캐드앤그래픽스 CNG TV는 ‘AI 에이전트 대전환, 전문성 설계부터 코딩 혁명까지’를 주제로 인공지능팩토리 김태영 대표와 소이랩(SOY.LAB) 최돈현 대표를 초청, 방송을 진행했다. 이번 방송에서는 CNG TV 전문위원인 한국건설기술연구원 강태욱 연구위원의 사회로 최근 뜨거운 이슈가 되고 있는 AI 에이전트 트렌드에 대해 살펴보았다. 자세한 내용은 다시보기 페이지에서 확인할 수 있다.   CNG TV 발표자 - 김태영 대표(인공지능팩토리), 최돈현 대표(SOY.LAB)   AI 에이전트 대전환 시대, 전문가의 설계와 코딩 혁명이 가져올 미래 단순한 도구 활용을 넘어 AI 에이전트(AIA)가 업무의 주축이 되는 대격변의 시대가 도래했다. 기술의 단순 재현(Representation)을 넘어 전문가가 직접 시스템을 설계(Design)하고 지휘(Orchestration)하는 생존 전략이 필요한 시점이다. 인공지능팩토리 김태영 대표와 SOY.LAB 최돈현 대표는 이번 방송을 통해 AI 에이전트의 최신 흐름과 실무 적용 방안을 심도 있게 다루었다. AI 에이전트의 진화: 툴 콜링에서 자율적 임무 수행까지 AI 기술은 LLM(대규모 언어 모델)에서 시작하여 RAG(검색 증강 생성), 멀티턴 대화, 그리고 도구를 직접 호출하는 '툴 콜링(Tool Calling)' 단계로 빠르게 진화했다. 과거에는 개발자만이 API를 통해 도구를 연결할 수 있었으나, MCP(Model Context Protocol)의 등장으로 일반 엔지니어도 다양한 외부 기능을 에이전트에 연결할 수 있는 길이 열렸다. 특히 최근 주목받는 '오픈클로(OpenClaw)' 시스템은 하트비트(Heartbeat) 기능을 통해 에이전트를 주기적으로 깨워 스스로 업무를 수행하게 한다. 이는 사용자가 일일이 명령을 내리는 리액티브(Reactive) 방식을 넘어, AI가 스스로 판단하고 실행하는 프로액티브(Proactive) 방식으로의 전환을 의미한다. 김태영 대표는 실제 실험을 통해 에이전트의 자율적 업무 가능성을 확인했다고 밝혔다. 바이브 코딩과 코딩 에이전트가 만드는 생산성 혁명 '바이브 코딩(Vibe Coding)'의 등장은 개발 생태계에 큰 충격을 주었다. 커서(Cursor)나 클로드 코드(Claude Code)와 같은 에이전트는 파일 시스템에 접근하여 스스로 코드를 수정하고 실행하며, 사용자의 의도(Vibe)만으로 결과물을 만들어낸다. 이러한 에이전트는 단순히 코드 작성에 그치지 않고 문서 작성, PPT 제작, 웹페이지 구축 등 다양한 스킬(Skill)을 장착하여 범용적인 업무 비서로 진화하고 있다. 하지만 에이전트가 공유기 설정을 변경하거나 시스템 보안을 위협할 수 있는 수준까지 발전함에 따라, 격리된 환경(샌드박스)에서의 운영과 시스템적 보안 설계가 필수가 되었다. 시댄스 2.0과 비주얼 생성 AI의 격변 영상 및 이미지 생성 분야에서도 거대한 변화가 일어나고 있다. 바이트댄스(Bytedance)의 '시덴스(Seedance) 2.0'은 실사에 가까운 고품질 영상 생성 능력을 보여주며 기존의 글로벌 모델들을 위협하고 있다. 이미지 한 장으로 비행기 탈출 장면과 같은 역동적인 영상을 생성하거나, 짧은 명령만으로 고수준의 광고 영상을 제작하는 것이 가능해졌다. 또한 '컴피 클라우드(Comfy Cloud)'의 등장은 고가의 그래픽 카드 없이도 저렴한 비용으로 전문가급 워크플로우를 구축할 수 있게 했다. 이는 개인이 GPU 자원을 클라우드에서 활용하며 복잡한 노드 기반의 생성 프로세스를 운영할 수 있게 됨으로써, 1인 창작자의 기술적 진입 장벽을 혁신적으로 낮추었다. 전문가의 역할 변화와 미래 지향적 관점 AI가 숙련가의 영역을 대체함에 따라, 인간 전문가의 역할은 '어떻게 만드느냐'보다 '무엇을 설계하느냐'로 이동하고 있다. 최돈현 대표는 인문학적 소양과 예술적 통찰력을 바탕으로 한 전문성이 결여된 AI 결과물은 시장에서 오래 살아남기 어렵다고 강조했다. 앞으로의 산업 구조에서는 큰 기업에 소속된 인재보다, AI 에이전트를 지휘하여 가치를 창출하는 '1인 기업가'의 비중이 높아질 것으로 예측된다. 따라서 기술에 매몰되기보다 본연의 도메인 지식을 강화하고, AI를 효율적으로 지휘하는 설계 능력을 갖추는 것이 생존의 핵심이다.

지멘스 디지털 인더스트리 소프트웨어, 지멘스 EDA 사업부는 자사의 스마트 검증 소프트웨어 포트폴리오인 퀘스타 원에 에이전틱 AI 워크플로를 적용한 ‘퀘스타 원 에이전틱 툴킷(Questa One Agentic Toolkit)’을 발표했다. 이번 툴킷은 반도체 설계 검증의 전 과정을 가속해 신뢰할 수 있는 레지스터 전송 수준(RTL) 최종 승인을 빠르게 달성하도록 돕는다. 최근 3D 집적회로와 칩렛 기반 아키텍처 등 설계 복잡성이 커지면서 검증 생산성 격차가 벌어지고 있다. 지멘스에 따르면 퀘스타 원 에이전틱 툴킷은 기존의 개별 툴 중심 상호작용을 에이전틱 AI 기반의 지능형 다단계 워크플로로 전환한다. 이 시스템은 복잡한 작업을 추론하고 실행하면서도 중요한 의사결정 단계마다 엔지니어의 감독을 유지하는 것이 특징이다. 퀘스타 원 에이전틱 툴킷은 지멘스의 에이전틱 및 생성형 프레임워크인 퓨즈 EDA(Fuse EDA) AI 시스템과 원활하게 연동된다. 지멘스 환경을 원하는 고객에게 최적화된 성능을 제공하는 동시에, 개방형 아키텍처를 채택해 다른 에이전틱 플랫폼과도 통합할 수 있다. 표준화된 인터페이스를 통해 다양한 플랫폼에서 일관되게 작동하며 기존 투자 자산을 보호한다.     지멘스는 검증 엔진 전문성과 심층 AI 통합, 고객 선택권 세 가지 요소를 차별점으로 내세웠다. 자체 개발한 모델 컨텍스트 프로토콜을 통해 툴을 에이전틱 프레임워크에 노출하며, 엔비디아의 라마 네모트론(NVIDIA Llama Nemotron) 등을 활용해 실시간으로 검증 상태를 이해한다. 또한 깃허브 코파일럿이나 클로드 코드 등 주요 AI 코딩 애플리케이션과 함께 사용할 수 있는 유연성을 갖췄다. 툴킷에 포함된 주요 에이전트는 설계와 검증의 효율을 높인다. RTL 코드 에이전트는 자연어 설명으로 합성 가능한 코드를 생성하고 규칙 위반을 점검한다. 린트 에이전트(Lint Agent)와 CDC 에이전트는 각각 설계 오류와 클록 도메인 크로싱(Clock Domain Crossing) 검증을 최적화하며, AI 기반의 자동 수정 제안을 통해 품질을 확보한다. 이외에도 검증 계획 에이전트(Verification Planning Agent)는 설계 사양을 분석해 검증 계획을 자동으로 생성하며, 디버그 에이전트는 파형과 로그 파일을 분석해 근본 원인 파악을 돕는다. 이러한 에이전트들은 전문가가 개발한 프롬프트 라이브러리를 기반으로 퀘스타 원의 다양한 툴과 MCP를 활용해 직접 연동된다. 지멘스 디지털 인더스트리 소프트웨어의 아비 콜펙워 수석 부사장은 “퀘스타 원 에이전틱 툴킷은 연결성과 데이터 기반 원칙을 바탕으로 고객이 AI 가속을 통해 설계 및 검증 클로저를 달성하도록 지원한다”면서, “인간의 전문성과 판단을 유지하면서도 지능형 에이전틱 AI 워크플로로 강화된 포괄적인 검증 설루션을 제공한다”고 밝혔다.

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.  

세일즈포스가 앤트로픽의 ‘모델 컨텍스트 프로토콜(MCP)’ 앱 지원을 통해, 세일즈포스의 슬랙(Slack) 및 에이전트포스 360(Agentforce 360)과 AI 어시스턴트 클로드(Claude) 간의 양방향 연동 기능을 공개했다. 이를 통해 기업 고객은 세일즈포스의 데이터와 업무 맥락을 클로드에서 즉각 활용하고, 도출된 결과를 다시 세일즈포스 워크플로에 연결해 단일 워크플로 내에서도 복잡한 업무를 수행할 수 있게 된다. 이번 발표의 핵심은 AI 모델이 비즈니스 환경에서 실질적인 업무를 지원하도록 돕는 ‘양방향 확장성’에 있다. 기존 LLM이 단순 정보 검색이나 생성에 그쳤다면, 이제는 세일즈포스가 제공하는 비즈니스 맥락과 가이드레일을 바탕으로 클로드가 직접 비즈니스 액션을 실행할 수 있는 환경이 마련된 셈이다. 특히 슬랙용 MCP 앱을 기반으로 사용자는 클로드 내에서 슬랙의 대화 맥락을 검색하고, 이를 바탕으로 작성된 초안을 다시 슬랙으로 공유하는 등의 업무 연결성을 확보할 수 있다. 예를 들어, 사용자는 클로드 내에서 회의 안건 및 기획안 등을 정리하거나 문서 초안을 생성한 뒤, 그 결과를 슬랙의 대화 흐름으로 가져와 검토·공유하며 후속 업무로 이어갈 수 있다. 이에 따라 슬랙은 AI 결과가 실제 업무 논의와 의사결정으로 이어지는 핵심 업무 공간이자 업무용 운영체제(Work OS)의 역할을 수행하며, AI 활용 역시 개인 단위 작업을 넘어 조직의 업무 흐름 전반으로 확장하는 것이 가능하다.     더 나아가 세일즈포스는 에이전트포스 360을 기반으로 AI가 생성한 인사이트를 실제 비즈니스 액션으로 연결하는 기능 또한 근시일 내 공개할 계획이라고 전했다. 클로드에서 도출된 권장 사항을 바탕으로 세일즈포스 내의 고객 관리, 서비스 처리, 내부 승인 등 핵심 업무 프로세스를 즉각 트리거하는 방식이다. 세일즈포스는 “이를 통해 기업은 AI 활용 범위를 실제 비즈니스 프로세스에 반영하여 조직 내 데이터에 기반한 높은 수준의 실행력을 확보할 수 있게 될 것”이라고 전망했다. 세일즈포스에 따르면 이번 확장 기능은 AI와 외부 시스템을 안전하게 연결하는 개방형 표준 기술인 MCP를 기반으로 구현됐다. 세일즈포스는 이를 활용해 클로드가 슬랙 및 에이전트포스 360과 연동될 때 직접적인 데이터 이동 없이도 기존의 보안 및 접근 통제 체계를 유지할 수 있도록 설계했다. 특히 앤트로픽의 모델은 세일즈포스의 보안 환경 내에서 작동하며, 고객 데이터는 세일즈포스가 관리하는 가상 클라우드 내에서 안전하게 보호된다. 이러한 구조는 금융, 헬스케어, 공공 등 데이터 민감도가 높은 산업에서의 AI 활용 가속화에도 기여할 것으로 전망된다. 세일즈포스 코리아의 박세진 대표는 “세일즈포스는 기존의 보조자 역할을 넘어, AI가 실제 비즈니스 업무를 실행하고 조직 내 디지털 동료로서 함께 공존하는 ‘에이전틱 엔터프라이즈’로의 전환을 지원하는 데 집중하고 있다”면서, “이번 클로드와의 양방향 확장 기능은 슬랙 및 에이전트포스 360과의 유기적인 통합을 바탕으로, 조직 내 데이터에 기반한 실질적인 업무 혁신과 비즈니스 혁신을 견인하는 핵심 역할을 수행하게 될 것”이라고 전했다.

캔바가 챗GPT 등의 AI 어시스턴트 툴에 브랜드 인텔리전스를 직접 연동하는 기능인 ‘캔바 AI 커넥터(Canva AI Connector)’를 공개했다. 이번 업데이트를 통해 챗GPT 사용자는 플랫폼을 전환할 필요 없이 챗GPT 내에서 캔바의 ‘브랜드 키트(Brand Kit)’를 호출해, 브랜드 고유의 색상, 폰트, 로고가 자동으로 적용된 디자인을 한 번에 제작할 수 있게 된다. 이번 업데이트는 AI 기반 디자인의 한계로 지적되던 ‘브랜드 일관성 결여’ 문제를 해결한다. 그동안 AI를 활용하면 작업 속도는 빨라지지만, 결과물이 브랜드 지침과 맞지 않아 추가 수정이 필요한 경우가 많았다. 캔바는 AI 어시스턴트에 브랜드 컨텍스트를 직접 주입함으로써, 시작 단계부터 바로 실무에 활용할 수 있는 비주얼 결과물을 제공한다. 캔바는 최근 앤트로픽의 클로드(Claude) 연동에 이어 이번 챗GPT 통합까지 완료됨에 따라, AI 기반 업무 환경에서 시각 디자인을 담당하는 핵심 플랫폼으로 입지를 강화하고 있다고 밝혔다. 시밀러웹(Similarweb)에 따르면 캔바는 AI 어시스턴트로부터 가장 많은 추천 트래픽을 받는 전 세계 상위 10개 웹사이트 중 하나로 꼽힌다.     캔바의 디자인 모델은 폰트, 색상, 레이아웃, 로고 등 브랜드 요소를 이해하고 이를 AI가 생성한 디자인에 바로 적용한다. 지난 1년 간 캔바는 편집 가능한 결과물을 위한 ‘디자인 중심 캔바 AI 모델(Canva Design Model)’, 디자인 작업을 돕는 ‘캔바 AI(Canva AI)’, 그리고 ‘캔바 MCP 서버(Canva MCP Server)’를 잇달아 선보였으며, 이를 통해 챗GPT, 클로드, 마이크로소프트 코파일럿(Copilot) 등에서 지금까지 1200만 개 이상의 디자인이 생성됐다. 업무 현장에서 AI 의존도가 높아짐에 따라, 이제 초점은 단순한 프롬프트 입력을 넘어 완성된 결과물을 만드는 워크플로를 향해 이동하고 있다. 이번 연동을 통해 브랜드 가이드라인은 정적인 문서에서 벗어나, 사용자가 이미 일상적으로 사용하는 도구 안에서 내재된 인터랙티브한 자산으로 거듭나게 된다. 캔바에서 브랜드 키트를 설정한 사용자는 챗GPT 등의 AI 어시스턴트 내에서 다양한 브랜드 디자인 기능을 사용할 수 있다. 브랜드 키트가 제공하는 주요 기능으로는 ▲일상 언어로 디자인을 요청하면 브랜드 색상, 폰트, 레이아웃, 로고가 자동으로 반영된 디자인을 생성하는 ‘브랜드에 맞춘 디자인 생성(Brand-native creation)’ ▲스토리 구조를 먼저 구성한 뒤, 브랜드 스타일에 맞춰 시각화된 발표 자료를 생성하는 ‘가이드형 프레젠테이션 빌더(Guided presentation builder)’ ▲캔바의 비주얼 MCP를 통해 챗GPT 내부에서 디자인을 바로 확인하고 수정할 수 있는 ‘실시간 디자인 미리보기(Live design preview)’ 등이 있다.   캔바의 안와르 하니프(Anwar Haneef) 에코시스템 총괄 책임자는 “브랜드의 핵심은 시각적 정체성에 있지만, 그동안 AI가 결과물을 만드는 방식에서는 이 부분이 간과되어 왔다”며, “캔바의 디자인 역량을 챗GPT나 클로드 같은 도구에 결합함으로써 텍스트 프롬프트를 실무용 비주얼로 즉시 전환할 수 있게 됐다. 이는 AI 결과물을 단지 빠르게 만드는 데서 나아가, 실제 업무에 실용적으로 쓸 수 있게 진화시키는 단계”라고 설명했다.

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.  

알리바바그룹이 최신 추론 모델인 ‘큐원3-맥스-싱킹(Qwen3-Max-Thinking)’을 공개했다. 이 모델은 강화학습(Reinforcement Learning)을 위해 1조 개 이상의 파라미터로 모델 규모를 대폭 확장했으며, 이를 통해 사실적 지식 처리, 복합 추론, 지시 수행, 인간 선호도 정렬, 에이전트 기능 등 여러 핵심 영역에서 성능 향상을 달성했다. 알리바바에 따르면 큐원3-맥스-싱킹은 총 19개 주요 벤치마크 평가에서 클로드 오푸스 4.5(Claude Opus 4.5), 제미나이 3 프로(Gemini 3 Pro), GPT-5.2-Thinking-xhigh 등 최신 고성능 모델과 비교해 경쟁력 있는 성능을 보였다. 과학·수학·코딩 문제 해결은 물론 검색 도구를 활용해 다양한 분야의 전문가급 질문을 해결하는 평가 항목에서도 높은 수준의 결과를 보였다.     큐원3-맥스-싱킹의 이런 성능은 두 가지 핵심 기술 혁신에서 비롯된다. 첫째는 적응형 도구 활용(Adaptive Tool-use) 기능으로, 모델이 상황에 따라 정보를 검색하고 내장된 코드 인터프리터를 필요 시 자동으로 호출해 활용함으로써, 사용자가 도구를 직접 선택하지 않아도 보다 효율적인 문제 해결이 가능하도록 설계됐다. 둘째는 고도화된 테스트 단계 확장(Test-time Scaling) 기법으로, 이를 통해 추론 성능을 향상시키고 주요 추론 벤치마크에서 다른 고성능 모델에 뒤지지 않는 수준의 결과를 기록했다. 기존에는 작업마다 사용자가 도구를 직접 선택해야 했던 반면, 큐원3-맥스-싱킹은 대화 중 검색(search), 메모리(memory), 코드 인터프리터(code interpreter)를 동적으로 선택·활용한다. 이러한 기능은 도구 활용을 위한 초기 미세 조정(fine-tuning) 이후, 규칙 기반(rule-based) 및 모델 기반(model-based) 피드백을 결합한 다양한 과제 학습을 통해 구현됐다. 특히 검색 및 메모리 기능은 환각(hallucination)을 줄이고 실시간 정보 접근성을 높이며, 사용자의 개인적인 필요에 맞춘 응답 생성을 가능하게 한다. 또한 코드 인터프리터는 코드 실행이나 계산 기반 추론이 필요한 복잡한 문제를 보다 효율적으로 해결할 수 있도록 지원한다. 알리바바는 여기에 더해 경험 누적형 다회차 테스트 단계 확장(experience-cumulative, multi-round test-time scaling) 전략을 도입했다. 이 방식은 이전 상호작용에서 도출된 핵심 정보를 정제·활용함으로써, 이미 알려진 결론을 반복적으로 재추론하지 않고 남아 있는 불확실성 해결에 집중하도록 설계됐다. 이를 통해 단순히 대화 기록을 그대로 참조하는 방식보다 문맥 효율(context efficiency)을 높였으며, 유사한 토큰 비용으로 기존 표준 방식인 병렬 샘플링 및 집계(parallel sampling plus aggregation) 대비 지속적으로 높은 성능을 기록했다. 큐원3-맥스-싱킹은 현재 큐원 챗(Qwen Chat)을 통해 제공되고 있으며, 모델 API는 알리바바의 생성형 AI 개발 플랫폼 ‘모델 스튜디오(Model Studio)’에서 이용할 수 있다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   디파이(Dify)는 대규모 언어 모델(LLM)을 활용한 에이전트 서비스를 전문적인 코딩 지식 없이 개발하고 효율적으로 운영할 수 있도록 지원하는 LLMOps(대규모 언어 모델 운영) 플랫폼 및 도구이다. 이 도구는 LLM과 같은 개발에 필요한 도구를 팔래트에서 가져와 캔버스에 배치하고, 이들의 작업 흐름을 연결함으로써 손쉽게 AI 에이전트 서비스를 개발할 수 있다.   ■ 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. 디파이로 개발된 챗봇 에이전트 예시   디파이는 사용자가 아이디어를 실제 AI 서비스로 신속하게 전환할 수 있도록 설계된 통합 개발 환경을 제공한다. 가장 큰 특징은 복잡한 백엔드(backend) 인프라나 API 연동 과정을 추상화하여, 사용자가 시각적인 인터페이스를 통해 애플리케이션의 핵심 로직과 기능 구현에만 집중할 수 있도록 한 것이다.   기능 소개 디파이의 주요 기능은 다음과 같다. 시각적 프롬프트 오케스트레이션 : 사용자는 텍스트 입력, LLM 호출, 조건 분기, 외부 도구(API) 사용 등의 과정을 블록처럼 연결하여 정교한 워크플로를 설계할 수 있다. 이를 통해 단순한 질의응답을 넘어 복잡한 추론과 작업 수행이 가능한 AI 에이전트를 구축하는 것이 가능하다. RAG(검색 증강 생성) 엔진 : 자체 데이터(PDF, TXT, 마크다운 등)를 업로드하여 AI 모델이 해당 정보를 기반으로 답변하도록 만드는 RAG 기술을 손쉽게 구현할 수 있다. 디파이는 문서 자동 전처리, 벡터화, 청킹(chunking) 등 복잡한 과정을 내부적으로 처리하여 사용자의 부담을 최소화한다. 모델 호환성 및 관리 : 오픈AI(OpenAI)의 GPT 시리즈, 앤트로픽(Anthropic)의 클로드(Claude), 구글의 제미나이(Gemini) 등 20개 이상의 상용 및 오픈소스 LLM을 지원한다. 사용자는 여러 모델을 프로젝트에 등록해두고 특정 작업에 가장 적합한 모델을 선택하거나, A/B 테스트를 통해 성능을 비교 분석할 수 있다. 배포 및 운영 : 개발이 완료된 애플리케이션은 즉시 사용 가능한 웹 API 엔드포인트(endpoint)나 독립적인 웹 사이트 형태(웹앱)로 배포된다. 또한 사용자 피드백 수집, 모델 성능 모니터링, 프롬프트 개선 등 지속적인 운영 및 관리를 위한 대시보드를 제공하여 서비스 품질을 유지하고 발전시키는 데 도움을 준다. 더 자세한 정보는 디파이 공식 웹사이트(https://dify.ai)에서 확인할 수 있다.   개발 배경 디파이는 2023년 5월에 설립된 랭지니어스(LangGenius, Inc.)에 의해 개발되었으며, 생성형 AI 기술의 급격한 발전 속에서 LLM을 실제 비즈니스에 적용하려는 수요와 기술적 장벽 사이의 간극을 메우기 위해 탄생했다. 초기 LLM 애플리케이션 개발은 파이썬(Python) 라이브러리인 랭체인(LangChain)이나 라마인덱스(LlamaIndex) 등을 활용하는 개발자 중심의 영역이었다. 하지만 이는 프롬프트 엔지니어링, 벡터 데이터베이스 관리, API 연동 등 상당한 전문 지식을 요구했다. 랭지니어스 팀은 이러한 기술적 복잡성이 AI 기술의 대중화와 비즈니스 혁신을 저해하는 주요 요인이라고 판단했다. 이에 따라 기획자, 디자이너, 마케터 등 비개발 직군도 직접 AI 서비스를 만들고 테스트할 수 있는 직관적인 플랫폼을 목표로 디파이를 개발했다. 특히, 모든 소스코드를 공개하는 오픈소스 전략을 채택하여 개발자 커뮤니티의 참여를 유도하고, 데이터 보안에 민감한 기업이 자체 서버에 직접 설치(self-hosting)하여 사용할 수 있도록 유연성을 제공했다. 디파이의 소스코드는 깃허브 저장소(https://github.com/langgenius/dify)에서 확인할 수 있다.   유사 도구 디파이와 유사한 기능을 제공하는 AI 개발 플랫폼은 다수 존재하며, 각각의 도구는 고유한 특징과 목표 시장을 가지고 있다. 플로와이즈AI(FlowiseAI) : 디파이와 마찬가지로 노드를 연결하여 LLM 기반 워크플로를 구축하는 오픈소스 플랫폼이다. UI/UX 측면에서 더 개발자 친화적인 경향이 있으며, LangChain.js를 기반으로 하여 자바스크립트(JavaScript) 생태계와의 통합이 용이하다는 장점이 있다.(https://flowiseai.com) 보이스플로(Voiceflow) : 주로 대화형 AI, 특히 음성 기반 챗봇 및 어시스턴트 제작에 특화된 로코드 플랫폼이다. 시각적인 대화 흐름 설계 도구가 강력하며, 프로토타이핑부터 실제 배포까지 전 과정을 지원하여 고객 서비스 자동화 분야에서 많이 사용된다.(https://www. voiceflow.com) 버블(Bubble) : 웹 애플리케이션 개발을 위한 대표적인 노코드 플랫폼이다. AI 기능이 내장된 것은 아니지만, 높은 유연성과 확장성을 바탕으로 디파이나 오픈AI에서 제공하는 API를 연동하여 복잡한 웹 서비스 내에 AI 기능을 통합하는 방식으로 활용될 수 있다.(https://bubble. io) n8n : 워크플로 자동화에 중점을 둔 오픈소스 도구이다. AI 기능보다는 수백 개의 다양한 서드파티 애플리케이션(예 : 구글 시트, 슬랙, 노션)을 연결하여 데이터 동기화 및 업무 자동화를 구현하는 데 강점을 보인다.(https://n8n.io)     ■ 기사의 상세 내용은 PDF로 제공됩니다.

프롬프트를 만드는 프롬프트 GPTs & Gems 민진홍, 국난아, 김진수 지음 / 2만 7000원 / 성안당 나만의 AI 비서를 만드는 기술, 메타 프롬프트와 커스텀 GPT 완벽 가이드 인공지능(AI)을 단순한 질의응답 도구로 사용하는 단계를 넘어, 반복되는 업무를 템플릿화하고 자동화하려는 시도가 가속화되고 있다. 최근 AI 업계의 화두는 사용자의 업무 목적에 맞게 맞춤형 앱처럼 설계하는 ‘AI 에이전트’다. 이러한 흐름 속에서 상위 프롬프트인 메타 프롬프트를 활용해 실무 효율을 극대화할 수 있는 지침서가 발간되었다. 이 책은 프롬프트 엔지니어이자 AI 전문 강사인 세 명의 저자가 집필했다. 주요 AI 플랫폼인 오픈AI의 챗GPT 커스텀 기능인 GPTs(지피티스), 구글 제미나이(Gemini)의 Gems(젬스), 그리고 클로드(Claude)의 Projects(프로젝츠) 제작 기법을 한데 모아 상세히 다룬다. 단순히 일회성 질문을 던지는 수준을 벗어나, AI가 사용자의 의도를 정확히 파악하고 전속 비서처럼 작동하도록 설계하는 ‘커스텀 GPT’ 제작 노하우를 총망라했다. 이 책은 실무 담당자의 업무 상당 부분을 AI가 대신 수행할 수 있도록 돕는다. 대기업 직장인은 물론 업무 효율이 절실한 1인 기업가와 소상공인에게도 최적화된 솔루션을 제공한다. 특히 독자들이 현업에 바로 적용할 수 있도록 실무용 메타 프롬프트 124선과 50선을 PDF 템플릿으로 제공하여 활용성을 높였다. 사용자는 챗GPT의 '지침'란이나 제미나이의 '요청 사항(Instructions)'에 검증된 프롬프트를 붙여넣고 저장하는 것만으로도 자신만의 강력한 AI 도구를 가질 수 있다. 복잡한 코딩 없이도 업무 자동화를 구현하고 싶은 독자들에게 이 책은 실질적인 가이드라인이 될 것이다.  

  주식회사 파수가 서비스형 AI 사용을 위한 민감정보 관리 솔루션인 AI-R DLP의 신규 버전을 출시하며 AI 보안 시장 선점에 나섰다. 이번에 고도화된 AI-R DLP는 챗GPT 등 생성형 AI 서비스 활용 시 발생할 수 있는 개인정보 및 기업 기밀 유출을 방지하며, 특히 국가 망 보안체계(N2SF) 보안 정책을 반영해 공공기관의 안전한 AI 도입을 지원한다. 망 분리 환경에서도 안전한 생성형 AI 활용 기반 마련 최근 생성형 AI 사용이 급격히 증가하면서 프롬프트에 입력되는 민감 정보 유출에 대한 우려가 깊어지고 있다. 일부 조직은 보안을 위해 퍼블릭 AI 접속을 전면 차단하기도 하지만, 이는 업무 혁신과 기업 경쟁력을 저해하는 요소가 된다. 파수의 AI-R DLP는 이러한 문제를 해결하기 위해 AI 서비스 이용 과정에서 입력되는 데이터를 실시간 모니터링하여 핵심 기술, 영업 비밀, 개인정보 등의 유출을 사전에 차단한다. LLM 기술 기반의 정교한 민감정보 검출 및 N2SF 대응 이번 업데이트의 핵심은 데이터 검출 역량의 강화다. AI-R DLP는 기존의 정규식 기반 검출에서 벗어나 인공지능 기반의 자연어 처리(NLP)와 파수 자체 딥러닝 기술을 활용한다. 이를 통해 복잡한 문장 속에서도 문맥을 이해하여 개인정보를 식별해낸다. 특히 기업의 영업기밀이나 공공기관의 N2SF 정책에 따른 데이터 검출 기능이 추가되었다. 파수 고유의 대형언어모델(LLM) 기술을 적용하여 자연어로 설정된 맞춤형 기준에 따라 기밀 정보를 광범위하게 검출할 수 있다. 이는 N2SF의 보안등급(CSO)에 따른 데이터 통제를 가능하게 하여 공공 분야의 디지털 전환을 앞당길 것으로 기대된다. 사용자별 맞춤형 정책 설정 및 감사 기능 강화 AI-R DLP는 조직의 운영 규정에 맞춰 부서나 사용자별로 검사 대상과 후처리 정책을 유연하게 설정할 수 있다. 모든 프롬프트 문답 로그를 보관해 사후 감사 자료로 활용할 수 있으며, 개인정보나 기밀정보를 과다하게 전송하는 사용자가 발생할 경우 관리자에게 즉시 알림을 전달해 필요한 조치를 취하게 한다. 현재 챗GPT, 제미나이, 클로드 등 주요 AI 서비스를 지원하고 있으며 지원 대상을 지속적으로 확장할 계획이다. 고동현 파수 상무는 파수의 AI-R DLP가 AI 활용의 걸림돌인 민감정보 유출 우려를 해소하고 기업 및 공공기관의 경쟁력 강화를 도울 것이라고 밝혔다. 또한 구축형 LLM 플랫폼인 Ellm과 개인정보보호 솔루션인 AI-R Privacy 등을 통해 AI 시대에 필수적인 보안 솔루션을 지속적으로 제시하며 시장을 공략할 것이라고 덧붙였다.