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.

스노우플레이크가 글로벌 시장조사업체 옴디아(Omdia)와 협력해 ‘생성형 AI와 AI 에이전트의 ROI’ 리서치 보고서를 발표했다. 10개국 비즈니스 의사결정권자 2050명이 참여한 이번 설문에 따르면 AI가 노동시장에 미치는 영향은 단순한 인력 감축을 넘어 복잡한 양상을 띠는 것으로 나타났다. 전체 응답 기업 중 77%는 AI 도입 이후 채용이 늘었다고 답했다. 직무 감소를 부분적으로 경험한 조직은 46%였으나, 채용 증가와 직무 감소를 모두 경험한 기업 중 69%는 AI가 전반적인 고용 상황에 긍정적인 영향을 미쳤다고 평가했다. 이는 AI 도입 확대가 일자리 증가로 이어지고 있음을 시사한다.     직군별로는 IT 운영(56%), 사이버보안(46%), 소프트웨어 개발(38%) 순으로 일자리 증가 효과가 두드러졌다. 반면 IT 운영(40%), 고객 서비스 및 지원(37%), 데이터 분석(37%) 직무는 상대적으로 일자리 감소 영향이 컸다. 스노우플레이크는 AI가 조직에 깊이 내재화될수록 전반적인 고용 증가로 이어질 가능성이 높으며, 이는 일부 업무 자동화와 동시에 새로운 역량을 추가하는 조직 재편의 과정이라고 분석했다. 기업들은 AI 투자 1달러당 평균 약 1.49달러의 수익을 거두고 있는 것으로 조사됐다. 하지만 응답 기업의 96%는 여전히 AI 확장 과정에서 어려움을 겪고 있다고 밝혔다. 응답자의 약 80%는 기술 또는 데이터 관련 문제를 장애 요인으로 꼽았으며, 구체적으로는 데이터 사일로 해소(65%), 데이터 품질 측정 및 모니터링(62%), AI 활용에 적합한 데이터 준비(62%) 등이 지목됐다. 데이터 거버넌스 역시 주요 과제로 부상했다. 임원의 66%와 전체 직원의 57%가 승인되지 않은 AI 도구를 사용 중이라고 답했으며, 60%는 데이터 인프라 및 모니터링 소프트웨어에 대한 추가 투자가 필요하다고 응답했다. 비정형 데이터 중 AI 활용이 가능한 상태라고 답한 조직은 글로벌 평균 7%에 불과했다. AI 도입 초기 조직의 92%가 긍정적인 투자수익률(ROI)을 기록했으며, 기업들은 향후 1년간 전체 기술 예산의 22%를 AI에 투자할 계획이다. 현재 전체 코드의 약 48%가 AI에 의해 생성되고 있으며, AI 코딩 도구를 활용하는 조직의 82%는 코드 테스트 및 버그 탐지 분야에서 개선을 경험했다고 보고했다. 스노우플레이크는 AI 코딩 에이전트인 코텍스 코드를 통해 관련 역량을 강화하고 있다. 스노우플레이크의 아나히타 타프비지 최고 데이터 및 애널리틱스 책임자는 “AI의 영향은 일률적이지 않으며 이를 얼마나 효과적으로 활용하느냐에 따라 생산성이 달라진다”라고 설명하면서, “가장 강력한 ROI 지표는 AI를 핵심 운영에 내재화하고 데이터 준비도와 거버넌스를 강화할 때 실현된다”고 밝혔다.

AI·디지털 트윈으로 제조 현장의 실질적 가치 입증할 것   지멘스 디지털 인더스트리 소프트웨어의 오병준 한국지사장은 지난해 국내 대형 조선사의 차세대 설계 시스템 수주 등 굵직한 성과를 거뒀다고 소개했다. 그는 알테어 인수를 통한 기술 시너지와 엔비디아와 협력한 디지털 트윈 신제품으로 올해 제조 현장에 실질적인 가치를 제공하겠다고 밝혔다. 아울러 국내 기업에는 데이터 주권을 확보하고 작은 성공부터 만들어가는 실용적인 디지털 전환 전략을 주문했다. ■ 정수진 편집장     지난해 제조 시장의 분위기와 주요한 변화를 소개한다면? 2025년에는 많은 대기업이 지출을 통제하면서 제조 시장의 전반적인 경기가 좋은 편은 아니었지만, 하반기에 들어서면서는 많이 회복되어 지멘스 디지털 인더스트리 소프트웨어 입장에서는 목표를 달성할 수 있었다. 조선이나 일부 업종을 제외한 중소기업들은 여전히 큰 어려움을 겪었다.가장 큰 변화는 디지털 스레드(digital thread) 기반의 제조업 변환이 본격적으로 시작되었다는 점과, 알테어 인수 이후 AI 기반의 엔지니어링 프로세스 혁신을 지멘스가 주도하게 되면서 고객의 관심이 높아졌다는 것이다. 특히 BYD 등의 중국 기업이 디지털 전환(DX)을 통해 제품 출시를 크게 앞당기는 것을 보면서, 국내 시장에서도 DX 전략 도입을 더욱 적극적으로 고민하는 환경으로 바뀌었다. 산업별로 살펴 보면, 항공/방산 분야에서는 무기를 수출할 때 예방 정비 데이터를 함께 납품해야 하는 트렌드에 따라 팀센터 SLM 기반의 MRO(유지·보수·운영) 데이터 체계 구축에 대한 수요가 늘었다. 가장 큰 성과는 조선 분야에서 HD현대와 4년간 공동 개발한 끝에 지멘스의 설루션이 차세대 설계 시스템으로 선정된 것이다. 향후 5년간 전환을 거쳐 2028년에는 실제 선박 설계에 투입될 예정이다. 반도체 기업들의 전사 프로젝트 역시 계속 확장되고 있다.   인수합병 등으로 제품 라인업과 타깃 산업군이 방대해졌는데 어떻게 정리할 수 있을지? 지멘스 디지털 인더스트리 소프트웨어의 포트폴리오는 CAD 제품군인 디자인센터(Designcenter), 알테어 설루션을 포함한 시뮬레이션 제품군인 심센터(Simcenter), PLM 설루션인 팀센터(Teamcenter), 제조 운영 관리를 위한 옵센터(Opcenter), AI/에이전트 플랫폼인 멘딕스(Mendix)와 래피드마이너(Rapidminer), HPC, IoT 등으로 구성된다. 이에 더해 최근 인수한 닷매틱스(Dotmatics)를 통해 바이오 산업의 SaaS(서비스형 소프트웨어) 분야도 본격 공략할 예정이다. 주요 타깃 산업은 자동차, 전기·전자, 반도체, 조선, 기계, 항공국방, 배터리, 의료기기, 에너지, 프로세스 산업 등 10여 개 이상이다. 건설 산업에서는 직접적인 제품 포트폴리오는 크지 않지만, 지멘스 스마트 인프라(SI) 사업부의 빌딩 관리 및 알테어 시뮬레이션을 통해 협업하고 있다.   알테어 인수를 포함해 내부 조직 및 세일즈 체계에는 어떤 변화가 있었는지? 지멘스는 2007년부터 약 45조 원을 투입해 수많은 인수합병을 진행해 왔다. 현재 알테어, 지멘스 EDA(구 멘토그래픽스), 지멘스 디지털 인더스트리 소프트웨어를 모두 합쳐 한국에만 600명이 넘는 직원이 근무 중이다. 내부적으로는 모든 제품을 총괄하는 어카운트 세일즈와 특정 설루션에 특화된 스페셜티 세일즈 조직이 긴밀히 협업하는 체계를 갖추고 있다. 알테어와의 법인 통합은 올해 7월경으로 예상되며, 기존에 별도로 움직이던 지멘스 EDA 조직도 글로벌 산하로 사업 관리가 통합되었다.   산업 분야에서 AI 기술의 적용 현황과 지멘스의 전략을 소개한다면? 엔지니어링 레벨에서는 설계 툴인 NX의 코파일럿(Copilot) 등 AI 기능이 자리를 잡았고, 알테어를 인수하면서 물리적 시뮬레이션을 데이터 기반으로 보완하는 피직스 AI(Physics AI) 적용 사례가 늘고 있다. 알테어의 인수는 AI 기반 혁신의 큰 모멘텀이 될 것으로 기대하고 있다. PLM 분야에서도 RAG(검색 증강 생성)를 통해 기업 내·외부의 데이터를 엮어 리포팅 공수를 줄이는 작업이 진행 중이다. 특히 향후 기대되는 분야는 온톨로지(ontology)이다. 온톨로지는 부품이나 장비 등 데이터가 가진 속성 간의 숨겨진 관계를 찾아내서 ‘지식 그래프(knowledge graph)’를 만들고, 전사적 뷰에서 프로세스를 연결해 부서 간에 데이터가 단절되는 사일로(silo)를 없애는 기술이라고 할 수 있다. 무리하게 전사 시스템 전체를 통합하려다 실패하는 경우가 적지 않은데, 이와 달리 지멘스는 제조산업의 도메인 지식을 바탕으로 품질 관리 시스템의 고도화처럼 특정 영역부터 시작하는 바텀업(bottom-up) 방식을 채택했다. 2026년부터는 실질적인 비즈니스 가치를 현장에서 입증해 나갈 계획이다.   ▲ 지멘스가 엔비디아와 함께 개발한 디지털 트윈 컴포저   구체적인 AI 접근법과 최근 발표한 신제품에 대해 소개한다면? 지멘스는 ▲NX 등 툴 자체에 내장된 엔지니어링 AI ▲래피드마이너 등을 활용해 전사 내·외부 데이터를 엮는 데이터 패브릭 기반 AI ▲멘딕스 플랫폼과 PLM을 엮어 프로세스 자동화를 돕는 디지털 스레드 기반 에이전틱 AI(agentic AI) 등 세 가지 핵심 영역에 집중해 AI 전략을 추진하고 있다. PLM은 단순 관리 시스템을 넘어 AI가 장착된 프로세스 중심의 혁신 플랫폼으로 변화할 것이다. 이와 함께 지난 CES 2026에서 엔비디아와 공동 발표한 ‘디지털 트윈 컴포저(Digital Twin Composer)’를 올 6월에 출시할 예정이다. 기존의 공장 시뮬레이션이 단방향으로 이뤄졌다면, 이 설루션은 실제 공장 데이터와 가상의 모델 공장이 양방향으로 실시간 데이터를 주고받으며 AI가 둘 사이의 차이(gap)을 분석하고 최적화해주는 리얼타임 메타버스 설루션이다. 여타의 디지털 트윈 설루션이 가진 과도한 코딩의 한계를 해결할 수 있을 것으로 기대한다.   최근 산업 분야별 비즈니스 트렌드와 기술 투자 현황에 대해서는 어떻게 보는지? 비용 절감과 제품 출시 시간 단축을 위해 가상 제품 개발(VPD), 디지털 트윈, 소프트웨어 중심 자동차(SDV) 등에 대한 관심과 투자가 크게 늘고 있다. 실제로 실제 제품을 사용하는 소음진동(NVH) 테스트 장비 시장은 정체되는 반면, 이를 가상화하는 시뮬레이션 투자는 증가하고 있다. 특히 시뮬레이션 데이터 관리(SPDM)에 대한 투자가 늘고 있는데, 지멘스의 팀센터 포 시뮬레이션(Teamcenter for Simulation)과 알테어가 가진 다중 시뮬레이션 및 HPC 호스팅 플랫폼인 알테어 원(Altair One)이 결합하면서 이 시장에서 경쟁력을 갖추게 되었다. 또한 디지털 매뉴팩처링(DM)을 통한 생산 프로세스 최적화도 현장에 깊이 자리 잡고 있는 상황이다.   새로운 기술이 등장하면서 기업에서는 이를 활용하는 데에 어려움도 느끼는 것 같다. 어떤 조언을 해 줄 수 있을지? 기술적인 호기심만으로 접근하지 말고 비즈니스 문제와 가치를 먼저 명확히 정의한 후에 투자를 결정해야 한다고 강조하고 있다. 또한 가장 중요한 것은 데이터의 소유권(ownership)을 절대 설루션 공급사에게 내주지 말아야 한다는 것이다. 특정 툴에 종속되지 않으려면 기업 스스로 전사 데이터 모델을 이해하는 데이터 아키텍트를 반드시 육성해야 한다. 지멘스 디지털 인더스트리 소프트웨어는 기업들에게 실질적인 도움을 주기 위해 다양한 노력을 기울이고 있다. 작년에 기업 임원급을 대상으로 ‘디지털 전환 아카데미’를 꾸준히 진행해 왔는데, 올해도 이런 활동을 이어갈 계획이다. 아카데미에는 한국타이어, LG이노텍, KG모빌리티 등 여러 국내 기업의 C 레벨 임원들이 직접 참석하고 있는데, 설루션 소개가 아닌 베스트 프랙티스와 문제 해결 경험담을 공유하면서 높은 참여율과 좋은 호응을 얻고 있다. 아카데미의 주된 목적은 수백억 원의 큰 투자나 거대 담론에 휩쓸리지 말고, 임원의 권한 내에서 당장 할 수 있는 작은 디지털 전환 과제부터 빠르게 실행할 수 있도록 독려하는 것이다.   2026년 국내 제조 시장 전망과 주요 비즈니스 계획을 소개한다면? 복잡한 대내외 환경 속에서도 주요 대기업들은 근본적인 혁신을 계속 추구할 것으로 보인다. 현대자동차 등의 오픈 이노베이션 가속화, 휴머노이드 로봇 산업의 성장, 전고체 배터리 등 신시장 혁신이 공격적으로 진행될 것으로 본다. 지멘스 디지털 인더스트리 소프트웨어는 올 한 해 AI를 산업에 적용해 실질적인 비즈니스 효과를 검증하고 확산하는 데 집중하고자 한다. 특히 조선 분야를 중심으로 디지털 트윈 컴포저의 현장 적용을 지원할 예정이다. 미국이나 중국 기업들이 호기심을 갖고 빠르게 테스트해 보는 반면 국내 기업들은 실행 속도가 다소 느린 경향이 있다고 느끼는데, 앞으로는 실패를 두려워하지 않는 과감한 실험적 투자 문화가 자리 잡기를 바란다.     ■ 기사 내용은 PDF로도 제공됩니다.

한국오라클이 2월 3일 연례 콘퍼런스인 ‘오라클 AI 서밋(Oracle AI Summit) 2026’을 열고, 데이터와 AI의 결합을 통한 기업의 생존 및 성장 전략을 제시했다. 오라클은 AI 벡터 검색 기능이 통합된 데이터베이스 새 버전을 선보이면서, 복잡한 데이터를 의미론적으로 분석하고 검색 증강 생성(RAG) 기술을 효율적으로 구현하는 방안을 설명했다. 또한 스스로 계획하고 행동하는 에이전틱 AI(agentic AI)와 데이터베이스 관리를 돕는 AI 어시스턴트의 도입을 강조했다. 오라클은 자사의 융합형 아키텍처를 앞세워 기업의 현대적인 AI 기반 비즈니스 환경을 지원할 예정이다. ■ 정수진 편집장     AI의 핵심은 데이터, 데이터와 AI의 통합은 필연 오라클은 기업이 AI를 활용해 성과를 얻기 위해 가장 핵심이면서 중요한 요소로 ‘데이터’를 내세운다. AI가 기업 데이터 관리의 패러다임을 재편하는 필수 요소가 되면서, 오라클은 ‘AI와 데이터가 초기 설계 단계부터 함께 구축’되어야 한다고 강조했다. 오라클은 기업이 특정 부서의 업무를 향상시키는 데에는 AI를 잘 활용하고 있지만, 이를 전사 업무 프로세스의 향상으로 확장하는 데에는 어려움을 겪고 있는 것으로 보고 있다. 오라클의 티르탄카르 라히리(Tirthankar Lahiri) 미션 크리티컬 데이터 및 AI 엔진 부문 수석 부사장은 그 핵심 원인에 대해 조직 내 데이터가 분산(silo)되어 있기 때문이라고 짚으면서, “융합형 데이터 플랫폼을 통해 데이터 접근성을 통합해야 실질적인 AI 비즈니스 성과를 낼 수 있다”고 전했다. AI를 활용해 기업 비즈니스와 관련된 질문에 대해 답을 얻으려면, 질문과 관련해서 적절한 기업 내부의 데이터를 AI에 제공해야 한다. AI는 제공받은 비즈니스 데이터와 자체 지식, 그리고 공개된 외부 데이터를 결합하여 보다 정확한 결과를 생성할 수 있다. 오라클이 데이터의 중요성을 강조하는 이유가 여기에 있다. 한편으로, 복잡성을 줄이고 AI 기능의 신뢰도를 높이는 것도 중요하다. 분산된 기술이나 개별 제품을 단순히 이어 붙이는 방식은 복잡성과 비용을 키울 수밖에 없다. 오라클은 데이터가 위치한 곳에 AI를 직접 내재화하여 통합 설계하면, 시스템 운영이 단순해지고 기업이 신뢰할 수 있는 빠르고 일관된 AI 혁신이 가능해진다고 보고 있다.   AI를 위한 통합 아키텍처로 차세대 혁신 지원 AI를 위한 오라클의 데이터 전략은 ‘데이터 혁신을 위한 AI(AI for Data)’로 요약할 수 있다. 이 전략은 단순히 AI 기술을 덧붙이는 것이 아니라, AI를 데이터 플랫폼의 가장 핵심적인 부분에 내재화해서, 기업이 AI 리더로 도약하고 새로운 환경에서 번영할 수 있도록 돕는 데 초점을 맞춘다. 오라클 데이터 전략의 주된 방향은 ▲AI, 데이터, 애플리케이션 개발, 그리고 개방형 표준의 통합 구축 ▲개방형 표준에 기반한 융합형 아키텍처로 모든 데이터 유형과 워크로드를 일관된 플랫폼에서 결합하고 탐색할 수 있도록 지원 ▲데이터 사일로 현상을 해결하기 위해, 데이터, AI 모델, 실행 과정을 하나로 아우르는 단일 프레임워크 제공 ▲자체 LLM뿐 아니라 xAI, 구글, 메타, 코히어, 오픈AI 등의 AI 모델을 오라클 인프라 내에 자동으로 임베디드하고 유연하게 수용 ▲기업의 내부 프라이빗 데이터가 보호받을 수 있도록 거버넌스, 프라이버시, 보안을 최우선으로 고려하는 것이다. 오라클은 이런 전략이 집약된 차세대 AI 네이티브 데이터베이스인 ‘오라클 AI 데이터베이스 26ai’를 통해, 기업들이 경쟁사보다 한발 앞서 비즈니스 인사이트를 얻고 생산성 혁신을 달성할 수 있도록 돕는다는 계획이다.   AI 네이티브를 강조한 오라클 데이터베이스 26ai 오라클 AI 데이터베이스 26ai의 핵심 기능은 다음과 같다. 통합 AI 벡터 검색 : 문서, 이미지, 동영상, 관계형 데이터 등 다양한 형태의 데이터를 의미와 맥락을 나타내는 ‘AI 벡터(vector)’로 변환해서 처리한다. 이를 통해 일치하는 값을 찾는 것을 넘어, 의미적 유사성을 기반으로 밀리초(ms) 단위의 고속 검색을 제공한다. 단일 SQL문을 통한 RAG 파이프라인 통합 : AI 벡터 검색으로 찾은 기업 내부 데이터를 LLM과 결합하여 정확하고 맥락에 맞는 답변을 도출하는 RAG(검색 증강 생성) 기능을 지원한다. 또한, 복잡한 RAG 전체 파이프라인을 단일 SQL 구문이나 데이터베이스 API를 통해 간편하게 실행할 수 있다. 데이터베이스 내 에이전틱 AI(agentic AI) 직접 통합 : AI 에이전트를 데이터베이스 내부에 직접 통합 및 설계해서 기업이 쉽고 안전하게 구축, 배포, 관리할 수 있도록 지원한다. 기업의 내부 프라이빗 데이터는 물론 웹 검색 등 외부 공개 데이터까지 결합해서 수준 높은 답변을 제공할 수 있다. AI를 위한 데이터 주석 기능 : AI가 데이터의 의미를 잘못 유추하지 않도록, 사용자가 테이블이나 컬럼의 의미와 용도를 LLM에게 명시적으로 설명해 줄 수 있는 주석(annotations) 기능을 제공한다. 이는 LLM이 더 우수한 결과물을 생성하도록 돕는다. 모든 데이터 유형의 통합 검색 : AI 벡터 검색 기능은 전통적인 관계형 데이터뿐만 아니라 텍스트, 공간, JSON, XML 데이터 등 모든 종류의 데이터 검색과 매끄럽게 결합되어 통합적인 데이터 탐색 환경을 제공한다.   데이터 중심 AI로 엔터프라이즈 혁신 돕는다 오라클은 개방형 생태계를 기반으로 하는 ‘기업용 맞춤형 AI’를 제공하면서, 기업 내부 데이터의 거버넌스, 프라이버시, 보안을 요구하는 엔터프라이즈 환경에 최적화된 AI 접근 방식을 내세운다. 한국오라클의 김성하 사장은 “오라클은 ‘데이터베이스 기업’이라는 기존의 인식에서 벗어나 ‘데이터 중심의 AI 플랫폼 기업’으로서 입지를 굳히고, 엔터프라이즈 클라우드 시장 점유율을 높이고자 한다”면서, 국내 시장 전략을 소개했다. 한국오라클은 OCI(오라클 클라우드 인프라스트럭처)의 성능과 안정성, 비용 효율에 대한 고객의 신뢰를 바탕으로, 기업의 핵심적인 기간계 업무를 클라우드로 전환하는 데 집중하고 있다. 오라클에 따르면, POC를 넘어 실질적인 클라우드 소비가 전년 대비 2025년 두 배 이상 증가했으며, 비 오라클 데이터베이스 워크로드의 클라우드 전환도 확대하고 있다. 오라클은 국내 2곳의 퍼블릭 클라우드 리전(데이터센터)을 안정적으로 운영하면서 지속적인 성장 발판을 마련했다고 보고 있다. 또한 고객이 자체 데이터센터 내에서 오라클 클라우드를 사용할 수 있도록 지원하는 전용 리전(Dedicated Region Cloud@ Customer)를 국내 세 곳의 고객사에 구축·운영하는 등 고객 맞춤형 인프라 전략을 전개 중이다. 김성하 사장은 “올 상반기 국내 AWS 데이터센터에 오라클의 고성능 데이터베이스 머신인 엑사데이터(Exadata)를 배치할 예정이다. 이는 핵심 데이터베이스를 안전하게 운용하고자 하는 금융권 및 대형 엔터프라이즈 고객의 멀티 클라우드 도입 수요를 흡수하기 위한 전략”이라고 소개했다. 이와 함께, 오라클은 국내 AI 시장을 선도할 유망 스타트업이 OCI를 기반으로 성장할 수 있도록 협력 및 지원을 이어갈 예정이다. 이런 노력을 통해 국내 AI 혁신 고객 사례를 늘려가겠다는 것이 오라클의 계획이다.       ■ 기사 내용은 PDF로도 제공됩니다.

트렌드에서 얻은 것 No. 28   ▲ 클릭하면 큰 그림으로 볼 수 있습니다.   21세기 제조 산업은 기계적 자동화를 넘어 데이터와 인공지능(AI)이 설계, 생산, 운영의 전 과정을 주도하는 지능형 시대로 진입하고 있다. 2025년을 기점으로 인공지능은 생산성을 보조하는 도구의 단계에서 벗어나, 엔지니어링의 근간을 재정의하는 ‘AI 네이티브(AI-native)’ 환경의 핵심 인프라로 자리 잡았다. 과거의 제조 방식이 숙련공의 경험과 직관에 의존하는 결정론적(deterministic) 방식이었다면, 미래의 스마트 엔지니어링은 방대한 산업 데이터를 기반으로 최적의 의사결정을 자율 수행하는 확률론적(probabilistic) 방식으로 전환되고 있다. 이번호 칼럼에서는 글로벌 선도 기업의 실무 적용 사례를 통해 2026년 제조업이 나아가야 할 방향을 알아보고자 한다.   스마트 엔지니어링의 역사적 진화와 패러다임의 전환 스마트 엔지니어링의 역사는 물리적 모델을 디지털 공간으로 옮기려는 지속적인 노력의 산물이다. 1990년대 초반, 보잉은 777 기종의 개발 과정에서 CAD를 활용한 디지털 목업(DMU) 기술을 도입하며 설계 혁신을 시작했다. 이는 종이 도면 없이 항공기 전체를 3D 상에서 검증한 최초의 사례로 기록된다. 이후 2010년대에 들어서며 에어버스 A350의 사례와 같이 설계 리뷰 전 과정이 디지털화되었고, 2020년대에 이르러서는 복제를 넘어 물리적 대상과 실시간으로 데이터를 주고받는 디지털 트윈(digital twin) 기술이 성숙기에 접어들었다. 2025년부터 2026년 사이의 기술적 전향점은 이러한 디지털 트윈이 AI 네이티브 지능을 탑재하기 시작했다는 점이다. 이제 엔지니어링 업무의 30%를 차지하던 과거 데이터 검색 및 비부가가치 활동은 구체적인 사례가 공개되고 있지는 않지만, 시대의 흐름에 따라 서서히 생성형 AI와 검색 증강 생성(RAG) 기술로 대체되어 갈 것으로 보인다. 또한, 글로벌 기업의 끊임없는 연구로 인해 엔지니어는 반복적인 분석 대신 창의적인 문제 해결과 맥락적 의사결정에 집중하는 ‘코파일럿(co-pilot)’ 시대도 곧 맞이할 것으로 예상된다.     이러한 패러다임의 전환은 한국 제조업에도 시급한 과제다. 미국, 독일, 일본 등 주요 제조 강국과 비교할 때 한국의 제조업 부가가치율은 여전히 상대적으로 낮은 수준에 머물러 있으며, 대기업과 중소기업 간의 생산성 격차는 약 4배에 이른다. 고령화와 저출산으로 인한 노동력 감소, 근로시간 단축 등 제약 사항이 증가하는 상황에서 AI를 통한 제조 지능화는 선택이 아닌 생존을 위한 필수 전략으로 부상하고 있다.   제조 지능화를 위한 AI 핵심 활용 방안 및 기술 분석 제조 현장에서 AI를 실무에 적용하는 방식은 정보 추출부터 복잡한 공정 시뮬레이션 및 자율 제어에 이르기까지 넓은 영역을 포괄한다. 지능형 지식 검색 및 데이터 파이프라인 최적화는 엔지니어링 업무의 상당 부분은 과거의 기술 문서, 도면, 실험 데이터를 찾는 데 소요된다. 최근의 RAG(Retrieval Augmented Generation) 기술은 수십 년간 축적된 비정형 데이터(PDF, 엑셀, 문서)를 벡터 데이터베이스(vector DB)로 변환하여 자연어 질문에 답변하고 근거가 되는 출처를 명확히 제시함으로써 환각(hallucination) 문제를 해결하고 있다. 이는 글로벌 프로젝트에서 기술 문서의 실시간 번역과 용어 표준화를 지원하여 협업 효율을 극대화한다. 또한, 연구 프로세스 개선을 위해 데이터 파이프라인 중심의 자동화가 추진되고 있다. 기존의 실험 연구자가 수기로 기록하던 방식에서 벗어나 디지털화된 시료 분석과 제어 데이터를 클라우드 협업 환경에 통합함으로써, 연구 산출물의 재현성을 높이고 멘토링의 질을 개선하는 것이 핵심이다. 생성형 설계(generative design)와 제조 공법 인지는 엔지니어의 상상력을 정교한 설계안으로 구현하는 데 결정적인 역할을 한다. 설계자가 경량화, 강성 등 목표 조건과 재료, 제조 공법 등의 제약 조건을 입력하면 AI는 수백 가지의 대안을 생성한다. 특히 ‘제조 공법 인지(manufacturing-aware)’ 기능은 주조 공법 시 금형에서 제품이 빠져나올 수 있는 구배 각도를 자동 고려하거나 3축/5축 가공 시 공구가 접근할 수 없는 언더컷 형상을 배제하는 수준까지 진화했다. 일본의 니프코(Nifco)는 이를 활용해 전통적인 육각형 허니콤 구조를 넘어선 비정형 유기적 패턴을 설계함으로써 강성을 유지하면서도 재료 사용량을 획기적으로 절감하는 성과를 거두었다. 에이전틱 AI(agentic AI)와 자율적 프로세스 제어 부분을 살펴보면, 2026년의 주요 트렌드인 에이전틱 AI는 분석을 넘어 독립적으로 과업을 계획하고 실행하는 능력을 갖출 것이다. 기존의 AI가 ‘무엇이 잘못되었는가’를 알려주는 예측 도구였다면, 에이전틱 AI는 ‘어떻게 해결할 것인가’를 결정하고 실행한다.     인과관계 AI(causal AI)와 지식 조립 공장은 전통적인 머신러닝 모델은 데이터 간의 상관관계에 의존하기 때문에 ‘왜’라는 질문에 답하기 어렵고, 공정 환경이 변하면 모델이 붕괴되는 한계를 가진다. 이를 극복하기 위해 2026년에는 인과관계 AI가 제조업의 핵심 기술로 부상하고 있다. 인과관계 AI는 데이터 패턴 학습을 넘어 원인과 결과의 사슬을 규명한다. 예를 들어, 공장 내 배관의 결로 현상과 습도 데이터 사이에는 강한 상관관계가 존재하지만, 습도가 결로의 원인인지 혹은 그 반대인지를 명확히 정의하지 못하면 잘못된 설비 투자가 이루어질 수 있다. 인과관계 AI는 주다 펄(Judea Pearl)의 수학적 기초를 바탕으로 개입(intervention) 분석을 수행하여 ‘만약을 변경한다면은 어떻게 변할 것인가’라는 질문에 명확한 수치를 제공한다. 인하대학교 이창선 교수가 제시한 KAMG AI(Knowledge Assembly Factory) 개념은 AI가 스스로 모든 것을 만드는 것이 아니라, 인간 전문가가 설계한 ‘인과 지식 설계도(blueprint)’를 기반으로 AI가 지식을 조립하는 방식을 취한다. 이는 존재(entity), 속성(attribute), 관계(relation) 프레임워크를 통해 지식을 해부하고 표준화된 조립 공정을 거쳐 인과 예측 모델을 산출한다. 이 과정에서 엔지니어는 프로그래머가 아닌 시스템의 의미와 변수의 역할을 결정하는 ‘지식 설계자(architect)’로 거듭나게 된다. 데이터 거버넌스와 팔란티어 온톨로지(ontology) 전략의 핵심은, 제조 AI가 진정한 가치를 창출하기 위해서는 현장의 모든 데이터가 실시간으로 연결되는 ‘디지털 스레드(digital thread)’가 전제되어야 한다는 것이다. 팔란티어의 온톨로지 기술은 데이터 사일로(silo) 문제를 해결하고 기업의 전체 데이터 유니버스를 비즈니스 맥락으로 재구성하는 핵심 아키텍처를 제공한다. 온톨로지는 데이터를 분류하는 것을 넘어 업무, 조직, IT 시스템 간의 공통 언어를 제공한다. 팔란티어 파운드리는 기존 레거시 시스템(ERP, PLM, MES 등)의 데이터를 물리적으로 옮기지 않고 연결하며, 이를 객체(object)와 관계(link)로 모델링한다. 객체(entity) : 차량 모델, 부품, 공정, 설비, 고객 등 핵심 요소를 개체화한다. 속성(attribute) : 개체의 특징(온도, 압력, 재질, 작업 시간)을 정의한다. 관계(relationship) : ‘부품은 공정에서 사용된다’, ‘설계 변경은 생산에 영향을 준다’와 같은 업무적 연결을 구조화한다. 구축된 온톨로지 위에서 팔란티어의 AIP(Artificial Intelligence Platform)는 자연어 인터페이스를 통해 현장의 복잡한 상황을 분석하고 대응한다. 예를 들어, ‘5월 출하 지연 리스크를 요약해달라’는 명령에 대해 AI는 공급망, 재고, 생산 실적 데이터를 온톨로지 상에서 실시간으로 탐색하여 리스크의 원인을 파악하고, 대체 시나리오의 비용 효율을 시뮬레이션한 뒤 실행 승인을 요청한다. HD현대(전 현대중공업그룹)의 FOS(Future of Shipyard, 미래 첨단 조선소) 프로젝트는 2030년까지 세계 최초의 자율 운영 스마트 조선소를 구현하기 위해 팔란티어의 빅데이터 플랫폼인 ‘파운드리(Foundry)’를 도입하는 핵심적인 디지털 전환 사업이다. BMW는 팔란티어의 데이터 플랫폼인 파운드리를 도입하여 생산, 공급망 관리 및 품질 관리 시스템을 고도화하고 있다. 특히 팔란티어의 QMOS(Quality Management Operating System) 설루션을 통해 데이터 기반의 ‘제로 디펙트(zero defect, 무결점)’ 생산 환경을 구축하는 것이 핵심이다. 에어버스는 팔란티어의 파운드리 기술을 도입하여 항공기 제조 및 운항 데이터를 통합 관리하는 ‘스카이와이즈(Skywise)’ 플랫폼을 구축했다. 이를 통해 A350 인도 속도를 33% 향상시키고 운영 효율을 극대화하며, 데이터 기반의 의사결정 시스템을 혁신했다.   품질, 예지보전 및 에너지 최적화의 기술적 심화 AI가 제조 현장에 가져온 가장 직접적인 성과는 품질 비용 절감과 비가동 시간(downtime)의 최소화다. 현대트랜시스는 자체 개발한 AI 기반 품질 검사 시스템인 TADA(Transys Advanced Data Analytics) 스마트 설루션을 생산 현장에 적용하여, 기존 93% 수준이던 불량 검사 정확도를 99.9%까지 끌어올렸다. LG에너지솔루션은 AI 및 빅데이터 기술을 활용해 전 세계 생산 공장을 ‘지능형 스마트 팩토리’로 전환하고, 배터리 제조 품질과 생산 효율을 극대화하는 것을 AI 비전으로 삼고 있다. 특히, CDO 직속 AI 기술팀을 통해 공정 데이터를 분석하여 배터리 수명을 예측하고, 스마트 공장 기술을 적용하여 글로벌 생산 기지의 경쟁력을 강화하는 중책을 맡고 있다. 기존의 예지보전이 단일 센서의 임계치 모니터링에 의존했다면, 예지보전 2.0은 진동, 전류 파형, 소음, 온도를 동시에 분석하는 멀티모달(multi-modal) 방식을 취한다. AI는 고장 징후를 발견할 뿐만 아니라, ‘최근 3개월간의 패턴 분석 결과 내륜 손상이 의심되니 메뉴얼 45페이지의 베어링 교체 절차를 따르라’는 처방적 가이드를 생성형 AI를 통해 현장 작업자에게 즉시 전달한다. 포스코 광양제철소는 이를 연속 주조 설비에 적용하여 고장 예지 시스템을 성공적으로 구축했다. 탄소 배출 규제가 강화되는 가운데 AI는 에너지 사용량 예측과 최적화에 결정적인 역할을 한다. 슈나이더 일렉트릭은 예측 AI를 활용하여 산업 시설의 에너지 효율을 높이고 운영비를 절감하는 설루션을 제공하고 있으며, 한국그린데이터 등 국내 기업들도 AI 챗봇이 탑재된 운영 체제를 통해 제조업의 에너지 피크 관리와 전력 최적화를 지원하고 있다.   2026 글로벌 기술 트렌드 및 리더십의 우선순위 2026년은 AI가 ‘생산성 향상 도구’에서 ‘책임과 신뢰의 기반’으로 진화하는 해가 될 것이다. 딜로이트와 가트너 등의 보고서에 따르면 기업 리더들은 다음의 네 가지 영역에 집중해야 한다. 첫째, 에이전틱 리얼리티 체크(agentic reality check)이다. 챗봇 도입을 넘어 비즈니스 프로세스 자체를 재설계해야 한다. 보고서에 따르면 40%의 에이전틱 AI 프로젝트가 2027년까지 실패할 것으로 예상되는데, 이는 기술적 문제보다는 기존의 망가진 프로세스를 단순히 자동화하는 ‘자동화 함정’ 때문이라고 분석된다. 성공하는 기업은 엔드 투 엔드 프로세스 전체를 혁신하며 인간과 에이전트 팀을 오케스트레이션하는 모델을 채택하고 있다. 두 번째, 소버린 AI(sovereign AI)와 보안 거버넌스이다. 데이터 주권과 국가별 규제 대응이 중요해짐에 따라 소버린 AI 전략이 필수이다. 2026년에는 기업의 77%가 공급업체 선택 시 설루션의 원산지를 고려하며, 로컬 벤더를 중심으로 한 독립적인 AI 스택 구축이 확산될 것이다. 또한, 데이터 모델 오염(poisoning) 리스크에 대응하기 위한 예측적 OT 사이버 보안 체계 구축이 가속화될 전망이다. 세 번째, 피지컬 AI와 휴머노이드 로봇의 확산이다. 제조, 물류, 국방 분야를 중심으로 피지컬 AI의 도입이 급증하고 있다. 2026년에는 아시아-태평양 지역을 중심으로 피지컬 AI 채택률이 80%에 도달할 것으로 보이며, 이는 공장 내 정적인 자동화 설비를 대체하여 비정형 환경에서도 유연하게 대응하는 자율 운영 공장의 핵심 요소가 될 것이다. 네 번째, 지능형 컴플라이언스 및 표준화이다. 규제 당국 역시 AI를 활용하여 기업의 데이터를 실시간 모니터링하는 시대가 오고 있다. 이제 정기 감사에 대비하는 수준을 넘어, 시스템이 스스로 규정 위반 리스크를 예측하고 보고하는 ‘예측적 컴플라이언스’가 표준으로 자리 잡을 것이다.   실무자를 위한 실행 로드맵 스마트 엔지니어링을 위한 AI 활용은 더 이상 미래의 담론이 아닌 2026년 현재의 경영 핵심 과제다. 2026년은 지식 소유 자체가 무의미해지는 시점이며, AI가 생성한 결과물을 편집하고 맥락화하는 ‘아키텍트(architect)’ 능력이 엔지니어의 몸값을 결정짓게 될 것이다. 기업은 성공적인 AI 전환을 위해 다음의 3단계 로드맵을 고려해야 한다. 첫째, 지능형 설계 및 시뮬레이션 단계를 통해 아이디어를 가장 빠르게 현실화할 수 있는 데이터 환경을 구축해야 한다. 둘째, 스마트 생산 및 운영 단계를 통해 물리적 세계를 정밀하게 제어하고 최적화하는 디지털 스레드와 온톨로지 체계를 완성해야 한다. 셋째, 제품, 공장, 도시를 하나의 유기체로 연결하는 생태계 통합 단계로 나아가야 한다. AI는 도구가 아니라 설계–생산–운영 전반을 학습하고 최적화하는 ‘지능형 플라이휠(intelligent flywheel)’이다. 지금 이 순간에도 데이터는 쌓이고 있으며, 이를 인과관계로 해석하고 에이전틱 AI로 실행에 옮기는 기업만이 2026년 이후의 제조업 패러다임 변화에서 승리자가 될 수 있을 것이다.   ■ 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.

지멘스가 CES 2026에서 대규모 산업용 메타버스 환경을 구축하는 신규 소프트웨어 설루션 ‘디지털 트윈 컴포저(Digital Twin Composer)’를 발표했다. 이 설루션은 기업이 산업용 AI, 시뮬레이션 및 실시간 물리 데이터를 활용해 가상 환경에서 신속한 대규모 의사결정을 내릴 수 있도록 지원한다. 디지털 트윈 컴포저는 2D 및 3D 디지털 트윈 데이터를 물리적 실시간 정보와 결합해, 엔비디아 옴니버스(NVIDIA Omniverse) 라이브러리를 사용해 구축된 안전하고 관리되는 실시간 포토리얼리스틱 시각 장면을 구현할 수 있도록 지원한다. 기업은 디지털 트윈 컴포저를 통해 제품, 공정, 설비의 전체 수명 주기 전반에 걸쳐 가상 데이터와 물리 데이터를 모두 포함한 글로벌 환경을 신속하게 구축하고 유지할 수 있다. 이를 통해 보안이 확보된 고정밀 3D 환경에서 제품과 생산 데이터의 모든 요소를 통합적으로 관리할 수 있다. 디지털 트윈 컴포저는 상황에 맞춘 실시간 인사이트와 인텔리전스를 제공해 기업이 실제 환경을 반영한 상태에서 물리적 설계나 시공에 앞서 모든 제품, 공정, 공장을 시각화하고 상호작용하며 반복 검증할 수 있도록 지원한다. 최신 스마트폰부터 조선소의 유조선 탱커, 자율주행 전기차, 그린필드 또는 브라운필드 부지에 구축되는 새로운 AI 공장에 이르기까지 폭넓게 적용할 수 있다.     많은 설계, 엔지니어링 및 생산 팀은 여전히 각기 다른 툴과 분리된 데이터 시스템에 의존하며 독립적으로 업무를 수행하고 있다. 디지털 트윈 컴포저는 설계, 시뮬레이션, 운영을 하나의 생생한 맥락 기반 모델로 통합함으로써 이러한 장벽을 낮춘다. 이를 통해 엔지니어는 몇 분 안에 제품, 공정, 시설을 테스트할 수 있고, 하드웨어가 준비되기 훨씬 이전 단계에서 자동화를 검증할 수 있으며, 단일 디지털 트윈을 통해 실제 제품이나 시설 운영까지 수행할 수 있다. 디지털 트윈 컴포저는 전 세계 기업이 디지털 트윈을 개발하는 데 활용하는 산업 검증 소프트웨어 포트폴리오인 지멘스 엑셀러레이터(Siemens Xcelerator)의 일부다. 이 포트폴리오는 기업이 제품, 공정, 공장을 빠르고 확장성 있게 설계하고 시뮬레이션하며 준비할 수 있도록 지원한다. 디지털 트윈 컴포저는 지멘스 엑셀러레이터를 통해 구축된 물리적으로 정확한 고성능 포토리얼리스틱 3D 디지털 트윈을 MES(제조 실행 소프트웨어), QMS(품질 관리 시스템), 기계나 공장 자산의 PLC(프로그래머블 로직 컨트롤러) 코드, 산업용 IoT(IIoT) 데이터 등 실제 물리 데이터 소스와 연결하는 데 활용된다. 이는 개방형 엔지니어링 데이터 생태계 전반에 걸쳐 이뤄진다. 추가적인 인사이트는 지멘스의 데이터 사이언스·AI 소프트웨어인 래피드마이너(RapidMiner)와 기타 AI 설루션과의 통합을 통해 확보할 수 있다. 이를 통해 가상 세계의 인텔리전스와 실시간 인사이트를 제공하며, 기업이 보다 확신을 가지고 의사결정을 내릴 수 있도록 지원한다. 지멘스 디지털 인더스트리 소프트웨어의 조 보먼(Joe Bohman) PLM 제품 총괄 부사장은 “새로운 디지털 트윈 컴포저는 산업 메타버스에 대한 지멘스의 비전을 구현한다. 이는 복잡성 관리, 생산 가속, 비용 절감, 수익성 제고라는 전례 없는 과제를 제조사가 극복하도록 지원한다. 지멘스와 엔비디아는 제조 기업이 가장 복잡한 제품, 공정, 공장을 더 빠르게 온라인으로 전환하고, 회복력과 지속가능성을 강화하며, 성과를 지속적으로 최적화할 수 있도록 지원하기 위해 협력하고 있다”고 전했다. 엔비디아의 레브 레바레디언(Rev Lebaredian) 옴니버스 및 시뮬레이션 기술 부문 부사장은 “모든 물리적 객체와 공정이 디지털 트윈을 갖게 되는 시대에, 지멘스의 디지털 트윈 컴포저는 지멘스 엑셀러레이터 생태계 전반에서 설계, 엔지니어링, 운영 간 분리돼 있던 사일로(silo)를 연결하는 디지털 스레드를 구축한다. 디지털 트윈 컴포저에 엔비디아 옴니버스 라이브러리를 통합함으로써, 기업은 워크플로 전반에 걸쳐 물리적으로 정확한 시뮬레이션을 활용해 제품 설계부터 물류에 이르기까지 실제 적용하기 전에 전체 제품 수명주기를 가상 세계에서 검증할 수 있다”고 설명했다.

제조 경쟁력을 위한 PLM 플랫폼 및 한국 맞춤형 성공 모델 구축 추진   독일의 PLM 소프트웨어 기업인 콘택트 소프트웨어가 최근 한국을 포함한 아시아 지역 투어를 진행하면서 자사의 비전과 기술을 소개했다. 콘택트 소프트웨어는 모듈형 아키텍처와 개방성을 앞세우면서 미래 지향적인 스마트 산업 AI 설루션을 제공하는 데에 초점을 맞추고 있다.콘택트 소프트웨어의 칼 하인츠 자크리스(Karl Heinz Zachries) CEO는 캐드앤그래픽스와 진행한 서면 인터뷰를 통해 자사의 비전과 PLM 기술의 미래, 한국 시장에 대한 기대 등에 관해 소개했다. ■ 정수진 편집장     콘택트 소프트웨어의 핵심 미션에 대해 소개한다면 우리는 PLM 설루션 기술을 중심으로 제조업체가 복잡한 제품 개발 과정을 단순화하고, 혁신을 가속화하며, 시장 출시 시간을 단축하도록 돕는 것을 핵심 미션으로 삼고 있다. 우리는 기술과 비즈니스 프로세스를 통합하여 고객이 끊임없이 변화하는 글로벌 시장에서 경쟁 우위를 확보하도록 지원하고자 한다.   콘택트 소프트웨어가 바라보는 PLM 분야의 주요 과제는 무엇인지 오늘날의 제조산업은 IoT(사물인터넷), AI(인공지능) 그리고 복잡하게 얽힌 글로벌 공급망으로 인해 더욱 복잡해지고 있다. 이런 상황에서 우리는 크게 두 가지의 주요 과제에 집중하고 있다. 첫 번째는 데이터의 단절 및 비효율이다. 제품의 전체 수명 주기 동안 발생하는 방대한 데이터와 정보를 단절 없이 통합하고, 모든 이해관계자가 실시간으로 협업할 수 있는 환경을 제공하여 데이터 사일로(silo) 현상을 해소하는 것이다. 두 번째는 PLM의 경계 확장 및 통합이다. 우리는 단순한 PLM을 넘어, IoT, MES(제조 실행 시스템) 그리고 메카트로닉스(mecatronics) 영역으로 설루션 영역을 확장하고 있다. 이를 통해 설계–제조–운영을 통합하는 디지털 연속성을 확보하여, 고객의 엔드 투 엔드(end-to-end) 효율을 극대화하는 것이 우리의 핵심 과제다.   콘택트 소프트웨어의 PLM 설루션이 차별화되는 점은 무엇인지 우리의 설루션은 유연성, 확장성, 그리고 실질적인 비즈니스 가치 창출에 중점을 두고 있다. 콘택트 소프트웨어는 유럽 최고 수준의 고객 레퍼런스를 갖고 있다고 생각한다. 포르쉐, 메르세데스-벤츠와 같은 자동차 제조업체뿐만 아니라 유통 분야의 선두 주자인 리들(Lidl)에 이르기까지, 다양한 산업 분야의 세계적인 리더 기업이 우리의 설루션을 선택했다. 이들의 성공 사례는 우리 기술의 우수성과 신뢰성을 입증한다. 또한, 우리는 통합된 디지털 트윈을 지원한다. 단순한 3D 모델링을 넘어 제품의 성능, 제조 공정, 그리고 사용 단계까지 시뮬레이션하고 최적화할 수 있는 진정한 통합 디지털 트윈 환경을 제공한다.   사업 및 기술 측면의 최근 성과를 소개한다면 가장 최근의 성과는 유럽을 넘어 글로벌 시장으로 성공적인 확장을 눈앞에 두고 있다는 점이다. 특히, 북유럽 지역의 대형 유람선 제조업체 및 중동의 주요 엔지니어링 업체와 대형 계약의 체결을 눈앞에 두고 있다. 이는 우리의 설루션이 극한의 복잡성과 정밀함이 요구되는 산업 분야에서도 최고의 선택임을 증명한다고 할 수 있겠다. 기술적 성과 측면에서는, 퓨리에 AI(Fourier AI) 라는 자체 인공지능을 활용하여 설계 및 검증 시간을 크게 단축시키는 신규 기술이 고객들로부터 좋은 반응을 얻고 있다.   앞으로 PLM 기술이 나아갈 방향에 대해 전망한다면 향후 5년을 보자면, PLM은 크게 두 가지 방향으로 진화할 것으로 보인다. 첫 번째는 경계 없는 통합과 AI 기반의 지능화이다. PLM은 더 이상 제품 개발 부서에만 국한되지 않고, 전사적인 ERP 및 MES 시스템과 완전히 통합되어 기업의 모든 가치 사슬을 아우르는 단일 디지털 백본(backbone) 역할을 할 것으로 본다. 우리는 지속적인 M&A를 통해 첨단 기술을 확보하고 PLM의 영역을 IoT, MES 및 메카트로닉스 분야로 확장하여, 경계 없는 통합을 주도할 계획이다. 또한, AI는 데이터 분석을 넘어 설계 최적화, 잠재적 오류 예측, 그리고 개인화된 작업 흐름 제안 등 능동적인 의사결정 지원 도구로 자리 잡을 것으로 본다. 또 하나 주목하는 핵심 방향은 지속 가능성과 순환 경제이다. PLM은 제품의 폐기 단계까지 고려하는 순환 경제(circular economy)의 구현에 있어 필수 도구가 될 것이다. 이에 따라 제품의 재활용 및 재사용성을 설계 단계부터 관리하고 추적하는 기능이 PLM 설루션의 핵심 역량이 될 것으로 본다.   한국의 PLM 시장에 대한 인상과 전략은 어떤 것인지 2025년 말 진행한 ‘콘택트 엘리멘츠 라이브 투어(CONTACT Elements Live Tour)’ 행사를 통해 짧게나마 한국의 관계자들을 직접 만나고, 한국 시장에 대한 우리의 큰 기대를 전달했다. 우리는 유럽에서의 성공을 발판 삼아 아시아 지역에서의 투자를 확대하고 있으며, 당연히 지역 내 대표 제조 국가인 한국에 대한 투자를 지속적으로 늘릴 것이다. 우리는 한국의 주요 제조 기업과 심도 깊은 논의를 통해 그들의 PLM 전략 및 구체적인 요구사항을 파악하고, 한국 파트너사와의 협력 관계를 더욱 탄탄히 다지면서 한국 맞춤형 성공 모델을 구축하고자 한다. 한국은 세계적인 수준의 제조업 강국이며, 기술 도입에 매우 적극적이고 역동적인 시장이라는 인상을 받았다. 한국 기업들은 4차 산업혁명 기술을 빠르게 수용하고 있으며, PLM을 단순한 관리 도구가 아니라, 미래 경쟁력을 확보하기 위한 핵심 전략 플랫폼으로 인식하고 있는 것 같다. 특히, 한국 제조업의 높은 수준의 자동화와 스마트 공장 구현 노력은 우리가 집중 투자하고 있는 PLM, IoT, MES, 그리고 메카트로닉스 통합 설루션의 시너지를 극대화할 수 있는 최적의 환경이라고 판단한다. 우리는 한국을 아시아 비즈니스의 핵심 거점으로 보고 있으며, 한국 제조업이 글로벌 혁신을 주도하는 데에 기여하고자 한다. 한국의 제조업 혁신에 동참하고 기여할 콘택트 소프트웨어의 향후 행보에 많은 기대와 관심을 부탁한다.     ■ 기사 내용은 PDF로도 제공됩니다.

입자 유동해석 기술과 GPU 컴퓨팅의 도입 필자는 2000년대 초반 전산유체역학(CFD)에 관심이 있어 대학원을 진학하고 관련 연구실에 들어가게 되었다. 연구실에서는 기존에 많이 알려진 해석 기법과는 다르게 입자를 이용한 유동해석에 대해 연구를 하고 있었다. 유체를 격자가 아닌 입자를 활용하여 모델링하는 것은 비정상 상태의 유동해석이나 복잡한 유동을 해석하는데 적합한 방법으로, 해석 결과가 직관적이고 여러 가지 모델을 적용하는데 용이한 방법이다. 다만 각각의 입자에 대해 계산이 이루어지다 보니 연산량이 너무 커서 해석이 불가능한 경우가 많았다. 필자가 속한 연구실에서는 이러한 문제를 해결하기 위해 MPI(Message Passing Interface)를 공부하고 리눅스 클러스터(Linux cluster) 환경에서의 해석에 대해 연구하였다. 2대로 시작한 것이 어느덧 64대의 리눅스 클러스터를 직접 꾸며 사용하였으며, 이후 학교에 470여 노드의 슈퍼컴퓨터가 생기게 되어 이 장비까지 활용하면서 여러 가지 해석을 시도하였다. 하지만 아무리 많은 컴퓨터를 묶어 해석을 하더라도 데이터 통신 시간이 있기 때문에, 일반적인 큰 유동 문제를 풀기에는 부족한 점이 많았다. 그래서 하드웨어와 병행하여 소프트웨어 성능을 올리기 위해서 Domain Decomposition 이나 Fast Algorithm같은 여러 가지 모델에 대해 연구하였으며, 그 때부터는 유동해석보다 HPC(고성능 컴퓨팅)에서의 해석 성능 최적화와 같은 연구를 더 많이 했던 것 같다. 그러던 중 2008년 연세대학교 백주년기념관에서 엔비디아 데이비드 커크(David Kirk) 박사의 강연이 있었다. GPU를 활용하여 연산 처리를 할 수 있는 플랫폼인 CUDA(쿠다)의 개발 책임자인 커크 박사는 기존의 CPU 연산에 비해 백 배~수백 배의 가속이 가능하다는 내용의 세미나를 개최하였다. 이 당시 우연히 천체물리학에서 주로 N-body 문제를 계산하는 분들과도 알게 되었고, 이미 GPGPU 라는 개념으로 GPU를 활용하여 연산 처리를 하고 있었다는 사실을 알게 되었다. 또한 CUDA라는 플랫폼이 개발되면서 C 언어에서 GPU 활용이 보다 용이해져, 다른 분야의 계산에서도 쉽게 접근할 수 있을 것 같다는 판단을 하게 되었다. 우리는 CUDA를 적용하기 위해 용산전자상가에서 20여만 원하는 그래픽 카드를 구매해서 CUDA를 설치하고 개발된 코드를 적용해 보았다. 다행이 병렬 프로그램을 하던 경험이 많아 CUDA 적용에 크게 어려운 점은 없었지만, 초기에는 여러 번 실패를 하였다. 몇 번의 시도 끝에 연산을 실행할 수 있었으며, 기존의 HPC보다 훨씬 좋은 성능을 체감하게 되었다. 이후 2009년 CUDA와 HPC 기술과 뉴턴 물리학을 기반으로 다양한 물리 지배방정식의 수학적 공식화에 대한 연구에 대한 전문성을 바탕으로 메타리버테크놀러지를 설립해 지금까지 이어오고 있다. 이러한 기술적 전문성을 바탕으로 입자 기반 다중물리 해석 소프트웨어를 개발하고, 관련 기술 서비스를 제공하고 있다. 회사 설립 이후 지속적인 연구개발을 통해 입자 기반 설계 및 시뮬레이션 소프트웨어인 samadii 시리즈를 개발 공급하고 있다.     입자 기반 다중물리 해석 설루션 samadii 메타리버테크놀러지가 개발한 samadii 시리즈는 해석하는 분야에 따라 일반적인 환경의 물리 현상을 해석하기 위한 소프트웨어와 디스플레이/반도체 공정과 같이 고진공 환경에서 이루어지는 공정을 해석하기 위한 소프트웨어로 구분할 수 있다. 첫 번째로 고체 입자의 거동을 해석하는 samadii/dem, 유체 거동을 해석하는 samadii/fluid, 고체에 작용하는 응력 및 변형을 해석하는 samadii/solid, 3D 프린터의 적층 공정을 해석하는 vAMpire가 있다. 다른 한 가지는 고진공 환경에서의 유동해석을 위한 samadii/sciv, 복사 및 전도열전달을 해석하는 samadii/ ray, 전자기장 해석을 위한 samadii/em, 플라스마 생성 및 거동을 해석하는 samadii/plasma가 있다.   samadii/dem samadii/dem은 6자유도계 운동방정식을 사용하여 입자의 움직임을 결정하고, 개별 입자의 모든 힘을 고려하는 라그랑주(Lagrangian) 방법에 기반한다. 이산요소법(Discrete Element Method)은 구분요소법(Distinct Element Method)으로도 불린다. 많은 입자의 운동과 효과를 계산하기 위한 수치해석 방법이다. 이 방법의 기본적인 가정은 물질이 별개의 분리된 입자들로 구성된다는 것이다. 이들 입자는 서로 다른 모양과 특징을 가질 수 있으며, 설탕이나 단백질 결정, 곡물과 같은 저장 사일로(silo)의 대량 재료, 모래와 같은 입상물질, 토너와 같은 분말 재료, 덩어리진 암석 등과 같이 세분화된 불연속 물질의 혼합, 분쇄 등의 입자 거동 문제를 해결하는 효과적인 방법이다. 그리고 브라운 운동을 고려해야 할 정도의 작은 입자부터 광석과 같은 큰 입자에 이르기까지, 해석에 고려해야 할 대부분의 물리적 현상을 반영하도록 설계되었다. 기본적인 접촉력과 중력을 비롯하여 마찰력, 전자기력, 쿨롱력, 점착력, 부력과 항력, Van der Waals력 그리고 브라운 운동과 열영동 효과까지 고려할 수 있다. samadii/dem은 작은 시간 스텝(time step)을 사용하며 매우 많은 입자를 고려해야 한다. 일반적으로 충분히 많은 메모리와 고도의 연산 성능을 필요로 하기 때문에 GPU와 HPC 기술을 기반으로 해석을 수행하도록 제작되었다. 이를 바탕으로 다양한 대규모 입자계 문제를 고속으로 해석함으로써 신뢰성 높은 해석 결과를 제공한다. 또한 다물체동역학, 구조 변형, 전자기장, 유체유동장 해석을 위한 외부 프로그램과의 일방향 및 동시 연성해석이 가능하다.     samadii/fluid samadii/fluid는 입자 기반의 유체유동해석 소프트웨어이다. 특히, 자유표면이 존재하거나 기체–유체 등의 상호작용이 필요한 유동 현상 또는 다양한 물리 현상을 해석하는 등 외부 해석 프로그램과의 연성 해석이 필요한 문제에 대해 장점을 가진다. samadii/fluid는 일반적인 입자 기반의 유체유동 수치해석방법인 SPH(Smooth Particle Hydrodynamics)의 문제점으로 알려져 있는 수치해의 불안정성과 벽면 처리에서의 해의 부정확성 등 필연적인 수학적 문제점을 극복하기 위하여, SPH의 explicit 기법에 압력장 계산에서 implicit 기법을 적용하여 해의 불안정성 개선하고, 수치해 오류를 증폭시키는 벽면 처리 문제의 개선을 위해 폴리곤 경계처리법 등을 적용하여 기존의 제품에 비해 해의 안정성과 정확도를 개선하였다. 유체의 유동 문제가 다양하게 발생하는 일반 기계 분야는 물론 세탁기, 식기세척기, 공조기기 등 가전 분야의 설계와 제조 공정 분야 그리고 전기자동차를 시작으로 최근 수요가 늘고 있는 재생 에너지 산업, 원자력 재해 안전 분야 그리고 해양, 토목 분야의 거대 유동 문제 및 화학, 석유, 가스산업 분야는 물론 최근 반도체 및 디스플레이 후공정 분야에도 응용 수요가 발생하고 있다.     samadii/sciv samadii/sciv는 DSMC(Direct Simulation Monte Carlo)법을 활용하여 고진공 환경에서의 유동해석을 위한 소프트웨어이다. DSMC는 고진공 유동장의 유체 유동을 해석하기 위해 개발된 확률론적 수치 해석 방법이다. 일반적인 유체 유동 해석은 나비에–스토크스(Navier-Stokes) 방정식을 해석하지만, 희박기체 영역에서는 일반 유체 해석에 사용된 연속체 가정을 적용하지 않는다. 이것은 연속체 유체 역학에서 액체 및 기체 상태는 연속 유체를 가정하는 연속 방정식으로 정의되기 때문이다. 일반적으로 연속체 가정을 만족하는 유체 조건은 분자의 평균 자유 경로가 매우 짧다. 따라서 분자간 충돌로 인한 운동량의 교환을 점성계수로 나타낼 수 있다. 반면에 진공도가 높아지면 기체의 밀도가 낮아지고, 유체 분자의 평균 자유 경로가 길어지기 때문에 연속체 특성이 사라진다. 그러므로 이러한 조건의 흐름은 나비에–스토크스 방정식에 의한 것이 아니라 DSMC에 의해 해석하여야 한다. 정밀 산업 분야의 고 진공 조건(10-⁴~10-⁶ [Pa])이라고 하더라도, 이를 분자의 개수로 나타내면 매우 많은 수가 존재한다. 예를 들어 1㎥ 공간에 온도가 300[K]이고, 이때 압력이 10-⁴[Pa]이라고 한다면 분자의 개수는 약 2.5E+16[EA] 개가 존재하게 된다. 게다가 고진공 조건이라 할지라도 국부적으로 압력이 높아질 수 있고, 분자의 개수 또한 엄청나게 증가하게 된다. DSMC는 이렇듯 많은 입자를 해석하기 위해 대표 입자(representative particle) 방법을 사용하게 된다. 공간 내의 수많은 분자를 하나의 입자로 모델링하고, 확률분포함수를 사용하여 입자간의 충돌과 이동을 계산하고, 이를 통계 처리하여 공간 내의 압력, 유량, 수밀도 등의 다양한 물리 특성을 파악하게 된다.     samadii/ray 외부의 간섭을 최소화하여 높은 수준의 정확성을 이루기 위해 진공 상태에서의 가공 기술이 증가하고 있다. 예를 들어, 디스플레이 OLED 공정은 진공 환경에서 재료를 증발시키고 증착하는 공정을 반복 진행하며, 재료에 가해지는 열은 매질을 필요로 하지 않는 복사 열 전달의 형태로 재료뿐 아니라 모든 장비에 영향을 미친다. 이는 재료의 증발뿐 아니라 완성된 OLED 성능에 영향을 미칠 수 있어서, 정확한 열 관리는 OLED에 중요하다. samadii/ray는 이처럼 복잡한 형상에서 정확한 복사 열 전달을 해석 가능한 제품으로 우주항공, 반도체, 전자 등 다양한 영역에서 최적화된 장비 개발에 활용할 수 있다. samadii/ray는 GPU 컴퓨팅을 기반으로 전도, 대류, 복사 열 전달을 분석한다. 특히, 엔비디아 옵틱스(OptiX)를 활용해 물체의 표면에서 방사되고 흡수되는 복사 열 전달을 모델링한다. 각각의 표면에서 방출되는 복사 열 에너지는 FEM(Finite Element Method)에 반영되어 내부 열전도를 계산하여 온도 분포를 구하고, 계산된 표면 온도는 복사 열 에너지 계산에 사용하며, 이를 반복하는 방식으로 열 전달 해석이 진행된다.     samadii/plasma 반도체 및 디스플레이 PCB 제조 산업에서의 플라스마(plasma)는 고진공 챔버 내부에 발생된 이온과 라디칼을 이용하여 표면 처리를 하는 공정에 응용된다. 플라스마 상태에서 발생된 이온들은 각각의 가스 종류와 반응식에 따라서 표면을 깎기도 하며, 다른 물질과 반응하여 적층시키기도 하고, 불순물을 주입하기도 한다. 이러한 다양한 공정은 마이크로, 나노 스케일의 고집적 회로를 만드는데 있어서 핵심 기술 중 하나이다. 플라스마는 전자와 이온의 거동에 의해 전자기장이 변화하고 다시 그 효과로 입자의 거동에 영향을 미치는 복잡한 현상이다. 중성, 이온, 전자의 밀도와 온도 그리고 운동성 차이가 매우 큰 상태로 각각의 입자가 충돌하여 끊임 없이 반응하는 상태를 플라스마라고 정의한다. 이러한 반응은 이온화, 여기 등의 반응과 각종 화학 반응을 수반한다. 입자법에 기반하는 플라스마의 직접 해석에는 천문학적인 연산량이 요구되기 때문에, 이온과 전자의 성질을 표현하도록 모델링된 두 개 이상의 유체로 간주하여 이들이 혼재된 격자 기반 플라스마 유동해석이 사용되어 왔다. 하지만 플라스마를 이루고 있는 기본 요소는 입자이며, 이들 입자간 충돌에 의한 플라스마 반응을 정확하게 해석하기 위해서는 입자법에 기반하는 해석이 필수이다. samadii/plasma는 GPU에 기반하는 samadii/em의 고속 전자기장 해석 모듈과 입자 기반 희박기체 해석 제품인 samadii/sciv의 연성 해석을 통하여 플라스마 공정을 시뮬레이션할 수 있는 공학용 프로그램이다. samadii/plasma는 플라스마를 활용한 반도체 및 디스플레이 공정 과정을 해석하기 위해 특화된 프로그램 이다. 플라스마 공정 과정의 시각화를 위해 이온과 전자의 입자 거동을 확인할 수 있을 뿐 아니라 공정 결과물의 균일도, 공정 챔버 내부의 플라스마 밀도, 온도, 유량 등을 제공하여 플라스마 공정 설계에 도움을 준다.     ■ 이 글은 2025년 11월 7일 진행된 ‘CAE 컨퍼런스 2025’에서 발표된 내용을 정리한 것이다.   ■ 서인수 메타리버테크놀러지의 이사로 입자 기반 CAE 설루션을 개발하고 있다. HPC나 GPU를 활용한 해석 기술을 바탕으로 희박기체 영역에서의 유동에 대한 연구를 하였다.     ■ 기사 내용은 PDF로도 제공됩니다.

서비스나우가 무브웍스(Moveworks) 인수를 완료했다고 밝혔다. 이번 인수를 통해 서비스나우의 AI 에이전트와 지능형 워크플로가 무브웍스의 프론트엔드 AI 어시스턴트, 엔터프라이즈 검색, 에이전트형 추론 엔진(agentic Reasoning Engine)과 결합된다. 서비스나우는 “서비스나우 AI 플랫폼의 역량이 확장돼 직원들의 업무 참여 방식이 재정의되고, 더 빠른 성과 창출과 AI 도입 확대, 사용하기 쉬운 AI 경험 제공이 가능해질 것”이라고 전망했다. 서비스나우 AI 플랫폼은 신뢰성과 투명성을 바탕으로, 네이티브 통합 AI를 통해 대규모 업무 자동화를 제공한다. 서비스나우와의 통합을 통해 무브웍스는 직원들이 어디서 일하든 자연스럽게 질문하고, 검색하고, 실행할 수 있는 직관적인 프론트엔드를 제공한다. 서비스나우와 무브웍스는 모든 요청을 자율적 업무 처리로 연결하는 지능형 경험을 구현한다. 이를 통해 직원, 고객, 개발자, IT 팀, 관리자 전반에서 사일로(silo)를 해소하고, 가치 실현 속도를 높이며, 기업 전반의 생산성을 강화한다. AI 에이전트는 이미 수천 곳의 서비스나우 고객사에서 대규모 업무 혁신을 이끌며, 응답 시간을 단축하고 측정 가능한 생산성 향상을 제공하고 있다. 서비스나우 내부에서도 AI 에이전트가 IT 요청의 90%, 고객 지원 요청의 89%를 자율적으로 처리해, 문제 해결 시간이 약 7배 단축됐다. 무브웍스는 이를 한층 더 강화하고 있으며, 서비스나우는 100곳이 넘는 무브웍스의 기술 통합 파트너 중 하나로 이미 자리 잡고 있다. 프론트엔드 AI 어시스턴트, 엔터프라이즈 검색, 에이전트형 추론 엔진이 지멘스, 도요타, 유니레버 등 글로벌 기업에서 쓰이고 있으며, 현재 550만 명의 직원 사용자와 약 250개 공동 고객사가 이미 양사 기술을 함께 사용하고 있다. 서비스나우와 무브웍스는 검증된 접근 방식을 기반으로, 기업 전반의 모든 업무 영역에서 흐름을 만들어내는 에이전틱 AI를 모든 직원에게 제공하고 있다. 무브웍스 고객사의 약 90%가 해당 기술을 전체 직원에게 배포했다. 이는 기업 전반에 걸친 실질적인 도입과 활용을 보여준다. 또한 수백 명의 AI 전문가가 서비스나우에 합류함에 따라, 무브웍스는 혁신을 더욱 촉진하고 서비스나우의 AI 로드맵 확장 역량을 가속화할 수 있는 전문성을 제공한다. 이번 인수를 통해 서비스나우 AI 플랫폼은 한층 강화된다. 직원의 모든 요청을 프롬프트 기반으로 이해하고, 적절한 엔터프라이즈 데이터, AI 에이전트, 워크플로와 연결한다. 이를 통해 IT, HR 등 전반에 걸친 엔드투엔드 디지털 워크플로를 더 빠르게 구현할 수 있다. 이러한 기능은 유연하고 확장 가능한 단일 플랫폼에서 제공된다.     서비스나우의 아밋 자베리(Amit Zavery) 사장은 “무브웍스는 모든 산업과 업무 영역에서 사람을 위해 AI를 활용한다는 서비스나우의 비전을 가속화한다”며, “단일 아키텍처에 20년간 축적된 워크플로 인텔리전스를 집약함으로써, 양사는 엔터프라이즈를 위한 AI 에이전트 운영체제를 구현하고 있다”고 전했다. 또한 “무브웍스의 AI 어시스턴트와 서비스나우의 에이전틱 플랫폼이 결합되면, 대화를 실제 업무 완료로 전환하는 AI 네이티브 프론트 도어(AI-native front door)가 구축된다. 이를 통해 고객은 문제를 자율적으로 해결하고, 지능형 워크플로를 실행하며, 보안과 책임성을 갖춘 환경에서 대규모로 성과를 도출할 수 있다”고 덧붙였다. 무브웍스의 바빈 샤(Bhavin Shah) 최고경영자(CEO)는 “무브웍스는 업무를 손쉽게 처리할 수 있도록 강력한 AI 어시스턴트 플랫폼을 구축하기 위해 설립됐다”며, “서비스나우와의 합류를 통해, 무브웍스의 추론 엔진으로 구동되는 AI 어시스턴트 및 엔터프라이즈 검색이 서비스나우의 워크플로 자동화 및 AI 거버넌스와 결합된다. 이를 통해 에이전트 전략을 모든 조직으로 확장할 수 있게 됐다”고 설명했다.

스마트제조혁신협회는 ‘표준모델 연동 가이드라인’ 다운로드 2000여개사를 대상으로 설문조사한 결과를 발표했다. 이번 설문조사는 제조 디지털 트윈 기술에 대한 관심도 파악, 기술 적용 의향 및 조건 파악, 협력 분야 및 필요 지원사항 파악 등을 위해 실시되었다. 설문에서는 디지털 트윈 도입 현황, 활용 수준 및 기능, 기술 및 인프라 구성, 운영 환경 및 비용, 도입 애로사항 및 향후 계획 등에 대한 조사가 진행되었다. 그 결과 제조 디지털 트윈 도입기업의 주요 도입 목적은 품질, 모니터링, 생산성으로 나타났고, 기업의 정부 지원 형태에 대한 요구는 ‘정부 R&D 연계’와 ‘실증 테스트베드’가 가장 높은 것으로 나타났다.  전체 답변자 중 디지털 트윈을 도입 완료하거나 일부 도입한 기업은 28%로 나타나, 디지털 트윈 도입 기업의 비율이 낮다는 것을 확인할 수 있었다. 디지털 트윈의 적용 분야(복수 응답)로는 생산 시뮬레이션(53.6%)과 공정 최적화(53.6%)가 가장 높게 나타났고 설비 예지보전은 35.7%였다. 디지털 트윈 도입 주요 목적(복수 응답)은 품질(62.1%), 모니터링(62.1%), 생산성(58.6%)이 높았다.     활용 수준 및 기능 파트에서는 도입 기업 중 63.3%가 실시간으로 설비나 센서 데이터 연동을 하여 사용하고 있으며, 55.2%가 디지털 트윈 환경에서 시뮬레이션을 통한 의사결정을 수행하고 있는 것으로 나타났다. 55.2%는 디지털 트윈과 연계하여 AI 모델이나 예측 분석을 활용하고 있다고 답했으며 60%가 디지털 트윈 모델이 부서 간 협업에 기여하고 있다고 했다. 디지털 트윈과 연동하고 있는 데이터는 설비 제어(66.7%)와 생산 실적(59.3%)이 많았다. 도입 애로사항 및 향후 계획에 있어서는 가장 큰 애로사항(복수 응답)으로 비용(72.7%), 그 다음으로 현장 적용 난이도(54.5%), 전문가 부족(51.5%), ROI 불확실성(39.4%)순으로 나타났다. 향후 디지털 트윈을 다른 분야로 확장할 계획은 75.8%가 갖고 있어 높은 비율을 보였다. 정부로부터의 지원 형태(복수 응답)로는 정부 R&D 연계와 실증 테스트베드가 각각 64.7%로 가장 높았으며, 그 다음으로는 자금 지원이 61.8%로 나타났다. 정부가 구축한 공통 디지털 트윈 플랫폼을 활용할 의향이 있는지에 대해서는 82.4%로 매우 높게 나타났다.  제조 디지털 트윈 표준모델은 과학기술정보통신부, 정보통신기획평가원의 정보통신방송기술개발사업 중 스마트제조혁신기술개발 내역사업으로 개발되었으며, 다양한 시뮬레이션, 분석, 예측 모델을 연결 및 통합하여 국제 표준 기반으로 디지털 트윈의 객체관리/실행/컴포지션(연합)을 가능하게 하는 개발 도구 및 실행 기술이다. 이 기술은 그동안 사일로식으로 개발되어 왔던 디지털 트윈을 효과적으로 확장하고 재사용할 수 있도록 하는 기능을 제공한다. 한국전자통신연구원(ETRI)이 주관연구개발기관을 맡고 성균관대학교,한국기술교육대학교, 이즈파크, 한국전자기술연구원, 스마트제조혁신협회, LG전자가 공동연구개발기관을 맡았다. 이 과제는 스마트제조혁신연구개발(R&D) 우수과제로 과학기술정보통신부 장관상 표창 대상 우수과제로 선정되었다. 그동안 제조 현장에서는 재사용에 대한 고민 없이 추진 목적에 따라 각자의 방식으로 사일로 식의 디지털 트윈 개발을 해왔으나, 이 연구 성과는 디지털 트윈의 확장성과 재사용성을 제공하기 위한 목적의 개발 도구와 실행 엔진 기능을 제공한다.