디지털 트윈과 산업용 메타버스 트렌드   데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다.  디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.   ▲ 철도 네트워크의 디지털 트윈 구축하는 독일 디지털 철도(이미지 출처 : 엔비디아)   1. 디지털 전환과 디지털 트윈 디지털 전환(Digital Transformation: DX)은 비즈니스 전 과정에 ICT 기술을 도입하여 전사적 업무, 생산 기술, 제품 등을 디지털화 한 후 이를 기반으로 가상 실험이 가능한 디지털 환경을 구축하는 것이다.  디지털 전환의 궁극적 목적은 기업 이윤 극대화에 필요한 업부/생산 효율성 및 제품 부가 가치 증대를 위한 다양한 창의적 대안들을 가상 실험을 통해 평가한 후 그 결과를 비즈니스 전 과정에 활용하는 것이다. 예를 들어, 스마트 팩토리의 디지털 전환은 조달 시스템, 생산 시스템, 물류 시스템 등 스마트 팩토리 구성요소들의 자원 할당 및 운용에 대한 다양한 대안들을 가상 실험을 통해 평가할 수 있는 환경을 구축하여야 한다. 그렇다면, 비즈니스 전 과정을 가상 실험하기 위해서는 무엇이 필요할까?  가상 실험을 하기 위해서는 먼저 가상 실험 대상(예: 제조 공장)을 선정하고, 다음으로, 가상 실험 시나리오(예:새로운 제조 장비 도입)가 필요하며 시나리오를 수행할 모델(예: 제조 공정 시뮬레이션 모델)이 필요하다. 이러한 가상 실험을 위한 모델이 디지털 트윈이며 이런 이유로 많은 사람들이 디지털 트윈을 DX의 Key(Richard Marchall, 2017), DX의 Enablers(Reterto Saracco, 2019), DX의 Central(Vijay Ragjumathan, 2019), DX의 Steppingstone(Harry Forbes, 2020), DX의 Pillar(Fransesco Belloni, 2020)라고 지적하였다.   2. 디지털 트윈의 정의 디지털 트윈은 물리적 자산, 프로세스 및 시스템에 대한 복제본으로 정의[Wiki 사전]되며, 복제본이란 대상 체계의 운용 데이터, 지형/공간/형상 정보 및 동작/운용 법(규)칙을 컴퓨터 속에 디지털화 해 놓은 것을 의미한다. 예를 들면, 제조 공장의 디지털 트윈은 제조 공장의 운용 데이터, 제조 공장의 공간/형상 정보, 그리고 제조 장비 동작 및 공정 모델이 컴퓨터 속에 복제된 것이 될 것이다. 디지털 트윈과 대상 체계가 쌍둥이기 때문에 쌍둥이 중 누가 먼저 태어났느냐에 따라 디지털 트윈의 이름을 다르게 붙이기도 한다. 대상 체계가 존재하기 전에 만들어진 디지털 트윈을 디지털 트윈 프로토타입(Prototype) 그리고 대상 체계가 만들어진 후 복제된 디지털 트윈을 디지털 트윈 인스턴스(Instance)라고 부른다. 디지털 트윈 프로토타입은 대상 체계 설계 단계에서 활용되며 디지털 트윈 인스턴스는 대상 체계의 운용 분석에 활용되는 것이 일반적이다. 디지털 트윈 인스턴스(실 체계의 복제본)와 디지털 트윈 프로토타입(실 체계의 설계 모델)이 모두 존재할 수도 있지만 디지털 트윈 프로토타입 없이 디지털 트윈 인스턴스만 존재할 수도 있다. 디지털 트윈 프로토타입과 인스턴스가 모두 존재한다면 인스턴스는 프로토타입에 실 체계 운용 정보가 반영되어 진화(성장)된 트윈으로 볼 수 있다. 3. 디지털 트윈 구축 목적 디지털 트윈의 구축 목적은 대상 실 체계와 디지털 트윈을 연동 운용함으로써 실 체계 관련 이해 당사자에게 지혜 수준의 혁신적 서비스를 제공할 수 있는 핵심 도구/수단으로 활용하기 위함이다. 데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다. 융합 빅 데이터는 AI-통계/공학 분석도구들을 이용하여 실 세계의 구성요소인 자산, 사람, 운용 프로세스들의 다양한 결합에 대한 분석/예측 및 체계 운용 최적 대안(최적화)을 찾는데 활용될 수 있다. 아울러, 융합 빅 데이터는 실 세계를 가상 환경에서 현실감 있게 표출할 수 있는 다양한 장비/장치와 VR/AR/XR/메타버스 관련 ICT 기술과의 융합 인터페이스를 통해 오락, 관광, 교육 훈련, 체험 등에 활용될 수 있다.     디지털 트윈의 복제 대상은 실 체계의 운용 데이터, 공간/형상 정보 및 실 체계에 포함된 객체들의 행위 모델 등 3가지이다. 운용 데이터는 실 체계에 설치된 IoT 장비로부터 획득이 가능하다. 공간/형상 정보는 서비스 목적에 따라 GIS, BIM 혹은 3D CAD 중 한 가지 이상을 결합하여 사용한다. 객체 행위 모델은 다양한 시나리오를 가상 실험하기 위한 시뮬레이션 모델을 사용하지만 서비스 목적에 따라서는 운용 데이터를 학습한 데이터 모델을 사용할 수도 있다. 구성요소 중 일부만을 사용한 디지털 트윈은 나머지 구성요소를 사용하지 않음으로 인한 한계점에 봉착하게 된다. 예를 들면, 실 체계 운용 데이터 복제만으로 구성된 IoT 기반 디지털 트윈은 수집된 데이터를 분석할 수는 있지만, 실 체계를 시각화한 지형/공간 상에 데이터를 표출할 수 없을 뿐만 아니라 실 체계와는 다른 가상 데이터를 입력한 시뮬레이션을 수행할 수 없다. 마찬가지로, 지형/공간 정보 만으로 구성된 디지털 트윈은 실 체계에서 일어나는 지형/공간 정보의 변화를 실 시간으로 반영할 수 없으며 시뮬레이션을 통한 실 체계의 현상 분석 및 미래 예측이 불가능 하다.      디지털 트윈의 효율적인 활용을 위해서는 위의 세 가지 구성요소 모두를 개발 및 운용할 수 있는 통합 플랫폼이 바람직하지만 국내외적으로 표준화된 디지털 트윈 플랫폼은 존재하지 않는다. 디지털 트윈의 특성 상 3가지의 디지털 트윈 구성요소 각각을 개발하는 독립적인 플랫폼을 사용하여 구성요소를 개발한 후 이들을 연동하여 운용하는 것이 효율적이다.  구체적으로는, 먼저, 디지털 트윈 개발 목적에 맞게 운용 데이터를 수집하는 IoT 플랫폼, 지형/공간 정보를 구축하는 지형/공간정보 플랫폼 및 모델링 시뮬레이션 플랫폼들을 이용하여 각 구성요소를 개발한다. 다음으로, 개발된 세 가지 구성요소를 실행하는 플랫폼들을 연동 운용하는 PoP(Platform of Platforms) 구조를 사용할 수 있다. PoP 구조는 디지털트윈의 목적에 부합되는 모든 디지털트윈을 개발/운용할 수 있는 플랫폼으로써 신뢰성 및 경제성(개발 기간 및 비용) 면에서 효율적인 구조이다. PoP 구조를 사용할 경우 플랫폼들 사이의 연동을 위한 데이터 모델과 API의 국제적인 표준화가 요구되며 데이터 모델의 표준은 대상 시스템에 따라 달라질 수 있다.  디지털 트윈을 실제 시스템에 대한 문제 해결 목적으로 사용하기 위해서는 대상 시스템에 대한 다양한 질문의 답을 디지털 트윈을 통해서 얻을 수 있는 서비스가 제공되어야 한다. OR 이론의 창시자 중 한 명으로 경영 과학 이론가인 R.L.Ackoff 교수는 사람이 생각하는 내용을 데이터, 정보. 지식, 지혜 등 4가지로 분류하였다. 데이터는 단순한 심벌(숫자나 문자)을 말하지만 정보는 ‘who’, ‘what’, ‘where’, ‘when’을 답할 수 있고, 지식은 ‘how’를 답할 수 있고, 지혜는 ‘why’를 답할 수 있어야 한다고 정의하였다. 디지털 트윈의 서비스 수준을 Ackhoff 교수의 분류법에 매핑 시킨다면 정보 수준 서비스는 시스템 분석(현상, 기능 등), 지식 수준 서비스는 시스템 예측(행위, 성능 등) 그리고 지혜 수준 서비스는 시스템 최적화(운용 최적화 등) 및 진단(수명 진단 등)에 해당한다. 예를 들어, 교통 시스템에 대한 다양한 질문을 답하기 위해 교통 디지털 트윈을 만들었다고 하자. 정보 서비스의 예는 현재 교통 시스템의 현상을 분석하는 것으로 어느 위치의 현재 시간대에 단위 시간당 교차로 통과 차량 대수가 얼마인지에 대한 답을 하는 서비스이다. 지식 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 얼마가 되는지를 예측하는 질문에 대한 답을 하는 서비스이다. 지혜 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 최소가 되는 최적화된 경로가 어떤 것인지의 질문에 대한 답을 하는 서비스이다.    4. 디지털 트윈의 구성요소 디지털 트윈의 3 가지 구성요소 중 행위 모델은 목적에 따라 데이터 모델과 시뮬레이션 모델로 대별된다. 데이터 모델은 실 체계에서 수집된 데이터들 사이의 상관관계를 기계학습하여 얻어진 모델(예: 인공신경망)로서 지식 서비스를 위한 시스템 행위 예측에 한계점을 가지고 있다. 구체적으로, 데이터 모델은 학습된 데이터 영역에서는 미래 예측이 가능하지만 학습된 영역 밖의 데이터에 대한 예측은 불가능 하다. 뿐만 아니라 학습 시와 예측 시의 시스템 운용 조건이 달라질 경우에도 예측이 불가능하다. 앞서 예시한 교통 디지털 트윈으로 데이터 모델을 사용할 경우 학습 시 도로 상황(운행 시간, 사고 발생 유무 등)이 예측 시 도로 상황과 동일하지 않으면 소요 시간 예측의 정확도가 보장되지 않는다. 더욱이, 시스템 변수 사이의 상관 관계로 표현된 데이터 모델은 변수 사이의 인과 관계가 필요한 시스템의 최적화 및 고장 진단 등에는 활용할 수 없다. 이러한 데이터 모델의 서비스 한계를 극복하기 위해서는 시뮬레이션 모델을 사용할 수 있다. 시뮬레이션 모델은 구축은 대상 시스템에 대한 도메인 지식과 이를 표현하는 지배 법칙에 대한 수학적/논리적 표현 방법을 이해해야 하므로 데이터 모델에 비해 고 비용이 요구된다. 따라서, 디지털 트윈의 행위 모델은 대상 시스템의 서비스 목적과 수준에 따라 다르게 선택될 수 있다.    5. 디지털 트윈의 발전 전망  디지털 트윈의 향후 발전 전망은 문제 해결과 가상 체험 및 빅 데이터 분야로 대별할 수 있다. 문제 해결 분야에서 디지털 트윈의 대상은 분석, 예측, 최적화/진단 대상이 되는 모든 시스템 분야로서 산업(제조, 생산, 물류, 식물공장 등), 공공(교통, 환경, 금융 등), 의료(진단, 인공장기, 가상수술 등), 재난안전(안전점검, 피해분석, 대피훈련 등), 국방(군사훈련, 국방분석, 무기체계 획득 등)등을 포함한다.  현재 디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.  가상 체험 분야는 디지털 트윈이 실 세계 혹은 가상 세계를 움직이는 다양한 시나리오를 정형화한 지배 법칙(모델)을 실행(시뮬레이션)하는 수단으로 활용될 전망이다. 이러한 지배법칙 실행은 실제 세계와 가상 세계의 구별 없는 가상 체험을 목표로 하는 메타버스의 서비스 콘텐츠를 제공한다. 따라서, 메타버스 발전을 위해서 메타버스의 서비스 컨텐츠를 제공하는 디지털 트윈 발전이 필수적으로 향후 메타버스와 디지털 트윈은 동시에 발전할 전망이다.  빅 데이터 분야에서는 디지털 트윈의 가상 실험을 통해 실 체계에서는 물리적/경제적 이유로 수집 불가능한 다양한 빅 데이터를 생성하는데 활용될 전망이다. 유의미한 빅 데이터 생성을 위해서는 실 체계에서 수집 가능한 데이터를 사용하여 디지털 트윈 모델의 검증이 선행된 후 실 체계에서 수집 불가능한 데이터 생성을 위한 가상 실험이 설계되어야 한다. 디지털 트윈을 사용한 빅 데이터 생성은 시스템 기능 검증, 예지 진단 및 기계학습 등과 같은 부가가치가 높은 데이터 생성에 집중되어 미래 데이터 구독 시장 활성화에 기여할 전망이다.   김탁곤 명예교수  KAIST 전기전자공학부  

최적화 문제를 통찰하기 위한 심센터 히즈 (3)   이번 호에서는 심센터 히즈(Simcenter HEEDS)를 사용하여 수집된 외부 데이터를 시각화하고 분석하는 데 초점을 맞추고, 데이터 시각화의 중요성과 분석 기법의 활용 방안을 살펴본다.   ■ 연재순서 제1회 AI 학습 데이터 생성을 위한 어댑티브 샘플링과 SHERPA의 활용 제2회 근사모델 기반의 최적화 vs. 직접 검색 기반의 최적화 제3회 수집 또는 측정된 외부 데이터의 시각화 및 데이터 분석 제4회 산포특성을 가지는 매개변수의 상관성 및 신뢰성 분석 제5회 실험 측정과 해석 결과 간의 오차 감소를 위한 캘리브레이션 분석 제6회 프로세스 자동화 Ⅰ – 구조 설계 최적화 및 사례 제7회 프로세스 자동화 Ⅱ – 모터 설계 최적화 및 사례 제8회 프로세스 자동화 Ⅲ – 유로 형상 설계 최적화 및 사례 제9회 프로세스 자동화 Ⅳ – 다물리 시스템 최적화 및 사례 제10회 프로세스 자동화 Ⅴ – 제조 공정 효율성 최적화 및 사례   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 히즈를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR   데이터 분석의 중요성 오늘날 데이터는 우리의 일상과 비즈니스 운영에서 점점 더 중요한 역할을 하고 있다. 수집되고 측정된 데이터의 양이 증가하면서 이를 효과적으로 처리하고 분석하는 방법은 더욱 필요해지고 있다. 이러한 변화 속에서, 지멘스의 심센터 히즈는 강력한 데이터 분석 및 시각화 기능을 제공하여 다양한 산업 분야에서 최적의 해결책을 찾는 데 기여하고 있다. 이번 호에서는 히즈의 기능을 효과적으로 활용하여 어떻게 복잡한 데이터를 이해하고 의미 있는 인사이트를 얻을 수 있는지 살펴볼 것이다.   히즈의 데이터 분석 기능 히즈의 Discover(디스커버) 탭은 사용자가 데이터 사이의 관계 및 최적화 가능성을 탐구할 수 있도록 다양한 도구를 제공한다. Discover 기능은 주요한 데이터 분석 및 이해를 도와주는 여러 방법을 포함하고 있다.    그림 1   다음은 각각의 기능에 대한 설명이다.  Closest : 특정 데이터 포인트에 가장 가까운 변화를 식별한다. 이를 통해 최적화 과정에서의 데이터 민감성을 이해하고 결정에 도움을 줄 수 있다.  Similar : 사용자가 선택한 기준에 따라 유사한 데이터 집합을 찾는 기능이다. 이는 집합의 규칙 또는 모델을 파악하는 데 유용하다. Clusters : 데이터 세트를 서로 연관된 그룹으로 분류한다. 군집화 기법을 통해 데이터의 패턴을 식별하고 알고리즘에 의한 데이터 이해를 개선할 수 있다.  Trade-offs : 다수의 설계 목표 간의 상충 관계를 분석한다. 이를 통해 각각의 설계 대안이 어떻게 특정 목표를 달성하는지에 대해 명확하게 이해할 수 있다.  Patterns : 데이터 내의 반복되는 경향이나 구조를 발견하여 예측 및 모델링에 도움을 주는 기능이다. 패턴 인식은 정보의 신뢰도를 높이는 데 중요하다.  Preview History : 사용자가 수행한 변경이나 실행의 기록을 미리 보면서 데이터 분석의 이력을 관리할 수 있다.  Design Set : 여러 디자인 시나리오를 만들고 비교하여 최적의 설계를 도출하는 데 도움을 준다.  Performance & Plot : 데이터의 성능을 평가하고 시각적으로 플롯하여 분석 결과를 명확하게 표현한다.  Discover 탭의 이러한 기능은 히즈 사용자가 데이터를 깊이 이해하고 시뮬레이션 최적화 과정에서 효과적인 의사 결정을 내리도록 돕는다. 이를 바탕으로 보다 정확하고 신뢰성 있는 설계와 분석 결과를 도출할 수 있다.   데이터 분석을 위한 예제   그림 2    목적함수 외팔보 H빔의 체적을 최소화 제약 조건 최대 굽힘 응력(σ) ≤ 200 MPa  최대 끝단 처짐(δ) ≤ 2 mm  설계 변수 Length : 5,000 mm  Load P : 6,500 N  E : 200 MPa  H : 50 mm ≤ H ≤ 100 mm  h1 : 5 mm ≤ h1 ≤ 30 mm  b1 : 50 mm ≤ b1 ≤ 100 mm  b2 : 5 mm ≤ b2 ≤ 50 mm 히즈의 Discovery Method를 사용하여 분석할 데이터는 우리가 지금까지 계속 예제로 사용한 외팔보의 처짐 문제를 기반으로 Adaptive Sampling Study(어댑티브 샘플링 스터디)에서 500개의 데이터를 생성하여 사용할 것이다. 아니면 독자들이 가지고 있는 데이터를 사용해도 괜찮다.   그림 3     ■ 자세한 기사 내용은 PDF로 제공됩니다.

AI와 산업 전문성 결합해 클라우드 기반 제조 혁신 도울 것   여러 산업에서 확산되고 있는 클라우드 컴퓨팅이 제조 산업에서도 본격화될 것으로 보인다. 이를 겨냥해 아마존웹서비스(AWS)는 제조 산업의 클라우드 가치 제공을 본격화하고 있다. 한편, 에티버스는 지난 3월 25일 ‘2025 제조 고객을 위한 AWS 파트너 클라우드 설루션 콘퍼런스’를 주최했다. 이 콘퍼런스에서는 AWS를 비롯해 국내 파트너사들이 참가해 국내 제조 산업을 대상으로 클라우드 기술이 어떤 가치를 제공할 수 있는지와 구체적인 적용 방안 등이 소개됐다. AWS의 황민선 ENT-MFG&SNE(서비스 앤 에너지) 산업 담당 파트너 세일즈 매니저와 에티버스의 김준성 클라우드플랫폼 사업본부 전무로부터 국내 클라우드 시장의 동향 및 전망부터 제조 산업을 겨냥한 클라우드 전략까지 들어보았다. ■ 정수진 편집장    ▲ AWS 황민선 ENT-MFG&SNE 산업 담당 파트너 세일즈 매니저   ▲ 에티버스 김준성 클라우드플랫폼 사업본부 전무   에티버스는 어떤 기업인지 소개한다면 ■ 김준성 : 에티버스는 지난 1993년 영우컴퓨터라는 사명으로 설립되어 30여년간 글로벌 IT 공급사와의 협업을 통해 IT 토털 설루션 공급사로서 영업을 지속해 왔으며, 시스템 구축, 유지보수, 설루션 개발은 물론 빅데이터, AI, 클라우드 등 4차 산업혁명의 핵심 기술에 집중하여 미래의 IT 비즈니스의 중심이 되고자 노력하고 있다. 또한, 에티버스는 2022년 한국에서 유일하게 AWS와 디스트리뷰터 계약을 맺고 다양한 파트너와 고객들의 클라우드 여정을 돕고 있으며, 이를 위해 400개가 넘는 파트너와 협업 관계를 구축하여 각 산업 전반에 걸쳐 클라우드와 AI 생태계 확산을 돕고 있다.   클라우드 기술 기업으로서 AWS가 최근 중점을 두고 있는 부분이 있다면 어떤 것인지 ■ 황민선 : AWS는 제조 산업에 대한 다양한 지원을 통해 고객사의 디지털 혁신을 가속화하는 데에 중점을 두고 있다. 특히 주력하는 부분은 생성형 AI를 실제 현장에 적용해 비즈니스 성과를 만들어 내는 것이다. 이번 클라우드 설루션 콘퍼런스에서도 확인했듯이, 제조 기업들은 생성형 AI에 가장 높은 관심을 보이고 있으며, 실제로 품질 관리, 예측 정비, 공정 최적화 등 다양한 영역에서 활용하고 있다. 또한 AWS 기반의 전문 파트너사 설루션을 통한 산업 전문성 강화도 중요한 부분이다. AWS는 제조 산업에 특화된 전문 파트너들과 협력하여, 고객들이 현장에서 즉시 활용할 수 있는 설루션을 제공하고 있다. 더불어 스마트 매뉴팩처링의 확산도 핵심적인 중점 분야이다. 데이터 기반의 의사결정, IoT 기술을 활용한 실시간 모니터링, AI/머신러닝을 통한 공정 최적화 등을 통해 제조 현장의 디지털 전환과 혁신을 지원하고 있다. 이러한 노력의 실효성은 이번 콘퍼런스 결과를 통해서도 확인할 수 있었다. 88건의 현장 고객 미팅과 설문에서 31%의 고객이 1년 내 클라우드 도입 계획을 밝혔는데, 이는 AWS의 제조 산업 혁신 전략이 시장의 니즈와 정확히 일치한다는 것을 보여준다.   다른 산업과 비교할 때, 클라우드가 제조 산업에 제공할 수 있는 핵심 가치는 무엇이라고 보는지 ■ 김준성 : 클라우드는 기본적으로 비용 절감, 신속함, 유연성과 확장성을 핵심 가치로 보고 있는데, 제조 산업이야 말로 앞에서 얘기하는 세 가지 부분이 가장 중요하게 고려되어야 하는 산업 영역이라고 생각한다. 우선, 생산과 비용 절감은 뗄 수 없는 부분이다. 가장 효율적인 공정을 통해 생산 단가를 낮춰야 고객에게 판매할 수 있는 기본적인 경쟁력을 제공할 수 있다. 두 번째로, 고객의 요구가 급변하는 지금의 현대 사회에서 신속하고 경제적인 생산 공정이야 말로 제조업에서 가장 중요시하는 혁신 가치 중 하나라고 생각한다. 마지막으로 유연성과 확장성 역시 설명할 필요도 없이 클라우드와 제조 산업이 공유하고 있는 핵심 가치로서, 시장의 요구에 발 빠르게 대응하고 적재적소에 필요한 제화를 공급하기 위해 반드시 이루어야 하는 중요 포인트라고 할 수 있다. ■ 황민선 : 제조 산업에서 클라우드의 핵심 가치는 기업의 규모와 관계 없이 혁신을 빠르고 대규모로 가속화할 수 있다는 것이다. 과거에는 대기업만이 도입할 수 있었던 첨단 기술을 이제는 중소 제조기업도 클라우드를 통해 손쉽게 활용할 수 있게 되었다. 특히 생성형 AI나 디지털 트윈과 같은 첨단 기술을 필요한 만큼만 사용할 수 있게 된 것이 큰 변화이다. 주목할 만한 점은 비즈니스 리더들의 참여가 크게 늘어났다는 것이다. 얼리 어댑터와 IT 전문가를 넘어, 이제는 제조 현장의 비즈니스 리더들이 클라우드 기술을 활용하기 시작했다. 공장과 연구소의 현업 전문가들이 직접 클라우드 기술을 산업 현장에 적용하면서, 더욱 실질적인 혁신이 가능해졌다. 특히 글로벌 경쟁력 강화 측면에서 클라우드의 가치가 더욱 부각되고 있다. 클라우드를 통해 제조기업들은 설계와 생산 단계에서 글로벌 협업을 강화하고, 글로벌 공급망에 더욱 유연하게 대응할 수 있게 되었으며, 불확실한 경영 환경에서 민첩성과 회복력을 높이는 핵심 요소가 되고 있다.   제조 산업에서 클라우드의 가치를 실현하기 위해서 필요한 방법론 또는 접근방법은 무엇인지 ■ 황민선 : 제조 산업의 클라우드 가치 실현을 위해서는 ‘산업 전문성’과 ‘기술 혁신’이 조화를 이루는 것이 핵심이다. AWS는 이를 위해 크게 세 가지의 차별화된 접근 방식을 제시하고 있다. 첫째, 산업 데이터 패브릭(Industry Data Fabric : IDF) 접근 방식이다. 제조 기업들이 직면한 가장 큰 과제 중 하나는 데이터의 통합과 활용이다. AWS의 IDF는 제조 현장의 OT 데이터부터 엔터프라이즈 IT 데이터까지 통합하여, 실시간 분석과 의사결정을 가능하게 한다. 둘째, 강력한 파트너 생태계 기반의 산업 특화 설루션이다. AWS는 제조 산업의 다양한 워크로드에 특화된 파트너들과 협력하여 검증된 설루션을 제공한다. 셋째, 실질적인 구현을 위한 단계별 접근 방식이다. AWS는 고객들이 작은 시작부터 큰 성과까지 달성할 수 있도록 체계적인 지원을 제공한다. 앞으로도 AWS는 고객들이 작은 시작부터 큰 성과까지 달성할 수 있도록 체계적인 지원을 제공할 것이다. PoC(개념 증명)를 통한 기술 검증, 전문가 1:1 상담, 다양한 교육 프로그램 등을 통해 고객들의 성공적인 클라우드 여정을 지원할 계획이다. ■ 김준성 : 단순히 클라우드로 IT 자원을 마이그레이션하는 것보다 여러 가지 현재 상황에 대한 분석을 통해 보다 효율적이고 효과적인 전환이 필요하다고 생각한다. 몇 가지 단계를 생각해 본다면, 첫 번째로 명확한 목표에 대한 설정이 필요하다. 비용 절감, 생산성 향상, 시장 경쟁력 강화, 혁신 가속화 등 클라우드 도입을 통해 달성하고자 하는 구체적인 비즈니스 목표를 명확히 설정해야 한다. 정확한 목표가 정해지면 현재 가지고 있는 자원에 대한 분석이 필요하다. 현재 IT 인프라, 애플리케이션, 데이터, 보안 현황 등등을 정확하게 파악하여 클라우드 마이그레이션 전략을 수립해야 한다. 이를 통해 클라우드 마이그레이션을 어떤 설루션을 써서 할 것인지, 기간은 어느 정도 할 것인지 등을 특정해야 한다. 정확한 파악이 끝났다면 이번 일을 가장 잘 수행할 수 있다고 판단되는 클라우드 서비스 제공업체의 클라우드 도입 지원을 받는 것이 중요하다. 이를 통해 클라우드 마이그레이션, 관리, 보안 등 다양한 서비스를 제공 받고, 처음에 설정했던 목표와 어느정도 부합하는지에 대해 상호 검증을 통해 클라우드 전환을 성공적으로 마무리 할 수 있다고 생각한다. 에티버스는 AWS의 유일한 디스트리뷰터 파트너로서 현재 AWS 클라우드 마이그레이션 관련 협업을 하고 있는 IT 파트너가 400곳이 넘는다. 또한, 각 파트너들이 공공, 의료, 유통, 제조 등 산업 전 분야에 걸쳐 전문성을 가지고 사업을 영위하고 있으며 특히, 제조 분야에 AI를 접목하여 고객의 요구를 반영하여 클라우드 전환을 이루고 있다.   국내 제조 산업의 클라우드 활용과 관련한 주요한 흐름은 어떤지 ■ 황민선 : 국내 제조 산업의 클라우드 활용은 매우 중요한 전환점을 맞이하고 있다. 특히 세 가지 주목할 만한 트렌드가 나타나고 있다. 첫째, 생성형 AI를 중심으로 한 혁신 가속화이다. 산업통상자원부의 ‘AI 자율제조 전략’에서도 볼 수 있듯이, 2030년까지 AI 자율제조 30% 확산과 제조 생산성 20% 향상을 목표로 하고 있다. 실제로 두산로보틱스나 HL만도와 같은 기업은 이미 생성형 AI를 활용해 실질적인 성과를 창출하고 있다. 둘째, 비즈니스 리더 주도의 클라우드 도입이다. 과거 IT 인프라 담당자나 개발자 중심의 클라우드 도입에서, 이제는 현업 부서장과 경영진이 직접 클라우드 기술 도입을 주도하는 방향으로 변화하고 있다. 특히 제조 현장의 실무 전문가들이 클라우드 기술을 활용하여 혁신을 이끌어내고 있다. 셋째, 산업 특화 설루션의 확산이다. AWS는 제조 산업에 특화된 파트너 설루션 맵을 구축하고, 다섯 가지 핵심 영역(스마트 제조, 엔지니어링 & 설계, 스마트 제품 & 서비스, 공급망, 지속가능성)에서 전문 파트너들과 협력하고 있다. ■ 김준성 : 많은 고객들, 특히 제조 산업 분야에서의 클라우드 활용은 초기 단계를 넘어 본격적인 확산기에 접어들었다고 판단되나, 여전히 여러 문제로 인해 어려움을 겪고 있다. 특히 보안 관련 문제나, 오래된 레거시 시스템의 마이그레이션 및 이를 수행할 인력 부족 등의 문제로 인해 아직도 클라우드 전환을 망설이거나 시간이 오래 걸리는 고객이 적지 않은 것이 현실이다. 그럼에도 불구하고 제조 현장에서도 AI를 접목해서 생산 현장을 혁신하고 클라우드를 활용하여 신속성을 높이는 노력을 많은 곳에서 진행 중이다. 에티버스는 산업에 유익하고 필요한 AWS 파트너를 발굴하고, 그들이 고객과의 협업을 통해 빠르고 효과적인 클라우드 전환을 지원하게끔 돕는 역할을 해 나가고 있다. 또한, AI를 활용한 클라우드 서비스의 확산이 일어나고 있는데, 고객의 다양한 요구를 수용하기 위해 클라우드 생태계의 지속 확장을 통해 이를 뒷받침할 수 있는 여러 설루션의 소개와 구축에 최선을 다할 예정이다.   제조 산업의 클라우드 활용 사례에 대해서 소개한다면 ■ 김준성 : 구체적인 사례를 소개하자면, 생산 현장에서 여러 IoT 센서를 활용해 데이터를 클라우드로 수집, 분석하여 예지 보전, 생산 최적화, 품질 관리 향상 등을 추진함으로써 스마트 공장으로 전환하거나, 제조 공정을 가상화하여 시뮬레이션하고 최적화하는 디지털 트윈 기술을 통해 새로운 공정 도입 전에 시뮬레이션을 통해 위험을 최소화하고, 운영 효율을 높이는 사례가 있다. 또한, 클라우드 기반 SaaS(서비스형 소프트웨어)를 활용하여 ERP, CRM 등의 시스템을 도입하고, 비용 효율적인 IT 운영을 추구함으로써 생산성 향상 및 비용 절감 효과를 얻는 사례가 늘고 있다. ■ 황민선 : 예를 들어, 두산로보틱스는 생성형 AI를 활용해 로봇 제조 과정을 최적화했으며, HL만도는 소프트웨어 엔지니어링 효율을 30% 개선한 사례가 있다. 또한 BMW는 아마존Q 인 퀵사이트(Amazon Q in QuickSight)를 도입해 공급망 분석 시간을 대폭 단축하고 의사결정을 가속화했다. 이러한 사례는 AWS의 기술력과 파트너의 산업 전문성이 결합될 때 실질적인 성과를 창출할 수 있다는 것을 보여준다. 한국 제조 기업들도 이러한 접근 방식을 통해 클라우드를 활용한 실질적인 혁신을 실현하고 있으며, AWS는 앞으로도 파트너 생태계와 함께 국내 제조 산업의 디지털 전환과 글로벌 경쟁력 강화를 적극 지원하고자 한다.   최근 진행한 ‘AWS 파트너 클라우드 설루션 콘퍼런스’는 어떤 행사이고, 이를 통해 기대하는 효과는 무엇인지 ■ 황민선 : 이번 ‘AWS 파트너 클라우드 설루션 콘퍼런스’는 제조 산업의 새로운 도약을 위한 실질적인 설루션과 고객 사례를 제공하고자 마련되었다. 특히 주목할 점은, 제조 현장의 실무 전문가들이 IT나 클라우드 전문 인력의 도움 없이도 신기술을 빠르게 도입하고 활용할 수 있도록 지원하는 데 중점을 두었다는 것이다. 행사는 크게 세 가지의 차별화된 프로그램으로 구성했다. 먼저 C-레벨 조찬 세미나를 통해 경영진이 클라우드 전환의 비전과 전략을 공유할 수 있는 기회를 제공했다. 또한 스마트 제조, 엔지니어링 & 설계, 데이터 분석 & 생성형 AI 등 세 개의 전문 트랙을 통해 각 영역별로 심도 있는 기술 및 구현 사례를 공유했다. 특히 1:1 비즈니스 미팅을 통해 개별 고객별 맞춤 설루션을 AWS 및 AWS 파트너사와 함께 상담 받을 수 있는 기회도 마련했다. 행사를 통해 제조 기업이 클라우드를 통한 혁신의 구체적인 청사진을 그릴 수 있게 되었다고 본다. 특히 실제 구현 사례와 전문가 상담을 통해 자사에 맞는 최적의 설루션을 찾고, AWS의 다양한 파트너 프로그램, 예를 들어 PoC 지원 프로그램을 통해 실제 검증 단계로 신속하게 진입할 수 있는 기회를 제공하고자 했다. ■ 김준성 : ‘AWS 파트너 클라우드 설루션 콘퍼런스’는 아직 클라우드로 전환하지 못한 제조 현장의 고객이나, 클라우드 도입은 하였지만 아직 AI 관련 서비스라든지 클라우드의 활용도가 떨어지는 분들을 위해 보다 더 많은 정보를 제공하기 위해 마련되었다. 이번 콘퍼런스에서는 기술적인 발전은 물론 여러 도입 사례에 대한 발표와 더불어 향후 기대되는 발전 방향에 대해서도 고객들에게 알리는 자리를 마련했다. 정보 획득과 더불어 아직 클라우드 전환이 안된 고객들은 빠르고 효과적인 전환을, 새로운 AI 서비스 도입을 통해 더 나은 혁신이 필요한 고객에게는 그에 맞는 시스템을 구축하는데 도움이 되었기를 바란다.      ■ 기사 내용은 PDF로도 제공됩니다.

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.

캐드앤그래픽스 CNG TV 지식방송 지상 중계   지난 4월 7일 CNG TV는 줌(ZOOM) 방송을 통해 ‘의료AI 표준 환자를 활용한 가상현실 기반 임상 실습 교육 소개’를 주제로 웨비나를 진행했다. 이번 방송에서는 VR 기반 시뮬레이션이 어떻게 의료진에게 위험 부담 없이 반복 훈련할 수 있는 환경을 제공하는지 살펴보는 시간이 마련됐다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ XR(확장현실)은 VR(가상현실), AR(증강현실), MR(혼합현실)을 모두 포괄하는 상위 개념으로 현실과 가상 세계를 연결하는 몰입형(immersive) 기술이다.   의료 AI와 가상현실 기반 임상 교육의 활용 이번 웨비나는 한국건설기술연구원 강태욱 연구위원이 사회를 맡고, 조선대학교 치과대학 구강악안면외과 문성용 교수가 발표자로 참여했다. 문성용 교수는 의료 AI 표준 환자를 활용한 가상현실(VR) 기반 임상 실습 교육의 개발 내용과 활용 방안을 공유하며, VR 기술이 임상 및 교육 분야에서 몰입도를 높여 활용 가치가 높다는 점을 강조했다. 의료 AI 표준 환자를 활용한 가상현실(VR)과 증강현실(AR) 기반의 교육은 교육의 몰입도를 높이고 임상 시뮬레이션을 실현할 수 있는 기술이다. VR을 통해 3D 모델을 기반으로 종양 제거 수술 등 실습을 할 수 있으며, AR을 활용하여 수술 중 실시간 가이드 및 위치 표시가 가능하다. 국내외에서 VR 기반 실습이 도입되고 있으며, 특히 해부학 교육과 수술 술기 연습에 높은 활용도를 보이고 있다. 문성용 교수는 “VR 시뮬레이션을 통해 수술 계획을 수립하고 AR 내비게이션을 활용하여 실제 수술 정확도를 높일 수 있으며, VR 교육 콘텐츠는 학생들에게 수술 환경의 스트레스를 줄이고 반복 학습 기회를 제공하여 임상 능력을 향상시킨다”고 말했다. 또한 “AI 기반 가상 환자를 통해 문진 및 진단 능력을 평가하고, 햅틱 디바이스를 활용하여 실제와 유사한 촉각 경험을 제공함으로써 교육 효과를 극대화할 수 있다”고 소개했다.   VR 기반 의료 교육의 필요성과 효과 실제 수술 기회를 제공받기 어려운 상황에서 의사 수련생이나 레지던트가 술기를 익히는 과정에는 한계가 있다. 따라서 VR 교육 콘텐츠는 가상의 환자를 통해 수술을 실습하고 환자 모니터링을 2025/5기반으로 한 평가 시스템을 통해 교육 효과를 높일 수 있다. 적절한 교육 환경을 제공할 경우 의사의 술기 향상과 더 나은 환자 진료로 이어질 수 있다. 문 교수는 “VR 기반 교육은 해부학 지식을 효과적으로 전달하고, 수술 과정에서 발생할 수 있는 실수를 미리 경험하게 하여 안전성을 높인다”며, “가상현실을 활용한 훈련은 평가의 객관성을 높이고, 동일한 조건에서 교육을 진행할 수 있어 일관된 피교육자 평가가 가능하다”고 소개했다. 의료 분야의 시뮬레이션 솔루션을 시장에 성공적으로 도입하기 위해서는 질 높은 콘텐츠가 필요하며, 이와 함께 시장성에 대한 고민이 있어야 한다. VR 훈련 콘텐츠 개발 시 의료인의 주도적인 참여가 필수이며, 그렇지 않을 경우 디테일 부족으로 인해 실제 사용에 어려움이 있을 수 있다. 문 교수는 “디지털 트윈 개념을 활용한 시뮬레이터 개발이 가능하며, 이를 통해 실제 환자를 모델로 한 훈련이 이루어질 수 있다”며, “최신 기술을 활용하여 의료 분야에서의 발전 방향을 모색하고 전시회를 통해 정보 수집과 활용 방안 고민이 중요하다”고 강조했다.    ▲ 조선대학교 치과대학 구강악안면외과 문성용 교수   ■ 기사 내용은 PDF로도 제공됩니다.

고객맞춤 제조 IT시스템 솔루션 코디네이션 전문기업 지능형 공장 서비스·DX Accelerator, 디엑셀   디지털 기술의 발전으로 글로벌 제조업계는 더 높은 효율성, 맞춤 생산, 그리고 지속 가능성 확대를 위한 혁신기술 개발에 대한 니즈를 키우고 있다. 이러한 트렌드에 맞춘 디지털 기술과 로보틱스를 활용한 제조 시스템이 구현되고 있으며, 개인화·맞춤화를 위한 기능과 프로세스의 진화 속도도 빨라지고 있다. 본지에서는 지능형 공장 서비스와 고객이 필요한 솔루션을 활용하여 기업의 시스템을 코디네이션 하는 ‘디엑셀(DXel, www.dxel.co.kr)을 만났다.   ▲ 디엑셀 김남웅 대표       고객이 필요로 하는 솔루션을 찾아주는 기업 2022년 4월 설립된 디엑셀은 회사명에서도 알 수 있듯 산업계의 디지털 전환을 돕는 ’Digital Transformation Accelerator‘ 기업이다. “당사는 고객이 필요한 솔루션을 코디네이션 하는 제조 시스템 전문기업”이라고 소개하는 김남웅 대표는 “당사 가장 큰 경쟁력은 20여 년간 다양한 산업별 제조 현장을 경험한 전문적인 노하우를 가지고 기업 맞춤 제조 서비스를 제공하고 있는 임직원”이라고 소개하며, 검증된 솔루션을 통해 고객의 업무 효율성을 높이고, 제조산업 시스템의 혁신을 이루고 있다고 부연했다. 2~3년 전의 제조 IT시스템은 생산량, 업무감시, 원가절감 등 관리직 위주로 구축되었다. 그러나 생산성 향상과 품질력 제고에 직접적으로 성과를 내기 위해서는 좀 더 직관적이고, 직원 참여가 가능한 시스템을 구축해야 한다. 이러한 환경 변화에 맞춰 디엑셀은 직원의 감시보다 직원의 참여를 확대할 수 있는 시스템, 제조 현장에 맞춘 MES와 UWB 기반의 실시간 제품 위치 추적시스템을 사업의 모토로 창업하게 되었다. “과거 제조 IT시스템이 ‘관리적 관점’에서 구축되었다면, 이제는 사람을 중심으로 사회적 가치까지 창출할 수 있는 역할로 확대되고 있다”라고 말하는 디엑셀 김남웅 대표는 “우리는 전 직원이 참여할 수 있는 ‘지속 가능한 실천적 제조 IT시스템’을 구축하고 있다”라고 소개한다. 제조산업에 특화된 스마트 플랫폼 서비스 제공 디엑셀은 제조산업에 특화된 스마트 플랫폼을 통해 제조 현장 시스템 개발, UI/UX 프로비저닝 및 대시보드를 구현하기 위한 다양한 레어어를 제공하고 있다. 이 회사 솔루션의 핵심적인 기능인 기준정보 구축과 환경정보 및 시스템을 컨트롤하는 파운데이션 레이어, 제조현장시스템인 공정 정보와 Lot 정보, BOM 정보 등 프로세스 전반을 관할하는 시스템인 프로세스 레이어가 있다. 이와 더불어 사용자 데이터 수집 및 편의성을 제공하는 UI/UX 오퍼레이션 레이어와 수집된 데이터를 각종 디바이스를 통해 사용자에게 제공하는 디스플레이 레이어를 통해 최적의 제조시스템을 제공하고 있다.  디엑셀 김남웅 대표는 “이러한 기술력을 토대로 스마트한 공장 운용을 위한 ‘디지털팩토리 서비스’, 협력사/딜러사 등의 파트너사들과의 ‘디지털 협업공장 공급망 벨류체인 서비스’, 그리고 초광대역통신(Ultra-Wideband, UWB) 기술을 활용한 ‘실시간 고정밀 측위 관리 서비스’ 등 3가지 영역에서 솔루션 코디네이션 서비스를 제공하고 있다”라고 부연했다.   (1) 디지털 팩토리 서비스 이중 디지털 팩토리는 다양한 설비 및 공장 내 장치와의 인터페이스를 통한 실시간 데이터 수집 및 모니터링을 적용하여 디지털 생산 공정 정보를 제공하고 있다. 휴먼 에러를 원천 차단하고, 품질 결과를 학습하여 피드백함으로써 선제 예방 품질 역량을 강화하고 있다. 또한 핵심 생산 및 유관 정보를 표준화하고 디지털화하여, 모든 제조 현장의 데이터 연계로 통합적인 디지털 관리를 실현하고 있다. 특히 생산 현장 정보의 디지털화와 실시간 가시성 확보로 경영 목표 관점의 새로운 영감을 제시하고 있으며, 데이터 분석 기반의 생산 및 품질을 위한 최적화된 제조 운영과 QCD 즉 품질, 원가, 납기의 가치를 극대화하여 최고의 생산 능력을 창출할 기회를 제공하고 있다. (2) 디지털 협업공장 공급망 벨류체인 서비스 디엑셀의 또 다른 서비스는 협력사와 제조 현장, 판매딜러 간의 공급망 디지털 협업공장을 구축하여 클라우드를 기반으로 고객사와 협력사, 그리고 판매딜러의 실시간 재고 데이터를 SaaS(서비스형 소프트웨어) 형태의 애플리케이션으로 제공하는 서비스이다. 이를 통해 고객의 주문을 받은 판매딜러는 제조 공장의 재고 수량 및 위치 데이터를, 제조 공장은 협력사의 재고 수량 및 위치 데이터를 실시간으로 확인할 수 있다. 이는 결과적으로, 불필요한 발주와 재고를 현저히 줄여 원가절감 및 협력사와의 상생을 도모할 수 있다. 이를 기반으로 디엑셀의 시스템은 고객사의 생산계획과 입고 검사, 공정관리를 지원하여 생산실적을 더욱 극대화해하고 있으며, 협력사에는 생산관리, 출하관리, 품질관리의 혁신을 이루어 나가고 있다.  (3) 실시간 고정밀 측위 관리 서비스 차세대 무선 통신 기술인 UWB의 정확한 위치감지 기술은 디지털 공장을 구축하는 데 많은 도움이 된다. 디엑셀의 스마트팩토리 고정밀 측위 관리 솔루션은 국제적인 첨단 UWB 기술을 바탕으로 제조현장의 제품, 부품 및 차량 등의 움직임을 센티미터 수준의 고정밀 측위 서비스로 제공한다. 0차원 존재 감지, 1차원 선형 궤적 측위 및 2차원 지역 평면 측위를 통합한 다차원 측위 모드를 채택하여 사람, 차량, 사물의 실시간 위치를 정확하게 파악할 수 있다. 이러한 기술은 궤적 추적, 작업 시간 통계, 면적 수, 전자 울타리 및 기타 서비스 기능과 결합하여 제조 운영의 효율성을 높이고 공장의 자재 관리 개선, 원가절감 및 공정 흐름 최적화를 제공한다. 김남웅 대표는 “위치 관리시스템과 결합된 저희 솔루션은 스마트팩토리의 관리 수준을 한 단계 높였다고 자부할 수 있다”라고 덧붙였다.  AI 제조 분야 앵커기업으로 부상 최근 디엑셀은 AI 자율제조 선도프로젝트의 일환으로 농기계 다품종 유연생산을 위한 AI 자율제조 국책과제의 공동연구기관으로 선정되어 참여하고 있다. 디엑셀의 실시간 고정밀 측위 관리 기술이 성공적인 AI 자율제조 실현에 필수적인 핵심기술임을 인정받았기 때문이다. “당사는 전라북도 농기계 산업 및 동종업계의 AI 자율제조 선도 표준모델을 구축하는데 무거운 책임감과 사명감을 느끼고 있다”라고 말하는 이 회사 김남웅 대표는 “디엑셀이 보유한 기술을 더욱 강화하고 발전시켜 AI 자율제조 분야의 앵커기업으로 성장하고자 한다”라고 프로젝트 참여에 대한 포부를 밝혔다. 사람이 기업 성장의 답 “아무리 기술이 뛰어나도 그 기술을 용도와 상황, 목적과 요구에 맞게 구현해 낼 사람이 없다면 그 기술은 가지고 있는 능력을 발휘할 수 없다”라고 말하는 디엑셀 김남웅 대표는 “앞서 소개한 바와 같이 우리의 가장 큰 장점은 고객이 요구하는 디지털 전환의 미션을 제대로 수행하기 위해 20년 넘게 많은 산업별 제조환경을 경험한 전문가들이 각자의 노하우를 기반으로 기업 맞춤 제조 서비스를 제공하며, 검증된 솔루션을 통해 업무 효율과 고객 서비스의 혁신을 높인다는 것”이라며, “특히 고객의 니즈를 먼저 파악하고, 선제적으로 솔루션을 제안할 수 있도록 임직원의 역량을 지속적으로 강화하고 있다”라고 부연했다. 이는 디엑셀이 인재 양성에 집중하고 우수한 경험을 가진 전문가를 끊임없이 발굴해 오는 이유기도 하다.  디지털과 인간이 상생하는 시스템을 만들다! 디엑셀은 제조물류산업의 다양한 고객을 만족시키기 위해 유연한 비즈니스 플랫폼을 선보이고 있다. 현재는 제조분야에서 전문역량을 발휘하고 있지만, 디지털 전환이 전 산업에서 일어나듯이 이 회사가 가진 지능형공장 서비스와 위치관리 기술 기반의 혁신 솔루션은 전 산업에 적용될 수 있다.  오늘보다 나은 내일을 꿈꾼다는 김남웅 대표는 “제조 현장에 특화된 디지털팩토리와 더불어 UWB 측위 기술을 기반으로 개발된 실내외 무선 위치 추적 장치, 이 두 개의 솔루션을 융합한 위치관리 기반 디지털팩토리 솔루션을 제공하여 시스템 인프라가 약한 중소기업, 관리의 단계를 높여야 하는 대기업들의 애로를 해결해 주는 것이 우리의 역할”이라며, “우리는 앞으로도 우리나라 산업의 디지털 역량 강화를 넘어 국가 기술 경쟁력 제고에 기여하고, 디지털과 인간이 상생하는 시스템, 새로운 기술이 인정받는 변화된 세상에서 저의 기술이 고객의 성공적인 비즈니스가 되도록 최선을 다하겠다”라고 덧붙였다.

슈나이더 일렉트릭이 설비의 성능과 수명을 극대화하고, 예기치 못한 장애를 사전에 방지하는 선제적 자산관리를 지원한다고 소개했다. 최근 산업 현장에서는 설비의 복잡성 증가와 함께 에너지 사용 최적화, 탄소 배출 저감, 운영 안정성 확보가 핵심 과제로 부상하고 있다. 이러한 변화 속에서 설비의 전체 수명 주기를 고려한 관리 체계의 중요성이 커지고 있으며, 이를 실현하기 위한 디지털 기반의 통합 설루션에 대한 수요도 높아지고 있다. 슈나이더 일렉트릭은 이러한 흐름에 맞춰 자산의 설계부터 유지보수, 현대화에 이르기까지 설비 운영의 전 주기를 아우르는 통합 서비스 설루션 포트폴리오를 선보이고 있다. 이는 에너지 진단부터 상태 기반 유지보수, 노후 설비의 디지털 리노베이션까지 전 과정에 걸쳐 고객의 운영 효율성과 지속가능성을 향상시키는 데 초점을 맞추고 있다. 대표적인 설루션인 에코케어(EcoCare)는 에코스트럭처(EcoStruxure) 플랫폼의 기능과 원격 컨설팅 및 현장 유지보수를 결합한 맞춤형 서비스 계약이다. 이 중 에코스트럭처 서비스 플랜은 데이터 중심의 상태 기반 유지보수 접근 방식을 통해 현장 유지보수 활동을 최적화하여 비용 및 다운타임을 줄일 수 있다.  에코스트럭처 서비스 플랜은 다양한 설비에 대한 설루션을 지원한다. 이 중에서도 모터를 위한 모니터링 설루션인 ESP 로테이팅(EcoStruxure Service Plan Rotating)과 변압기를 위한 모니터링 설루션 ETE(EcoStruxure Transformer Expert)가 대표 사례로 꼽힌다. ESP 로테이팅 설루션은 산업 현장에서 필수인 전기 모터의 고장을 미연에 방지하고 운영 리스크를 낮추는 데 초점을 둔다. 이를 통해 타 유지보수 옵션 대비 10년간 총 소유비용(TCO)을 최대 30% 절감할 수 있으며, 설비의 이상 징후를 90% 이상의 정확도로 최대 4개월 전에 사전 예측할 수 있어 다운타임을 줄이고 생산성을 극대화할 수 있다. ETE 설루션은 전력 설비의 핵심 구성 요소이지만 관리가 어려웠던 변압기의 상태를 실시간으로 예측·진단할 수 있는 디지털 설루션이다. 지능형 IoT 센서를 통해 변압기의 주요 센서 및 계기 신호를 수집하고, 오일 내 수분, 온도, 진동, 음향 및 RF 노이즈 등 다양한 운영 지표를 지속적으로 모니터링하여 변압기를 효율적으로 관리할 수 있게 한다.     에코컨설트(EcoConsult)는 전기 및 자동화 시스템에 대한 전문 컨설팅을 통해 설비를 보다 안전하고 효율적으로 운영할 수 있도록 지원한다. 디지털 트윈을 기반으로 한 전기 설비 진단, 보호 계전기 협조 분석, 아크 플래시 위험도 분석 등으로 시스템의 신뢰성과 규정 준수 수준을 강화하며, 신규 설비 및 리뉴얼 설계 시 최적의 전략을 수립할 수 있다. 마지막으로, 에코핏(EcoFit)은 전력 설비 및 자동화 자산의 노후화 문제를 해결하기 위한 현대화 설루션이다. 기존 장비의 주요 기능은 유지하면서도 최신 기술을 반영한 설비로 업그레이드함으로써 안정성과 디지털 연결성을 강화할 수 있다. 슈나이더 일렉트릭은 각기 다른 목적을 가지고 설계된 슈나이더 일렉트릭의 세 가지 설루션을 함께 활용할 경우 설비 관리의 시너지를 극대화할 수 있다고 설명했다. 에코컨설트를 통해 도출된 진단 결과를 바탕으로 에코케어의 모니터링 체계를 구축하고, 필요 시 에코핏을 통해 설비를 업그레이드함으로써 운영 효율성과 지속가능성을 동시에 확보할 수 있다는 것이다. 슈나이더 일렉트릭 코리아 서비스 사업부의 최성환 본부장은 “산업계의 디지털 전환이 가속화됨에 따라, 설비를 단순히 관리하는 것을 넘어 전 주기에 걸쳐 운영을 최적화할 수 있는 전략이 요구된다”며 “슈나이더 일렉트릭의 에코컨설트, 에코케어, 에코핏은 단일 설루션이 아닌, 기업의 운영 전반을 아우르는 통합적이고 지속 가능한 자산 관리 실현에 중요한 역할을 한다”라고 설명했다.

마이크로소프트가 연례 보고서인 ‘2025 Work Trend Index(업무동향지표)’를 발표하면서, AI가 재편하는 업무 환경과 프론티어 기업의 등장을 조명하는 한편 AI 시대의 변화에 대응할 로드맵을 제시했다. AI는 단순한 기술을 넘어 사고하고 추론하며 복잡한 문제를 해결하는 동반자로 진화하고 있다. 이에 마이크로소프트는 ‘2025 업무동향지표’를 통해 AI가 조직 경영과 비즈니스에 미치는 영향에 대한 주요 트렌드를 공개했다. 이번 보고서는 한국을 포함한 31개국 3만 1000 명의 근로자 대상 설문조사 결과와 함께, 마이크로소프트 365에서 수집된 수 조 건의 생산성 신호, 링크드인의 노동·채용 트렌드, 그리고 AI 스타트업, 학계 전문가, 경제학자 등과의 협업을 통해 도출됐다.     이번 보고서는 ‘프론티어 기업(Frontier Firm)’이라는 새로운 기업 유형이 등장하고 있으며, 향후 2-5년 안에 대부분의 조직이 이 방향으로 전환을 시작할 것으로 전망했다. 프론티어 기업은 인간과 AI 에이전트가 함께 일하는 하이브리드 팀을 중심으로 유연하게 운영되며, 빠르게 성장하고 성과를 만들어내는 것이 특징이다. 기업 리더의 81%는 향후 12~18개월 내 자사 AI 전략에 AI 에이전트가 광범위하게 통합될 것으로 기대하고 있으며, 실제로 AI 도입 속도도 빠르게 가속화되고 있다. 전체 리더 중 24%는 자사에 이미 전사 차원의 AI 도입이 이뤄졌다고 응답했으며, 시험 운영(pilot) 단계에 머무르고 있다고 답한 리더는 12%에 불과했다. 프론티어 기업은 인간과 AI의 협업 수준에 따라 세 단계로 진화한다. 1단계에서는 AI가 반복적인 업무를 보조해 인간의 효율을 높인다. 2단계에서는 에이전트가 팀의 디지털 동료로 합류해, 사람의 지시에 따라 구체적인 업무를 수행한다. 마지막 3단계에서는 인간이 방향을 제시하면, 에이전트가 전체 업무 흐름을 주도해 업무를 실행하고 인간은 필요할 때만 개입한다. 또한, 보고서는 AI의 급속한 발전으로, 인간의 시간·에너지·비용에 의존하던 지능이 이제는 언제든지 사용할 수 있는 ‘언제든지 사용할 수 있는 지능(Intelligence on tap)’으로 변화하고 있다고 분석했다. 합리적 사고, 계획, 행동이 가능한 AI와 에이전트의 등장으로 인해 이제 기업은 필요에 따라 팀과 개인의 역량을 확장할 수 있다. 실제로 글로벌 리더의 82%(한국 77%)는 2025년을 전략과 운영상의 주요 사항들을 재고해야 할 전환점으로 보고 있으며, 82%의 리더(한국 77%)는 향후 12~18개월 내에 디지털 노동력을 활용해 인력의 역량을 확대할 수 있을 것으로 기대하고 있다. 이 같은 변화의 배경에는 비즈니스 수요와 인간의 역량 간의 간극, 즉 역량 격차(Capacity Gap)가 있다. 리더의 53%(한국 65%)는 지금보다 더 높은 생산성이 필요하다고 답했지만, 리더를 포함한 근로자 80%(한국 81%)는 업무에 집중할 시간이나 에너지가 부족하다고 느꼈다. 마이크로소프트 365 사용자 행동 데이터에 따르면, 직원들은 회의, 이메일, 알림 등으로 하루 평균 275번 업무 방해를 받고 있으며, 10건의 회의 중 6건은 별다른 예고 없이 갑작스럽게 열리는 것으로 나타났다. 이 가운데, 일부 기업은 AI를 기반으로 조직 경영 전략을 새롭게 설계하고 있으며, 마이크로소프트는 이들을 ‘프론티어 기업’으로 정의했다. 31개국 3만 1000명 가운데 프론티어 기업에 근무하는 844명의 직원 71%는 자사가 빠르게 성장하고 있다고 답했으며, 이는 글로벌 평균(37%)의 약 두 배에 해당한다. 또 이들 중 55%(글로벌 20%)는 더 많은 업무를 감당할 여력이 있다고 응답했으며, 93%(글로벌 77%)는 향후 커리어 전망에 자신감을 보였다.     산업과 직무의 진화에 따른 다면적인 변화도 예고됐다. 리더의 45%(한국 44%)는 향후 12~18개월 안에 디지털 노동력을 통해 팀 역량을 확대하는 것을 최우선 과제로 꼽았다. 한편 링크드인에 따르면 유망 스타트업의 고용 증가율은 전년 대비 20.6%로, 빅테크(10.6%)의 약 두 배에 육박했다. 이어서, 보고서는 전통적인 조직 구조를 보완할 새로운 모델로 워크 차트(Work Chart)를 제시했다. 기존 조직이 재무, 마케팅, 엔지니어링 등 기능 중심으로 팀을 구성해왔다면, 워크 차트는 부서가 아닌 달성해야 할 목표를 기준으로 팀을 유연하게 구성하는 방식이다. 이 과정에서 AI 에이전트는 팀원으로서 분석, 지원, 제안 등 다양한 역할을 수행하며 인간의 역량을 확장한다. AI 에이전트의 역할이 모든 업무 영역에서 동일한 속도로 발전하지는 않을 것으로 예상됐다. 향후 일부 업무는 에이전트가 대부분을 수행하고, 인간은 고위험·고정밀 업무를 감독하는 방식으로 역할이 조정될 것으로 내다봤다. 판단, 공감, 사고력이 요구되는 업무는 인간의 개입이 필요하다는 분석이다. 인간과 에이전트 간 역할 분담을 측정할 수 있는 운영 지표인 인간-에이전트 비율(Human-agent ratio)의 필요성도 제시했다. 하이브리드 팀의 생산성을 극대화하기 위해서는 에이전트의 수뿐만 아니라, 이들을 효과적으로 조율하고 관리할 수 있는 인간의 수 역시 함께 고려해야 한다는 설명이다.  실제로 리더의 46%(한국 48%)는 자사에서 에이전트를 활용해 업무 절차나 프로세스를 완전히 자동화하고 있다고 답했다. AI 투자와 관련해서는, 향후 12~18개월 내 고객 서비스, 마케팅, 제품 개발 분야에서 확대가 빠르게 이뤄질 것으로 예상하는 리더가 많았다. AI에 대한 인식 차이도 주목된다. 직원의 52%(한국 52%)는 AI를 명령형 도구로 여기고 단순 지시 수행에 활용하고 있었고, 46%(한국 45%)는 조력자로 받아들여 아이디어를 구상하거나 창의적 사고를 확장하는 데 사용하는 것으로 나타났다. 이에 따라, 마이크로소프트는 조직이 향후 디지털 노동력 관리를 전담하는 지능 자원(intelligence resources) 부서나, 인간과 디지털 노동력의 균형을 조율하는 자원 최고 책임자(Chief Resources Officer)와 같은 새로운 리더십 역할 도입도 검토할 수 있다고 제언했다. 이러한 흐름 속에서, AI는 인간을 대체하기보다 협업을 통해 가치를 높이는 도구로 인식되고 있다. AI를 활용한 개인의 성과는 AI 없이 팀을 구성한 경우보다 높게 나타났으며, 직원들이 AI를 선호하는 이유로 ▲24시간 이용 가능성(42%)(한국 27%) ▲일정한 속도와 품질(30%)(한국 33%) ▲무제한 아이디어 제공(28%)(한국 25%)이 꼽혔다. 보고서는 AI 에이전트의 활용이 본격화되며, 에이전트 보스(Agent Boss) 시대가 도래할 것으로 전망했다. 이는 모든 근로자가 에이전트를 만들고 위임하고 관리하며, 에이전트 기반 스타트업의 CEO와 같은 사고방식을 갖춰야 한다는 의미다. 28%의 관리자는 인간과 AI로 구성된 하이브리드 팀을 이끌 담당자를 채용할 계획이며, 32%는 에이전트 설계·개발·최적화를 위해 12~18개월 내 AI 에이전트 전문가를 채용할 의향이 있다고 밝혔다. AI 전략 수립과 실행에서 리더의 역할도 더욱 강조되고 있다. 에이전트에 대한 친숙도, 사용 빈도, 신뢰 수준, 시간 절감 효과, 관리 역할, 사고 파트너로서 활용, 경력 기여 가능성 등 7가지 항목으로 에이전트 보스 마인드셋을 조사한 결과, 모든 지표에서 리더가 직원보다 높은 수치를 기록했다. 특히 리더들은 향후 5년 이내에 팀의 업무 범위에 ▲ AI를 활용한 비즈니스 프로세스 재설계(38%)(한국 35%) ▲복잡한 업무 자동화를 위한 멀티 에이전트 시스템 구축(42%)(한국 39%) ▲에이전트 훈련(41%)(한국 34%) ▲에이전트 관리(36%)(한국 38%) 등이 포함될 것으로 내다봤다. 에이전트에 익숙하다고 답한 리더는 67%(한국 70%)였지만 직원은 40%(한국 32%)에 그쳤고, 리더의 약 3분의 1이 AI를 통해 하루 1시간 이상을 절약한다고 응답했으나, 직원은 이보다 낮았다. AI가 커리어에 도움이 될 것이라고 본 비율도 리더는 79%, 직원은 67%로 조사됐다. 또한 51%의 관리자(한국 39%)는 향후 5년 안에, 직원의 AI 교육과 역량 강화가 자신의 업무 범위에 포함될 것으로 내다봤다. AI의 확산과 함께 조직 전반의 직무 변화가 가속화될 것으로도 전망했다. 실제로 현재 링크드인을 통해 채용된 직원 중 10% 이상은 2000년에는 존재하지 않았던 직무를 맡고 있으며, 링크드인은 2030년까지 대부분의 직무에서 요구되는 기술의 70%가 바뀔 것으로 예상했다. 한편, 83%의 리더는 AI가 신입 직원들이 더 빠르게 전략적이고 복잡한 업무에 적응하도록 도와줄 것이라고 내다봤다. 보고서는 직원들이 AI 기술을 학습하고 실무 경험을 쌓을 기회를 확보해야 하며, 기업은 이를 위한 교육과 도구를 적극 제공해야 한다고 제언했다. 직원의 52%, 리더의 57%는 자신이 속한 산업의 직업 안정성이 보장되지 않는다고 여기고 있으며, 81%의 직원이 지난 1년간 이직하지 않은 것으로 나타났다. 링크드인은 2025년 가장 주목받는 역량으로 AI 리터러시를 꼽았으며, AI 역량과 더불어 갈등 해결, 적응력, 프로세스 자동화, 혁신적 사고 등 기계가 대체할 수 없는 인간의 강점 또한 더욱 중요해질 것으로 전망했다. 마이크로소프트는 AI 시대에 유연하게 대응하기 위해 지금이 기업의 결정적 행동 시점이라고 강조하며 세 가지 실행 로드맵을 제시했다. 마이크로소프트는 ▲AI 에이전트를 디지털 직원으로 채용해 명확한 역할을 정의하고, 온보딩·책임 배분·성과 측정 등 실제 팀원처럼 관리할 것을 권고했으며 ▲고객 응대나 고위험 판단 등 인간의 개입이 필요한 영역과 자동화가 가능한 업무를 구분해, 인간과 AI의 협업 구조를 정립해야 한다고 제안하면서 ▲AI 도입을 기술 과제가 아닌 조직 혁신 과제로 보고, 시범 운영에 그치지 않고 전사적으로 빠르게 확산할 필요가 있다고 강조했다. 마이크로소프트의 자레드 스파타로(Jared Spataro) AI 기업 부문 부사장은 “AI는 조직의 경영 전략은 물론, 우리가 인식하는 지식 노동의 개념을 바꾸고 있다”며, “2025년은 프론티어 기업이 탄생한 해로, 앞으로 몇 년 안에는 AI를 통해 대부분의 산업과 조직에서 직원의 역할 경계가 새롭게 정의될 것”이라고 말했다.

엔비디아가 에이전트 기반 AI 플랫폼 개발을 가속화하고 기업의 생산성을 높이는 ‘엔비디아 네모 마이크로서비스(NVIDIA NeMo microservices)’를 정식 출시했다고 밝혔다. 이번에 정식 출시된 엔비디아 네모 마이크로서비스는 기업 IT 부서가 데이터 플라이휠(flywheel)을 활용해 직원 생산성을 높일 수 있는 AI 팀원을 빠르게 구축하도록 지원한다. 이 마이크로서비스는 엔드 투 엔드 개발자 플랫폼을 제공한다. 이 플랫폼은 최첨단 에이전틱 AI(Agentic AI) 시스템의 개발을 가능하게 하고, 추론 결과, 비즈니스 데이터, 사용자 선호도에 기반한 데이터 플라이휠을 통해 지속적인 최적화를 지원한다. 데이터 플라이휠을 통해 기업 IT 부서는 AI 에이전트를 디지털 팀원으로 온보딩할 수 있다. 이러한 에이전트는 사용자 상호작용과 AI 추론 과정에서 생성된 데이터를 활용해 모델 성능을 지속적으로 개선할 수 있다. 이를 통해 ‘사용’을 ‘인사이트’로, ‘인사이트’를 ‘실행’으로 전환할 수 있다.     데이터베이스, 사용자 상호작용, 현실 세계의 신호 등의 고품질 입력이 지속적으로 제공되지 않으면 에이전트의 이해력은 약화된다. 그 결과, 응답의 신뢰성은 떨어지고 에이전트의 생산성도 저하될 수 있다. 운영 환경에서 AI 에이전트를 구동하는 모델을 유지하고 개선하기 위해서는 세 가지 유형의 데이터가 필요하다. 인사이트를 수집하고 변화하는 데이터 패턴에 적응하기 위한 추론 데이터, 인텔리전스를 제공하기 위한 최신 비즈니스 데이터, 모델과 애플리케이션이 예상대로 작동하는지를 판단하기 위한 사용자 피드백 데이터가 그것이다. 네모 마이크로서비스는 개발자가 이 세 가지 유형의 데이터를 효율적으로 활용할 수 있도록 지원한다. 또한, 네모 마이크로서비스는 에이전트를 구동하는 모델을 선별하고, 맞춤화하며, 평가하고, 안전장치를 적용하는 데 필요한 엔드 투 엔드 툴을 제공함으로써 AI 에이전트 개발 속도를 높인다. 엔비디아 네모 마이크로서비스는 ▲대규모 언어 모델(LLM) 미세 조정을 가속화해 최대 1.8배 높은 훈련 처리량을 제공하는 네모 커스터마이저(Customizer) ▲개인과 산업 벤치마크에서 AI 모델과 워크플로의 평가를 단 5번의 API 호출로 간소화하는 네모 이밸류에이터(Evaluator) ▲ 0.5초의 추가 지연 시간만으로 규정 준수 보호 기능을 최대 1.4배까지 향상시키는 네모 가드레일(Guardrails)을 포함한다. 이는 네모 리트리버(Retreiver), 네모 큐레이터(Curator)와 함께 사용돼, 맞춤형 엔터프라이즈 데이터 플라이휠을 통해 AI 에이전트를 구축하고, 최적화하며, 확장하는 과정을 기업이 보다 수월하게 수행할 수 있도록 지원한다. 개발자는 네모 마이크로서비스를 통해 AI 에이전트의 정확성과 효율성을 높이는 데이터 플라이휠을 구축할 수 있다. 엔비디아 AI 엔터프라이즈(Enterprise) 소프트웨어 플랫폼을 통해 배포되는 네모 마이크로서비스는 온프레미스 또는 클라우드의 모든 가속 컴퓨팅 인프라에서 엔터프라이즈급 보안, 안정성, 지원과 함께 손쉽게 운영할 수 있다. 이 마이크로서비스는 기업들이 수백 개의 전문화된 에이전트를 협업시키는 대규모 멀티 에이전트 시스템을 구축하고 있는 현재 정식 출시됐다. 각 에이전트는 고유의 목표와 워크플로를 가지고 있으며, 디지털 팀원으로서 복잡한 업무를 함께 해결하며 직원들의 업무를 보조하고, 강화하며, 가속화한다. 엔비디아 네모 마이크로서비스로 구축된 데이터 플라이휠은 사람의 개입을 최소화하고 자율성을 극대화하면서 데이터를 지속적으로 선별하고, 모델을 재훈련하며, 성능을 평가한다. 네모 마이크로서비스는 라마(Llama), 마이크로소프트 파이(Microsoft Phi) 소형 언어 모델 제품군, 구글 젬마(Google Gemma), 미스트랄 등 폭넓은 인기 오픈 모델을 지원한다. 또한, 기업은 엔비디아 가속 인프라, 네트워킹, 그리고 시스코, 델, HPE, 레노버(Lenovo) 등 주요 시스템 제공업체의 소프트웨어를 기반으로 AI 에이전트를 실행할 수 있다. 액센츄어(Accenture), 딜로이트(Deloitte), EY를 비롯한 거대 컨설팅 기업들 역시 네모 마이크로서비스를 기반으로 기업용 AI 에이전트 플랫폼을 구축하고 있다.

  INFOWORLD   Editorial  17　로봇이 달리는 시대, 인간은 어디로 달려가는가?   Hot Window  18 　캐드앤그래픽스 디지털 트윈 설문조사 분석 : 디지털 트윈에 대한 기대 속에 실질적 도입과 확산 위한 노력 필요   Case Study  24　노트르담 대성당의 영광스러운 복원을 선보인 언리얼 엔진 라이팅　리얼타임 3D 기술을 도입하여 한층 발전된 프로젝션 매핑 구현 27　미래 모빌리티를 위한 자율주행 시뮬레이터, 모라이 심　실시간 3D 엔진을 활용해 더욱 현실적인 시뮬레이션 구축   People & Company  30　AWS 황민선 파트너 세일즈 매니저, 에티버스 김준성 전무　AI와 산업 전문성 결합해 클라우드 기반 제조 혁신 도울 것   Focus  34　DN솔루션즈, 금속 3D 프린터 'DLX 시리즈'로 제조 혁신 선도한다 37　유니티, “게임을 넘어 다양한 산업으로, 3D 시각화와 AI 통해 혁신 지원” 40　델, ‘AI PC 시대’ 주도 선언… 통합 브랜드 제품 대거 출시   New Products  43　이달의 신제품   On Air 44　캐드앤그래픽스 CNG TV 지식방송 지상중계　공기업 BIM 적용 지침에 따른 설계·시공 프로세스 변화와 대응 전략 46　캐드앤그래픽스 CNG TV 지식방송 지상중계　디지털 공급망 관리로 산업 건설 프로젝트의 비효율 해소 47　캐드앤그래픽스 CNG TV 지식방송 지상중계　의료 AI를 활용한 가상현실 기반 임상 실습 교육 소개   Column 48　트렌드에서 얻은 것 No. 23 / 류용효　실용형 AI, 제조의 미래를 바꾸다   54　New Books    Directory  131　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA    Visualization  84　AI 크리에이터 시대 : 영상 제작의 새로운 패러다임 (2) / 최석영　AI 기반 크리에이티브 워크플로 혁신   AEC 56　새로워진 캐디안 2025 살펴보기 (6) / 최영석　유틸리티 기능 소개 Ⅳ 60　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　오픈마누스 AI 에이전트의 설치, 사용 및 구조 분석 68　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (2) / 천벼리　오토캐드 전환 지원과 AI 기반 생산성   범용 CAD  71　오토캐드 2026의 새로운 기능과 개선사항 / 양승규　AI 기반 기능 및 성능이 향상된 오토캐드 2026   Reverse Engineering  78　시점 - 사물이나 현상을 바라보는 눈 (5) / 유우식　변화와 흐름의 관찰   Mechanical  91　산업 디지털 전환을 가속화하는 버추얼 트윈 (2) / 최윤정　카티아 VMU를 활용한 설계 검증 혁신 94　제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (12) / 박수민　도면 기호 생성하기   Analysis  100　앤시스 워크벤치를 활용한 해석 성공 사례 / 김혜영　앤시스 LS-DYNA의 리스타트 기능 및 활용 방법 104　최적화 문제를 통찰하기 위한 심센터 히즈 (3) / 이종학　수집 또는 측정된 외부 데이터의 시각화 및 데이터 분석 110　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (21) / 나인플러스IT　차세대 자동차 설계를 위한 DNS, LES, RANS 시뮬레이션 115　MBSE를 위한 아키텍처–1D 모델 연계의 중요성 및 적용 전략 (1) / 오재응　아키텍처 모델과 1D 모델의 전략적 연계   PLM  126　BPMN을 활용하여 제품 개발의 소통과 협업 극대화하기 (3) / 윤경렬, 가브리엘 데그라시　비즈니스 프로세스 모델링을 배워보자       캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기