INFOWORLD   Editorial 17　AI와 CAE의 융합, ‘지능형 시뮬레이션’ 시대를 연다    Hot Window 18　말하면 설계하는 시대를 향해 – AI로 그리는 설계의 미래 / 한명기 21　리얼타임을 통한 디지털 트랜스포메이션의 진화 / 권오찬   Focus 26　AWS, 산업 혁신 이끄는 AI 에이전트 비전과 전략 공개 28　AEC/MFG 산업의 미래는? 지더블유캐드코리아, CAD/CAM/CAE 통합 플랫폼 비전 제시 30　유니티, “게임 엔진 넘어 AI·디지털 트윈 시대의 산업 기반 기술로”   Case Study 33　핵융합 실험을 위한 3D 시뮬레이션 플랫폼 개발　유니티로 구현한 핵융합 디지털 트윈, V-KSTAR 36　인더스트리 4.0을 위한 로봇 예측 유지보수의 발전 / 이웅재　디지털 트윈과 AI가 시뮬레이션과 현실의 간극을 메우다   People&Company 40 　지더블유캐드코리아 최종복 대표이사　CAE·PDM까지 라인업 확장… ‘가성비’ 넘어 AI·성능으로 승부   New Product 42　HP Z2 미니 G1a 리뷰 / 이민철　BIM 엔지니어의 실무 프로젝트 성능 검증 50　3D 설계 환경에 통합된 전문 CAE 시뮬레이션　ZW3D Structural & Flow 54　접촉·포스 성능 향상 및 MFBD 후처리, 산업별 툴킷 기능 강화　리커다인 2026 57　실시간 3D 시각화 워크플로의 생산성 향상　트윈모션 2025.2 74　이달의 신제품   On Air 62　캐드앤그래픽스 CNG TV 지식방송 지상중계　AI와 BIM의 융합, 건축 설계의 패러다임을 바꾸다 64　캐드앤그래픽스 CNG TV 지식방송 지상중계　제조 산업에서의 사이버 보안과 위기 상황 대응 방안 65　캐드앤그래픽스 CNG TV 지식방송 지상중계　시뮬레이션의 미래 : AI와 디지털 트윈이 주도하는 제조 혁신   Column 66　디지털 지식전문가 조형식의 지식마당 / 조형식　인공지능 시대의 서바이벌 노트 : 인공지능 마인드세트와 원칙 69　현장에서 얻은 것 No. 23 / 류용효　나만의 AI 에이전트 필살기 Ⅲ – 본질에 집중하는 삶   76　New Books 78　News   Directory 147　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 81　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　코드로 강력한 수학 그래픽 애니메이션을 만드는 매님 84　새로워진 캐디안 2025 살펴보기 (12) / 최영석　유틸리티 기능 소개 Ⅹ 88　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (8) / 천벼리　아레스 커맨더의 동적 블록과 트리니티 블록 라이브러리   Reverse Engineering 91　시점 – 사물이나 현상을 바라보는 눈 (11) / 유우식　무엇을 믿을 것인가?   Mechanical 98　제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (4) / 박수민　모델 기반 정의 개선사항   Analysis 104　앤시스 워크벤치를 활용한 해석 성공 사례 / 장형진　앤시스 LS-DYNA S-ALE를 활용한 폭발 성형 해석 방법 108　최적화 문제를 통찰하기 위한 심센터 히즈 (9) / 이종학　프로세스 자동화 Ⅳ – 다물리 시스템 최적화 118　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (27) / 나인플러스IT　차세대 다중물리 CFD 설루션의 ‘4A’ 122　설계, 데이터로 다시 쓰다 (2) / 최병열　DX 시대에서 AX 시대로 126　로코드를 활용하여 엔지니어링 데이터 분석 극대화하기 (4) / 윤경렬, 김도희　로코드를 활용하여 시뮬레이션 데이터 분석을 따라해 보자 132　가상 제품 개발을 위한 MBSE 및 SysML의 이해와 핵심 전략 (1) / 오재응　디지털 모델 중심 시스템 설계로의 전환 전략   Manufacturing 138　자율제조를 위한 데이터 표준화와 사이버 보안 강화 전략 (2) / 차석근　산업 사이버 위협을 돌파하기 위한 IEC 62443   PLM 144　산업 디지털 전환을 가속화하는 버추얼 트윈 (8) / 이희라　부품 공용화 및 표준화를 위한 AI 기반 3D 형상 분석 설루션

현장에서 얻은 것 No. 23   “거인의 어깨 위에 올라서서 더 넓은 세상을 바라보라.” – 아이작 뉴턴 AI라는 거대한 변화의 파도는 우리 삶 곳곳을 흔들고 있었다. 이는 단순히 새로운 기술의 등장이 아니라, 사고방식과 일하는 방식, 나아가 사회 전체의 구조를 바꾸는 흐름이었다. 필자는 지난 8개월 동안 이 변화의 흐름 속에서 매일 배우고 실험하며 자신만의 여정을 이어갔다. 이 시간 동안 AI를 단순한 도구로만 보지 않게 되었는데, 그것은 업무, 창작, 학습, 그리고 삶 전반을 통해 스스로를 끊임없이 자극하는 동반자였다. AI를 맹목적으로 신뢰하기보다는 신중하게 거리를 두고, 동시에 적극적으로 받아들이는 태도를 통해 자신만의 ‘필살기’를 다듬어왔다. 필자의 학습법은 눈으로 익힌 것이 70%, 손으로 부딪히며 체득한 것이 30%로 다소 독특했다. 이러한 비율을 받아들인 이유는 필자의 경험이 개발자의 삶이 아니었기 때문이었다. ‘바이브 코딩(vibe coding)’을 통해 비개발자도 개발을 할 수 있다고 광고했지만, 실제로는 한계가 있음을 이해했다. 커서 AI(Cursor AI)로 회사 홈페이지를 만들고, 리플릿(Replit) 프로그램으로 MBTI 판별 프로그램을 바이브 코딩으로 시도하며, 만들고 수정하는 것도 가능했다. 하지만 PLM을 기업에 구축하는 PM으로서 경험한 바로는, 비개발자가 프로그램을 만드는 데에는 한계가 있었다. 취미로 만드는 것은 환영하지만 프로그램이 론칭된 이후 발생하는 많은 이슈를 경험하며, 개발자와의 협업이 더 효율적이라는 자신만의 학습 공식을 터득했다. 강의와 책, 스터디에서 얻은 지식이 토대가 되었고, 실습과 시행착오가 그 지식을 현실과 연결해 주었다. 이부일 대표의 강의를 들으며 챗GPT를 활용한 파이썬 코드를 직접 따라가던 순간, AI가 단순한 언어 모델이 아니라 강력한 실무 도구라는 사실을 처음 체감했다. 첫날은 잘 따라갔지만 둘째 날 노트북 배터리가 나가 낭패를 본 기억도 생생했는데, 이러한 경험조차도 학습 과정의 일부가 되었다. AI 학습은 지식을 머리에 담는 것뿐만 아니라 삶과 환경 속에서 몸으로 받아들이는 과정임을 깨달았다. 실패와 해프닝도 자산이 되어 필자의 학습 지도 위에 하나씩 좌표가 찍혀갔다. 중요한 것은 속도가 아니라, 끊임 없이 배우고 기록하고 다시 활용하는 과정이 훨씬 값지다는 것이었다.  “미래는 예측하는 것이 아니라 상상하는 것이다.” – 앨런 케이   ▲ 코드를 이해하는 기획자, 비개발자의 바이브 코딩 입문(Map by 류용효) (클릭하시면 큰 이미지로 볼수 있습니다.)   비개발자가 코드를 배우려 했던 이유 필자가 비개발자로서 코드를 배우기 시작한 동기는 개인적인 필요에서 비롯되었다. PLM 구축 PM으로서 개발자와 같은 언어로 소통하고 싶었고, 프로세스 컨설팅을 수행하며 시스템/프로세스 흐름을 실제 코드 레벨에서 검증하고 싶었다. 또한 콘셉트맵과 AI를 접목하여 아이디어를 프로토타입 코드로 구현하고, 데이터 및 AI 기반으로 확장하고자 했다. 바이브 코딩을 통해 손쉽게 프로토타입을 직접 만들어 아이디어를 빠르게 실험하고 싶었던 것도 큰 동기였다. 일반적인 경우에도 비개발자가 코드를 배우는 다양한 이유가 있었다. 반복적이고 단순한 작업을 효율화하여 업무를 자동화하고, 데이터 구조를 직접 다루어 인사이트를 도출하며 데이터 이해력을 강화하는 것이었다. 개발자와의 협업 과정에서 기술적 언어를 이해하여 소통을 원활하게 하고, 아이디어를 직접 테스트하고 시각화하여 창의적 문제 해결 능력을 키우는 데에도 코딩이 필요했다. 또한 디지털 리터러시와 융합 역량을 확보하여 커리어를 확장하고, AI 툴 활용의 전제 조건인 코드 이해를 통해 AI 시대에 적응하고자 했다. 결론적으로, 비개발자가 코드를 배우는 이유는 개발자가 되기 위해서가 아니라 아이디어를 직접 다루고, 빠르게 실험하며, 더 나은 협업자이자 창의적 문제 해결자가 되기 위함이었다. 개발자와 비개발자의 시선 차이는 명확했는데, 개발자는 ‘코드와 로직을 어떻게 짤까’에 집중하고 성능, 안정성, 기술적 가능성에 관심을 두는 반면, 비개발자는 ‘왜 이게 필요한 걸까’에 집중하며 사용성, 효율, 비즈니스 가치를 중요하게 생각했다. 예를 들어, 같은 CSV 데이터를 보더라도 개발자는 데이터의 구조와 처리 방법을, 비개발자는 그 데이터가 무엇을 말해주고 경영 의사결정에 어떻게 쓰일지에 대한 의미와 활용 방법을 보았다. “가장 현명한 사람은 계속해서 배우는 사람이다.” – 소크라테스   나만의 바이브 코딩 조합 : 작은 성공에서 배운 것들 AI와 바이브 코딩 시대에 기획자의 새로운 역할이 중요하게 부각되었다. 바이브 코딩은 2025년 2월 안드레이 카르파티가 처음 언급한 개념으로, 코드 작성보다는 ‘원하는 결과물의 느낌(바이브)’을 AI에게 자연어로 설명하여 프로그래밍하는 방식이었다. 이는 코드 작성 능력이 창의력과 기획 능력으로 전환되는 트렌드를 반영했다. 비개발자를 위한 AI 개발 방법론은 문제 정의, PRD(제품 요구 문서) 작성, AI 프롬프팅, 그리고 결과 검증의 단계로 이루어졌다. 기획자는 문제 정의와 사용자 경험에 집중하고, AI와 대화하며 요구사항을 구체화하고 결과물을 정제하며, 빠른 프로토타입으로 아이디어를 시각화하고 개선점을 파악하는 데 주력했다. 필자는 8개월간의 여정 속에서 자신만의 AI 활용법, 즉 ‘필살기’를 만들어갔다. 이는 단순히 나열된 여러 갈래의 길이 아니라, 하나의 지도 위에 유기적으로 연결되어 있었다. AI는 단순히 도구가 아니라 이 지도를 함께 그려가는 협력자가 되었다. 필자의 AI 필살기는 다음과 같았다. 커서 AI : 비개발자의 ‘첫 코치’ 역할을 했다. 코딩의 벽을 낮춰주는 동반자로, 복잡한 문법, 오류, 환경 설정의 두려움을 덜어주었다. 커서 AI는 단순한 코드 자동 생성이 아니라 필자의 의도를 코드로 번역하여 작은 실험과 반복을 가능하게 했고, 바이브 코딩 학습을 지원했다. GPT-4 기반의 AI 코드 에디터로 비주얼 스튜디오 코드(VS Code)와 호환되며, 자연어로 코딩하고, 즉각적인 에러 수정, 단계별 설명, 코드 리팩토링 기능을 제공했다. 구글 CLI(Google CLI) : 데이터와 시스템을 다루는 새로운 무기였다. 클릭 대신 명령어로 반복 작업을 자동화하여 속도와 효율성을 극대화했다. 가상머신(VM), 스토리지(Storage), 데이터베이스(DB) 등 클라우드 리소스를 제어하고, 데이터를 핸들링하며, API를 직접 호출하여 서비스 통합을 용이하게 했다. 이는 GUI의 한계를 넘어서는 전문가의 무기가 되었다. 파이썬(Python) : 실전에서 가장 유용한 최소 단위였다. 쉽고 직관적인 문법, 방대한 라이브러리, 빠른 프로토타이핑이 강점이었다. 데이터 읽기/쓰기 한 줄, 간단한 자동화 스크립트 등 작은 코드로도 큰 효과를 낼 수 있었고, CSV 분석 및 시각화, 업무 자동화, AI·ML 모델 실험 등에 활용되었다. 커서 AI와 제미나이(Gemini)가 내장되어 더 쉽게 사용할 수 있었다. 이러한 도구들을 조합하여 데이터 분석 자동화 시나리오와 업무 자동화 봇 구축 시나리오를 구현할 수 있었다. 예를 들어, 커서 AI로 데이터 수집 스크립트를 작성하고, 파이썬으로 데이터 정제 및 시각화를 하며, 구글 CLI로 정기적 실행을 스케줄링했다. 무엇보다 데이터 이해는 코드보다 중요한 사고 프레임이었다. 코딩은 기술 습득이 아니라 사고방식의 확장임을 깨달았다. 데이터 구조를 이해하면 문제 정의력이 달라지고, 기획자로서 문제를 바라보는 시각이 새로워졌다. CSV 한 줄이 어떤 의미를 담고 있는지, 칼럼이 단순한 값이 아니라 업무의 맥락임을 이해하게 되면서, 데이터를 읽는 순간 업무 프로세스가 보이기 시작했다. 이러한 변화된 시각은 단순 결과물이 아닌 흐름과 원인을 질문하게 했고, 개발자와 같은 언어로 협업 및 설계를 가능하게 하며, 데이터 기반의 빠른 실험과 검증으로 이어졌다. 필자는 매일 새로운 프로그램에 도전하는 ‘하루 한 프로그램 도전기’를 통해 작은 성공을 쌓아갔다. 완벽함보다는 경험과 시행착오를 통한 학습을 강조했고, 개발의 본질이 사고의 연습임을 깨달았다. 즉, 코드는 도구일 뿐 핵심은 문제를 정확히 이해하고 구조화하는 능력이며, 실패는 학습이고 작은 성공이 쌓여 성장 곡선을 만든다는 것이었다. 끊임없이 배우고 기록하고 다시 활용하는 과정이 훨씬 값지다는 것을 체감했다. 그러나 바이브 코딩에는 현실적인 문제점도 있었다. 새로운 기능을 추가할 때 기존 기능이 손상되는 회귀 테스트 부재 문제, AI가 전체 맥락을 충분히 기억하지 못해 발생하는 기능 안정성 문제가 있었다. 무한루프나 잘못된 로직 생성, 에러 메시지 오해 등으로 인한 오류 및 디버깅 한계, 그리고 수정 과정에서 토큰/리소스를 과다하게 소비하는 문제도 발생했다. 세션이 바뀌거나 컨텍스트가 길어지면 AI가 이전 코드의 세부 흐름을 잊어버리는 지속성 부족 문제와, AI에 의해 산발적으로 작성된 코드가 구조화가 부족하여 협업 및 유지보수가 어렵다는 한계도 있었다. 이러한 문제를 경험하며 코드를 이해하거나 개발자와 협업하는 것이 필수라는 결론에 도달했다. “성공의 비결은 기회를 잡기 위해 준비하는 것이다.” – 벤저민 디즈레일리   미래를 향한 다리 : 기획자의 새로운 역할 AI 시대에 기획자의 역할은 크게 확장될 수 있었다. 비개발자의 강점은 데이터 맥락 해석력, 비즈니스 중심 사고, 그리고 맥락적 설명 능력에 있었고, 이는 CSV 데이터 컬럼의 의미와 관계를 명확하게 설명하고, 로직보다 비즈니스 가치와 목적에 집중하며, 기술적 디테일보다 전체적인 흐름과 맥락을 설명하는 커뮤니케이션 역량을 제공했다. 프로세스 컨설턴트에서 프로그램 기획자로의 역량 확장이 필요했다. 컨설팅 경험을 시스템 아키텍처 설계에 적용하고, 업무 분석 능력을 시스템 요구사항으로 전환하며, 사용자 관점과 시스템 관점의 통합을 통해 더 나은 UX(사용자 경험)를 설계하는 것이었다. 현업 부서와 IT 부서 간의 가교 역할을 수행하고, 업무 프로세스 최적화를 통해 비효율 지점을 발견하고, 시스템 병목 현상을 데이터 흐름 관점에서 해결하는 역량이 중요했다. 컨설팅 산출물을 소프트웨어 명세서로 변환하고 워크플로 시뮬레이션으로 최적화를 검증하는 방법이 요구되었다. 기획자는 기술 이해도를 바탕으로 개발팀과의 협상력을 강화하고, 데이터 기반의 의사결정 모델을 구축하며, 비즈니스와 기술을 잇는 통합적 관점을 제시하고, 프로토타입으로 아이디어를 구체화하는 능력을 확보해야 했다. 이를 위한 역량 개발로는 시스템 사고, 기술 리터러시(API, DB 구조, 클라우드 서비스 기본 개념), 애자일 방법론, 그리고 지라(Jira), 피그마(Figma), 미로(Miro)와 같은 협업 도구 활용 능력이 있었다. 기획자와 개발자의 경계를 허물고 함께 문제를 정의하고 해결하는 통합적 협업 체계를 구축하는 것이 중요했다. “나는 똑똑한 것이 아니다. 단지 문제와 더 오래 씨름할 뿐이다.” – 알베르트 아인슈타인 AI의 본질은 ‘주체’가 아니라 ‘도움’이었다. AI는 망설임 없이 실행하지만, 그것이 옳은 방향인지 판단하는 것은 인간의 몫이었다. 필자는 회의록 요약 같은 업무를 AI에 맡겼다가 보안 문제와 인간 역량 퇴화의 위험성을 깨달았다. 편리함이 언제나 효율을 의미하는 것은 아니며, 잘못된 의존은 인간의 중요한 능력을 잃게 만들 수 있었다. 그래서 필자는 AI의 답변을 최소 세 번 이상 검증했는데, 빠른 실행보다 올바른 방향 설정이 중요했기 때문이었다. AI가 주는 답은 끝이 아니라 출발점이었다. 필자가 AI와 함께한 여정은 자신을 끊임없이 질문하게 했다. AI는 인간을 대체하는 기계가 아니라, 인간이 더 깊은 사고와 창조의 세계로 들어가도록 돕는 동반자였다. 필자가 찾은 필살기는 바로 이것이었다. AI 덕분에 자신의 본질(core)에 더 많은 시간을 쏟을 수 있게 된 것이었다. 단순 반복 업무를 대신해 주는 AI 덕분에, 필자는 사고하고 기획하고 판단하는 인간 고유의 역량에 집중할 수 있었다. AI는 더 이상 선택이 아닌 필수 도구이자 협력자였다. 중요한 것은 이 강력한 도구를 어떻게 나의 본질과 연결하여, 나만의 고유한 가치를 창출하고 미래를 만들어갈 것인가에 대한 깊은 고민과 끊임없는 실행이었다. AI는 재능은 있지만 한계에 부딪힌 사람에게 ‘도움’이 되어 AI 가수, AI 영화감독, AI 작가, AI 프로그래머가 될 수 있는 길을 열어주었다. 효율만을 쫓기보다는 본질에 집중하고, 변화의 흐름을 읽으면서도 자신만의 ‘필살기’를 계속해서 갈고 닦아야 했다. 미래를 향한 첫걸음은 지금 바로 도전하는 것이었다. 바이브 코딩은 기획 의도와 개발 실행 사이의 간극을 해소하고, AI 시대 기획자의 역할 확장과 가능성을 발견하게 해주었다. 업무 자동화로 반복 작업에서 벗어나 창의적 업무에 시간을 활용하고, 데이터 기반의 의사결정과 인사이트 도출 능력을 강화할 수 있었다. 하루 30분, 한 프로그램 만들기로 시작하는 것이 중요했고, 완벽함보다는 시작하는 용기가 중요했다. 하지만 잊지 말아야 할 것은, 바이브 코딩의 장단점을 잘 파악하여 적용해야 한다. 특히 개인적인 사용의 간단한 프로그램은 괜찮으나, 대외적인 서비스를 하는 프로그램 개발의 경우, 반드시 고급 개발자의 코드리뷰를 거쳐서 보안상의 문제, 데이터 유출 등이 없도록 해야 한다. AI는 명확하게 정의된 문제를 푸는 데 능숙하지만, 복잡하고 모호한 비즈니스 요구사항을 해석하여 견고한 시스템을 설계하는 것은 못하는 것을 명심해야 한다. “코딩은 기술이 아닌 사고 프레임의 확장이다.”    ■ 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.

  INFOWORLD    Editorial 17　AI 기반 스마트홈, 엔지니어링의 새로운 도전과 기회   Focus 18　코리아 그래픽스 2025, AI로 가속하는 산업과 크리에이티브의 변화를 짚다 24　헥사곤, 스마트 제조의 미래 비전 제시… “DX를 넘어 AX로” 26　알테어, 제조 현장의 핵심 기술로 자리 잡는 AI 비전 소개   Case Study 29　포지FX가 VR 훈련 설루션을 만드는 방법　확장현실로 건설 장비의 사용 교육과 운영 효율 강화 32　자동차 HMI 기술 브랜드 실리 아우토　언리얼 엔진으로 향상된 HMI 경험 구현   People&Company 34　앤시스 패드메쉬 맨들로이 부사장, 월트 헌 부사장, 앤시스코리아 박주일 대표　시높시스와 통합 시너지 강화… AI로 엔지니어링 혁신 이끈다 37　글로텍 이재홍 센터장, 한국철도기술연구원 박영곤 수석연구원　BIM 기반의 철도 인프라 통합 운영 설루션 연구·개발   On Air 49　캐드앤그래픽스 CNG TV 지식방송 지상중계　소버린 AI를 주도하는 6가지 코드 50　캐드앤그래픽스 CNG TV 지식방송 지상중계　미래를 여는 비즈니스 혁신 : AI 맞춤형 안경과 3D 프린팅 52　캐드앤그래픽스 CNG TV 지식방송 지상중계　설계 효율 극대화한 PTC 크레오 12.4 업데이트 54　캐드앤그래픽스 CNG TV 지식방송 지상중계　개발 기간 단축을 위한 설계자 해석 방안   New Product 40　BIM 기반 공사비 자동 산출 설루션    NaviQ v2.0 42　HP Z2 미니 G1a 리뷰　초소형 워크스테이션의 AI·3D 실전 성능 46　이달의 신제품   Column 55　디지털 지식전문가 조형식의 지식마당 / 조형식　인공지능 기술 : 도입에서 혁신으로 58　현장에서 얻은 것 No. 23 / 류용효　나만의 AI 에이전트 필살기 Ⅱ – 코드를 이해하는 기획자, 비개발자의 바이브 코딩 입문기   62　News   Directory 139　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 64　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　요구사항 기반 바이브 코딩의 사용 방법 74　새로워진 캐디안 2025 살펴보기 (11) / 최영석　유틸리티 기능 소개 Ⅸ 78　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (7) / 천벼리　AI로 더욱 똑똑해진 CAD 어시스턴트, A3   Reverse Engineering 84    시점 – 사물이나 현상을 바라보는 눈 (10) / 유우식　무엇을 볼 것인가?   Mechanical 69　제조업의 미래를 위한 ZW3D 2026 / 지더블유캐드코리아　통합 3D CAD/CAM 설루션의 전략적 가치 90　제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (3) / 김주현　크레오 시뮬레이션 라이브를 활용한 제품 설계 최적화   Analysis 97　앤시스 워크벤치를 활용한 해석 성공 사례 / 한성훈　터보기기 해석을 위한 플루언트 터보 워크플로 102　최적화 문제를 통찰하기 위한 심센터 히즈 (8) / 이종학　프로세스 자동화 Ⅲ – 유로 형상 설계 최적화 111　산업 디지털 전환을 가속화하는 버추얼 트윈 (7) / 신효주　스티뮬러스의 모델 기반 요구사항 검증 방법 116　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (26) / 나인플러스IT　고충실도 제트 유동 시뮬레이션으로 항공우주 산업 혁신 120　설계, 데이터로 다시 쓰다 (1) / 최병열　DX 시대, 샌드위치로 살아남기 126　로코드를 활용하여 엔지니어링 데이터 분석 극대화하기 (3) / 윤경렬, 김도희　데이터 분석 로코드 설루션을 배워보자 Ⅱ   Manufacturing 134　자율제조를 위한 데이터 표준화와 사이버 보안 강화 전략 (1) / 차석근　제조 혁신의 열쇠, 4M2E 생산자원 데이터 표준화     2025-10-aifrom 캐드앤그래픽스     캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

현장에서 얻은 것 No. 22   “가장 현명한 사람은 계속해서 배우는 사람이다.” – 소크라테스   거대한 변화의 파도 속에서 AI(인공지능)라는 거대한 변화의 파도는 우리 삶 곳곳을 흔들고 있다. 단순히 새로운 기술 하나가 등장한 것이 아니라, 사고방식과 일하는 방식, 나아가 사회 전체의 구조를 바꾸는 흐름이다. 지난 7개월 동안 필자는 이 변화의 흐름 속에서 매일 배우고 실험하며 자신만의 여정을 이어왔다. 이 글은 단순히 도구를 사용한 후기나 기능 소개가 아니다. 오히려 그 과정을 통해 AI와 필자의 사이에 맺어진 관계, 그리고 인간이 놓치지 말아야 할 본질에 대한 성찰을 담은 기록이다. 필자는 이 시간을 통해 AI를 도구로만 보지 않게 되었다. 그것은 자신의 업무와 창작, 학습과 삶 전반을 통틀어 스스로를 끊임없이 자극하는 동반자였다. 그렇다고 AI를 맹목적으로 신뢰하지도 않았다. 오히려 신중하게 거리를 두고, 동시에 적극적으로 받아들이는 태도를 통해 자신만의 ‘필살기’를 다듬어왔다.   나만의 학습 공식 ― 눈 70%, 손 30% 돌아보면 필자의 학습법은 조금 독특했다. 눈으로 익힌 것이 70%, 손으로 부딪히며 체득한 것이 30%. 이 비율을 받아들인 이유는 필자의 경험이 개발자의 삶이 아니었기 때문이다. 바이브 코딩(vibe coding)이다, 비 개발자도 개발을 한다고 광고한다지만, 실제 뚜껑을 열고 보니 실상은 그것이 아님을 이해했다. 물론 개중에는 바이브 코딩으로 화면을 만들고 기능을 만들고 퍼블리싱해서 프로그램으로 만들 수는 있다. 커서 AI(Cursor AI)로 회사 홈페이지도 만들어보고, REPLIT 프로그램으로 MBTI 판별 프로그램도 바이브 코딩으로 해 보았다. 만들 수도 있고, 또 수정도 바이브 코딩으로 가능하다. 하지만, PLM을 기업에 구축하는 PM으로써 경험한 바로는, 비개발자가 프로그램을 만드는 것은 한계가 있다. 취미삼아 만들어 보는 것은 지금도 환영하지만, 프로그램이 론칭된 이후 발생하는 많은 이슈를 경험한 것을 토대로 필자는 자신만의 학습 공식을 이렇게 정했다. 필자가 하는 방식은 개발자와의 협업이다. 그것이 필자에게 더 효율적이라는 것을 터득했다. 강의와 책, 스터디에서 얻은 지식이 토대가 되었고, 실습과 시행착오가 그 지식을 현실과 연결해 주었다. 이부일 대표의 강의를 들으며 챗GPT(ChatGPT)를 활용한 파이썬 코드를 직접 따라가던 순간, AI가 단순히 언어 모델이 아니라 강력한 실무 도구라는 사실을 처음 체감했다. 첫날은 곧잘 따라갔지만, 둘째 날 노트북 배터리가 나가 낭패를 본 기억은 아직도 생생하다. 하지만 그 경험조차도 학습 과정의 일부였다. AI 학습은 지식을 머리에 담는 것만이 아니라, 삶과 환경 속에서 몸으로 받아들이는 과정임을 깨닫게 된 것이다. 실패와 해프닝도 자산이 되었다. 예측 모델을 돌려보던 설렘, 통계 분석을 따라가던 집중의 순간, 예상치 못한 오류에 당황했던 경험까지. 이 모든 것이 쌓여 필자의 학습 지도 위에 하나씩 좌표가 찍혀갔다. 중요한 건 속도가 아니었다. 정답을 빨리 찾는 것보다, 끊임없이 배우고 기록하고 다시 활용하는 과정이 훨씬 값지었다.   그림 1. 데이터로 보는 핵심 통찰(create by Gemini deep research)   “성공의 비결은 기회를 잡기 위해 준비하는 것이다.” – 벤저민 디즈레일리   집단 지성의 힘 ― 나만의 ‘AI 어벤저스 팀’ AI와 함께한 여정에서 필자는 혼자의 힘이 결코 충분하지 않다는 사실을 절감했다. 그래서 스스로 만든 것이 바로 ‘AI 어벤저스 팀’이다. 각자의 분야에서 뛰어난 전문가들을 연결해놓은 필자만의 네트워크다. AI 시대에 개인이 모든 것을 아는 것은 불가능하다. 그러나 누가 잘 아는지를 아는 것은 가능하다. 그리고 이 능력은 집단 지성을 발휘하는 가장 중요한 힘이 된다. 전문가들과의 대화는 단순히 정보 교환에 그치지 않았다. 그들은 내가 새로운 프로젝트에 도전할 수 있도록 용기를 주었고, 지식의 공백을 메워주었으며, 때로는 내가 보지 못하는 시야를 열어주었다. 나는 이 네트워크를 하나의 ‘팀’처럼 생각한다. 마치 마블 영화 속 어벤저스가 저마다의 능력을 발휘하듯, 필자의 어벤저스팀 역시 각자의 전문성을 바탕으로 협력한다. 디즈레일리의 말처럼 “성공의 비결은 기회를 잡기 위해 준비하는 것”이라면, 이 팀은 나에게 기회를 포착할 수 있는 준비된 힘이었다.   나만의 AI 필살기 7개월간의 여정 속에서 필자는 점차 자신만의 AI 활용법, 즉 ‘필살기’를 만들어갔다. 업무 헬프데스크 : PLM·APS 분야의 Q&A 시스템을 노트북LM(NotebookLM)으로 구축해 개인화된 지식 관리 체계를 마련했다. 투자 분석가 : AI에게 딥 리서치를 맡기고 이미지 생성을 결합해 주식 시장을 다각도로 분석했다. 콘셉트맵 직원 : 자료를 모아 정리하고 시각화하는 과정을 AI와 협업해 효율과 품질을 동시에 확보했다. 영상 감독: 비오 3(Veo 3)로 8초 영상을 스무 편 이상 제작하면서 프롬프트 기획과 스토리텔링 능력을 키웠다. 작가 : AI의 초안을 바탕으로 단기간에 책 집필 속도를 높였다. 아티스트 : 챗GPT와 제미나이(Gemini)를 활용해 이미지 창작 실험을 이어갔다. 지식 관리자 : 옵시디언으로 디지털 지식 지도를 설계해 자신만의 아카이브를 구축했다. 이렇게 나열하면 마치 여러 갈래의 길처럼 보이지만, 실제로는 하나의 지도 위에 유기적으로 연결되어 있다. AI는 단순히 도구가 아니라, 이 지도를 함께 그려가는 협력자가 되었다.   그림 2. 다섯 가지 핵심 필살기(create by Gemini deep research)   AI의 본질 ― ‘주체’가 아닌 ‘도움’ 그러나 필자는 늘 스스로를 경계했다. AI는 주체가 아니라 도움이라는 사실을 잊지 않으려 했다. AI는 망설임 없이 실행한다. 그러나 그것이 옳은 방향인지 아닌지를 판단하는 것은 인간의 몫이다. 필자는 회의록 요약 같은 업무를 AI에 맡겼다가 보안 문제와 인간 역량 퇴화의 위험성을 깨달았다. 편리함이 언제나 효율을 의미하지는 않는다. 오히려 잘못된 의존은 인간의 중요한 능력을 잃게 만든다. 그래서 필자는 지금도 AI의 답변을 최소 세 번 이상 검증한다. 빠른 실행보다 중요한 것은 올바른 방향 설정이기 때문이다. AI가 주는 답은 끝이 아니라 출발점이다.   AI가 던지는 질문 AI와 함께한 여정은 필자를 끊임없이 질문하게 했다. 나는 앞으로 어떤 역량에 집중해야 할까? AI가 대체할 수 없는 나만의 가치는 무엇일까? 효율을 넘어 의미를 만드는 방법은 무엇일까? 앨런 케이가 말했듯, “미래는 예측하는 것이 아니라 상상하는 것”이다. 그렇다면 필자는 지금 이 순간의 질문과 상상을 통해 미래를 설계하고 있는 셈이다.   인간과 AI, 그리고 나의 길 AI는 인간을 대체하는 기계가 아니다. 오히려 인간이 더 깊은 사고와 창조의 세계로 들어가도록 돕는 동반자다. 필자가 찾은 필살기는 바로 이것이다. AI 덕분에 자신의 본질(core)에 더 많은 시간을 쏟을 수 있게 된 것. 단순 반복 업무를 대신해 주는 AI 덕분에, 필자는 사고하고 기획하고 판단하는 인간 고유의 역량에 집중할 수 있다. 앞으로도 이 여정은 계속될 것이다. 필자는 AI와 함께 자신만의 필살기를 더욱 정교하게 다듬어 갈 것이다. 그리고 이 글을 읽는 독자에게도 묻고 싶다.   당신은 어떤 AI 필살기를 준비하고 있는가? 필자만의 AI 에이전트(agent) 필살기를 한 장의 맵으로 만들었다. 한 장의 맵은 내용을 쉽게 그리고 전체적으로 한번에 이해되도록 하는 효과가 있다. 주요 키워드를 뽑아 보면, 미래는 예측하는 것이 아니라 상상하는 것, AI는 주체가 아닌 도움, 나만의 AI 어벤저스 팀이다.   그림 3. 나만의 AI 필살기(map by 류용효) (클릭하면 큰 그림으로 볼 수 있습니다.)   “나는 똑똑한 것이 아니다. 단지 문제와 더 오래 씨름할 뿐이다.” – 알베르트 아인슈타인   당신의 AI 에이전트 필살기는 무엇인가? 이 칼럼을 통해 독자들도 자신만의 AI 활용 전략과 철학을 정립하고, AI 시대를 능동적으로 헤쳐나갈 수 있는 ‘필살기’를 찾아 나서기를 제안한다. AI는 더 이상 선택이 아닌 필수적인 도구이자 협력자이다. 중요한 것은 이 강력한 도구를 어떻게 나의 본질과 연결하여, 나만의 고유한 가치를 창출하고 미래를 만들어갈 것인가에 대한 깊은 고민과 끊임없는 실행이다. “세계를 정복하려 애쓰지 말라. 당신 스스로가 하나의 깊은 세계가 되면, 모든 것은 당신을 향해 흐른다.” AI는 단순히 기술이 아니라, ‘재능은 있지만 한계에 부딪힌’ 사람들에게 ‘도움’이 되어 AI 가수, AI 영화감독, AI 작가, AI 프로그래머가 될 수 있는 길을 열어준다. 효율만을 쫓기보다는 본질에 집중하고, 변화의 흐름을 읽으면서도 자신만의 ‘필살기’를 계속해서 갈고 닦아야 한다. 앞으로도 AI와 인간의 협업은 더욱 깊어질 것이다. 필자는 이 여정을 계속해서 탐험하며, 자신만의 AI 에이전트 필살기를 더욱 정교하게 다듬어 나갈 것이다. 모든 것에 감사하다.   ■ 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.

  18ㅤTheme. PLM과 AI로 가속화하는 제조 디지털 전환의 미래 Ⅱ 제조산업의 미래, 산업 AI 트렌드와 과제 / 조영임 AI 혁신을 기회로 : SAP의 통합형 PLM 전략 / 고건 미래 제조 패러다임의 전환 : SDM 기반 자율 제조의 도래 / 박한구 엔비디아 옴니버스만 가능한 디지털 트윈의 비즈니스 실현 / 김건우 패스트 포워드 디지털 전환과 제품 개발 / 윤중근 소프트웨어 정의 자동화가 바꾸는 산업의 미래 / 김건   Infoworld   Editorial 17ㅤAI 시대, 그래픽 산업과 한국 기업의 대응 전략은?   People&Company 39ㅤ헥사곤 매뉴팩처링 인텔리전스 성 브라이언 사장ㅤ시뮬레이션·디지털 트윈·AI 결합해 제품 개발의 미래 제시 42ㅤ한국기계가공학회 안동규 회장ㅤ뿌리기술로 미래 제조 혁신 이끈다   Case Study 44ㅤKAI의 언리얼 엔진 기반 차세대 시뮬레이션 에코시스템ㅤ비행 훈련부터 제품 개발·운영까지 아우르는 핵심 인프라를 목표로 47ㅤ가상 커미셔닝으로 산업 과제를 해결하는 스피라텍ㅤ개방형 커미셔닝과 협업 혁신으로 제조업을 재정의하다   Focus 50ㅤ넥스트콘 2025에서 만난 건설 디지털 전환의 미래   New Product 52ㅤ사용자 경험 혁신하는 3D CAD/CAE/CAM 소프트웨어ㅤZW3D 2026 57ㅤAI·스마트 자동화 기반의 차세대 디지털 엔지니어링 설루션ㅤ앤시스 2025 R2 60ㅤ이달의 신제품   On Air 63ㅤ캐드앤그래픽스 CNG TV 지식방송 지상중계ㅤAI로 혁신하는 3D 시각화와 산업의 미래   Column 70ㅤ디지털 지식전문가 조형식의 지식마당 / 조형식ㅤ인생 디지털 스레드 : 삶의 모든 ‘오늘’을 연결하는 새로운 패러다임 72ㅤ현장에서 얻은 것 No. 22 / 류용효ㅤ나만의 AI 에이전트 필살기 Ⅰ – 나만의 지식 지도를 그리다   64ㅤNew Books 66ㅤNews   Directory 123ㅤ국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 75ㅤ새로워진 캐디안 2025 살펴보기 (10) / 최영석ㅤ유틸리티 기능 소개 Ⅷ 78ㅤ데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (6) / 천벼리ㅤ모바일 CAD 아레스 터치의 새로운 기능 116ㅤBIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱ㅤ바이브 코딩 지원 멀티 에이전트 코덱스의 사용법   Mechanical 80ㅤ제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (2) / 김성철ㅤ부품 모델링 개선 사항   Reverse Engineering 86ㅤ시점 - 사물이나 현상을 바라보는 눈 (9) / 유우식ㅤ작용, 반작용, 상호작용   Analysis 93ㅤ앤시스 워크벤치를 활용한 해석 성공 사례 / 박건ㅤ포토닉스 소자 시뮬레이션을 위한 앤시스 루메리컬 98ㅤ산업 디지털 전환을 가속화하는 버추얼 트윈 (6) / 이현충ㅤ시뮬리아 웨이브6를 활용한 환경 소음 시뮬레이션 100ㅤ로코드를 활용하여 엔지니어링 데이터 분석 극대화하기 (2) / 윤경렬, 김도희ㅤ데이터 분석 로코드 설루션을 배워보자 Ⅰ 106ㅤ최적화 문제를 통찰하기 위한 심센터 히즈 (7) / 이종학ㅤ프로세스 자동화 Ⅱ – 모터 설계 최적화 113ㅤ성공적인 유동 해석을 위한 케이던스의 CFD 기술 (25) / 나인플러스ITㅤ처리 시간이 10시간 미만인 LES 워크플로         캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

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.

미래 모빌리티 전문가 그룹 미모셀(미래 모빌리티 셀럽)이 주최한 '미모셀 2025 세미나'가 지난 7월 9일 마곡 이노시뮬레이션에서 성황리에 개최됐다. 이번 세미나는 자율주행과 'AI 시대'를 대비하는 미래 전략에 대한 깊이 있는 통찰을 제공했다. 이번 세미나에서는 최재홍 교수의 '디지털 AI 경제', 류용효 소장의 '컨셉맵, AI, 기업 혁신', 최지수 변호사의 'AI 시대, 회사와 경영자를 지키는 법', 류평수 부사장의 '글로벌 AI 데이터센터 동향과 NVIDIA AI 팩토리 전략', 조준희 대표의 '25년차 모빌리티 XR 기업의 고민' 등 다채로운 주제의 강연이 이어졌다.   최재홍 교수 -  AI, 한국 경제 310조 원 생산성 향상 잠재력 강조 최재홍 교수(가천대)는 AI를 '더 광범위하고 빠른 디지털 혁신'으로 정의하며, 한국이 AI 활용을 통해 2030년까지 연간 310조 원의 생산성 향상을 기대할 수 있으며, 전 세계적으로는 약 4경 원(22.3조 달러)의 경제적 가치를 창출할 잠재력이 있다고 설명했다. 또한, 데이터의 가치는 양이 아닌 가공과 활용에 달려 있으며, AI가 방대한 데이터를 가치 있는 서비스로 전환하는 핵심 기술임을 강조했다. 최 교수는 "앞으로 1~2년이 'AI 시대'의 주도권을 잡을 '마지막 골든 타임'이라며, 완벽한 계획보다 빠른 실행과 지속적인 피드백을 통한 개선이 중요하다고 역설했다. 류용효 소장 - 컨셉맵과 AI, 기업 혁신의 핵심 제시 류용효 소장(컨셉맵연구소, 디원 상무)은 복잡한 정보와 업무 절차를 시각화하는 컨셉맵이 불필요한 대화를 줄이고 업무 효율성과 투명성을 높이는 데 기여한다고 설명했다. 또한 대기업 프로젝트에서 컨셉맵을 활용하여 효율적인 의사소통과 문제 해결을 이끌어낸 사례를 소개했다. 류 소장은 AI 시대에는 혼자 모든 것을 해결하기보다 전문가와의 협업이 중요하며, "AI에게 일을 잘 시키는 사람이 능력 있는 사람"으로 평가받는 새로운 관점이 대두된다고 강조했다. 최지수 변호사 - AI 시대, 내부 정보 유출 리스크 관리 중요 최지수 변호사(법무법인 린)는 기술이나 정보 유출이 외부 해킹보다 내부 사람에 의해 발생하는 경우가 훨씬 빈번하다고 지적하며, NDA(비밀유지협약)만으로는 부족하고 문화, 시스템, 법률 장치가 함께 작동해야 함을 강조했다. 변호사가 문제가 발생한 후 수습하는 존재가 아니라 계약 검토, 인사/해고/징계 전 자문 등을 통해 수천만 원 규모의 리스크를 미리 막을 수 있는 '경영자의 동반자' 역할을 한다고 설명하고, "법을 잘 쓰는 리더가 회사를 지킨다"는 메시지를 전했다. 4. 류평수 부사장 -  AI 데이터센터, 'AI 팩토리'로 진화 류평수 부사장(슈퍼솔루션)은 AI 시대에 데이터센터가 단순한 저장소를 넘어 'AI 팩토리'로 변화하며, 토큰을 생성하여 수익을 창출하는 핵심 공간이 된다고 설명했다. AI 시대에서는 토큰이 돈이다. 또한, AI가 로봇, 자율주행차와 같은 피지컬 AI 시대로 빠르게 진화하고 있으며, 이를 대비하기 위해 데이터센터의 전력, 쿨링 등 고성능 인프라 고도화가 필수적임을 강조했다. NVIDIA는 AI 팩토리 개념으로 서버, 인프라, 클라우드를 통합 공급하며 시장을 주도하고 있다고 밝혔다. 조준희 대표 - 이노시뮬레이션, 제품 기반 사업으로 전환 모색  25년차 모빌리티 XR 기업인 조준희 대표(이노시뮬레이션)는 2017년 300억 매출 정점 이후 자율주행차 등장과 'AI 기술'  발전으로 그동안 겪었던 어려움에 대해서도 공유했다. 조 대표는 "이제 생존이 시작되는 시기다"라고 언급하며, 기존 프로젝트 중심의 사업에서 '카피 앤 페이스트' 방식의 대량 생산을 목표로 하는 제품 기반 사업으로의 전환을 모색 중이라고 밝혔다. 그는 "시장을 혼자 다 독식할 수 없다"는 철학 아래, 글로벌 파트너는 물론 경쟁사와도 협력하여 신규 시장에 진입하는 전략의 중요성을 강조했다. 세미나 후 이어진 네트워킹 시간에는 미래 모빌리티와 AI를 주제로 열띤 토론과 교류가 이어졌다. 이번 ‘미모셀 2025 세미나’는 AI가 경제, 일하는 방식, 협업 구조, 법률 이슈까지 전방위적으로 변화를 이끌고 있는 다양한 사례를 통해 나아갈 방향에 대한 비전을 제시해주었다.    미래 모빌리티 셀럽들의 첫번째 세미나, 2025 미모셀  

  18　THEME . PLM과 AI로 가속화하는 제조 디지털 전환의 미래 Ⅰ   설계 데이터를 연결하다 : 퍼시스그룹의 디지털 트윈 기반 DX 전략 / 정연석 생성형 경험 기반 PLM을 통한 업무 혁신 : 다쏘시스템의 새로운 접근 / 김병균 현장이 원하는 디지털 트윈 : 최소 인프라, 최대 효과를 위한 접근법 / 송희삼 수주형 제조기업을 위한 PLM 연계 프로젝트형 생산 관리 DX / 김장순   Infoworld   Editorial 17　AI 에이전트와 함께 하는 제조업 혁신의 골든타임   Case Study 30　올림픽 금메달을 뒷받침한 3D 프린팅 혁신　금속 3D 프린팅으로 경기용 요트의 부품 제작 32　디지털 전환의 잠재력을 실현하는 메타버스 기술　성공적인 산업 메타버스 구현을 위한 필수 요소   New Product 36　2D CAD의 새로운 기준 제시하는 차세대 설계 플랫폼　ZWCAD 2026 42　디지털 휴먼의 제작 워크플로 향상 및 생태계 확장　메타휴먼 5.6 79　이달의 신제품   Focus 46　AI와 클라우드로 뻗어나가는 NX, 제품 개발의 혁신을 뒷받침한다 48　트림블 코리아, ‘파워팹’으로 철골 제작의 디지털화 및 효율 향상 지원 50　3D 콘텐츠 제작 시대, 어도비 서브스턴스가 펼치는 미래 52　3D 프린팅, 제조 혁신 이끌 생산 기술 될까…현실의 벽과 돌파구는? 54　SAP, 모든 설루션에 AI 탑재…“데이터 중심의 선순환 구조로 비즈니스 AI 혁신” 56　AWS, “다양한 기술로 국내 기업의 생성형 AI 활용 고도화 돕는다” 58　한국생산제조학회 2025 춘계학술대회, 생산제조 기술의 미래를 논의하다   On Air 60　캐드앤그래픽스 CNG TV 지식방송 지상중계　자율주행의 미래 : AI와 데이터 통합을 통한 지멘스 ADAS 혁신 62　캐드앤그래픽스 CNG TV 지식방송 지상중계　HP Z북 울트라, AI 워크스테이션의 새로운 기준 제시 63　캐드앤그래픽스 CNG TV 지식방송 지상중계　창의적 디자인의 미래, AI와 3D 프린팅에서 찾는다 64　캐드앤그래픽스 CNG TV 지식방송 지상중계　제조업을 바꾸는 양자 컴퓨팅의 힘 66　캐드앤그래픽스 CNG TV 지식방송 지상중계　디지털 트윈 시대의 3D 자산 관리 혁신하는 유니티 애셋 매니저   Column 67　포괄적 디지털 트윈으로 제조 공장의 미래를 설계하다 / 오병준 70　디지털 지식전문가 조형식의 지식마당 / 조형식　스마트 디지털 트윈을 위한 디지털 온톨로지와 디지털 스레드 74　현장에서 얻은 것 No. 21 / 류용효　AI 시대 제조업 생존 전략 : ‘듀얼 브레인’을 장착하라   82　New Books   Directory 147　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 84　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (5) / 천벼리　온라인 CAD 아레스 쿠도의 주요 기능 88　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　오픈소스 LLM 모델 젬마 3 기반 AI 에이전트 개발해 보기 97　새로워진 캐디안 2025 살펴보기 (9) / 최영석　유틸리티 기능 소개 Ⅶ 100　BIM 전문인력 양성을 위한 해법을 찾는다 / 함남혁　BIM 전문가 민간자격 국가공인 현황과 발전 방향   Visualization 104　AI 크리에이터 시대 : 영상 제작의 새로운 패러다임 (5) / 최석영　AI 기반 몰입형 사운드 디자인   Reverse Engineering 110　시점 – 사물이나 현상을 바라보는 눈 (8) / 유우식　확률과 통계   Mechanical 116　제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (1) / 박수민　크레오 파라메트릭 12의 개선된 인터페이스 기능   Manufacturing 122　생산 계획부터 운영까지 혁신하는 스마트 제조 / 이노쏘비　PINOKIO가 선보이는 스마트 공장 기술과 사례   Analysis 107　로코드를 활용하여 엔지니어링 데이터 분석 극대화하기 (1) / 윤경렬, 김도희　데이터 분석에 로코드 설루션이 필요한 이유 128　앤시스 워크벤치를 활용한 해석 성공 사례 / 이효행　바닥 충격음과 층간 소음 문제 해결을 위한 예측 모델 및 실험 분석 133　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (24) / 나인플러스IT　충실도 흐름 솔버로 항공 엔진의 시뮬레이션 정확도 업그레이드 136　최적화 문제를 통찰하기 위한 심센터 히즈 (6) / 이종학　프로세스 자동화 | – 구조 설계 최적화 142　산업 디지털 전환을 가속화하는 버추얼 트윈 (5) / 강주연, 임영빈　아바쿠스의 Contact Wear 기능을 활용한 마모 해석과 응용     캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

현장에서 얻은 것 No. 20   피곤했지만 놓칠 수 없는 기회, AI 스터디그룹(데이터공작소)에서 답을 찾다.”   AI 시대, 배움과 연결에서 찾은 성장 동력 일상에 지쳐 몸은 천근만근이었지만, 빠르게 변화하는 인공지능(AI) 시대에 뒤쳐질 수 없다는 생각에 발걸음을 재촉했다. 특히 AI 기술이 단순한 효율성 도구를 넘어 업무 방식과 산업 지형을 근본적으로 바꾸고 있다는 통찰 앞에 서니, 피로감은 부차적인 문제로 느껴졌다. 이러한 변화의 파고를 헤쳐나갈 답을 찾기 위해, 필자는 주말에 스터디하는 데이터공작소 TFT, 데이터 공작소의 매주 월요일 줌강의, 매달 모임과 자율주행 회사들의 특별한 만남인 미모셀, 지식을 공유하고 서로 도움을 주는 네트워크 모임인 한국미래융합연구원 등 AI 및 관련 기술 스터디 그룹의 문을 두드렸다. 이곳에서 만난 전문가들과의 지식 공유와 토론은 필자가 가진 궁금증을 해소하고 새로운 가능성을 탐색하는 데 귀중한 기회가 되었다. “배우는 법을 배우라.” − 데미스 허사비스(Demis Hassabis) CEO, 구글 딥마인드   ▲ 피곤했지만 놓칠 수 없는 기회, AI 스터디그룹   AI 에이전트와 MCP : AI의 실행력을 극대화하는 연결 고리 탐색 스터디 그룹에서 가장 주목받는 개념은 AI 에이전트였다. AI 에이전트는 환경을 인식하고 스스로 결정하며 목표를 달성하는 소프트웨어 개체로 정의된다. 독립적으로 작동하며 목표를 향해 지속적으로 학습하고 개선하는 특징을 가진다. 데이터를 수집, 분석하고 최적의 행동을 선택하여 실행하는 방식으로 작동하며, 질문에 대한 하위 질문을 생성하고 리서치한 후 포괄적인 답변을 제공하거나 AI 요약 결과를 자동화하고 개선하는 등 다양한 기능을 수행할 수 있다. 일부는 다양한 도구를 사용하여 복잡한 작업을 수행하는 완전 자율 시스템으로 정의되기도 하고, 미리 정의된 워크플로를 따르는 규범적인 구현을 설명하기도 한다. 이러한 AI 에이전트의 역량을 극대화하는 핵심 기술로 MCP(Model Context Protocol)가 소개되었다. MCP는 LLM(Large Language Model) 애플리케이션과 외부 데이터 소스 및 다양한 도구 간의 원활한 통합을 가능하게 하는 개방형 프로토콜이다. 마치 USB-C가 다양한 전자기기를 연결하듯, MCP는 웹 서비스와 AI 에이전트를 연결하여 AI가 서비스에 직접 접근할 수 있도록 돕는 핵심 기술이다. 이를 통해 LLM은 단순히 텍스트를 생성하는 것을 넘어 현실의 도구들과 연결되며 이메일 작성 및 전송, 캘린더 약속 등록, 슬랙 메시지 전송, 파일 저장 및 정리, 소셜 미디어 검색 및 게시, 스프레드시트 데이터 정리, 줌 회의 예약 및 회의록 작성, 노션 자료 활용 등 다양한 작업을 실행할 수 있게 된다. 이는 에이전틱 AI(agentic AI) 발전의 중요한 요소로 강조되었다. 또한, MCP는 프레임워크나 벤더에 관계없이 에이전트 간 상호 운용 가능한 통신을 안전하게 지원하는 것을 목표로 한다. API와 MCP가 반드시 필요한 것은 아니지만, 엄청난 잠재력을 가지고 있다는 점이 강조되었다. API 연결은 개발자에게도 쉬운 일은 아니며 권한 부여 문제 등이 있기 때문에, MCP가 이를 더 쉽게 만들 수 있는지에 대한 고민도 있었다. “미래를 예측하는 최선의 방법은 미래를 창조하는 것.” − 정종기 박사, AI 비즈니스 전문가   바이브 코딩과 커서 : AI를 개발 동료로 활용하는 방법 AI 스터디에서는 개발의 패러다임 변화인 ‘바이브 코딩’에 대한 논의도 활발했다. 전통적인 코딩이 ‘개발자가 자신의 작업을 대신할 프로그램을 만드는 것’이라면, 바이브 코딩은 ‘AI가 자신의 작업을 대신할 프로그램을 만드는 것’이다. 이는 AI에게 개발을 외주로 맡기는 것과 유사한 개념으로 설명된다. 좋은 바이브 코더는 좋은 외주 의뢰자가 갖춰야 할 다섯 가지 역량을 AI에게 적용해야 한다. 내 문제를 풀기 위한 작업 정의(PRD, 유저 플로) AI가 잘 이해할 수 있게 의사소통(프롬프트, 지침) 프로그램을 잘 만들기 위한 리소스 지원(데이터, API, 실행/배포 환경) 프로그램이 의도대로 동작하는지 검수(자동화 테스트) 이 과정에서 모르는 것을 배워 점차 스스로 할 수 있게 되는 것이다. 커서(Cursor)는 이러한 ‘LLM-assisted IDE’ 개념을 제시하는 도구로 소개되었다. 복잡한 프로그래밍 지식, 문서, 오류 메시지 기반의 학습 곡선이나 사전 설계 중심의 신중한 개발 문화, 툴과 언어, 개발 환경의 복잡성 같은 문제 속에서 커서는 아이디어를 즉각 코드로 구현하고 비전문가의 접근성을 폭발적으로 증대시키며 LLM 기반의 빠른 실험과 피드백 루프를 가능하게 한다. 문법 대신 의도 전달과 맥락 중심으로 전환되는 패러다임의 변화를 지원한다. 데이터공작소 개발TFT(서울팀) 관련 세션에서는 커서를 활용한 실질적인 개발 프로세스가 시연되었다. 혼자서 다양한 역할을 수행하는 ‘솔로프리너’ 관점에서 기획부터 개발, 테스트, 배포, 모니터링, 마케팅까지 전 과정을 AI와 함께 진행하는 방법이 제시되었다. 커서를 통해 아이디어 구체화, 기획 문서 작성(PRD, 비즈니스 모델 캔버스), 프로젝트 관리(Task Master MCP를 활용한 작업 목록 생성, 복잡도 계산, 하위 태스크 분해), 실제 코드 작성, 그리고 문서화(Obsidian 연동) 등이 가능함을 보여주었다. 특히 개발 경험이 있는 발표자인 어니컴의 최성훈 팀장은 커서를 통해 불편하고 반복적인 작업의 상당 부분을 자동화하고, 단계별로 명확한 지시를 내리며 태스크 관리를 통해 AI가 맥락을 이해하도록 유도하는 장점을 강조했다. 그는 커서를 쓰면서 처음에는 AI가 코딩을 짜는 것을 도와주는 정도라고 생각했고, 코드를 다 안 봐도 알아서 다 짜 주는 줄 알았다고 했다. 하지만 실제로 해 보니 절대 그렇지는 않았고, 다만 불편하거나 반복적인 작업에서는 충분히 활용 가치가 있음을 느꼈다고 했다. AI와 소통하며 생각을 체계화하고 문서화하며 원하는 것을 구체화하고 실행 계획을 짜서 이뤄가는 과정을 보였다고 했다. 그는 커서 하나로 A부터 Z까지 다 해 볼 수 있겠다는 느낌을 받았고, 솔로프리너를 목표로 하는 사람들은 연구해 볼 만하다고 개인적인 의견을 덧붙였다. AI에게 외주를 맡기는 개념이기 때문에 사람이 명확하게 문제 정의를 하고, 의사소통하며, 검수하는 역할이 중요하다고 언급했다. 또한, 커서가 굉장히 많은 도움을 주었다고 말했다. 개발자는 커서를 통해 코드의 문제점이나 개선 포인트를 찾는 데 도움을 받을 수 있고, 혼자 개발하면서 보조적인 도움이 필요할 때 효과적일 수 있다고 했다. 또한 자동 PR 요약이나 커밋 메시지 작성 등 깃(Git)과의 연동도 잘 되는 장점이 있었다. 오랜 개발 경험을 가지고 있는 양선희 대표는 필자의 숙원 고민거리를 반나절만에 해결해 주었다. 디자인씽킹 기법 중 첫 번째인 공감대 형성의 템플릿을 시스템화시켜 주었다. 클로드(Claude)로 대화하듯이 고민거리를 얘기하고 프로그램 기획, 개발, 테스트 등을 통해 언제든지 실행 가능한 설루션으로 만들어 주었고 소스도 공유했다. 보안 분야를 다루면서 다양한 경험을 통해서 항상 정리를 잘 하고 번뜩이는 아이디어를 내는 NSHC 장주현 이사와 AI인터시스 신동욱 대표는 AI 일타 강사이다. 항상 새로운 기술, 주제를 뚝딱 만들어내고 강의도 잘 한다. 최근에는 개발, 교육을 병행하느라 전국을 일일 생활권으로 두고 있다. 신동욱 대표의 회사에서 핵심 인재인 정성석 상무는 차세대 유망주인데, 알고 보니 고등학교 후배였다. 세상은 넓고 할 일은 많지만, 오늘 이 모임이 있기까지 도움을 준 데이터마이닝 이부일 대표는 유튜브 R릴에오를 통해 데이터 통계 분석 기법을 유튜브로 알렸다. 2022년 콘셉트맵 캘린더 9월호의 주인공으로 모신 인연으로 SNS에서 자주 소통하고 온/오프라인으로 인연을 이어가고 있다. “결국 실행되는 지식만이 힘이다.” − 데일 카네기   노트북LM : 개인 맞춤형 학습 및 연구 파트너 활용 또 다른 유용한 AI 도구인 노트북LM(NotebookLM)은 맞춤형 AI 리서치 어시스턴트이자 AI 기반 학습 및 연구 파트너로 소개되었다. 노트북LM의 가장 큰 강점은 사용자가 제공한 소스 내에서만 정보를 검색하고 답변을 생성하여, 환각 현상을 줄이는 데 도움을 준다는 것이다. PDF, 구글 드라이브 문서, 웹사이트 링크, 유튜브 링크, 마크다운 등 다양한 형태의 소스를 학습할 수 있으며, 특히 유튜브 공개 동영상 URL을 소스로 사용할 수 있는 점은 챗GPT에서 제공하는 프로젝트 기능과의 차별점으로 언급되었다. 노트북LM의 주요 기능으로는 학습 자료(소스) 내 정보 검색 및 답변 생성, 소스 요약(핵심 내용 추출), 추가 탐색, 메모 추가 및 소스 전환, AI 오디오 오버뷰(팟캐스트 형태의 요약 청취), 오버뷰, 마인드 맵(소스 기반 개념 및 관계 구조화), 생성 맞춤 설정, 학습 가이드, FAQ 생성, 브리핑 문서, 타임라인(시간적 순서 정리), 소스 검색, 심화 질문 및 분석 등이 있다. AI 오디오 오버뷰 기능은 두 명의 팟캐스트가 대화 형식으로 소스 내용 중 중요한 부분을 6~7분 분량의 팟캐스트로 만들어 주며, 원하는 내용에 초점을 맞추어 생성할 수도 있다. 시각 장애인에게도 좋은 서비스로 생각된다고 언급되었다. FAQ 기능은 우리가 생각하지 못했던 질문을 많이 만들어 준다고 했다. 마인드 맵 기능은 주어진 소스를 기반으로 개념과 관계를 시각화하는 데 상당히 잘 작동한다고 했다. 타임라인 기능은 소스에 있는 여러 이벤트를 시간 순서대로 정리해 주는데 정말 훌륭하다고 했다. 활용 사례로는 새로운 개념 이해, 핵심 자료 수집, 스터디 메이트 역할(학습 계획 관리, 질문/답변 학습, 복습, 약점 보완, 동기 부여), 모의 시험 및 문제 풀이, 창의력 및 사고력 훈련, 논문 관련 작업(주제 선정, 배경 탐색, 선행 연구 정리, 개념 정립, 논리 구성, 글쓰기 초안, 피드백) 등이 제시되었다. 특히 장비 매뉴얼 이해나 유튜브 영상 내용 파악에 유용하며, 논문 작성을 위한 참고 문헌 제안 및 형식 정리에도 활용될 수 있다고 했다 새로운 개념을 이해하고 싶을 때나 중요한 질문에 대한 핵심 자료를 만들고 싶을 때 소스 검색 기능이 유용하다고 했다. 다만 노트북LM은 과제나 태스크를 대신해주는 도구가 아니라 도와주는 어시스턴트라는 점과 좋은 소스를 제공하는 것이 중요하다는 점이 강조되었다. 쓰레기를 집어넣으면 쓰레기가 나온다는 ‘Garbage In, Garbage Out’이라는 말이 있듯이. 노트북LM만 단독으로 사용하기보다 챗GPT, 제미나이(Gemini) 등 다른 툴과 함께 사용하는 것이 더 중요하다고 생각한다고 했다. 다른 툴로 좋은 소스를 만들어서 노트북LM에 넣어 활용하는 선순환 구조를 잘 활용하면 좋다고 했다. “성공하고자 하는 의지가 강하다면, 실패 따위가 나를 압도할 수 없다.” − 정광천, 이노비즈협회 회장   다양한 스터디 그룹의 시너지 : 연결과 성장의 기회 한국미래융합연구원은 정기적인 지식 공유 모임을 통해 AI를 비롯한 다양한 분야의 최신 트렌드와 비즈니스 인사이트를 공유하는 플랫폼 역할을 하고 있다. 정종기 박사는 AI 비즈니스 전문가로서 AI 대중화 시대에 지속 가능한 미래 준비, AI 활용 능력의 중요성, 그리고 AI 트랜스포메이션에 대한 강의를 진행하며 멤버들에게 영감을 주고 있다. 그는 AI가 기업 경영의 효율화와 비용 절감에 핵심적인 역할을 하며 제조 등 다양한 산업에 영향을 미치고 있음을 강조한다. AI에게 일을 잘 시키는 사람이 능력 있는 사람이라고 했다. 미모셀은 미래 모빌리티 분야의 전문가들이 모여 업계 동향 공유와 네트워킹을 하는 그룹이다. 자율주행 기술, 센서(라이다, 레이다), SDV(Software Defined Vehicle) 등 모빌리티와 AI가 접목되는 분야의 최신 정보를 공유하고 토론한다. 어려운 시기에도 서로 힘이 되고 지지하는 관계를 형성하며 연결의 중요성을 보여준다. 미모셀의 목표는 대표님들의 어깨를 가볍게 해 드리는 것이라고 했다. 이처럼 다양한 스터디 그룹은 AI 기술 자체뿐만 아니라 기술이 비즈니스, 커리어, 그리고 사회 전반에 미치는 영향에 대해 깊이 있게 논의하고 있다. 유발 하라리 교수는 초지능 AI가 인류를 파멸로 이끌 위험이 있지만 경쟁 때문에 개발 속도를 늦추지 못하며, AI는 단순 도구가 아닌 스스로 생각하고 결정하는 주체(agent)라고 했다. AI는 인간과 달리 휴식이 필요 없어 지속적으로 활동 가능하며, 알고리즘 속도를 인간의 속도에 맞게 조절해야 한다고 했다. 또한, AI는 인간을 대체해 불평등한 사회를 초래할 가능성이 있다고 했다. 이러한 예측 속에서 AI 활용 능력은 개인과 기업의 생존에 필수라는 메시지가 반복적으로 강조된다. “AI 활용 능력이 당신의 생존입니다.” − 정종기 박사, AI 비즈니스 전문가   맺음말 : 배움과 연결을 통한 미래 준비 AI 시대는 불확실성이 높지만 지속적인 학습과 유연성 개발, 광범위한 역량 개발을 통해 기회를 잡을 수 있다고 한다. 특히 기술 변화에 대한 적응력과 개인적인 열정을 바탕으로 오픈소스 도구 등을 활용해 실습하고 실험해보는 것이 중요하다. 데이터공작소와 같은 AI 스터디 그룹, 데이터공작소 개발TFT(서울팀)에서의 실질적인 기술 학습, 미모셀에서의 산업 지식 공유, 그리고 한국미래융합연구원에서의 비즈니스 및 트렌드 통찰은 이러한 미래를 준비하는 강력한 기반이 된다. 피곤함에도 불구하고 참여했던 이 스터디 그룹들에서 필자는 AI 기술의 최신 동향과 더불어 그것이 어떻게 실제 업무와 비즈니스에 적용될 수 있는지, 그리고 개인의 역량을 어떻게 발전시켜야 하는지에 대한 실질적인 답과 영감을 얻을 수 있었다. 기술 도입을 넘어 조직 문화와 일하는 방식을 근본적으로 전환할 용기를 가지고 AI를 경쟁 상대가 아닌 협업 파트너로 받아들일 준비를 하는 것, 그리고 배움과 연결을 멈추지 않는 것이 이 급변하는 시대에 생존하고 번영하는 길임을 다시 한 번 확인했다.   ■ 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. 

  INFOWORLD   Editorial 17　AI로 국가를 다시 짜는 시대   New Product  18　HP Z북 울트라 G1a 리뷰 / 최석영　AI 크리에이터와 3D 작업을 위한 최적화 22　HP Z북 울트라 G1a 리뷰 / 노병수　설계 엔지니어 관점에서 본 고성능 노트북 26　스마트 제조의 실현 위한 물류 디지털 트윈 설루션　PINOKIO 31　더욱 빠르고 스마트한 시각화 콘텐츠 제작 지원　언리얼 엔진 5.6 60　이달의 신제품   Focus  36　PLM/DX 베스트 프랙티스 컨퍼런스 2025, 제조 혁신을 위한 PLM과 AI 전략을 짚다 44　다쏘시스템, ‘3D익스피리언스 콘퍼런스’ 통해 AI 버추얼 트윈 시대의 혁신 비전 제시 47　가상제품개발연구회, 춘계 심포지엄에서 AI 전환 시대의 제품 개발 방향 논의 50　AI 기반 시뮬레이션 전략의 현주소, ‘ATC 코리아 2025’에서 확인하다   On Air 52　캐드앤그래픽스 CNG TV 지식방송 지상중계　AI 시대, 지식과 경험의 디지털 트윈 전략과 도구   Column 54　현장에서 얻은 것 No. 20 / 류용효　AI 스터디그룹(데이터공작소)에서 답을 찾다 58　디지털 지식전문가 조형식의 지식마당 / 조형식　인공지능 시대의 창의성 증폭, 협력과 영감, 깨달음의 격차   Case Study 67　유니티로 구현된 VR 자동차 수리 학습 경험　게임 기술이 충돌 수리 교육을 혁신하는 방법   62　New Books  64　News   Directory  123　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 70　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　파이썬 버전 라이브러리 p5 기반 3D 데이터 시각화 74　새로워진 캐디안 2025 살펴보기 (8) / 최영석　유틸리티 기능 소개 Ⅵ 77　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (4) / 천벼리　CAD에서 유기적인 BIM 및 DWG 도면 작업   Mechanical 80　제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (14) / 김주현　크레오 시뮬레이션 라이브의 개선사항   Manufacturing 86　제조산업의 경쟁력 강화를 위한 디지털화 전략 / 오병준　글로벌 제조업의 핵심, 포괄적 디지털 트윈   Reverse Engineering 90　시점 – 사물이나 현상을 바라보는 눈 (7) / 유우식　집단 관찰   Analysis 97　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (23) / 나인플러스IT　피델리티 LES로 항공 음향 예측의 속도와 정확성 가속화 100　최적화 문제를 통찰하기 위한 심센터 히즈 (5) / 이종학　실험 측정과 해석 결과 간의 오차 감소를 위한 캘리브레이션 분석 114　1D 열 관리를 위한 KULI의 신규 기능 업데이트 / 이대형　파이썬 활용 강화 및 p-h 선도 업그레이드   PLM 106　산업 디지털 전환을 가속화하는 버추얼 트윈 (4) / 최형완　항공/방위 산업의 스마트 유지보수 및 MRO 구현 110　BPMN을 활용하여 제품 개발의 소통과 협업 극대화하기 (5) / 윤경렬, 가브리엘 데그라시　클라우드 서버 환경에서 BPMN을 연결하는 설루션 탐구   Visualization 118　AI 크리에이터 시대 : 영상 제작의 새로운 패러다임 (4) / 최석영　AI 특수효과와 후반작업 마스터하기   캐드앤그래픽스 2025년 7월호 - 제조 혁신을 위한 PLM과 AI 전략 짚은 PLM/DX 베스트 프랙티스 컨퍼런스 from 캐드앤그래픽스   캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기