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.

세일즈포스는 최근 ‘에이전틱 엔터프라이즈’ 비전을 소개하면서, 핵심 플랫폼으로 슬랙(Slack)을 내세웠다. 세일즈포스가 2021년 277억 달러(약 30조 원)에 인수한 슬랙은 메시징 및 채팅 앱을 넘어, AI(인공지능)를 기반으로 업무를 자동화하고 의사결정을 지원하는 ‘에이전틱 업무 운영체제’를 지향한다. 세일즈포스는 인간과 AI가 유기적으로 협업해 생산성 향상과 실질적인 비즈니스 성과를 얻는 미래형 기업 운영 모델의 청사진을 제시했다. ■ 정수진 편집장   ▲ 에이전틱 엔터프라이즈 아키텍처를 소개한 세일즈포스코리아 박세진 대표   데이터와 에이전트가 결합하는 에이전틱 엔터프라이즈 세일즈포스가 제시하는 ‘에이전틱 엔터프라이즈’는 단순히 사람의 업무를 돕는 AI를 넘어, 사람과 AI 에이전트가 공존하며 시너지를 내는 기업을 뜻한다. 지난 4월 8일 진행된 기자간담회에서 세일즈포스코리아의 박세진 대표는 “에이전틱 엔터프라이즈는 사람과 AI 에이전트(agent)가 공존을 이루는 기업이다. 에이전트가 데이터를 기반으로 실행을 하고, 사람은 그 에이전트에게 방향을 제시한다. 두 존재가 서로 부족한 부분을 메꿔 주는 구조”라고 설명했다. 단순한 챗봇과 달리 에이전트가 데이터를 기반으로 실제 비즈니스 업무를 자율적으로 판단하고 실행하며, 직원은 보다 창의적인 고부가가치 역할과 방향 제시에 집중하게 된다는 것이다. 이러한 업무 환경을 실현하기 위해 세일즈포스는 크게 네 가지 핵심 시스템을 단일 플랫폼으로 통합한 에이전틱 엔터프라이즈 아키텍처를 제시했다. 가장 밑바탕에는 기업 내·외부에 흩어진 모든 데이터를 하나로 연결하고 통합하는 컨텍스트 시스템(system of context)이 위치한다. 세일즈포스가 가진 인포매티카, 뮬소프트, 태블로, 데이터 360 등의 설루션을 활용해 에이전트가 참조할 수 있는 신경망이자 신뢰도 높은 데이터 기반을 구축하는 역할이다. 그 위에는 세일즈포스가 오랜 시간 축적해 온 비즈니스 프로세스와 산업별 노하우가 담긴 업무 시스템(system of work)이 자리 잡고 있다. 그리고 실질적인 업무를 직접 수행할 수 있도록 기업 맞춤형 AI 에이전트를 개발하고 테스트 및 배포하는 에이전트 시스템(system of agency)인 에이전트포스(Agentforce)가 유기적으로 작동한다. 가장 위쪽에는 고객 및 직원의 경험을 에이전트와 매끄럽게 연결하는 인게이지먼트 시스템(system of engagement)이 자리한다. 이곳에서 슬랙을 에이전틱 업무 운영체제로 삼아 사람과 앱, 에이전트가 대화형 인터페이스를 통해 끊김 없이 소통하고 협업을 완성하게 된다.   ▲ 슬랙은 기업 내 자산을 연결하고 의사결정을 돕는 방향으로 강화되고 있다.   업무 효율 높이는 ‘에이전틱 업무 운영체제’ 슬랙 에이전틱 업무 운영체제(agentic work OS)를 지향하는 슬랙은 사람, 애플리케이션, 데이터 그리고 AI 에이전트를 하나의 대화형 인터페이스 안에서 매끄럽게 연결하는 구심점 역할을 한다. 과거에는 직원이 업무를 처리하기 위해 수십 개의 애플리케이션을 번갈아 사용하며 흐름이 끊기는 불편함을 겪어야 했다. 김고중 슬랙 코리아 사업 총괄은 “이제 슬랙은 복잡한 시스템을 오갈 필요 없이 친숙한 대화창 안에서 즉각적으로 정보를 찾고 정리할 뿐 아니라, 실제 업무 트랜잭션까지 실행할 수 있는 통합 환경을 제공한다”고 설명했다. 특히 슬랙 안에서는 세일즈포스의 맞춤형 에이전트뿐만 아니라 외부의 에이전트와 기업이 자체 개발한 에이전트까지 모두 하나로 연동되어 유기적으로 작동한다. 이 공간에서 사용자는 어떤 에이전트를 사용해야 할지 일일이 신경 쓸 필요가 없다. 지시 사항을 자연어로 대화하듯 입력하면 슬랙봇이 맥락을 파악하고 적절한 에이전트를 지휘해 알아서 업무를 처리해 주기 때문이다. 슬랙 코리아의 주다혜 설루션 엔지니어는 “슬랙은 세일스포스, 서드파티, 고객이 직접 개발한 에이전트까지 컨트롤하며 보안 거버넌스를 지키면서 사용자의 업무를 돕는다”고 설명했다. 슬랙의 지향점은 사람간의 협업을 넘어서 인간과 에이전트가 협업하는 에이전틱 엔터프라이즈의 핵심이 된다는 것이다.   ▲ 슬랙에서 다양한 외부 AI와 앱을 연결해 활용할 수 있다.   슬랙봇, 실질적인 비즈니스 성과와 생산성 혁신 주도 한편, 세일즈포스는 기자간담회에서 슬랙에 포함된 맞춤형 AI 에이전트 ‘슬랙봇(Slackbot)’을 처음으로 국내에 공개했다. 슬랙봇이 알림 도우미를 넘어 사용자의 업무 방식과 비즈니스 맥락을 이해하는 맞춤형 AI 비서로 진화했다는 것이 세일즈포스의 설명이다. 슬랙봇의 주요 기능으로는 ▲회의 내용을 자동으로 기록하고 요약해 실행 과제를 도출하는 미팅 인텔리전스 ▲여러 애플리케이션을 넘나들며 문서 요약과 초안 작성 등을 단일 워크플로에서 지원해 업무 흐름이 끊기지 않게 돕는 데스크톱 어시스턴트 기능 ▲반복 업무를 AI 명령 세트로 표준화하는 AI 스킬 기능 ▲사용자의 대화 패턴을 학습해 맞춤형 답변을 고도화하는 메모리 기능 ▲구글 드라이브, 지라 등 외부 시스템에 흩어진 데이터까지 대화하듯 자연어로 한 번에 찾는 엔터프라이즈 검색 기능 등이 있다. 또한, 조직 내 모든 에이전트와 앱을 통합하는 클라이언트 기능을 활용하면 세일즈포스의 에이전트포스는 물론 서드파티 에이전트까지 하나의 대화창에서 유기적으로 연동하고 지휘할 수 있다. 이러한 슬랙봇의 도입은 큰 폭의 생산성 향상으로 이어진다. 세일즈포스는 “슬랙봇을 통해 직원은 개인당 하루 최대 90분의 업무 시간을 절약하고, 팀 단위로는 주간 최대 20시간의 효율 개선 효과를 얻은 사례를 확인했다”고 전했다. 기자간담회에서는 국내 기업의 업무 혁신 사례도 소개됐다. 당근마켓은 사내 AI 에이전트를 슬랙에 구현해 쿼리 생성과 과거 메시지 데이터 분석 등에 활용하고 있다. 당근마켓의 이예찬 엔지니어는 “슬랙은 단순한 소통 창구를 넘어 조직의 ‘살아있는 기억’이며, 진정한 에이전틱 운영체제로 진화할 수 있음을 체감하고 있다”라고 밝혔다. 배달의민족을 운영하는 우아한형제들은 비개발 부서에서도 슬랙 워크플로를 활용해 반복 문의를 선제적으로 해결하고 있다. 우아한형제들의 이청규 담당은 “슬랙봇을 도입해 신규 입사자의 적응을 돕고 불필요한 커뮤니케이션에 소모되는 ‘컨텍스트 비용’이 줄어들 것으로 기대한다”고 전했다.     ■ 기사 내용은 PDF로도 제공됩니다.

제조 AI와 소프트웨어 파워에 관심높아… AI 투자로 초격차 이끌 것   지난해 국내 제조 산업은 하드웨어 중심에서 소프트웨어 중심(SDx)으로의 급격한 체질 개선과 AI 도입이라는 거대한 파도와 마주했다. 지난해 4월 PTC코리아에 합류한 김도균 대표에게 PTC가 그리는 ‘인텔리전트 제품 라이프사이클’의 비전과 2026년 사업 전략에 대해 들어보았다. ■ 최경화 국장     클라우드 및 보안 전문가로서 제조 IT 기업인 PTC에 합류하게 된 배경과 지난해의 소회가 궁금하다. 지난해 4월 PTC코리아 대표로 부임했으니 곧 1년이 되어간다. PTC코리아 합류 이전에는 클라우드플레어, 아카마이 등에서 클라우드와 보안, AI 인프라 사업을 주로 이끌었다. 당시 에지 서버나 AI 추론 영역을 다루며 AI 시대에는 결국 제조 현장이 가장 크게 변할 것이라는 확신을 갖게 되었다. PTC는 제조 엔지니어링 분야의 전통 강자이면서도, 최근 제조 AI와 소프트웨어 역량 강화에 적극적인 기업이다. 지난해는 PTC코리아 조직을 재정비하고, 하드웨어 제조 중심이었던 국내 고객들에게 소프트웨어와 하드웨어의 융합 필요성을 설파하며 새로운 성장의 발판을 마련한 해였다.   지난해 PTC 비즈니스에서 가장 두드러진 변화나 성과는? 가장 큰 변화는 ALM(애플리케이션 수명주기 관리) 설루션인 코드비머(Codebeamer)의 약진이다. 과거 제조 시장이 하드웨어 설계에 집중했다면, 지난해에는 자동차 산업을 필두로 소프트웨어 정의 차량(SDV) 트렌드가 확산되면서 하드웨어와 소프트웨어를 통합 관리해야 하는 수요가 빠르게 확대됐다. 소프트웨어 요구사항 정의부터 코딩, 테스트, 배포까지 관리하는 ALM은 이제 선택이 아닌 필수가 되었다. 특히 대기업을 중심으로 복잡한 요구사항을 중복 없이 관리하고 개발 비용을 절감하기 위해 코드비머를 도입하는 사례가 크게 늘었다. 이를 통해 PTC는 제조 소프트웨어 영역에서의 혁신 파트너로 존재감을 확대했다.   PTC의 전통적인 주력 분야인 CAD와 PLM, 기타 관련 비즈니스는 어떤지? 매출 비중으로 보면 여전히 CAD(크레오)와 PLM(윈칠)이 가장 큰 축을 담당하며 견고하게 성장하고 있다. 특히 PLM은 단순히 설계 데이터를 저장하는 PDM(제품 데이터 관리) 수준을 넘어, 전사적 데이터 관리의 핵심으로 진화했다. 반면 IoT(사물인터넷) 사업은 전략적인 변화가 있었다. 최근 자산운용사 TPG에 IoT 사업 부문을 매각하고 파트너십 형태로 전환하는 절차를 밟고 있다. 이는 PTC가 IoT 사업을 포기하는 것이 아니라, 핵심 역량인 CAD, PLM, ALM, SLM(서비스 수명주기 관리) 등 4대 핵심 설루션에 투자를 집중하고, IoT는 전문 파트너사를 통해 더 고도화된 지원을 제공하기 위함이다. ‘선택과 집중’ 전략을 통해 핵심 설루션을 강화해 나간다는 계획이다.   클라우드 네이티브 CAD인 온쉐이프와 기존 주력 제품인 크레오의 포지셔닝은 어떻게 가져갈 계획인지? 두 제품의 역할은 명확히 구분된다. 크레오(Creo)는 자동차 엔진이나 복잡한 설비처럼 고도의 정밀함과 대용량 데이터 처리가 필요한 작업에 최적화되어 있다. 물론 크레오도 ‘크레오 플러스(Creo+)’라는 클라우드 버전을 통해 협업 기능을 강화하고 있다. 반면, 온쉐이프(Onshape)는 SaaS PLM이라고 할 수 있는 아레나(Arena)와 함께 100% 클라우드 네이티브(SaaS) 제품이다. 설치 없이 웹 브라우저에서 바로 구동되기 때문에, 스타트업이나 로봇 개발처럼 빠른 속도와 협업이 중요한 제품 개발 분야에서 각광받고 있다. 실제로 지난 CES 2026에서 로봇을 출품한 기업들이 온쉐이프로 설계를 했다고 해서 놀라기도 했다. 제조 현장에서 클라우드 SaaS 환경에 대한 거부감이 생각보다 많이 사라졌음을 체감하고 있다.   엔지니어링 분야에서도 AI 도입이 화두다. PTC의 AI 전략은 타사와 무엇이 다른가? 많은 기업이 AI를 표방하지만 단순히 챗봇 형태의 요약 기능에 그치는 경우가 많다. PTC가 추구하는 AI는 ‘실질적인 엔지니어링 AI’다. 예를 들어, PLM 내에서 AI가 수만 가지 부품을 분석해 중복 부품을 찾아내고, 대체 가능한 표준 부품을 제안해 원가를 절감해준다. 또한, AI 에이전트(agent) 기술을 통해 서로 다른 시스템 간에 데이터를 주고받으며 자율적으로 업무를 수행하는 단계까지 로드맵을 가지고 있다. 설계자가 자연어로 명령하면 최적의 형상을 모델링해주는 생성형 설계(generative design)나, ALM에서 요구사항의 오류를 AI가 자동으로 검증하는 기능 등은 이미 제품에 탑재되어 현장에서 쓰이고 있다.   최근 새롭게 인수한 회사 및 이 인수가 PTC 비즈니스에 가져오는 변화를 소개한다면? 가장 핵심적인 인수는 제품 및 소프트웨어 변형(variant) 관리 설루션 기업인 퓨어시스템즈(Pure-systems)다. 이 회사의 주력 설루션인 퓨어 베리언츠(Pure Variants)는 복잡한 제조 환경에서 필수적인 PLE(Product Line Engineering : 제품 라인 엔지니어링) 기능을 제공한다. 쉽게 설명하자면, 자동차나 가전제품을 만들 때 수만 가지의 파생 모델이 존재한다. 과거에는 모델마다 설계를 따로 관리했다면, 이제는 공통된 소프트웨어와 하드웨어 자산을 플랫폼화하고, 각기 다른 고객의 요구사항이나 옵션에 맞춰 변형된 부분만 효율적으로 관리해야 한다. 퓨어시스템즈 인수를 통해 PTC는 급성장하는 ALM 설루션 코드비머에 강력한 변형 관리 기능을 통합하게 되었다. 이를 통해 SDV 전환이 시급한 자동차 산업이나 규제가 까다로운 의료기기, 항공우주 분야에서 제품의 소프트웨어 구성부터 테스트, 검증까지 전 과정을 하나의 시스템으로 추적하고 관리할 수 있게 되었다. 이는 PTC가 단순히 설계 툴을 파는 회사가 아니라, 제조 소프트웨어의 복잡성을 해결해 주는 파트너로 차별화된 경쟁력을 확보하는데 기여할 것으로 기대하고 있다.   최근 엔비디아와의 파트너십 강화가 눈에 띈다. 어떤 시너지를 기대하는지? 엔비디아와의 협력은 옴니버스(Omniverse) 기술 통합이 핵심이다. PTC의 설계 데이터(CAD/PLM)를 별도의 변환 없이 실시간으로 시뮬레이션하고 시각화할 수 있는 환경을 구축했다. 이는 디지털 트윈을 넘어선 개념으로, 엔비디아 역시 자체 공장과 제품 설계에 PTC 설루션을 사용하고 있을 만큼 양사의 관계는 끈끈하다. 이 협력을 통해 고객들은 고성능 AI 인프라나 복잡한 제품을 설계할 때 향상된 속도와 정확성을 경험하게 될 것이다.   제조업계는 보안 이슈로 인해 클라우드 도입에 보수적인 것으로 알려져 있다. 최근의 분위기는 어떤지? 확실히 분위기가 달라졌다. 결국 AI는 ‘데이터 싸움’이다. 데이터를 한곳에 모으고 잘 저장해둬야 AI를 제대로 활용할 수 있는데, 이를 위한 가장 효율적인 기반이 바로 클라우드이기 때문이다. 과거에는 클라우드 전환을 꺼리던 대형 제조사들도 이제는 AI 도입을 전제로 클라우드 마이그레이션을 굉장히 활발하게 검토하고 있다. 물론 모든 시스템을 한 번에 클라우드로 옮길 수는 없다. 그래서 PTC는 고객 상황에 맞춰 하이브리드 접근을 제안하거나, 단계적인 클라우드 설루션을 제공하고 있다.   올해 PTC코리아가 주목하고 있는 시장이나 기술 이슈는 무엇인가? 올해는 방산과 의료기기 분야를 집중 공략할 계획이다. 글로벌 시장에서는 이미 록히드 마틴 같은 거대 방산 기업이 PTC 설루션을 표준으로 사용하고 있다. 최근 ‘K-방산’의 위상이 높아진 만큼, 국내 방산 기업들의 디지털 혁신을 적극 지원하고자 한다. 헬스케어 분야 역시 웨어러블 기기나 정밀 의료기기 설계 수요가 늘어나며 큰 기회가 되고 있다. 또한, 지역적으로는 부산, 경남 지역 등을 지원하기 위한 영남 지사 개소를 준비 중이다. 경남권의 거대 제조 벨트를 밀착 지원하기 위해 다시 영남권 거점을 마련하여 고객 접근성을 높일 예정이다.   올해 PTC코리아의 비즈니스 목표와 포부에 대해 소개한다면? 최근 5년간 매년 두 자릿수 성장을 이어왔는데, 올해도 높은 성장을 기대하고 있다. AI 기능이 탑재된 신제품에 대한 시장 반응 또한 긍정적으로, 지난 12월 진행한 행사에서도 예상을 뛰어넘는 고객들이 몰렸다. 2026년에는 이러한 성과를 바탕으로 클라우드 및 구독형 엔지니어링 소프트웨어 전환을 본격 가속화할 계획이다. 내부적으로는 영업, 기술, 마케팅 인력을 확충하고 파트너 생태계를 강화하여 고객들이 PTC의 기술을 더 쉽고 깊이 있게 활용할 수 있도록 지원할 것이다. 단순한 설루션 공급사를 넘어 대한민국 제조업의 지능형 혁신을 이끄는 동반자가 되겠다.     ■ '2025 국내 엔지니어링 소프트웨어 시장조사'에서 더 많은 내용이 제공됩니다.

‘인텔리전트 제품 라이프사이클’로 국내 제조 AX 혁신 선도   ▲ PTC코리아 김도균 대표 제조업의 디지털화가 ‘연결’과 ‘자동화’를 넘어 ‘지능화’와 ‘자율 제조’가 중심이 되는 AX(AI Transformation) 시대로 빠르게 진입하고 있다. 1993년 설립 이후 국내 제조 산업의 혁신을 이끌어온 PTC코리아(www.ptc.com)는 AX 시대를 맞아 단순한 엔지니어링 소프트웨어 공급자를 넘어 기업의 창조 역량을 극대화하는 전략적 파트너로 도약하고 있으며, 엔지니어링 기술의 새로운 패러다임을 제시하고 있다. PTC 혁신의 역사 40년, ‘Power To Create’의 비전을 실현하다 PTC는 2026년 기준 전 세계 35개국에서 3만 5천 이상의 고객사를 보유하고 7,200명 이상의 직원이 함께하는 글로벌 엔지니어링 소프트웨어 기업이다. 1985년 혁신적인 3D 설계 방식으로 시장에 등장한 이후, PTC는 끊임없는 기술 개발과 전략적 인수를 통해 CAD, PLM을 넘어 ALM, SLM에 이르는 통합 포트폴리오를 완성해 왔다. PTC의 핵심 목표는 ‘Power To Create’, 즉 고객과 직원 모두에게 더 나은 세상을 구상하고 이를 현실로 만들 수 있는 창조적 역량을 제공하는 것이다. PTC코리아 김도균 대표는 "PTC의 목적은 단순히 더 좋은 세상을 구상하는 데서 그치지 않고, 고객이 실질적인 비즈니스 성과를 창출할 수 있도록 혁신적인 디지털 기술을 제공하는 것"이라며 기업의 비전과 사회적 책임의 조화를 강조했다. ‘선택과 집중’으로 강화되는 전통 비즈니스와 핵심 솔루션 PTC의 성장을 지탱하는 가장 큰 축은 여전히 전통적인 주력 분야인 CAD와 PLM이다. 매출 비중 면에서 CAD(크레오)와 PLM(윈칠)은 여전히 견고한 성장세를 보이고 있으며, 특히 PLM은 단순히 설계 데이터를 저장하는 PDM(제품 데이터 관리) 수준을 넘어 전사적 데이터 관리의 핵심 플랫폼으로 진화했다. 최근 PTC는 미래 성장을 위해 과감한 전략적 변화를 단행했다. IoT(사물인터넷) 사업 부문을 자산운용사 TPG에 매각하고 파트너십 형태로 전환하는 절차를 밟고 있는 것이다. 이에 대해 김도균 대표는 "이는 IoT 사업을 포기하는 것이 아니라, 핵심 역량인 CAD, PLM, ALM, SLM(서비스 수명주기 관리) 등 4대 핵심 솔루션에 투자를 집중하기 위한 '선택과 집중' 전략"이라고 설명했다. 이를 통해 IoT는 전문 파트너사를 통해 더 고도화된 지원을 제공하는 한편, PTC는 자체 핵심 솔루션의 경쟁력을 극대화한다는 계획이다. 실질적인 ‘엔지니어링 AI’로 제조 초격차 구현 PTC가 정의하는 ‘지능형 제품 라이프사이클’은 설계-개발-제조-운영 전 과정에 AI를 적용한 체계로, 엔터프라이즈 전반의 제품 데이터를 연결하는 통합 엔지니어링 환경을 지향한다. 김 대표는 현재 많은 기업이 표방하는 AI가 챗봇 형태의 요약 기능에 그치는 점을 지적하며, PTC는 '실질적인 엔지니어링 AI'를 추구한다고 강조했다. 그는 "PLM 내에서 AI가 수만 가지 부품을 분석해 중복을 찾고 표준 부품을 제안하여 원가를 절감하거나, ALM에서 요구사항의 오류를 자동으로 검증하는 기능 등은 이미 제품에 탑재되어 현장에서 활용되고 있다"고 설명했다. 다만, 안전과 윤리가 중요한 제조 현장인 만큼 "AI의 역할을 결정권자가 아닌 '조언자'로 정의하고, 최종 판단은 인간이 내리는 인간 중심의 AI 활용 철학이 PTC 의 기술 근간에 자리 잡고 있다"고 덧붙였다. SDx(소프트웨어 정의 제품) 시대의 통합 플랫폼 전략 최근 자동차 산업을 중심으로 확산되는 소프트웨어 정의 차량(SDV) 트렌드는 PTC의 ALM 솔루션인 ‘코드비머(Codebeamer)’의 비약적인 성장을 이끌었다. 김 대표는 "하드웨어와 소프트웨어를 통합 관리해야 하는 수요가 폭증하면서 요구사항 정의부터 코딩, 테스트, 배포까지 관리하는 ALM은 이제 필수"라고 진단했다. 여기에 최근 인수한 ‘퓨어시스템즈(Pure-systems)’ 의 변형 관리 기능이 더해지면서 PTC의 경쟁력은 더욱 강화되었다. 퓨어시스템즈의 ‘퓨어 베리언츠(Pure Variants)’는 수만 가지 파생 모델이 존재하는 복잡한 제조 환경에서 제품 라인 엔지니어링(PLE) 기능을 제공한 다. 이를 통해 기업들은 공통된 소프트웨어와 하드웨어 자산을 플랫폼화하고, 고객의 다양한 옵션 요구에 맞춰 변형된 부분만 효율적으로 관리함으로써 개발 비용과 시간을 획기적으로 줄일 수 있게 되었다.   에이전틱 AI가 제시하는 새로운 길 PTC코리아는 오는 3월 코엑스에서 개최되는 ‘2026 스마트공장 EXPO’에 참가하여 대한민국 제조업의 미래를 바꿀 차세대 AI 기술을 대거 선보일 예정이다. 이번 전시에서 PTC는 특정 제품의 기능을 나열하기보다 ‘에이전틱 AI(Agentic AI)가 주도하는 지능형 제품개발: 데이터로 연결되는 엔지니어링의 새로운 패러다임’이라는 주제로 혁신적인 메시지를 전달하는 데 집중한다. 김도균 대표는 이번 전시의 핵심에 대해 “PTC는 에이전틱 AI를 중심으로 설계, 생산, 운영 전 과정의 제품 데이터를 지능적으로 연결하여 새로운 제품개발 패러다임을 제시할 것”이라고 밝혔다. 특히 이번 행사에서는 ‘지능형 제품 라이프사이클(Intelligent Product Lifecycle)’과 ‘에이전틱-생성형 AI(Agentic-Generative AI)’의 결합을 통해 데이터 중심의 협업과 업무 자동화, 그리고 고도화된 의사결정을 어떻게 실질적으로 구현하는지 확인할 수 있다. 이는 시뮬레이션 및 클라우드와 통합된 데이터-커넥티드 엔지니어링 환경을 제공함으로써 기업들이 AI 기반의 제품개발 혁신과 디지털 제조 생태계를 가속화할 수 있는 이정표가 될 전망이다. 클라우드 기반의 AX 가속화와 2026년 미래 청사진 AI 전환의 성공은 데이터의 효율적 집약에 달려 있으며, PTC는 이를 위한 최적의 환경으로 클라우드 전환을 가속화하고 있다. 김 대표는 "과거 클라우드에 보수적이었던 제조사들도 AI 도입을 위해 클라우드 마이그레이션을 활발히 검토하고 있다"고 전했다. PTC는 100% SaaS 기반인 ‘온쉐이프(Onshape)’와 ‘아레나(Arena)’를 통해 스타트업부터 글로벌 기업까지 유연한 협업 환경을 제공하며, 엔비디아(NVIDIA)와의 파트너십을 통해 실시간 시뮬레이션과 시각화가 가능한 디지털 트윈 환경을 구축해 나가고 있다. 2026년, PTC코리아는 이러한 기술력을 바탕으로 K-방산과 항공우주, 정밀 의료기기 등 고부가가치 산업군으로 사업을 확장할 계획이다. 특히 부산·경남 지역 제조 벨트를 밀착 지원하기 위해 영남권 지사 개소를 준비하는 등 현장 중심의 고객 서비스를 강화하고 있다. 김 대표는 "단순한 솔루션 공급사를 넘어 대한민국 제조업의 지능형 혁신을 이끄는 동반자가 되겠다"는 포부와 함께, 국내 제조 현장에 필요한 AI 및 엔지니어링 인재 양성에도 지속적으로 기여하겠다는 의지를 밝혔다.   ▲ PTC코리아 직원들     ■ 캐드앤그래픽스 최경화 국장 kwchoi@cadgraphics.co.kr      

디지털 지식전문가 조형식의 지식마당   과거 십수 년간 전 세계 기업들을 관통한 화두는 ‘디지털 전환(digital transformation : DX)’이었다. 아날로그 데이터를 디지털화하고, 클라우드와 모바일 환경을 구축하며 비즈니스의 민첩성을 확보하는 것이 생존의 필수 조건이었다. 하지만 이제 시대의 흐름은 단순한 디지털화를 넘어 ‘AI 전환(AI transformation : AX)’이라는 새로운 국면으로 접어들고 있다.   그림 1. 디지털 전환의 진화   기술의 도입을 넘어 조직의 재설계로 많은 이가 디지털 전환을 IT 인프라의 현대화나 소프트웨어 도입 정도로 오해하곤 한다. 그러나 디지털 전환의 진정한 가치는 기술 그 자체가 아니라, 기술을 중심에 두고 ‘조직을 재설계하는 것’에 있었다. 기존의 파편화된 업무 프로세스를 통합하고, 데이터가 흐르는 구조를 만들어 의사결정의 근거를 마련하는 과정이 바로 DX의 핵심이었다. 하지만 데이터가 쌓이는 것만으로는 충분하지 않다. 방대한 데이터 속에서 의미를 추출하고, 이를 실시간 비즈니스 액션으로 연결해야 하는 과제가 남았다. 여기서 AI 전환의 필요성이 대두된다. 특히 디지털 스레드(digital thread)는 의미 없는 데이터를 연결하여 맥락(context)를 주고 스토리텔링(storytelling)을 만들어서 인간의 감성을 움직인다. 예를 들어서 대부분의 사람들이 매일 스마트폰으로 엄청난 양으로 사진을 찍지만, 대부분을 관리하지 않는다. 그리고 이 사진은 필요할 때 찾지 못해서 사용하지 못하고 있다. 이것은 현대 사회의 일면이다. 자료를 엄청나게 생성하지만 사용하기는 쉽지 않다는 것이다. 기업의 데이터도 마찬가지이다. 또한 이것은 디지털 트윈(digital twin : DT)의 형태로 인간의 현실 세계(real world), 증강현실/가상현실 (AR/VR) 그리고 메타버스(metaverse)의 영역까지 연결할 수 있다. 이것은 미래 기업의 존재 방식이 어떤 형태든 가질 수 있다는 것이다.   AI 전환 : 조직을 하나의 지능으로 만드는 과정 AI 전환은 단순히 업무에 챗봇을 도입하거나 분석 도구를 활용하는 수준을 의미하지 않는다. AX의 진정한 지향점은 ‘조직을 하나의 지능으로 만드는 것’이다.   그림 2. 인지 디지털 전환의 형태   기존의 조직이 각 부서의 매뉴얼과 개인의 경험에 의존해 움직였다면, AI 전환을 이룬 기업은 조직 전체가 유기적으로 연결된 하나의 거대한 지능체처럼 작동한다. 마케팅의 데이터가 생산으로 흐르고 고객의 피드백이 실시간으로 제품 설계에 반영되는 구조, 즉 데이터와 알고리즘이 조직의 혈관 역할을 하며 판단과 실행을 주도하는 상태를 의미한다. 그리고 이런 조직은 현실 세계와 연동되는 디지털 트윈의 형태가 될 수도 있고, 가상의 형태가 될 수 있다.   효율적 집단에서 지능 시스템으로의 진화 AI 전환을 통해 기업은 단순한 ‘효율적 집단’에서 ‘지능적 시스템’으로 진화한다. 이러한 진화는 세 가지 차원에서 기업의 존재 방식을 재정의한다. 첫 번째 – 더 빠른 학습 : 시장의 변화와 고객의 패턴을 실시간으로 흡수하여 조직의 지식 자산으로 축적한다. 인공지능의 최대의 장점은 일반적인 학습이다. 두 번째 – 더 정확한 판단 : 인간의 편향이나 정보의 누락 없이, 방대한 데이터를 기반으로 최적의 의사결정을 내린다. 인간은 물론 인공지능도 편향을 가지고 있다. 세 번째 – 더 창의적인 행동 : 반복적이고 소모적인 판단 업무에서 벗어난 인적 자원이 더 높은 차원의 전략과 창의적 비즈니스 모델 창출에 집중한다. 아직도 인공지능은 창의적 생각을 하기는 부족하지만, 인간은 인공지능의 도움을 받아 더 효과적으로 창의성을 발휘할 수 있다. 제조업 분야에서는 피지컬 AI(physical AI)와 자율 제조 시스템(autonomous manufacturing system)의 연결이 될 것이다. 그러나 우리의 기대처럼 될 것 같지는 않다. 부분적으로 실현될 가능성이 높다. 현실적으로 아직도 해결해야 할 과제가 너무 많이 있다. 미래에 대해서 누구나 이야기할 수 있다. 왜냐면 미래는 증명할 필요가 없이 그럴듯하고 듣기 좋은 이야기가 항상 인기 있기 때문이다.   리스크 : AI 전환은 동시에 ‘위험 전환’ AI 전환은 강력한 기회인 동시에, 전례 없는 리스크를 동반한다. 주요 리스크는 데이터 프라이버시, 알고리즘 편향성, 설명 불가능성, 규제 리스크(예 : EU AI Act)이다. 특히 중요한 것은 ‘AI는 정확할 수는 있지만, 항상 공정한 것은 아니’라는 것이다. 따라서 기업은 반드시 설명 가능한 인공지능(explainable AI : XAI)와 윤리적 AI 가이드라인 지속적 감사 체계를 구축해야 한다.   그림 3. AI 시대의 단계   맺음말 : 지능의 확장이 가져올 미래 디지털 전환은 이제 AI 전환으로 진화하고 있다. 우리가 반드시 기억해야 할 점은, 디지털 전환의 궁극적인 목표가 단순한 자동화나 비용 절감을 통한 효율화가 아니라는 사실이다. 그 본질은 ‘인간 조직의 지능을 확장하는 것’이다. AI 전환은 바로 이 지점에서 시작된다. 기업은 이제 기술을 도구로 사용하는 단계를 지나 스스로 더 빠르게 학습하고, 더 정확하게 판단하며, 더 창의적으로 행동하는 ‘지능적 시스템(intelligent system)’으로 거듭나야 한다. 결국 디지털 전환이 ‘조직을 재설계하는 것’이었다면, AI 전환은 그 설계를 바탕으로 ‘조직을 하나의 살아있는 지능으로 만드는 것’이다. 이 거대한 흐름 속에서 AI를 조직의 일부로 내재화하는 기업만이 미래 경쟁력을 선점하게 될 것이다. 우리는 이것은 인지적 디지털 전환(cognitive digital transformation) 이라고 부를 지도 모른다.   ■ 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.

가트너가 2030년까지 1조 개 파라미터를 보유한 거대 언어 모델(LLM)의 추론 비용이 2025년과 비교해 90% 이상 줄어들 것이라는 전망을 내놓았다. 생성형 AI 모델이 처리하는 기본 데이터 단위인 AI 토큰은 이번 분석에서 약 3.5바이트로 정의되었다. 가트너는 반도체와 인프라의 효율 개선, 모델 설계 혁신, 추론 특화 반도체 확대 등에 힘입어 2030년에는 LLM의 비용 효율이 2022년 초기 모델 대비 최대 100배까지 좋아질 것으로 내다봤다. 가트너는 이번 비용 분석을 위해 최첨단 반도체 기반의 프런티어 시나리오와 기존 반도체를 혼합해 사용하는 레거시 혼합 시나리오를 활용했다. 분석 결과 레거시 혼합 시나리오는 연산 성능이 상대적으로 낮아 프런티어 시나리오보다 비용이 상당히 높은 것으로 나타났다.   ▲ 가트너의 생성형 AI 추론 비용 시나리오 전망   하지만 토큰 단가가 떨어진다고 해서 기업의 AI 관련 비용이 곧바로 줄어들지는 않을 것으로 보인다. 고도화된 AI 기능일수록 더 많은 토큰을 사용하는 구조적 특성 때문이다. 가트너의 분석에 따르면 AI 에이전트는 기존 챗봇보다 작업당 최소 5배에서 최대 30배 많은 토큰을 필요로 한다. 토큰 단가의 하락 속도보다 토큰 사용량의 증가 속도가 더 빠르기 때문에, 전체적인 추론 비용은 오히려 늘어날 가능성이 크다. 가트너의 윌 소머 시니어 디렉터 애널리스트는 “제품 총괄 책임자는 범용 토큰 가격의 하락을 고급 추론 역량의 대중화로 오해해서는 안 된다”고 강조했다. 기본적인 AI 기능은 비용이 거의 들지 않는 수준이 되겠지만, 고급 추론을 위한 컴퓨팅 자원과 시스템은 여전히 희소하다는 설명이다. 그는 이어 “저렴한 토큰 비용에 의존해 아키텍처의 비효율을 방치하는 기업은 향후 에이전트 기반 AI를 확장하는 단계에서 한계에 부딪힐 것”이라고 경고했다. 가트너는 앞으로 다양한 모델 포트폴리오 사이에서 업무 부하를 효율적으로 조정하는 플랫폼의 가치가 높아질 것이라고 전망했다. 자주 반복되는 업무는 소형 모델이나 도메인 특화 모델로 처리하고, 비용이 많이 드는 프런티어급 모델은 복잡하고 가치가 높은 추론 작업에만 선택적으로 활용해야 한다는 전략이다. 이러한 멀티 모델 운영 방식은 특정 작업 흐름에서 범용 모델보다 낮은 비용으로 더 뛰어난 성능을 제공할 수 있다.

트렌드에서 얻은 것 No. 28   ▲ 클릭하면 큰 그림으로 볼 수 있습니다.   21세기 제조 산업은 기계적 자동화를 넘어 데이터와 인공지능(AI)이 설계, 생산, 운영의 전 과정을 주도하는 지능형 시대로 진입하고 있다. 2025년을 기점으로 인공지능은 생산성을 보조하는 도구의 단계에서 벗어나, 엔지니어링의 근간을 재정의하는 ‘AI 네이티브(AI-native)’ 환경의 핵심 인프라로 자리 잡았다. 과거의 제조 방식이 숙련공의 경험과 직관에 의존하는 결정론적(deterministic) 방식이었다면, 미래의 스마트 엔지니어링은 방대한 산업 데이터를 기반으로 최적의 의사결정을 자율 수행하는 확률론적(probabilistic) 방식으로 전환되고 있다. 이번호 칼럼에서는 글로벌 선도 기업의 실무 적용 사례를 통해 2026년 제조업이 나아가야 할 방향을 알아보고자 한다.   스마트 엔지니어링의 역사적 진화와 패러다임의 전환 스마트 엔지니어링의 역사는 물리적 모델을 디지털 공간으로 옮기려는 지속적인 노력의 산물이다. 1990년대 초반, 보잉은 777 기종의 개발 과정에서 CAD를 활용한 디지털 목업(DMU) 기술을 도입하며 설계 혁신을 시작했다. 이는 종이 도면 없이 항공기 전체를 3D 상에서 검증한 최초의 사례로 기록된다. 이후 2010년대에 들어서며 에어버스 A350의 사례와 같이 설계 리뷰 전 과정이 디지털화되었고, 2020년대에 이르러서는 복제를 넘어 물리적 대상과 실시간으로 데이터를 주고받는 디지털 트윈(digital twin) 기술이 성숙기에 접어들었다. 2025년부터 2026년 사이의 기술적 전향점은 이러한 디지털 트윈이 AI 네이티브 지능을 탑재하기 시작했다는 점이다. 이제 엔지니어링 업무의 30%를 차지하던 과거 데이터 검색 및 비부가가치 활동은 구체적인 사례가 공개되고 있지는 않지만, 시대의 흐름에 따라 서서히 생성형 AI와 검색 증강 생성(RAG) 기술로 대체되어 갈 것으로 보인다. 또한, 글로벌 기업의 끊임없는 연구로 인해 엔지니어는 반복적인 분석 대신 창의적인 문제 해결과 맥락적 의사결정에 집중하는 ‘코파일럿(co-pilot)’ 시대도 곧 맞이할 것으로 예상된다.     이러한 패러다임의 전환은 한국 제조업에도 시급한 과제다. 미국, 독일, 일본 등 주요 제조 강국과 비교할 때 한국의 제조업 부가가치율은 여전히 상대적으로 낮은 수준에 머물러 있으며, 대기업과 중소기업 간의 생산성 격차는 약 4배에 이른다. 고령화와 저출산으로 인한 노동력 감소, 근로시간 단축 등 제약 사항이 증가하는 상황에서 AI를 통한 제조 지능화는 선택이 아닌 생존을 위한 필수 전략으로 부상하고 있다.   제조 지능화를 위한 AI 핵심 활용 방안 및 기술 분석 제조 현장에서 AI를 실무에 적용하는 방식은 정보 추출부터 복잡한 공정 시뮬레이션 및 자율 제어에 이르기까지 넓은 영역을 포괄한다. 지능형 지식 검색 및 데이터 파이프라인 최적화는 엔지니어링 업무의 상당 부분은 과거의 기술 문서, 도면, 실험 데이터를 찾는 데 소요된다. 최근의 RAG(Retrieval Augmented Generation) 기술은 수십 년간 축적된 비정형 데이터(PDF, 엑셀, 문서)를 벡터 데이터베이스(vector DB)로 변환하여 자연어 질문에 답변하고 근거가 되는 출처를 명확히 제시함으로써 환각(hallucination) 문제를 해결하고 있다. 이는 글로벌 프로젝트에서 기술 문서의 실시간 번역과 용어 표준화를 지원하여 협업 효율을 극대화한다. 또한, 연구 프로세스 개선을 위해 데이터 파이프라인 중심의 자동화가 추진되고 있다. 기존의 실험 연구자가 수기로 기록하던 방식에서 벗어나 디지털화된 시료 분석과 제어 데이터를 클라우드 협업 환경에 통합함으로써, 연구 산출물의 재현성을 높이고 멘토링의 질을 개선하는 것이 핵심이다. 생성형 설계(generative design)와 제조 공법 인지는 엔지니어의 상상력을 정교한 설계안으로 구현하는 데 결정적인 역할을 한다. 설계자가 경량화, 강성 등 목표 조건과 재료, 제조 공법 등의 제약 조건을 입력하면 AI는 수백 가지의 대안을 생성한다. 특히 ‘제조 공법 인지(manufacturing-aware)’ 기능은 주조 공법 시 금형에서 제품이 빠져나올 수 있는 구배 각도를 자동 고려하거나 3축/5축 가공 시 공구가 접근할 수 없는 언더컷 형상을 배제하는 수준까지 진화했다. 일본의 니프코(Nifco)는 이를 활용해 전통적인 육각형 허니콤 구조를 넘어선 비정형 유기적 패턴을 설계함으로써 강성을 유지하면서도 재료 사용량을 획기적으로 절감하는 성과를 거두었다. 에이전틱 AI(agentic AI)와 자율적 프로세스 제어 부분을 살펴보면, 2026년의 주요 트렌드인 에이전틱 AI는 분석을 넘어 독립적으로 과업을 계획하고 실행하는 능력을 갖출 것이다. 기존의 AI가 ‘무엇이 잘못되었는가’를 알려주는 예측 도구였다면, 에이전틱 AI는 ‘어떻게 해결할 것인가’를 결정하고 실행한다.     인과관계 AI(causal AI)와 지식 조립 공장은 전통적인 머신러닝 모델은 데이터 간의 상관관계에 의존하기 때문에 ‘왜’라는 질문에 답하기 어렵고, 공정 환경이 변하면 모델이 붕괴되는 한계를 가진다. 이를 극복하기 위해 2026년에는 인과관계 AI가 제조업의 핵심 기술로 부상하고 있다. 인과관계 AI는 데이터 패턴 학습을 넘어 원인과 결과의 사슬을 규명한다. 예를 들어, 공장 내 배관의 결로 현상과 습도 데이터 사이에는 강한 상관관계가 존재하지만, 습도가 결로의 원인인지 혹은 그 반대인지를 명확히 정의하지 못하면 잘못된 설비 투자가 이루어질 수 있다. 인과관계 AI는 주다 펄(Judea Pearl)의 수학적 기초를 바탕으로 개입(intervention) 분석을 수행하여 ‘만약을 변경한다면은 어떻게 변할 것인가’라는 질문에 명확한 수치를 제공한다. 인하대학교 이창선 교수가 제시한 KAMG AI(Knowledge Assembly Factory) 개념은 AI가 스스로 모든 것을 만드는 것이 아니라, 인간 전문가가 설계한 ‘인과 지식 설계도(blueprint)’를 기반으로 AI가 지식을 조립하는 방식을 취한다. 이는 존재(entity), 속성(attribute), 관계(relation) 프레임워크를 통해 지식을 해부하고 표준화된 조립 공정을 거쳐 인과 예측 모델을 산출한다. 이 과정에서 엔지니어는 프로그래머가 아닌 시스템의 의미와 변수의 역할을 결정하는 ‘지식 설계자(architect)’로 거듭나게 된다. 데이터 거버넌스와 팔란티어 온톨로지(ontology) 전략의 핵심은, 제조 AI가 진정한 가치를 창출하기 위해서는 현장의 모든 데이터가 실시간으로 연결되는 ‘디지털 스레드(digital thread)’가 전제되어야 한다는 것이다. 팔란티어의 온톨로지 기술은 데이터 사일로(silo) 문제를 해결하고 기업의 전체 데이터 유니버스를 비즈니스 맥락으로 재구성하는 핵심 아키텍처를 제공한다. 온톨로지는 데이터를 분류하는 것을 넘어 업무, 조직, IT 시스템 간의 공통 언어를 제공한다. 팔란티어 파운드리는 기존 레거시 시스템(ERP, PLM, MES 등)의 데이터를 물리적으로 옮기지 않고 연결하며, 이를 객체(object)와 관계(link)로 모델링한다. 객체(entity) : 차량 모델, 부품, 공정, 설비, 고객 등 핵심 요소를 개체화한다. 속성(attribute) : 개체의 특징(온도, 압력, 재질, 작업 시간)을 정의한다. 관계(relationship) : ‘부품은 공정에서 사용된다’, ‘설계 변경은 생산에 영향을 준다’와 같은 업무적 연결을 구조화한다. 구축된 온톨로지 위에서 팔란티어의 AIP(Artificial Intelligence Platform)는 자연어 인터페이스를 통해 현장의 복잡한 상황을 분석하고 대응한다. 예를 들어, ‘5월 출하 지연 리스크를 요약해달라’는 명령에 대해 AI는 공급망, 재고, 생산 실적 데이터를 온톨로지 상에서 실시간으로 탐색하여 리스크의 원인을 파악하고, 대체 시나리오의 비용 효율을 시뮬레이션한 뒤 실행 승인을 요청한다. HD현대(전 현대중공업그룹)의 FOS(Future of Shipyard, 미래 첨단 조선소) 프로젝트는 2030년까지 세계 최초의 자율 운영 스마트 조선소를 구현하기 위해 팔란티어의 빅데이터 플랫폼인 ‘파운드리(Foundry)’를 도입하는 핵심적인 디지털 전환 사업이다. BMW는 팔란티어의 데이터 플랫폼인 파운드리를 도입하여 생산, 공급망 관리 및 품질 관리 시스템을 고도화하고 있다. 특히 팔란티어의 QMOS(Quality Management Operating System) 설루션을 통해 데이터 기반의 ‘제로 디펙트(zero defect, 무결점)’ 생산 환경을 구축하는 것이 핵심이다. 에어버스는 팔란티어의 파운드리 기술을 도입하여 항공기 제조 및 운항 데이터를 통합 관리하는 ‘스카이와이즈(Skywise)’ 플랫폼을 구축했다. 이를 통해 A350 인도 속도를 33% 향상시키고 운영 효율을 극대화하며, 데이터 기반의 의사결정 시스템을 혁신했다.   품질, 예지보전 및 에너지 최적화의 기술적 심화 AI가 제조 현장에 가져온 가장 직접적인 성과는 품질 비용 절감과 비가동 시간(downtime)의 최소화다. 현대트랜시스는 자체 개발한 AI 기반 품질 검사 시스템인 TADA(Transys Advanced Data Analytics) 스마트 설루션을 생산 현장에 적용하여, 기존 93% 수준이던 불량 검사 정확도를 99.9%까지 끌어올렸다. LG에너지솔루션은 AI 및 빅데이터 기술을 활용해 전 세계 생산 공장을 ‘지능형 스마트 팩토리’로 전환하고, 배터리 제조 품질과 생산 효율을 극대화하는 것을 AI 비전으로 삼고 있다. 특히, CDO 직속 AI 기술팀을 통해 공정 데이터를 분석하여 배터리 수명을 예측하고, 스마트 공장 기술을 적용하여 글로벌 생산 기지의 경쟁력을 강화하는 중책을 맡고 있다. 기존의 예지보전이 단일 센서의 임계치 모니터링에 의존했다면, 예지보전 2.0은 진동, 전류 파형, 소음, 온도를 동시에 분석하는 멀티모달(multi-modal) 방식을 취한다. AI는 고장 징후를 발견할 뿐만 아니라, ‘최근 3개월간의 패턴 분석 결과 내륜 손상이 의심되니 메뉴얼 45페이지의 베어링 교체 절차를 따르라’는 처방적 가이드를 생성형 AI를 통해 현장 작업자에게 즉시 전달한다. 포스코 광양제철소는 이를 연속 주조 설비에 적용하여 고장 예지 시스템을 성공적으로 구축했다. 탄소 배출 규제가 강화되는 가운데 AI는 에너지 사용량 예측과 최적화에 결정적인 역할을 한다. 슈나이더 일렉트릭은 예측 AI를 활용하여 산업 시설의 에너지 효율을 높이고 운영비를 절감하는 설루션을 제공하고 있으며, 한국그린데이터 등 국내 기업들도 AI 챗봇이 탑재된 운영 체제를 통해 제조업의 에너지 피크 관리와 전력 최적화를 지원하고 있다.   2026 글로벌 기술 트렌드 및 리더십의 우선순위 2026년은 AI가 ‘생산성 향상 도구’에서 ‘책임과 신뢰의 기반’으로 진화하는 해가 될 것이다. 딜로이트와 가트너 등의 보고서에 따르면 기업 리더들은 다음의 네 가지 영역에 집중해야 한다. 첫째, 에이전틱 리얼리티 체크(agentic reality check)이다. 챗봇 도입을 넘어 비즈니스 프로세스 자체를 재설계해야 한다. 보고서에 따르면 40%의 에이전틱 AI 프로젝트가 2027년까지 실패할 것으로 예상되는데, 이는 기술적 문제보다는 기존의 망가진 프로세스를 단순히 자동화하는 ‘자동화 함정’ 때문이라고 분석된다. 성공하는 기업은 엔드 투 엔드 프로세스 전체를 혁신하며 인간과 에이전트 팀을 오케스트레이션하는 모델을 채택하고 있다. 두 번째, 소버린 AI(sovereign AI)와 보안 거버넌스이다. 데이터 주권과 국가별 규제 대응이 중요해짐에 따라 소버린 AI 전략이 필수이다. 2026년에는 기업의 77%가 공급업체 선택 시 설루션의 원산지를 고려하며, 로컬 벤더를 중심으로 한 독립적인 AI 스택 구축이 확산될 것이다. 또한, 데이터 모델 오염(poisoning) 리스크에 대응하기 위한 예측적 OT 사이버 보안 체계 구축이 가속화될 전망이다. 세 번째, 피지컬 AI와 휴머노이드 로봇의 확산이다. 제조, 물류, 국방 분야를 중심으로 피지컬 AI의 도입이 급증하고 있다. 2026년에는 아시아-태평양 지역을 중심으로 피지컬 AI 채택률이 80%에 도달할 것으로 보이며, 이는 공장 내 정적인 자동화 설비를 대체하여 비정형 환경에서도 유연하게 대응하는 자율 운영 공장의 핵심 요소가 될 것이다. 네 번째, 지능형 컴플라이언스 및 표준화이다. 규제 당국 역시 AI를 활용하여 기업의 데이터를 실시간 모니터링하는 시대가 오고 있다. 이제 정기 감사에 대비하는 수준을 넘어, 시스템이 스스로 규정 위반 리스크를 예측하고 보고하는 ‘예측적 컴플라이언스’가 표준으로 자리 잡을 것이다.   실무자를 위한 실행 로드맵 스마트 엔지니어링을 위한 AI 활용은 더 이상 미래의 담론이 아닌 2026년 현재의 경영 핵심 과제다. 2026년은 지식 소유 자체가 무의미해지는 시점이며, AI가 생성한 결과물을 편집하고 맥락화하는 ‘아키텍트(architect)’ 능력이 엔지니어의 몸값을 결정짓게 될 것이다. 기업은 성공적인 AI 전환을 위해 다음의 3단계 로드맵을 고려해야 한다. 첫째, 지능형 설계 및 시뮬레이션 단계를 통해 아이디어를 가장 빠르게 현실화할 수 있는 데이터 환경을 구축해야 한다. 둘째, 스마트 생산 및 운영 단계를 통해 물리적 세계를 정밀하게 제어하고 최적화하는 디지털 스레드와 온톨로지 체계를 완성해야 한다. 셋째, 제품, 공장, 도시를 하나의 유기체로 연결하는 생태계 통합 단계로 나아가야 한다. AI는 도구가 아니라 설계–생산–운영 전반을 학습하고 최적화하는 ‘지능형 플라이휠(intelligent flywheel)’이다. 지금 이 순간에도 데이터는 쌓이고 있으며, 이를 인과관계로 해석하고 에이전틱 AI로 실행에 옮기는 기업만이 2026년 이후의 제조업 패러다임 변화에서 승리자가 될 수 있을 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.

디지털 지식전문가 조형식의 지식마당   매년 산업과 기술에 관심 있는 사람들 사이에서 회자되는 행사가 미국에서 열리는 CES와 독일에서 열리는 하노바 산업박람회이다. 다양한 기술과 트렌드를 주장하지만, 대부분의 사람에게는 곧 잊혀지는 이벤트이다. 최근 라스베이거스에서 막을 내린 CES 2026의 슬로건은 ‘혁신가들의 등장(Innovators Show Up)’이었다. 이번 전시회는 단순한 기술의 과시를 넘어, 인공지능이 실험실을 떠나 우리의 산업 현장과 일상에 완전히 뿌리내리는 실행의 시대가 도래했음을 선언했다. CES 2026에서 가장 압도적인 키워드는 단연 ‘에이전틱 AI(agentic AI)’였다. 과거의 AI가 인간의 질문에 답하는 챗봇 형태였다면, 이제는 스스로 목표를 이해하고 계획을 세워 실행까지 마치는 ‘자율적 대리인’으로 진화했다. 이번 CES에서는 소프트웨어 속에만 존재하던 AI가 로봇의 몸을 빌려 현실 세계로 튀어나온 피지컬 AI(physical AI)의 약진이 돋보였다. AI는 이제 나보다 나를 더 잘 아는 초개인화(hyper-personalization) 단계에 진입했다. 참고로 2025년 하노버 산업박람회는 AI와 지속 가능성이 더 이상 실험실의 논의가 아닌, 제조 현장의 실질적인 비즈니스 백본(business backbone)으로 자리 잡았음을 선언했다. 이번 행사에서 반복적으로 강조된 디지털화(digitalization), 자동화(automation), 전기화(electrification)라는 세 줄기의 기술 흐름은 하나의 지향점, 즉 ‘지능형 지속 가능한 공장’으로 수렴하고 있다. 그러나 이 두 행사에서 우리 사회와 산업에 보내는 메세지는 디지털 동료(digital colleague)가 도래했다는 것이고, 이것은 현재의 우리 사회에 커다란 변화를 요구할 지도 모른다. <그림 1>에서는 2026년 인공지능 기술의 주요 트렌드를 다섯 가지 핵심 영역으로 분류하여 미래 전망을 제시한다. 인공지능이 단순한 도구를 넘어 자율적인 디지털 동료로 진화하며 인간과 긴밀히 협업하고, 추론 중심 모델과 멀티모달 기술을 통해 기술적 완성도가 더욱 높아질 것으로 분석된다. 특히 의료, 과학 연구, 고객 서비스 등 산업 전반의 자동화가 가속화되는 동시에, 이를 뒷받침하기 위한 보안 체계와 거버넌스의 중요성도 강조하고 있다. 또한 전력과 반도체 같은 인프라 경쟁과 국가 간의 기술 격차 문제를 시장의 주요 변수로 다루며, AI 생태계의 복합적인 변화를 설명한다. 결과적으로 미래 경쟁력은 개인과 조직이 이러한 AI 에이전트를 얼마나 능숙하게 활용하고 관리하는지에 의해 결정될 것임을 시사한다.   그림 1. 2026년 5대 핵심 인공지능 트렌드   우리는 지금 인공지능과 인간의 관계가 근본적으로 재정의되는 변화의 변곡점에 서 있다. 지금까지의 AI가 우리가 던진 질문에 답을 내놓는 ‘똑똑한 도구’였다면, 다가오는 2026년의 AI는 스스로 계획하고 실행하는 ‘능동적 동료’로 진화할 것이다. 인공지능 기술이 단순한 질의응답을 넘어 스스로 판단하고 실행하는 ‘자율적 에이전트’로 진화함에 따라, 기업이 보유한 지식을 어떻게 구조화하느냐가 핵심 경쟁력으로 부상하고 있다. 특히 조직 내부에 잠재된 노하우인 ‘암묵지’를 AI가 이해할 수 있는 ‘형식지’로 전환하는 과정은 더 이상 선택이 아닌 필수이다. 2026년, 인공지능이 단순한 도구를 넘어 우리와 함께 일하는 능동적 동료로 자리 잡기 위해서는 기업 내부에 흩어진 무형의 자산을 어떻게 데이터화하는지가 관건이다. <그림 2>는 기업의 암묵지를 형식지로 전환하여 인공지능이 즉시 활용 가능한 상태로 만드는 ‘지식 구조화 4단계 프로세스’를 제시하고 있다.   그림 2. 지식 구조화 4단계 프로세스   지식 구조화의 결과물인 온톨로지는 자율적 에이전트가 환각(hallucination) 없이 소통하고 협업하기 위한 필수 조건이다. 자율적 에이전트가 맥락을 정확히 이해하고 자율적으로 실행하기 위해서는 데이터의 의미와 관계가 정의된 온톨로지 파운데이션(ontology foundation)이 탄탄해야 한다. 성공적인 AI 도입을 원하는 기업은 단순히 대규모 언어 모델을 도입하는 데 그치지 않고, 자사의 고유한 지식을 어떻게 논리적으로 구조화하여 AI의 두뇌로 이식할 것 인지에 대한 전략적 접근이 필요하다.   그림 3. 인공지능 온톨로지   온톨로지의 핵심 역할 소통 프로토콜(protocol) : 서로 다른 AI 에이전트 간에 오해 없는 정보 교환을 가능하게 하는 표준이 된다. 추론의 근거(reasoning) : 단순한 통계적 확률이 아니라, 정의된 논리적 관계에 기반하여 의사결정을 내릴 수 있도록 지원하며 이는 설명 가능한 AI(XAI)의 토대가 된다. 지식의 지도(context map) : 암묵지를 형식지로 변환하여 데이터의 의미와 관계, 업무 인과관계를 명확히 규정한다. 2026년의 기업 경쟁력은 단순히 어떤 AI 모델을 쓰느냐가 아니라, 자사의 고유한 지식을 얼마나 정교하게 구조화했느냐에서 결정될 것이다. 4단계 프로세스는 기업이 AI를 통해 혁신을 달성하기 위한 가장 구체적인 이정표가 될 것이다. 개인의 경쟁력은 AI가 업무의 실행을 담당하게 되면서, 인간의 역할은 직접 실무를 수행하는 ‘Doer’에서 AI 팀을 관리하고 조율하는 ‘지휘자(orchestrator)’로 근본적인 변화를 맞이한다. 결국 미래의 경쟁력은 AI 기술 자체보다 AI 에이전트를 얼마나 능숙하게 다루고 육성하느냐에 달려 있다. 조직의 지식을 온톨로지 기반으로 체계화하고, 구성원들이 숙련된 지휘자로서의 역량을 갖출 때 비로소 AI는 단순한 도구를 넘어 진정한 디지털 동료로서 기능할 수 있을 것이다.   ■ 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.

세일즈포스는 56회 세계경제포럼(WEF) 연차총회에서 에이전트포스 360 기반의 컨시어지 앱 ‘EVA’를 공개하면서, 3000여 명 참석자의 일정 관리와 정보 탐색 여정을 최적화하고 WEF의 AX(인공지능 전환) 가속화를 지원한다고 밝혔다. 이번 연차총회는 1월 19일부터 23일까지 스위스 다보스에서 개최된다. WEF 역사상 가장 큰 규모로 행사 기간 450여 개 세션과 수천 건의 회담, 특별 프로그램이 예정되어 있어 참석자들의 개별 일정 관리와 정보 탐색 여정이 매우 복잡해질 것으로 예측된다. 세일즈포스는 WEF가 10년 이상 축적한 데이터와 신뢰할 수 있는 자체 AI 에이전트 플랫폼을 기반으로 참석자 개개인에게 최적화된 포럼 경험을 제공한다는 계획이다.     EVA는 기존 챗봇의 한계를 넘어 참석자를 대신해 추론하고 우선순위를 판단하며 필요한 행동까지 수행할 수 있는 AI 에이전트 기능을 포함한다. 특히 참석자의 관심에 맞춘 세션 추천, 양자 회담 일정 조정, 실시간 브리핑 자료 생성 등의 기능은 현장에서 참석자가 직접 처리해야 하는 업무 부담을 줄이는 한편, 포럼 간 참석자의 신속하고 효율적인 의사결정과 정보 탐색 여정을 지원한다. 일정 관리 기능은 참석자의 성향과 특성에 따라 맞춤형 회담과 세션을 추천하고, 일정 예약부터 변경·취소까지 자동으로 처리한다. 실시간 내비게이션 기능은 행사장 정보와 연동되어 참석자가 원하는 장소와 정보를 손쉽게 찾을 수 있도록 지원하며, 회의 준비 지원 기능은 회담과 세션의 배경 정보와 브리핑 자료를 자동으로 생성해 참석자의 사전 준비 부담을 줄인다. 이러한 EVA의 추론과 행동 기능은 세일즈포스의 ‘에이전트포스 360 플랫폼’을 기반으로 작동한다. 에이전트포스 360 플랫폼은 ‘데이터 360’, ‘세일즈포스 하이퍼스케일 데이터 엔진’, ‘에이전트포스 마케팅’ 등의 세일즈포스 주요 제품과 연동되어 참석자의 상황에 맞춰 현장에서 필요한 지원을 제공한다. 또한 데이터 360에는 세일즈포스 CRM을 기반으로 500여 개 이상의 맞춤형 오브젝트(데이터 항목)가 저장돼 있어, AI가 정보를 자율적으로 처리하고 브리핑 자료를 신속하게 생성할 수 있도록 돕는다. EVA는 현장 지원을 넘어 ‘에이전트포스 서비스’를 통해 웹·모바일 옴니채널 지원과 고객 지원 관리 기능을 제공하며, WEF의 오픈 이노베이션 플랫폼인 업링크(UpLink)와도 연동된다. 에이전트포스 마케팅은 맞춤형 이벤트 초대, 사용자 여정 관리, 커뮤니티 참여 확대를 담당한다. 또한 세일즈포스의 ‘뮬소프트(MuleSoft)’는 세일즈포스의 AI CRM과 제3자 시스템(금융·인사·여행·운영 등) 간의 안전한 연결 및 통합을 지원하며, 세일즈포스의 지능형 데이터 분석 플랫폼 ‘태블로(Tableau)’는 참석자의 참여도와 활동 데이터를 실행 가능한 인사이트로의 전환을 담당한다. 이 밖에도 WEF는 AI 중심의 에이전틱 엔터프라이즈(Agentic Enterprise) 모델과 EVA를 기반으로 회원 등록과 케이스 관리 절차를 간소화하는 등 행사 운영 효율성을 높이고 참석자 경험을 고도화해 나갈 계획이라고 전했다. WEF의 뵈르게 브렌데(Børge Brende) 총재는 “행사 준비 과정에서 임직원들의 업무 수행을 지원하고, 참석자들의 경험을 한층 강화하기 위해 AI 에이전트를 도입했다”면서, “EVA를 통해 참석자들은 단순히 일정을 최적화하는 차원을 넘어 WEF가 축적한 방대한 지식을 손안에서 직접 경험 및 활용할 수 있을 것”이라고 언급했다. 세일즈포스의 마크 베니오프(Marc Benioff) 최고경영자(CEO)는 “역대 최대 규모로 진행되는 이번 다보스 포럼에서 모든 참석자가 AI 에이전트와 협업하는 것이 어떤 의미인지 직접 경험을 하게 될 것”이라면서, “에이전트포스 360에 기반한 EVA는 기존의 챗봇을 넘어, 신뢰할 수 있는 데이터를 기반으로 리더들이 보다 신속하게 움직이고, 철저히 준비하며, 즉각적으로 실행할 수 있도록 돕는 AI 컨시어지 역할을 수행할 것이며, 이것이 바로 실제로 구현된 ‘에이전틱 엔터프라이즈’의 모습”이라고 강조했다.