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.

PTC가 한국 지사 설립 33주년을 맞아 제조 산업의 미래를 선도하기 위한 ‘인텔리전트 제품 라이프사이클(Intelligent Product Lifecycle)’ 비전과 AI(인공지능) 전략을 발표했다. 이 전략의 핵심은 설계부터 유지보수에 이르는 제품 수명주기 전반의 데이터를 유기적으로 연결하고, 이를 기반으로 제조산업에서 AI의 효율을 극대화하겠다는 것이다. PTC는 신뢰도 높은 제품 데이터 기반과 주력 설루션에 내재화된 AI 기술로 제조 경쟁력 강화를 돕겠다고 전했다. ■ 정수진 편집장    신뢰도 높은 제품 데이터 기반으로 AI 접목 PTC 코리아의 김도균 대표 겸 본사 부사장은 “PTC는 단순히 CAD나 PLM 설루션을 제공하는 기업을 넘어, ‘인텔리전트 제품 라이프사이클(Intelligent Product Lifecycle)’을 구현하는 기업으로 진화하고 있다”고 소개했다. ‘인텔리전트 제품 라이프사이클’ 비전의 핵심은, 복잡해지는 제조 환경에서 데이터를 체계적으로 관리하고 AI를 적용하여 기업의 실질적인 비즈니스 가치를 창출하는 것이다. 김도균 대표는 “성공적인 AI의 도입과 활용을 위해서는 먼저 ‘신뢰할 수 있는 제품 데이터 파운데이션(Product Data Foundation)’을 구축해야 한다”고 설명했다. 제조산업에서는 AI가 잘못된 정보를 생성(hallucination)하거나 일관성이 부족한 답변을 내놓는 것이 특히 치명적일 수 있다. 이를 막기 위해서 PTC는 설계(CAD), 제품 수명주기 관리(PLM), 애플리케이션 수명주기 관리(ALM), 서비스 수명주기 관리(SLM) 등에서 발생하는 데이터를 구조화하고, 이를 통해 AI가 일관되고 신뢰할 수 있는 답변을 제공할 수 있는 기반을 만드는 것이 최우선 과제라고 보고 있다. PTC 코리아의 이봉기 사업개발담당 마스터는 “제품의 복잡성 증가를 관리하는 것뿐 아니라 이를 경쟁우위로 전환하기 위해서는, 다양한 시스템에 파편화된 채로 존재하는 정형 및 비정형 데이터를 온톨로지(ontology)와 시맨틱(semantic) 모델로 유기적으로 연결해야 한다. 이를 통해서 데이터의 맥락(context)을 확보하고, 유의미한 정보를 얻을 수 있게 된다”고 설명했다.   ▲ 국내 사업 전략을 설명한 PTC 코리아 김도균 대표   제품 수명주기 전반에 걸친 AI 에이전트 이런 비전에 따라 PTC는 제품 데이터 파운데이션 위에 AI 기술을 탑재하여 제품 기획부터 폐기까지 전 과정을 혁신하겠다는 전략을 제시했다. CAD, PLM, ALM, SLM 등 자사의 주요 설루션 라인업에 에이전트의 형식으로 AI 기능을 도입한다는 로드맵도 소개했다. 일부 AI 에이전트는 이미 제공되고 있으며, 올해부터는 여러 AI 에이전트가 본격 추가될 전망이다.   ALM 코드비머(Codebeamer)를 중심으로 하는 ALM 영역에서는 복잡한 요구사항을 관리하고, 소프트웨어의 안전성을 검증하는 데에 생성형 AI를 활용한다. 요구사항 분석 및 규제 검증 : AI가 사용자가 작성한 요구사항을 분석하여 국제 시스템 엔지니어링 표준 위반 여부를 자동으로 판별한다. 규칙을 위반한 경우, AI가 수정 제안을 하거나 예시를 제공하여 규제 대응 시간을 줄일 수 있게 한다. 테스트 케이스 자동 생성 : 요구사항을 선택하면 AI가 이를 검증하기 위한 테스트 조건과 단계를 자동으로 생성해 준다. 또한 기존 테스트 케이스와의 중복 여부를 분석해서 효율적인 테스트 시나리오를 작성할 수 있도록 돕는다.   CAD PTC의 제품 설계 설루션인 크레오(Creo)에는 설계자의 창의성을 돕고 반복 작업을 줄여주는 AI 기능이 탑재되고 있다. 자연어 기반 생성형 설계 : “표면적이나 볼륨을 최적화한 컵을 만들어줘”와 같이 자연어로 명령하면, AI가 최적의 형상을 자동으로 모델링한다. 설계자가 구체적인 치수나 조건을 추가하면 이에 맞춰 형상을 수정한다. 소재 추천 및 심미성 평가 : AI가 설계된 모델의 물성치를 분석하여 적합한 재질을 추천하거나, 인터넷상의 이미지 데이터와 비교해서 디자인 평가 피드백을 제공하고 설계자의 의사결정을 지원한다.   PLM 방대한 엔지니어링 데이터를 관리하는 윈칠(Windchill) PLM에서는 데이터의 재활용성을 높이고 업무 효율을 높이는 데에 AI가 쓰인다. 유사 형상 검색 및 중복 부품 제거 : 단순 텍스트 검색이 아니라, AI가 3D 형상 기반으로 유사한 부품을 찾아내서 비교 테이블을 제공한다. 이를 통해 설계자는 기존 부품을 재활용하여 설계를 변경하거나, 구매 부서에서는 중복 구매를 방지하여 비용을 줄일 수 있다. 문서 인사이트 및 요약 : 챗GPT(ChatGPT)와 비슷한 대화형 인터페이스를 통해 PLM 내부의 방대한 기술 문서를 검색하고 요약할 수 있다. AI는 답변과 함께 근거가 되는 원본 문서의 링크를 함께 제공함으로써 정보의 신뢰성을 보장한다.     제조 데이터 보안 및 개방성 강화 한편, 제조 데이터는 기업의 민감한 기술 정보를 포함하고 있다. 이에 대해 이봉기 마스터는 “보안 및 권한 관리를 위해 역할 기반 정보 필터링을 지원하면서, 중복 제거를 통한 비용 절감, 규제 준수 및 추적성 확보 등 실질적인 비즈니스 가치 창출을 도울 수 있다”고 설명했다. 제조 데이터는 ERP, MES 등 다양한 설루션과의 유기적인 연결이 필수이기도 하다. PTC는 개방성을 중시하면서, 마이크로소프트, AWS, 엔비디아 등 클라우드 기업과의 파트너십을 통해 고객이 SaaS(서비스형 소프트웨어) 환경에서 보안과 성능이 보장된 AI 서비스를 활용하도록 지원할 것이라고 전했다. 이런 전략을 통해 제조 기업이 궁극적으로 제품 출시 기간 단축, 품질 향상, 비용 절감과 같은 실질적인 경영 목표를 달성하도록 돕겠다는 것이다.   국내 사업 확장 및 생태계 확대 전략 PTC 코리아는 33년간 축적한 국내 비즈니스 경험을 바탕으로, 새로운 고부가가치 산업까지 사업 영역을 확장할 계획이라고 전했다. 김도균 대표는 “기존에 강세를 보인 자동차, 전자/하이테크, 산업 기계 분야에서 입지를 굳히는 동시에, 의료 기술, 우주 항공 및 방위 산업으로 시장을 적극 확대할 예정”이라고 밝혔다. 파트너 생태계 강화도 PTC가 중점을 두는 부분이다. 전문 파트너사와 MOU를 체결하여 복잡성이 높은 항공우주, 방위, 의료기기 등 산업군에 특화된 엔지니어링 서비스를 제공하는 한편, 글로벌 SI 기업 및 국내 로컬 파트너와 협력을 통해 한국 제조 기업의 AI 도입 진입 장벽을 낮추고 생태계 전반을 지원하겠다는 것이다. 김도균 대표는 “PTC는 한국 시장의 중요성을 인지하고 영업 및 기술 인력을 지속해서 확충하고 있다. 이외에 대학 및 교육 기관과 협력하여 AI 및 제조 소프트웨어 전문 인재를 양성하는 데에도 투자하고 있다”고 덧붙였다.     ■ 기사 내용은 PDF로도 제공됩니다.

SAP 코리아가 창립 30주년을 맞아 ‘클라우드 전환의 가속화’와 ‘비즈니스 AI를 통한 혁신 지원’에 초점을 맞춘 미래 성장 전략을 소개했다. SAP는 AI 에이전트 쥴(Joule)의 한국어 지원 개시와 비즈니스 데이터 클라우드(BDC) 출시 등을 통해 국내 기업의 데이터 기반 업무 혁신을 지원한다고 전했다. 궁극적으로는 애플리케이션, 데이터, AI를 유기적으로 통합하는 비즈니스 스위트(Business Suite) 전략을 통해 한국 기업의 글로벌 경쟁력을 높인다는 것이 SAP의 전략이다. ■ 정수진 편집장   ‘한국 디지털 혁신 30년’의 여정을 돌아보다 SAP 코리아는 지난 1995년 15명의 직원으로 시작해 현재 약 800명 규모로 성장했다. SAP 코리아의 신은영 대표이사는 “여의도에서 시작한 SAP 코리아가 30주년을 맞은 올해 다시 여의도로 돌아오게 되어 뜻깊다”면서, “SAP 코리아는 지난 30년간 한국 기업들의 디지털 전환(DX)과 비즈니스 혁신 여정을 함께 해왔다”고 소개했다. 2005년에 설립된 ‘SAP 랩스 코리아’에서는 현재 약 300명의 엔지니어가 데이터베이스, AI(인공지능), 애널리틱스(분석) 등 SAP의 전략 설루션 개발을 담당하며 전 세계 고객을 지원한다. 신은영 대표이사는 2013년 서울대학교 기술을 기반으로 한 차세대 ERP 설루션 S/4HANA 출시, 2018년 SAP S/4HANA 클라우드 국내 도입, 2020년 한국 SAP 사용자 그룹(KSUG) 출범 등의 이정표를 소개했다. 2024년에는 금융보안원 클라우드 서비스 제공업체(CSP) 보안 평가를 완료하며, 금융권 등 규제 산업으로의 클라우드 사업 확대 기반을 마련했다. SAP의 사이먼 데이비스(Simon Davies) 아태지역 총괄 회장은 한국 시장을 빠르게 성장하는 APAC 지역 내 가장 중요한 전략적 시장으로 평가하며, “한국의 성공이 곧 글로벌 비즈니스 성공에 크게 기여한다”고 강조했다. 그리고 한국 시장에 대한 적극적인 지원과 투자를 지속할 것이라고 밝혔다.   ▲ 국내 고객사인 CJ제일제당의 사례 소개 및 패널 토론도 진행됐다.   클라우드 기반의 AI 전환 가속화 지원 약 5년 전부터 본격화된 클라우드 전환이 한국 시장에서도 가속화되고 있다. 신은영 대표이사는 “지난 3년간 한국 시장의 클라우드 전환율은 60%를 넘어섰으며, 이제 고객들은 클라우드를 도입할 지가 아니라 언제 도입할지를 논의하는 단계”라고 짚었다. 신은영 대표이사는 기업이 AI와 자동화 기능을 활용해 비즈니스 애플리케이션을 개발/통합/확장할 수 있도록 지원하는 비즈니스 기술 플랫폼(BTP), 기업의 다양한 데이터를 통합 관리하고 효율적인 의사결정을 지원하는 비즈니스 데이터 클라우드(BDC) 등 최근의 모든 혁신 기술이 클라우드 플랫폼에 기반하고 있다고 설명했다. 한편, SAP는 파트너, 고객, AI 정책을 세 축으로 하는 비즈니스 AI 성장 전략을 제시했다. 국내 140여 파트너 생태계와의 협력을 통해 국내 기업의 레거시 시스템 현대화부터 실질적인 AI 도입까지 전체 디지털 전환을 지원하고, 고객과의 협업을 통해 SAP의 전문성과 비즈니스 AI 설루션을 결합하여 고객이 더 빠르고 스마트한 의사결정을 내리고 실질적인 비즈니스 가치를 실현하도록 돕는다는 것이다.   애플리케이션-데이터-AI의 선순환 구조로 혁신 창출 SAP 코리아의 하경남 고객 자문부문 부문장은 빠른 기술 변화와 엔터프라이즈 시스템의 패러다임 변화를 언급하며, 기업의 혁신을 이끄는 핵심 동력으로 플라이휠 효과(flywheel effect)를 비즈니스 스위트 전략의 핵심으로 꼽았다. 이는 정교하게 연결된 애플리케이션이 고품질 데이터를 생성하고, 이 데이터가 AI를 학습시키며, 다시 AI가 애플리케이션 프로세스를 고도화하여 더 나은 데이터를 만드는 선순환 구조를 통해 지속 가능한 비즈니스 혁신을 창출하는 것이다.   ▲ SAP 코리아 하경남 부문장이 플라이휠 효과를 설명했다.   SAP는 AI가 기술 자체보다 비즈니스를 목적으로 삼아야 한다고 보고, AI를 별도로 구현하는 대신 기존 애플리케이션에 내재화하는 전략을 추진 중이다. 기업의 핵심 프로세스를 담는 애플리케이션은 ‘클린 코어(clean core)’를 통해 표준화되어 AI 신기술을 빠르게 반영할 수 있는 민첩성을 확보할 수 있도록 한다. 데이터 영역은 비즈니스 데이터 클라우드(BDC)를 통해 통합된다. BDC는 SAP 데이터뿐만 아니라 비 SAP 데이터까지 시맨틱 정보를 추가 가공 없이 활용할 수 있도록 지원한다. 하경남 부문장은 “특히 데이터를 물리적으로 복제하거나 외부로 유출하지 않더라도 AI 분석에 안전하게 활용할 수 있어 보안에 민감한 국내 고객에게 핵심적인 이점을 제공한다”면서, 현재 국내에서 약 30여 고객사가 BDC를 도입했다고 소개했다. AI 내재화는 업무 프로세스 단계마다 AI를 적용해 인사이트를 얻고 처리 방식을 혁신하는 임베디드 AI(embedded AI)로 구현된다. 그 중심에는 생성형 AI 에이전트인 ‘쥴(Joule)’이 있다. AI 활용의 단일 진입점 역할을 하는 쥴은 SAP가 50년 이상 축적한 전문성을 집약한 지식 그래프(knowledge graph)를 통해 정확한 비즈니스 맥락과 데이터 관계를 파악하여 AI의 환각(hallucination) 현상을 줄이는 것이 특징이다. 데이비스 총괄 회장은 “40개 이상의 애플리케이션별 에이전트와 올해 제공할 400개 이상의 임베디드 AI 활용 케이스를 통해 쥴의 성능을 개선하고 있다”고 전했다.     ■ 기사 내용은 PDF로도 제공됩니다.

캐드앤그래픽스 지식방송 CNG TV 지상 중계   CNG TV는 11월 17일 ‘산업데이터스페이스 활성화를 위한 정책과 기술’을 주제로, 제조업의 데이터 연결 생태계를 구축하기 위한 정책 방향과 기술 표준, 그리고 신뢰 기반 데이터 교환 구조를 집중적으로 다뤘다. 이번 방송에서는 온톨로지 기반 상호 운용성, 산업별 협력 모델, AI 활용을 위한 데이터 생태계 조성 등 핵심 전략이 공유됐다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 디지털지식연구소 조형식 대표, KIAT 최태훈 PD, 포엠디엑스 김형국 대표   KMX로 본격화되는 한국형 산업데이터스페이스 구축 AI 시대 제조 경쟁력의 핵심은 설비 효율보다 데이터의 연결성과 상호 운용성이다. 유럽의 카테나-X 같은 산업 데이터 스페이스 사례가 확산되는 가운데, 한국도 ‘KMX(Korea Manufacturing X)’를 통해 산업 데이터 사일로 해소와 글로벌 표준 연계를 목표로 하는 국가 단위 제조 데이터 인프라를 구축하기 시작했다. KMX는 데이터를 중앙에 모으는 대신 기업이 데이터를 보유한 상태에서 필요할 때만 연결하는 분산형 구조를 기반으로 한다. 국내 제조업이 겪어온 데이터 고립, 기업 간 구조 차이, 상호 운용성 부족 문제를 해결하고, CBAM·DPP 등 글로벌 공급망 규범에 대응하기 위해서다. 따라서 KMX는 산업별 표준 데이터 모델과 커넥터, 카탈로그, 보안 인증 같은 공통 기술을 패키지 형태로 제공한다. 한국산업기술진흥원(KIAT) 최태훈 디지털전환 PD는 “기업이 데이터를 공유하지 않는 이유는 기술 유출보다 안심하고 연결할 구조가 없기 때문”이라고 강조했다. KMX는 4년간 플랫폼 기술, AI 기반 서비스, 국제 표준 연동, 산업 실증을 추진하며 자동차·전자·철강·섬유·바이오 등 12개 산업 협회와의 협력을 확대할 예정이다.   AI 활용을 위한 ‘데이터 고속도로’… 5대 제조 서비스 KMX는 AI가 활용할 수 있는 의미 있는 데이터 흐름을 만들기 위해 산업 온톨로지 기반 시맨틱 구조를 구축한다. 이를 바탕으로 ▲공급망 수요 관리 ▲디지털 트윈 연계 공정 모델 ▲예지보전 ▲품질 추적 ▲탄소·에너지 저감 등 5대 공통 AI 서비스를 우선 개발한다. 이 서비스는 SaaS 형태로 제공돼 중소기업도 인프라 부담 없이 AI를 도입할 수 있다. 클라우드 기반 자동 업데이트(MLOps)도 지원된다. 또한 KMX는 카테나-X, IDTA, IMX 등 글로벌 데이터 스페이스와의 상호 인증을 추진해 국제 표준과 연동 가능한 한국형 플랫폼을 만든다는 계획이다. 한국산업지능화협회 산업데이터스페이스위원회 강사를 맡고 있는 포엠디엑스 김형국 대표는 “AI가 아무리 발전해도 데이터의 의미 구조(온톨로지)가 없으면 쓰일 수 없다”며 데이터 스페이스가 AI의 핵심 토대임을 강조했다. 데이터 고속도로가 구축되면 품질 문제 추적, 납기 리스크 감소, 글로벌 규제 대응 등 공급망 전반의 ROI가 크게 개선될 것으로 전망된다. 향후 AI 에이전트 기술이 결합되면 공급망 자동 분석과 의사결정도 가능해져 제조업 패러다임이 소프트웨어 중심으로 이동할 것으로 보인다. KMX는 기술 프로젝트가 아니라 정부–기관–대기업–중소기업이 함께 만드는 생태계 기반의 국가 프로젝트다. 정부는 표준과 제도, 기관은 인증체계, 대기업은 공급망 연결, 중소기업은 SaaS AI 도입을 맡는 공동 구조다. 이는 기업 내부 DX에 머물던 기존 스마트 공장의 한계를 넘어 산업 전체를 연결하는 ‘연결 중심 제조’로의 본격적 전환을 의미한다. KMX가 구축하는 산업 데이터 스페이스는 앞으로 한국 제조업의 AI 혁신을 이끄는 핵심 인프라이자, 제조 생태계 경쟁력을 좌우54 · 할 중요한 기반이 될 전망이다.     ■ 기사 내용은 PDF로도 제공됩니다.

스노우플레이크가 업계 파트너십을 통해 시맨틱 메타데이터의 정의와 공유 방식을 표준화하는 새로운 오픈소스 이니셔티브인 ‘오픈 시맨틱 인터체인지(Open Semantic Interchange, 이하 OSI)’를 출범한다고 밝혔다. 세일즈포스, 블랙록, dbt 랩스, 릴레이셔널AI 등 글로벌 20여개 기업이 참여하는 이번 이니셔티브에서는 벤더 중립적인 시맨틱 모델 사양을 도입한다. OSI는 벤더 중립적이고 공통적인 시맨틱 모델 사양을 도입함으로써 AI 및 비즈니스 인텔리전스(BI) 애플리케이션 전반에 걸쳐 일관된 비즈니스 로직을 보장할 수 있다. 기업들이 사용하는 각종 도구와 플랫폼마다 다른 데이터 해석 방식을 해결하기 위해 모든 시스템이 동일한 방식으로 데이터를 이해할 수 있는 공통 표준을 만드는 것이 목표다.     각기 다른 데이터 형태, 데이터 도구 등 데이터 분산은 AI 도입을 늦추는 원인이었다. OSI는 서로 다른 AI, BI, 데이터 도구가 같은 언어로 소통할 수 있도록 공통 시맨틱 표준을 구축해 플랫폼 간 상호 운용성을 강화하며 데이터 분산 문제를 해결한다. 데이터 정의 및 교환 방식을 표준화해 AI가 일관되고 정확한 정보를 활용할 수 있게 함으로써 AI, BI 애플리케이션 도입을 가속화하고 AI에 활용하는 데이터 신뢰성을 보다 높일 수 있게 된다. 스노우플레이크는 “결과적으로 데이터팀의 운영을 간소화하고, 시스템 간 서로 다른 정의를 맞추거나 중복 작업을 하는 데 소모하는 비효율을 줄일 것”이라면서, “그만큼 데이터 및 AI 팀들이 단순 문제 해결보다 보다 중요한 비즈니스 혁신에 집중할 수 있게 된다”고 전했다. 스노우플레이크를 비롯한 OSI 이니셔티브 기업들은 협력을 통해 폐쇄적이고 벤더 종속적인 시스템에서 벗어나 더 나은 개방형 AI를 도입하는 것을 목표로 한다. 이들은 AI 혁신을 이끌 새로운 패러다임으로 상호운용성과 표준화를 바탕으로 한 오픈소스 협력을 제시하고 있다. 태블로(Tableau)의 사우서드 존스(Southard Jones) 최고제품책임자(CPO)는 “AI의 미래는 신뢰에 달려있으며, 신뢰는 일관되고 믿을 수 있는 데이터에서 시작된다”며, “스노우플레이크와 파트너사들이 공동으로 OSI를 주도함으로써 플랫폼 전반에 걸쳐 동일한 의미를 유지하는 공통 시맨틱 프레임워크를 구축하고 AI 에이전트와 BI 애플리케이션을 통해 고객이 신뢰할 수 있는 데이터 인사이트를 활용할 수 있게 됐다”고 말했다. 스노우플레이크의 크리스티안 클레이너만(Christian Kleinerman) 제품 담당 수석부사장은 "스노우플레이크는 상호 운용성과 개방형 표준이 데이터와 함께 AI의 가능성을 발현하는데 필수적이라고 믿고 있다”며, "OSI 이니셔티브를 통해 파트너들과 함께 AI의 근본적인 과제인 공통 시맨틱 표준의 부재를 해결하는 데 앞장서게 되어 자랑스럽다. 이번 이니셔티브는 업계가 경쟁하는 것이 아니라 공동의 과제를 해결하고 모두를 위한 더욱 연결되고 개방적인 생태계를 구축하기 위해 힘을 합치는 것”이라고 말했다.

디지털 지식전문가 조형식의 지식마당   지난 1월호 칼럼인 ‘디지털 철학과 디지털 지속가능성을 시작하다’부터 2025년은 디지털 전환을 지나서 인공지능 전환의 시대에 더 근본적으로 접근해 보기로 했다. 디지털 철학은 너무 범위가 넓어서 그 중에 디지털 온톨로지(digital ontology) 또는 객체 지향 존재론(object-orientd ontology)으로 국한해서 생각해 봤다. 그리고 이것은 현재 인공지능과 함께 지속적으로 진화하는 디지털 트윈의 상관관계 관점에서 생각해 보았다. 현재 인공지능의 발전은 그동안 물리적 트윈의 거울 이미지가 강했던 디지털 트윈에게 새로운 진화의 방향을 제시한다. 최근까지 디지털 트윈은 다양한 목적으로 사용될 수 있는 물리적 자산 또는 물리적 트윈, 프로세스 및 시스템의 디지털 복제본을 의미했다.   그림 1. 팔란티어의 온톨리지 전략(출처 : Palantir)   그러나 디지털 트윈은 계속 진화해, 이제는 이론적으로 이 세상에 존재하는 추상적이거나 물리적으로 존재하는 모든 실체(entity)에 대해서 디지털 트윈이 존재할 수 있다. 수상한 기업인 팔란티어(Palantir)는 자신의 디지털 트윈 전략에서 추상적인 데이터에 대해 디지털 트윈화(digital twinlization)를 했고, 미래에는 조직을 디지털 트윈화한다는 야심찬 목표를 세우고 있다. 모든 실체를 디지털 트윈화하기 위해서 자연어 처리(natural language processing) 인공지능이 정확하게 이해할 수준의 컴퓨터 온톨로지(computer ontology)가 필요하다. 이것은 팔란티어의 온톨로지 전략과 유사하다. 이런 접근은 이전에 시맨틱 웹(semantic web)에서 시도됐으나, 최근 인공지능 자연어 처리의 폭발적인 발전으로 다시 각광을 받고 있는 것 같다. 팔란티어의 전략에서 디지털 트윈은 데이터를 현실 세계와 동기화하는 ‘두뇌’ 역할을 한다. 가장 중요한 것은 인공지능을 이용해서 데이테에게 의미를 부여하는 것이며, 여기에서 디지털 온톨로지가 중요한 역할을 할 수 있다. 예를 들어서, 의료 디지털 트윈 분야에서 백신을 가장 빨리 개발하는 방법은 대상(object) 바이러스를 디지털 트윈화한 후, 다음 단계의 진화를 예상하고 대상 바이러스의 안티 디지털 트윈(anti digital twin)을 만들어서, 백신을 미리 완성하거나 아주 짧은 시간에 개발할 수 있는 역량을 갖추는 것이다. 그런 관점에서 이 세상은 모든 것을 디지털 트윈화하거나 역 디지털 트윈화할 수 있다. 이것은 최근 급격히 발전한 인공지능, 특히 생성형 인공지능의 역할이 크다고 할 수 있다. 디지털 트윈은 기존의 시뮬레이션과 비슷해 보인다. 하지만, 디지털 트윈은 양방향이고 실시간으로 이전의 시뮬레이션의 추론 결과를 다시 디지털 트윈의 입력 자료에 재입력하여 더 강화된 결과를 지속적으로 얻을 수 있다.   그림 2. 노트북LM 시작 화면(출처 : Google)   최근에는 다양한 인공지능 도구와 환경으로 우리의 추상적인 지식이나 경험을 디지털 트윈화할 수 있다. 예를 들어서 구글의 노트북LM(NotebookLM)이나 LM스튜디오(LM Studio)는 질문만 하는 챗GPT, 딥시크, 제미나이에서 진화해 더 복잡한 자료를 입력할 수 있고, 다양한 방법으로 추론해서 요약 음성까지 출력할 수 있는 지식의 디지털 트윈을 만들 수 있다. 현재에도 이런 강력한 AI 도구가 20개 정도 유료로 사용 가능하며, 거대한 기본 모델을 다양한 방법으로 결합하고 자동화할 수 있는 도구가 지속적으로 만들어지고 있다. 이런 가운데 기존 IT 기업들의 고민도 커질 수 있다. 결론적으로 인공지능 시대에 지식 및 경험의 디지털 트윈을 가진 조직과 개인만이 경쟁력을 가지는 것이고, 이를 가능하게 하는 핵심은 디지털 온톨로지의 지식과 의미 있는 데이터로 디지털 트윈을 만들 수 있는 역량이라고 할 수 있다. 이제는 단순히 인공지능 모델을 잘 사용하는 것만으로는 충분하지 않다. 그 모델을 사용해서 자신의 비즈니스 모델이나 문제 해결에 필요한 디지털 트윈으로 특정 데이터에 의미를 부여하는 디지털 온톨로지가 정말 필요한 시점이다.   ■ 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.

마이크로소프트가 ‘마이크로소프트 빌드 2025(Microsoft Build 2025)’를 개최하고 AI 에이전트, 개발자 도구, 오픈 플랫폼 등 신규 기능과 주요 업데이트를 발표했다.   AI는 추론 능력과 메모리 기술의 고도화로 인해 스스로 학습하고 결정을 내리는 에이전트로 진화하고 있다. 이번 행사에서 마이크로소프트는 이러한 AI 에이전트가 개인, 조직, 팀은 물론 전체 비즈니스 전반에 작동하는 인터넷 환경을 ‘오픈 에이전틱 웹(Open Agentic Web)’으로 정의하며, AI가 사용자나 조직을 대신해 결정을 내리고 작업을 수행하는 시대가 도래했다고 강조했다.  전 세계 수십만 조직이 마이크로소프트 365 코파일럿(Microsoft 365 Copilot)을 활용해 리서치, 아이디어 브레인스토밍 등 다양한 업무에 특화된 AI 에이전트를 구축하고 있다. 이 중 포춘 500대 기업 90%를 포함한 23만 개 이상 조직은 코파일럿 스튜디오(Copilot Studio)를 통해 AI 에이전트와 자동화 앱을 개발하고 있다. 또한, 전 세계 약 1500만 명의 개발자가 깃허브 코파일럿(GitHub Copilot)을 통해 코드 작성, 검토, 배포, 디버깅 등 개발 전 과정을 효율화하고 있다.     이번 빌드 2025에서는 AI 에이전트 개발을 돕는 플랫폼과 도구가 집중 소개됐다. 먼저 깃허브(GitHub), 애저 AI 파운드리(Azure AI Foundry), 윈도우(Windows) 등 주요 개발 플랫폼에서 활용할 수 있는 다양한 기능과 업데이트가 발표됐다. 이번 업데이트는 개발 생애 주기의 변화에 따라 개발자가 보다 효율적으로 작업하고, 대규모 개발 환경에서도 유연하게 대응할 수 있도록 설계됐다.  깃허브 코파일럿에는 비동기화(asynchronous) 방식의 코딩 에이전트 기능이 새롭게 도입됐다. 또한, 깃허브 모델(GitHub Models)에는 프롬프트 관리, 경량평가(LightEval), 엔터프라이즈 제어 기능이 추가돼, 개발자는 깃허브 내에서 다양한 AI 모델을 실험할 수 있게 됐다. 이와 함께 깃허브 코파일럿 챗(GitHub Copilot Chat) 또한 비주얼 스튜디오 코드(Visual Studio Code)에서 오픈소스로 공개됐다. 깃허브 코파일럿 확장 기능의 AI 기능은 이제 개발 도구를 구동하는 오픈소스 저장소의 일부가 됐다.  윈도우 AI 파운드리(Windows AI Foundry)도 새롭게 공개됐다. 개발자에게 개방적이고 널리 사용되는 플랫폼 중 하나로서 윈도우가 확장성, 유연성, 그리고 성장 기회를 제공함에 따라, 윈도우 AI 파운드리는 학습부터 추론까지 AI 개발자 라이프사이클을 지원하는 통합되고 신뢰할 수 있는 플랫폼을 제공한다. 이를 통해 개발자는 시각 및 언어 작업에 특화된 간단한 모델 API를 활용해 오픈소스 대규모 언어 모델(LLM)을 파운드리 로컬(Foundry Local) 환경에서 실행하거나, 자체 개발한 모델을 가져와 변환·미세조정한 뒤 클라이언트 또는 클라우드 환경에 배포할 수 있다.  애저 AI 파운드리도 주요 업데이트를 진행했다. 애저 AI 파운드리는 개발자가 AI 애플리케이션과 에이전트를 설계·맞춤화·관리할 수 있도록 지원하는 통합 플랫폼으로, 이번 애저 파운드리 모델(Azure Foundry Models) 업데이트를 통해 AI 기업 xAI의 그록3(Grok 3) 및 그록3 미니(Grok 3 Mini) 모델이 마이크로소프트 생태계에 추가됐다. 두 모델은 마이크로소프트가 직접 제공하며 과금한다. 이로써 개발자가 선택할 수 있는 AI 모델의 범위는 파트너사 및 마이크로소프트 제공 모델을 포함해 1900개 이상으로 확대됐다. 이와 함께, 안전한 데이터 통합, 모델 맞춤화, 엔터프라이즈급 관리 기능도 제공돼 보다 정밀한 AI 운영이 가능해졌다.   AI 모델을 항목별로 비교해 순위를 보여주는 모델 리더보드(Model Leaderboard)와 특정 쿼리나 작업에 따라 최적의 모델을 실시간으로 선택할 수 있도록 설계된 모델 라우터(Model Router) 등 신규 도구도 함께 공개됐다.   AI 에이전트 개발과 배포를 보다 안전하고 효율적으로 수행하도록 지원하는 기능도 선보였다. 사전 구축된 에이전트(pre-built agents), 맞춤형 에이전트 설계 도구, 멀티 에이전트 기능, 새로운 모델 등으로 구성된 이번 업데이트는 개발자와 조직이 보다 유연하게 AI 에이전트를 구축하고 생산성을 높이는 데 활용할 수 있도록 지원한다.  애저 AI 파운드리 에이전트 서비스(Azure AI Foundry Agent Service)는 여러 전문 에이전트를 조율해 복잡한 작업을 처리할 수 있도록 지원한다. 이번 업데이트에서는 시맨틱 커널(Semantic Kernel)과 오토젠(AutoGen)을 통합 제공하는 단일 SDK와, 에이전트 간 상호작용을 가능하게 하는 A2A(Agent-to-Agent) 기능 및 모델 컨텍스트 프로토콜(Model Context Protocol, 이하 MCP) 지원 기능도 포함한다.  애저 AI 파운드리 옵저버빌리티(Azure AI Foundry Observability)에는 AI 에이전트의 신뢰도를 높일 수 있도록 성능, 품질, 비용, 안전성 등의 지표들을 모니터링할 수 있는 기능이 탑재됐다. 모든 지표는 통합 대시보드를 통해 시각적으로 추적할 수 있어, 운영 현황을 직관적으로 파악할 수 있다.  보안과 거버넌스 측면에서도 기능이 강화됐다. 프리뷰로 제공되는 엔트라 에이전트 ID(Microsoft Entra Agent ID)를 활용하면, 애저 AI 파운드리나 코파일럿 스튜디오에서 생성한 에이전트에 고유 ID가 자동으로 부여된다. 이를 통해 에이전트를 초기 단계부터 안전하게 관리하고, 무분별한 생성을 방지해 보안 사각지대를 방지할 수 있다. 또한, 애저 AI 파운드리로 구축된 애플리케이션과 에이전트는 퍼뷰(Microsoft Purview)의 데이터 보안 및 컴플라이언스 제어 기능과 통합된다. 여기에 위험 파라미터 설정, 자동 평가 수행, 상세 보고서 제공 등 고도화된 거버넌스 도구도 함께 제공돼 정밀한 보안 및 운영 관리가 가능해졌다.  마이크로소프트 365 코파일럿 튜닝(Microsoft 365 Copilot Tuning)은 기업 고유의 데이터, 워크플로, 업무 프로세스를 기반으로 로코드 방식의 AI 모델 학습과 에이전트 생성을 돕는다. 생성된 에이전트는 마이크로소프트 365 환경 내에서 안전하게 실행되며, 조직별 업무에 특화된 작업을 높은 정확도로 수행할 수 있다. 예를 들어, 로펌은 자사의 전문성과 양식에 맞춰 문서를 작성하는 에이전트를 구축할 수 있다.  멀티 에이전트 오케스트레이션 기능도 코파일럿 스튜디오(Copilot Studio)에 새롭게 도입됐다. 이를 통해 다양한 에이전트를 상호 연결하고 기능을 결합함으로써 복잡하고 광범위한 업무를 처리할 수 있다.  이와 함께 마이크로소프트는 AI 에이전트의 미래를 위해 개방형 표준과 공유 인프라를 발전시키는 MCP 생태계 지원 업데이트와 새로운 개방형 프로젝트인 ‘NLWeb’을 발표했다. 마이크로소프트는 깃허브, 코파일럿 스튜디오, 다이나믹스 365(Dynamics 365), 애저 AI 파운드리, 시맨틱 커널, 윈도우 11 등 자사가 보유한 주요 에이전트 및 프레임워크 전반에서 MCP를 지원한다. 마이크로소프트와 깃허브는 MCP 운영 위원회(MCP Steering Committee)에 새롭게 합류해, 개방형 프로토콜의 보안성과 확장성을 높이기 위한 공동 노력을 이어갈 예정이다.  또한 MCP 생태계 확장을 위한 두 가지 업데이트도 공개했다. 첫 번째는 사용자가 기존 로그인 방식을 그대로 활용해 에이전트 및 LLM 기반 애플리케이션에게 개인 저장소나 구독 서비스와 같은 다양한 데이터에 대한 안전한 접근 권한을 부여할 수 있도록 인증 체계를 개선했다. 두 번째는 MCP 서버 항목을 누구나 최신 공용 또는 사설 저장소에서 중앙화해 관리할 수 있도록 지원하는 MCP 서버 등록 서비스를 설계했다.   NLWeb은 에이전틱 웹 환경을 위한 개방형 프로젝트로, 마이크로소프트는 NLWeb이 에이전틱 웹에서 HTML과 유사한 역할을 할 수 있을 것으로 기대한다. NLWeb은 웹사이트 운영자가 원하는 AI 모델과 자체 데이터를 연결해 대화형 인터페이스를 구축함으로써 사용자가 웹 콘텐츠와 직접 상호작용하며 풍부하고 의미 있는 정보를 얻도록 돕는다. 또한 모든 NLWeb 엔드포인트는 MCP 서버이기도 하기 때문에 웹사이트 운영자는 필요시 AI 에이전트들이 해당 사이트의 콘텐츠를 쉽게 검색하고 접근하도록 설정할 수 있다.  한편, 마이크로소프트는 과학 연구를 가속화하기 위한 AI 에이전트 기반 플랫폼 마이크로소프트 디스커버리(Microsoft Discovery)도 선보였다. 이 플랫폼은 연구자가 AI 에이전트를 활용해 과학적 발견 과정 전반을 혁신할 수 있도록 지원한다. 마이크로소프트는 이를 통해 제약, 환경 등 다양한 산업 분야의 연구개발 부서가 신제품 출시 기간을 단축하고, 연구 전반의 속도와 범위를 확장할 수 있을 것으로 기대하고 있다.