아마존웹서비스(AWS)는 오는 5월 20일~21일 서울 코엑스에서 AI·클라우드 콘퍼런스인 ‘AWS 서밋 서울 2026’을 개최한다. 올해로 12회를 맞이하는 이번 행사는 정부 부처와 산업계 리더, IT 전문가들이 한자리에 모여 에이전틱 AI를 포함한 최신 클라우드 기술 트렌드와 산업별 실전 사례를 공유할 계획이다. 올해는 AWS가 2006년 아마존 S3를 출시하며 클라우드 시대를 연 지 20주년이 되는 해다. 동시에 2016년 서울 리전을 개소하며 국내에 클라우드 인프라를 직접 제공한 지 10주년이 되는 시점이기도 하다. 인터넷만 연결되어 있다면 누구나 세계 최고 수준의 기술로 혁신할 수 있다는 신념을 바탕으로, AWS는 국내 스타트업과 대기업, 공공 부문의 디지털 전환을 지원하며 한국의 디지털 혁신을 가속화해 왔다. 이번 서밋은 지난 20년의 성과를 돌아보고 에이전틱 AI가 이끌 미래 20년의 비전을 제시하는 자리가 될 전망이다.     이번 행사는 에이전틱 AI가 기업의 실제 업무 현장을 변화시키는 혁신의 구심점이라는 점에 주목한다. 기조연설과 세션, 엑스포를 통해 참가자들에게 실질적인 정보를 제공하며 18개 트랙과 120개 이상의 세션이 마련된다. 60개 이상의 파트너사도 함께 참여한다. 특히 AWS 20주년 기념 특별 부스와 AI 중심의 ‘AWS 포 인더스트리’, ‘피지컬 AI 라운지’ 등을 통해 산업 현장에서 활용되는 AI 설루션을 직접 체험할 수 있다. 행사 첫날인 인더스트리 데이에는 AWS 코리아 함기호 대표가 에이전틱 AI 시대의 고객 혁신 지원 전략을 발표한다. 이어 AWS의 제이슨 베넷 글로벌 스타트업 부문 부사장이 AI 혁신의 미래 전망을 공유한다. 김성훈 업스테이지 대표와 김환 CJ 올리브영 CTO는 무대에 올라 AWS를 활용한 비즈니스 혁신 사례와 성장 통찰력을 나눈다. 오후에는 금융, 리테일, 제조, 헬스케어, 미디어 등 9개 산업별 트랙에서 48개 이상의 세부 세션이 이어진다. 둘째 날인 AI 데이에는 AWS 기술 리더들이 차세대 AI 개발자 경험과 클라우드 설루션을 설명한다. 버너 보겔스 아마존 부사장 겸 CTO를 비롯해 우스만 칼리드 AWS 서버리스 컴퓨팅 디렉터, 안종훈 아모레퍼시픽 전무 등이 기조연설자로 나선다. 신재현 우아한형제들 AWS 히어로와 김민태 AWS 커뮤니티 빌더, 윤석찬 AWS 코리아 수석 테크 에반젤리스트도 참여해 전문적인 견해를 전달하며 오후에는 50개 이상의 기술 세션이 열린다. 엑스포 현장에서는 다양한 에이전틱 AI 기반 설루션을 직접 경험할 수 있다. AWS 포 인더스트리 존에서는 아모레퍼시픽의 ‘뷰티 컨시어지’를 통해 아마존 베드록과 아마존 세이지메이커 기반의 맞춤형 서비스를 선보인다. KBS+A LIVE 부스에서는 AI 영상 편집 및 콘텐츠 분석 설루션을 소개하며, NCAI 부스에서는 사진 한 장으로 에이전틱 AI가 커머스 설루션을 완성하는 과정을 체험할 수 있다. 피지컬 AI 라운지에서는 로아이, 컨피그, 뉴빌리티, 로보티즈가 참여해 에이전틱 AI와 물리 세계의 융합 사례를 보여준다. 디벨로퍼 라운지에서는 차세대 AI 개발 도구인 ‘키로’ 데모를 확인할 수 있으며, AWS 빌리지에서는 5대 핵심 기술 영역의 데모가 운영된다. 스타트업 존에는 인포플라, 프렌들리AI, 모빌린트, 플렉스 등 8개 기업이 참여해 AI 추론 클라우드와 이상 탐지, AI 보안 진단 등 혁신 기술을 시연한다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   최근 인공지능 분야의 주요 화두는 단연 ‘공간 지능(spatial intelligence)’의 구현이다. 단순 2D 이미지나 단일 3D 객체(object) 생성에 머물렀던 기존의 기술적 한계를 넘어, 물리적 환경의 기하학적 구조와 상호작용을 포괄적으로 이해하는 거대 월드 모델(LWM : Large World Models)이 새로운 대안으로 부상하고 있다. 특히, 페이페이 리(Fei-Fei Li) 교수가 이끄는 월드랩스(World Labs)의 ‘마블(Marble)’ 출시는 이러한 패러다임 전환을 알리는 핵심 마일스톤이다. 이번 호에서는 최근 오토데스크와 월드랩스의 대규모 전략적 파트너십을 중심으로, 마블의 기술적 아키텍처와 통합 파이프라인, 그리고 이에 대응하는 오픈소스 3D 생성 모델의 발전 동향을 기술적 관점에서 분석하고자 한다.   ■ 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. 월드랩스가 개발한 오토데스크의 마블 서비스   그림 2. 월드랩스가 개발한 오토데스크의 마블 서비스   오토데스크 마블의 기술적 배경 마블은 오토데스크가 직접 개발한 제품이 아니다. 이 모델은 ‘AI의 대모’라 불리는 페이페이 리 교수가 설립한 AI 스타트업 월드랩스가 개발한 핵심 생성형 3D 월드 모델이다. 오토데스크는 2026년 2월 월드랩스에 대규모 전략적 투자를 단행하며, 자사 소프트웨어와의 통합 파트너십을 발표했다.   그림 3. 페이페이 리 교수의 월드랩 연구실 멤버들(출처 : techfundingnews)   마블의 구체적인 첫 코드 작성일이 공식적으로 공개되지는 않았으나, 회사의 설립과 주요 제품 마일스톤을 통해 개발 타임라인을 추론할 수 있다. 초기 R&D 및 시작(2024년 1월) : 페이페이 리 교수를 비롯한 최고 수준의 AI 연구진이 3D 환경 생성과 실시간 시뮬레이션을 목표로 2024년 1월에 월드랩스를 공동 창립했다. 마블의 근간이 되는 ‘공간 지능’ 연구와 코어 모델 개발은 이때 본격적으로 시작되었을 것으로 분석된다.을 거쳐, 마블의 첫 번째 제한적 베타 버전이 공개되었다. 프로토타입 및 베타(2025년 9월) : 약 1년 8개월의 딥테크 연구 기간 정식 출시(2025년 11월 12일) : 텍스트, 이미지, 비디오 등을 입력받아 상호작용 가능한 3D 환경을 즉석에서 구축하는 마블 프론티어 모델이 일반 대중에게 정식 론칭되었다.   마블의 핵심 기술 스택 마블은 단순히 2D 이미지를 이어 붙이는 비디오 생성 AI가 아니라, 물리적 공간의 3차원 구조를 완벽히 이해하는 거대 월드 모델(LWM) 아키텍처를 채택하고 있다. 3D 표현 포맷(3D Gaussian Splatting) : 시점이 변하면 형태가 무너지는 기존 생성 모델의 한계를 극복하고, 변형 없이 영구적으로 보존되는 3D 환경을 생성한다. 결과물은 3D 가우시안 스플랫이나 메시(mesh) 형태로 다운로드하여 언리얼, 유니티 등 다른 게임 엔진으로 내보낼 수 있다. 실시간 프레임 모델(RTFM : Real-Time Frame Model) : 2025년 10월에 도입된 핵심 렌더링 기술이다. 단일 GPU 환경에서도 실시간으로 월드를 생성하고 상호작용할 수 있도록, 기존 프레임들을 일종의    ‘공간 메모리’로 활용해 높은 디테일을 유지한다. 웹 렌더링 엔진(SparkJS.dev) : 별도의 무거운 클라이언트 없이 웹 브라우저 환경에서 매끄러운 3D 렌더링을 구현하기 위해 Three.js를 기반으로 한 독자 렌더러 ‘SparkJS.dev’를 사용한다. 이는 가우시안 스플랫과 전통적인 WebGL 애셋(glTF 모델 등)을 자연스럽게 혼합한다. 공간 편집 도구(Chisel) : 사용자가 직접 상자나 평면 같은 단순한 원시 도형(primitive)으로 3D 뼈대를 잡으면, AI가 맥락을 파악해 시각적 디테일과 텍스처를 입히는 하이브리드 3D 편집을 지원한다.   오토데스크 생태계와의 결합 전략 기존 스테이블 디퓨전 기반 3D 생성이 단일 객체를 깎아내는 데 집중했다면, 마블은 단일 이미지나 텍스트에서 거대한 3D 가상 세계 전체를 생성한다. 이를 오토데스크의 생태계와 결합하는 것이 이번 협업의 핵심이다. 백본 모델(backbone models) : 단순 2D 픽셀 패턴 모방을 넘어 3D 공간의 기하학(geometry), 재질, 빛의 반사, 물리 법칙을 추론하는 거대 세계 모델(LWM)을 백본으로 사용한다. 월드랩스의 핵심 개발진(NeRF 창시자 등)의 배경을 고려할 때, NeRF 및 차세대 뉴럴 렌더링 기술이 결합되어 시점 변화에 완벽히 대응하는 일관된 3D 신(scene)을 연산한다. 학습 데이터 종류(training data) : 일반적인 2D 이미지 쌍을 넘어 3D 레이아웃, 공간 깊이(depth) 데이터, 카메라 트래킹(pose)이 포함된 다중 시점 영상, 그리고 오토데스크가 강점을 가진 기하학적/물리적 CAD 시뮬레이션 데이터 등 복합적인 고차원 데이터로 학습된다. 오토데스크와의 통합 파이프라인(integration workflow) 편집 가능한 3D 신 : 비디오 영상(예 : 오픈AI 소라)이 아닌, 구조화되고 상호작용 가능한 3D 환경 자체를 출력한다. 라스트 마일 편집(last-mile editing) 생태계 : 마블이 프롬프트로 전체 공간의 초안을 생성하면, 이를 오토데스크의 마야, 3ds 맥스, 레빗 같은 전통적인 소프트웨어로 넘긴다. 이후 아티스트나 엔지니어가 직접 폴리곤 토폴로지, 리깅, 정밀한 재질 수정을 거쳐 최종 결과물을 완성한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   최근 인공지능 분야의 주요 화두는 단연 ‘공간 지능(spatial intelligence)’의 구현이다. 단순 2D 이미지나 단일 3D 객체(object) 생성에 머물렀던 기존의 기술적 한계를 넘어, 물리적 환경의 기하학적 구조와 상호작용을 포괄적으로 이해하는 거대 월드 모델(LWM : Large World Models)이 새로운 대안으로 부상하고 있다. 특히, 페이페이 리(Fei-Fei Li) 교수가 이끄는 월드랩스(World Labs)의 ‘마블(Marble)’ 출시는 이러한 패러다임 전환을 알리는 핵심 마일스톤이다. 이번 호에서는 최근 오토데스크와 월드랩스의 대규모 전략적 파트너십을 중심으로, 마블의 기술적 아키텍처와 통합 파이프라인, 그리고 이에 대응하는 오픈소스 3D 생성 모델의 발전 동향을 기술적 관점에서 분석하고자 한다.   ■ 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. 월드랩스가 개발한 오토데스크의 마블 서비스   그림 2. 월드랩스가 개발한 오토데스크의 마블 서비스   오토데스크 마블의 기술적 배경 마블은 오토데스크가 직접 개발한 제품이 아니다. 이 모델은 ‘AI의 대모’라 불리는 페이페이 리 교수가 설립한 AI 스타트업 월드랩스가 개발한 핵심 생성형 3D 월드 모델이다. 오토데스크는 2026년 2월 월드랩스에 대규모 전략적 투자를 단행하며, 자사 소프트웨어와의 통합 파트너십을 발표했다.   그림 3. 페이페이 리 교수의 월드랩 연구실 멤버들(출처 : techfundingnews)   마블의 구체적인 첫 코드 작성일이 공식적으로 공개되지는 않았으나, 회사의 설립과 주요 제품 마일스톤을 통해 개발 타임라인을 추론할 수 있다. 초기 R&D 및 시작(2024년 1월) : 페이페이 리 교수를 비롯한 최고 수준의 AI 연구진이 3D 환경 생성과 실시간 시뮬레이션을 목표로 2024년 1월에 월드랩스를 공동 창립했다. 마블의 근간이 되는 ‘공간 지능’ 연구와 코어 모델 개발은 이때 본격적으로 시작되었을 것으로 분석된다.을 거쳐, 마블의 첫 번째 제한적 베타 버전이 공개되었다. 프로토타입 및 베타(2025년 9월) : 약 1년 8개월의 딥테크 연구 기간 정식 출시(2025년 11월 12일) : 텍스트, 이미지, 비디오 등을 입력받아 상호작용 가능한 3D 환경을 즉석에서 구축하는 마블 프론티어 모델이 일반 대중에게 정식 론칭되었다.   마블의 핵심 기술 스택 마블은 단순히 2D 이미지를 이어 붙이는 비디오 생성 AI가 아니라, 물리적 공간의 3차원 구조를 완벽히 이해하는 거대 월드 모델(LWM) 아키텍처를 채택하고 있다. 3D 표현 포맷(3D Gaussian Splatting) : 시점이 변하면 형태가 무너지는 기존 생성 모델의 한계를 극복하고, 변형 없이 영구적으로 보존되는 3D 환경을 생성한다. 결과물은 3D 가우시안 스플랫이나 메시(mesh) 형태로 다운로드하여 언리얼, 유니티 등 다른 게임 엔진으로 내보낼 수 있다. 실시간 프레임 모델(RTFM : Real-Time Frame Model) : 2025년 10월에 도입된 핵심 렌더링 기술이다. 단일 GPU 환경에서도 실시간으로 월드를 생성하고 상호작용할 수 있도록, 기존 프레임들을 일종의    ‘공간 메모리’로 활용해 높은 디테일을 유지한다. 웹 렌더링 엔진(SparkJS.dev) : 별도의 무거운 클라이언트 없이 웹 브라우저 환경에서 매끄러운 3D 렌더링을 구현하기 위해 Three.js를 기반으로 한 독자 렌더러 ‘SparkJS.dev’를 사용한다. 이는 가우시안 스플랫과 전통적인 WebGL 애셋(glTF 모델 등)을 자연스럽게 혼합한다. 공간 편집 도구(Chisel) : 사용자가 직접 상자나 평면 같은 단순한 원시 도형(primitive)으로 3D 뼈대를 잡으면, AI가 맥락을 파악해 시각적 디테일과 텍스처를 입히는 하이브리드 3D 편집을 지원한다.   오토데스크 생태계와의 결합 전략 기존 스테이블 디퓨전 기반 3D 생성이 단일 객체를 깎아내는 데 집중했다면, 마블은 단일 이미지나 텍스트에서 거대한 3D 가상 세계 전체를 생성한다. 이를 오토데스크의 생태계와 결합하는 것이 이번 협업의 핵심이다. 백본 모델(backbone models) : 단순 2D 픽셀 패턴 모방을 넘어 3D 공간의 기하학(geometry), 재질, 빛의 반사, 물리 법칙을 추론하는 거대 세계 모델(LWM)을 백본으로 사용한다. 월드랩스의 핵심 개발진(NeRF 창시자 등)의 배경을 고려할 때, NeRF 및 차세대 뉴럴 렌더링 기술이 결합되어 시점 변화에 완벽히 대응하는 일관된 3D 신(scene)을 연산한다. 학습 데이터 종류(training data) : 일반적인 2D 이미지 쌍을 넘어 3D 레이아웃, 공간 깊이(depth) 데이터, 카메라 트래킹(pose)이 포함된 다중 시점 영상, 그리고 오토데스크가 강점을 가진 기하학적/물리적 CAD 시뮬레이션 데이터 등 복합적인 고차원 데이터로 학습된다. 오토데스크와의 통합 파이프라인(integration workflow) 편집 가능한 3D 신 : 비디오 영상(예 : 오픈AI 소라)이 아닌, 구조화되고 상호작용 가능한 3D 환경 자체를 출력한다. 라스트 마일 편집(last-mile editing) 생태계 : 마블이 프롬프트로 전체 공간의 초안을 생성하면, 이를 오토데스크의 마야, 3ds 맥스, 레빗 같은 전통적인 소프트웨어로 넘긴다. 이후 아티스트나 엔지니어가 직접 폴리곤 토폴로지, 리깅, 정밀한 재질 수정을 거쳐 최종 결과물을 완성한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

디지털 지식전문가 조형식의 지식마당   최근 인공지능이 우리 삶의 모든 면을 급격하게 변화시키고 있다. 혹자는 이것을 인공지능 전환(AI transformation 또는 AX)이라고 말한다. 그러나 실상은 그 이상이다. 디지털 전환(digital transformation : DX)이 본격적으로 시작한 것도 몇 년 되지 않았는데 다시 인공지능 전환이라니, 대부분 정보기술 분야의 이해당사자들은 당혹스럽다. 디지털 전환의 시대에 정보기술 분야에 일하는 사람들은 약간 안도했을 수도 있다. 이것은 정보화에서 디지털 기술의 심화가 디지털 전환으로 받아들였기 때문이다. 그러나 인공지능 전환은 조금 결이 다르다는 것을 느낄 것이다. 초기에는 빅데이터 분석(big data analytics)과 머신러닝은 연결고리가 있었다. 또한 CAD/CAM/CAE 분야와 시뮬레이션(simulation) 그리고 디지털 트윈(digital twin)도 연결고리가 있다. 이 모든 패러다임의 데이터 기반(datadriven)과 폐쇄형 시스템(closed system)이라는 패러다임을 공유한다. 다시 말해서 데이터 수집(data collection)이 중요하고 데이터 정의(data definition)가 핵심이다.  그러나 인간의 사고를 흉내내는 언어 중심의 인공지능에서 의사결정 구조에서 맥락(context)이 없는 데이터는 경직되고 의사결정에서 쓸모 없는 경우가 많다. 기업의 경쟁력은 더 이상 단순히 데이터를 ‘많이 보유’하는 데서 나오지 않는다. 핵심은 데이터를 어떻게 구조화하고, 어떻게 의미를 부여하며, 어떻게 의사결정으로 연결하느냐에 있다. 전통적 데이터 웨어하우스는 스타 스키마(star schema)와 스노우플레이크 모델을 중심으로 발전해 왔다. 이 구조는 대규모 분석을 가능하게 했지만, 급변하는 비즈니스 환경—규제 변화, 가격 정책 수정, 구독 모델 전환, AI 기반 실험—을 따라가기에는 점점 한계를 드러내고 있다.   그림 1. 온톨로지와 그래픽 데이터베이스   이제 기업은 고정된 테이블 중심 사고에서 벗어나, 시맨틱 그래프 기반 온톨로지(ontology)로 전환하고 있다. 이 전환을 가속하는 기술이 바로 LLM(Large Language Model : 대형 언어 모델)이다. 기존의 산업용 정보기술(industrial IT)은 마치 ‘콘크리트 신발’을 신고 달리는 것과 같다. 구조는 단단하지만, 방향 전환은 느리다. 온톨로지는 데이터를 ‘테이블’이 아니라 의미 있는 객체(object)로 본다. ‘고객’, ‘주문’, ‘제품’은 더 이상 테이블이 아니라 그래프의 노드다. 관계는 조인이 아니라 방향성 링크(directed edge)다. 이 접근은 그래프 데이터베이스 및 시맨틱 기술 발전과 맞물려, 현대 데이터 아키텍처의 핵심으로 자리잡고 있다. 이전에는 인공지능 프로젝트가 없거나 온톨로지, 디지털 스레드와 디지털 트윈, 그래프 데이터베이스(graph database)를 결합하려는 시도가 없던 것은 아니다. 다만 개발자, 담당자, 도메인 전문가는 너무 힘든 작업과 시간과 비용의 소모전이기 때문에 성공할 수 없는 방법론이었다. 단지 거대 방위산업 회사만이 가능했다. 그러나 LLM이 보편화되면서 이 모든 것이 가능해졌다. 이 패러다임은 온톨로지 기반 디지털 트윈(ontology based digital twin) 정보화이다. 복잡하게 들리지만, 현재 팔란티어라는 회사가 사용하고 있는 방법이다.   그림 2. 게임 체인저 LLM, 구축 비용의 혁신   새로운 온톨로지 디지털 트윈 정보기술의 패러다임의 비즈니스 혁신 효과는 다음과 같다.   의사결정 민첩성 규제 변경, 가격 정책 전환, 제품 피봇 시 노드와 링크만 추가하면 확장 가능   분석 부채 감소 기존 핸드크래프트 파이프라인 붕괴 문제 해소 데이터 팀은 유지보수가 아닌 가치 창출에 집중   데이터 민주화 현업 담당자가 직접 질문 : “지난달 프리미엄 사용자의 평균 구매 빈도는?” 엔지니어 도움 없이도 탐색 가능   비용 효율 스타트업 : 엔터프라이즈급 모델링 확보 대기업 : 스키마 드리프트 관리 자동화   그림 3. 온톨로지 패러다임 비교   전략적 시사점은 LLM 기반 온톨로지 자동화는 단순 기술 도입이 아니다. 이는 기업 운영 체계의 구조적 재설계다. 핵심은 데이터 → 의미 → 의사결정 연결 구조 구축, 인간과 AI의 역할 명확화, 온톨로지를 운영 자산으로 관리, 질의 기반 학습 구조 설계, 장기적 데이터 지능 축적 전략 수립이다.   그림 4. 디지털 트윈 정보 모델   결론적으로, 데이터 민주화에서 의사결정 민주화로 움직이면서 LLM 기반 온톨로지 자동화는 단순히 모델링 비용을 줄이는 도구가 아니다. 이는 의미 중심 데이터 구조, 자가 최적화 파이프라인, 복리적 지식 축적, 조직 전체의 분석 역량 확장을 가능하게 한다. 결국 이는 데이터 민주화 → 분석 민주화 → 의사결정 민주화로 이어지는 전환이다. 여기서 말하는 민주화는 책임지는 사람이 결정하고, 의사결정 과정을 투명하게 공유하는 과정을 의미한다. 설명되지 않는 인공지능 도움에 의한 의사 결정은 리스크가 크다. 앞으로의 경쟁력은 데이터를 얼마나 많이 보유했는가가 아니라, 데이터를 얼마나 의미 있게 연결했는가에 달려 있다. 그리고 그 연결을 자동화하는 시대가 이미 시작되었다.   ■ 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.

개발 및 공급 : 어바스 주요 특징 : 3D 형상과 요구조건을 기반으로 공정 라우팅과 소재 및 공급사 등 제조 공정 추천, 기계적 특성을 통계 레이어로 구조화하고 사용자 행동 데이터를 결합해 최적 소재 추천, 수행사 가중치를 기반으로 견적과 배분 시나리오 자동 산출 등   엠피니티(MPNITE)는 사용자가 업로드한 3D 형상 데이터를 기반으로, 제조 공정 추천, 스마트 레이어(smart layer) 기반 소재 추천, 수행사 가중치 기반 동적 견적 및 일감 배분을 하나의 파이프라인으로 연결해 제공하는 제조 의사결정 지원 소프트웨어이다. 적용 분야는 3D 프린팅 중심의 시제품 제작 및 소량 생산, 공정 선택이 중요한 제조 외주 업무 전반이며, 공정 후보로 FDM, SLA, SLS, MJF, 등을 추천 대상으로 둔다.   엠피니티의 특징 엠피니티의 핵심은 ‘가능 여부 판정’ 수준을 넘어, 형상과 요구조건을 바탕으로 공정 라우팅과 소재 및 공급사 선택까지 연동한다는 점이다.     형상 분석 기반 공정 추천 3D 형상을 복셀(voxel), EDT, 기하학 피처로 분석해 두께 분포, 형상 복잡도, 부품 용도 특성까지 자동 판정 후 공정을 추천한다.     스마트 레이어 기반 소재 추천 8가지 기계적 특성을 7개 통계 레이어로 구조화한 스마트 레이어에 사용자 행동 데이터를 결합해 최적의 소재를 추천한다.   수행사 가중치 기반 동적 견적 및 배분 MOQ, 일정, 장비 유휴율과 변동성, 수행사 장비 및 소재 특성, 품질 이력, 마진 경쟁력 등을 가중치로 반영해 견적과 배분 시나리오를 자동 산출한다.   엠피니티의 구성 기술 신고서 기준 제품 구성은 네 개의 축으로 정리된다. 사용자 인터페이스 : 3D 도면 업로드, 실시간 뷰어, 견적서 및 분석 리포트 제공 분석 엔진(core) : 3D 파일 정규화, 복셀화 및 EDT 연산, 공정 적합성 판정 모듈 매칭 엔진 : 공정 및 소재 룰 데이터베이스, VPS(위험 조정) 및 정합성 스코어링 모듈 관리자 및 데이터베이스 : 공급사 프로파일, 소재 및 장비 라이브러리, 주문 및 로그 관리   엠피니티의 주요 기능 제품 소개(동작 흐름) 서비스 흐름은 ‘업로드 → 분석 → 후보 도출 → 공급사 랭킹 → 동적 견적 → 발주 및 학습’으로 설계된다. 특히 공급사 랭킹 단계에서 VPS와 설비 적합도를 평가하고, 견적 단계에서 실시간 유휴율을 반영해 최종 견적을 산출하는 점이 강조된다.     타 설루션과의 차이점 현재 타사의 설루션은 이전 데이터를 학습한 딥러닝 기반 실시간 설계 분석을 통하여 자사가 보유한 장비의 역량에 맞는 공정과 소재를 지원 하는 방식으로 ‘자사 장비 중심’의 제작 서비스를 지원하는 온라인 제조 서비스에 초점을 맞추고 있다. 반면 엠피니티는 ‘제조 의사결정 지원 엔진의 통합’ 자체가 차별 포인트로 정리된다. 형상 분석 기반 AI를 통하여 이 형상에 어떤 공정이 적합한지를 추천한다. 스마트 레이어 기반 정적 데이터시트와 사용자 행동 학습에 기반한 알고리즘으로 소재를 추천한다. 수행사 가중치, 장비 유휴율 등을 반영한 동적 견적 및 일감 배분을 하나의 파이프라인으로 연결해 자동화한다. 이상의 세 가지가 현재까지의 온라인 제조 설루션과의 핵심 차이점이다.   향후 계획 및 지원 전략 학습 고도화 : 주문 결과와 사용자 선택 데이터를 다시 AI 학습에 반영하는 루프를 강화해 추천 정확도와 납기 신뢰도를 높이는 방향 공정 및 소재 라이브러리 확장 : 공정 및 소재 후보군 자동 도출 단계의 폭을 넓혀 적용 산업군을 확대 수행사 네트워크 확대 : 수행사 가중치 모델에 품질 이력과 납기, 부하율 등 운영 데이터를 더 촘촘히 반영   주요 고객 제품 개발 및 R&D 조직, 시제품을 반복 제작하는 기업 및 연구소 3D 데이터는 있으나 공정 및 소재 선택 경험이 부족한 비전문 사용자(스타트업, 개인 개발자 포함) 외주 제작을 운영하는 구매 및 생산관리 담당자(견적 비교, 납기 리스크 관리 수요) 제조 수행사(유휴 장비 활용, 물량 배분을 통한 가동률 개선 수요)     ■ 기사 내용은 PDF로도 제공됩니다.

마드라스체크가 개발하고 운영하는 인공지능(AI) 협업툴 플로우(flow)가 국내 스타트업 시장의 투자 위축과 수익성 압박 속에서도 흑자 전환(BEP)과 고성장을 동시에 달성하며 업계의 이목을 집중시키고 있다. 다수의 스타트업이 외형 확대 과정에서 적자 폭이 심화되는 구조적 한계에 부딪히는 것과 달리, 플로우는 성장성과 수익성을 모두 증명하며 이례적인 성공 사례로 평가받고 있다. 마드라스체크는 2025년 한 해 동안 수주 및 계약 기준 매출 210억 원을 기록하며 흑자 전환에 성공했다고 밝혔다. 이번 성과는 단순한 비용 절감이나 일시적인 반등이 아니라, AI 중심의 제품 경쟁력 강화와 SaaS, 프라이빗 클라우드(Private Cloud), 내부망 구축형(엔터프라이즈)을 아우르는 하이브리드 매출 구조를 기반으로 한 구조적 흑자라는 점에서 의미가 크다. 회사는 이러한 글로벌 확장 성과를 바탕으로 기업공개(IPO) 준비를 본격화하고 성장 전략에 속도를 낼 방침이다.     3년 연속 고성장 기록하며 스타트업 시장의 질적 성장 입증 플로우는 최근 수년간 안정적인 성장 흐름을 지속해 왔다. 최근 5년간 회계 매출 기준 연평균 성장률(CAGR) 약 40% 이상을 기록했으며, 2025년 흑자 전환을 기점으로 내실 중심의 질적 성장 국면에 진입했다. 특히 수주 및 계약 매출은 2024년 140억 원에서 2025년 210억 원으로 50% 이상 급증하며 실제 수익으로 연결되는 선순환 구조를 확립했다. 이러한 성과의 배경에는 AI 중심의 제품 고도화와 더불어 제조, 금융, IT 산업에 특화된 차별화된 경쟁력이 자리 잡고 있다. 마드라스체크 측은 치열한 협업툴 시장에서 구축형과 SaaS를 병행하는 안정적인 비즈니스 모델이 시장의 신뢰를 얻은 결과라고 분석했다. 기능 중심 협업툴 넘어 AI 에이전트 협업 OS로 진화 플로우의 AI 전략은 기존의 단순한 질문 답변형 도구와 궤를 달리한다. 플로우는 기업용 멀티 AX 환경을 제공하여 오픈AI, 제미나이, 클로드 등 외부 AI 모델을 기업 특화 보안 기능이 강화된 형태로 안전하게 활용할 수 있도록 지원한다. 나아가 플로우는 AI를 내부 업무 흐름과 파일, 대화의 맥락을 이해하고 다음에 해야 할 일을 제안하는 AI 에이전트(AI Agent)로 정의하고 있다. 프로젝트 생성, 업무 정리, 회의 기록 요약 등 반복적인 프로세스를 자동화하고 우선순위를 제시함으로써 조직 단위의 실행력을 높이는 AI 협업 OS로 진화하고 있다. 이를 통해 사용자는 초기 설정의 부담을 줄이고 실질적인 업무 완결성을 확보할 수 있다. 제조, 금융, 공공 시장 석권하며 구축 실적 국내 1위 굳혀 플로우는 대기업과 금융기관, 공공기관을 대상으로 한 온프레미스 구축 실적에서 독보적인 위치를 점하고 있다. 삼성전기, 현대모비스, BGF리테일 등 대기업은 물론 삼성생명, 삼성화재, 한국투자증권 등 금융권과 한국가스공사, 국회예산처, 금융감독원 등 공공기관을 포함해 70건 이상의 내부망 공급을 완료했다. SaaS와 내부망 구축형 환경을 모두 지원하는 국내 유일의 협업 플랫폼으로서 플로우는 조직의 규모나 보안 요구 수준에 관계없이 동일한 협업 경험을 제공한다. 이학준 마드라스체크 대표는 플로우의 수익을 고객 중심의 AI 기술 내재화와 제품 고도화를 위한 R&D에 집중 재투자하여 AI 협업 OS로서의 경쟁력을 더욱 강화하겠다고 강조했다. 2026년 매출 300억 목표 및 글로벌 시장 진출 가속화 플로우는 2026년 수주 및 계약 기준 매출 300억 원 달성을 목표로 글로벌 시장 확장에 박차를 가한다. 일본, 미국, 영국 등 주요 글로벌 시장을 중심으로 AI 협업 플랫폼에 대한 검증과 확장을 동시에 추진할 계획이다. 이학준 대표는 2025년 연간 흑자 전환은 구조적 성장의 출발점이라며, 외형 성장과 수익성 확보라는 어려운 과제를 해결한 만큼 2026년에는 글로벌 AI 협업 플랫폼으로 도약하며 IPO 준비를 본격화하겠다고 포부를 밝혔다. B2B 소프트웨어 분야에서 드문 성공 사례를 써 내려가고 있는 플로우의 행보에 산업계의 관심이 쏠리고 있다.