건설 융복합 혁신 기술을 한자리에 선보인 ‘넥스트콘 2025(NextCon 2025)’ 전시회가 7월 30일부터 8월 2일까지 코엑스 B홀에서 진행됐다. ‘코리아 빌드 위크’의 일부로 마련된 넥스트콘 2025는 ‘MOMENTUM : New Wave - 디지털 가속화, 새로운 건설 시대로의 전환’을 주제로 나흘간 진행됐는데, 건설 산업의 디지털 전환을 위한 고민과 돌파구를 엿볼 수 있는 기회가 되었다. ■ 정수진 편집장   ▲ 코엑스에서 진행된 넥스트콘 2025 전시회   모든 산업 분야에서 디지털 전환(DX)이 중요한 화두로 떠오르는 가운데, 건설산업에서도 디지털 전환의 필요성을 절감하고 있다. 건설 산업은 다른 산업에 비해 디지털화 수준이 낮다는 지적이 나오고 있으며, 낮은 노동 생산성과 고령화 및  젊은 인력의 유입 감소에 따른 인력 부족도 문제가 되고 있다. 문제 해결을 위해 정부에서는 디지털화 및 스마트 건설의 활성화를 촉진하기 위한 정책을 마련하고 있으며, 업계에서도 시공–설계–유지관리에 이르는 전반의 과정에서 디지털 전환을 실현하기 위한 기술의 활용에 더 많은 관심을 보이고 있다. 이번 넥스트콘 2025 전시회에서는 스마트 건설&OSC(OffSite Construction), 건설 자동화&로보틱스, 스마트 홈&빌딩, 탄소중립&건설 신공법·신기술, 스마트 안전 등 분야의 다양한 기술이 소개됐다. 또한 ▲건설 자동화 및 로보틱스 관련 정책을 설명하고 현장 적용 사례 및 기술을 소개한 ‘건설자동화&로보틱스 콘퍼런스’ ▲최신 콘테크(contech) 트렌드 및 중대재해처벌법 대응 방안을 소개한 ‘C-Insight Con(건설산업 인사이트 콘퍼런스)’, ▲ 스마트 건설·건축 및 스마트 빌딩 분야의 기술 비전을 공유하고, 빌딩 자동화 및 통합 관리 설루션 기술과 현장 적용 사례를 소개한 ‘스마트+빌딩 콘퍼런스’ 등이 함께 진행되었다.   스마트 건설 & OSC BIM(건설 정보 모델링)은 건설 산업 디지털 전환의 핵심 요소로 여겨지고 있다. 설계 BIM은 모델링, IFC 파일 활용, 도면 자동 생성, 공간 데이터 구축을 통해 효율을 높이고, 시공 BIM은 사전 설계 검토, 물량 산출, 공정 시뮬레이션, 시각 자료 생성에 기여한다. 유지관리 BIM은 3D 스캔 및 데이터 통합을 통해 시설물의 실시간 통합 관리 환경을 조성하며, 리모델링 BIM은 3D 스캔을 통한 현황 파악 및 안전 관리에 활용된다. 공장에서 구조물이나 부재 등을 생산하고 이를 시공 현장에서 조립·설치하는 방식을 뜻하는 OSC는 건축 분야에서 기술 개발이 활발히 진행 중이며, 향후 더욱 확산되어 스마트 건설의 중요한 축을 이룰 것으로 전망된다.   ▲ 메이사는 드론, 360도 카메라, CCTV, 모바일 GPS 데이터를 통해 원격 현장관리를 실시간으로 할 수 있는 클라우드 플랫폼을 선보였다.   ▲ 비전스페이스는 로보틱스/AI/디지털 트윈 기반으로 산업용 로봇의 설계·운영·최적화를 지원하는 자동화 설루션을 소개했다.   건설 자동화 & 로보틱스 드론 기술은 건설 현장의 데이터를 수집하고 가상화하는 리얼리티 캡처의 주요 도구이다. 드론은 수백에서 수천 장의 사진을 찍어 사진 측량학 기술을 통해 3차원 모델을 재구성하며, 이를 통해 현장 측량, 토공 물량 산출, 시간 경과에 따른 물량 변화 추적, 시뮬레이션 및 현장 검사에 활용된다. 드론 기술은 자율 비행이 진전되고 GPS 외에 비전 인식 기술이 업그레이드고 있다, 또한, 사람의 개입 없이 데이터를 수집하고 전송하는 드론 스테이션/독 연동 기술이 발전하면서 현장의 번거로움을 해소하고 있다. 드론 외에도 건설 공정을 자동화하고, 원격 시공에도 활용될 수 있는 다양한 로보틱스 기술에 대한 연구 개발도 활발히 진행 중이다. 공간 데이터와 LLM(대형 언어 모델), 비전 데이터, 딥러닝 기술을 접목한 AI 서비스가 속속 등장하면서 현장 활용이 시도되고 있는 상황이다. 이런 서비스는 3D BIM 도면, 측량 데이터, CCTV 영상 등 다양한 데이터를 취합·비교해 공정 진행 상황 확인 및 보고서 작성 등 자동화된 분석을 가능하게 한다.   ▲ 마션케이는 비정형 건축물의 시공에 활용할 수 있는 건설용 3D 프린터 기술을 선보였다.   ▲ 딥인사이트는 BIM 설계뿐 아니라 다양한 분야에서 활용 가능한 3D 스캐너 및 스마트 비전 설루션을 소개했다.   스마트홈 & 빌딩 및 탄소중립 건설 프로세스뿐 아니라 스마트 기술을 건물 자체에 적용하면 에너지 효율, 거주 편의성, 안전성 등을 높이는 방향으로 디지털 전환을 실현할 수 있을 것으로 여겨지고 있다. 한편, 탄소중립은 건설 산업의 지속가능성을 위해 중요한 과제이며, 디지털 기술은 자원 효율의 증대와 폐기물 감소를 통해 이에 기여할 수 있을 것으로 보인다.   스마트 안전 건설 현장의 안전 관리 또한 디지털 전환의 중요한 부분으로 꼽힌다. BIM은 현장 정보를 반영한 안전 계획 수립 및 시각화 정보를 제공하여 작업자의 안전을 높이고, 드론은 시설물 점검, 이슈 탐지 및 안전 관리에 활용된다. 최근에는 스마트 안전 교육 과정 개발도 추진 중에 있다.   ■ 기사 내용은 PDF로도 제공됩니다.

현장에서 얻은 것 No. 21   “데이터의 양이 아니라 활용이다. 우리는 쌀을 먹지 않고 밥을 먹는다.” – 최재홍 교수(가천대)   거대한 전환점에 선 제조업 21세기, 우리는 산업 혁명의 물결이 AI(인공지능)라는 이름으로 다시금 거세게 밀려오는 시대를 살고 있다. 제조업은 그 최전선에 서 있다. 과거 증기기관, 전기, 컴퓨터가 생산 방식을 송두리째 바꿔놓았듯이, 이제 AI는 우리가 제품을 설계하고, 생산하고, 유통하며, 심지어 소비자와 소통하는 방식까지 근본적으로 재편하고 있다. 많은 제조업체는 이 변화의 물결 속에서 생존과 번영을 위한 새로운 전략을 모색하고 있다. 기존의 방식만으로는 더 이상 지속 가능한 성장을 기대하기 어렵다는 냉정한 현실에 직면하게 된 것이다. 이 거대한 전환점에서 우리는 AI를 어떻게 받아들이고 활용해야 할까? 단순히 자동화를 위한 도구로만 생각할 것인가, 아니면 그 이상의 잠재력을 가진 파트너로 인식할 것인가? 이선 몰릭 교수의 저서 ‘듀얼 브레인’은 이러한 질문에 대한 명쾌한 해답을 제시한다. 바로 AI를 인간의 ‘두 번째 뇌’로 활용하여 시너지를 창출하는 ‘듀얼 브레인’ 개념이다. 이번 호 칼럼은 ‘듀얼 브레인’의 핵심 인사이트를 바탕으로, AI 시대 제조업이 나아가야 할 생존 전략을 제시하고자 한다.   ▲ ‘듀얼 브레인’ 서평 맵(Map by 류용효컨셉맵연구소) (클릭하면 큰 이미지로 볼 수 있습니다.)   AI, 단순한 도구에서 두 번째 뇌로 “인간의 마음은 한계가 없으며, 그것은 스스로를 확장하는 방법을 끊임없이 찾아낸다.” – 이선 몰릭(‘듀얼 브레인’ 저자) 오랜 시간동안 제조업 현장에서 자동화는 주로 육체 노동의 효율을 높이는 데 초점을 맞추었다. 로봇 팔이 정밀하게 부품을 조립하고, 자동화된 설비가 제품을 대량 생산하였다. AI 역시 이러한 자동화의 연장선상에서 ‘똑똑한 도구’로 인식되는 경향이 강하였다. 그러나 ‘듀얼 브레인’이 강조하는 바는 AI가 단순한 도구를 넘어, 인간의 지적 활동을 확장하고 보완하는 ‘두 번째 뇌’가 될 수 있다는 점이다. 제조업 현장에서 AI는 더 이상 데이터를 수집하고 분석하여 보고서를 제공하는 수동적인 역할에 머무르지 않는다. AI는 설계 단계에서 수많은 변수를 고려하여 최적의 디자인을 제안하고, 생산 공정에서 예측 불가능한 오류를 사전에 감지하며, 품질 검사에서 인간이 놓칠 수 있는 미세한 결함을 찾아낸다. 이는 AI가 인간의 인지적 한계, 즉 방대한 데이터 처리 능력의 부재나 고정관념에서 벗어나지 못하는 사고의 경직성을 보완해 주기 때문에 가능한 일이다. 예를 들어, 신제품 개발에 있어 인간 디자이너는 오랜 경험과 직관으로 디자인을 구상한다. 하지만 AI는 방대한 고객 데이터, 시장 트렌드, 과거 성공 사례 등을 학습하여 인간이 상상하기 어려웠던 수십, 수백 가지의 디자인 대안을 즉시 제시할 수 있다. 또한, 각 디자인의 생산성, 재료비, 잠재적 소비자 반응까지 예측하여 제공함으로써 인간 디자이너의 의사결정을 획기적으로 개선한다. 이는 인간의 창의성과 AI의 분석 능력이 결합된 진정한 듀얼 브레인의 작동 방식이라 할 수 있다. 따라서 제조업은 AI를 단순히 공정을 자동화하는 기계로 볼 것이 아니라 R&D, 설계, 생산 관리, 품질 관리, 마케팅 등 모든 분야에서 인간의 지적 파트너이자 두 번째 뇌로 장착해야 한다. 이러한 관점의 전환이야말로 AI 시대 제조업이 생존하고 번영할 첫 걸음이 될 것이다.   듀얼 브레인 활용법 : 질문, 실험, 그리고 인간의 역할 “중요한 것은 질문하는 것을 멈추지 않는 것이다. 호기심은 그 자체로 존재 이유가 있다.” – 알베르트 아인슈타인 듀얼 브레인을 제조업에 효과적으로 장착하기 위해서는 몇 가지 핵심적인 활용법을 숙지해야 한다. 단순히 최신 AI 기술을 도입하는 것만으로는 충분하지 않다. 중요한 것은 ‘어떻게 AI와 협업할 것인가’이다. 첫째, ‘질문하는 기술’의 중요성이다. AI, 특히 생성형 AI는 우리가 던지는 질문(프롬프트)에 따라 전혀 다른 결과물을 내놓는다. 제조업에서는 AI에게 ‘현재 생산 라인의 병목 현상을 파악하고 개선 방안을 제시하라’, ‘신소재 개발을 위해 특정 물성을 가진 분자 구조를 추천하라’, ‘고객 불만 데이터에서 제품 개선에 필요한 핵심 인사이트를 도출하라’와 같이 구체적이고 명확한 질문을 던질 수 있어야 한다. 추상적인 질문은 모호한 답변을 낳고, 결국 AI 활용의 효율을 떨어뜨릴 것이다. 질문의 질이 곧 AI 활용의 질을 결정한다는 사실을 명심해야 한다. 둘째, ‘실험적 사고’와 ‘빠른 반복’이다. AI는 완벽하지 않다. 때로는 잘못된 정보(환각 현상)를 생성하거나, 우리가 의도한 바와 다른 결과를 내놓기도 한다. 제조업에서는 이러한 AI의 특성을 이해하고, 두려워하지 않고 다양한 가설을 세워 AI와 함께 실험하는 태도가 중요하다. AI가 제시한 생산 최적화 방안이 실제로 효과가 있는지 소규모 테스트를 거치고, AI가 제안한 디자인을 프로토타입으로 제작하여 시장 반응을 살피는 등의 빠른 반복 과정이 필수이다. 실패를 통해 배우고, 그 학습을 바탕으로 다음 실험을 진행하는 애자일(agile) 방식이 듀얼 브레인 시대의 핵심 역량인 것이다. 셋째, ‘인간의 개입과 검증’이다. AI는 방대한 데이터를 기반으로 통계적인 결론을 도출하지만, 그 결과가 항상 현실의 복잡한 맥락이나 윤리적 판단에 부합하지는 않는다. 제조업에서는 AI가 제시한 생산 계획이 과연 현장의 인력 운용이나 안전 규정에 부합하는지, AI가 추천한 신소재가 환경 규제를 만족하는지 등을 인간 전문가가 반드시 검토하고 최종 결정해야 한다. AI의 결과물을 맹목적으로 신뢰하기보다는, 비판적인 시각으로 검증하고 인간의 경험과 지혜를 더하는 것이 듀얼 브레인을 완성하는 핵심 단계이다. AI는 강력한 보조 도구이지만, 최종적인 책임과 판단은 결국 인간의 몫인 것이다.   창의성과 생산성 증대 : 제조업의 새로운 경쟁력 “생산성은 우연이 아니다. 그것은 항상 탁월함에 대한 헌신, 지능적인 계획, 집중된 노력의 결과이다.” – 폴 마이어 듀얼 브레인 개념을 제조업에 적용함으로써 얻을 수 있는 가장 큰 이점은 바로 창의성과 생산성의 비약적인 증대이다. 이는 AI 시대 제조업의 새로운 경쟁력이 될 것이다. 창의성 증대 측면에서 제조업은 전통적으로 ‘효율’과 ‘정확성’을 강조해왔다. 그러나 AI는 이제 제조업의 ‘창의성’을 자극하는 촉매제가 되고 있다. 예를 들어, 제품 디자인 과정에서 AI는 기존 데이터를 기반으로 전혀 새로운 형태나 기능을 제안할 수 있다. 이는 인간 디자이너의 고정관념을 깨고 상상력을 자극하여 혁신적인 제품 개발로 이어진다. 또한, AI는 제조 공정 자체의 혁신에도 기여한다. AI 시뮬레이션을 통해 기존에는 불가능하다고 여겼던 새로운 생산 방식을 탐색하고, 재료의 낭비를 최소화하며, 에너지 효율을 극대화하는 창의적인 해결책을 찾아낼 수 있다. 이는 인간의 직관과 AI의 방대한 계산 능력이 결합되어 가능해지는 결과이다. 생산성 증대 측면은 더욱 명확하다. 제조업의 생산성 증대는 곧 비용 절감과 납기 단축으로 이어져 기업의 수익성에 직접 영향을 미친다. 듀얼 브레인 시스템은 다음과 같은 방식으로 생산성을 극대화할 것이다. 예측 유지보수 : AI가 설비의 미세한 진동, 온도 변화, 전력 소비량 등을 실시간으로 분석하여 고장을 예측하고 사전 유지보수를 가능하게 함으로써, 예기치 않은 생산 중단 시간을 획기적으로 줄일 것이다. 생산 공정 최적화 : AI는 복잡한 생산 라인에서 각 단계의 효율성을 분석하고, 병목 현상을 식별하며, 재고 관리와 물류 흐름을 최적화하여 생산 리드 타임을 단축시키고 생산량을 증대시킬 것이다. 품질 관리 혁신 : AI 기반의 비전 검사 시스템은 인간의 눈으로 감지하기 어려운 미세한 불량까지 정확하게 찾아내어 불량률을 낮추고 제품 품질을 일관되게 유지할 것이다. 데이터 기반 의사결정 : AI는 시장 동향, 고객 피드백, 공급망 데이터 등 방대한 정보를 분석하여 경영진의 전략적 의사결정을 지원하고, 이는 곧 더 빠르고 정확한 시장 대응으로 이어질 것이다. 이처럼 듀얼 브레인은 제조업의 고질적인 문제를 해결하고 나아가 새로운 가치를 창출하는 핵심 동력이 될 것이다.   AI 시대, 제조업 인간의 역할 재정립 “기계는 인간의 일을 대신할 수 있지만, 인간의 마음을 대신할 수는 없다.” – 스티븐 호킹 AI가 제조업 현장에 깊숙이 들어올수록, 많은 이들이 인간의 역할에 대한 불안감을 느끼는 것이 사실이다. 하지만 ‘듀얼 브레인’은 AI가 인간의 일자리를 완전히 대체하는 것이 아니라, 오히려 인간 고유의 역량을 더욱 빛나게 하고 그 역할을 재정립할 기회를 제공한다고 역설한다. 제조업 현장에서 AI는 반복적이고 위험하며, 데이터 기반의 정량적 분석에 특화된 업무를 수행하게 될 것이다. 그렇다면 인간은 어떤 역할을 해야 할까? 문제 정의 및 비판적 사고 : AI는 주어진 문제를 해결하는 데 유능하지만, 무엇이 진정한 문제인지 파악하고 AI가 도출한 결과에 대해 비판적으로 질문하며, 맥락을 이해하여 의미를 부여하는 것은 여전히 인간의 몫이다. 예를 들어, AI가 불량률 감소를 위한 수치적 해답을 제시할 수는 있지만, ‘이 불량이 고객에게 미치는 정서적 영향’이나 ‘기업의 장기적인 브랜드 이미지’와 같은 비정량적인 가치를 판단하고 정책을 결정하는 것은 인간 경영자의 역할인 것이다. 창의적 기획 및 혁신 : AI는 기존 데이터를 기반으로 새로운 조합을 만들 수는 있지만, 완전히 새로운 개념을 무에서 유로 창조하거나, AI의 한계를 뛰어넘는 파격적인 아이디어를 제안하는 것은 인간의 고유 영역이다. 제조업에서 다음 세대 먹거리를 기획하고 시장 판도를 바꿀 기술을 상상하는 것은 AI가 아닌 인간 전문가의 몫인 것이다. 감성 지능 및 공감 : 협상, 팀 빌딩, 고객과의 관계 형성 등 인간 상호작용이 필요한 부분에서는 AI가 인간의 감성을 이해하고 공감하는 데 한계가 있다. 제조업의 영업, 마케팅, 인력 관리 등에서는 여전히 인간의 감성 지능과 공감 능력이 필수인 것이다. 윤리적 판단과 책임 : AI는 데이터를 기반으로 작동하므로 윤리적 가치 판단이나 사회적 책임을 스스로 질 수 없다. 제조업 공정에서 발생할 수 있는 환경 문제, 노동자의 안전, 제품의 사회적 영향 등 윤리적 딜레마에 대한 최종 판단과 책임은 전적으로 인간에게 달려 있는 것이다. 따라서 AI 시대 제조업의 인재는 AI를 활용하는 ‘도구적 능력’을 넘어, AI가 할 수 없는 ‘인간 고유의 역량’을 더욱 갈고 닦아야 한다. 이는 AI를 두려워할 것이 아니라, 오히려 AI의 도움을 받아 자신만의 강점을 극대화하는 길을 모색해야 함을 의미한다.   미래를 위한 제언 : 제조업의 듀얼 브레인 로드맵 “미래를 예측하는 가장 좋은 방법은 미래를 창조하는 것이다.” – 피터 드러커 AI 시대 제조업의 생존과 번영은 듀얼 브레인을 얼마나 성공적으로 장착하느냐에 달려 있다. 이를 위한 몇 가지 제언을 하고자 한다. 첫째, CEO를 포함한 경영진의 인식 전환과 비전 공유가 필수이다. 듀얼 브레인 전략은 단순히 기술팀만의 과제가 아니다. 최고 의사결정권자가 AI를 기업의 핵심 전략 자산이자 ‘두 번째 뇌’로 인식하고, 전사적인 변화의 비전을 제시해야 한다. 기술 투자뿐만 아니라 인력 재교육 및 문화 변화를 위한 투자를 아끼지 않아야 한다. 둘째, 지속적인 학습과 실험 문화를 정착시켜야 한다. AI 기술은 빠르게 진화하고 있다. 어제의 최적해가 오늘의 최적해가 아닐 수 있다. 제조업체는 AI 기술 트렌드를 주시하고, 새로운 AI 도구를 끊임없이 실험하며, 실패를 두려워하지 않고 거기서 배우는 문화를 구축해야 한다. 작은 규모의 파일럿 프로젝트를 통해 AI 활용의 성공 경험을 쌓고, 이를 점차 확대해 나가는 방식이 효과적일 것이다. 셋째, 인력 재교육 및 역량 강화에 적극적으로 투자해야 한다. 기존 인력들이 AI를 두 번째 뇌로 활용할 수 있도록 AI 기초 교육, 데이터 리터러시, 프롬프트 엔지니어링 교육 등을 제공해야 한다. 동시에 AI가 대체하기 어려운 인간 고유의 역량 즉 비판적 사고, 창의성, 문제 해결 능력, 협업 능력 등을 강화하는 교육 프로그램도 병행해야 한다. 넷째, 데이터 기반의 의사결정 체계를 확립해야 한다. 듀얼 브레인은 결국 데이터에 기반한다. 제조업 현장의 모든 데이터(생산, 품질, 재고, 고객, 시장 등)를 통합적으로 수집하고 분석할 수 있는 인프라를 구축해야 한다. 이를 통해 AI가 더 정확하고 깊이 있는 통찰력을 제공할 수 있으며, 인간의 의사결정 역시 데이터에 기반하여 더욱 합리적으로 이루어질 수 있을 것이다. 다섯째, 외부 AI 전문 기업과의 협력을 고려해야 한다. 모든 AI 역량을 자체적으로 구축하는 것은 현실적으로 어렵고 비효율적일 수 있다. AI 설루션 제공 기업, 컨설팅 회사, 학계 등 외부 전문가 그룹과의 협력을 통해 필요한 AI 기술과 노하우를 빠르게 도입하고 내재화하는 전략도 필요할 것이다.   결론 : 듀얼 브레인, 제조업의 새로운 항해를 위한 나침반 “완벽한 계획을 기다리기보다 빠르게 실행하고(선지랄 후수습), 시장과 고객의 피드백을 통해 방향을 수정해 나가는 것이 중요하다.” – 최재홍 교수(가천대) AI 시대는 제조업에 거대한 도전인 동시에 전례 없는 기회이다. 이 기회를 잡기 위해서는 AI를 단순한 생산성 향상 도구로 여기는 구시대적 관점을 벗어나, 인간의 지적 능력을 확장하고 협력하는 듀얼 브레인으로 장착해야 한다. 인간의 비판적 사고와 창의성, 그리고 AI의 방대한 처리 능력이 결합될 때 제조업은 새로운 차원의 혁신과 경쟁력을 확보할 수 있을 것이다. 이제 제조업은 단순히 물건을 만드는 것을 넘어, 지능형 시스템과 인간 지능이 함께 작동하는 ‘코인텔리전스 제조(co-intelligence manufacturing)’의 시대로 진입하고 있다. 듀얼 브레인을 장착하고, AI와 함께 배우고 실험하며, 인간 고유의 가치를 더욱 빛내 나간다면, AI 시대의 제조업은 더욱 강력하고 지속 가능한 미래를 향해 성공적으로 항해할 수 있을 것이다. 이는 선택이 아닌 필수 생존 전략이 될 것이다. 최재홍 교수는 2025년 7월 9일 미모세(미래모빌리티세미나) 2025 키노트에서 이런 말을 남겼다. “오너는 될 때까지 하기 때문에 실패가 없다.” 이 말은 강연장에 모인 스타트업 그리고 상장사 CEO들에게 큰 영감과 감동을 주었다.   ■ 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.

엔비디아가 새로운 엔비디아 어스-2(NVIDIA Earth-2) 생성형 AI 파운데이션 모델인 ‘c보틀(cBottle)’을 선보였다. 엔비디아는 이를 통해 킬로미터급 해상도로 지구 기후 시뮬레이션을 구현할 수 있다고 밝혔다. 보다 정밀한 지구 기후의 시뮬레이션은 기후 변화의 영향을 더 잘 예측하고 완화할 수 있게 돕는다. 이를 위한 c보틀은 ‘클라이밋 인 어 보틀(Climate in a Bottle)’의 줄임말로, 킬로미터급 해상도로 지구 기후를 시뮬레이션하도록 설계된 생성형 AI 파운데이션 모델이다. 엔비디아 어스-2 플랫폼의 일부인 c보틀은 하루 중 시간, 연중 요일, 해수면 온도 등 입력값에 따라 달라질 수 있는 사실적 대기 상태를 생성할 수 있다. 이를 통해 지구의 복잡한 자연 시스템을 이해하고 예측할 수 있는 새로운 방식을 제공한다는 것이 엔비디아의 설명이다. 어스-2 플랫폼은 AI, GPU 가속화, 물리 시뮬레이션, 컴퓨터 그래픽의 성능을 결합한 소프트웨어 스택과 도구를 갖췄다. 이는 날씨를 시뮬레이션하고 시각화하는 인터랙티브 디지털 트윈을 생성하며, 이와 함께 행성 규모의 기후 예측을 수행하도록 한다. 엔비디아는 c보틀을 사용하면 정확도 저하 없이도 기존 수치 모델보다 수천 배 빠르며 에너지 효율이 좋은 기후 예측이 가능해진다고 전했다.     기후 정보학은 전통적으로 시간, 노동, 컴퓨팅 집약적인 분야이며, 수십 페타바이트(PB) 규모 데이터 저장소에 대한 정교한 분석을 필요로 한다. 엔비디아 GPU 가속화와 최적화된 엔비디아 어스-2 스택이 적용된 c보틀은 첨단 AI를 활용해 방대한 양의 기후 시뮬레이션 데이터를 압축한다. 이를 통해 단일 기상 샘플에서 페타바이트 크기의 데이터를 최대 3000배까지 줄일 수 있다. 즉, 1000 개의 샘플에서 데이터 크기를 300만배 감소시킬 수 있다. c보틀은 고해상도 물리 기후 시뮬레이션과 지난 50년간의 실제 관측 데이터를 기반으로 한 대기 상태 추정값을 기반으로 훈련됐다. 이 모델은 누락되거나 손상된 기후 데이터를 채우고, 편향된 기후 모델을 수정할 수 있다. 또한 저해상도 기후 데이터의 고해상도 변환은 물론, 패턴과 기존 관측을 기반으로 한 정보 합성도 가능하다. c보틀의 데이터 효율성을 바탕으로, 단 4주 분량의 킬로미터급 기후 시뮬레이션 데이터만으로도 훈련이 가능하다. 개발자는 엔비디아 어스-2에서 c보틀을 사용해 기후 디지털 트윈을 구축할 수 있다. 이를 통해 킬로미터급 기후 데이터의 인터랙티브한 탐색과 시각화가 가능하며, 실현 가능한 시나리오를 낮은 지연 시간과 높은 처리량으로 예측할 수 있다.   c보틀은 세계기후연구프로그램의 글로벌 KM-스케일 해커톤에서 현장 테스트를 거쳤다. 이 행사는 8개국 10개 기후 시뮬레이션 센터가 주최했으며, 고해상도 지구 시스템 모델의 분석, 개발을 발전시키고 고해상도, 고충실도 기후 데이터에 대한 접근성을 확대하는 것을 목표로 진행됐다. 막스플랑크 기상 연구소, 앨런 인공지능 연구소 등 주요 과학 연구 기관은 c보틀을 활용해 지구 관측 데이터와 초고해상도 기후 시뮬레이션을 압축, 추출하고 쿼리 가능한 대화형 생성형 AI 시스템으로 전환하는 방법을 구상하고 있다. c보틀 파운데이션 모델은 현재 얼리 액세스로 제공된다. 깃허브(GitHub)에서 c보틀 코드베이스에 접속할 수 있으며, 아카이브(arXiv)에서 출판 전 논문을 열람할 수 있다.

헥사곤 매뉴팩처링 인텔리전스(Hexagon Manufacturing Intelligence)가 혼합 생산, 대형 구조물 생산 환경을 위한 차세대 레이저 트래커인 라이카 앱솔루트 트래커 ATS800(Leica Absolute Tracker ATS800)을 출시했다. 이 신제품은 항공우주 및 풍력 에너지와 같은 대규모 제조 분야에서 완전히 새로운 품질 검사 솔루션을 제공하며, 특히 항공우주 제조업체들이 인력 부족 및 비용 상승 문제에 대응해 생산량 제고를 위해 경쟁하는 가운데 리플렉터 기반 측정 시스템에 필적하는 스캐닝 정확도를 제공하면서 경량화된 설계로 뛰어난 휴대성을 갖춘 것이 특징이다. ATS800은 디지털 및 로봇 자동화 워크플로우와 원활하게 통합되어 검사 시간을 획기적으로 단축하는 동시에 실시간 측정 및 프로세스 정렬을 가능하게 한다. 핵심 혁신 기술인 피처디텍트(FeatureDetect)는 수동 프로그래밍 없이 주요 파트 형상을 자동으로 인식하는 기능을 제공한다. 피처디텍트는 작업자의 작업량을 줄임으로써 자동화 및 수동 검사 프로세스에서 생산성을 향상시킨다. 피처디텍트는 CAD 데이터를 통해 작동하거나 ATS800에 내장된 고해상도 파노라마 카메라를 사용하여 독립적으로 작동한다. 이 광각 라이브 이미지 피드를 통해 시스템은 실제 파트에서 직접 피쳐를 인식하여 설정 속도를 높이고 검사를 간소화할 수 있다.  ATS800은 고정밀 다이렉트 스캐닝과 리플렉터 트래킹을 하나의 소형 시스템에 결합한 제품으로, 수동으로 검사할 때 병목 현상이 종종 발생하는 복잡한 대형 구조물을 다루는 안전 필수 산업을 위해 설계되었다. 설정 시간이 몇 시간에서 몇 분으로 단축되어 동체 정렬부터 복합재 레이업까지 정확성이나 추적성을 손상시키지 않고 무인 또는 공정 내 검사를 지원한다. 로드리고 알파이아(Rodrigo Alfaia) 헥사곤 레이저 트래커 제품 디렉터는 “오늘날의 제조업체는 최고의 품질 기준을 유지하면서 생산량을 늘려야 한다는 엄청난 압박을 받고 있으며 기존의 노동 집약적인 공정으로는 이를 따라갈 수 없다”며, “ATS800은 정밀도 저하 없이 설정 및 현장 측정 작업을 수 시간 단축했다. 복잡한 작업자 교육 없이도 동체 전체를 밤새 스캔하거나 중요한 조립 공정을 실시간으로 안내하는 등 데이터 기반 프로세스를 운영 수준으로 끌어올려 대형물 검사를 물리적 및 디지털 방식으로 자동화하고 있다”고 말했다.

위로보틱스(WIRobotics)가 충청남도 천안에 국내외 휴머노이드 및 AI 연구기관들과 함께 차세대 휴머노이드 로봇 개발을 위한 첨단 플랫폼 역할을 수행할 수 있는 ‘로봇 이노베이션 허브(Robot Innovation Hub)’를 개소했다고 밝혔다. ’로봇 이노베이션 허브’는 웨어러블 로봇 시대를 연 ‘윔(WIM)’, ‘윔 S(WIM S)’를 통해 ‘일상 속 로봇’의 패러다임을 바꿔온 위로보틱스가 안전성과 혁신성, 유연성을 갖춘 ‘휴머노이드’를 구현하고, 로봇 오픈 이노베이션의 중추가 되기 위한 첫걸음으로 한국기술교육대학교와 공동으로 개소한 연구센터이다. 이는 휴머노이드를 통해 노동 집약적 사회에서 ‘인간 중심 사회’로의 전환을 목표로, 궁극적으로 인간의 삶의 질 향상에 기여하고자 하는 위로보틱스의 의지라고 소개했다. 휴머노이드 시대를 준비해 온 위로보틱스는 기존 기술의 조합만으로는 로봇 개발에 한계가 있다는 것을 파악하고, 근본적으로 새로운 요소품, 메커니즘, 모션플래닝, 제어방식, 머신러닝 패러다임의 변화를 위한 ‘허브’로서 기능할 수 있는 센터를 준비해 왔다. ‘로봇 이노베이션 허브’를 통해 위로보틱스는 기존 로봇 컴포넌트와 제어 기술의 단순한 조합을 넘어, 새로운 개념의 구동기·메커니즘·센서·제어 기술을 제시함으로써 인간 수준의 능숙함, 유연성과 안전성을 확보한 차세대 휴머노이드 플랫폼을 개발할 예정이다. 한편 ‘로봇 이노베이션 허브’는 AI와 로보틱스의 폭발적 시너지를 창출하는 것이 목표다. 현재 글로벌 로봇업계는 대규모 언어 모델(LLM)의 성공을 로봇 파운데이션 모델(RFM)에 접목하려는 시도를 이어가고 있으나, 물리적 상호작용의 한계, 데이터 부족, 시뮬레이션-현실 전이(SIM-to-Real Gap) 등의 어려움이 존재한다. 위로보틱스의 로봇 이노베이션 허브는 물리적 지능(physical intelligence)에 적합한 새로운 패러다임의 로봇 하드웨어를 개발하고, 정확하고 확장된 물리적 데이터 수집 방식을 제안하여, 하드웨어와 소프트웨어를 융합하는 머신러닝을 구현함으로써 AI와 휴머노이드의 시너지 창출을 견인할 예정이다. 김용재 위로보틱스 공동대표(한국기술교육대학교 교수)는 “이제 로봇은 자동차, 스마트폰와 함께 일상을 혁신하는 ‘키플레이어’가 될 것이다“며, “위로보틱스는 ‘로봇 이노베이션 허브’를 통해 인간의 옆에서 인간을 돕는 수준의 휴머노이드 로봇 생태계를 주도할 것이며, 이를 통해 궁극적으로 인간중심적 사회로 나아갈 수 있도록 혁신을 지속할 것이다”고 강조했다.

산업데이터 스페이스와 제조업의 미래   우리나라가 새로운 성장동력을 만들기 위해서는 산업데이터에 주목할 필요가 있다. 우리나라의 산업데이터 활용 잠재력은 매우 크다. 국내에는 이미 다양한 산업분야의 데이터 플랫폼이 구축되어 운영 중이다. 산업데이터의 잠재력을 성장 동력으로 연결하려면 공공기관과 기업 내부에 쌓여 있는 방대한 데이터를 끄집어내고 기관 간에 데이터의 공유와 연계를 이루는 데이터인프라 구축이 무엇보다 필요하다.    (이미지 출처 : 123RF) 기업은 물론 한 국가의 산업경쟁력도 디지털 전환(DX)을 빼놓고는 얘기할 수 없는 시대가 되었다. 디지털 전환은 인공지능, 사물인터넷(IoT), 클라우드 등 디지털 기술을 모든 사업영역에 적용함으로써 조직문화, 비즈니스 모델과 프로세스 등에 근본적인 변화를 일으켜서 새로운 가치를 만들어내는 것을 의미한다. 디지털 전환을 통해 재화나 서비스의 생산부터 소비에 이르는 일련의 경제활동들이 지능화되고 효율화되고 있다.  보스톤 컨설팅 그룹(Boston Consulting Group)의 연구조사에 따르면 디지털 선도기업들은 디지털 후발기업들에 비해 수익성장률(earnings growth)이 1.8배 더 높고 총 기업가치(total enterprise value) 성장률은 2배 이상이라고 한다. 또한, 세계적 시장조사기관인 Statista에 따르면 전세계 디지털전환기업의 생산액은 2018년 13.5조 달러에서 2023년 53.3조 달러로 증가하면서 전세계 GDP의 절반을 넘어섰다. 한편, 디지털기업은 글로벌 시장을 주도하고 있다. 지난 2008년 전세계 시가총액 10대 기업의 절반은 CNPC, 엑손모빌 등과 같은 에너지기업이었으나 지금은 애플, 마이크로소프트, 아마존, 알파벳(구글), 테슬라, 엔비디아, 메타(페이스북) 등 7개의 디지털기업이 그 자리를 차지하고 있다.  데이터의 90%는 산업데이터이나 60∼80%가 활용되지 못하고 사장 디지털 전환의 중심에는 데이터가 자리잡고 있다. 디지털기술을 적용하여 분산된 데이터를 가치 있게 변환시키는 것이 디지털 전환의 핵심이기 때문이다. 기업내부에 쌓여 있는 경험과 노하우를 데이터화하고 이러한 데이터를 분석하면 비즈니스를 효율적으로 운영하거나 새로운 비즈니스를 만들어낼 수 있다. 구글, 페이스북, 아마존 등은 방대한 데이터를 모을 수 있는 고유 플랫폼을 보유하고 있다. 이들은 플랫폼 이용자들의 거래방식, 소비패턴 등의 데이터를 인공지능으로 분석하여 고객의 요구를 확인하거나 새로운 비즈니스기회를 찾아가며 물류, 금융, 헬스케어, 클라우딩 등으로 사업영역을 확장해왔다. 데이터는 크게 개인정보데이터와 산업데이터로 구분해볼 수 있다. 개인정보데이터는 개인의 취향, 동선, 사회관계, 소비행동 등으로 검색, SNS, 간편지불 등의 과정에서 생성된다.  GAFA(Google, Amazon, Facebook, Apple)는 개인정보 데이터를 활용하여 오늘날 시가총액 기준 글로벌 10대 기업으로 성장할 수 있었다. 한편, 산업데이터는 제품개발, 생산, 유통, 소비 등 산업활동 전과정에서 생성되며 전체 데이터의 90%를 차지하고 있다.  산업데이터는 연구개발(R&D)에서 생산, 유통‧마케팅에 이르는 모든 밸류체인에서 생산성과 부가가치를 높이고, 새로운 제품과 서비스를 창출하며, 더 나아가 새로운 산업을 만드는 데 활용될 수 있다. 그러나 아직까지 세계적으로 산업데이터는 활용도가 높지 않으며 산업데이터 분야에 GAFA와 같은 지배적 사업자도 나타나고 있지 않다.  시장조사기관인 forrester research에 따르면 기업내 축적된 데이터중 60∼73%는 사용되지 않고 있다고 한다. EU 집행위원회도 산업데이터의 80%가 전혀 사용되고 있지 않다고 한다. 산업 데이터가 기업의 영업비밀을 포함하고 있는 데다, 각 기업 간의 데이터 형식과 호환성이 없어 데이터를 공유하고 협력하는 데 어려움이 있기 때문이다. 그러나 한편으로 보면 그 만큼 성장잠재력은 크다. 2022년 EU 집행위원회에 따르면 데이터법(Data Act)으로 산업데이터 활용이 제도적으로 보완되면 2028년까지 2,700억 유로(407조원)의 추가 GDP 창출을 기대할 수 있다고 한다.  미국과 중국이 세계 데이터 과점, EU와 일본은 산업데이터에 주력 현재 세계 데이터시장은 개인정보를 중심으로 GAFA가 장악해가고 있다. 미국 정부는 GAFA 등 플랫폼기업이 글로벌 시장에서 데이터를 지속적으로 수집하고 활용할 수 있도록 디지털 통상(Digital Trade)에 발 벗고 나서고 있다.  2017년 미무역대표부(USTR)가 매년 발간하는 국별 무역장벽보고서에 별도의 디지털무역장벽분야가 새롭게 만들어진다. 2018년 11월 체결된 미국·멕시코·캐나다협정(USMCA)에는 처음으로 디지털통상 챕터가 신설되고 데이터이전 자유화, 데이터지역화 금지, 소스코드 공개금지 등의 규범이 담긴다. 2019년 10월에는 최초의 독자적인 국제조약이면서 USMCA보다 더욱 개방된 모습으로 미일간 디지털통상협정(USJDTA)이 체결되었다. 한편, 2019년부터 시작된 WTO 디지털통상협상 과정에서 미국은 모든 서비스에서 데이터이동 자유화를 강력하게 주장하고 있다.  세계의 공장이자 14억 인구를 가진 중국에서는 전세계 데이터의 1/4 이상이 생성되고 있으며 알리바바, 텐센트, 바이두 등이 중국내 데이터시장을 주도해 가고 있다. 중국 정부는 2019년 데이터를 토지, 노동, 자본, 기술과 함께 새로운 국가 생산요소로 규정하고 데이터 활용에 적극적으로 개입하고 있다. 지난 2023년 10월에는 데이터의 유통과 개인정보, 보안 등을 위해 국가데이터국을 설치하여 데이터 통제를 강화한 바 있다. 여기에 네트워크안전법, 개인정보보호법, 데이터안전법 등 법률을 제정하여 자국내 데이터의 해외반출을 엄격하게 규제하고 있다. EU는 미중 IT기업의 데이터 과점에 대응하고 산업의 경쟁력을 확보하기 위한 데이터정책에 집중한다. 특히, 아마존, 구글 등 거대 미국 클라우드 기업으로부터 자신들의 기술 노하우를 지키고 자율성을 확보하는 것을 목표로 삼는다. 이를 위해, EU는 2020년 EU 데이터전략을 발표하고 여기서 유럽 공통 데이터 스페이스(European Common Data Spaces)를 제시한다. 데이터 스페이스는 데이터들이 원래 있던 곳에 있으면서 필요할 때마다 공유될 수 있도록 하는 공간을 의미한다. 구체적으로 가이아-X, 카테나-X, 매뉴팩처링-X 프로젝트 등이 추진되고 있다. 가이아-X는 각 산업 분야를 연결하는 가장 포괄적인 데이터 스페이스이고, 카테나-X는 가이아-X 중 자동차산업의 공급망간에 데이터를 교환·공유함으로써 경쟁력을 높이는데 목표를 두고 있다. 일본은 세계 최고수준 로봇, 센서를 바탕으로 공장자동화 등의 제조현장에서 데이터를 충분히 확보하고 있다. 이에 애플이나 구글 등 미국 디지털기업의 개인정보데이터에는 못 따라가지만, 강력한 제조업을 기반으로 한 산업데이터 경쟁력을 키우기 위해 역량을 집중하고 있다. 2016년 관민 데이터활용 기본법, 2017년 데이터 거래규정, 2018년 생산성향상 특별조치법 등의 제정을 추진하였으며, 지난해 4월 우라노스 에코시스템(Ouranos Ecosystem)을 출범시켜 산업계 전반에 데이터공유와 연계를 꾀하고 있다.  산업데이터의 공유와 활용을 늘리기 위한 인프라 구축 나서야 우리나라는 세계가 주목하는 경제성장을 이룩했다. 1960∼1980년대 정부주도로 철강, 석유화학 등의 산업을 육성하고 1990∼2000년대 세계화와 중국성장을 수출 확대로 연결시켰다. 그러나 최근 대외적 여건을 보면 산업의 성장엔진은 식어가고 수년 내 수출 절벽이 현실화될 수도 있어 우려스럽다. 외적으로는 미중 패권경쟁 격화, 선진국의 산업정책 부활, 보호무역 확산 등으로 글로벌가치사슬(GVC)이 급속하게 파편화, 블럭화되면서 우리의 미래 먹거리와 수출시장을 위협하고 있다. 중국은 첨단산업에서 자급률을 높이고 있고, 미국, 일본, EU 등 선진국들도 반도체, 배터리 등 첨단산업 육성에 열을 올리면서 우리산업이 설자리를 점점 좁혀오고 있다. 대내적으로도 활로가 보이지 않는다. 지난 20년간 주력 수출품목의 변화가 없는 등 산업 역동성이 사라지고 있다. OECD 최하위 출산율과 고령화로 생산가능인구가 줄어드는 가운데, 학생들은 공대를 포기하고 의대로 진로를 바꾸고 있다. 심각한 데이터 규제로 인공지능, 메타버스와 같은 미래 새로운 산업의 발전 기반도 취약한 상태다. 국제경영개발원(IMD)에 따르면 우리나라 기업의 빅데이터 활용순위는 26위로 한참 뒤져 있다. 새로운 성장동력을 만들기 위해서는 산업데이터에 주목할 필요가 있다. 우리나라의 산업데이터 활용 잠재력은 매우 크다. 반도체‧조선 세계 1위, 석유화학‧철강‧로봇 세계 5위, 자동차 세계 7위의 세계적인 제조기반에 5G 등 세계 최고 수준의 ICT 인프라를 보유하고 있어 디지털 기술을 제조업에 접목하기가 수월하다. 연구개발-조달-생산-유통-소비에 이르는 가치사슬(Value chain) 전반에 디지털 전환(DX)을 확산시키면 디지털 제조강국으로 도약할 수 있다.  한편, 우리나라 의료기술과 정보 또한 세계 최고 수준이다. 데이터, 개인정보에 대한 과감한 규제완화가 이루어진다면 원격의료, 디지털 헬스케어 분야에서 제2의 반도체신화를 기대해 볼 수도 있다. 여기에 세계 최고 수준의 ICT 인프라에 혁신역량을 집중한다면 스마트제조, 스마트팜과 같은 새로운 혁신서비스가 수출의 중심이 될 수도 있을 것이다.   국내에는 이미 다양한 산업분야의 데이터 플랫폼이 구축되어 운영 중이다 그러나 플랫폼 참여자는 개인정보, 영업비밀 보호 등 데이터 공유나 거래시 발생할 수 있는 위험부담으로 양질의 데이터 제공에 소극적일 뿐 아니라 표준화, 상호운용성 등 데이터 공유·활용을 위한 토대도 부족한 실정하다. 데이터는 크기가 클수록 그리고 서로 다른 데이터가 융합될수록 더욱 큰 가치를 창출하는 네트워크 효과가 있다. 산업데이터의 잠재력을 성장 동력으로 연결하려면 공공기관과 기업 내부에 쌓여 있는 방대한 데이터를 끄집어내고 기관 간에 데이터의 공유와 연계를 이루는 데이터인프라 구축이 무엇보다 필요하다. 그리고 구축된 인프라가 제대로 작동하기 위해서는 수익을 창출하고 창출된 수익이 모든 참여자에게 돌아갈 수 있고 참여자들이 안전하게 데이터를 공유·거래할 수 있으며 개방적이고 투명한 표준방식으로 데이터가 연계될 수 있어야 할 것이다. 미국과 중국이 거대 플랫폼 기업을 앞세워 세계 데이터 시장을 장악하고 있다. EU는 2014년부터 산업데이터를 중심으로 공유와 연계 플랫폼 구축에 나서고 있으며 일본이 그 뒤를 잇고 있다. 우리나라는 2022년 산업디지털전환촉진법이 제정되고서야 산업데이터 활용기반 구축이 본격화된다. 이 법에 따라 지난 2023년 1월 제1차 산업디지털전환 종합계획이 수립되었고 산업전반에 인공지능(AI)을 내재화시키는 프로젝트가 진행되고 있다. 그러나 다른 나라들에 비해 많이 뒤져 있다. 산업데이터의 공유·활용을 위한 프로젝트를 서둘러야 할 것이다. 이를 통해 대한민국의 산업이 한층 더 도약하고, GAFA를 뛰어 넘는 산업데이터 거인이 우리나라에서 탄생할 수 있기를 기대해 본다.   김용래 교수 경희대학교 첨단기술비즈니스학과 전 특허정장