가트너가 2026년 1분기 전 세계 PC 출하량 예비조사 결과를 발표했다. 올해 1분기 출하량은 6280만 대로, 지난해 같은 기간보다 4% 늘었다. 하지만 이번 성장은 실제 수요 회복보다는 부품 가격 상승에 대비한 선제적 재고 확보의 결과라는 것이 가트너의 분석이다. 가트너의 리시 파디 리서치 책임자는 이런 성장세를 “인위적으로 부풀려진 수치”라고 평가했다. 메모리 가격 상승세인 ‘멤플레이션(memflation)’과 디램(DRAM), 낸드(NAND) 플래시 등 핵심 부품 비용이 급등했기 때문이라는 것이다. 공급업체와 유통업체들은 2분기에 예상되는 PC 가격 인상을 앞두고 재고 수준을 미리 높였으며, 이러한 현상은 마진이 낮은 제품군에서 더욱 두드러졌다. 또한 2025년 1분기 역시 미국의 관세 부과를 앞둔 선제 수입으로 수치가 높았던 기저 효과가 맞물려 있다.   ▲ 2024년 1분기~2026년 1분기 전 세계 PC 출하량 및 성장률(단위 : 천 대, 출처 : 가트너)   전 세계 PC 공급업체별 순위에서는 상위 4개 업체인 레노버, HP, 델, 애플이 자리를 지켰다. 1위 레노버는 9.5%의 견조한 성장세를 유지하며 시장 점유율 26.5%를 기록, 선두 자리를 지켰다. 한편, 업계 2위인 HP는 상위권 업체 중 유일하게 출하량이 4.9% 감소하며 주춤한 모습을 보였다. 에이수스는 10.8%라는 높은 성장률을 기록하며 에이서를 따돌리고 5위에 자리했다. 업체별 성적표에서 눈에 띄는 곳은 애플이다. 애플은 전년 동기 대비 12.7% 성장하며 주요 업체 중 가장 높은 성장률을 기록했다. 시장 점유율 또한 10.6%로 전년보다 0.8%포인트 상승했다. 이러한 성장에 대해 파디 리서치 책임자는 “신규 맥 사용자와 교육 시장을 공략한 ‘맥북 네오(MacBook Neo)’의 견조한 수요에 힘입은 것”이라고 분석했다. 고성능을 원하면서도 가격에 민감한 소비자층을 효과적으로 흡수하면서 PC 부문의 경쟁력을 강화했다는 평가다.

팀뷰어는 미국 샌디에이고에서 열린 ‘가트너 디지털 워크플레이스 서밋’에서 새로운 대화형 인공지능(AI) 기능인 ‘티아 리포팅(Tia Reporting)’을 발표했다. 이 기능은 복잡한 IT 환경을 최적화하는 엔터프라이즈 설루션인 팀뷰어 DEX(디지털 직원 경험)에 탑재된다. 사용자가 간단한 자연어로 명령하면 실시간 대시보드를 생성해 IT 의사결정 속도를 높이는 것이 특징이다. 티아 리포팅은 IT 팀이 문제를 신속하게 해결하고 디지털 임직원 경험을 개선하며 운영 효율을 높이는 데 필요한 통찰력을 즉시 제공한다. 기존의 수작업 중심 데이터 분석 방식에서 발생하는 지연을 없애고, 자연어 명령어를 AI 기반 실시간 대시보드로 변환한다. 이를 통해 IT 조직 전반이 실시간으로 정보를 공유하도록 가시성을 높인다. 기업은 사후 대응 방식에서 벗어나 선제적이고 예방 중심적인 운영 체계로 전환해 업무 생산성을 높일 수 있다. 이 기능은 기기에서 수집하는 실시간 운영 데이터와 애플리케이션 성능, 임직원 경험 지표를 포괄하는 팀뷰어의 독점 데이터를 기반으로 구축했다. 관리자는 직관적인 노코드 AI 인터페이스를 활용해 필터와 기간, 시각화 방식을 조정하며 실시간으로 문제를 심층 분석한다.     팀뷰어의 아드리안 토드 제품 관리 부문 부사장은 “그동안 IT 팀은 속도와 신뢰를 갖고 측정하기 어려운 성과에 대해 책임을 져야 하는 상황에 있었다”면서, “티아 리포팅은 데이터 분석 전문가의 도움 없이도 필요한 순간에 즉시 활용할 수 있는 인사이트를 제공해 이러한 구조를 근본적으로 바꿀 것”이라고 설명했다. 또한 이번 발표가 올해 여름 예정된 자율형 엔드포인트 관리(AEM) 출시를 앞둔 팀뷰어 AI 로드맵의 성과라고 덧붙였다. 팀뷰어코리아 이혜영 대표이사는 “기업 경쟁력은 임직원 경험과 생산성을 얼마나 빠르게 개선할 수 있는지에 달려 있다”면서, “팀뷰어는 DEX와 AEM을 통해 디지털 워크플레이스의 새로운 기준을 만들고 있으며, 티아 리포팅을 통해 고객이 선제적이고 자율적인 IT 운영 환경을 구축하도록 지원하겠다”고 강조했다.

가트너가 2030년까지 1조 개 파라미터를 보유한 거대 언어 모델(LLM)의 추론 비용이 2025년과 비교해 90% 이상 줄어들 것이라는 전망을 내놓았다. 생성형 AI 모델이 처리하는 기본 데이터 단위인 AI 토큰은 이번 분석에서 약 3.5바이트로 정의되었다. 가트너는 반도체와 인프라의 효율 개선, 모델 설계 혁신, 추론 특화 반도체 확대 등에 힘입어 2030년에는 LLM의 비용 효율이 2022년 초기 모델 대비 최대 100배까지 좋아질 것으로 내다봤다. 가트너는 이번 비용 분석을 위해 최첨단 반도체 기반의 프런티어 시나리오와 기존 반도체를 혼합해 사용하는 레거시 혼합 시나리오를 활용했다. 분석 결과 레거시 혼합 시나리오는 연산 성능이 상대적으로 낮아 프런티어 시나리오보다 비용이 상당히 높은 것으로 나타났다.   ▲ 가트너의 생성형 AI 추론 비용 시나리오 전망   하지만 토큰 단가가 떨어진다고 해서 기업의 AI 관련 비용이 곧바로 줄어들지는 않을 것으로 보인다. 고도화된 AI 기능일수록 더 많은 토큰을 사용하는 구조적 특성 때문이다. 가트너의 분석에 따르면 AI 에이전트는 기존 챗봇보다 작업당 최소 5배에서 최대 30배 많은 토큰을 필요로 한다. 토큰 단가의 하락 속도보다 토큰 사용량의 증가 속도가 더 빠르기 때문에, 전체적인 추론 비용은 오히려 늘어날 가능성이 크다. 가트너의 윌 소머 시니어 디렉터 애널리스트는 “제품 총괄 책임자는 범용 토큰 가격의 하락을 고급 추론 역량의 대중화로 오해해서는 안 된다”고 강조했다. 기본적인 AI 기능은 비용이 거의 들지 않는 수준이 되겠지만, 고급 추론을 위한 컴퓨팅 자원과 시스템은 여전히 희소하다는 설명이다. 그는 이어 “저렴한 토큰 비용에 의존해 아키텍처의 비효율을 방치하는 기업은 향후 에이전트 기반 AI를 확장하는 단계에서 한계에 부딪힐 것”이라고 경고했다. 가트너는 앞으로 다양한 모델 포트폴리오 사이에서 업무 부하를 효율적으로 조정하는 플랫폼의 가치가 높아질 것이라고 전망했다. 자주 반복되는 업무는 소형 모델이나 도메인 특화 모델로 처리하고, 비용이 많이 드는 프런티어급 모델은 복잡하고 가치가 높은 추론 작업에만 선택적으로 활용해야 한다는 전략이다. 이러한 멀티 모델 운영 방식은 특정 작업 흐름에서 범용 모델보다 낮은 비용으로 더 뛰어난 성능을 제공할 수 있다.

트렌드에서 얻은 것 No. 28   ▲ 클릭하면 큰 그림으로 볼 수 있습니다.   21세기 제조 산업은 기계적 자동화를 넘어 데이터와 인공지능(AI)이 설계, 생산, 운영의 전 과정을 주도하는 지능형 시대로 진입하고 있다. 2025년을 기점으로 인공지능은 생산성을 보조하는 도구의 단계에서 벗어나, 엔지니어링의 근간을 재정의하는 ‘AI 네이티브(AI-native)’ 환경의 핵심 인프라로 자리 잡았다. 과거의 제조 방식이 숙련공의 경험과 직관에 의존하는 결정론적(deterministic) 방식이었다면, 미래의 스마트 엔지니어링은 방대한 산업 데이터를 기반으로 최적의 의사결정을 자율 수행하는 확률론적(probabilistic) 방식으로 전환되고 있다. 이번호 칼럼에서는 글로벌 선도 기업의 실무 적용 사례를 통해 2026년 제조업이 나아가야 할 방향을 알아보고자 한다.   스마트 엔지니어링의 역사적 진화와 패러다임의 전환 스마트 엔지니어링의 역사는 물리적 모델을 디지털 공간으로 옮기려는 지속적인 노력의 산물이다. 1990년대 초반, 보잉은 777 기종의 개발 과정에서 CAD를 활용한 디지털 목업(DMU) 기술을 도입하며 설계 혁신을 시작했다. 이는 종이 도면 없이 항공기 전체를 3D 상에서 검증한 최초의 사례로 기록된다. 이후 2010년대에 들어서며 에어버스 A350의 사례와 같이 설계 리뷰 전 과정이 디지털화되었고, 2020년대에 이르러서는 복제를 넘어 물리적 대상과 실시간으로 데이터를 주고받는 디지털 트윈(digital twin) 기술이 성숙기에 접어들었다. 2025년부터 2026년 사이의 기술적 전향점은 이러한 디지털 트윈이 AI 네이티브 지능을 탑재하기 시작했다는 점이다. 이제 엔지니어링 업무의 30%를 차지하던 과거 데이터 검색 및 비부가가치 활동은 구체적인 사례가 공개되고 있지는 않지만, 시대의 흐름에 따라 서서히 생성형 AI와 검색 증강 생성(RAG) 기술로 대체되어 갈 것으로 보인다. 또한, 글로벌 기업의 끊임없는 연구로 인해 엔지니어는 반복적인 분석 대신 창의적인 문제 해결과 맥락적 의사결정에 집중하는 ‘코파일럿(co-pilot)’ 시대도 곧 맞이할 것으로 예상된다.     이러한 패러다임의 전환은 한국 제조업에도 시급한 과제다. 미국, 독일, 일본 등 주요 제조 강국과 비교할 때 한국의 제조업 부가가치율은 여전히 상대적으로 낮은 수준에 머물러 있으며, 대기업과 중소기업 간의 생산성 격차는 약 4배에 이른다. 고령화와 저출산으로 인한 노동력 감소, 근로시간 단축 등 제약 사항이 증가하는 상황에서 AI를 통한 제조 지능화는 선택이 아닌 생존을 위한 필수 전략으로 부상하고 있다.   제조 지능화를 위한 AI 핵심 활용 방안 및 기술 분석 제조 현장에서 AI를 실무에 적용하는 방식은 정보 추출부터 복잡한 공정 시뮬레이션 및 자율 제어에 이르기까지 넓은 영역을 포괄한다. 지능형 지식 검색 및 데이터 파이프라인 최적화는 엔지니어링 업무의 상당 부분은 과거의 기술 문서, 도면, 실험 데이터를 찾는 데 소요된다. 최근의 RAG(Retrieval Augmented Generation) 기술은 수십 년간 축적된 비정형 데이터(PDF, 엑셀, 문서)를 벡터 데이터베이스(vector DB)로 변환하여 자연어 질문에 답변하고 근거가 되는 출처를 명확히 제시함으로써 환각(hallucination) 문제를 해결하고 있다. 이는 글로벌 프로젝트에서 기술 문서의 실시간 번역과 용어 표준화를 지원하여 협업 효율을 극대화한다. 또한, 연구 프로세스 개선을 위해 데이터 파이프라인 중심의 자동화가 추진되고 있다. 기존의 실험 연구자가 수기로 기록하던 방식에서 벗어나 디지털화된 시료 분석과 제어 데이터를 클라우드 협업 환경에 통합함으로써, 연구 산출물의 재현성을 높이고 멘토링의 질을 개선하는 것이 핵심이다. 생성형 설계(generative design)와 제조 공법 인지는 엔지니어의 상상력을 정교한 설계안으로 구현하는 데 결정적인 역할을 한다. 설계자가 경량화, 강성 등 목표 조건과 재료, 제조 공법 등의 제약 조건을 입력하면 AI는 수백 가지의 대안을 생성한다. 특히 ‘제조 공법 인지(manufacturing-aware)’ 기능은 주조 공법 시 금형에서 제품이 빠져나올 수 있는 구배 각도를 자동 고려하거나 3축/5축 가공 시 공구가 접근할 수 없는 언더컷 형상을 배제하는 수준까지 진화했다. 일본의 니프코(Nifco)는 이를 활용해 전통적인 육각형 허니콤 구조를 넘어선 비정형 유기적 패턴을 설계함으로써 강성을 유지하면서도 재료 사용량을 획기적으로 절감하는 성과를 거두었다. 에이전틱 AI(agentic AI)와 자율적 프로세스 제어 부분을 살펴보면, 2026년의 주요 트렌드인 에이전틱 AI는 분석을 넘어 독립적으로 과업을 계획하고 실행하는 능력을 갖출 것이다. 기존의 AI가 ‘무엇이 잘못되었는가’를 알려주는 예측 도구였다면, 에이전틱 AI는 ‘어떻게 해결할 것인가’를 결정하고 실행한다.     인과관계 AI(causal AI)와 지식 조립 공장은 전통적인 머신러닝 모델은 데이터 간의 상관관계에 의존하기 때문에 ‘왜’라는 질문에 답하기 어렵고, 공정 환경이 변하면 모델이 붕괴되는 한계를 가진다. 이를 극복하기 위해 2026년에는 인과관계 AI가 제조업의 핵심 기술로 부상하고 있다. 인과관계 AI는 데이터 패턴 학습을 넘어 원인과 결과의 사슬을 규명한다. 예를 들어, 공장 내 배관의 결로 현상과 습도 데이터 사이에는 강한 상관관계가 존재하지만, 습도가 결로의 원인인지 혹은 그 반대인지를 명확히 정의하지 못하면 잘못된 설비 투자가 이루어질 수 있다. 인과관계 AI는 주다 펄(Judea Pearl)의 수학적 기초를 바탕으로 개입(intervention) 분석을 수행하여 ‘만약을 변경한다면은 어떻게 변할 것인가’라는 질문에 명확한 수치를 제공한다. 인하대학교 이창선 교수가 제시한 KAMG AI(Knowledge Assembly Factory) 개념은 AI가 스스로 모든 것을 만드는 것이 아니라, 인간 전문가가 설계한 ‘인과 지식 설계도(blueprint)’를 기반으로 AI가 지식을 조립하는 방식을 취한다. 이는 존재(entity), 속성(attribute), 관계(relation) 프레임워크를 통해 지식을 해부하고 표준화된 조립 공정을 거쳐 인과 예측 모델을 산출한다. 이 과정에서 엔지니어는 프로그래머가 아닌 시스템의 의미와 변수의 역할을 결정하는 ‘지식 설계자(architect)’로 거듭나게 된다. 데이터 거버넌스와 팔란티어 온톨로지(ontology) 전략의 핵심은, 제조 AI가 진정한 가치를 창출하기 위해서는 현장의 모든 데이터가 실시간으로 연결되는 ‘디지털 스레드(digital thread)’가 전제되어야 한다는 것이다. 팔란티어의 온톨로지 기술은 데이터 사일로(silo) 문제를 해결하고 기업의 전체 데이터 유니버스를 비즈니스 맥락으로 재구성하는 핵심 아키텍처를 제공한다. 온톨로지는 데이터를 분류하는 것을 넘어 업무, 조직, IT 시스템 간의 공통 언어를 제공한다. 팔란티어 파운드리는 기존 레거시 시스템(ERP, PLM, MES 등)의 데이터를 물리적으로 옮기지 않고 연결하며, 이를 객체(object)와 관계(link)로 모델링한다. 객체(entity) : 차량 모델, 부품, 공정, 설비, 고객 등 핵심 요소를 개체화한다. 속성(attribute) : 개체의 특징(온도, 압력, 재질, 작업 시간)을 정의한다. 관계(relationship) : ‘부품은 공정에서 사용된다’, ‘설계 변경은 생산에 영향을 준다’와 같은 업무적 연결을 구조화한다. 구축된 온톨로지 위에서 팔란티어의 AIP(Artificial Intelligence Platform)는 자연어 인터페이스를 통해 현장의 복잡한 상황을 분석하고 대응한다. 예를 들어, ‘5월 출하 지연 리스크를 요약해달라’는 명령에 대해 AI는 공급망, 재고, 생산 실적 데이터를 온톨로지 상에서 실시간으로 탐색하여 리스크의 원인을 파악하고, 대체 시나리오의 비용 효율을 시뮬레이션한 뒤 실행 승인을 요청한다. HD현대(전 현대중공업그룹)의 FOS(Future of Shipyard, 미래 첨단 조선소) 프로젝트는 2030년까지 세계 최초의 자율 운영 스마트 조선소를 구현하기 위해 팔란티어의 빅데이터 플랫폼인 ‘파운드리(Foundry)’를 도입하는 핵심적인 디지털 전환 사업이다. BMW는 팔란티어의 데이터 플랫폼인 파운드리를 도입하여 생산, 공급망 관리 및 품질 관리 시스템을 고도화하고 있다. 특히 팔란티어의 QMOS(Quality Management Operating System) 설루션을 통해 데이터 기반의 ‘제로 디펙트(zero defect, 무결점)’ 생산 환경을 구축하는 것이 핵심이다. 에어버스는 팔란티어의 파운드리 기술을 도입하여 항공기 제조 및 운항 데이터를 통합 관리하는 ‘스카이와이즈(Skywise)’ 플랫폼을 구축했다. 이를 통해 A350 인도 속도를 33% 향상시키고 운영 효율을 극대화하며, 데이터 기반의 의사결정 시스템을 혁신했다.   품질, 예지보전 및 에너지 최적화의 기술적 심화 AI가 제조 현장에 가져온 가장 직접적인 성과는 품질 비용 절감과 비가동 시간(downtime)의 최소화다. 현대트랜시스는 자체 개발한 AI 기반 품질 검사 시스템인 TADA(Transys Advanced Data Analytics) 스마트 설루션을 생산 현장에 적용하여, 기존 93% 수준이던 불량 검사 정확도를 99.9%까지 끌어올렸다. LG에너지솔루션은 AI 및 빅데이터 기술을 활용해 전 세계 생산 공장을 ‘지능형 스마트 팩토리’로 전환하고, 배터리 제조 품질과 생산 효율을 극대화하는 것을 AI 비전으로 삼고 있다. 특히, CDO 직속 AI 기술팀을 통해 공정 데이터를 분석하여 배터리 수명을 예측하고, 스마트 공장 기술을 적용하여 글로벌 생산 기지의 경쟁력을 강화하는 중책을 맡고 있다. 기존의 예지보전이 단일 센서의 임계치 모니터링에 의존했다면, 예지보전 2.0은 진동, 전류 파형, 소음, 온도를 동시에 분석하는 멀티모달(multi-modal) 방식을 취한다. AI는 고장 징후를 발견할 뿐만 아니라, ‘최근 3개월간의 패턴 분석 결과 내륜 손상이 의심되니 메뉴얼 45페이지의 베어링 교체 절차를 따르라’는 처방적 가이드를 생성형 AI를 통해 현장 작업자에게 즉시 전달한다. 포스코 광양제철소는 이를 연속 주조 설비에 적용하여 고장 예지 시스템을 성공적으로 구축했다. 탄소 배출 규제가 강화되는 가운데 AI는 에너지 사용량 예측과 최적화에 결정적인 역할을 한다. 슈나이더 일렉트릭은 예측 AI를 활용하여 산업 시설의 에너지 효율을 높이고 운영비를 절감하는 설루션을 제공하고 있으며, 한국그린데이터 등 국내 기업들도 AI 챗봇이 탑재된 운영 체제를 통해 제조업의 에너지 피크 관리와 전력 최적화를 지원하고 있다.   2026 글로벌 기술 트렌드 및 리더십의 우선순위 2026년은 AI가 ‘생산성 향상 도구’에서 ‘책임과 신뢰의 기반’으로 진화하는 해가 될 것이다. 딜로이트와 가트너 등의 보고서에 따르면 기업 리더들은 다음의 네 가지 영역에 집중해야 한다. 첫째, 에이전틱 리얼리티 체크(agentic reality check)이다. 챗봇 도입을 넘어 비즈니스 프로세스 자체를 재설계해야 한다. 보고서에 따르면 40%의 에이전틱 AI 프로젝트가 2027년까지 실패할 것으로 예상되는데, 이는 기술적 문제보다는 기존의 망가진 프로세스를 단순히 자동화하는 ‘자동화 함정’ 때문이라고 분석된다. 성공하는 기업은 엔드 투 엔드 프로세스 전체를 혁신하며 인간과 에이전트 팀을 오케스트레이션하는 모델을 채택하고 있다. 두 번째, 소버린 AI(sovereign AI)와 보안 거버넌스이다. 데이터 주권과 국가별 규제 대응이 중요해짐에 따라 소버린 AI 전략이 필수이다. 2026년에는 기업의 77%가 공급업체 선택 시 설루션의 원산지를 고려하며, 로컬 벤더를 중심으로 한 독립적인 AI 스택 구축이 확산될 것이다. 또한, 데이터 모델 오염(poisoning) 리스크에 대응하기 위한 예측적 OT 사이버 보안 체계 구축이 가속화될 전망이다. 세 번째, 피지컬 AI와 휴머노이드 로봇의 확산이다. 제조, 물류, 국방 분야를 중심으로 피지컬 AI의 도입이 급증하고 있다. 2026년에는 아시아-태평양 지역을 중심으로 피지컬 AI 채택률이 80%에 도달할 것으로 보이며, 이는 공장 내 정적인 자동화 설비를 대체하여 비정형 환경에서도 유연하게 대응하는 자율 운영 공장의 핵심 요소가 될 것이다. 네 번째, 지능형 컴플라이언스 및 표준화이다. 규제 당국 역시 AI를 활용하여 기업의 데이터를 실시간 모니터링하는 시대가 오고 있다. 이제 정기 감사에 대비하는 수준을 넘어, 시스템이 스스로 규정 위반 리스크를 예측하고 보고하는 ‘예측적 컴플라이언스’가 표준으로 자리 잡을 것이다.   실무자를 위한 실행 로드맵 스마트 엔지니어링을 위한 AI 활용은 더 이상 미래의 담론이 아닌 2026년 현재의 경영 핵심 과제다. 2026년은 지식 소유 자체가 무의미해지는 시점이며, AI가 생성한 결과물을 편집하고 맥락화하는 ‘아키텍트(architect)’ 능력이 엔지니어의 몸값을 결정짓게 될 것이다. 기업은 성공적인 AI 전환을 위해 다음의 3단계 로드맵을 고려해야 한다. 첫째, 지능형 설계 및 시뮬레이션 단계를 통해 아이디어를 가장 빠르게 현실화할 수 있는 데이터 환경을 구축해야 한다. 둘째, 스마트 생산 및 운영 단계를 통해 물리적 세계를 정밀하게 제어하고 최적화하는 디지털 스레드와 온톨로지 체계를 완성해야 한다. 셋째, 제품, 공장, 도시를 하나의 유기체로 연결하는 생태계 통합 단계로 나아가야 한다. AI는 도구가 아니라 설계–생산–운영 전반을 학습하고 최적화하는 ‘지능형 플라이휠(intelligent flywheel)’이다. 지금 이 순간에도 데이터는 쌓이고 있으며, 이를 인과관계로 해석하고 에이전틱 AI로 실행에 옮기는 기업만이 2026년 이후의 제조업 패러다임 변화에서 승리자가 될 수 있을 것이다.   ■ 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.

지멘스가 ‘가트너 매직 쿼드런트(Gartner Magic Quadrant)’의 품질 관리 시스템(QMS) 소프트웨어 부문에서 리더로 선정됐다고 발표했다. 가트너는 규제 준수, 위험 관리, 공정 개선에 대한 광범위한 요구사항을 지원하는 포괄적인 품질 관리 시스템을 제공하는 기업을 QMS 시장의 리더로 정의하고 있다. 지멘스의 QMS 소프트웨어는 팀센터 X 퀄리티(Teamcenter X Quality) 소프트웨어와 옵센터 X 퀄리티(Opcenter X Quality) 소프트웨어를 기반으로 설계, 제조, 운영을 연결하며, 이를 통해 추적성을 강화하고 워크플로를 표준화하며, 규제 산업 전반에서 지속적인 개선을 지원한다. 지멘스 엑셀러레이터(Siemens Xcelerator_ 산업 소프트웨어 포트폴리오의 일부인 지멘스의 QMS 기술은 첨단 제품 엔지니어링, 제품 수명 주기 관리(PLM), 제조 실행 소프트웨어(MES), 산업용 사물인터넷(IIoT)을 포함한 포괄적 디지털 트윈 기술을 연결해 품질 관리 수명 주기의 모든 단계를 고도화하고 향상시킨다.   지멘스 디지털 로지스틱스 CEO 겸 지멘스 디지털 인더스트리 소프트웨어 디지털 제조 사업부의 책임자인 폴커 알브레히트(Volker Albrecht)는 “지멘스가 생성형 AI, 예측 분석, 확장 현실(XR), 디지털 트윈 역량, IoT를 비롯한 혁신적인 기술을 전체 품질 수명 주기에 통합해 고도화된 통합 품질 관리 접근 방식을 제공하는 기업으로 지속적으로 인정받게 돼 매우 뜻깊게 생각한다”면서, “이번 평가는 지멘스의 QMS 기술이 강력하면서도 폭넓게 채택되고 있음을 증명할 뿐만 아니라, 지멘스의 미래지향적 접근 방식을 입증하는 것이라 생각한다. 지멘스는 제조업체가 양질의 모범 사례 적용을 강화하고, 설계에서 제조에 이르는 워크플로를 표준화하며, 탁월한 성과를 낼 수 있도록 지원하는 혁신적인 설루션을 개발하기 위해 끊임없이 노력하고 있다”고 말했다.

가트너가 2025년 4분기 전 세계 PC 출하량이 전년 동기 대비 9.3% 증가해 총 7150만 대를 기록했다는 예비조사 결과를 발표했다. 2025년 연간 기준으로는 전 세계 PC 출하량이 2억 7000만 대를 넘어 2024년 대비 9.1% 성장한 것으로 나타났다. 가트너의 리시 파디(Rishi Padhi) 리서치 책임자는 “소비자 수요와 윈도우 11 업그레이드에 따른 기업 교체 수요가 맞물리며 작년 4분기 PC시장이 성장”했지만, “분기 말로 갈수록 고급 GPU 및 AI PC 가격 인상 효과가 판촉과 가격 압박으로 상쇄되면서 평균 판매가격은 전반적으로 비슷한 수준을 유지했다”고 설명했다. 2025년 4분기 기준 전 세계 상위 6개 PC 제조사의 순위(레노버–HP–델–애플–에이수스–에이서)에는 큰 변화가 없었으며, 레노버, HP, 델 등 상위 3개 업체는 전년 동기 대비 시장 점유율을 확대했다. 이들 세 업체는 4분기 성장률이 전체 평균을 상회했다. 한편, 2025년 전 세계 PC 시장은 2024년 대비 9.1% 성장하며 2억 7000만 대 이상이 출하됐다. 이는 2022~2023년 급격한 시장 위축 이후, 2024년의 완만한 회복을 거쳐 본격적인 성장세로 전환됐음을 보여준다.   ▲ 2025년 4분기 및 연간 전 세계 PC 제조사별 출하량 추정치(가트너 데이터 인용)   레노버는 2025년 한 해 동안 7356만 대를 출하하며 전년도 대비 17.6%의 성장률을 기록했다. 이는 전체 시장 성장률(9.1%)을 두 배 가까이 웃도는 수치다. 레노버는 시장 점유율 또한 2024년 25.3%에서 2025년 27.2%로 1.9%포인트 늘리면서 1위 자리를 지켰다. 델의 경우 연간 기준으로는 4.9% 성장에 그쳐 상위 3개 업체 중 유일하게 시장 평균 성장률을 밑돌았다. 이로 인해 연간 점유율도 15.9%에서 15.3%로 소폭 하락했다. 그러나 4분기에는 전년 동기 대비 18.2% 늘어난 1178만 대를 출하하며 상위권 업체 중 가장 높은 분기 성장률을 보였다. 애플은 연간 출하량 2482만 대를 기록하며 전년 대비 10.3% 성장했다. 이는 전체 시장 평균을 웃도는 수치로, 점유율 또한 9.1%에서 9.2%로 소폭 상승하며 4위 자리를 지켰다. 다만 4분기 성장률은 5.7%로 연간 성장률에 비해서는 다소 완만했다. 에이서는 2025년 연간 출하량이 0.2% 증가하는 데 그쳐 사실상 제자리걸음을 했다. 4분기 성장률 역시 0.8%로 1%대를 넘기지 못했다. 파디 책임자는 “관세 정책의 변동성, 올해 예정된 메모리 가격 인상, 그리고 윈도우 10 확장 보안 업데이트(ESU) 비용 증가가 맞물리며 기업들이 하드웨어 교체를 우선순위로 삼게 됐다”면서, “제조사들이 AI PC를 전면에 내세워 교체 수요를 적극 공략한 점도 2025년 시장 성장에 기여했지만, 로컬 추론 등 다수의 AI PC 기능은 아직 클라우드 기반 AI 대비 뚜렷한 생산성 개선 효과를 제공하지는 못하고 있다”고 분석했다. 그는 또한 “이에 따라 많은 기업이 AI 기능을 통한 즉각적인 비즈니스 가치 창출보다는, 미래를 대비한 IT 인프라 교체 차원에서 PC 업그레이드를 진행하고 있다”고 덧붙였다.

가트너는 2026년 전 세계 AI 지출 규모가 전년 대비 44% 증가한 2조 5278억 달러(약 3736조 원)에 이를 것으로 전망했다. 또한, 2027년에는 3조 3366억 달러(약 4931조 원)까지 늘어날 것으로 보았다. 부문별로 보면, AI 인프라 지출의 압도적 비중이 눈에 띈다. 2026년 AI 인프라 지출은 약 1조 3663억 달러에 이르는데, 이는 전체 AI 지출의 절반 이상을 차지하는 규모이며 전년 대비 약 4010억 달러 증가한 수치이다. 기술 기업들이 AI 기반을 확장함에 따라, 서버 등 하드웨어와 관련 인프라 구축에 큰 폭의 투자가 이뤄지고 있음을 알 수 있다. 특히 AI 최적화 서버에 대한 지출은 전년 대비 49% 증가할 것으로 예상되며, 이 부분의 투자는 전체 AI 지출의 약 17%를 차지할 것으로 전망된다.    ▲ 전 세계 AI 시장별 지출 전망(단위 :  백만 달러, 데이터 출처 : 가트너)   소프트웨어 지출은 2025년 2831억 달러에서 2026년 4524억 달러로 급증할 전망이다. 이는 기업들이 개별 프로젝트를 진행하기보다, 이미 사용 중인 소프트웨어 공급업체를 통해 AI를 점진적으로 도입하려는 경향과 일치한다. 서비스 부문 역시 2025년 4394억 달러에서 2026년 5886억 달러로 꾸준히 성장할 것으로 보인다. 사이버보안 및 데이터 분야의 경우 금액 자체는 작지만 증가율이 높게 나타났다. 사이버보안은 2025년 약 259억 달러에서 2026년 513억 달러로 약 2배 가까이 성장할 것으로 보인다. 데이터 부문 또한 2025년 8억 달러 수준에서 2026년 31억 달러로 3배 이상 급증할 전망이다. 이는 AI 도입이 본격화되면서 보안과 데이터 확보의 중요성이 커지고 있음을 뜻한다. 가트너의 존 데이비드 러브록(John-David Lovelock) 수석 VP 애널리스트는 “AI 도입은 재정 투자에 달려 있는 것이 아니라, 인적 역량과 조직 프로세스의 준비 수준에 따라 좌우된다”면서, “성숙한 조직일수록 불확실한 잠재력보다는 검증된 성과를 중심으로 AI 투자 전략을 재편하고 있다”고 전했다. 또한 그는 “AI는 2026년까지 ‘환멸의 골짜기’ 국면에 머물 것으로 예상된다. 이에 따라 AI는 개별 프로젝트로 추진되기보다, 이미 사용 중인 소프트웨어 공급업체를 통해 점진적으로 확산되는 방식이 주를 이룰 것”이라며, “AI가 기업 전반으로 확산되기 위해서는 투자 대비 수익(ROI)에 대한 예측 가능성이 선행돼야 한다”고 덧붙였다.