BIM 칼럼니스트 강태욱의 이슈 & 토크   루비 온 레일즈(Ruby on Rails)는 루비(Ruby) 프로그래밍 언어로 작성된 서버 측 웹 애플리케이션 프레임워크이다. 일반적으로 ‘레일즈(Rails)’로 줄여 부르며, 2004년 데이비드 하이네마이어 한손(David Heinemeier Hansson)에 의해 처음 공개되었다. 이번 호에서는 루비 온 레일즈의 설치 및 개발 방법을 정리하고, 이를 기반으로 개발된 빌딩 모니터링 구현 결과를 설명한다.   ■ 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 | https://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   그림 1   루비는 베이스캠프(Basecamp)란 곳을 시작으로, 세계 최대의 코드 호스팅 플랫폼 깃허브(GitHub), 글로벌 이커머스 설루션 쇼피파이(Shopify), 숙박 공유 서비스 에어비앤비(Airbnb), 그리고 트위치(Twitch) 등이 레일즈를 기반으로 탄생하고 성장했다. 국내에서도 빠른 서비스 출시와 성장이 핵심인 스타트업 신을 중심으로 널리 사용되었다. 대표적으로 지역 기반 커뮤니티 당근, 온라인 동영상 서비스(OTT) 왓챠 등이 초기부터 레일즈를 활용해 서비스를 구축하고 확장해온 대표 사례로 꼽힌다. 레일즈의 핵심 개발 철학은 ‘설정보다 관례(Convention over Configuration : CoC)’와 ‘반복하지 마라(Don’t Repeat Yourself : DRY)’이다. 이는 개발자가 반복적인 설정 작업에서 벗어나 비즈니스 로직에 집중하게 함으로써, 웹 개발의 생산성을 획기적으로 향상시키는 것을 목표로 한다.   배경 및 핵심 개념 레일즈는 MVC(Model – View – Controller) 아키텍처 패턴을 근간으로 설계되었다. 이는 애플리케이션의 구성 요소를 세 가지 역할로 명확히 분리하여 코드의 구조를 체계적으로 관리하는 방식이다. 모델(Model) : 애플리케이션의 데이터와 비즈니스 로직을 담당한다. 데이터베이스 테이블에 직접 대응되며, 데이터의 유효성 검사, 처리, 저장 등의 역할을 수행한다. 뷰(View) : 사용자에게 보여지는 UI(사용자 인터페이스)를 생성하는 할을 한다. HTML, CSS, 자바스크립트(JavaScript) 코드를 동적으로 생성하여 웹 브라우저에 표시할 최종 결과물을 만든다. 컨트롤러(Controller) : 모델과 뷰 사이의 중재자 역할을 한다. 사용자의 요청(HTTP request)을 받아 분석하고, 필요한 모델을 호출하여 데이터를 처리한 뒤, 그 결과를 다시 뷰에 전달하여 사용자에게 응답(HTTP response)을 보낸다. 이러한 구조 덕분에 개발자는 데이터, 로직, 화면 표시 코드를 분리하여 유지보수가 용이하고 확장성 높은 애플리케이션을 구축할 수 있다.   장점 및 단점 레일즈의 장점은 다음과 같다. 높은 생산성과 개발 속도 : CoC 철학과 스캐폴딩(scaffolding) 같은 강력한 코드 자동 생성 기능은 CRUD(생성, 읽기, 갱신, 삭제) 기반의 기능을 매우 빠르게 구현하게 해준다. 거대하고 활발한 생태계 : ‘젬(Gem)’이라고 불리는 수많은 오픈소스 라이브러리가 존재하여 인증, 결제, 파일 업로드 등 다양한 기능을 몇 줄의 코드로 손쉽게 추가할 수 있다. 가독성 및 유지보수성 : 루비 언어 자체의 간결하고 우아한 문법과 레일즈의 잘 정립된 관례는 코드의 가독성을 높여 팀 단위 협업과 장기적인 유지보수를 용이하게 한다. 한편, 단점은 다음과 같다. 상대적으로 느린 실행 속도 : 인터프리터 언어인 루비의 특성상, Go나 Java와 같은 컴파일 언어 기반의 프레임워크에 비해 요청 처리 속도가 느릴 수 있다. 초기 학습 곡선 : 레일즈의 많은 부분이 ‘마법’처럼 자동으로 동작하기 때문에, 내부 동작 원리를 깊이 이해하기 전까지는 문제 발생 시 원인을 파악하고 디버깅하는 데 어려움을 겪을 수 있다. 제한적인 유연성 : 레일즈가 제시하는 강력한 관례는 대부분의 웹 애플리케이션 개발에 최적화되어 있지만, 매우 특수하거나 비표준적인 구조를 가진 시스템을 개발할 때는 오히려 제약이 될 수 있다. 젬은 현재 인공지능 기술 스택을 고려해 발전 중이다. 루비 생태계의 중심에는 ‘루비젬스(RubyGems)’라는 강력한 패키지 관리 시스템이 자리 잡고 있다. 이는 전 세계의 루비 개발자들이 만든 수많은 라이브러리를 젬이라는 표준화된 패키지 형태로 공유하고 재사용할 수 있도록 하는 핵심 기반이다. 개발자는 젬을 통해 인증, 데이터베이스 연동, 웹 서버 구동과 같은 복잡한 기능을 직접 구현할 필요 없이, 이미 검증된 코드를 자신의 프로젝트에 손쉽게 통합하여 개발 생산성을 극대화할 수 있다. 이러한 의존성을 체계적으로 관리하는 도구가 바로 ‘번들러(Bundler)’이다. 프로젝트의 Gemfile에 필요한 젬의 이름과 버전을 명시하면, 번들러는 해당 젬뿐만 아니라 그 젬이 의존하는 다른 모든 젬까지 정확한 버전으로 설치하여 개발 환경의 일관성을 보장한다. 이는 여러 개발자가 협업하는 환경에서 발생할 수 있는 잠재적인 충돌을 방지하고 안정적인 애플리케이션 운영을 가능하게 하는 필수 과정이다. 최근 인공지능, 특히 거대 언어 모델(LLM)이 기술의 새로운 패러다임으로 부상하면서 루비 커뮤니티 역시 이러한 변화에 발 빠르게 대응하고 있다. 루비의 강점인 뛰어난 가독성과 개발 편의성을 바탕으로, 복잡한 AI 기능을 애플리케이션에 통합하기 위한 다양한 젬들이 활발하게 개발되는 중이다. 가장 대표적인 것은 ruby-openai 젬으로, 오픈AI (OpenAI)가 제공하는 GPT, 달리(DALL-E)와 같은 강력한 모델의 API를 루비 코드 내에서 직관적으로 호출할 수 있게 해준다. 이를 통해 개발자는 손쉽게 챗봇, 콘텐츠 생성, 이미지 생성과 같은 최신 AI 기능을 자신의 서비스에 접목할 수 있다. 여기서 한 걸음 더 나아가, langchainrb는 LLM을 활용한 고수준의 애플리케이션을 구축하기 위한 프레임워크를 제공한다. 이는 단순히 API를 한 번 호출하는 것을 넘어, 여러 단계의 프롬프트를 연결하는 ‘체인’이나 LLM이 특정 도구를 사용하도록 만드는 ‘에이전트’와 같은 복잡한 로직을 구조적으로 설계할 수 있도록 돕는다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

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

이재 지음 / 2만 2000원 / 비엘북스   생성형 AI 도구인 '나노바나나'를 활용하여 누구나 전문가 수준의 비주얼 콘텐츠를 제작할 수 있도록 돕는 실전 가이드북이 새로 나왔다. 이 책은 복잡한 이론보다는 100가지의 구체적인 예제를 통해 사용자가 직접 기능을 체험하며 익힐 수 있도록 구성되어 있다는 점이 특징이다. 이 책의 가장 큰 특징은 '경험 중심의 학습'을 지향한다는 점이다. 지루한 원리 설명 대신 실행 버튼을 누르는 순간부터 실습이 시작되도록 설계되어 있으며, 브랜드 로고 제작부터 광고 썸네일, 사진 복원 등 현무에서 즉시 활용 가능한 예제들을 담고 있다. 또한, 미드저니(Midjourney)와 같은 기존 AI 도구들이 가진 한계를 보완하는 워크플로우를 제시하여, 뭉개진 텍스트 복구나 캐릭터의 일관성 유지와 같은 고급 테크닉을 초보자의 눈높이에서 설명한다. 기술적인 측면에서는 단순한 이미지 생성을 넘어 '디테일의 완성'에 집중한다. 카메라의 로우 앵글이나 더치 앵글 같은 연출법은 물론, 제품과 액체의 상호작용, 조명과 그림자의 자동 일치 등 전문적인 이미지 퀄리티를 결정짓는 미세한 요소들을 다루는 법을 배울 수 있다. 나아가 구글 FLOW를 이용한 영상 제작이나 3D 렌더링 변환까지 다루고 있어 생성형 AI의 확장성을 폭넓게 경험하게 한다. 이 책에서 소개하는 나노바나나 활용법은 크게 네 가지 영역으로 구분된다. 첫째, 이미지 수정 및 복원 기술이다. AI가 생성한 이미지 내의 뭉개진 텍스트를 완벽하게 복구하거나, 불필요한 사물과 사람을 자연스럽게 지우는 법을 배운다. 또한 흑백 사진을 자동으로 컬러링하거나 저해상도의 사진을 선명한 프로필 사진으로 보정하는 실무 기술이 포함되어 있다. 둘째, 배경 및 스타일의 자유로운 변환이다. 인물은 그대로 유지한 채 배경만 특정 장소로 교체하거나, 여름 풍경을 눈 내리는 겨울로 바꾸는 계절 변경법을 익힐 수 있다. 실사 사진을 라인 드로잉으로 바꾸는 등의 화풍 변환과 낮과 밤의 시간대 변경도 가능하다. 셋째, 캐릭터 및 콘텐츠의 일관성 유지이다. 한 장의 캐릭터 이미지를 바탕으로 다양한 각도의 턴어라운드 시트를 제작하거나, 동일한 캐릭터에게 여러 가지 감정을 입히는 법을 배운다. 이는 웹툰이나 브랜드 캐릭터 마케팅을 준비하는 사용자에게 매우 유용한 기능이다. 넷째, 전문적인 광고 및 제품 디자인 연출이다. 제품 이미지를 자연스러운 배경에 합성하면서 그림자와 조명을 일치시키고, 모델이 들고 있는 상품을 다른 것으로 교체하는 등 고효율의 마케팅 콘텐츠 제작법을 다룬다. 영문 텍스트를 한글로 수정하거나 건축 도면을 바탕으로 3D 조감도를 기획하는 등의 심화 활용법도 제시된다. 특히 이 책은 프롬프트 입력이 막막한 입문자부터 업무 속도를 높이려는 디자이너, 저비용 고효율의 홍보물이 필요한 1인 창업자 모두에게 실질적인 솔루션을 제공하는 지침서가 될 것이다.

트렌드에서 얻은 것 No. 30   우리는 지금 AI를 사용하는 시대에 살고 있다고 말한다. 하지만 조금만 거리를 두고 바라보면, 그 말은 절반만 맞다. 지금의 우리는 AI를 능숙하게 활용하고 있는 것처럼 보이지만, 실제로는 여전히 그것을 하나의 도구처럼 다루고 있기 때문이다. 질문을 던지면 답을 받고, 코드를 요청하면 만들어주고, 문서를 부탁하면 정리해주는 방식은 분명 이전과 비교할 수 없을 정도로 강력한 변화이지만, 그 본질은 크게 달라지지 않았다. 여전히 판단은 사람이 하고, AI는 그 판단을 빠르게 실행하는 역할에 머물러 있기 때문이다. 이 구조는 익숙하고 안정적이지만, 동시에 분명한 한계를 갖는다. 인간이 모든 판단을 내려야 한다는 전제는 결국 속도와 복잡성의 벽에 부딪히게 된다. 그리고 지금, 우리는 그 한계를 넘어서는 변화의 초입에 서 있다. 최근 몇 년 사이 ‘AI 에이전트(AI agent)’라는 개념이 빠르게 확산된 것도 이러한 흐름의 일부다. 에이전트는 단순한 응답을 넘어 작업을 분해하고 도구를 연결하며 결과를 만들어내는 존재로 발전했다. 그러나 여전히 그 방향은 사람이 정한다는 점에서, 구조 자체는 크게 달라지지 않았다.   ▲ 화이트보드 이미지(제공 : 제미나이, by 류용효) (클릭하면 큰 이미지로 볼 수 있습니다.)   하지만 이 흐름은 지금 전혀 다른 방향으로 꺾이고 있다. 단순히 더 똑똑한 AI가 등장한 것이 아니라, AI의 역할 자체가 바뀌고 있기 때문이다. 이제 AI는 ‘무엇을 해야 하는가’를 판단하기 시작하고 있다. 그리고 이 변화는 전쟁과 같은 지정학적 위기, 공급망 붕괴, 에너지 가격 급등과 같은 현실의 변화와 맞물리면서 더욱 빠르게 가속되고 있다. 기업은 더 이상 느린 의사결정으로 버틸 수 없고, 실시간으로 판단하고 실행하는 능력을 요구받고 있다. 이러한 환경에서 등장한 것이 ‘판단하는 시스템(decision system)’이다. 자동화 시스템이 정해진 절차를 빠르게 수행하는 것이라면, 판단하는 시스템은 그 절차 자체를 선택한다. 어떤 선택이 최적인지, 어떤 리스크가 존재하는지, 어떤 자원을 어디에 배치해야 하는지를 스스로 결정한다. 이는 단순한 효율을 넘어, 기업의 생존과 직결되는 영역으로 확장되고 있다. 이 변화는 제조 현장에서 이미 현실이 되고 있다. APS(고급 생산 계획 및 스케줄링 시스템)는 단순한 계획 도구를 넘어 다양한 시나리오를 생성하고 최적의 선택을 제안하는 시스템으로 진화하고 있으며, 점점 더 스스로 실행하는 방향으로 발전하고 있다. 납기 지연을 예측하고 생산 순서를 조정하며 자원을 재배치하는 기능은 더 이상 미래의 이야기가 아니다. 이 흐름은 자연스럽게 피지컬 AI(physical AI)와 로봇으로 이어진다. 디지털 공간에서 이루어지던 판단이 이제 물리적 세계로 확장되고 있는 것이다. 기존의 산업용 로봇이 정해진 동작을 반복하는 기계였다면, 앞으로의 로봇은 상황을 인식하고 판단하며 행동을 바꾸는 존재로 진화한다. 이는 단순한 자동화가 아니라, ‘판단하는 물리 시스템’으로의 전환을 의미한다. 특히 전쟁이나 공급망 위기 상황에서는 이러한 시스템이 더욱 큰 가치를 가진다. 어느 공장을 먼저 가동해야 하는지, 어떤 부품을 대체해야 하는지, 물류를 어떻게 재구성해야 하는지와 같은 문제는 더 이상 사람의 경험만으로 해결할 수 없는 영역이 되었기 때문이다. PLM 역시 이러한 변화의 중심으로 이동하고 있다. 과거의 PLM이 설계 데이터를 관리하는 시스템이었다면, 이제는 판단을 지원하는 지식 기반 플랫폼으로 진화하고 있다. 설계, 생산, 품질, 공급망 데이터가 연결되고, 그 위에서 AI가 판단을 수행하는 구조가 만들어지고 있다. 특히 3D 유사도 기반 기술은 이미 판단의 일부를 시스템이 담당하기 시작했음을 보여주는 대표적인 사례다. 그렇다면 이 변화 속에서 사람은 무엇을 해야 하는가. 이 질문에 대한 답을 찾기 위해 최근 많이 언급되는 개념이 바로 ‘바이브코딩’이다. 비개발자도 AI를 활용해 코드를 생성하고, 간단한 서비스를 구현할 수 있는 시대가 열리면서 많은 사람들이 개발의 문턱을 넘기 시작했다. 실제로 개인의 생산성과 아이디어 구현 속도는 과거와 비교할 수 없을 정도로 빨라졌다. 하지만 여기에는 분명한 현실도 존재한다. 기업용 시스템의 영역에서는 상황이 다르다. 여전히 복잡한 데이터 구조, 안정성, 보안, 성능, 유지보수와 같은 문제가 존재하며, 이는 단순한 코드 생성으로 해결되지 않는다. 바이브코딩은 개인이나 소규모 실험에서는 강력한 도구가 될 수 있지만, 대규모 기업 시스템에서는 아직까지 결정적인 해결책이 되지 못하고 있다. 오히려 이 지점에서 하나의 역설이 드러난다. AI가 발전할수록 개발자가 필요 없어질 것처럼 보이지만, 실제로는 기업용 시스템을 제대로 설계하고 구현할 수 있는 개발자의 부족 현상이 더욱 심화되고 있다. AI가 코드를 만들어주더라도, 그 구조를 이해하고 통제할 수 있는 사람의 필요성은 오히려 더 커지고 있기 때문이다. 이러한 현실 속에서 기업이 선택해야 할 전략은 명확해지고 있다. 모든 것을 새롭게 개발하려 하기보다는, 이미 검증된 OOTB(out of the box) 기능을 최대한 활용하는 방향이다. 완벽한 커스터마이징을 추구하기보다는, 기본 기능에 충실한 시스템을 빠르게 적용하고 그 위에서 점진적으로 확장하는 접근이 더 현실적이다. 조금 돌아가는 것처럼 보일 수 있지만, 오히려 이 방식이 더 빠르고 안정적인 결과를 만들어낸다. 특히 PLM, APS와 같은 복잡한 엔터프라이즈 시스템에서는 이러한 전략이 더욱 중요하다. 기본 기능을 기반으로 표준 프로세스를 정립하고, 필요한 부분만 선택적으로 확장하는 것이 전체 시스템의 안정성과 지속 가능성을 높이는 방법이기 때문이다. 앞으로의 전망을 보면 이 흐름은 더욱 명확해질 것이다. 바이브코딩은 개인의 생산성을 극대화하는 도구로 자리 잡고, 기업 영역에서는 OOTB 기반의 플랫폼과 AI가 결합된 구조가 중심이 된다. 그리고 그 위에서 판단하는 시스템이 작동하게 된다. 결국 우리는 하나의 방향으로 수렴하고 있다. 도구의 시대를 지나 에이전트의 시대로 그리고 판단의 시대로 이동하고 있으며, 그 위에 피지컬 AI와 로봇이 결합된 새로운 산업 구조가 형성되고 있다. 이때 기업의 경쟁력은 더 이상 얼마나 많은 기능을 개발했는지가 아니라, 얼마나 빠르게 판단하고 실행할 수 있는 시스템을 갖추었는지에 의해 결정된다. 그리고 이 모든 변화의 중심에는 여전히 사람이 있다. 다만 그 역할은 분명히 달라지고 있다. 더 이상 직접 실행하는 사람이 아니라, 시스템의 방향과 의미를 설계하는 사람으로 변화하고 있는 것이다.   ■ 류용효 디원의 상무이며 페이스북 그룹 ‘컨셉맵연구소’의 리더로 활동하고 있다. 현업의 관점으로 컨설팅, 디자인 싱킹으로 기업 프로세스를 정리하는데 도움을 주며, 1장의 빅 사이즈로 콘셉트 맵을 만드는데 관심이 많다. (블로그)     ■ 기사 내용은 PDF로도 제공됩니다.

  유니티는 ‘유니티 AI(Unity AI)’의 오픈 베타 서비스를 시작했다고 밝혔다. 이번 오픈 베타는 유니티 6 이상의 버전을 사용하는 모든 개발자가 이용할 수 있다. 에디터에 내장된 유니티 AI는 프로젝트 구조와 시스템부터 플레이어 경험을 형성하는 창의적 반복 작업까지 게임 개발의 실제 맥락을 기반으로 작동한다. 개발자는 이를 통해 반복적인 워크플로에 소요되는 시간을 줄이고 게임의 핵심 요소를 구축하고 다듬는 데 더 많은 시간을 할애할 수 있다. 개발자는 에디터에서 직접 선호하는 AI 도구를 안전하게 연결하고 제어하는 AI 게이트웨이(AI Gateway)를 이용할 수 있다. 모델 컨텍스트 프로토콜(MCP) 서버를 통해 통합 개발 환경(IDE)에서도 이를 활용하는 것이 가능하다. 유니티 6.2부터 에디터에 통합된 유니티 AI는 번거로운 작업 자동화와 애셋 생성 등 개발 워크플로의 간소화 및 가속화를 지원한다. 컨텍스트 기반 어시스턴트 기능을 사용하면 상세한 설명 없이도 프로젝트 애셋을 프롬프트로 드래그하여 게임 오브젝트, 스크립트, 프리팹 등에 대한 지원을 신속하게 받을 수 있다. 스크립트나 오류 메시지 등 문제를 더 쉽게 파악하고 해결하는 콘솔 오류 디버그 기능도 함께 제공한다. 또한 오브젝트 생성, 애셋 배치, 신 설정 자동화뿐만 아니라 스프라이트, 텍스처, 애니메이션, 사운드 등 다양한 플레이스홀더 애셋을 워크플로 내에서 매끄럽게 생성하고 활용할 수 있다. 일정 기준 이상의 광원이나 리지드 보디가 없는 오브젝트를 검색하고 이름, 레이어, 컴포넌트 등을 일괄 수정 및 정리하는 작업도 가능하다. 유니티에 따르면, 개발자는 창작의 방향성을 직접 주도하면서 유니티 AI를 통해 더 다양한 시도를 하고 나은 의사결정을 내리며 아이디어를 더 빠르게 결과물로 구현할 수 있다. 유니티는 에디터 내 에이전트가 유니티에 특화된 워크플로에 맞춰 조정되어 프로젝트 맥락을 기반으로 작동한다고 밝혔다. 이를 통해 더 관련성 높은 답변과 나은 작업 수행이 가능하며 재시도 횟수를 줄일 수 있다는 설명이다. 유니티 AI는 디자인, 이미지, 시각 레퍼런스를 프로젝트에 바로 활용할 수 있는 애셋과 플레이 가능한 신으로 변환하도록 돕는다. 향상된 통합 기능을 통해 강력한 제어권도 제공한다. 개발자는 언제든 변경 사항을 되돌릴 수 있으며 AI 생성 애셋에 태그를 지정해 검토 과정을 간소화할 수 있다. 권한 설정을 통해 에이전트의 자율성 수준을 제어하는 기능도 포함되었다.

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

세일즈포스는 구글 클라우드와 파트너십을 강화하고, 양사의 플랫폼 전반에서 업무 흐름을 하나로 잇는 AI 에이전트 통합을 확대한다고 밝혔다. 이번 협력은 기업이 겪어온 데이터 파편화와 시스템 간 단절 문제를 해결하는 데 목적을 두었다. 양사의 협력으로 기업은 업무용 메신저를 넘어 에이전틱 업무 운영체제를 지향하는 슬랙(Slack)과 협업 도구인 구글 워크스페이스(Google Workspace) 환경에 AI 에이전트를 즉시 배치할 수 있게 됐다. 세일즈포스의 AI 에이전트 플랫폼인 ‘에이전트포스(Agentforce)’와 구글의 ‘제미나이 엔터프라이즈(Gemini Enterprise)’가 유기적으로 연동되어 사용자는 업무 흐름을 끊지 않고도 데이터를 안전하게 활용할 수 있다.     사용자는 슬랙에서 자연어로 요청하는 것만으로 구글 슬라이드, 문서, 시트 등에 흩어진 정보를 정리해 보고서를 만들 수 있다. 제미나이 엔터프라이즈가 슬랙에 직접 통합되면서 구글 미트(Google Meet) 녹취록 생성과 대화 요약, 통합 검색 등 비서 기능도 제공한다. 세일즈포스는 이를 통해 비즈니스 맥락 파악부터 실행까지 전 과정을 아우르는 ‘에이전틱 엔터프라이즈’ 전환을 앞당길 수 있을 것으로 보고 있다. 영업 분야에서는 ‘에이전트포스 세일즈’가 제미나이와 협업해 잠재 고객 응대와 회의 브리핑 작성, 계약 리스크 감지 등을 자동으로 수행한다. 이를 통해 영업 담당자는 반복적인 행정 업무 대신 고객 관계 구축에 더 집중할 수 있다. 기술적으로는 데이터를 옮기지 않고 실시간으로 활용하는 ‘제로 카피’ 구조가 핵심이다. 에이전트포스는 세일즈포스의 ‘아틀라스 추론 엔진’을 통해 제미나이 모델을 지원하며 텍스트뿐만 아니라 이미지와 영상 데이터까지 분석해 복잡한 비즈니스 문제를 해결한다. 보안을 위해 구글 레이크하우스 기반의 제로 카피 기술을 적용해 데이터가 저장된 위치에서 직접 정보를 읽어오는 방식을 사용한다. 또한 세일즈포스의 인포매티카(Informatica)를 기반으로 워크데이, SAP 등 외부 데이터에도 일관된 보안 정책을 적용해 구글 빅쿼리에서 통합 관리할 수 있도록 돕는다. 세일즈포스에 따르면 현재 1400개 이상의 고객사가 에이전트포스 내에서 제미나이를 활용하고 있다. 이커머스 기업 웨이페어는 고객 서비스와 물류 부문에 에이전트를 도입했으며 유통기업 펩코는 6400만 개의 고객 데이터를 2400만 개로 통합해 개인화 마케팅 접점을 25% 늘렸다. 구글 클라우드의 카르틱 나라인 최고 제품 및 비즈니스 책임자는 “이번 협력으로 고객은 플랫폼에 흩어진 데이터를 안전하게 연결해 성과를 빠르게 내고 확장 가능한 에이전틱 인프라를 구축할 수 있게 됐다”고 설명했다. 세일즈포스의 스리니 탈라프라가다 사장은 “에이전틱 AI 도입을 위해서는 전사적으로 작동하는 강력한 인프라가 필수이며 구글 클라우드와의 파트너십이 전환 속도를 높이는 발판이 될 것”이라고 강조했다. 세일즈포스 코리아의 박세진 대표는 “이번 파트너십 확대는 국내 기업들이 에이전틱 AI를 실무 혁신으로 연결하는 중요한 전환점이 될 것”이라면서, “한국 기업들이 보다 빠르고 안전하게 자율 운영 체계를 갖출 수 있도록 지원하겠다”고 전했다.

홍순성 지음 / 2만 8000원 / 디지털북스 AI 생성이 곧 완성, 디자인의 패러다임을 바꾸는 '나노 바나나' 실무 가이드 인공지능(AI)으로 이미지를 생성한 뒤 다시 포토샵으로 후가공하던 번거로운 시대가 저물고 있다. 100장을 생성해도 일관된 품질을 유지하며, 별도의 보정 작업 없이도 실무에 즉시 투입 가능한 콘텐츠를 만드는 비결이 공개됐다. 이 책은 구글의 최신 이미지 생성 모델인 나노 바나나를 활용해 사진 보정부터 상세 페이지, 캐릭터 디자인까지 디자인의 전 과정을 AI로 완결하는 방법을 상세히 다룬다. 그동안 많은 사용자가 AI를 이용하면서도 한글 입력의 한계나 이미지 내 텍스트 배치의 어려움, 매번 달라지는 캐릭터 얼굴 문제로 골머리를 앓아왔다. 이 책은 이러한 갈증을 해소하기 위해 '생성이 곧 완성'이 되는 최신 나노 바나나 모델 활용법을 제시한다. 이제 사용자는 AI와 무의미한 프롬프트 싸움을 벌이는 대신, 비즈니스 가치를 창출하는 프로페셔널 디자이너의 결과물을 손쉽게 얻을 수 있다.   스튜디오와 모델 없이 완성하는 고퀄리티 광고 비주얼 이 책은 일상에서 찍은 평범한 사진 한 장으로 전문가 수준의 결과물을 만드는 실전 프로젝트를 담고 있다. 증명사진 제작이나 인물 보정은 물론, 운동화 사진 하나로 힙한 스트리트 광고 컷을 만들거나 옷 사진 한 장으로 브랜드의 무드 보드를 구성하는 법을 안내한다. 카메라와 조명, 비싼 모델 섭외 비용 없이도 방구석에서 고퀄리티 광고 이미지를 완성할 수 있다는 점이 특징이다. 또한, 2D 이미지 영역에서도 탁월한 가이드를 제공한다. 캐릭터 디자인과 웹툰, 이모티콘 제작 등 일관성이 중요한 작업에서 나노 바나나를 어떻게 활용해야 하는지 단계별로 설명한다. 40여 개의 실전 이미지 프로젝트와 즉시 복사해 사용할 수 있는 프롬프트 템플릿, 그리고 실무에서 마주하는 궁금증을 해결해 주는 Q&A 부록은 초보자도 빠르게 숙련자로 성장하도록 돕는다.   1인 창업가부터 마케터, 디자이너를 위한 실무 최적화 솔루션 이 책은 디자인 외주 비용을 절감하고자 하는 소상공인, 디자이너의 피드백을 기다릴 여유가 없는 마케터, 복잡한 툴 대신 직관적인 AI로 작업 효율을 높이고 싶은 현직 디자이너 모두에게 유용하다. 단순히 AI 사용법을 나열하는 데 그치지 않고, 퍼스널 브랜딩을 위한 캐릭터 제작부터 업무 비주얼을 극대화하는 인포그래픽까지 실무 밀착형 기술을 전수한다. 독자들은 이 과정을 통해 단순한 도구 사용자를 넘어, AI를 도구 삼아 비즈니스 경쟁력을 확보하는 콘텐츠 전문가로 거듭나게 될 것이다.  

구글은 인공지능(AI)을 활용해 웹 정보 탐색과 활용을 편리하게 돕는 크롬(Chrome)의 최신 기능을 한국에 출시한다고 전했다. 이번 업데이트는 크롬 브라우저에 AI를 통합한 ‘제미나이 인 크롬(Gemini in Chrome)’을 선보이는 것이 핵심이다. 이용자는 이를 통해 웹페이지 요약, 정보 비교, 이메일 작성 지원, 이미지 변환 등 다양한 기능을 사용할 수 있다. 일상의 업무와 학습이 주로 이뤄지는 브라우저 환경에서 긴 글을 읽거나 여러 정보를 비교하는 번거로움을 줄이는 것이 이번 업데이트의 목적이다. 최신 AI 모델인 제미나이 3.1을 기반으로 하는 이 기능은 데스크톱과 iOS 환경에서 먼저 제공한다. 안드로이드 이용자는 전원 버튼을 길게 눌러 크롬을 포함한 여러 앱 사용 중에 제미나이를 호출할 수 있다. 새로운 기능을 이용하면 브라우저 측면 패널에 있는 제미나이를 통해 현재 보고 있는 웹페이지를 요약하거나 필요한 정보를 즉시 정리한다. 시험 공부를 위한 예상 문제를 만들거나 특정 레시피를 채식 버전으로 바꾸는 방법 등 맥락에 맞는 도움을 탭 전환 없이 받을 수 있다. 이전에 방문한 페이지를 기억하는 기능을 갖춰 여러 탭을 동시에 열어둘 필요가 없는 것도 특징이다.     지메일, 지도, 캘린더, 유튜브 등 구글 서비스와 연동도 강화했다. 페이지를 벗어나지 않고 이메일 초안을 쓰거나 일정을 추가하고 유튜브 영상에 대해 질문하는 작업을 브라우저 안에서 이어갈 수 있다. 여러 탭에 흩어진 정보를 한 화면에서 비교하고 정리하는 기능도 지원한다. 구글은 이를 활용해 쇼핑 사이트의 제품 정보를 표로 만들거나 자료를 모아 아이디어를 정리하는 작업을 빠르게 처리할 수 있다고 설명했다. 크롬에는 나노 바나나 2(Nano Banana 2) 모델이 탑재되어 브라우저 안에서 이미지를 바로 변환하는 것도 가능하다. 측면 패널에 명령어를 입력하면 가구를 배치해 보는 시뮬레이션 등 다양한 작업을 할 수 있다. 보안 측면에서도 초기 설계 단계부터 대응 체계를 구축했다. 프롬프트 인젝션과 같은 위협을 식별하도록 모델을 훈련했으며, 이메일 전송이나 일정 추가 등 민감한 작업은 반드시 이용자 확인을 거치도록 했다. 구글은 자동화된 레드팀 훈련과 업데이트를 통해 보호 체계를 지속적으로 강화하고 있다고 밝혔다. 구글은 이번 출시를 시작으로 연내 다양한 기능을 추가하고 지원 언어와 지역을 확대할 계획이다.

에픽게임즈가 다양한 산업 분야의 크리에이터를 위해 새로운 기능과 개선 사항을 담은 ‘트윈모션 2026.1(Twinmotion 2026.1)’을 출시했다. 이번 버전은 실시간 시각화의 핵심인 현실감과 자연스러움을 강화하는 데 집중했다. 3D 모델과 실사 이미지를 합성하고 실제 카메라와 유사한 효과를 구현하는 기능뿐만 아니라 생동감 있는 환경 연출과 사용자 편의성까지 전반적인 업그레이드가 이루어졌다. 트윈모션은 언리얼 엔진 5를 기반으로 건축, 영화, 자동차, 제품 디자인 등 여러 분야에서 사실적인 시각화 작업을 지원하는 설루션이다. 직관적인 사용자 인터페이스와 강력한 라이브러리를 통해 전문가와 초보자 모두 손쉽게 사용할 수 있는 것이 특징이다. 지난 2025.2 버전에서 나나이트 가상화 지오메트리 시스템을 도입한 데 이어, 이번 2026.1 버전은 보다 정교한 표현을 위한 다양한 기능을 추가했다.     새롭게 도입된 ‘포토 매칭’ 기능은 매치 퍼스펙티브 도구를 사용해 특정 위치에 소실점을 지정하면 카메라 위치와 초점 거리를 자동으로 조정한다. 이를 통해 3D 모델과 2D 이미지를 자연스럽게 합성할 수 있으며, 3D 오브젝트에서 계산된 지면에 그림자를 투영해 현실감을 높인다. ‘자동 에지 소프트닝’은 컴퓨터 그래픽 특유의 날카로운 테두리를 부드럽게 처리하는 기능이다. 사용자가 지정한 반경까지 모서리를 자동으로 뭉툭하게 만들어 자연스러운 결과물을 얻을 수 있다. 라이팅 채널 지원을 통해 빛의 영향을 받는 요소를 정밀하게 제어하는 것도 가능해졌다. 특정 채널에 할당된 오브젝트와 라이트만 서로 반응하도록 설정할 수 있어, 제품 촬영 시 배경 조명이 제품에 영향을 주지 않도록 세밀하게 조정할 수 있다. 카메라 및 렌즈 효과도 실제와 더욱 유사하게 개선됐다. ‘오토 포커스’ 기능은 사물의 거리에 따라 초점을 자동으로 조절하며, 뎁스 오브 필드 효과로 카메라가 바라보는 지점을 자연스럽게 따라가게 할 수 있다. 아나모픽 타원 보케와 페츠발 보케 등 실제 렌즈에서 발생하는 블러 특성을 재현하는 효과도 추가됐다. 프레임 가장자리가 미묘하게 휘어지는 배럴 디스토션 기능도 함께 도입됐다. 장면의 생동감을 더하는 파티클 VFX 시스템은 전면 개편됐다. 불, 연기, 안개, 물 등의 표현 성능과 비주얼 품질이 향상됐으며 사용자가 원하는 형태로 파라미터를 조정할 수 있다. 애셋 라이브러리에는 사실적인 유럽 나무 10종이 추가됐으며, 각 나무마다 세 가지 변형 형태를 제공해 풍성한 환경을 조성할 수 있게 돕는다. 사용자 편의를 위한 워크플로 개선도 눈에 띈다. 에픽게임즈에 따르면 버전이 바뀌어도 애셋을 연속해서 활용할 수 있도록 파일 저장 구조를 개선했다. 기존에는 버전에 따라 애셋을 다시 다운로드하거나 이동시켜야 했으나, 이제는 영구적인 폴더 구조로 관리되어 반복 작업 없이 효율적인 작업이 가능하다. 기존 사용자는 에픽게임즈 런처나 데브 포털에서 트윈모션 2026.1을 내려받을 수 있다. 처음 사용하는 사용자는 공식 홈페이지에서 라이선스 옵션을 확인한 뒤 무료 체험판을 이용할 수 있다.