이미지가 안보이신다면, 이곳을 클릭해주세요.

펑션베이가 지난 10월 13일 ‘2025 리커다인 유저 콘퍼런스’를 진행했다. 이번 콘퍼런스에서는 모델링 속도 개선, 해석 정확도 및 활용성 강화, 결과 분석 용이성 등을 중점으로 다물체 동역학 해석 설루션 리커다인 2026(RecurDyn 2026) 버전의 신기능을 소개했다. 또한 입자법 기반 CFD(전산 유체 역학) 소프트웨어인 파티클웍스 8.2(Particleworks 8.2) 버전의 기능 개선과 함께 사용자 서브루틴의 활용법, 모터 모델링 및 제어 기법, 하모닉 드라이브의 MFBD(유연 다물체 동역학) 해석 기법 등의 기술 발표가 이뤄지는 등 엔지니어링 시뮬레이션 기술의 최신 동향과 적용 사례를 전했다. ■ 정수진 편집장     해석의 신뢰도와 사용자 편의성 강화한 리커다인 2026 펑션베이 기술사업팀의 김진수 수석은 펑션베이가 자체 개발하고 있는 리커다인 2026의 핵심 기능을 소개했다. 사용자 모델링 효율과 해석 정확도를 강화한 이번 버전은 접촉(contact), 조인트(joint), 요소(element) 등 물리 현상 재현 능력을 고도화하고, 최신 AI 기술을 도입해 사용자 편의성을 높인 것이 특징이다. 우선, 해석의 신뢰도를 좌우하는 접촉 기능이 향상됐다. 패치 사이즈의 하한 제한을 없애 미세한 설정이 가능해졌으며, 이를 통해 더욱 정교한 지오메트리 조정이 가능하다. 특히 지오 콘택트(geo contact)에는 ‘단위 면적당 강성’과 ‘압력 스플라인’ 입력 방식이 추가되어, 브레이크 패드와 같이 면적에 따라 압력이 변하거나 비선형적 압력 관계를 가진 모델의 해석 정확도가 높아졌다. 조인트 영역에서는 스크류 조인트에 프리로드 기능을 추가해 오일 피스톤 등의 마찰 거동을 현실적으로 구현하며, 유연체(FFlex) 해석 시 더미 보디의 질량을 자동 보정해 물리적 간섭을 최소화했다. 주목할 점은 생성형 AI 기술의 도입이다. 리커다인 2026은 LLM(대규모 언어 모델) 기반의 ‘리커다인 어시스턴트’ 베타 버전을 탑재했다. 김진수 수석은 “복잡한 표현식(expression) 예제 생성이나 사용법 안내를 AI가 지원함으로써 모델링의 진입 장벽을 낮췄다”고 설명했다. 후처리(포스트 프로세싱)의 효율도 개선됐다. 애니메이션 일시 정지 상태에서 즉각적인 파라미터 확인과 노드 데이터 추적이 가능해졌고, 최대 5개 주파수의 진동 모드를 동시에 비교 재생하거나 셸(shell) 요소의 두께 위치별 응력을 확인하는 기능이 추가됐다. 이 외에도 내구 해석 결과 통합, 2배 빨라진 기어 해석용 패치 구속 모델링 등을 통해 엔지니어의 업무 생산성을 높이는 데 주력했다.   ▲ 리커다인 2026에서 베타로 탑재된 LLM 기반의 AI 어시스턴트   입자 해석의 정밀도·효율 높인 파티클웍스 8.2 펑션베이가 국내 공급하는 입자법 기반 CFD 소프트웨어인 파티클웍스는 지난 10월 8.2 버전을 선보였다. 펑션베이 기술사업팀의 김태영 책임은 “이번 업데이트는 기체와 액체의 상호작용을 다루는 LBM(Lattice Boltzmann Method) 기능의 고도화와 대규모 해석을 위한 전용 모델 도입, 열 해석 영역 확장을 통해 정확도와 효율을 강화했다”고 밝혔다. 가장 큰 변화는 기체와 액체 간의 양방향(2-way) 커플링 지원이다. 뭉쳐진 유체인 액적과 LBM 격자 간의 상호작용을 직접 계산하여, 액적과 기류가 서로 주고받는 영향을 반영할 수 있다. 이를 통해 빗방울이나 소방수 살포 같은 복잡한 유동을 더욱 현실적으로 모사할 수 있게 됐다. 눈이나 먼지가 쌓이는 현상을 다루는 ‘부착/적층 모델’도 추가됐다. 파티클웍스 8.2에서는 해석 효율이 더욱 개선됐다. FVM(유한체적법) 연동 시 MPS는 싱글, FVM은 더블 프리시즌으로 계산하는 하이브리드 방식을 도입해 속도와 안정성을 확보했다. 김태영 책임은 “불필요한 격자 생성을 줄이고 결과 파일 크기를 최대 85% 축소해 대용량 해석의 부담을 덜었다”고 설명했다. 또한 억 단위 입자를 처리하는 토목·해일 해석용 ‘EIMPS’ 모델을 도입해 메모리 효율과 속도를 높였다. 열 해석 분야에서는 고체-액체-기체 간 상호 열전달을 단일 솔버로 통합 지원하며, 방향별 열 전도도 입력 기능을 더해 복합적인 열전달 현상을 정밀하게 해석할 수 있게 됐다.   동역학 해석의 한계 극복 위한 기술과 사례 소개 이번 콘퍼런스에서는 리커다인의 기술적 깊이와 확장성을 선보이는 발표와 함께 자동차, 로보틱스, 전력 설비, 인공위성 등 다양한 산업 분야의 활용 사례가 소개됐다. 펑션베이 기술사업팀의 이정한 수석은 ‘리커다인 유저 서브루틴(user subroutine) 사용법’을 주제로, 파도의 힘과 같은 특수 물리 현상을 사용자가 직접 구현하거나 복잡한 모델을 수식화하여 해석 속도를 단축하는 노하우를 공유했다. 장성일 책임은 ‘코링크(CoLink) 모터 드라이버를 연동한 모터 모델링’ 기법을 소개하면서, 기계와 제어 시스템이 결합된 메카트로닉스 분야로의 기술 확장을 강조했다. 전용우 팀장은 로봇 구동계의 핵심인 ‘하모닉 드라이브(harmonic drive)의 모델링 및 정밀 해석 기법’을 발표하면서, 해석 시간 단축과 정확도 확보를 동시에 달성하는 해법을 제시했다. 펑션베이는 이들 발표를 통해 리커다인이 다룰 수 있는 CAE 기술의 스펙트럼과 해결 능력을 포괄적으로 제시했다. 또한, 동역학 해석을 넘어 복합 물리 현상과 정밀 제어 시스템까지 아우르는 통합 설루션으로 나아가고자 하는 리커다인의 미래 방향성을 제시했다.     ■ 기사 내용은 PDF로도 제공됩니다.

김덕진 지음 / 2만 5000원 / 스마트북스   2026년, AI 빅뱅을 미리 준비하는 최고급 코스! 1,400만 뷰 화제의 영상, 16주 연속 종합 베스트셀러 작가인 김덕진 소장의 최신작  <AI 2026 트렌드&활용백과>가 출간됐다. 이 책은 절대 놓쳐서는 안 될 2026년 AI 핫 트렌드와 실질적인 활용법을 총망라했다. 10여 년 동안 IT 트렌드의 최전선에서 대중과 호흡해온 김덕진 IT커뮤니케이션연구소장은 오픈AI, 앤트로픽, 구글, xAI 등 빅테크들의 최신 전략을 심층 분석하고, 다가오는 2026년을 ‘AI 빅뱅 시대: AI 전쟁의 2막’으로 규정했다. 특히 현실세계로 걸어 나오는 피지컬 AI, 소형 모델 혁명(엣지 AI·온디바이스 AI), 먼저 말을 거는 일상 AI 등 2026년을 대표할 AI 트렌드 키워드 10가지를 제시하고, 이들이 우리의 업무와 삶에 미칠 영향을 상세히 짚어냈다. 이 책은 지난 3년여 간 수천 회의 강의 현장에서 만난 5만여 명 사용자들의 요구와 고민을 반영해 실용성을 극대화했다. GPT-5, 클로드, 제미나이 등 범용 AI의 업무 특화형 '찐' 기능부터, 메타 프롬프트 및 프롬프트 팩(직장인/대학생 모음집) 사용법까지 담아냈다. 보고서, 영상, 음악 등을 위한 생성형 AI 도구 30개 활용법도 구체적인 사례와 함께 수록했다. 감마, 미리캔버스, 노션AI 등 사무 특화형 AI부터 퍼플렉시티 같은 심층 리서치 에이전트, 나노바나나, 소라 2, 베오 3 등 미디어 특화 AI까지 일잘러를 위한 알짜배기 도구들을 소개했다. 독자들은 이를 통해 자신만의 워크플로를 구축할 수 있게 됐다. 더불어 "개인 PC나 노트북에서 민감한 업무 정보를 다룰 수는 없을까?"라는 현장의 요구를 반영해, 인터넷 연결 없이 구동되는 오픈소스형 AI(로컬 AI) 사용법도 다뤘다. 젬마 3, 쿠웬 3 등 로컬 AI 설치 및 활용법, 한국의 오픈소스 AI(A.X, 하이퍼클로바 시드, 엑사원, 솔라) 체험 방법까지 안내했다. 이 책은 직장인이 번거로운 업무 자동화를 원할 때, 보고서 작성이나 아이디어가 막막할 때, 대학생이 리포트를 쓸 때, 부모가 자녀의 학습을 도울 때 등 일과 생활에서 AI 활용의 길잡이가 될 것이다.   

현장에서 얻은 것 No. 23   “거인의 어깨 위에 올라서서 더 넓은 세상을 바라보라.” – 아이작 뉴턴 AI라는 거대한 변화의 파도는 우리 삶 곳곳을 흔들고 있었다. 이는 단순히 새로운 기술의 등장이 아니라, 사고방식과 일하는 방식, 나아가 사회 전체의 구조를 바꾸는 흐름이었다. 필자는 지난 8개월 동안 이 변화의 흐름 속에서 매일 배우고 실험하며 자신만의 여정을 이어갔다. 이 시간 동안 AI를 단순한 도구로만 보지 않게 되었는데, 그것은 업무, 창작, 학습, 그리고 삶 전반을 통해 스스로를 끊임없이 자극하는 동반자였다. AI를 맹목적으로 신뢰하기보다는 신중하게 거리를 두고, 동시에 적극적으로 받아들이는 태도를 통해 자신만의 ‘필살기’를 다듬어왔다. 필자의 학습법은 눈으로 익힌 것이 70%, 손으로 부딪히며 체득한 것이 30%로 다소 독특했다. 이러한 비율을 받아들인 이유는 필자의 경험이 개발자의 삶이 아니었기 때문이었다. ‘바이브 코딩(vibe coding)’을 통해 비개발자도 개발을 할 수 있다고 광고했지만, 실제로는 한계가 있음을 이해했다. 커서 AI(Cursor AI)로 회사 홈페이지를 만들고, 리플릿(Replit) 프로그램으로 MBTI 판별 프로그램을 바이브 코딩으로 시도하며, 만들고 수정하는 것도 가능했다. 하지만 PLM을 기업에 구축하는 PM으로서 경험한 바로는, 비개발자가 프로그램을 만드는 데에는 한계가 있었다. 취미로 만드는 것은 환영하지만 프로그램이 론칭된 이후 발생하는 많은 이슈를 경험하며, 개발자와의 협업이 더 효율적이라는 자신만의 학습 공식을 터득했다. 강의와 책, 스터디에서 얻은 지식이 토대가 되었고, 실습과 시행착오가 그 지식을 현실과 연결해 주었다. 이부일 대표의 강의를 들으며 챗GPT를 활용한 파이썬 코드를 직접 따라가던 순간, AI가 단순한 언어 모델이 아니라 강력한 실무 도구라는 사실을 처음 체감했다. 첫날은 잘 따라갔지만 둘째 날 노트북 배터리가 나가 낭패를 본 기억도 생생했는데, 이러한 경험조차도 학습 과정의 일부가 되었다. AI 학습은 지식을 머리에 담는 것뿐만 아니라 삶과 환경 속에서 몸으로 받아들이는 과정임을 깨달았다. 실패와 해프닝도 자산이 되어 필자의 학습 지도 위에 하나씩 좌표가 찍혀갔다. 중요한 것은 속도가 아니라, 끊임 없이 배우고 기록하고 다시 활용하는 과정이 훨씬 값지다는 것이었다.  “미래는 예측하는 것이 아니라 상상하는 것이다.” – 앨런 케이   ▲ 코드를 이해하는 기획자, 비개발자의 바이브 코딩 입문(Map by 류용효) (클릭하시면 큰 이미지로 볼수 있습니다.)   비개발자가 코드를 배우려 했던 이유 필자가 비개발자로서 코드를 배우기 시작한 동기는 개인적인 필요에서 비롯되었다. PLM 구축 PM으로서 개발자와 같은 언어로 소통하고 싶었고, 프로세스 컨설팅을 수행하며 시스템/프로세스 흐름을 실제 코드 레벨에서 검증하고 싶었다. 또한 콘셉트맵과 AI를 접목하여 아이디어를 프로토타입 코드로 구현하고, 데이터 및 AI 기반으로 확장하고자 했다. 바이브 코딩을 통해 손쉽게 프로토타입을 직접 만들어 아이디어를 빠르게 실험하고 싶었던 것도 큰 동기였다. 일반적인 경우에도 비개발자가 코드를 배우는 다양한 이유가 있었다. 반복적이고 단순한 작업을 효율화하여 업무를 자동화하고, 데이터 구조를 직접 다루어 인사이트를 도출하며 데이터 이해력을 강화하는 것이었다. 개발자와의 협업 과정에서 기술적 언어를 이해하여 소통을 원활하게 하고, 아이디어를 직접 테스트하고 시각화하여 창의적 문제 해결 능력을 키우는 데에도 코딩이 필요했다. 또한 디지털 리터러시와 융합 역량을 확보하여 커리어를 확장하고, AI 툴 활용의 전제 조건인 코드 이해를 통해 AI 시대에 적응하고자 했다. 결론적으로, 비개발자가 코드를 배우는 이유는 개발자가 되기 위해서가 아니라 아이디어를 직접 다루고, 빠르게 실험하며, 더 나은 협업자이자 창의적 문제 해결자가 되기 위함이었다. 개발자와 비개발자의 시선 차이는 명확했는데, 개발자는 ‘코드와 로직을 어떻게 짤까’에 집중하고 성능, 안정성, 기술적 가능성에 관심을 두는 반면, 비개발자는 ‘왜 이게 필요한 걸까’에 집중하며 사용성, 효율, 비즈니스 가치를 중요하게 생각했다. 예를 들어, 같은 CSV 데이터를 보더라도 개발자는 데이터의 구조와 처리 방법을, 비개발자는 그 데이터가 무엇을 말해주고 경영 의사결정에 어떻게 쓰일지에 대한 의미와 활용 방법을 보았다. “가장 현명한 사람은 계속해서 배우는 사람이다.” – 소크라테스   나만의 바이브 코딩 조합 : 작은 성공에서 배운 것들 AI와 바이브 코딩 시대에 기획자의 새로운 역할이 중요하게 부각되었다. 바이브 코딩은 2025년 2월 안드레이 카르파티가 처음 언급한 개념으로, 코드 작성보다는 ‘원하는 결과물의 느낌(바이브)’을 AI에게 자연어로 설명하여 프로그래밍하는 방식이었다. 이는 코드 작성 능력이 창의력과 기획 능력으로 전환되는 트렌드를 반영했다. 비개발자를 위한 AI 개발 방법론은 문제 정의, PRD(제품 요구 문서) 작성, AI 프롬프팅, 그리고 결과 검증의 단계로 이루어졌다. 기획자는 문제 정의와 사용자 경험에 집중하고, AI와 대화하며 요구사항을 구체화하고 결과물을 정제하며, 빠른 프로토타입으로 아이디어를 시각화하고 개선점을 파악하는 데 주력했다. 필자는 8개월간의 여정 속에서 자신만의 AI 활용법, 즉 ‘필살기’를 만들어갔다. 이는 단순히 나열된 여러 갈래의 길이 아니라, 하나의 지도 위에 유기적으로 연결되어 있었다. AI는 단순히 도구가 아니라 이 지도를 함께 그려가는 협력자가 되었다. 필자의 AI 필살기는 다음과 같았다. 커서 AI : 비개발자의 ‘첫 코치’ 역할을 했다. 코딩의 벽을 낮춰주는 동반자로, 복잡한 문법, 오류, 환경 설정의 두려움을 덜어주었다. 커서 AI는 단순한 코드 자동 생성이 아니라 필자의 의도를 코드로 번역하여 작은 실험과 반복을 가능하게 했고, 바이브 코딩 학습을 지원했다. GPT-4 기반의 AI 코드 에디터로 비주얼 스튜디오 코드(VS Code)와 호환되며, 자연어로 코딩하고, 즉각적인 에러 수정, 단계별 설명, 코드 리팩토링 기능을 제공했다. 구글 CLI(Google CLI) : 데이터와 시스템을 다루는 새로운 무기였다. 클릭 대신 명령어로 반복 작업을 자동화하여 속도와 효율성을 극대화했다. 가상머신(VM), 스토리지(Storage), 데이터베이스(DB) 등 클라우드 리소스를 제어하고, 데이터를 핸들링하며, API를 직접 호출하여 서비스 통합을 용이하게 했다. 이는 GUI의 한계를 넘어서는 전문가의 무기가 되었다. 파이썬(Python) : 실전에서 가장 유용한 최소 단위였다. 쉽고 직관적인 문법, 방대한 라이브러리, 빠른 프로토타이핑이 강점이었다. 데이터 읽기/쓰기 한 줄, 간단한 자동화 스크립트 등 작은 코드로도 큰 효과를 낼 수 있었고, CSV 분석 및 시각화, 업무 자동화, AI·ML 모델 실험 등에 활용되었다. 커서 AI와 제미나이(Gemini)가 내장되어 더 쉽게 사용할 수 있었다. 이러한 도구들을 조합하여 데이터 분석 자동화 시나리오와 업무 자동화 봇 구축 시나리오를 구현할 수 있었다. 예를 들어, 커서 AI로 데이터 수집 스크립트를 작성하고, 파이썬으로 데이터 정제 및 시각화를 하며, 구글 CLI로 정기적 실행을 스케줄링했다. 무엇보다 데이터 이해는 코드보다 중요한 사고 프레임이었다. 코딩은 기술 습득이 아니라 사고방식의 확장임을 깨달았다. 데이터 구조를 이해하면 문제 정의력이 달라지고, 기획자로서 문제를 바라보는 시각이 새로워졌다. CSV 한 줄이 어떤 의미를 담고 있는지, 칼럼이 단순한 값이 아니라 업무의 맥락임을 이해하게 되면서, 데이터를 읽는 순간 업무 프로세스가 보이기 시작했다. 이러한 변화된 시각은 단순 결과물이 아닌 흐름과 원인을 질문하게 했고, 개발자와 같은 언어로 협업 및 설계를 가능하게 하며, 데이터 기반의 빠른 실험과 검증으로 이어졌다. 필자는 매일 새로운 프로그램에 도전하는 ‘하루 한 프로그램 도전기’를 통해 작은 성공을 쌓아갔다. 완벽함보다는 경험과 시행착오를 통한 학습을 강조했고, 개발의 본질이 사고의 연습임을 깨달았다. 즉, 코드는 도구일 뿐 핵심은 문제를 정확히 이해하고 구조화하는 능력이며, 실패는 학습이고 작은 성공이 쌓여 성장 곡선을 만든다는 것이었다. 끊임없이 배우고 기록하고 다시 활용하는 과정이 훨씬 값지다는 것을 체감했다. 그러나 바이브 코딩에는 현실적인 문제점도 있었다. 새로운 기능을 추가할 때 기존 기능이 손상되는 회귀 테스트 부재 문제, AI가 전체 맥락을 충분히 기억하지 못해 발생하는 기능 안정성 문제가 있었다. 무한루프나 잘못된 로직 생성, 에러 메시지 오해 등으로 인한 오류 및 디버깅 한계, 그리고 수정 과정에서 토큰/리소스를 과다하게 소비하는 문제도 발생했다. 세션이 바뀌거나 컨텍스트가 길어지면 AI가 이전 코드의 세부 흐름을 잊어버리는 지속성 부족 문제와, AI에 의해 산발적으로 작성된 코드가 구조화가 부족하여 협업 및 유지보수가 어렵다는 한계도 있었다. 이러한 문제를 경험하며 코드를 이해하거나 개발자와 협업하는 것이 필수라는 결론에 도달했다. “성공의 비결은 기회를 잡기 위해 준비하는 것이다.” – 벤저민 디즈레일리   미래를 향한 다리 : 기획자의 새로운 역할 AI 시대에 기획자의 역할은 크게 확장될 수 있었다. 비개발자의 강점은 데이터 맥락 해석력, 비즈니스 중심 사고, 그리고 맥락적 설명 능력에 있었고, 이는 CSV 데이터 컬럼의 의미와 관계를 명확하게 설명하고, 로직보다 비즈니스 가치와 목적에 집중하며, 기술적 디테일보다 전체적인 흐름과 맥락을 설명하는 커뮤니케이션 역량을 제공했다. 프로세스 컨설턴트에서 프로그램 기획자로의 역량 확장이 필요했다. 컨설팅 경험을 시스템 아키텍처 설계에 적용하고, 업무 분석 능력을 시스템 요구사항으로 전환하며, 사용자 관점과 시스템 관점의 통합을 통해 더 나은 UX(사용자 경험)를 설계하는 것이었다. 현업 부서와 IT 부서 간의 가교 역할을 수행하고, 업무 프로세스 최적화를 통해 비효율 지점을 발견하고, 시스템 병목 현상을 데이터 흐름 관점에서 해결하는 역량이 중요했다. 컨설팅 산출물을 소프트웨어 명세서로 변환하고 워크플로 시뮬레이션으로 최적화를 검증하는 방법이 요구되었다. 기획자는 기술 이해도를 바탕으로 개발팀과의 협상력을 강화하고, 데이터 기반의 의사결정 모델을 구축하며, 비즈니스와 기술을 잇는 통합적 관점을 제시하고, 프로토타입으로 아이디어를 구체화하는 능력을 확보해야 했다. 이를 위한 역량 개발로는 시스템 사고, 기술 리터러시(API, DB 구조, 클라우드 서비스 기본 개념), 애자일 방법론, 그리고 지라(Jira), 피그마(Figma), 미로(Miro)와 같은 협업 도구 활용 능력이 있었다. 기획자와 개발자의 경계를 허물고 함께 문제를 정의하고 해결하는 통합적 협업 체계를 구축하는 것이 중요했다. “나는 똑똑한 것이 아니다. 단지 문제와 더 오래 씨름할 뿐이다.” – 알베르트 아인슈타인 AI의 본질은 ‘주체’가 아니라 ‘도움’이었다. AI는 망설임 없이 실행하지만, 그것이 옳은 방향인지 판단하는 것은 인간의 몫이었다. 필자는 회의록 요약 같은 업무를 AI에 맡겼다가 보안 문제와 인간 역량 퇴화의 위험성을 깨달았다. 편리함이 언제나 효율을 의미하는 것은 아니며, 잘못된 의존은 인간의 중요한 능력을 잃게 만들 수 있었다. 그래서 필자는 AI의 답변을 최소 세 번 이상 검증했는데, 빠른 실행보다 올바른 방향 설정이 중요했기 때문이었다. AI가 주는 답은 끝이 아니라 출발점이었다. 필자가 AI와 함께한 여정은 자신을 끊임없이 질문하게 했다. AI는 인간을 대체하는 기계가 아니라, 인간이 더 깊은 사고와 창조의 세계로 들어가도록 돕는 동반자였다. 필자가 찾은 필살기는 바로 이것이었다. AI 덕분에 자신의 본질(core)에 더 많은 시간을 쏟을 수 있게 된 것이었다. 단순 반복 업무를 대신해 주는 AI 덕분에, 필자는 사고하고 기획하고 판단하는 인간 고유의 역량에 집중할 수 있었다. AI는 더 이상 선택이 아닌 필수 도구이자 협력자였다. 중요한 것은 이 강력한 도구를 어떻게 나의 본질과 연결하여, 나만의 고유한 가치를 창출하고 미래를 만들어갈 것인가에 대한 깊은 고민과 끊임없는 실행이었다. AI는 재능은 있지만 한계에 부딪힌 사람에게 ‘도움’이 되어 AI 가수, AI 영화감독, AI 작가, AI 프로그래머가 될 수 있는 길을 열어주었다. 효율만을 쫓기보다는 본질에 집중하고, 변화의 흐름을 읽으면서도 자신만의 ‘필살기’를 계속해서 갈고 닦아야 했다. 미래를 향한 첫걸음은 지금 바로 도전하는 것이었다. 바이브 코딩은 기획 의도와 개발 실행 사이의 간극을 해소하고, AI 시대 기획자의 역할 확장과 가능성을 발견하게 해주었다. 업무 자동화로 반복 작업에서 벗어나 창의적 업무에 시간을 활용하고, 데이터 기반의 의사결정과 인사이트 도출 능력을 강화할 수 있었다. 하루 30분, 한 프로그램 만들기로 시작하는 것이 중요했고, 완벽함보다는 시작하는 용기가 중요했다. 하지만 잊지 말아야 할 것은, 바이브 코딩의 장단점을 잘 파악하여 적용해야 한다. 특히 개인적인 사용의 간단한 프로그램은 괜찮으나, 대외적인 서비스를 하는 프로그램 개발의 경우, 반드시 고급 개발자의 코드리뷰를 거쳐서 보안상의 문제, 데이터 유출 등이 없도록 해야 한다. AI는 명확하게 정의된 문제를 푸는 데 능숙하지만, 복잡하고 모호한 비즈니스 요구사항을 해석하여 견고한 시스템을 설계하는 것은 못하는 것을 명심해야 한다. “코딩은 기술이 아닌 사고 프레임의 확장이다.”    ■ 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.

현장에서 얻은 것 No. 22   “가장 현명한 사람은 계속해서 배우는 사람이다.” – 소크라테스   거대한 변화의 파도 속에서 AI(인공지능)라는 거대한 변화의 파도는 우리 삶 곳곳을 흔들고 있다. 단순히 새로운 기술 하나가 등장한 것이 아니라, 사고방식과 일하는 방식, 나아가 사회 전체의 구조를 바꾸는 흐름이다. 지난 7개월 동안 필자는 이 변화의 흐름 속에서 매일 배우고 실험하며 자신만의 여정을 이어왔다. 이 글은 단순히 도구를 사용한 후기나 기능 소개가 아니다. 오히려 그 과정을 통해 AI와 필자의 사이에 맺어진 관계, 그리고 인간이 놓치지 말아야 할 본질에 대한 성찰을 담은 기록이다. 필자는 이 시간을 통해 AI를 도구로만 보지 않게 되었다. 그것은 자신의 업무와 창작, 학습과 삶 전반을 통틀어 스스로를 끊임없이 자극하는 동반자였다. 그렇다고 AI를 맹목적으로 신뢰하지도 않았다. 오히려 신중하게 거리를 두고, 동시에 적극적으로 받아들이는 태도를 통해 자신만의 ‘필살기’를 다듬어왔다.   나만의 학습 공식 ― 눈 70%, 손 30% 돌아보면 필자의 학습법은 조금 독특했다. 눈으로 익힌 것이 70%, 손으로 부딪히며 체득한 것이 30%. 이 비율을 받아들인 이유는 필자의 경험이 개발자의 삶이 아니었기 때문이다. 바이브 코딩(vibe coding)이다, 비 개발자도 개발을 한다고 광고한다지만, 실제 뚜껑을 열고 보니 실상은 그것이 아님을 이해했다. 물론 개중에는 바이브 코딩으로 화면을 만들고 기능을 만들고 퍼블리싱해서 프로그램으로 만들 수는 있다. 커서 AI(Cursor AI)로 회사 홈페이지도 만들어보고, REPLIT 프로그램으로 MBTI 판별 프로그램도 바이브 코딩으로 해 보았다. 만들 수도 있고, 또 수정도 바이브 코딩으로 가능하다. 하지만, PLM을 기업에 구축하는 PM으로써 경험한 바로는, 비개발자가 프로그램을 만드는 것은 한계가 있다. 취미삼아 만들어 보는 것은 지금도 환영하지만, 프로그램이 론칭된 이후 발생하는 많은 이슈를 경험한 것을 토대로 필자는 자신만의 학습 공식을 이렇게 정했다. 필자가 하는 방식은 개발자와의 협업이다. 그것이 필자에게 더 효율적이라는 것을 터득했다. 강의와 책, 스터디에서 얻은 지식이 토대가 되었고, 실습과 시행착오가 그 지식을 현실과 연결해 주었다. 이부일 대표의 강의를 들으며 챗GPT(ChatGPT)를 활용한 파이썬 코드를 직접 따라가던 순간, AI가 단순히 언어 모델이 아니라 강력한 실무 도구라는 사실을 처음 체감했다. 첫날은 곧잘 따라갔지만, 둘째 날 노트북 배터리가 나가 낭패를 본 기억은 아직도 생생하다. 하지만 그 경험조차도 학습 과정의 일부였다. AI 학습은 지식을 머리에 담는 것만이 아니라, 삶과 환경 속에서 몸으로 받아들이는 과정임을 깨닫게 된 것이다. 실패와 해프닝도 자산이 되었다. 예측 모델을 돌려보던 설렘, 통계 분석을 따라가던 집중의 순간, 예상치 못한 오류에 당황했던 경험까지. 이 모든 것이 쌓여 필자의 학습 지도 위에 하나씩 좌표가 찍혀갔다. 중요한 건 속도가 아니었다. 정답을 빨리 찾는 것보다, 끊임없이 배우고 기록하고 다시 활용하는 과정이 훨씬 값지었다.   그림 1. 데이터로 보는 핵심 통찰(create by Gemini deep research)   “성공의 비결은 기회를 잡기 위해 준비하는 것이다.” – 벤저민 디즈레일리   집단 지성의 힘 ― 나만의 ‘AI 어벤저스 팀’ AI와 함께한 여정에서 필자는 혼자의 힘이 결코 충분하지 않다는 사실을 절감했다. 그래서 스스로 만든 것이 바로 ‘AI 어벤저스 팀’이다. 각자의 분야에서 뛰어난 전문가들을 연결해놓은 필자만의 네트워크다. AI 시대에 개인이 모든 것을 아는 것은 불가능하다. 그러나 누가 잘 아는지를 아는 것은 가능하다. 그리고 이 능력은 집단 지성을 발휘하는 가장 중요한 힘이 된다. 전문가들과의 대화는 단순히 정보 교환에 그치지 않았다. 그들은 내가 새로운 프로젝트에 도전할 수 있도록 용기를 주었고, 지식의 공백을 메워주었으며, 때로는 내가 보지 못하는 시야를 열어주었다. 나는 이 네트워크를 하나의 ‘팀’처럼 생각한다. 마치 마블 영화 속 어벤저스가 저마다의 능력을 발휘하듯, 필자의 어벤저스팀 역시 각자의 전문성을 바탕으로 협력한다. 디즈레일리의 말처럼 “성공의 비결은 기회를 잡기 위해 준비하는 것”이라면, 이 팀은 나에게 기회를 포착할 수 있는 준비된 힘이었다.   나만의 AI 필살기 7개월간의 여정 속에서 필자는 점차 자신만의 AI 활용법, 즉 ‘필살기’를 만들어갔다. 업무 헬프데스크 : PLM·APS 분야의 Q&A 시스템을 노트북LM(NotebookLM)으로 구축해 개인화된 지식 관리 체계를 마련했다. 투자 분석가 : AI에게 딥 리서치를 맡기고 이미지 생성을 결합해 주식 시장을 다각도로 분석했다. 콘셉트맵 직원 : 자료를 모아 정리하고 시각화하는 과정을 AI와 협업해 효율과 품질을 동시에 확보했다. 영상 감독: 비오 3(Veo 3)로 8초 영상을 스무 편 이상 제작하면서 프롬프트 기획과 스토리텔링 능력을 키웠다. 작가 : AI의 초안을 바탕으로 단기간에 책 집필 속도를 높였다. 아티스트 : 챗GPT와 제미나이(Gemini)를 활용해 이미지 창작 실험을 이어갔다. 지식 관리자 : 옵시디언으로 디지털 지식 지도를 설계해 자신만의 아카이브를 구축했다. 이렇게 나열하면 마치 여러 갈래의 길처럼 보이지만, 실제로는 하나의 지도 위에 유기적으로 연결되어 있다. AI는 단순히 도구가 아니라, 이 지도를 함께 그려가는 협력자가 되었다.   그림 2. 다섯 가지 핵심 필살기(create by Gemini deep research)   AI의 본질 ― ‘주체’가 아닌 ‘도움’ 그러나 필자는 늘 스스로를 경계했다. AI는 주체가 아니라 도움이라는 사실을 잊지 않으려 했다. AI는 망설임 없이 실행한다. 그러나 그것이 옳은 방향인지 아닌지를 판단하는 것은 인간의 몫이다. 필자는 회의록 요약 같은 업무를 AI에 맡겼다가 보안 문제와 인간 역량 퇴화의 위험성을 깨달았다. 편리함이 언제나 효율을 의미하지는 않는다. 오히려 잘못된 의존은 인간의 중요한 능력을 잃게 만든다. 그래서 필자는 지금도 AI의 답변을 최소 세 번 이상 검증한다. 빠른 실행보다 중요한 것은 올바른 방향 설정이기 때문이다. AI가 주는 답은 끝이 아니라 출발점이다.   AI가 던지는 질문 AI와 함께한 여정은 필자를 끊임없이 질문하게 했다. 나는 앞으로 어떤 역량에 집중해야 할까? AI가 대체할 수 없는 나만의 가치는 무엇일까? 효율을 넘어 의미를 만드는 방법은 무엇일까? 앨런 케이가 말했듯, “미래는 예측하는 것이 아니라 상상하는 것”이다. 그렇다면 필자는 지금 이 순간의 질문과 상상을 통해 미래를 설계하고 있는 셈이다.   인간과 AI, 그리고 나의 길 AI는 인간을 대체하는 기계가 아니다. 오히려 인간이 더 깊은 사고와 창조의 세계로 들어가도록 돕는 동반자다. 필자가 찾은 필살기는 바로 이것이다. AI 덕분에 자신의 본질(core)에 더 많은 시간을 쏟을 수 있게 된 것. 단순 반복 업무를 대신해 주는 AI 덕분에, 필자는 사고하고 기획하고 판단하는 인간 고유의 역량에 집중할 수 있다. 앞으로도 이 여정은 계속될 것이다. 필자는 AI와 함께 자신만의 필살기를 더욱 정교하게 다듬어 갈 것이다. 그리고 이 글을 읽는 독자에게도 묻고 싶다.   당신은 어떤 AI 필살기를 준비하고 있는가? 필자만의 AI 에이전트(agent) 필살기를 한 장의 맵으로 만들었다. 한 장의 맵은 내용을 쉽게 그리고 전체적으로 한번에 이해되도록 하는 효과가 있다. 주요 키워드를 뽑아 보면, 미래는 예측하는 것이 아니라 상상하는 것, AI는 주체가 아닌 도움, 나만의 AI 어벤저스 팀이다.   그림 3. 나만의 AI 필살기(map by 류용효) (클릭하면 큰 그림으로 볼 수 있습니다.)   “나는 똑똑한 것이 아니다. 단지 문제와 더 오래 씨름할 뿐이다.” – 알베르트 아인슈타인   당신의 AI 에이전트 필살기는 무엇인가? 이 칼럼을 통해 독자들도 자신만의 AI 활용 전략과 철학을 정립하고, AI 시대를 능동적으로 헤쳐나갈 수 있는 ‘필살기’를 찾아 나서기를 제안한다. AI는 더 이상 선택이 아닌 필수적인 도구이자 협력자이다. 중요한 것은 이 강력한 도구를 어떻게 나의 본질과 연결하여, 나만의 고유한 가치를 창출하고 미래를 만들어갈 것인가에 대한 깊은 고민과 끊임없는 실행이다. “세계를 정복하려 애쓰지 말라. 당신 스스로가 하나의 깊은 세계가 되면, 모든 것은 당신을 향해 흐른다.” AI는 단순히 기술이 아니라, ‘재능은 있지만 한계에 부딪힌’ 사람들에게 ‘도움’이 되어 AI 가수, AI 영화감독, AI 작가, AI 프로그래머가 될 수 있는 길을 열어준다. 효율만을 쫓기보다는 본질에 집중하고, 변화의 흐름을 읽으면서도 자신만의 ‘필살기’를 계속해서 갈고 닦아야 한다. 앞으로도 AI와 인간의 협업은 더욱 깊어질 것이다. 필자는 이 여정을 계속해서 탐험하며, 자신만의 AI 에이전트 필살기를 더욱 정교하게 다듬어 나갈 것이다. 모든 것에 감사하다.   ■ 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.

PTC코리아가 차세대 3D CAD 솔루션 ‘Creo 12’ 런칭 웨비나를 9월 2일(화) 오후 2시부터 3시 30분까지 온라인 생방송으로 진행한다. 이번 웨비나는 지속적인 기술 혁신을 통해 설계 및 엔지니어링 작업의 효율을 극대화할 수 있는 Creo 12의 새로운 기능과 업그레이드 포인트를 집중적으로 다룬다. 특히, 사용자 편의성을 높인 UI/UX, 강화된 시뮬레이션 및 해석 기능, MBD 및 GD&T 개선, AI 기반 제너레이티브 디자인 등 제품 개발 전 과정을 혁신할 수 있는 핵심 기능들이 소개될 예정이다. 이번 웨비나에는 PTC코리아를 비롯해 선도솔루션, 글루온아이앤에스, 3PCHAIN, 모두솔루션 등 관련 분야 전문가들이 발표자로 참여해 실무 경험을 바탕으로 한 설계 표준화, CAD 자동화, 시뮬레이션 활용법 등을 공유한다. 이번 행사는 무료로 진행되며, 캐드앤그래픽스 및 CNG TV 홈페이지를 통해 등록 및 참여가 가능하다. 행사 참가자에게는 경품 이벤트도 마련된다. PTC코리아 관계자는 “Creo 12는 디지털 엔지니어링 시대를 선도할 강력한 혁신 툴”이라며 “이번 웨비나를 통해 설계 프로세스를 한 단계 업그레이드할 수 있는 기회를 얻길 바란다”고 밝혔다.

현장에서 얻은 것 No. 21   “데이터의 양이 아니라 활용이다. 우리는 쌀을 먹지 않고 밥을 먹는다.” – 최재홍 교수(가천대)   거대한 전환점에 선 제조업 21세기, 우리는 산업 혁명의 물결이 AI(인공지능)라는 이름으로 다시금 거세게 밀려오는 시대를 살고 있다. 제조업은 그 최전선에 서 있다. 과거 증기기관, 전기, 컴퓨터가 생산 방식을 송두리째 바꿔놓았듯이, 이제 AI는 우리가 제품을 설계하고, 생산하고, 유통하며, 심지어 소비자와 소통하는 방식까지 근본적으로 재편하고 있다. 많은 제조업체는 이 변화의 물결 속에서 생존과 번영을 위한 새로운 전략을 모색하고 있다. 기존의 방식만으로는 더 이상 지속 가능한 성장을 기대하기 어렵다는 냉정한 현실에 직면하게 된 것이다. 이 거대한 전환점에서 우리는 AI를 어떻게 받아들이고 활용해야 할까? 단순히 자동화를 위한 도구로만 생각할 것인가, 아니면 그 이상의 잠재력을 가진 파트너로 인식할 것인가? 이선 몰릭 교수의 저서 ‘듀얼 브레인’은 이러한 질문에 대한 명쾌한 해답을 제시한다. 바로 AI를 인간의 ‘두 번째 뇌’로 활용하여 시너지를 창출하는 ‘듀얼 브레인’ 개념이다. 이번 호 칼럼은 ‘듀얼 브레인’의 핵심 인사이트를 바탕으로, AI 시대 제조업이 나아가야 할 생존 전략을 제시하고자 한다.   ▲ ‘듀얼 브레인’ 서평 맵(Map by 류용효컨셉맵연구소) (클릭하면 큰 이미지로 볼 수 있습니다.)   AI, 단순한 도구에서 두 번째 뇌로 “인간의 마음은 한계가 없으며, 그것은 스스로를 확장하는 방법을 끊임없이 찾아낸다.” – 이선 몰릭(‘듀얼 브레인’ 저자) 오랜 시간동안 제조업 현장에서 자동화는 주로 육체 노동의 효율을 높이는 데 초점을 맞추었다. 로봇 팔이 정밀하게 부품을 조립하고, 자동화된 설비가 제품을 대량 생산하였다. AI 역시 이러한 자동화의 연장선상에서 ‘똑똑한 도구’로 인식되는 경향이 강하였다. 그러나 ‘듀얼 브레인’이 강조하는 바는 AI가 단순한 도구를 넘어, 인간의 지적 활동을 확장하고 보완하는 ‘두 번째 뇌’가 될 수 있다는 점이다. 제조업 현장에서 AI는 더 이상 데이터를 수집하고 분석하여 보고서를 제공하는 수동적인 역할에 머무르지 않는다. AI는 설계 단계에서 수많은 변수를 고려하여 최적의 디자인을 제안하고, 생산 공정에서 예측 불가능한 오류를 사전에 감지하며, 품질 검사에서 인간이 놓칠 수 있는 미세한 결함을 찾아낸다. 이는 AI가 인간의 인지적 한계, 즉 방대한 데이터 처리 능력의 부재나 고정관념에서 벗어나지 못하는 사고의 경직성을 보완해 주기 때문에 가능한 일이다. 예를 들어, 신제품 개발에 있어 인간 디자이너는 오랜 경험과 직관으로 디자인을 구상한다. 하지만 AI는 방대한 고객 데이터, 시장 트렌드, 과거 성공 사례 등을 학습하여 인간이 상상하기 어려웠던 수십, 수백 가지의 디자인 대안을 즉시 제시할 수 있다. 또한, 각 디자인의 생산성, 재료비, 잠재적 소비자 반응까지 예측하여 제공함으로써 인간 디자이너의 의사결정을 획기적으로 개선한다. 이는 인간의 창의성과 AI의 분석 능력이 결합된 진정한 듀얼 브레인의 작동 방식이라 할 수 있다. 따라서 제조업은 AI를 단순히 공정을 자동화하는 기계로 볼 것이 아니라 R&D, 설계, 생산 관리, 품질 관리, 마케팅 등 모든 분야에서 인간의 지적 파트너이자 두 번째 뇌로 장착해야 한다. 이러한 관점의 전환이야말로 AI 시대 제조업이 생존하고 번영할 첫 걸음이 될 것이다.   듀얼 브레인 활용법 : 질문, 실험, 그리고 인간의 역할 “중요한 것은 질문하는 것을 멈추지 않는 것이다. 호기심은 그 자체로 존재 이유가 있다.” – 알베르트 아인슈타인 듀얼 브레인을 제조업에 효과적으로 장착하기 위해서는 몇 가지 핵심적인 활용법을 숙지해야 한다. 단순히 최신 AI 기술을 도입하는 것만으로는 충분하지 않다. 중요한 것은 ‘어떻게 AI와 협업할 것인가’이다. 첫째, ‘질문하는 기술’의 중요성이다. AI, 특히 생성형 AI는 우리가 던지는 질문(프롬프트)에 따라 전혀 다른 결과물을 내놓는다. 제조업에서는 AI에게 ‘현재 생산 라인의 병목 현상을 파악하고 개선 방안을 제시하라’, ‘신소재 개발을 위해 특정 물성을 가진 분자 구조를 추천하라’, ‘고객 불만 데이터에서 제품 개선에 필요한 핵심 인사이트를 도출하라’와 같이 구체적이고 명확한 질문을 던질 수 있어야 한다. 추상적인 질문은 모호한 답변을 낳고, 결국 AI 활용의 효율을 떨어뜨릴 것이다. 질문의 질이 곧 AI 활용의 질을 결정한다는 사실을 명심해야 한다. 둘째, ‘실험적 사고’와 ‘빠른 반복’이다. AI는 완벽하지 않다. 때로는 잘못된 정보(환각 현상)를 생성하거나, 우리가 의도한 바와 다른 결과를 내놓기도 한다. 제조업에서는 이러한 AI의 특성을 이해하고, 두려워하지 않고 다양한 가설을 세워 AI와 함께 실험하는 태도가 중요하다. AI가 제시한 생산 최적화 방안이 실제로 효과가 있는지 소규모 테스트를 거치고, AI가 제안한 디자인을 프로토타입으로 제작하여 시장 반응을 살피는 등의 빠른 반복 과정이 필수이다. 실패를 통해 배우고, 그 학습을 바탕으로 다음 실험을 진행하는 애자일(agile) 방식이 듀얼 브레인 시대의 핵심 역량인 것이다. 셋째, ‘인간의 개입과 검증’이다. AI는 방대한 데이터를 기반으로 통계적인 결론을 도출하지만, 그 결과가 항상 현실의 복잡한 맥락이나 윤리적 판단에 부합하지는 않는다. 제조업에서는 AI가 제시한 생산 계획이 과연 현장의 인력 운용이나 안전 규정에 부합하는지, AI가 추천한 신소재가 환경 규제를 만족하는지 등을 인간 전문가가 반드시 검토하고 최종 결정해야 한다. AI의 결과물을 맹목적으로 신뢰하기보다는, 비판적인 시각으로 검증하고 인간의 경험과 지혜를 더하는 것이 듀얼 브레인을 완성하는 핵심 단계이다. AI는 강력한 보조 도구이지만, 최종적인 책임과 판단은 결국 인간의 몫인 것이다.   창의성과 생산성 증대 : 제조업의 새로운 경쟁력 “생산성은 우연이 아니다. 그것은 항상 탁월함에 대한 헌신, 지능적인 계획, 집중된 노력의 결과이다.” – 폴 마이어 듀얼 브레인 개념을 제조업에 적용함으로써 얻을 수 있는 가장 큰 이점은 바로 창의성과 생산성의 비약적인 증대이다. 이는 AI 시대 제조업의 새로운 경쟁력이 될 것이다. 창의성 증대 측면에서 제조업은 전통적으로 ‘효율’과 ‘정확성’을 강조해왔다. 그러나 AI는 이제 제조업의 ‘창의성’을 자극하는 촉매제가 되고 있다. 예를 들어, 제품 디자인 과정에서 AI는 기존 데이터를 기반으로 전혀 새로운 형태나 기능을 제안할 수 있다. 이는 인간 디자이너의 고정관념을 깨고 상상력을 자극하여 혁신적인 제품 개발로 이어진다. 또한, AI는 제조 공정 자체의 혁신에도 기여한다. AI 시뮬레이션을 통해 기존에는 불가능하다고 여겼던 새로운 생산 방식을 탐색하고, 재료의 낭비를 최소화하며, 에너지 효율을 극대화하는 창의적인 해결책을 찾아낼 수 있다. 이는 인간의 직관과 AI의 방대한 계산 능력이 결합되어 가능해지는 결과이다. 생산성 증대 측면은 더욱 명확하다. 제조업의 생산성 증대는 곧 비용 절감과 납기 단축으로 이어져 기업의 수익성에 직접 영향을 미친다. 듀얼 브레인 시스템은 다음과 같은 방식으로 생산성을 극대화할 것이다. 예측 유지보수 : AI가 설비의 미세한 진동, 온도 변화, 전력 소비량 등을 실시간으로 분석하여 고장을 예측하고 사전 유지보수를 가능하게 함으로써, 예기치 않은 생산 중단 시간을 획기적으로 줄일 것이다. 생산 공정 최적화 : AI는 복잡한 생산 라인에서 각 단계의 효율성을 분석하고, 병목 현상을 식별하며, 재고 관리와 물류 흐름을 최적화하여 생산 리드 타임을 단축시키고 생산량을 증대시킬 것이다. 품질 관리 혁신 : AI 기반의 비전 검사 시스템은 인간의 눈으로 감지하기 어려운 미세한 불량까지 정확하게 찾아내어 불량률을 낮추고 제품 품질을 일관되게 유지할 것이다. 데이터 기반 의사결정 : AI는 시장 동향, 고객 피드백, 공급망 데이터 등 방대한 정보를 분석하여 경영진의 전략적 의사결정을 지원하고, 이는 곧 더 빠르고 정확한 시장 대응으로 이어질 것이다. 이처럼 듀얼 브레인은 제조업의 고질적인 문제를 해결하고 나아가 새로운 가치를 창출하는 핵심 동력이 될 것이다.   AI 시대, 제조업 인간의 역할 재정립 “기계는 인간의 일을 대신할 수 있지만, 인간의 마음을 대신할 수는 없다.” – 스티븐 호킹 AI가 제조업 현장에 깊숙이 들어올수록, 많은 이들이 인간의 역할에 대한 불안감을 느끼는 것이 사실이다. 하지만 ‘듀얼 브레인’은 AI가 인간의 일자리를 완전히 대체하는 것이 아니라, 오히려 인간 고유의 역량을 더욱 빛나게 하고 그 역할을 재정립할 기회를 제공한다고 역설한다. 제조업 현장에서 AI는 반복적이고 위험하며, 데이터 기반의 정량적 분석에 특화된 업무를 수행하게 될 것이다. 그렇다면 인간은 어떤 역할을 해야 할까? 문제 정의 및 비판적 사고 : AI는 주어진 문제를 해결하는 데 유능하지만, 무엇이 진정한 문제인지 파악하고 AI가 도출한 결과에 대해 비판적으로 질문하며, 맥락을 이해하여 의미를 부여하는 것은 여전히 인간의 몫이다. 예를 들어, AI가 불량률 감소를 위한 수치적 해답을 제시할 수는 있지만, ‘이 불량이 고객에게 미치는 정서적 영향’이나 ‘기업의 장기적인 브랜드 이미지’와 같은 비정량적인 가치를 판단하고 정책을 결정하는 것은 인간 경영자의 역할인 것이다. 창의적 기획 및 혁신 : AI는 기존 데이터를 기반으로 새로운 조합을 만들 수는 있지만, 완전히 새로운 개념을 무에서 유로 창조하거나, AI의 한계를 뛰어넘는 파격적인 아이디어를 제안하는 것은 인간의 고유 영역이다. 제조업에서 다음 세대 먹거리를 기획하고 시장 판도를 바꿀 기술을 상상하는 것은 AI가 아닌 인간 전문가의 몫인 것이다. 감성 지능 및 공감 : 협상, 팀 빌딩, 고객과의 관계 형성 등 인간 상호작용이 필요한 부분에서는 AI가 인간의 감성을 이해하고 공감하는 데 한계가 있다. 제조업의 영업, 마케팅, 인력 관리 등에서는 여전히 인간의 감성 지능과 공감 능력이 필수인 것이다. 윤리적 판단과 책임 : AI는 데이터를 기반으로 작동하므로 윤리적 가치 판단이나 사회적 책임을 스스로 질 수 없다. 제조업 공정에서 발생할 수 있는 환경 문제, 노동자의 안전, 제품의 사회적 영향 등 윤리적 딜레마에 대한 최종 판단과 책임은 전적으로 인간에게 달려 있는 것이다. 따라서 AI 시대 제조업의 인재는 AI를 활용하는 ‘도구적 능력’을 넘어, AI가 할 수 없는 ‘인간 고유의 역량’을 더욱 갈고 닦아야 한다. 이는 AI를 두려워할 것이 아니라, 오히려 AI의 도움을 받아 자신만의 강점을 극대화하는 길을 모색해야 함을 의미한다.   미래를 위한 제언 : 제조업의 듀얼 브레인 로드맵 “미래를 예측하는 가장 좋은 방법은 미래를 창조하는 것이다.” – 피터 드러커 AI 시대 제조업의 생존과 번영은 듀얼 브레인을 얼마나 성공적으로 장착하느냐에 달려 있다. 이를 위한 몇 가지 제언을 하고자 한다. 첫째, CEO를 포함한 경영진의 인식 전환과 비전 공유가 필수이다. 듀얼 브레인 전략은 단순히 기술팀만의 과제가 아니다. 최고 의사결정권자가 AI를 기업의 핵심 전략 자산이자 ‘두 번째 뇌’로 인식하고, 전사적인 변화의 비전을 제시해야 한다. 기술 투자뿐만 아니라 인력 재교육 및 문화 변화를 위한 투자를 아끼지 않아야 한다. 둘째, 지속적인 학습과 실험 문화를 정착시켜야 한다. AI 기술은 빠르게 진화하고 있다. 어제의 최적해가 오늘의 최적해가 아닐 수 있다. 제조업체는 AI 기술 트렌드를 주시하고, 새로운 AI 도구를 끊임없이 실험하며, 실패를 두려워하지 않고 거기서 배우는 문화를 구축해야 한다. 작은 규모의 파일럿 프로젝트를 통해 AI 활용의 성공 경험을 쌓고, 이를 점차 확대해 나가는 방식이 효과적일 것이다. 셋째, 인력 재교육 및 역량 강화에 적극적으로 투자해야 한다. 기존 인력들이 AI를 두 번째 뇌로 활용할 수 있도록 AI 기초 교육, 데이터 리터러시, 프롬프트 엔지니어링 교육 등을 제공해야 한다. 동시에 AI가 대체하기 어려운 인간 고유의 역량 즉 비판적 사고, 창의성, 문제 해결 능력, 협업 능력 등을 강화하는 교육 프로그램도 병행해야 한다. 넷째, 데이터 기반의 의사결정 체계를 확립해야 한다. 듀얼 브레인은 결국 데이터에 기반한다. 제조업 현장의 모든 데이터(생산, 품질, 재고, 고객, 시장 등)를 통합적으로 수집하고 분석할 수 있는 인프라를 구축해야 한다. 이를 통해 AI가 더 정확하고 깊이 있는 통찰력을 제공할 수 있으며, 인간의 의사결정 역시 데이터에 기반하여 더욱 합리적으로 이루어질 수 있을 것이다. 다섯째, 외부 AI 전문 기업과의 협력을 고려해야 한다. 모든 AI 역량을 자체적으로 구축하는 것은 현실적으로 어렵고 비효율적일 수 있다. AI 설루션 제공 기업, 컨설팅 회사, 학계 등 외부 전문가 그룹과의 협력을 통해 필요한 AI 기술과 노하우를 빠르게 도입하고 내재화하는 전략도 필요할 것이다.   결론 : 듀얼 브레인, 제조업의 새로운 항해를 위한 나침반 “완벽한 계획을 기다리기보다 빠르게 실행하고(선지랄 후수습), 시장과 고객의 피드백을 통해 방향을 수정해 나가는 것이 중요하다.” – 최재홍 교수(가천대) AI 시대는 제조업에 거대한 도전인 동시에 전례 없는 기회이다. 이 기회를 잡기 위해서는 AI를 단순한 생산성 향상 도구로 여기는 구시대적 관점을 벗어나, 인간의 지적 능력을 확장하고 협력하는 듀얼 브레인으로 장착해야 한다. 인간의 비판적 사고와 창의성, 그리고 AI의 방대한 처리 능력이 결합될 때 제조업은 새로운 차원의 혁신과 경쟁력을 확보할 수 있을 것이다. 이제 제조업은 단순히 물건을 만드는 것을 넘어, 지능형 시스템과 인간 지능이 함께 작동하는 ‘코인텔리전스 제조(co-intelligence manufacturing)’의 시대로 진입하고 있다. 듀얼 브레인을 장착하고, AI와 함께 배우고 실험하며, 인간 고유의 가치를 더욱 빛내 나간다면, AI 시대의 제조업은 더욱 강력하고 지속 가능한 미래를 향해 성공적으로 항해할 수 있을 것이다. 이는 선택이 아닌 필수 생존 전략이 될 것이다. 최재홍 교수는 2025년 7월 9일 미모세(미래모빌리티세미나) 2025 키노트에서 이런 말을 남겼다. “오너는 될 때까지 하기 때문에 실패가 없다.” 이 말은 강연장에 모인 스타트업 그리고 상장사 CEO들에게 큰 영감과 감동을 주었다.   ■ 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.

캔바, 한국 첫 브랜드 캠페인 공개…일상 속 창의력 발휘 조명 신입사원의 캔바   세계 유일의 올인원 비주얼 커뮤니케이션 및 협업 플랫폼 캔바(Canva)가 한국 시장을 겨냥한 첫 브랜드 캠페인을 공개하며 국내 사용자들과의 소통 강화에 나섰다. ‘뭐든지 만든다’는 핵심 메시지를 담은 이번 캠페인은 지난 5월 1일과 5일, 두 편의 감각적인 영상을 통해 공개되어 창의력이 업무에서 일상까지 매 순간을 특별하게 변화시키는 놀라운 힘을 보여준다. 한국 업무 문화에서 영감…일상 속 창의력 발휘하는 캔바 활용법 제시 이번 캠페인은 한국 특유의 활기차고 열정적인 업무 문화에서 영감을 받아 제작되었다. 영상은 신입사원의 풋풋한 시작부터 워킹맘의 바쁜 일상까지, 캔바를 통해 삶의 다양한 영역에서 창의력을 발휘하는 다채로운 모습을 생생하게 담아냈다. 이는 디자인의 힘을 모든 이들에게 제공하고자 하는 캔바의 핵심 가치를 다시 한번 강조하며, 창의력이 변화와 혁신, 그리고 사람 간의 연결을 촉진하여 개인의 잠재력을 극대화하고 아이디어를 현실로 구현하는 데 캔바가 어떤 역할을 하는지 효과적으로 보여준다. "신입사원의 캔바" 편…능숙한 캔바 활용으로 아이디어 현실화 캠페인의 첫 번째 영상인 "신입사원의 캔바"는 열정 넘치는 신입 마케터의 설레는 첫 출근 날을 그린다. 영상 속 신입사원은 캔바의 직관적인 다양한 도구들을 활용하여 시선을 사로잡는 SNS 게시물, 흥미로운 릴스 영상, 설득력 있는 프레젠테이션 자료 등을 막힘없이 제작해나간다. 태블릿과 데스크톱을 자유롭게 넘나들며 아이디어를 생생하게 구현하는 모습과 함께, 제작한 콘텐츠가 성공적으로 바이럴되는 순간을 보여주며 캠페인의 핵심 메시지인 “좋아하는 거라면 뭐든지 만든다”를 효과적으로 전달한다.   "워킹맘의 캔바" 편…따뜻한 감성으로 전하는 마음 두 번째 영상 "워킹맘의 캔바"는 바쁜 업무 마감과 육아를 캔바를 통해 여유롭고 창의적으로 병행하는 워킹맘의 따뜻한 일상을 섬세하게 담아냈다. 영상 속 엄마는 캔바의 편리한 화이트보드 기능과 프레젠테이션 기능을 활용하여 중요한 제안서를 성공적으로 준비하는 프로페셔널한 모습을 보여준다. 동시에, 가장 아끼는 인형을 잃어버려 슬픔에 빠진 딸을 위해 동일한 도구를 사용하여 인형의 상상 속 모험 이야기를 담은 감성적인 디지털 동화책을 직접 만들어 선물한다. 이는 직장 상사의 마음뿐만 아니라 딸의 마음까지 사로잡는 감동적인 순간을 연출하며, “전하고 싶은 마음까지 뭐든지 만든다”는 캔바의 캠페인 메시지를 시청자들에게 깊이 각인시킨다. 한국 시장 성장세 발맞춰 사용자 관계 강화 이번 브랜드 캠페인은 한국 사용자들과의 관계를 더욱 돈독히 하고자 하는 캔바의 적극적인 의지를 보여주는 중요한 이정표가 될 것으로 보인다. 실제로 지난해 캔바의 국내 월간 활성 사용자 수는 놀랍게도 두 배 이상 증가했으며, 개인 사용자뿐만 아니라 기업 및 교육 분야에서도 캔바의 입지는 꾸준히 확대되고 있다. 김대현 캔바 코리아 지사장은 “이번 캠페인은 한국 사용자들이 실제 일상 속에서 캔바를 어떻게 활용하고 있는지에 대한 진솔한 이야기를 담고자 노력했다”며 “캔바는 사용자들이 창의성을 발휘하여 일상의 부담감을 덜고, 평범한 작업들을 더욱 의미 있고 만족스러운 경험으로 변화시킬 수 있도록 돕는다. 우리는 창의력이 개인의 잠재력을 무한히 확장시킨다고 믿으며, 캔바를 통해 모든 사람들이 자신의 창의력에 쉽게 접근하여 생산성과 정서적인 교감을 높일 수 있도록 꾸준히 지원할 것”이라고 강조했다. 한편, 이번 캠페인은 광고대행사 이노션(Innocean)과의 긴밀한 협력을 통해 제작되었으며, ‘모두가 디자인할 수 있는 세상(Empowering the world to design)’이라는 캔바의 핵심 미션을 효과적으로 전달하는 동시에 캔바의 다양한 기능들을 자연스럽게 녹여냈다는 평가를 받고 있다. 캠페인 영상은 현재 TV와 다양한 디지털 플랫폼을 통해 활발하게 방영되고 있다.   캔바는 어떤 회사? 2013년 호주에서 설립된 캔바는 디자인 경험이 없는 초보자부터 전문가까지 누구나 쉽고 빠르게 전문가 수준의 디자인 결과물을 만들 수 있도록 지원하는 플랫폼이다. 직관적인 인터페이스와 방대한 템플릿, 이미지, AI 기반 도구를 제공하며, 개인 작업은 물론 팀 협업에도 최적화된 환경을 자랑한다. 현재 190개국 이상에서 1억 7천만 명 이상의 사용자를 확보하며 세계적인 디자인 플랫폼으로 성장했다.    

이광희 지음 / 2만 1,000원 / 이지스퍼블리싱   직장인이라면 업무 활용 툴로 지메일, 드라이브, 포토 등 구글 앱 한두 가지 이상 사용하지 않는 사람은 없을 것이다. 그렇지만 구글 앱을 제대로 사용하고 있을까 생각해 보면 뭔가 좀 아쉽거나 부족한 생각이 들 것이다. 이럴 때 참고해 보면 좋을 책이 새로 나왔다. 이지스퍼블리싱에서 출간한 <된다! 업무에 바로 쓰는 구글 활용법>은 실무 중심의 구글 앱 활용서로, 구글의 다양한 도구들을 업무에 효과적으로 활용하는 방법에 대해 소개한 책이다. 이 책은 2021년에 첫 출간된 이후, 올해 4월에 업그레이드되어 새롭게 개정판이 나왔다. <된다! 업무에 바로 쓰는 구글 활용법>의 목표는 ‘온라인에서 실시간으로 협업하는 스마트 워크 방식’을 통해 업무 시간을 줄이고 성과를 올리는 방법을 알려주는 데 있다. 지메일, 캘린더, 드라이브, 스프레트시트 등 주요 13가지 구글 앱에서 61가지 핵심 기능을 뽑아 구체적인 직장인들이 업무에 바로 활용할 수 있는 예시와 함께 설명을 곁들였다. 스마트폰을 비롯해 노트북, 태블릿, PC 등 다양한 디바이스 환경에서 구글 서비스를 통해 협업하고자 할 때 어떤 문제가 있고, 이를 해결할 수 있는 방법도 제시되어 있다. 따라서 구글 앱에 익숙하지 않은 초보자를 비롯해 구글 앱을 좀 더 잘 사용하고 싶은 사람들이 알아두면 편리하게 쓸 수 있는 기능들을 쉽게 따라할 수 있도록 구성되어 있다. <된다! 업무에 바로 쓰는 구글 활용법>은 구글 앱을 활용해 업무 효율을 높이고자 하는 모든 사람들에게 실질적인 도움을 줄 수 있는 가이드북이다.

마이크로소프트가 ‘AI 스킬 내비게이터(AI Skills Navigator)’를 공개하면서, 전 세계 개인과 조직의 AI 활용 역량 강화에 나선다고 밝혔다. 이 플랫폼은 다양한 AI 학습 프로그램을 연결해 사용자의 수준과 목표에 맞는 맞춤형 과정을 제안하며, 한국어를 포함한 20개 언어를 지원한다. 마이크로소프트의 ‘업무동향지표 2024’에 따르면, 한국 근로자의 73%가 직장에서 AI를 사용 중이며 85%는 회사의 지원 없이 개인적으로 AI를 활용한다고 응답했다. 한국을 포함한 전 세계 31개국 3만 1000명이 설문에 참여했다. 개인과 조직 모두 AI 활용 능력을 필수 역량으로 인식하는 가운데, 마이크로소프트는 ‘AI 내셔널 스킬 이니셔티브(AI National Skills Initiative)’를 통해 정부, 교육기관, 기업, 지역사회와 협력하며 AI 기술 격차를 해소하기 위한 다양한 활동을 전개하고 있다. 이 프로그램은 AI 도구 개발을 지원하며, AI 기술의 활용과 도입을 확대하는 것을 목표로 한다.  특히, AI 기술이 사회와 경제 전반에 자리 잡기 위해서는 기술 직군뿐만 아니라 일반 조직에서도 AI 도구 활용 역량을 강화해야 한다고 보고 있다. 이번에 선보인 AI 스킬 내비게이터는 변화하는 기술 환경에 적응하고 경쟁력을 높일 수 있도록 다양한 AI 학습 프로그램을 연결하고 지원하는 학습 허브다.      한국어 콘텐츠는 국내 사용자들이 AI 기술을 보다 쉽게 익히고 활용할 수 있도록 접근성을 높였다. 이를 통해 국내 공공 및 민간 조직의 학습자는 자신에게 적합한 프로그램을 어려움 없이 학습할 수 있게 됐다.  또한, 마이크로소프트 AI 스킬(Microsoft AI Skills) 유튜브 채널에서도 한국어 콘텐츠를 접할 수 있다. 학습자는 AI 어시스턴트 기능을 통해 학습 목표와 현재 수준에 맞는 교육 과정을 손쉽게 탐색할 수 있다.  초급 학습자에게는 기본 개념 강의가, 전문가에게는 심화 학습 자료가 제공돼 각자의 필요에 따라 학습이 가능하다. 모든 과정은 AI 스킬 내비게이터가 연결하는 학습 플랫폼인 마이크로소프트 런(Microsoft Learn)과 링크드인 러닝(LinkedIn Learning) 등 다양한 플랫폼에서 모든 과정을 무료로 수강할 수 있다. AI 기술 학습 프로그램은 생산성과 창의성을 높이는 주제별 학습 세션과 조직의 업무 효율을 강화하는 역할별 학습 세션으로 구성된다. 주제별 세션에서는 ▲생성형 AI의 기초 ▲책임 있는 AI 원칙 ▲애저 오픈AI 서비스(Azure OpenAI Service) 등을 다루며, 역할별 세션에서는 ▲AI 학습 허브 ▲정부 기관 작업 최적화 ▲마이크로소프트 365 코파일럿 활용법 등이 포함된다. 이를 통해 사용자는 AI 기술을 생산성 향상, 의사 결정, 연구, 학습 등 다양한 분야에 활용하는 방법을 익히고, 본인의 업무에 접목해 실질적인 성과를 낼 수 있는 역량을 갖출 수 있다. 한국마이크로소프트의 조원우 대표는 “AI의 혜택을 제대로 누리기 위해서는 AI를 활용할 수 있는 역량이 필수”라면서, “AI 스킬 내비게이터는 한국을 포함한 전 세계 모든 사람들이 AI를 사용하고, 도구를 개발하며, 일상과 업무에 AI를 적용할 수 있도록 학습 기회를 제공하기 위해 출시됐다”고 밝혔다. 이어 그는 “앞으로도 마이크로소프트는 한국의 정부 기관 및 다양한 파트너들과 협력해 AI 분야의 프로그램을 확대하고, 디지털 격차 해소와 미래 인재 양성을 위해 적극 노력할 계획”이라고 덧붙였다.