디지털 트윈과 산업용 메타버스 트렌드   영화 매트릭스가 개봉된 지 20년이 더 지난 2020년대에 이러한 가상 세상은 영화가 아닌 실제 산업 현장에서 구현되어 산업 혁신을 주도하고 있다. 바로 ‘디지털 트윈 (Digital Twin)’이다 이 글에서는 디지털 트윈의 의미와 제조 산업 특히 로봇 기반 자동화에서 디지털 트윈이 어떻게 제조현장을 혁신하는지 실증 사례를 기반으로 소개한다.   장영재 교수 / 카이스트  “헬기를 몰 줄 알아요?” 남자 요원이 동행한 여자 요원에게 물었다. “아니요. 아직은요. 잠시만 기다리세요.” 그리고 즉시 여자 요원은 무전로 본부에 연락해, 헬기 시뮬레이션 교육프로그램을 업로드 해달라 본부에 요청했다. 본부에서는 즉시 시뮬레이션 교육프로그램을 가속으로 돌려 헬기 조정 능력을 여자 요원의 머리에 업로드하였다. 여자요원은 불과 몇 초 사이에 수백시간 걸릴 헬기훈련을 마친 베터랑 헬기 조정사 능력을 가지게 되었다. 그리고 여자 요원은 외쳤다. “빨리 헬기를 몰고 도망칩시다!” 그리고 여자 요원은 능숙한 솜씨로 헬기를 몰고 남자요원과 함께 탈출한다. 1999년 개봉된 영화 매트릭스의 한 장면이다. 가상의 세상과 실제 세상을 오가며 과연 무엇이 진실이며 실제 (real)이란 무엇일까란 질문을 던지는 매우 철학적인 영화다 .  영화 매트릭스가 개봉된 지 20년이 더 지난 2020년대에 이러한 가상 세상은 영화가 아닌 실제 산업 현장에서 구현되어 산업 혁신을 주도하고 있다. 바로 ‘디지털 트윈 (Digital Twin)’이다. 본 특집에서는 디지털 트윈의 의미와 제조 산업 특히 로봇 기반 자동화에서 디지털 트윈이 어떻게 제조현장을 혁신하는지 실증 사례를 기반으로 소개한다.   1. 시뮬레이션과 디지털 트윈의 차이 우리나라 과학기술정보 통신부에서는 디지털 트윈을 다음과 같이 정의하고 있다.  “가상세계에서 실제 사물의 물리적 특징을 동일하게 반영한 쌍둥이 (Twin)을 3D 모델로 구현하고 제 사물과 실시간으로 동기화 및 시뮬레이션을 통해 관제, 분석, 예측 등 현실의 의사결정에 활용하는 기술” 그러나 이러한 정의만으로는 구체적으로 디지털 트윈을 파악하기에 모호하다. 시뮬레이션과 디지털 트윈의 차이가 무엇인지, 실시간 동기화가 왜 필요한지, 관제, 분석, 예측은 이미 다양한 방식으로도 가능한데 디지털 트윈이 제공하는 또 다른 가치가 있는지 설명이 부족하다. 최근 디지털 트윈 관련 이슈가 많다 보니 기업들도 앞 다투어 디지털 트윈을 기술을 확보했다는 등의 보도자료를 통해 기술 홍보를 하기도 한다. 이런 대부분은 공장의 가공 로봇이 움직임을 실시간 3D 애니메이션으로 구현해서 실제 로봇의 움직임을 컴퓨터에 시연하는 정도다. 그러나 이러한 시연을 보면 대부분 사람들의 반응은 “이것으로 무엇을 하지요?” “굳이 거액을 들여 실물의 움직임을 컴퓨터 그래픽으로 그대로 보여줄 필요 있나요? 그저 CCTV 하나 설치하면 컴퓨터에서 영상으로 볼 수 있는 것을 굳이 컴퓨터 그래픽 3D영상으로 구현할 필요가 있나요?” 등의 반응이다. 그렇다면 우선 시뮬레이션과 디지털 트윈의 차이가 무엇일까? 2. 디지털 트윈이 과연 무엇인가?   시뮬레이션은 가상의 시나리오를 기반으로 그 결과를 재현해 보는 것을 의미한다. 내가 A란 결정을 했을 때 그 결과가 어떻게 나올지를 유추해 보는 것이 시뮬레이션이다. 우리가 일반적으로 잘 알고 있는 시뮬레이션이 컴퓨터 시뮬레이션이다. 즉 컴퓨터가 구현한 상황에서 특정 의사결정에 대해 그 결과를 컴퓨터를 통해 산출하는 것이다. 컴퓨터 시뮬레이션 활용의 대표적인 예가 워 게임 (War Game)이다. 군에서는 전략전술 교본이나 전술, 그리고 무기 체계 설계를 할 때 컴퓨터를 통한 시뮬레이션을 활용한다. 평가나 실험을 위해 실제 전투나 전쟁을 치를 수 없기에 컴퓨터를 통해 가상의 적군과 전투를 하며 훈련을 하거나 전술 평가에 활용한다. 실제 컴퓨터 시뮬레이션 활용에 대한 연구가 가장 활발히 이뤄지는 분야가 국방 시뮬레이션 분야인 이유다.  우리 일상 생활에서도 이러한 시뮬레이션이 실제 많이 활용된다. 대표적인 예가 바로 자동차 네비게이션이다. 10년전 네비게이션을 떠올리면 전형적인 시뮬레이션 장비라 할 수 있다. 목적지를 입력하면 내 위치에서 목적지까지 수많은 대안 경로 중 최적 경로를 제안해 준다 . 그러나 당시 네비게이션은 실시간 교통정보를 경로 탐색에 담지 않았다. 그러다 보니 출퇴근 교통혼잡이나 사고로 인한 교통 체증과 같은 상황에서도 일반 상황과 동일한 이동경로 시간 산출과 경로를 제시하는 한계가 있었다. 최근 자동차 네비게이션이나 스마트폰 차량 맵은 실시간 교통정보를 포함해 다양한 대안 경로를 제시한다. 즉 실시간 GPS 정보를 통해 내 차량의 위치는 클라우드의 컴퓨터로 전송이 되고 또한 다양한 교통정보를 기반으로 실시간으로 대안경로를 찾고 도착시간을 지속해서 업데이트 한다. 그리고 내차의 이동 경로와 교통 상황은 사용자가 직관적으로 파악할 수 있도록 컴퓨터 그래픽으로 전달된다. 즉 실시간 교통정보를 기반으로 지속적인 업데이트된 경로를 제공하는 스마트폰 네비 앱이 디지털 트윈의 가장 대표적인 사례다. 학문에서는 디지털 트윈의 조건을 아래로 정의한다. 1. 실물과 가상의 시스템이 거의 실시간 (near real-time)으로 연동되어야 한다. 2. 다양한 상황의 시나리오를 검토하고 대안을 제시할 수 있어야 한다. 3. 사용자의 의사결정을 지원하며 사용자가 쉽게 의사결정 상황을 직관적으로 파악할 수 있는 인터페이스를 제공해야 한다.   스마트폰 네비는 위 조건을 모두 만족한다. 실시간으로 차량의 위치가 GPS로 전송되고 교통정보도 활용한다는 점에서 1번 조건을 만족하며, 다양한 대안경로를 검토함으로 2번 조건을 만족하며, 사용자의 최적경로를 제안하며 이러한 경로를 그래픽으로 전달하는 방식으로 3번 조건을 만족한다. 즉 스마트폰 네비가 우리 생활의 디지털 트윈이라 할 수 있다. 이런 의미를 보면 굳이 디지털 트윈이 현실과 매우 흡사한 고퀄리티 네비를 제공해 줄 의무는 없고 3D그래픽을 제공하는 것도 조건은 아니다. 사람의 의사결정을 직관적으로 지원해 줄 수 있는 정도면 기능이 충분하다 할 수 있다. 3. 로봇 기반 제조 운영에서의 디지털 트윈   이러한 디지털 트윈 활용의 가장 대표적인 예가 제조 물류 자동화 시스템 설계 및 운영이다. 최근 제조 시스템의 가장 큰 변화 중의 하나는 컨베이어 벨트가 없는 자동화(Beltless Automation)로 표현되는 군집 로봇 기반 물류 자동화다. 1916년 포드 T모델이 컨베이어 방식으로 생산되며 제조 자동화 혁명을 가져왔다. 이후 컨베이어 벨트 기반 물류 자동화는 공장 자동화의 표준 생산이 되었다. 그러나 이러한 컨베이어 방식은 단일 품종 대량 생산에는 적합하지만 다품종 소량 생산과 같은 현대 소비 시장의 욕구를 충족하는 데는 한계가 있다. 차량 모델이 바뀔 때 마다 공장을 세우고 컨베이어 벨트와 설비 위치를 재 조정해야 하는 등 상당한 재투자가 필요하다. 카이스트 산업 및 시스템 공학과 졸업생들이 2020년에 창업하여 카이스트 및 네이버가 투자한 다임리서치는 디지털 트윈 기술을 기반으로 AGV나 ARM의 이동을 관제하고 제어하는 솔루션을 개발하여 LG전자뿐만 아닌 국내 반도체 및 2차전지 기업에 공급하고 있다.      상세 내용은 PDF로 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.

건설 프로세스에서 협업을 대중화하다   일본의 건설회사인 오바야시(Obayashi)는 유니티 엔진과 픽시즈(Pixyz), 유니티 애셋 매니저(Unity Asset Manager) 등의 설루션을 사용해 모든 수준의 관계자가 어디서나 3D 모델에 즉각적으로 액세스하고 사용할 수 있는 3D 협업 뷰어와 애플리케이션을 구축했다.약 20곳의 건축 현장에서 6개월간 시범 사업을 진행한 오바야시는 모든 직원이 기술 수준에 관계없이 3D 모델에 쉽게 액세스하고 사용할 수 있는 협업 환경으로 업계 표준을 높이고 있다. ■ 자료 제공 : 유니티 코리아     오바야시는 오래 전부터 프로젝트의 기획 및 디자인 단계에서 3D 모델을 활용했다. 그러나 건설 단계에서 이러한 3D 모델을 효과적으로 구현하려는 경우 큰 과제가 있다. 바로 고성능 기기나 전문 기술 없이도 모든 작업자가 대규모 3D 모델에 액세스할 수 있도록 하는 것이었다. 이를 해결하기 위해 오바야시는 유니티의 실시간 3D 설루션으로 전환하여 몰입형 3D 협업 애플리케이션인 커넥티아(CONNECTIA)를 개발했다. 이 애플리케이션의 주요 성과는 다음과 같다.  저사양 PC에서도 대규모 BIM(건설 정보 모델링) 및 포인트 클라우드 3D 모델의 효율적인 렌더링 고급 3D 소프트웨어 기술이 없는 작업자도 손쉽게 사용할 수 있는 사용자 친화적 UI 조사를 진행한 14개 현장 중 71%는 근시일 내에 1인당 월 10시간 이상을 단축할 것으로 예상 커넥티아 애플리케이션의 개발 과정과 오바야시가 데이터 접근성 문제를 극복하기 위해 이 애플리케이션을 어떻게 활용했는지 자세히 알아보자.  “유니티는 말 그대로 ‘건설 현장의 3D 모델을 게임처럼 다룰 수 있게 한다’는 개념을 실현한다.” – 유아사 도모히데 매니저, 오바야시   오바야시의 설루션 : 커넥티아 커넥티아는 모든 현장 작업자가 3D 모델에 액세스하고 이를 실용적으로 사용하도록 할 때 발생하는 문제를 해결하기 위한 오바야시의 설루션이다. 이 설루션을 개발하기 전 오바야시는 기존 BIM 소프트웨어를 주로 활용하여 모델을 구축, 시각화 및 수정했다. 하지만 다음과 같은 문제가 있었다.  하드웨어 문제 : 저사양 PC에서는 대규모 BIM 및 포인트 클라우드 3D 모델을 다루기가 어렵다. 소프트웨어 문제 : 비기술 부문 직원들은 소프트웨어의 복잡성으로 인해 어려움을 겪는 경우가 많았고, 따라서 시간과 리소스가 많이 소요되는 추가 교육이 필요했다. 커넥티아는 오바야시의 기존 3D 모델을 통합하여 직관적인 통합 플랫폼 역할을 한다. 이를 통해 다양한 분야와 배경의 팀원 간 인터랙티브 협업과 3D 모델의 실시간 수정이 훨씬 더 쉬워진다. 개발 프로세스에서 유니티의 설루션은 크게 세 가지 측면으로 중요한 역할을 했다.     애셋 시각화 및 관리 최적화 오바야시는 디테일 수준(LOD) 및 텍스처 압축과 같은 유니티의 고급 렌더링 기술을 활용하여 CAD, BIM, 포인트 클라우드와 같은 복잡한 3D 데이터 소스를 몰입형 협업 애플리케이션 내에서 시각화할 수 있는 즉시 사용 가능한 애셋으로 변환했다. 메타데이터는 건설 작업에서 3D 모델의 가치와 유용성, 수명을 향상시키는 데 중요한 역할을 한다. 오바야시는 픽시즈를 통해 데이터를 애플리케이션에 통합하는 동안 필수 메타데이터를 보존했다. 또한, 픽시즈와 포인트 클라우드 데이터의 호환성 덕분에 오바야시는 기존 BIM 및 CAD 데이터로는 불가능한 수준의 디테일과 정확도를 실시간으로 구현할 수 있었다. 유니티 애셋 매니저는 오바야시의 건설 프로젝트 전반에서 BIM 데이터를 관리하는 중앙 집중식 허브 역할을 한다. 애셋 매니저의 주요 장점 중 하나는 데이터 변환과 버전 관리를 자동으로 처리할 수 있다는 점이다. 이러한 자동화를 통해 오바야시 개발 팀의 부담이 크게 줄어들었으며, 수동 변환이나 다양한 파일 포맷에 대한 개별 지원이 필요하지 않게 되었다. 유니티 애셋 매니저와 커넥티아의 통합 덕분에 추가 개발 작업 없이 3D 모델에 대한 업데이트를 애플리케이션에 쉽게 푸시할 수 있다. 관계자는 이러한 실시간 동기화를 통해 최신 프로젝트 정보에 즉각적으로 액세스하여 협업을 강화하고, 오래된 데이터로 인한 오류의 위험을 줄일 수 있다.   개발 가속화 오바야시는 유니티에서 제공하는 사전 빌드된 프로젝트를 통해 개발을 시작하여 신속하게 커넥티아를 제작했다. 이를 통해 밑작업을 추가로 진행하지 않고도 완전한 기능을 제공하는 사전 구축 몰입형 협업 툴을 활용할 수 있었다. 사전 설정된 환경과 애셋이 포함되어 있어 반복적인 설정 작업이 필요 없기 때문에, 개발 일정을 단축하고 개발자도 처음부터 핵심 기능에 집중할 수 있다. 사전 구축된 프로젝트의 모듈식 디자인 덕분에 오바야시는 필요에 따라 기능을 손쉽게 교체하고 새로운 기능을 추가할 수 있었다. 오바야시에서 추가한 기능은 다음과 같다.  세부 측정 : 중장비 개발을 위한 공간이 충분한지 확인하는 등, 현장 계획 및 의사 결정에 필수적인 데이터를 제공하는 공간 치수를 정밀하게 분석할 수 있도록 지원한다. SSO 로그인 : 마이크로소프트 TIS(Treasury Intelligence Solutions)와 통합을 지원한다. 일정 조정 : 관계자가 시간 경과에 따른 공사 진행 상황을 시각화하여, 실시간 데이터를 기반으로 일정과 리소스를 선제적으로 조정할 수 있다. 실시간 뷰 : 작업자가 실제 건설 현장의 상황을 실시간으로 시각화하여 팀이 효율적으로 작업할 수 있도록 지원한다.   데이터의 접근성 높이기 커넥티아 애플리케이션은 최소한의 그래픽스 기능만 갖춘 기기에서도 3D 데이터에 쉽게 액세스할 수 있도록 하여 관계자 간의 협업을 강화하도록 만들어졌다. 따라서 고성능 기기를 다루지 못할 수 있는 현장 작업자도 이를 통해 중요한 프로젝트 정보는 계속 확인할 수 있다. 오바야시가 유니티를 사용하기로 한 결정적인 이유는 접근성을 보장하는 데 필요한 유니티의 광범위한 플랫폼 지원이었다. 유니티의 플랫폼 확장성을 활용하면 모바일, 데스크톱, AR/VR 등 다양한 기기에서 몰입도 높은 경험을 구현할 수 있다. 이러한 기능으로 사용자는 경험을 공유하고, 3D 공간 컨텍스트에서 모델을 확인하며, 사무실에서 근무하는 관계자와 현장 운영을 원활하게 연결할 수 있다. 또한 커넥티아에는 협업을 더욱 강화하고 모든 관계자가 프로젝트 전반에 걸쳐 일관성을 유지할 수 있도록 하는 다양한 기능이 포함되어 있다. 오브젝트 배치 기능 : 사용자는 이 기능을 통해 3D 환경에서 상호 작용 방식으로 모델을 배치, 정렬, 제거할 수 있으므로 시공 계획을 종합적으로 검토하고 프로젝트 상태를 효율적으로 전달할 수 있다. 주석 기능 : 3D 환경 내에서 오브젝트에 대한 주석을 작성하고, 답글을 달고, 편집하고, 보관할 수 있다.     향후 계획 오바야시는 이 애플리케이션을 사용하여 모델을 제작하고 완성하는 데 드는 노력과 비용을 크게 줄인다는 계획이다. 오바야시는 AI 기능을 통합하여 데이터를 분석하고 반자동식 예비 조사를 수행함으로써 건설 계획 프로세스를 간소화할 수 있는 방안을 구상하고 있다.  “건설 현장의 실시간 정보를 더 많이 확보하면 원격으로 안전 관리 및 품질 관리를 구현할 수 있다. 커넥티아는 이러한 비전에 반드시 필요한 첫 번째 이니셔티브이다.” - 모리 유스케 매니저, SEIBU NUMABUKURO JV CONSTRUCTION OFFICE     ■ 기사 내용은 PDF로도 제공됩니다.

2025년 2월부터 5주에 걸쳐 매주 수요일 저녁 7시 30분부터 10시 30분까지 서울 상암동 DMC첨단산업센터 7층 AI실습교육장에서 재미난 스터디 모임이 진행 중이다. 바로 AI 바우하우스랩이다. AI 바우하우스랩은 2024년 'AI x ART A.DAT Exhibit' 전시에 참여했던 작가들의 열정에서 비롯됐다. 지난 2월 19일 저녁에 뜨거운 교육 현장을 직접 찾아갔다. ■ 박경수 기자   ▲ 인공지능과 디자인의 융합을 추구하는 스터디 모임, AI 바우하우스랩   미래를 향한 AI 교육의 산실 AI 바우하우스랩을 이끌고 있는 감성놀이터 최석영 대표는 “서로 다른 분야에서 활동하던 15명의 창의적인 전문가들이 모여 ‘AI 기술’과 ‘예술의 융합’이라는 새로운 도전을 시작하게 됐다”며, “매주 수요일 저녁에 DMC첨단산업센터에 마련된 교육장에서 만나 미래를 향한 대화를 나누고 있다”고 설명했다. 이번 스터디 모임에는 독특한 이력의 소유자들이 함께 하고 있다. 영화의 순간을 포착하는 촬영감독부터 도시의 미래를 그리는 건축사무소 대표, 전통 한지의 아름다움을 현대적으로 재해석하는 조형작가, 캔버스에 생명을 불어넣는 회화작가, 신선한 시각을 가진 대학생, 혁신적인 건축 비전을 가진 건축사, 지식을 나누는 대학강사, AI의 미래를 연구하는 교수, 그리고 기술과 예술의 경계를 허무는 AI 감독까지. 서로 다른 직업군의 사람들이 모여 팀을 이루어 매일매일 작업한 결과물들을 오픈 채팅방에 공유하고 있다. 서로의 작업 결과를 보고 부족한 면을 메우는 한편, 격려와 응원을 통해 매주 조금씩 더 성장해 나가고 있다.   ▲ 모임 장소인 뉴미디어 아트 스튜디오 ‘감성놀이터’   미디어아트 전시회의 인연 기자와 최석영 대표와의 인연은 10여년 전으로 거슬로 올라간다. 2013년 감성을 기반으로 이웃들과 예술로써 따스한 정을 나누고 있는 미디어아트그룹 ‘감성놀이터’가 출범했다. 감성놀이터는 당시에는 획기적이고 새로운 형식의 미디어아트를 추진했고, 그해 5월 25일부터 26일까지 상암동 DMCC빌딩에서 미디어아트 전시회가 열렸다. 당시 기자도 전시회에 작가로 참여했다. 최석영 대표는 “연남동의 작은 화실에서 시작된 아티스트 그룹인 감성놀이터는 ‘무모함에 가치를 더하다’라는 도전적인 모토를 내걸고, 불가능해 보이는 것들을 가능으로 바꾸어 나가고 있다”며, “VR 기술을 활용한 심리치유 프로그램, 세계 최초로 시도되는 국제고양이 AI필름페스티벌, 그리고 느린학습자들에게 예술의 날개를 달아주는 AI아트스쿨까지. 계속된 도전을 통해 새로운 이정표를 만들어가고 있다”고 말했다. 상암동에 위치한 DMC첨단산업센터로 보금자리를 옮긴 후에는 본격적으로 AI와 실감미디어 교육을 통해 미래 교육의 새로운 패러다임을 제시하는데 앞장서고 있다.   ▲ 감성을 꽃피우다 미디어아트展   ▲ 어린이 미디어아트 체험관   스터디 모임을 뛰어 넘어 전문성을 살린 프로젝트로 매주 모여서 새로운 툴을 익히고 배운 툴로 새로운 작품을 구상하고 있는 AI 바우하우스랩 회원들은 단순한 스터디 모임을 넘어섰다. 총 5주라는 시간 동안 진행되는 집중 연구 프로그램을 통해 그들이 모인 스터디 모임은 르네상스 시대의 워크숍처럼 운영되고 있다. 최석영 대표는 참가자들에게 ‘별, 여우, 어린왕자, 장미’라는 모둠 이름을 부여하고 각자의 전문성을 살린 프로젝트를 팀을 이뤄진행하도록 이끌고 있다. 그는 “매주 진행되는 AI 이슈리포트 시간에는 최신 기술 동향부터 윤리적 쟁점까지 다양한 주제로 열띤 토론도 이어지고 있다”고 밝혔다. 특히 주목할 만한 점은 ‘자발적 나눔’의 문화다. 회원들은 각자 돌아가면서 자신의 전문 분야와 AI의 접점을 찾아 강의를 준비하고, 때로는 직접 만든 쿠키를 가져오거나 가져온 다과를 함께 나누며 따뜻한 교류의 시간을 갖고 있다. 최 대표는 “이런 자유롭고 창의적인 분위기 속에서 생성형 AI 콘텐츠를 제작하고, 로컬 AI 서버를 구축하고, LLM 활용 방안을 연구하는 등 실질적인 성과물들이 탄생하고 있다”고 설명했다.   ▲ 존칭 없이 별칭으로 만든 이름표   ▲ 300초 자기소개 시간   ▲ 모둠을 구성해 집중 스터디   전문가 집단이 참여한 스터디 모임 AI 바우하우스랩의 가장 큰 강점은 구성원들의 다양성에 있다. OTT 시대의 새로운 영상 문법을 연구하는 촬영감독, AI 기술을 건축 설계에 접목하려는 건축사무소 대표, 전통 한지의 물성을 현대적 조명 디자인으로 재해석하는 조형예술가 등이 한 자리에 모였다. 또한 수만 명의 팔로어를 보유한 파워블로거 대학생을 비롯해 동양화의 정신을 현대 회화에 담아내는 작가, 세계 최초의 국제고양이 AI필름페스티벌을 기획한 AI 감독도 참여하고 있다. 이들은 서울에서부터 대구까지, 전국 각지에서 이곳을 찾아오고 있다. 최 대표는 “매주 수요일 저녁에 대구에서 기차를 타고 온다는 한 회원의 열정은 랩의 상징과도 같다”며, “나이와 직업, 사는 곳은 달라도 이들을 하나로 묶는 것은 AI 기술을 통해 새로운 가능성을 모색하고자 하는 공통된 열망”이라고 강조했다.    ▲ 건축 AI 생성 활용 강의 스터디   ▲ 놀이보다 쉬운 파이썬 스터디   ▲ AI 스터디로 만드는 새로운 도전   따스함이 AI이다 AI를 단순히 활용하는 차원을 넘어 정서적으로나 문화적으로 따스한 이야기로 바꾸는 작업이 진행 중이다. 특히 AI 바우하우스랩의 영향력은 개인의 성장을 넘어 산업 전반으로 확산될 것으로 기대된다. 최 대표는 “매주 이루어지는 만남은 단순한 지식 공유를 넘어 서로 다른 분야의 통찰을 교환하는 소중한 장이 되고 있다”며, “특히 AI 기술을 접목한 새로운 시도들은 각자의 분야에서 혁신의 씨앗이 되고 있다”고 말했다. 이러한 변화를 이끄는 모임이 성사되어 운영되고 있다는 점에서도 놀랍지만 대규모의 자본이나 정부 지원 없이도 가능하다는 점이 입증되었다. 순수한 열정과 자발적인 참여만으로도 의미 있는 연구와 창작이 가능하다는 새로운 모델을 제시하고 있다. 최 대표는 “매주 회원들이 직접 준비해 오는 따뜻한 다과와 진솔한 대화는 AI 연구에 인간적인 온기를 더하고 있다”고 말했다.   ▲ 매일매일 과제로 만들고 있는 AI 활용 영상   ▲ 스터디 참가자가 직접 만든 간식으로 AI에 더해진 따스함   AI 바우하우스랩의 여정은 계속된다 AGI(인공일반지능) 연구를 통한 미디어아트 작품 개발은 이미 진행 중이며, 2025년 9월에는 한전아트센터에서 ‘AI x ART A.DAT 2025 Exhibit’를 통해 그 결실을 선보일 예정이라고 한다. 전통 춤사위와 첨단 레이저 기술이 만나는 오픈 퍼포먼스는 이번 전시의 하이라이트가 될 전망이다. 최 대표는 같은 스터디 공간에서 진행될 주목할 만한 것으로 사회공헌 활동을 꼽았다. 그는 “느린학습자와 발달장애인 청소년들을 위한 ‘AI ART SCHOOL’은 기술과 예술이 어떻게 사회적 가치를 창출할 수 있는지 보여주는 좋은 예시”라며, “청소년들에게 무상으로 갤러리 전시를 지원해 주신 성현주 관장님께 감사드린다”고 말했다. 주말마다 진행되는 이 프로그램은 단순한 교육을 넘어 참가자들의 잠재력을 끌어내는 새로운 플랫폼으로 자리매김하게 될 것으로 기대를 모으고 있다. 최 대표는 “AI 바우하우스랩은 단순한 연구나 스터디 모임이 아니라 이곳은 기술과 예술, 인간성이 조화롭게 어우러지는 미래를 그려 나가는 창의적인 실험실”이라며, “이들의 열정은 우리가 꿈꾸는 미래를 한 걸음씩 더 현실로 만들어가고 있다”고 강조했다.   ▲ AI아트스쿨 주말강의 모집 포스터   ▲ 전시 공간, GalleryDIO by SNJ   참고로, 느린학습자를 위한 AI ART SCHOOL에서 수강생을 모집 중이다. 참여하길 원한다면 링크에서 신청해 보기 바란다.     ■ 기사 내용은 PDF로도 제공됩니다.

시점 - 사물이나 현상을 바라보는 눈 (1)   이번 호부터는 우리가 세상을 어떻게 바라보고 어떻게 이해하는지에 관해서 생각해 보고자 한다. 어느 날 세상에 던져진 하나의 생명체로 태어나 살아가는 과정을 통해서, 세상을 관찰하고 세상을 대상으로 실험하면서 세상을 이해해 가는 과정을 제삼자의 관점에서 살펴보고자 한다. 모든 행동은 생명 유지를 위한 욕구로부터 시작되지만, 그 욕구를 어느 정도 만족하면 세상에 대한 호기심이 새로운 형태의 행동으로 나타나게 된다. 호기심으로부터 시작된 행동, 그 행동으로부터 전개되는 다양한 행위를 통한 학습 과정과 학습된 내용을 응용하는 과정을 1년간의 연재를 통해서 다양한 각도에서 살펴보도록 한다. 일상에서 무의식적으로 일어나는 일이지만 한 번쯤은 그러한 무의식적 행동을 제삼자의 관점에서 관찰하는 것도 의미가 있을 듯하여 이번 연재를 기획하게 되었다. 그 첫 번째 이야기는 ‘호기심’에 관한 이야기이다. 가벼운 마음으로 읽어주시길 바란다.   ■ 연재순서 제1회 호기심 제2회 암중모색 제3회 관찰의 시점과 관점 제4회 정적 이미지와 동적 이미지 제5회 변화와 흐름의 관찰 제6회 개별 관찰 제7회 집단 관찰 제8회 확률과 통계 제9회 작용, 반작용, 상호작용 제10회 무엇을 볼 것인가? 제11회 무엇을 믿을 것인가? 제12회 가설, 모델, 이론의 설득력의 시대성   ■ 유우식 웨이퍼마스터스의 사장 겸 CTO이다. 동국대학교 전자공학과, 일본교토대학 대학원과 미국 브라운대학교를 거쳐 미국 내 다수의 반도체 재료 및 생산 설비 분야 기업에서 반도체를 포함한 전자재료, 공정, 물성, 소재 분석, 이미지 해석 및 프로그램 개발과 관련한 연구를 진행하고 있다. 경북대학교 인문학술원 객원연구원, 국민대학교 산림과학연구소 상임연구위원, 문화유산회복재단 학술위원, 국제문화재전략센터 전문위원이다. 홈페이지 | www.wafermasters.com   그림 1. 호기심은 여러 가지 감각기관으로부터의 신호를 바탕으로 자신의 바깥 세계를 이해하기 위한 원동력이자 수단이다.   호기심 새롭고 신기한 것을 좋아하거나 모르는 것을 알고 싶어 하는 마음이 ‘호기심’이다. 모든 생명체는 세상에 태어나면서 바깥세상에 대한 정보를 탐색하고 적응해 가면서 생명 활동을 이어간다. 미생물, 식물, 동물, 인간에 이르기까지 공통적으로 적용되는 것이다. 모든 생명체에 해당하는 원초적인 욕망이다. 갓난아기, 어린이, 강아지, 새끼 고양이, 갓 부화한 애벌레까지도 주변 환경의 정보를 감지하고 그 정보를 바탕으로 위험한지, 안전한지, 이로운지, 해로운지를 순간적으로 파악할 수 있도록 경험이라는 데이터베이스를 축적해가면서 생명 활동을 이어간다.(그림 1) 호기심은 상상력을 풍부하게 하기도 하며, 새로운 목표를 정하고 그 목표를 향하여 도전하게 하는 원동력이 되기도 한다. <그림 2>는 실제로 일어날 수는 없지만 갖가지 상상의 조합으로 만들어진 이미지이다. 대기권 밖을 비행하는 우주선에서나 볼 수 있는 둥근 모양의 푸른색 지구와 크기의 비율로도 전혀 사리에 맞지 않는 반쯤 가려진 붉은 색 화성, 고양이 모양을 한 별자리까지 상상력을 자극한다, 나무 담장 위를 기어가는 거대한 애벌레까지…. 현실과 동떨어진 합성된 이미지이지만 자신의 경험과 지식을 바탕으로 이 모순된 이미지에서 각자의 방식대로 작자의 의도를 파악하려고 노력하는 자신을 발견하게 된다. 심지어는 자신만의 이미지를 합성해 보고 싶은 충동을 느낄 만큼 중독성까지 있다. 인간은 지적 호기심이 충만한 생명체이기 때문이다. 호기심은 가슴을 설레게 하며, 현상에 대한 이해와 상상력을 유발하기도 하고, 미지의 세계에 대한 도전의 동기를 부여하기도 한다.   그림 2. 호기심은 가슴을 설레게 하며 현상에 대한 이해와 상상력을 유발하고 도전의 동기를 부여한다.   상상을 현실로 만든 사례 필자를 비롯한 지구상의 모든 생명체는 지구에 살면서도 지구가 둥글다는 것을 육안으로 확인하지 못한다. 대기권 아래에서 평생을 살면서도 대기의 존재를 느끼는 일도 거의 없고, 중력의 영향으로 지구 중심으로 당겨져 지표면에 붙어 살면서도 중력을 체감하는 일이 거의 없다. 대기나 중력의 존재는 학습을 통해서 머릿속으로 개념을 이해할 뿐이다. 생명이 위협을 받을 때에서야 비로소 대기의 필요성과 중력의 위력을 체험하게 된다. 그러나 그러한 위험한 상황이 해소되면 또다시 망각하게 된다. 하늘을 보면 낮에는 해가 보이고 밤에는 달과 별이 보이지만, 그것이 얼마나 떨어져 있고 얼마나 큰 것인지 알 수 없다. 대낮에는 햇빛이 너무나도 강렬해서 해를 똑바로 바라보지도 못한다. 그믐날 밤에는 달빛도 거의 없어 별빛에만 의존해서 보아야 해서, 어둠 속에서 주변 물체의 존재를 확인하기도 어렵다. 도시의 경우 밤에도 각종 조명에 의한 빛 공해 때문에라도 밤하늘을 보는 일 자체가 많지 않다. 또한 지구와 다른 천체의 사이에는 무엇이 있는지 알지 못한다. 학교에서 교과서와 선생님의 설명을 통해서 그러려니 하는 경우가 대부분이다. 교과서를 집필한 사람이나 그 교과서를 사용해서 수업을 진행하던 선생님도 자신이 확인한 내용은 거의 없다. 그렇지만 시험 문제로 출제되고 모두가 그렇게 믿으니 그런가 보다 할 뿐이다. 상식은 이렇게 만들어지고 힘을 얻게 된다. 그 상식을 경계로 비상식 또는 몰상식한 사람이 가려진다. 때로는 사회성이 부족한 사람 또는 이단자로 비치기도 한다. 과연 그런 구별은 가능한 것일까? 역사 속의 몇 가지 사례로 살펴보자.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

문화유산 분야의 이미지 데이터베이스와 활용 사례 (12)   지난 호에서는 1920년대에 발견되어 재활용 참기름병으로 사용되었던 백자가 1997년에 조선을 대표하는 국보가 된 ‘백자청화철채동채초충문병’의 화려한 외출 과정을 소개하였다. 개인의 경험을 바탕으로 한 안목감정에 의한 축적되기 어려운 도자기에 관한 정보를 어떻게 검증하고 체계적으로 정리해 나가야 할 것인가에 관해서 생각해 보았다. 도자기의 분류, 명명법, 각종 분석법의 원리와 한계에 관해서 소개하였다. 도자기 제작 시대, 지역, 재료, 제작방법 등 다양한 관점에서 데이터베이스에 담아내야 할 것인가에 대해서도 고민해 보았다. 이번 호에서는 올해의 주제였던 문화유산 분야의 이미지 데이터베이스와 활용 사례에 관한 기고를 마무리하면서 마지막 분야로 단청, 불화, 초상화, 등에 사용된 전통 안료에 관해서 살펴보고, 안료의 색상을 어떻게 안료 데이터베이스로 표현하고 기록할 것인가에 관해서 살펴보도록 한다.   ■ 연재순서 제1회 이미지 데이터와 데이터베이스의 중요성 제2회 서화, 낙관, 탁본 데이터베이스 제3회 옛 사진 데이터베이스 제4회 한지 데이터베이스 제5회 고지도 데이터베이스  제6회 고서 자형 데이터베이스 제7회 필사본 고서 데이터베이스  제8회 목판본 고서 데이터베이스  제9회 금속활자본 고서 데이터베이스  제10회 근대 서지 데이터베이스  제11회 도자기 데이터베이스 제12회 안료 데이터베이스   ■ 유우식 웨이퍼마스터스의 사장 겸 CTO이다. 동국대학교 전자공학과, 일본 교토대학 대학원과 미국 브라운대학교를 거쳐 미국 내 다수의 반도체 재료 및 생산설비분야 기업에서 반도체를 포함한 전자재료, 공정, 물성, 소재분석, 이미지 해석 및 프로그램 개발과 관련한 연구를 진행하고 있다. 경북대학교 인문학술원 객원연구원, 국민대학교 산림과학연구소 상임연구위원, 문화유산회복재단 학술위원이다. 홈페이지 | www.wafermasters.com   그림 1. 2008년 2월 10일의 화재 후에 재건된 광화문의 낮과 밤의 모습(2014년 촬영). 단청으로 채색된 광화문의 야경은 조명과 어우러져 어둠 속에서 화려한 색상으로 재탄생한다.   색 색(色)이라는 단어를 사전에서 찾아보면 다음과 같이 정의하고 있다.  빛을 흡수하고 반사하는 결과로 나타나는 사물의 밝고 어두움이나 빨강, 파랑, 노랑 따위의 물리적 현상. 또는 그것을 나타내는 물감 따위의 안료. 일반인이 이해하기 쉽게 간단 명료하게 잘 정리되어 있지만, 빛에 대한 개념이 사람마다 다를 것이므로 같은 문장의 설명을 읽고도 각자 다른 생각을 할 수도 있다. 빛의 밝기와 파장 분포에 관한 정보가 없는 상태에서 빛이라고 하면 각자의 경험에 바탕을 두고 생각하게 되기 때문이다. 같은 옷을 입어도 아침, 점심, 저녁, 밤, 실내, 실내, 날씨, 조명 상태에 따라서 우리 눈에 비치는 색은 전혀 다르게 보이기 때문이다. 만약 형광 성분이 있는 물체라면 우리의 상상을 초월한 색으로 나타날 수도 있다.  <그림 1>에 2008년에 화재로 전소된 숭례문(남대문)을 재건한 것을 2014년의 어느 날 낮과 밤에 촬영한 사진을 소개하였다. 숭례문에는 화려한 색상의 단청이 입혀져 있다. 일반 상식으로 생각하면 낮에 단청이 더 멋지게 보일 것 같지만, 주변이 밝고 햇빛이 위에서 아래로 비추기 때문에 지붕에 가려진 단청은 지붕의 그늘에 가려지기도 하고 햇빛의 간접 조명 효과로 인하여 그다지 화려하게 보이지 않는다. 이와는 반대로 야간에는 주변이 어둡고 조명이 아래에서 위쪽으로 비추고 있어 지붕 아래쪽의 단청이 화려하게 나타난다. 물론 조명의 광원을 다르게 하여 광원의 파장 분포가 달라지면 겉으로 드러나는 색상도 달라지게 된다. 이렇게 조명 조건에 따라서 나타나는 색상이 달라진다면 색을 어떻게 정의해야 할까? 큰 건물의 넓은 면적에 단청을 칠할 때 어떻게 단청 색을 균일하게 칠할 수 있을까? 단청이 마르기 전과 마른 후의 색상은 다르기 마련인데, 경험적으로 마르기 전과 마른 후의 색상 차이를 터득하고 건물 천체를 수 개월간 칠해서 완성한 단청의 색상이 비교적 균일하게 보이는 것도 대단한 기술이라 하겠다.  낮에 촬영한 사진은 석축에 지붕의 그림자가 드리우고 있지만, 밤에는 아래쪽에서 조명이 이루어져 지붕의 그림자는 사라진다. 화재 후 복원된 석축은 오래된 돌과 새로 끼워 놓은 돌이 섞여 있어 얼룩 무늬가 나타난다. 낮에 촬영한 사진과 밤에 촬영한 사진을 비교해 보면 조명 조건에 따른 색상의 영향을 쉽게 이해할 수 있다. 지붕 없이 단청이 자외선이 강한 햇빛에 장시간 노출되면 단청이 변색되고 단청의 수명도 짧아지게 된다. 단청이 오래 유지되는 것은 광물성 천연 안료를 사용한 것 외에도 높은 에너지의 자외선을 포함한 직사 태양광이 지붕에 의해서 가려져 있기 때문이다.    안료 물체는 그 자체가 빛을 흡수, 반사, 산란하면서 빛의 종류에 따라 고유의 색을 띄게 된다. 고유의 색을 다르게 보이게 하기 위하여 다른 색상을 띄게 하는 물질을 덧씌우기 위한 것이 안료이다. 마치 화장품과도 같은 역할을 하는 물체이다.  다음에 안료의 정의와 화학적 특징에 따른 분류를 정리해 보았다. 안료는 크게 무기안료와 유기안료로 구별할 수 있다. 분자 구조에 탄소 원자가 없는 광물이나 금속, 금속 산화물 또는 금속염이 무기안료이고, 색상 범위에 제한이 있으나 안정성과 안전성이 뛰어나다. 유기안료는 탄소, 수소 및 산소 원자를 포함하는 탄소화합물로, 천연 또는 합성 원료에서 추출하게 되며 물감이나 페인트처럼 넓은 범위의 색상을 얻을 수 있다. 유기안료는 무기안료에 비해서 안정성이 낮고 안전성이 문제가 되기도 한다.  안료는 화학 구조에 따른 분류 이외에 색상, 형태, 용도에 따라 분류하기도 한다. 여성이 사용하는 화장품의 종류만 보아도 안료가 색상, 형태, 용도, 효과에 따라서 분류되어 일상생활에서 구별되고 있는지 쉽게 알 수 있다. 여성용 색조 화장품을 예로 들면 BB크림, 파운데이션, 파우더, 컨실러, 립스틱, 아이섀도, 아이브로, 아이라이너, 마스카라, 불러셔 등 다양한 안료를 사용한 제품이 있다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.

항공기 부품 제조 혁신에 기여하는 적층제조   오늘날 항공편을 이용하는 승객은 대부분 3D 프린팅된 항공기 부품과 함께 비행하고 있다. 과거에는 단순히 빠른 프로토타이핑을 위한 도구로만 여겨졌던 3D 프린팅이 이제는 더 똑똑하고, 저렴하며, 고성능의 최종 사용 파트를 생산하는 미래 지향적 기술로 자리매김했다. 이로 인해 다양한 산업 분야에서 3D 프린팅이 핵심적인 전략으로 떠오르고 있다. ■ 자료 제공 : 머티리얼라이즈   항공 산업에서 적층제조 기술 확장 항공우주 분야에서는 3D 프린팅 기술의 적용이 크게 다양해지고 있다. 예를 들어, GE의 리프(LEAP) 연료 노즐은 지름이 호두만한 작은 부품이지만 GE 역사상 가장 혁신적인 기술 중 하나로 꼽힌다. 또한, 에어버스(Airbus)의 항공기 객실 내부 부품처럼 기능적이면서도 미적으로 완벽해야 하는 구성 요소에도 3D 프린팅이 활용되고 있다.   GE 항공과 머티리얼라이즈의 협력 : LEAP 연료 노즐 혁신 약 8년 전, GE 항공(GE Aerospace)의 션 키스(Sean Keith) 엔지니어링 매니저는 적층제조(AM) 기술 도입을 설명하며, 리프 연료 노즐과 머티리얼라이즈 소프트웨어가 생산 전반에 걸쳐 디지털 스레드 역할을 했다고 밝혔다. 최근 GE 항공은 2024년 3분기 실적에서 6%의 매출 성장과 28%의 수주 증가를 발표했다. 특히, 3D 프린팅 기술이 적용된 CFM 리프 엔진에 대한 수요가 급증하면서 백로그(backlog)가 1만 대를 넘겼다. 이 엔진은 에어버스 A320 네오, 보잉(Boeing) 737 맥스, 코맥(COMAC) C919 항공기에 탑재된다.     AM의 성숙과 저비용 항공기 파트 제조 이러한 성공 사례는 적층제조가 제조 기술로서 상당히 성숙했음을 보여준다. 이제 항공기 제조업체와 유지보수 운영자(MRO)는 저위험 항공기 부품에 3D 프린팅 기술을 적용함으로써, 탈중앙화된 주문형 제조의 잠재력을 극대화하고 있다.   저위험 파트에서 시작하여 AM 가치 극대화 항공 산업은 적층제조가 가장 높은 가치를 제공하는 영역에 집중하고 있다. GE의 라프 연료 노즐과 같은 응용 사례는 가벼운 무게와 기능 통합 측면에서 중요한 이점을 제공하며, 기존 기술의 한계를 뛰어넘었다. 또한, 좌석 베젤, 하우징, 인테리어 트림, 덕트 등 금속으로 인쇄되는 다양한 부품도 3D 프린팅의 이점을 살려 긍정적인 비즈니스 사례를 만들어내고 있다.   디지털 인벤토리와 주문형 파트 생산 항공사는 필요한 부품을 필요한 시점에만 인쇄하여 재고 비용을 줄이고, 구형화 및 공급 지연 위험을 감소시킬 수 있다. 이 방법은 최소 주문 수량의 제한 없이 필요한 파트만 주문할 수 있어 비용 절감과 폐기물 감소에 기여한다.   수리로 비용 절감 항공기 부품 중 자주 손상되는 다도 패널(dado panel)과 같은 경우에는 부품을 교체하는 것보다 수리하는 것이 더 경제적이다. 이러한 수리 방식은 시간도 절약할 수 있어 항공기의 비싼 운행 중지 시간을 최소화할 수 있다.   적층제조의 최적화된 활용 방안 찾기 머티리얼라이즈와 같은 인증된 적층제조 공급업체가 비행 준비 완료된 부품을 지속적으로 제조하고 있으며, 이를 통해 항공 제조업체와 MRO는 3D 프린팅의 유연성과 민첩성을 극대화하고 있다. 하지만 처음 적층제조를 도입하는 기업은 어떤 응용 사례가 가장 효율적이고 비용 면에서 유리한지 알기 어려울 수 있다. 머티리얼라이즈는 항공기 제조업체가 적절한 적층제조 활용 방안을 찾아 효율성을 극대화할 수 있도록 돕는 파트너로 자리 잡고 있다.   항공기 부품 제조의 새로운 기준 설정 머티리얼라이즈와 GE 항공의 협력 사례는 3D 프린팅 기술이 항공기 제조에 미치는 긍정적인 영향을 보여준다. 이는 항공 부품 제조에서 적층제조 기술이 새로운 기준을 설정하고, 항공사의 공급망을 더욱 유연하고 효율적으로 만드는 데에 기여하고 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

문화유산 분야의 이미지 데이터베이스와 활용 사례 (11)   지난 호에서는 근대의 활판인쇄 기술로 인쇄된 근대 서지의 연구에서 주의해야 할 점을 근대문학유산으로 등록된 1925년에 인쇄된 ‘진달래꽃’ 초간본의 비교연구 사례를 통하여 살펴보았다. 근대에 도입된 활판인쇄로 시작하여 현대에 이르기까지 인쇄 기술의 변화에 관한 이해가 근대서지 연구에 미치는 영향에 관하여 알아보았다. 한지 인쇄물보다 수명이 짧은 양지에 인쇄된 근대서지 정보의 기록과 전달을 어떻게 해야 할 것인가도 생각해 보았다.  이번 호에서는 개인의 경험을 바탕으로 한 안목감정에 의한 축적되기 어려운 도자기에 관한 정보를 어떻게 검증하고 체계적으로 정리해 나가야 할 것인지 살펴본다. 도자기를 대상으로 한 각종 분석법의 원리와 한계에 관해서도 소개하도록 한다. 도자기의 분류, 명명법, 각종 분석법의 원리와 한계에 관해서 소개하면서 도자기 감정, 진위 감정의 의미, 한계와 문제점에 관하여 생각해 본다. 도자기를 제작한 시대, 지역, 재료, 제조방법에 따른 도자기의 특징을 어떻게 데이터베이스에 담아내야 할 것인가 고민해 보도록 한다.    ■ 연재순서  제1회 이미지 데이터와 데이터베이스의 중요성  제2회 서화, 낙관, 탁본 데이터베이스  제3회 옛 사진 데이터베이스  제4회 한지 데이터베이스  제5회 고지도 데이터베이스  제6회 고서 자형 데이터베이스  제7회 필사본 고서 데이터베이스  제8회 목판본 고서 데이터베이스  제9회 금속활자본 고서 데이터베이스  제10회 근대 서지 데이터베이스  제11회 도자기 데이터베이스 제12회 안료 데이터베이스    ■ 유우식  웨이퍼마스터스의 사장 겸 CTO이다. 동국대학교 전자공학과, 일본 교토대학 대학원과 미국 브라운대학교를 거쳐 미국 내 다수의 반도체 재료 및 생산설비분야 기업에서 반도체를 포함한 전자재료, 공정, 물성, 소재분석, 이미지 해석 및 프로그램 개발과 관련한 연구를 진행하고 있다. 경북대학교 인문학술원 객원연구원, 국민대학교 산림과학연구소 상임연구위원, 문화유산회복재단 학술위원이다.  홈페이지 | www.wafermasters.com   그림 1. 참기름 병으로 재활용되었다가 국보가 된 ‘백자청화철채동채초충문병’을 모티브로 상품화를 상상해본 국보 참기름 디자인   고물과 보물 사이  고물(古物/故物)과 보물(寶物)은 한 글자 차이지만 우리에게는 하늘과 땅만큼의 차이로 느껴진다. 금전적인 가치는 물론이려니와 대상에 대한 애착의 정도 또한 그렇다. 국어사전에서 고물과 보물의 정의를 찾아 보면 다음과 같이 적혀 있다.  고물은 ‘옛날 물건, 헐거나 낡은 물건’을 뜻한다. 보물은 ‘썩 드물고 귀한 가치가 있는 보배로운 물건’ 또는 ‘예로부터 대대로 물려 오는 귀중한 가치가 있는 문화재(문화유산)’를 의미한다. 문화유산분류의 등급상으로는 국보 다음으로 중요한 유형 문화유산을 이른다.  하나의 물건을 놓고 고물인지 보물인지는 어떻게 구별될까? 물건을 바라보는 이의 입장에서 소중한 것은 보물이고 하찮은 것은 고물로 취급될 것이다. 고물과 보물의 기준은 매우 주관적인 것으 로 획일적으로 정의할 수는 없다. 누군가의 고물이 다른 사람에게는 보물이 될 수 있고, 반대로 누군가에게는 보물인 것이 다른 사람에게는 고물 취급을 받을 수도 있는 것이다. 이런 의미에서 고물과 보물을 모두가 수긍할 수 있도록 객관적인 판단 기준으로 구 별하는 것이 과연 가능할까? 아마도 일반 상품처럼 금전적인 가치를 매긴다면 그 가격에 상응하는 대우는 받지 않을까 싶다. 올해 크게 화제가 되었던 디올 백처럼 명품 대우를 받게 될 지도 모른다.  고물로 버려져 잊혀졌던 물건도 누군가에게는 특별한 의미가 있는 경우가 있다. 액면가가 정해져 있는 우표, 지폐, 기념주화를 수집하는 사람은 액면가보다 비싼 금액을 치루고라도 원하는 물건을 소장하고 싶어한다. 한번 시가가 형성되고 나면 액면가로 거래되는 일은 없다. 단, 여기에는 조건이 하나 있다. 그 조건 중 하나는 같은 물건이 대량으로 유통될 수 없어 희소성이 있어야 한 다는 것이다. 과거에 대량으로 유통되었던 것이라도 역사성이 있고, 수집할 만한 가치가 있고, 희소성이 있다면 이야기는 달라진다. <그림 1>처럼 백자 도자기 병을 참기름을 담은 용기로 디자인하여 대량으로 판매한다면 참기름 값과 용기 값의 비율은 얼마나 될까?  우리가 쉽게 이해할 수 있는 고물과 보물의 분기점이 된 사례를 소개한다. 2014년에 미국 뉴욕에 거주하는 사람이 애플-1(Apple-1) 컴퓨터를 경매에 부쳤는데, 30만 달러에서 50만 달러 정도의 낙찰가를 예상했으나 실제로는 90만 5000 달러(약 12억원)에 낙찰되었다. 1976년에 애플의 창업자인 스티브 잡스가 200대를 만든 것 중 하나로, 첫 배치로 만든 50대 중의 하나였다. 1976년에 도매가격으로 500 달러에, 소매가격으로 666.66 달러에 판매한 것이었으니 인플레이션을 무시하면 38년만에 구매가의 1350배로 되판 셈이다. 단순한 중고 컴퓨터였다면 거들떠 보지도 않았을 것이지만, 역사적으로 매우 의미 있는 최초의 데스크톱 컴퓨터 한정판이었기 때문에 매겨진 금액이다. 적어도 한 사람은 그 금액을 지불할 만한 가치가 있다고 판단했기 때문에 경매가가 결정된 것이다. 그러나 데스크톱 컴퓨터의 성능적인 측면에서는 지금의 기준에서 보면 걸음마 수준이라고 할 수 있다. 그렇다면 고물과 보물을 가른 기준은 과연 무엇일까? 이 사례에서 이 문제의 답을 찾을 수 있을 것이다. 비슷한 일이 우리나라에서도 일어났다. 일제강점기인 1936년 11월 23일자 경성일보가 일본어로 대서특필한 기사에 따르면, 이조시대 철사대병, 즉 백자 병이 1만 5000원이라는 사상 최고 경매가로 팔렸다.(그림 2) 1920년대 초에 1원에 구입한 것이 불과 20년만에 1만 5000배의 금액에 낙찰된 것이다. 낙찰자는 간송미술관의 설립자인 간송 전형필이다. 고물이 보물로 재탄생한 일대 사건이다. 이 백자 병에는 어떤 사연이 있었을까?   그림 2. 일제 강점기인 1936년 경성일보에 경매사상 최고가로 낙찰된 참기름 병을 대서특필로 소개한 기사(오른쪽은 문화유산청이 제공하는 국보 사진)     ■ 자세한 기사 내용은 PDF로 제공됩니다.