앤시스코리아가 1월 22일 엔지니어링 시뮬레이션 기반 AI 적용 전략을 공유하기 위해 마련한 ‘산업 맞춤형 시뮬레이션 AI 설루션 세미나’를 진행했다고 밝혔다. 이번 세미나는 ‘설계부터 운영까지, AI가 바꾸는 엔지니어링’을 주제로 AI 도입 이후 엔지니어링 시뮬레이션의 역할과 범위가 어떻게 재정의되고 있는지 살펴보고, 제품 개발 전 주기에서 변화하는 시뮬레이션 프로세스와 산업 현장의 주요 트렌드를 실제 사례를 바탕으로 공유하기 위해 마련됐다. 행사 현장에는 다양한 산업군의 엔지니어 및 실무 담당자 약 190명이 참석했다. 세미나는 앤시스의 패드메쉬 맨들로이(Padmesh Mandloi) 고객지원 부문 아시아 부사장이 ‘AI로 혁신하는 엔지니어링 시뮬레이션’을 주제로 개회사를 전하며 시작됐다. 이어 산업 현장에서 요구되는 시뮬레이션 기반의 AI 적용 방안을 주제로 총 6개의 발표 세션이 진행됐다.     첫 발표에서는 앤시스코리아 강태신 전무가 ‘앤시스가 만드는 디지털 제조 생태계’를 주제로, 디지털 전환 시대 제조 산업이 직면한 핵심 과제와 함께 제품 설계부터 제조 공정까지 전 과정을 아우르는 엔드 투 엔드 시뮬레이션 플랫폼 기반의 접근 방식을 소개했다. 또한 시뮬레이션 기반 전략을 통해 기업이 개발 속도와 품질 경쟁력을 동시에 강화할 수 있는 방향성을 제시했다. 이어서 앤시스코리아 이민욱 프로는 앤시스 옵티스랭(Ansys optiSLang)의 MOP(Meta-model of Optimal Prognosis) 및 FMOP(Field MOP)를 활용한 설계 이해, 모델 보정, 최적화, 강건성 평가 워크플로를 공유했다. 이 세션에서는 설계 프로세스 효율을 높이기 위한 방법론과 함께 최신 시뮬레이션 기반 AI 워크플로 관점에서의 적용 가능성을 함께 다뤘다. 앤시스코리아 김태진 프로는 파이앤시스(PyAnsys) 기반의 데이터 마이닝 자동화 방법론과 앤시스 옵티스랭을 활용한 메타 모델 구축 자동화 프로세스를 소개하며 AI 구현을 위한 학습 데이터 생성 및 전처리, 라벨링 과정에서 시뮬레이션이 수행할 수 있는 역할을 구체적으로 설명했다. 이를 통해 대규모 데이터 확보가 필요한 산업 환경에서의 적용 전략을 제시했다. 이후 세션에서는 온스트림 임영택 대표가 시뮬레이션을 통한 가상 학습 데이터 생성과 실제 데이터 융합 기반의 물리 기반 AI 모델 구축 방안을 발표했다. 특히 제조 현장에서 데이터 확보와 활용 과정에서 발생할 수 있는 현실적인 과제와 함께, 시뮬레이션과 AI의 결합이 실무에 제공할 수 있는 적용 가능성을 강조했다. 앤시스코리아 양경모 프로는 ‘AI 기반 예측 설계의 첫걸음: 차수 축소 모델(ROM)과 하이브리드 애널리틱스(Hybrid Analytics)로 완성하는 준 실시간 디지털 트윈’을 주제로, 예측 모델과 디지털 트윈 구현을 위한 핵심 요소와 적용 시나리오를 소개했다. 엔지니어링 설계·검증 환경에서 빠른 의사결정을 지원하는 전략적 접근을 다뤘다. 마지막으로 앤시스코리아 이정원 매니저는 앤시스 심AI(Ansys SimAI)를 활용한 4D 플로 MRI(4D Flow MRI) 데이터 기반 머신러닝 혈류역학 예측 모델 구축 사례를 발표하며 의료 영상 데이터와 시뮬레이션 기반 분석을 결합한 적용 사례를 공유했다. 이 세션에서는 데이터 기반 예측 모델 구축 과정과 함께, 의료 분야에서의 확장 가능성에 대한 논의가 이어졌다. 앤시스 패드메쉬 맨들로이 부사장은 “이번 세미나는 시뮬레이션과 AI의 결합이 산업 현장에 어떤 방식으로 적용되고 엔지니어링 조직이 무엇을 준비해야 하는지에 대해 실질적인 방향성을 공유한 자리였다”면서, “앤시스코리아는 앞으로도 고객이 설계부터 운영까지 전 주기 혁신을 가속화할 수 있도록 기술과 생태계 지원을 지속적으로 확대해 나가겠다”고 말했다

브라더인터내셔널코리아가 9월 23일~26일 일산 킨텍스에서 열린 ‘2025 아시아 기계&제조 산업전(AMXPO 2025)’에 참가해 스마트 제조 환경에 최적화된 라벨링 설루션을 선보였다고 밝혔다. 브라더코리아는 이번 전시에서 전문가용 산업용 라벨 프린터(PT-E560BTVP)와 전기기사용 튜브 넘버링기(PT-E850TKW) 등 대표 제품군을 전시했다. E560BTVP는 전선·스위치·패널 등 주요 설비 라벨링에 적합하며, PT-E850TKW는 PVC 튜브와 라벨을 모두 지원해 케이블·배선 넘버링 작업 효율을 높일 수 있다. 두 제품은 빠른 출력 속도와 다양한 매체 지원, 높은 내구성을 갖춰 전기·제조 현장에서 생산성과 작업 편의를 높이는 설루션으로 소개됐다. 또한 PLC(프로그래머블 로직 컨트롤러) 연동 시연 장비를 통해 자동화 라벨링 설루션을 시연했다. 이 시스템은 일정한 품질 유지, 원가 절감, 작업 환경의 효율 개선이라는 세 가지 핵심 이점을 제공하며 브라더 PT 시리즈, QL 시리즈, TD-4D 시리즈 등 주요 라벨 프린터 라인업에 적용 가능하다. 브라더코리아의 ‘P-touch Editor’ 소프트웨어도 선보였다. 이 프로그램은 직관적인 인터페이스로 산업용 라벨을 손쉽게 제작 및 출력할 수 있으며, 다양한 기호·바코드·심벌 지원으로 현장 표준에 맞춘 라벨링을 가능하게 한다. 이번 산업전을 통해 브라더코리아는 자사 산업용 라벨링 설루션의 기능과 효과를 업계 관계자들에게 직접 알리며, 스마트 제조 현장의 생산성과 효율성을 높일 수 있는 다양한 설루션을 지속적으로 제공할 계획이다. 브라더코리아 관계자는 “AMXPO 2025를 통해 브라더 라벨링 설루션이 다양한 현장에서 활용될 수 있는 가능성을 소개했다”며, “앞으로도 산업 현장을 더욱 편리하고 효율적으로 만드는 설루션을 지속 제공하겠다”고 말했다.  

GPT 시대의 교육과 학습   이 글은 라인테크시스템에서 지난 5월 30일 진행한 ‘BIM Shift 2024 세미나’에서 한국디지털교육원 김진만 원장이 발표한 'BIM Education in New ERA'의 발표자료를 AI의 General Purpose Technology 관점에서 재구성하였다.   ■ 양승규  캐드앤그래픽스 전문 필진으로, MOT를 공부하며 엔지니어와 직장인으로 살아가는 방법에 대해 탐구한다. 건축과 CAD를 좋아한다. 홈페이지 | yangkoon.com   그림 1. 라인테크시스템 BIM Shift 2024 세미나   한국디지털교육원 한국디지털교육원은 라인테크시스템에서 2018년 1월에 개설한 교육원으로, 건설 산업 전반의 설계, 시공, 운영 시 사용되는 플랫폼 소프트웨어의 교육과 컨설팅을 전문으로 하는 기관이다. 단순한 소프트웨어 사용법 교육 외에 실용적으로 할 수 있는 교육을 목표로 운영 중이며, 2024년 현재까지 약 500명의 수강생을 배출하였다. 협회, 학교, 설계사, 건설사, IT 기업 등 다양한 분야와 상호 업무 협약을 체결하였다. 빌딩스마트협회의 BIM 자격시험, 오토데스크 인증 자격제도인 ACU(AutoCAD Certified User) 관련 교육도 운영하고 있다. 최근에는 건설 AI 전문 해외 기관과 협업하여 관련 기술과 지식을 국내에 전파하려고 노력 중이다.   그림 2. 한국디지털교육원(출처 : 한국디지털교육원 김진만 원장)   범용 인공지능 시대의 개막 오픈AI(OpenAI)의 챗GPT(ChatGPT)가 세상에 나오고 5000만 명이 이용하는데 걸린 시간은 단 2달에 불과했다. 비슷한 사용자 규모에 이르는데 인터넷이 7년, 유튜브가 4년이 걸린 것에 비하면 정말 빠른 시간에 확산되었다고 볼 수 있다. 범용 인공지능을 목표로 만들어진 AI 모델인 GPT(Generative Pre-Trained Transformer)를 필두로 한 AI 기술이 우리 삶에 매우 빠르게 스며들었다. 인터넷 포털을 이용한 검색 활동이 GPT AI를 통한 프롬프트 활동으로 변화되고 있는 것이 대표적인 AI 범용 기술 사용의 사례이다. 건설 분야에서도 관련 AI 프로그램이 1000개가 있다고 하니 건설 분야도 예외는 아니다.   그림 3. 범용 인공지능 시대의 개막(출처 : 한국디지털교육원 김진만 원장)   대표적인 범용 AI AI는 이미지 생성, 정보 검색, 연구자료 탐색 등 우리 삶에 밀접한 부분에서 매우 유용하게 사용되고 있다. 대표적인 AI 솔루션은 다음과 같다. Midjourney : 텍스트로 된 설명문으로 이미지를 생성하는 AI OpenArt : 텍스트로 이미지를 생성하는 AI Perplexity : 정보 검색 및 공유에 특화된 AI SCISPACE : 연구논문을 탐색하고 이해를 도와주는 AI CONNECTED PAPERS : 학술 논문을 시각적으로 탐색하고 판별할 수 있는 AI draw.io : 다양한 유형의 다이어그램을 작성해주는 AI   그림 4. 범용 AI 솔루션(출처 : 한국디지털교육원 김진만 원장)   건설 분야 AI 건설 분야에도 다양한 AI 기술이 있으며 대표적인 것은 다음과 같다. Codesign : 스케치로 디자인을 발전시켜 생성형 AI로 확장시키는 앱 Skema : 기존 워크플로와 원활하게 통합시켜 생산성을 향상 TogaLl.AI : 도면에서 공간과 기능을 자동으로 감지, 측정, 비교, 라벨링 CodeComply.AI : 도면을 위한 맞춤형 데이터 구조를 생성하여 규정 미준수 항목을 자동으로 생성 CONIX.AI : Zoning 계획, 2D 평면 계획, 가구 배치 계획, MEP 계획, 입면 및 3D 모델 대안 생성 KREOD : DfMA 원리와 첨단 지능형 자동화를 결합한 첨단 기술 솔루션 InspectMind : 휴대폰으로 현장 정보를 캡처하고 AI가 검사 보고서를 생성 Kolega : 디자인으로 매스 콘셉트 디자인 및 환경 분석 Designbotic : 시선 추적 장치를 사용한 디자인, 공간 분석의 맥락에서 뇌파 측정 방법 개발   그림 5. 건설 AI 솔루션(출처 : 한국디지털교육원 김진만 원장)   일자리의 변화 새로운 기술이 등장하면 그에 따라 새로운 일자리가 생겨나고, 기존의 기술이 새로운 기술로 대체되면서 기존의 일자리가 사라진다. 세계 경제 포럼의 ‘일자리의 미래’ 보고서(Future of Jobs, 2023)에 따르면 AI 기술로 인해 8300만 개의 일자리 소멸되고 6200개가 생성된다고 한다.  KIET(산업연구원)의 ‘AI시대 본격화에 대비한 산업인력양성 과제 : 인공지능 시대 일자리 미래와 인재양성 전략’ 보고서(2024)에 따르면 인공지능 도입으로 대체될 일자리는 327만 개로 추정된다. 보고서는 특히 제조업, 건설업 등 국내 주요 산업에서 일자리 소멸 위험이 클 것으로 전망했으며, 인공지능이 대체 가능한 일자리는 2022년 기준 327만 개로 추정했다. 산업 비중이 높은 건설업과 같은 분야에서 일자리 소멸 문제가 심각할 것이라는 예측이다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 메타(Meta)에서 릴리스한 오픈소스 멀티모달 딥러닝 모델 이미지바인드(imagebind)의 설치 및 사용기를 정리했다. 이 이미지바인드 모델은 멀티모달 데이터 간의 학습, 예측, 생성을 지원한다. 예를 들어 텍스트, 오디오, 비전, 카메라 깊이 맵, 히트 맵, IMU 등 다중 데이터셋을 임베딩하여 트랜스포머로 학습할 수 있다. 이 모델을 잘 활용하면 멀티모달을 지원하는 데이터 생성형 AI를 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. 이메일 | laputa99999@gmail.com 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast   그림 1. 이미지바인드   이미지바인드는 이종의 데이터를 토큰화하여 트랜스포머 모델을 이용해 학습한다. 참고로, 트랜스포머는 국부적인 특징을 캡처해 학습하는 CNN(Convolutional Neural Network)과는 다르게, 전체 데이터 영역의 특징을 학습한다. 간단한 동작 순서는 다음과 같다. 주어진 데이터를 토큰으로 분해한 후, 임베딩 기법으로 유일한 값으로 수치화한다. 수치화된 토큰은 라벨링된 토큰 순서열(앞의 텍스트 프롬프트에 대한 다음 텍스트 예측이라면, 텍스트 자체가 입력 및 라벨링 데이터를 포함하게 됨)의 확률을 학습하는 데 사용한다. 학습은 토큰이 다음에 출현할 토큰의 확률을 계산하는 방향으로 진행된다. 이를 어텐션(attention)이라고 한다. 이를 계속 반복한다.   <그림 2>는 이 과정을 보여준다.   그림 2. 트랜스포머 개념   설치 설치는 깃허브에 올라와 있으나 아직은 완벽하지 않아서, 설치 테크트리를 확인하는 데에 시간이 좀 걸린다. 제일 좋은 것은 우분투(Ubuntu) 리눅스 운영체제 환경에서 아나콘다(Anaconda)를 설치하고, 다음 링크의 설명에 따라 이미지바인드를 설치하는 것이다.(윈도우에서는 몇몇 패키지의 설치 에러가 발생한다.)   이미지바인드 깃허브 : github.com/facebookresearch/ImageBind   그림 3. 이미지바인드 설치 과정   설치 중에 avi 생성 라이브러리에서 에러가 발생할 수 있다. 이 경우, 다음 링크를 참고해 별도로 설치해야 한다.   anhquancao.github.io/blog/2022/how-to-install-mayavi-with-python-3-on-ubuntu-2004-using-pip-or-anaconda/   그림 4. 설치된 이미지바인드   ■ 기사 상세 내용은 PDF로 제공됩니다.

생성형 AI(인공지능)가 발전하고 전문 AI, RPA 등과 접목되면서 새로운 세계가 열리고 있다. RPA(로봇 프로세스 자동화) 시장의 리더인 유아이패스는 이러한 흐름에 보다 효과적으로 대응하기 위해 고객의 대규모 자동화 구축 및 운영 역량을 강화하는 생성형 AI 및 전문 AI 기능을 발표하고 비즈니스 혁신을 지원할 것이라고 밝혔다. ■ 최경화 국장     7월 11일 포시즌스호텔 서울에서 개최된 기자간담회에서 유아이패스 그래햄 쉘든(Graham Sheldon) CPO(최고제품책임자)는 “AI 기술은 유아이패스 비즈니스 자동화 플랫폼의 핵심이며, 새로운 생성형 AI 및 전문 AI제품으로 더욱 확장된 엔터프라이즈 자동화를 제공할 수 있다”면서, “유아이패스는 AI 기반 자동화를 통해 세계 최고 기업들과 협업하며 비즈니스를 혁신하고 업무 방식을 변화시키고 있다”고 말했다. 또한 “자동화가 없는 AI는 신체 없는 뇌와 같다”면서, “AI를 제대로 활용할 수 있도록 시스템이 자동화되어 있어야 AI 사용이 효과적일 수 있다. 자사의 ‘AI 기반 자동화’는 생성형 AI 및 특화 AI 제품으로 훨씬 향상되고 유연하며 확장된 엔터프라이즈 자동화를 제공한다”고 강조했다.   유아이패스는 어떤 회사? 유아이패스는 2005년 루마니아 스타트업으로 시작하여 모든 사람이 자신의 업무를 자동화하는 ‘1인 1로봇’ 시대와 함께 자동화 시장의 리더로서 완전히 자동화된 기업 시대의 도래를 목표로 하고 있다. RPA는 단순하고 반복적인 사무 업무를 소프트웨어 프로그램을 통해 자동화하는 시스템이다. 유아이패스코리아 백승헌 전무는 “유아이패스는 글로벌 1위 RPA 기업으로, 만 여개의 글로벌 기업이 사용하고 있으며, 국내에서도 시장을 리드하고 있다. 많은 산업군에서 활용되고 있으나 금융, 제조 부문에서 특히 활발하다”고 밝혔다. 유아이패스는 2018년 국내 지사가 설립되었으며, KB국민은행, KEB하나은행, 우리은행, IBK 기업은행 등 주요 금융권과 현대자동차, LG그룹, SK텔레콤, KT, LG U+ 등을 고객으로 두고 있다.   유아이패스의 생성형 AI와 전문 AI 기능 지원 솔루션 맥킨지가 최근 발표한 생성형 AI의 경제적 영향에 관한 보고서에 따르면 자동화 잠재력이 가속화되는 가운데, 생성형 AI가 현존하는 기술을 통합함으로써 이론적으로 자동화할 수 있는 시간 비율이 50%에서 60~70%까지 증가한 것으로 나타났다. 유아이패스 비즈니스 오토메이션 플랫폼은 GPT-4를 지원하는 OpenAI 및 Azure OpenAI 커넥터를 지원할 뿐 아니라 생성형 AI 기반의 다양한 AI 기능을 선보인다. 유아이패스 고객은 이미 Open AI 커넥터를 활용하여 비즈니스 프로세스에 자동화를 구축할 뿐 아니라 데이터를 기반으로 실행할 수 있는 인사이트를 도출하고 있다.   또한 유아이패스는 AWS 세이지메이커 커넥터를 기반으로 팔콘(Falcon) 대형 언어 모델(Large Language Model, LLM)을 지원한다고 밝혔으며, PaLM 2를 지원하는 구글 버텍스(Google Vertex) 커넥터의 프리뷰를 발표했다. 유아이패스는 자동화 진행 상황을 이해하고, 자동화 기회를 발굴하고, 문서를 처리하고, 비즈니스 워크플로 내에서 고유한 자산 데이터 세트를 활용할 수 있도록 지원하는 70개 이상의 전문화된 AI 솔루션을 제공하며 AI 분야에서 두각을 드러내고 있다. 이 같은 전문 AI 솔루션은 고객의 데이터를 안전하게 학습하고 특정 요구 사항에 맞게 최적화돼 비용 효율적으로 정확하고 신속한 비즈니스 가치 실현을 가능하게 한다. 또한 유아이패스는 도큐먼트 언더스탠딩 및 커뮤니케이션 마이닝을 비롯한 자동화 업계를 주도하는 핵심 솔루션에 GPT 기반 기술을 활용하며 전문화된 AI 분야에서 상당한 발전을 거듭하고 있다. 커뮤니케이션 마이닝은 GPT를 기반으로 데이터에 대한 레이블을 제안해 모델 학습 프로세스를 가속화하고 배포 및 가치 실현 시간을 단축한다. 마찬가지로, GPT는 도큐먼트 언더스탠딩에 적용되어 분류 및 사전 라벨링(Pre-labeling) 과정에 활용된다. 이러한 신규 기능에 더해 유아이패스는 재무팀을 위한 클립보드 AI의 프리뷰 버전을 발표했다. 클립보드 AI는 유아이패스 AI 컴퓨터 비전(Computer Vision) 및 생성 AI 기반 서비스로, 문서, 스프레드시트, 앱 상의 데이터를 쉽게 이해하고 전송할 뿐 아니라, 적재적소에 자동으로 삽입하는 기능을 제공한다. 해당 프리뷰 버전은 다양한 재무 플랫폼에서 인보이스를 효과적이고 효율적으로 관리할 수 있도록 설계됐다. 그래햄 쉘든 CPO는 “유아이패스는 화면, 문서, 작업 및 프로세스에 대한 이해와 생성형 AI 기술을 통합해 자동화 구축 및 진행 과정을 확인하고, 플랫폼 내에서 해당 과정을 자동화할 수 있는 독보적인 기능을 제공한다. AI와 엔터프라이즈 자동화가 결합해 맥락에 맞는 정보를 제공하고 이에 알맞은 조치를 취할 때 완전한 비즈니스 가치 실현이 가능해질 것”이라고 밝혔다.   유아이패스 기자 간담회 Q&A 세션     Q. 수많은 고객이 다양한 환경에 놓여있고 각기 다른 데이터를 다루고 있는데, 다양한 상황에 알맞은 자동화를 제공하고 있는지 궁금하다 유아이패스 고객사 대부분이 충분한 양의 데이터를 가지고 있지 못한 것은 사실이다. 사실 이러한 부분을 보완하기 위해 파인 튜닝이라는 프로세스가 필요하다. 유아이패스는 특별히 ‘Out of the Box’ 기능을 기반으로 일반적인 모델을 고객사의 다양한 수요와 환경에 맞게 학습하고 훈련하며 지속적인 조율하는(Fine-tunning) 과정을 지원한다. 가령 인보이스의 경우 포맷이 조금씩 다른 것을 인식하고, 제품들이 조금씩 다른 부분을 인지하는 등의 과정을 의미한다. 또한 어떤 과정에 오류가 있을 때 일련의 데이터 재학습 및 교정 과정을 거친다. 따라서 시스템상의 어떤 불확실성이 존재할 때 이제 전문 AI기능을 통해서 학습 과정의 정확도를 높일 수 있다.   Q. 주로 엔터프라이즈급 기업에 서비스를 제공하는지, 아니면 중견기업에도 서비스를 제공하고 있는지 유아이패스는 약 만 여개의 고객사와 일을 하고 있다. 그런데 대부분이 사실 엔터프라이즈 급이 아니다. 유아이패스 솔루션은 클라우드 상에서 운영 가능하다. 클라우드 내에서 자유롭게 사용 가능하다는 점 덕분에 많은 중소기업 고객사가 유아이패스 플랫폼을 활용하고 있다. 플랫폼 설치 과정이 필요 없고, 별도의 버추얼 머신이나 인프라를 활용하지 않고 웹에서 바로 자동화를 구축할 수 있다. 이러한 이점을 기반으로 많은 중소기업이 유아이패스 플랫폼을 활용해 성공적으로 자동화를 구축하고 있다.   Q. 경쟁사와 비교해 유아이패스의 차별화 전략은 무엇인가 국내 기업 중에서 RPA를 제공하는 업체들이 있지만, 유아이패스만의 차별점이라면 유아이패스는 엔드 투 엔드 자동화 플랫폼을 제공한다는 점이다. 현재 시장에 제품을 출시하는 데 소요되는 시간을 짧게 가져가는 것이 매우 중요한 상황이다. 생성형 AI 및 전문 AI 기능과 클립보드 AI 등 다양한 혁신 기술을 소개해 드렸지만 아직 공식적으로 발표되지 않은 신기술이 많다. 시시각각 변하는 시장 상황과 고객의 다양한 요구사항에 대응할 수 있는 이유는 유아이패스의 엔드 투 엔드 플랫폼이라고 생각한다. 유아이패스는 2018년부터 자동화 업계에 진출해 다양한 제품을 선보이면서 국내 많은 기업들의 자동화 초기 움직임을 주도했고, 많은 고객사들과 흐름을 같이해왔다는 점을 말씀드리고 싶다. 그래서 풍부한 경험과 전문 지식은 매우 값진 자산이라고 생각한다. 전반적으로 봤을 때는 유아이패스만의 제품 기술력뿐 아니라 벤더로서 유아이패스가 제공해 드리는 서비스 컨설팅, 로드맵, 전략적인 가이던스 등도 충분히 경쟁력 있는 차별점이라고 말하고 싶다.   Q. 생성형 AI와 관련 유아이패스만의 차별점이 있다면 무엇인가 유아이패스는 AI 이상의 것들을 제공해 드리고 있다. 특히 오토메이션 플랫폼 관련해서 말씀을 드리자면 개방성(Openness)이 매우 중요한 강점이며 유아이패스가 주력하고 있는 부분이다. 또 시간 관계상 보여드리지 못했지만, 유아이패스는 매우 폭넓은 종류의 생성형 AI 및 전문 AI 기능을 보유하고 있다는 점을 말씀드리고 싶다. 우리가 특화된 AI 모델을 구축하기 위해서 어떤 데이터 샘플을 프리 레이블링(Pre-labeling)하는 데 있어서 생성형 AI를 활용하고 있다. 그리고 가장 많이 지금 고객들이 활용하고 있는 AI 기술 중 하나는 바로 도큐먼트 언더스탠딩이다.   Q. 생성형 AI 가 도입되면서 RPA 시장 규모에도 변화가 있을 것 같은데, 얼마나 커질 거라고 예상하는가 생성형 AI 덕분에 자동화가 더욱 가속화되고 자동화 시장 규모가 빠르게 성장하고 있다고 말씀드릴 수 있다. 기존 자동화는 주문이 들어오면 그 주문 안에 무엇이 있는지를 확인하는 것이었다면 이제는 우리가 지향하는 자동화는 그 주문이 들어왔던 이메일을 확인하고, 해당 내용에 대해 처리하고, 최종 회신하는 과정까지 모두 포함한다. 코로나 팬데믹 상황에서 대규모의 인력이 조직을 떠나는 현상인 대규모 퇴사(Great Resignation)가 있었다는 것을 아실 것이다. 이러한 현상의 원인으로는 이전의 업무수행 방식대로 일하고 싶지 않고, ‘의미 있는 일’을 하고자 하는 열망이 컸기 때문이라고 본다. 유아이패스는 “모든 세일즈 직원이 최고 성과를 내는 세일즈 직원처럼 일할 수 있게 하자”라는 아이디어에 착안해서 인사든, 영업이든, 재무든 각 부서에서 최고의 성과를 내는 이들이 어떤 일을 하는지 확인하고 이를 가능하게 하는 데 집중하고 있다.   ■ 기사 내용은 PDF로도 제공됩니다.

유아이패스 그래햄 쉘든 CPO  생성형 AI(인공지능)가 발전하고 전문 AI, RPA 등과 접목되면서 새로운 세계가 열리고 있다. RPA(로봇 프로세스 자동화) 시장의 리더인 유아이패스는 이러한 흐름에 보다 효과적으로 대응하기 위해 고객의 대규모 자동화 구축 및 운영 역량을 강화하는 생성형 AI 및 전문 AI 기능을 발표하고 AI 기반 엔드투엔드 비즈니스 혁신을 지원할 것이라고 밝혔다. ■ 최경화 국장 kwchoi@cadgraphics.co.kr 7월 11일 포시즌스호텔 서울에서 개최된 유아이패스 기자간담회에서 유아이패스 그래햄 쉘든(Graham Sheldon) CPO(최고제품책임자)는 "AI 기술은 유아이패스 비즈니스 자동화 플랫폼의 핵심이며, 새로운 생성형 AI 및 전문 AI제품으로 더욱 확장된 엔터프라이즈 자동화를 제공할 수 있다”면서, “유아이패스는 AI 기반 자동화를 통해 세계 최고 기업들과 협업하며 비즈니스를 혁신하고 업무 방식을 변화시키고 있다”고 말했다. 또한 “자동화가 없는 AI는 신체 없는 뇌와 같다”면서, “AI를 제대로 활용할 수 있도록 시스템이 자동화돼 있어야 AI 사용이 효과적일 수 있다. 자사의 ‘AI 기반 자동화’는 생성형 AI 및 특화 AI 제품으로 훨씬 향상되고 유연하며 확장된 엔터프라이즈 자동화를 제공한다"고 강조했다. 1. 유아이패스는 어떤 회사? 유아이패스는 2005년 루마니아 스타트업으로 시작하여 모든 사람이 자신의 업무를 자동화하는 ‘1인 1로봇’ 시대와 함께 자동화 시장의 리더로서 완전히 자동화된 기업 시대의 도래를 목표로 하고 있다. RPA는 단순하고 반복적인 사무 업무를 소프트웨어 프로그램을 통해 자동화하는 시스템이다.  유아이패스코리아 백승헌 전무는 “유아이패스는 글로벌 1위 RPA 기업으로, 만 여개의 글로벌 기업이 사용하고 있으며, 국내에서도 시장을 리드하고 있다. 많은 산업군에서 활용되고 있으나 금융, 제조 부문에서 특히 활발하다”고 밝혔다. 유아이패스는 2018년 국내 지사가 설립되었으며, KB국민은행, KEB하나은행, 우리은행, IBK 기업은행 등 주요 금융권과 현대자동차, LG그룹, SK텔레콤, KT, LG U+ 등을 고객으로 두고 있다. 2. 유아이패스의 생성형 AI와 전문 AI 기능 지원 솔루션 맥킨지가 최근 발표한 생성형 AI의 경제적 영향에 관한 보고서에 따르면 자동화 잠재력이 가속화되는 가운데, 생성형 AI가 현존하는 기술을 통합함으로써 이론적으로 자동화할 수 있는 시간 비율이 50%에서 60~70%까지 증가한 것으로 나타났다.    유아이패스 비즈니스 오토메이션 플랫폼은 GPT-4를 지원하는 OpenAI 및 Azure OpenAI 커넥터를 지원할 뿐 아니라 생성형 AI기반의 다양한 AI기능을 선보인다. 유아이패스 고객은 이미Open AI 커넥터를 활용하여 비즈니스 프로세스에 자동화를 구축할 뿐 아니라 데이터를 기반으로 실행할 수 있는 인사이트를 도출하고 있다.   또한 유아이패스는 AWS 세이지메이커 커넥터를 기반으로 팔콘(Falcon) 대형 언어 모델(Large Language Model, LLM)을 지원한다고 밝혔으며, PaLM 2를 지원하는 구글 버텍스(Google Vertex) 커넥터의 프리뷰를 발표했다. 유아이패스는 자동화 진행 상황을 이해하고, 자동화 기회를 발굴하고, 문서를 처리하고, 비즈니스 워크플로우 내에서 고유한 자산 데이터 세트를 활용할 수 있도록 지원하는 70개 이상의 전문화된AI 솔루션을 제공하며 AI 분야에서 두각을 드러내고 있다. 이 같은 전문 AI 솔루션은 고객의 데이터를 안전하게 학습하고 특정 요구 사항에 맞게 최적화돼 비용 효율적으로 정확하고 신속한 비즈니스 가치 실현을 가능하게 한다.  또한 유아이패스는 도큐먼트 언더스탠딩 및 커뮤니케이션 마이닝을 비롯한 자동화 업계를 주도하는 핵심 솔루션에 GPT 기반 기술을 활용하며 전문화된 AI 분야에서 상당한 발전을 거듭하고 있다. 커뮤니케이션 마이닝은 GPT를 기반으로 데이터에 대한 레이블을 제안해 모델 학습 프로세스를 가속화하고 배포 및 가치 실현 시간을 단축한다. 마찬가지로, GPT는 도큐먼트 언더스탠딩에 적용되어 분류 및 사전 라벨링(Pre-labeling) 과정에 활용된다. 이러한 신규 기능에 더해 유아이패스는 재무팀을 위한 클립보드 AI의 프리뷰 버전을 발표했다. 클립보드 AI는 유아이패스 AI 컴퓨터 비전(Computer Vision) 및 생성 AI 기반 서비스로, 문서, 스프레드시트, 앱 상의 데이터를 쉽게 이해하고 전송할 뿐 아니라, 적재적소에 자동으로 삽입하는 기능을 제공한다. 해당 프리뷰 버전은 다양한 재무 플랫폼에서 인보이스를 효과적이고 효율적으로 관리할 수 있도록 설계됐다.  그래햄 쉘든 CPO는 “유아이패스는 화면, 문서, 작업 및 프로세스에 대한 이해와 생성형 AI 기술을 통합해 자동화 구축 및 진행 과정을 확인하고, 플랫폼 내에서 해당 과정을 자동화할 수 있는 독보적인 기능을 제공한다. AI와 엔터프라이즈 자동화가 결합해 맥락에 맞는 정보를 제공하고 이에 알맞은 조치를 취할 때 완전한 비즈니스 가치 실현이 가능해질 것”이라고 밝혔다.    유아이패스 기자간담회

  브라더인터내셔널코리아가 오피스 전문가용 라벨프린터 신제품 2종 PT-D610BT 및 PT-D460BT를 출시했다. 브라더코리아에 따르면 신제품 2종은 소호/홈 오피스, 대형 오피스 및 리테일 환경을 넘어 보다 광범위한 비즈니스 분야에서 필요한 모든 라벨 작업에 최적화돼 있다. 특히 이번 신제품은 직관적인 쿼티 키보드 디자인으로 단독 사용은 물론, PC와 모바일 연결을 지원하는 점이 특징이다. 간단하고 빠르게 라벨링 작업을 해야 할 때는 탑재된 쿼티 키보드를 이용해 라벨을 인쇄할 수 있다. 또한 대형 LCD 디스플레이를 통해 출력 전에 결과물을 확인할 수 있다. 보다 정교한 라벨 제작을 위해 PC 혹은 모바일과 연결할 수 있다. 먼저, USB 케이블과 블루투스를 활용해 PC와 유/무선으로 연결할 수 있다. ‘브라더 P-touch Editor 6.0’ 소프트웨어를 사용하면 1200개 이상의 기호와 30개 이상의 글꼴 선택이 가능해 카페, 쇼핑몰, 오피스 등 다양한 비즈니스 환경에 맞게 각종 파일과 자산 관리 라벨링부터 업무 환경 정리 정돈까지 도움을 줘 오피스 생산성을 높일 수 있다. 또한 재고 관리가 필요한 창고나 매장에서도 라벨링 작업을 통해 운영 관리의 효율성을 개선한다. 빠르고 간단한 작업을 원할 경우, 모바일 앱인 Brother iPrinter&Label과 블루투스로 연결해 라벨 디자인부터 편집, 인쇄까지 다양한 라벨을 손쉽게 만들 수 있다. 이번 신제품 2종은 제품 커팅 방식에 따라 자동형 모델(PT-D610BT)과 수동형 모델(PT-D460BT) 두 가지 타입으로 출시했다. 상위 모델인 PT-D610BT 제품은 재출력을 위한 라벨 파일을 최대 99개까지 저장 가능하고, 최대 24mm 너비의 라벨까지 인쇄할 수 있다. PT-D460BT 제품은 라벨 파일을 최대 70개까지 저장할 수 있고, 인쇄 가능한 라벨 너비는 최대 18mm이다. 한편, 브라더 라벨프린터 제품군을 위해 설계된 라미네이트 TZe 테이프는 물, 마모, 화학물질, 온도에 탁월한 내구성을 지니고 있어 어디서든 선명한 품질을 유지하도록 돕는다. 브라더코리아의 나카야마 요시히로 대표이사는 “사무실은 물론 카페나 식당, 각종 샵 등 다양한 산업군에서 라벨프린터를 찾는 수요가 증가하고 있다”며, “이번 라벨프린터 신제품을 통해 비즈니스 환경에서 필요한 각종 파일 관리부터 고객 관리, 업무 공간 정리에 이르기까지 편안하고 정돈된 업무 환경을 조성하며 생산성을 극대화할 수 있길 바란다”고 말했다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 스테이블 디퓨전(Stable Diffusion)의 개념과 생성형(Generative) AI 오픈소스 도구의 설치 및 사용 방법을 간략히 살펴본다. 스테이블 디퓨전 및 컨트롤넷(ControlNet) 기술의 동작 개념을 설명하고, ComfyUI 등 도구의 사용법도 알아본다. 아울러, 다양한 이미지 스타일로 학습된 스테이블 디퓨전 모델의 다운로드 방법도 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. 이메일 | laputa99999@gmail.com 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트| http://www.facebook.com/groups/digestpodcast   스테이블 디퓨전의 개념 스테이블 디퓨전(Stable Diffusion)은 Stability AI와 Runway 도구의 협업으로 개발된 생성 AI 모델이다. 이 모델은 OMMER Lab의 도움을 많이 받아 개발되었다. 스테이블 디퓨전의 원래 이름은 LDM(Latent Diffusion Model)이었다. StableDiffusion : https://github.com/CompVis/stable-diffusion 스테이블 디퓨전은 text to image diffusion을 지원한다.   그림 1. 스테이블 디퓨전 기반 생성 AI 예시   그림 2. OMMER Lab 연구내용(https://ommer-lab.com/research/latent-diffusion-models)   스테이블 디퓨전은 <그림 3>과 같이 디퓨전 확산 모델을 사용한다. 확산 모델은 입력 이미지와 노이즈 라벨링 데이터 간의 가중치를 학습한다. 디퓨전은 전형적인 UNet(encoder-decoder, autoencoder 모델) 모델을 따른다. 입력 모델에 대한 노이즈를 학습한 가중치 모델을 역으로 실행하면, 원본 입력 모델을 생성할 수 있다. 이는 GAN(생성 적대 네트워크) 모델과 유사한 개념을 차용한 것이다.   그림 3. Diffusion의 UNet 구조   여기에 모델의 역방향(Reverse Diffusion Process)으로 text encoding 벡터를 입력해 원하는 스타일의 이미지를 생성하기 위해, 임의의 노이즈인 Random Latent Noise(zT)와 디노이즈 가중치 레이어인 Denoised Latent(Z0)를 UNet 모델 사이에 삽입한다.(<그림 4> 참고) 이를 통해, 텍스트 프롬프트는 다음과 같은 과정을 거쳐 이미지를 생성한다.   그림 4   Input text prompt → Text embedding + Time step + Random latent noise → Diffusion → Denoised latent   이 결과로 T 시행이 많을 수록 <그림 5>와 같이 유사한 입력 이미지가 되도록 한다.   그림 5   이를 종합하면 <그림 6>과 같은 딥러닝 모델 구조가 완성된다. 이제 모델의 각 파라미터를 조정하면 텍스트 입력에 대한 다양한 스타일의 학습 가중치를 조정하게 되고, 이를 통해 원하는 이미지를 생성할 수 있다.   그림 6. 스테이블 디퓨전 모델     ■ 자세한 기사 내용은 PDF로 제공됩니다. 한시적으로 무료 제공됩니다.(8.15까지)