털 스레드에 주목하는지, 그리고 PTC가 이를 어떻게 현실적인 제조 환경에 적용하고 있는지를 소개한다.  컨택트 소프트웨어 이상훈 한국지사장은 ‘자동차 전장기업 KOSTAL의 글로벌 디지털 전환’을 주제로 코스탈(KOSTAL)의 글로벌 변경 관리 혁신 사례에 대해 발표하고, CIM 데이터베이스 기반 솔루션으로 리드타임 단축과 글로벌 협업을 실현하는 과정을 소개한다.  HD한국조선해양 권오욱 책임은 ‘차세대 조선 생산 데이터 표준화 프로젝트 과정과 향후 방향’을 주제로 지멘스와 함께 진행한 팀센터(Teamcenter) - Manufacturing 내의 조선 생산 데이터 구축 파일럿 결과에 대해 설명한다.  LG전자 김현우 선임연구원은 ‘설계(CAD) 데이터를 AI-ready 자산으로: R&D 혁신과 AI 에이전트 사례’를 주제로, 설계 데이터와 기업에 축적된 데이터를 AI 활용 가능한 형태로 연결해 업무 생산성을 혁신한 과정을 공유한다. 둘째 날인 6월 19일에는 피앤피어드바이저리(P&P Advisory) 김진회 상무가 ‘PALMA: PLM을 보완하는 Product Architecture 기반 Configuration 플랫폼’을 주제로, 제품 아키텍처를 정보 백본으로 활용하여 PLM의 한계를 보완하고, 구성 관리와 모듈화를 통해 개발·영업·공급망을 연결하는 혁신 방안을 제시한다.  E8(이에이트) 류제형 CTO는 'Next PLM의 핵심 - 온톨로지(Ontology) AI'를 주제로 제조업 개발 단계의 의사결정을 위한 온톨로지 AI 기반 지식그래프 구축 및 활용 사례에 대해 소개한다. 아이지피넷 윤정두 차장은 ‘대규모 데이터 활용과 3D 데이터 최적화까지 생산성 향상을 위한 통합 엔지니어링 프로세스 전략’을 주제로, 생산성 향상을 위한 통합 엔지니어링 전략에 대해 발표한다.  알씨케이 김창근 전무는 'Aras PLM으로 구현하는 제품 다양성 및 복잡성 관리 전략'을 주제로, 마이크로소프트의 아라스(Aras) PLM 도입 사례를 소개할 예정이다. LS ELECTRIC 이기호 매니저는 ‘PLM 설계변경(ECO) 이력과 제조 E2E 데이터를 잇는 온톨로지 기반 제조 챗봇 구축 사례’를 주제로, PLM 설계변경 이력과 제조 데이터를 온톨로지로 연결하는 제조AI 챗봇 구축 사례에 대해 소개한다.  마음에이아이 김지윤 팀장은 ‘Physical AI의 진화와 로봇 데이터 팩토리’를 주제로, 피지컬 AI 기술의 발전 방향과 로봇 데이터 팩토리에 대해 소개한다. 한국산업지능화협회 PLM 기술위원회 서효원 위원장은 “PLM/DX 베스트 프랙티스 컨퍼런스 2026은 ‘PLM을 넘어 AX, 피지컬 AI로의 진화’를 주제로, 제조 엔지니어링 분야의 디지털 전환 전략과 실천 방안을 공유하는 자리다. 최근 제조산업이 생성형 AI를 넘어 AX와 피지컬 AI로 전환하고 있는 만큼 새로운 혁신 방향을 제시할 것으로 기대한다”고 말했다. 한편 PLM/DX 컨퍼런스 2026에는 지멘스 디지털 인더스트리 소프트웨어, 다쏘시스템코리아, 아이지피넷, 피앤피어드바이저리, E8(이에이트), PTC코리아, 컨택트 소프트웨어, 알씨케이 등 다양한 솔루션 업체에서 발표자로 참여해 새로운 제품과 기술, 트렌드에 대해 소개할 예정이다. PLM/DX 컨퍼런스 2026은 온라인 플랫폼으로 진행되며, PLM 홈페이지(www.plm.or.kr)에서 사전등록시 선착순 무료로 참여 가능하다.

지멘스 디지털 인더스트리 소프트웨어가 5월 21일 ‘심센터 테크놀로지 콘퍼런스(STC)’를 개최하고, AI 기반 엔지니어링의 미래 비전을 소개했다. 이번 행사는 지멘스와 알테어의 통합 이후 처음 열리는 공식 기술 행사로 시뮬레이션, 테스트, 고성능 컴퓨팅(HPC), AI를 아우르는 통합 엔지니어링 포트폴리오를 국내 고객과 업계 관계자들에게 선보였다. ■ 최경화 국장   이번 행사에서 지멘스는 AI를 단순한 도구가 아닌 엔지니어링 전 주기를 재편하는 필수 인프라로 규정하고, 실제와 디지털 세계를 결합한 포괄적 디지털 트윈(comprehensive digital twin) 전략을 구체화했다. 지멘스 디지털 인더스트리 소프트웨어 오병준 한국지사장은 “지멘스와 알테어의 통합으로 규모와 역량이 확대됐고, 기존 지멘스 고객과 알테어 고객이 서로의 강점을 아우르는 설루션을 검토할 수 있는 새로운 사업 성장 기회가 열렸다”면서, 국내 인력이 약 450명 규모로 성장했다고 밝혔다.   ▲ 지멘스 오병준 디지털 인더스트리 소프트웨어 한국지사장이 STC 키노트 세션에서 발표하고 있다.   산·학·연 전문가 한자리에… 실제 적용 사례와 혁신 전략 공유 이번 STC에는 국내 주요 제조·엔지니어링 기업 관계자들과 학계 및 연구기관 관계자들이 대거 참여해 산업별 엔지니어링 혁신 사례와 디지털 전환 전략을 공유했다. 키노트 세션은 오병준 한국지사장의 오프닝 스피치로 시작되었으며, 이어 샘 마할링엄(Sam Mahalingam) 지멘스 수석부사장 겸 시뮬레이션 부문 총괄이 ‘산업 판도를 바꾸는 융합 : 피직스와 산 업용 AI의 확장’을 주제로 강연을 진행했다. 또한 HD한국조선해양은 ‘모델 기반 통합 선박 설계·생산 일관화’를 주제로 발표를 진행하며, 조선·중공업 분야의 실제 디지털 엔지니어링 적용 사례를 공유했다. 이와 함께 행사장에서는 산업용 AI, 시뮬레이션 기반 설계, 고급 시뮬레이션, 멀티피직스, 테스트와 실행 가능한 디지털 트윈 등을 주제로 한 트랙 세션과 부스가 운영되어 참가자들이 지멘스 전문가 들과 기술 트렌드를 논의하는 네트워킹의 장이 마련됐다.   AI 시뮬레이션의 3대 축 : 더 빠른 엔진과 엔지니어 그리고 지능화 지멘스의 새로운 엔지니어링 전략은 더 빠른 엔진, 더 빠른 엔지니어, 엔지니어링 인텔리전스라는 세 가지 핵심 축으로 구성된다. 첫째, ‘더 빠른 엔진’의 핵심은 피직스(physics) 기반 AI와 메시리스(meshless) 기술이다. 전통적인 방식은 격자 생성 등 전 처리 과정에 막대한 시간이 걸렸지만, 지멘스는 격자 없이 형상 데이터 위에서 즉시 연산하는 ‘심솔리드(Simcenter Simsolid)’와 기하학적 딥러닝 기술을 결합했다. 이를 통해 에어버스의 구조 시뮬레이션 속도를 100배, 외부 공기역학 계산 속도를 250배 이상 단축하는 등 시뮬레이션 패러다임을 검증에서 탐색으로 전환하고 있다. 둘째, ‘더 빠른 엔지니어’ 전략은 설계부터 제조까지 전 워크플로에 AI 에이전트와 코파일럿을 심어 엔지니어 개인의 생산성을 극대화하는 것을 목표로 한다. CAD, CAE 메싱, 솔버, 멀티피직스 등 각 분야의 전문 에이전트가 하나의 디지털 스레드 안에서 유기적으로 협업하는 ‘멀티에이전트 오케스트레이션’ 구조가 그 실체다. 셋째, ‘엔지니어링 인텔리전스’는 새로운 심센터(Simcenter), 래피드마이너(RapidMiner), HPC웍스(HPCWorks)라는 세 종류의 플랫폼을 주축으로 구현된다. 특히 래피드마이너는 기업 내 분산된 방대한 데이터를 지식 그래프와 온톨로지 기술로 연결하여 데이터의 맥락(context)을 이해하고, 이를 실행(action) 가능한 지능형 애플리케이션으로 전환하는 ‘자율 엔터프라이즈(autonomous enterprise)’의 기반이 된다.   ▲ 샘 마할링엄 지멘스 디지털 인더스트리 소프트웨어 수석부사장 겸 시뮬레이션 부문 총괄    지멘스-알테어 통합 시너지 : 포괄적 포트폴리오의 완성 알테어 인수 1주년을 맞이한 지멘스는 양사의 기술 결합이 가져 온 시너지를 강조했다. 기술적으로는 알테어의 하이퍼웍스(HyperWorks)와 지멘스의 심센터가 통합되면서 구조, 유체, 열 역학, 전자기, 음향, 화학 등 전 물리 영역을 아우르는 완벽한 디지털 트윈 플랫폼이 구축됐다. 특히 전자기 분야는 알테어의 고주파· 저주파 기술로 공백이 채워졌으며, 구조 분야에는 알테어의 옵티스트럭트와 충돌 해석 솔버인 라디오스(Radioss)가 더해져 포트폴리오의 깊이가 강화됐다. 샘 마할링엄 수석부사장은 “이제 고객은 다양한 영역의 복잡성을 모델링할 수 있는 완전한 도구를 갖게 되었으며, 이를 통해 물리적 프로토타입에 대한 의존도를 획기적으로 줄일 수 있다”고 밝혔다.   제조 현장의 핵심 과제 : 보안과 IP 보호 전략 AI 도입의 가장 큰 걸림돌인 데이터 보안과 지식재산권(IP) 보호에 대해서도 지멘스는 해결책을 제시했다. 지멘스는 온프레미스(on-premise), 하이브리드, 프라이빗 클라우드 등 고객의 환경에 맞춘 유연한 배포 옵션을 제공한다. 모든 데이터 학습은 기업 내부 방화벽 안에서 독립적으로 이루어지며, 클라우드 확장 시에도 가상사설망(VPN) 기반의 전용 계정을 사용하여 다중 사용자 공유에 따른 위험을 원천 차단한다. 또한 검색 증강 생성(RAG) 기술을 적용해 엔지니어링 데이터의 외부 유출과 AI의 할루시네이션(환각) 현상을 동시에 해결함으로써 제조 기업들이 안심하고 AI를 도입할 수 있는 환경을 구축하고 있다.   ‘지능형 원팀’으로 중국의 속도전에 대응 오병준 한국지사장은 한국 제조업이 글로벌 경쟁력을 유지하기 위해서는 피직스 AI와 같은 새로운 기술을 빠르게 도입하는 동시에, 설계·해석·생산의 사일로(silo)를 넘어 전체 라이프사이클을 연결하는 디지털 스레드(digital thread) 구축이 시급하다고 제언했다. 특히 빠른 피드백 사이클을 앞세운 중국 제조업의 추격에 대응하기 위해서는 대기업과 소재·부품·장비(소부장) 협력사가 하나의 지능형 체계로 묶여야 한다고 강조했다. 그는 조선·중공업 분야의 ‘모델 기반 통합 선박 설계·생산 일관화’ 사례와 자동차 산업의 ‘올인원 엔지니어’ 추세를 언급하며, 소부장 기업의 장비 데이터가 대기업의 AI 관제 시스템과 실시간 연동되는 ‘지능형 원팀’ 체계가 대한민국 제조업의 초격차를 유지할 수 있는 핵심 동력이 될 것이라고 전망했다.     지멘스-알테어, 포트폴리오 통합과 데이터 호환 기자회견 중 이어진 질의응답 세션에서는 양사의 설루션 통합 및 데이터 호환성에 대한 구체적인 질의가 이어졌다. 샘 마할링엄 부사장은 양사의 결합이 중복 투자가 아닌 상호 보완적 통합임을 강조했다. 전자기 분야는 기존 지멘스 포트폴리오에서 상대적으로 약했던 고주파 및 저주파 해석 영역이 알테어의 기술력과 결합하며 완벽한 진용을 갖추게 되었다. 구조 및 기계 해석 분야에서는 알테어의 충돌 해석 솔버인 라디오스와 최적화 설루션인 옵티스트럭트(OptiStruct)가 심센터 포트폴리오에 더해져 기계적 시뮬레이션의 깊이가 한층 깊어졌다. 메시 없이 형상 그대로 해석하는 심솔리드(Simsolid) 기술을 전면에 배치해 시뮬레이션 속도를 높였다. 사용자들이 우려하는 데이터 호환성 및 향후 로드맵에 대해서는 ‘통합된 디지털 트윈’을 해법으로 제시했다. 마할링엄 부사장은 “현재 지멘스는 양사의 설루션을 하나의 심리스한 워크플로(seamless workflow)로 묶는 작업을 강력하게 추진하고 있다”고 밝혔다. 단순히 파일을 주고받는 수준을 넘어, 지멘스 엑셀러레이터(Siemens Xcelerator) 플랫폼이라는 거대 생태계 안에서 구조, 유체, 열역학, 전자기 등 모든 물리 영역의 데이터가 하나의 디지털 스레드로 흐를 수 있도록 통합을 가속화하고 있다는 설명이다. 그는 “궁극적인 목표는 사용자가 어떤 도구를 사용하든 상관없이, 데이터 단절 없이 모든 복잡성을 모델링하고 검증할 수 있는 포괄적이고 지능적인 디지털 트윈 환경을 제공하는 것”이라고 로드맵을 제시했다.   자율 엔터프라이즈를 향한 여정 지멘스는 이번 STC 2026을 통해 기업들이 지멘스 엑셀러레이터 플랫폼의 소프트웨어와 하드웨어를 사용하여 지속 가능한 디지털 전환을 달성하도록 지원하겠다는 의지를 재확인했다. 물리 기반의 정밀한 시뮬레이션과 데이터 기반의 AI 인텔리전스가 결합된 지멘스의 생태계는, 단순히 제품을 만드는 것을 넘어 아이디어를 미래의 지속 가능한 제품으로 구현하는 ‘자율 엔터프라이즈’로의 진화를 가속화할 것으로 기대된다. 지멘스는 앞으로도 기술 통합을 지속 확대해 미래형 산업 생태계를 구축하고, 기업들이 보다 유연한 혁신 체계와 데이터 기반 의사 결정 환경 구축이 가능하도록 지원할 계획이다. 또한 산업 전반의 협력 생태계를 강화해 제조 산업의 디지털 전환과 고도화를 지속적으로 지원해 나갈 예정이다.     ■ 기사 내용은 PDF로도 제공됩니다.

디지털 지식전문가 조형식의 지식마당   혁신은 오랫동안 ‘번뜩이는 아이디어’의 영역으로 여겨져 왔다. 많은 기업들은 해커톤, 아이디어 공모전, 혁신 캠프와 같은 이벤트를 통해 새로운 가능성을 찾으려 한다. 그러나 냉정하게 돌아보면 대부분의 혁신 활동은 행사로 끝난다. 아이디어는 발표 순간 박수를 받지만, 시간이 지나면 자료 폴더 속에 묻히고 만다. 왜 이런 일이 반복될까? 이유는 간단하다. 혁신의 과정이 연결되어 있지 않기 때문이다.   그림 1. 왜 혁신은 지속되지 않는가?   오늘날 기업이 직면한 가장 큰 문제는 아이디어의 부족이 아니다. 오히려 문제는 너무 많은 아이디어가 단절된 채 사라진다는 데 있다. 누가 어떤 문제를 발견했는지, 왜 특정한 결정을 내렸는지, 어떤 시행착오를 거쳤는지, 그리고 무엇을 배웠는지가 조직 안에서 축적되지 않는다. 결국 혁신은 경험이 아니라 이벤트로 소비되고 만다.   그림 2. 혁신을 시스템으로   이제 혁신은 단발성 활동이 아니라 데이터로 연결된 지속 가능한 시스템으로 진화해야 한다. 여기서 중요한 개념이 바로 디지털 스레드(digital thread) 기반 혁신이다. 디지털 스레드는 단순한 데이터 관리 체계가 아니다. 그것은 아이디어의 탄생부터 실행, 실패, 개선, 그리고 최종 결과에 이르기까지의 전 과정을 하나의 흐름으로 연결하는 구조다. 다시 말해 혁신의 ‘흔적’을 남기는 것이다. 중요한 것은 단순히 결과만 저장하는 것이 아니라, 그 과정 속에서 발생한 판단과 맥락, 그리고 학습 내용을 함께 기록하는 데 있다. 예를 들어 한 엔지니어가 새로운 생산 방식을 제안했다고 가정해보자. 기존 조직에서는 최종 결과만 보고된다. 성공 여부만 남고 중간 과정은 사라진다. 하지만 디지털 스레드 기반 혁신에서는 전혀 다르다. 어떤 현장에서 문제를 발견했는지, 어떤 데이터를 근거로 판단했는지, 어떤 대안을 검토했는지, 왜 특정 결정을 선택했는지까지 모두 연결된다. 이 과정은 단순한 기록이 아니라 조직의 지식 자산이 된다. 이러한 구조에서 가장 중요한 첫 번째 요소는 추적성(traceability)이다. 혁신은 본질적으로 불확실성을 다루는 과정이다. 따라서 결과보다 중요한 것은 ‘왜 그런 결정을 했는가’이다. 추적성이 확보되면 조직은 과거의 판단을 복기할 수 있다. 성공한 프로젝트뿐 아니라 실패한 프로젝트에서도 중요한 통찰을 얻는다. 실패의 원인을 정확히 이해하는 조직은 같은 실패를 반복하지 않는다.   그림 3. 추적성은 결과가 아닌 이유를 기록하라   두 번째 핵심은 연속성(continuity)이다. 대부분의 혁신 활동은 단계가 바뀌는 순간 단절된다. 아이디어 단계와 개발 단계, 개발과 운영 단계, 운영과 서비스 단계 사이에는 항상 보이지 않는 벽이 존재한다. 그 결과 초기의 의도가 현장에서 왜곡되거나 사라진다. 디지털 스레드는 이 단절을 제거한다. 모든 과정이 하나의 흐름으로 연결되기 때문에 혁신의 맥락이 유지된다.   그림 4. 연속성이 핵심이다.   세 번째는 검증성(verifiability)이다. 과거의 혁신은 종종 ‘좋은 아이디어였다’는 감각적 평가에 의존했다. 그러나 데이터 기반 혁신에서는 모든 활동이 검증 가능해야 한다. 어떤 아이디어가 실제 비용 절감에 기여했는지, 어떤 의사결정이 품질 향상으로 이어졌는지, 어떤 실험이 실패했는지를 데이터로 증명할 수 있어야 한다. 혁신이 감각이 아니라 증명 가능한 가치 창출 활동으로 바뀌는 순간이다.   그림 5. 직관을 가설로, 실행을 실험으로   여기서 더욱 중요한 개념은 재사용성(reusability)이다. 많은 조직은 실패를 폐기물처럼 취급한다. 하지만 디지털 스레드 기반 혁신에서는 실패조차 자산이 된다. 특정 프로젝트에서 실패했던 원인과 조건이 구조적으로 기록되면, 미래의 다른 프로젝트는 그 실패를 반복하지 않는다. 즉 조직은 실패를 비용이 아니라 학습 데이터로 전환하게 된다.   그림 6. 실패의 자산화    또 하나 주목해야 할 요소는 확장성(scalability)이다. 전통적인 혁신은 종종 특정 개인의 역량에 의존했다. 뛰어난 리더 한 명, 천재적 엔지니어 한 명이 조직의 혁신을 이끌었다. 그러나 개인 중심 혁신은 재현이 어렵다. 반면 디지털 스레드는 개인의 경험을 조직 전체의 지식으로 확장한다. 한 사람의 통찰이 데이터 구조 속에 축적되면, 그것은 조직 전체가 공유하고 활용할 수 있는 집단 지성이 된다.   그림 7. 개인의 경험을 산업의 표준으로   결국 미래의 혁신 경쟁력은 아이디어의 개수에서 나오지 않는다. 진짜 경쟁력은 조직이 얼마나 체계적으로 지식을 연결하고 축적하는가에서 결정된다. 이제 혁신은 ‘무엇을 생각했는가’보다 ‘어떻게 연결했는가’의 문제다. 인공지능 시대에는 이 흐름이 더욱 중요해진다. AI는 단순히 데이터를 많이 가진 조직보다, 의미 있게 연결된 데이터를 가진 조직에서 더 강력하게 작동한다. 연결되지 않은 데이터는 단순한 저장물에 불과하지만, 디지털 스레드로 구조화된 데이터는 조직의 기억이자 학습 체계가 된다. 그리고 이것이 바로 미래 기업의 새로운 운영체제(operation system)와 산업 인공지능 온톨로지(industrial AI ontology)가 될 가능성이 높다.   그림 8. 혁신은 사건이 아니라 시스템이다.   혁신은 더 이상 천재의 직관에 의존하는 시대를 지나고 있다. 이제 혁신은 기록되고, 연결되고, 학습되며, 재사용되는 구조로 진화하고 있다. 디지털 스레드는 단순한 기술 개념이 아니다. 그것은 조직이 경험을 자산으로 바꾸는 방식이며, 미래 경쟁력을 만드는 새로운 문법이다. 결국 살아남는 조직은 가장 많은 아이디어를 가진 조직이 아니라, 가장 잘 연결된 지식을 가진 조직이 될 것이다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설 턴트를 걸쳐서 디지털 지식 전문가 로 활동하고 있다. 현재 디지털지식 연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스 트로 활동하고 있다. 보잉, 삼성항 공우주연구소, 한국항공(KAI), 지 멘스에서 근무했다. 저서로는 ‘ PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

제조 엔지니어링 업계가 전통적인 PLM(제품수명주기관리)과 DX(디지털 전환)의 단계를 넘어 AX(인공지능 전환, AI Transformation)이라는 새로운 패러다임으로 진화하고 있다. 이에 발맞추어 캐드앤그래픽스 CNG TV는 5월 18일, ‘PLM을 넘어 AX, 피지컬 AI로의 진화’를 주제로 PLM/DX 컨퍼런스 프리뷰 방송을 진행했다.    CNG TV 출연자 - 디지털지식연구소 조형식 대표(사회), LG CNS 김대성 상무. 산업연구원 AI디지털전환연구실 이상현 실장 디지털지식연구소 조형식 대표가 사회를 맡은 이번 방송에는 LG CNS SINGLEX 사업 총괄 김대성 상무와 산업연구원 AI디지털전환연구실 이상현 실장이 발표자로 참여하여 AX로 변화하고 있는 제조업계의 최신 트렌드와 핵심 이슈를 집중 조명했다. 자세한 내용은 CNG TV 다시보기를 통해 확인할 수 있다. ■ 최경화 국장 kwchoi@cadgraphics.co.kr   글로벌 제조 패러다임의 변화와 자율 제조의 도래 산업연구원 이상현 실장은 먼저 글로벌 공급망 위기, 전 세계적인 인력 부족, 생산성 정체 등 현재 제조 산업이 직면한 매크로적 환경 변화와 한계를 짚었다.  이상현 실장은 이러한 위기를 돌파할 핵심 열쇠로 AI 전환(AX)을 제시하며, 이제는 단순히 업무 프로세스를 디지털화하는 DX를 넘어 AI 기술을 산업 전반에 융합하는 단계로 나아가야 한다고 강조했다. 특히 가상 세계의 AI가 현실 세계의 물리적 자산 및 하드웨어와 결합하는 ‘피지컬 AI(Physical AI)’ 기술이 향후 제조 생태계를 고도화하는 데 핵심적인 역할을 할 것이라고 전망했다.  이상현 실장은 피지컬 AI를 기반으로 한 '자율 제조(Autonomous Manufacturing)' 생태계가 구축되면 공장이 스스로 상황을 인지하고 판단하여 최적의 생산을 수행하는 수준까지 발전할 수 있음을 설명하며, 이를 위해 국가적 차원의 정책적 지원과 기술 표준화, 그리고 기업 간 협력 네트워크 구축이 선제적으로 마련되어야 한다고 제언했다.   PLM 데이터의 가치 창출과 AI 에이전트의 실질적 적용 LG CNS 김대성 상무는 제조 기업들이 현업에서 겪고 있는 실질적인 문제와 이를 해결하기 위한 기술적 접근법에 초점을 맞추어 발표를 진행했다.  김대성 상무는 많은 제조 기업이 수십 년간 축적해 온 설계 도면, 자재명세서(BOM), 과거 견적서 등의 방대한 PLM 데이터를 가지고 있음에도 불구하고, 이를 효율적으로 활용하지 못해 사장되는 '다크 데이터(Dark Data)' 문제를 지적하고, 이러한 문제를 해결하기 위해 생성형 AI와 AI 에이전트 기술을 PLM 시스템에 결합하는 혁신적인 방안에 대해 소개했다.  AI 에이전트가 도입되면 엔지니어들은 복잡한 설계 데이터를 자연어로 쉽게 검색하고 분석할 수 있게 되며, 과거의 설계 이력이나 사내 숙련공의 노하우를 실시간으로 추천받아 의사결정 속도를 획기적으로 단축할 수 있다. 구체적으로 비정형 데이터를 자산화하여 신제품 개발 주기를 줄이고 가치 창출을 극대화한 구체적인 적용 방법론을 공유하며 제조 현장의 실질적인 변화를 이끌어내야 한다고 강조했다. 미래 제조 시장 선점을 위한 AIDX 통합 실행 전략 두 발표자는 미래 제조 산업에서 생존하고 경쟁력을 유지하기 위한 공통의 과제로 ‘AIDX(AI 기반 디지털 전환) 생태계 구축’을 꼽았다. 기업들이 생성형 AI, 엔비디아 옴니버스 기반의 디지털 트윈, 그리고 제품 전체 수명을 관통하는 디지털 트레드(Digital Thread) 등 최신 IT 기술을 기존의 전통적인 제조 데이터 체계와 유기적으로 연동해야 한다는 것이다. 실질적인 제조 AX를 실행하기 위해서는 부서별로 파편화되어 있는 엔지니어링 데이터를 하나로 통합하고, 현장 작업자들이 AI 기술을 거부감 없이 받아들이고 활용할 수 있도록 촉진하는 사내 문화와 인프라 조성이 필수적이라는 점에 뜻을 모았다. 6월 개최 ‘PLM/DX 베스트 프랙티스 컨퍼런스 2026’으로 이어지는 혁신의 여정 이번 프리뷰 방송은 오는 6월 18일부터 19일까지 양일간 온라인으로 개최되는 본 행사 ‘PLM/DX 베스트 프랙티스 컨퍼런스 2026’의 비전을 미리 살펴보는 자리였다.  올해로 22회째를 맞이하는 본 컨퍼런스는 스마트공장, AX, 디지털 트윈 등을 기반으로 한 PLM과 제조의 최신 융합 사례를 총망라할 예정이다.   

PLM을 넘어 AX, 피지컬AI로의 진화 - PLM/DX 베스트 프랙티스 컨퍼런스 2026 #한국산업지능화협회_PLM기술위원회 #캐드앤그래픽스 #한국CDE학회 아래 내용이 보이지 않으면 여기를 클릭하세요!     PLM/DX 베스트 프랙티스 컨퍼런스 2026 아젠다 PLM을 넘어 AX, 피지컬AI로의 진화 ​ 6월 18일(목) : PLM/AX 베스트 프랙티스 적용 사례 & 전략 [인사말] (한국산업지능화협회 PLM 기술위원회 서효원 위원장/카이스트 명예교수) [기조연설] 디지털을 넘어 피지컬 AI로: AI 모빌리티 시대 패러다임 전환 (한국자동차연구원 전병욱 AI·자율주행기술연구소장) [기조연설] Digital Thread에서 Physical AI까지: Siemens의 제조 AI 실행 전략 (지멘스 디지털 인더스트리 소프트웨어 안지훈 수석본부장) Virtual Companion 'AURA'를 활용한 프로젝트 관리 혁신 (다쏘시스템코리아 최현준 파트너) 제조기업은 왜 다시 PLM에 투자하는가 - AI·Omniverse·Digital Thread 시대의 제조 데이터 혁신 (PTC Korea 지수민 본부장) 자동차 전장기업 KOSTAL의 글로벌 디지털 전환 (CONTACT Software 이상훈 한국지사장) 차세대 조선 생산 데이터 표준화 프로젝트 과정과 향후 방향 (HD한국조선해양 권오욱 책임) 설계(CAD) 데이터를 AI-ready 자산으로: R&D 혁신과 AI 에이전트 사례 (LG전자 김현우 선임연구원) ​ 6월 19일(금) : AI 전환(AX)을 위한 신기술과 솔루션 [격려사] (한국CDE학회 정현 회장/충남대학교) [기조연설] 기업에서 AI 에이전트 도입 및 활용 전략 (한국인공지능인재개발원 정종기 원장) PALMA: PLM을 보완하는 Product Architecture 기반 Configuration 플랫폼 (피앤피어드바이저리 김진회 상무) Next PLM의 핵심 - 온톨로지(Ontology) AI (이에이트 류제형 CTO) 대규모 데이터 활용과 3D 데이터 최적화까지 생산성 향상을 위한 통합 엔지니어링 프로세스 전략 (아이지피넷 윤정두 차장) Aras PLM으로 구현하는 제품 다양성 및 복잡성 관리 전략 (알씨케이 김창근 전무) PLM 설계변경(ECO) 이력과 제조 E2E 데이터를 잇는 온톨로지 기반 제조 챗봇 구축 사례 (LS ELECTRIC 이기호 Manager) Physical AI의 진화와 로봇 데이터 팩토리 (마음에이아이 김지윤 팀장)

간호지원 로봇 ‘메디’ 산업을 넘어 삶의 온기를 더하는 피지컬 AI    제조 현장을 넘어 의료와 돌봄의 영역으로 확장되는 ‘피지컬 AI(Physical AI)’는 기술의 목적을 다시 묻는다. 자동화와 효율을 넘어, 인간의 삶을 직접 보듬는 지능으로 진화하는 것이다. AI·로봇 전문 개발 기업 ‘아이솔(iSol, www.isollab.com)’은 이러한 변화의 중심에서 ‘자율 케어(Autonomous Care)’라는 새로운 패러다임을 제시하고 있다. 김효진 대표이사는 “피지컬 AI는 제2의 불처럼 돌봄의 사각지대를 밝히는 기술”이라며, 기술이 인간의 존엄과 만나는 지점을 강조한다.   ▲ 아이솔 김효진 대표   ‘제2의 불’ 피지컬 AI, 돌봄의 사각지대를 밝히다 제조 현장의 자동화를 이끌어 온 인공지능과 로봇 기술이 이제 병원과 돌봄의 공간으로 이동하고 있다. 효율과 생산성을 중심으로 발전해 온 기술이 ‘사람의 삶’이라는 보다 근본적인 영역으로 확장되고 있는 것이다. 특히 최근 주목받는 피지컬 AI(Physical AI)는 로봇과 같은 물리적 실체가 주변 환경을 인지하고 스스로 판단하여 행동하는 기술 패러다임으로, 기존 자동화의 한계였던 비정형성을 극복하는 핵심 열쇠이다. AI·로봇 전문 개발 기업 아이솔은 피지컬 AI 기술을 제조 현장을 넘어 인간의 존엄성과 직결된 ‘돌봄’과 ‘간호’의 영역으로 확장하고 있다. 단순한 기계적 보조를 넘어 환자의 상태를 이해하고 교감하는 아이솔의 솔루션은 의료 인력난과 고령화 사회의 난제를 해결할 새로운 AX(AI Transformation) 모델을 제시하고 있다. 김효진 대표이사는 이를 ‘제2의 불’에 비유한다. “프로메테우스의 불이 인류 문명을 열었듯, 피지컬 AI는 돌봄의 사각지대를 밝히는 새로운 불이 될 수 있습니다.” 기술의 목적을 효율에서 ‘존엄’으로 이동시키겠다는 선언이다. 고기능 간호지원 로봇 : 의료 현장의 디지털 스레드 구현 병원은 고도의 정밀성과 신속한 대응이 동시에 요구되는 복합 환경이다. 간호 인력은 환자 케어와 함께 물류, 기록, 모니터링까지 광범위한 업무를 수행한다. 아이솔의 고기능 간호지원 로봇은 이러한 현장에 피지컬 AI의 ‘인지–결정–행동’ 구조를 구현했다. 우선 아이솔의 로봇은 LiDAR와 RGB-D 카메라를 활용해 병원 복도를 스스로 인식하고 이동한다. 약제나 검체를 자율적으로 이송하며, 장애물을 회피하고 경로를 재계산한다. 이는 단순 운반을 넘어, 간호 인력이 환자 곁에 머무는 시간을 늘리는 기반이 된다. 또한 환자에게 접근해 체온, 혈압 등 활력징후(Vitals)를 자동으로 측정하고, 이를 전자의무기록(EMR) 시스템에 실시간으로 연동한다. 반복적인 측정과 기록 업무를 줄임으로써 의료진은 환자의 상태 관찰과 상담, 판단에 더 집중할 수 있다. 여기에 아이솔은 ‘실행형 AX 시스템’을 결합했다. 수집된 데이터는 단순 저장에 그치지 않고, 이상 징후를 감지하고 관리 가이던스를 생성하는 데 활용된다. 김효진 대표는 “의료 현장에서도 데이터가 행동으로 이어지는 디지털 스레드(Digital Thread)가 필요하다”며 “간호지원 로봇은 그 연결 고리를 구현하는 매개체”라고 설명한다. 돌봄 로봇 ‘호리’: 정서적 교감과 안전을 위한 피지컬 AI 사회적 약자와 돌봄 대상자를 위한 아이솔의 돌봄 로봇 ‘호리(HORI)’는 피지컬 AI 기술이 단순한 자동화를 넘어 ‘감성’과 ‘안전’의 영역에서 어떻게 구현되고 있는지를 보여주는 사례로 주목받고 있다. 음성 인식과 감정 AI 기술을 통해 대상자와 대화를 나누고, 정서적 안정감을 제공한다. 이는 피지컬 AI가 단순히 물리적 힘을 쓰는 것을 넘어, 사회적 맥락을 인지하고 반응하는 지능형 파트너로 진화했음을 의미한다. 이와 함께 안전 기능 역시 핵심이다. 센서 네트워크를 통해 활동을 모니터링하고, 낙상이나 이상 행동이 감지되면 즉시 알람을 전송한다. 보호자나 의료진은 원격으로 상황을 파악할 수 있어, 사고 발생 시 골든타임을 확보할 수 있다. 호리는 모듈형 구조를 채택해 기능을 블록처럼 조합할 수 있도록 설계됐다. 환경과 대상자의 상태에 따라 필요한 기능만 선택해 구성할 수 있어, 가정·요양시설·병원 등 다양한 현장에 적용이 가능하다. 김 대표는 “돌봄의 요구는 표준화할 수 없다”며 “모듈형 구조는 돌봄의 다양성을 기술적으로 존중하기 위한 선택”이라고 강조한다.   신뢰받는 AX를 위한 기술 기반과 보안 의료와 돌봄 영역에서 기술의 성능만큼 중요한 것은 신뢰성이다. 아이솔은 데이터 품질과 보안을 기술 경쟁력의 핵심으로 삼고 있다. 모든 통신은 암호화된 보안망을 기반으로 이루어지며, 승인된 기기만 접근 가능한 로컬 인프라 구조를 지향한다. 민감한 의료·개인 정보가 외부로 유출되는 것을 원천적으로 차단하는 방식이다. 로봇의 학습 구조 역시 현장 친화적으로 설계됐다. 인간의 시연 데이터를 바탕으로 초기 정책을 설정한 뒤, 실제 환경에서 시행착오를 거치며 최적의 케어 전략을 학습한다. 이는 HART(Human Augmented Robot Training) 기법과 유사한 구조로, 로봇이 경험을 통해 숙련도를 높여가는 방식이다. 김 대표는 “로봇이 축적한 경험은 곧 돌봄의 품질”이라며 “학습 구조는 기술이 아니라 신뢰를 만드는 장치”라고 말한다.   기술의 목적을 다시 묻다 아이솔은 2020년 설립 이후 AI와 로봇 솔루션 개발에 집중해 왔다. ‘사람과 자연스럽게 협업하는 AI’, ‘일상에 스며드는 로봇’이라는 방향성은 제조 현장에서 의료·돌봄으로 확장되는 과정에서도 유지되고 있다. 김효진 대표는 “피지컬 AI의 목적은 인간을 대체하는 것이 아니다. 인간이 더 인간다운 역할, 즉 공감과 판단, 책임에 집중하도록 돕는 데 있다”라고 강조하며 기술의 역할을 분명히 했다. 피지컬 AI는 이제 공장 울타리를 넘어 병원과 가정, 요양시설로 들어오고 있다. 아이솔이 제시하는 자율 케어 솔루션은 의료 인력난과 고령화라는 구조적 문제에 기술적 해법을 제시하면서도, 인간 중심의 가치를 놓치지 않는다. 데이터에서 인사이트를 얻고, 이를 행동으로 연결해 삶의 질을 높이는 선순환 구조. 이것이 아이솔이 그려가는 미래 지능화 사회의 모습이다. 산업을 넘어 삶의 온기를 더하는 피지컬 AI. 아이솔의 실험은 이제 시작 단계에 불과하다. 그러나 방향은 분명하다. 기술은 더 빠르고 똑똑해지는 것을 넘어, 더 따뜻해져야 한다.