구글이 지능적인 오픈 AI 모델인 ‘젬마 4(Gemma 4)’를 선보인다. 젬마 4는 고급 추론과 에이전트 기반 워크플로를 위해 특수 설계되었으며, 파라미터당 높은 수준의 지능을 제공하는 것이 특징이다. 구글은 첫 번째 버전을 출시한 이후 개발자들이 젬마를 4억 회 이상 다운로드했으며, 10만 개 이상의 변형 모델로 구성된 젬마버스 생태계를 구축해 왔다고 밝혔다. 젬마 4는 이러한 개발자들의 요구를 반영해 AI의 가능성을 확장하는 방향으로 개발되었다. 구글은 개발자 생태계를 지원하기 위해 젬마 4를 상업적 활용이 가능한 아파치 2.0 라이선스로 제공한다고 밝혔다.  이 모델은 제미나이 3와 동일한 연구 및 기술을 기반으로 한다. 이용자의 하드웨어에서 직접 실행할 수 있는 강력한 성능을 갖췄으며, 개방형 모델과 폐쇄형 툴을 아우르는 조합을 제공한다. 구글은 젬마 4를 네 가지 크기로 제공한다. 효율성을 강조한 E2B(Effective 2B)와 E4B(Effective 4B), 그리고 대형 모델인 26B MoE와 31B Dense로 구성된다. 구글에 따르면 31B 모델은 업계 표준인 아레나 AI 텍스트 리더보드에서 오픈 모델 기준 3위를 기록했으며, 26B 모델은 6위에 올랐다. 젬마 4는 20배 큰 모델보다 우수한 성능을 보이기도 한다. 이러한 성능 향상을 통해 개발자는 적은 하드웨어 자원으로도 높은 수준의 AI 기능을 구현할 수 있다. 특히 에지 컴퓨팅 환경에서는 E2B와 E4B 모델이 온디바이스 활용성을 확장하며 멀티모달 기능과 낮은 지연 시간을 지원한다.   ▲ 4월 1일 기준 Arena.ai 챗 아레나에서 오픈 모델 성능 대비 크기 비교(출처 : 구글)   젬마 4는 안드로이드 기기부터 노트북 GPU, 개발자 워크스테이션까지 다양한 하드웨어에서 효율적으로 실행되고 미세 조정될 수 있도록 설계되었다. 주요 특징으로는 다단계 계획 수립이 가능한 고급 추론 기능과 함수 호출 및 구조화된 JSON 출력을 지원하는 에이전트 기반 워크플로가 꼽힌다. 또한 고성능 오프라인 코드 생성 역량을 갖춰 개인 워크스테이션을 AI 코드 어시스턴트로 활용할 수 있다. 모든 모델은 비디오와 이미지를 기본 처리하며 140개 이상의 언어를 지원한다. 컨텍스트 윈도는 모델 크기에 따라 128K에서 최대 256K까지 제공한다. 하드웨어 환경에 따른 최적화도 이루어졌다. 26B 및 31B 모델은 개인용 컴퓨터에서 오프라인 기반의 높은 지능을 구현한다. 단일 80GB 엔비디아 H100 GPU나 일반 소비자용 GPU에서도 구동이 가능하다. 모바일과 IoT 기기를 위한 E2B 및 E4B 모델은 메모리 사용량과 배터리 소모를 최소화하도록 설계되었다. 픽셀 팀과 퀄컴, 미디어텍 등 하드웨어 파트너와의 협업을 통해 스마트폰과 라즈베리 파이 등에서도 지연 시간 없이 오프라인으로 실행된다. 신뢰성과 안전성 측면에서도 구글의 독점 모델과 동일한 보안 프로토콜이 적용된다. 개발자는 구글 AI 스튜디오나 구글 AI 에지 갤러리에서 젬마 4를 직접 탐색할 수 있으며, 허깅 페이스, 캐글, 올라마 등을 통해 모델 가중치를 다운로드할 수 있다. 구글 클라우드의 버텍스 AI와 클라우드 런 등을 통한 서비스 확장도 가능하며, 엔비디아와 AMD GPU 등 다양한 하드웨어 플랫폼에서 최적화된 성능을 제공한다.

인텔은 독일 뉘른베르크에서 열리는 ‘임베디드 월드 2026’에서 에지 애플리케이션용 산업용 플랫폼인 ‘인텔 코어 프로세서 시리즈 2’를 공개했다.  인텔 코어 시리즈 2 프로세서는 현대 산업 환경이 직면한 핵심 과제를 해결하도록 설계됐다. 산업 현장은 안전 필수 제어 시스템부터 실시간 데이터 처리까지 다양한 중요 워크로드를 동시에 처리해야 한다. 이때 정밀한 타이밍과 결정론적 성능을 유지하는 것이 중요하다. 기존 프로세서는 연산 성능과 실시간 신뢰성 중 하나를 선택해야 하는 경우가 많았다. 이 때문에 비용과 시스템 복잡도를 높이는 다중 프로세서 아키텍처가 요구됐다. 인텔 코어 시리즈 2 프로세서는 이러한 한계를 근본적으로 개선하기 위해 설계됐다. 인텔은 “이 제품은 AMD 라이젠 7 9700X 대비 최대 4.4배 낮은 최대 PCIe 지연 시간을 제공한다. 확정적 응답 시간은 최대 2.5배 향상됐다. 확정적 성능은 최대 3.8배, 멀티스레드 성능은 최대 1.5배 개선됐다. 이를 통해 산업 현장에서 요구되는 성능과 안정성을 동시에 충족한다”고 전했다.     이와 함께 인텔은 최신 헬스케어 및 생명과학용 에지 AI 제품군인 ‘헬스케어 및 생명과학 AI 스위트’의 프리뷰 버전을 발표했다. 이 제품군은 AI 기반 환자 모니터링 설루션을 위한 검증된 레퍼런스 파이프라인과 벤치마킹 도구를 제공한다. 현재 환자 수 증가와 의료 인력 부족 현상이 심화되고 있다. 이에 따라 환자 모니터링은 단일 디바이스를 넘어 지능형 연결 생태계로 빠르게 진화하고 있다. 보다 빠른 인사이트 도출과 안정적인 운영을 지원하는 AI 기반 설루션 수요도 확대되는 추세다. 이 스위트는 AI 기반 심전도(ECG) 부정맥 탐지 기능을 보여준다. 원격 광혈류측정이나 익명화된 3D 시각적 추적 등 멀티모달 워크로드도 인텔 프로세서에서 로컬로 실행된다. 이를 통해 OEM, ODM, ISV는 실제 사용 환경을 반영한 시나리오 기반으로 플랫폼을 평가할 수 있다. 인텔은 최근 출시된 코어 울트라 시리즈 3 프로세서와 P-코어를 탑재한 인텔 코어 시리즈 2 프로세서가 자사의 포괄적인 에지 포트폴리오를 입증한다고 전했다. 신규 헬스케어 및 생명과학 에지 AI 스위트는 확정적 실시간 제어부터 고도화된 AI 가속에 이르는 폭넓은 고객 요구를 충족한다. 인텔은 제조업과 헬스케어 등 전반적인 에지 애플리케이션에서 혁신을 가속화할 것으로 기대하고 있다. 인텔 코어 울트라 시리즈 3 및 P-코어를 탑재한 인텔 코어 시리즈 2 기반 에지 시스템은 현재 구매할 수 있다. 헬스케어 및 생명과학 에지 AI 스위트의 프리뷰 버전은 깃허브(GitHub)에서 제공된다. 정식 출시 시기는 2026년 2분기 중으로 예정되어 있다. 인텔의 댄 로드리게즈(Dan Rodriguez) 에지 컴퓨팅 그룹 총괄 부사장은 “에지 컴퓨팅은 인텔의 가장 빠르게 성장하는 사업 부문 중 하나로, 인텔은 해당 시장을 지속적으로 선도하고 있다”며, “인텔 코어 시리즈 2와 CES에서 공개한 인텔 코어 울트라 시리즈 3, 그리고 에지 AI 스위트 확장을 통해 획기적인 성능과 신뢰성, 통합된 AI 가속 기능을 갖춘 포괄적인 플랫폼을 지속적으로 제공함으로써 다양한 에지 고객 요구를 충족하고 있다”고 밝혔다.

콘택트 소프트웨어(CONTACT Software)가 까다로운 산업 환경을 위한 강력하고 확장 가능한 AI 인프라를 선보인다. ‘콘택트 푸리에 AI(CONTACT Fourier AI)’는 AI 기술과 데이터 주권, 그리고 엔지니어링 및 제조 인텔리전스를 결합하여 개발, 생산, 서비스 분야에서 최적의 효율과 속도를 제공하는 데에 초점을 맞추었다. 산업 기업들에게 인공지능(AI)은 더 이상 미래의 비전이 아니다. 대신 이 기술을 안전하고 효율적이며 수익성 있게 사용해야 하는 과제에 직면해 있다. 콘택트 소프트웨어는 “일반적인 AI 도구들은 실질적인 가치를 제공하기보다 산업적 요구사항을 충족하지 못하고, 데이터와 시스템 환경을 파편화하며, 운영 비용을 높이고 데이터 주권을 훼손하는 한계가 있다”면서, “푸리에 AI를 통해 차세대 산업 가치 창출을 위한 기술적 토대를 제공한다”고 소개했다.     푸리에 AI 아키텍처는 기계 및 플랜트 엔지니어링, 자동차 부문, 높은 준법 감시가 요구되는 산업의 복잡한 요구사항에 맞춰 설계되었다. 이는 제품 수명 주기의 모든 단계에 AI를 안착시키고 생산성을 높인다. 푸리에 AI는 퍼블릭 클라우드, 프라이빗 클라우드 또는 온프레미스 환경에서 멀티모달 데이터를 맥락에 맞게 원활하게 사용할 수 있는 도메인 특화 AI 애플리케이션을 제공한다. 콘택트 소프트웨어의 프랑크 파츠 브로크만(Frank Patz-Brockmann) CTO는 “산업용 AI는 소비자용 애플리케이션과 요구사항이 다르기 때문에 푸리에를 개발했다”면서, “예를 들어 유사한 부품을 찾는 엔지니어에게는 기하학적 구조, 재료, 제조 공정을 정밀하게 이해하는 AI가 필요하다”고 설명했다. 이를 위해 푸리에 AI는 선도적인 AI 모델과 까다로운 엔지니어링 작업을 위해 콘택트가 개발한 전문화된 AI 애플리케이션을 결합한다. ‘푸리에 오케스트레이터(Fourier Orchestrator)’는 타사 제공 모델, 오픈 소스, 자체 개발 모델 중에서 각 작업에 가장 적합한 모델을 동적으로 자동 선택한다. 이는 시간을 절약할 뿐만 아니라 사용 현황에 대한 투명한 개요와 정밀한 비용 제어를 제공한다. 콘택트 소프트웨어는 자사의 산업용 AI가 갖는 강점으로 모듈형 플랫폼인 ‘콘택트 엘리먼츠(CONTACT Elements)’와의 상호작용을 꼽았다. 푸리에 AI는 플랫폼의 엔드 투 엔드 아키텍처에 지능형 계층으로 통합되어 모든 엔지니어링 프로세스와 데이터를 분야 전반에 걸쳐 맥락에 맞게 제공한다. 이를 통해 AI 애플리케이션은 초기 고객 요구사항부터 완성된 조립품이나 제품에 이르기까지 제품 개발 프로세스에 대한 통합적 이해를 바탕으로 신뢰할 수 있는 결과를 도출한다. 플랫폼의 기존 보안 정책과 액세스 권한은 자동으로 채택되며, 모든 작업은 감사 증명이 가능한 방식으로 포괄적으로 문서화된다. 이는 최대한의 규정 준수와 감사 보안을 보장한다. 콘택트 소프트웨어는 푸리에 AI가 ‘설계에 의한 보안(Security by Design)’ 원칙에 따라 개발되었으며 완전한 데이터 주권을 제공한다고 소개했다. 푸리에 AI 아키텍처는 민감한 엔지니어링 데이터가 로컬로 남아 있게 하는 동시에, 연산 집약적인 AI 작업은 GDPR을 준수하는 안전한 클라우드 환경에서 익명으로 실행되도록 한다. 이는 고객의 데이터와 노하우를 최대한 보호하기 위한 것이며, 콘택트 엘리먼츠의 역할 및 권한 개념은 AI가 해당 사용자가 권한을 가진 정보에만 접근하도록 한다. 콘택트 소프트웨어의 칼 하인츠 자크리스(Karl Heinz Zachries) CEO는 “푸리에 AI는 AI를 전략적 성공 요인으로 만든다”면서, “뛰어난 자동화 역량 덕분에 기업은 더 빨라지고 생산성을 높일 수 있으며, 오늘날 글로벌 경쟁에서 인건비 불리함이 덜 중요해질 것”이라고 밝혔다.

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.

캐드앤그래픽스 지식방송 CNG TV 지상 중계   캐드앤그래픽스가 2025년 12월로 창간 32주년을 맞아 신년 특집방송을 마련했다. 디지털지식연구소 조형식 대표 사회로 1월 12일 진행된 줌 방송에서는 CNG TV 기획 및 진행을 맡고 있는 전문 위원들(강태욱, 류용효, 최성권)과 함께 생성형 AI가 산업에 미친 영향과 스마트 제조, 건축, 제품디자인과 3D프린팅 등 2025년 엔지니어링 업계의 트렌드를 정리하고, 2026년을 전망하는 이야기를 나눴다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   건설 산업 : AI 에이전트와 데이터 중심의 스마트 시공으로의 진화 건설 분야의 기술 혁신을 이야기한 한국건설기술연구원의 강태욱 전문위원은 2025년의 혼란을 뒤로 하고 2026년 건설업계가 직면할 새로운 기술적 지평을 제시했다. 그는 2025년 건설업계가 공급망의 디커플링과 원자재 가격 상승, 그리고 심각한 숙련공 부족 현상으로 인해 전례 없는 위기를 겪었다고 이야기했다. 특히 중대재해법과 관련된 안전 리스크 관리가 업계의 사활을 결정짓는 핵심 요소가 되었다. 강 위원은 이러한 위기 극복의 해답으로 AI 에이전트의 현장 도입을 강조했다. 그는 “AI를 사용하지 않으면 요즘에는 바보가 된다는 느낌도 든다”며, “생산성 자체가 워낙 차이가 나다 보니 이제는 본격적인 AI 에이전트 시대로 변해가고 있다”고 진단했다. 특히 과거의 디지털 트윈이 단순히 데이터를 시각화하는 수준이었다면, 2026년의 스마트 건설은 AI가 수많은 센서 데이터와 LMM(대형 멀티모달 모델)을 결합해 실시간으로 현장의 위험을 예측하고 해법을 제시하는 단계에 이를 것으로 보인다고 전했다. 강 위원은 이에 대해 “사용자가 궁금한 것을 모델에 물으면 예전에는 수동으로 필터링해서 확인해야 했지만, 이제는 AI 에이전트가 LMM과 엮여서 원하는 대답을 즉석에서 해주는 방식으로 발전하고 있다”면서, 데이터 기반의 의사 결정 시스템이 건설 현장의 표준이 될 것임을 예고했다.   ▲ 2026년 AI와 결합한 건설 분야의 혁신   제조 IT : 클라우드 기반의 AX 혁신과 사람 중심의 엔지니어링 제조 IT 및 스마트 엔지니어링 분야를 소개한 디원 류용효 상무는 DX(디지털 전환)를 넘어 AX(인공지능 전환) 시대로 진입하는 제조 기업의 생존 전략에 대해 발표했다. 류 상무는 현재 글로벌 제조 설루션 시장이 클라우드와 SaaS(서비스형 소프트웨어)를 중심으로 급격히 재편되고 있으며, 이를 통해 AI가 단순한 도구를 넘어 ‘지능형 비서’로서 설계와 생산 전반에 깊숙이 관여하고 있다고 분석했다. 그는 특히 국내 기업들이 AI 혁신에 성공하기 위해서는 인프라의 근본적인 변화가 선행되어야 함을 지적하며, “우리 기업이 정말 AI를 위해서 혁신을 해야 되겠다고 한다면 제일 먼저 클라우드를 깔아야 한다는 것이 2026년에 고려해야 할 가장 큰 이정표”라고 역설했다. 이는 데이터의 파편화를 막고 AI가 학습할 수 있는 통합된 환경을 구축하는 것이 AX 시대의 핵심이라는 뜻이다. 한편 류 상무는 기술 만능주의에 대한 경계도 늦추지 않아야 한다고 짚었다. 그는 기술의 화려함보다 중요한 것은 결국 현장의 업무 효율을 높이는 실질적인 가치라는 점을 분명히 했다. 그는 “AI 기술에 너무 포커스하기보다는 사람이 어떻게 일을 하는 데 도움을 주는가 하는 쪽으로 기술의 방향이 맞춰지고 있다”고 언급하며 인간과 AI의 조화로운 협업 모델을 강조했다.   ▲ 미래의 엔지니어링은 어떻게 변화할 것인가?   적층제조 : 3D 프린팅의 양산 체제 돌입과 피지컬 AI의 결합 적층제조(AM) 및 디자인 분야를 소개한 홍익대 최성권 교수는 3D 프린팅이 더 이상 시제품 제작에 머무는 기술이 아니라는 점을 강조하며 산업 지형의 변화를 설명했다. 30년 이상의 역사를 가진 3D 프린팅 기술은 이제 항공우주, 국방, 의료 분야에서 최종 부품을 직접 생산하는 양산 체제로 완전히 진입했으며, 특히 파트 통합과 경량화 기술인 DfAM(적층제조를 위한 설계)의 발전이 이를 가속화하고 있다. 최 교수는 “3D 프린팅 산업은 시제품 제작에서 최종 부품 양산이라는 개념으로 체제가 완전히 변했으며, 이제는 과도기를 지나 대량 생산도 가능한 단계에 이르렀다”고 보았다. 특히 2026년에는 AI가 소프트웨어 밖으로 나와 물리적 실체와 결합하는 ‘피지컬 AI’ 트렌드가 3D 프린팅과 강력한 시너지를 낼 것으로 전망된다. 휴머노이드 로봇이나 맞춤형 스마트 가전의 폭발적인 수요는 복잡한 형상을 빠르게 제작할 수 있는 3D 프린팅 기술 없이는 실현 불가능하기 때문이다. 최 교수는 “피지컬 AI 시대는 3D 프린팅이 그 잠재력을 다시 세상에 내놓는 시기가 될 것이며, 가상 세계의 혁신이 실제 물리적인 제품으로 구현되는 시점에 새로운 비즈니스 포인트가 있다”고 설명하며, 적층제조가 미래 제조 산업의 핵심 인프라로 자리 잡았음을 강조했다.   ▲ 엔지니어링 업계 트렌드와 AX 시대 2026 전망   AI를 통한 조직의 변화와 ‘실행’의 시대로 이번 방송을 마무리하며 조형식 대표는 각 분야별 전문가들의 논의를 종합하고 엔지니어링 업계가 가져야 할 태도에 대해 제언했다. 조 대표는 AI가 단순히 인간의 일자리를 뺏는 위협이 아니라, 조직의 구조를 효율적으로 재편하고 인간의 통찰력을 극대화할 수 있는 기회라는 점을 분명히 했다. 그는 특히 그동안의 AI 탐색과 학습 기간을 거쳐 이제는 실질적인 성과를 내야 하는 시점임을 강조하며, “올해는 몇 년 동안 배운 AI 지식에서 ‘Learn(배우다)’의 ‘L’을 떼버리고 ‘Earn(벌다)’의 시대로 가야 한다”는 메시지를 던졌다. 즉, AI를 통해 기업의 가치를 높이고 실제적인 수익을 창출하는 실행력이 2026년 엔지니어에게 가장 필요한 역량이라는 것이다. 끝으로 조 대표는 AI는 확률적으로 답을 내놓을 뿐 맥락(context)을 완벽히 이해하지 못하기 때문에, 파편화된 지식을 하나로 관통하는 ‘디지털 스레드(digital thread)’를 구축하고 이를 관리하는 인간 전문가의 경험과 지혜가 AX 시대에 더욱 값진 자산이 될 것이라고 정리하며 방송을 마쳤다.       ■ 기사 내용은 PDF로도 제공됩니다.

디지털 지식전문가 조형식의 지식마당   매년 산업과 기술에 관심 있는 사람들 사이에서 회자되는 행사가 미국에서 열리는 CES와 독일에서 열리는 하노바 산업박람회이다. 다양한 기술과 트렌드를 주장하지만, 대부분의 사람에게는 곧 잊혀지는 이벤트이다. 최근 라스베이거스에서 막을 내린 CES 2026의 슬로건은 ‘혁신가들의 등장(Innovators Show Up)’이었다. 이번 전시회는 단순한 기술의 과시를 넘어, 인공지능이 실험실을 떠나 우리의 산업 현장과 일상에 완전히 뿌리내리는 실행의 시대가 도래했음을 선언했다. CES 2026에서 가장 압도적인 키워드는 단연 ‘에이전틱 AI(agentic AI)’였다. 과거의 AI가 인간의 질문에 답하는 챗봇 형태였다면, 이제는 스스로 목표를 이해하고 계획을 세워 실행까지 마치는 ‘자율적 대리인’으로 진화했다. 이번 CES에서는 소프트웨어 속에만 존재하던 AI가 로봇의 몸을 빌려 현실 세계로 튀어나온 피지컬 AI(physical AI)의 약진이 돋보였다. AI는 이제 나보다 나를 더 잘 아는 초개인화(hyper-personalization) 단계에 진입했다. 참고로 2025년 하노버 산업박람회는 AI와 지속 가능성이 더 이상 실험실의 논의가 아닌, 제조 현장의 실질적인 비즈니스 백본(business backbone)으로 자리 잡았음을 선언했다. 이번 행사에서 반복적으로 강조된 디지털화(digitalization), 자동화(automation), 전기화(electrification)라는 세 줄기의 기술 흐름은 하나의 지향점, 즉 ‘지능형 지속 가능한 공장’으로 수렴하고 있다. 그러나 이 두 행사에서 우리 사회와 산업에 보내는 메세지는 디지털 동료(digital colleague)가 도래했다는 것이고, 이것은 현재의 우리 사회에 커다란 변화를 요구할 지도 모른다. <그림 1>에서는 2026년 인공지능 기술의 주요 트렌드를 다섯 가지 핵심 영역으로 분류하여 미래 전망을 제시한다. 인공지능이 단순한 도구를 넘어 자율적인 디지털 동료로 진화하며 인간과 긴밀히 협업하고, 추론 중심 모델과 멀티모달 기술을 통해 기술적 완성도가 더욱 높아질 것으로 분석된다. 특히 의료, 과학 연구, 고객 서비스 등 산업 전반의 자동화가 가속화되는 동시에, 이를 뒷받침하기 위한 보안 체계와 거버넌스의 중요성도 강조하고 있다. 또한 전력과 반도체 같은 인프라 경쟁과 국가 간의 기술 격차 문제를 시장의 주요 변수로 다루며, AI 생태계의 복합적인 변화를 설명한다. 결과적으로 미래 경쟁력은 개인과 조직이 이러한 AI 에이전트를 얼마나 능숙하게 활용하고 관리하는지에 의해 결정될 것임을 시사한다.   그림 1. 2026년 5대 핵심 인공지능 트렌드   우리는 지금 인공지능과 인간의 관계가 근본적으로 재정의되는 변화의 변곡점에 서 있다. 지금까지의 AI가 우리가 던진 질문에 답을 내놓는 ‘똑똑한 도구’였다면, 다가오는 2026년의 AI는 스스로 계획하고 실행하는 ‘능동적 동료’로 진화할 것이다. 인공지능 기술이 단순한 질의응답을 넘어 스스로 판단하고 실행하는 ‘자율적 에이전트’로 진화함에 따라, 기업이 보유한 지식을 어떻게 구조화하느냐가 핵심 경쟁력으로 부상하고 있다. 특히 조직 내부에 잠재된 노하우인 ‘암묵지’를 AI가 이해할 수 있는 ‘형식지’로 전환하는 과정은 더 이상 선택이 아닌 필수이다. 2026년, 인공지능이 단순한 도구를 넘어 우리와 함께 일하는 능동적 동료로 자리 잡기 위해서는 기업 내부에 흩어진 무형의 자산을 어떻게 데이터화하는지가 관건이다. <그림 2>는 기업의 암묵지를 형식지로 전환하여 인공지능이 즉시 활용 가능한 상태로 만드는 ‘지식 구조화 4단계 프로세스’를 제시하고 있다.   그림 2. 지식 구조화 4단계 프로세스   지식 구조화의 결과물인 온톨로지는 자율적 에이전트가 환각(hallucination) 없이 소통하고 협업하기 위한 필수 조건이다. 자율적 에이전트가 맥락을 정확히 이해하고 자율적으로 실행하기 위해서는 데이터의 의미와 관계가 정의된 온톨로지 파운데이션(ontology foundation)이 탄탄해야 한다. 성공적인 AI 도입을 원하는 기업은 단순히 대규모 언어 모델을 도입하는 데 그치지 않고, 자사의 고유한 지식을 어떻게 논리적으로 구조화하여 AI의 두뇌로 이식할 것 인지에 대한 전략적 접근이 필요하다.   그림 3. 인공지능 온톨로지   온톨로지의 핵심 역할 소통 프로토콜(protocol) : 서로 다른 AI 에이전트 간에 오해 없는 정보 교환을 가능하게 하는 표준이 된다. 추론의 근거(reasoning) : 단순한 통계적 확률이 아니라, 정의된 논리적 관계에 기반하여 의사결정을 내릴 수 있도록 지원하며 이는 설명 가능한 AI(XAI)의 토대가 된다. 지식의 지도(context map) : 암묵지를 형식지로 변환하여 데이터의 의미와 관계, 업무 인과관계를 명확히 규정한다. 2026년의 기업 경쟁력은 단순히 어떤 AI 모델을 쓰느냐가 아니라, 자사의 고유한 지식을 얼마나 정교하게 구조화했느냐에서 결정될 것이다. 4단계 프로세스는 기업이 AI를 통해 혁신을 달성하기 위한 가장 구체적인 이정표가 될 것이다. 개인의 경쟁력은 AI가 업무의 실행을 담당하게 되면서, 인간의 역할은 직접 실무를 수행하는 ‘Doer’에서 AI 팀을 관리하고 조율하는 ‘지휘자(orchestrator)’로 근본적인 변화를 맞이한다. 결국 미래의 경쟁력은 AI 기술 자체보다 AI 에이전트를 얼마나 능숙하게 다루고 육성하느냐에 달려 있다. 조직의 지식을 온톨로지 기반으로 체계화하고, 구성원들이 숙련된 지휘자로서의 역량을 갖출 때 비로소 AI는 단순한 도구를 넘어 진정한 디지털 동료로서 기능할 수 있을 것이다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘ PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

엔비디아가 RTX 프로(RTX PRO) 5000 72GB 블랙웰(Blackwell) GPU를 정식 출시하고, 메모리 옵션을 확대해 데스크톱 에이전틱 AI를 지원한다고 밝혔다. 엔비디아는 이번 신제품을 통해 블랙웰 아키텍처 기반의 에이전틱, 생성형 AI 기능을 전 세계 더 많은 데스크톱과 전문가에게 제공하겠다는 계획이다. 새롭게 공개된 GPU 구성은 AI 개발자, 데이터 과학자, 크리에이티브 전문가들이 최신 대용량 메모리 기반 워크플로를 수행하는 데 필요한 하드웨어를 제공한다. AI 개발자는 기존의 엔비디아 RTX 프로 5000 48GB 모델과 이번 72GB 모델 중 선택할 수 있는 유연성을 통해, 다양한 예산과 프로젝트 요구사항에 맞춰 시스템을 최적화할 수 있다.     생성형 AI가 점차 복잡한 멀티모달 에이전틱 AI로 진화하면서, 이러한 기술을 개발하고 배포하기 위한 하드웨어 요구사항도 높아지고 있다. 그 중 하나가 메모리 용량이다. 특히 대규모 언어 모델(LLM)과 AI 에이전트를 포함한 최첨단 AI 워크플로를 실행할 때 GPU 메모리에 부담이 가해진다. 이는 모델, 컨텍스트, 윈도우, 멀티모달 파이프라인의 규모와 복잡성이 증가함에 따라 더욱 심화된다. 에이전틱 AI 시스템은 툴 체인, 검색 증강 생성(RAG), 멀티모달 이해 기능을 포함한다. 이러한 시스템은 종종 여러 AI 모델, 데이터 소스, 다양한 코드 형식을 GPU 메모리 내에서 동시에 활성화 상태로 유지해야 한다. RTX 프로 5000 72GB는 2142 TOPS의 AI 성능을 제공해 이러한 병목 현상을 해결한다. 엔비디아 블랙웰 기반으로 설계된 이 모델은 멀티 워크로드 스케줄링과 다양한 아키텍처 혁신을 통해 AI, 뉴럴 렌더링, 시뮬레이션에 높은 처리량을 제공한다. 또한 72GB의 초고속 GDDR7 메모리를 탑재해 기존 48GB 모델 대비 50% 향상된 메모리 용량을 제공함으로써, 개발자는 더 큰 규모의 모델을 로컬 환경에서 훈련, 파인튜닝(fine-tune), 프로토타이핑할 수 있다. 이를 통해 사용자는 데이터 프라이버시를 유지하면서 낮은 지연 시간과 비용 효율을 확보할 수 있다. 또한 AI 작업을 데이터센터급 인프라에 의존하지 않고, 워크스테이션에서 직접 모델을 활용할 수 있다. 엔비디아는 RTX 프로 5000 72GB가 “업계 표준 생성형 AI 벤치마크 기준으로 이미지 생성 기능이 이전 세대 엔비디아 하드웨어 대비 3.5배, 텍스트 생성 성능은 2배 향상됐다”고 소개했다.  또한 “아놀드(Arnold), 카오스 V-레이(Chaos V-Ray), 블렌더(Blender)와 같은 패스 트레이싱 엔진부터 D5 렌더(D5 Render), 레드시프트(Redshift) 등 실시간 GPU 렌더러 전반에서 렌더링 시간을 최대 4.7배 단축한다. 컴퓨터 지원 엔지니어링과 제품 설계 분야에서는 2배 이상의 그래픽 성능을 제공한다”고 전했다.

이미지 출처: Gemini  SAS(쌔스)가 2026년이 AI에 대한 대대적인 '현실 점검'의 해가 될 것이라고 전망했다. SAS는 2025년 한 해 동안 AI 분야의 놀라운 발전과 성공에도 불구하고, 잠재적인 AI 거품, 에너지 위기, 그리고 생성형 AI 파일럿 프로젝트의 기대 이하 성과에 대한 우려가 커지고 있다고 밝혔다. SAS 전문가들은 2026년이 AI로부터 실질적인 ROI(투자수익률)를 실현하고 윤리적, 경제적 난제를 정면으로 마주해야 하는 '중요한 심판대'가 될 것이라고 내다봤다. 이러한 미래에 대한 우려와 동시에 낙관적인 기대감도 존재한다. SAS 리더들은 전진을 위한 핵심 요소로 '책임성'을 강조했다. 즉, AI 공급자와 이를 사용하는 조직 모두가 책임감을 가지고 AI를 적용해야 한다는 것이다. 데이터 관리의 기본을 충실히 하고 신뢰할 수 있는 AI를 수용하는 것이야말로 기술이 성숙기에 접어들고, 조직을 강화하며 혁신을 가속화할 유일한 길이라고 SAS는 전했다.   2026년 AI 시장 주요 전망 SAS의 데이터 및 AI 리더들이 제시하는 2026년 주요 전망은 다음과 같다. 1. AI 시장의 심판: 책임 있는 혁신에 대한 요구 증대 2026년은 AI 시장의 심판이 시작되는 해가 될 것으로 보인다. AI에 대한 과도한 기대가 거버넌스와 충돌하며, 책임 있는 혁신만이 살아남는 시점이 도래할 것이다. 일관된 ROI와 투명한 감독에 대한 요구는 더욱 증가할 것이며, 검증되지 않은 허황된 프로젝트들은 자연스럽게 폐기될 것이다. 기업들은 기본이 되는 데이터 오케스트레이션, 견고한 모델링, 설명 가능한 거버넌스에 투자를 재집중하게 될 것이다. 과대평가된 기술은 사라지고, 측정 가능한 효과와 운영의 엄격함을 갖춘 책임 있는 AI가 그 자리를 차지하게 될 것이라는 전망이다. 이 과정이 얼마나 강도 높게 진행될 것인지, 그리고 AI의 진정한 르네상스가 언제 시작될지에 대한 의문은 계속될 것으로 예상된다. 2. AI 지출의 대격변: 실질적인 ROI 요구 ChatGPT 래퍼와 같은 기술에 수십억 달러가 투입된 후, 이제 CFO들은 실질적인 ROI를 요구하고 있다. 그러나 대부분의 생성형 AI 프로젝트에서 ROI 달성은 어려울 것으로 예상된다. 'AI 혁신'이라는 명목으로 예산 집행이 정당화되던 시기는 지났다. 이제 쿼리당 비용, 정확도, 측정 가능한 비즈니스 성과에 대한 확인과 분석이 필수가 될 것이다. 6개월에서 12개월 내에 구체적인 비용 절감, 매출 성장 또는 생산성 향상을 입증하지 못하는 기업은 AI 이니셔티브가 중단되거나 공급업체를 교체하게 될 것이다. 3. 에이전틱 AI, 손익에 대한 책임 갖게 될 것 포춘 500대 기업들은 2026년 말까지 고객 상호작용의 4분의 1 이상을 에이전틱 시스템이 자율적으로 처리할 것으로 전망했다. 이 에이전트들은 단순 상담을 넘어 측정 가능한 매출 효과를 발생시킬 것이다. 그 결과 '최고 에이전트 책임자(Chief Agent Officer)'와 같은 새로운 역할이 생겨날 것으로 예상된다. 그러나 자율 시스템이 매출을 주도하게 되면 대규모 '에이전트 장애' 발생 시 막대한 여파를 초래할 수 있으며, 이로 인한 다운타임은 기업 매출에 직접적인 타격을 주게 될 것이다. 4. 새로운 동료, 에이전틱 AI의 등장 2026년, 기업은 AI 에이전트가 더 이상 도구가 아닌 팀원이 되는 새로운 생태계로 진입하게 될 것이다. 사람과 AI가 혼합된 팀으로 운영되며, 에이전트는 신뢰할 수 있는 협력자로서 업무를 수행하고, 업무 맥락을 공유하며 사람들과 함께 지속적으로 학습하게 될 것이다. 5. AI 대체론보다 AI 역량 강화론의 부상 AI를 사용해 일자리를 없앨 것인가, 아니면 AI로 사람들에게 힘을 실어 경쟁 우위를 창출할 것인가? 2026년 리더들은 이 두 가지 선택지 사이에서 고민하게 될 것이다. 점점 더 명확해지는 사실은 AI는 사람을 대체하는 것이 아니라 사람의 역량을 강화한다는 것이다. 기업은 지속적인 변화를 통해 인력에 투자할 수 있는 대담하고 주도적인 리더를 필요로 하게 될 것이다. 6. 합성 데이터, AI 패권의 새로운 전장으로 부상 합성 데이터는 단순한 임시방편이 아니라, 데이터 부족, 프라이버시 제한, 컴플라이언스 병목에 맞서는 전략적 무기다. 2026년에는 데이터 군비 경쟁이 벌어질 것이며, 기업들은 멀티모달 현실 데이터뿐만 아니라 얼마나 확신 있게 데이터를 생성할 수 있는지를 놓고 경쟁하게 될 것이다. 실제와 같은 정교함을 갖추고, 실험적 기능에서 벗어나 비즈니스 우위를 창출하는 대규모 전환에 성공하는 기업이 승자가 될 것이다. 7. CIO, '최고 통합 책임자(Chief Integration Officer)' 시대로의 전환 2026년 CIO들이 에이전틱 AI의 미래를 준비하는 주역이 되면서, 기존의 기술 제공자에서 에이전틱 AI를 위한 '통합자'로 역할이 달라질 것이다. 이는 '최고 통합 책임자'로의 전환을 의미한다. 에이전트가 주도하는 세상에서 IT 아키텍처의 미래를 설계하기 위해, AI 거버넌스, 통합, 그리고 부서 간 리더십이 CIO들의 일상 업무가 될 것이다. 8. 양자 컴퓨팅에 대한 기대감 증폭 2026년 양자 시장은 관련 기술이 2030년까지 초기 단계의 가치를 실현할 것이라는 기대감과 함께 더욱 뜨거워질 것이다. 투자자들은 하드웨어와 포스트-양자 암호화에서 벗어나 소프트웨어와 애플리케이션에 더 큰 비중을 두게 될 것으로 예상된다. 한편, 실제 양자 가치를 구현하는 소프트웨어 및 애플리케이션 계층을 포함해 전체 스택을 포괄하는 '양자 아키텍처(Quantum Architecture)'라는 용어에 주목할 필요가 있다. 이러한 미래에 대응하기 위해 전문 인력 채용이 급증할 것으로 예상된다. 국내 시장 전망 및 SAS의 역할 SAS코리아((한국쌔스소프트웨어) 이중혁 대표이사는 "전 세계적으로 AI 투자에 대한 ROI와 신뢰성 확보 요구가 높아지는 가운데, 국내 기업들도 AI 도입에 대해 단기적, 실험적 접근에서 중장기적, 전략적 관점으로 전환하고 있다"라고 말했다. 또한 "단순 업무에 적용되던 대규모 언어 모델(LLM) 기반 생성형 AI의 비즈니스 수익 개선 효과에 의문을 제기하는 조직이 늘어나면서, 대안으로 에이전틱 AI를 고려하는 움직임이 확산되고 있다"고 설명했다. 그는 2026년 국내 시장 전망에 대해 "금융권에서는 리스크 관리, 내부통제, ALM(자산, 부채 종합관리) 등 전문 영역에서 AI 적용을 확대해 실질적 ROI를 확보하려는 시도가 더욱 활발해질 것이며, 공공 분야는 디지털플랫폼정부 2.0을 중심으로 AI, 클라우드, 보안 투자가 강화되는 동시에, 에이전틱 AI 기반 업무 효율화와 합성 데이터의 활용이 AI 투자의 핵심이 될 것"이라고 전망했다. 이중혁 대표이사는 내년도 사업에 대해 "글로벌 성공 사례를 기반으로 국내 고객들이 AI 거버넌스를 확보하고 비즈니스 가치를 창출할 수 있도록 금융, 공공 부문 솔루션과 전문 서비스를 통해 적극 지원하겠다"고 강조했다.