• 회원가입
  • |
  • 로그인
  • |
  • 장바구니
  • News
    뉴스 신제품 신간 Culture & Life
  • 강좌/특집
    특집 강좌 자료창고 갤러리
  • 리뷰
    리뷰
  • 매거진
    목차 및 부록보기 잡지 세션별 성격 뉴스레터 정기구독안내 정기구독하기 단행본 및 기타 구입
  • 행사/이벤트
    행사 전체보기 캐드앤그래픽스 행사
  • CNG TV
    방송리스트 방송 다시보기 공지사항
  • 커뮤니티
    업체홍보 공지사항 설문조사 자유게시판 Q&A게시판 구인구직/학원소식
  • 디렉토리
    디렉토리 전체보기 소프트웨어 공급업체 하드웨어 공급업체 기계관련 서비스 건축관련 업체 및 서비스 교육기관/학원 관련DB 추천 사이트
  • 회사소개
    회사소개 회사연혁 출판사업부 광고안내 제휴 및 협력제안 회사조직 및 연락처 오시는길
  • 고객지원센터
    고객지원 Q&A 이메일 문의 기사제보 및 기고 개인정보 취급방침 기타 결제 업체등록결제
  • 쇼핑몰
통합검색 "온톨로지"에 대한 통합 검색 내용이 31개 있습니다
원하시는 검색 결과가 잘 나타나지 않을 때는 홈페이지의 해당 게시판 하단의 검색을 이용하시거나 구글 사이트 맞춤 검색 을 이용해 보시기 바랍니다.
CNG TV 방송 내용은 검색 속도 관계로 캐드앤그래픽스 전체 검색에서는 지원되지 않으므로 해당 게시판에서 직접 검색하시기 바랍니다
[포커스] SAP, 모든 설루션에 AI 탑재… “데이터 중심의 선순환 구조로 비즈니스 AI 혁신”
SAP 코리아가 7월 15일 연례행사인 ‘SAP 나우 AI 투어 코리아(SAP NOW AI Tour Korea)’를 진행하면서, AI(인공지능) 시대를 위한 새로운 비즈니스 운영 방식을 제시했다. ‘Unleash Your Future with Business AI(비즈니스 AI로 미래를 열다)’를 주제로 열린 이번 행사에서는 빠르게 변화하는 AI 시대에 기업의 비즈니스 혁신을 지원하는 SAP의 전략과 비전이 소개됐다. ■ 정수진 편집장   애플리케이션–데이터-AI의 선순환으로 비즈니스 혁신 주도 SAP의 AI 전략은 애플리케이션, 데이터, 비즈니스 AI의 선순환 효과(flywheel effect)를 통해 비즈니스 운영 방식을 근본적으로 혁신하겠다는 것이다. SAP의 지나 바르주-브로이어(Gina Vargiu-Breuer) 최고인사책임자는 이런 전략의 핵심으로 자사의 모든 애플리케이션에 AI를 기본으로 내재화(embedded AI)한다는 ‘AI 퍼스트(AI First)’ 접근법을 꼽았다. SAP는 2025년 말까지 400개 이상의 임베디드 AI 기능을 출시할 계획이다. 이와 동시에 SAP는 ‘스위트 퍼스트(Suite First)’ 전략을 추구한다. 개별 기능이 뛰어난 ‘최고의 설루션(Best of Breed)’을 모아 놓는 것을 넘어, 모든 비즈니스 애플리케이션을 유기적으로 통합한 ‘최적의 스위트(Best of Suite)’를 제공한다는 뜻이다. 바르주-브로이어 최고인사책임자는 이를 통해 기업 고객이 일관성, 유연성, 민첩성을 확보할 수 있다고 전했다. SAP의 전략은 애플리케이션이 생성하는 고품질의 비즈니스 데이터를 기반으로 신뢰할 수 있는 AI(reliable AI)를 구동하고, 이 AI가 다시 애플리케이션을 더욱 지능적으로 만드는 선순환 구조를 완성하는 것으로 요약할 수 있다. SAP는 애플리케이션, 데이터, AI가 긴밀히 연계되어 만들어내는 시너지가 고객에게 실질적인 비즈니스 가치를 제공하는 원동력이 될 것으로 보았다.   ▲ SAP의 이르판 칸 최고제품책임자가 기자간담회를 통해 자사의 AI 전략과 기술을 소개했다.   데이터 복잡성을 해결하는 ‘비즈니스 데이터 클라우드’ 이번 행사에서 SAP가 소개한 ‘SAP 비즈니스 데이터 클라우드(SAP Business Data Cloud : BDC)는 AI 시대에 기업의 데이터 관리와 AI 도입을 지원하고 비즈니스 운영 방식을 혁신하기 위해 새로운 서비스형 소프트웨어(SaaS) 설루션이다. BDC는 분산된 데이터를 통합하고 의미 있는 데이터로 전환하여 AI 활용도를 극대화하는 데 초점을 맞추었다. 이를 위해 BDC는 데이터 통합과 조화를 통한 단일 진실 공급원을 구축하고, 신뢰할 수 있는 AI 및 지능형 애플리케이션의 기반을 마련하면서, 현대적 아키텍처와 강력한 파트너 생태계를 지원한다. 기업들은 AI를 위한 데이터 준비, 수집, 거버넌스 등 데이터 관리에 많은 시간을 쓰고 있으며, 이는 기업에서 AI를 활용하는 데 있어 어려움으로 작용한다. BDC는 이러한 문제를 해결하기 위해 SAP와 비 SAP 데이터를 통합해 연결된 데이터 환경을 구축하도록 한다. 특히 기존 애플리케이션의 데이터 모델을 조화(harmonize)시켜서, 여러 비즈니스 라인에 걸쳐 다르게 정의된 고객 데이터를 단일 뷰로 제공한다. BDC는 고품질의 기업 데이터를 통합 관리하여 AI 애플리케이션이 안정적으로 데이터를 활용하고 모델을 훈련하는 시간을 줄인다. 또한 SAP의 AI 코파일럿인 쥴(Joule)과 연동해 비즈니스 데이터의 맥락을 깊이 있게 파악하고, 분석 및 권장사항 도출에 필요한 데이터를 제공한다. SAP의 이르판 칸(Irfan Khan) 데이터 및 애널리틱스 사장 겸 최고제품책임자는 “ERP와 같은 기업의 핵심 시스템에서 데이터가 추가되거나 변경될 때마다 BDC는 이를 복사하고 최신 상태로 반영하여 일관성을 유지하며, 이렇게 조화된 데이터는 단순한 원시 데이터가 아닌 ‘의미적으로 풍부한 데이터 제품(semantically enriched data products)’으로 전환되어 모든 앱에서 활용된다”고 설명했다. 또한 “BDC는 데이터 추출, 변환, 적재(ETL) 파이프라인 구축과 유지보수를 완전 관리형 서비스로 제공한다. 이를 통해 기업은 데이터 관리의 부담을 덜고, 가치 있는 AI 활용 사례를 만드는 데 집중할 수 있게 된다”고 설명했다. BDC는 스토리지와 컴퓨팅을 분리한 레이크하우스(lakehouse) 아키텍처를 기반으로 설계되었으며, 텍스트, 오디오, 비디오 등 정형 및 비정형 데이터를 구분 없이 저장 및 지원한다. 또한 AWS, 구글 클라우드, 애저 등 주요 하이퍼스케일러 인프라 어디에서나 구동되도록 설계되어, 고객은 기존 인프라를 변경할 필요 없이 BDC를 도입할 수 있다. 칸 최고제품책임자는 “데이터브릭스(Databricks)와의 파트너십을 통해 제로 카피 공유(zero-copy sharing) 방식으로 SAP 및 비 SAP 데이터를 양방향 공유하며, 팔란티어(Palantir)와도 협력해 데이터 파이프라인 구축을 간소화하는 도구를 지원한다”고 소개했다. SAP BDC는 2025년 2월에 글로벌 출시되었으며, 한국 시장에는 7월 말부터 공식 제공된다.   ▲ SAP는 유기적으로 결합된 스위트로 비즈니스 AI를 구현하고자 한다.   데이터의 맥락을 이해하는 AI 코파일럿 ‘쥴’ 한편, SAP는 AI 코파일럿인 ‘쥴(Joule)’이 다양한 개선을 이뤘다고 소개했다. 쥴은 데이터의 맥락을 확인하고 위치에 관계 없이 데이터를 활용할 수 있도록 지원한다. 이를 통해 AI 에이전트가 비즈니스 맥락과 데이터 관계성을 파악하는 과정을 돕는다. BDC가 고품질 기업 데이터를 통합 관리한다면, 쥴은 이를 AI 애플리케이션에서 활용할 수 있도록 지원한다. 특히 지식 그래프(knowledge graph) 기술을 활용해 비즈니스 데이터를 온톨로지(ontology) 기반으로 연결함으로써, AI 모델의 환각 현상을 줄이고 사용자가 자연어 질의로 데이터에 쉽게 접근하도록 돕는다. SAP는 “지식 그래프는 정형 데이터의 이해를 돕는 역할을 하며, 쥴과 같은 기술을 통해 데이터 주변의 사용자 경험을 바꿀 수 있다. 지식 그래프 내에 조화된 데이터 제품(harmonized data products)을 로드하여 온톨로지 뷰를 활성화하고, 자연어 쿼리를 통해 데이터에 접근할 수 있게 한다”고 설명했다. 이외에도 SAP는 쥴 스튜디오(Joule Studio)를 통해 고객이 맞춤형 에이전트를 개발할 수 있도록 지원하며, 최신 LLM(거대 언어 모델)을 연결하고 활용할 수 있도록 한다. 칸 최고제품책임자는 “이러한 개선사항 및 핵심 기능을 통해 쥴은 데이터의 맥락적 이해를 높이고, 고품질 데이터를 기반으로 AI 기능을 강화하며, 사용자 경험을 혁신하고 있다”고 전했다. 그리고 “SAP는 AI 및 생성형 AI를 활용하여 국제화 및 언어 지원 제공을 매우 빠르게 가속화하고 있으며, 이를 통해 한국어뿐만 아니라 모든 언어 및 지역에서 영어와 유사한 기능을 제공하는 것이 목표”라고 덧붙였다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2025-08-04
[칼럼] 스마트 디지털 트윈을 위한 디지털 온톨로지와 디지털 스레드
디지털 지식전문가 조형식의 지식마당   인공지능(AI)은 단순한 기술을 넘어 우리의 삶과 산업 전반을 재편하는 거대한 흐름이 되었고, 이 거대한 흐름 속에서 스마트 디지털 트윈(smart digital twin)과 디지털 스레드(digital thread)는 미래 혁신을 이끌 핵심 동력으로 될 것으로 생각된다. 이번 호 칼럼에서는 AI 시대에 이 두 가지 개념이 왜 필수인지 그 핵심 역할과 의미, 그리고 우리가 직면한 과제를 심층 조명하고자 한다. 미래 제품 개발의 최전선에는 스마트 디지털 트윈이 자리하고 있다. 이는 단순한 물리적 객체의 디지털 복제본을 넘어선다. 우리는 이를 ‘인공지능 중심 디지털 트윈 (AI defined digital twin)’이라고 부르며, 궁극적으로는 AI 에이전트 디지털 트윈으로 진화할 것으로 생각된다.   그림 1. 인공지능 중심의 디지털 트윈과 디지털 스레드의 통합(출처 : Lifecycle Insights)   스마트 디지털 트윈의 핵심은 미래 예측과 시뮬레이션 능력에 있다. 가상 환경과 인공지능 환경에서 미래 제품의 성능과 기능을 사전에 예측하고 다양한 시나리오를 시뮬레이션함으로써, 우리는 현실 세계에서 발생할 수 있는 시행착오를 최소화하고 최적의 설계를 도출할 수 있다. 예를 들어, 자율주행 자동차를 개발할 때 스마트 디지털 트윈은 수십만 가지의 주행 상황을 가상으로 재현하고 AI 모델을 훈련시켜 실제 도로에서의 안전성을 극대화할 수 있다. 이는 제품 개발의 시간과 비용을 획기적으로 절감할 뿐만 아니라, 혁신적인 제품의 출시를 가속화하는 핵심 역할을 수행한다. 그러나 스마트 디지털 트윈이 그 잠재력을 온전히 발휘하기 위해서는 거대한 양의 데이터가 끊김 없이 흐르고, 이 데이터가 의미 있는 정보로 변환되어 AI의 추론과 학습에 활용될 수 있는 환경이 조성되어야 한다. 바로 이 지점에서 디지털 스레드의 역할이 부각된다. 인공지능이 강화되는 스마트 디지털 트윈 환경에서 디지털 스레드는 단순한 연결을 넘어 혁신의 실핏줄과 같은 역할을 수행한다. 이는 정보의 단절, 즉 데이터 사일로(data silo)를 극복하고 정보의 흐름을 원활하게 하는 유일무이한 기술이다. 기존의 단절된 시스템과 프로세스 속에서는 데이터가 각자의 고립된 공간에 갇혀 효율적인 활용이 불가능했다. 디지털 스레드는 이러한 장벽을 허물고, 정보가 마치 혈액처럼 유기적으로 순환하며 지식으로 축적될 수 있도록 도와준다. 디지털 스레드의 핵심 기능은 크게 다섯 가지 유형의 단절된 데이터 사일로를 연결하는 데 있다. 첫째, 제품 수명주기(product lifecycle) 내 소통이다. 요구사항 정의에서부터 제품 스펙, 엔지니어링 BOM(Bill Of Materials), 제조 BOM, Bill of Process, 그리고 서비스 BOM에 이르기까지, 제품의 전 수명주기 단계에서 발생하는 모든 데이터가 디지털 스레드를 통해 끊김 없이 연결된다. 과거에는 각 단계별로 데이터가 사일로화되어 정보 흐름이 원활하지 못했고, 이는 곧 비효율적인 의사결정과 불필요한 재작업으로 이어졌다. 디지털 스레드는 이러한 문제점을 해결하여 제품 개발의 전 과정에서 일관된 정보와 최신 데이터를 공유할 수 있도록 한다. 둘째, 제품 수명주기 관리(PLM)와 인공지능 간의 소통이다. 제품 개발 환경에서 인간의 생각과 인공지능의 추론 기능 간에는 디지털 온톨로지(digital ontology)의 표준적 개념과 디지털 스레드를 통해 다양하고 복잡한 생각과 용어 등이 소통될 필요가 있다. 디지털 스레드는 복잡한 제품 구조, 기능, 요구사항 등을 AI가 이해하고 추론할 수 있도록 의미론적으로 연결하는 다리 역할을 한다. 이를 통해 AI는 단순한 데이터 분석을 넘어, 인간의 의도를 파악하고 창의적인 해결책을 제시하는 진정한 협력자가 될 수 있다. 셋째, 서로 다른 설루션 간의 소통이다. 소프트웨어 형상 관리 설루션, PLM, 요구사항 관리 설루션, 해석 데이터 관리 설루션 등 수많은 서로 다른 설루션이 존재하지만, 이들 간의 데이터 연동은 늘 골칫거리였다. 디지털 스레드는 이처럼 분리된 설루션을 메시(mesh) 관계로 연결하여 데이터가 원활하게 연동될 수 있도록 한다. 마치 거미줄처럼 촘촘하게 연결된 이 망은 각 설루션이 생성하는 데이터가 실시간으로 다른 설루션과 공유되고 활용될 수 있는 기반을 제공한다. 넷째, 서로 다른 조직 간의 소통이다. 마케팅 부서, 기본 설계 부서, 생산 부서, 그리고 최종 서비스 부서 등 각기 다른 용어와 문화를 가진 조직간의 소통은 늘 쉽지 않은 과제였다. 디지털 스레드는 이러한 소통 장벽을 허물고 협업을 원활하게 한다. 각 조직이 사용하는 용어와 개념을 디지털 스레드 위에서 표준화하고 연결함으로써, 오해를 줄이고 목표 지향적인 협업을 가능하게 하는 것이다. 이는 궁극적으로 조직 전체의 시너지를 극대화하고, 혁신적인 아이디어가 자유롭게 교환될 수 있는 환경을 조성한다. 다섯째는 세렌디피티(serendipity)이다. 이런 거미줄 같은 메시 관계에서 오는 네트워크된 지식(Networked Knowledge) 생태계는 이해당사자인 개발책임자, 엔지니어, 생산 엔지니어, 마케팅 전문가, 안전 전문가, 형상관리자 등에게 생각지 못한 발견과 창의적 환경을 제공하며, 자료를 찾는데 소모되는 엄청난 시간과 노력을 절감하게 하며 더 창조적인 작업에 투자할 수 있다.   그림 2. 제품 수명주기의 디지털 스레드 지식 그래프(knowledge graph)(출처 : Eigner Engineering Consult)   이처럼 디지털 스레드는 AI 시대, 특히 스마트 디지털 트윈 환경에서 데이터의 고립을 해소하고, 정보의 흐름을 최적화하며, 궁극적으로는 AI의 잠재력을 최대한으로 끌어내는 필수 기반 기술이라고 할 수 있다. 인공지능 시대에 디지털 스레드를 통한 창조성과 필연적 세렌디피티가 분야 전문가의 유일한 생존 전략이라고 할 수 있다. 그럼에도 불구하고 디지털 스레드는 여전히 많은 이에게 생소하고 도전적인 개념으로 여겨진다. 현장에서는 디지털 트윈 개발에 디지털 스레드가 필수임에도 불구하고 고객을 설득하기 쉽지 않다는 어려움을 토로한다. 심지어 일부 미국 전문가 사이에서는 ‘디지털 스레드 무용론’이 제기되기도 한다. 이러한 오해와 도전은 디지털 스레드가 가지는 혁신적인 속성 때문일 수 있다. 우리가 직면한 과제는 명확하다. 첫째, 설득의 어려움이다. 디지털 스레드의 필요성을 현장의 이해관계자에게 명확히 전달하고 공감대를 형성하는 것이 중요하다. 단기적인 효율 증대 뿐만 아니라 장기적인 관점에서 AI 시대의 경쟁 우위를 확보하는 핵심 요소임을 강조해야 한다. 둘째, 개념의 생소함과 도전적인 특성이다. 현재에도 디지털 스레드에 대해 정확하게 아는 사람이 드물며, 이는 비교적 생소하고 혁신적이며 도전적인 개념이기 때문이다. 따라서 이에 대한 지속적인 교육과 홍보, 그리고 성공 사례 발굴을 통해 이해의 폭을 넓혀야 한다. 그러나 이러한 도전에도 불구하고, 인공지능 시대에 스마트 디지털 트윈에서 디지털 스레드가 필요한 이유는 존재하는 것이 아니라 만드는 것이라는 관점에서 접근해야 한다. 이는 디지털 스레드가 단순히 현존하는 문제를 해결하는 도구를 넘어, 미래의 복잡한 인공지능 기반 시스템을 구축하고 그 잠재력을 최대한 발휘하기 위한 능동적이고 필수적인 기반임을 시사한다. 디지털 스레드는 이미 존재하는 데이터나 시스템을 연결하는 수동적인 도구가 아니다. 그것은 미래에 우리가 만들어낼 혁신 제품과 서비스를 위한 데이터와 정보의 연결고리를 능동적으로 구축하는 의미를 가진다. AI 시대의 복잡성은 끊임없이 새로운 데이터 유형과 상호작용 방식을 요구할 것이다. 디지털 스레드는 이러한 변화에 유연하게 대응하며 새로운 연결고리를 지속적으로 생성하고 발전시키는, 살아있는 유기체와 같다.   ■ 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 : 2025-08-04
[온에어] AI 시대, 지식과 경험의 디지털 트윈 전략과 도구
캐드앤그래픽스 지식방송 CNG TV 지상 중계   CNG TV는 6월 9일 ‘AI 시대, 지식과 경험의 디지털 트윈 전략과 도구’를 주제로 웨비나를 개최했다. ‘AI 시대에 개인의 지식과 경험을 디지털 트윈화하는 최고의 전략은 무엇인가’라는 물음에 디지털지식연구소 조형식 대표는 “AI 시대에 개인의 지식과 경험을 디지털 트윈화하는 최고의 전략은 인공지능과 디지털 트윈의 결합에 있다”고 말했다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 디지털 트윈(Digital Twin)의 발전 과정을 연도별로 정리한 타임라인   AI와 디지털 트윈, 왜 지금 결합해야 하는가? “과거에는 10년 주기로 바뀌던 지식이 이제는 1~2년 만에 달라지는 시대이다.” CNG TV 진행자이자 캐드앤그래픽스 편집자문위원인 조형식 대표는 AI와 디지털 트윈(DT)의 결합이 더 이상 선택이 아닌 필수 전략임을 강조했다. 조 대표는 전문가조차 AI 활용에 주저하는 현실을 지적하며, 이제는 개인이 디지털 전환을 통해 미래 경쟁력을 갖춰야 할 때라고 말했다. 디지털 트윈은 현실의 사물, 시스템, 조직 등을 가상공간에 복제하여 예측과 시뮬레이션을 수행하는 기술이다. 하지만 디지털 트윈은 구현이 어렵고 비용이 많이 들며, AI는 빠른 분석은 가능하지만 맥락을 이해하지 못하는 단점이 있다. 이 약점을 보완하는 가장 강력한 전략이 바로 AI + DT의 결합이다. 조 대표는 “디지털 트윈은 현실을 복제하는 가상 쌍둥이이며, AI와 결합되어야 비로소 실질적인 성과를 낸다”고 강조했다. 이 기술의 적용 범위도 점점 확장되고 있다. 초기에는 제품이나 설비 단위였지만 이제는 시스템 트윈, 프로세스 트윈을 넘어 스마트시티, 헬스케어 등 복잡한 영역까지도 디지털화되고 있다. 심지어 점심 메뉴, 회식 장소 선택, 회사의 조직 구조 같은 존재하지 않는 개념조차 디지털 트윈화할 수 있는 시대, ‘디지털 트윈화(digital twinification)’가 도래한 것이다. 이런 흐름은 세계적인 데이터 분석 기업 팔란티어(Palantir)에서도 볼 수 있다. 팔란티어는 기업의 모든 데이터와 시스템을 디지털 트윈으로 재현하고, 이를 AI 기반으로 운용하는 방식을 도입했다. 여기서 핵심이 되는 개념이 ‘온톨로지(ontology)’이다. 이는 AI가 인간처럼 의미를 파악하고 연결망을 이해할 수 있도록 설계하는 방식으로, 앞으로의 프롬프트 설계나 데이터 관리에서 필수적인 구조다.   ▲ 2025년 AI 기반 지식 관리 도구 20가지를 주제로 한 시각적 요약   나만의 디지털 쌍둥이를 만드는 5단계 전략 조형식 대표는 개인이 자신의 지식과 경험을 디지털 트윈화하기 위한 실전 전략을 다음과 같이 5단계 + α로 제안했다. 구조화 : 에버노트, 노션 등을 통해 정보를 정리 네트워크화 : 옵시디언, 롬 리서치 등으로 개념과 연결성 강화 AI 강화 : 챗GPT, 구글 노트북LM 등을 통해 콘텐츠 해석과 보완 트윈화 : 기능 단위로 구체적인 디지털 복제물 생성 자동화 : 반복되는 작업은 FastAPI, Make.com, Zapier 등으로 자동화 α(지속적 학습) : 반복 학습과 개선으로 궁극적인 지식 자산화 조 대표는 “지식은 데이터이고, 경험은 프로세스다. 이 둘을 함께 디지털화하는 것이 개인 디지털 트윈의 핵심”이라고 정리했다. 그리고 “AI 시대는 기억력의 싸움이 아니라 상상력의 싸움이다. 거창한 계획보다는 작은 디지털 트윈부터 만들어보자”고 조언했다. 또한, 조 대표는 이러한 실전 전략을 뒷받침하는 다양한 도구도 소개했다. AI 음성 복제 도구 : 일랩스(자신의 목소리로 다국어 출력 가능) 오프라인 LLM 실행 : LM Studio를 활용해 나만의 AI 구축 자동화 플랫폼 : 노션 + Make.com, Jasper, Zapier 등 추천 학습 : MCP(Model Context Protocol), 그래프 DB에 대한 이해   ▲ CNG TV 진행자이자 캐드앤그래픽스 편집자문위원인 디지털지식연구소 조형식 대표   AI와 디지털 트윈의 결합은 개인의 지식과 경험을 ‘복제·확장·자동화’할 수 있는 가장 효과적인 전략이다. 거창한 기술이 아니라, 지금 당장 나만의 작은 디지털 쌍둥이 하나를 만드는 것부터 시작하면 누구든지 미래의 경쟁력을 키울 수 있다.     ■ 기사 내용은 PDF로도 제공됩니다. 
작성일 : 2025-07-01
알테어, ‘가트너 매직 쿼드런트’ 데이터 과학·머신러닝 플랫폼 리더 선정
  알테어가 2025년 가트너 매직 쿼드런트 데이터 과학 및 머신러닝 플랫폼 부문에서 2년 연속 리더로 선정됐다고 밝혔다.  가트너 매직 쿼드런트 보고서는 특정 시장의 기술 성숙도와 공급업체 간 경쟁력을 평가한 시장 조사 결과로, 기업들을 리더, 챌린저, 비저너리, 틈새 시장 플레이어 네 가지 유형으로 분류한다. 이번 결과는 비전의 완성도와 실행 능력을 중심으로 평가되었으며, 알테어는 두 분야 모두에서 높은 점수를 받았다고 소개했다.   알테어의 데이터 분석 및 AI(인공지능) 플랫폼인 알테어 래피드마이너는 로코드 기반 AutoML, 고급 MLOps(머신러닝운영) 기능, 에이전트 프레임워크, 고속 데이터 시각화 등의 기업 AI를 지원하는 기능을 제공한다. 특히 알테어 래피드마이너는 SAS 언어 실행을 지원하는 설루션과 함께 기존 분석 환경을 유지하면서 워크플로의 현대화를 병행할 수 있도록 지원한다. 여기에 대규모 병렬 연산 기반의 그래프 엔진을 통해 지식 그래프 구축, 데이터 패브릭, 온톨로지 모델링 등 엔터프라이즈 규모의 데이터 통합 환경도 제공한다.   알테어의 샘 마할링엄 최고기술책임자(CTO)는 “2년 연속 리더로 선정된 것은 알테어의 데이터 과학 및 AI 기술력이 시장에서 신뢰받고 있음을 입증하는 결과”라며, “지멘스 생태계와의 통합을 바탕으로 고객이 AI를 더 빠르게 구축하고 확장할 수 있도록 지속적으로 혁신을 이어갈 것”이라고 밝혔다.
작성일 : 2025-06-04
[포커스] 한국BIM학회, 정기학술대회에서 ‘AI 전환과 미래의 BIM’ 조망
한국BIM학회는 5월 22일 한국과학기술회관에서 ‘AI 전환과 미래의 BIM(AI Transformation and BIM of Tomorrow)’을 주제로 2025년도 정기학술대회를 개최했다. 이번 학술대회에는 건설 산업의 혁신을 이끌어갈 인공지능(AI)과 BIM(건설 정보 모델링) 기술의 융합 및 미래 전망에 대한 논의가 진행되었으며, AI 기술을 활용한 BIM 자동화가 건축설계 생태계를 바꿀 혁신을 가져올 것이라는 기대를 모았다. ■ 최경화 국장     올해 한국BIM학회 정기학술대회의 기조강연에서는 SM엔터테인먼트 스튜디오 리얼라이브 김종민 이사의 ‘콘텐츠, 경험, 그리고 공간의 진화’ 및 오토데스크 다니엘 노비엘로(Daniel Noviello) 스페셜리스트의 ‘건설 분야에서 오토데스크 AI의 미래(The Future of Autodesk AI in Construction)’에 관한 발표가 진행되었다. 이후에는 ‘건설분야의 에이전틱 AI’, ‘AI, BIM 기반 건설 기술’, ‘BIM 교육 및 자격증’, ‘AI, BIM 실무’, ‘첨단 AI, BIM 기술’, ‘AI, BIM 기반 건축물 성능 평가 및 분석 기술’, ‘AI, BIM 워크숍’ 등 다양한 세션으로 나누어 건설 산업의 디지털 전환과 BIM의 역할에 대해 논의하는 자리가 마련되었다. 특히 올해는 ‘산학관 AI, BIM R&D’에 관한 특별 세션 2개가 추가되어 산업계와 학계, 관이 머리를 맞대고 BIM 기술의 미래지원방향과 BIM의 미래를 주제로 토론을 진행했다. 한국BIM학회 추승연 회장은 개회사를 통해 “산업계의 실제 니즈가 발주처에 효과적으로 전달될 수 있도록 한국BIM학회 정기학술대회에 발주처 세션을 정례화하고, 여기에서 논의된 이슈들이 정책으로 실현될 수 있도록 학회의 역할을 공고히 하겠다”고 밝혔다.   산학관 AI, BIM R&D 발주처 세션 통해 성과 소개 특별 세션1에서는 R&D 연구 성과가 소개됐다. 추승연 교수는 40 · 국토교통부의 ‘인공지능 기반의 건축설계 자동화 기술개발’ R&D 사업 추진 현황을 소개했다. 전국 건축사 사무소는 1만 6134개로 이중 1~4인 이하 소규모 사업체가 81.2%, 서울 및 경기권에 50.6%가 집중되어 있으며, BIM 설계 인력이 부족한 것으로 나타나 있다. 정부에서는 공공 중심으로 BIM 도입을 의무화하고 1000억원 이상 사업에 도로 분야부터 우선 도입한다는 계획이다. 이 과제는 AI 기반 건축서비스 산업 생태계 구축을 통해 중소 건축사사무소의 설계 환경을 혁신하는 것을 목표로 하고 있다. 이 사업은 건축설계 3대 분야를 ‘BIM 레벨4’(지능화) 수준으로 자동화하고자 하며, 현재까지 매스ㆍ공간 생성, 견적 산출, 시뮬레이션, 구조ㆍ마감 디테일, 도면 생성, 설계 검토 등에 적용할 23개 요소 기술을 개발했다. 이 기술들은 올해 7월과 9월 통합 온라인 플랫폼을 통해 실증 후 공개될 예정이다. 이어 서울과학기술대 구본상 교수는 BIM 및 온톨로지 기반의 국가건설기준 자동 적합성 검토 실현을 목표로 한 건설기준 디지털 전환 기술 개발 연구 내용을 소개했다. 중앙대 심창수 교수는 도로구조물의 OSC(탈현장건설) 확대를 위한 DfMA 기술과 BIM 데이터 전달체계 표준안 개발 현황을 공유했다. 특별 세션2에서는 공항, 철도, 도로 등 발주처의 BIM 활용사례가 소개됐다. 한국공항공사 문순배 센터장은 2021년부터 김포공항을 대상으로 BIM 데이터 구축 및 CDE 시스템 연계 방안을 수립한 KAC-BIM 사례를 토대로 공항 분야의 BIM 도입 및 활용 방안을 제시했다. 국가철도공단 조성희 부장은 설계, 시공, 유지관리 전 단계에 BIM을 전면 적용하는 철도BIM의 중장기 전략을 제시했다. 2026년까지 BIM 조직 역량을 강화하고, 통합 설계/BIM 확대, Hold Pont 기반 설계검토, 시공BIM 대가 기준 설정, RAFIS 연계 유지 관리 BIM 구축 등 8개 분야를 중심으로 진행중인 실행 과제를 소개했다. 한국도로공사는 2021년부터 모든 신규과업에 BIM 설계를 적용하고 있다. 박장미 차장은 BIM 라이브러리 구축 및 구조물 설계 자동화 기술 개발 등 한국도로공사의 BIM 추진 현황 및 활용 사례를 소개했다.     이외에도 학회 회원들의 포스터 전시회, 건설 및 AI 관련 기술 기업들의 부스 전시, 논문 시상식 등이 진행되었으며, 이광명 전 한국BIM학회 회장에 대한 공로패 시상식도 열렸다. 또한 이번 학술대회에서는 건축사사무소와 BIM 소프트웨어 업체, BIM 교육기관 등 여러 기업이 부스에서 다양한 기술을 전시했다. 트림블솔루션즈코리아는 테클라와 구조 BIM 전문가 자격증 신설 소식을 소개했으며, 아키탑케이엘종합건축사사무소, 서영엔지니어링, 메타유닉스, 상상진화, 베이시스소프트, 한솔아카데미 등 다양한 분야의 기업이 참여해 각자의 기술을 선보였다.   한국BIM학회‧빌딩스마트협회 BIM 전문인력 양성 협력 BIM 전문 인력 양성을 위해 한국BIM학회와 빌딩스마트협회가 손을 잡았다. 양 기관은 5월 22일 한국BIM학회 정기학술대회 임시총회에서 업무협약(MOU)을 체결하고, BIM 전문인력 양성 시스템을 체계화하고 국가공인 자격증 전환 등을 추진하기로 합의했다. 현재 현장에서는 BIM 전문인력에 대한 수요가 나날이 커지고 있으나, 국가 차원의 체계적인 인력 양성 시스템은 부족한 실정이다. 한국BIM학회는 현장에서 요구하는 전문인력을 빠르게 양성하고 공급하기 위해서는 국가공인자격이 필요하다고 판단, 지난 4월 민간자격 국가공인을 신청한 상태다. 한국BIM학회와 한국BIM평가원, 한솔아카데미가 공동 주관하는 ‘BIM전문가’ 자격증은 2012년 첫 시험 시행 이후 현재 건축과 토목 분야별 BIM전문가 자격증을 발급하고 있다. 빌딩스마트협회는 한국디지털교육원과 함께 BIM모델러, BIM테크니션, BIM코디네이터, BIM CM코디네이터, BIM 매니저로 세분화된 한국형 BIM 자격 과정을 운영하고 있다. 그동안 BIM 자격증은 민간 주도로 개별 기관에서 각기 이루어져 왔고, 국가에서 추진하는 BIM 플러스 자격이 있어 왔으나 BIM의 발전을 위해서는 국가공인 자격증으로의 전환을 통해 전문 인력 양성이 필요하다는 목소리가 있었다. 양 기관은 지난 4월부터 BIM 전문 인력 양성에 대해 논의해왔으며, 이번 MOU를 시작으로 BIM 교육 프로그램 기획 및 개발, 건설산업 BIM 활용 및 활성화에 관한 연구개발, 건설사업자의 BIM 활용 및 활성화 지원, BIM 및 스마트 건설 활성화를 위한 정책 및 제도 개선건의 등을 위해 협업할 계획이다.       ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2025-06-04
[칼럼] 데이터 연결이 곧 경쟁력이다– 팔란티어의 미래 플랫폼 전략
트렌드에서 얻은 것 No.25   “과거를 연결하고, 미래를 실행하라.” – 류용효 기업은 늘 데이터를 말한다. 그러나 정작 데이터를 연결해 실행 가능한 인사이트를 만들어내는 기업은 드물다. 레거시 시스템으로 불리는 PLM, ERP, MES, CRM은 여전히 기업의 정보를 최일선에서 책임지고 있다. 팔란티어는 이 최일선의 정보로부터 디지털 스레드로 연결하듯이 ‘데이터 연결 기반 실행 플랫폼’을 제시한다. 이번 호에서는 팔란티어가 어떻게 온톨로지 개념으로 기업에게 새로운 시각을 가질 수 있도록 기업의 실행력을 혁신하는지 살펴본다. “가장 위험한 말은 ‘우리는 늘 이렇게 해 왔다’이다.” – 그레이스 호퍼   문제 제기 레거시 시스템(PLM, ERP, MES, CRM)만으로는 불확실한 미래 대응이 불가능해지는 이유가 있다. 전통적인 기업 IT 시스템은 계획(plan) – 생산(do) – 분석(check) – 개선(action)의 순환을 지원하기 위해 발전해 왔다. 대표적인 것이 PLM(제품 수명주기 관리), ERP(전사적 자원 관리), MES(생산 실행 시스템), CRM(고객 관계 관리)이다. 이들 시스템은 각자의 목적에 맞게 기업의 방대한 데이터를 수집하고 관리하지만, 서로 연결되어 실시간 실행까지 이어지지는 않는 근본적인 한계를 안고 있다. 이는 마치 부서마다 다른 언어를 사용하는 것과 같다. 제품 설계 부서와 제조 부서가 서로 다른 시스템, 다른 데이터 구조, 다른 용어를 사용하면서 진정한 협업과 실행은 요원해진다. 데이터는 많은데 연결과 실행이 안 되는 기업의 현실에서, 많은 기업이 이미 데이터를 축적하고 있다. 하지만 축적된 데이터는 실시간으로 연결되어 의미를 만들어내지 못하고, 결국 ‘묵혀두는 데이터 자산’으로 남는다. 경영진은 “우리에겐 데이터가 충분하다”고 말하지만, 정작 그 데이터를 기반으로 한 ‘즉각적 실행’은 불가능하다고 느끼는 경우가 대부분이다. 팔란티어가 주목한 것은 바로 이 ‘연결되지 않은 데이터’, ‘실행되지 않는 인사이트’의 문제였다. 그리고 그 해법을 데이터 연결(data integration)과 실행 자동화(operational AI)에서 찾았다. “데이터는 새로운 석유가 아니라 새로운 물이다.” – 앤드류 응   팔란티어가 등장한 이유 팔란티어는 원래 정보기관과 국방을 위해 태어났다. 9·11 테러 이후 정부 기관 간 데이터 연결 부재가 위기의 원인 중 하나였음을 인식한 미국 정부는, 흩어진 데이터를 연결해 테러를 사전에 예방할 수 있는 시스템을 원했다. 팔란티어는 이런 배경 속에서 데이터 통합과 분석, 실행의 기술을 고도화해 왔다. 이후 팔란티어는 정부기관을 넘어 기업 시장으로 눈을 돌렸다. 기업 역시 조직, 부서, 시스템 간 데이터 사일로에 갇혀 있었기 때문이다. 그리고 팔란티어는 이를 해결할 수 있는 네 가지 플랫폼을 제시했다. 바로 고담(Gotham), 파운드리(Foundry), 아폴로(Apollo) 그리고 AI 실행 플랫폼 AIP(Artificial Intelligence Platform)다. 고담은 데이터 연결과 분석을 통해 위협을 식별하고 행동을 지원하는 국방/정보기관용 플랫폼이다. 파운드리는 기업 내부 시스템의 데이터를 연결해 의사결정을 지원하는 산업/상업용 플랫폼이다. 아폴로는 이러한 플랫폼을 실시간 운영/배포/유지보수하는 클라우드 기반 운영 플랫폼이다. 그리고 AIP는 수집된 데이터를 바탕으로 인간의 개입 없이도 업무 실행을 자동화하는 차세대 AI 실행 플랫폼이다. 이처럼 팔란티어는 데이터의 ‘수집 – 해석 – 실행’ 전 과정을 아우르는 미래형 데이터 경영체계를 만들어 왔다.   ▲ 팔란티어 기업 전략 맵(Map by 류용효) (클릭하면 큰 그림으로 볼 수 있습니다.)   챗GPT의 도움을 받아 팔란티어의 기업 전략 맵을 만들었다. 팔란티어는 독특한 철학과 기술을 바탕으로 빠르게 주목받고 있지만, 여전히 많은 기업이 팔란티어가 정확히 무엇을 하는 기업인지, 기존 시스템과 어떻게 다르고 어떤 가치를 주는지를 이해하는 데 어려움을 느끼고 있다. 이에 팔란티어의 4대 플랫폼(고담, 파운드리, 아폴로, AIP)을 중심으로 팔란티어의 철학, 기술 구조, 실행 방식, 기존 레거시 시스템과의 연계 방안을 한눈에 볼 수 있도록 시각화한 것이 바로 이 기업 전략 맵이다. 맵을 통해 팔란티어의 전략적 차별성을 이해하고, 자사 비즈니스에 어떻게 적용할 수 있을지를 빠르게 검토할 수 있도록 돕는 것을 목적으로 한다. 복잡함은 적의 무기다. 단순함은 우리의 방패다.” – 에드워드 터플   핵심 전략 : 온톨로지 기반 경영 실행체계 기업의 ‘생각’을 ‘실행’으로 연결하는 과정에서, 팔란티어의 진정한 차별성은 단순한 데이터 분석이 아니다. 기업이 가진 데이터를 어떻게 경영 실행 체계로 연결할 것인가에 대한 해법을 제시한다는 데 있다. 이 핵심이 바로 온톨로지(ontology)다. 온톨로지는 데이터와 현실 세계를 연결하는 디지털 구조화 방법론이다. 쉽게 말해 기업의 모든 요소(제품, 설비, 공정, 사람, 조직, 규칙 등)를 개체, 속성, 관계, 규칙으로 구조화해 데이터를 살아 움직이는 경영 실행체계로 만드는 것이다. 개체(entity) : 제품, 부품, 고객, 공급업체, 직원, 설비 등 기업을 이루는 모든 요소 속성(attribute) : 각 개체의 성질과 특징(예 : 크기, 무게, 사양) 관계(relationship) : 개체 간의 연결과 상호작용(예 : 고객-주문, 제품-부품) 규칙(rule) : 업무를 실행하는 기준과 조건(예 : 승인 절차, 생산 순서) 온톨로지를 기반으로 하면 기업의 생각과 규칙을 데이터 위에 그대로 재현할 수 있고, 이를 바탕으로 모든 업무를 자동화하고 실행 가능한 시나리오로 전환할 수 있다. “인공지능은 인간의 사고를 대체하는 것이 아니라, 인간의 실행력을 확장하는 것이다.” – 사티아 나델라   AIP의 차별성 단순 AI가 아닌 업무 실행 중심 AI 플랫폼으로서의 역할로 볼 때, 팔란티어의 AIP는 단순한 AI 분석기가 아니다. 기업의 데이터를 학습하고 온톨로지 기반으로 업무 실행 시나리오를 자동화하는 것이 핵심이다. 예를 들어, 재고가 부족할 때 구매요청을 올리고 승인 절차를 거쳐 발주까지 자동으로 처리하는 일, 고객의 불만 접수를 모니터링하고 품질 개선팀과 연결해 사후조치를 지시하는 일, 이 모든 실행을 사람의 개입 없이 시스템이 스스로 판단해 실행하도록 만드는 것이 AIP의 목표다. 팔란티어 AIP는 이를 위해 다음과 같은 실행 능력을 제공한다.  실시간 데이터 연결 및 감시 경고 및 시뮬레이션 제시 최적의 실행 시나리오 자동 추천 정책에 따른 승인/실행 자동 처리 실행 내역 기록 및 학습 고도화 이런 실행력을 통해 기업은 데이터를 보는 것에 그치지 않고, 즉시 실행하는 조직으로 변신할 수 있다. “혁신은 과거를 버리는 것이 아니라, 과거를 재설계하는 것이다.” – 팀 브라운   레거시 시스템과의 통합 전략 PLM·ERP·MES 등 기존 시스템의 한계 극복 관점에서 볼 때, 팔란티어는 기존 IT 시스템을 대체하지 않는다. 오히려 기존 시스템과 연결해 진짜 가치를 끌어내는 역할을 한다. 기존의 PLM은 제품 설계를 관리하고, ERP는 자원을 관리하며, MES는 생산 현장을 통제한다. 하지만 이들 시스템은 서로 고립되어 있고, 실시간 실행까지 연결되지 않는다. 팔란티어는 이들 시스템과 데이터를 실시간으로 연결하고, 그 위에 온톨로지와 AIP를 얹어 ‘연결 – 해석 – 실행’을 하나로 엮는 경영 실행 체계를 만들어낸다. 이렇게 되면 기업은 기존 레거시 시스템의 한계를 넘어서 데이터 중심, 실행 중심 경영으로 전환할 수 있다. “미래를 예측하는 가장 좋은 방법은 미래를 직접 만들어가는 것이다.” – 앨런 케이   온톨로지 실전 적용 사례 팔란티어는 이미 글로벌 제조, 방산, 의료, 제약, 에너지 산업에서 수많은 사례를 쌓아 왔다. 대표적으로 다음과 같은 기업이 있다. 현대중공업은 선박 설계부터 건조, 납품, 유지보수까지 모든 데이터를 온톨로지로 연결해, 복잡한 협력사 네트워크를 실시간 모니터링하고 시뮬레이션 기반으로 운영을 최적화한다.  BMW는 차량 생산 과정의 부품, 공정, 품질 데이터를 연결해 생산 이상을 조기에 감지하고 공급망 리스크 대응 체계를 구축한다. 에어버스는 항공기의 설계 – 제조 – 정비 등 전체 과정을 온톨로지 기반으로 연결해 부품 이력 관리, 품질 관리, 유지보수 최적화를 실현한다. 이 외에도 수많은 하이테크 제조 기업이 제품 온톨로지, 공정 온톨로지, 고객 온톨로지, 공급망 온톨로지를 통해 실제 경영 성과를 높이고 있다. “지식은 힘이 아니다. 실행되는 지식이 힘이다.” – 데일 카네기   미래 전망과 기업의 선택 미래 경쟁력은 데이터 자산화 + 실행 자동화에 달렸다. 앞으로 기업의 경쟁력은 더 이상 얼마나 많은 데이터를 가지고 있느냐가 아니다. 그 데이터를 얼마나 잘 연결하고, 얼마나 빠르고 정확하게 실행하느냐에 달려 있다. 팔란티어는 데이터를 살아 있는 자산으로 만들고, 이 자산을 기반으로 실행 자동화까지 실현하는 미래형 경영 실행체계를 제시한다. 기업은 지금이야말로 “우리 데이터는 연결되어 있는가?”, “우리는 데이터를 실행까지 옮길 수 있는가?”를 진지하게 자문해야 할 시점이다. “가장 위험한 말은 ‘우리는 늘 이렇게 해 왔다’이다.” – 그레이스 호퍼    맺음말 팔란티어는 IT 설루션이 아닌 기업 경영 철학의 진화 도구이다. 팔란티어는 기업이 가진 데이터 경영 철학의 진화를 촉진하는 도구다. 과거의 방식을 고수할 것인가?, 연결과 실행 중심의 미래로 도약할 것인가? 앞으로 당신의 기업은 무엇을 연결하고, 무엇을 실행할 것인가?   ■ 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 : 2025-06-04
[칼럼] 디지털 온톨로지와 디지털 트윈화
디지털 지식전문가 조형식의 지식마당   지난 1월호 칼럼인 ‘디지털 철학과 디지털 지속가능성을 시작하다’부터 2025년은 디지털 전환을 지나서 인공지능 전환의 시대에 더 근본적으로 접근해 보기로 했다. 디지털 철학은 너무 범위가 넓어서 그 중에 디지털 온톨로지(digital ontology) 또는 객체 지향 존재론(object-orientd ontology)으로 국한해서 생각해 봤다. 그리고 이것은 현재 인공지능과 함께 지속적으로 진화하는 디지털 트윈의 상관관계 관점에서 생각해 보았다. 현재 인공지능의 발전은 그동안 물리적 트윈의 거울 이미지가 강했던 디지털 트윈에게 새로운 진화의 방향을 제시한다. 최근까지 디지털 트윈은 다양한 목적으로 사용될 수 있는 물리적 자산 또는 물리적 트윈, 프로세스 및 시스템의 디지털 복제본을 의미했다.   그림 1. 팔란티어의 온톨리지 전략(출처 : Palantir)   그러나 디지털 트윈은 계속 진화해, 이제는 이론적으로 이 세상에 존재하는 추상적이거나 물리적으로 존재하는 모든 실체(entity)에 대해서 디지털 트윈이 존재할 수 있다. 수상한 기업인 팔란티어(Palantir)는 자신의 디지털 트윈 전략에서 추상적인 데이터에 대해 디지털 트윈화(digital twinlization)를 했고, 미래에는 조직을 디지털 트윈화한다는 야심찬 목표를 세우고 있다. 모든 실체를 디지털 트윈화하기 위해서 자연어 처리(natural language processing) 인공지능이 정확하게 이해할 수준의 컴퓨터 온톨로지(computer ontology)가 필요하다. 이것은 팔란티어의 온톨로지 전략과 유사하다. 이런 접근은 이전에 시맨틱 웹(semantic web)에서 시도됐으나, 최근 인공지능 자연어 처리의 폭발적인 발전으로 다시 각광을 받고 있는 것 같다. 팔란티어의 전략에서 디지털 트윈은 데이터를 현실 세계와 동기화하는 ‘두뇌’ 역할을 한다. 가장 중요한 것은 인공지능을 이용해서 데이테에게 의미를 부여하는 것이며, 여기에서 디지털 온톨로지가 중요한 역할을 할 수 있다. 예를 들어서, 의료 디지털 트윈 분야에서 백신을 가장 빨리 개발하는 방법은 대상(object) 바이러스를 디지털 트윈화한 후, 다음 단계의 진화를 예상하고 대상 바이러스의 안티 디지털 트윈(anti digital twin)을 만들어서, 백신을 미리 완성하거나 아주 짧은 시간에 개발할 수 있는 역량을 갖추는 것이다. 그런 관점에서 이 세상은 모든 것을 디지털 트윈화하거나 역 디지털 트윈화할 수 있다. 이것은 최근 급격히 발전한 인공지능, 특히 생성형 인공지능의 역할이 크다고 할 수 있다. 디지털 트윈은 기존의 시뮬레이션과 비슷해 보인다. 하지만, 디지털 트윈은 양방향이고 실시간으로 이전의 시뮬레이션의 추론 결과를 다시 디지털 트윈의 입력 자료에 재입력하여 더 강화된 결과를 지속적으로 얻을 수 있다.   그림 2. 노트북LM 시작 화면(출처 : Google)   최근에는 다양한 인공지능 도구와 환경으로 우리의 추상적인 지식이나 경험을 디지털 트윈화할 수 있다. 예를 들어서 구글의 노트북LM(NotebookLM)이나 LM스튜디오(LM Studio)는 질문만 하는 챗GPT, 딥시크, 제미나이에서 진화해 더 복잡한 자료를 입력할 수 있고, 다양한 방법으로 추론해서 요약 음성까지 출력할 수 있는 지식의 디지털 트윈을 만들 수 있다. 현재에도 이런 강력한 AI 도구가 20개 정도 유료로 사용 가능하며, 거대한 기본 모델을 다양한 방법으로 결합하고 자동화할 수 있는 도구가 지속적으로 만들어지고 있다. 이런 가운데 기존 IT 기업들의 고민도 커질 수 있다. 결론적으로 인공지능 시대에 지식 및 경험의 디지털 트윈을 가진 조직과 개인만이 경쟁력을 가지는 것이고, 이를 가능하게 하는 핵심은 디지털 온톨로지의 지식과 의미 있는 데이터로 디지털 트윈을 만들 수 있는 역량이라고 할 수 있다. 이제는 단순히 인공지능 모델을 잘 사용하는 것만으로는 충분하지 않다. 그 모델을 사용해서 자신의 비즈니스 모델이나 문제 해결에 필요한 디지털 트윈으로 특정 데이터에 의미를 부여하는 디지털 온톨로지가 정말 필요한 시점이다.   ■ 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 : 2025-06-04
이에이트, 제조 데이터 온톨로지 기반 디지털 트윈 기술 소개
이에이트가 3월 13일 열린 ‘AI자율제조혁신포럼’에서 제조 데이터 온톨로지 기반 디지털 트윈 기술을 발표하며, 스마트 공장의 혁신적인 접근 방식을 제시했다고 밝혔다.   온톨로지란 특정 도메인 내 개념, 범주, 속성, 관계를 정의하는 일종의 지식 표현 방식을 말하며, 데이터가 단순 숫자에서 ‘의미 있는 정보’로 변환하게 된다. 스마트 공장에서 IoT 기술은 데이터 수집과 모니터링을 담당하지만, 데이터 간 의미를 연결하고 지능형 분석을 수행하는 것은 온톨로지 기법이 필요하다. IoT가 센서를 통해 ‘현재 상태’를 제공한다면, 온톨로지는 ‘왜 이런 상태가 발생했는지’, ‘어떤 조치를 취해야 하는지’를 분석하고 예측하는 역할을 한다.   제조업은 수많은 데이터가 다양한 형태로 존재하게 되는데 때문에 이기종 데이터 통합과 AI의 데이터 이해력 향상 및 공정 간 상호운용성 확보를 위해서는 데이터 온톨로지가 필요하다. 제조 데이터 온톨로지를 통해 제조의 설비, 공정, 품질, 인력 등 제조 도메인의 객체와 상호작용을 표현하게 된다.   이에이트의 스마트 공장 설루션에서는 IoT 센서를 통해 설비 및 공정 데이터를 실시간으로 수집하고, 데이터 의미 체계화 및 관계 정의를 통해 온톨로지를 설계하고, 이를 기반으로 디지털 트윈을 구축해 가상 공정을 실행한다. 공정 중 이상 감지 시 온톨로지가 원인 변수를 식별해내게 되는 것이다. 공장 부품 생산 라인에서 이러한 흐름은 실시간 품질 유지에 핵심 요소가 된다.   제조 데이터 온톨로지를 활용하면 데이터 분석 시간이 단축되어 의사 결정이 빨라지고, 실시간 최적화로 인간의 개입이 최소화되어 24시간 스마트 공장 운영이 가능해진다. 그러나 제조 디지털 트윈 구축에 필수적인 데이터 온톨로지는 산업별 데이터 형식의 차이로 통합의 난이도가 있기 때문에 설계 및 유지에 상당한 비용과 전문성이 필요하다. 이에이트는 기술적 기반으로는 OWL(Web Ontology Language), RDF(Resource Description Framework) 등을 활용하여 데이터 표준화로 디지털 트윈의 정확성을 높이고 AI가 추론할 수 있는 기반을 제공한다. 이에이트는 “이를 통해 제조업의 디지털 전환을 가속화하고, AI 기반 스마트 공장 구현에 앞장서 나갈 것”으로 기대하고 있다.   이에이트의 플랫폼 본부장인 류수영 전무는 “온톨로지 기반 제조 데이터 활용은 스마트 공장의 핵심이며, 단순한 데이터 수집을 넘어 AI가 실질적인 의사 결정을 내릴 수 있는 환경을 조성해준다”면서, “이에이트는 제조 디지털 트윈 기술의 혁신을 주도하며, 더욱 정밀하고 지능적인 공정을 실현하기 위해 지속적으로 연구개발을 이어갈 것”이라고 밝혔다.   
작성일 : 2025-03-14
3D GIS 디지털 트윈 제작 및 시각화 플랫폼, Nextspace
주요 PLM 소프트웨어 소개   3D GIS 디지털 트윈 제작 및 시각화 플랫폼, Nextspace   개발 : Nextspace(뉴질랜드), www.nextspace.com 공급 : 알씨케이, 02-575-0877, www.rckorea.net   넥스트스페이스(Nextspace)는 GIS, CAD, BIM, 포인트 클라우드 그리고 기타 2D/3D 데이터를 통합하는 디지털 트윈 기술로 여러 프로젝트, 단체, 도시들의 수 많은 디지털 트윈과 연결 가능하며, 이를 통해 이 세상 모든 것의 데이터를 관리할 수 있다 .            1. 주요 특징 및 장점 ■ 직관적인 UX  ■ 안전한 호스팅 ■ 소프트웨어 불필요 ■ 웹 솔루션 ■ 빠른 생산속도 ■ 편리한 사용법   2. 주요 기능 ■ Multiple Basemaps ■ 고화질 출력 ■ 원클릭으로 3D to 2D 전환 ■ Shadow Alalysis  ■ 3D 가상투어 ■ 스키마 매핑 ■ 3D 스태킹 ■ Walk Fly Mode ■ Mark Up Annotation ■ Form Builder ■ 파일 첨부 ■ 데이터 다운로드 ■ 지리공간 검색 ■ BIM/Point Clouds ■ Bookmark Scenes 3. 최근 소식 Nextspace의 혁신적인 가상 협업 도구와 Nvidia Omniverse Enterprise의 통합을 통해 다양한 업계의 전문가들이 실시간으로 원격으로 협업할 수 있게 되어 가상 협업을 새로운 차원으로 끌어올릴 수 있다. Nextspace가 Omniverse에 제공하는 핵심 요소는 NIVIDIA Omniverse가 구축된 오픈 소스 USD(Universal Scene Description) 플랫폼에 전역 고유 ID(GUID)를 통합하여 실제 정밀도와 자산 추적을 USD 및 Omniverse 워크플로우에 도입하는 것이다.  디지털 트윈은 데이터 우선, 온톨로지 및 정보에 관한 것이다. 디지털 트윈을 사용하여 사람들이 이해할 수 있는 방식으로 정보를 표현할 수 있어야 하므로 시각화가 필요하며, 그 이상으로 API를 통해 시뮬레이션 및 AI 시스템까지 가능하다. Nextspace의 CEO이자 창립자인 마크 토마스(Mark Thomas)는 Nextspace 데이터 플랫폼에 입력되고 세 가지 방식으로 시각적으로 표현된 데이터, 문서 및 링크(모두 동일한 데이터 모델, 속성 및 온톨로지를 가짐) 시연을 통해 안내한다.   좀더 자세한 내용은 '스마트 엔지니어링을 위한 PLM과 DX 가이드' 에서 확인할 수 있습니다. 상세 내용 보러 가기 
작성일 : 2025-01-21
[무료다운로드] 생성형 AI 기반 BIM 전문가 시스템 개발해 보기
BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 지난 연재를 통해 설명한 생성형 AI 기술을 바탕으로 BIM(건설 정보 모델링) 전문가 시스템을 개발하는 방법을 간단히 알아보도록 한다.    ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   이 글에서는 LLM(대규모 언어 모델)과 RAG(검색 증강 생성) 기술을 적용하여 BIM IFC(Industry Foundation Classes) 데이터의 정보를 검색하고, 이를 바탕으로 BIM 지식 전문가 에이전트를 개발하는 방법을 소개한다. 이런 에이전트는 자연어 기반의 사용자 쿼리를 통해 필요한 정보를 신속하고 정확하게 제공하며, 건설 프로젝트의 전반적인 효율성을 높일 수 있다. 이 글에서 소개하는 방법은 RAG를 이용해 전문가 시스템을 개발하는 여러 가지 대안 중 하나임을 미리 밝힌다. IFC와 같은 포맷을 이용한 RAG와 LLM 사용 기법은 목적에 따라 구현 방법의 차이가 다양하다.    LLM RAG 기반 BIM 전문가 시스템 프로세스 현재 대중적인 목적으로 개발된 LLM 기술인 ChatGPT(오픈AI), Gemini(구글), Llama(메타), Phi(마이크로소프트)는 BIM의 일반적인 지식, 예를 들어 BIM 관련 웹사이트에서 공개된 일반적인 개념 설명, PDF에 포함된 텍스트를 학습한 모델을 제공하고 있다. 다만, 이들 LLM 도구는 BIM 모델링 정보를 담고 있는 IFC와 같은 특수한 데이터셋 파일은 인식하지 않는다. 현재는 PDF같은 일반적인 파일 형식만 검색 증강 생성을 지원하는 RAG 기술을 이용해, 도메인에 특화된 지식 생성을 지원한다. 이는 특정 도메인 지식을 훈련하기 위해 필요한 비용이 너무 과대하며, 도메인 지식을 모델 학습에 맞게 데이터베이스화하는 방법도 쉽지 않기 때문이다. 예를 들어, ChatGPT-4 모델을 훈련할 때 필요한 GPU 수는 엔비디아 A100×25,000개로 알려져 있으며, 학습에 100일이 걸렸다. A100 가격이 수천 만원 수준인 것을 감안하면, 사용된 GPU 비용만 천문학적인 금액이 소모된 것을 알 수 있다.  이런 이유로, LLM 모델을 전체 학습하지 않고 모델 중 작은 일부 가중치만 갱신하는 파인튜닝(fine-tuning), 범용 LLM는 운영체제처럼 사용하여 정보 생성에 필요한 내용을 미리 검색한 후 컨텍스트 프롬프트 정보로서 LLM에 입력해 정보를 생성하는 검색 증강 생성 기술인 RAG이 주목받고 있다. RAG는 <그림 1>과 같은 순서로 사용자 질문에 대한 답변을 생성한다.   그림 1. RAG 기반 BIM 전문가 시스템 작업 흐름(한국BIM학회, 2024)   RAG는 LLM에 입력하는 템플릿에 답변과 관련된 참고 콘텐츠를 프롬프트에 추가하여 원하는 답을 생성하는 기술이다. 이런 이유로, 답변에 포함된 콘텐츠를 처리하고, 검색하는 것이 매우 중요하다. LLM은 입력 프롬프트에 생성에 참고할 콘텐츠를 추가하지 못하면 환각 문제가 발생되는 단점이 있다. 각 RAG 단계는 검색이 가능하도록 데이터셋을 청크(chunk) 단위로 분할(split)하고, 데이터는 임베딩(embedding)을 통해 검색 연산이 가능한 벡터 형식으로 변환된다. 이 벡터는 저장 및 검색 기능을 가진 벡터 데이터베이스(vector database)에 저장된다. 사용자의 질문은 검색 알고리즘을 통해 벡터 데이터베이스에서 가장 근사한 정보를 포함하는 콘텐츠를 얻고, 프롬프트에 추가된 후 LLM에 입력된다. 그 결과 LLM은 원하는 답변을 출력한다. 이를 통해 학습하지 않은 전문 분야의 토큰을 인식하지 못하는 LLM이 원하는 결과를 생성할 수 있도록 한다.   BIM IFC 콘텐츠 데이터 구조 분석 앞서 살펴본 바와 같이 RAG 성능은 입력되는 데이터셋의 특징과 검색 알고리즘에 큰 영향을 받는다. 그러므로, 개방형 BIM 데이터 형식으로 사용되는 IFC의 특징을 분석하여 BIM RAG를 위한 데이터 처리 시 이를 고려한다. IFC 파일 구조는 STEP(ISO 10303), XML 스키마 형식을 준용한다. IFC는 객체지향 모델링과 그래프 모델 구조의 영향을 많이 받았다. 확장성을 고려해 BIM을 구성하고 있는 건축 객체의 부재들, 관계, 속성집합에 Instance ID 및 GUID(Globally 2025/1 Unique IDentifier)와 같은 해시값(hash)을 할당하고, 이들 간의 관계를 해시번호로 참조하여, 거대한 온톨로지 그래프 구조를 정의한다. <그림 2~3>은 이를 보여준다.   그림 2. IFC 객체 그래프 구조(Wall instance)   그림 3. IFC 그래프 구조 표현(강태욱, 2022)     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-01-06