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.

기업용 협업툴 플로우가 국내 최초로 프로젝트의 시작인 설계 단계부터 AI가 직접 개입하는 AI 에이전트 기능을 선보이며 인공지능 협업 시장의 새로운 기준을 제시했다. 그동안 협업툴에 적용된 AI는 주로 회의록 요약이나 문서 정리 등 사후적인 보조 도구 역할에 머물러 왔다. 하지만 프로젝트의 성패가 초기 설계 단계에서 결정된다는 점에 주목한 마드라스체크는 프로젝트 구조 자체를 설계하는 영역으로 AI 기능을 확장했다. 이번 업데이트를 통해 플로우는 단순한 관리 도구를 넘어 기획 단계부터 참여하는 AI 협업 플랫폼으로의 전환을 본격화했다. 국내 최초 프로젝트 설계자 역할로 확장된 AI 에이전트 플로우의 AI 에이전트는 기존 AI 기능과 달리 프로젝트의 설계자 역할을 수행한다. 사용자가 프로젝트의 목적을 입력하거나 기존에 작성된 엑셀 WBS, 기획 문서를 업로드하면 AI가 맥락을 분석해 전체 구조와 상세 업무 리스트, 일정 흐름을 자동으로 설계한다. 프로젝트를 어떻게 시작해야 할지 고민하는 초기 단계를 AI가 대신 수행함에 따라 계획 및 설계에 소요되는 시간이 평균 80퍼센트 이상 단축되는 효과를 거둘 수 있다. 또한 사람 중심의 설계 과정에서 발생할 수 있는 업무 누락이나 해석 차이를 구조적으로 방지한다. 마드라스체크 측은 질문에만 반응하는 일회성 AI가 아니라 업무 흐름을 이해하고 실행 가능한 구조를 만드는 것이 플로우만의 핵심 차별점이라고 설명했다. 워크플로우 이해 기반의 압도적 생산성 구현 플로우 AI 에이전트의 강점은 프로젝트와 워크플로우의 전체 흐름을 이해한다는 데 있다. 기업 프로젝트에서 발생하는 비효율은 대개 초기 업무 구조의 불명확함이나 역할 분담의 모호성에서 기인한다. 플로우는 프로젝트 목적, 업무 간 선후 관계, 조직의 협업 방식 등 기존 업무 데이터를 종합적으로 분석해 실행 가능한 구조를 먼저 제안한다. 이를 통해 관리자는 불확실성을 줄이고, 실무팀은 표준화된 구조 안에서 즉시 업무를 시작할 수 있으며, 경영진은 실시간 데이터를 바탕으로 정확한 의사결정을 내릴 수 있다. 설계부터 보안까지 아우르는 엔드 투 엔드 협업 OS 플로우는 프로젝트의 탄생부터 보안까지 업무 전 사이클을 하나로 연결하는 협업 운영체제를 지향한다. 첫째, 프로젝트 설계 단계에서는 목적 입력만으로 업무 구조와 일정, 담당자 배정까지 한 번에 완료하여 초기 세팅 부담을 최소화한다. 둘째, 실행 단계에서는 챗GPT, 제미나이, 클로드 등 글로벌 생성형 AI 모델을 통합 제공하여 별도의 툴 도입 없이 실무를 수행할 수 있게 했다. 셋째, 관리 측면에서는 어드민 대시보드를 통해 조직 전반의 AI 활용 현황을 파악함으로써 전사적인 디지털 전환을 지원한다. 넷째, 검색 기능은 내부 대화와 문서 등 모든 데이터를 맥락 기반으로 분석하여 요약과 추론까지 지원하는 스마트 검색을 제공한다. 다섯째, 보안 단계에서는 민감 정보 자동 마스킹과 데이터 통제 기능을 적용해 기업 환경에 최적화된 안전한 AI 활용 환경을 구축했다. 기업용 AI의 3대 난제인 생산성, 비용, 보안 문제 해결 플로우는 AI 도입 시 기업들이 겪는 세 가지 핵심 과제를 동시에 해결했다. 생산성 측면에서는 반복적인 기획 작업을 자동화해 실행 중심의 조직 문화를 지원하며, 비용 측면에서는 여러 글로벌 AI 모델을 하나의 환경에 통합해 중복 도입 비용을 낮췄다. 특히 보안 부분에서는 프롬프트 가드 기능을 기본으로 제공한다. 민감 정보가 포함된 요청의 경우 관리자가 어드민 대시보드에서 제어할 수 있도록 설계해 기업 내부 정책에 따른 유연한 통제가 가능하다. 글로벌 TOP 3 AI 협업 플랫폼 도약과 2026년 IPO 추진 마드라스체크 이학준 대표는 사람이 판단과 결정에 집중하고 일의 시작은 AI가 맡는 새로운 협업 환경을 만들어가겠다고 강조했다. 플로우는 현재 삼성전기, 현대모비스 등 대기업과 해군, 국회 등 공공기관, 대형 금융사 등 전 산업 분야에서 검증된 경쟁력을 확보하고 있다. 플로우는 이러한 국내 성과를 바탕으로 미국, 일본, 영국 등 글로벌 시장 공략을 가속화할 방침이다. 소통 중심의 슬랙이나 문서 중심의 노션과 차별화된 AI 중심 프로젝트 협업툴이라는 독자적 영역을 구축해 2026년 매출 300억 원 달성과 함께 기업공개를 본격적으로 준비할 계획이다.  

다쏘시스템과 엔비디아는 산업 전반에 걸쳐 미션 크리티컬 인공지능(AI)을 구현하기 위한 공동 산업 아키텍처 구축을 목표로 장기 전략적 파트너십을 체결했다고 발표했다. 이 파트너십은 다쏘시스템의 연례 글로벌 행사인 ‘3D익스피리언스 월드(3DEXPERIENCE World)’에서 발표됐다. 양사는 이번 협력을 통해 다쏘시스템의 버추얼 트윈(Virtual Twin) 기술과 엔비디아의 AI 인프라, 오픈 모델, 가속 소프트웨어 라이브러리를 결합한다. 이로써 과학적으로 검증된 산업용 월드 모델(World Models)을 구현하고, 에이전틱 3D익스피리언스 플랫폼(Agentic 3DEXPERIENE Platform)상에서 숙련된 버추얼 동반자(Virtual Companions)를 통한 새로운 업무 방식이 가능해질 전망이다. 이를 통해 산업 전문가들은 한층 고도화된 전문 역량을 확보할 수 있다. 다쏘시스템은 자회사 브랜드인 아웃스케일(OUTSCALE)을 통해, 지속 가능하고 주권을 보장하는 클라우드 전략의 일환으로 AI 팩토리(AI Factory)를 구축하고 있다. 아웃스케일 AI 팩토리는 3개 대륙에 걸쳐 최신 엔비디아 AI 인프라를 활용해 3D익스피리언스 플랫폼에서 AI 모델을 운영할 수 있는 역량을 강화하는 동시에, 고객의 데이터 프라이버시, 지식재산권 보호, 데이터 주권을 보장한다. 엔비디아는 모델 기반 시스템 엔지니어링(MBSE) 기술로 다쏘시스템 설루션을 채택해 AI 팩토리를 설계하고 있으며, 이는 엔비디아 루빈(Rubin) 플랫폼을 시작으로 대규모 AI 팩토리 구축을 위한 엔비디아 옴니버스 DSX 블루프린트에 통합될 예정이다.     이러한 인프라는 엔비디아의 오픈 모델과 라이브러리를 기반으로 한 다쏘시스템의 산업용 버추얼 트윈을 구동하며, 생명과학, 소재 과학, 엔지니어링, 제조 전반에서 새로운 기회를 창출한다. 생명과학 및 소재 연구 분야에서는 엔비디아 바이오네모(BioNeMo) 플랫폼과 다쏘시스템 바이오비아(BIOVIA)의 과학적으로 검증된 월드 모델을 결합해 신물질 및 차세대 소재 개발을 가속화한다. 설계 및 엔지니어링 분야에서는 엔비디아 쿠다-X(CUDA-X) 및 AI 물리 라이브러리를 활용한 시뮬리아(SIMULIA)의 AI 기반 버추얼 트윈 물리 거동 예측을 통해, 설계자와 엔지니어는 보다 정확하고 즉각적인 결과 예측이 가능해진다. 또한 엔비디아 옴니버스 피지컬 AI 라이브러리를 델미아(DELMIA) 글로벌 생산 시스템 버추얼 트윈에 통합함으로써, 자율적이고 소프트웨어 정의된 생산 시스템을 구현한다. 버추얼 동반자를 통한 사용자 역량 강화도 추진된다. 엔비디아의 AI 기술과 네모트론(Nemotron) 오픈 모델, 그리고 다쏘시스템의 산업 월드 모델을 결합한 에이전틱 3D익스피리언스 플랫폼은 깊이 있는 산업 맥락을 이해하는 버추얼 동반자를 통해 신뢰할 수 있는 실행 가능한 인사이트를 산업 규모의 효율성으로 제공한다. 이번 파트너십은 다쏘시스템과 엔비디아 간 기존 협력을 한 단계 끌어올려, 산업 AI를 어떻게 구축하고, 검증하며, 대규모로 확산할 것인가에 대한 공동의 장기 비전을 제시한다. 이는 다쏘시스템의 버추얼 트윈 팩토리와 엔비디아의 AI 기술을 결합한 접근 방식이다. 다쏘시스템의 파스칼 달로즈(Pascal DALOZ) CEO는 “우리는 이제 AI가 단순히 예측하거나 생성하는 단계를 넘어, 현실 세계를 이해하는 시대로 진입하고 있다. 과학과 물리 법칙, 검증된 산업 지식에 기반한 AI는 인간의 창의성을 증폭시키는 강력한 도구가 된다”고 말했다. 이어 그는 “엔비디아와 함께 버추얼 트윈과 가속 컴퓨팅을 결합한 산업 월드 모델을 구축함으로써, 생명과학, 소재 과학, 엔지니어링, 제조 분야에서 복잡한 시스템을 보다 신뢰성 있게 설계·시뮬레이션·운영할 수 있도록 지원할 것”이라며, “이번 파트너십은 신뢰성을 설계 단계부터 내재화한 산업 AI의 새로운 기반을 제시하고, 생성형 경제 전반에서 혁신을 확장할 수 있는 토대를 마련한다”고 강조했다. 엔비디아의 젠슨 황(Jensen HUANG) CEO는 “피지컬 AI는 물리 법칙에 기반한 차세대 인공지능의 새로운 영역”이라며, “다쏘시스템과 함께 수십 년간 축적된 산업 전문성과 엔비디아의 AI 및 옴니버스(Omniverse) 플랫폼을 결합해 전 세계 수백만 명의 연구자, 설계자, 엔지니어들이 산업의 미래를 만들어갈 수 있도록 지원할 것”이라고 밝혔다.

디지털 지식전문가 조형식의 지식마당   지난 수년 간 인공지능(AI)은 새로운 방향과 엄청난 속도로 발전하고 있다. 2026년, 인공지능은 더 이상 현재의 소프트웨어처럼 단순한 도구에 머물지 않는다. 인공지능은 이제 우리의 생산 수단이자 사고의 파트너이며, 나아가 핵심적인 의사결정자로 자리잡고 있다. 이러한 변화 속에서 개인의 생존은 단순히 ‘기술을 얼마나 아느냐’가 아니라, 자신을 어떻게 구조화하고 연결하는지의 문제로 패러다임이 바뀌고 있다. 이제 우리는 스스로에게 본질적인 질문을 던져야 한다. “나는 과연 AI와 협업할 수 있는 구조를 갖춘 존재인가? 아니면 인공지능에 대체(replacement)되는 부품과 같은 존재인가?” 과거에는 코딩, 외국어, 자격증, 보고서 작성 등 ‘무엇을 할 수 있는가’라는 단일 능력이 개인의 가치를 증명했다. 하지만 현재의 AI는 코딩과 번역은 물론, 전략 초안까지 스스로 제안한다. 결국 개인의 단일 능력은 더 이상 차별점이 되지 못하며, 이제는 능력의 합이 아닌 구조 완성도가 생존을 결정하는 시대가 되었다. AI와 협업하기 위한 세 가지 핵심 요소가 필요하다. 라이프 디지털 스레드(life digital t hread), AI 온톨로지(AI ontology), 디지털 트윈(digital twin)이다.   그림 1. AI 협업의 세 가지 핵심 요소   라이프 디지털 스레드는 우리의 파편화된 기억을 연속적인 시스템으로 재구성해 준다. AI 온톨로지는 인공지능에게 우리의 경험을 설명 가능한 데이터 구조를 만들어 준다. 디지털 트윈은 나의 판단과 일관성을 증명하는 나의 모델이다. 이 세 가지 핵심요소가 인공지능 시대에 나를 대표하는 것이다. 이 세 가지 요소가 없다면 인공지능 시대에서 개인은 투명인간이 된다. 다시 말해서 인공지능 시대에 AI 기반 체계에서는 인식되지 않는 존재가 되는 것이다. 그것은 인공지능과 파트너이거나 역량을 증강시키는 개인이 아니라, 인공지능의 대체재가 되는 것이다.   그림 2. 인간의 기억을 온톨로지로 변환   AI는 인간을 감정적으로 이해하지 않고 오직 구조(structure)를 통해 파악한다. AI가 개인의 품질을 추론할 때 가장 중요하게 여기는 핵심 데이터는 ‘무엇을 했는가’가 아니라 판단근거의 궤적(trajectory of judgment), 즉 ‘왜 그런 판단을 내렸는가’에 대한 과정이다. 개념(concept) : 내 경험이 속한 지식적 범주 관계(relation) : 경험과 지식 간의 연결 고리 속성(attribute) : 경험의 구체적인 특징 맥락과 시간(context and time) : 어떤 상황에서 어떤 순서로 행동이 이루어졌는가? 인간이 AI와 속도로 경쟁하는 것은 이미 의미가 없다. 2026년의 진정한 경쟁력은 가속이 아니라 조율(alignment)에서 나온다. 내가 무엇을 축적하고 무엇을 버리는지에 대한 일관된 궤적이 곧 나의 정체성이자 AI 시대의 생존 전략이다. 결국 살아남는 사람은 가장 똑똑한 사람이 아니라, 자신의 삶을 가장 잘 구조화한 사람이다. 인류의 역사를 바꾼 불의 발견과 오늘날의 인공지능 발전은 인류가 환경에 단순히 적응하는 존재에서 환경을 스스로 설계하는 존재로 거듭나게 했다는 점에서 매우 유사한 혁신적 전환점이다.   그림 3. 인공지능 시대의 개인상   새로운 ‘틈새’와 시간의 창출 불의 발견 : 인류는 불을 통해 밤의 안전을 확보하며 불빛 틈새(firelight niche)를 만들었다. 이는 매일 약 5시간, 연간 76일이라는 엄청난 추가 활동 시간을 선물했으며, 인류는 이 시간을 통해 문화를 축적했다. AI의 발전 : 인공지능 역시 인간의 반복적이고 복잡한 연산 업무를 대신 수행함으로써, 인류에게 새로운 ‘인지적 여유 시간’을 제공하고 있다. 불이 밤의 어둠을 밝혀 시간을 늘렸다면, AI는 지적 노동의 시간을 단축해 인류가 더 고차원적인 창의성에 집중할 수 있는 환경을 설계하고 있다.   언어와 소통 방식의 진화 불의 발견 : 어두운 밤에는 손짓이 통하지 않았기에 인류는 음성 언어를 선택했다. 불 앞에 둘러앉아 나눈 대화의 81%는 신화와 전설 같은 이야기였으며, 이는 언어를 정교화하고 집단의 정체성을 형성하는 계기가 되었다. AI의 발전 : AI는 인간의 언어를 기계가 이해하는 데이터로 변환하고, 다시 인간의 언어로 생성해내는 과정을 통해 소통의 패러다임을 바꾸고 있다. 과거 불 앞에서 이야기를 나누며 ‘인간다운’ 문화를 만들었듯, 현재 인류는 인공지능과 대화(프롬프트)하며 새로운 형태의 지식과 예술을 창조하고 있다.   뇌의 기능적 도약과 계획 능력 불의 발견 : 불을 꺼뜨리지 않기 위해 연료를 모으고 순번을 정하는 과정에서 ‘확장된 작업 기억’과 미래 설계 능력이 발달했다. 또한, 안전한 수면으로 렘 수면의 비중이 늘어나며 학습 능력이 비약적으로 향상되었다. AI의 발전 :  AI는 인류의 ‘외부 뇌’ 역할을 하며 인간의 인지 능력을 확장하고 있다. 불 관리가 고도의 계획 능력을 훈련시켰듯, AI를 제어하고 통합하는 과정은 인류에게 더 복잡한 전략적 사고와 문제 해결 능력을 요구하며 인류의 지적 수준을 또 다른 차원으로 끌어올리고 있다.   그림 4. 불의 발견과 인공지능 발전의 비교   환경의 수용자에서 ‘설계자’로의 전환 불의 발견 : 불을 사용하면서 인류는 추우면 불을 피우고, 맹수가 오면 불로 쫓아내는 등 환경을 설계하기 시작했다. 이야기가 기술이 되어 생존 전략으로 축적된 것이다. AI의 발전 : AI는 이제 자연환경뿐만 아니라 디지털 환경과 정보 생태계 전체를 인류의 의도에 맞게 재구성하고 있다. 인류는 이제 AI라는 도구를 통해 미래를 더 정교하게 예측하고 설계하는 ’호모 이그니스(불의 인간)’에서 ‘호모 사피엔스(지혜의 인간)’로서의 정점에 다가서고 있다. 결론적으로 불이 단순히 도구가 아니라 인류의 삶 자체를 바꾼 ‘환경’이었다고 정의할 수 있다면, 인공지능 역시 단순한 기술적 도구를 넘어 현대 인류의 새로운 인지적 환경으로 자리 잡고 있다. 불이 인류를 ‘인간답게’ 만들었다면, 인공지능은 그 ‘인간다움’의 정의를 새로운 기술 문명 속에서 재확립하도록 이끌고 있다. 40만 년 전 불이 인류의 뇌라는 하드웨어에 ‘미래 예측’이라는 운영체제를 깔아주었다면, 현재의 인공지능은 그 운영체제를 초고성능 클라우드 시스템으로 업그레이드하여 인류 전체의 지성을 하나로 연결하는 과정에 있다고 볼 수 있다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘ PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

캐디안은 전통 목조 건축물의 설계, 분석, 복원 및 가상 구현 업무를 효율적으로 지원하는 전문 프로그램 ‘CADian TWArch Pro’(이하 TWArch)를 공식 출시했다고 밝혔다. TWArch는 전통 목조 건축의 구조적 원리와 설계 방식을 디지털 환경에 최적화해 구현한 가상 설계 설루션으로, 기존 2D 도면 중심 설계를 넘어 3D 모델링 기반의 직관적인 설계 환경을 제공하는 것이 특징이다. 공포, 도리, 보, 기둥, 창방 등 전통 목조 건축을 구성하는 주요 부재를 체계적으로 정의하고, 각 부재의 치수와 결합 관계를 수치 입력 기반으로 설계함으로써 구조를 시각적으로 확인할 수 있다.     전통 목조 건축 설계는 다수의 부재가 유기적으로 결합되는 복합 구조 특성상 반복 작업이 많고, 오랜 경험과 숙련된 전문가의 감각에 크게 의존해 왔다. TWArch는 이러한 한계를 개선하기 위해 부재 단위 설계 자동화, 반복 구조의 효율적 생성, 실제 시공 구조에 가까운 3D 가상 구현 기능을 제공한다. 이를 통해 설계 정확도를 높이는 동시에, 설계·검토·복원 시뮬레이션 전 과정의 업무 효율을 향상시킬 수 있다. 또한 TWArch는 오토캐드 환경과 높은 호환성을 바탕으로 개발돼, DWG 기반 CAD 사용자라면 별도의 복잡한 학습 과정 없이 바로 활용할 수 있다. 직관적인 사용자 인터페이스(UI)와 일관된 작업 흐름을 제공해, 전통 목조 건축 설계 경험이 상대적으로 적은 사용자도 단계적으로 설계 업무를 수행할 수 있도록 개발됐다. 한편 국가유산청은 전통 목구조의 과학적 분석과 디지털 기술을 활용한 보존·활용 정책을 지속적으로 추진하고 있다. TWArch는 이러한 정책적 방향을 실제 설계 및 복원 현장에서 구현할 수 있는 실무 중심의 디지털 도구를 목표로 개발됐으며, 전통 건축의 구조적 이해를 기반으로 한 디지털 아카이빙 및 가상 복원 작업에도 활용 가능하도록 설계됐다. 캐디안은 TWArch Pro 출시와 함께 관련 단체는 물론 국내 주요 대학의 건축학과 및 전통 목조 건축 설계 경험을 보유한 건축사사무소와 협력해, 전통 목조 건축 설계 및 복원 분야의 무료 디지털 교육 프로그램과 실습형 워크숍을 순차적으로 운영할 계획이다. 이 교육 프로그램은 건축학과 학생, 건축사 및 실무 설계자, 문화유산 보존·복원 분야 종사자를 대상으로 하며, 협·단체와 공동으로 전통 목조 건축 설계 원리부터 구조 분석, 디지털 모델링, 가상 복원까지 전 과정을 아우르는 실무 중심의 교육 과정으로 구성될 예정이다. 캐디안 관계자는 “TWArch는 단순한 3D 모델링 도구를 넘어, 전통 목조 건축의 구조적 특성과 설계 논리를 디지털 환경에서 체계적으로 구현한 전문 설루션”이라면서, “실제 설계·복원 현장에서 요구되는 안정성과 실용성을 최우선으로 고려해 기능을 지속적으로 고도화하고 있다”고 밝혔다. 캐디안은 향후 TWArch를 중심으로 전통 문화유산의 조사·연구·교육 분야 전반으로 활용 범위를 확대하고, 사용자 피드백을 반영한 기능 개선과 인터페이스 최적화를 지속 추진해 전통 건축과 디지털 기술을 연결하는 대표적인 전문 설계 설루션으로 자리매김한다는 방침이다.

지멘스의 일원인 알테어가 차세대 설계 및 시뮬레이션 플랫폼 ‘알테어 하이퍼웍스 2026(Altair HyperWorks 2026)’을 발표했다. 이번 새 버전은 AI 기반 실시간 피드백, 강화된 멀티피직스 통합 기술을 핵심으로 대규모 제품 개발 과정에서 더욱 정교한 디지털 엔지니어링 환경을 지원한다.     하이퍼웍스 2026은 차세대 AI 기술을 적용해 적은 계산량으로도 고충실도 시뮬레이션 결과를 빠르게 확보할 수 있도록 했다. “특히 GPU 기반 차수 축소 모델링(ROM) 기술은 기존 해석 대비 최대 1000배 빠른 결과를 제공하며, 브라우저 기반 보안 환경에서 물리 기반 AI 모델을 실행할 수 있어 다양한 산업군에서 설계 초기 단계의 의사결정을 가속화한다”는 것이 알테어의 설명이다. 유체, 충돌, 복합 물리 문제에 대한 시뮬레이션 범위도 넓어졌다.   멀티피직스 해석 성능도 향상돼 열–유체, 전자기–구조 등 복합 거동을 단일 워크플로에서 해석할 수 있다. 배터리 안전성 평가, 고온 환경 분석, e-모터 최적화 등 차세대 산업 수요를 반영한 신규 기능이 추가됐으며, 전자기 해석 속도는 최대 40%, 전파 모델링 속도는 최대 20배 향상돼 자율주행, 항공, 국방 등 첨단 분야에서도 높은 성능을 발휘한다.   시각화 및 결과 분석 도구도 개선돼, 엔지니어가 설계 변경의 영향을 직관적으로 파악하고 팀 간 인사이트를 신속하게 공유할 수 있다. 입자, 유체, 재료 거동을 더욱 현실적으로 구현하는 신규 모델링 접근법이 적용됐으며, 동역학 기반 설계 탐색 환경이 개선돼 실시간 지오메트리 수정과 멀티윈도우 비교 기능을 통해 설계자 중심의 직관적 의사결정을 지원한다.   한편 하이퍼웍스는 항공, 자동차, 전자 등 다양한 산업에서 활용되고 있다. 항공 분야에서는 미국 항공기 스타트업 젯제로(JetZero)가 지멘스와의 협력 프로젝트에서 하이퍼웍스 제품군을 활용해 고효율 항공기 개발에 필요한 공력 성능을 빠르게 평가하며 핵심 의사결정을 이전보다 짧은 시간 안에 수행하고 있다. 알테어의 샘 마할링엄(Sam Mahalingam) 최고기술책임자(CTO) 겸 지멘스 디지털 인더스트리 소프트웨어 총괄부사장은 “하이퍼웍스 2026은 AI, 자동화, 멀티피직스를 하나의 통합 플랫폼으로 연결해 설계·해석 프로세스를 본질적으로 혁신하는 제품”이라면서, “지멘스와의 기술 결합을 통해 세계적 수준의 AI 기반 시뮬레이션 포트폴리오를 완성하고, 고객이 보다 빠르고 정확한 제품 개발을 수행할 수 있도록 적극 지원할 것”이라고 밝혔다.

제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (3)   크레오 시뮬레이션 라이브(Creo Simulation Live)는 설계자 중심의 실시간 통합 해석 설루션으로, 빠르고 쉽게 구조·열·모달·유체 해석을 수행할 수 있는 설루션이다. 크레오 12.0 크레오 시뮬레이션 라이브에서는 더욱 향상된 기능으로 제품 개발 효율과 품질을 동시에 높일 수 있다. 이번 호에서는 크레오 12.0에서 추가된 패스너(fastener) 추가 및 예비 하중(preload) 조건 적용, 자동 접촉(contact) 감지 및 생성을 기반으로 하여 구조 해석을 진행해보자.   ■ 김주현 디지테크 기술지원팀의 차장으로 크레오 전 제품의 기술지원 및 교육을 담당하고 있다. 홈페이지 | www.digiteki.com   이번 호에서는 다음과 같은 어셈블리를 해석해보자. 해석하고자 하는 모든 부품에 필요한 재료를 지정한다.     해석을 하기 위해 메뉴에서 ‘라이브 시뮬레이션’을 선택한다.     ‘시뮬레이션 추가’에서 원하는 해석 유형을 선택한다. 이번 호에서는 구조해석을 하기 위해 ‘구조 시뮬레이션 검토’를 선택한다.     어셈블리를 모두 해석하지 않고 원하는 부품만 해석하기 위해 ‘범위’를 통해 부품을 지정한다. ‘B02482.prt’, ‘B02400.prt’ 이 두 부품을 제외하고 나머지 부품을 모두 선택한다.     다음으로 제약조건을 설정해 보자. ‘고정’ 아이콘을 선택한다.     고정하고자 하는 서피스 면을 선택한 후 확인한다. 예제에서는 그림과 같이 네 개의 구멍을 선택한다.     다음으로는 베어링 하중을 부여한다. 크레오 12.0 라이브 시뮬레이션에서는 베어링 하중을 부여할 수 있다. 베어링 하중을 부여하는 경우 힘이 핀/구멍 연결로 적용되며, 하중 분포는 지정된 방향으로 원통의 절반에 걸쳐 자동으로 적용된다. 베어링 하중은 완전 원통형에서만 지원되고, 강도 및 방향의 기준으로 정의되거나 방향 컴포넌트의 기준으로만 정의될 수 있다. 베어링 하중을 부여할 수 있게 되면서 핀/구멍 연결 하중을 좀 더 정확하게 시뮬레이션할 수 있게 되었다. 메뉴에서 ‘베어링 하중’을 선택한다.     그림과 같이 ‘B02521.prt’의 안쪽 면을 참조로 선택한 후 방향에 값을 입력한다. 이번 호에서는 X 방향으로 ‘-500N’, Z 방향으로 ‘-200N’을 입력한 후 확인한다.     다음으로 두 번째 베어링 하중을 입력한다. 베어링 하중 아이콘을 선택한 후 이번에는 ‘GB6LASTSN001228.prt’의 서피스 면을 참조면으로 선택한다. 하중의 값은 X 방향으로 ‘-200N’, Z 방향으로 ‘50N’의 힘을 입력한 후 확인한다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.

캐드앤그래픽스 지식방송 CNG TV 지상 중계   지멘스 디지털 인더스트리 소프트웨어는 8월 28일 CNG TV 웨비나를 통해 ‘개발 기간 단축을 위한 설계자향 해석 방안(CAD to CAE)’을 주제로, Simcenter FLOEFD(심센터 플로EFD) 기반의 최신 CFD(전산 유체 역학) 접근법을 소개했다. 이날 권중혁 대표, 김택민 대표, 안정근 프로가 발표자로 참여해 설계·해석 통합 프로세스를 중심으로 사례와 시연을 공유했다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 지멘스 디지털 인더스트리 소프트웨어 권중혁 영업대표, 김택민 영업대표, 안정근 프로   설계자가 직접 활용 가능한 CAD 내장 CFD 이번 웨비나에서는 설계 초기 단계에서 CFD를 활용하는 ‘프런트로딩 CFD(Frontloading CFD)’의 필요성이 강조됐다. 심센터 FLOEFD는 NX, 솔리드 엣지, 카티아, 크레오 등 주요 CAD에 완전 내장되어 별도의 형상 단순화 과정 없이 곧바로 해석을 수행할 수 있다. 스마트셀(SmartCell) 기술과 안정적인 솔버를 기반으로 설계자도 손쉽게 CFD를 활용할 수 있다는 점이 차별화 요소다. 권중혁 영업대표는 “제품 개발에서 설계자향 해석은 이제 선택이 아닌 필수”라며, “CAD에 내장된 FLOEFD를 통해 설계 단계부터 성능을 검증하고 품질과 개발 속도를 동시에 높일 수 있다”고 강조했다. FLOEFD는 방산·항공우주, 자동차, 전자, 냉동공조 등 다양한 산업에 적용되고 있으며, SSD·스마트폰·ADAS 컨트롤러 등 실제 사례도 소개됐다.   파라메트릭 설계와 해석의 연계 김택민 영업대표는 NX 익스프레션(NX Expression)을 활용한 파라메트릭 설계 방안을 발표했다. NX 익스프레션은 변수와 수식을 통해 모델을 지능적으로 제어하며, 팀센터(Teamcenter) PLM과 연계해 제품 옵션과 규칙을 CAD 모델 변수에 직접 연결할 수 있다. FLOEFD와 결합 시 모델 변경이 자동으로 해석 조건에 반영돼 설계와 해석 간 불일치를 최소화한다. 김택민 영업대표는 “설계와 해석을 하나의 연속된 프로세스로 연결함으로써 생산성과 최적화 속도를 크게 높일 수 있다”고 강조했다.   IGBT 냉각 해석 시연 안정근 프로는 IGBT 냉각 해석 데모를 통해 FLOEFD의 실제 활용법을 소개했다. NX CAD 환경에서 곧바로 CFD를 수행할 수 있으며, 자동 체적 검출·위자드 기반 초기 설정·자동 메싱 등 편의 기능이 제공된다. 또한 DOE(실험계획법)와 HEEDS(히즈) 모듈을 통한 최적화 기능으로 다양한 설계안을 빠르게 비교할 수 있다. 안정근 프로는 “FLOEFD는 설계자가 직접 사용할 수 있는 쉽고 빠른 해석 솔루션으로, 초기 설계 단계에서 성능을 검증하는 프런트로딩 CFD의 장점을 극대화한다”고 말했다. 한편, 이번 웨비나는 설계와 해석의 간극을 줄이고, 제품 개발 속도를 높일 수 있는 CAD 내장 CFD의 실제 활용 전략을 제시해 관심을 모았다. 지멘스 디지털 인더스트리 소프트웨어는 FLOEFD를 통해 설계자가 초기 단계부터 성능 검증과 최적화를 수행할 수 있도록 지원하며, 기업의 제품 경쟁력 강화를 돕고 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

캐드앤그래픽스 지식방송 CNG TV 지상 중계   CNG TV는 9월 2일 ‘PTC 크레오12 론칭 웨비나’를 개최하고, 설계 및 엔지니어링 작업 효율을 극대화하도록 향상시킨 크레오 12.4의 새로운 기능을 소개했다. 이번 웨비나에서는 더욱 강력하고 사용자 친화적으로 개선된 크레오 12의 핵심 변화점들이 집중 조명됐다. 특히 단순한 기능 확장을 넘어 실제 업무 현장에서 체감할 수 있는 생산성 향상에 초점을 맞춘 업데이트 내용이 주목받았다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   설계부터 제조까지 통합 설루션 강화 크레오 12.4는 설계 효율과 검증 정확도를 높이는 핵심 기능들로 업데이트됐다. 주요 개선사항은 UI/UX 개선, 시뮬레이션 고도화, MBD 및 GD&T Advisor 정밀성 강화, 생성형 설계(GTO/ GDX) 성능 향상 등이다. PTC코리아 김도균 대표는 “크레오 12.4는 이전 버전에서 경험하지 못했던 체감 성능과 워크플로 효율을 제공한다”며, “중요한 것은 기능의 개수가 아니라, 이를 통해 리드타임을 줄이고 비용을 절감할 수 있느냐”라고 강조했다. PTC코리아 박정호 CAD 사업 총괄대표는 “이번 웨비나는 단순히 새로운 기능을 소개하는 자리가 아니라 실제 업무에서 얼마나 효율적으로 활용할 수 있는가에 초점을 맞췄다”고 설명했다.   ▲ PTC코리아 김도균 대표   반복 작업 절반으로 단축, 생산성 대폭 향상 가장 눈에 띄는 개선점은 설계자 생산성 강화다. 신기능 툴팁과 개선된 트리 구조로 설계 환경이 직관적으로 개선됐으며, 피처 옵션 프리셋과 최근 사용값 불러오기 기능으로 반복 작업 시간을 절반 이상 단축했다. 인클로즈 볼륨 기능, 멀티보디 지원, 성능 리포트 강화 등도 설계 과정 전반의 효율을 높였다. 선도솔루션 황교성 주임은 “크레오 12.4에는 48가지 이상의 기능 개선이 포함되어 있으며, 이를 통해 설계자의 실제 작업 시간이 평균 30% 단축되는 효과를 기대할 수 있다”고 밝혔다.   ▲ 선도솔루션 황교성 주임   GPU 활용 확대로 시뮬레이션 성능 대폭 개선 시뮬레이션 분야에서는 앤시스 2025R1 솔버 탑재로 GPU 활용이 확대되고 접촉 처리와 오류 로깅이 향상됐다. 자동 접촉 인식, 베어링 하중, 패스너 이상화 기능이 추가돼 복잡한 해석도 간단한 조건만으로 현실적인 결과를 얻을 수 있게 됐다. 글루온아이엔에스 허훈 팀장은 “CSL과 앤시스 솔버가 GPU 활용과 자동 접촉 기능을 강화하면서 복잡한 해석도 간단한 조건 정의만으로 실제와 유사한 결과를 얻을 수 있게 됐다”고 평가했다.   ▲ 글루온아이엔에스 허훈 팀장   국제 표준 준수 자동화로 설계 오류 최소화 모델 기반 정의(MBD)와 GD&T Advisor 기능도 대폭 개선됐다. MBD는 3D 모델에 직접 치수와 공차를 입력해 협업과 변경 검토를 용이하게 하며, 주석 복사·붙여넣기, 의도 체인, 평면 지름 치수 지원 등 실무 친화 기능이 추가됐다. 쓰리피체인 박상범 차장은 “MBD와 GD&T Advisor 개선으로 반복 입력이 크게 줄었고, 표준을 자동으로 준수할 수 있어 설계 오류와 제조 비용을 동시에 줄이는 효과가 크다”고 설명했다.   ▲ 쓰리피체인 박상범 차장   AI 기반 생성형 설계로 최적화 수준 한 단계 향상 생성형 설계 모듈(GTO/GDX)에는 열 기반 최적화, 보존 보디·서피스 연결, 강체 지정 기능이 새롭게 추가됐다. 이를 통해 열 해석이 필요한 분야의 설계 최적화가 가능해지고, 형상 연결의 안정성이 강화되며, 해석 속도도 향상됐다. 모두솔루션 백승환 과장은 “크레오 제너레이티브 디자인은 설계자가 미처 생각하지 못한 형상을 자동으로 생성하며, 이번 업데이트로 더욱 신뢰성 있고 완성도 높은 최적화가 가능해졌다”고 강조했다.   ▲ 모두솔루션 백승환 과장   한편 발표자들은 크레오 12.4가 실시간성, 재사용성, 표준성을 기반으로 설계·검증·제조 전 과정을 더 빠르고 안정적으로 연결한다고 한 목소리로 강조했다. 이번 업데이트는 설계자가 현장에서 직접 체감할 수 있는 생산성과 경쟁력 향상을 목표로 하고 있다는 것이 PTC의 설명이다.     ■ 기사 내용은 PDF로도 제공됩니다.