21세기 초 말엽인 2025년의 오늘, 반도체산업은 다시금 국제 분업 구조 재편이 빠른 호흡으로 진행되고 있다. 지각 변동의 요인은 크게 두 가지다. 첫째, 스마트폰·태블릿PC·워치·스마트카 등 ICT 디바이스의 대규모 누적 보급과 최근 인공지능 패권 경쟁 격화로 인한 데이터센터로의 수요 중심 이동, 둘째, 미국의 지배력 강화 시도와 중국의 급격한 추격으로 인한 기존 과점 안정화 구도의 붕괴 가능성이다. 금번 국제 분업 구조 재편의 승리자 대열에 선다면, 금세기 중반 혹은 그 이후까지 우리 반도체산업의 번영은 물론 인공지능의 기반 공급 국가로서 한국의 국가·경제안보 레버리지 역시 한층 강화할 수 있다. 대외 여건의 압력과 기회를 우리 내부 역량의 진화와 혁신적 돌파의 동력으로 활용하기 위하여 향후 5년 전폭적 지원이 필요하다.   출처 : 산업연구원

비행 훈련부터 제품 개발·운영까지 아우르는 핵심 인프라를 목표로   최근 몇 년 사이 시뮬레이션 산업은 디지털 트윈, AI(인공지능), VR(가상현실)/AR(증강현실) 등 첨단 디지털 기술 중심으로 빠르게 재편되고 있다. KAI(한국항공우주산업)는 이러한 흐름에 발맞춰 언리얼 엔진을 도입함으로써 항공산업 전반에 걸친 디지털 혁신을 추진하고 있다. ■ 자료 제공 : 에픽게임즈   KAI는 KT-1 기본 훈련기, T-50 고등훈련기, 수리온 기동헬기, 송골매 무인기 등 다양한 항공우주 시스템을 자체적으로 설계 및 제작하며, 지난 40년간 항공산업 및 국방산업을 선도해 온 종합 항공우주 설루션 기업이다. 최근에는 소형무장헬기(LAH)와 차세대 전투기 KF-21 개발을 비롯해 위성과 발사체 총조립 등 우주 분야로도 사업을 확대하고 있다. KAI는 2024년 ‘언리얼 페스트 시애틀 2024(Unreal Fest Seattle 2024)’에 참가해 자사의 시뮬레이션 전략을 소개하는 세션을 진행했다. 이번 호에서는 이 발표 내용을 바탕으로 시뮬레이션 산업의 급변하는 흐름 속에서 KAI가 어떻게 대응하고 있는지, 언리얼 엔진을 중심으로 한 시뮬레이션 통합 전략과 실제 적용 사례, 그리고 향후 비전 등을 중심으로 KAI의 기술 혁신에 대해 살펴본다.   ▲ 이미지 출처 : ‘KAI의 언리얼 엔진 기반 차세대 시뮬레이션 에코시스템 | 언리얼 엔진’ 영상 캡처   시뮬레이션 산업의 변화와 KAI의 대응 최근 시뮬레이션 산업은 빠르게 발전하며 구조적인 변화를 겪고 있다. 클라우드 기반 시뮬레이션 도입으로 언제 어디서든 고성능 자원에 접근할 수 있게 되었고, 디지털 트윈, AI, 머신러닝 기술의 결합을 통해 시뮬레이션은 단순한 재현을 넘어 예측과 최적화를 수행할 수 있는 툴로 진화하고 있다. 또한 VR/AR/MR(혼합현실) 기술은 훈련의 몰입감과 현실감을 높여 실제 환경과 유사한 시뮬레이션을 가능하게 하고, 마이크로서비스 아키텍처를 기반으로 한 소프트웨어 설계는 유연성과 확장성을 높이고 있다. KAI는 이러한 디지털 전환에 적극 대응하기 위해 전통적인 레거시 시뮬레이션 시스템을 언리얼 엔진과 통합하고 있다. 핵심 전략은 세 가지이다. 첫째, 언리얼 엔진을 활용한 빠른 프로토타이핑으로 기술 검증과 적용 속도를 높이는 것이다. 둘째, 표준화된 인터페이스를 통해 기존 시스템과의 원활한 연동을 실현하는 것이다. 셋째, 지속 가능한 콘텐츠 개발을 위한 플랫폼 설계로 장기적인 생태계 구축을 추진하는 것이다. 이를 통해 KAI는 기존 자산의 가치를 극대화함과 동시에 급변하는 기술 환경에 유연하고 효율적으로 대응하고 있다.   언리얼 엔진이 변화하는 시뮬레이션 산업에 주는 영향 언리얼 엔진은 시뮬레이션 산업의 진화에 있어 중요한 역할을 하고 있다. 우선 고품질의 리얼타임 3D 그래픽을 통해 현실감 있는 몰입형 시뮬레이션 환경을 구현할 수 있어, 훈련과 테스트의 효율성을 높이고 있다. 또한 VR/AR/MR과의 통합 지원은 다양한 산업에서 실제 같은 체험 기반 학습을 가능하게 한다. 언리얼 엔진의 모듈형 아키텍처와 개방된 생태계는 기존 레거시 시스템과의 통합을 쉽게 하고, 새로운 기술이나 기능을 빠르게 적용할 수 있는 유연성을 제공한다. 특히 디지털 트윈, AI, 머신러닝 등 최신 기술과의 연계가 원활하여 복잡한 시스템의 설계, 유지보수, 운영 효율을 높일 수 있다. KAI와 같은 기업에게 언리얼 엔진은 단순한 툴을 넘어, 지속 가능한 시뮬레이션 콘텐츠를 개발하고 새로운 시뮬레이션 생태계를 구축하는 핵심 기술로 자리잡고 있다.   ▲ KAI의 시뮬레이터로 본 FA-50의 모습(이미지 출처 : KAI)   기존 시스템에 언리얼 엔진을 통합한 사례 KAI는 항공기 훈련 체계에 언리얼 엔진을 도입해 현실성과 효율을 갖춘 시뮬레이터를 개발하고 있다. 대표적으로 VR 시뮬레이터의 경우, 조종사가 풀 플라이트 시뮬레이터에 들어가기 전 VR 기기를 통해 절차와 조작 감각을 사전에 익힐 수 있도록 돕고 있다. 언리얼 엔진으로 실제 항공기와 동일한 가상 조종석을 구현해 이륙/착륙, 비상절차, 항전 장비 조작 등을 별도 교관 없이 반복 학습할 수 있도록 했다. 기존의 시뮬레이터는 실제 항공기 수준의 조작감과 훈련 효과를 제공하지만, 높은 구축 비용과 운영 비용, 전용 시설의 필요 등으로 대량 보급에 한계가 있었다. KAI는 이러한 문제를 보완하기 위해 VR 기술을 도입했다. 언리얼 엔진은 영상 발생 장치, 계기 패널, 입출력 장치 등을 대체한 것은 물론, VR HMD(헤드 마운트 디스플레이) 하나만으로 기존의 여러 장치를 필요로 하는 대형 시현 시스템의 효과를 구현할 수 있게 했다. 또한 KAI는 독자적인 역학 모델과 항전 시스템을 언리얼 엔진의 실시간 렌더링과 결합해 실제 조종과 유사한 수준의 훈련 환경을 제공하고 있다. GIS(지리 정보 시스템), DEM(수치 표고 모델) 등 초정밀지도 기반의 한반도 3D 지형을 재현해 조종사의 임무 지역 지형 학습까지 지원하고 있다. 정비 훈련 분야에서도 언리얼 엔진은 핵심 플랫폼으로 활용되고 있다. 2024년 I/ITSEC 전시회에서 공개된 FA-50 정비 훈련 시뮬레이터는 VR 환경에서 점검과 부품 교체를 실습할 수 있을 뿐만 아니라, 사용자가 직접 교육 과정을 만들 수 있도록 설계됐다. 이를 통해 기존 문서와 평면형 CBT(컴퓨터 기반 훈련), 반복 시나리오 기반의 실습 중심 교육의 한계를 극복할 대안을 제시했다. 또한 같은 행사에서 선보인 수리온 헬기 비행 시뮬레이터(VFT)는 디지털 트윈과 고해상도 시각화를 통해 실제 기체 성능과 지형 정보를 반영한 몰입형 훈련 환경을 제공했다.   ▲ FA-50 비행 시뮬레이션의 디스플레이 장면(이미지 출처 : KAI)   시뮬레이션·시스템 개발에서 언리얼 엔진의 기여도 언리얼 엔진 도입 이후 KAI의 시뮬레이션 제작 파이프라인에는 큰 변화가 있었다. 데이터스미스를 활용해 카티아 등 설계 도구의 3D 모델을 쉽게 불러올 수 있어, 실제 설계 기반의 가상 조종석과 기체 모델을 빠르게 구축하고 별도의 모델링 없이 제작 시간을 줄일 수 있었다. 또한 자체 개발한 비행역학 엔진과 항공전자 시뮬레이션 소프트웨어를 언리얼 엔진과 실시간으로 연동해, 백엔드 시스템과 시각화 프론트엔드를 효과적으로 통합함으로써 전반적인 생산성이 향상되었다. 특히 조종사가 시각과 청각 정보를 통해 상황을 판단하는 VR 시뮬레이터 개발에서는 언리얼 엔진의 렌더링, 사운드, 애니메이션 기능이 핵심 도구로 사용되었다. 물리 기반 렌더링(PBR)은 금속, 유리, 계기판 등 재질을 사실적으로 구현했으며, 파티클 시스템과 머티리얼 노드를 통해 연기, 공기 왜곡 등의 시각 효과도 유연하게 조정할 수 있었다. 사운드 역시 메타사운드를 통해 엔진 RPM이나 환경 변화에 따라 실시간으로 반응하며, 조종사에게 실제 비행과 유사한 감각을 제공했다. 또한 애니메이션 블루프린트를 활용해 조종간, 계기판, 비행 제어면 간 연동 애니메이션의 비주얼을 직관적으로 구현할 수 있었으며, 스카이 애트머스피어, 볼류메트릭 클라우드, 하이트 포그 등의 기능은 대기 표현과 공간 인식 훈련의 몰입감을 높였다. 지형 구현에서도 언리얼 엔진의 LWC(Large World Coordinates)를 통해 수천 km 단위의 지형에서도 고속 이동 시 정밀도를 유지할 수 있었고, 풀 소스 코드를 활용해 AI 훈련 체계에 맞는 좌표 변환, 시스템 연동, 정밀 지형 구조를 구현할 수 있었다. 이 과정에서 실제 지형 데이터, 항공 사진, 고도 정보를 언리얼 엔진에 통합했고, GIS, DEM 기반의 정밀 지형 정보를 효과적으로 활용해 복잡한 비행 경로, 저공 비행 훈련, 목표 탐색 등 고난도 시나리오도 현실감 있게 구현할 수 있었다. 그 결과 KAI는 초대형 지형 데이터, 초정밀 위치 기반 훈련, 외부 시스템과의 정밀한 좌표 연동을 모두 만족하는 차세대 항공기 시뮬레이터 플랫폼을 성공적으로 구축할 수 있었다. 이외에도 다양한 플러그인, 하드웨어 인터페이스, 형상 관리 툴 연동, 이제는 리얼리티스캔으로 변경된 리얼리티캡처, 마켓플레이스 등을 활용하여 프로젝트 확장성과 콘텐츠 제작 유연성이 높아졌다.   ▲ 애니메이션 블루프린트를 활용해 구현한 조종간(이미지 출처 : KAI)   대규모 전술 훈련을 위한 AI 에이전트를 언리얼 엔진에 도입 KAI는 차세대 전술 훈련 시뮬레이터 개발을 위해 강화학습 기반의 AI 에이전트를 실제 훈련 시나리오에 연동하는 작업을 진행 중이다. 특히, 복잡한 전장 환경에서는 다양한 무기 체계와 플랫폼이 동시에 운용되기 때문에, 이를 하나의 시뮬레이션 공간에서 유기적으로 연동하는 기술이 매우 중요하다. 기존 상용 시뮬레이터 설루션의 경우 외부 시스템 연동이나 커스터마이징에 제약이 많지만, 언리얼 엔진은 C++ 기반의 풀 소스 코드 접근이 가능해 이러한 한계를 극복할 수 있다. KAI는 이러한 개방성을 바탕으로 자체 개발한 AI 에이전트를 정밀하게 통합해, 복잡한 상호작용이 필요한 전술 훈련 시나리오에서도 실질적인 이점을 확보할 수 있었다. 이와 같은 통합은 단순히 AI를 활용하는 수준을 넘어, 인간 조종사와 AI가 동일한 시뮬레이션 환경에서 훈련하고 상호 작용할 수 있는 구조를 의미한다. 기존의 설루션으로는 구현하기 어려웠지만 KAI는 언리얼 엔진을 도입해 이를 실현할 수 있었다. 결과적으로 언리얼 엔진은 AI, 실시간 시뮬레이션, 데이터 피드백이 통합된 플랫폼을 제공하며, KAI의 차세대 전술 훈련체계 구현에 핵심 역할을 하고 있다.   ▲ 지형 데이터 통합으로 구현한 대규모 도시 지역 디지털 트윈(이미지 출처 : KAI)   향후 시뮬레이션 에코시스템의 방향과 KAI의 비전 향후 시뮬레이션 에코시스템은 개방성, 지속 가능성, 개인화를 중심으로 발전해 나갈 것이다. AI와 빅데이터를 기반으로 한 맞춤형 훈련 시스템, 클라우드 환경에서의 지리적 제약 없는 고성능 시뮬레이션 그리고 VR/AR, 웨어러블 기술 등을 활용한 몰입형 실시간 피드백 시스템이 표준이 되어갈 것으로 전망된다. 이러한 변화 속에서 KAI는 기술 통합형 플랫폼과 자체 시뮬레이션 에코시스템을 구축하며, 대한민국 시뮬레이션 산업의 지속 가능한 성장 기반을 마련할 예정이다. 언리얼 엔진을 단순한 개발 툴이 아닌 시뮬레이션 엔진으로 활용하며, 플랫폼을 중심으로 고퀄리티 콘텐츠를 빠르게 생산할 수 있는 시뮬레이션 콘텐츠 파이프라인을 개발 중이다. KAI의 비전은 국내를 넘어 글로벌 시뮬레이션 에코시스템과 연결되는 것이다. 언리얼 엔진의 개방성과 기술력을 바탕으로 산업 전반에 걸쳐 공유 가능한 시뮬레이션 플랫폼을 만들고, 이를 통해 다양한 산업, 기관, 개발자가 협력할 수 있는 건강하고 확장 가능한 에코시스템을 조성하는 것이 목표다. 이러한 방향성과 비전을 바탕으로, KAI는 시뮬레이션 기술을 단순한 훈련 도구를 넘어 제품 개발, 유지보수, 운영 효율 개선을 위한 핵심 인프라로 성장시키고자 한다.     ■ 기사 내용은 PDF로도 제공됩니다.

주요 디지털 트윈 소프트웨어   대용량 엔지니어링 데이터의 경량 시각화 솔루션, VIZZARDX  개발 및 자료 제공 : 소프트힐스, 02-499-9998, www.Softhills.net 소프트힐스의 목표는 3D 엔지니어링 데이터 인터페이스 및 경량화, 실시간 시각화, 이기종 CAD 모델의 통합, 다양한 플랫폼과의 연계를 PC, 웹, 모바일 기반으로 구현하는 것이다. 이를 위해 플랫폼 간의 데이터 인터페이스를 제공, 대용량 데이터 가시화를 위한 대표 형상 우선 처리 방식 적용, 3D 형상의 대표성을 기준으로 6단계로 원본 데이터 분류, 시야 범위, 모델과의 거리 등의 기준을 통해 최소 데이터로 3D 화면 처리 등 핵심 역량을 집약하여 가볍고 빠르면서 실제와 유사한 스마트 조선을 위한 디지털 트윈의 새로운 지향점을 제시할 계획이다. 1. 주요 특징  소프트힐스는 2025 플랜트 조선 컨퍼런스에서 ‘대용량 엔지니어링 데이터의 경량 시각화’ 솔루션을 중심으로 광대역 지형정보 기반 3D 모델 통합 및 경량 가시화 기술을 선보였다. 소프트힐스는 3D 엔지니어링 데이터(모델, 속성)의 경량화 및 시각화의 원천기술을 보유한 국내 유일의 3D 엔지니어링 데이터 서비스 전문기업이다. 대형 엔지니어링 데이터의 활용이 필요한 조선해양, 플랜트, 건설 산업 분야에 3D모델 경량화 및 가시화를 통한 리뷰, 공정 관리, 생산과 설계의 연계를 위한 솔루션을 공급하였다.  소프트힐스의 솔루션은 서버와 뷰어 계열로 나뉘는데 서버는 경량 변환 서버 VIZPub, 엔지니어링 데이터 관리 플랫폼 VIZOn, 간섭 체크 서버 VIZClash 등이 있고, 뷰어는 PC용 VIZZARD(비자드) / VIZZARDX(비자드엑스) / VIZDesign, 웹용 VIZWeb3D / VIZWide3D, 모바일용 VIZWing이 있다. 2. 주요 기능 소프트힐스의 솔루션은 서버와 뷰어 계열로 나뉘는데 서버는 경량 변환 서버 VIZPub, 엔지니어링 데이터 관리 플랫폼 VIZOn, 간섭 체크 서버 VIZClash 등이 있다. 뷰어는 PC용 VIZZARD / VIZZARDX / VIZDesign, 웹용 VIZWeb3D / VIZWide3D, 모바일용 VIZWing이 있다. 스마트 조선 분야에서 소프트힐스 솔루션은 다음과 같이 활용될 수 있다. • 경량 3D 모델의 설계, 생산, 시공, 운영, 유지보수 활용을 위한 기반 기술 구현  • 교통, 환경, 기상, 관광, 소방, 에너지 등 스마트 건설 분야에 필요한 각종 정보들을 3D 엔지니어링 데이터 기반으로 통합 관리 • 기업, 발주처, 협력사의 설계 및 생산 간 3D 기반 소통, 협업 환경 구축 3. 도입 효과 설계, 생산, 시공 스마트 조선 제조산업과 대형 프로젝트 산업의 생산, 시공 부문의 3D 기반 프로세스로의 전환 산업 O&M 스마트팩토리/야드 3D 가상화 모델 기반의 운영, 유지보수 체계 확립 도시환경관리 스마트시티 도시 내 교통, 환경, 기상, 관광, 소방, 에너지 등 각종 정보를 3D 엔지니어링 데이터 기반으로 통합 관리 3D 기반 비대면 협업환경 기업내부, 발주사, 협력사, 설계 및 생산 간 3D 기반 소통, 협업 환경 구축 디지털 트윈 서비스 개발, 확장 개방형 서비스 API을 통한 산업용 디지털 트윈 응용 서비스 개발 환경 제공   5. 주요 고객 사이트 HD한국조선해양, HD현대중공업, HD현대미포, HD현대미포조선, 현대삼호중공업, 대우조선해양, 한화에어로스페이스, SK하이닉스, 방사청, LS인렉트릭, 퍼시스 등 조선해양 플랜트, 건설 분야외 도시 환경, 우주항공, 방위산업, 일반 기계, 소비재 분야에 솔루션을 공급하여 10개국 250개 기업에 5,000개 이상의 라이선스와 11,000명 이상의 사용자를 보유하고 있다. 상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

현장에서 얻은 것 No. 20   피곤했지만 놓칠 수 없는 기회, AI 스터디그룹(데이터공작소)에서 답을 찾다.”   AI 시대, 배움과 연결에서 찾은 성장 동력 일상에 지쳐 몸은 천근만근이었지만, 빠르게 변화하는 인공지능(AI) 시대에 뒤쳐질 수 없다는 생각에 발걸음을 재촉했다. 특히 AI 기술이 단순한 효율성 도구를 넘어 업무 방식과 산업 지형을 근본적으로 바꾸고 있다는 통찰 앞에 서니, 피로감은 부차적인 문제로 느껴졌다. 이러한 변화의 파고를 헤쳐나갈 답을 찾기 위해, 필자는 주말에 스터디하는 데이터공작소 TFT, 데이터 공작소의 매주 월요일 줌강의, 매달 모임과 자율주행 회사들의 특별한 만남인 미모셀, 지식을 공유하고 서로 도움을 주는 네트워크 모임인 한국미래융합연구원 등 AI 및 관련 기술 스터디 그룹의 문을 두드렸다. 이곳에서 만난 전문가들과의 지식 공유와 토론은 필자가 가진 궁금증을 해소하고 새로운 가능성을 탐색하는 데 귀중한 기회가 되었다. “배우는 법을 배우라.” − 데미스 허사비스(Demis Hassabis) CEO, 구글 딥마인드   ▲ 피곤했지만 놓칠 수 없는 기회, AI 스터디그룹   AI 에이전트와 MCP : AI의 실행력을 극대화하는 연결 고리 탐색 스터디 그룹에서 가장 주목받는 개념은 AI 에이전트였다. AI 에이전트는 환경을 인식하고 스스로 결정하며 목표를 달성하는 소프트웨어 개체로 정의된다. 독립적으로 작동하며 목표를 향해 지속적으로 학습하고 개선하는 특징을 가진다. 데이터를 수집, 분석하고 최적의 행동을 선택하여 실행하는 방식으로 작동하며, 질문에 대한 하위 질문을 생성하고 리서치한 후 포괄적인 답변을 제공하거나 AI 요약 결과를 자동화하고 개선하는 등 다양한 기능을 수행할 수 있다. 일부는 다양한 도구를 사용하여 복잡한 작업을 수행하는 완전 자율 시스템으로 정의되기도 하고, 미리 정의된 워크플로를 따르는 규범적인 구현을 설명하기도 한다. 이러한 AI 에이전트의 역량을 극대화하는 핵심 기술로 MCP(Model Context Protocol)가 소개되었다. MCP는 LLM(Large Language Model) 애플리케이션과 외부 데이터 소스 및 다양한 도구 간의 원활한 통합을 가능하게 하는 개방형 프로토콜이다. 마치 USB-C가 다양한 전자기기를 연결하듯, MCP는 웹 서비스와 AI 에이전트를 연결하여 AI가 서비스에 직접 접근할 수 있도록 돕는 핵심 기술이다. 이를 통해 LLM은 단순히 텍스트를 생성하는 것을 넘어 현실의 도구들과 연결되며 이메일 작성 및 전송, 캘린더 약속 등록, 슬랙 메시지 전송, 파일 저장 및 정리, 소셜 미디어 검색 및 게시, 스프레드시트 데이터 정리, 줌 회의 예약 및 회의록 작성, 노션 자료 활용 등 다양한 작업을 실행할 수 있게 된다. 이는 에이전틱 AI(agentic AI) 발전의 중요한 요소로 강조되었다. 또한, MCP는 프레임워크나 벤더에 관계없이 에이전트 간 상호 운용 가능한 통신을 안전하게 지원하는 것을 목표로 한다. API와 MCP가 반드시 필요한 것은 아니지만, 엄청난 잠재력을 가지고 있다는 점이 강조되었다. API 연결은 개발자에게도 쉬운 일은 아니며 권한 부여 문제 등이 있기 때문에, MCP가 이를 더 쉽게 만들 수 있는지에 대한 고민도 있었다. “미래를 예측하는 최선의 방법은 미래를 창조하는 것.” − 정종기 박사, AI 비즈니스 전문가   바이브 코딩과 커서 : AI를 개발 동료로 활용하는 방법 AI 스터디에서는 개발의 패러다임 변화인 ‘바이브 코딩’에 대한 논의도 활발했다. 전통적인 코딩이 ‘개발자가 자신의 작업을 대신할 프로그램을 만드는 것’이라면, 바이브 코딩은 ‘AI가 자신의 작업을 대신할 프로그램을 만드는 것’이다. 이는 AI에게 개발을 외주로 맡기는 것과 유사한 개념으로 설명된다. 좋은 바이브 코더는 좋은 외주 의뢰자가 갖춰야 할 다섯 가지 역량을 AI에게 적용해야 한다. 내 문제를 풀기 위한 작업 정의(PRD, 유저 플로) AI가 잘 이해할 수 있게 의사소통(프롬프트, 지침) 프로그램을 잘 만들기 위한 리소스 지원(데이터, API, 실행/배포 환경) 프로그램이 의도대로 동작하는지 검수(자동화 테스트) 이 과정에서 모르는 것을 배워 점차 스스로 할 수 있게 되는 것이다. 커서(Cursor)는 이러한 ‘LLM-assisted IDE’ 개념을 제시하는 도구로 소개되었다. 복잡한 프로그래밍 지식, 문서, 오류 메시지 기반의 학습 곡선이나 사전 설계 중심의 신중한 개발 문화, 툴과 언어, 개발 환경의 복잡성 같은 문제 속에서 커서는 아이디어를 즉각 코드로 구현하고 비전문가의 접근성을 폭발적으로 증대시키며 LLM 기반의 빠른 실험과 피드백 루프를 가능하게 한다. 문법 대신 의도 전달과 맥락 중심으로 전환되는 패러다임의 변화를 지원한다. 데이터공작소 개발TFT(서울팀) 관련 세션에서는 커서를 활용한 실질적인 개발 프로세스가 시연되었다. 혼자서 다양한 역할을 수행하는 ‘솔로프리너’ 관점에서 기획부터 개발, 테스트, 배포, 모니터링, 마케팅까지 전 과정을 AI와 함께 진행하는 방법이 제시되었다. 커서를 통해 아이디어 구체화, 기획 문서 작성(PRD, 비즈니스 모델 캔버스), 프로젝트 관리(Task Master MCP를 활용한 작업 목록 생성, 복잡도 계산, 하위 태스크 분해), 실제 코드 작성, 그리고 문서화(Obsidian 연동) 등이 가능함을 보여주었다. 특히 개발 경험이 있는 발표자인 어니컴의 최성훈 팀장은 커서를 통해 불편하고 반복적인 작업의 상당 부분을 자동화하고, 단계별로 명확한 지시를 내리며 태스크 관리를 통해 AI가 맥락을 이해하도록 유도하는 장점을 강조했다. 그는 커서를 쓰면서 처음에는 AI가 코딩을 짜는 것을 도와주는 정도라고 생각했고, 코드를 다 안 봐도 알아서 다 짜 주는 줄 알았다고 했다. 하지만 실제로 해 보니 절대 그렇지는 않았고, 다만 불편하거나 반복적인 작업에서는 충분히 활용 가치가 있음을 느꼈다고 했다. AI와 소통하며 생각을 체계화하고 문서화하며 원하는 것을 구체화하고 실행 계획을 짜서 이뤄가는 과정을 보였다고 했다. 그는 커서 하나로 A부터 Z까지 다 해 볼 수 있겠다는 느낌을 받았고, 솔로프리너를 목표로 하는 사람들은 연구해 볼 만하다고 개인적인 의견을 덧붙였다. AI에게 외주를 맡기는 개념이기 때문에 사람이 명확하게 문제 정의를 하고, 의사소통하며, 검수하는 역할이 중요하다고 언급했다. 또한, 커서가 굉장히 많은 도움을 주었다고 말했다. 개발자는 커서를 통해 코드의 문제점이나 개선 포인트를 찾는 데 도움을 받을 수 있고, 혼자 개발하면서 보조적인 도움이 필요할 때 효과적일 수 있다고 했다. 또한 자동 PR 요약이나 커밋 메시지 작성 등 깃(Git)과의 연동도 잘 되는 장점이 있었다. 오랜 개발 경험을 가지고 있는 양선희 대표는 필자의 숙원 고민거리를 반나절만에 해결해 주었다. 디자인씽킹 기법 중 첫 번째인 공감대 형성의 템플릿을 시스템화시켜 주었다. 클로드(Claude)로 대화하듯이 고민거리를 얘기하고 프로그램 기획, 개발, 테스트 등을 통해 언제든지 실행 가능한 설루션으로 만들어 주었고 소스도 공유했다. 보안 분야를 다루면서 다양한 경험을 통해서 항상 정리를 잘 하고 번뜩이는 아이디어를 내는 NSHC 장주현 이사와 AI인터시스 신동욱 대표는 AI 일타 강사이다. 항상 새로운 기술, 주제를 뚝딱 만들어내고 강의도 잘 한다. 최근에는 개발, 교육을 병행하느라 전국을 일일 생활권으로 두고 있다. 신동욱 대표의 회사에서 핵심 인재인 정성석 상무는 차세대 유망주인데, 알고 보니 고등학교 후배였다. 세상은 넓고 할 일은 많지만, 오늘 이 모임이 있기까지 도움을 준 데이터마이닝 이부일 대표는 유튜브 R릴에오를 통해 데이터 통계 분석 기법을 유튜브로 알렸다. 2022년 콘셉트맵 캘린더 9월호의 주인공으로 모신 인연으로 SNS에서 자주 소통하고 온/오프라인으로 인연을 이어가고 있다. “결국 실행되는 지식만이 힘이다.” − 데일 카네기   노트북LM : 개인 맞춤형 학습 및 연구 파트너 활용 또 다른 유용한 AI 도구인 노트북LM(NotebookLM)은 맞춤형 AI 리서치 어시스턴트이자 AI 기반 학습 및 연구 파트너로 소개되었다. 노트북LM의 가장 큰 강점은 사용자가 제공한 소스 내에서만 정보를 검색하고 답변을 생성하여, 환각 현상을 줄이는 데 도움을 준다는 것이다. PDF, 구글 드라이브 문서, 웹사이트 링크, 유튜브 링크, 마크다운 등 다양한 형태의 소스를 학습할 수 있으며, 특히 유튜브 공개 동영상 URL을 소스로 사용할 수 있는 점은 챗GPT에서 제공하는 프로젝트 기능과의 차별점으로 언급되었다. 노트북LM의 주요 기능으로는 학습 자료(소스) 내 정보 검색 및 답변 생성, 소스 요약(핵심 내용 추출), 추가 탐색, 메모 추가 및 소스 전환, AI 오디오 오버뷰(팟캐스트 형태의 요약 청취), 오버뷰, 마인드 맵(소스 기반 개념 및 관계 구조화), 생성 맞춤 설정, 학습 가이드, FAQ 생성, 브리핑 문서, 타임라인(시간적 순서 정리), 소스 검색, 심화 질문 및 분석 등이 있다. AI 오디오 오버뷰 기능은 두 명의 팟캐스트가 대화 형식으로 소스 내용 중 중요한 부분을 6~7분 분량의 팟캐스트로 만들어 주며, 원하는 내용에 초점을 맞추어 생성할 수도 있다. 시각 장애인에게도 좋은 서비스로 생각된다고 언급되었다. FAQ 기능은 우리가 생각하지 못했던 질문을 많이 만들어 준다고 했다. 마인드 맵 기능은 주어진 소스를 기반으로 개념과 관계를 시각화하는 데 상당히 잘 작동한다고 했다. 타임라인 기능은 소스에 있는 여러 이벤트를 시간 순서대로 정리해 주는데 정말 훌륭하다고 했다. 활용 사례로는 새로운 개념 이해, 핵심 자료 수집, 스터디 메이트 역할(학습 계획 관리, 질문/답변 학습, 복습, 약점 보완, 동기 부여), 모의 시험 및 문제 풀이, 창의력 및 사고력 훈련, 논문 관련 작업(주제 선정, 배경 탐색, 선행 연구 정리, 개념 정립, 논리 구성, 글쓰기 초안, 피드백) 등이 제시되었다. 특히 장비 매뉴얼 이해나 유튜브 영상 내용 파악에 유용하며, 논문 작성을 위한 참고 문헌 제안 및 형식 정리에도 활용될 수 있다고 했다 새로운 개념을 이해하고 싶을 때나 중요한 질문에 대한 핵심 자료를 만들고 싶을 때 소스 검색 기능이 유용하다고 했다. 다만 노트북LM은 과제나 태스크를 대신해주는 도구가 아니라 도와주는 어시스턴트라는 점과 좋은 소스를 제공하는 것이 중요하다는 점이 강조되었다. 쓰레기를 집어넣으면 쓰레기가 나온다는 ‘Garbage In, Garbage Out’이라는 말이 있듯이. 노트북LM만 단독으로 사용하기보다 챗GPT, 제미나이(Gemini) 등 다른 툴과 함께 사용하는 것이 더 중요하다고 생각한다고 했다. 다른 툴로 좋은 소스를 만들어서 노트북LM에 넣어 활용하는 선순환 구조를 잘 활용하면 좋다고 했다. “성공하고자 하는 의지가 강하다면, 실패 따위가 나를 압도할 수 없다.” − 정광천, 이노비즈협회 회장   다양한 스터디 그룹의 시너지 : 연결과 성장의 기회 한국미래융합연구원은 정기적인 지식 공유 모임을 통해 AI를 비롯한 다양한 분야의 최신 트렌드와 비즈니스 인사이트를 공유하는 플랫폼 역할을 하고 있다. 정종기 박사는 AI 비즈니스 전문가로서 AI 대중화 시대에 지속 가능한 미래 준비, AI 활용 능력의 중요성, 그리고 AI 트랜스포메이션에 대한 강의를 진행하며 멤버들에게 영감을 주고 있다. 그는 AI가 기업 경영의 효율화와 비용 절감에 핵심적인 역할을 하며 제조 등 다양한 산업에 영향을 미치고 있음을 강조한다. AI에게 일을 잘 시키는 사람이 능력 있는 사람이라고 했다. 미모셀은 미래 모빌리티 분야의 전문가들이 모여 업계 동향 공유와 네트워킹을 하는 그룹이다. 자율주행 기술, 센서(라이다, 레이다), SDV(Software Defined Vehicle) 등 모빌리티와 AI가 접목되는 분야의 최신 정보를 공유하고 토론한다. 어려운 시기에도 서로 힘이 되고 지지하는 관계를 형성하며 연결의 중요성을 보여준다. 미모셀의 목표는 대표님들의 어깨를 가볍게 해 드리는 것이라고 했다. 이처럼 다양한 스터디 그룹은 AI 기술 자체뿐만 아니라 기술이 비즈니스, 커리어, 그리고 사회 전반에 미치는 영향에 대해 깊이 있게 논의하고 있다. 유발 하라리 교수는 초지능 AI가 인류를 파멸로 이끌 위험이 있지만 경쟁 때문에 개발 속도를 늦추지 못하며, AI는 단순 도구가 아닌 스스로 생각하고 결정하는 주체(agent)라고 했다. AI는 인간과 달리 휴식이 필요 없어 지속적으로 활동 가능하며, 알고리즘 속도를 인간의 속도에 맞게 조절해야 한다고 했다. 또한, AI는 인간을 대체해 불평등한 사회를 초래할 가능성이 있다고 했다. 이러한 예측 속에서 AI 활용 능력은 개인과 기업의 생존에 필수라는 메시지가 반복적으로 강조된다. “AI 활용 능력이 당신의 생존입니다.” − 정종기 박사, AI 비즈니스 전문가   맺음말 : 배움과 연결을 통한 미래 준비 AI 시대는 불확실성이 높지만 지속적인 학습과 유연성 개발, 광범위한 역량 개발을 통해 기회를 잡을 수 있다고 한다. 특히 기술 변화에 대한 적응력과 개인적인 열정을 바탕으로 오픈소스 도구 등을 활용해 실습하고 실험해보는 것이 중요하다. 데이터공작소와 같은 AI 스터디 그룹, 데이터공작소 개발TFT(서울팀)에서의 실질적인 기술 학습, 미모셀에서의 산업 지식 공유, 그리고 한국미래융합연구원에서의 비즈니스 및 트렌드 통찰은 이러한 미래를 준비하는 강력한 기반이 된다. 피곤함에도 불구하고 참여했던 이 스터디 그룹들에서 필자는 AI 기술의 최신 동향과 더불어 그것이 어떻게 실제 업무와 비즈니스에 적용될 수 있는지, 그리고 개인의 역량을 어떻게 발전시켜야 하는지에 대한 실질적인 답과 영감을 얻을 수 있었다. 기술 도입을 넘어 조직 문화와 일하는 방식을 근본적으로 전환할 용기를 가지고 AI를 경쟁 상대가 아닌 협업 파트너로 받아들일 준비를 하는 것, 그리고 배움과 연결을 멈추지 않는 것이 이 급변하는 시대에 생존하고 번영하는 길임을 다시 한 번 확인했다.   ■ 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. 

DJI가 새로운 기업용 플래그십 드론 플랫폼인 ‘DJI 매트리스 400(DJI Matrice 400)’을 출시한다. 이 제품은 최대 59분의 비행 시간, 6kg의 페이로드, 라이다(LiDAR) 및 mmWave 레이더 기반의 정밀 장애물 감지 시스템 등 전반적인 성능이 향상되었다. DJI O4 엔터프라이즈(Enterprise) 영상 전송 시스템과 공중 릴레이 기능도 탑재해 영상 전송의 안정성과 효율성이 강화되었으며, 수색·구조, 송전선 점검, 대규모 매핑, 엔지니어링 및 건설 등 다양한 산업 목적 및 현장에 최적화되도록 설계되었다.     매트리스 400은 페이로드 탑재 상태에서도 최대 59분의 비행, 53분의 호버링이 가능하다. IP55 등급의 방진·방수 성능으로 -20℃에서 50℃까지의 극한 환경에서도 안정적인 운용이 가능하다. 라이다, mm-Wave 레이더, 저조도 풀 컬러 어안 비전 센서를 통해 야간 산악 지형의 고압선 과 같은 소형 장애물까지 감지하며, 최대 25m/s의 고속 비행 중에도 안정적으로 장애물을 피할 수 있다. 비전 포지셔닝 시스템은 복귀 지점이 업데이트되지 않아도 안정적인 복귀를 가능하게 한다. 또한 매트리스 400은 새로운 스마트 감지(Smart Detection), 스마트 AR 프로젝션(Smart AR Projection) 등 다양한 지능형 기능을 통해 작업 효율을 높인다. 예를 들어, Power Line AR 기능은 장애물을 인식해 조종기 화면에 시각화하여 회피를 돕는다. DJI O4 엔터프라이즈 전송 시스템은 최대 40km 거리에서 고품질 영상 전송을 가능하게 하며, 내장형 영상 중계 모듈은 네트워크 연결을 방해하는 요소가 많은 환경에서도 운영 범위를 크게 확장할 수 있다.  매트리스 400은 4개의 외부 E-Port V2를 통해 최대 7개의 페이로드를 동시에 장착할 수 있으며, 최대 탑재 하중은 6kg이다. 단일 및 듀얼 하향 짐벌 간 전환이 자유롭고, 세 번째 짐벌 포트도 지원한다. DJI 및 타사 페이로드와 호환되며, Zenmuse H30 시리즈, L2, P1, S1, V1, Manifold 3 등 넓은 호환성을 제공한다. DJI는 “사용자 동의 없이 사진·영상이 DJI와 공유되지 않으며, 미국 내 사용자는 비행 로그와 DJI 서버를 동기화할 수 없다”면서 강화된 보안 기능도 설명했다. 로컬 데이터 모드(Local Data Mode)를 활용하면 앱의 네트워크 연결을 차단하여 민감 데이터 보호가 가능하다. DJI의 크리스티나 장(Christina Zhang) 기업 전략 담당 수석 이사는 “DJI는 오랜 기간 동안 엔터프라이즈 드론을 통해 안정성, 효율성 및 신뢰성의 새로운 기준을 제시해왔다. 전 세계 다양한 산업 분야의 전문가들은 수색 및 구조 임무, 상황 인식, 상업적 작업에 DJI 드론을 적극 활용하고 있다”면서, “DJI 매트리스 400은 거의 한 시간에 달하는 비행 시간과 사람과 자산의 안전을 보장하는 지능형 기능을 통해 드론 기술의 한계를 다시 한 번 넓혔가고 있다”라고 말했다.

PR 및 마케팅 전문가 위한 ‘실전형 생성형 AI 지형도 3.0’ 소개    생성형 AI 지형도 3.0 (이미지 제공 : 함샤우트 글로벌) 함샤우트 글로벌이 급변하는 생성형 AI 시장의 흐름을 반영한 ‘생성형 AI 지형도 3.0’을 새롭게 선보였다. 지난해 3월과 9월에 이은 세 번째 업데이트를 통해 공개된 이번 지형도는 단순한 정보 나열을 넘어, 마케팅 실무자들이 실제 업무에 적용 가능한 ‘실행형 가이드’로서 AI 도구 선택의 기준을 제시하고 AI 시대의 전략적 도구 역할을 할 것으로 보인다. 마케팅 업무 42% 대체 전망…실무 중심 ‘실행형 AI 지형도’로 진화   IDC의 연구에 따르면 2026년까지 생성형 AI가 전통적인 마케팅 업무의 42%를 대체하고, 2029년까지 전체 마케팅 생산성을 40% 향상시킬 것으로 예측된다. 이미 79%의 마케터들이 콘텐츠 제작에 생성형 AI를 활용하고 있으며, 기업들의 30%는 AI 투자에서 2배의 투자수익률(ROI)을, 40%는 3배 이상의 ROI를 기대하고 있는 상황이다. 이러한 변화는 마케터의 업무 방식을 근본적으로 변화시키고 있다. 단순한 보조 도구를 넘어, 생성형 AI는 마케터가 전략 수립부터 실행까지 주도적으로 이끌어갈 수 있도록 돕는 ‘필수 업무 파트너’로 그 중요성이 커지고 있다. 함샤우트 글로벌은 이러한 시장의 흐름을 반영하여 이번 ‘생성형 AI 지형도 3.0’을 단편적인 AI 툴 분류를 넘어 실제 업무에 즉시 활용 가능한 실행형 가이드로 기획했다. 업무 목적별 AI 툴 정보 제공…클릭 한 번으로 상세 정보 확인   함샤우트 글로벌이 공개한 ‘생성형 AI 지형도 3.0’은 마케팅 및 PR 업무에 필수적인 △범용 생성형 AI, △콘텐츠 제작 및 편집, △데이터 분석 및 보고, △마케팅 및 프로모션 자동화, △업무 관리 영역에 특화된 AI 툴 정보를 제공한다. 특히 기존의 AI 지형도들이 단순히 AI 툴의 카테고리만 보여주는 것과 달리, 각 툴에 대한 자세한 정보를 확인할 수 있는 페이지로 연결되도록 제작된 것이 특징이다. PDF 형태로 제공되는 ‘생성형 AI 지형도 3.0’에서 툴 로고를 클릭하면 AI 전문 정보 플랫폼 ‘AI 매터스(AI Matters)’에서 제공하는 상세 정보를 확인하고 실제 업무에 바로 활용할 수 있도록 편의성을 높였다.   웹 탐색 기반 AI 툴 확산, 멀티모달 기능 통합 등 핵심 변화 주목   생성형 AI 시장이 빠르게 변화하는 만큼, 함샤우트 글로벌이 지난해 9월 발표한 2.0 버전과 비교했을 때 이번 ‘생성형 AI 지형도 3.0’에서는 다음과 같은 핵심적인 변화들을 확인할 수 있다. 가장 눈에 띄는 변화는 실시간 정보 검색 기능을 탑재한 웹 탐색 기반 AI 툴의 확산이다. 챗GPT나 퍼플렉시티(Perplexity)와 같이 뉴스 기사, SNS 트렌드, 업계 보고서 등 외부 정보를 실시간으로 검색하고 활용할 수 있는 기능이 적용된 툴이 크게 증가하여, 마케터들은 하나의 도구만으로 정보 조사부터 콘텐츠 제작까지 통합적으로 처리할 수 있게 되었다. 특히 마누스(Manus)나 젠스파크(Genspark)와 같은 AI 에이전트까지 등장하며 더욱 포괄적인 탐색과 심층적인 분석이 가능해졌다. 또한 이미지 생성, 텍스트 작성, 음성 합성, 영상 편집 등 다양한 기능을 하나의 툴에 통합한 ‘올인원 툴’, 즉 멀티모달 기능을 통합한 AI 툴이 급증했다는 점도 중요한 변화다. 전체 AI 툴 중 약 40%가 복합적인 멀티모달 기능을 제공하는 것으로 나타났다. 이와 더불어 한국어를 정식으로 지원하는 AI 툴이 크게 늘어 국내 마케팅 실무자들이 언어 장벽 없이 다양한 글로벌 툴을 활용할 수 있는 기반이 마련되었다. 지형도 2.0 발표 당시보다 한국어 지원 AI 툴이 40% 이상 증가한 것은 국내 사용자들에게 매우 긍정적인 변화라고 할 수 있다. AI 시대, SAO(Search AI Optimization) 전략 중요성 부각   생성형 AI의 대중화로 인해 소비자 행동 양상이 빠르게 변화하면서 함샤우트 글로벌이 연구한 DCA(Desire, Chat, Action) 모델과 같은 새로운 소비자 의사결정 과정이 중요하게 자리 잡고 있다. 소비자들이 AI와의 대화를 통해 정보를 얻고 구매를 결정하는 환경에서는 AI 생성 결과물에 브랜드가 어떻게 노출되는지가 마케팅의 핵심 요소로 떠오르고 있다. 따라서 기업들은 단순한 업무 자동화를 위한 AI 활용뿐만 아니라, SAO(Search AI Optimization), 즉 AI 검색 최적화를 통해 자사의 브랜드가 AI 생성 결과물에 효과적으로 노출될 수 있는 전략 수립에 더욱 심혈을 기울여야 할 것이다. 함샤우트 글로벌 김재희 대표는 “이번 지형도 3.0은 단순한 AI 트렌드 정리를 넘어, 생성형 AI 시대에 마케팅 실무자들에게 실질적으로 필요한 도구와 정보의 길잡이를 제공하는 데 큰 의미가 있다”며 “빠르게 발전하는 AI 생태계 속에서 지형도 3.0은 실전 마케터들의 ‘AI 나침반’이자 전략적 의사결정을 위한 로드맵이 될 것”이라고 강조했다. 이번에 공개된 ‘생성형 AI 지형도 3.0’을 통해 마케터들은 자신의 업무 목적에 따라 필요한 AI 툴을 쉽고 빠르게 선택할 수 있다. 첨부 파일에서 고해상도 파일로 다운 가능하다.

디지털 트윈과 산업용 메타버스 트렌드   데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다.  디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.   ▲ 철도 네트워크의 디지털 트윈 구축하는 독일 디지털 철도(이미지 출처 : 엔비디아)   1. 디지털 전환과 디지털 트윈 디지털 전환(Digital Transformation: DX)은 비즈니스 전 과정에 ICT 기술을 도입하여 전사적 업무, 생산 기술, 제품 등을 디지털화 한 후 이를 기반으로 가상 실험이 가능한 디지털 환경을 구축하는 것이다.  디지털 전환의 궁극적 목적은 기업 이윤 극대화에 필요한 업부/생산 효율성 및 제품 부가 가치 증대를 위한 다양한 창의적 대안들을 가상 실험을 통해 평가한 후 그 결과를 비즈니스 전 과정에 활용하는 것이다. 예를 들어, 스마트 팩토리의 디지털 전환은 조달 시스템, 생산 시스템, 물류 시스템 등 스마트 팩토리 구성요소들의 자원 할당 및 운용에 대한 다양한 대안들을 가상 실험을 통해 평가할 수 있는 환경을 구축하여야 한다. 그렇다면, 비즈니스 전 과정을 가상 실험하기 위해서는 무엇이 필요할까?  가상 실험을 하기 위해서는 먼저 가상 실험 대상(예: 제조 공장)을 선정하고, 다음으로, 가상 실험 시나리오(예:새로운 제조 장비 도입)가 필요하며 시나리오를 수행할 모델(예: 제조 공정 시뮬레이션 모델)이 필요하다. 이러한 가상 실험을 위한 모델이 디지털 트윈이며 이런 이유로 많은 사람들이 디지털 트윈을 DX의 Key(Richard Marchall, 2017), DX의 Enablers(Reterto Saracco, 2019), DX의 Central(Vijay Ragjumathan, 2019), DX의 Steppingstone(Harry Forbes, 2020), DX의 Pillar(Fransesco Belloni, 2020)라고 지적하였다.   2. 디지털 트윈의 정의 디지털 트윈은 물리적 자산, 프로세스 및 시스템에 대한 복제본으로 정의[Wiki 사전]되며, 복제본이란 대상 체계의 운용 데이터, 지형/공간/형상 정보 및 동작/운용 법(규)칙을 컴퓨터 속에 디지털화 해 놓은 것을 의미한다. 예를 들면, 제조 공장의 디지털 트윈은 제조 공장의 운용 데이터, 제조 공장의 공간/형상 정보, 그리고 제조 장비 동작 및 공정 모델이 컴퓨터 속에 복제된 것이 될 것이다. 디지털 트윈과 대상 체계가 쌍둥이기 때문에 쌍둥이 중 누가 먼저 태어났느냐에 따라 디지털 트윈의 이름을 다르게 붙이기도 한다. 대상 체계가 존재하기 전에 만들어진 디지털 트윈을 디지털 트윈 프로토타입(Prototype) 그리고 대상 체계가 만들어진 후 복제된 디지털 트윈을 디지털 트윈 인스턴스(Instance)라고 부른다. 디지털 트윈 프로토타입은 대상 체계 설계 단계에서 활용되며 디지털 트윈 인스턴스는 대상 체계의 운용 분석에 활용되는 것이 일반적이다. 디지털 트윈 인스턴스(실 체계의 복제본)와 디지털 트윈 프로토타입(실 체계의 설계 모델)이 모두 존재할 수도 있지만 디지털 트윈 프로토타입 없이 디지털 트윈 인스턴스만 존재할 수도 있다. 디지털 트윈 프로토타입과 인스턴스가 모두 존재한다면 인스턴스는 프로토타입에 실 체계 운용 정보가 반영되어 진화(성장)된 트윈으로 볼 수 있다. 3. 디지털 트윈 구축 목적 디지털 트윈의 구축 목적은 대상 실 체계와 디지털 트윈을 연동 운용함으로써 실 체계 관련 이해 당사자에게 지혜 수준의 혁신적 서비스를 제공할 수 있는 핵심 도구/수단으로 활용하기 위함이다. 데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다. 융합 빅 데이터는 AI-통계/공학 분석도구들을 이용하여 실 세계의 구성요소인 자산, 사람, 운용 프로세스들의 다양한 결합에 대한 분석/예측 및 체계 운용 최적 대안(최적화)을 찾는데 활용될 수 있다. 아울러, 융합 빅 데이터는 실 세계를 가상 환경에서 현실감 있게 표출할 수 있는 다양한 장비/장치와 VR/AR/XR/메타버스 관련 ICT 기술과의 융합 인터페이스를 통해 오락, 관광, 교육 훈련, 체험 등에 활용될 수 있다.     디지털 트윈의 복제 대상은 실 체계의 운용 데이터, 공간/형상 정보 및 실 체계에 포함된 객체들의 행위 모델 등 3가지이다. 운용 데이터는 실 체계에 설치된 IoT 장비로부터 획득이 가능하다. 공간/형상 정보는 서비스 목적에 따라 GIS, BIM 혹은 3D CAD 중 한 가지 이상을 결합하여 사용한다. 객체 행위 모델은 다양한 시나리오를 가상 실험하기 위한 시뮬레이션 모델을 사용하지만 서비스 목적에 따라서는 운용 데이터를 학습한 데이터 모델을 사용할 수도 있다. 구성요소 중 일부만을 사용한 디지털 트윈은 나머지 구성요소를 사용하지 않음으로 인한 한계점에 봉착하게 된다. 예를 들면, 실 체계 운용 데이터 복제만으로 구성된 IoT 기반 디지털 트윈은 수집된 데이터를 분석할 수는 있지만, 실 체계를 시각화한 지형/공간 상에 데이터를 표출할 수 없을 뿐만 아니라 실 체계와는 다른 가상 데이터를 입력한 시뮬레이션을 수행할 수 없다. 마찬가지로, 지형/공간 정보 만으로 구성된 디지털 트윈은 실 체계에서 일어나는 지형/공간 정보의 변화를 실 시간으로 반영할 수 없으며 시뮬레이션을 통한 실 체계의 현상 분석 및 미래 예측이 불가능 하다.      디지털 트윈의 효율적인 활용을 위해서는 위의 세 가지 구성요소 모두를 개발 및 운용할 수 있는 통합 플랫폼이 바람직하지만 국내외적으로 표준화된 디지털 트윈 플랫폼은 존재하지 않는다. 디지털 트윈의 특성 상 3가지의 디지털 트윈 구성요소 각각을 개발하는 독립적인 플랫폼을 사용하여 구성요소를 개발한 후 이들을 연동하여 운용하는 것이 효율적이다.  구체적으로는, 먼저, 디지털 트윈 개발 목적에 맞게 운용 데이터를 수집하는 IoT 플랫폼, 지형/공간 정보를 구축하는 지형/공간정보 플랫폼 및 모델링 시뮬레이션 플랫폼들을 이용하여 각 구성요소를 개발한다. 다음으로, 개발된 세 가지 구성요소를 실행하는 플랫폼들을 연동 운용하는 PoP(Platform of Platforms) 구조를 사용할 수 있다. PoP 구조는 디지털트윈의 목적에 부합되는 모든 디지털트윈을 개발/운용할 수 있는 플랫폼으로써 신뢰성 및 경제성(개발 기간 및 비용) 면에서 효율적인 구조이다. PoP 구조를 사용할 경우 플랫폼들 사이의 연동을 위한 데이터 모델과 API의 국제적인 표준화가 요구되며 데이터 모델의 표준은 대상 시스템에 따라 달라질 수 있다.  디지털 트윈을 실제 시스템에 대한 문제 해결 목적으로 사용하기 위해서는 대상 시스템에 대한 다양한 질문의 답을 디지털 트윈을 통해서 얻을 수 있는 서비스가 제공되어야 한다. OR 이론의 창시자 중 한 명으로 경영 과학 이론가인 R.L.Ackoff 교수는 사람이 생각하는 내용을 데이터, 정보. 지식, 지혜 등 4가지로 분류하였다. 데이터는 단순한 심벌(숫자나 문자)을 말하지만 정보는 ‘who’, ‘what’, ‘where’, ‘when’을 답할 수 있고, 지식은 ‘how’를 답할 수 있고, 지혜는 ‘why’를 답할 수 있어야 한다고 정의하였다. 디지털 트윈의 서비스 수준을 Ackhoff 교수의 분류법에 매핑 시킨다면 정보 수준 서비스는 시스템 분석(현상, 기능 등), 지식 수준 서비스는 시스템 예측(행위, 성능 등) 그리고 지혜 수준 서비스는 시스템 최적화(운용 최적화 등) 및 진단(수명 진단 등)에 해당한다. 예를 들어, 교통 시스템에 대한 다양한 질문을 답하기 위해 교통 디지털 트윈을 만들었다고 하자. 정보 서비스의 예는 현재 교통 시스템의 현상을 분석하는 것으로 어느 위치의 현재 시간대에 단위 시간당 교차로 통과 차량 대수가 얼마인지에 대한 답을 하는 서비스이다. 지식 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 얼마가 되는지를 예측하는 질문에 대한 답을 하는 서비스이다. 지혜 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 최소가 되는 최적화된 경로가 어떤 것인지의 질문에 대한 답을 하는 서비스이다.    4. 디지털 트윈의 구성요소 디지털 트윈의 3 가지 구성요소 중 행위 모델은 목적에 따라 데이터 모델과 시뮬레이션 모델로 대별된다. 데이터 모델은 실 체계에서 수집된 데이터들 사이의 상관관계를 기계학습하여 얻어진 모델(예: 인공신경망)로서 지식 서비스를 위한 시스템 행위 예측에 한계점을 가지고 있다. 구체적으로, 데이터 모델은 학습된 데이터 영역에서는 미래 예측이 가능하지만 학습된 영역 밖의 데이터에 대한 예측은 불가능 하다. 뿐만 아니라 학습 시와 예측 시의 시스템 운용 조건이 달라질 경우에도 예측이 불가능하다. 앞서 예시한 교통 디지털 트윈으로 데이터 모델을 사용할 경우 학습 시 도로 상황(운행 시간, 사고 발생 유무 등)이 예측 시 도로 상황과 동일하지 않으면 소요 시간 예측의 정확도가 보장되지 않는다. 더욱이, 시스템 변수 사이의 상관 관계로 표현된 데이터 모델은 변수 사이의 인과 관계가 필요한 시스템의 최적화 및 고장 진단 등에는 활용할 수 없다. 이러한 데이터 모델의 서비스 한계를 극복하기 위해서는 시뮬레이션 모델을 사용할 수 있다. 시뮬레이션 모델은 구축은 대상 시스템에 대한 도메인 지식과 이를 표현하는 지배 법칙에 대한 수학적/논리적 표현 방법을 이해해야 하므로 데이터 모델에 비해 고 비용이 요구된다. 따라서, 디지털 트윈의 행위 모델은 대상 시스템의 서비스 목적과 수준에 따라 다르게 선택될 수 있다.    5. 디지털 트윈의 발전 전망  디지털 트윈의 향후 발전 전망은 문제 해결과 가상 체험 및 빅 데이터 분야로 대별할 수 있다. 문제 해결 분야에서 디지털 트윈의 대상은 분석, 예측, 최적화/진단 대상이 되는 모든 시스템 분야로서 산업(제조, 생산, 물류, 식물공장 등), 공공(교통, 환경, 금융 등), 의료(진단, 인공장기, 가상수술 등), 재난안전(안전점검, 피해분석, 대피훈련 등), 국방(군사훈련, 국방분석, 무기체계 획득 등)등을 포함한다.  현재 디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.  가상 체험 분야는 디지털 트윈이 실 세계 혹은 가상 세계를 움직이는 다양한 시나리오를 정형화한 지배 법칙(모델)을 실행(시뮬레이션)하는 수단으로 활용될 전망이다. 이러한 지배법칙 실행은 실제 세계와 가상 세계의 구별 없는 가상 체험을 목표로 하는 메타버스의 서비스 콘텐츠를 제공한다. 따라서, 메타버스 발전을 위해서 메타버스의 서비스 컨텐츠를 제공하는 디지털 트윈 발전이 필수적으로 향후 메타버스와 디지털 트윈은 동시에 발전할 전망이다.  빅 데이터 분야에서는 디지털 트윈의 가상 실험을 통해 실 체계에서는 물리적/경제적 이유로 수집 불가능한 다양한 빅 데이터를 생성하는데 활용될 전망이다. 유의미한 빅 데이터 생성을 위해서는 실 체계에서 수집 가능한 데이터를 사용하여 디지털 트윈 모델의 검증이 선행된 후 실 체계에서 수집 불가능한 데이터 생성을 위한 가상 실험이 설계되어야 한다. 디지털 트윈을 사용한 빅 데이터 생성은 시스템 기능 검증, 예지 진단 및 기계학습 등과 같은 부가가치가 높은 데이터 생성에 집중되어 미래 데이터 구독 시장 활성화에 기여할 전망이다.   김탁곤 명예교수  KAIST 전기전자공학부  

복잡한 3D 지리 공간 모델링을 실시간 시각화하는 세슘   이번 호에서는 세슘(Cesium)과 언리얼 엔진이 건축 시각화에서 어떻게 혁신을 일으키고 있는지 알아보고, 가능성의 한계를 뛰어넘는 혁신 기술 개발 상황을 살펴보자. ■ 자료 제공 : 에픽게임즈   지난 몇 년 동안 3D 사진 측량 기술이 크게 발전해 전 세계 많은 부분을 디지털 방식으로 수집하고 기록할 수 있게 되면서, 매우 방대한 데이터세트가 만들어졌다. 전통적으로 시뮬레이션이나 방위 산업에서는 이 정도 규모의 데이터세트를 처리할 수 있는 강력한 맞춤형 플랫폼과 도구를 개발해 왔지만, 일반적인 하드웨어를 사용하는 산업의 개발자는 대규모 3D 지리 공간 데이터를 다루기가 쉽지 않았다. 2021년 언리얼용 세슘(Cesium for Unreal) 플러그인이 출시되면서 이러한 상황이 바뀌었다. 처음으로 게임 엔진 기술을 사용하여 방대하고 복잡한 3D 지리 공간 모델링을 실시간으로 시각화할 수 있게 됐기 때문이다. 이제는 누구나 기성 설루션을 통해 상세하고 정확한 3D 지리 공간 데이터를 사용할 수 있으며, 이로 인해 항공우주, 상업용 부동산, 도시 계획, 비행 계획 및 운영, 자율 주행, 지하 및 해저 탐사 등 다양한 산업 분야에서 인터랙티브 3D 지리 공간 앱 및 관련 경험의 개발이 급증했다. 특히, 건축 업계는 3D 지리 공간 모델링과 리얼타임 시각화를 결합하여 이점을 누리고 있는데, 예를 들어 건축 사무소는 건축물의 디자인을 실제 건설될 정확한 환경에서 선보일 수 있다. 게다가 최근 세슘이 인프라 엔지니어링 소프트웨어 기업인 벤틀리 시스템즈에 합류한다는 소식이 발표되면서, 세슘을 사용하는 개발자는 이제 전 세계에서 가장 크고 중요한 프로젝트와 애셋을 대표하는 인프라 에코시스템을 이용할 수 있게 됐다. 세슘의 지리 공간 플랫폼과 벤틀리 시스템즈의 i트윈(iTwin) 플랫폼을 통합하면 3D 지리 공간 데이터를 엔지니어링, IoT(사물인터넷), 현실 및 엔터프라이즈 데이터와 원활하게 연계하여 방대한 인프라 네트워크부터 개별 애셋의 밀리미터 단위의 정확도에 이르는 디테일에 이르기까지 확장되는 디지털 트윈을 구현할 수 있다. 이를 통해, 지상과 공중, 해상, 우주 그리고 지표면 아래 깊은 곳까지 다양한 관점에서 볼 수 있다.   ▲ 이미지 출처 : 언리얼 엔진 홈페이지   대중을 위한 3D 지리 공간 데이터 세슘은 3D 지리 공간 데이터를 사용하는 소프트웨어 애플리케이션을 개발하기 위한 오픈 플랫폼으로, 개발자들은 이를 사용하여 정밀한 인터랙티브 3D 지리 공간 애플리케이션을 제작할 수 있다. 이 플랫폼은 항공 우주 소프트웨어 회사인 애널리티컬 그래픽스(Analytical Graphics, Inc., 현재는 앤시스에 인수됨)에서 시작됐으며, 우주 공간의 물체를 시각화하기 위해 설계되었다. 컴퓨터 그래픽 전문가이자 세슘의 창립자인 패트릭 코치(Patrick Cozzi)가 이끄는 이 프로젝트는 정확하고 성능이 뛰어난 가상 지구를 제작했다. 코치는 “항공 우주 산업 외에도 세슘을 활용할 가능성이 있다는 사실을 깨닫고 커뮤니티에 오픈 소스로 공개했고, 곧바로 다양한 산업 분야에서 사용 사례가 폭발적으로 증가했다”고 전했다. 첫 번째 사례는 험난한 어드벤처 레이스인 ‘레드불 X 알프스(Red Bull X-Alps)’로, 세슘JS를 이용해 패러글라이더가 산을 통과하는 여정을 추적하기 시작했다. 그 이후로 세슘JS는 1000만 건 이상의 다운로드를 기록했으며, 현재 수천 개의 애플리케이션을 지원하고 있다. 심지어, 크리스마스의 산타클로스도 이런 기술을 활용하고 있는데, NORAD 트랙 산타(NORAD Tracks Santa)는 세슘JS를 사용하여 12월 24일 산타의 세계 일주 여정을 추적했다. 2019년에 세슘은 독립 회사로 분사하여 3D 지리 공간 데이터를 호스팅, 타일링, 스트리밍할 수 있는 SaaS 플랫폼인 ‘세슘 아이콘(Cesium ion)’을 출시했다. 여기에는 수년 동안 세슘JS 외에도 언리얼 엔진을 비롯하여 여러 플랫폼을 위한 오픈 소스 툴을 추가했다.   ▲ 이미지 출처 : 언리얼 엔진 홈페이지   스트리밍을 통한 방대한 데이터 문제 해결 코치는 “3D 지리 공간 데이터의 문제점은 크기가 방대하고 다루기가 까다롭다는 것”이라고 말했다. 세슘은 방대한 3D 지리 공간 데이터세트를 스트리밍하기 위해 개발한 개방형 공간 정보 컨소시엄(Open Geospatial Consortium, OGC) 커뮤니티 표준인 3D 타일을 통해 이 문제를 해결한다. 3D 타일은 디테일과 정확도를 유지하면서 3D 지리 공간 데이터를 가볍게 스트리밍할 수 있게 해준다. 세슘 플랫폼은 다양한 유형의 3D 지리 공간 데이터를 처리하고 3D 타일로 변환하여 어디에서나 스트리밍할 수 있도록 지원한다. 데이터를 사전 로드하고 관리하는 대신 로컬 데이터세트를 통해 데이터를 스트리밍할 수 있기 때문에 사용자의 워크플로가 훨씬 쉬워진다. 언리얼용 세슘이 출시되면서 크고 복잡한 지리 공간 데이터세트를 언리얼 엔진에서 훨씬 더 간단하게 시각화할 수 있게 되었다.   ▲ 이미지 출처 : 언리얼 엔진 홈페이지   이 오픈 소스 플러그인은 언리얼 엔진에 정밀한 3D 가상 지구를 제공하며 방위, 정보, 시뮬레이션, 훈련 등 다양한 산업 분야에서 고급 시각화 및 시뮬레이션을 제작하는 데 사용되고 있다. 코치는 “세슘의 목표는 3D 지리 공간 기술을 발전시키는 것이다. 따라서 언리얼 엔진의 강점과 세슘의 글로벌 스케일, 정밀도, 성능, 상호 운용성을 결합하는 것은 당연한 일이었다”라고 말했다. 최근 AEC 업계의 많은 기업이 디자인 아이디어를 더 효과적으로 전달하기 위해 세슘을 사용하고 있다. 코치는 “세슘은 AEC 업계 전문가들이 정확한 3D 지리 공간적 컨텍스트 내에서 프로젝트를 탐색할 수 있도록 지원한다. 이해관계자들과 소통하기 위해 2D 이미지와 다이어그램에만 의존하는 대신 정확하고 몰입감 넘치는 3D 환경을 만들고 공유하여, 계획한 현실을 보다 더 나은 아이디어로 제공할 수 있다”면서 이러한 상황을 설명했다. 최근 AEC 고객 중에서 BIM 및 3D 모델링 설루션을 제공하는 팰레이셜(Palatial)은 언리얼용 세슘을 활용하여 사실적인 경험을 제공하고 사전 제작된 구조물에 대한 승인을 획득했다. 드립 비주얼(Drip Visual)은 네덜란드에서 도시 계획에 대한 일반 대중의 참여를 장려하고자 언리얼용 세슘 기반 플랫폼을 사용하여 필수적인 커뮤니티 피드백을 수집했다. A플레이스(APlace)는 이 플러그인을 사용해서 잠재 2025/2고객이 아직 지어지지 않은 건축물을 시각화하고 커스터마이징할 수 있도록 지원했다.   ▲ 이미지 출처 : 언리얼 엔진 홈페이지   에픽 에코시스템 툴을 위한 세슘 언리얼용 세슘 외에도 세슘은 리얼리티캡처, 스케치팹, 포트나이트 언리얼 에디터 등 에픽 에코시스템의 다른 툴과도 점점 더 많이 통합되고 있다. 사진 측량 소프트웨어인 리얼리티캡처는 수백만 개의 폴리곤이 포함된 상세한 3D 모델을 생성한다. 일반적인 하드웨어에서는 이러한 모델을 보는 것이 불가능한 경우가 많은데, 삼각형 수를 줄이면 모델을 56 · 단순화할 수 있지만 이로 인해 디테일이 손실되기 때문이다. 이제 리얼리티캡처는 모델을 세슘의 3D 타일 형식으로 내보내고 세슘 아이콘에 업로드할 수 있도록 지원한다. 3D 타일은 특정 뷰에 필요한 데이터만 스트리밍할 수 있기 때문에 수 기가바이트에 달하는 규모의 모델도 디테일을 유지하며 웹에서 공유할 수 있으며, 덕분에 링크를 공유하는 것만큼이나 손쉽게 매우 복잡한 모델을 공유할 수 있게 됐다. 또한 세슘과 스케치팹의 통합을 통해 사용자는 스케치팹에서 70만 개 이상의 무료 모델을 프로젝트로 가져와 정확한 지리 공간 컨텍스트에서 프로젝트를 배치하고 탐색할 수 있다. 현재 포트나이트 언리얼 에디터(UEFN)는 언리얼용 세슘과 같은 C++ 플러그인을 지원하지 않지만, 세슘 아이콘의 클리핑 기능을 사용하여 3D 타일의 일부를 UEFN으로 가져올 수 있다. 클리핑을 사용하면 오프라인이나 스트리밍이 불가능한 경우에 다운로드할 3D 타일의 특정 부분을 지정할 수 있다. 세슘 아이콘을 사용하면 지정된 타일을 단일 glTF 모델로 다운로드한 다음 UEFN 등 glTF를 지원하는 모든 애플리케이션에서 사용할 수도 있다. 또한, 클리핑을 이용해 정확한 현실 세계의 지형과 고해상도 사진측량 데이터를 포트나이트 섬으로 불러올 수도 있다. 이 문서에서 실제 경기장 모형을 UEFN으로 가져와 친구들과 함께 플레이할 축구장을 세팅하는 방법에 관해서 확인할 수 있다.   ▲ 이미지 출처 : NBC Sports 제공   메타버스와 그 너머로 2022년 여러 보고서를 통해 건설 분야의 빠른 성장이 예측됐으나, 팬데믹으로 인한 공급망, 안전 규정, 자금 조달과 관련된 비용의 증가로 인해 신규 건설 프로젝트가 줄어들고 있다는 소식이 전해지고 있다. 코치는 지리 공간적 컨텍스트와 3D 시각화 및 시뮬레이션을 통합하여 현재 건설 산업의 발전을 저해하고 있는 몇 가지 문제를 해결할 수 있다고 전했다. 코치는 “미래를 알 수는 없지만, 건설 산업은 디지털 혁신을 통해 이미 효율성, 안전성, 비용 효율성을 개선하여 이러한 잠재적 문제 중 일부를 해결하고 있으며, 우리가 파트너와 함께 개발 중인 설루션은 인력 부족, 비용 관리, 환경 영향과 같은 문제를 해결하고 있다. 전반적으로 건설 산업의 미래를 낙관적으로 보고 있다”고 전했다. 세슘은 현실 세계의 건축 분야에 기여하는 것 외에도 가상 세계에서 핵심적인 역할을 수행하는 것을 목표로 한다. 코치는 “세슘은 세 가지 방법으로 메타버스에 영향을 주고 있다. 그중 한 가지는 실제 데이터를 3D 환경에 손쉽게 통합하여 현실 세계와 디지털 세계를 연결하는 것이다. 우리는 디지털 트윈을 구현할 수 있고, 방대한 양의 데이터를 저장 및 스트리밍할 수 있는 소프트웨어 컴포넌트를 제공한다”고 말했다. 또한, “두 번째로, 3D 타일 개방형 표준을 개발하고 발전시켜 이 데이터를 전 세계에 널리 스트리밍할 수 있는 설루션을 제공하고 있다. 마지막으로 공정하고 개방적이며 상호 운용 가능한 메타버스를 지지하기 위해 시간과 노력을 기울이고 있다”고 말했다. 메타버스는 아직 초기 단계이지만 오늘날 점점 더 많은 중요 프로젝트에서 언리얼용 세슘이 활용되고 있다.   ▲ 이미지 출처 : NBC Sports 제공   최근에는 2024년 파리 하계 올림픽의 공식 방송 파트너인 NBC 스포츠(NBC Sports)에서 3D 그래픽 플러그인을 사용하여 생방송 도중 3D 그래픽을 송출하기도 했다. 이는 관중이 올림픽 개최지의 지리적 공간을 이해할 수 있도록 도움을 주었다. 이와 함께 리얼타임 수중 모델링 및 몰입형 프로젝트에 언리얼용 세슘을 사용하는 오션 익스플로레이션 트러스트(Ocean Exploration Trust) 같은 프로젝트를 통해 앞으로 어떤 유형의 애플리케이션에 이 플러그인이 사용될지 확인할 수 있다.     ■ 기사 내용은 PDF로도 제공됩니다.