알테어가 9월 5일 서울 과학기술회관에서 ‘2025 추계 AI 워크숍’을 진행했다고 밝혔다. 2024년부터 매년 춘·추계로 진행되는 이번 행사에는 400여 명의 제조업 실무진과 산업 전문가가 참석해 인공지능(AI) 기술의 실무 적용 방안을 논의했다.   행사는 김도하 한국알테어 지사장의 개회사로 시작했으며, 이어 알테어 케샤브 선다레시 디지털 전환 총괄 시니어 디렉터가 ‘엔지니어링을 위한 라이프사이클 인텔리전스 : 로코드 고효율 접근법’을 주제로 제조업 혁신을 가속화할 수 있는 방안을 발표했다.     이후 국내 기업의 AI 활용 사례가 소개됐다. 한국항공우주산업(KAI)의 김범준 선임연구원은 ‘AI 스튜디오를 활용한 고정익 항공기 조종면 유격 검사 데이터 처리 프로그램 개발’을 발표했다. 그는 “기존에 수작업으로 진행되던 검사 데이터 처리를 자동화·표준화했으며, 노코드·로코드 기반 AI 스튜디오를 통해 코딩 지식이 없는 설계자도 데이터 분석 프로그램을 직접 개발할 수 있다”고 설명했다.   특히 이번 행사에서는 알테어와 지멘스가 제조업 분야에서 축적한 경험과 전문성을 바탕으로 디지털 전환을 가속화하는 방안이 소개됐다. 알테어의 최병희 본부장은 지멘스의 PLM(제품 수명 주기 관리)과 알테어의 AI 기술 결합 방안을 발표했으며, 지멘스 강철 전무는 제조업의 AI 도입 동향과 로코드 기반 개발 환경의 시너지 효과를 강조했다.   이 밖에도 ▲에이전틱 AI 실현을 위한 온톨로지 기반 데이터 패브릭 전략 ▲예측 AI, LLM(대형 언어 모델) 기반 생성형 AI, 지식 그래프, AI 에이전트를 통한 엔지니어링 및 제조 혁신 ▲AI 기반 HPC(고성능 컴퓨팅)로 제품 개발팀의 시장 출시 속도 가속화 등 다양한 발표가 다뤄졌다.   한국알테어의 김도하 지사장은 “올해 춘계에 이어 추계 워크숍을 개최하면서 AI 기술이 빠르게 발전하고 있을 뿐만 아니라, 국내 고객사들의 AI 적용 사례가 실제 현장에서 빠르게 확산되고 있음을 체감하고 있다”면서, “알테어는 이러한 경험을 기반으로 국내 제조업체들이 AI 도입 아이디어를 얻고 실무 혁신을 실현할 수 있도록 적극 지원하겠다”고 전했다.

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.

미국 블룸버그, 그레이스케일 등 다수의 외신과 기관 투자자들이 주목한 블록체인 지식재산권(IP) 인프라 프로젝트 '스토리($IP)'가 국내 최대 가상자산 거래소 업비트에 상장됐다. 이번 상장을 계기로 스토리는 한국 시장에서도 웹3 기반 콘텐츠 혁신을 본격화할 전망이다. 스토리는 영국의 옥스포드 대학 출신이자 웹 소설 플랫폼 '래디쉬'를 창업하여 카카오에 5,000억 원에 성공적으로 매각한 이승윤 대표가 설계한 글로벌 IP 블록체인 프로젝트다. 이 대표는 블록체인과 AI의 융합이 창작자와 데이터 생산자 모두에게 새로운 권리와 수익 구조를 제공할 수 있다고 판단했다. 그는 스토리를 통해 IP의 등록, 추적, 수익화를 가능하게 하는 블록체인 인프라를 구축하며, 약 80조 달러에 달하는 전 세계 IP 시장을 혁신하고 국경 간 IP 사용에 발생하는 1조 달러 이상의 비용을 절감하는 것을 목표로 하고 있다. 스토리는 초기 투자 단계에서 약 3조 원의 기업 가치를 인정받았으며, 삼성넥스트, a16z(앤드리슨 호로위츠), 폴리체인 캐피털, 해시드 등으로부터 누적 약 1,900억 원의 투자를 유치했다. 특히 미국 최대 벤처캐피털인 a16z가 3차례 연속으로 투자를 주도한 것은 이례적인 사례로 주목받았다. 스토리 생태계의 핵심 자산인 $IP 토큰은 네트워크 보안 유지, 거래 수수료 지불, 거버넌스 참여 등의 역할을 수행한다. IP 보유자는 토큰화된 IP를 담보로 제공하거나 라이선스 조건을 설정해 중개자 없이 직접 저작권료를 받는 등 지속적인 수익을 창출할 수 있다. 최근 스토리는 '스토리 2.0' 비전을 발표하고 AI 훈련 데이터를 위한 탈중앙 인프라 프로젝트 '포세이돈(Poseidon)'을 선보였다. 포세이돈은 a16z 크립토가 주도한 시드 라운드에서 1,500만 달러의 투자를 유치했으며, 데이터의 등록, 기여 추적 및 보상 분배가 자동화되는 블록체인 기반의 IP 그래프 구조를 채택했다. 이를 통해 방탄소년단(BTS) 음원의 파생 밈부터 로봇 비전 훈련용 데이터까지 다양한 형태의 창작물에 대한 기여 기록을 실시간으로 추적하고 수익을 분배할 수 있게 했다. 또한, 스토리는 다양한 글로벌 파트너들과 협력하며 IP 기반 수익화 모델을 혁신하고 있다. 생태계 프로젝트 '아리아 프로토콜(Aria Protocol)'을 통해 BTS, 저스틴 비버, 블랙핑크 등의 아티스트 IP 저작권을 토큰화했으며, AI 기업 '스태빌리티 AI', 디자인 플랫폼 '아블로(ABLO)', 브랜드 '크록스', '발망' 등과 협업하며 IP의 활용을 극대화하고 있다. 한편, a16z가 투자한 솔라나, 수이와 같은 대형 블록체인 프로젝트들의 성공 사례가 이어지면서, a16z의 다음 투자처인 스토리에 대한 관심이 커지고 있다. $IP 토큰은 출시 5개월 만에 글로벌 디지털 자산 운용사 그레이스케일의 단일 자산 신탁 상품군에 편입되어 미국 기관 투자자들의 자금 유입 기반을 마련했다.  

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.

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.

개발 및 공급 : 에픽게임즈 주요 특징 : 60FPS의 고퀄리티 대규모 오픈 월드 제작 지원, 애니메이션 및 리깅 워크플로 향상, 엔진 내에서 메타휴먼의 직접 제작 지원, 워크플로 향상을 위한 UI/UX 간소화, 시네마틱 및 퍼포먼스 캡처 워크플로 향상 등   언리얼 엔진(Unreal Engine)의 최신 버전인 언리얼 엔진 5.6이 출시됐다. 이번 출시의 주요 목표 중 하나는 현세대 하드웨어에서 60FPS로 부드럽게 실행되는 초고퀄리티의 대규모 오픈 월드를 제작할 수 있도록 지원하는 것이다. 또한 애니메이션 및 리깅 워크플로를 궁극적으로 엔진 중심으로 발전시켜, 외부 DCC 툴을 오가는 번거로움을 줄였으며, 메타휴먼도 직접 엔진에서 완전히 제작할 수 있어 보다 간결하고 효율적인 창작이 가능해졌다. 이 외에도, 필수 툴에 더 빠르게 접근할 수 있고, 더 나은 애셋 정리를 위한 기능을 제공하며, 프로시저럴 및 버추얼 프로덕션 툴세트도 대폭 업데이트되어 더 빠른 제작을 지원하는 등 언리얼 엔진 5.6은 더 빠르고 스마트하게 작업할 수 있도록 다양한 향상된 기능을 제공한다.   ▲ 참고 이미지 : 언리얼 엔진 5.6 기능 하이라이트   강력한 고퀄리티의 60FPS 오픈 월드 언리얼 엔진 5.6은 현세대 콘솔, 고사양 PC, 최신 모바일 디바이스에서 60FPS의 일관되게 렌더링되는 게임을 개발하고 출시하는 데 필요한 최적화된 툴세트를 제공한다.   ▲ 이미지 출처 : ‘더 위쳐 4’ 언리얼 엔진 5 테크 데모(CD PROJEKT RED)   하드웨어 레이 트레이싱(HWRT) 시스템 향상으로 루멘 글로벌 일루미네이션의 성능이 한층 더 향상됐다. 주요 CPU 병목 현상을 제거하여 더 복잡한 신(scene)도 60FPS의 매끄러운 프레임 속도를 유지할 수 있다.   ▲ 이미지 출처 : ‘더 위쳐 4’ 언리얼 엔진 5 테크 데모(CD PROJEKT RED)   또한, 런타임 시 스태틱 콘텐츠를 스트리밍할 때 전반적인 언리얼 엔진의 성능도 향상됐다. 패스트 지오메트리 스트리밍 플러그인(실험 단계)을 사용하면 변하지 않는 대량의 스태틱 지오메트리를 더 많이 포함한 월드도 일정한 프레임 속도로 더 빠르게 로드할 수 있으며, 비동기 피직스 스테이트 생성 및 제거 등 콘텐츠 스트리밍의 향상된 기능을 통해 모든 프로젝트에서 이점을 함께 누릴 수 있다. 60FPS 환경과 최신 콘솔 및 데스크톱 플랫폼에 맞춰 최적화된 디바이스 프로파일도 업데이트돼, 이를 통해 목표로 하는 성능을 달성하고, 설정을 최소화하며, 플레이어에게 보다 매끄러운 고퀄리티의 게임을 제공할 수 있다.   ▲ 참고 이미지 : UE 5.6 패스트 지오메트리 스트리밍   가속화된 애니메이션 제작 이번 버전에서는 에디터 내 애니메이션 툴세트의 대규모 업데이트를 통해 더 빠르고 정확하며 제어가 가능한 애니메이션을 제작할 수 있도록 지원한다. 완전히 새롭게 재편된 모션 트레일을 사용하면 애니메이션을 시각적이고 직관적인 방식으로 편집할 수 있다. 이제 액터와 캐릭터 제어 기능이 통합되어 뷰포트에서 대상 애니메이션의 궤적과 간격을 직접 조정할 수 있으며, 점선(Dashed), 시간 기반(Timebased), 속도/분포(Heat/Speed) 모드 등 다양한 스타일을 선택할 수 있고 핀 고정, 오프셋, 스페이스 등의 기능을 통해 보다 정밀한 작업을 할 수 있다.   ▲ 참고 이미지 : UE 5.6 모션 트레일   트윈 툴도 새롭게 개편되어, 컨트롤 또는 선택한 키에 대한 애니메이션을 더 빠르고 세밀하게 조정할 수 있다. 또한 새로운 단축키가 추가되어 슬라이더를 간접적으로 조정할 수 있고, 다양한 슬라이더 유형 간 전환 및 오버슈트 모드로 전환할 수 있으며, 새로운 타임 오프셋 슬라이더의 추가로 더 정밀하게 애니메이션을 생성하고 편집할 수 있다.   ▲ 참고 이미지 : UE 5.6 트윈 툴   커브 에디터 툴바도 속도와 성능을 위해 새롭게 디자인했는데, 키프레임을 더 쉽게 조작할 수 있도록, 아이콘이 간소화되고 통합되었으며, 새로운 트윈 툴이 커브 에디터 인터페이스에 직접 탑재되어 더 빠르게 사용할 수 있다. 여기에 새로운 래티스 툴과 스마트 키 스냅 기능도 추가되어 더 많은 키프레임 데이터를 더 효과적으로 조정할 수 있게 됐다.   ▲ 참고 이미지 : UE 5.6 커브 에디터   최신 시퀀서 업데이트를 통해 타임라인을 더욱 정밀하게 제어할 수 있다. 새로운 시퀀서 내비게이션 툴을 사용하면 복잡한 계층구조를 탐색할 수 있으며, 실시간 오디오 스크러빙 기능으로 애니메이션, 대화, 이펙트를 정확하게 동기화할 수 있다. 또한 현지화된 오디오를 기반으로 스케일을 상대적으로 조정(실험 단계)할 수 있는 기능도 추가되어, 다양한 언어의 타이밍에 맞춰 시퀀스를 조정할 수 있다. 에디터 내에서 더 많은 리깅 워크플로를 지원하기 위해 새로운 실험 기능도 추가됐다. 스켈레탈 메시 에디터를 사용하면 에디터 내에서 직접 모프 타깃을 만들고 스컬프팅할 수 있다.(실험 단계) 이 기능은 언리얼 엔진의 기본 모델링 툴을 활용해, 기존 모프 타깃을 손쉽게 수정하고 PIE(에디터에서 실행 중인 상태) 중에도 블렌드 셰이프를 스컬프팅할 수 있다.   ▲ 참고 이미지 : UE 5.6 모프 셰이프 스컬프팅   또한, 컨트롤 릭 피직스(실험 단계)를 통해 디지털 애니메이션에 뛰어난 사실감을 더할 수 있다. 캐릭터 릭에 프로시저럴 피직스 모션을 손쉽게 추가하여 더욱 역동적인 애니메이션을 구현할 수 있으며, 이와 함께 캐릭터 릭 내에 새로운 래그돌 피직스가 실험 기능으로 추가되어 보다 자연스럽게 반응하는 애니메이션을 제작할 수 있다.   ▲ 이미지 출처 : ‘더 위쳐 4’ 언리얼 엔진 5 테크 데모(CD PROJEKT RED)   엔진 내에서 메타휴먼 제작 이제 메타휴먼 크리에이터가 언리얼 엔진에 완전히 통합되어 다양한 향상된 기능을 제공하며, 메타휴먼 애니메이터 역시 많은 향상된 기능을 제공한다. 메타휴먼 크리에이터에서 이제 얼굴과 마찬가지로 거의 무한대로 사실적인 체형을 생성할 수 있으며, 새로운 언리얼 엔진 의상 애셋을 통해 메타휴먼에 맞게 자동으로 크기가 조정되는 의상을 만들 수 있다. 또한 메타휴먼 데이터베이스에 페이스와 보디에 대한 실제 스캔 데이터가 대폭 추가되어 더 다양한 고퀄리티의 캐릭터를 제작할 수 있다.   ▲ 참고 이미지 : UE 5.6 메타휴먼   메타휴먼 애니메이터의 경우 이제 대부분의 웹캠, 스마트폰, 오디오에서 배우의 연기를 실시간으로 캡처할 수 있는 기능을 지원한다. 이제 메타휴먼을 어떤 엔진이나 크리에이티브 소프트웨어에서도 사용할 수 있도록 UE EULA에 새로운 라이선스 옵션이 추가됐다.(더 자세한 내용은 메타휴먼 웹사이트 참고) 또한 DCC용 신규 플러그인과 팹 마켓플레이스와의 통합 등 에코시스템도 더욱 확장된다. 메타휴먼의 새롭게 향상된 기능에 대해 자세한 내용은 메타휴먼 블로그에서 확인할 수 있다.   ▲ 참고 이미지 : UE 5.6 간소화된 UX/UI 경험   간소화된 UX/UI 경험 더 빠른 워크플로, 더 스마트한 콘텐츠 구성, 효율을 유지하는 데 필요한 툴과 설정에 더 빠르게 접근할 수 있도록 에디터가 업데이트됐다. 콘텐츠 브라우저를 새롭게 디자인해 애셋 정리와 탐색이 훨씬 쉬워졌으며, 섬네일 크기를 더 매끄럽게 조정할 수 있고, 가로 및 세로 방향 전환을 모두 원활하게 지원한다. 뷰포트 툴바의 섹션 메뉴와 퀵 액세스 컨트롤 기능이 개편되어 필수 툴을 더 빠르게 활용할 수 있다. 툴바는 이제 상황에 맞춰 동적으로 크기가 조정되며, 선택 및 모델링 모드를 위한 전용 제어 기능이 제공되고, 애셋 에디터 전반에 걸쳐 일관된 디자인을 제공한다.   ▲ 참고 이미지 : UE 5.6 향상된 개발자 반복 작업   향상된 개발자 반복 작업 이제 신속한 반복 작업을 위해 설계된 개발자 툴을 사용하면 워크플로를 가속화하고, 타깃 플랫폼 및 디바이스에 더 빠르게 콘텐츠를 제공할 수 있다. 프로젝트 런처 UI(베타)가 사용자 편의성과 효율성을 향상하기 위해 완전히 재설계되어 디바이스 실행 프로파일을 보다 빠르게 생성하고 관리할 수 있으며, 간소화된 인터페이스를 통해 빌드, 쿠킹, 디바이스 배포 구성을 빠르게 설정할 수 있다. 젠 스트리밍이 이제 베타로 전환됐다. 이 기능은 전체 패키지 빌드 및 배포 복사/설치와 같은 시간이 많이 소요되는 단계를 제거하고, 타깃 플랫폼에서 콘텐츠 반복작업 및 테스팅을 간소화하여 생산성을 높인다. 점진적 쿠킹(실험 단계)은 애셋 변경 사항을 분석하고 업데이트된 부분만 쿠킹해 시간을 단축시켜 주므로, 타깃 디바이스에서 더 빠르게 반복작업할 수 있다.   프로시저럴 툴을 통한 더 빠른 월드 제작 더욱 강력해진 PCG 프레임워크를 통해 효율적으로 월드를 제작하고 복잡한 신을 관리할 수 있으며, GPU 기반의 성능이 향상됐다. 노드 그래프 UX(베타)가 인라인 상수를 지원하도록 업데이트되어 요소를 생성, 드래그 앤 드롭, 조작하는 것이 간편해졌으며, 새로운 3D 뷰포트(베타)로 뷰포트에서 직접 포인트, 텍스처, 메시를 미리 볼 수 있다. 또한 노드 필터링 기능이 있는 맞춤형 그래프 템플릿이 추가되어 워크플로를 간소화하고 상황에 맞춰 더 빠르게 반복작업을 할 수 있다. GPU(베타) 성능이 크게 개선되어 특히 밀도가 높고 복잡한 신에서 인스턴스를 처리할 때 안정성이 크게 향상됐다. CPU 오버헤드를 줄인 덕분에 시스템은 런타임 시 GPU 기반 스폰을 더 부드럽고 효율적으로 처리할 수 있어, 인스턴스 작업 시 더욱 뛰어난 유연성과 정밀성을 제공한다. 전반적인 PCG 성능(베타)도 멀티스레딩 지원으로 향상됐다. 이로써 시스템은 작업을 여러 코어에 보다 효율적으로 분산시켜 더 빠른 처리와 원활한 상호작용을 제공하며, 특히 복잡하거나 대규모 환경에서 더 빠른 반응 속도를 경험할 수 있다. 마지막으로, PCG 바이옴 코어 v2(Biome Core v2) 플러그인을 사용하면 바이옴(실험 단계)을 더 빠르고 직관적으로 생성하고 업데이트할 수 있다. 바이옴별 블렌딩과 바이옴 레이어링과 같은 새로운 기능이 추가되어, 더욱 풍부하고 자연스러운 생물 환경을 보다 효율적으로 구축할 수 있다.   ▲ 이미지 출처 : ‘더 위쳐 4’ 언리얼 엔진 5 테크 데모(CD PROJEKT RED)   향상된 시네마틱 및 퍼포먼스 캡처 워크플로 새롭게 통합된 툴세트를 통해 간소화된 퍼포먼스 캡처 및 시네마틱 렌더링 등 제작 파이프라인 전반을 효과적으로 제어할 수 있게 됐다. 모캡 매니저(실험 단계)는 언리얼 에디터 내에서 퍼포먼스 캡처 데이터를 시각화하고 녹화하며 관리할 수 있는 새로운 통합 설루션이다. 애셋 관리, 모캡 스테이지 설정, 연기자/캐릭터 구성, 라이브 링크 데이터 미리보기 등 다양한 기능을 제공하여 팀의 제작 속도를 높여준다.   ▲ 참고 이미지 : 모캡 매니저   캡처 매니저(실험 단계)가 라이브 링크 허브와 통합되어, 모바일 디바이스, 비디오 파일, 스테레오 헤드 마운트 카메라(HMC)에서 메타휴먼 테이크를 가져와 정밀하게 처리할 수 있다. 이를 통해 언리얼 엔진 및 메타휴먼 에코시스템 전반에서 서드파티의 페이셜 캡처 시스템과 함께 다양한 페이셜 퍼포먼스 데이터를 손쉽게 관리하고 배포할 수 있다. 시네마틱 부문에서는 새로운 파이프라인 친화적인 시네마틱 어셈블리 툴세트(CAT, 실험 단계)가 출시됐다. 이 툴세트에는 전환 가능한 프로젝트 구성, 커스터마이징 가능한 네이밍 토큰, 재사용 가능한 시네마틱 템플릿 등 수많은 기능이 포함되어 있으며, 테이크 레코더 및 무비 렌더 큐와 같은 기존 통합 툴과 함께 작동하여 샷 관리 파이프라인을 처음부터 끝까지 효율적으로 관리할 수 있다. 마지막으로, 새로운 퀵 렌더(베타) 기능으로 렌더링 워크플로가 더욱 빨라진다. 무비 렌더 그래프에 정의된 설정을 사용하여 단 한 번의 클릭으로 뷰포트와 선택한 카메라에서 스틸 이미지와 시퀀스를 렌더링 및 저장할 수 있다. 이외에도 언리얼 엔진 5.6 출시 노트를 통해 신규 기능과 향상된 기능 관련한 전체 내용을 확인할 수 있다.     ■ 기사 내용은 PDF로도 제공됩니다. 

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. 

대한기계학회 가상제품개발연구회가 지난 6월 12일 2025년 춘계 심포지엄을 개최했다. ‘AI와 VPD의 만남 : Journey to the Digital Transformation’을 주제로 한 이번 심포지엄에서는 제조업 분야의 인공지능 전환(AX) 시대에 발맞춘 가상 제품 개발(VPD) 기술 및 디지털 전환 사례가 소개됐다. ■ 정수진 편집장     디지털 전환에서 AI 전환으로, 새로운 시대가 열린다 지난 2020년 출범한 가상제품개발연구회는 제조업 분야의 가상 제품 개발 기술과 디지털 전환 사례를 공유하고 기술 교류를 통해 산업 분야의 글로벌 경쟁력을 높이는 것을 목표로 삼았다. 2021년부터는 매년 봄·가을 심포지엄과 특별 세션을 열고 있다. 가상제품개발연구회의 오세기 회장은 개회사에서 “빅데이터와 딥러닝으로 시작된 디지털 전환(DX)은 생성형 AI(generative AI)가 등장하면서 기업의 문화, 전략, 비즈니스 모델까지 인공지능 중심으로 재설계하는 인공지능 전환(AX) 시대로 진화하고 있다”면서, 그 동안 연구회 심포지엄의 모토였던 ‘디지털 전환으로의 여정’이 이제는 ‘인공지능 전환으로의 여정’으로 바뀌어야 할 시점이라고 밝혔다. 대한기계학회의 배중면 회장은 축사를 통해 “챗GPT (ChatGPT)나 생성형 AI로 대표되는 현대 인공지능 시대의 개막은 기계공학 분야에서도 예외가 아니며, 물리기반 모델과 인공지능의 융합, 시뮬레이션의 자동화, 그리고 설계 최적화의 지능화가 실현 가능한 시대가 되었다”고 짚었다. 그리고 “가상제품개발연구회는 디지털 기반 제품 개발의 혁신을 선도해 왔으며, 대한기계학회 역시 이 분야의 발전을 적극 뒷받침하겠다”고 전했다.   물리지식 기반 AI와 생성형 AI를 활용한 VPD KAIST의 이승철 교수는 ‘제품 개발 가상화를 위한 물리지식 기반 인공지능의 역할’을 주제로 기조연설을 진행했다. 생성형 AI를 활용한 제품 가상화 설계 및 공학 문제 해결 방법에 대한 고민을 전한 이승철 교수는 “생성형 AI의 출현 이후 디지털 전환에서 인공지능 전환의 시대로 진화했으며, 기계공학 분야에서도 물리기반 모델과 AI의 융합, 시뮬레이션 자동화, 설계 최적화의 지능화가 가능해졌다”고 강조했다. 생성형 AI는 하나의 입력값에서 많은 수의 결과를 생성하여 설계의 다양성을 확보하는 데에 유용하다. 특히, 위상 최적화에서 문제를 ‘불량 설정(ill-posed)’하여 다양한 최적화 설루션을 생성하고, 이를 전통적인 최적화 방법의 초기 조건으로 활용하여 설계 시간을 줄일 수 있다. 이승철 교수는 “생성형 AI를 제품 설계에 적용하는 과정에서는 정밀도와 다양성의 절충점을 찾는 것이 중요하다”고 짚었다. 또한, 이승철 교수는 VPD에 AI 신경망 학습을 접목하기 위한 방법론을 소개했다. 물리지식 기반 인공지능(PINN)은 물리 지식을 데이터 프레임워크에 결합하여 인공지능 학습에 활용하는 방식으로, 특히 알려지지 않은 물리적 특성을 예측하는 ‘역방향 문제 해결’에 장점이 있다. 딥 오퍼레이터 네트워크(DeepONet)는 입력 매개변수나 형상이 바뀌어도 재학습 없이 거의 실시간으로 해석 결과를 예측할 수 있어서, 입력 파라미터의 변경이 예측 결과에 곧바로 반영되지 못하는 PINN의 단점을 극복할 수 있을 것으로 보인다. 이승철 교수는 “물리지식 기반의 DeepONet은 유동장 및 압력 분포를 실시간으로 예측하고, 복잡한 형상 변화에 따른 유동, 압력, 온도장 등을 실시간으로 예측할 수 있음을 입증했다”면서, “인공지능 기반의 새로운 도구들이 공학 문제를 해결하고 설계 분야를 혁신하는 데에 기여할 것”이라고 전망했다.   ▲ KAIST의 이승철 교수는 물리지식 기반의 AI를 제품 개발에 적용하기 위한 방법론을 소개했다.   AI/ML 기반 가상 검증 사례와 활용 전략 이번 심포지엄을 가상제품개발연구회와 공동 주관한 다쏘시스템코리아의 김문성 파트너는 ‘AI/ML 기반 가상 검증 사례와 활용 전략’에 대해 소개했다. 그는 인공지능 기반의 생성형 경험(generative experience)이 창의적이고 자동화된 설계를 가능하게 하며, 인공지능/머신러닝이 제품 개발 과정에서 반복 작업을 줄이고 비용과 시간을 절감하는 데 기여한다고 전했다. 이번 발표에서는 시뮬레이션에 적용할 수 있는 다양한 머신러닝 기법이 소개됐다. 합성곱 신경망(CNN)은 이미지 특징 추출에, 순환 신경망(RNN)과 장단기 메모리(LSTM)는 시계열 데이터 예측에, 딥러닝은 복잡한 3차원 필드 데이터 예측에, 그리고 그래프 신경망(GNN)은 유한요소모델(FEM)과 같은 그래프 구조 데이터 처리에 유용하다는 것이 김문성 파트너의 설명이다. 또한, 김문성 파트너는 문제 정의 − 학습 데이터 준비(실험 계획법 및 자동화 스크립트 활용) − 모델 학습 − 신뢰도 검증 − 예측 모델 구축까지 다쏘시스템의 아바쿠스(Abaqus)와 아이사이트(Isight)를 활용하는 머신러닝 프로세스 구현 단계를 소개했다. 김문성 파트너는 AI/ML 기법의 시뮬레이션 적용 사례로 LSTM을 활용한 하중-변위 선도 예측, 디스플레이 스트레인 예측, 전자기 성능 예측 등을 소개했으며, GNN을 사용해 빔과 항공기 랜딩기어 부재의 3차원 응력/변형량 예측이 가능하다고 전했다. 그는 “머신러닝 기술이 시뮬레이션 작업의 효율을 높이고, 데이터 기반의 정확한 의사 결정을 지원하는 강력한 도구가 될 것”이라고 전망했다.   ▲ 다쏘시스템코리아 김문성 파트너는 AI/ML 기반의 가상 검증 전략과 사례를 소개했다.   VPD와 AI의 융합, R&D 혁신을 이끈다 이외에도 이번 심포지엄에서는 물리지식 기반 인공지능과 생성형 AI를 활용한 제품 가상화 설계 방안, AI/머신러닝 기반 가상 검증 사례와 활용 전략 등에 관한 논의를 통해 미래 제품 개발의 방향을 짚어보는 기회가 마련됐다. 주제 발표로는 ▲히타치 야마자키 미키 박사의 ‘AI가 주도하는 MBSE·MBD와 VPD의 융합 : 가상화를 통한 차세대 제품 개발 가속 및 DX 추진’ ▲피도텍 대표인 한양대 최동훈 교수의 ‘VPD 대중화로 가는 길 : Al-Aided Design Optimization’ ▲현대모비스 송준영 팀장의 ‘AI를 이용한 R&D Shift’ ▲LG전자 백영진 팀장의 ‘AI와 VPD 연계를 통한 효율적 제어 시스템 개발 프레임워크’ ▲한화에어로스페이스 윤용상 상무의 ‘디지털 해석 기술을 활용한 항공엔진 개발과 국내 항공엔진의 미래’ 등이 진행됐다. 또한 패널토론에서는 VPD와 AI의 융합을 통해 R&D 혁신을 이끌어낼 수 있는 가능성과 미래 방향에 대해 논의했다.      ■ 기사 내용은 PDF로도 제공됩니다. 

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. 

‘PLM/DX 베스트 프랙티스 컨퍼런스 2025’가 지난 6월 20일 서울 코엑스에서 열렸다. ‘제조의 미래를 위한 PLM 혁신과 AX 전략’을 주제로 한 이번 행사에서는 제조산업에서 불확실한 외부 환경에 대응하고 기술 및 비용 경쟁력을 확보하기 위한 통합 PLM(제품 수명주기 관리) 설루션과 인공지능 전환(AX)의 중요성을 강조했다. ■ 정수진 편집장     한국산업지능화협회 PLM 기술위원회 위원장인 KAIST 서효원 명예교수는 개회사에서 AI와 결합하여 다시 중요해진 PLM의 미래를 강조했다. 그는 “AI 혁신이 전 세계를 휩쓰는 가운데 특히 제조 산업에서 GPT와 같은 LLM(대규모 언어 모델)을 어떻게 적용할지가 핵심 과제”라면서, “제조 특유의 반구조화된 데이터, 환각(hallucination) 문제, 막대한 학습 데이터 구축 비용 등의 난관을 극복하고 1~2년 내에 현업에서 성과를 내야 한다”고 강조했다. 또한, “이번 콘퍼런스가 PLM을 넘어 생성형 AI, 디지털 트윈 등 폭넓은 미래 지향적 주제를 다루며, 산업 전문가들이 디지털 혁신의 본질적 가치와 방향성을 논의하고 상호 인사이트를 얻는 교류의 장이 되기를 바란다”고 전했다.   ▲ 서효원 한국산업지능화협회 PLM 기술위원회 위원장   한국CDE학회의 회장인 충남대학교 정현 교수는 격려사를 통해 “이번 행사에서 PLM의 AI 전환을 위해 생성형 AI, 디지털 트윈 등 폭넓은 미래 지향적 논의가 이뤄지기를 바란다”면서, 다양한 산업 전문가들의 교류를 통해 디지털 혁신의 본질적 가치와 방향성을 점검하고 상호 인사이트를 얻는 것이 중요하다고 짚었다. 그는 또한 기술 확산을 넘어 회사의 전략, 내부 문화, 조직 혁신이 동반되어야 진정한 디지털 AI 전환이 완성될 것이라고 강조하면서, “이번 PLX/DX 베스트 프랙티스 콘퍼런스가 새로운 협업과 혁신의 출발점이 되기를 바라며, 한국CDE학회 또한 산학연 협력의 구심점 역할을 이어나갈 것”이라고 전했다.   ▲ 한국CDE학회 정현 회장   이번 행사의 오전 시간에는 세 편의 기조연설이 진행됐다. 기조연설에서는 제조 산업의 미래를 위한 PLM 기반의 통합적 디지털/ AI 전환 전략을 통해 경쟁력을 강화하고 새로운 가치를 창출해야 한다는 메시지와 함께, 단순한 기술 도입을 넘어 데이터 통합과 표준화 그리고 궁극적으로 일하는 방식과 조직 문화의 근본적인 변화가 필요하다는 지적이 있었다.   PLM과 산업 AI, 미래 제조 산업의 핵심 동력이 되다 가천대학교의 조영임 교수는 ‘제조 산업의 미래, 산업 AI 트렌드와 과제’를 주제로 한 기조연설에서 전 세계적으로 AI 기술 개발이 빠르게 추진되고 있으며, 제조 기업이 AI에 몰입하지 않으면 경쟁력을 유지하기 어렵다고 짚었다. 그리고 AI를 통한 제조 산업의 미래 활성화 방안을 제시하면서, AI 기술 발전과 함께 제조업이 갖춰야 할 기술/전략/인프라/인재 양성의 중요성을 언급했다. PLM은 제품의 전체 생애 주기에 걸친 프로세스와 데이터를 통합 관리하는 개념으로 설명된다. 최근에는 단순한 제품 관리를 넘어 순환 경제(circular economy)의 핵심 개념으로 정의되고 있으며, 데이터 중심의 관리 및 전략적 최적화를 추구하고 있다. 조영임 교수는 “최근 PLM이 다시 중요하게 부각되는 이유는 디지털 전환에 있어 PLM이 디지털 스레드(digital Thread)와 디지털 트윈(digital Twin)을 포괄하는 상위 관리 체계로서 중요한 역할을 하며, 디지털 전환에 AI가 결합되는 구조가 글로벌 제조 산업 AI의 기본 모델이기 때문”이라고 짚었다.   ▲ 가천대학교 조영임 교수   한편, AI 기술은 현재 클라우드 중심의 LLM(대규모 언어 모델)에서 미래에는 온디바이스 기반의 SLM(소규모 언어 모델)로 변화하며 효율성과 협업, 그리고 지속가능성을 강조할 것으로 보인다. 특히 에이전틱 AI(agentic AI)는 LLM을 넘어 사용자의 복잡한 작업을 스스로 처리하는 비서 역할을 수행할 것으로 기대를 모으고 있다. 조영임 교수는 “국내 제조업의 AI 도입률은 아직 낮고, 대기업이 중소기업보다 도입률이 높다. 또한, 한국 기업은 핵심 기술 영역보다는 재무 관리 등 주변 인프라에 AI를 집중하는 경향이 있다”고 지적했다. 향후 산업 AI의 과제로는 핵심 기술에 대한 고도화된 도입과 전략 및 데이터 연결의 표준화가 꼽힌다. 조영임 교수는 “산업 AI는 제조 디지털 전환의 핵심 기술로서, PLM과 AI의 공동 연계, 통합 패키지 개발, 산업 AI 표준 반영, 제조 DX 가이드라인 개발 및 공공 조달 지침 마련 등이 정부가 기업과 함께 추진해야 할 과제”라고 전했다.   AI 시대 제조 경쟁력 향상을 위한 통합형 PLM 전략 SAP 코리아의 고건 파트너는 ‘AI 혁신을 기회로! 제조 경쟁력을 높이는 통합형 PLM 전략’이라는 주제로 기조연설을 진행하면서, SAP의 PLM과 ERP(전사 자원 관리) 통합 전략을 소개했다. SAP는 예측 불가능한 외부 환경에 대응하고 내부 역량을 강화하기 위해 애플리케이션 레벨의 수평적 통합과 데이터 및 AI 레이어를 통한 수직적 통합을 동시에 추구하고 있다. SAP가 추진하는 수평적 PLM 통합은 디지털 스레드를 통해 데이터 사일로를 해소하고, 사내뿐 아니라 협력사 및 고객사를 포함한 전체 가치사슬(value chain)의 데이터를 실시간으로 통합하는 것을 목표로 한다. 고건 파트너는 “SAP는 이를 위해 별도의 비즈니스 네트워크를 운영하며, 설계 단계의 산출물이 제조 및 설비 관리까지 원활하게 연동되어 정보 재활용이 극대화되는 환경을 제공한다”고 소개했다.   ▲ SAP 코리아 고건 파트너   수직적 PLM 통합은 애플리케이션 위에 AI 레이어를 두어 정형 및 비정형 데이터를 활용하고 AI가 비즈니스를 이해하도록 하는 전략이다. 고건 파트너는 국내 기업의 AI 도입 시 가장 큰 문제점으로 데이터 부재와 품질 문제를 꼽으면서, AI와 함께 지식 그래프(knowledge graph)를 PLM에 적용하여 예지 정비 및 설계 변경 영향도 분석 등이 가능한 데이터 플랫폼을 제안했다. 고건 파트너는 “SAP는 PLM에 AI 코파일럿인 쥴(Joule)을 적용해 협업 및 문서 요약 기능을 제공하고 있으며, 오픈 AI, 엔비디아, 메타 등 30개 이상의 파운데이션 모델과 협력하여 제조 현장의 로봇 제어까지 확장하고 있다”고 전했다. 또한 “현재 기업들이 직면한 불확실성에 대응하기 위해서는 제품 정보 관리의 고도화가 필수이며, 통합형 PLM 전략이 그 해답이 될 것”이라고 강조했다.   조선산업의 미래를 위한 차세대 설계/생산 통합 플랫폼 HD현대의 이태진 전무는 ‘조선업의 미래를 위한 차세대 설계/생산 통합 플랫폼’을 주제로 한 기조연설에서 조선산업의 현황과 디지털 전환 전략의 필요성을 짚었다. 국내 조선산업은 탈탄소 정책, 에너지 무기화, 군사력 강화 등으로 호황을 맞고 있지만, 한편으로 중국 조선소의 추격, 높은 원가와 인건비, 친환경 선박 생산의 어려움, 숙련 인력의 이탈, 그리고 신사업 발굴 필요성 등으로 인해 위기감을 갖고 있기도 하다. 이태진 전무는 이러한 상황에서 디지털 전환은 조선산업의 미래를 위한 필수 요소라고 진단하면서, 2020년부터 2030년까지 10년간 디지털로 최적 운영되는 초일류 조선소 구현을 목표로 하는 HD현대의 디지털 전환 전략을 소개했다. HD현대의 ‘FOS(Future of Shipyard)’ 프로젝트는 조선소 데이터의 디지털화, 데이터 연결 및 최적화, 지능형 조선소 구축 등 세 3단계로 진행되며, 그 핵심은 차세대 CAD와 PLM을 근간으로 하는 차세대 설계/생산 통합 플랫폼 구축에 있다.   ▲ HD현대 이태진 전무   HD현대의 차세대 설계/생산 통합 플랫폼은 연결성, 일하는 방식의 변화, 전체 업무 효율 극대화, 디지털 제조 기반 구축 등 네 가지 핵심 목표를 지향한다. 이를 실현할 수 있는 차세대 CAD/PLM 구축을 위해 HD현대는 올해 말 최종 설루션을 선정하고 2026년부터 구축에 들어갈 예정이며, 설루션 선정뿐만 아니라 업무 프로세스 변화를 함께 추진할 계획이다. 이태진 전무는 “PLM/DX는 제조업 경쟁력 강화의 핵심 구현 수단이며, 디지털 스레드는 생산, SCM(공급망 관리), MRO(유지보수, 수리, 운영) 사업까지 연결하여 새로운 부가가치를 창출할 기회가 될 것”이라고 전망하면서, “이러한 설계/생산 디지털 전환이 장기적으로 제조산업의 경쟁력 강화에 크게 기여할 것이며, ERP, SCM, 데이터 플랫폼, AI 등 모든 연관 시스템과의 연결이 중요하다”고 덧붙였다.   기술 트렌드부터 사례까지, PLM·DX의 현재와 미래 짚다 ‘PLM/DX 베스트 프랙티스 컨퍼런스 2025’의 기조연설에 이어 오후 시간에는 ▲베스트 프랙티스 ▲트렌드/신기술/설루션 ▲ SDM(MES/MOM) 등 세 개의 트랙에서 18편의 발표가 진행됐다.   ■ 같이 보기 : [포커스] 기술 트렌드부터 사례까지, PLM·DX의 현재와 미래 짚다   또한, 부스 전시에서는 제조 혁신을 실현하기 위한 디지털 전환 및 인공지능 전환 설루션 기술이 다양하게 소개되어 참가자들의 눈길을 끌었다.   ▲ 다쏘시스템 부스   ▲ 마이링크 부스   ▲ 세원에스텍 부스   ▲ 쓰리피체인 부스   ▲ 씨이랩 부스   ▲ 아이지피넷 부스   ▲ 인코스 부스   ▲ 한화시스템 부스     ■ 기사 내용은 PDF로도 제공됩니다.