인텔은 IBM 클라우드가 클라우드 서비스 제공사로는 처음으로 인텔 가우디 3(Intel Gaudi 3) AI 가속기 기반 상용 서비스를 제공한다고 밝혔다. 인텔은 이로써 클라우드 서비스 고객이 고성능 인공지능 역량을 보다 쉽게 활용할 수 있도록 지원하고, AI 특화 하드웨어의 높은 비용 장벽을 낮출 수 있을 것이라고 밝혔다. 이번 IBM 클라우드 상용화는 가우디 3의 첫 대규모 상업 배포이다. 양사는 IBM 클라우드에서 인텔 가우디 3를 활용해 고객이 합리적인 비용으로 생성형 AI를 테스트·혁신·배포하도록 돕는 것을 목표로 하고 있다. 가트너의 최근 조사에 따르면 2025년 전 세계 생성형 AI 관련 지출은 2024년 대비 76.4% 증가한 6440억 달러에 이를 전망이다. 가트너는 “생성형 AI가 IT 지출 전 영역에 변혁적 영향을 미치고 있으며, 이에 따라 AI 기술이 기업 운영과 소비재에 필수 요소로 자리 잡을 것”이라고 분석했다. 많은 기업이 생성형 AI와 같은 도구가 자동화·워크플로 개선·혁신 촉진 등에 분명한 이점이 있다는 것을 알고 있으나, AI 애플리케이션 구축에는 막대한 연산 능력이 필요하고 대개의 경우 고가의 특화된 프로세서를 요구하기 때문에 많은 기업들은 AI 혜택을 누리지 못하고 있다.     인텔 가우디 3 AI 가속기는 개방형 개발 프레임워크를 지원하면서 생성형 AI·대규모 모델 추론·파인튜닝 등에 대한 폭발적인 수요를 충족하도록 설계됐으며, 멀티모달 LLM(대규모 언어 모델)과 RAG(검색 증강 생성) 워크로드에 최적화되어 있다. IBM 클라우드는 다양한 기업 고객, 특히 금융 서비스, 의료 및 생명 과학, 공공 부문 등 규제 산업에 종사하는 고객에게 서비스를 제공한다. 현재 가우디 3는 독일 프랑크푸르트, 미국 워싱턴 D.C., 택사스 댈러스의 IBM 클라우드 리전에 적용되어 사용할 수 있다. 가우디 3은 IBM의 광범위한 AI 인프라스트럭처 제품에도 통합되고 있다. 고객들은 현재 IBM VPC(가상 프라이빗 클라우드)의 IBM 클라우드 가상 서버를 통해 가우디 3를 사용할 수 있으며, 2025년 하반기부터 다양한 아키텍처에 배포할 수 있다. 레드햇 오픈시프트(Red Hat OpenShift)와 IBM 왓슨엑스 AI 플랫폼(IBM’s watsonx AI platform)에 대한 지원은 이번 분기 내 가능해질 예정이다. 인텔의 사우라브 쿨카니(Saurabh Kulkarni) 데이터센터 AI 전략 담당은 “인텔 가우디 3 AI 가속기가 IBM 클라우드에 도입되며 기업 고객에게 추론 및 파인 튜닝을 위해 최적화된 성능으로 생성형 AI 워크로드를 확장할 수 있도록 지원하게 되었다”면서, “이번 협력은 전 세계 기업이 AI를 더 쉽게, 비용효율적으로 구현할 수 있도록 지원하려는 양사의 공동 노력의 일환”이라고 밝혔다. IBM의 사틴더 세티(Satinder Sethi) 클라우드 인프라스트럭처 서비스 총괄은 “더 많은 데이터 처리 능력과 더 높은 성능 구현은 전 세계 고객의 AI 도입을 촉진할 것”이라며 “인텔 가우디 3는 고객에게 AI의 하드웨어에 대한 더 많은 선택권과 더 많은 자유, 더 비용 효율적인 플랫폼을 제공해준다”고 밝혔다.

유니티가 지난 4월 15일 글로벌 개발자 콘퍼런스인 ‘유나이트 서울 2025’를 진행했다. 2900여 명의 국내외 개발자 및 게임 업계 종사자들이 참석한 이번 행사에서 유니티는 자사의 최신 기술과 실제 적용 사례 등을 소개했다. 또한, 콘텐츠 개발을 위한 AI(인공지능) 비전과 비 게임 분야의 산업 시장을 겨냥한 전략도 밝혔다. ■ 정수진 편집장     개발 효율 향상과 커뮤니티 지원에 중점 두고 기능 개발 유니티 코리아 송민석 대표이사는 “지난 몇 년간 개발자 커뮤니티는 기술의 변화, 시장의 변화, 창작 과정의 어려움 등 많은 도전을 겪었지만, 그 과정에서 늘 새로운 가능성을 발견했다. 유니티 역시 그동안 많은 변화가 있었고, 개발자들의 격려와 조언이 큰 힘이 됐다”면서, “이번 유나이트에서는 개발자를 위한 생존 전략, 크리에이터 세션, 국내외 유니티 전문가의 기술 세션 및 다양한 산업에서 적용 가능한 기술과 사례를 제공하면서, 사용자의 프로젝트에 도움이 되고 영감을 주는 기회를 마련하고자 했다”고 전했다. 유나이트 서울 행사를 위해 처음으로 한국을 찾은 유니티의 맷 브롬버그(Matt Bromberg) CEO는 “한국은 유니티의 역사에서 매우 특별한 위치를 차지한다. 한국 개발자들이 만든 혁신적인 게임은 유니티의 가능성을 잘 보여줬다. 모바일뿐 아니라 최근 PC와 콘솔로까지 확대되는 한국 게임 개발자들의 새로운 도전은 전 세계적으로 주목받고 있다”면서 성능, 안정성, 크로스 플랫폼 지원을 더욱 강화하면서 개발자와 커뮤니티의 좋은 파트너가 되고자 한다고 밝혔다. 최신 버전인 유니티 6.1에서는 VRS(가변 레이트 셰이딩), GPU 처리 시간을 단축해 CPU 성능과의 균형을 유지하는 디퍼드+(Deffered+), 벌칸 디바이스 필터링 등의 기능을 통해 퍼포먼스 향상이 이뤄졌다. 한편, 유니티는 올해 다양한 새 기술과 고성능 기능을 제공하는 동시에 엔진의 근본적인 기술도 현대화할 예정이다. 그리고 엔진의 핵심 소스 코드에 닷넷(.NET) 프레임워크와 ECS(Entity Component System)를 적용하여 성능을 극대화하며, 콘텐츠 파이프라인도 현대화하여 개발자들이 더 빠르게 개발하고 반복 작업을 최소화할 수 있도록 지원할 계획이다. 브롬버그 CEO는 향후 개발 방향과 관련해서 새 업데이트를 출시 전 실제 환경에서 테스트한 후 제공할 것이며, 유니티 에디터 내에서 AI를 활용한 게임 개발을 지원하는 등 개발 효율을 높일 계획이라고 소개했다.   ▲ 유니티 맷 브롬버그 CEO   게임 개발 프로젝트에서 기술 검증 후 출시 전략 이와 관련해서 유니티의 애덤 스미스(Adam Smith) 엔진 부문 프로덕트 수석 부사장이 조금 더 자세히 설명했다. 그는 “유니티가 게임 개발자들로부터 가장 많이 받은 피드백은 플레이어의 경험이 더 안정적이고 뛰어나야 한다는 것이었다. 또한 개발 과정이 보다 빠르고 효율적이길 원했고, 복잡한 라이브 게임 개발에서 겪는 여러 문제들을 해결해 달라는 요청이 많았다”고 전했다. 이에 대응하기 위해 유니티는 ‘프로덕션 검증(production verification)’이라는 테스트 방식을 도입했다. 이는 실제 게임 개발 프로젝트에 최신 기술을 적용하여 검증하는 방식인데, 유니티는 몇몇 게임사와 협력해 기술 성능과 빌드 성공률을 높였다. 한편, 유니티는 코나미와 협력해 닌텐도 스위치 2용 게임인 ‘서바이벌 키즈(Survival Kids)’의 개발 과정 전반에 유니티 6 엔진을 적용했으며, 궁극적으로 게임의 기획부터 개발, 광고를 통한 수익화까지 전체 수명주기를 포괄하는 기술을 제공한다는 포부를 밝히기도 했다. 스미스 수석 부사장은 “이러한 협업과 게임 개발 경험은 유니티가 자체 기술과 서비스, 툴을 실제 개발 환경에서 테스트하고, 모든 기능이 철저히 검증되고 안정화된 상태에서 전달될 수 있도록 하는 데 목적이 있었다. 특히 애니메이션 시스템, 물리 엔진, DOTS(Data-Oriented Technology Stack) 기능의 성능과 안정성을 크게 높여 커뮤니티에 제공할 수 있게 되었다”고 전했다.   ▲ 유니티의 임원진이 참가한 기자간담회   개별 설루션 대신 AI 데이터가 모이는 플랫폼 추구 스미스 수석 부사장은 게임 및 시각 콘텐츠 개발에서 빠르게 확산되고 있는 AI와 관련한 로드맵도 소개했다. 2025년 하반기에 출시될 유니티 6.2 버전에서는 에디터 내에 직접 프롬프트 기반의 워크플로(prompt-based workflows)를 통합할 계획이다. 스미스 수석 부사장은 “반복 업무가 자동화되어 개발자들의 작업 시간을 크게 줄일 수 있고, 코드 디버깅과 C# 코드 자동 생성 기능도 추가되어 더욱 효율적인 작업 환경을 제공할 것”이라고 밝혔다. 유니티의 AI 지향점은 개발자가 워크플로의 흐름에서 벗어나지 않고, 유니티 에디터 내에서 곧바로 AI 어시스턴트의 도움을 받을 수 있도록 한다는 것이다. 유니티의 플랫폼이 생성형 AI 데이터를 수집하는 중심이 될 수 있도록 하고, 코드, 텍스처, 애니메이션 등 AI로 생성된 다양한 애셋을 손쉽게 유니티 프로젝트에 통합하고 활용할 수 있는 프레임워크를 구축하고 있다는 것이 유니티의 설명이다. 스미스 수석 부사장은 “유니티의 기존 AI 설루션인 ‘뮤즈’나 ‘센티스’의 이름은 점차 쓰이지 않게 되고, 유니티 에디터 안에 AI를 자연스럽게 통합하는 방향으로 가게 될 것”이라고 전망했다.   산업 분야를 위한 실시간 시각화 및 데이터 활용 비전 소개 유니티는 게임, 비주얼 콘텐츠뿐 아니라 다양한 산업 영역으로 실시간 3D 시각화 기술을 확장하려는 노력을 기울이고 있다. 유니티 코리아의 민경준 인더스트리 사업 본부장은 “그 동안 산업 분야의 많은 기업이 제품 설계, 디자인, 제조부터 마케팅과 운영까지 정적인 3D 모델과 전통적인 워크플로에 의존해왔지만, 기술의 융합과 비즈니스의 디지털화가 빠르게 진행되면서 기업들이 일하는 방식, 클라우드 협업, 고객과의 상호작용 방식이 근본적으로 바뀌고 있다”고 전했다. 민경준 본부장은 이런 변화의 핵심 키워드로 ‘상호작용(interactive)’과 ‘몰입(immersive)’의 두 가지를 꼽았다. 두 가지 핵심 경험을 제공하는 기업만이 디지털 전환을 성공시킬 수 있다는 것이다. 그리고 이런 혁신이 가져올 수 있는 성과로 ▲고품질의 현실감 있는 3D 모델을 활용한 디자인과 프로토타이핑 과정의 간소화 ▲복잡한 3D 애셋과 설계 파일의 효율적인 최적화 및 생산 일정과 비용의 절감 ▲현실감 있는 시뮬레이션을 통해 위험도가 높은 산업군의 직원 교육의 빠르고 안전하며 효과적인 진행 ▲마케팅부터 판매까지 전 과정에서 인터랙티브 제품 구성 도구와 가상 경험으로 고객 전환율 향상 ▲모든 고객 접점에서 인터랙티브한 3D 경험을 적용해 참여도 향상 및 브랜드 차별화 실현 등을 소개했다.   ▲ 산업 분야에서 유니티의 혁신 성과   “몰입형 혁신은 리얼타임 3D를 기반으로 실현할 수 있다”고 짚은 민경준 본부장은 “연결(Connect), 개발(Create), 배포(Deploy) 등 세 가지 핵심 기능을 중심으로 하는 유니티의 산업용 설루션은 뛰어난 시각적 인터페이스를 제공하며, 많은 기업이 유니티를 활용하여 VR, AR, XR 애플리케이션, 제조 환경의 디지털 트윈, 고품질 프로덕트 컨피규레이터 등 다양한 핵심 애플리케이션을 개발하고 있다”고 전했다. 유니티는 차량용 인포테인먼트 시스템, 디지털 클러스터, 몰입형 UX(사용자 경험) 기반의 계기판, 디지털 미디어 시스템 등이 유니티로 제작되고 있다고 소개했다. 또한 현대자동차는 유니티 기반의 디지털 트윈 기술을 물류 및 스마트 공장 프로젝트에 적용하고 있으며, LG전자는 차량용 HMI 시스템을 유니티 기반으로 개발 중이다. 산업 분야의 데이터 활용에 대해 스미스 수석 부사장은 ‘애셋 매니저(Asset Manager)’라는 클라우드 기반 툴을 통해 다양한 산업용 데이터를 워크플로에 통합할 수 있도록 지원한다. 애셋 매니저는 데이터를 시각적으로 프리뷰하는 한편, 성능을 떨어뜨리지 않고 유니티 엔진에 적합한 형태로 변환할 수 있다. 이외에도 산업 시장을 위해 꾸준한 기술 개선 및 실무에 바로 적용 가능한 설루션을 선보일 것”이라고 밝혔다.       ■ 기사 내용은 PDF로도 제공됩니다.

트렌드에서 얻은 것 No. 23   “AI는 모든 산업에 새로운 가능성을 열어 준다. 중요한 것은 기술이 아니라, 그것을 어떻게 활용하느냐이다.” – 사티아 나델라(Satya Nadella), 마이크로소프트 CEO 마이크로소프트는 생성형 AI를 다양한 산업에 통합하며, 기술의 활용 방식에 중점을 두고 있고,  나델라의 말은 기술 도입보다 전략적 활용이 중요하다는 점을 강조한다.   생성형 AI와 함께 설계하고, 시뮬레이션하고, 개선하라 지금 이 이야기를 한국의 제조기업에 가서 한다면, 이상한 사람 취급을 받을 수 있다. 당장, 어떻게 할 수 있는지 이야기할 수 있느냐? 우리도 그렇게 하고 싶은데, 어떻게 할 수 있는지 제대로 나온 것도 없고, 사례가 있는지 등의 얘기가 자연스럽게 나온다. 맞는 말이다. 하지만, 지금은 레이스의 출발선에서 모두 같은 상황일 것이다. 다만, 전체를 제어하고 미래를 설계하는 혜안이 있는 사람이나 조직 유무에 따라 회사들의 달리기 속도는 분명 차이가 날 것이다.  우리는 그런 시대를 살아가고 또 지나가고 있다. 뉴스에서 다른 회사의 소식을 들으면서 탄식을 하고 있을 것인가, 아니면 고통스럽더라도 뭔가 해 보는 것이 낫지 않느냐의 갈림길에 있다. “그럼에도 불구하고, 우리는 설계할 수 있다.” 그렇다. ‘생성형 AI로 설계하고, 시뮬레이션하고, 개선하라’는 말은 지금의 제조 현장에선 거대한 간극처럼 느껴진다. 공장의 열기와 노하우 속에서 살아온 실무자에게는 뜬구름 잡는 이야기처럼 들릴 수 있다. “AI가 좋다는데, 어디까지 해봤나?”, “누가 이걸 설계에 실제로 썼대?” 이런 질문은 당연한 것이고, 오히려 현실을 잘 아는 사람일 수록 더 조심스러운 반응을 보인다. 그러나 지금, 우리는 모두 레이스의 출발선에 서 있다. 완성된 길도, 검증된 답도 아직 없다. 그러니 이 때 필요한 건 기술보다 먼저 혜안을 가진 사람, 구조를 설계할 수 있는 리더다. 단 한 줄의 프로토타입이라도 그려보려는 엔지니어, 익숙한 보고서보다 새로운 질문을 고민하는 팀장, 시행착오를 감수하고 방향을 잡으려는 임원이 지금 이 시대의 속도를 결정짓는다. 그리고 그 ‘혜안’은 거창한 청사진이 아닐 수도 있다. 단 하나의 설계 데이터를 기반으로 AI에게 첫 도면을 그리게 해보는 실험, 실시간 현장 일지에서 이상 징후를 요약하게 해 보는 시도, 현장의 사진 데이터로 품질 검사 자동화를 위한 검출 모델을 훈련해 보는 도전 등이 현 시점에서 예상해 볼 수 있는 가까운 미래 모습일 것 같다. “우리는 예상치 못한 상황을 목격하고, 예상된 상황을 보고하며, 결국 승리할 것입니다.” – 알렉스 카프, 팔란티어 CEO 카프는 AI를 활용한 제조업의 혁신이 불확실성을 극복하고 성공으로 이끄는 열쇠라고 보고 있으며, 이는 생성형 AI를 통한 제조업의 미래를 긍정적으로 전망한다.    그림 1. 실용형 AI 맵 ‘제조 미래를 바꾸다’(Map by 류용효) (클릭하면 큰 이미지로 볼 수 있습니다.)   제조, AI를 다시 만나다 “설계는 끝났지만, 고객은 원하지 않는다.”  “시뮬레이션은 끝났지만, 현장은 여전히 오류를 반복한다.”  “보고서는 쌓이지만, 문제는 여전히 현재진행형이다.” 이 문장들은 지금도 수많은 제조 현장에서 반복되고 있다. 전통적인 제조 프로세스는 분업과 효율을 중심으로 설계되었지만, 급변하는 고객의 요구와 복잡해진 제품 환경은 기존 체계의 민첩성과 창의성에 한계를 드러낸다. 이제 제조기업은 하나의 질문 앞에 서 있다. “우리는 더 빠르고 똑똑한 공장을 가질 준비가 되었는가?” 생성형 AI는 단순한 자동화 기술이 아니다. 설계자의 의도를 읽고 CAD 모델을 생성하며, 수십 개의 시뮬레이션으로 프로세스 병목을 알려주고, 품질 이상을 예측할 뿐 아니라 원인을 유추해주는 ‘설계적 사고를 하는 AI’가 등장하고 있다. 이는 기술의 도입이 아니라 제조기업의 ‘운영 철학’ 자체가 전환되는 순간이다. 제조기업이 생성형 AI와 함께 앞으로 어떻게 설계하고, 시뮬레이션하고, 개선할 수 있을지를 구체적으로 조망한다. “AI는 인류가 만든 가장 중요한 기술이다. 우리는 그것을 책임감 있게 개발하고 활용해야 한다.” – 순다르 피차이(Sundar Pichai), 구글 CEO 구글은 AI 개발에 있어 윤리적 책임과 사회적 영향을 고려하고 있으며, 피차이의 말은 기술 발전과 함께 그에 따른 책임도 중요하다는 점을 상기시켜 준다.   디자인의 재정의 - AI는 창의적인 엔지니어인가? 전통적인 제조 설계 과정은 복잡한 조건 설정, 반복적인 수정, 협업 간의 커뮤니케이션 비용 등으로 인해 수많은 시간과 리소스를 요구해왔다. 하지만 이제, 생성형 AI는 텍스트 한 줄로 설계를 시작하게 한다. “3개의 모듈로 구성된 소형 드론 프레임을 설계해 줘. 탄소 섬유 기반으로 무게는 150g 이하로.” 이 한 문장으로 AI는 초기 설계안을 생성하고, 다양한 대안 모델을 제공하며, 사용자 요구조건에 따라 자동 최적화를 제안한다. AI는 도면을 '그리는 도구'가 아니라, '제안하고 비교하는 동료 엔지니어'로 진화하고 있다. 예를 들어, 오토데스크의 퓨전 360(Fusion 360), 엔톱(nTop), 다쏘시스템의 3D익스피리언스 웍스(3DEXPERIENCE Works)는 이미 생성형 디자인 기능을 내장하고 있다.  디자이너는 아이디어를 제공하고, AI는 그에 기반한 설계 패턴을 도출한다. 이는 ‘무에서 유를 만드는’ 것이 아니라, 수많은 설계 데이터를 학습한 AI가 새로운 패턴과 조합을 도출해내는 방식이다. 결과적으로 설계자는 더 이상 반복적인 CAD 작업자가 아니다. 이제 디자이너는 ‘기획자’이자 ‘비평가’, 그리고 ‘AI와 협력하는 설계 전략가’가 된다. 또한, 이러한 생성형 설계는 대량 맞춤형 생산(mass customization)과의 결합으로 그 진가를 발휘한다. 기존에는 옵션이 제한된 범용 제품만이 경제성이 있었지만, 생성형 AI는 고객의 요구사항을 빠르게 읽고 즉시 설계에 반영할 수 있다. 이는 ‘고객이 참여하는 설계’, 즉 코디자인(co-design) 시대의 도래를 가능하게 한다. 기업은 더 빠르게 시장에 대응하고, 고객은 더 높은 만족도를 경험한다. 이처럼 생성형 AI는 설계를 단순히 ‘빠르게’ 만드는 기술이 아니라, 설계의 개념 자체를 ‘재정의’하는 도구이자 기업의 창의성과 기민함을 확장하는 전략 자산이 되고 있다. “퍼플렉시티(Perplexity)는 단순한 답변 엔진에서 행동 엔진으로 전환하고 있다. 이제는 단순히 질문에 답하는 것을 넘어, 사용자에게 행동을 제안하고 실행하는 단계로 나아가고 있다.” – 아라빈드 스리니바스(Aravind Srinivas), 퍼플렉시티 AI CEO 아라빈드의 말은 AI 기술이 단순한 정보 제공을 넘어, 사용자와의 상호작용을 통해 실제 행동을 유도하고 실행하는 방향으로 발전하고 있음을 의미한다.   시뮬레이션의 혁신 - 빠른 판단과 적은 비용 과거의 시뮬레이션은 전문 소프트웨어와 고성능 컴퓨팅 자원, 그리고 숙련된 엔지니어의 직관과 경험에 크게 의존해 왔다. CAE는 분명 설계 검증과 최적화의 핵심이었지만, 조건 설정 → 모델링 → 결과 해석 → 반복이라는 고비용 순환은 여전히 제품 개발의 병목으로 작용해왔다. 그러나 생성형 AI는 이 병목을 타파하는 새로운 접근을 제시한다. 자연어로 “강풍 조건에서 뒤틀림이 가장 적은 하우징 구조를 찾아줘”라고 지시하면, AI는 자동으로 물리 조건을 추론하고, 유사 데이터 기반의 시뮬레이션 템플릿을 구성하며, 수십 개의 대안 시나리오를 병렬 생성해 ‘예측 – 설명 – 추천’이라는 삼중 루프를 빠르게 수행한다. 이러한 기술은 시뮬레이션의 대중화(simulation democratization)를 이끈다. 기술 전공자가 아니어도, 제품 매니저나 품질 담당자가 AI의 도움으로 설계안의 응력 분포나 유동 조건에 대해 인사이트를 얻을 수 있다. 이는 실무자가 더 빠르게 결정을 내릴 수 있도록 돕고, 의사결정의 지연 대신, 다중 시나리오 기반의 ‘실험적 사고’를 가능하게 만든다. 대표적인 사례로는 알테어의 AI 기반 인스파이어 플랫폼(AI-driven Inspire Platform), 앤시스의 AI 기반 시뮬레이션 자동화, 그리고 다쏘시스템의 솔리드웍스 생성형 시뮬레이션(Generative Simulation for SOLIDWORKS)이 있다. 이들은 기존 FEM/CFD 분석의 시간과 비용을 줄이는 동시에, 경험 기반 의사결정에서 데이터 기반 최적화로의 전환을 이끌고 있다. 궁극적으로 생성형 AI는 단순히 ‘더 빠른 계산’을 넘어서, “어떤 시나리오를 먼저 고려해야 하는가?”, “이 조건에서 실패할 가능성은 무엇인가?”라는 전략적 질문에 답하는 보조 엔진이 되어 준다. 이는 시뮬레이션을 단지 제품 검증의 도구가 아니라, 경영 의사결정과 R&D 전략 수립의 인공지능 파트너로 진화시키는 변화의 시작점이다.  “AI는 우리가 상상하는 것보다 훨씬 더 빠르게 발전하고 있다. 자율주행차는 그저 시작일 뿐이다.” – 일론 머스크(Elon Musk), 테슬라 CEO 테슬라는 자율주행 기술 개발에 AGI 수준의 AI를 활용하고 있으며, 이는 단순한 기능 향상을 넘어 차량 설계와 운행 방식 전반을 재정의하는 접근이다.   업무 분석과 프로세스 개선 - 데이터는 말하고 AI는 듣는다 제조 현장의 데이터는 언제나 풍부했다. 작업자 일지, 설비 로그, 유지보수 메모, 품질검사 리포트, 현장 사진과 동영상, 고객 클레임 이메일… 하지만 이들 대부분은 정형화되지 않은 ‘텍스트’와 ‘문서’ 형태로 존재하며, 기존 시스템은 이를 ‘기록’하는 데에만 집중했고, 의미를 해석하고 연결하는 능력은 인간의 몫이었다. 이제 생성형 AI는 이 방대한 비정형 데이터의 숲에서 맥락을 이해하는 나무를 찾는다. 작업자가 남긴 “라인 3에서 어제도 제품 정렬이 안 맞았고, 자동 이젝터가 두 번 멈췄다”는 기록은, AI에겐 단순한 텍스트가 아니라 ‘패턴’과 ‘이상’의 시그널이다. LLM은 이런 문장을 분석해 작업 단계별 이벤트를 분해하고, 관련된 설비 로그와 품질 데이터를 연결하여 문제 지점을 도출한다. 이제 업무는 ‘기록하고 보고하는 일’이 아니라, ‘데이터가 스스로 분석하고 말하는 환경’으로 바뀌고 있다. 대표적인 활용 사례는 다음과 같다. 업무 요약 자동화 : 업무 일지를 요약해 경영진에게 핵심 이슈를 전달 프로세스 병목 식별 : 여러 부서의 텍스트 기반 보고서에서 공통 키워드와 불만 분석 문서 자동 생성 : SOP(표준작업지침서), 회의록, 개선안 보고서 등의 자동 초안 작성 협업 인텔리전스 : 여러 팀 간의 커뮤니케이션 데이터를 분석해 협업 지연 포인트 도출 실제로 지멘스는 AI 기반 자연어 처리 기술(Natural Language Processing : NLP)을 통해 디지털 작업지시서와 실시간 현장 대응 리포트를 자동 생성하는 기능을 도입했고, 보쉬는 AI를 통해 품질 클레임 문서에서 반복 출현하는 원인 유형을 추출하여 품질 개선의 단초로 활용하고 있다. 핵심은 이것이다. 현장의 수많은 대화와 기록이 AI에게 ‘말을 거는 데이터’가 되었고, AI는 그 말을 듣고, 요약하고, 통찰을 제시하며, 업무 개선을 스스로 제안하는 존재가 되었다는 점이다. 이제 우리는 묻지 않을 수 없다. 우리는 AI에게 말 걸 준비가 되어 있는가? 그리고 그 대답을 조직이 들을 준비는 되었는가? “가장 큰 위험은 아무런 위험도 감수하지 않는 것이다. 모든 것이 급변하는 시대에서 위험을 회피하는 전략은 반드시 실패로 이어진다.” — 마크 저커버그, 메타 CEO 저커버그는 변화와 혁신의 시대에 기존의 방식을 고수하며 위험을 회피하려는 태도가 오히려 더 큰 실패를 초래할 수 있음을 경고한다.   품질 관리의 진화 - AI는 예지적 감각을 가질 수 있는가 품질 관리는 제조업의 마지막 방어선이자, 가장 정교한 신경망이다. 그러나 지금까지의 품질 관리는 주로 사후 대응(postdefect 대응)에 집중되어 있었다. 불량이 발생한 후 원인을 찾고, 재발 방지책을 수립하고, 문서를 정리하는 ‘후행적 품질 관리’가 일반적이었다. 이제 생성형 AI는 이 전통적 프레임을 근본부터 흔들고 있다. AI는 ‘불량을 감지’하는 것이 아니라, ‘불량을 설명하고 예측’하려 한다. 예를 들어, 제품 표면의 이미지를 기반으로 한 비전 검사 시스템은 단순히 OK/NG를 판단하는 데서 그치지 않고, “이 영역의 텍스처 패턴은 온도 편차에 의한 수축 변형일 가능성이 높습니다”라고 말할 수 있는 설명형 모델로 진화하고 있다. 나아가, 생성형 AI는 텍스트, 이미지, 센서 데이터를 통합적으로 분석해 복합적인 이상 징후를 감지하고, 불량의 '가능성'과 '잠재 원인'을 추론해낸다. 예를 들어 다음과 같은 조합이 가능해진다. 작업자 일지 : “이틀 전부터 용접기압이 다소 약한 것 같다.” 센서 로그 : 오전 9~11시에 기압 편차 발생 불량 이미지 : 비드 형성 불균형 AI는 이를 연결해 “용접 조건의 경미한 변화가 반복 불량의 근본 원인일 수 있다”고 보고한다. 이는 단순한 예측모델이 아니다. ‘설명 가능한 품질 관리(Explainable Quality)’, 즉 AI가 품질 이슈에 대해 왜 그런 판단을 했는지를 근거와 함께 제시함으로써, 품질팀은 더 이상 직감이나 경험에만 의존하지 않고 데이터 기반의 합리적 개선 프로세스를 수립할 수 있다. 이미 보쉬, 토요타, GE 항공 등은 ▲AI 기반 비전 검사 시스템에서 ‘불량 예측 + 원인 설명’을 제공하는 모델을 구축 중이고 ▲ISO 9001과 연동되는 AI 품질 리포트 자동화 시스템을 테스트하고 있다. 이는 곧 ‘AI가 품질 시스템의 일원으로 공식 포함되는 시대’가 오고 있음을 뜻한다. 품질의 정의는 바뀌고 있다. 과거의 품질은 발견과 수정의 문제였지만, 앞으로의 품질은 예지와 설득의 문제다. AI는 이제 불량을 찾아내는 것이 아니라, 불량이 만들어지지 않도록 ‘생산 과정 그 자체를 개선하자’고 제안하는 동료가 되어가고 있다. “AI는 전기를 발견한 것과 같은 혁신이다. 모든 산업에 스며들 것이며, 그 영향을 무시할 수 없다.” – 앤드류 응(Andrew Ng), AI 전문가 앤드류 응은 AI의 보편성과 산업 전반에 미치는 영향을 강조하고 있다. 그의 말은 제조업에서도 AI의 통합이 필수임을 시사한다.   경고와 제언 - 생성형 AI는 도입이 아니라 전환이다 많은 제조기업이 생성형 AI에 주목하고 있다. 설계 자동화, 시뮬레이션 최적화, 업무 요약, 품질 예측… 도입 사례는 늘고 있지만, 도입이 곧 성공을 의미하진 않는다. 생성형 AI는 단순한 툴이 아니라, 운영 철학의 변화를 요구한다. 기존의 프로세스는 ‘정해진 절차와 역할’ 속에서 최적화를 추구해왔지만, 생성형 AI는 ‘질문을 던지고 시나리오를 비교하며 판단을 내리는 유연한 사고방식’을 요구한다. 즉, 기술만 바꾸는 것이 아니라 조직의 사고 체계와 역할 구조 자체를 재설계해야 하는 것이다. 예를 들어 <표 1>과 같은 전환이 필요하다.   표 1   하지만 문제는 기술이 아니다. 가장 큰 장벽은 조직이 AI를 받아들일 준비가 되어 있느냐는 것이다. 임원은 AI를 단순히 ‘자동화 툴’로 간주하는 경향이 많고, 현장은 여전히 ‘내 일을 뺏는 존재’로 AI를 경계한다. 이 간극을 메우지 않으면, AI는 시연 단계에서 멈추고, 조직은 변화의 본질을 놓친다. 따라서 다음과 같은 전환 전략이 필요하다. 파일럿이 아닌 전환 설계 특정 부서에서 테스트하는 것이 아니라, 조직 전체의 프로세스 전환 시나리오를 기획해야 한다. ‘도입 교육’이 아닌 ‘공감 설계’ 기술 사용법이 아니라, 왜 이 기술이 필요한지에 대한 비즈니스 관점에서의 스토리텔링이 필요하다. AI Co-Worker 관점 전환 AI는 도구가 아니라, 함께 판단하고 실험하는 동료로 봐야 한다. 이를 위해 직무 정의서(JD)도 다시 써야 한다. 성과 기준의 재정립 AI 도입 이후에는 ‘정확도’보다 ‘학습 속도’와 ‘적응력’이 핵심 성과 지표가 된다. 결국, 생성형 AI는 ‘도입해야 할 기술’이 아니라 ‘다르게 일하고, 다르게 생각하고, 다르게 운영하는 기업’으로 전환하기 위한 촉매제다. 이제 경영진에게 남은 질문은 단 하나다. “우리는 기술을 도입할 준비가 되었는가?”가 아니라, “우리는 조직을 전환할 용기를 가졌는가?”이다. “지금은 스타트업의 시대… 세상은 여전히 변화의 가능성에 잠들어 있다.” – 샘 올트먼, 오픈에이아이 CEO 올트먼은 기술 혁신의 시기에 기존 기업들이 변화에 둔감해질 수 있음을 경고하며, 새로운 도전과 변화를 추구하는 조직만이 미래를 선도할 수 있다는 메시지를 담고 있다.   맺음말 : 생성형 AI 시대의 제조 기업, 당신은 어떤 그림을 그리고 있는가 미래의 공장은 단지 더 정교하고, 더 빠르며, 더 자동화된 곳이 아니다. 그곳은 데이터를 읽고, 상황을 이해하고, 사람과 함께 결정하는 공장이다. 문제를 발견하기 전에 감지하고, 작업자를 지원하며, 스스로 최적의 방식을 제안하는 공장이다. 그리고 그 공장의 핵심 파트너는 인간의 상상력을 확장하는 생성형 AI다. 이제 중요한 질문은 이것이다. “우리는 어떤 그림을 그리고 있는가?” 기술은 빠르게 진화한다. 생성형 AI는 설계와 시뮬레이션, 업무 분석과 품질 관리까지 제조의 전 과정을 유기적으로 연결하며 ‘스마트’를 넘어 ‘지능적’으로 만들고 있다. 하지만 진정한 경쟁력은 기술의 채택이 아닌, 기술과 함께 일하는 방식의 변화에서 비롯된다. 아직 많은 제조기업은 ‘가능성 탐색’ 단계에 머물러 있다. 하지만 머뭇거릴 시간이 없다. AI는 이미 조직 구조, 업무 정의, 리더십의 방식까지 영향을 미치기 시작했다. 이제는 기술을 배우는 것이 아니라, 기술과 함께 일할 조직을 설계해야 할 때다. 생성형 AI 시대의 제조 기업은 세 가지 질문에 답할 수 있어야 한다. 우리는 상상할 수 있는가? 생성형 AI는 ‘주어진 문제를 해결’하는 것이 아니라 ‘가능성을 확장’한다. 제조기업의 조직은 아직도 문제만 찾고 있는가, 아니면 새로운 기회를 그리고 있는가? 우리는 받아들일 수 있는가? AI는 사람의 영역을 침범하지 않는다. 다만 그 옆에 선다. 우리는 전환할 수 있는가? 우리는 그것을 파트너로 받아들일 준비가 되어 있는가? AI 도입은 기술의 문제가 아니라, 사고방식과 리더십의 전환이다. 과연 지금의 조직은 그 전환을 감당할 수 있는가? 미래의 공장은 말하고 있다. “나는 설계하고, 시뮬레이션하고, 개선할 준비가 되어 있다. 너는 나와 함께 걸을 준비가 되어 있는가?”   ■ 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.

알테어가 kt 클라우드(kt cloud)와 업무협약(MOU)을 맺고 kt 클라우드 인프라 기반에서 자사의 시뮬레이션, 인공지능(AI) 및 데이터 분석 설루션을 제공하기 위한 협력을 본격화한다고 밝혔다.   이번 협약을 통해 알테어는 자사 소프트웨어 플랫폼 ‘알테어 하이퍼웍스’와 ‘알테어 래피드마이너’의 제품을 kt 클라우드 플랫폼에 최적화된 형태로 제공할 예정이며, 이를 통해 고객은 별도의 설치나 복잡한 환경 구축 없이 브라우저 기반으로 손쉽게 설루션을 활용할 수 있게 된다.   알테어는 특히 메시리스(meshless) 기반 구조 해석 설루션, 노코드·로코드 기반 AI 프로젝트 관리 설루션 등 접근성 높은 제품들이 클라우드 환경에서 제공됨으로써, 다양한 수준의 사용자가 복잡한 엔지니어링 및 데이터 분석 업무를 보다 빠르고 효율적으로 수행할 수 있게 될 것으로 보고 있다.   또한, 양사는 이번 협력을 시작으로 클라우드 기반 고성능 컴퓨팅(HPC) 환경에서의 사용자 경험을 강화하고, 기술 도입 장벽을 낮춰 산업 전반의 디지털 혁신을 가속화하는 데 기여할 계획이다.     kt 클라우드의 공용준 본부장은 “알테어와 협력을 통해 산업용 클라우드 서비스의 혁신을 가속화하며, 산업 전반에 걸쳐 보다 효과적인 디지털 전환이 가능해질 것으로 기대한다”며, “다양한 파트너사와의 협력을 이어가며 최적화된 클라우드 서비스를 제공하고 고객 만족도 향상에 최선을 다할 것”이라고 밝혔다.   한국알테어의 김도하 지사장은 “kt 클라우드 인프라 기반에서 알테어 설루션을 제공함으로써, 고객은 더 빠르고 유연하게 시뮬레이션과 AI 분석을 실행할 수 있는 환경을 갖추게 됐다”며, “앞으로도 알테어는 클라우드 전환을 지원하고, 누구나 전문 기술을 쉽게 활용할 수 있는 구조를 만들어 가겠다”고 밝혔다.

매스웍스(MathWorks)는 국내 대학생들이 인공지능(AI) 실무 역량을 강화하고, 다양한 산업 분야에서의 AI 기술 활용 가능성을 확대할 수 있도록 ‘제5회 매트랩(MATLAB) 대학생 AI 경진대회’를 개최한다고 밝혔다. 국내 대학교에 재학 중인 대학생 및 대학원생이라면 누구나 개인 또는 팀으로 참가할 수 있다. 오는 5월 30일까지 참가 신청을 받으며, 예선에서는 프로젝트 주제 설명과 매트랩을 활용한 솔루션 구현 계획을 제출해야 한다. 최종 우승자는 9월에 발표될 예정이다. 이번 대회 참가자들에게는 AI 기반 시스템을 구현할 수 있도록 매트랩과 시뮬링크(Simulink)를 포함한 다양한 매스웍스 제품들을 자유롭게 사용할 수 있다. 또한 매스웍스는 예선 통과자를 대상으로 매스웍스 엔지니어가 직접 진행하는 온라인 교육을 개최할 예정이다. 온라인 교육에서는 ‘딥러닝 온램프(Deep Learning Onramp)’와 같은 자기 주도형 온라인 교육과정을 활용해 학생들이 매트랩의 다양한 기능을 보다 쉽게 탐색하고, 실제 프로젝트의 완성도를 높일 수 있는 실용적인 방법을 제공받는 기회가 마련될 예정이다. 올해로 5회째를 맞이한 본 대회는 대학생들이 매트랩과 시뮬링크를 활용해 실생활의 다양한 문제를 창의적으로 해결하고, AI 기술을 실질적으로 적용할 기회를 제공하기 위해 마련됐다. 2021년 첫 개최 이후, 매해 참가자 수, 참가 주제, 매스웍스 툴의 활용도 면에서 꾸준한 성장세를 보이고 있으며, 특히 작년 대회에서는 1인 가구, 고령화, 교통, 환경 등 사회적 변화에 대응하는 시의성 높은 프로젝트들이 실질적인 응용 가능성과 기술적 우수성을 선보였다.  최종 결선에 진출한 세 팀에게는 각각 1등 200만 원, 2등 100만 원, 3등 50만 원의 우승 상금이 수여된다. 심사는 매스웍스의 AI 전문가들이 진행하며 AI 모델 구축의 타당성 및 혁신성 등을 종합적으로 검토할 예정이다. 특히 올해에는 매트랩을 비롯한 매스웍스 툴 활용 능력을 중점적으로 심사해 참가자들의 기술 역량과 문제 해결 능력을 다각도로 분석할 계획이다.  김경록 매스웍스코리아 교육 기관 세일즈 매니저는 “매트랩과 시뮬링크는 AI와 엔지니어링을 통합하는 강력한 플랫폼으로, 매스웍스코리아는 학계 및 산업계와 긴밀히 협력하여 기술 확산과 인재 양성에 힘쓰고 있다”며 “이번 경진대회 참가자들은 매스웍스가 제공하는 다양한 툴과 교육 콘텐츠를 활용해 실제 산업에 적용 가능한 AI 프로젝트를 직접 구현해볼 수 있다. 이를 통해 참가자들은 실무 역량을 키우고 미래 AI 전문가로 성장하는 발판을 마련할 수 있을 것"이라고 말했다.   제5회 매트랩 대학생 AI 경진대회에 대한 자세한 사항 및 참가 신청은 매스웍스코리아 홈페이지에서 확인할 수 있다.

인텔은 ‘상하이 모터쇼(Auto Shanghai)’에 처음 참가하면서, 멀티-공정 노드 칩렛 아키텍처 기반 차량용 2세대 인공지능(AI) 강화 소프트웨어 정의 차량(SDV : Software-Defined Vehicle) SoC(시스템온칩)을 공개했다. 이번 신형 SoC는 인텔리전트 커넥티드 차량에 대한 수요 증가에 발맞춰 설계되었으며, 완성차 업체에 확장 가능한 성능, 첨단 AI 기능 및 비용 효율을 제공한다. 또한, 인텔은 자동차 기술 기업인 모델베스트(ModelBest), 블랙세서미 테크놀로지(Black Sesame Technologies)와의 전략적 협업을 발표하며 자사의 자동차 생태계를 더욱 확장하고 있다고 소개했다. 이를 통해 인텔은 AI 기반 차량용 콕핏(Cockpit), 통합 첨단 운전자 보조 시스템(ADAS), 에너지 효율적인 차량 컴퓨팅 플랫폼 등에서의 혁신을 가속화할 계획이다. 2세대 인텔 SDV SoC는 멀티 노드 칩렛 아키텍처를 채택한 차량용 SoC로, 완성차 업체가 컴퓨팅, 그래픽, AI 기능을 필요에 따라 유연하게 구성할 수 있도록 지원한다. 이를 통해 개발 비용을 절감하고 제품 출시 기간을 단축할 수 있으며, 기능별로 최적화된 최고 수준의 실리콘을 결합한 아키텍처에 기반한다. 인텔은 2세대 SDV SoC가 ▲생성형 및 멀티모달 AI를 위한 최대 10배 향상된 AI 성능 ▲더욱 풍부한 HMI(인간-기계 간 인터페이스) 경험을 위한 최대 3배 향상된 그래픽 성능 ▲카메라 입력 및 이미지 처리 기능 강화를 위한 12개 카메라 레인 지원 등의 특징을 갖추었다고 밝혔다. 또한, 유연하고 미래 지향적인 설계를 바탕으로 완성차 업체가 첨단 기능을 바탕으로 제품 차별화를 실현하고, 차세대 사용자 경험을 제공하는 동시에 전력 소비와 비용도 최적화할 수 있도록 지원한다고 전했다.     한편, 인텔은 상하이 모터쇼 2025에서 주요 파트너들과의 신규 협업을 발표했다. 인텔은 SDV SoC와 인텔 아크(Intel Arc) 그래픽 기반으로 구동되는 모델베스트의 GUI 인텔리전트 에이전트를 통해 기기 자체에서 대규모 언어 모델(LLM)의 구현을 현실화하고 있다. 이 에이전트는 네트워크 연결 없이도 작동하는 AI 기반 음성 제어 및 사용자 맞춤형 경험을 가능하게 하며, 복잡한 상황에서도 자연어를 정확히 이해해 직관적인 콕핏 경험을 제공한다. 이번 협업은 모델베스트가 인텔의 AI PC 가속화 프로그램에서 거둔 성공을 기반으로 하며, 인텔 차량 플랫폼에서 즉시 활용 가능한 AI 경험을 최적화한 결과다. 또한, 블랙세서미 테크놀로지스의 ADAS 기술에 인텔의 SDV SoC와 차량용 인텔 아크 그래픽을 결합해 ADAS와 몰입형 콕핏 경험을 하나의 에너지 효율적인 중앙 컴퓨팅 플랫폼으로 통합하고 있다. 고속·저지연의 안정적인 연결을 기반으로, 끊김 없는 차량 내 경험을 구현할 계획이다. 인텔 오토모티브 총괄인 잭 위스트(Jack Weast) 팰로우는 “인텔은 2세대 SDV SoC를 통해 자동차 컴퓨팅의 패러다임을 새롭게 정의하고 있다. 칩렛 기술의 유연성과 인텔의 검증된 총체적 차량 접근 방식을 결합해, SDV 혁신을 실현해 나가고 있다. 에너지 효율성부터 AI 기반 사용자 경험까지, 업계가 직면한 실질적인 과제를 파트너와과 함께 해결하며 SDV 시대를 모두를 위한 현실로 만들고자 한다”고 밝혔다.

IBM이 발표한 ‘2025 엑스포스 위협 인텔리전스 인덱스 보고서(2025 X-Force Threat Intelligence Index)’에 따르면, 사이버 공격자들이 더 교묘한 수법을 사용하며 기업에 대한 랜섬웨어 공격은 감소한 반면, 눈에 띄지 않는(lower-profile) 자격 증명 도용은 급증했다. IBM 엑스포스는 사이버 공격자들이 신원 탈취 공격을 확대하는 수단으로 인포스틸러 악성코드를 포함한 이메일을 주로 활용하고 있으며, 2024년 이러한 유형의 이메일이 전년 대비 84% 증가했다고 밝혔다. 2025 보고서는 IBM 엑스포스에서 관찰한 신규 및 기존 트렌드와 공격 패턴을 추적하고 침해 사고 대응, 다크 웹 및 기타 위협 인텔리전스 소스에서 얻은 정보를 바탕으로 작성했다. 2023년은 생성형 인공지능(Gen AI)의 본격적인 확산이 시작된 한 해였다. 예견되었던 대로, 사이버 공격자들은 AI를 활용해 웹사이트를 제작하거나, 딥페이크 기술을 피싱 공격에 접목시키기 시작했다. IBM 엑스포스는 공격자들이 생성형 AI를 활용해 피싱 이메일을 작성하거나 악성 코드를 제작하는 사례를 포착하기도 했다. IBM 엑스포스는 과거 보고서에서 하나의 AI 설루션 시장 점유율 50%에 가까워지거나 시장이 소수의 3개 이하 설루션으로 재편되면, 공격자 입장에서는 특정 AI 모델이나 설루션을 노리기가 더 쉬워지고 그만큼 공격할 유인도 커진다고 밝혔다. 아직 그 시점에 도달하지는 않았지만, 도입 속도는 빠르게 증가하고 있다. 실제로, 2024년 기준 최소 하나 이상의 비즈니스에 AI를 도입한 기업의 비율은 72%로, 전년 대비 55% 이상 증가한 것으로 나타났다. 2024년에는 AI를 겨냥한 대규모 공격이 발생하지는 않았다. 보안 전문가들은 사이버 공격자들이 악용하기 전에 취약점을 선제적으로 식별하고 보완하기 위한 대응에 속도를 내고 있다. IBM 엑스포스가 AI 에이전트 구축 프레임워크에서 원격 코드 실행 취약점을 발견한 사례처럼, 이와 같은 문제는 앞으로 더욱 빈번해질 것으로 보인다. 2025년 AI 도입이 확대될 것으로 예상됨에 따라, 공격자들이 AI를 겨냥한 특화된 공격 도구를 개발할 유인도 커지고 있다. 이에 따라 기업들은 데이터, 모델, 활용 방식, 인프라 등 AI 전반에 걸친 보안을 초기 단계부터 강화하는 것이 필수이다.     지난해 가장 많은 공격은 주요 기반시설 조직을 대상으로 감행됐다. IBM 엑스포스가 대응한 2024년 전체 공격 중 70%가 주요 인프라 조직에서 발생했으며, 이 중 4분의 1 이상이 취약점 악용으로 인한 공격이었다. 주요 인프라 조직들은 기존 기술에 대한 의존과 느린 보안 패치 적용으로 인해 여전히 보안 위협에 직면해 있는 것이다. 다크웹 포럼에서 자주 언급된 공통 취약점 및 노출(CVEs)을 분석한 결과, 상위 10개 중 4개가 국가 차원의 지원을 받는 공격자를 포함한 정교한 위협 그룹과 연관된 것으로 나타났다. 해당 취약점들의 악용 코드는 여러 포럼에서 공개적으로 유통되고 있었으며, 이는 전력망, 의료 시스템, 산업 설비 등을 노린 공격의 확산으로 이어지고 있다. 이처럼 금전적 목적의 공격자와 국가 차원의 위협 세력이 정보를 공유하는 흐름은, 패치 관리 전략 수립과 위협 사전 탐지를 위한 다크웹 감시의 중요성을 더욱 부각시키고 있다. 또 다른 주목할 만한 공격은 인포스틸러(infostealer, 정보 탈취형 악성코드)를 활용한 공격이다. 2024년에 인포스틸러를 활용한 이메일은 전년 대비 84% 증가했으며, 2025년 초기 데이터에 따르면 이는 더욱 급증하는데, 주간 발생 건수가 2023년 대비 180% 이상 증가한 것으로 예상된다. 자격 증명 피싱과 인포스틸러를 통해 신원 공격은 저렴하고, 확장 가능하며, 수익성이 좋아졌다. 인포스틸러는 데이터를 빠르게 유출할 수 있어 타깃 지점에 머무는 시간을 줄이고, 포렌식 흔적을 거의 남기지 않는다. 2024년에 다크웹에서 800만 개 이상의 광고가 상위 5개의 인포스틸러만을 위한 것이었으며, 각 광고에는 수백 개의 자격 증명이 포함될 수 있다. 또, 사이버 공격자들은 다크웹에서 다중인증(MFA)을 우회하기 위해 중간자 공격(AITM) 피싱 키트와 맞춤형 AITM 공격 서비스를 판매하고 있다. 손상된 자격 증명과 다중인증 우회 방법이 만연하다는 것은 수요 또한 높다는 것을 의미하며 이러한 추세는 멈출 기미가 보이지 않는다. 지역으로 살펴보면, 2024년 한 해 동안 IBM 엑스포스가 전 세계적으로 대응한 사이버 공격 중 약 34%가 아시아태평양에서 발생하며 아태 지역이 세계에서 가장 많은 사이버 공격을 경험한 것으로 나타났다. 데이터 도용(12%), 인증정보 탈취(10%), 갈취(extortion, 10%) 등이 순위가 높은 공격 대상이었다. 일본은 전체 조사 대상 인시던트의 66%를 차지했으며, 한국, 필리핀, 인도네시아, 태국이 각각 5%의 비율을 차지했다. 분야별로는 제조업이 공격 대상의 26%를 차지하며 4년 연속 사이버 공격이 가장 많이 발생한 산업으로 집계됐다. 특히 랜섬웨어 피해 사례가 가장 많았으며, 시스템 중단에 대한 허용 범위가 극히 낮은 산업 특성상 암호화 공격에 대한 범죄자의 수익성이 여전히 높은 것으로 분석된다. 한국IBM 컨설팅 사이버보안서비스 사업총괄 이재웅 상무는 “사이버 공격은 이제 더욱 조용하고 치밀해지고 있다. 공격자들은 파괴적인 행위 없이 자격 증명을 탈취해 기업 시스템에 접근하며, 인포스틸러와 같은 악성코드를 통해 빠르게 데이터를 유출하고 흔적을 남기지 않는다”고 말하며, “이러한 저위험·고수익 공격이 확산되는 지금, 기업은 단순 방어를 넘어, 인증 시스템 강화와 위협 사전 탐지 체계를 통해 공격 표적이 되지 않도록 대비해야 한다”고 강조했다.

이 글에서는 최신 자료와 연구를 바탕으로 2025년 AI 산업 경제와 주요 기술 트렌드를 전망하고자 하며, 이를 통해 AI가 제공할 기회와 해결해야 할 도전 과제를 균형 있게 분석하고자 한다.   2025년은 인공지능(AI)이 경제와 기술 전반에 걸쳐 혁신을 주도하며, 산업 구조와 일상생활에 깊은 영향을 미칠 것이며, 전 세계 산업 경제와 기술 혁신의 중심축으로 자리 잡는 해가 될 것이다. 코로나19 팬데믹 이후 가속화된 디지털 전환과 AI 기술의 융합은 사회 전반에 큰 변화를 가져왔다. 특히, 제조, 금융, 헬스케어, 물류, 교육 등 다양한 산업 분야에서 AI는 단순히 비용 절감 도구를 넘어 새로운 가치를 창출하고, 기존 비즈니스 모델을 재정의하고 있다. 최근 예측 자료에 의하며, AI 에이전트, 엣지 AI, AI 사이버 보안, AI 기반 로봇 등이 성장세에 위치하고 있다.    1. AI 산업 경제 전망 2025년은 경제 성장의 주도 동력으로서의 AI, 글로벌 AI 기술 ,그리고 AI가 가져올 고용과 직업의 변화 등에서 다양한 AI 산업 경제 변화를 예상해 볼 수 있다.  IDC의 보고서에 따르면, 2025년 전 세계 기업들의 AI 솔루션 지출은 약 3,070억 달러에 달할 것으로 예상되며, 이는 2028년까지 연평균 29.0%의 성장률로 6,320억 달러에 이를 것으로 전망하였다. 이러한 투자는 AI 기술이 다양한 산업 분야에서 핵심적인 역할을 할 것임을 시사한다.  글로벌 컨설팅 기업 PwC의 보고서에 따르면, AI는 2030년까지 세계 GDP를 약 15.7조 달러를 증가시킬 것이며, 이는 연평균 14% 이상의 성장률에 해당된다고 예측했다. 이는 AI 기술이 단순히 비용 절감 도구를 넘어 새로운 부가가치를 창출하는 데 중요한 역할을 하고 있음을 보여주는 예측이다.  PwC는 보고서에서 AI에 대해 몇 가지 강조한 점이 있는데, 첫째, AI는 글로벌 경제의 생산성과 GDP 잠재력을 변화시킬 수 있으며. 이를 실현하기 위해서는 다양한 유형의 AI 기술에 대한 전략적 투자가 필요하다고 하였다. 둘째, 노동 생산성 향상이 초기 GDP 증가를 주도할 것이며, 기업들은 AI 기술을 활용해 노동력의 생산성을 ‘증강(augment)’시키고 일부 작업과 역할을 자동화하려 할 것이라고 하였다. 셋째, 2030년까지 전체 경제적 이익의 45%는 제품 개선에서 비롯될 것이며, 이는 소비자 수요를 자극하게 되어 AI가 더 다양한 제품을 제공하고, 시간이 지남에 따라 개인화, 매력도, 경제성을 높이기 때문이라고 하였다. 넷째, AI로 인한 가장 큰 경제적 이익은 중국(2030년 GDP 26% 증가)과 북미(14.5% 증가)에서 발생할 것이며, 이는 총 10.7조 달러에 달해 전 세계 경제적 영향의 약 70%를 차지할 것으로 전망하였다. 특히, 스마트 팩토리, 자동화 물류 시스템, 지능형 고객 서비스 등이 AI 기술 적용의 대표적인 사례로 들 수 있다. 예를 들어, 독일의 Siemens는 자사의 스마트 팩토리에서 AI를 활용해 제조 공정을 최적화하여 생산성을 20% 이상 향상시켰으며, 물류 업계에서는 Amazon이 자율주행 로봇과 AI 기반 물류 분석을 통해 배송 시간을 단축시킨 바 있다.   ***상세 내용은 PDF로 제공됩니다.   조영임 교수 / 가천대 컴퓨터공학과