에픽게임즈가 8월 25일 서울 코엑스에서 ‘언리얼 페스트 2025 서울’ 행사를 개막했다. 이번 행사는 게임·제조·미디어&엔터테인먼트 등 3개 산업 트랙과 38개 세션을 통해 언리얼 엔진의 최신 기술 및 크리에이터 생태계 전략을 공유하며, 서울을 아시아 개발 허브로 자리매김하게 하는 계기가 됐다. ▲ 에픽게임즈 팀 스위니 CEO ▲ 언리얼 페스트 2025 행사장 전경 기조연설에서 에픽게임즈 팀 스위니 CEO는 차세대 엔진의 청사진을 제시하며 “언리얼 엔진의 강력함과 UEFN(언리얼 에디터 포 포트나이트)의 직관성과 접근성이 결합될 때, 그것이 차세대 언리얼 엔진(UE6)의 힘이 될 것”이라고 언급했다. 또한 제작된 게임·콘텐츠를 플랫폼에 구애받지 않고 배포하며, 나아가 서로 다른 게임 간 상호운용성을 구현하는 것이 목표라고 밝혔다. UEFN 생태계는 출시 2년 만에 급성장했다. 에픽게임즈에 따르면 지금까지 26만 개 이상의 아일랜드가 제작됐으며, 누적 플레이 시간은 112억 시간을 넘어섰다. 이번 행사에서는 AI NPC 제작 도구, Verse 코드 어시스턴트, Scene Graph 베타 등 차세대 툴이 공개됐으며, LEGO·오징어게임·스타워즈 등 글로벌 IP도 포트나이트 크리에이티브에 순차적으로 제공될 예정이다. ▲ 에픽게임즈 코리아 박성철 대표 ▲ 언리얼 페스트 2025 행사장 전경 한편 EGS(에픽게임즈 스토어)의 정책 변화도 소개됐다. 에픽은 일정 매출 구간까지 수수료를 면제하고 이후 88:12 수익 배분 구조를 적용하는 새로운 정책을 예고했으며, 웹샵(Web Shops) 도입과 인앱 리워드(5%) 제공, iOS(EU) 및 Android 진출 계획, 모바일 퍼블리싱 기능 등을 준비 중이다. 지금까지 EGS는 개발자와 퍼블리셔에게 21억 달러 이상을 지급하며 글로벌 유통 플랫폼으로 성장했다. EOS(에픽 온라인 서비스)는 크로스플레이, 매치메이킹, 음성·텍스트 채팅, 업적 등 다양한 기능을 무료로 제공해왔으며, 올해 안에는 콘솔·PC·모바일을 아우르는 소셜 오버레이가 도입될 예정이다. 산업별 트랙에서는 ▲게임 분야(UE6 비전, UEFN·Verse 활용, 국내외 주요 게임사 사례 발표) ▲제조·시뮬레이션 분야(현대오토에버, 삼성중공업, KAI 등 실제 적용 사례) ▲미디어&엔터테인먼트 분야(디지털 휴먼, 애니메이션, 라이브 이벤트 사례) 등이 공유됐다. ▲ 언리얼 페스트 2025 미디어 라운드테이블에 참석한 팀 스위니 에픽게임즈 CEO(가운데)와 박성철 에픽게임즈 코리아 대표(오른쪽) 언리얼 페스트 2025 서울은 엔진·플랫폼·스토어·소셜을 아우르는 에픽 생태계 전략을 총체적으로 조망한 자리였다. UE6 비전, UEFN 확장, EGS 정책 변화, EOS 소셜 강화는 “창작 → 배포 → 수익화 → 커뮤니티”로 이어지는 창작 생태계 순환 구조를 이루는 핵심 축으로 제시됐다. 이번 행사는 내일까지 계속된다.

유니티가 유니티 6의 두 번째 업데이트인 ‘유니티 6.2(Unity 6.2)’ 정식 버전을 출시했다. 이번 업데이트는 데이터 중심의 안정성 개선, AI 기반 생산성 극대화, 최신 플랫폼 개발 환경 강화 등 개발자들이 한층 더 합리적이고 효율적으로 창작할 수 있는 생태계 확장에 초점을 뒀다.     먼저, 유니티는 개발자가 유니티 생태계 전반에서의 데이터 수집, 관리, 사용 등을 파악하고 통제할 수 있도록 새로운 ‘개발자 데이터 프레임워크(Developer Data Framework)’를 제공한다. 이 프레임워크는 각 프로젝트 내에서 데이터가 활용되는 방식을 개발자에게 투명하게 보여주고, 세부적으로 직접 제어할 수 있는 기능을 지원한다. 또한 다양한 기기에 걸쳐 프로젝트의 성능과 안정성을 실시간으로 모니터링하는 데 도움을 주는 ‘향상된 진단 기능’을 제공한다. 충돌 및 ANR(Application Not Responding) 등에 대한 문제를 빠르게 진단하고, 심층적인 데이터를 제공함으로써 더 원활한 게임 플레이와 플레이어 유지율 향상에 도움을 준다. 유니티 6.2부터 에디터에 통합된 ‘유니티 AI(Unity AI)’는 번거로운 작업 자동화, 애셋 생성 등 개발 워크플로 간소화 및 가속화를 지원한다. 컨텍스트 기반 ‘어시스턴트(Assistant)’ 기능을 통해 개발자들은 자세한 내용을 설명하지 않고도 프로젝트 애셋을 프롬프트로 드래그하면 게임 오브젝트, 스크립트, 프리팹 등에 대해 신속한 지원을 받을 수 있다. 스크립트나 오류 메시지 등 문제를 더 쉽게 파악하고 해결하는 ‘콘솔 오류 디버그’ 기능도 제공한다. 아울러 오브젝트 생성, 애셋 배치, 신 설정 자동화를 비롯해 스프라이트, 텍스처, 애니메이션, 사운드 등 다양한 플레이스홀더 애셋을 워크플로 내에서 매끄럽게 생성하고 활용할 수 있다. 일정 기준 이상의 광원이나 리지드보디(Rigidbody, 게임 개체의 물리적 속성을 시뮬레이션하는 데 사용되는 구성 요소)가 없는 오브젝트를 손쉽게 검색하고, 이름·레이어·컴포넌트 등을 일괄 수정 및 정리하는 것도 가능하다. 현재 유니티 AI는 베타 버전으로 제공하며, 개발자 커뮤니티 피드백을 바탕으로 더욱 고도화해 나갈 예정이다. 유니티 6.2는 ‘안드로이드 XR 패키지(Android XR package)’를 통해 관련 애플리케이션 제작에 필요한 안정적이고 완성도 높은 기반을 제공한다. 핸드 메시를 시각화해 오클루전에 활용할 수 있으며, URP(Universal Render Pipeline)에서 후처리 효과에 대한 GPU 부하를 줄여 색 보정 및 비네팅과 같은 이미지 효과를 보다 실용적으로 구현할 수 있다. 또한 디스플레이의 주사율을 동적으로 조정하는 기능을 지원해 더욱 매끄러운 성능을 제공한다. 이밖에 ▲맞춤형 에디터 기반 그래프 툴을 구축할 수 있도록 지원하는 API 프레임워크 ‘그래프 툴킷’ ▲자동으로 LOD(Level of Detail)를 생성해 반복 수정 작업을 최소화하는 ‘메시 LOD’ ▲몰입형 XR 및 게임 환경을 위한 사용자 인터페이스(UI)를 직접 렌더링할 수 있는 ‘월드 스페이스 UI’ 등의 기능도 제공한다.

아마존웹서비스(AWS)는 최근 진행한 설문조사를 통해 국내 기업들의 AI 활용 현황과 과제를 짚었다. 또한, 신뢰할 수 있는 고성능의 인공지능 에이전트(AI agent)를 구축하고 배포할 수 있는 환경을 제공하면서 한국 시장에 지원을 강화하고 있다고 밝혔다. AWS는 AI의 도입과 활용 과정에서 기업이 겪는 기술적 어려움을 줄이고, 더 많은 기업이 쉽고 안전하게 생성형 AI를 도입하여 비즈니스 가치를 창출할 수 있도록 돕는 데 집중하고 있다. ■ 정수진 편집장    기업의 AI 도입률 높지만…고도화 위한 과제는?  AWS와 스트랜드 파트너스(Strand Partners)는 2025년 4월 한국 기업 1000곳과 일반인 1000명을 대상으로 AI에 대한 행동과 인식에 대한 설문조사를 진행하고, 그 결과를 바탕으로 한국 기업의 AI 활용 현황을 평가했다. 이 조사는 유럽에서는 3년째 진행되어 왔는데, 이번에 글로벌로 확장해 동일한 방법론을 적용했다. 스트랜드 파트너스의 닉 본스토우(Nick Bonstow) 디렉터는 설문조사 보고서의 내용을 소개하면서, 한국 기업의 AI 도입 현황과 주요 과제를 분석했다. 조사에서는 한국 기업의 48%가 AI를 도입 및 활용하고 있는 것으로 나타났는데, 이는 전년 대비 40% 성장한 수치이다. 유럽 기업의 평균 AI 도입률인 42%보다 높았는데, 특히 지난해에만 약 49만 9000 개의 한국 기업이 AI를 처음 도입한 것으로 추정된다. 본스토우 디렉터는 “AI를 도입한 기업들은 실질적인 이점을 경험하고 있다. 56%가 생산성 및 효율성 향상으로 매출 증가를 경험했고, 79%는 업무 생산성 향상 효과를 확인했다. 그리고 AI 도입에 따라 주당 평균 13시간의 업무 시간을 절감했다”고 소개했다. AI 도입률은 높지만, 국내 기업의 70%는 여전히 챗봇이나 간단한 반복 업무 자동화와 같은 기초적인 수준의 AI 활용에 머무르고 있는 상황이다. AI를 다양한 업무 영역에 통합하는 중간 단계는 7%, 여러 AI 도구나 모델을 결합하여 복잡한 업무를 수행하거나 비즈니스 모델을 혁신하는 변혁적 단계는 11%에 불과했다. 본스토우 디렉터는 “기업들이 AI의 잠재력을 완전히 활용하기 위해 더 높은 단계로 나아가야 할 필요가 있다”고 짚었다. 본스토우 디렉터는 국내 기업의 AI 도입이 양극화되고, AI 혁신의 편차를 키울 수 있다고 전했다. 한국 스타트업의 70%가 AI를 확대하고 있는데 이는 유럽의 58%보다 높은 수치로, 국내 스타트업 생태계는 AI 도입에서 뚜렷한 강점을 보였다. 스타트업의 33%는 AI를 비즈니스 전략 및 운영의 핵심 요소로 두고 있으며, 32%는 가장 고도화된 방식으로 AI를 활용하고 있다. 또한, 21%는 AI 기반의 새로운 제품 및 서비스를 개발 중이다. 반면, 국내 대기업의 69%는 여전히 AI를 효율 개선, 업무 간소화 등 기초적인 수준에서만 활용하고 있는 것으로 나타났다. 대기업의 10%만이 AI 기반 신제품 또는 서비스 개발 단계에 진입했는데, 이는 스타트업의 절반 수준이다. 이번 조사에서는 AI 도입의 주요 장애 요인으로 기술 및 디지털 인재의 부족, 자금 접근성, 규제 환경 등이 꼽혔다. 조사 응답 기업의 43%가 디지털 인재를 확보하지 못해 AI 도입 또는 확산에 어려움을 겪고 있다고 응답했고, 지난 1년간 디지털 역량 교육에 참여한 직원은 약 34%였다. 67%의 기업은 정부의 지원 정책이 AI 도입 결정에 중요하다고 응답했으며, 45%의 스타트업은 벤처 자본 56 · 접근성이 성장을 위한 핵심 요소라고 평가했다. 그리고 국내 기업들은 기술 예산 가운데 평균 23%를 규제 준수 비용에 투입하고 있으며, 34%는 AI 기본법 등 관련 입법으로 인해 이 비용이 증가할 것으로 예상했다. 본스토우 디렉터는 “한국이 AI 부문에서 세계를 선도할 수 있는 인프라와 스타트업 생태계 그리고 강한 열정을 가지고 있음을 확인했다. 하지만 AI 활용의 깊이를 더해주는 변혁적인 활용으로 나아가지 못하고 있는 점과 인재 부족, 규제 불확실성 등의 장애 요인을 해결해야 AI를 미래의 성장 동력과 경쟁력의 원천으로 삼을 수 있을 것”이라고 평가했다. 그리고, 이를 위해 한국 정부가 ▲기술 인재에 대한 투자 ▲혁신 친화적이고 명확한 규제 환경 조성 ▲공공 부문의 기술 현대화 및 디지털 전환 추진 등에 관심을 기울일 것을 제안했다.   ▲ AWS 김선수 AI/ML 사업 개발 수석 스페셜리스트   기업의 생성형 AI 활용 문턱 낮춘다 AWS의 김선수 AI/ML 사업 개발 수석 스페셜리스트는 국내 기업들이 AI를 잘 활용할 수 있도록 돕는 AWS의 생성형 AI 기술 스택과 주요 서비스를 소개했다. 그는 “2023년이 생성형 AI 개념 검증(PoC)의 해였다면 2024년은 생산 적용, 2025년은 비즈니스 가치 실현의 해가 될 것”이라고 짚었다. 또한 복잡한 작업을 자율적으로 수행하는 에이전트 AI에 대한 관심이 커지고 있다면서, 가트너(Gartner)의 전망을 인용해 “2026년까지 기업의 80% 이상이 생성형 AI API(애플리케이션 프로그래밍 인터페이스)를 사용하거나 관련 기능이 탑재된 애플리케이션을 배포할 것”이라고 전망했다. AWS는 생성형 AI를 위한 기술 스택을 세 가지 계층으로 제공한다. 가장 아래쪽에는 GPU, AI 프로세서 등을 포함해 모델 훈련과 추론에 필요한 인프라 레이어가 있고, 중간에는 AI 모델에 연결하여 각 기업에 최적화된 생성형 AI 애플리케이션을 구현하도록 돕는 모델/도구 레이어, 가장 위쪽에는 복잡한 개발 없이 쉽고 빠르게 활용할 수 있는 생성형 AI 애플리케이션 레이어가 있다. 이 기술 스택의 핵심으로 AWS가 내세운 것이 아마존 베드록(Amazon Bedrock)이다. 베드록은 생성형 AI 애플리케이션을 쉽게 구축하고 확장할 수 있도록 지원하는 완전 관리형 서비스이다. 앤트로픽, 메타, 미스트랄 AI 등 12개가 넘는 AI 기업의 파운데이션 모델(FM)을 선택해 활용할 수 있다는 점이 특징이다. 아마존 베드록은 비용, 지연 시간, 정확도를 최적화할 뿐만 아니라 기업의 필요에 맞게 모델을 맞춤 설정하거나 유해 콘텐츠/프롬프트 공격 등을 필터링해 안전한 AI 활용 환경을 갖출 수 있도록 돕는다. 김선수 수석 스페셜리스트는 “베드록은 프롬프트 엔지니어링, 검색 증강 생성(RAG), 미세조정(파인 튜닝) 등 다양한 방식으로 모델을 활용할 수 있도록 지원한다. 특히 RAG 구현을 위한 지식 베이스 및 벡터 검색 기능을 기본으로 제공해, 기업의 내부 데이터를 안전하게 연결하고 관련성 높은 답변을 생성할 수 있다”고 전했다. 최근 생성형 AI는 어시스턴트(assistant)를 넘어 워크플로를 자동화하는 에이전트(agent)로 진화하고 있으며, 궁극적으로는 사람의 개입 없이 AI끼리 자율적으로 협업하는 에이전틱 AI(agentic AI) 시스템으로 나아갈 것으로 보인다. AWS는 생성형 AI 에이전트 구축을 위해 ▲아마존 Q 디벨로퍼(Amazon Q Developer)와 같이 사전 구축된 에이전트 제품 ▲아마존 베드록 에이전트(Amazon Bedrock Agents)와 같이 내장된 오케스트레이션을 제공하는 완전 관리형 설루션 ▲스트랜드 에이전트(Strands Agents)와 같은 경량 오픈소스 SDK(소프트웨어 개발 키트)를 활용해 직접 에이전트를 구축할 수 있는 제품 등을 선보이고 있다.    ▲ AWS는 AI 에이전트의 구축과 배포를 위해 다양한 기술을 제공한다.     ■ 기사 내용은 PDF로도 제공됩니다.

아마존웹서비스(AWS)는 한국에서 인공지능(AI) 도입이 계속해서 가속화되고 있는 가운데, 기술 인재 부족과 규제 비용 및 불확실성이 국내 기업의 AI 도입에 장애가 되고 있다는 새로운 연구 결과를 발표했다. 이번 조사는 다양한 규모의 기업이 AI를 어떻게 활용하고 있으며, 향후 어떤 방향으로 나아가고 있는지를 파악하기 위해 리서치 기관인 스트랜드 파트너스(Strand Partners)와 함께 진행됐다. ‘한국의 AI 잠재력 실현’이라는 제목의 이번 보고서는 국내 기업 리더 1000명과 일반인 1000명을 대상으로 진행됐다. 이번 조사 결과에 따르면, 지난 1년 동안 AI를 도입한 국내 기업은 약 49만 9000 곳으로, 이는 매 1분마다 1개 기업이 AI를 도입한 셈이다. 초기 도입 기업들은 주당 평균 13시간의 업무 시간 절감과 평균 21%의 매출 증가라는 실질적인 성과를 보고했다. 현재 국내 기업의 48%가 AI를 도입한 상태이며, 전년 대비 20%의 연간 증가율을 보였다. 이 같은 수치는 AI 도입의 생산성과 경제적 잠재력이 크다는 점을 보여준다.     스타트업부터 대기업에 이르기까지 다양한 형태의 기업이 AI를 도입하고 있지만, 대부분은 여전히 AI의 고도화된 활용까지는 나아가지 못하고 있다. 국내 기업의 70%는 일정 관리, 루틴 업무 자동화, 시판 설루션 도입 등 기본적인 효율화 중심의 사례에 집중하고 있었으며, 이는 주로 공개형 AI 어시스턴트 활용에 국한됐다. 전체의 7%만이 AI를 여러 기능에 걸쳐 통합적으로 활용하는 ‘중간 단계’에 진입했으며, 고객 경험 개선이나 운영 효율 향상 등을 위한 보다 진보된 사례를 실현하고 있었다. 또한 전체의 11%만이 제품 개발, 전략적 의사결정, 비즈니스 모델 수립 등 기업 운영의 핵심에 AI를 통합한 ‘변혁적 단계’에 도달한 것으로 나타났다. 이들은 다수의 AI 도구나 모델을 결합하거나 자체 모델을 구축해 복잡한 문제를 해결하며, 조직 전반의 운영 방식을 혁신하고 있다. 이러한 격차는 특히 ‘제품 혁신’ 분야에서 두드러진다. 스타트업의 21%가 AI를 활용해 새로운 제품이나 서비스를 개발 중인 반면, 대기업은 10%에 그쳤다. 이 같은 양상은 AI 혁신의 편차를 심화시켜, 한국이 ‘양극화된 AI 경제’ 구조에 빠질 수 있음을 시사한다. 이번 연구는 AI 공급자 선택에 대한 선호도 역시 보여준다. 전체 기업의 66%는 자사에 적합한 설루션을 선택할 수 있는 충분한 유연성을 보유하고 있다고 응답했으며, 90%는 공급자 선택권이 자사의 AI 전략에서 핵심 요소라고 강조했다. 국내 기업의 44%는 국산 및 해외 설루션을 병행 활용하고 있으며, 24%는 국산 설루션만, 29%는 글로벌 설루션만 사용하는 것으로 나타났다. AI가 한국 경제에 미치는 효과는 이미 가시화되고 있다. 2023년 한 해 동안 클라우드 및 클라우드 기반 AI는 한국 GDP에 약 80억 달러를 기여했다. 이번 연구는 아시아태평양 지역 전체를 기준으로 클라우드 및 AI가 2030년까지 최대 2조 9000억 달러의 경제 효과를 창출할 것으로 내다봤으며, 이 중 AI 단독으로는 2030억 달러에 이를 것으로 전망했다. 이번 연구 결과를 소개한 스트랜드 파트너스의 닉 본스토우(Nick Bonstow) 디렉터는 AI 도입의 확산을 가로막고 있는 인재 격차와 규제 불확실성을 해소하기 위해 기술, 자금, 규제 환경 등 세 가지의 우선 과제를 제시했다. 그는 “첫째, 예측 가능하고 혁신 친화적인 규제 환경 조성을 통해 모든 기업이 AI를 보다 적극적으로 도입할 수 있도록 해야 한다. 둘째, 업종별 수요에 맞춘 디지털 기술 인재 양성 프로그램에 대한 투자를 확대할 필요가 있다. 셋째, 국민적 관심이 높은 보건과 교육 분야를 중심으로 공공 서비스의 디지털 전환을 가속화해야 한다”고 전했다.     한편, AWS는 2018년부터 2022년까지 한국에 총 2조 7300억 원을 투자했으며, 2023년부터 2027년까지 추가로 7조 8500억 원을 클라우드 인프라에 투자할 계획이라고 소개했다. AWS는 이런 투자가 한국 GDP에 약 15조 600억 원의 경제 효과를 낳고, 연평균 약 1만 2300개의 정규직 일자리를 창출할 것으로 기대하고 있다. 또한, AWS는 최근 SK그룹과의 15년 전략적 파트너십을 통해 울산에 ‘AWS AI 존(AWS AI Zone)’을 구축할 계획을 밝혔다. 이 시설은 최첨단 반도체를 탑재한 전용 AI 서버, AI 훈련 및 추론 속도를 높이는 울트라클러스터 네트워크(UltraCluster network), 아마존 세이지메이커(Amazon SageMaker), 아마존 베드록(Amazon Bedrock), 아마존 Q(Amazon Q) 등의 AI 서비스를 갖추고, 국내 기업과 기관이 경쟁력 있는 AI 모델 및 서비스를 자체적으로 개발할 수 있도록 지원할 예정이다.  함기호 AWS 코리아 대표는 “한국은 이미 전체 기업 중 절반에 가까운 기업들이AI를 도입하고 생산성과 매출 등에서 실질적인 효과를 경험하고 있으며, AI 도입 여정에서 높은 잠재력을 보이고 있다”며, “글로벌 AI 경쟁에서 한국이 경쟁력을 유지하려면 각 기업이 비즈니스 요구에 맞는 최적의 AI 모델을 자유롭게 선택하고 활용할 수 있는 환경이 조성되어야 한다”고 강조했다. 이어 “AWS는 인프라 투자와 기술 교육 프로그램을 통해 한국이 세계적인 AI 선도국가로 도약하는 데 지속적으로 기여할 것”이라고 밝혔다.

개발 및 공급 : 이노쏘비 주요 특징 : 제조 물류 전반에 걸친 시뮬레이터/디지털 트윈/AI 에이전시의 통합 플랫폼, 설계~운영 과정의 최적화 지원, 다양한 제조 운영 시스템과 실시간 연동으로 대용량 데이터를 수집 및 처리, LLM/sLLM을 활용해 직관적인 데이터 분석 및 의사결정 지원 등 사용 환경(OS) : 윈도우 10/11(64비트) 시스템 권장 사양 : 인텔 i5 10세대 이상 또는 AMD 라이젠 5 이상 CPU, 최소 16GB RAM(32GB 권장), 엔비디아 RTX 4060 이상 GPU(AI 기능 사용 시 필요), 30GB 이상 여유 저장공간   최근 제조 기업들은 디지털 트윈 기반의 스마트 공장 도입과 더불어 급속한 디지털 전환(DX)을 위해 노력하고 있다. 불과 몇 해전만 하더라도 그 실체와 사례에 대해 의문이 있었지만, 다양한 도입 사례와 성과가 공개되면서 이제는 DX에서 나아가 AI 기술 도입과 AI로의 전환(AX : AI Transformation)을 활발히 검토하고 있고, 적극적인 도입 의사를 밝히고 있다. ‘PINOKIO(피노키오)’는 최신 기술 흐름을 반영해 탄생한 차세대 물류 디지털 트윈 설루션으로, 기존 상용 시스템의 한계를 극복하고 제조 산업의 스마트화를 가속화하는데 최적화된 해답을 제시한다. 기술 대전환의 시대를 맞아 기존의 전통적인 DX 설루션 기업들은 3D 모델링 및 시뮬레이션 등 낮은 단계의 디지털 트윈 기술을 기반으로 DX 설루션으로 개선 및 확장하고 있다. 이와 달리, PINOKIO는 초기부터 현장의 대용량 데이터 기반 실시간 물류 모니터링 및 실시간 시뮬레이션을 제공하는 디지털 트윈 기반의 운영 시스템을 목적으로 출발하였다. 그 결과 SK 하이닉스, LG전자 등 대량의 혼류 생산 제조 현장에서 디지털 트윈의 정합성과 예측의 정확도 등을 검증받았고 도입 효과를 증명했다. 이를 바탕으로 최근에는 기존 상용 설루션보다 높은 성능의 시뮬레이터까지 라인업하여 다양한 요구를 충족시킬 수 있게 되었다. 기존 상용 물류 시뮬레이션 설루션은 대부분 20~30년 전 개발된 구조를 가지고 있어, 최신 IT/OT 시스템과의 연동과 AI 기술을 적용하기 어렵다. 이로 인해 대용량 데이터 처리에 한계가 있으며, 사용자 API(애플리케이션 프로그래밍 인터페이스) 미제공으로 커스터마이징과 타 시스템 연계, 현장 실시간 운영에 필요한 유연성과 확장성에서도 제약이 있다. PINOKIO는 이러한 기존 설루션의 문제점을 개선해 제조 물류 관련 다양한 AI 모델을 지원하며, 기존 설루션 대비 높은 모델링 속도를 구현할 수 있다. 그리고 멀티 스레드, GPU 기반의 고속 시뮬레이션 연산 기능과 2차전지, AMR(자율이동로봇), OHT(오버헤드 트랜스퍼), 자동창고 등 다양한 제조 환경에 맞는 특화 라이브러리를 제공한다. 특히, 생산 현장에서 발생하는 실시간 빅데이터를 효과적으로 처리하고, 대화형 어시스턴트(assistant) 방식의 직관적인 사용자 인터페이스(UI)를 통해 사용자 편의성을 높였다. 또한, 사용자 API를 통한 고도화된 커스터마이징이 가능하며, MES(제조 실행 시스템), 센서, PLC(프로그래머블 로직 컨트롤러), IoT(사물인터넷) 등 다양한 운영 시스템과의 실시간 연동 기능도 갖췄다. 나아가, 전력 사용량 분석과 탄소세 예측 기능까지 탑재돼 지속 가능한 제조 환경 구축을 위한 의사결정도 지원한다. PINOKIO는 AI 기반 제조 혁신의 길을 여는 실질적인 도구로, 앞으로 제조업계의 디지털 전환을 선도할 핵심 설루션으로 자리매김할 전망이다.   주요 기능 소개 PINOKIO는 시뮬레이터, 디지털 트윈, AI 에이전시(agancy)를 통합한 차세대 DES(이산 이벤트 시뮬레이션) 기반 플랫폼으로, 제조 물류 전반에 걸친 통합 설루션을 제공한다. PINOKIO는 세 가지 핵심 모듈로 구성된다. 첫 번째는 ‘Pino SIM’으로, 공정 흐름 설계부터 시뮬레이션, 분석까지 수행하는 시뮬레이터다. Pino SIM은 도면 편집과 레이아웃 설계를 위한 Pino Editor를 내장하고 있어, 단순한 시뮬레이션을 넘어 제조 기준정보 입력, 물류 시나리오 구성, 시뮬레이션 실행 및 시각화 분석까지 다양한 기능을 제공한다. 이를 통해 설계 초기 단계부터 실제 운영에 이르기까지 전 과정의 최적화를 효과적으로 지원한다. 두 번째는 실시간 디지털 트윈 모듈인 ‘Pino DT’다. MES, IoT, PLC, 센서 등 다양한 제조 운영 시스템과의 실시간 연동을 통해 대용량 데이터를 실시간으로 수집하고 처리하며, 이를 바탕으로 실시간 모니터링은 물론 미래 상황 예측, 예지 보전 기반의 시뮬레이션이 가능하다. 이는 생산 현장의 가시성과 민첩성을 높이는 데 기여한다. 세 번째는 인공지능 기반의 ‘Pino AI’다. LLM(대규모 언어 모델)과 sLLM(전문 도메인 특화 언어 모델)을 활용한 대화형 UI를 통해 사용자가 직관적으로 데이터를 분석하고 의사결정에 활용할 수 있다. 또한 목적에 따라 강화학습, 파라미터 최적화 등 다양한 AI 기법을 적용할 수 있어 생산성과 품질 향상을 동시에 도모할 수 있다. PINOKIO는 엔비디아 옴니버스(NVIDIA Omniverse)와 같은 고급 시각화 플랫폼과 연동 가능하며, 파이썬(Python) 개발 환경 확장도 지원함으로써 사용자 맞춤형 라이브러리 개발이 가능하다. 이를 통해 제조 기업은 사전 공정 및 물류 최적화는 물론 실시간 생산 모니터링, 미래 예측, AI 기반 정확도 향상 등 다양한 지능형 서비스를 구현할 수 있다. 제조업의 디지털 전환이 본격화되는 시대에 PINOKIO는 스마트 공장을 넘어 AI 전환을 실현하는 핵심 파트너로 부상하고 있다.   PINOKIO의 특징 PINOKIO는 고도화된 시뮬레이션 엔진과 AI 통합 기능을 바탕으로 대규모 데이터 처리 및 실시간 예측 분석을 지원하며 스마트 제조 시대의 경쟁력을 강화하고 있다. PINOKIO는 이벤트 처리 기법 최적화 및 단순화된 시뮬레이션 엔진 설계로 빠른 연산 속도를 제공한다. 특히, 초당 60프레임(FPS) 기준으로 500만 개 수준의 대규모 3D 데이터를 안정적으로 처리할 수 있으며, 선택적 컴파일 방식(C# 기반 네이티브 코드)을 활용한 별도 계산 도구를 통해 집약적인 연산 작업도 고속으로 수행할 수 있다. 디지털 트윈 구축에서도 PINOKIO는 강력한 성능을 발휘한다. MES, ACS, MCS 등 다양한 제조 운영 시스템과 연동과 IoT, 센서, PLC 등 생산 현장에서 수집되는 대용량 데이터를 실시간으로 처리한다. 이를 통해 실시간 모니터링과 동시에 백그라운드 시뮬레이션을 수행하고, 타임 호라이즌(Time Horizon) 방식의 미래 예측 기술을 통해 병목, 이상 징후 탐지 및 알람 기능도 제공된다. 또한, AI를 활용하기 위한 정상/이상 데이터 제공과 파라미터 최적화 및 시나리오별 분석 기능이 포함되어 있으며, LLM과 sLLM, 챗GPT(ChatGPT), 메타 라마(Meta LLaMA) 등 다양한 AI 모델을 통합한 AI 에이전시 기능을 통해 대화형 데이터 분석, 자동 의사결정 지원, 데이터 해석 및 운영 최적화를 구현한다. 시뮬레이션 설계 및 모델링 측면에서도 사용자 편의성이 강화됐다. Pino Editor를 활용해 레이아웃 도면을 직관적으로 확인 및 편집할 수 있으며, 제조 기준 정보 입력 및 템플릿 매칭 기능을 통해 모델링 작업 시간을 획기적으로 단축시킨다. 또한, 2차전지 및 반도체 공정에 특화된 전용 라이브러리도 제공되며, 고객 맞춤형 커스터마이징 시뮬레이터를 통해 사용자의 목적에 따라 분석 및 최적화가 가능한 유연한 개발 환경을 지원한다. 이처럼 PINOKIO는 고속 시뮬레이션, 실시간 예측, AI 기반 의사결정, 그리고 유연한 모델링 기능을 종합적으로 제공하며, 제조업의 지능화·자동화를 실현하는 설루션이다.   그림 1. PINOKIO UI 화면 – 반도체 FAB   사전 레이아웃 및 물류 검토를 위한 설루션 : Pino SIM 디지털 트윈 구축 시 미래 예측을 위한 시뮬레이터 역할과 기존 상용 설루션과 같이 공장 신축 또는 생산 라인 변경 등 제조 현장의 변화가 요구된다. 이런 상황에서 Pino SIM은 사전에 최적의 물류 계획과 레이아웃 구성을 지원하고 공정의 효율성과 안정성을 미리 확보할 수 있는 디지털 전환 핵심 도구이자 가상 공장 구현 설루션이다. Pino SIM은 제조 기준 정보(제품, 공정, 레이아웃, 물류 흐름, 작업 순서, 스케줄링 등)를 기반으로 공정을 시뮬레이션하며, 그 결과를 차트, 그래프 등 다양한 시각화 도구를 통해 분석할 수 있다. 이를 통해 레이아웃 검증 및 최적화, 생산성 향상 등 공장 운용 전반의 효율화를 실현할 수 있다. 특히, OHT, AMR 등 신 산업군을 위한 특화 라이브러리를 제공하며, 이송 설비 구현을 위한 이동, 충돌 방지, 회피 제어를 위한 OCS, ACS 기능도 탑재되어 있다. 이를 통해 코드 작성 오류를 줄이고 디버깅 시간을 줄일 수 있으며, 보다 쉽고 효율적으로 시뮬레이션 모델을 구축할 수 있다. 또한, 자동창고 모델링에 필요한 Stocker(Crane, Rack, Rail)를 그룹화 형태로 제공하여 빠른 모델링이 가능하다. 환경과 에너지 측면에서도 전력 사용량 및 탄소 배출량(탄소세) 분석 기능을 통해 지속 가능한 생산 전략 수립에 도움을 주며, 제조업의 친환경화와 ESG 경영 대응에도 기여할 수 있다. 이처럼 Pino SIM은 공장 설계 단계에서의 의사결정 품질을 높이고, 새로운 제조 환경에 유연하게 대응할 수 있는 설루션이다.   그림 2. 라이브러리 제공 – Stocker   그림 3. 개발(코딩) 없이 기능 구현   그림 4. 시뮬레이션 결과 리포트 예제   디지털 트윈 설루션 : Pino DT 제조 현장에서 물류는 제품의 사이클 타임을 결정하는 요소 중에 하나이다. 물류 정체가 발생할 경우 제품의 사이클 타임이 길어지거나 라인이 정지되는 등 심각한 손실이 발생할 수 있다. 이러한 문제를 해결하기 위해 시뮬레이션을 통한 최적화된 운영 방식을 시스템에 적용하려는 노력이 이어져왔다. 기존의 물류 설루션은 현장에서 발생하는 대용량의 데이터를 시뮬레이션에 반영하여 실시간으로 의사결정하는 과정에서 다양한 제약으로 인해 어려움이 있었다. 또한, 현장 작업자의 개입과 같은 인간적 오류는 시스템이 예측할 수 없는 데이터를 발생시키기 때문에 생산 계획 단계에서의 사전 분석 및 검증만으로는 시뮬레이션 정합성을 높이는데 한계가 있다. Pino DT는 최적화된 자체 개발 시뮬레이션과 모니터링 엔진을 탑재하여 이를 해결하였다. 시뮬레이션의 이벤트 횟수를 최적화하여 최소한의 이벤트로 시뮬레이션이 가능하도록 설계했다. 또한 계산 속도에 이점이 있는 C, C++ 언어로 물류 경로를 최적화하는 알고리즘을 구현하여 기존 설루션 대비 약 2만평 규모의 공장에서 약 70배의 향상된 성능을 검증하였다.   그림 5. Pino DT의 UI 화면   대용량 데이터 처리 및 실시간 모니터링 Pino DT는 시뮬레이션에 최적화된 알고리즘을 사용함으로써 대용량 데이터 처리가 가능하고, 현장 데이터를 실시간으로 시뮬레이션에 반영할 수 있다. 기존 물류 시뮬레이션 설루션에 비해 60~700배 뛰어난 가속 성능을 제공하는 시뮬레이션 도구이다. 제조 현장과 동일한 상황을 시뮬레이션하기 위해 현장과 연동 후 데이터를 가공하여 디지털 트윈 모델로 표현하여 가시화하고, 사용자가 설정한 시간 주기마다 미래를 예측하는 시뮬레이션(proactive simulation)을 백그라운드로 수행한다. 이는 제품의 공정 시간보다 짧은 시간 안에 결과를 확인할 수 있고, AI를 통해 보다 정확한 의사결정을 내릴 수 있도록 지원한다.   그림 6. Pino DT의 모니터링 화면   디지털 트윈 실시간 시뮬레이션 : 미래 예측 실시간 현장 상황을 반영하여 미래를 예측하는 시뮬레이션(proactive simulation)은 제품의 택트 타임(tact time)보다 짧은 시간 내에 결과를 도출해내지 못하면 현장에서 선제 대응하지 못하는 결과를 초래할 수 있다. 모니터링 엔진으로부터 라인 상황에 대한 데이터를 수집하고, 현재로부터 예측하고자 하는 시간 동안 발생하는 이상상황에 대해 피드백을 준다. 예를 들어 조립 라인의 경우에는 부품이 5분 뒤에 부족하다는 알람을 작업자에게 즉시 전달하여 선제적 대응을 가능케 함으로써, 라인 정지 등 비상 상황을 사전에 방지할 수 있다. PINOKIO 디지털 트윈 시뮬레이션은 이러한 역할이 가능하도록 가속화한 고속 시뮬레이션 엔진을 보유하고 있다.   그림 7. 현장 FAB(왼쪽)과 PINOKIO에서 생성된 디지털 트윈(오른쪽)   제조 물류 현장에 특화된 AI 플랫폼 : Pino AI AI를 이용한 설루션을 만들기 위해서는 다양한 상황에 대한 데이터가 필요하다. 하지만 제조 현장의 특성 상 여러 상황에 대한 데이터를 획득하기 어렵다. PINOKIO에서는 현장에서 획득하기 어려운 데이터를 시뮬레이션을 통해 데이터를 확보할 수 있다. 즉, Pino DT 모델이 AI를 위한 데이터를 생성하고, 이를 AI가 최적 값을 도출하여 시뮬레이션에 반영한다. Pino DT에서 획득한 데이터를 파이썬, C, 자바(JAVA) 등 다양한 언어로 구현한 로직을 적용할 수 있도록 개발 환경을 제공하고 있다. 이를 통해 예측 정확도 향상, 데이터 기반 의사 결정, Scheduling, Routing, Dispatching 등 목적에 따라 AI 활용이 가능하다. 또한 LLM, sLLM, 챗GPT(ChatGPT), 메타 라마(Meta Llama) 등과 결합한 대화형 UI를 통해 사용자가 직관적으로 데이터를 분석하고 의사결정에 활용할 수 있다.   그림 8. 대화형 UI 및 결과 리포트   그림 9. Pino DT와 AI 모델 활용 원리   Pino DT와 현장 데이터 인터페이스 디지털 트윈에 가장 중요한 요소는 현장과의 연결이다. 대부분의 물류 전문 설루션이 현장과의 연결을 위한 인터페이스를 지원하지만, 많은 양의 데이터를 처리하면서 실시간으로 시뮬레이션하는데 어려움이 있다. Pino DT는 대용량 데이터 처리와 시뮬레이션 가속 성능이 뛰어나 실시간 모니터링 시스템까지 가능하다. <그림 10>은 현장에 있는 MES와 Pino DT가 인터페이스되는 과정이다. 현장에 있는 PLC가 MES에 데이터를 전달하고, MES는 그 데이터를 데이터베이스에 저장한다. 이를 Pino DT에서 외부 통신(IP)을 통해 데이터베이스에 접근하여 데이터를 시뮬레이션에 반영한다. 이 과정에서 현장 데이터의 상태가 중요하다. 불필요한 데이터가 있거나 로스 또는 시간 순서가 맞지 않은 경우가 대부분이다. Pino DT에서는 현장 데이터를 올바르게 정제하는 작업을 거쳐 현장과 동일한 디지털 트윈 모델을 만든다.   그림 10. 현장 데이터 인터페이스 과정   PINOKIO의 기대 효과 PINOKIO는 현장 운영 데이터를 실시간으로 디지털 트윈과 연동함으로써 모니터링이 가능하며, 전체 공장을 PC, 웹, 모바일 등 다양한 형태로 여러 사용자와 함께 직관적으로 확인하면서 공유하고 협업할 수 있다. 또한 현장과 연결된 디지털 트윈 모델을 이용하여, 미래에 발생 가능한 문제점을 예지(predictive)하고, 이러한 문제점을 사전에 해결하기 위한 선제대응(proactive) 의사결정을 가능하게 한다. 이 때 디지털 트윈을 이용한 사전예지는 온라인 시뮬레이션 기술에 기반하고, 선제대응은 AI 기술에 기반한다고 볼 수 있다. 디지털 트윈 기반 사전예지의 시간적 범위(time horizon)는 현장의 특성에 따라서 0.1시간~10시간으로 달라질 수 있으며, 문제점의 종류는 주로 생산 손실(loss), 부품의 혼류 비율 불균형, 설비 고장예지 및 물류 정체 등을 포함한다. 문제점이 예지되면 이를 해결하기 위한 즉각적인 의사결정 AI 기술을 활용하여 최적 운영을 달성함으로써 생산성, 경제성, 안정성 및 경쟁력 향상 효과가 있다.   맺음말 생산 계획 단계에서 Pino SIM을 통해 레이아웃 검증과 물류를 최적화하고, Pino SIM 모델 데이터를 생산 운영 단계에서 PINOKIO와 연계하여 현장 데이터 기반 실시간 모니터링과 미래 상황 예측 및 선제 대응함으로써 현실적이고 실제 활용 가능한 스마트한 디지털 트윈을 구축할 수 있다. 다음 호부터는 Pino SIM, Pino DT, Pino AI 등 각 제품별 소개 및 적용 사례를 소개하고자 한다.   그림 11. 디지털 트윈을 위한 플랜트 시뮬레이션과 PINOKIO     ■ 기사 내용은 PDF로도 제공됩니다. 

델 테크놀로지스가 AI 모델의 전력 소비를 줄이고 데이터센터 운영을 최적화할 수 있는 ‘컨셉 아스트로(Concept Astro)’ 플랫폼을 선보였다. AI 워크로드가 늘어나며 데이터센터의 에너지 사용량, 비용 및 탄소 배출량이 급격히 증가하고 있다. 일부에서는 2030년까지 데이터센터의 에너지 소비량이 두 배로 증가할 수 있다고 예측하며, 이는 이미 과부하 상태인 전력망에 추가적인 부담을 줄 것이라고 진단했다. 데이터센터를 탄력적이며 안정적으로 운영하는 동시에 비용 효율적인 에너지 사용을 추구하는 것이 최우선 과제로 부상하고 있는 상황이다. 델 테크놀로지스가 새롭게 공개한 ‘컨셉 아스트로’는 에이전틱 AI, 디지털 트윈, 운영 자동화 기술을 결합한 IT 인프라 최적화 설루션이다. 이 설루션은 IT 업무, 특히 AI 워크로드가 소비하는 에너지를 실시간으로 측정하고, 전력 비용과 탄소 배출량을 정보를 바탕으로 데이터센터 운영을 위한 의사결정을 돕는다. 특히 디지털 트윈 기술을 이용해 워크로드가 어느 시점, 어느 장소에서 실행되는 것이 가장 효율적인지 가늠할 수 있는데, 예를 들어 대시보드를 통해 데이터센터 내 사용 가능한 전력을 시각적으로 제공해 더 효율적인 전력을 분배할 수 있다. 또한 에이전틱 AI 기술을 이용해 인간의 개입 없이도 해당 작업이 마무리되는 시간을 예측하고, 전력망에서 제공되는 에너지 단가 및 탄소 배출량을 고려해 실행 시점을 결정할 수 있다.     컨셉 아스트로는 연구원이나 설비 관리자, 데이터센터 운영자는 물론 CFO나 CIO까지 다양한 역할에 맞춰 보고서를 제공한다. 실시간 인사이트를 수집하여 데이터 센터 전반에 대한 포괄적인 관점을 제공하기 때문에, 비즈니스 성과를 저해하지 않으면서도 에너지 비용을 절감하는 최적의 방안을 도출할 수 있다. 델 테크놀로지스는 현재 컨셉 아스트로를 활용해 대규모 구현을 위해 연구를 지속하고 있다. 이번 버전에서는 디지털 트윈을 활용해 워크로드를 시뮬레이션하여 인사이트를 추출하고, 전력망 데이터에 기반해 데이터 센터의 전력을 더 효율적으로 활용하는 방법을 식별한다. 컨셉 아스트로는 모니터링 스위트 제품인 ‘델 AI옵스(Dell AIOps)’를 기반으로 하며, ‘AI옵스 어시스턴트(AIOps Assistant)’를 통해 제공되는 기능을 포함하고 있다. 델 테크놀로지스는 컨셉 아스트로의 구현 범위를 테스트하기 위해 캘리포니아 대학교 샌디에고 캠퍼스(University of California San Diego)의 스크립스 해양학 연구소(Scripps Institution of Oceanography)와 협력해 산호초 연구를 고도화시키고 있다. 연구팀은 ‘엔비디아 기반 델 AI 팩토리(Dell AI Factory with NVIDIA)’를 사용해 수중 이미지 수백만 장을 고해상도 3D 모델로 변환해 전 세계 산호초의 상태를 확인하고 있다. 한 번의 다이빙에서 약 350GB의 이미지를 수집하며, 연간 300~400회의 입수를 실시하고 있으며, 이러한 이미지를 처리하려면 상당한 컴퓨팅 및 저장 용량이 요구된다. 최근 시행된 시범 운영에서 ‘컨셉 아스트로’는 비용, 속도, 배출량 등의 요소들을 조합하여 워크로드를 실행하는 최적의 시간과 위치를 스크립스 연구소에 제안했다. 연구 팀은 제안에 따라 최적의 에너지 사용 시간대에 워크로드를 일정화함으로써 전력망 부담을 최소화하고, 연구 연속성을 유지함으로써 비용을 20% 절감하고 배출량을 32% 감소시켰다.2) 또한, 기존 데이터 센터 장비를 ‘엔비디아 기반 델 AI 팩토리’로 업그레이드하며 델의 최신 세대 서버에서 기존보다 시간당 두 배 더 많은 이미지를 처리할 수 있게 됐다. 한국 델 테크놀로지스의 김경진 총괄사장은 “AI로 촉발된 데이터센터 에너지 비용 급증은 점진적인 개선만으로 충분하지 않다. 보다 혁신적인 접근 방식이 필요하기 때문에 델은 AI 기반 워크로드 스케줄링과 같은 미래지향적인 개념을 도입하고, 데이터센터 전력에 대한 수요와 공급을 최적화하고자 한다. 전력망 탄력성을 강화함으로써 의미 있는 진일보를 이뤄낼 수 있을 것으로 기대한다”고 말했다.

캐드앤그래픽스 지식방송CNG TV 지상 중계   CNG TV는 5월 12일 ‘AI는 어떻게 설계를 바꾸는가 – SOLIDWORKS의 전략에서 답을 듣다’를 주제로 웨비나를 진행했다. 이번 방송에서는 글로벌 제조 설루션 기업이 AGI(범용 인공지능) 시대를 맞아 펼치고 있는 AI 전략을 살펴보고, 다쏘시스템의 솔리드웍스(SOLIDWORKS)를 통해 실제 사용 환경과 고객 요구, 핵심 기능까지 함께 탐색해 보는 시간이 마련됐다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   이번 웨비나는 디원 류용효 상무가 사회를 맡고, 다쏘시스템코리아 이승철 팀장이 발표자로 참여했다. 다쏘시스템 솔리드웍스는 AI 기술을 접목해 설계 생산성을 극대화하고 반복 작업을 최소화하며, 가상의 조언자를 통해 창의적인 설계를 지원하는 전략을 추진하고 있다. 이승철 팀장은 웨비나에서 “솔리드웍스는 설계자를 돕는 기능이라면 AI 여부와 관계 없이 계속 진화해왔다”고 강조하며, AI 기반의 주요 기능과 활용 방향을 소개했다. 솔리드웍스가 제시한 인공지능(AI) 전략은 단순한 기능의 추가를 넘어, 설계 환경 전반을 근본적으로 변화시키는 데 그 목적이 있다. 특히 이번 웨비나에서는 ‘설계 생산성 향상’, ‘생성형 경험’, ‘가상의 조언자’라는 세 가지 핵심 방향을 중심으로 AI가 설계를 어떻게 진화시키고 있는지에 대해 구체적으로 소개했다.   ▲ 다쏘시스템코리아 이승철 팀장   설계 생산성 향상 - 반복 업무를 AI가 대신한다 첫 번째 축은 설계자의 작업 효율을 높이는 것이다. AI 기반의 디자인 어시스턴트 기능은 반복적인 클릭 작업을 최소화하고, 설계자가 보다 빠르게 작업할 수 있도록 돕는다.예를 들어, ‘셀렉션 헬퍼’ 기능은 기어 톱니 하나만 선택해도 나머지 유사 객체를 자동으로 감지해 함께 선택하고, ‘메이트 헬퍼’는 하나의 홀만 선택해도 유사한 형태의 부품을 자동으로 연결시킨다. 일부 영역을 스케치한 후 자동으로 복사해 붙이는 기능도 제공한다. 또한 명령 예측기(Command Predictor)는 설계자의 이전 행동을 학습해, 이후 필요할 가능성이 높은 명령을 미리 제안한다. 이를 통해 설계자는 매번 메뉴를 뒤질 필요 없이 직관적으로 작업을 이어갈 수 있다. Sourcing & Standardization(부품 표준화) 기능도 주목할 만하다. 이 기능은 회사의 방대한 부품 라이브러리를 AI가 스스로 분류하고 유사 부품을 그룹화해 시각적으로 정리해 준다. 설계자는 해당 부품이 맞는지만 확인하면 되고, 결과적으로 조직 전체의 설계 표준화를 유도할 수 있다.   생성형 경험 - 설계는 AI가 먼저 제안한다 두 번째 방향은 ‘생성형 경험(Generative Experience)’이다. 이는 설계자가 결과물을 일일이 만들지 않아도 AI가 먼저 결과를 제안하고, 설계자는 이를 수정해 나가는 방식이다. 가장 대표적인 기능은 2D 자동 도면 생성이다. 설계자가 클라우드에 올린 3D 데이터를 기반으로 AI가 2D 도면을 자동으로 작성하고, 설계자에게 초안을 제공한다. 반복적이고 시간이 많이 드는 도면 작업을 획기적으로 줄여줄 수 있다. 또 다른 기능인 위상(토폴로지) 최적화는 설계자가 최대 외형만 설정해두면, 하중 및 구속 조건 등을 고려해 불필요한 형상을 제거하고 경량화된 설계를 자동으로 제안해 준다. 이는 특히 구조물이나 항공우주 등 경량화가 중요한 분야에서 유용하게 활용될 수 있다. 뿐만 아니라, 사진 기반 모델링 기능도 새롭게 주목받고 있다. 시험 문제나 손으로 그린 스케치를 사진으로 촬영해 업로드하면, AI가 이를 3D 모델로 자동 변환해준다. 향후 리버스 엔지니어링이나 아이디어 구체화에 있어 강력한 도구가 될 수 있다는 평가다.   ▲ 솔리드웍스 AI   가상의 조언자, AURA - AI와 대화하며 설계하는 시대 마지막 전략은 ‘가상의 조언자(Virtual Companion)’다. 솔리드웍스는 이를 아우라(AURA)라는 AI 채팅 인터페이스로 구현하고 있다. 설계자는 아우라와 채팅창을 통해 대화하며 필요한 부품을 추천받고, 이를 자동으로 모델에 배치하거나 특정 조건에 맞는 변경 절차를 안내받을 수 있다. 아우라는 단순한 질문에 답하는 수준을 넘어, 기업 내부의 설계 절차나 라이브러리까지 연동해 실제 설계 흐름을 매끄럽게 이어주는 역할을 한다. 특히 설계 경험이 부족한 신입 엔지니어도 아우라의 안내를 받으며 자연스럽게 업무에 적응할 수 있어, 조직 내 기술 격차 해소에도 기여할 수 있을 것으로 기대된다. 이처럼 솔리드웍스는 AI를 단순히 ‘기능’으로 도입하는 것을 넘어, 설계자의 업무 전반을 ‘전환’하는 방식으로 접근하고 있다. 이승철 팀장은 웨비나를 마무리하며 “AI는 설계를 대체하지 않는다. 인간은 더 창의적인 설계를 하고, 귀찮은 작업은 AI가 맡는 시대가 될 것”이라고 강조했다.     ■ 기사 내용은 PDF로도 제공됩니다.