델 테크놀로지스는 ‘엔비디아 기반 델 AI 데이터 플랫폼’ 제품군을 대규모로 업데이트했다고 밝혔다. 이번 업데이트는 기업 데이터의 탐색과 활용을 강화하고, AI 애플리케이션 및 자율 AI 에이전트를 위한 초고성능 스토리지 성능을 제공하는 데 중점을 두었다. AI는 보조 도구에서 자율 시스템으로 진화하고 있지만, 신뢰할 수 있는 데이터를 확보해야 실질적인 성과를 거둘 수 있다. 많은 기업이 분산된 데이터를 구조화하지 못해 AI 프로젝트 중단이나 경쟁력 약화 등의 어려움을 겪는 상황이다. 델 테크놀로지스는 자사의 플랫폼이 이러한 문제를 해결해 데이터를 AI 활용 가능 형태로 전환하며, “기존 방식 대비 최대 12배 빠른 벡터 인덱싱과 3배 빠른 데이터 처리 속도를 제공한다”고 밝혔다.     델의 데이터 엔진은 AI 데이터 라이프사이클 전 과정을 자동화한다. 최근 인수한 데이터루프 기술 기반의 ‘델 데이터 오케스트레이션 엔진’은 정형 및 비정형 데이터를 자동으로 정제하고 변환해 AI용 데이터셋을 생성한다. 또한 ‘델 데이터 애널리틱스 엔진’에 추가된 AI 어시스턴트는 자연어 인터페이스를 통해 전문 지식 없이도 데이터를 조회하고 시각화할 수 있도록 지원한다. 인프라 측면에서는 엔비디아의 최신 기술을 도입했다. 델 테크놀로지스는 차세대 엔비디아 베라 루빈 NVL72 및 블루필드-4 DPU 기반의 새로운 모듈러 레퍼런스 설계를 지원할 예정이다. 새롭게 추가된 엔비디아 RTX 프로 블랙웰 서버 에디션 GPU는 데이터 플랫폼 레이어를 직접 가속해 SQL 쿼리 수행 속도를 높인다. 스토리지 분야의 혁신도 함께 공개했다. ‘델 라이트닝 파일 시스템’은 랙당 최대 150GB 성능을 제공하는 병렬 파일 시스템으로, 대규모 환경에서 GPU 유휴 상태를 방지한다. ‘델 엑사스케일 스토리지’는 파일, 오브젝트, 병렬 파일 시스템을 유연하게 배포할 수 있는 제품으로 향후 랙당 최대 6테라바이트 읽기 성능을 지원할 계획이다. 델 테크놀로지스는 파워스케일의 소프트웨어 기반 병렬 네트워크 파일 시스템 아키텍처가 대용량 파일 처리 시 기존 대비 최대 6배 빠른 성능을 제공한다는 테스트 결과도 발표했다. 이를 통해 GPU 집약적인 AI 워크로드에 데이터를 끊김 없이 공급할 수 있다. 한국 델 테크놀로지스의 김경진 총괄사장은 “AI 파일럿을 실제 운영 환경으로 확장할 때 발생하는 가장 큰 문제는 데이터 사일로 현상”이라면서, “델과 엔비디아의 협력을 통해 고객은 AI 환경을 더 빠르게 구축하고 실질적인 성과를 얻을 수 있을 것”이라고 전했다.

스노우플레이크가 글로벌 시장조사업체 옴디아(Omdia)와 협력해 ‘생성형 AI와 AI 에이전트의 ROI’ 리서치 보고서를 발표했다. 10개국 비즈니스 의사결정권자 2050명이 참여한 이번 설문에 따르면 AI가 노동시장에 미치는 영향은 단순한 인력 감축을 넘어 복잡한 양상을 띠는 것으로 나타났다. 전체 응답 기업 중 77%는 AI 도입 이후 채용이 늘었다고 답했다. 직무 감소를 부분적으로 경험한 조직은 46%였으나, 채용 증가와 직무 감소를 모두 경험한 기업 중 69%는 AI가 전반적인 고용 상황에 긍정적인 영향을 미쳤다고 평가했다. 이는 AI 도입 확대가 일자리 증가로 이어지고 있음을 시사한다.     직군별로는 IT 운영(56%), 사이버보안(46%), 소프트웨어 개발(38%) 순으로 일자리 증가 효과가 두드러졌다. 반면 IT 운영(40%), 고객 서비스 및 지원(37%), 데이터 분석(37%) 직무는 상대적으로 일자리 감소 영향이 컸다. 스노우플레이크는 AI가 조직에 깊이 내재화될수록 전반적인 고용 증가로 이어질 가능성이 높으며, 이는 일부 업무 자동화와 동시에 새로운 역량을 추가하는 조직 재편의 과정이라고 분석했다. 기업들은 AI 투자 1달러당 평균 약 1.49달러의 수익을 거두고 있는 것으로 조사됐다. 하지만 응답 기업의 96%는 여전히 AI 확장 과정에서 어려움을 겪고 있다고 밝혔다. 응답자의 약 80%는 기술 또는 데이터 관련 문제를 장애 요인으로 꼽았으며, 구체적으로는 데이터 사일로 해소(65%), 데이터 품질 측정 및 모니터링(62%), AI 활용에 적합한 데이터 준비(62%) 등이 지목됐다. 데이터 거버넌스 역시 주요 과제로 부상했다. 임원의 66%와 전체 직원의 57%가 승인되지 않은 AI 도구를 사용 중이라고 답했으며, 60%는 데이터 인프라 및 모니터링 소프트웨어에 대한 추가 투자가 필요하다고 응답했다. 비정형 데이터 중 AI 활용이 가능한 상태라고 답한 조직은 글로벌 평균 7%에 불과했다. AI 도입 초기 조직의 92%가 긍정적인 투자수익률(ROI)을 기록했으며, 기업들은 향후 1년간 전체 기술 예산의 22%를 AI에 투자할 계획이다. 현재 전체 코드의 약 48%가 AI에 의해 생성되고 있으며, AI 코딩 도구를 활용하는 조직의 82%는 코드 테스트 및 버그 탐지 분야에서 개선을 경험했다고 보고했다. 스노우플레이크는 AI 코딩 에이전트인 코텍스 코드를 통해 관련 역량을 강화하고 있다. 스노우플레이크의 아나히타 타프비지 최고 데이터 및 애널리틱스 책임자는 “AI의 영향은 일률적이지 않으며 이를 얼마나 효과적으로 활용하느냐에 따라 생산성이 달라진다”라고 설명하면서, “가장 강력한 ROI 지표는 AI를 핵심 운영에 내재화하고 데이터 준비도와 거버넌스를 강화할 때 실현된다”고 밝혔다.

로크웰 오토메이션은 서울 코엑스에서 열린 ‘2026 스마트공장 ·자동화산업전(AW 2026)’ 현장에서 산업 운영의 미래에 대한 비전을 제시했다. 이번 발표는 ‘산업 운영의 미래 창조’를 주제로 진행됐으며, 제조 산업이 기존 자동화 중심 운영에서 AI와 데이터 기반의 자율 운영 단계로 전환되고 있는 흐름과 함께 산업용 AI의 역할 및 적용 방향이 중점적으로 소개됐다. 로크웰 오토메이션의 김낙현 인더스트리 & OEM 영업 본부장은 ‘산업 운영의 미래 창조’ 발표를 통해 산업 현장이 자동화에서 자율화로 이동하는 구조적 변곡점에 진입했다고 설명했다. 그는 공장 운영이 더 이상 개별 설비 자동화 수준에 머무르지 않고, AI와 데이터 기반으로 생산 계획, 물류 흐름, 공정 운영이 유기적으로 연결되는 통합 운영 체계로 진화하고 있다고 강조했다. 특히 디지털 트윈 기반 시뮬레이션, 자율 자재 흐름, 자가 학습형 운영 시스템을 통해 공장 전체가 지속적으로 스스로 최적화되는 구조가 미래 제조 경쟁력을 좌우할 것이라고 밝혔다. 또한 다수의 제조 기업이 여전히 데이터 단절과 제한적 자동화 단계에 머물러 있으며, 통합 데이터 기반의 지능형 공장으로 전환하는 것이 향후 핵심 과제가 될 것이라고 진단했다.     이어 이원석 Market Access 영업 본부장은 ‘로크웰 오토메이션의 산업용 AI 전략’ 발표에서 범용 AI와 산업용 AI의 차별성을 중심으로 설명을 이어갔다. 그는 산업 환경에서는 실시간 제어, OT 데이터, 안전성과 같은 요소가 핵심이기 때문에 단순 분석형 AI가 아닌 설계·운영·유지보수 전 과정에 내재된 산업 특화 AI 접근이 필요하다고 강조했다. 이어 AI가 설계 단계에서는 자동 생성 및 검증을 지원하고, 운영 단계에서는 생산 계획·자원·공정을 자율적으로 조정하며, 유지보수 단계에서는 설비 상태를 기반으로 이상을 예측하고 대응하는 방식으로 의사결정을 고도화한다고 설명했다. 또한 센서, 제어 시스템, 데이터 플랫폼이 통합된 엔드 투 엔드 아키텍처를 통해 산업 현장에서도 보다 안정적이고 신뢰 가능한 AI 적용이 가능하다고 덧붙였다. 로크웰 오토메이션은 이번 전시에서 AI가 설계, 운영, 유지보수 전 과정에 내재된 자율 생산 시스템을 중심으로 산업 운영의 미래 방향성을 제시하고 있으며, 산업용 데이터 플랫폼, 팩토리토크 애널리틱스(FactoryTalk Analytics), 비전 AI(VisionAI), MES(Manufacturing Execution Systems), 자율이동로봇(AMR), 예지 보전 설루션 등 실제 제조 환경 적용 사례를 함께 소개했다. 이를 통해 기업들이 생산성 향상뿐 아니라 에너지 효율, 다운타임 감소, 운영 유연성 확보 등 실질적인 운영 성과를 달성할 수 있는 AI 기반 제조 모델을 제시한다는 설명이다. 로크웰 오토메이션 코리아 이용하 대표는 “산업 현장의 AI는 단순 자동화를 보완하는 기술이 아니라 운영 전반의 의사결정 구조를 바꾸는 핵심 인프라로 자리잡고 있다”면서, “로크웰 오토메이션은 OT 전문성과 산업용 데이터 기반 역량을 바탕으로 제조 기업들이 자율 운영 단계로 전환할 수 있도록 지원하고 있다”고 밝혔다.

앤시스코리아가 1월 22일 엔지니어링 시뮬레이션 기반 AI 적용 전략을 공유하기 위해 마련한 ‘산업 맞춤형 시뮬레이션 AI 설루션 세미나’를 진행했다고 밝혔다. 이번 세미나는 ‘설계부터 운영까지, AI가 바꾸는 엔지니어링’을 주제로 AI 도입 이후 엔지니어링 시뮬레이션의 역할과 범위가 어떻게 재정의되고 있는지 살펴보고, 제품 개발 전 주기에서 변화하는 시뮬레이션 프로세스와 산업 현장의 주요 트렌드를 실제 사례를 바탕으로 공유하기 위해 마련됐다. 행사 현장에는 다양한 산업군의 엔지니어 및 실무 담당자 약 190명이 참석했다. 세미나는 앤시스의 패드메쉬 맨들로이(Padmesh Mandloi) 고객지원 부문 아시아 부사장이 ‘AI로 혁신하는 엔지니어링 시뮬레이션’을 주제로 개회사를 전하며 시작됐다. 이어 산업 현장에서 요구되는 시뮬레이션 기반의 AI 적용 방안을 주제로 총 6개의 발표 세션이 진행됐다.     첫 발표에서는 앤시스코리아 강태신 전무가 ‘앤시스가 만드는 디지털 제조 생태계’를 주제로, 디지털 전환 시대 제조 산업이 직면한 핵심 과제와 함께 제품 설계부터 제조 공정까지 전 과정을 아우르는 엔드 투 엔드 시뮬레이션 플랫폼 기반의 접근 방식을 소개했다. 또한 시뮬레이션 기반 전략을 통해 기업이 개발 속도와 품질 경쟁력을 동시에 강화할 수 있는 방향성을 제시했다. 이어서 앤시스코리아 이민욱 프로는 앤시스 옵티스랭(Ansys optiSLang)의 MOP(Meta-model of Optimal Prognosis) 및 FMOP(Field MOP)를 활용한 설계 이해, 모델 보정, 최적화, 강건성 평가 워크플로를 공유했다. 이 세션에서는 설계 프로세스 효율을 높이기 위한 방법론과 함께 최신 시뮬레이션 기반 AI 워크플로 관점에서의 적용 가능성을 함께 다뤘다. 앤시스코리아 김태진 프로는 파이앤시스(PyAnsys) 기반의 데이터 마이닝 자동화 방법론과 앤시스 옵티스랭을 활용한 메타 모델 구축 자동화 프로세스를 소개하며 AI 구현을 위한 학습 데이터 생성 및 전처리, 라벨링 과정에서 시뮬레이션이 수행할 수 있는 역할을 구체적으로 설명했다. 이를 통해 대규모 데이터 확보가 필요한 산업 환경에서의 적용 전략을 제시했다. 이후 세션에서는 온스트림 임영택 대표가 시뮬레이션을 통한 가상 학습 데이터 생성과 실제 데이터 융합 기반의 물리 기반 AI 모델 구축 방안을 발표했다. 특히 제조 현장에서 데이터 확보와 활용 과정에서 발생할 수 있는 현실적인 과제와 함께, 시뮬레이션과 AI의 결합이 실무에 제공할 수 있는 적용 가능성을 강조했다. 앤시스코리아 양경모 프로는 ‘AI 기반 예측 설계의 첫걸음: 차수 축소 모델(ROM)과 하이브리드 애널리틱스(Hybrid Analytics)로 완성하는 준 실시간 디지털 트윈’을 주제로, 예측 모델과 디지털 트윈 구현을 위한 핵심 요소와 적용 시나리오를 소개했다. 엔지니어링 설계·검증 환경에서 빠른 의사결정을 지원하는 전략적 접근을 다뤘다. 마지막으로 앤시스코리아 이정원 매니저는 앤시스 심AI(Ansys SimAI)를 활용한 4D 플로 MRI(4D Flow MRI) 데이터 기반 머신러닝 혈류역학 예측 모델 구축 사례를 발표하며 의료 영상 데이터와 시뮬레이션 기반 분석을 결합한 적용 사례를 공유했다. 이 세션에서는 데이터 기반 예측 모델 구축 과정과 함께, 의료 분야에서의 확장 가능성에 대한 논의가 이어졌다. 앤시스 패드메쉬 맨들로이 부사장은 “이번 세미나는 시뮬레이션과 AI의 결합이 산업 현장에 어떤 방식으로 적용되고 엔지니어링 조직이 무엇을 준비해야 하는지에 대해 실질적인 방향성을 공유한 자리였다”면서, “앤시스코리아는 앞으로도 고객이 설계부터 운영까지 전 주기 혁신을 가속화할 수 있도록 기술과 생태계 지원을 지속적으로 확대해 나가겠다”고 말했다

스노우플레이크는 ‘AI + 데이터 예측 2026 보고서’를 발간하고 “2026년은 에이전틱 AI와 데이터 전략이 엔터프라이즈 AI 성과를 좌우하는 해가 될 것”이라고 전망했다. 스노우플레이크는 매년 슈리다 라마스워미(Sridhar Ramaswamy) CEO를 비롯한 리더들의 인사이트를 토대로 AI 및 데이터 트렌드를 예측하며 보고서를 발간하고 있다. 올해 보고서에서는 “에이전틱 AI의 신뢰성 확보와 데이터 활용 전략이 기업 경쟁력을 좌우하는 핵심 요소가 될 것”이라고 강조했다. 2026년에는 대규모 언어 모델(LLM)에서 더 나아가 정교한 추론과 실행 능력을 갖춘 에이전틱 AI 중심 구조로 진화하며 기업의 AI는 전사적인 AI 생태계 구축 단계로 진입할 것이라는 설명이다. 스노우플레이크의 아나히타 타프비지(Anahita Tafvizi) 최고 데이터 및 애널리틱스 책임자는 “AI 혁신 속도는 매우 빠르지만 대부분의 기업은 이를 실질적 성과로는 이어가지 못한다”면서, “데이터 상태, 거버넌스, 조직 역량의 차이가 기업 간 AI 활용의 격차를 만들 것”이라고 말했다. 또한, 에이전틱 AI의 진화로 개발자 생산성이 33% 향상될 것으로 전망되는 가운데, 다양한 도구와 데이터 및 AI를 유기적으로 활용할 수 있는 오케스트레이션 역량을 갖춘 인재의 가치가 부각될 것이라 내다봤다.     ‘AI + 데이터 예측 2026 보고서’에서 분석한 2026년 주요 전망은 ▲에이전틱 AI 신뢰도 높이는 ‘자체 검증 메커니즘’의 발전 ▲AI 생태계 확장의 필수요소로 자리잡을 표준 프로토콜, 오픈소스, 운영 인프라 ▲사이버 보안의 양날의 검이 된 에이전틱 AI 등이다. 에이전틱 AI는 기업 업무 환경에 본격 활용될수록 신뢰성 확보가 최우선 과제가 될 것으로 보인다. 이를 위해 사용자 피드백을 반영하는 ‘피드백 루프’와 결과를 스스로 점검 및 보정하는 ‘자체 검증 메커니즘’이 중요해질 것이다. 라마스워미 CEO는 “구글 검색 알고리즘이 사용자의 클릭 데이터를 반영하며 진화해온 것처럼 에이전틱 AI 역시 사용자의 피드백 패턴을 학습하며 업무 환경에서 더욱 정교한 의사결정을 수행하게 될 것”이라고 내다봤다. 기업 업무 환경에서는 단일 슈퍼 에이전트보다 특정 업무에 특화된 마이크로 에이전트가 먼저 등장할 것으로 예측했다. 즉, 마이크로 에이전트가 단계적으로 도입되고 이를 유기적으로 결합하는 에이전틱 AI가 효과적인 도구가 될 것이다. 스노우플레이크의 마이크 블랜디나(Mike Blandina) 최고정보책임자(CIO)는 “앞으로 몇 년 내 특정 업무에 특화된 마이크로 에이전트의 등장에 따라 각각의 마이크로 에이전트를 레고 블럭처럼 조합할 수 있게 된다면 더 크고 복잡한 업무를 성공적으로 수행할 수 있을 것”이라고 설명했다. 에이전틱 AI가 기업 시스템 전반으로 확산되기 위해서는 연동 방식의 표준화가 선행되어야 한다. 에이전틱 AI는 여러 시스템 및 데이터베이스를 아우르며 업무를 수행한다. 이에 에이전트 및 외부 시스템과의 통신을 표준화하는 지배적 AI 프로토콜의 등장이 에이전틱 AI 개발 및 도입 속도를 높일 것이다. 특히 인터넷 환경이 TCP/IP로 확산된 것처럼 단일 지배적 프로토콜이 자리잡으면 에이전틱 AI 개발 속도가 높아지고 벤더 종속에서도 자유로워질 것이라는 것이다. 또한 AI 생태계의 확장성을 높이기 위해서는 오픈소스 파운데이션 모델의 역할도 커질 것이다. 한편 에이전틱 AI는 대화형 도구에서 벗어나 추론과 다단계 행동을 수행하는 에이전트로 진화하고 있다. 이에 따라 기업 운영 인프라는 분석 중심에서 실시간 처리 상태 관리 중심으로 재편될 것이다. 이 과정에서 포스트그레스(Postgres)가 빠른 응답 및 낮은 지연이 요구되는 온라인 처리 워크로드를 뒷받침하며 에이전틱 AI가 생성하는 대규모 실시간 이벤트와 지속적인 운영 데이터 처리에 핵심 인프라로 활용될 것으로 전망된다. 에이전틱 AI가 기업 시스템 전반에서 실시간으로 실행되고 외부와의 연동 범위가 넓어질수록, 보안 환경에서는 위협과 기회가 동시에 등장한다. 스노우플레이크의 브래드 존스(Brad Jones) 최고정보보호책임자(CISO)는 “에이전틱 AI가 취약점 탐지, 익스플로잇 자동화 데이터 탈취 등 공격 행위를 정교하게 수행할 수 있어 사이버 위협의 규모와 속도를 크게 높일 수 있다”고 강조했다. 한편 에이전틱 AI가 기업의 보안 운영 센터(SOC)의 대응 역량을 강화하는 방향으로 활용될 수 있다고 전망했다. 존스 CISO는 “뛰어난 보안 전문가 확보의 어려움은 당분간 지속될 것”이라며, “강력한 AI 에이전트와 보안 도구를 적절히 결합해 활용하면 SOC 운영의 리소스 공백을 보완해 제한된 인력으로 보다 효과적인 보안 대응 체계를 구축할 수 있다”고 설명했다. 한편, 스노우플레이크는 리테일/소비재, 금융 서비스, 제조 등  산업별 AI 활용 전략에 대해서도 짚었다. 모든 산업에서 에이전틱 AI의 활용이 도입 단계를 넘어 실제 업무 실행 중심으로 확산될 것으로 보인다. 리테일/소비재 산업에서는 데이터가 풍부한 대규모 AI 모델을 기반으로 고객관리가 고도화되고 개인화된 경험에 대한 서비스가 늘어나며 ‘AI 쇼핑 어시스턴트’가 대중화될 것이다. 엄격한 규제 환경의 금융 서비스 분야에서는 데이터 퍼스트 및 정교한 리스크 관리 전략을 바탕으로 의사결정 전반에 통합되는 AI 기반 분석 및 리스크 관리 에이전트가 확대될 것이다. 제조 산업의 경우 품질 검사, 설비 정비, 공급망 최적화 등 운영 전반에서 설비 효율성을 진단하는 ‘산업 특화 챗봇형 AI 에이전트’ 도입이 가장 빠르게 이뤄질 것으로 예측된다.

벤틀리 시스템즈는 탈론 에어로리틱스(Talon Aerolytics)와 포인티보(Pointivo)의 기술을 인수했다고 발표했다. 벤틀리는 디지털 트윈과 AI(인공지능)를 적용해 인프라 소유주 및 운영자가 인프라 부문 전반에서 자산 성능과 복원력을 향상하도록 돕는 자산 분석 포트폴리오를 제공한다. ‘벤틀리 애셋 애널리틱스(Bentley Asset Analytics)’에는 통신 타워용 ‘오픈타워 iQ(OpenTower iQ)’와 도로 네트워크용 ‘블린시(Blyncsy)’가 포함된다. 2025년 12월 완료된 이번 인수는 이런 벤틀리의 포트폴리오를 강화할 것으로 보인다. 이번 인수로 벤틀리는 통신 및 전력 유틸리티 분야로 서비스를 확장하고, 글로벌 5G 배포와 전력망 현대화를 지원하는 통합 디지털 워크플로를 구현할 수 있게 되었다. 차세대 네트워크와 전동화가 필수 과제로 떠오르면서 큰 폭의 수요가 일어나고 있는 상황에서, 벤틀리의 자산 분석 포트폴리오는 인프라 소유주가 자산을 대규모로 디지털화, 분석, 최적화할 수 있도록 지원한다. 탈론은 무선 통신, 광대역, 전력 유틸리티 전반에 걸쳐 현장 조사, 검사, 자산 디지털화를 위한 설루션을 제공한다. 탈론의 플랫폼은 워크플로 자동화, 디지털 트윈, AI를 결합하여 조직이 반복적인 작업과 검사의 생산성을 높이고 지속적인 자산 상태에 대한 통찰력을 얻도록 돕는다. 탈론의 로드 디어(Rod Dir)는 최고경영자(CEO)인 “지난 10년 동안 탈론은 AI 기반 소프트웨어를 통해 자산 수명주기를 관리하고 인프라를 분석하는 신뢰할 수 있는 지능형 협업 플랫폼으로 자리 잡았다”면서, “벤틀리 시스템즈에 합류함으로써 글로벌 입지를 확장하고 벤틀리의 고급 엔지니어링 시뮬레이션 기능을 통합해 자산 복원력을 강화할 준비가 되었다”고 전했다.     지적 재산권과 기술 전문성을 포함한 포인티보 기술의 인수는 드론 데이터 처리, AI 기반 손상 감지, 지리 위치 정보 등 벤틀리 자산 분석을 위한 추가적인 수평적 기능을 제공한다. 벤틀리는 이러한 기능은 AI 기반의 통찰력을 제공하는 자사의 플랫폼을 강화하고 차별화할 것으로 기대하고 있다. 포인티보의 제이콥 갈랜드(Jacob Garland) 최고기술책임자(CTO)는 “우리의 AI 기반 재고 및 손상 감지 기술은 고급 포인트 클라우드 처리, 자동 측정 및 자산 상태 감지, 고해상도 드론 캡처 등의 분야에서 방대한 양의 비정형 시각 데이터를 정밀하고 신뢰할 수 있는 통찰력으로 변환하기 위해 구축되었다”면서, “벤틀리의 일원으로서 더 빠르고 정확한 인텔리전스를 대규모로 구현하게 하며, 자산 소유자와 운영자가 문제를 조기에 감지하고 중요 인프라가 최상의 성능을 유지하도록 도울 것”이라고 밝혔다. 벤틀리 시스템즈의 제임스 리(James Lee) 최고운영책임자(COO)는 “이번 인수는 벤틀리 자산 분석 서비스를 확장하는 데 있어 중요한 투자를 의미한다. 인프라 부문 전반에 AI를 배포함으로써 우리는 자산 소유자를 위해 운영 성능과 유지보수 경제성을 개선하는 지속적인 검사를 가능하게 하고 있다”면서, “이번 행보는 우리의 기술적, 사업적 모멘텀을 더하고 급성장하는 자산 분석 시장에서 리더십을 강화하는 중요한 이정표가 될 것”이라고 말했다.

로코드를 활용하여 엔지니어링 데이터 분석극대화하기 (5)   지난 호까지 로코드 분석 설루션인 나임(KNIME)을 데스크톱 환경(클라이언트 환경)에서 활용하는 방법을 중심으로 다루었다. 이번 호에서는 연재의 마지막 회로, 클라우드 서버 환경에서의 특징에 대해 살펴보도록 하겠다.   ■ 윤경렬 현대자동차 연구개발본부 책임연구원   ■ 윤민영 잘레시아 부장   클라이언트 환경의 한계와 클라우드 설루션의 필요성 직장에서 업무 관점에서 데이터 분석을 하든 역량 향상 관점에서 개인적으로 활용을 하든 로코드 분석 설루션의 클라이언트 환경은 매력적인 것이 사실이다. 더군다나 오픈소스 소프트웨어로 프리 라이선스(free license)를 제공한다는 것은 큰 장점이다. 트라이얼 라이선스(trial license)로 1~2달 동안의 지원을 받고 그 기간에 데이터 분석 설루션의 특징을 파악하는 것은 상당히 어려운 경우가 많다. 물론 벤치마크를 한다든지 이미 충분히 준비된 데이터와 절차를 가지고 집중적으로 설루션의 기능을 탐색하여 아웃풋을 만들어야 하는 경우는 예외적이다. 하지만 대부분의 시민 데이터 과학자(citizen data scientist)는 1~2달 동안 집중적으로 데이터 분석에 매달릴 수 있는 여건이 안된다. 심지어 일주일을 집중적으로 쓰기도 어려울 수 있다. 본인의 주요 업무는 데이터 분석 과학이 아니기 때문에 1~2달의 트라이얼 라이선스를 지원받고도 1~2번 사용해보고 라이선스 지원기간이 종료되기도 한다. 하지만 이때부터는 라이선스 구독(license subscription)을 해야 하는데, 비용 투자에 대한 승인을 받기도 어려워지고 결국 데이터 분석에 대한 희망은 그냥 묻어두게 된다. 오픈소스 소프트웨어의 프리 라이선스는 이러한 장벽을 뛰어넘는데 유용하다. 종종 ‘글로벌 대기업은 R&D 비용이 많아서 라이선스 투자에 관대하고 필요하면 다 구입해 준다’고 생각하는 분들을 만날 때가 있는데, 그동안 만나 본 국내외 유수의 기업에서 풍족한 라이선스 투자를 마음껏 해준다는 이야기를 들어본 적은 거의 없다. 심지어 수년 전에 엔비디아 본사 인원과 협업을 한 적이 있는데, 생각보다 내부에서 오픈소스 소프트웨어를 많이 사용하고 있었고 주요 이유 중에 하나는 비용 절감이었다. 하지만 대규모 오픈소스 소프트웨어를 개발하는 회사는 어떻게 개발 비용을 충당하고 운영을 할 수 있을까? 라는 궁금증이 생기게 된다. 유일한 정답은 아닐 수 있지만, 대부분의 회사에서 클라우드를 포함한 서버 버전은 프리 라이선스가 아니라 라이선스 구독을 받고 있고, 이를 구축하는 비용을 별도로 받는 경우가 많다. 당연한 말이겠지만, 이는 개발과 운영에 많은 리소스가 소요되고 결국 비용이 필요한 일이기 때문이다. 그렇다면 또 다른 의문이 생길 수 있다. 왜 클라우드 또는 서버 버전이 필요한 것일까? 간단하게 핵심을 요약하면, 다른 이들(동료, 부서 등)과의 효율적인 협업과 대98 · 규모 데이터 분석 실행 환경이 필요하기 때문이다.   그림 1   나임 클라우드 환경의 구조와 핵심 이점 나임의 클라우드(서버) 환경은 나임 비즈니스 허브(KNIME Business Hub)라고 불리우고 있는데, 이제부터 나임 비즈니스 허브에 대해 살펴보도록 하겠다. 쉽게 정리해 보면, 나임 애널리틱스 플랫폼(KNIME Analytics Platform)은 기본적으로 개인 PC에 설치해 사용하는 소프트웨어(클라이언트 애플리케이션)이고, 나임 비즈니스 허브는 조직 단위의 데이터 분석 워크플로 협업, 배포 및 모니터링을 위한 서버 플랫폼이다. 나임 애널리틱스 플랫폼과 나임 비즈니스 허브에 대한 관계 구조를 정리해 보면 <그림 1>과 같다. 어렵지 않게 파악할 수 있듯이, 나임 애널리틱스 플랫폼이 사용자(데이터 과학자)와의 접점을 이루고 있고 실행, 배포(deploy) 및 협업(collaboration) 측면은 나임 비즈니스 허브와 연계되어 있다는 것을 알 수 있다. 결국 사용자는 나임 애널리틱스 플랫폼에서 사용하는 환경과 유사하지만, 나임 비즈니스 허브가 필요한 상황에서는 동일한 방식으로 워크플로를 실행하고 데이터 분석을 수행할 수 있다. 그렇다면 나임 비즈니스 허브와 같은 클라우드 서버 환경은 어떤 장점이 있을까? 크게 다섯 가지 관점으로 정리해 볼 수 있다.   데이터 분석 워크플로의 중앙 집중형 관리 데이터 분석 워크플로의 중앙 관리 시스템을 제공하여 팀 내 협업 시스템을 구현할 수 있다. 개인의 로컬 PC에서 워크플로를 관리할 경우 버전 충돌, 중복 작업, 지식 공유의 어려움 등의 문제에 직면하게 된다. 반면 중앙 집중형 관리는 모든 워크플로를 한곳에 저장하고 관리함으로써 구성원이 최신 버전의 분석 로직에 상시 접근하고, 표준화된 분석 프로세스를 공유하며, 효율적인 협업환경을 구축할 수 있도록 지원할 수 있다.(그림 2)   그림 2   데이터 분석 워크플로의 자동화 및 스케줄링 데이터 분석 작업은 주기적으로 반복되거나 특정 조건에 따라 반복 실행되어야 하는 경우가 많다. 클라우드 서버 환경을 통해 분석 워크플로를 사전에 정의된 규칙에 따라 자동으로 실행하고, 특정 시간이나 이벤트에 맞춰 스케줄링을 수행할 수 있다.(그림 3)   그림 3     ■ 기사의 상세 내용은 PDF로 제공됩니다.