빌딩스마트협회 외 공저 / 3만원 / 이엔지미디어(캐드앤그래픽스) 건설 산업의 체질 개선과 경쟁력 확보를 위한 디지털 전환 실전 지침서 인공지능(AI), 빅데이터, 사물인터넷(IoT), 클라우드 컴퓨팅 등 첨단 기술이 산업 전반의 지형을 바꾸는 디지털 대전환(DX) 시대를 맞아 건설 산업 역시 역동적인 변화의 중심에 서 있다.  이러한 흐름 속에서 빌딩스마트협회와 캐드앤그래픽스는 관련 업계 전문가들과 함께 건설/건축 업계의 다양한 변화상을 진단하고 미래 청사진을 제시하는 전문 서적을 발간했다. 이 책은 스마트 건설 DX에 대한 기초적인 이해부터 건설 소프트웨어 최신 동향, 시스템 구축 전략, 실제 적용 사례까지 방대한 정보를 집대성한 가이드북이다.  BIM(건설정보모델링), 설계, 구조해석, 디지털 트윈 등 현재 건설 현장에서 실시간으로 벌어지는 기술 혁신의 현주소를 상세히 짚어준다. 특히 국토교통부의 '스마트 건설 활성화 방안'과 BIM 의무화 등 정부의 정책적 기조에 발맞추어, 단순한 기술 도입을 넘어 국가 건설 산업의 체질을 개선하고 글로벌 경쟁력을 확보하기 위한 핵심 전략을 제시한다.  데이터 기반의 정밀 설계와 시공을 통해 생산성을 높이고 공기를 단축하는 방법론은 물론, 안전사고 예방과 ESG 경영 실현을 위한 스마트 기술의 역할도 비중 있게 다루고 있다. 구성은 총 7개의 파트로 나뉘어 있다. 스마트 건설의 개요와 DX 인사이트를 시작으로 도입 전략 가이드, 기술 동향 및 발전 방향, 국내외 적용 사례를 순차적으로 설명한다.  또한 주요 솔루션 소개와 관련 업체 디렉토리, 제품 리스트를 부록처럼 수록하여 실무자들이 현장에서 즉각적으로 활용할 수 있도록 편의성을 높였다. 건설 분야의 디지털 전환이라는 긴 마라톤을 앞둔 건설인들에게 이 책은 조직 문화를 바꾸고 사람 중심의 혁신을 이끌어내는 튼튼한 발판이 될 것으로 기대된다. <스마트 건설 DX 가이드>는 현재 이북으로 캐드앤그래픽스 홈페이지에서 구입 가능하며, 도서 사전예약 을 거쳐 4월 중순 시중 서점에서 만날 수 있다.    

디지털 지식전문가 조형식의 지식마당   최근 인공지능이 우리 삶의 모든 면을 급격하게 변화시키고 있다. 혹자는 이것을 인공지능 전환(AI transformation 또는 AX)이라고 말한다. 그러나 실상은 그 이상이다. 디지털 전환(digital transformation : DX)이 본격적으로 시작한 것도 몇 년 되지 않았는데 다시 인공지능 전환이라니, 대부분 정보기술 분야의 이해당사자들은 당혹스럽다. 디지털 전환의 시대에 정보기술 분야에 일하는 사람들은 약간 안도했을 수도 있다. 이것은 정보화에서 디지털 기술의 심화가 디지털 전환으로 받아들였기 때문이다. 그러나 인공지능 전환은 조금 결이 다르다는 것을 느낄 것이다. 초기에는 빅데이터 분석(big data analytics)과 머신러닝은 연결고리가 있었다. 또한 CAD/CAM/CAE 분야와 시뮬레이션(simulation) 그리고 디지털 트윈(digital twin)도 연결고리가 있다. 이 모든 패러다임의 데이터 기반(datadriven)과 폐쇄형 시스템(closed system)이라는 패러다임을 공유한다. 다시 말해서 데이터 수집(data collection)이 중요하고 데이터 정의(data definition)가 핵심이다.  그러나 인간의 사고를 흉내내는 언어 중심의 인공지능에서 의사결정 구조에서 맥락(context)이 없는 데이터는 경직되고 의사결정에서 쓸모 없는 경우가 많다. 기업의 경쟁력은 더 이상 단순히 데이터를 ‘많이 보유’하는 데서 나오지 않는다. 핵심은 데이터를 어떻게 구조화하고, 어떻게 의미를 부여하며, 어떻게 의사결정으로 연결하느냐에 있다. 전통적 데이터 웨어하우스는 스타 스키마(star schema)와 스노우플레이크 모델을 중심으로 발전해 왔다. 이 구조는 대규모 분석을 가능하게 했지만, 급변하는 비즈니스 환경—규제 변화, 가격 정책 수정, 구독 모델 전환, AI 기반 실험—을 따라가기에는 점점 한계를 드러내고 있다.   그림 1. 온톨로지와 그래픽 데이터베이스   이제 기업은 고정된 테이블 중심 사고에서 벗어나, 시맨틱 그래프 기반 온톨로지(ontology)로 전환하고 있다. 이 전환을 가속하는 기술이 바로 LLM(Large Language Model : 대형 언어 모델)이다. 기존의 산업용 정보기술(industrial IT)은 마치 ‘콘크리트 신발’을 신고 달리는 것과 같다. 구조는 단단하지만, 방향 전환은 느리다. 온톨로지는 데이터를 ‘테이블’이 아니라 의미 있는 객체(object)로 본다. ‘고객’, ‘주문’, ‘제품’은 더 이상 테이블이 아니라 그래프의 노드다. 관계는 조인이 아니라 방향성 링크(directed edge)다. 이 접근은 그래프 데이터베이스 및 시맨틱 기술 발전과 맞물려, 현대 데이터 아키텍처의 핵심으로 자리잡고 있다. 이전에는 인공지능 프로젝트가 없거나 온톨로지, 디지털 스레드와 디지털 트윈, 그래프 데이터베이스(graph database)를 결합하려는 시도가 없던 것은 아니다. 다만 개발자, 담당자, 도메인 전문가는 너무 힘든 작업과 시간과 비용의 소모전이기 때문에 성공할 수 없는 방법론이었다. 단지 거대 방위산업 회사만이 가능했다. 그러나 LLM이 보편화되면서 이 모든 것이 가능해졌다. 이 패러다임은 온톨로지 기반 디지털 트윈(ontology based digital twin) 정보화이다. 복잡하게 들리지만, 현재 팔란티어라는 회사가 사용하고 있는 방법이다.   그림 2. 게임 체인저 LLM, 구축 비용의 혁신   새로운 온톨로지 디지털 트윈 정보기술의 패러다임의 비즈니스 혁신 효과는 다음과 같다.   의사결정 민첩성 규제 변경, 가격 정책 전환, 제품 피봇 시 노드와 링크만 추가하면 확장 가능   분석 부채 감소 기존 핸드크래프트 파이프라인 붕괴 문제 해소 데이터 팀은 유지보수가 아닌 가치 창출에 집중   데이터 민주화 현업 담당자가 직접 질문 : “지난달 프리미엄 사용자의 평균 구매 빈도는?” 엔지니어 도움 없이도 탐색 가능   비용 효율 스타트업 : 엔터프라이즈급 모델링 확보 대기업 : 스키마 드리프트 관리 자동화   그림 3. 온톨로지 패러다임 비교   전략적 시사점은 LLM 기반 온톨로지 자동화는 단순 기술 도입이 아니다. 이는 기업 운영 체계의 구조적 재설계다. 핵심은 데이터 → 의미 → 의사결정 연결 구조 구축, 인간과 AI의 역할 명확화, 온톨로지를 운영 자산으로 관리, 질의 기반 학습 구조 설계, 장기적 데이터 지능 축적 전략 수립이다.   그림 4. 디지털 트윈 정보 모델   결론적으로, 데이터 민주화에서 의사결정 민주화로 움직이면서 LLM 기반 온톨로지 자동화는 단순히 모델링 비용을 줄이는 도구가 아니다. 이는 의미 중심 데이터 구조, 자가 최적화 파이프라인, 복리적 지식 축적, 조직 전체의 분석 역량 확장을 가능하게 한다. 결국 이는 데이터 민주화 → 분석 민주화 → 의사결정 민주화로 이어지는 전환이다. 여기서 말하는 민주화는 책임지는 사람이 결정하고, 의사결정 과정을 투명하게 공유하는 과정을 의미한다. 설명되지 않는 인공지능 도움에 의한 의사 결정은 리스크가 크다. 앞으로의 경쟁력은 데이터를 얼마나 많이 보유했는가가 아니라, 데이터를 얼마나 의미 있게 연결했는가에 달려 있다. 그리고 그 연결을 자동화하는 시대가 이미 시작되었다.   ■ 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.

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.

워트인텔리전스, ‘특허 버티컬 AI’로 미래 기술 방향 제시 특허는 단순한 권리보호 수단을 넘어, 기업의 미래 기술 방향 성과 전략이 집약된 고급 기술 데이터다. 그러나 방대한 비정형 특허 데이터를 이해하고 전략적으로 활용하는 일은 쉽지 않다. 2015년 설립된 워트인텔리전스(Wert Intelligence)는 이러한 문제를 해결하기 위해 설립되어 국내 최초이자 유일한 ‘특허 버티컬 AI’ 전문 기업으로 자리매김했다.   워트인텔리전스 윤정호 대표    ‘특허 버티컬 AI’ 기업, 워트인텔리전스 워트인텔리전스는 AI 기반 특허 검색•분석 기술을 통해 방대한 특허 데이터를 R&D·전략기획·투자·신사업 부서에서 즉시 활용 가능한 인사이트로 전환하는 솔루션을 제공한다. 현대자동차, 두산, 쿠팡, 카카오, 김앤장법률사무소, CJ 등 3,000여 개 기업이 활용하고 있으며, 최근에는 LG AI연구원과 함께 특허 특화 AI 모델을 공동 개발해 기술 데이터 해석의 정확성과 활용 범위를 확장하고 있다.   AI 기반 특허 검색•분석 서비스 ‘keywert’ 이번 산업AI EXPO 2025에서 워트인텔리전스는 대표 서비스 ‘key wer t(키워트)’를 중점적으로 선보인다. keywert는 전 세계 3억 건 이상의 특허 데이터를 기반으로 학습된 특허 특화 LLM(Large Language Model)을 활용해, 누구나 자연어로 특허를 검색하고 해석할 수 있는 AI 특허 분석 플랫폼이다. 기존 검색식 기반의 특허서비스와 달리, “애플의 노이즈캔슬링 기술 찾아줘”와 같은 자연어 질의나 뉴스 기사·키워드 입력만으로도 해당 기술의 핵심 내용을 도출할 수 있다. 또한 AI로 특허 데이터를 다각도로 분석해 신규 시장 기회를 발굴하는 IP 빅데이터 분석, 기술군을 자동 분류 하고 매트릭스 형태로 시각화하는 시각화 분석 서비스도 제공한다. R&D 기획, 기술 투자 타당성 분석, 해외 시장 진출 전략 수립 등 다양한 산업 응용 분야에서 활용이 가능하며, 이미 AI 기반 IP 전략 수립의 새로운 표준 도구로 자리잡고 있다.   기술 전략 중심의 특허 활용 시대 글로벌 시장은 이미 특허 데이터를 ‘법률 중심’이 아닌 ‘기술 전략 중심’ 자산으로 전환해 활용하는 흐름에 진입했다. AI 기술의 발전은 방대한 기술 데이터를 자동으로 읽고 정리해, 기업의 전략 수립 속도와 정확도를 비약적으로 향상시키고 있다. 워트인텔리전스는 특허 데이터에 특화된 독자 LLM을 자체 개발, 발명의 구성 요소·기술 맥락·산업 흐름까지 이해·분석 가능한 수준으로 고도화했다. 이는 단순 문서 요약 수준을 넘어선 차별점으로, 한국형 산업 AI 모델로서 글로벌 시장에서도 확장성과 파급력을 입증할 잠재력을 갖추고 있다.   향후 계획 – 특허 데이터를 전략 자산으로 워트인텔리전스는 AI 기반 특허 해석 기술을 더욱 고도화해, 특허 데이터를 단순 분석이 아닌 전략 도출의 핵심 자산으로 만드는 것을 목표로 한다. 이를 위해 기술 전략자동화, 기업 맞춤형 리포트 제공 등 고부가가치 비즈니스를 강화하고, IP 데이터를 비즈니스 인텔리전스로 완전 전환할 계획이다. 글로벌 시장에서도 특허 데이터를 기술 데이터로 활용하는 트렌드가 확산되는 가운데, 워트인텔리전스는 해당 분야에서 세계 최고 수준의 버티컬 AI 역량을 갖춘 기업으로 자리잡고자 한다.   데이터 해석과 실행 가능성, 산업AI 성장의 핵심 워트인텔리전스는 산업AI의 성장이 데이터의 전략적 해석력과 실행 가능성에 달려 있다고 본다. 복잡한 데이터를 더 많이 모으는 것보다, 그 속에서 핵심을 읽어내어 전략으로 연결하는 것이 중요하다. “기술을 어떻게 해석하고, 그 해석을 어떻게 전략으로 바꿀 것인가”를 끊임없이 고민해온 워트인텔리전스는 앞으로도 특허 데이터를 넘어 비즈니스 전략을 이끄는 기술 파트너로 성장해 나갈 예정이다.

삼성전자는 자사의 빌딩 통합 설루션 b.IoT를 적용한 팩토리얼 성수 빌딩이 국내 최초로 스마트 빌딩 국제 인증인 스마트스코어(SmartScore)의 골드 등급을 획득했다고 밝혔다. 삼성전자의 b.IoT는 공조, 조명, 전력 등 빌딩 내 주요 설비를 하나의 플랫폼에서 통합 운영하는 AI 기반 설루션이다.     스마트스코어는 스마트시티 인증 전문기업인 와이어드스코어(WiredScore)가 운영하는 글로벌 스마트 빌딩 인증 제도로, 건축물에 적용된 사물인터넷(IoT)·AI·빅데이터 등 최첨단 기술의 구현 정도와 실제 효과, 효율 등을 평가한다. 스마트스코어는 평가를 통해 플래티넘, 골드, 실버, 공인(Certified) 순으로 등급을 부여한다. 스마트스코어 골드 등급은 최첨단 기술력을 바탕으로 건물 관리자에게는 에너지 관리 등 높은 운영 효율을 제공하고, 건물 입주자에게는 실내 공기질 관리 등 쾌적한 환경을 제공하는 등 다양한 요구사항을 충족하는 상위 수준의 스마트 빌딩에 부여된다. 국내에서 첫 번째로 스마트스코어 골드 등급을 획득한 팩토리얼 성수는 2020년 성수역 인근 물류 부지를 개발해 만든 오피스 빌딩으로, 기획 단계부터 삼성전자와 ‘테크 레디(Tech Ready) 빌딩’ 콘셉트를 설정해 협업을 진행했다. 삼성전자는 b.IoT가 팩토리얼 성수의 골드 등급 획득에 핵심 역할을 했다고 설명했다. b.IoT는 관리자가 건물 전반의 운영 상태를 실시간으로 모니터링하고 상황에 따라 효율적으로 제어할 수 있도록 돕는다. 예를 들어 AI 기반으로 해당 건물의 에너지 사용량, 설비 운영 현황, 냉난방 효율 등을 분석하고 사용 패턴을 예측해 최적의 에너지 관리를 지원하고, 실시간으로 설비 상태를 확인해 이상 동작시 알림을 보내준다. 또한 땅 속의 열 에너지를 활용해 효율적인 냉·난방을 제공하는 ‘DVM(Digital Variable Multi) 지열 시스템’과의 연결도 지원해 건물 에너지 효율을 높일 수 있다. 팩토리얼 성수는 b.IoT 설루션으로 중앙 공조와 시스템 에어컨을 최적의 상태로 운영해 2025년 6월 1일부터 9월 30일까지 에너지 사용량의 약 27%를 절감했다.  특히 b.IoT는 현실의 빌딩을 가상 공간에 3D 모델로 구현해 빌딩 내 모든 설비 상태를 실시간 시각화 하는 디지털 트윈 기술을 지원한다. 관리자는 가상 환경에서 시각화된 3D 모델을 활용해 다양한 관리 시나리오를 시뮬레이션 할 수 있어 빌딩을 한층 효율적으로 운영·관리할 수 있다. 삼성전자 B2B통합오퍼링센터의 박찬우 부사장은 “이번 인증을 통해 AI∙디지털 트윈 등 최첨단 기술력을 갖춘 b.IoT 설루션의 편의성과 경쟁력이 검증됐다”면서, “AI 기반의 자율 운영 빌딩 구현을 목표로 기술을 지속 발전시키겠다”고 말했다.

데이터 기반 의사결정과 자동화 혁신, 씨에스리    데이터 기반 의사결정과 업무 자동화가 산업 경쟁력의 핵심으로 부상하는 시대, 씨에스리가 ‘현장에서 바로 쓸 수 있는’ AI·RPA 융합 데이터 분석 솔루션 ‘빅재미(BigZami)’를 앞세워 시장을 공략하고 있다. 설립 이후 축적한 데이터 아키텍처와 분석 컨설팅 노하우를 토대로, 코딩 없이도 데이터 수집부터 분석·시각화·보고까지 원스톱으로 처리할 수 있는 빅재미를 선보이며, 제조·물류·공공 등 다양한 산업 현장의 디지털 전환과 의사결정 속도를 높이는 해법을 제시할 계획이다.     가치 기반의 산업 디지털전환 솔루션 제공기업, 씨에스리 2013년 설립된 씨에스리는 “가치 있는 IT, 가치를 만들어내는 IT”를 모토로, IT 기술을 통해 고객에게 실질적인 가치를 제공하는 디지털 전환(DX) 전문 기업이다. 설립 초기에는 데이터 아키텍처(DA, TA, SWA, Cloud Architect), 데이터 모델링, DB 튜닝 등 전통적인 데이터베이스 기술 컨설팅을 중심으로 성장했으며, 이후 빅데이터·AI 기반 기획·분석·교육·ISP까지 서비스 영역을 확대했다. 씨에스리는 공공기관과 대기업은 물론, 중소·중견기업의 디지털 전환 및 자동화 수요에도 대응하며, 산업 전반에서 데이터 활용성과 업무 효율성을 높이는 실질적인 기술 파트너로 자리매김하고 있다. 코딩 없이 원스톱 데이터 분석 가능한 ‘빅재미(BigZami)’ 씨에스리는 대표 솔루션 ‘빅재미’를 선보인다. 빅재미는 데이터 수집·전처리·분석·시각화·보고까지 한 번에 처리할 수 있는 데이터 분석 RPA 솔루션으로, 복잡한 프로그래밍이나 언어 없이도 직관적인 UI 환경에서 누구나 손쉽게 데이터를 다룰 수 있다. R, SQL, Q-GIS 등 별도의 프로그램 설치 없이 원스톱 분석이 가능하며, 반복 업무를 줄이고 데이터 기반 의사결정의 속도와 정확성을 높인다. 여기에 탑재된 AI Agent 기능을 통해 비전문가도 데이터를 분석·해석할 수 있으며, 맞춤형 최적 알고리즘 추천, 실시간 대시보드 모니터링, AI 기반 이상 감지 기능까지 제공한다. 또한 70여 종 이상의 전처리 기능과 다양한 분석 알고리즘을 통해 분석 생산성과 재사용성을 강화한다. 전체 분석 과정의 80%를 차지하는 전처리 작업을 간편하게 처리할 수 있으며, 분석 알고리즘 시뮬레이션 기능으로 업무 생산성을 높이고 분석 과정의 투명성과 신뢰도를 확보한다. 자주 사용하는 분석 모델은 템플릿으로 제작·공유·배포하여 표준화된 업무 자동화와 조직 내 데이터 활용 표준화를 실현한다.   현장 적용성을 높이는 AI·RPA 융합 경쟁력 최근 산업AI 시장은 ‘기술의 복잡성’보다 ‘현장 적용성’이 중요해지고 있다. 변화 속도가 빠른 산업 환경에서는 데이터 기반 의사결정을 빠르게 실행할 수 있는 실용적 솔루션이 각광받고 있다. 씨에스리는 오랜 데이터 아키텍처 및 분석 컨설팅 경험을 바탕으로, 단순 AI 적용이 아닌 비즈니스 가치를 실현하는 방향으로 솔루션을 설계해 왔다. 특히 AI와 RPA 기술을 융합한 빅재미를 통해, 누구나 쉽게 데이터를 활용하고 직접 인사이트를 도출할 수 있는 환경을 제공한다.   향후 목표 – ‘한국형 팔란티어’로 성장 씨에스리는 최근 데이터와 AI(인공지능) 서비스로 매우 핫한 기업인 팔란티어와 같은 회사가 되는 것이 목표이다. 이를 위해 글로벌 데이터·AI 솔루션 기업을 벤치마킹해, 국내 기업과 공공 분야의 다양한 문제를 해결하는 핵심 솔루션 제공자로 성장할 계획이다. 이와 함께 메타 기반 설계·구축·관리 역량을 토대로, 데이터에 담긴 문제를 정의하고 빅데이터·AI 기술로 해결책을 제시하는 역할을 강화할 계획이다.   씨에스리 이춘식 대표    

씨게이트 테크놀로지가 AI 기반 영상을 분석하고 의사결정에 즉각 활용 가능한 인텔리전스로 구현하는데 핵심이 될 첨단 스토리지 설루션을 선보였다. 에지부터 클라우드까지 아우르는 이 포트폴리오는 기업이 데이터의 가치를 최대한 활용하고 보다 스마트하며 신속한 의사결정을 내릴 수 있도록 설계됐다. 비디오 이미징 및 분석 분야에 적용되는 AI 기술은 네트워크 에지에서 전례 없는 데이터 증가를 불러오고 있다. IDC에 따르면, AI가 각 프레임에 요약, 주석 및 메타데이터를 추가하면서 전체 조직의 75% 이상이 비디오 데이터가 향후 5년 내 최소 2 배 이상 증가할 것으로 전망된다. 여러 산업군 전반에서 조사 속도의 향상 및 경보 자동화, 규정 준수 보장, 심층적인 운영 통찰력 확보 등 새로운 활용 사례가 이러한 데이터 급증을 촉진시키고 있다. 1월 12일~14일 아랍에미리트 두바이에서 열린 인터섹 2026(Intersec 2026)에서 씨게이트는 이러한 수요를 충족하기 위한 최신 대용량 스토리지 혁신 기술을 선보였다. 씨게이트는 전통적 자기기록(CMR) 기술 분야에서 쌓아온 입지를 기반으로, 유통 채널 및 소매 파트너사에 엑소스 (Exos), 스카이호크 AI (SkyHawk AI) 및 아이언울프 프로(IronWolf Pro) 제품군 전반에 걸쳐 32 TB 하드 드라이브를 제공한다. 특히, 하이퍼스케일 클라우드 환경에서 검증된 씨게이트 모자이크 기술(Seagate Mozaic technology)을 바탕으로, 기업 고객은 복잡한 하이브리드 및 멀티클라우드 인프라 전반에서 AI 작업 부하를 안심하고 확장할 수 있다.하드 드라이브는 뛰어난 용량, 성능 및 확장성을 제공해 기업이 방대한 양의 데이터를 효율적으로 저장하고 처리할 수 있기 때문에, 에지와 데이터센터에서 유연하게 AI를 도입할 수 있다.     스카이호크 AI 32TB는 AI 지원 NVR 및 에지 보안 애플리케이션을 위해 설계된 영상 최적화 CMR 드라이브이다. 표준 영상 드라이브 대비 3배 높은 작업 부하 처리 능력으로 1만 시간 이상의 영상 및 분석을 지원한다. 또한 스카이호크 헬스 관리(SkyHawk Health Management), 5년 제한 보증, 3년 데이터 복구 서비스(Rescue Data Recovery Services)를 비롯해 최고 수준의 신뢰성을 보장한다는 것이 씨게이트의 설명이다. 아이언울프 프로 32TB는 크리에이티브 전문가, 중소기업 및 온프레미스 AI 작업 부하를 위한 대용량 드라이브이다. CMR 기술과 애자일어레이(AgileArray) 펌웨어를 지원해, 24시간 내내 끊김 없는 가동 시간을 보장하는 엔터프라이즈급 NAS 성능을 제공한다. 연간 550TB의 작업 부하 등급, 아이언울프 헬스 관리(IronWolf Health Management), 5년 제한 보증, 3년 데이터 복구 서비스를 지원한다. 엑소스 32TB는 클라우드 및 엔터프라이즈 데이터센터를 위한 용량과 전력 효율을 제공하며, 플래터당 최대 3TB의 밀도를 지원해 AI, 빅데이터 및 하이퍼스케일 작업 부하에 최적화됐다. 드라이브의 90%가 검증된 부품을 사용해 제작되어 신뢰할 수 있는 장기 성능과 지속가능한 운영을 보장한다. 씨게이트의 멜리사 밴다(Melyssa Banda) 에지 스토리지 및 설루션 부문 수석 부사장은 “컴퓨터 비전과 같은 AI 적용 기술은 산업 전반에서 영상 활용 방식을 변화시키고 있다”면서, “스마트 시티 프로젝트부터 소매업 및 핵심 인프라에 이르기까지, 영상은 검색 가능한 비즈니스 인텔리전스로 진화하고 있으며 이는 일상적인 운영 방식에 변화를 의미한다”고 강조했다. 이어 “이러한 전환에는 새로운 형태의 데이터 백본이 필요하다. 즉, 인사이트 흐름을 유지하고 아카이브 검색을 가능하게 하기 위해 에지 컴퓨팅 및 데이터센터에 대용량 스토리지가 필수이다. 이러한 기반을 확보하지 못한다면 AI 기반 영상 분석의 잠재력은 대폭 제한될 수밖에 없다”고 설명했다. 씨게이트 스카이호크  AI, 엑소스 및 아이언울프 프로 32TB 하드 드라이브는 1월 15일부터 전세계 씨게이트 공식 채널 파트너를 통해 구매 가능하다. 스카이호크 AI, 엑소스 및 아이언울프 프로는 소비자권장가 169만 원에 제공된다.

한국BIM학회가 11월 14일 한국과학기술회관에서 ‘스마트를 넘어 : 지능형 건설의 부상(Beyond Smart : The Rise of Intelligent Construction)’을 주제로 ‘KIBIM 2025 국제 심포지엄’을 개최했다. 이번 심포지엄은 AI, 빅데이터, 디지털 트윈 등 첨단 기술이 융합된 지능형 건설의 현재와 미래 방향을 탐색하고, BIM(건설 정보 모델링)의 초기 단계 적용을 위한 정량적 효과 확보라는 핵심 과제를 논의하는 장이 되었다. ■ 최경화 국장      글로벌 전문가, 지능형 건설의 비전을 공유하다 한국BIM학회 추승연 회장은 “지속가능성, 안전, 생산성 문제를 해결하기 위한 통찰과 전략을 공유하는 뜻깊은 자리”가 될 것이라고 심포지엄의 의의를 밝혔다. 심포지엄에서는 글로벌 전문가의 기조연설이 이어졌다. 타이거 그룹(Tiger Group)의 수하일 알 라이에스 전무이사는 ‘두바이 메가 프로젝트를 위한 지능형 시스템’을, 구글의 버나드 크레스 XR 엔지니어링 디렉터는 ‘스마트 건설을 위한 스마트 안경 및 증강 현실 헤드셋’ 활용 방안을 공유하며 지능형 건설의 첨단 기술 적용 사례를 소개했다. 오토데스크코리아의 오찬주 대표는 ‘AECO(설계·엔지니어링·건설·운영) 산업을 위한 연결된 미래’라는 제목으로 AI와 클라우드 기반의 ‘성과 기반 BIM’을 강조했다.   공공 발주기관, BIM 활성화의 현실적 과제 제시 오후 세션에서는 주요 공공 발주기관 관계자들이 참석한 ‘공공 부문의 BIM 리더십’ 특별 세션에서 BIM 적용의 현실적 과제가 집중적으로 논의되었다. 한국공항공사 문순배 센터장은 공공발주기관의 BIM 적용 추진 현황에 대해 소개하고, 스마트건설 얼라이언스 BIM 발주기관 특별위원회에 대해 소개했다. 이 위원회는 국토교통부와 BIM센터(한국건설기술연구원)가 총괄 및 지원하며, 조달청을 포함하여 한국도로공사, 국가철도공단, 인천국제공항공사, 한국토지주택공사(LH), 한국수자원공사, 항만공사, 한국농어촌공사, 국토안전관리원 등 등 SOC 및 개발 분야의 주요 공공기관과 지방자치단체 등 BIM 발주를 담당하는 기관들이 참여하고 있다. 부장은 “발주기관이 BIM 시행방침을 마련하려 해도 정량적 효과가 없다는 지점에서 막히곤 했다”며, 근거 확보의 어려움으로 인한 담당자의 책임 문제를 지적했다. 국토교통부는 올해까지 1000억원 이상 도로·하천·항만·철도·건축 공사에 BIM 적용을 의무화했고, 2026년 500억원 이상, 2028년 300억원 이상, 2030년에는 300억원 미만 공공 공사까지 대상을 확대할 계획이다. 국토교통부가 2030년까지 공공 공사 BIM 적용 대상을 확대할 계획임에도 불구하고, 발주처에서는 BIM 활성화를 뒷받침할 정량적 근거 부족이 핵심 문제로 지적되었다. 협의회에서는 공통 과제를 도출하고, 성과 공유, 협력 체계 구축,  향후 5년간 BIM 발주 물량 통합 등 발전적인 방안을 만들어 나갈 계획이다. 국가철도공단 조성희 부장은 2026년을 예측하고 사고하는 철도의 원년으로 만들기 위한 철도 건설사업 전 주기 AI-BIM 융합 3대 핵심 과제에 대해 소개하고 설계, 시공 BIM 품질검증 자동화와 공정 리스크 예측 및 최적화, 현장 안전 디지털 트윈 구축 등을 해 나갈 것이라고 밝혔다.   AI 기반 기술과 BIM 거버넌스 구축의 중요성 강조 심포지엄의 다른 세션에서는 지능형 건설을 이끄는 다양한 기술과 전략이 소개되었다. ‘스마트 건설의 기반’ 세션에서는 한양대학교, 인하대학교, 연세대학교 등에서 AI 기반 시뮬레이션, 생성형 AI를 활용한 구조계산 자동화 기술 등 첨단 연구 사례를 발표했다. ‘건축 환경을 위한 AI 및 자동화’ 세션에서는 네이버랩스, BLUA, 대우건설 등이 데이터와 파이썬, AI를 활용한 BIM 데이터 검증 프레임워크 등을 소개하며 자동화의 가능성을 제시했다. ‘건설 분야 디지털 전환’ 세션에서는 옵티콘, 현대건설, 수성엔지니어링 등에서 효율적인 BIM 파이프라인 구축 사례 및 디지털 전환 시대 건설 산업의 역할에 대해 소개했다. 특히, 성균관대 진상윤 교수는 초기 단계에서부터 설계 전 과정에서 BIM을 제대로 활용하는 전면 BIM 설계의 중요성에 대해 강조하고, 가치 극대화를 위해서는 초기 설계 단계부터 대안 검토와 디자인 개발이 이루어져야 효과가 극대화될 수 있으며, 현재는 ‘fake BIM’ 현상과 과도기에 있다고 밝혔다. 또한 BIM이 게임 체인저의 역할을 하려면, BIM 거버넌스 구축, 설계 초기 단계부터 BIM 요구사항 명확화, 차별화된 서비스 기반 대가 산정이 이루어져야 할 것이라고 말했다.   ▲ KIBIM 2025 국제 심포지엄 참석자 및 한국BIM학회 주요 멤버 기념사진    심포지엄의 마지막 순서인 시상식에서는 BIM 기술의 연구와 개발, 산업 활성화에 기여한 공로자 및 기관에 대한 표창이 진행되었다. 공로상은 BIM 관련 정책 지원 및 진흥에 기여한 국토교통진흥원에 수여되었다. 학술상은 BIM 분야의 학문적 발전에 공헌한 성균관대학교 심성한 교수와 국립경상대학교 윤석헌 교수에게 돌아갔다. 기술상은 혁신적인 BIM 기술 개발 및 적용에 기여한 ▲국가철도공단 철도혁신연구원 ▲케이지엔지니어링 ▲선문 ▲이산 ▲에스엘즈 등 5개 기관이 수상했다. BIM을 활용한 우수한 건축 작품을 선보인 작품상은 ▲아키탑케이엘종합건축사사무소 ▲해안종합건축사사무소 등 2개 건축사사무소가 수상의 영예를 안았다. 한편, 이날 행사에는 한국BIM학회와 홍콩BIM학회의 MOU가 이루어졌다. 한국BIM학회는 BIM 및 스마트 건설 기술 발전을 위한 협력 프레임워크를 구축하기 위해 홍콩BIM학회와 MOU를 체결했으며, 주요 협력 분야는 BIM 및 스마트 건설 분야 전반에 걸쳐 교육, 연구, 개발, 그리고 정책 지원 등이 포함될 것으로 보인다.   ▲ 한국BIM학회와 홍콩BIM학회의 MOU      ■ 기사 내용은 PDF로도 제공됩니다.

한국BIM학회(KIBIM)가 오는 11월 14일 한국과학기술회관에서 ‘KIBIM 2025 국제 심포지엄’을 개최한다. ‘스마트를 넘어 : 지능형 건설의 부상(Beyond Smart : The Rise of Intelligent Construction)’을 주제로 열리는 이번 심포지엄은 AI, 빅데이터, 디지털 트윈, 로보틱스 등 첨단 기술이 건축·건설 산업에 접목되는 현시점에서 지능형 건설의 현재와 미래 방향을 탐구하기 위해 마련됐다. 한국BIM학회의 추승연 회장은 “지속가능성, 안전, 생산성 문제를 해결하기 위한 통찰과 전략을 공유하는 뜻깊은 자리가 될 것”이라고 전했다. 심포지엄에서는 글로벌 전문가의 기조연설이 진행된다. ▲타이거 그룹(Tiger Group)의 수하일 알 라이에스(Suhail Al Rayes) 전무이사가 ‘두바이 메가 프로젝트를 위한 지능형 시스템’을 소개하고 ▲구글의 버나드 크레스(Bernard Kress) XR 엔지니어링 디렉터는 ‘스마트 건설을 위한 스마트 안경 및 증강 현실 헤드셋’ 활용 방안을 공유한다. ▲오토데스크코리아의 오찬주 대표는 ‘AECO(설계·엔지니어링·건설·운영) 산업을 위한 연결된 미래’라는 제목으로 AI와 클라우드 기반의 ‘성과 기반 BIM’을 소개한다. 오후 행사는 ▲국토교통부, 한국공항공사, 국가철도공단 등이 공공 발주기관의 BIM 적용 전략과 성과를 발표하는 ‘공공 부문의 BIM 리더십’ 특별 세션 ▲한양대학교, 인하대학교, 연세대학교, 성균관대학교에서 AI 기반 시뮬레이션과 생성형 AI를 활용한 구조계산 자동화 기술 등을 소개하는 ‘스마트 건설의 기반’ 세션 ▲네이버랩스, BLUA, 대우건설, COWI에서 데이터와 파이썬, AI를 활용한 BIM 데이터 검증 프레임워크 등을 소개하는 ‘건축 환경을 위한 AI 및 자동화’ 세션 ▲옵티콘, 현대건설, 수성엔지니어링 등에서 효율적인 BIM 파이프라인 구축 사례 및 디지털 전환 시대 건설 산업의 역할에 대해 공유하는 ‘건설 분야 디지털 전환’ 세션 등 네 개의 세션으로 나뉘어 진행된다.  

장동인 지음 / 2만 5000원 / 리코멘드 AI 도입, CEO의 기술 이해가 성공을 좌우한다 - 오라클·딜로이트 출신 전문가의 실전 AI 도입 전략서 출간 “기업의 AI 수준은 CEO의 AI 이해 수준을 넘을 수 없다.” ChatGPT부터 AI 에이전트까지 인공지능(AI)이 기업 경영의 핵심으로 부상했다. 기업들은 앞다투어 AI 도입에 나서고 있지만, 실질적인 성과를 내지 못하고 프로젝트가 좌초되는 사례가 속출하고 있다. 이는 시스템 구축에만 집중하고 현장과의 연동에 실패했거나, 경영진의 기술 이해 부족으로 전략을 세우지 못했기 때문이다. 국내 최고의 AI·빅데이터 전문가로 꼽히는 장동인 AIBB LAB 대표가 AI 도입의 성공 전략을 담은 책을 펴냈다. 오라클 본사, 딜로이트, 언스트앤영 등에서 30년간 글로벌 기업 컨설팅을 담당해 온 저자는 『돈 되는 AI, 어디서부터 무엇을 어떻게 해야 할까』를 통해 AI 도입을 고민하는 모든 기업인에게 실전 가이드라인을 제시한다. AI 프로젝트, 첫 문제 정의부터 실패한다 저자는 AI 프로젝트의 90%가 '첫 문제 정의 단계'에서부터 실패한다고 단언했다. 많은 기업이 AI를 도입하면 자동으로 성과가 나올 것이라 착각하지만, 명확한 문제 정의와 전략 없이는 실패를 피할 수 없다는 것이다. 이 책은 이론이 아닌 실전에 초점을 맞춰, 기업 현장에 바로 적용 가능한 구체적인 방법론을 제공한다. 특히 '돈 되는 AI' 문제 정의를 위한 4단계 필터링(문제 정의의 예리성, 데이터 연관성, AI 해결 가능 유형, ROI 산출)을 제시하고, ABCD 방법론(Analysis, Blueprint, Create, Develop)을 통해 AI 도입의 전 과정을 체계화했다. 경영진의 기술 이해가 기업의 생존을 결정한다 엔지니어 출신인 저자는 KAIST AI대학원 CAIO 과정 책임교수이자 6년간 <CEO를 위한 AI 코딩 강의>를 진행하며 경영진의 기술 이해를 강조해 왔다. 이 책에서도 경영진의 기술 이해가 AI 도입 성패를 좌우한다고 거듭 강조했다. 실무자를 위해서는 RAG(검색 증강 생성) 기술을 활용한 사내 지식 관리, AI 에이전트를 통한 업무 자동화, 기존 시스템과의 통합 방법 등 구체적인 실전 사례를 제시했다. 또한 보안이 중요한 기업 환경에 최적화된 오픈 소스 LLM, 클로즈드 소스 LLM, 하이브리드 등 다양한 AI 아키텍처를 비교 분석했다. 랭체인, 코파일럿 스튜디오 등 최신 AI 에이전트 개발 도구까지 실무 관점에서 총정리했다. 이 외에도 젠슨 황의 엔비디아 성공 비결, 딥시크(DeepSeek), 테스트 타임 스케일링, MCP(Model Context Protocol) 등 2025년 최신 AI 트렌드를 총망라해 AI 시대 비즈니스 방향을 고민하는 CEO, 임원, 기획자, 실무자 모두에게 필독서가 될 것으로 기대된다.