SIMTOS 2026 기간 중 캐드앤그래픽스 주관으로 4월 16일~17일 진행된 ‘피지컬 AI&디지털 트윈 컨퍼런스’와 ‘뿌리산업&소부장 컨퍼런스’에서는 디지털 트윈과 피지컬 AI(physical AI)를 중심으로 제조산업의 디지털 전환과 자율 제조의 비전을 공유했다. 이번 행사는 AI(인공지능) 기술을 융합하여 현장의 숙련된 노하우를 데이터화하며, 스스로 판단하고 실행하는 지능형 생산 체계를 향한 근본적인 체질 개선 방안을 집중적으로 논의했다. 또한 제조산업의 AX(인공지능 전환) 실행 전략과 소부장(소재·부품·장비) 산업의 생존을 위한 R&D 정책 방향이 제시되었다. ■ 정수진 편집장     한국공작기계산업협회의 김현무 선임본부장은 개회사를 통해 오늘날 제조업이 마주한 거대한 변화의 물결을 짚었다. “최근 제조업계는 디지털 트윈과 피지컬 AI를 중심으로 그 어느 때보다 빠르게 디지털 전환을 맞이하고 있다. 현실의 생산 환경을 가상 공간에 정밀하게 구현하고 AI가 스스로 판단해 최적화하는 자율 제조 시스템은 이제 선택이 아닌 필수가 되었다”라고 전한 김현무 선임본부장은 “공작기계는 여전히 제조의 심장이다. 아무리 첨단 기술이 고도화되고 AI가 제조 분야의 의사결정을 주도하더라도, 이를 실제 현실에서 제품으로 구현해 내는 물리적인 바탕은 결국 공작기계”라고 역설했다. 또한, “앞으로 우리 제조업의 경쟁력은 이러한 디지털 기술과 공작 기술이 얼마나 높은 수준으로 융합되는지에 따라 판가름 날 것”이라고 전망했다.   ▲ 한국공작기계산업협회 김현무 선임본부장   피지컬 AI·디지털 트윈으로 실현하는 자율 제조의 미래 4월 16일에는 ‘피지컬 AI&디지털 트윈 컨퍼런스’가 진행됐다. 다섯 편의 발표에서는 단순한 자동화를 넘어 로봇이 인간의 숙련도를 학습하고 스스로 최적의 의사결정을 내리는 피지컬 AI와 이를 뒷받침하는 디지털 트윈 기술의 융합 사례가 다뤄졌다. 로봇, 자동차, 조선 등 각 분야의 전문가들은 파편화된 데이터를 통합하고 일하는 방식 자체를 혁신해야만 진정한 자율 제조 생태계를 구축할 수 있다고 입을 모았다.   ▲ 한국로봇산업진흥원 전진우 수석연구원   한국로봇산업진흥원 제조로봇본부의 전진우 수석연구원은 ‘피지컬 AI의 부상, 제조 강국의 길’을 주제로 한 발표에서, 피지컬 AI가 주도할 제조 산업의 미래를 조명했다. 그는 인공지능이 내린 똑똑한 판단을 실제 물리적인 행동으로 연결하는 것이 피지컬 AI의 핵심이라고 강조했다. “세상의 모든 제조 환경과 인프라가 인간을 기준으로 설계되어 있기 때문에, 사람의 형태를 한 휴머노이드 로봇이 가장 경제적이고 효율적인 실행 도구가 될 수밖에 없다”는 것이 전진우 수석연구원의 분석이다. 한편으로 그는 “제조 AX(인공지능 전환)는 로봇을 도입하는 것으로 그치지 않는다”면서, 눈앞에 보이는 로봇 하드웨어의 도입에만 집착해서는 안 된다는 충고도 전했다. 진정한 제조 혁신을 위해서는 일하는 방식 자체를 근본적으로 바꿔야 한다는 것이다. 구체적으로는 현장 장인들의 숙련된 솜씨와 암묵적인 노하우를 다중 감각 데이터로 변환하고 기록하여 로봇의 뇌를 구축하는 작업이 반드시 선행되어야 한다. 전진우 수석연구원은 “다가올 피지컬 AI 시대의 진정한 승부처는 단단한 기계 장비가 아니라, 로봇을 똑똑하게 움직이게 할 양질의 현장 데이터를 어떻게 수집하고 자산화할 것인지 치열하게 고민하는 데 달려 있다”고 조언했다.   ▲ 현대자동차·기아 이현우 팀장   현대자동차·기아의 이현우 팀장은 ‘피지컬 AI와 디지털 트윈을 통한 자율제조혁신’을 주제로 AI 기반 자율 제조를 향한 혁신의 여정을 소개했다. 그는 자율 제조 공장이라는 자동차 제조 산업의 새로운 변화와 함께, 피지컬 AI 및 디지털 트윈을 융합한 자율 제조 혁신이라는 비전을 소개했다.   ▲ HD한국조선해양 이태진 전무   HD한국조선해양의 이태진 전무는 ‘조선 미래를 위한 차세대 설계/생산 통합 플랫폼과 피지컬 AI’를 주제로 발표를 진행했다. 인력난과 복잡해진 선박 건조 환경을 극복할 해법으로 미래형 조선소의 청사진을 제시한 이태진 전무는 “디지털 매뉴팩처링, 디지털 트윈, 피지컬 AI의 세 가지 키워드가 삼위일체되는 것이 지능형 자율운영 조선소의 핵심”이라고 강조했다. 가상 공간의 시뮬레이션 결과가 실제 현장에서 피지컬 AI의 행동으로 이어지고, 디지털 트윈이 두 세계를 빈틈없이 연결해야 진정한 자율 제조가 완성된다는 것이다. 이를 위한 우선 과제로는 파편화된 데이터의 통합이 꼽힌다. 이질적인 시스템의 언어를 온톨로지(ontology) 기술로 하나로 묶어내 단일한 진실의 원천(single source of truth)을 만들어야만 AI가 상황을 정확히 인지하고 올바른 의사결정을 내릴 수 있다는 것이 이태진 전무의 설명이다. 그는 “거대한 야드 위 수많은 로봇과 설비가 충돌 없이 조화롭게 일하는 완벽한 오케스트레이션(orchestration)을 구현하는 것이 대한민국 조선업의 압도적 경쟁력을 지켜낼 열쇠가 될 것”이라고 전했다.   ▲ 한국산업기술기획평가원 김성호 본부장   한국산업기술기획평가원(KEIT)의 김성호 본부장은 ‘제조 AX(M.AX) 얼라이언스 구성·성과 및 운영방향’에 대해 소개하면서, 대한민국 제조업의 강점을 결집하고 지능화된 산업 생태계를 구축하겠다는 비전을 제시했다. 1300개가 넘는 기관이 참여하는 M.AX 얼라이언스(맥스 얼라이언스)는 자동차, 로봇, 조선, 반도체 등 핵심 분야별로 특화된 AI 모델과 하드웨어 기술력을 확보하는 데 주력하고 있다. 김성호 본부장은 데이터 수집부터 기술 개발, 제품 실증에 이르는 전 주기의 로드맵을 설명했다. 특히 2026년에는 약 1조 1000억 원 규모의 예산이 투입되어 ‘AI 팩토리 선도 프로젝트’와 단기 상용화 사업인 ‘AI 스프린트’ 등이 가속화될 전망이다. 또한 민간 투자를 유도하기 위한 국민성장펀드 협력 체계와 GPU 등 필수 인프라 지원책을 병행하여 기업들이 글로벌 시장에서 경쟁력을 갖출 수 있는 토양을 마련한다. 김성호 본부장은 “궁극적으로 맥스 얼라이언스는 개별 기업의 성공을 넘어 제조 AX 세계 최강국으로 도약하기 위한 핵심 거점 역할을 수행할 것”이라고 밝혔다.   ▲ KAIST 장영재 교수   KAIST의 장영재 교수는 ‘제조 피지컬 AI & 제조 자동화’를 주제로 한 발표에서, 다수의 이기종 로봇이 조화롭게 협업하는 무인 공장 통합 운영 시스템인 ‘카이로스’를 소개하면서 제조 피지컬 AI의 실질적인 적용 방안을 제시했다. 과거에는 개별 장비나 로봇 자체의 지능 고도화에만 집중했지만, 실제 생산 현장에서는 수많은 기계가 서로 얽히며 예상치 못한 충돌과 병목 현상이 발생할 수밖에 없다. 장영재 교수는 “이를 근본적으로 해결하기 위해 탄생한 카이로스는 공장 전체의 맥락을 조망하며, 인공지능이 스스로 상황을 판단하고 작업을 지시하는 거대한 ‘공장 운영체제’ 역할을 수행한다”고 설명했다. 또한, 장영재 교수는 “첨단 기술의 도입이 단순한 보여주기식에 그쳐서는 안 된다”면서, “결국 진정한 제조 혁신은 파편화된 AI 기술의 나열이 아니라 공장 전체의 운영 흐름을 통합적으로 통제하는 데서 시작한다”고 전했다. 또한, 스마트폰 앱을 내려받듯이 소프트웨어 업데이트만으로 기계의 성능이 끊임없이 진화하는 소프트웨어 중심의 아키텍처로 탈바꿈하는 근본적인 체질 개선을 거쳐야 제조 혁신이 완성될 수 있다고 덧붙였다.   ■ 같이 보기 : [포커스] 글로벌 공급망 위기 돌파구, 소부장 및 뿌리산업의 AX 전략     ■ 기사 내용은 PDF로도 제공됩니다.

슈나이더 일렉트릭은 독일에서 열리는 ‘하노버 메세 2026’에서 마이크로소프트 애저 기반의 에이전틱 제조 설루션을 선보인다고 밝혔다. 이번 설루션은 마이크로소프트와의 전략적 협업을 통해 개발했다. 슈나이더 일렉트릭의 개방형 소프트웨어 정의 자동화 플랫폼인 ‘에코스트럭처 오토메이션 엑스퍼트(EAE)’를 기반으로 마이크로소프트의 애저 클라우드 및 AI 서비스를 결합한 것이 특징이다. 이를 통해 에이전틱 제조와 개방형 자동화, 엔드 투 엔드 지속가능성을 아우르는 통합 접근 방식을 구현했다. 플랫폼의 핵심인 EAE는 온프레미스, 에지, 하이브리드 환경 전반에서 일관되게 작동한다. 사용자는 자동화 로직을 한 번 작성해 시뮬레이션하고 검증과 배포를 거친 뒤, 별도의 재구성 없이 어디서든 실행할 수 있다. 슈나이더 일렉트릭은 제조업체들이 직면한 제품 다양성 증가와 공급망 불안정, 안전한 운영 환경 요구 등 복합적인 과제에 대응하기 위해 이번 설루션을 공개했다고 설명했다. 양사의 통합 플랫폼은 엔지니어링 의도와 실시간 운영 환경을 연결한다. 재사용 가능한 로직의 표준화와 시뮬레이션 기반 자동화 검증, 라이프사이클 전반의 추적성 확보를 지원하며 다양한 사이트와 하드웨어 간 상호운용이 가능한 운영 확장을 돕는다. 슈나이더 일렉트릭은 안전 규정 준수 및 통합형 자동화 산업 설루션에 대한 전문성을 바탕으로 규제가 엄격한 환경에서도 안정적인 운영이 가능하다고 강조했다. 이번 설루션은 제조 현장의 비효율을 구조적으로 해소하는 데 중점을 두었다. 기존 자동화 프로그램은 설계, 시뮬레이션, 시운전, 운영 등 각 단계마다 별도의 도구와 인수인계 과정이 필요했다. 통합 플랫폼은 이러한 과정을 하나의 추적 가능한 워크플로로 연결했다. 특히 AI 에이전트가 오케스트레이션 환경에서 설계 의사결정을 자동화하고 배포 전 로직을 검증해 리드 타임을 단축하고 초도 수율을 높인다. 슈나이더 일렉트릭에 따르면 애저 AI 기반의 산업용 코파일럿을 적용한 결과 제어 구성 및 문서화 작업 시간이 최대 50%가량 절감됐다.     마이크로소프트의 다얀 로드리게스 제조 및 모빌리티 부문 부사장은 “에이전틱 설계를 통해 설계 의도에서 운영 현실에 이르는 루프를 구현하고 있다”면서, “의사결정을 자동화하고 조기에 검증하면서 슈나이더 일렉트릭이 클라우드와 에지 전반에서 일관되게 시뮬레이션하고 배포할 수 있는 재사용 가능한 자동화 패키지를 인계하는 것이 핵심”이라고 말했다. 슈나이더 일렉트릭의 그웨나엘 휴에 산업 자동화 부문 총괄 사장은 “마이크로소프트와의 협업을 통해 에이전틱 설계부터 소프트웨어 중심 운영까지 전 과정을 연결하는 통합 자동화 워크플로를 구현하고 있다”면서, “클라우드와 에지 전반에서 자동화 로직을 일관되게 검증하고 시뮬레이션하며 배포할 수 있는 환경을 지속적으로 확대해 나갈 것”이라고 밝혔다.

SAP는 4월 20일~24일 독일에서 열리는 ‘하노버 메세 2026’에 참가한다. SAP는 이번 박람회에서 ‘신뢰할 수 있는 오케스트레이션과 더 스마트한 실행’을 주제로 에이전틱 AI 기반의 제조 및 공급망 혁신 설루션을 공개한다고 전했다. 비즈니스 AI가 기업의 핵심 운영 프로세스를 어떻게 혁신하는지에 대한 구체적인 비전을 제시한다는 계획이다. SAP의 크리스티안 클라인 CEO는 이번 행사에서 AI 전략적 목표를 실제 비즈니스 실행으로 전환하는 방법론에 대해 발표한다. 그는 제조업계가 마주한 원가 상승과 글로벌 경쟁 심화 등의 문제를 해결하기 위해 AI를 비즈니스 프로세스에 직접 내재화하는 방향성을 강조할 예정이다. SAP는 비즈니스 AI가 포함된 제조, 공급망, 클라우드 ERP 애플리케이션을 통해 기업이 시장 변화를 새로운 성장 기회로 전환하도록 지원한다. 특히 이번 박람회에서 선보이는 에이전틱 AI는 핵심 워크플로에 통합되어 작동한다. AI 에이전트가 변화를 감지하고 운영 제약 조건을 분석해 최적의 행동을 실시간으로 자동 실행하는 방식이다. 이를 통해 기업이 단순한 가시성 확보를 넘어 더 빠르고 정확한 의사결정을 내릴 수 있다는 것이 SAP의 설명이다.     SAP는 설계와 계획부터 제조, 물류, 자산 관리에 이르는 전 과정에서 데이터와 프로세스를 통합한다. SAP 공급망 오케스트레이션 설루션은 실시간 지식 그래프와 생성형 AI인 쥴(Joule)의 역량을 결합해 다단계 공급업체 네트워크의 위험을 사전에 감지한다. 또한 디지털 제품 여권과 전자 인보이스 컴플라이언스 등 규제 준수 기능을 비즈니스 프로세스에 내재화해 복잡한 글로벌 규제 환경에서도 지능적인 사업 확장을 돕는다. 글로벌 파트너사와의 협업도 강화한다. SAP는 액센츄어, 삼일PwC, 캡제미니 등과 함께 엔드 투 엔드 제조 및 공급망 설루션을 시연하며, 스노우플레이크와는 데이터 세션을 공동 진행한다. 아울러 제조 가치사슬 전반에서 기업 간 데이터를 안전하게 교환하는 ‘매뉴팩처링-X’ 이니셔티브를 통해 디지털 제조 생태계 구축에서의 역할을 보여준다. 현장 부스에서는 방문객을 위한 가이드 투어와 체험 공간이 운영된다. 독일 공작기계 기업 DMG 모리의 CNC 머신이 부품을 생산하고 울만 패키징 머신에 투입하는 실물 연동 시연이 진행된다. 휴머노이드 로봇이 자율적으로 피킹과 패킹 작업을 수행하는 시연을 통해 디지털 의사결정이 물리적 실행으로 연결되는 미래 제조 현장을 확인할 수 있다. SAP의 도미닉 메쯔거 공급망 관리 부문 최고제품책임자는 “제조 기업은 복잡성을 관리하면서 변화에 민첩하게 대응해야 하는 과제에 직면해 있다”면서, “에이전틱 AI를 핵심 비즈니스 프로세스에 내재화해 시장 변화를 실시간으로 감지하고 즉각적인 실행으로 연결하도록 지원할 것”이라고 밝혔다.

델 테크놀로지스는 ‘엔비디아 기반 델 AI 데이터 플랫폼’ 제품군을 대규모로 업데이트했다고 밝혔다. 이번 업데이트는 기업 데이터의 탐색과 활용을 강화하고, AI 애플리케이션 및 자율 AI 에이전트를 위한 초고성능 스토리지 성능을 제공하는 데 중점을 두었다. AI는 보조 도구에서 자율 시스템으로 진화하고 있지만, 신뢰할 수 있는 데이터를 확보해야 실질적인 성과를 거둘 수 있다. 많은 기업이 분산된 데이터를 구조화하지 못해 AI 프로젝트 중단이나 경쟁력 약화 등의 어려움을 겪는 상황이다. 델 테크놀로지스는 자사의 플랫폼이 이러한 문제를 해결해 데이터를 AI 활용 가능 형태로 전환하며, “기존 방식 대비 최대 12배 빠른 벡터 인덱싱과 3배 빠른 데이터 처리 속도를 제공한다”고 밝혔다.     델의 데이터 엔진은 AI 데이터 라이프사이클 전 과정을 자동화한다. 최근 인수한 데이터루프 기술 기반의 ‘델 데이터 오케스트레이션 엔진’은 정형 및 비정형 데이터를 자동으로 정제하고 변환해 AI용 데이터셋을 생성한다. 또한 ‘델 데이터 애널리틱스 엔진’에 추가된 AI 어시스턴트는 자연어 인터페이스를 통해 전문 지식 없이도 데이터를 조회하고 시각화할 수 있도록 지원한다. 인프라 측면에서는 엔비디아의 최신 기술을 도입했다. 델 테크놀로지스는 차세대 엔비디아 베라 루빈 NVL72 및 블루필드-4 DPU 기반의 새로운 모듈러 레퍼런스 설계를 지원할 예정이다. 새롭게 추가된 엔비디아 RTX 프로 블랙웰 서버 에디션 GPU는 데이터 플랫폼 레이어를 직접 가속해 SQL 쿼리 수행 속도를 높인다. 스토리지 분야의 혁신도 함께 공개했다. ‘델 라이트닝 파일 시스템’은 랙당 최대 150GB 성능을 제공하는 병렬 파일 시스템으로, 대규모 환경에서 GPU 유휴 상태를 방지한다. ‘델 엑사스케일 스토리지’는 파일, 오브젝트, 병렬 파일 시스템을 유연하게 배포할 수 있는 제품으로 향후 랙당 최대 6테라바이트 읽기 성능을 지원할 계획이다. 델 테크놀로지스는 파워스케일의 소프트웨어 기반 병렬 네트워크 파일 시스템 아키텍처가 대용량 파일 처리 시 기존 대비 최대 6배 빠른 성능을 제공한다는 테스트 결과도 발표했다. 이를 통해 GPU 집약적인 AI 워크로드에 데이터를 끊김 없이 공급할 수 있다. 한국 델 테크놀로지스의 김경진 총괄사장은 “AI 파일럿을 실제 운영 환경으로 확장할 때 발생하는 가장 큰 문제는 데이터 사일로 현상”이라면서, “델과 엔비디아의 협력을 통해 고객은 AI 환경을 더 빠르게 구축하고 실질적인 성과를 얻을 수 있을 것”이라고 전했다.

스노우플레이크는 ‘AI + 데이터 예측 2026 보고서’를 발간하고 “2026년은 에이전틱 AI와 데이터 전략이 엔터프라이즈 AI 성과를 좌우하는 해가 될 것”이라고 전망했다. 스노우플레이크는 매년 슈리다 라마스워미(Sridhar Ramaswamy) CEO를 비롯한 리더들의 인사이트를 토대로 AI 및 데이터 트렌드를 예측하며 보고서를 발간하고 있다. 올해 보고서에서는 “에이전틱 AI의 신뢰성 확보와 데이터 활용 전략이 기업 경쟁력을 좌우하는 핵심 요소가 될 것”이라고 강조했다. 2026년에는 대규모 언어 모델(LLM)에서 더 나아가 정교한 추론과 실행 능력을 갖춘 에이전틱 AI 중심 구조로 진화하며 기업의 AI는 전사적인 AI 생태계 구축 단계로 진입할 것이라는 설명이다. 스노우플레이크의 아나히타 타프비지(Anahita Tafvizi) 최고 데이터 및 애널리틱스 책임자는 “AI 혁신 속도는 매우 빠르지만 대부분의 기업은 이를 실질적 성과로는 이어가지 못한다”면서, “데이터 상태, 거버넌스, 조직 역량의 차이가 기업 간 AI 활용의 격차를 만들 것”이라고 말했다. 또한, 에이전틱 AI의 진화로 개발자 생산성이 33% 향상될 것으로 전망되는 가운데, 다양한 도구와 데이터 및 AI를 유기적으로 활용할 수 있는 오케스트레이션 역량을 갖춘 인재의 가치가 부각될 것이라 내다봤다.     ‘AI + 데이터 예측 2026 보고서’에서 분석한 2026년 주요 전망은 ▲에이전틱 AI 신뢰도 높이는 ‘자체 검증 메커니즘’의 발전 ▲AI 생태계 확장의 필수요소로 자리잡을 표준 프로토콜, 오픈소스, 운영 인프라 ▲사이버 보안의 양날의 검이 된 에이전틱 AI 등이다. 에이전틱 AI는 기업 업무 환경에 본격 활용될수록 신뢰성 확보가 최우선 과제가 될 것으로 보인다. 이를 위해 사용자 피드백을 반영하는 ‘피드백 루프’와 결과를 스스로 점검 및 보정하는 ‘자체 검증 메커니즘’이 중요해질 것이다. 라마스워미 CEO는 “구글 검색 알고리즘이 사용자의 클릭 데이터를 반영하며 진화해온 것처럼 에이전틱 AI 역시 사용자의 피드백 패턴을 학습하며 업무 환경에서 더욱 정교한 의사결정을 수행하게 될 것”이라고 내다봤다. 기업 업무 환경에서는 단일 슈퍼 에이전트보다 특정 업무에 특화된 마이크로 에이전트가 먼저 등장할 것으로 예측했다. 즉, 마이크로 에이전트가 단계적으로 도입되고 이를 유기적으로 결합하는 에이전틱 AI가 효과적인 도구가 될 것이다. 스노우플레이크의 마이크 블랜디나(Mike Blandina) 최고정보책임자(CIO)는 “앞으로 몇 년 내 특정 업무에 특화된 마이크로 에이전트의 등장에 따라 각각의 마이크로 에이전트를 레고 블럭처럼 조합할 수 있게 된다면 더 크고 복잡한 업무를 성공적으로 수행할 수 있을 것”이라고 설명했다. 에이전틱 AI가 기업 시스템 전반으로 확산되기 위해서는 연동 방식의 표준화가 선행되어야 한다. 에이전틱 AI는 여러 시스템 및 데이터베이스를 아우르며 업무를 수행한다. 이에 에이전트 및 외부 시스템과의 통신을 표준화하는 지배적 AI 프로토콜의 등장이 에이전틱 AI 개발 및 도입 속도를 높일 것이다. 특히 인터넷 환경이 TCP/IP로 확산된 것처럼 단일 지배적 프로토콜이 자리잡으면 에이전틱 AI 개발 속도가 높아지고 벤더 종속에서도 자유로워질 것이라는 것이다. 또한 AI 생태계의 확장성을 높이기 위해서는 오픈소스 파운데이션 모델의 역할도 커질 것이다. 한편 에이전틱 AI는 대화형 도구에서 벗어나 추론과 다단계 행동을 수행하는 에이전트로 진화하고 있다. 이에 따라 기업 운영 인프라는 분석 중심에서 실시간 처리 상태 관리 중심으로 재편될 것이다. 이 과정에서 포스트그레스(Postgres)가 빠른 응답 및 낮은 지연이 요구되는 온라인 처리 워크로드를 뒷받침하며 에이전틱 AI가 생성하는 대규모 실시간 이벤트와 지속적인 운영 데이터 처리에 핵심 인프라로 활용될 것으로 전망된다. 에이전틱 AI가 기업 시스템 전반에서 실시간으로 실행되고 외부와의 연동 범위가 넓어질수록, 보안 환경에서는 위협과 기회가 동시에 등장한다. 스노우플레이크의 브래드 존스(Brad Jones) 최고정보보호책임자(CISO)는 “에이전틱 AI가 취약점 탐지, 익스플로잇 자동화 데이터 탈취 등 공격 행위를 정교하게 수행할 수 있어 사이버 위협의 규모와 속도를 크게 높일 수 있다”고 강조했다. 한편 에이전틱 AI가 기업의 보안 운영 센터(SOC)의 대응 역량을 강화하는 방향으로 활용될 수 있다고 전망했다. 존스 CISO는 “뛰어난 보안 전문가 확보의 어려움은 당분간 지속될 것”이라며, “강력한 AI 에이전트와 보안 도구를 적절히 결합해 활용하면 SOC 운영의 리소스 공백을 보완해 제한된 인력으로 보다 효과적인 보안 대응 체계를 구축할 수 있다”고 설명했다. 한편, 스노우플레이크는 리테일/소비재, 금융 서비스, 제조 등  산업별 AI 활용 전략에 대해서도 짚었다. 모든 산업에서 에이전틱 AI의 활용이 도입 단계를 넘어 실제 업무 실행 중심으로 확산될 것으로 보인다. 리테일/소비재 산업에서는 데이터가 풍부한 대규모 AI 모델을 기반으로 고객관리가 고도화되고 개인화된 경험에 대한 서비스가 늘어나며 ‘AI 쇼핑 어시스턴트’가 대중화될 것이다. 엄격한 규제 환경의 금융 서비스 분야에서는 데이터 퍼스트 및 정교한 리스크 관리 전략을 바탕으로 의사결정 전반에 통합되는 AI 기반 분석 및 리스크 관리 에이전트가 확대될 것이다. 제조 산업의 경우 품질 검사, 설비 정비, 공급망 최적화 등 운영 전반에서 설비 효율성을 진단하는 ‘산업 특화 챗봇형 AI 에이전트’ 도입이 가장 빠르게 이뤄질 것으로 예측된다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   디파이(Dify)는 대규모 언어 모델(LLM)을 활용한 에이전트 서비스를 전문적인 코딩 지식 없이 개발하고 효율적으로 운영할 수 있도록 지원하는 LLMOps(대규모 언어 모델 운영) 플랫폼 및 도구이다. 이 도구는 LLM과 같은 개발에 필요한 도구를 팔래트에서 가져와 캔버스에 배치하고, 이들의 작업 흐름을 연결함으로써 손쉽게 AI 에이전트 서비스를 개발할 수 있다.   ■ 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 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   그림 1. 디파이로 개발된 챗봇 에이전트 예시   디파이는 사용자가 아이디어를 실제 AI 서비스로 신속하게 전환할 수 있도록 설계된 통합 개발 환경을 제공한다. 가장 큰 특징은 복잡한 백엔드(backend) 인프라나 API 연동 과정을 추상화하여, 사용자가 시각적인 인터페이스를 통해 애플리케이션의 핵심 로직과 기능 구현에만 집중할 수 있도록 한 것이다.   기능 소개 디파이의 주요 기능은 다음과 같다. 시각적 프롬프트 오케스트레이션 : 사용자는 텍스트 입력, LLM 호출, 조건 분기, 외부 도구(API) 사용 등의 과정을 블록처럼 연결하여 정교한 워크플로를 설계할 수 있다. 이를 통해 단순한 질의응답을 넘어 복잡한 추론과 작업 수행이 가능한 AI 에이전트를 구축하는 것이 가능하다. RAG(검색 증강 생성) 엔진 : 자체 데이터(PDF, TXT, 마크다운 등)를 업로드하여 AI 모델이 해당 정보를 기반으로 답변하도록 만드는 RAG 기술을 손쉽게 구현할 수 있다. 디파이는 문서 자동 전처리, 벡터화, 청킹(chunking) 등 복잡한 과정을 내부적으로 처리하여 사용자의 부담을 최소화한다. 모델 호환성 및 관리 : 오픈AI(OpenAI)의 GPT 시리즈, 앤트로픽(Anthropic)의 클로드(Claude), 구글의 제미나이(Gemini) 등 20개 이상의 상용 및 오픈소스 LLM을 지원한다. 사용자는 여러 모델을 프로젝트에 등록해두고 특정 작업에 가장 적합한 모델을 선택하거나, A/B 테스트를 통해 성능을 비교 분석할 수 있다. 배포 및 운영 : 개발이 완료된 애플리케이션은 즉시 사용 가능한 웹 API 엔드포인트(endpoint)나 독립적인 웹 사이트 형태(웹앱)로 배포된다. 또한 사용자 피드백 수집, 모델 성능 모니터링, 프롬프트 개선 등 지속적인 운영 및 관리를 위한 대시보드를 제공하여 서비스 품질을 유지하고 발전시키는 데 도움을 준다. 더 자세한 정보는 디파이 공식 웹사이트(https://dify.ai)에서 확인할 수 있다.   개발 배경 디파이는 2023년 5월에 설립된 랭지니어스(LangGenius, Inc.)에 의해 개발되었으며, 생성형 AI 기술의 급격한 발전 속에서 LLM을 실제 비즈니스에 적용하려는 수요와 기술적 장벽 사이의 간극을 메우기 위해 탄생했다. 초기 LLM 애플리케이션 개발은 파이썬(Python) 라이브러리인 랭체인(LangChain)이나 라마인덱스(LlamaIndex) 등을 활용하는 개발자 중심의 영역이었다. 하지만 이는 프롬프트 엔지니어링, 벡터 데이터베이스 관리, API 연동 등 상당한 전문 지식을 요구했다. 랭지니어스 팀은 이러한 기술적 복잡성이 AI 기술의 대중화와 비즈니스 혁신을 저해하는 주요 요인이라고 판단했다. 이에 따라 기획자, 디자이너, 마케터 등 비개발 직군도 직접 AI 서비스를 만들고 테스트할 수 있는 직관적인 플랫폼을 목표로 디파이를 개발했다. 특히, 모든 소스코드를 공개하는 오픈소스 전략을 채택하여 개발자 커뮤니티의 참여를 유도하고, 데이터 보안에 민감한 기업이 자체 서버에 직접 설치(self-hosting)하여 사용할 수 있도록 유연성을 제공했다. 디파이의 소스코드는 깃허브 저장소(https://github.com/langgenius/dify)에서 확인할 수 있다.   유사 도구 디파이와 유사한 기능을 제공하는 AI 개발 플랫폼은 다수 존재하며, 각각의 도구는 고유한 특징과 목표 시장을 가지고 있다. 플로와이즈AI(FlowiseAI) : 디파이와 마찬가지로 노드를 연결하여 LLM 기반 워크플로를 구축하는 오픈소스 플랫폼이다. UI/UX 측면에서 더 개발자 친화적인 경향이 있으며, LangChain.js를 기반으로 하여 자바스크립트(JavaScript) 생태계와의 통합이 용이하다는 장점이 있다.(https://flowiseai.com) 보이스플로(Voiceflow) : 주로 대화형 AI, 특히 음성 기반 챗봇 및 어시스턴트 제작에 특화된 로코드 플랫폼이다. 시각적인 대화 흐름 설계 도구가 강력하며, 프로토타이핑부터 실제 배포까지 전 과정을 지원하여 고객 서비스 자동화 분야에서 많이 사용된다.(https://www. voiceflow.com) 버블(Bubble) : 웹 애플리케이션 개발을 위한 대표적인 노코드 플랫폼이다. AI 기능이 내장된 것은 아니지만, 높은 유연성과 확장성을 바탕으로 디파이나 오픈AI에서 제공하는 API를 연동하여 복잡한 웹 서비스 내에 AI 기능을 통합하는 방식으로 활용될 수 있다.(https://bubble. io) n8n : 워크플로 자동화에 중점을 둔 오픈소스 도구이다. AI 기능보다는 수백 개의 다양한 서드파티 애플리케이션(예 : 구글 시트, 슬랙, 노션)을 연결하여 데이터 동기화 및 업무 자동화를 구현하는 데 강점을 보인다.(https://n8n.io)     ■ 기사의 상세 내용은 PDF로 제공됩니다.