한국후지필름비즈니스이노베이션(이하 한국후지필름BI)이 지난 9월 18일부터 9월 30일까지 20대부터 50대 직장인 1180명을 대상으로 실시한 ‘직장인 AI·AX 설루션 인식 조사’ 결과를 발표했다. 이번 조사는 AI 기술이 업무 현장에 어떤 방식으로 도입·활용되고 있는지와 이에 대한 직장인들의 인식을 알아보기 위해 실시됐다. 조사에 따르면 응답자의 66%가 현재 업무에서 인공지능(AI) 툴을 활용하고 있다고 답했다. 이는 직장인 3명 중 2명이 AI를 업무에 도입해 사용 중임을 의미하며, AI 기술이 빠르게 직장 내 업무 환경 전반으로 확산되고 있음을 보여준다. 가장 많이 사용되는 AI 툴(복수응답)은 챗지피티(ChatGPT, 85%)가 압도적인 비중을 차지했으며, 이어 제미나이(Gemini, 36%), 퍼플렉시티(Perplexity, 27%), 마이크로소프트 코파일럿(Microsoft Copiliot, 15%)순으로 나타났다. AI 툴 사용자들은 ‘업무 속도 향상’(70%)과 ‘결과물 품질 개선’(46%)을 주요 만족 요인으로 꼽았다. 반면, 응답자의 절반 가까이(48%)는 “효율은 높아졌지만 정확도와 의존성 문제도 경험했다”고 답했으며, ‘개인정보·영업비밀 유출 위험’(47%)과 ‘답변의 편향성·공정성 문제’(44%) 역시 주요 우려 요인으로 지적됐다. 이는 기업에서의 AI 툴 활용 확산의 지속을 위해선 보안과 신뢰성 확보가 뒷받침되어야 함을 보여준다. 한편, AI 툴을 사용하지 않는 직장인 중 절반은 ‘회사 차원의 지원 부재’(48%)를 비사용 이유로 꼽았다. 이들 중 향후 AI 툴 도입 의향이 있는 응답자들은 ‘회사 계정·툴 제공’(69%)과 ‘교육 및 가이드 제공’(57%)을 필요 요소로 선택해, AI 확산의 관건이 개인 역량보다 조직적 인프라와 정책 정비에 있음을 시사했다. 조직 차원의 AI 툴 도입 현황을 묻는 질문에서는 ‘아직 도입하지 않았다’는 응답이 47%로 가장 높았으며, 도입의 주요 장벽으로는 ‘데이터 보안 및 관리 문제’(37%)가 꼽혔다. 이는 개인뿐 아니라 조직 차원에서도 보안에 대한 우려가 AI 도입을 주저하게 만드는 핵심 요인으로 작용하고 있음을 보여준다. 결국 AI 도입의 핵심 과제는 보안이며, 디지털 전환(DX)과 AI 혁신(AX)의 성공 역시 AI에 대한 신뢰도 확보에 달려 있음을 시사한다. 한국후지필름BI의 하토가이 준 대표는 “이번 조사를 통해 AI가 이미 업무 환경에서 적극 활용되고 있지만, 결과물의 정확도와 보안, 조직 차원의 인프라 부족 등 다양한 과제가 남아있음을 확인했다”며, “앞으로 한국후지필름BI는 AI를 기반으로 협업·자동화 환경을 고도화해 중소기업 시장의 차세대 업무 생태계 구축을 선도해 나갈 것”이라고 말했다.  

  클라우드 중심 하이테크 교육 기업 엘릭서는 액티배움 오픈을 기념해, 챗GPT, 코파일럿(Copilot), 퍼플렉시티(Perplexity), 제미나이(Gemini) 등 최신 생성형 AI를 활용한 실무 중심 콘텐츠를 무료로 제공한다고 밝혔다. 이 콘텐츠는 실습 위주로 구성돼 학습자가 업무 효율을 높이는 데 직접적인 도움을 줄 것으로 기대된다. 클라우드 기반의 전문 역량 강화 및 취업 지원 액티배움은 앞으로 AI, 데이터, 인프라, 보안 등 클라우드 기반의 다양한 분야 콘텐츠를 지속적으로 선보일 예정이다. 특히, 마이크로소프트 글로벌 공인 자격증 과정(AI900, AZ900, DP900, SC900)을 올인원 패키지로 제공해 이론 학습부터 기출문제 풀이, 모의고사, 실제 응시까지 지원하며, 취업과 진학에 필요한 역량을 강화하는 데 초점을 맞추고 있다. 또한, 마이크로소프트 애저(Azure) 클라우드의 AI 및 데이터 도구를 활용해 기업 맞춤형 앱이나 웹페이지를 직접 만들어보는 실습형 콘텐츠도 준비 중이다. 이는 이론 강의와 실시간 세션을 결합해 학습자가 클라우드 AI와 데이터를 직접 체험하고, 클라우드 인프라의 비용 효율적 운영 및 보안 설계까지 배울 수 있도록 구성됐다. 엘릭서는 배운 내용을 즉시 실무에 적용할 수 있는 교육을 목표로 하며, 향후 구글 클라우드(Google Cloud), 아마존 웹 서비스(AWS) 등 다양한 클라우드 플랫폼으로 콘텐츠를 확장할 계획이라고 밝혔다. 진로 멘토링 프로그램으로 취업 연계 강화 액티배움은 단순 강의 제공을 넘어, 진학과 취업에 실질적인 도움을 줄 수 있는 멘토링 강의도 출시한다. 실시간 온라인 강의를 통해 서류 합격 전략, 면접 대비 노하우 등 실전 경험을 공유하고, 국내외 현업 전문가와의 1:1 멘토링을 통해 학습자 개개인의 진로와 목표에 맞춘 맞춤형 조언을 제공할 예정이다. 엘릭서의 강형주 대표는 “액티배움은 단순한 온라인 강의 플랫폼이 아니라, 학습자가 직접 행동하며 성장할 수 있는 미래형 교육 생태계를 지향한다”며, “클라우드 AI 기반의 실습형 콘텐츠와 개인화된 멘토링을 통해 학습자들의 진학과 취업을 적극 지원하겠다”고 말했다. 액티배움은 매월 새로운 콘텐츠를 꾸준히 선보이며 빠르게 변화하는 기술 환경에 학습자들이 능동적으로 대응할 수 있도록 도울 계획이다.  

김덕진, 김아람 지음 / 가격: 25,000원 / 스마트북스 AI 워커스, 이제는 에이전트 시대다! 3년 전인 2022년 사람들이 대화형 AI를 본격적으로 쓰기 시작했을 때는 “AI가 답변을 한다는 것” 자체에 놀라워하던 시기였다. 다음해인 2024년은 “AI에게 답변을 잘 받아내는 법”을 익히는 시기였다. 하지만 3년 차인 2025년이 되자, 이제 사람들은 “AI가 스스로 알아서 다 해주길” 원하게 되었다. ‘AI 에이전트(AI Agent)’ 시대가 된 것이다. AI 에이전트』(트렌드&활용백과)에서는 1,400만 뷰 화제의 영상, 가장 핫한 IT커뮤니케이터 김덕진 소장과 김아람 전략기획 컨설턴트가 최신 AI 에이전트를 쉽게 이해하고 즉시 활용할 수 있도록 안내한다. 난해한 기술을 누구나 이해할 수 있도록 풀어내는 탁월한 능력과 현장에서 바로 써먹을 수 있는 노하우가 돋보인다. 퍼플렉시티, 오퍼레이터, 컴퓨터 유즈, 젠스파크, 딥 리서치, 펠로, 마누스, 스트림 리얼타임, 노트북 LM 등, 최신 AI 에이전트 트렌드부터 활용 노하우까지 한 권으로 가능하다.

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.

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.

구글은 최근 ‘검색어로 돌아보는 2024년’, 일명 ‘올해의 검색어’ 리스트를 공개했다. 올해 전 세계와 한국에서 가장 주목받은 키워드들을 조명한 이번 발표는 단순한 검색량 순위가 아닌, 전년 대비 검색량이 급증한 주제들을 기준으로 구성되어 주목도를 한층 높였다. 2024년 주요 검색어 트렌드는 무엇? 이번 리스트에는 K-콘텐츠, K-POP 노래, 레시피, 도서, 영화, 스포츠 매치, AI Tool 등 총 9가지 카테고리의 상위 10개 검색어가 포함되었다.  특히 올해도 글로벌 검색어 리스트 중 두 가지 부문에서 한국 관련 검색어가 순위에 오르며, K-콘텐츠와 K-POP의 세계적인 영향력을 확인할 수 있었다. 노래 부문에서는 국내에서 1위를 기록한 로제와 브루노 마스의 '아파트(APT.)'가 글로벌 순위 2위에 오르며 K팝을 향한 이용자의 높은 관심을 실감케 했다. 국내 K-POP 노래 순위에 ‘밤양갱’이 2위에 올랐으며, 에스파, QWER, 아일릿(ILLIT) 등 아이돌 그룹의 노래가 순위에서 대다수를 차지했다.  글로벌 TV 시리즈 리스트에 한국의 ‘눈물의 여왕’과 ‘내 남편과 결혼해 줘” 두 작품이 나란히 이름을 올리며 K-콘텐츠의 인기 역시 실감케 했다. 특히 ‘눈물의 여왕’은 국내 K-콘텐츠 순위에서도 1위를 차지해 한국에서 사랑받는 콘텐츠가 세계적으로도 화제를 일으킨다는 점을 증명했다. 이어서 국내 순위에서는 요리 예능, 로맨스 코미디 등 다양한 주제를 넘나드는 TV 시리즈들이 등장해 K-콘텐츠가 갖는 장르적 다양성을 보여주었다. 글로벌 종합 검색 부문에서는 ‘코파 아메리카’, ‘유럽축구연맹 챔피언십’, ‘ICC T20 월드컵’이 각각 1~3위를 차지하며 해외에서 스포츠에 대한 관심이 여전히 뜨거움을 보여줬다. 국내에서는 ‘올림픽/패럴림픽’이 1위, ‘계엄령’이 2위를 기록했고, 3위로는 ‘주택 청약’이 검색 키워드 순위에 이름을 올렸다. 글로벌 인물 순위에는 미국 대통령 선거의 영향으로 ‘도널드 트럼프’가 1위를, ‘카멀라 해리스’와 ‘조 바이든’이 각각 3위와 5위를 차지했으며, 2위는 케이트 미들턴으로 더 잘 알려진 영국 왕실의 ‘웨일스 공비 캐서린’이 이름을 올렸다. 국내 인물 검색어로는 민희진, 정우성, 김수미 등 엔터테인먼트 인사들이 상위권에 집계된 가운데 한국인 최초로 노벨 문학상을 수상한 작가 한강이 4위에 이름을 올렸다. 어린이들의 마음을 사로잡은 요정 ‘티니핑’도 인물 분야 9위에 올라 눈길을 끌었다. 올해 영화는 국내외 다양한 장르의 영화들이 다채로운 매력을 뽐내며 주목을 받았다. 또한 국내 리스트에 오른 10개 작품 중 여섯 작품이 한국 영화로 나타났다. 특히 올해 최고 흥행작으로 알려진 ‘파묘’가 글로벌 영화 검색어에서 1위를 기록한 디즈니 픽사의 대표작 ‘인사이드 아웃 2’를 제치고 국내 1위에 오르기도 했다. 스포츠 부문은 축구, 야구, 복싱 등 다양한 종목에서 흥미진진한 경기들이 팬들의 시선을 사로잡았다.  손흥민 선수가 속해 있는 ‘토트넘 홋스퍼 FC 매치’가 1위, ‘대한민국 축구 국가대표팀 매치’가 2위, UEFA 유럽 축구 선수권 대회 (‘유로 2024’)가 3위를 차지했다. 또한, 기아와 삼성의 한국시리즈인 ‘삼성 대 기아 (KBO 한국 시리즈)’도 순위에 이름을 올리며 다양한 종류의 스포츠에 대한 관심도 뚜렷했다.  국내 이용자들의 레시피 순위에서는 ‘어남선생(류수영) 레시피’, ‘밤 티라미수(흑백요리사)’, ‘두끼(떡볶이) 레시피’, ‘나박김치’같은 한식 메뉴 레시피를 다수 검색해 K-푸드의 저력을 보여주었다. 다양한 혁신 AI 기술들이 우리 일상에 빠르게 스며드는 가운데 올해 그 어느 때보다 다양한 AI 툴이 트렌드 검색어에 등장했다. 인공지능 신경망을 이용해 사진 변환 및 편집 서비스를 제공하는 ‘Pencilizing(펜슬라이징)’과 한국을 대표하는 생성형 AI 서비스 ‘뤼튼’이 나란히 1,2위를 기록했고, ‘Chat GPT’는 3위를 기록했다. 4위는 미국의 인공지능 기반 검색 엔진 제작사인 ‘퍼플렉시티(Perplexity)’가 이름을 올렸으며, 국내 최초로 AI와 함께 실시간으로 스토리를 창작할 수 있는 플랫폼인 ‘제타’가 5위를 기록하며 다양한 AI 툴들이 각자의 분야에서 혁신을 이끌고 있음을 보여주었다.  올해 도서 부문에서는 소설, 요리 레시피북, SF 등 다양한 장르의 도서들이 순위에 이름을 올렸으며 노벨문학상을 수상한 작가 한강의 ‘채식주의자’가 도서 부문 1위를 기록했다. 구글 트렌드로 보는 한 해의 변화 2024년의 검색어 리스트는 단순한 데이터 이상의 의미를 담고 있다. K-콘텐츠의 세계적 인기, 스포츠와 AI의 부상, 그리고 일상적인 관심사들이 어떻게 변모했는지를 보여주는 이 자료는 개인과 기업 모두에게 중요한 인사이트를 제공한다. 2024년 구글 트렌드의 전체 리스트는 구글 트렌드 페이지 에서 확인할 수 있다. 한 해를 돌아보며, 앞으로의 트렌드를 미리 예측해보는 건 어떨까?

데이터 클라우드 기업 스노우플레이크가 높은 개방성과 성능을 내세운 엔터프라이즈급 대규모 언어 모델(LLM)인 ‘스노우플레이크 아크틱(Snowflake Arctic)’을 출시했다. 스노우플레이크의 전문가혼합(MoE) 방식으로 설계된 아크틱은 기업의 복잡한 요구사항 처리에도 최적화되어 SQL 코드 생성, 명령 이행 등 다양한 기준에서 최고 조건을 충족한다. 특히 아크틱은 무료로 상업적 이용까지 가능한 아파치 2.0 라이선스로, 스노우플레이크는 AI 학습 방법에 대한 연구의 자세한 사항을 공개하며 엔터프라이즈급 AI 기술에 대한 개방 표준을 제안했다. 또한 아크틱 LLM은 스노우플레이크 아크틱 모델군(Snowflake Arctic model family)의 일부로, 검색 사용을 위한 텍스트 임베딩 모델도 포함됐다. 오픈소스 모델인 아크틱은 코드 템플릿과 함께 추론과 학습방식을 선택할 수 있는 유연성도 제공한다. 사용자는 엔비디아 NIM, 텐서RT-LLM(TensorRT-LLM), vLLM, 허깅페이스(Hugging Face) 등 기업이 선호하는 프레임워크로 아크틱을 사용하고 커스터마이징할 수 있다. 스노우플레이크 코텍스(Snowflake Cortex)에서는 서버리스 추론을 통해 아크틱을 즉시 사용할 수도 있다. 스노우플레이크 코텍스는 완전 관리형 서비스로, 허깅페이스, 라미니(Lamini), 마이크로소프트 애저, 엔비디아 API 카탈로그, 퍼플렉시티(Perplexity), 투게더 AI(Together AI) 등 다양한 모델 목록과 함께 데이터 클라우드에서 머신러닝 및 AI 솔루션을 제공한다. 아마존웹서비스(AWS)에서도 아크틱 사용이 가능해질 예정이다.     스노우플레이크는 기업이 각자의 데이터를 활용해 실용적인 AI/머신러닝 앱 제작에 필요한 데이터 기반과 최첨단 AI 빌딩 블록을 제공한다. 고객이 스노우플레이크 코텍스를 통해 아크틱을 사용할 경우 데이터 클라우드의 보안 및 거버넌스 범위 내에서 프로덕션급 AI 앱을 적정 규모로 구축하는 것이 더욱 쉬워진다.  아크틱 LLM이 포함된 스노우플레이크 아크틱 모델군에는 스노우플레이크가 최근 출시한 최첨단 텍스트 임베딩 모델 중 하나인 아크틱 임베드(Arctic embed)도 포함된다. 이 제품은 아파치 2.0 라이선스로 오픈소스 커뮤니티에서 무료로 사용할 수 있다. 5가지 모델로 구성된 이 제품군은 허깅페이스에서 바로 사용할 수 있으며, 스노우플레이크 코텍스에 내장돼 프라이빗 프리뷰 형태로 공개될 예정이다. 유사 모델의 약 3분의 1 크기인 이 임베딩 모델은 높은 검색 성능을 발휘하도록 최적화되어, 기업들이 검색증강생성(RAG) 또는 시맨틱 검색 서비스의 일부로 고유의 데이터 세트를 LLM과 결합할 때 효과적이고 경제적인 솔루션을 제공한다. 스노우플레이크의 슈리다 라마스워미(Sridhar Ramaswamy) CEO는 “스노우플레이크 AI 연구팀은 AI 분야 최전방에서 혁신을 이끌며 자사에 중요한 전환점을 마련했다”면서, “스노우플레이크는 오픈소스로 업계 최고 성능과 효율을 AI 커뮤니티에 공개하면서 오픈소스 AI가 지닌 가능성의 영역을 넓혀가고 있다. 고객에게 유능하면서도 믿을 수 있는 AI 모델을 제공할 수 있는 스노우플레이크의 AI 역량도 높아지고 있다”고 말했다.