통합검색 - 통합검색 : 캐드앤그래픽스 - 엔지니어링IT 미디어

모델 기반 시스템 엔지니어링의 모델링 도구

작성일 : 2026-05-06

[케이스 스터디] 3D 애셋 데이터를 위한 SSOT 구축

데이터 사일로 해소부터 거버넌스 수립까지, 전사 협업의 효율 혁신 본격적인 3D 협업을 위한 첫 단추는 흩어진 데이터를 효율적으로 통합하는 팀 환경을 구축하는 것이다. 이번 호에서는 공통 라이브러리에 모든 3D 데이터 소스를 연결하고, 엔지니어링부터 운영 단계까지 모든 팀이 3D 애셋에 안전하게 접근하면서 데이터 임포트 시 정보 손실을 최소화하는 방법을 소개한다. 목표는 새로운 툴을 배포하는 것 자체가 아니라, 부가 가치를 창출하지 않는 작업에 소요되는 시간을 줄이고 액세스 권한 및 규정 준수 정책을 적용할 때 발생하는 불필요한 관리 복잡성을 없애는 것이다. ■ 자료 제공 : 유니티 코리아 대부분의 산업 팀은 방대한 3D 애셋 데이터를 보유하고 있지만, 이러한 데이터는 여러 사일로에 분산되어 서로 다른 조직이 소유하고 있어 재사용하기가 어렵다. 이와 관련해 데이터가 서로 다른 곳에 있으면 사람들은 서로 다른 사실을 기반으로 결정을 내리게 되기 때문에 문제가 발생한다. 예를 들어, 교육 담당자는 엔지니어링 팀에서 이전에 라인 레이아웃을 업데이트했다는 사실을 모르고 신입 직원에게 VR 시뮬레이션을 그대로 제공할 수 있다. 결국 교육 담당자는 교육을 중단하고 최신 데이터를 반영하여 업데이트하거나, 신뢰할 수 없는 콘텐츠로 교육을 계속 진행할 수밖에 없다. 둘 다 시간과 신뢰성 면에서 비용이 발생하게 된다. 해결책은 모든 3D 애셋을 위한 단일 저장소를 구축하여 계층 구조와 메타데이터를 온전히 유지하면서, 필요한 사람에게만 승인된 모델에 대한 액세스 권한을 부여하는 것이다. 모두가 동일한 라이브러리에서 애셋을 가져오면 버전 불일치가 해결되고 재작업의 필요성이 없어지며, 누가 무엇을 변경했는지에 대한 가시성도 확보할 수 있다. 단절의 원인 : 분산된 데이터와 중복 작업 산업 데이터는 어디에나 존재하지만, 서로 연결되어 있는 경우는 별로 없다. 유니티의 산업 부문 수석 부사장 겸 제너럴 매니저인 사라 래시는 “디자이너나 건축가는 CAD나 BIM(건설 정보 모델링)에 액세스할 수 있지만, 엔지니어는 해당 소프트웨어를 사용하지 않는 경우가 있어 결국 팀이 모델을 처음부터 다시 만드는 상황이 발생한다”고 전했다. 이런 사일로(silo) 현상은 운영 또는 기술적 격차로 인해 발생하는 경우가 많다. 예를 들어 엔지니어링 팀은 CAD 파일을 PLM(제품 수명주기 관리) 시스템에 저장할 수 있는 반면, 다른 팀은 사본을 별도의 드라이브나 앱으로 익스포트하므로 결국 동일한 애셋의 여러 버전이 존재하게 된다. 래시 수석 부사장은 “가장 흔한 문제는 동일한 모델의 두 가지 다른 버전으로 작업하는 것이다. 이러면 사실상 재작업을 할 수밖에 없게 된다”고 말했다. 어쩔 수 없이 여러 플랫폼, 툴, 포맷을 사용해야 하는 경우도 많지만, 이는 애셋을 추적하고 공유하는 작업을 어렵게 만든다. 그 결과 생산성이 저하되고 올바른 애셋을 찾는 데 몇 시간씩 허비하게 되며, 어떤 것이 정확한 버전인지 쉽게 알 수 없기 때문에 이미 존재하는 애셋을 다시 만드는 일까지 발생한다. 유니티 산업 고객 성공 부문의 시니어 디렉터인 헤닝 린은 “중복의 위험이 높으면 재작업이 필요한 경우가 많아진다. 애셋이 서로 일치하지 않고 팀이 동일한 소스 파일로 작업하지 않기 때문”이라고 설명했다. 이러한 불일치는 교육이나 납품 같은 후속 단계에서 드러나며, 이는 재작업, 일정 지연, 일관성 없는 경험으로 이어져 애셋 관리의 복잡성을 키운다. 그러나 그로 인한 대가는 기술적인 영역에 그치지 않는다. 이는 부서 간 신뢰뿐만 아니라 브랜드와 고객 간의 신뢰까지 약화시킬 수 있다. 결국 교육 담당자는 신규 직원을 위한 온보딩이 길어지고 일관성이 없어지더라도, 오래 되거나 검증되지 않은 모델로 세션을 시작하는 것을 피하고 싶어 한다. 다른 팀은 생산성을 유지하기 위해 ‘섀도(shadow)’ 라이브러리를 구축하게 되고, IT 팀은 통제되지 않는 환경을 보호하고 관리하느라 분주해진다. 이처럼 공통된 기반이 없으면 모든 신규 프로젝트를 처음부터 다시 시작해야 한다. 연결 대상 : 중요한 데이터를 보존하는 중앙화된 저장소 구축 3D 애셋 라이브러리는 여러 툴과 플랫폼에 걸쳐 있을 가능성이 높기 때문에, 기존에 보유한 모델을 활용하려면 먼저 유니티 애셋 매니저(Unity Asset Manager)와 같이 중앙화된 저장소로 모든 데이터를 임포트해야 한다. 이렇게 하면 이미 보유하고 있는 애셋을 다시 만들 필요가 없다. 린 시니어 디렉터는 “유니티를 활용하면 관련된 모든 데이터를 선호하는 방식으로 높은 품질을 유지하며 임포트할 수 있다. 사실상 업계에서 유니티가 지원하지 못하는 파일 포맷은 거의 없다”면서, “데이터를 통합된 포맷으로 변환하고, 필요에 따라 보강하며 모든 변경 사항을 추적하면 애셋의 전체 라이프사이클 동안 관리가 훨씬 쉬워진다”고 전했다. 데이터를 통합하기 전에, 무엇을 왜 연결하는지를 먼저 이해해야 한다. 대부분의 산업용 3D 파이프라인은 구조와 우선순위가 서로 다른 네 가지 주요 데이터 소스에서 데이터를 가져온다. CAD 모델은 보통 PLM 시스템에 저장되며 부품, 어셈블리, 기계적 프로퍼티에 대한 기본 기준이 되는 데이터 소스이다. BIM 모델은 건물 및 인프라 데이터를 포함하고, 풍부한 공간 및 규정 준수 관련 메타데이터를 갖추고 있으며, 보통 BIM 소프트웨어나 AEC (건축, 엔지니어링 및 건설) 저장소에 저장된다. 디지털 콘텐츠 제작 툴에서 생성된 메시는 마케팅, 교육, 사용자 경험 등의 영역에서 사용되는 시각화 애셋을 포함하며, 기술적 디테일보다는 시각적 정확도에 최적화된 경우가 많다. XR(확장현실) 및 VR(가상현실) 애플리케이션에서 흔히 사용되는 포인트 클라우드(점군)와 스캔 데이터는 레이저 스캐닝이나 사진 측량 등을 통해 캡처된 데이터를 포함한다. 각 소스는 동일한 실물 애셋(제품, 어셈블리 라인, 전체 시설)을 서로 다른 관점에서 표현한다. 여기에는 기능, 공간, 형상이 포함되며, XR용 포인트 클라우드의 경우 실제로 구축된 물리적 상태가 이에 해당한다. 애셋 라이브러리 규모에 따라 우선순위를 정해야 하므로 팀에서 가장 많이 재사용하는 모델부터 시작하는 것이 좋다. 출처와 관계 없이 공통으로 필요한 사항은 임포트 과정에서 컨텍스트를 유지하는 것이다. 중요한 메타데이터가 손실되면 결국 재작업을 진행해야 하기 때문이다. 임포트 전에는 절대 손실되어서는 안 되는 메타데이터 필드를 식별한다. 린 시니어 디렉터는 “항상 식별자뿐만 아니라 높이, 무게와 같은 기술적 속성을 유지하고, 모든 애셋에 이름과 버전을 지정하여 추적과 사용이 용이하도록 해야 한다”고 덧붙였다. 일부 필드는 항상 온전하게 유지되어야 한다. 부품 번호, 버전 코드 또는 고유 ID와 같은 식별자를 사용하면 애셋의 진위 여부를 확인하기 위해 원본 소스로 추적하는 작업이 더 쉬워진다. 병합된 메시가 아닌 계층 구조 및 그룹 메타데이터는 부품이 어떻게 결합되는지, 시설이 어떻게 구성되는지를 보여 주며, 엔지니어가 필요에 따라 부품을 분리하거나 교체할 수 있도록 돕는다. 밀도나 인장 강도와 같은 머티리얼 및 단위 정보, 이름이나 공급업체와 같은 설명 정보를 활용하면 애셋이 올바른 형상과 동작을 유지하도록 할 수 있다. 이러한 세부 정보를 보존하면 모델을 다양한 애플리케이션 전반에서 유용하게 사용할 수 있지만, 그렇지 않으면 목적과 단절된 단순 참고용 이미지에 불과하게 된다. 린 시니어 디렉터는 “항상 식별자뿐만 아니라 높이, 무게와 같은 기술적 속성을 유지하고, 모든 애셋에 이름과 버전을 지정하여 추적과 사용이 용이하게 만들어야 한다”고 조언했다. 애셋 임포트를 위한 처리 애셋은 임포트 전과 임포트 과정에서 적절한 가공을 거쳐야 하며, 저장소의 상태를 양호하게 유지하기 위해 피해야 할 몇 가지 일반적인 함정이 있다. 이는 3D 데이터 세트가 극도로 복잡해질 수 있는 대규모 제조나 건설 분야에서 특히 중요하다. 예를 들어, 공장 전체의 디지털 트윈이나 자동차의 전체 모델은 수만 개, 혹은 수십만 개의 부품으로 구성될 수 있다. 이 경우 가장 강력한 소프트웨어와 하드웨어에도 부담이 가해질 수 있기 때문에 마이크로칩, 커넥터, 기계 부품과 같은 더 작은 논리적 그룹으로 분해하면 임포트 작업을 효율적으로 관리할 수 있다. 유니티의 애셋 트랜스포머 툴킷(Asset Transformer Toolkit)과 같이 3D 데이터를 준비하는 소프트웨어는 널리 사용되는 다양한 CAD 및 BIM 포맷을 지원하고, 구조와 메타데이터를 보존하며, 필요에 따라 임포트 과정에서 모델을 자동으로 단순화하고 표준화함으로써 이러한 과제를 해결하도록 설계되었다. 예를 들어, 직원 교육을 위한 XR 시뮬레이션과 같은 실시간 활용 사례에서는 원본 CAD 파일에 포함된 모든 볼트나 리벳이 필요하지 않다. 여기서 중요한 것은 작업을 수행하는 데 충분한 현실감의 수준이다. 린 시니어 디렉터는 “최종 활용 지점에 따라 폴리곤 수를 소폭에서 최대 90%까지 줄일 수 있다”고 밝혔다. ▲ 유니티 애셋 트랜스포머 플러그인 목표는 성능과 사용성을 최적화하기 위해 모델을 최대한 가볍게 유지하는 것이다. 교육 및 시뮬레이션 활용 사례에서는 매끄러운 프레임 속도를 유지하면서 최대한 높은 시각적 정확도를 달성하는 것이 목표이다. 헤드셋의 새로고침 속도와 일치하는 안정적인 프레임 속도를 목표로 해야 하며, 그보다 낮을 경우 사용자에게 불편함을 줄 수 있다. 3D 협업 및 디자인 리뷰에서는 일반적으로 엔지니어가 체결 요소나 인터페이스 등을 검토할 수 있도록 높은 기능적 디테일을 요구한다. 높은 폴리곤 수에 대한 부담을 더 원활하게 관리할 수 있도록, 가까운 거리에서만 렌더링되는 하위 어셈블리에 디테일 수준(LOD)을 사용하는 것이 좋다. 임베디드 시스템 및 산업 제어 장치와 같은 인간–기계 인터페이스는 그래픽 처리 성능이 제한적인 경우가 많으므로, 최대한 낮은 복잡도를 목표로 하고 미리 베이크된 조명과 단순한 셰이더를 사용하는 것이 좋다. 고객 경험 애플리케이션은 타깃 기기의 다양성이 매우 크기 때문에 최적화가 어려울 수 있다. 시각적 정확도와 로딩 시간 사이의 균형을 목표로 하고, 중간급 사양의 모바일 기기와 주요 웹 브라우저에서 검증해야 한다. 일반적인 원칙으로는, 지원 계획이 있는 기기 중에서 가장 성능이 낮은 기기를 기준으로 단순화된 모델부터 테스트하는 것이 좋다. 그 후 성능이 허용하는 범위 내에서만 디테일을 추가하여 배포 후 모델이 과도하게 커져 수정해야 하는 상황을 피해야 한다. 예를 들어 임포트 단계에서 LOD를 생성하면 모든 애셋이 확장 가능한 디테일을 갖추게 되어, 향후 더 다양한 기기와 활용 사례에 유연하게 대응할 수 있다. 다만, 보편적으로 정해진 올바른 폴리곤 수는 없다. 중요한 것은 타깃 기기에서 프레임 속도와 로딩 시간 목표를 안정적으로 달성하는 방법이다. 린 시니어 디렉터는 “같은 애셋이라도 폴리곤 수는 수백만 개에서 수십만 개까지 줄어들 수 있다. 중요한 것은 모든 메타데이터가 연결된 동일한 소스 파일을 계속 사용하고 있다는 것”라고 전했다. ▲ 제공 : HERE HMI 활용성 갖추기 : 거버넌스, 접근성 및 버전 관리 구축 애셋을 임포트하고 적절한 크기로 조정하고 나면, 다음 단계는 필요한 모든 역할에서 애셋에 안전하게 액세스하고 애셋을 쉽게 찾을 수 있도록 만드는 것이다. 이때 목표는 팀이 애셋을 어디서 찾아야 하는지 명확히 알면서도 관련 없는 애셋으로 인해 부담을 느끼지 않도록 하는 단일 라이브러리를 선별하는 것이다. 이를 위해서는 업무 속도를 저해하지 않으면서도 모든 업데이트가 프로젝트 전반에 반영되도록 완전한 감사 추적을 유지할 수 있는 권한 기반의 액세스 모델이 필요하다. RBAC(역할 기반 액세스 제어) 린 시니어 디렉터는 “보통은 애셋의 임포트와 생성을 감독하는 관리자가 있고, 그 아래에 작업자와 검토자 역할이 있으면 충분하다”면서, 액세스 권한을 단순하게 유지할 것을 권장했다. 예를 들면 관리자는 구조와 표준을 정의하고, 사용자와 리텐션을 관리하며, 버전을 승인하거나 아카이브 처리할 수 있다. 이 사용자 그룹은 가능한 한 작게 유지하는 것이 좋다. 그 다음 계층에는 디자이너, 작업자, 편집자가 있을 수 있다. 이들은 새로운 애셋을 임포트하고 메타데이터를 편집하며 업데이트를 게시할 수 있으며, 필요 시 관리자 승인을 받아 작업을 수행할 수 있다. 이들이 라이브러리를 일상적으로 유지 관리하게 된다. 마지막으로 소비자 역할이 있는 직원은 승인된 애셋을 검색, 미리 보기 및 다운로드할 수 있지만, 수정하거나 게시할 수는 없다. 역할 기반 액세스 제어는 보안 측면에서도 매우 중요하다. 많은 산업용 3D 애셋 라이브러리에는 매우 민감한 정보가 포함되어 있으며, 그 중 일부는 규제 대상이 되기도 한다. 예를 들어 정부, 항공우주 또는 방위 분야의 수출 통제 설계 데이터는 엄격한 ‘알아야 할 필요성(need-to-know)’ 원칙, 완전한 감사 용이성, 엄격히 통제된 환경에서의 배포를 요구하는 연방 규정을 준수해야 한다. 린 시니어 디렉터는 규제가 엄격한 산업에서 운영하는 경우 가상 프라이빗 클라우드 배포를 사용할 것을 권장했다. 산업 분야와 관계 없이 반드시 지켜야 하는 내용은 다음과 같다. 항상 최소 권한의 원칙을 기본으로 하는 RBAC를 사용한다. 사용하는 플랫폼에서 전송 중인 데이터와 저장된 데이터를 모두 암호화한다. 버전별로 포괄적인 감사 로그와 승인 상태를 유지한다. 민감한 작업을 위해 프로젝트를 분리하고, 필요할 경우 데이터 상주 옵션을 적용한다. ▲ 유니티 애셋 매니저 웹 인터페이스 버전 관리 및 감사 용이성 거버넌스는 보안과 규정 준수만을 의미하는 것이 아니라, 액세스와 활용을 용이하게 하기 위한 애셋 관리 표준화도 포함한다. 실제로 대부분의 거버넌스 문제는 모두가 모든 것을 바꿀 수 있거나, 누구도 아무것도 바꿀 수 없는 두 가지 극단적인 상황 중 하나에서 발생한다. 예를 들어, 교육 담당자가 엔지니어링 팀이 막 승인한 모델을 덮어쓸 수도 있다. 이는 반드시 부주의 때문이라기보다는, 대부분 명확한 버전 관리 체계의 부재로 인해 발생한다. 린 시니어 디렉터는 “동일한 애셋의 여러 브랜치 버전이 존재하는 경우가 많다. 이 모든 것을 일관적이고 표준화된 방식으로 관리해야 한다”고 조언했다. 여기서 버전 관리가 중요한 역할을 한다. 목표는 변경 사항이 명확하고, 되돌릴 수 있으며, 확실한 의도를 가지고 이루어지도록 하는 것이다. 결국 활용 가능한 애셋 라이브러리는 정기적으로 변경될 수밖에 없다. 공장의 디지털 트윈은 매주 레이아웃이 조금씩 조정될 수 있고, 교육 프로그램은 차세대 XR 헤드셋 출시를 앞두고 새로운 모델로 업데이트될 수 있다. 선형적인 버전 이력(v1.0, v1.1 등)과 애셋 상태(초안, 검토 중, 승인됨, 폐기됨 등)를 적용하여, 라이브러리를 계속해서 변화하는 SSOT(Single Source of Truth)로 관리해야 한다. 많은 산업 환경에서 엔지니어링 팀은 공식 설계를 위한 원본 CAD 파일을 유지 관리한다. 그러나 시각화 또는 교육 팀은 일반적으로 특정 목적에 맞게 최적화된 동일한 모델의 실시간 버전을 사용한다. 이러한 애셋은 병합이 아니라 연결되어야 하며, 그렇지 않으면 시각화용 모델이 어떤 CAD 버전에서 파생되었는지 알 수가 없다. 예를 들면 엔지니어링 팀이 도면을 업데이트하더라도 몇 달 전에 제작된 교육용 모델에는 이전 버전이 그대로 반영되어 있을 수 있으며, 이 사실을 아무도 모를 수 있다. 이는 감사 용이성을 훼손하고 잘못된 설정으로 학습하는 등의 오류로 이어질 수 있다는 점에서 문제가 된다. 모델 변형(variant)의 경우, 단순히 새로운 이름으로 복사본을 만드는 대신 해당 범위와 목적에 따라 태그를 지정하는 것이 좋다. 예를 들어 자동차 제조업체는 지리적 지역, 운전석 위치 폼 팩터 기준으로 태그를 지정할 수 있다. 이렇게 하면 기본 부품이 변경될 때 어떤 변형을 업데이트해야 하는지 정확히 알 수 있다. 마찬가지로 교육에 사용되는 단순화된 모델과 같은 특정 기본 모델의 파생 모델이 있다면, 이를 파생 모델로 표시하되 원본 소스와 해당 CAD 수정 버전에 대한 참조를 유지해야 한다. 이렇게 하면 교육 담당자가 XR/VR 시뮬레이션에 사용되는 단순화된 메시를 엔지니어링 팀의 공식 원본과 혼동하지 않게 된다. 물론 이처럼 세분화된 수준의 버전 관리도 사용성을 높이는 데 매우 중요하지만, 대규모로 구현하기는 매우 어렵기 때문에 자동화가 필수이다. 최신 3D 애셋 매니저(3D Asset Manager)는 일반적으로 대량 작업을 수행하기 위한 커맨드 라인 인터페이스(CLI)뿐만 아니라 새로 임포트 또는 업데이트된 애셋에 대한 메타데이터, 미리보기 및 태그를 생성하는 이벤트 기반 자동화 기능을 포함한다. ▲ 애셋 매니저 팩토리 적절한 애셋 매니저를 통해 수행할 수 있는 운영 변경 사항의 간단한 체크리스트는 다음과 같다. 관리자, 작업자, 소비자로 구성된 3 역할 모델을 도입한다. 추가 승인이 필요한 프로젝트에는 승인 역할을 추가한다. 애셋 ID, 수정 번호, 원본 소스, 소유자 및 승인 상태와 같은 필수 메타데이터 필드를 매핑하고, 대부분의 사용자에게 기본적으로 승인된 뷰를 설정한다. 배리언트 및 파생 모델에 명확한 레이블을 지정하고 가능한 경우 업데이트를 자동화하여, CAD 수정 버전을 해당 실시간 대응 항목과 연결한다. 시작하기 : 30일 체크리스트 애셋을 임포트, 최적화 및 관리하고 나면 마지막 단계는 새로운 시스템을 일상 업무에 적용하는 것이다. 그런 다음 교육, 제품 개발, 고객 경험 또는 그 밖의 목적으로 실제 비즈니스 성과를 창출하는 몰입형 경험을 만들어 통합 3D 애셋 라이브러리의 가치를 빠르게 입증할 수 있다. 30일 이내에 수행할 수 있는 작업을 간단히 요약하면 다음과 같다. 데이터 소스와 해당 소유자를 목록화한다. 파일럿으로 진행할 대표 모델 한두 개를 선정한다. 보존할 메타데이터 필드를 결정한다. 임포트 과정을 테스트하여 게시 사이클을 최적화한다. 액세스 제어 및 감사 추적을 설정한다. ■ 기사 내용은 PDF로도 제공됩니다.

작성일 : 2026-05-06

[칼럼] AI 에이전트 이후의 시대, ‘판단하는 시스템’의 탄생

트렌드에서 얻은 것 No. 30 우리는 지금 AI를 사용하는 시대에 살고 있다고 말한다. 하지만 조금만 거리를 두고 바라보면, 그 말은 절반만 맞다. 지금의 우리는 AI를 능숙하게 활용하고 있는 것처럼 보이지만, 실제로는 여전히 그것을 하나의 도구처럼 다루고 있기 때문이다. 질문을 던지면 답을 받고, 코드를 요청하면 만들어주고, 문서를 부탁하면 정리해주는 방식은 분명 이전과 비교할 수 없을 정도로 강력한 변화이지만, 그 본질은 크게 달라지지 않았다. 여전히 판단은 사람이 하고, AI는 그 판단을 빠르게 실행하는 역할에 머물러 있기 때문이다. 이 구조는 익숙하고 안정적이지만, 동시에 분명한 한계를 갖는다. 인간이 모든 판단을 내려야 한다는 전제는 결국 속도와 복잡성의 벽에 부딪히게 된다. 그리고 지금, 우리는 그 한계를 넘어서는 변화의 초입에 서 있다. 최근 몇 년 사이 ‘AI 에이전트(AI agent)’라는 개념이 빠르게 확산된 것도 이러한 흐름의 일부다. 에이전트는 단순한 응답을 넘어 작업을 분해하고 도구를 연결하며 결과를 만들어내는 존재로 발전했다. 그러나 여전히 그 방향은 사람이 정한다는 점에서, 구조 자체는 크게 달라지지 않았다. ▲ 화이트보드 이미지(제공 : 제미나이, by 류용효) (클릭하면 큰 이미지로 볼 수 있습니다.) 하지만 이 흐름은 지금 전혀 다른 방향으로 꺾이고 있다. 단순히 더 똑똑한 AI가 등장한 것이 아니라, AI의 역할 자체가 바뀌고 있기 때문이다. 이제 AI는 ‘무엇을 해야 하는가’를 판단하기 시작하고 있다. 그리고 이 변화는 전쟁과 같은 지정학적 위기, 공급망 붕괴, 에너지 가격 급등과 같은 현실의 변화와 맞물리면서 더욱 빠르게 가속되고 있다. 기업은 더 이상 느린 의사결정으로 버틸 수 없고, 실시간으로 판단하고 실행하는 능력을 요구받고 있다. 이러한 환경에서 등장한 것이 ‘판단하는 시스템(decision system)’이다. 자동화 시스템이 정해진 절차를 빠르게 수행하는 것이라면, 판단하는 시스템은 그 절차 자체를 선택한다. 어떤 선택이 최적인지, 어떤 리스크가 존재하는지, 어떤 자원을 어디에 배치해야 하는지를 스스로 결정한다. 이는 단순한 효율을 넘어, 기업의 생존과 직결되는 영역으로 확장되고 있다. 이 변화는 제조 현장에서 이미 현실이 되고 있다. APS(고급 생산 계획 및 스케줄링 시스템)는 단순한 계획 도구를 넘어 다양한 시나리오를 생성하고 최적의 선택을 제안하는 시스템으로 진화하고 있으며, 점점 더 스스로 실행하는 방향으로 발전하고 있다. 납기 지연을 예측하고 생산 순서를 조정하며 자원을 재배치하는 기능은 더 이상 미래의 이야기가 아니다. 이 흐름은 자연스럽게 피지컬 AI(physical AI)와 로봇으로 이어진다. 디지털 공간에서 이루어지던 판단이 이제 물리적 세계로 확장되고 있는 것이다. 기존의 산업용 로봇이 정해진 동작을 반복하는 기계였다면, 앞으로의 로봇은 상황을 인식하고 판단하며 행동을 바꾸는 존재로 진화한다. 이는 단순한 자동화가 아니라, ‘판단하는 물리 시스템’으로의 전환을 의미한다. 특히 전쟁이나 공급망 위기 상황에서는 이러한 시스템이 더욱 큰 가치를 가진다. 어느 공장을 먼저 가동해야 하는지, 어떤 부품을 대체해야 하는지, 물류를 어떻게 재구성해야 하는지와 같은 문제는 더 이상 사람의 경험만으로 해결할 수 없는 영역이 되었기 때문이다. PLM 역시 이러한 변화의 중심으로 이동하고 있다. 과거의 PLM이 설계 데이터를 관리하는 시스템이었다면, 이제는 판단을 지원하는 지식 기반 플랫폼으로 진화하고 있다. 설계, 생산, 품질, 공급망 데이터가 연결되고, 그 위에서 AI가 판단을 수행하는 구조가 만들어지고 있다. 특히 3D 유사도 기반 기술은 이미 판단의 일부를 시스템이 담당하기 시작했음을 보여주는 대표적인 사례다. 그렇다면 이 변화 속에서 사람은 무엇을 해야 하는가. 이 질문에 대한 답을 찾기 위해 최근 많이 언급되는 개념이 바로 ‘바이브코딩’이다. 비개발자도 AI를 활용해 코드를 생성하고, 간단한 서비스를 구현할 수 있는 시대가 열리면서 많은 사람들이 개발의 문턱을 넘기 시작했다. 실제로 개인의 생산성과 아이디어 구현 속도는 과거와 비교할 수 없을 정도로 빨라졌다. 하지만 여기에는 분명한 현실도 존재한다. 기업용 시스템의 영역에서는 상황이 다르다. 여전히 복잡한 데이터 구조, 안정성, 보안, 성능, 유지보수와 같은 문제가 존재하며, 이는 단순한 코드 생성으로 해결되지 않는다. 바이브코딩은 개인이나 소규모 실험에서는 강력한 도구가 될 수 있지만, 대규모 기업 시스템에서는 아직까지 결정적인 해결책이 되지 못하고 있다. 오히려 이 지점에서 하나의 역설이 드러난다. AI가 발전할수록 개발자가 필요 없어질 것처럼 보이지만, 실제로는 기업용 시스템을 제대로 설계하고 구현할 수 있는 개발자의 부족 현상이 더욱 심화되고 있다. AI가 코드를 만들어주더라도, 그 구조를 이해하고 통제할 수 있는 사람의 필요성은 오히려 더 커지고 있기 때문이다. 이러한 현실 속에서 기업이 선택해야 할 전략은 명확해지고 있다. 모든 것을 새롭게 개발하려 하기보다는, 이미 검증된 OOTB(out of the box) 기능을 최대한 활용하는 방향이다. 완벽한 커스터마이징을 추구하기보다는, 기본 기능에 충실한 시스템을 빠르게 적용하고 그 위에서 점진적으로 확장하는 접근이 더 현실적이다. 조금 돌아가는 것처럼 보일 수 있지만, 오히려 이 방식이 더 빠르고 안정적인 결과를 만들어낸다. 특히 PLM, APS와 같은 복잡한 엔터프라이즈 시스템에서는 이러한 전략이 더욱 중요하다. 기본 기능을 기반으로 표준 프로세스를 정립하고, 필요한 부분만 선택적으로 확장하는 것이 전체 시스템의 안정성과 지속 가능성을 높이는 방법이기 때문이다. 앞으로의 전망을 보면 이 흐름은 더욱 명확해질 것이다. 바이브코딩은 개인의 생산성을 극대화하는 도구로 자리 잡고, 기업 영역에서는 OOTB 기반의 플랫폼과 AI가 결합된 구조가 중심이 된다. 그리고 그 위에서 판단하는 시스템이 작동하게 된다. 결국 우리는 하나의 방향으로 수렴하고 있다. 도구의 시대를 지나 에이전트의 시대로 그리고 판단의 시대로 이동하고 있으며, 그 위에 피지컬 AI와 로봇이 결합된 새로운 산업 구조가 형성되고 있다. 이때 기업의 경쟁력은 더 이상 얼마나 많은 기능을 개발했는지가 아니라, 얼마나 빠르게 판단하고 실행할 수 있는 시스템을 갖추었는지에 의해 결정된다. 그리고 이 모든 변화의 중심에는 여전히 사람이 있다. 다만 그 역할은 분명히 달라지고 있다. 더 이상 직접 실행하는 사람이 아니라, 시스템의 방향과 의미를 설계하는 사람으로 변화하고 있는 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.

작성일 : 2026-05-06

[칼럼] 보이지 않는 뇌

디지털 지식전문가 조형식의 지식마당 18세기 애덤 스미스는 ‘보이지 않는 손’이라는 직관적인 은유를 통해, 개인의 이기적인 선택이 중앙 통제 없이도 시장 전체의 효율적인 균형을 만들어낸다고 설명했다. 20세기 후반에는 대니얼 카너먼이 ‘전망 이론(prospect theory)’과 행동경제학을 통해, 인간은 합리적 존재가 아니라 손실 회피와 심리적 프레이밍에 영향을 받는 편향된 존재임을 밝히며 고전 경제학의 전제를 뒤흔들었다. 그러나 디지털 전환(DX)과 인공지능 전환(AX)이 고도화된 오늘날, 우리는 기존의 이론적 프레임워크로는 시장의 미래를 예측하기 어려운 새로운 한계에 직면했다. 그림 1. 인간 중심의 의사결정 모델 전통 경제학과 행동경제학은 공통적으로 의사결정의 주체를 ‘인간’으로 상정한다는 근본적인 한계를 지닌다. 하지만 현재 우리는 인간 외부에 존재하는 지능이 시장을 재구성하는 시대에 진입하고 있다. 오늘날의 시장에서는 AI가 인간보다 빠르게 선택지를 평가하며, 자동화된 거래 시스템이 가격을 형성하고, 데이터 기반 예측이 생산과 공급을 결정한다. 이처럼 추천 알고리즘이 소비에 선행하는 구조 속에서는 더 이상 개인의 선택이 시장 결과로 직결된다는 단순한 공식이 성립하지 않으며, 소비자의 선택은 자유의지가 아니라 AI의 설계에 의해 사전에 구조화된다. 그림 2. 인공지능 중심의 의사결정 모델 이러한 변화의 핵심 축으로 등장한 것이 바로 ‘보이지 않는 뇌(invisible brain)’이다. 이는 단순한 은유를 넘어 추천 알고리즘, 강화학습 기반 의사결정 엔진, 데이터 플랫폼, LLM(대규모 언어 모델) 기반 지식 추론 시스템 등이 결합된 새로운 경제 패러다임의 실체다. 보이지 않는 뇌는 정보 필터링을 통해 인간이 무엇을 볼지 결정하고, 선택지 자체를 재설계하며, 인간의 행동을 특정 방향으로 유도함과 동시에 수요와 공급을 동적으로 재조정하는 역할을 수행한다. 결과적으로 현대 시장은 보이지 않는 손이 이끄는 ‘자율적 균형’이나 편향에 의한 ‘왜곡된 선택’을 넘어, 보이지 않는 뇌가 주도하는 ‘설계된 균형(설계된 선택)’을 형성하게 된다. 그림 3. 경제학 패러다임의 진화 이제 경제는 단순한 교환의 장이 아니라, 디지털 스레드(digital thread)와 지능형 시스템이 결합된 ‘인지 인프라(cognitive infrastructure)’ 위에서 작동하는 시스템으로 진화했다. 이는 기업들의 경쟁 방식 또한 근본적으로 바꿔놓았다. 과거 기업들이 제품 자체나 마케팅 경험으로 경쟁했다면, 이제는 의사결정을 설계하는 능력에 경쟁 우위가 달려 있다. 아마존이 상품을 파는 대신 ‘선택’을 설계하고, 넷플릭스가 콘텐츠 대신 ‘취향’을 설계하며, 테슬라가 단순한 자동차가 아닌 ‘주행 데이터 기반 의사결정 시스템’을 구축하는 것이 바로 보이지 않는 뇌를 활용한 경쟁의 대표적인 사례다. 그림 4. 새로운 경쟁의 법칙 구조적으로 볼 때, 보이지 않는 뇌는 제품의 전 생애 흐름인 PDT, 지식과 의사결정의 흐름인 KDT, 그리고 개인의 경험과 행동인 LDT가 연결된 디지털 스레드 위에서 실질적인 실행 엔진으로 기능한다. 전통 경제학이 시장의 ‘예측’을, 행동경제학이 인간 행동의 ‘설명’을 목표로 했다면, AI 시대의 경제는 알고리즘이 가격을 만들고 수요를 생성하며 선택을 구조화한다는 완전히 다른 차원의 특성을 지닌다. 그림 5. 3대 스레드의 융합 결론적으로 우리는 시장의 자율성과 인간의 비합리성을 지나, 인공지능과 데이터가 결합된 새로운 경제 운영 체계에 도달했다. 다가오는 미래 경제의 승패는 단순히 ‘누가 더 많은 데이터를 가지는가’가 아니라, 누가 보이지 않는 뇌를 통해 시장의 균형을 더 정교하게 설계할 수 있는가에 달려 있을 것이다. 그림 6. 보이지 않는 뇌의 해부도 경제학의 역사적 흐름을 애덤 스미스의 보이지 않는 손과 대니얼 카너먼의 행동경제학을 거쳐 현대의 인공지능 중심 패러다임으로 설명한다. 과거의 이론이 인간의 합리성이나 심리적 편향에 집중했다면, 오늘날의 시장은 알고리즘과 데이터가 주도하는 보이지 않는 뇌 체제로 전환되고 있다. 이제 소비자의 선택은 자유의지가 아닌 AI의 설계와 데이터 플랫폼에 의해 사전에 구조화되며, 시장은 자율적 균형을 넘어 알고리즘적 최적화를 지향한다. 결과적으로 현대 경제는 단순한 거래의 장이 아니라 디지털 스레드와 지능형 시스템이 결합된 새로운 인지 인프라 위에서 작동하고 있음을 강조한다. 이러한 변화는 기업의 경쟁 우위가 제품 자체보다 의사결정 설계 능력에 달려 있음을 시사한다. 그림 7. 3대 스레드의 융합 보이지 않는 손이 인간의 손이 아니듯 보이지 않는 뇌 역시 인간의 뇌가 아니다. 보이지 않는 뇌는 인공지능, 디지털 트윈, 그리고 디지털 스레드가 결합된 새로운 경제 운영 체계이다. ■ 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.

작성일 : 2026-05-06

실무 중심의 통합형 BIM 솔루션, GstarBIM

주요 스마트 건설 DX 솔루션 소개 실무 중심의 통합형 BIM 솔루션, GstarBIM 개발 : Gstarsoft, www.gstarcad.net 자료 제공 : 모두솔루션, 02-857-0974, https://gstarcad.co.kr GstarCAD(지스타캐드) 개발사인 Gstarsoft(지스타소프트)는 본격적인 BIM 시장 개척을 위해 Hawk3D를 설립하고, Cadline의 ARCHLine.XP를 인수·통합해 30년 이상 축적된 BIM 기술 기반의 GstarBIM을 선보였다. 이를 통해 BIM 시장에서 새로운 성장 활로를 본격적으로 열어가고자 한다. 1. 주요 특징 GstarBIM의 가장 큰 특징은 실무 중심의 통합성이다. 건축 설계, 인테리어 설계, 문서화, 시각화 기능을 하나의 플랫폼으로 통합해 설계 단계별로 분리되던 작업을 하나의 흐름으로 연결한다. 또한 DWG 기반 데이터 호환과 GstarCAD 연계를 통해 2D 설계 자산을 유지하면서 단계적으로 BIM을 도입할 수 있는 환경을 제공하며, 기존 설계 환경을 완전히 바꾸지 않고도 BIM을 실무에 적용하려는 조직에 현실적인 대안을 제시한다. 2. 주요 기능 (1) 건축 설계를 위한 BIM 모델링 (Architectural Design) GstarBIM은 벽체, 기둥, 보, 슬래브, 지붕, 계단, 램프, 커튼월 등 주요 건축 요소를 지능형 BIM 객체(Intelligent Object)로 모델링할 수 있으며, 각 객체는 파라메트릭 구조와 속성 정보를 포함한다. 이를 통해 설계 변경 시 모델과 연계된 도면·치수·물량 정보가 자동으로 갱신되어 변경 대응에 따른 반복 업무를 줄일 수 있다. 또한 기존 2D 도면(DWG)을 기반으로 BIM 모델을 생성할 수 있어, 기존 CAD 설계 흐름을 유지하면서 BIM으로 확장하는 워크플로우 구성이 가능하다. 대지(Site) 및 매싱(Massing) 설계를 통해 초기 단계부터 BIM 기반 검토를 수행할 수 있으며, MEP 요소를 건축 모델과 함께 3D로 검토하고 간섭 검토 기능을 통해 충돌 요소를 설계 단계에서 사전 확인하는 데 활용할 수 있다. (2) 인테리어 설계를 위한 전용 BIM 기능(Interior Design) GstarBIM은 인테리어 설계 실무를 고려한 전용 기능을 제공한다. Room Maker로 공간 구성을 빠르게 정의하고, 문·창호·가구·전기 설비·마감 요소 등을 파라메트릭 방식으로 배치할 수 있어, 설계안을 빠르게 구성하고 반복 검토하기에 유리하다. 타일링(Tiling) 기능은 벽·바닥 면적을 기준으로 타일 패턴을 자동 계산하고, 자재 효율을 고려한 배치를 지원한다. Furniture Configurator 및 Smart Object 기능으로 가구를 구성 요소 단위로 설계·관리할 수 있으며, Trimble 3D Warehouse 등 외부 라이브러리 연계를 통해 다양한 객체를 활용할 수 있다. 또한 IES 데이터를 활용한 조명 시뮬레이션으로 실제 조도 환경을 고려한 설계 검토가 가능하다. (3) BIM 기반 자동 문서화(Documentation) GstarBIM은 BIM 모델과 연계된 자동 문서화 기능으로 설계 실무의 효율을 높인다. Auto Dimensioning을 통해 도면 전체 또는 선택 영역의 치수를 일괄 생성할 수 있으며, 설계 변경 시 2D 도면과 3D 모델이 자동 동기화되어 문서 수정 부담을 줄인다. 또한 BIM 객체의 속성 정보를 기반으로 자동 물량 산출 및 수량 계산이 가능해, 변경이 잦은 프로젝트에서도 물량 정보의 정확성과 일관성을 유지할 수 있다. 레이어 및 출력 관리 기능을 통해 다양한 도면 출력 요구에 대응함으로써, 설계·시공·협업 단계에서 필요한 문서를 체계적으로 관리할 수 있다. (4) 설계 커뮤니케이션을 위한 시각화(Visual Design) GstarBIM은 설계 의도를 명확히 전달하고 협업 효율을 높이기 위한 시각화 기능을 제공한다. 실사 표현, 페이퍼 모델 스타일, 3D 섹션 박스, 2D 도면과 3D 뷰의 중첩 표현 등 다양한 방식으로 설계 내용을 직관적으로 검토할 수 있다. 360도 파노라마 뷰와 가상 투어를 통해 직관적으로 검토할 수 있으며, 보행·비행·경로 애니메이션 및 공정 시뮬레이션으로 설계 및 시공 단계를 시각적으로 표현할 수 있다. 내장된 실시간 렌더링과 D5 Render 연계를 통해 고품질 시각화 결과물도 효율적으로 생성할 수 있다. 3. 활용 분야 GstarBIM은 설계·문서·시각화가 연결되는 통합 워크플로우를 통해 스마트 건설 DX 환경에서 다음과 같은 분야에 활용될 수 있다. ■ 건축 설계 사무소: 개념 설계~실시설계, 대지/매싱 검토, MEP 간섭 검토 및 문서화 자동화 ■ 인테리어 설계·시공: 공간 구성, 마감·가구·조명(IES) 설계 및 고객 커뮤니케이션 강화 ■ 리노베이션·리퍼비시: 기존 도면(및 현장 데이터) 기반 BIM 전환, 기존 건축물 설계 검토 ■ 단계적 BIM 도입 조직: DWG 파일과 GstarCAD 연계로 2D 자산을 유지하며 점진적 BIM 전환 상세 내용은 <스마트 건설 DX 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

작성일 : 2026-05-06

2026 고양국제꽃박람회, 화려한 꽃의 향연 속 가족 나들이 명소로 주목

경기 고양시를 대표하는 봄의 제전인 2026 고양국제꽃박람회가 개막 이후 꾸준한 관람객 유입을 기록하며 흥행 몰이에 나서고 있다. 이번 박람회는 개막 엿새 만에 방문객 12만 명을 돌파하며 수도권 최대 규모의 꽃 축제로서 위상을 공고히 하고 있다. 행사 후반부로 접어들면서 막바지 관람객들의 발길은 더욱 분주해질 것으로 전망된다. 꽃, 시간을 물들이다를 주제로 기획된 이번 박람회는 다채로운 야외 정원과 실내 전시, 그리고 풍성한 공연과 체험 프로그램이 조화를 이룬 복합 문화 콘텐츠를 선보이고 있다. 특히 시간의 흐름을 예술적으로 재해석한 시간 여행자의 정원과 혼천의를 모티프로 제작된 대형 꽃 조형물은 방문객들의 필수 포토존으로 각광받고 있다. 또한 메타세쿼이아 길을 따라 조성된 빛담정원은 감성적인 분위기를 연출하며 사회관계망서비스(SNS)를 통한 확산세를 이끌고 있다. 고양국제꽃박람회 전경(사진 제공: 스마틱스) 가정의 달 맞춤형 콘텐츠와 세대 통합 프로그램 강화 올해 박람회는 단순한 관람을 넘어 관람객의 정서적 교감을 이끌어내는 참여형 콘텐츠를 대폭 강화했다. 마음의 온도 정원과 플라워 테라피 가든 등은 방문객들에게 휴식과 치유의 시간을 제공하며 체류 시간 증대에 기여하고 있다. 실내 전시관에서는 세계 30여 개국이 참여한 국가관과 평소 접하기 힘든 희귀 식물 전시가 진행되어 교육적 가치를 더하고 있다. 특히 오는 5월 8일 어버이날을 전후해 부모님과 함께하는 봄나들이 수요가 정점에 달할 것으로 예상된다. 행사 주최 측은 가정의 달을 맞아 세대 통합형 축제의 역할을 수행하기 위해 가족 연극, 체험 프로그램, 특별 공연 등을 집중적으로 편성했다. 현장에서는 급증하는 관람객 안전을 위해 동선 관리와 편의시설 운영 상태를 실시간으로 점검하며 최적의 관람 환경 조성에 주력하고 있다. 디지털 솔루션 도입을 통한 효율적인 현장 운영 이번 박람회의 원활한 운영 뒤에는 스마트한 티켓팅 시스템이 자리하고 있다. 티켓팅 솔루션 전문 기업 스마틱스는 이번 행사의 통합 운영 파트너로 참여해 현장 예매 및 입장 시스템을 지원하고 있다. 스마틱스는 클라우드 기반의 SaaS 솔루션을 통해 대형 이벤트에 최적화된 예약 시스템을 제공하며, 대규모 인원이 몰리는 주말과 공휴일에도 병목 현상 없는 안정적인 입장을 돕고 있다. 스마틱스 관계자는 가족 단위 방문객이 급증하는 가정의 달 특성에 맞춰 현장 대응 인력을 집중 배치하고 있으며, 행사 종료 시까지 관람객들이 불편함 없이 축제를 즐길 수 있도록 운영 안정화에 최선을 다하겠다고 밝혔다. 2026 고양국제꽃박람회는 오는 5월 10일까지 일산호수공원 일대에서 개최된다. 화려한 꽃들과 차별화된 콘텐츠, 그리고 편리한 운영 시스템이 결합된 이번 행사는 남은 기간 동안에도 성공적인 흥행 가도를 이어갈 것으로 기대된다.

작성일 : 2026-05-05

AI 기술을 접목한 CAD 솔루션, ZYXCAD AX(직스캐드 AX)

주요 스마트 건설 DX 솔루션 소개 AI 기술을 접목한 CAD 솔루션, ZYXCAD AX(직스캐드 AX) 개발 및 공급 : 직스테크놀로지(ZYX Technology), 02-545-4454, https://zyx.co.kr 직스테크놀로지는 건축/건설/토목/엔지니어링 및 제조 산업 전반에 필요한 인공지능(AI) CAD(직스캐드 AX)와 AI·디지털 트윈 기술 기반 설계 자동화 솔루션 직스 스페이스(ZYX SPACE), GIS 기반 스마트 건설 관리 플랫폼 다이브(DIVE)를 제공하는 기업이다. ZYXCAD AX 는 직스테크놀로지에서 개발한 AI 기반 국산 설계 소프트웨어로 건축/건설/토목/엔지니어링 및 제조 등 다양한 산업에서 사용된다. 영구버전과 임대버전을 제공해 유연한 CAD 환경을 구성할 수 있다. 1. 주요 특징 설계 반복 작업을 자동화하는 450여 종의 AI 기반 기능과 멀티 CPU 기반 고속 처리 구조를 적용해 대용량 도면 환경에서도 안정적인 설계 성능을 제공한다. BIM용 IFC 확장자 파일 호환, STEP/STP 3D 파일이 지원되어 다양한 산업의 설계/모델링에 최적화된 솔루션이다. 2. 주요 기능 ZYXCAD AX 는 설계 과정의 반복 작업을 자동화하는 450여 종의 AI 기반 설계 편의 기능을 제공해 도면 작성 및 수정을 효율화한다. 익숙한 명령어·단축키 체계와 다양한 CAD 포맷과의 높은 호환성을 바탕으로 기존 설계 환경을 그대로 유지하면서도 빠른 전환이 가능하다. 멀티 CPU 기반 고속 처리 구조와 안정적인 대용량 도면 처리 성능을 통해 복잡한 설계 환경에서도 일관된 작업 품질을 지원한다. 3. 도입 효과 설계 자동화를 통해 도면 작성 시간과 반복 업무 부담을 줄여 설계자의 생산성과 업무 집중도를 동시에 높일 수 있다. 기존 CAD 사용자들의 학습 부담을 최소화해 도입 초기부터 빠른 현업 정착과 운영 효율을 확보할 수 있다. 영구 버전의 국산 CAD 솔루션 도입을 통해 라이선스 비용 절감과 함께 보안·유지 관리 측면에서도 안정적인 설계 환경을 구축할 수 있다. 4. 주요 고객 사이트 삼성물산, 대우건설, 우미건설, SK, LS ITC, 현대스틸 등 주요 대기업을 포함해 국가유산청, 코레일 및 서울대학교, 카이스트, 연세대학교, 고려대학교 등 대학 기관에서 사용하고 있다. 상세 내용은 <스마트 건설 DX 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

작성일 : 2026-05-03

클라우드 기반 개방형 협업도구, 트림블 커넥트(Trimble Connect)

주요 스마트 건설 DX 솔루션 소개 클라우드 기반 개방형 협업도구, 트림블 커넥트(Trimble Connect) 개발 트림블, www.tekla.com/kr 자료 제공 트림블코리아, 070-4940-4600, www.tekla.com/kr 트림블 커넥트(Trimble Connect)는 건설 산업의 설계, 제작, 시공 전 과정을 연결하는 클라우드 기반의 공통 데이터 환경(CDE)이자 개방형 협업 플랫폼이다. 기획부터 건축을 넘어 자산의 전체 수명 주기 전반에 걸쳐 모든 이해관계자에게 혁신적이고 연결된 솔루션 생태계를 제공하며, 올바른 데이터를 적시에 적절한 사람에게 연결해 프로젝트의 효율성과 생산성을 극대화한다. 1. 주요 특징 (1) 단일 협업 플랫폼 프로젝트별 클라우드 공간에 3D 모델, 2D 도면, 일반 문서, 이미지 등 다양한 포맷의 파일을 업로드·다운로드하고, 자체 2D/3D 뷰어로 즉시 열람·검토·공유할 수 있다. 트림블 커넥트를 중심으로 스케치업(SketchUp), 테클라(Tekla), 프로젝트사이트(ProjectSight) 등 트림블 솔루션과 다양한 서드파티 애플리케이션이 연동돼, 설계-시공-유지관리 데이터가 하나의 플랫폼에서 이어진다. (2) 건설 현장 중심 워크플로우 지원 설계사, 시공사, 사전제작공장(프리캐스트/프리팹), 전문 시공사, 유지보수 조직 등 각 참여자의 역할에 맞는 모델 검토, 모델 조정, 사전 시공, 교육, 설치 가이드, 시공 검증, 유지보수 뷰 등을 지원한다. 현장에서 1:1 스케일로 BIM 모델을 실제 공간에 매핑하는 가상 건설(AR/MR) 워크플로우를 통해 설치 순서(4D)와 간섭 이슈를 직관적으로 파악하고, 사전 조립·설치 검증을 수행할 수 있다. (3) 3Cs 개념 구현 트림블이 제시하는 트림블 빌딩 솔루션의 3Cs(Constructible, Connected, Content-Enabled) 개념에 따라, 실제 시공 가능한 수준의 모델(Constructible)과 현장-사무실 간 연결(Connected), 풍부한 BIM 콘텐츠(Content-Enabled)를 통합 지원한다. 또한 시공 BIM과 현장 디지털 전환을 위한 실질적인 워크플로우를 제공한다. 2. 주요 기능 (1) 모델과 도면 관리 다양한 포맷의 BIM/2D 데이터를 프로젝트·폴더 구조로 관리하며, 웹·데스크톱·모바일·MR 환경에서 고성능 3D 뷰어로 시각화·검토할 수 있다. 사전 정의된 뷰포인트(Viewpoint)와 모델 시퀀싱, 간섭 체크, 시공 검증 뷰를 제공해 복잡한 구조물도 직관적으로 점검한다. (2) 협업과 작업 관리 모델 상에서 문제를 태그하고 사진·메모를 첨부해 실시간 공유하며, 담당자·마감일을 설정해 작업(Task) 단위로 추적한다. 설계 의도 전달, 이해관계자 협의·승인, 마크업·코멘트·히스토리 관리로 변경 내역을 투명하게 기록한다. (3) 가상 건설과 원격 지원 1:1 실규모 홀로그램을 통해 설치 위치·순서를 시뮬레이션하고, 프리캐스트·모듈러 등 조립식 부품의 적합성을 사전에 검증한다. 비숙련 작업자 교육용 조립·설치 방법 가이드, 현장 원격 지원 기능을 통해 작업 품질과 안전성을 향상시킨다. 3. 도입 효과 (1) 재작업 감소 모든 참여자가 단일 소스의 최신 모델·도면·문서를 사용해 구버전 도면 사용, 간섭 미검출, 설계 변경 누락으로 인한 재시공을 크게 줄인다. 설계 검토, 시공 전 시뮬레이션, 사전 제작 부품 적합성 검증으로 공사 착공 전 리스크를 선제적으로 제거한다. (2) 생산성 개선 모델 시퀀싱과 4D 시각화로 공정 계획과 현장 실행을 연계해 공정 지연과 대기 시간을 줄이고, 장비·인력 활용을 최적화한다. GNSS/AR 기반 위치 검증과 설치 QA/QC로 오차와 재시공률을 낮춰 자재·인건비 낭비를 최소화한다. (3) 원활한 협업과 의사결정 설계사-시공사-전문 시공사-발주처-유지관리 간 동일 모델·이슈 정보를 공유해 소통 비용을 줄이고, 의사결정 속도와 품질을 높인다. 준공 모델과 IoT 3D 뷰, 이슈·검증 이력을 유지관리 단계까지 활용해 설비 관리·리뉴얼 계획 등에서 데이터 기반 의사결정을 가능하게 한다. 4. 주요 고객 현대엔지니어링, Strabag, Skanska, Granite Construction, Ramboll, Hensel Phelps, Yates Construction, Turner Construction Company, Arup, WSP, DPR Construction 등 전 세계에서 수천 개의 기업이 트림블 커넥트를 사용해 프로젝트 수행 능력을 강화하고 있다. 상세 내용은 <스마트 건설 DX 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

작성일 : 2026-05-03

건설 산업 모델 생성, 취합, 관리하는 BIM 솔루션, 테클라 스트럭처스(Tekla Structures)

주요 스마트 건설 DX 솔루션 소개 건설 산업의 모델을 생성, 취합, 관리하는 BIM 솔루션 - 테클라 스트럭처스(Tekla Structures) 개발 : 트림블, www.tekla.com/kr 자료 제공 : 트림블코리아, 070-4940-4600, www.tekla.com/kr 테클라 스트럭처스(Tekla Structures)는 트림블(Trimble)의 BIM(Building Information Modeling) 소프트웨어로, 건설 산업 전반에 걸쳐 정밀하고 시공성이 우수한 모델을 생성, 취합, 관리하는 데 사용되는 강력한 솔루션이다. 복잡한 구조물의 설계부터 제작, 시공에 이르는 전 과정을 지원해 건설 프로젝트의 효율성, 정확성, 생산성을 극대화한다. 1. 주요 특징 (1) 시공 가능한 BIM 단순 개념 모델이 아닌, 철근·볼트·용접·앵커 등까지 표현하는 고정밀 3D 모델을 통해 실제 제작·시공에 바로 활용 가능한 데이터를 제공한다. 모델에서 직접 물량, 가공 정보, 조립 정보가 나와 제작 공정과 현장 시공을 정확하게 지원한다. (2) 높은 상호운용성 다양한 해석·설계/MEP/플랜트 도구와 양방향 연동을 지원해, 기존 설계 워크플로우를 유지하면서 구조 BIM을 도입할 수 있다. 또한 다양한 레퍼런스 모델을 불러와 하나의 조정 모델에서 간섭 검토·계획 수립이 가능하다. (3) 복잡한 대형 구조물에도 강한 성능 수많은 부재·철근·볼트가 포함된 대형 산업 플랜트나 인프라 프로젝트도 안정적으로 처리하는 고성능 BIM을 제공한다. 2. 주요 기능 (1) 정밀 3D 모델링과 디테일링 철골·콘크리트·프리캐스트·목구조 등의 부재, 연결부, 철근 배근, 금속 부품 등을 3D로 상세 모델링하고, 변경 시 도면과 리포트가 자동 갱신된다. 복잡한 형상과 대규모 철근 모델링, 상세 템플릿, 사용자 정의 컴포넌트를 지원해 반복 작업 효율을 높인다 (2) 도면과 리포트 자동 생성 단면도, 배근도, 제작도, 조립도, 설치도 등 다양한 도면을 3D 모델에서 자동 생성하고, 수정 시 연계된 도면·물량표가 자동으로 업데이트된다. 자재 리스트, 볼트 리스트, 조립 리스트 등 제작·구매·공정 관리에 필요한 리포트를 모델 데이터에서 직접 추출할 수 있다. (3) 간섭 검토와 설계 조정 구조 모델과 건축·MEP·플랜트 모델을 하나의 가상 공간에 배치해 간섭(clash)을 탐지하고, 충돌 위치를 시각적으로 표시해 설계 단계에서 문제를 해결한다. 레퍼런스 모델을 구조 모델과 함께 활용해, 각 분야의 설계 요구사항을 조정하고 오류를 사전에 제거한다. (4) 공정과 시공 계획 지원 3D 모델 객체에 위치·공정 정보를 부여해, 설치 순서·크레인 배치·자재 반출입 계획 등 시공 계획을 수립할 수 있다. 트림블 커넥트와의 연계를 통해 현장과 모델을 연결하고, 현장 검토·검측·이슈 관리를 BIM 기반으로 수행할 수 있다 3. 도입 효과 (1) 재작업 감소 간섭 검토와 실제 제작 수준의 디테일 모델링으로 설계·디테일 오류를 크게 줄여, 현장 재시공과 공기 지연, 재료 낭비를 최소화한다. 도면·리포트 자동 갱신으로 수동 수정 실수를 줄이고, 최신 정보로 제작·시공을 수행할 수 있다. (2) 리드타임 단축 반복적인 디테일링 작업의 자동화, 템플릿·컴포넌트 재사용, 모델 기반 물량·도면 생성으로 설계·디테일링 시간을 단축한다. (3) 협업과 추적성 향상 구조 엔지니어, 디테일러, 제작사, 시공사가 동일 3D 모델을 기준으로 소통해, 변경 사항·책임 범위를 명확히 하고 의사결정을 빠르게 할 수 있다. 모델 기반으로 공사 진행 상황과 변경 이력을 추적해, 품질 관리·원가 관리·사후 분석에 활용 가능한 데이터 자산을 축적한다. 4. 주요 고객 사이트 포스코이앤씨, 시드소프트, 창신이엔지, 빔파트너스, 디에스텍, 연우에이치티, Arup, Pankow, Midland Steel 등 전 세계적 구조 엔지니어링·제작·시공 회사에서 고층 빌딩, 경기장, 교량, 산업 플랜트, 인프라 프로젝트 등 다양한 대형 구조물에 테클라 스트럭처스를 적용하고 있다. 상세 내용은 <스마트 건설 DX 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

작성일 : 2026-05-03

[탐방] 엘리스그룹, 교육과 인프라 통합한 ‘AI 풀 스택’ 역량으로 제조 AX의 실질적 해법 제시

제조 산업의 디지털 전환은 이제 단순한 자동화나 시스템 도입의 단계를 넘어섰다. 최근 산업 현장에서 화두가 되는 것은 AX(AI Transformation), 즉 인공지능이 실제 공정과 의사결정에 얼마나 깊이 관여하며 성과로 연결되는가에 대한 문제다. 이러한 변화의 중심에서 엘리스그룹 (https://elice.io) 은 교육 기업의 정체성을 넘어, AI 인프라·클라우드·산업별 솔루션을 아우르는 ‘AI 풀 스택 기업’으로 진화하며 제조 AX의 새로운 기준을 제시하고 있다. ▲ 엘리스그룹 김재원 대표 AI 교육 기업에서 AI 풀스택 기업으로 엘리스그룹은 가상화 실습 환경 기반의 AI 교육 실습 플랫폼 ‘엘리스LXP’를 통해 국내 AI 교육의 표준을 정립해 온 기업이다. 대학과 공공기관, 기업 교육 현장에서 축적한 실습 중심 교육 경험은 엘리스의 출발점이었다. 그러나 엘리스는 교육을 출발점으로 삼아, AI를 실제 현장에서 작동시키는 기술로 영역을 확장해 왔다. 기업의 DX를 넘어 AX 전환을 설계하는 핵심 파트너로 자리매김한 것이다. 김재원 대표는 이러한 변화에 대해 “AI는 교육만으로 완성되지도, 인프라만으로 작동하지도 않는다. 엘리스는 교육과 인프라, 그리고 산업 현장을 하나의 흐름으로 연결하는 구조를 만들고자 했다”고 설명한다. 엘리스그룹의 핵심 경쟁력은 교육과 인프라를 동시에 보유한 독특한 사업 구조에 있다. 엘리스는 현재 고성능 GPU 기반의 모듈형 데이터센터 ‘엘리스 AI PMDC(Portable Modular Data Center)’와 AI 특화 클라우드 솔루션 '엘리스클라우드'를 운영하며, 기업 맞춤형 AI 솔루션 개발과 인재 양성 교육을 병행 제공하고 있다. 특히 엘리스 AI PMDC는 데이터 주권과 보안이 중요한 제조 현장을 겨냥한 이동식 모듈형 데이터센터로, 짧은 시간 안에 프라이빗 클라우드 환경을 구축할 수 있는 것이 특징이다. 공장 내부 설치가 가능해 민감한 공정 데이터를 외부로 반출하지 않고도 AI를 운용할 수 있으며, 가상화된 환경에서 효율적인 인프라 운영이 가능하도록 설계됐다. 김 대표는 “제조 현장에서 AI를 도입하지 못하는 가장 큰 이유는 기술 부족이 아니라 데이터 주권과 보안에 대한 우려”라며, “PMDC는 이러한 현실적인 장벽을 해결하기 위한 엘리스의 해답”이라고 강조한다. 제조 AX의 A to Z를 제시하다 엘리스그룹은 ‘교육부터 인프라까지 아우르는 제조 AX의 A to Z’를 핵심 전략으로 내세운다. 단일 기술이나 제품이 아닌, 제조 AX 전 과정을 하나의 로드맵으로 제시하는 것이 엘리스의 전략이다. 엘리스는 임원을 위한 AX 전략 교육부터 실무 임직원을 위한 AI 활용 교육까지, 직급·산업별 맞춤형 AX 교육 커리큘럼을 운영한다. 데이터 및 인프라 진단을 시작으로, 임원 및 실무자 AX 교육, 맞춤형 PoC 진행, 엘리스클라우드 기반 AX 솔루션 개발, 전사 확산으로 이어지는 종합 AX 로드맵을 제안한다. 김 대표는 “인프라를 구축했지만 이를 운영할 인력이 없거나, 교육은 받았지만 실습할 환경이 없는 기업이 여전히 많다”며, “당사는 이 단절을 없애는 데 집중하고 있다”고 부연했다. 에이전틱 AI로 제조 현장의 판단을 자동화하다 최근 엘리스그룹이 주력하는 분야는 에이전틱 AI(Agentic AI) 기반 제조 AX다. 이는 단순히 데이터를 분석하는 수준을 넘어, AI가 스스로 문제를 인식하고 판단하며 공정을 최적화하는 자율적 시스템을 의미한다. 엘리스는 자체 개발한 VLM 기반 AI 문서 분석 솔루션을 비롯해, 제조 현장의 방대한 매뉴얼과 공정 기록을 학습하는 산업 맞춤형 AI 솔루션을 선보이고 있다. 이러한 솔루션은 숙련 인력의 경험에 의존하던 현장 업무를 AI가 신속하고 정확하게 지원하도록 돕는다. 김 대표는 “제조 현장의 경쟁력은 결국 얼마나 빠르고 정확하게 판단하느냐에 달려 있다”며, “에이전틱 AI는 사람의 의사결정을 보조하는 수준을 넘어, 공정 자체를 지능화하는 핵심 기술”이라고 강조한다. 데이터 주권과 보안, 그리고 검증된 AX 역량 제조 AX 시장은 현재 ‘도입’보다 ‘안착’이 더 큰 과제로 떠오르고 있다. 많은 기업이 생성형 AI와 에이전틱 AI 도입을 검토하고 있지만, 핵심 제조 데이터의 외부 유출 우려와 내부 인력 부족이라는 현실적인 문제에 직면해 있다. 엘리스그룹은 이러한 문제를 AI 풀 스택 역량으로 해결한다. 고객의 요구에 따라 온프레미스, 프라이빗 클라우드를 유연하게 구성하며, PMDC 기반 구조를 통해 물리적으로 격리된 폐쇄형 환경에서의 AI 운영을 가능케 한다. 특히 현대차 남양연구소와 제조 AI 솔루션을 공동 개발한 경험은 엘리스의 보안 신뢰도와 공정 이해도를 동시에 입증하는 사례로 평가받는다. 대규모 제조 기업의 복잡한 보안 요구사항을 아키텍처 설계 단계부터 반영할 수 있는 역량은 엘리스의 중요한 경쟁력이다. 김 대표는 “AX는 단기간에 끝나는 프로젝트가 아니다. 인프라, 보안, 인재가 함께 준비되지 않으면 결국 현장에서 멈추게 된다”고 강조하며, 엘리스가 인프라와 교육을 수직 계열화해 AX 상용화의 허들을 낮추고 있다고 설명했다. ▲ 엘리스 AI PMDC 모형 현장에서 완성되는 AX, 그리고 글로벌 확장 엘리스그룹의 궁극적인 목표는 기술이 현장에서 완성되는 선순환 구조를 만드는 것이다. 이를 위해 업종별 제조 AX 레퍼런스 아키텍처와 맞춤형 AX 교육 커리큘럼을 고도화할 계획이다. 자동차, 부품, 식음료 등 산업별로 요구되는 AI 역량을 정교하게 정의하고, PMDC와 에이전틱 AI를 결합해 공장 단위의 AI 생태계를 완성한다는 구상이다. 또한 국내에서 검증된 PMDC와 AX 솔루션을 기반으로 글로벌 제조 거점으로의 진출도 추진한다. 데이터 주권 걱정 없이 AI를 활용할 수 있는 인프라와 교육 패키지를 글로벌 시장에 확산시켜, 글로벌 AI 클라우드 시장에서의 영향력을 확대해 나갈 방침이다. 김 대표는 “제조 AX는 국가와 산업을 가리지 않는 공통 과제”라며, “국내에서 검증된 엘리스의 모델을 글로벌 제조 현장으로 확장해 나가겠다”고 밝혔다. ‘현장에서 즉시 작동하는 AI’를 만나다 엘리스그룹이 시장에서 지향하는 바는 분명하다. 막연한 AI 기술이 아닌, 제조 현장에서 즉시 작동하는 AI의 실체를 보여주는 것이다. 엘리스는 이를 통해 데이터 주권과 보안, 인력 문제로 AX 도입을 망설이던 기업들에게 현실적인 해법을 제시하고자 한다. 현장의 실무자부터 경영진까지 엘리스의 AI 풀스택 솔루션을 통해 자사 AX의 청사진을 구체화할 수 있을 것으로 기대된다. 교육과 인프라, 그리고 산업 현장을 하나로 연결하는 엘리스그룹의 AX 전략이 제조 산업의 새로운 기준으로 자리 잡을지 주목된다.

작성일 : 2026-04-29