최적화 문제를 통찰하기 위한 심센터 히즈 (3)   이번 호에서는 심센터 히즈(Simcenter HEEDS)를 사용하여 수집된 외부 데이터를 시각화하고 분석하는 데 초점을 맞추고, 데이터 시각화의 중요성과 분석 기법의 활용 방안을 살펴본다.   ■ 연재순서 제1회 AI 학습 데이터 생성을 위한 어댑티브 샘플링과 SHERPA의 활용 제2회 근사모델 기반의 최적화 vs. 직접 검색 기반의 최적화 제3회 수집 또는 측정된 외부 데이터의 시각화 및 데이터 분석 제4회 산포특성을 가지는 매개변수의 상관성 및 신뢰성 분석 제5회 실험 측정과 해석 결과 간의 오차 감소를 위한 캘리브레이션 분석 제6회 프로세스 자동화 Ⅰ – 구조 설계 최적화 및 사례 제7회 프로세스 자동화 Ⅱ – 모터 설계 최적화 및 사례 제8회 프로세스 자동화 Ⅲ – 유로 형상 설계 최적화 및 사례 제9회 프로세스 자동화 Ⅳ – 다물리 시스템 최적화 및 사례 제10회 프로세스 자동화 Ⅴ – 제조 공정 효율성 최적화 및 사례   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 히즈를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR   데이터 분석의 중요성 오늘날 데이터는 우리의 일상과 비즈니스 운영에서 점점 더 중요한 역할을 하고 있다. 수집되고 측정된 데이터의 양이 증가하면서 이를 효과적으로 처리하고 분석하는 방법은 더욱 필요해지고 있다. 이러한 변화 속에서, 지멘스의 심센터 히즈는 강력한 데이터 분석 및 시각화 기능을 제공하여 다양한 산업 분야에서 최적의 해결책을 찾는 데 기여하고 있다. 이번 호에서는 히즈의 기능을 효과적으로 활용하여 어떻게 복잡한 데이터를 이해하고 의미 있는 인사이트를 얻을 수 있는지 살펴볼 것이다.   히즈의 데이터 분석 기능 히즈의 Discover(디스커버) 탭은 사용자가 데이터 사이의 관계 및 최적화 가능성을 탐구할 수 있도록 다양한 도구를 제공한다. Discover 기능은 주요한 데이터 분석 및 이해를 도와주는 여러 방법을 포함하고 있다.    그림 1   다음은 각각의 기능에 대한 설명이다.  Closest : 특정 데이터 포인트에 가장 가까운 변화를 식별한다. 이를 통해 최적화 과정에서의 데이터 민감성을 이해하고 결정에 도움을 줄 수 있다.  Similar : 사용자가 선택한 기준에 따라 유사한 데이터 집합을 찾는 기능이다. 이는 집합의 규칙 또는 모델을 파악하는 데 유용하다. Clusters : 데이터 세트를 서로 연관된 그룹으로 분류한다. 군집화 기법을 통해 데이터의 패턴을 식별하고 알고리즘에 의한 데이터 이해를 개선할 수 있다.  Trade-offs : 다수의 설계 목표 간의 상충 관계를 분석한다. 이를 통해 각각의 설계 대안이 어떻게 특정 목표를 달성하는지에 대해 명확하게 이해할 수 있다.  Patterns : 데이터 내의 반복되는 경향이나 구조를 발견하여 예측 및 모델링에 도움을 주는 기능이다. 패턴 인식은 정보의 신뢰도를 높이는 데 중요하다.  Preview History : 사용자가 수행한 변경이나 실행의 기록을 미리 보면서 데이터 분석의 이력을 관리할 수 있다.  Design Set : 여러 디자인 시나리오를 만들고 비교하여 최적의 설계를 도출하는 데 도움을 준다.  Performance & Plot : 데이터의 성능을 평가하고 시각적으로 플롯하여 분석 결과를 명확하게 표현한다.  Discover 탭의 이러한 기능은 히즈 사용자가 데이터를 깊이 이해하고 시뮬레이션 최적화 과정에서 효과적인 의사 결정을 내리도록 돕는다. 이를 바탕으로 보다 정확하고 신뢰성 있는 설계와 분석 결과를 도출할 수 있다.   데이터 분석을 위한 예제   그림 2    목적함수 외팔보 H빔의 체적을 최소화 제약 조건 최대 굽힘 응력(σ) ≤ 200 MPa  최대 끝단 처짐(δ) ≤ 2 mm  설계 변수 Length : 5,000 mm  Load P : 6,500 N  E : 200 MPa  H : 50 mm ≤ H ≤ 100 mm  h1 : 5 mm ≤ h1 ≤ 30 mm  b1 : 50 mm ≤ b1 ≤ 100 mm  b2 : 5 mm ≤ b2 ≤ 50 mm 히즈의 Discovery Method를 사용하여 분석할 데이터는 우리가 지금까지 계속 예제로 사용한 외팔보의 처짐 문제를 기반으로 Adaptive Sampling Study(어댑티브 샘플링 스터디)에서 500개의 데이터를 생성하여 사용할 것이다. 아니면 독자들이 가지고 있는 데이터를 사용해도 괜찮다.   그림 3     ■ 자세한 기사 내용은 PDF로 제공됩니다.

캐드앤그래픽스 CNG TV 지식방송 지상 중계   지난 3월 31일 CNG TV는 ‘공기업 BIM 적용 지침에 따른 설계 및 시공 프로세스 변화와 대응 전략’을 주제로 웨비나를 개최했다. 이번 웨비나는 공기업의 건축 BIM(건설 정보 모델링) 적용 지침에 따른 설계 및 시공 프로세스의 변화와 이에 대한 실질적인 대응 전략을 다뤘으며, 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 디지털 지식연구소 조형식 대표, 성균관대학교 진상윤 교수   공기업 건축 BIM 적용 지침의 변화와 실무 적용 사례 LH와 GH의 건축 BIM 적용 지침 개발을 총괄한 성균관대학교 진상윤 교수는 이 지침이 설계 및 시공 프로세스에 어떤 변화를 가져오는지 설명했다. 이 지침은 공기업이 각 기관의 특성에 맞춰 BIM 적용 지침을 제정하도록 유도하고 있으며, LH, GH 및 기타 공사가 이를 기반으로 자체 BIM 지침을 수립한 것이 특징이다. 진 교수는 이 지침을 통해 설계 및 시공의 초기 단계부터 BIM을 적극 활용하고, 기존의 ‘전환 설계’ 방식이 아닌 실질적인 BIM 설계 프로세스를 유도하고자 했다고 설명했다. 또한, 발주자가 BIM을 통해 실질적인 관리가 가능한 체계를 구축하고, 도면 대신 BIM 기반의 성과물을 생산하는 프로세스를 개발 중이라고 밝혔다. 그는 BIM을 활용한 설계가 국제 경쟁력 확보와 산업 선진화를 목표로 하고 있다면서, 공동주택 설계의 BIM 프로세스를 소개하는 비전 영상도 함께 공개했다. 주요 내용으로는 ▲기존 BIM 적용의 한계 극복 ▲실질적인 BIM 설계 프로세스 유도 ▲발주자의 지속 가능한 BIM 운영 체계 구축 ▲시공 BIM 프로세스 개선 ▲유지관리 단계까지 고려한 준공 BIM 확보 등이 제시됐다. 진 교수는 “BIM은 단순한 기술 도입이 아니라 언어 자체가 바뀌는 개념으로 접근해야 하며, ▲인식 개선 ▲프로세스 개선 ▲대가 체계 개선 ▲표현 언어 변화 ▲생태계 전환이라는 다섯 가지 관점에서 변화가 필요하다”고 강조했다.   ▲ LH와 GH의 BIM 적용 현황   단위 세대 모델링과 BIM 데이터 구축 단위 세대 모델링은 중심선을 그리드로 설정하고 벽 및 바닥을 모델링한 뒤 창호나 문을 배치하는 방식으로 진행된다. 모델이 변경되면 면적 산정도 자동으로 반영되며, 사용자는 전용 면적, 공용 면적, 발코니 면적 등 세부 면적 정보를 구분하여 입력하고 효율적으로 관리할 수 있다. 공동주택의 경우 반복되는 객체가 많아 프로그램 성능 저하가 우려되지만, 효율적인 파일 관리 방안을 마련하면 안정적인 운영이 가능하다고 밝혔다. 또한 구조 정합성 검토는 구조 부재 정보를 기반으로 진행되며, 실내 재료 마감표를 구성하여 높은 정합성을 가진 도면을 추출할 수 있는 점도 장점으로 꼽혔다.   현상 설계 공모 단계에서의 BIM 적용 변화 과거에는 현상 설계 공모 단계에서 BIM 활용에 대한 반대 의견이 있었으나, 최근에는 BIM 역량을 갖춘 업체의 참여를 유도하는 방향으로 변화하고 있다. 실제로 고양 창릉 지구의 기본 설계 공모에서 현상 설계 단계부터 BIM 적용이 요구되기 시작했으며, 이는 건축 산업의 디지털 전환을 가속화하려는 의도로 풀이된다. 진 교수는 “현상 설계 공모에서 BIM을 활용한 3D 모델과 정보를 구축하고 이를 바탕으로 설계 설명서를 제작하는 것이 요구되고 있으며, 이를 위한 정확한 설계 검증 시스템도 마련되고 있다”고 말했다. 또한 “BIM은 설계자의 부담을 줄이고, 설계 데이터와 요구 사항을 지속적으로 확인하며 작업할 수 있게 해주는 도구로 기능한다”고 설명했다. 아울러 “BIM을 사용하지 않을 경우 감점 조치가 시행되고 있으며, 설계뿐 아니라 관리까지 BIM을 활용하도록 요구되면서 BIM 거버넌스의 중요성이 더욱 강조되고 있다”고 덧붙였다. 한편, 공기업 BIM 적용 지침에서는 원본 데이터에서 정의된 뷰 명칭을 도면 각 페이지에 각주로 명시해야 한다. 이는 BIM을 통해 구축한 실체에 해당 명칭을 추가하는 과정으로, 중대한 위반 사항과 사전 검토 항목은 BIM 시스템을 통해 검토해야 하며, 불법 건축 등 법규 위반 여부도 BIM 데이터를 통해 확인이 가능하다. 과거에는 현상 설계에서 별도로 가상 모델을 제출해야 했지만, 현재는 BIM을 통해 이를 손쉽게 구현할 수 있다. 아직 BIM을 적용한 현상 설계 사례는 많지 않지만, 지침에 따라 가상 모델 제출을 선택적으로 요구할 수 있는 유연성도 확보된 상황이다.   ▲ LH가 추구하는 설계 BIM 프로세스   지속 가능한 BIM 거버넌스 체제 필요성 지속 가능한 BIM 거버넌스 체계는 조직 내 경영진 변화와 무관하게 유지되어야 하며, 실무자는 최소 4년 이상 담당함으로써 충분한 이해와 경험을 축적해야 한다. BIM 적용 과정에서 발생할 수 있는 시행착오는 실무자의 심리적 부담을 고려해 제도적으로 포용할 필요가 있다. 이를 위해 선순환적인 BIM 수행 체계를 마련하고, 이를 기반으로 한 교육 및 훈련 프로그램을 체계적으로 운영해야 성공적인  BIM 도입이 가능하다. 또한 설계 및 시공자의 편의를 고려한 지침은 최소한의 요구사항을 명시해 사업 특성에 맞는 유연한 적용을 가능하게 하며, 필요 시 감독관과 협의를 거쳐 조정할 수 있다. BIM 도면은 기존의 2D CAD 도면이 가진 한계를 극복하고, 3D의 특성을 살려 설계 이해도를 높이는 방향으로 발전해야 한다. BIM은 다양한 디지털 기술의 기반이 되는 핵심 요소이며, 기업의 지속 가능한 발전을 위한 필수 기술로 자리 잡고 있다. 국내에서 BIM 사용 시 BCF 포맷을 지원하는 대표 소프트웨어로는 나비스웍스, 레빗, 아키캐드 등이 있으며, 국산 소프트웨어의 발전도 요구되고 있다.   BIM의 중요성과 국내 소프트웨어 현황 진 교수는 “한국 건설 산업에서 BIM의 활성화를 위해 실무자 중심의 프로세스를 구축해야 하며, 현재는 외주 업체에 대한 의존도가 높아 시장 성장이 제한적”이라며, “BIM 적용 시 전문가 간 분업을 통해 효율적인 업무 분담이 이루어져야 하고, 설계자와 엔지니어 간 명확한 역할 구분이 필요하다”고 강조했다. 향후 BIM의 발전 방향으로는 AI 기술과의 융합이 이루어져 보다 자동화된 건축 관리 시대가 도래할 가능성이 있으며, BIM은 디지털 기술 전환의 기반으로서 핵심 역할을 할 것으로 전망된다. 진 교수는 “국내 BIM 소프트웨어가 활성화되지 못하는 이유는 시장 규모가 작기 때문이며, 실무자가 아닌 외주 업체가 주로 사용하는 구조로 인해 사용률이 낮다”고 지적했다. 그리고 “건설업계 종사자가 약 100만 명에 달하지만, 이 중 실질적으로 BIM을 사용하는 비율은 낮아 시장 확대가 필요하다”고 덧붙였다. 앞으로 외주 업체는 BIM 컨설팅 서비스를 통해 부가가치를 창출하고, 이를 통해 산업 전반의 발전에 기여할 수 있는 기회를 마련해야 한다. 실무자 중심의 BIM 프로세스가 정착된다면, 국산 소프트웨어의 판매 증가와 함께 시장의 선순환 구조 형성도 기대할 수 있다.   ▲ 기존 대비 BIM 설계 예시       ■ 기사 내용은 PDF로도 제공됩니다.

트렌드에서 얻은 것 No. 23   “AI는 모든 산업에 새로운 가능성을 열어 준다. 중요한 것은 기술이 아니라, 그것을 어떻게 활용하느냐이다.” – 사티아 나델라(Satya Nadella), 마이크로소프트 CEO 마이크로소프트는 생성형 AI를 다양한 산업에 통합하며, 기술의 활용 방식에 중점을 두고 있고,  나델라의 말은 기술 도입보다 전략적 활용이 중요하다는 점을 강조한다.   생성형 AI와 함께 설계하고, 시뮬레이션하고, 개선하라 지금 이 이야기를 한국의 제조기업에 가서 한다면, 이상한 사람 취급을 받을 수 있다. 당장, 어떻게 할 수 있는지 이야기할 수 있느냐? 우리도 그렇게 하고 싶은데, 어떻게 할 수 있는지 제대로 나온 것도 없고, 사례가 있는지 등의 얘기가 자연스럽게 나온다. 맞는 말이다. 하지만, 지금은 레이스의 출발선에서 모두 같은 상황일 것이다. 다만, 전체를 제어하고 미래를 설계하는 혜안이 있는 사람이나 조직 유무에 따라 회사들의 달리기 속도는 분명 차이가 날 것이다.  우리는 그런 시대를 살아가고 또 지나가고 있다. 뉴스에서 다른 회사의 소식을 들으면서 탄식을 하고 있을 것인가, 아니면 고통스럽더라도 뭔가 해 보는 것이 낫지 않느냐의 갈림길에 있다. “그럼에도 불구하고, 우리는 설계할 수 있다.” 그렇다. ‘생성형 AI로 설계하고, 시뮬레이션하고, 개선하라’는 말은 지금의 제조 현장에선 거대한 간극처럼 느껴진다. 공장의 열기와 노하우 속에서 살아온 실무자에게는 뜬구름 잡는 이야기처럼 들릴 수 있다. “AI가 좋다는데, 어디까지 해봤나?”, “누가 이걸 설계에 실제로 썼대?” 이런 질문은 당연한 것이고, 오히려 현실을 잘 아는 사람일 수록 더 조심스러운 반응을 보인다. 그러나 지금, 우리는 모두 레이스의 출발선에 서 있다. 완성된 길도, 검증된 답도 아직 없다. 그러니 이 때 필요한 건 기술보다 먼저 혜안을 가진 사람, 구조를 설계할 수 있는 리더다. 단 한 줄의 프로토타입이라도 그려보려는 엔지니어, 익숙한 보고서보다 새로운 질문을 고민하는 팀장, 시행착오를 감수하고 방향을 잡으려는 임원이 지금 이 시대의 속도를 결정짓는다. 그리고 그 ‘혜안’은 거창한 청사진이 아닐 수도 있다. 단 하나의 설계 데이터를 기반으로 AI에게 첫 도면을 그리게 해보는 실험, 실시간 현장 일지에서 이상 징후를 요약하게 해 보는 시도, 현장의 사진 데이터로 품질 검사 자동화를 위한 검출 모델을 훈련해 보는 도전 등이 현 시점에서 예상해 볼 수 있는 가까운 미래 모습일 것 같다. “우리는 예상치 못한 상황을 목격하고, 예상된 상황을 보고하며, 결국 승리할 것입니다.” – 알렉스 카프, 팔란티어 CEO 카프는 AI를 활용한 제조업의 혁신이 불확실성을 극복하고 성공으로 이끄는 열쇠라고 보고 있으며, 이는 생성형 AI를 통한 제조업의 미래를 긍정적으로 전망한다.    그림 1. 실용형 AI 맵 ‘제조 미래를 바꾸다’(Map by 류용효) (클릭하면 큰 이미지로 볼 수 있습니다.)   제조, AI를 다시 만나다 “설계는 끝났지만, 고객은 원하지 않는다.”  “시뮬레이션은 끝났지만, 현장은 여전히 오류를 반복한다.”  “보고서는 쌓이지만, 문제는 여전히 현재진행형이다.” 이 문장들은 지금도 수많은 제조 현장에서 반복되고 있다. 전통적인 제조 프로세스는 분업과 효율을 중심으로 설계되었지만, 급변하는 고객의 요구와 복잡해진 제품 환경은 기존 체계의 민첩성과 창의성에 한계를 드러낸다. 이제 제조기업은 하나의 질문 앞에 서 있다. “우리는 더 빠르고 똑똑한 공장을 가질 준비가 되었는가?” 생성형 AI는 단순한 자동화 기술이 아니다. 설계자의 의도를 읽고 CAD 모델을 생성하며, 수십 개의 시뮬레이션으로 프로세스 병목을 알려주고, 품질 이상을 예측할 뿐 아니라 원인을 유추해주는 ‘설계적 사고를 하는 AI’가 등장하고 있다. 이는 기술의 도입이 아니라 제조기업의 ‘운영 철학’ 자체가 전환되는 순간이다. 제조기업이 생성형 AI와 함께 앞으로 어떻게 설계하고, 시뮬레이션하고, 개선할 수 있을지를 구체적으로 조망한다. “AI는 인류가 만든 가장 중요한 기술이다. 우리는 그것을 책임감 있게 개발하고 활용해야 한다.” – 순다르 피차이(Sundar Pichai), 구글 CEO 구글은 AI 개발에 있어 윤리적 책임과 사회적 영향을 고려하고 있으며, 피차이의 말은 기술 발전과 함께 그에 따른 책임도 중요하다는 점을 상기시켜 준다.   디자인의 재정의 - AI는 창의적인 엔지니어인가? 전통적인 제조 설계 과정은 복잡한 조건 설정, 반복적인 수정, 협업 간의 커뮤니케이션 비용 등으로 인해 수많은 시간과 리소스를 요구해왔다. 하지만 이제, 생성형 AI는 텍스트 한 줄로 설계를 시작하게 한다. “3개의 모듈로 구성된 소형 드론 프레임을 설계해 줘. 탄소 섬유 기반으로 무게는 150g 이하로.” 이 한 문장으로 AI는 초기 설계안을 생성하고, 다양한 대안 모델을 제공하며, 사용자 요구조건에 따라 자동 최적화를 제안한다. AI는 도면을 '그리는 도구'가 아니라, '제안하고 비교하는 동료 엔지니어'로 진화하고 있다. 예를 들어, 오토데스크의 퓨전 360(Fusion 360), 엔톱(nTop), 다쏘시스템의 3D익스피리언스 웍스(3DEXPERIENCE Works)는 이미 생성형 디자인 기능을 내장하고 있다.  디자이너는 아이디어를 제공하고, AI는 그에 기반한 설계 패턴을 도출한다. 이는 ‘무에서 유를 만드는’ 것이 아니라, 수많은 설계 데이터를 학습한 AI가 새로운 패턴과 조합을 도출해내는 방식이다. 결과적으로 설계자는 더 이상 반복적인 CAD 작업자가 아니다. 이제 디자이너는 ‘기획자’이자 ‘비평가’, 그리고 ‘AI와 협력하는 설계 전략가’가 된다. 또한, 이러한 생성형 설계는 대량 맞춤형 생산(mass customization)과의 결합으로 그 진가를 발휘한다. 기존에는 옵션이 제한된 범용 제품만이 경제성이 있었지만, 생성형 AI는 고객의 요구사항을 빠르게 읽고 즉시 설계에 반영할 수 있다. 이는 ‘고객이 참여하는 설계’, 즉 코디자인(co-design) 시대의 도래를 가능하게 한다. 기업은 더 빠르게 시장에 대응하고, 고객은 더 높은 만족도를 경험한다. 이처럼 생성형 AI는 설계를 단순히 ‘빠르게’ 만드는 기술이 아니라, 설계의 개념 자체를 ‘재정의’하는 도구이자 기업의 창의성과 기민함을 확장하는 전략 자산이 되고 있다. “퍼플렉시티(Perplexity)는 단순한 답변 엔진에서 행동 엔진으로 전환하고 있다. 이제는 단순히 질문에 답하는 것을 넘어, 사용자에게 행동을 제안하고 실행하는 단계로 나아가고 있다.” – 아라빈드 스리니바스(Aravind Srinivas), 퍼플렉시티 AI CEO 아라빈드의 말은 AI 기술이 단순한 정보 제공을 넘어, 사용자와의 상호작용을 통해 실제 행동을 유도하고 실행하는 방향으로 발전하고 있음을 의미한다.   시뮬레이션의 혁신 - 빠른 판단과 적은 비용 과거의 시뮬레이션은 전문 소프트웨어와 고성능 컴퓨팅 자원, 그리고 숙련된 엔지니어의 직관과 경험에 크게 의존해 왔다. CAE는 분명 설계 검증과 최적화의 핵심이었지만, 조건 설정 → 모델링 → 결과 해석 → 반복이라는 고비용 순환은 여전히 제품 개발의 병목으로 작용해왔다. 그러나 생성형 AI는 이 병목을 타파하는 새로운 접근을 제시한다. 자연어로 “강풍 조건에서 뒤틀림이 가장 적은 하우징 구조를 찾아줘”라고 지시하면, AI는 자동으로 물리 조건을 추론하고, 유사 데이터 기반의 시뮬레이션 템플릿을 구성하며, 수십 개의 대안 시나리오를 병렬 생성해 ‘예측 – 설명 – 추천’이라는 삼중 루프를 빠르게 수행한다. 이러한 기술은 시뮬레이션의 대중화(simulation democratization)를 이끈다. 기술 전공자가 아니어도, 제품 매니저나 품질 담당자가 AI의 도움으로 설계안의 응력 분포나 유동 조건에 대해 인사이트를 얻을 수 있다. 이는 실무자가 더 빠르게 결정을 내릴 수 있도록 돕고, 의사결정의 지연 대신, 다중 시나리오 기반의 ‘실험적 사고’를 가능하게 만든다. 대표적인 사례로는 알테어의 AI 기반 인스파이어 플랫폼(AI-driven Inspire Platform), 앤시스의 AI 기반 시뮬레이션 자동화, 그리고 다쏘시스템의 솔리드웍스 생성형 시뮬레이션(Generative Simulation for SOLIDWORKS)이 있다. 이들은 기존 FEM/CFD 분석의 시간과 비용을 줄이는 동시에, 경험 기반 의사결정에서 데이터 기반 최적화로의 전환을 이끌고 있다. 궁극적으로 생성형 AI는 단순히 ‘더 빠른 계산’을 넘어서, “어떤 시나리오를 먼저 고려해야 하는가?”, “이 조건에서 실패할 가능성은 무엇인가?”라는 전략적 질문에 답하는 보조 엔진이 되어 준다. 이는 시뮬레이션을 단지 제품 검증의 도구가 아니라, 경영 의사결정과 R&D 전략 수립의 인공지능 파트너로 진화시키는 변화의 시작점이다.  “AI는 우리가 상상하는 것보다 훨씬 더 빠르게 발전하고 있다. 자율주행차는 그저 시작일 뿐이다.” – 일론 머스크(Elon Musk), 테슬라 CEO 테슬라는 자율주행 기술 개발에 AGI 수준의 AI를 활용하고 있으며, 이는 단순한 기능 향상을 넘어 차량 설계와 운행 방식 전반을 재정의하는 접근이다.   업무 분석과 프로세스 개선 - 데이터는 말하고 AI는 듣는다 제조 현장의 데이터는 언제나 풍부했다. 작업자 일지, 설비 로그, 유지보수 메모, 품질검사 리포트, 현장 사진과 동영상, 고객 클레임 이메일… 하지만 이들 대부분은 정형화되지 않은 ‘텍스트’와 ‘문서’ 형태로 존재하며, 기존 시스템은 이를 ‘기록’하는 데에만 집중했고, 의미를 해석하고 연결하는 능력은 인간의 몫이었다. 이제 생성형 AI는 이 방대한 비정형 데이터의 숲에서 맥락을 이해하는 나무를 찾는다. 작업자가 남긴 “라인 3에서 어제도 제품 정렬이 안 맞았고, 자동 이젝터가 두 번 멈췄다”는 기록은, AI에겐 단순한 텍스트가 아니라 ‘패턴’과 ‘이상’의 시그널이다. LLM은 이런 문장을 분석해 작업 단계별 이벤트를 분해하고, 관련된 설비 로그와 품질 데이터를 연결하여 문제 지점을 도출한다. 이제 업무는 ‘기록하고 보고하는 일’이 아니라, ‘데이터가 스스로 분석하고 말하는 환경’으로 바뀌고 있다. 대표적인 활용 사례는 다음과 같다. 업무 요약 자동화 : 업무 일지를 요약해 경영진에게 핵심 이슈를 전달 프로세스 병목 식별 : 여러 부서의 텍스트 기반 보고서에서 공통 키워드와 불만 분석 문서 자동 생성 : SOP(표준작업지침서), 회의록, 개선안 보고서 등의 자동 초안 작성 협업 인텔리전스 : 여러 팀 간의 커뮤니케이션 데이터를 분석해 협업 지연 포인트 도출 실제로 지멘스는 AI 기반 자연어 처리 기술(Natural Language Processing : NLP)을 통해 디지털 작업지시서와 실시간 현장 대응 리포트를 자동 생성하는 기능을 도입했고, 보쉬는 AI를 통해 품질 클레임 문서에서 반복 출현하는 원인 유형을 추출하여 품질 개선의 단초로 활용하고 있다. 핵심은 이것이다. 현장의 수많은 대화와 기록이 AI에게 ‘말을 거는 데이터’가 되었고, AI는 그 말을 듣고, 요약하고, 통찰을 제시하며, 업무 개선을 스스로 제안하는 존재가 되었다는 점이다. 이제 우리는 묻지 않을 수 없다. 우리는 AI에게 말 걸 준비가 되어 있는가? 그리고 그 대답을 조직이 들을 준비는 되었는가? “가장 큰 위험은 아무런 위험도 감수하지 않는 것이다. 모든 것이 급변하는 시대에서 위험을 회피하는 전략은 반드시 실패로 이어진다.” — 마크 저커버그, 메타 CEO 저커버그는 변화와 혁신의 시대에 기존의 방식을 고수하며 위험을 회피하려는 태도가 오히려 더 큰 실패를 초래할 수 있음을 경고한다.   품질 관리의 진화 - AI는 예지적 감각을 가질 수 있는가 품질 관리는 제조업의 마지막 방어선이자, 가장 정교한 신경망이다. 그러나 지금까지의 품질 관리는 주로 사후 대응(postdefect 대응)에 집중되어 있었다. 불량이 발생한 후 원인을 찾고, 재발 방지책을 수립하고, 문서를 정리하는 ‘후행적 품질 관리’가 일반적이었다. 이제 생성형 AI는 이 전통적 프레임을 근본부터 흔들고 있다. AI는 ‘불량을 감지’하는 것이 아니라, ‘불량을 설명하고 예측’하려 한다. 예를 들어, 제품 표면의 이미지를 기반으로 한 비전 검사 시스템은 단순히 OK/NG를 판단하는 데서 그치지 않고, “이 영역의 텍스처 패턴은 온도 편차에 의한 수축 변형일 가능성이 높습니다”라고 말할 수 있는 설명형 모델로 진화하고 있다. 나아가, 생성형 AI는 텍스트, 이미지, 센서 데이터를 통합적으로 분석해 복합적인 이상 징후를 감지하고, 불량의 '가능성'과 '잠재 원인'을 추론해낸다. 예를 들어 다음과 같은 조합이 가능해진다. 작업자 일지 : “이틀 전부터 용접기압이 다소 약한 것 같다.” 센서 로그 : 오전 9~11시에 기압 편차 발생 불량 이미지 : 비드 형성 불균형 AI는 이를 연결해 “용접 조건의 경미한 변화가 반복 불량의 근본 원인일 수 있다”고 보고한다. 이는 단순한 예측모델이 아니다. ‘설명 가능한 품질 관리(Explainable Quality)’, 즉 AI가 품질 이슈에 대해 왜 그런 판단을 했는지를 근거와 함께 제시함으로써, 품질팀은 더 이상 직감이나 경험에만 의존하지 않고 데이터 기반의 합리적 개선 프로세스를 수립할 수 있다. 이미 보쉬, 토요타, GE 항공 등은 ▲AI 기반 비전 검사 시스템에서 ‘불량 예측 + 원인 설명’을 제공하는 모델을 구축 중이고 ▲ISO 9001과 연동되는 AI 품질 리포트 자동화 시스템을 테스트하고 있다. 이는 곧 ‘AI가 품질 시스템의 일원으로 공식 포함되는 시대’가 오고 있음을 뜻한다. 품질의 정의는 바뀌고 있다. 과거의 품질은 발견과 수정의 문제였지만, 앞으로의 품질은 예지와 설득의 문제다. AI는 이제 불량을 찾아내는 것이 아니라, 불량이 만들어지지 않도록 ‘생산 과정 그 자체를 개선하자’고 제안하는 동료가 되어가고 있다. “AI는 전기를 발견한 것과 같은 혁신이다. 모든 산업에 스며들 것이며, 그 영향을 무시할 수 없다.” – 앤드류 응(Andrew Ng), AI 전문가 앤드류 응은 AI의 보편성과 산업 전반에 미치는 영향을 강조하고 있다. 그의 말은 제조업에서도 AI의 통합이 필수임을 시사한다.   경고와 제언 - 생성형 AI는 도입이 아니라 전환이다 많은 제조기업이 생성형 AI에 주목하고 있다. 설계 자동화, 시뮬레이션 최적화, 업무 요약, 품질 예측… 도입 사례는 늘고 있지만, 도입이 곧 성공을 의미하진 않는다. 생성형 AI는 단순한 툴이 아니라, 운영 철학의 변화를 요구한다. 기존의 프로세스는 ‘정해진 절차와 역할’ 속에서 최적화를 추구해왔지만, 생성형 AI는 ‘질문을 던지고 시나리오를 비교하며 판단을 내리는 유연한 사고방식’을 요구한다. 즉, 기술만 바꾸는 것이 아니라 조직의 사고 체계와 역할 구조 자체를 재설계해야 하는 것이다. 예를 들어 <표 1>과 같은 전환이 필요하다.   표 1   하지만 문제는 기술이 아니다. 가장 큰 장벽은 조직이 AI를 받아들일 준비가 되어 있느냐는 것이다. 임원은 AI를 단순히 ‘자동화 툴’로 간주하는 경향이 많고, 현장은 여전히 ‘내 일을 뺏는 존재’로 AI를 경계한다. 이 간극을 메우지 않으면, AI는 시연 단계에서 멈추고, 조직은 변화의 본질을 놓친다. 따라서 다음과 같은 전환 전략이 필요하다. 파일럿이 아닌 전환 설계 특정 부서에서 테스트하는 것이 아니라, 조직 전체의 프로세스 전환 시나리오를 기획해야 한다. ‘도입 교육’이 아닌 ‘공감 설계’ 기술 사용법이 아니라, 왜 이 기술이 필요한지에 대한 비즈니스 관점에서의 스토리텔링이 필요하다. AI Co-Worker 관점 전환 AI는 도구가 아니라, 함께 판단하고 실험하는 동료로 봐야 한다. 이를 위해 직무 정의서(JD)도 다시 써야 한다. 성과 기준의 재정립 AI 도입 이후에는 ‘정확도’보다 ‘학습 속도’와 ‘적응력’이 핵심 성과 지표가 된다. 결국, 생성형 AI는 ‘도입해야 할 기술’이 아니라 ‘다르게 일하고, 다르게 생각하고, 다르게 운영하는 기업’으로 전환하기 위한 촉매제다. 이제 경영진에게 남은 질문은 단 하나다. “우리는 기술을 도입할 준비가 되었는가?”가 아니라, “우리는 조직을 전환할 용기를 가졌는가?”이다. “지금은 스타트업의 시대… 세상은 여전히 변화의 가능성에 잠들어 있다.” – 샘 올트먼, 오픈에이아이 CEO 올트먼은 기술 혁신의 시기에 기존 기업들이 변화에 둔감해질 수 있음을 경고하며, 새로운 도전과 변화를 추구하는 조직만이 미래를 선도할 수 있다는 메시지를 담고 있다.   맺음말 : 생성형 AI 시대의 제조 기업, 당신은 어떤 그림을 그리고 있는가 미래의 공장은 단지 더 정교하고, 더 빠르며, 더 자동화된 곳이 아니다. 그곳은 데이터를 읽고, 상황을 이해하고, 사람과 함께 결정하는 공장이다. 문제를 발견하기 전에 감지하고, 작업자를 지원하며, 스스로 최적의 방식을 제안하는 공장이다. 그리고 그 공장의 핵심 파트너는 인간의 상상력을 확장하는 생성형 AI다. 이제 중요한 질문은 이것이다. “우리는 어떤 그림을 그리고 있는가?” 기술은 빠르게 진화한다. 생성형 AI는 설계와 시뮬레이션, 업무 분석과 품질 관리까지 제조의 전 과정을 유기적으로 연결하며 ‘스마트’를 넘어 ‘지능적’으로 만들고 있다. 하지만 진정한 경쟁력은 기술의 채택이 아닌, 기술과 함께 일하는 방식의 변화에서 비롯된다. 아직 많은 제조기업은 ‘가능성 탐색’ 단계에 머물러 있다. 하지만 머뭇거릴 시간이 없다. AI는 이미 조직 구조, 업무 정의, 리더십의 방식까지 영향을 미치기 시작했다. 이제는 기술을 배우는 것이 아니라, 기술과 함께 일할 조직을 설계해야 할 때다. 생성형 AI 시대의 제조 기업은 세 가지 질문에 답할 수 있어야 한다. 우리는 상상할 수 있는가? 생성형 AI는 ‘주어진 문제를 해결’하는 것이 아니라 ‘가능성을 확장’한다. 제조기업의 조직은 아직도 문제만 찾고 있는가, 아니면 새로운 기회를 그리고 있는가? 우리는 받아들일 수 있는가? AI는 사람의 영역을 침범하지 않는다. 다만 그 옆에 선다. 우리는 전환할 수 있는가? 우리는 그것을 파트너로 받아들일 준비가 되어 있는가? AI 도입은 기술의 문제가 아니라, 사고방식과 리더십의 전환이다. 과연 지금의 조직은 그 전환을 감당할 수 있는가? 미래의 공장은 말하고 있다. “나는 설계하고, 시뮬레이션하고, 개선할 준비가 되어 있다. 너는 나와 함께 걸을 준비가 되어 있는가?”   ■ 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.

슈나이더 일렉트릭이 설비의 성능과 수명을 극대화하고, 예기치 못한 장애를 사전에 방지하는 선제적 자산관리를 지원한다고 소개했다. 최근 산업 현장에서는 설비의 복잡성 증가와 함께 에너지 사용 최적화, 탄소 배출 저감, 운영 안정성 확보가 핵심 과제로 부상하고 있다. 이러한 변화 속에서 설비의 전체 수명 주기를 고려한 관리 체계의 중요성이 커지고 있으며, 이를 실현하기 위한 디지털 기반의 통합 설루션에 대한 수요도 높아지고 있다. 슈나이더 일렉트릭은 이러한 흐름에 맞춰 자산의 설계부터 유지보수, 현대화에 이르기까지 설비 운영의 전 주기를 아우르는 통합 서비스 설루션 포트폴리오를 선보이고 있다. 이는 에너지 진단부터 상태 기반 유지보수, 노후 설비의 디지털 리노베이션까지 전 과정에 걸쳐 고객의 운영 효율성과 지속가능성을 향상시키는 데 초점을 맞추고 있다. 대표적인 설루션인 에코케어(EcoCare)는 에코스트럭처(EcoStruxure) 플랫폼의 기능과 원격 컨설팅 및 현장 유지보수를 결합한 맞춤형 서비스 계약이다. 이 중 에코스트럭처 서비스 플랜은 데이터 중심의 상태 기반 유지보수 접근 방식을 통해 현장 유지보수 활동을 최적화하여 비용 및 다운타임을 줄일 수 있다.  에코스트럭처 서비스 플랜은 다양한 설비에 대한 설루션을 지원한다. 이 중에서도 모터를 위한 모니터링 설루션인 ESP 로테이팅(EcoStruxure Service Plan Rotating)과 변압기를 위한 모니터링 설루션 ETE(EcoStruxure Transformer Expert)가 대표 사례로 꼽힌다. ESP 로테이팅 설루션은 산업 현장에서 필수인 전기 모터의 고장을 미연에 방지하고 운영 리스크를 낮추는 데 초점을 둔다. 이를 통해 타 유지보수 옵션 대비 10년간 총 소유비용(TCO)을 최대 30% 절감할 수 있으며, 설비의 이상 징후를 90% 이상의 정확도로 최대 4개월 전에 사전 예측할 수 있어 다운타임을 줄이고 생산성을 극대화할 수 있다. ETE 설루션은 전력 설비의 핵심 구성 요소이지만 관리가 어려웠던 변압기의 상태를 실시간으로 예측·진단할 수 있는 디지털 설루션이다. 지능형 IoT 센서를 통해 변압기의 주요 센서 및 계기 신호를 수집하고, 오일 내 수분, 온도, 진동, 음향 및 RF 노이즈 등 다양한 운영 지표를 지속적으로 모니터링하여 변압기를 효율적으로 관리할 수 있게 한다.     에코컨설트(EcoConsult)는 전기 및 자동화 시스템에 대한 전문 컨설팅을 통해 설비를 보다 안전하고 효율적으로 운영할 수 있도록 지원한다. 디지털 트윈을 기반으로 한 전기 설비 진단, 보호 계전기 협조 분석, 아크 플래시 위험도 분석 등으로 시스템의 신뢰성과 규정 준수 수준을 강화하며, 신규 설비 및 리뉴얼 설계 시 최적의 전략을 수립할 수 있다. 마지막으로, 에코핏(EcoFit)은 전력 설비 및 자동화 자산의 노후화 문제를 해결하기 위한 현대화 설루션이다. 기존 장비의 주요 기능은 유지하면서도 최신 기술을 반영한 설비로 업그레이드함으로써 안정성과 디지털 연결성을 강화할 수 있다. 슈나이더 일렉트릭은 각기 다른 목적을 가지고 설계된 슈나이더 일렉트릭의 세 가지 설루션을 함께 활용할 경우 설비 관리의 시너지를 극대화할 수 있다고 설명했다. 에코컨설트를 통해 도출된 진단 결과를 바탕으로 에코케어의 모니터링 체계를 구축하고, 필요 시 에코핏을 통해 설비를 업그레이드함으로써 운영 효율성과 지속가능성을 동시에 확보할 수 있다는 것이다. 슈나이더 일렉트릭 코리아 서비스 사업부의 최성환 본부장은 “산업계의 디지털 전환이 가속화됨에 따라, 설비를 단순히 관리하는 것을 넘어 전 주기에 걸쳐 운영을 최적화할 수 있는 전략이 요구된다”며 “슈나이더 일렉트릭의 에코컨설트, 에코케어, 에코핏은 단일 설루션이 아닌, 기업의 운영 전반을 아우르는 통합적이고 지속 가능한 자산 관리 실현에 중요한 역할을 한다”라고 설명했다.

클라우드와 AI가 이끄는 제조 혁신의 현장, AWS 파트너 클라우드 솔루션 컨퍼런스 개최   ‘2025 제조 고객을 위한 AWS 파트너 클라우드 솔루션 컨퍼런스’가 3월 25일, 서울 잠실 롯데호텔월드에서 성황리에 개최됐다. 이번 행사는 통합 IT 솔루션 기업 에티버스(ETEVERS)와 AWS(아마존웹서비스)가 공동 주최한 행사로, 제조 산업의 디지털 전환과 클라우드 기반 혁신 전략을 공유하는 뜻깊은 자리였다. 올해로 두 번째를 맞은 이번 컨퍼런스에는 SK C&C, 메가존클라우드, LG CNS 등 디지털 트랜스포메이션을 이끄는 주요 기업들이 대거 참여해 클라우드와 AI 기반 제조 혁신의 현재와 미래를 조망했다.   ■ 최경화 캐드앤그래픽스 국장 kwchoi@cadgraphics.co.kr 제조 산업, 클라우드로 날개를 달다 이번 컨퍼런스는 ‘AI 기반 스마트팩토리 혁신’, ‘데이터 기반 제조업 혁신’, ‘생성형 AI가 이끄는 제조 혁신’ 등 세 가지 주요 트랙으로 구성되어 참가자들이 각자의 관심사에 맞춰 깊이 있는 세션을 선택할 수 있도록 기획됐다. 오프닝을 맡은 AWS 김윤식 한국 엔터프라이즈 총괄은 디지털 전환이 더 이상 선택이 아닌, 생존을 위한 전략이라고 강조했다.  첫 번째 키노트를 진행한 AWS 정승희 제조 부문 총괄은 클라우드 기반 제조 기술이 어떻게 제품 설계, 수요 예측, 공급망 최적화 등 제조 전반의 효율성과 유연성을 높이고 있는지를 소개했다. 실제 사례를 통해 빅데이터, AI, IoT, 생성형 AI의 적용 효과가 증명되고 있음을 제시했다. 제조 현장에 스며든 생성형 AI와 실용적 혁신 전략 LG CNS 박재원 화학사업담당은 생성형 AI를 중심으로 한 AX(AI Transformation)를 통해 제조기업이 경쟁력을 확보해 나가는 전략을 설명했다. 그는 데이터 기반 의사결정, 품질 예측, 설비 진단 등에서 이미 다양한 실증 사례가 존재하며, 향후 이러한 AI 도입이 더욱 가속화될 것이라고 내다봤다. 에티버스 김준성 전무는 "클라우드와 AI, 그리고 파트너의 역할"이라는 주제로 강연을 펼치며, 제조 기업들이 클라우드로 진입할 수 있도록 파트너가 제공할 수 있는 지원 방안과 생태계 확장의 중요성을 역설했다. 에티버스는 2021년 AWS와 국내 최초 총판 계약을 체결한 이후 300개 이상의 파트너를 보유하며 국내 AWS 클라우드 확산에 핵심 역할을 하고 있다. SK C&C 허민회 본부장은 AI Cloud Infra Provider로서 SK C&C의 전략과 서비스를 소개했다. GPUaaS, AI 관리 플랫폼 등 실제 적용 가능한 인프라 기반 서비스를 통해 제조업의 AI 도입을 현실화하고 있다는 점에서 많은 관심을 끌었다.  이어 메가존클라우드 공혁 그룹장은 ‘2025 제조업 혁신 전략’을 발표하며 생성형 AI 기반의 비용 절감 및 생산성 향상 사례를 공개했다. 이날 행사장에는 기술 전시 부스도 함께 마련되어 각 파트너사들이 자사의 첨단 솔루션을 직접 소개하고, 방문자들과 1:1 컨설팅을 진행하는 시간도 있었다. 플래티넘 스폰서로 참가한 에티버스는 고객 맞춤형 파트너 매칭 및 솔루션 추천 이벤트를 통해 현장 분위기를 한층 뜨겁게 만들었다. 디지털 전환, 제조업의 새로운 기회 이번 컨퍼런스는 디지털 전환이 단순한 IT 이슈가 아닌 제조업 경쟁력의 핵심 전략임을 다시 한번 확인시켜주는 자리였다. 클라우드와 AI, 그리고 이를 연결하는 파트너들의 생태계가 더욱 조밀해질수록, 제조업의 혁신 속도도 함께 가속화될 것으로 기대된다. 에티버스 김준성 전무는 “제조 기업들이 지속적으로 성장할 수 있도록 혁신적인 솔루션을 제안하고, 다양한 지원 프로그램을 통해 성공적인 디지털 전환을 돕겠다”고 밝혔다.     2025 제조 고객을 위한 AWS 파트너 클라우드 솔루션 컨퍼런스(파트너 부스 - 에티버스)  / 사진 제공 : 에티버스 2025 제조 고객을 위한 AWS 파트너 클라우드 솔루션 컨퍼런스(파트너 부스 : 씨이랩)   / 사진제공 : 씨이랩   2025 제조 고객을 위한 AWS 파트너 클라우드 솔루션 컨퍼런스(파트너 부스 : 지멘스)    

엔비디아가 에이전트 기반 AI 플랫폼 개발을 가속화하고 기업의 생산성을 높이는 ‘엔비디아 네모 마이크로서비스(NVIDIA NeMo microservices)’를 정식 출시했다고 밝혔다. 이번에 정식 출시된 엔비디아 네모 마이크로서비스는 기업 IT 부서가 데이터 플라이휠(flywheel)을 활용해 직원 생산성을 높일 수 있는 AI 팀원을 빠르게 구축하도록 지원한다. 이 마이크로서비스는 엔드 투 엔드 개발자 플랫폼을 제공한다. 이 플랫폼은 최첨단 에이전틱 AI(Agentic AI) 시스템의 개발을 가능하게 하고, 추론 결과, 비즈니스 데이터, 사용자 선호도에 기반한 데이터 플라이휠을 통해 지속적인 최적화를 지원한다. 데이터 플라이휠을 통해 기업 IT 부서는 AI 에이전트를 디지털 팀원으로 온보딩할 수 있다. 이러한 에이전트는 사용자 상호작용과 AI 추론 과정에서 생성된 데이터를 활용해 모델 성능을 지속적으로 개선할 수 있다. 이를 통해 ‘사용’을 ‘인사이트’로, ‘인사이트’를 ‘실행’으로 전환할 수 있다.     데이터베이스, 사용자 상호작용, 현실 세계의 신호 등의 고품질 입력이 지속적으로 제공되지 않으면 에이전트의 이해력은 약화된다. 그 결과, 응답의 신뢰성은 떨어지고 에이전트의 생산성도 저하될 수 있다. 운영 환경에서 AI 에이전트를 구동하는 모델을 유지하고 개선하기 위해서는 세 가지 유형의 데이터가 필요하다. 인사이트를 수집하고 변화하는 데이터 패턴에 적응하기 위한 추론 데이터, 인텔리전스를 제공하기 위한 최신 비즈니스 데이터, 모델과 애플리케이션이 예상대로 작동하는지를 판단하기 위한 사용자 피드백 데이터가 그것이다. 네모 마이크로서비스는 개발자가 이 세 가지 유형의 데이터를 효율적으로 활용할 수 있도록 지원한다. 또한, 네모 마이크로서비스는 에이전트를 구동하는 모델을 선별하고, 맞춤화하며, 평가하고, 안전장치를 적용하는 데 필요한 엔드 투 엔드 툴을 제공함으로써 AI 에이전트 개발 속도를 높인다. 엔비디아 네모 마이크로서비스는 ▲대규모 언어 모델(LLM) 미세 조정을 가속화해 최대 1.8배 높은 훈련 처리량을 제공하는 네모 커스터마이저(Customizer) ▲개인과 산업 벤치마크에서 AI 모델과 워크플로의 평가를 단 5번의 API 호출로 간소화하는 네모 이밸류에이터(Evaluator) ▲ 0.5초의 추가 지연 시간만으로 규정 준수 보호 기능을 최대 1.4배까지 향상시키는 네모 가드레일(Guardrails)을 포함한다. 이는 네모 리트리버(Retreiver), 네모 큐레이터(Curator)와 함께 사용돼, 맞춤형 엔터프라이즈 데이터 플라이휠을 통해 AI 에이전트를 구축하고, 최적화하며, 확장하는 과정을 기업이 보다 수월하게 수행할 수 있도록 지원한다. 개발자는 네모 마이크로서비스를 통해 AI 에이전트의 정확성과 효율성을 높이는 데이터 플라이휠을 구축할 수 있다. 엔비디아 AI 엔터프라이즈(Enterprise) 소프트웨어 플랫폼을 통해 배포되는 네모 마이크로서비스는 온프레미스 또는 클라우드의 모든 가속 컴퓨팅 인프라에서 엔터프라이즈급 보안, 안정성, 지원과 함께 손쉽게 운영할 수 있다. 이 마이크로서비스는 기업들이 수백 개의 전문화된 에이전트를 협업시키는 대규모 멀티 에이전트 시스템을 구축하고 있는 현재 정식 출시됐다. 각 에이전트는 고유의 목표와 워크플로를 가지고 있으며, 디지털 팀원으로서 복잡한 업무를 함께 해결하며 직원들의 업무를 보조하고, 강화하며, 가속화한다. 엔비디아 네모 마이크로서비스로 구축된 데이터 플라이휠은 사람의 개입을 최소화하고 자율성을 극대화하면서 데이터를 지속적으로 선별하고, 모델을 재훈련하며, 성능을 평가한다. 네모 마이크로서비스는 라마(Llama), 마이크로소프트 파이(Microsoft Phi) 소형 언어 모델 제품군, 구글 젬마(Google Gemma), 미스트랄 등 폭넓은 인기 오픈 모델을 지원한다. 또한, 기업은 엔비디아 가속 인프라, 네트워킹, 그리고 시스코, 델, HPE, 레노버(Lenovo) 등 주요 시스템 제공업체의 소프트웨어를 기반으로 AI 에이전트를 실행할 수 있다. 액센츄어(Accenture), 딜로이트(Deloitte), EY를 비롯한 거대 컨설팅 기업들 역시 네모 마이크로서비스를 기반으로 기업용 AI 에이전트 플랫폼을 구축하고 있다.

IBM이 발표한 ‘2025 엑스포스 위협 인텔리전스 인덱스 보고서(2025 X-Force Threat Intelligence Index)’에 따르면, 사이버 공격자들이 더 교묘한 수법을 사용하며 기업에 대한 랜섬웨어 공격은 감소한 반면, 눈에 띄지 않는(lower-profile) 자격 증명 도용은 급증했다. IBM 엑스포스는 사이버 공격자들이 신원 탈취 공격을 확대하는 수단으로 인포스틸러 악성코드를 포함한 이메일을 주로 활용하고 있으며, 2024년 이러한 유형의 이메일이 전년 대비 84% 증가했다고 밝혔다. 2025 보고서는 IBM 엑스포스에서 관찰한 신규 및 기존 트렌드와 공격 패턴을 추적하고 침해 사고 대응, 다크 웹 및 기타 위협 인텔리전스 소스에서 얻은 정보를 바탕으로 작성했다. 2023년은 생성형 인공지능(Gen AI)의 본격적인 확산이 시작된 한 해였다. 예견되었던 대로, 사이버 공격자들은 AI를 활용해 웹사이트를 제작하거나, 딥페이크 기술을 피싱 공격에 접목시키기 시작했다. IBM 엑스포스는 공격자들이 생성형 AI를 활용해 피싱 이메일을 작성하거나 악성 코드를 제작하는 사례를 포착하기도 했다. IBM 엑스포스는 과거 보고서에서 하나의 AI 설루션 시장 점유율 50%에 가까워지거나 시장이 소수의 3개 이하 설루션으로 재편되면, 공격자 입장에서는 특정 AI 모델이나 설루션을 노리기가 더 쉬워지고 그만큼 공격할 유인도 커진다고 밝혔다. 아직 그 시점에 도달하지는 않았지만, 도입 속도는 빠르게 증가하고 있다. 실제로, 2024년 기준 최소 하나 이상의 비즈니스에 AI를 도입한 기업의 비율은 72%로, 전년 대비 55% 이상 증가한 것으로 나타났다. 2024년에는 AI를 겨냥한 대규모 공격이 발생하지는 않았다. 보안 전문가들은 사이버 공격자들이 악용하기 전에 취약점을 선제적으로 식별하고 보완하기 위한 대응에 속도를 내고 있다. IBM 엑스포스가 AI 에이전트 구축 프레임워크에서 원격 코드 실행 취약점을 발견한 사례처럼, 이와 같은 문제는 앞으로 더욱 빈번해질 것으로 보인다. 2025년 AI 도입이 확대될 것으로 예상됨에 따라, 공격자들이 AI를 겨냥한 특화된 공격 도구를 개발할 유인도 커지고 있다. 이에 따라 기업들은 데이터, 모델, 활용 방식, 인프라 등 AI 전반에 걸친 보안을 초기 단계부터 강화하는 것이 필수이다.     지난해 가장 많은 공격은 주요 기반시설 조직을 대상으로 감행됐다. IBM 엑스포스가 대응한 2024년 전체 공격 중 70%가 주요 인프라 조직에서 발생했으며, 이 중 4분의 1 이상이 취약점 악용으로 인한 공격이었다. 주요 인프라 조직들은 기존 기술에 대한 의존과 느린 보안 패치 적용으로 인해 여전히 보안 위협에 직면해 있는 것이다. 다크웹 포럼에서 자주 언급된 공통 취약점 및 노출(CVEs)을 분석한 결과, 상위 10개 중 4개가 국가 차원의 지원을 받는 공격자를 포함한 정교한 위협 그룹과 연관된 것으로 나타났다. 해당 취약점들의 악용 코드는 여러 포럼에서 공개적으로 유통되고 있었으며, 이는 전력망, 의료 시스템, 산업 설비 등을 노린 공격의 확산으로 이어지고 있다. 이처럼 금전적 목적의 공격자와 국가 차원의 위협 세력이 정보를 공유하는 흐름은, 패치 관리 전략 수립과 위협 사전 탐지를 위한 다크웹 감시의 중요성을 더욱 부각시키고 있다. 또 다른 주목할 만한 공격은 인포스틸러(infostealer, 정보 탈취형 악성코드)를 활용한 공격이다. 2024년에 인포스틸러를 활용한 이메일은 전년 대비 84% 증가했으며, 2025년 초기 데이터에 따르면 이는 더욱 급증하는데, 주간 발생 건수가 2023년 대비 180% 이상 증가한 것으로 예상된다. 자격 증명 피싱과 인포스틸러를 통해 신원 공격은 저렴하고, 확장 가능하며, 수익성이 좋아졌다. 인포스틸러는 데이터를 빠르게 유출할 수 있어 타깃 지점에 머무는 시간을 줄이고, 포렌식 흔적을 거의 남기지 않는다. 2024년에 다크웹에서 800만 개 이상의 광고가 상위 5개의 인포스틸러만을 위한 것이었으며, 각 광고에는 수백 개의 자격 증명이 포함될 수 있다. 또, 사이버 공격자들은 다크웹에서 다중인증(MFA)을 우회하기 위해 중간자 공격(AITM) 피싱 키트와 맞춤형 AITM 공격 서비스를 판매하고 있다. 손상된 자격 증명과 다중인증 우회 방법이 만연하다는 것은 수요 또한 높다는 것을 의미하며 이러한 추세는 멈출 기미가 보이지 않는다. 지역으로 살펴보면, 2024년 한 해 동안 IBM 엑스포스가 전 세계적으로 대응한 사이버 공격 중 약 34%가 아시아태평양에서 발생하며 아태 지역이 세계에서 가장 많은 사이버 공격을 경험한 것으로 나타났다. 데이터 도용(12%), 인증정보 탈취(10%), 갈취(extortion, 10%) 등이 순위가 높은 공격 대상이었다. 일본은 전체 조사 대상 인시던트의 66%를 차지했으며, 한국, 필리핀, 인도네시아, 태국이 각각 5%의 비율을 차지했다. 분야별로는 제조업이 공격 대상의 26%를 차지하며 4년 연속 사이버 공격이 가장 많이 발생한 산업으로 집계됐다. 특히 랜섬웨어 피해 사례가 가장 많았으며, 시스템 중단에 대한 허용 범위가 극히 낮은 산업 특성상 암호화 공격에 대한 범죄자의 수익성이 여전히 높은 것으로 분석된다. 한국IBM 컨설팅 사이버보안서비스 사업총괄 이재웅 상무는 “사이버 공격은 이제 더욱 조용하고 치밀해지고 있다. 공격자들은 파괴적인 행위 없이 자격 증명을 탈취해 기업 시스템에 접근하며, 인포스틸러와 같은 악성코드를 통해 빠르게 데이터를 유출하고 흔적을 남기지 않는다”고 말하며, “이러한 저위험·고수익 공격이 확산되는 지금, 기업은 단순 방어를 넘어, 인증 시스템 강화와 위협 사전 탐지 체계를 통해 공격 표적이 되지 않도록 대비해야 한다”고 강조했다.

슈나이더 일렉트릭이 자사의 ‘지속가능성 컨설팅 프레임워크’를 기반으로 국내 기업들의 ESG 경영 목표 달성을 적극 지원하고 있다고 밝혔다. 기후 위기와 자원 고갈 문제가 전 세계적으로 심화되면서, 지속가능성은 이제 기업 경영의 핵심 과제로 자리잡았다. 각국 정부는 탄소중립(net-zero) 정책과 온실가스 배출 규제를 강화하고 있으며, 투자자와 소비자 역시 ESG 요소를 기준으로 기업 가치를 평가하는 흐름이 확산되고 있다. 이에 따라 산업계에서는 에너지 효율 개선, 재생에너지 도입, 공급망 탈탄소 전략 수립이 필수로 떠오르고 있으며, 전문적인 컨설팅 수요 또한 빠르게 증가하고 있다. 슈나이더 일렉트릭은 ▲전략 수립(Strategize), ▲디지털화(Digitize), ▲탈탄소화(Decarbonize)라는 3가지 핵심 축으로 구성된 지속가능성 컨설팅 프레임워크를 통해 기업들의 ESG 경영을 돕고 있다. 전략 수립 단계에서는 Scope 1, 2, 3에 해당하는 온실가스 배출량 산정과 함께 각 기업 맞춤형 감축 시나리오를 수립하고, 탄소중립 로드맵과 기후 리스크 평가 체계 마련을 지원한다.     디지털화 단계에서는 슈나이더 일렉트릭의 ‘리소스 어드바이저(Resource Advisor)’와 ‘PME(Power Monitoring Expert)’ 솔루션을 활용해 ESG 데이터를 통합 관리하고, 배출량을 실시간으로 모니터링할 수 있는 기반을 마련한다. 이를 통해 글로벌 ESG 공시 기준에 대응할 수 있는 데이터 기반 경영 체계를 강화한다. 특히 디지털화 전략의 일환으로, 슈나이더 일렉트릭은 산업 현장의 에너지 효율을 극대화하고 탄소 배출을 줄이기 위한 ‘DC 배전 설루션’을 적극 도입하고 있다. 기존의 AC 기반 설비 대비 최대 70%의 배전 손실 효과를 제공하며, 하이브리드 AC/DC 방식의 미래형 공장 및 빌딩 설계 적용 시 최대 10%의 에너지 효율 향상이 가능하다. 슈나이더 일렉트릭은 이를 위해 AC/DC 컨버터, 솔리드 스테이트 차단기, DC 부스웨이(Busway), DC MCCB 등 핵심 장비를 기반으로 하는 통합 DC 배전 설루션을 제공하고 있다. 마지막으로 탈탄소화 단계에서는 전사 에너지 효율 향상 프로그램을 비롯해, 기업 전반의 재생에너지 도입 및 공급망까지 확장된 재생에너지 조달 프로그램을 통해 실질적인 탄소 배출 저감 효과를 실현한다. 또한 슈나이더 일렉트릭 코리아는 국내 주요 기업과의 협력을 통해 재생에너지 조달 및 PPA(전력구매계약) 기반 프로젝트도 활발히 전개하고 있다. 2022년부터 2024년까지는 에코프로비엠과 협력해 헝가리 사업장의 PPA 기반 재생에너지 조달 자문을 지원했으며, 2023년부터 2024년까지는 LG에너지솔루션의 폴란드 사업장에 대한 PPA 기반 재생에너지 조달 자문을 수행했다. 슈나이더 일렉트릭 코리아 지속가능성 사업부의 김민영 부문장은 “기업의 지속가능성 전환은 이제 선택이 아닌 생존 전략”이라며, “슈나이더 일렉트릭은 전략 수립부터 실행, 디지털 기반 ESG 관리까지 전 주기적인 컨설팅 역량을 바탕으로 고객의 넷제로 목표 달성을 돕고, 한국 산업계의 탄소중립 실현에 기여하고자 한다”고 강조했다.

한국IBM이 4월 21일, 여의도 본사에서 기자간담회를 열고, 기업 비즈니스 환경에 최적화된 '에이전틱 AI(Agentic AI)' 전략과 이를 구현하는 핵심 솔루션인 '왓슨x 오케스트레이트(watsonx Orchestrate)'를 소개하는 자리를 마련했다. 한국IBM 최고기술책임자(CTO) 이지은 전무는 에이전틱 AI를 "사용자나 시스템을 위해 자율적으로 과제를 수행하는 AI 에이전트들이 결합된 환경"으로 정의하며, "기존 AI 대비 사람의 개입을 최소화하고 다양한 시스템과 연계해 복합적인 업무를 자율적으로 수행할 수 있는 것이 특징"이라고 설명했다.​ ▲ 한국IBM 최고기술책임자(CTO) 이지은 전무 ▲ '기업을 위한 AI 에이전트'로 열린 한국IBM 기자간담회 현장    IBM은 자사의 AI 플랫폼인 왓슨x를 중심으로 ▲오픈소스 및 파트너 AI 기술을 유연하게 활용할 수 있는 개방성(Open) ▲영역별로 특화된 고성능 소형 LLM으로 90% 높은 비용효율성 ▲온프레미스와 클라우드를 포괄하는 유연성을 제공하는 하이브리드 기술 ▲산업 및 영역별 전문성을 토대로 한 IBM 컨설팅 서비스 등을 제공하는 기업향 AI 전략의 차별화 요소를 강조했다. 한국IBM 클라이언트 엔지니어링(Client Engineering) 총괄 김지관상무는 "왓슨x 오케스트레이트를 통해 자연어 기반의 직관적인 대화형 인터페이스를 제공한다"며, 이를 통해 "직원, 고객 등 최종 사용자의 요청을 수집하고, 다양한 비즈니스 애플리케이션과 연결해 자동화된 방식으로 처리한다"고 밝혔다.​ ▲ 한국IBM 클라이언트 엔지니어링 총괄 김지관 상무 또한, LLM 기반의 시스템을 통해 사용자의 요청을 지능적으로 분석하고 가장 적절한 경로로 연결하며, 단순한 질의응답을 넘어 특정 업무 수행, 지식 베이스 검색, 필요 시 사람의 개입까지 유연하게 확장되어 기존에 수 분에서 수 시간이 소요되던 업무를 수 초 또는 수 분 이내에 처리할 수 있도록 지원하고 있다고 설명했다.​ 한국IBM은 에이전틱 AI 전략의 차별화 요소로 ▲사전 구축된 AI 에이전트 컴포넌트와 스킬 기반의 빠른 구현 역량 ▲다양한 클라우드 또는 벤더에서 제공하는 AI와 앱에 대한 통합과 조정 ▲기업용 거버넌스 역량으로 신뢰할 수 있는 AI 구현 및 운영 ▲클라우드, 온프레미스 등 원하는 환경을 자유롭게 선택, 구축, 이동할 수 있는 하이브리드 기술 등을 강조했다.​ 한편, 한국IBM은 4월 22일 서울 드래곤시티 호텔 그랜드볼룸에서 'IBM 테크 이노베이션 서밋 2025(IBM Tech Innovation Summit 2025)'을 개최할 예정이다. 이번 행사는 AI 엔지니어, 데이터 사이언티스트, IT 아키텍트, 개발자 등 현업 IT 기술 전문가들을 대상으로 IBM의 최신 기술을 소개하고 직접 체험할 수 있는 자리로, 생성형 AI 도입부터 기술 심화 및 확장 단계, AI 에이전트, 생성형 AI를 위한 데이터, IT 자동화 등 기업의 AI 여정을 가속화할 수 있는 다양한 주제를 다룰 예정이다.

이 글에서는 최신 자료와 연구를 바탕으로 2025년 AI 산업 경제와 주요 기술 트렌드를 전망하고자 하며, 이를 통해 AI가 제공할 기회와 해결해야 할 도전 과제를 균형 있게 분석하고자 한다.   2025년은 인공지능(AI)이 경제와 기술 전반에 걸쳐 혁신을 주도하며, 산업 구조와 일상생활에 깊은 영향을 미칠 것이며, 전 세계 산업 경제와 기술 혁신의 중심축으로 자리 잡는 해가 될 것이다. 코로나19 팬데믹 이후 가속화된 디지털 전환과 AI 기술의 융합은 사회 전반에 큰 변화를 가져왔다. 특히, 제조, 금융, 헬스케어, 물류, 교육 등 다양한 산업 분야에서 AI는 단순히 비용 절감 도구를 넘어 새로운 가치를 창출하고, 기존 비즈니스 모델을 재정의하고 있다. 최근 예측 자료에 의하며, AI 에이전트, 엣지 AI, AI 사이버 보안, AI 기반 로봇 등이 성장세에 위치하고 있다.    1. AI 산업 경제 전망 2025년은 경제 성장의 주도 동력으로서의 AI, 글로벌 AI 기술 ,그리고 AI가 가져올 고용과 직업의 변화 등에서 다양한 AI 산업 경제 변화를 예상해 볼 수 있다.  IDC의 보고서에 따르면, 2025년 전 세계 기업들의 AI 솔루션 지출은 약 3,070억 달러에 달할 것으로 예상되며, 이는 2028년까지 연평균 29.0%의 성장률로 6,320억 달러에 이를 것으로 전망하였다. 이러한 투자는 AI 기술이 다양한 산업 분야에서 핵심적인 역할을 할 것임을 시사한다.  글로벌 컨설팅 기업 PwC의 보고서에 따르면, AI는 2030년까지 세계 GDP를 약 15.7조 달러를 증가시킬 것이며, 이는 연평균 14% 이상의 성장률에 해당된다고 예측했다. 이는 AI 기술이 단순히 비용 절감 도구를 넘어 새로운 부가가치를 창출하는 데 중요한 역할을 하고 있음을 보여주는 예측이다.  PwC는 보고서에서 AI에 대해 몇 가지 강조한 점이 있는데, 첫째, AI는 글로벌 경제의 생산성과 GDP 잠재력을 변화시킬 수 있으며. 이를 실현하기 위해서는 다양한 유형의 AI 기술에 대한 전략적 투자가 필요하다고 하였다. 둘째, 노동 생산성 향상이 초기 GDP 증가를 주도할 것이며, 기업들은 AI 기술을 활용해 노동력의 생산성을 ‘증강(augment)’시키고 일부 작업과 역할을 자동화하려 할 것이라고 하였다. 셋째, 2030년까지 전체 경제적 이익의 45%는 제품 개선에서 비롯될 것이며, 이는 소비자 수요를 자극하게 되어 AI가 더 다양한 제품을 제공하고, 시간이 지남에 따라 개인화, 매력도, 경제성을 높이기 때문이라고 하였다. 넷째, AI로 인한 가장 큰 경제적 이익은 중국(2030년 GDP 26% 증가)과 북미(14.5% 증가)에서 발생할 것이며, 이는 총 10.7조 달러에 달해 전 세계 경제적 영향의 약 70%를 차지할 것으로 전망하였다. 특히, 스마트 팩토리, 자동화 물류 시스템, 지능형 고객 서비스 등이 AI 기술 적용의 대표적인 사례로 들 수 있다. 예를 들어, 독일의 Siemens는 자사의 스마트 팩토리에서 AI를 활용해 제조 공정을 최적화하여 생산성을 20% 이상 향상시켰으며, 물류 업계에서는 Amazon이 자율주행 로봇과 AI 기반 물류 분석을 통해 배송 시간을 단축시킨 바 있다.   ***상세 내용은 PDF로 제공됩니다.   조영임 교수 / 가천대 컴퓨터공학과