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.

프리비즈와 레이아웃 혁신해 애니메이션 공정 효율 향상   소니 픽처스 이미지웍스는 넷플릭스 흥행작인 ‘케이팝 데몬 헌터스’의 제작에 언리얼 엔진을 도입해 제작 파이프라인을 혁신했다. 제작 초기 단계부터 최종 렌더링 수준의 비주얼을 확인하며 창작자의 의도를 정교하게 시각화한 것이 핵심이다. 특히 유니버설 신 디스크립션(USD) 기반의 워크플로를 구축해 프리비즈와 레이아웃 과정의 효율을 높여 시네마틱한 완성도를 극대화했다. ■ 자료 제공 : 에픽게임즈   ‘케이팝 데몬 헌터스’는 단순한 영화가 아니라, 하나의 문화적 현상이다. 이 넷플릭스 오리지널 애니메이션 영화는 조회 수 2억 3600만 회를 기록하며 넷플릭스 역사상 가장 인기 있는 영화로 자리잡았을뿐만 아니라, 사운드트랙 또한 빌보드 핫 100 차트 역사상 처음으로 네 곡이 동시에 톱 10에 오르는 전례 없는 기록을 세웠다. 소니 픽처스 애니메이션이 제작한 이 애니메이션은 빠른 액션 전개, 대규모 군중 연출, 콘서트 규모의 라이팅이 결합된 작품으로, 기존의 레이아웃과 프리비즈 방식으로는 결과를 사전에 판단하기 어려웠다. 액션, 라이팅, 머티리얼, 이펙트가 시네마틱한 관점에서 각각 따로가 아니라 서로 유기적으로 결합되어 어떻게 작동하는지를 확인하는 것이 핵심적인 연출 결정의 기준이었기 때문이다. 이를 제작 초반부터 가능하게 하기 위해, 소니 픽처스 이미지웍스 팀은 파이프라인 시작 단계에서 창작 의도를 보다 온전히 시각화할 수 있는 방법이 필요했고, 그 해답으로 언리얼 엔진을 선택했다.   더 빠르게 구현하는 최종 픽셀 수준의 비주얼 ‘케이팝 데몬 헌터스’는 비밀리에 초자연적 위협으로부터 세상을 수호하는 케이팝 걸 그룹 헌트릭스의 이야기를 그린다. 기상천외한 판타지 액션으로 가득한 이야기 속에서, 특히 목욕탕을 배경으로 한 액션 시퀀스는 소니 픽처스 이미지웍스에게 중요한 전환점이었다. 이 장면에서 주인공들은 새로운 라이벌 보이 밴드이자 정체를 숨긴 악령들인 사자 보이즈와 맞서던 중, 물귀신의 기습을 받는다. 소니 픽처스 이미지웍스의 제이슨 볼드윈(Jason Baldwin) 리얼타임 슈퍼바이저는 목욕탕에서 벌어지는 액션 시퀀스는 정말 놀라웠다며, “머티리얼 표현을 극대화해 모든 요소가 젖어 있고 반사되고 안개가 낀 느낌을 제대로 구현할 수 있었기 때문”이라고 밝혔다.   ▲ 소니 픽처스 이미지웍스 제공   이 시퀀스에서 소니 픽처스 이미지웍스의 레이아웃 팀은 처음으로 실시간 볼류메트릭을 사용해, 수증기가 자욱하게 깔리고 부드럽게 확산되는 라이팅이 증기 사이를 스며드는 목욕탕 특유의 분위기를 구현했다. 이 음산한 환경 속에서 혼란스럽고 긴박한 난투극이 벌어지며, 팀은 안개와 수증기가 가득한 공간에서 빠르고 격렬한 전투 연출을 구현해야 하는 과제에 직면했다. 소니 픽처스 이미지웍스의 애덤 홈즈(Adam Holmes) 비주얼라이제이션 총괄은 “언리얼 엔진을 처음 접한 레이아웃 아티스트 한 명이 약 일주일 만에 이 메인 액션 신(scene)의 기본 레이아웃인 블록아웃을 완성했다”고 설명했다. 이 초기 블록아웃을 통해 팀은 복잡한 액션 동선, 독창적인 카메라 워크, 그리고 검이 악령을 폭발시키는 모든 시각 효과까지 함께 구현할 수 있었고, 해당 신이 지향하는 시네마틱한 비전을 생생하게 표현할 수 있었다. 라이팅, 머티리얼, 분위기, 카메라가 유기적으로 작동하는 방식을 제작 초기 단계부터 확인할 수 있었기 때문에, 팀은 시퀀스의 감정적 톤을 설정해 나갈 수 있었다. 젖은 타일의 광택, 수증기의 밀도, 빠르게 전개되는 카메라 워크는 긴장감과 스펙터클을 극대화하며 액션 신에 드라마와 몰입감을 더했다. 궁극적으로 이러한 초기 시각화 작업은 시퀀스의 최종적인 예술적 효과를 한층 끌어 올리는 역할을 수행했다. 볼드윈은 “레이아웃 단계에서 모든 요소가 최종 렌더에 가까운 수준으로 함께 결합되는 모습을, 게다가 그렇게 빠르게 세팅할 수 있다는 점이 정말 놀라웠다”고 말했다.   마야, 언리얼 엔진, USD를 연결하는 파이프라인 오토데스크의 마야(Maya)와 언리얼 엔진간의 워크플로는 소니 픽처스 이미지웍스의 ‘케이팝 데몬 헌터스’ 애니메이션 파이프라인의 핵심 기반이었다. 홈즈는 “마야 파이프라인에서 개발한 애니메이션 릭을 언리얼 엔진으로 가져오는 과정은 매우 중요하고, 이를 자동화하기 위해 여러 스크립트를 만들었다”고 설명했다. 레이아웃 샷의 애니메이션 작업이 완료되면 이를 다시 마야로 보내서 적용할 수 있으며, 레이아웃 아티스트가 완성한 모든 작업을 그대로 유지할 수 있었다.   ▲ 소니 픽처스 이미지웍스 제공   이 워크플로는 소니 픽처스 이미지웍스가 유니버설 신 디스크립션(Universal Scene Description : USD)을 본격적으로 도입하면서 한 단계 더 발전했다. USD를 활용함으로써 내부 툴과 언리얼 엔진 간에 애셋 이동 과정이 더 빠르고 일관되게 이루어질 수 있었다. 볼드윈은 “이제 모델링 단계에서 애셋을 기존 파이프라인에 보내면, 이 데이터를 USD를 통해 매우 손쉽고 안정적으로 언리얼 엔진으로 가져왔다가 다시 내보낼 수 있다”라고 전했다. 소니 픽처스 이미지웍스에게 이러한 방식의 작업은 아티스트들이 사용하는 크리에이티브 툴 간의 반복 작업에 큰 변화를 가져왔다. 소니 픽처스 이미지웍스의 황종환 리얼타임 파이프라인 슈퍼바이저는 “초기에는 시퀀스 하나를 익스포트하는 데만 6~8시간이 걸렸다. 하지만 소스 코드에 접근할 수 있다는 점이 큰 전환점이 되었다. 그 덕분에 작업 시간을 30분으로 줄일 수 있었고, 지금은 시퀀스를 5분 만에 익스포트한다”고 설명했다.   캐릭터, 군중, 콘서트 라이팅의 확장 팀은 언리얼 엔진의 컨트롤 릭을 활용해 수십 명의 캐릭터 애니메이션을 엔진에서 직접 제작했다. 소니 픽처스 이미지웍스의 릴리아 라이(Lillia Lai) 리깅 개발 리드는 “언리얼 엔진에서 컨트롤 릭을 구성하기로 한 이유는 실행 속도가 매우 빠르기 때문이다. 하나의 신에서 필요하다면 최대 20명에서 30명에 이르는 여러 캐릭터를 동시에 다룰 수 있다”고 말했다.   ▲ 소니 픽처스 이미지웍스 제공   ‘케이팝 데몬 헌터스’에서 세 명의 주인공은 각 시퀀스마다 서로 다른 커스텀 의상을 착용한다. 이를 위해 소니 픽처스 이미지웍스는 블루프린트 비주얼 스크립팅 시스템을 활용해 의상과 액세서리를 즉시 교체할 수 있는 캐릭터 시스템을 구축했다. 이 시스템은 무작위로 조합된 다양한 캐릭터로 가득 찬 대규모 군중을 제작할 때 그 진가를 발휘했다. 라이는 “단 하나의 체형과 여러 헤어스타일만 만들면 된다. 그런 다음 원하는 조합으로 헤어스타일과 의상을 교체하고, 이를 언리얼 엔진의 폴리지 모드와 결합해 공연장 전체를 빠르게 채울 수 있었다”고 설명했다. 폴리지 모드는 원래 언리얼 엔진 신에 식물과 나무를 손쉽게 배치하기 위해 설계된 기능이다. 팀은 이 기능을 공연장에 모인 군중을 구현하는 데 적용하면서, 폴리지 모드 툴을 활용하는 새로운 방법을 발견할 수 있었다.   ▲ 소니 픽처스 이미지웍스 제공   공연장 신을 방대한 규모의 다양한 관객으로 채우는 것은 물론, 프리비즈 단계부터 콘서트 전체 라이팅이 환경에 미치는 영향을 직접 탐색할 수 있었다. 홈즈는 “그 효과를 제대로 시각화할 수 있는 유일한 방법은 언리얼 엔진을 사용하는 것이었다”고 말했다. 프리비즈 아티스트들은 파이프라인의 마지막 단계가 아니라 시작 단계에서부터 아름답고 놀라운 신을 구성할 수 있었으며, 소니 픽처스 애니메이션과 이미지웍스의 크리에이티브 팀은 그 어느 때보다 다양한 시각적 옵션을 확보할 수 있었다. 아티스트는 콘서트가 어떤 느낌일지 상상하는 대신, 공연의 에너지와 규모를 실시간으로 대응하며 각 노래의 감정적 임팩트를 극대화하기 위해 안무, 무대 연출, 라이팅을 조정할 수 있었다. 이 기술로 팀은 시작 단계부터 더 큰 스케일과, 한층 강화된 시네마틱한 환경을 구현했다. 볼드윈은 “이런 경험은 난생 처음이었다”라고 놀라움을 표현했다. 이 콘서트 신에서 수백 개의 라이팅에 애니메이션을 적용한 뒤, 이미지웍스 팀은 이를 USD를 통해 파운드리(Foundry)의 카타나(Katana)로 익스포트할 수 있는 플러그인을 제작했고, 그 결과 언리얼 엔진과 카타나 간 라이팅을 거의 일대일에 가깝게 일치시킬 수 있었다. 홈즈는 “프레임마다 키를 베이킹하지 않고도 카타나에서 언리얼 엔진 애니메이션을 유지할 수 있도록 F 커브를 익스포트하는 방식을 개발했다. 그렇게 하면 수천 프레임에 달하는 불필요한 데이터가 추가로 생성되지 않는다”고 설명했다. 원본 라이팅 커브를 유지함으로써 프리비즈부터 최종 라이팅까지 콘서트의 리듬과 에너지를 그대로 유지할 수 있었다. 이를 통해 아티스트들은 복잡한 애니메이션을 다시 제작할 필요 없이 반복 작업을 이어갈 수 있었다. ‘케이팝 데몬 헌터스’에서의 이러한 라이팅 실험을 통해 이미지웍스는 리얼타임과 기존 라이팅 워크플로 간의 경계를 확장할 수 있었다.   ▲ 소니 픽처스 이미지웍스 제공   차세대 애니메이션 파이프라인 구축 ‘케이팝 데몬 헌터스’는 강력한 최첨단 기술이 애니메이션 제작 방식을 어떻게 혁신하고 있는지를 보여주는 대표적인 사례이다. 이 프로젝트에서 소니 픽처스 이미지웍스는 CG 레이아웃 파이프라인 전반을 재정비해 다양한 영역을 현대화했으며, 리얼타임 기술과 USD 프레임워크를 결합해 이전에는 불가능했던 방식으로 부서 간 협업을 이뤄냈다. 홈즈는 “이번 작품에서 구축한 기반 덕분에 현재와 향후 프로젝트에서 레이아웃과 프리비즈 과정의 속도와 효율이 20~25% 가량 향상될 것으로 기대하고 있다”고 전했다. 볼드윈은 “언리얼 엔진이 무엇을 할 수 있는지, 우리가 무엇을 해낼 수 있는지 알고 있었기 때문에 그대로 실행에 옮겼다. 그 결과 현재는 매우 견고한 파이프라인을 구축하게 되었다”고 설명했다.   ▲ 소니 픽처스 이미지웍스 제공   소니 픽처스 이미지웍스 팀은 신 개발 방식을 간소화하고 파이프라인을 재정립함으로써 퍼포먼스와 스케일, 그리고 시각적인 에너지에 더욱 집중할 수 있었으며, 이는 ‘케이팝 데몬 헌터스’의 핵심인 역동적인 스토리텔링을 뒷받침했다.     ■ 기사 내용은 PDF로도 제공됩니다.

여승호, 신무경 지음 / 2만 2000원 / 비엘북스   아이디어를 영상으로 완성하는 실전 AI 제작 워크플로 가이드 인공지능(AI)을 활용한 영상 제작이 대중화되면서 다양한 툴이 쏟아지고 있지만, 복잡한 설치 과정과 높은 하드웨어 사양은 여전히 진입 장벽으로 작용하고 있다. 이 책은 복잡한 로컬 설치 과정 없이 웹 환경에서 즉시 실행 가능한 'ComfyUI 클라우드'를 기반으로, 이미지 생성부터 고퀄리티 영상 제작, 업스케일까지의 전 과정을 체계적으로 다룬다. 이 책은 어려운 기술 용어나 복잡한 노드 설정 방식에 매몰되지 않고, 입문자가 바로 실전 결과물을 만들 수 있도록 30가지의 풍부한 예제를 수록했다. 독자는 ComfyUI 클라우드를 활용해 나노 바나나(Nano Banana), Veo, Kling AI, WAN, Topaz Video 등 최신 AI 모델들을 하나의 워크플로 안에서 유기적으로 연결하는 방법을 배우게 된다. 여러 서비스를 개별적으로 구독하거나 번거로운 세팅을 반복할 필요 없이, 단일 클라우드 환경에서 효율적인 제작 파이프라인을 구축하는 것이 핵심이다. 특히 온라인에서 큰 화제를 모았던 콘텐츠 스타일을 예제로 구성하여 실무 활용도를 높였다. 영어 배우는 할머니 숏폼, 촬영 현장 셀카 숏폼, ASMR 및 미니어처 스타일의 영상 등 실제 제작 흐름에 맞춘 단계별 실습을 제공한다. 이 책은 단순한 기능 설명을 넘어, 사용자가 자신만의 창의적인 아이디어를 구체적인 영상 콘텐츠로 구현할 수 있는 독자적인 파이프라인 구축 능력을 길러주는 실전 가이드 역할을 한다.  

어도비가 엔비디아와 전략적 파트너십을 맺고 AI 기반 콘텐츠 제작과 개인화를 가속화한다고 발표했다. 이번 협력을 통해 양사는 차세대 어도비 파이어플라이 모델과 에이전틱 워크플로를 선보일 계획이다. 이번 파트너십은 급증하는 콘텐츠 수요에 대응하여 어도비의 크리에이티브 역량과 엔비디아의 가속 컴퓨팅 기술을 결합하는 데 목적을 둔다. 양사는 차세대 파이어플라이 모델을 공동 개발하여 크리에이티브 및 마케팅 파이프라인 전반에 높은 수준의 정밀도와 제어 기능을 제공할 예정이다. 이 모델은 엔비디아 쿠다-X(NVIDIA CUDA-X), 엔비디아 네모(NVIDIA NeMo) 라이브러리, 엔비디아 코스모스(NVIDIA Cosmos) 오픈 모델, 엔비디아 에이전트 툴킷(NVIDIA Agent Toolkit) 소프트웨어를 활용하여 고품질 콘텐츠 생성을 지원한다. 어도비의 샨타누 나라옌 회장은 이번 파트너십이 AI를 통해 크리에이티브와 마케팅 워크플로를 재정의하겠다는 공동의 비전에 기반한다고 밝혔다. 엔비디아 젠슨 황 CEO 역시 리서치 및 엔지니어링 팀 간 협력을 통해 창의성과 고객 경험을 혁신할 차세대 모델을 구축할 것이라고 전했다.     콘텐츠와 캠페인 제작 속도를 높이는 에이전틱 크리에이티브 및 마케팅 워크플로 혁신을 위한 협력도 추진한다. 어도비는 이러한 에이전틱 워크플로를 구동하기 위해 엔비디아 에이전트 툴킷과 네모트론 오픈 모델을 활용할 계획이다. 또한 단일 명령으로 상시 실행 어시스턴트를 안전하게 실행할 수 있는 오픈 소스 스택인 엔비디아 네모클로(NVIDIA NemoClaw) 개발에도 협력한다. 엔비디아 에이전트 툴킷의 일부인 네모클로는 자율 에이전트와 오픈 소스 모델을 실행하기 위한 보안 환경인 오픈셸 런타임을 설치한다. 어도비는 엔비디아와 협력을 통해 브랜드 아이덴티티를 유지하는 클라우드 네이티브 3D 디지털 트윈 설루션을 출시한다. 이 설루션은 실제 제품의 가상 복제본을 생성해 마케팅과 커머스 경험 전반에서 활용되는 디지털 아이덴티티 역할을 수행한다. 엔비디아 옴니버스 라이브러리를 어도비 기술에 통합함으로써 오픈USD 기반의 3D 디지털 트윈 워크플로를 활용한 마케팅 콘텐츠 자동화를 지원한다. 브랜드는 이를 통해 일관된 제품 이미지부터 몰입형 가상 체험까지 다양한 콘텐츠를 생성할 수 있다. 어도비는 엔비디아의 AI 인프라와 라이브러리를 활용해 포토샵, 프리미어 프로, 애크로뱃 등 주요 툴의 성능을 최적화할 계획이다. 특히 어도비 파이어플라이 파운드리를 통해 기업 고유의 브랜드에 맞춘 엔터프라이즈급 맞춤형 AI를 구현한다. 이를 통해 미디어 및 엔터테인먼트 스튜디오는 상업적으로 안전한 콘텐츠를 대규모로 제공받을 수 있게 된다. 전략적 파트너십의 주요 협력 내용에는 ▲엔비디아의 첨단 컴퓨팅 기술을 활용한 차세대 어도비 파이어플라이 모델 제공 ▲개인화되고 안전한 환경에서 하이브리드 방식의 에이전트 루프를 구현하는 에이전틱 AI 혁신 ▲엔비디아 옴니버스 라이브러리와 RTX 렌더링 기술을 통합한 고정밀 클라우드 네이티브 3D 디지털 트윈 구축 ▲이미지, 영상, 오디오 전반에 걸쳐 지식재산권이 보호되는 엔터프라이즈용 크리에이티브 대규모 구현 ▲엔비디아 네모트론 기능을 애크로뱃에 통합해 비즈니스 생산성을 높이는 AI 도큐먼트 인텔리전스 강화 ▲엔비디아 쿠다를 활용한 프레임닷아이오의 클라우드 콘텐츠 관리 및 워크플로 가속화 등이 포함된다.

XR과 AI로 건설 분야의 차세대 전기 공학자 양성   지멘스는 건설업계 및 전기 산업의 인력 부족 문제를 해결하고자, 에듀케이션XR(EducationXR)을 활용하는 차세대 교육 및 영업 지원 플랫폼인 누마(Pneuma)를 구축했다. 이번 호에서는 누마가 어떻게 하나의 원활하고 기기에 구애받지 않는 허브에서 XR 기반 학습, AI 기반 지원, 모바일용 기술 문서에 대한 액세스를 제공하는지 살펴본다. ■ 자료 제공 : 유니티 코리아     지멘스는 전기화, 자동화, 소프트웨어 및 디지털 트윈 연료 산업, 인프라 및 운송 분야의 글로벌 기술 기업이다. 미국에 있는 지멘스는 인프라를 개선하고, 산업 생산성을 높이고, 지속 가능한 에너지 시스템을 구현하는 혁신적인 설루션을 제공한다. 지멘스는 스마트 인프라스트럭처 전기 제품 부문 내에서 주택 건물부터 병원 및 데이터 센터와 같은 중요한 인프라에 이르기까지 안전하고 효율적인 전기 설치를 보장하는 포괄적인 로드 센터, 회로 차단기, 패널보드, 스위치 장치, 측정 설루션 및 제어 제품 포트폴리오를 제공한다. 지멘스는 미국 건설업계, 특히 전기 산업에서 급격한 숙련된 인력 부족에 직면하여 교육과 인력 개발을 현대화하기 시작했다. 도전 과제는 디지털을 우선시하는 최신 학습자의 참여를 유도하는 확장 가능하고 접근성이 뛰어난 인터랙티브 학습 플랫폼을 만들어 효율, 안전성, 실무 성과를 개선하는 것이었다. 이러한 요구 사항을 충족하기 위해 지멘스는 에듀케이션XR(EducationXR)을 활용하는 차세대 교육 및 영업 지원 플랫폼인 누마(Pneuma)를 구축했다. 이 플랫폼은 모든 모바일, 데스크톱 및 VR 헤드셋에 몰입형 경험을 제작 및 배포하는 데 사용되는 유니티(Unity) 개발자 플랫폼이다.   결과 XR 시뮬레이션을 사용하여 지식 보존을 3배 개선 주요 전기 설치 작업에 대한 숙련도를 높이는 데 필요한 시간을 70% 단축 처음 6개월 동안 1만 개 이상의 AI 기반 질문에 답변 외부 사용자의 주당 참여율(85% 이상) 지멘스 에듀케이트 아메리카(Siemens Educates America)를 통해 2만 5000명의 학습자와 교육 담당자에게 도달 미국 전역에서 누마에 액세스하는 내부 및 고객 사용자 1000명 이상 중앙 집중형 셀프 서비스 콘텐츠 액세스를 통해 교육 및 지원 비용 대폭 절감 유니티의 크로스 플랫폼 엔진 덕분에 모바일, 데스크톱, AR, VR 기기 전반에 원활하게 배포 가능   ▲ 출처 : 에듀케이션XR   ▲ 출처 : 에듀케이션XR   ▲ 출처 : 에듀케이션XR   직원의 과제 : 디지털 세계에서 기술 격차 해소 미국 건설 산업, 특히 전기 산업은 급급한 기술 부족에 직면하고 있다. 인력의 노화, 전기화 수요 증가, 프로젝트 복잡도 증가, 새로운 디지털 기술의 조합으로 인해 교육 역량과 실제 수요 사이의 격차가 커지고 있다. 전기 인프라가 복잡해질수록 영업 엔지니어, 전기 시공사, 학습자 등 전문가는 정확한 제품 정보를 빠르게 찾고, 설치 절차를 이해하고, 새로운 디지털 툴을 활용하는 데 어려움을 겪고 있다. 기존의 교육 방식은 더 이상 충분하지 않다. 학습자와 숙련된 전기 공학자는 위험, 다운타임, 불일치 없이 실습을 진행할 수 있는 유연하고 확장 가능하며 기술적인 설루션을 필요로 하며, 이런 설루션은 디지털 노멀과 네이티브 모두에게 매력적이다. 지멘스는 자체 교육 툴과 내부 지원 시스템을 발전시킬 필요성을 인식하고 몰입형 기술에서 해결책을 찾았다. 이전에는 지멘스의 XR 교육 모듈이 수동으로 VR 헤드셋에 추가되었으며 배포, 확장성 또는 유저 친화적인 액세스를 위한 중앙 집중형 플랫폼이 부족했다. ‘광고 지면’의 타깃 고객 액세스 경험은 단편화되어 리소스를 많이 사용했다.   ▲ 출처 : 에듀케이션XR   누마, 더 스마트한 인력을 위한 스마트 교육 지멘스는 기술 가이드, 몰입형 학습 및 AI 기반 지원을 위한 원스톱 허브 역할을 하는 혁신적인 애플리케이션인 누마를 도입했다. 누마는 내부 팀과 외부 고객 모두를 염두에 두고 설계되었으며 인터랙티브 콘텐츠, 실시간 데이터 액세스, 크로스 디바이스 접근성을 지능적으로 조합한다. 누마는 유니티 실시간 3D 엔진과 에듀케이션XR 플랫폼을 활용하여 다음과 같은 기능을 제공하여 기존의 교육과 최신 디지털 요구 사항 간의 격차를 해소한다. 몰입형 XR 교육 모듈 : 실시간 전압이나 하드웨어 없이 실전 전기 훈련을 위한 사실적인 시뮬레이션 3D 및 XR 호환 제품 시각화 : 전기 부품을 설치하기 전에 살펴보고 학습할 수 있는 인터랙티브 모델 AI 기반 콘텐츠 검색 : 제품 질문에 답변하고, 기술 자료를 추천하고, 학습 가이드를 제공하는 생성형 AI 어시스턴트이다. 실무 지원 : 3D 조립 및 설치 지침 가이드 중앙 집중식 리소스 액세스 : 사양 시트부터 동영상 튜토리얼까지 누마는 모바일, 데스크톱 및 VR 전반에 걸쳐 통합된 콘텐츠 경험을 제공한다.   주요 기능 모든 기기에서 웹 및 모바일 액세스 가능 크로스 플랫폼 XR 학습 환경 인터랙티브 튜토리얼 및 가이드식 시뮬레이션 제품 쿼리, 문제 해결, 애셋 추천을 위한 생성형 AI 확장 가능한 교육 과정 개발을 위한 에듀케이션XR 기반 콘텐츠 제작 에듀케이션XR의 코리 하이젠레이더(Cory Heizenrader) CEO는 “에듀케이션XR은 크로스 플랫폼 자동 멀티플레이어(폰, 태블릿, 데스크톱, VR 등)를 갖춘 제작 제품군이다. 우리는 최첨단 XR 지원과 유연성 때문에 유니티를 선택했다”고 전했다.   유니티로 구축한 누마의 기반 기술 유니티는 누마의 몰입형 경험의 기반이 된다. 유니티 크로스 플랫폼 기능을 통해 지멘스와 에듀케이션XR은 모든 기기에서 통합되고 일관된 교육 및 지원 경험을 제공할 수 있으며, 이는 현장의 디지털 네이티브에 도달하는 데 필수이다. 이 과정은 크리에이터가 에듀케이션XR의 카페인(Caffeine) 패키지를 유니티 에디터로 다운로드하여 에듀케이션XR 자격 증명을 통해 로그인하거나, 조직에서 에듀케이션XR과 IT를 통합하기로 결정한 경우 안전한 SSO를 통해 로그인한다. 디자인 단계가 끝나면 3D 모델을 유니티 가져와서 단계별 인터페이스를 통해 크리에이터가 간단한 방식으로 콘텐츠를 제작하는 방법을 안내한다.   ▲ 출처 : 지멘스   유니티가 지멘스의 누마 플랫폼 각 레이어를 지원하는 방법은 다음과 같다. 카페인으로 콘텐츠 제작 : 지멘스는 에듀케이션XR의 커스텀 유니티 패키지인 카페인을 유니티 에디터에서 직접 사용한다. 커스텀 에듀케이션XR 언어인 플로(Flow)를 통한 비주얼 스크립팅과 모든 경험 수준의 크리에이터를 위한 드래그 앤 드롭 유저. ‘광고 지면’의 타깃 고객 경험이 포함되어 있다. 교육 모듈, 제품 데모, 시뮬레이션은 15분 만에 제작할 수 있으며, 에듀케이션XR의 클라우드 인프라를 통해 자동으로 배포되므로 실행 파일을 생성하고 배포할 필요가 없다. 크로스 플랫폼 배포 : 유니티의 렌더링 파이프라인과 XR 통합(URP, AR Foundation, AI Navigation, Splines)을 통해 모바일, 데스크톱, VR 및 AR 플랫폼에 원활하게 배포할 수 있다. 누마는 윈도우, 맥OS, 안드로이드, 퀘스트(Quest), 피코(Pico) 및 패스스루 지원 XR 헤드셋에서 실행된다. XR 모드를 위한 AR 파운데이션 : 유니티의 AR 파운데이션(AR Foundation)은 휴대폰을 공간 교육 기기로 변환한다. 교육생은 모바일 AR을 사용하여 가상 환경을 보고 상호 작용할 수 있다. VR 헤드셋이 필요하지 않다. 실시간 시뮬레이션 및 멀티플레이어 : 유니티는 모든 디바이스에서 멀티플레이어(multiplayer) 시뮬레이션을 지원하므로, 하드웨어와 관계없이 팀이 함께 훈련할 수 있다. 이렇게 하면 강의실, 작업 현장, 원격 장소에서 동기화된 학습이 가능하다. 지멘스는 유니티 에듀케이션XR을 통해 기기나 경험 수준에 관계없이 모든 유저. '광고 지면'의 타깃 고객이 일관되고 최첨단 디지털 학습을 이용할 수 있도록 지원한다.   ▲ 출처 : 에듀케이션XR   지멘스의 데이비드 콰텔라(David Quatela) 북미지역 일렉트리컬 제품 마케팅 매니저는 “유니티 엔진과 강력한 성능을 에듀케이션XR의 출력 및 별도의 기능과 결합하는 능력은 인력 개발 및 건설 기술 작업을 통해 지멘스의 시장 진출 방식을 바꿔 놓았다”고 설명했다.   스파크 변경 결과 누마는 6개월 만에 지멘스의 인력과 확장된 전기 산업 생태계에 혁신적인 영향을 미쳤다. 누마의 AI 기반 어시스턴트를 통해 1만 개 이상의 제품 및 설치 질문에 대한 답변을 얻어, 매뉴얼을 검색하거나 지원 티켓을 확대하는 데 소요되는 시간을 절약할 수 있었다. 기술 지식에 대한 즉각적인 액세스 덕분에 효율이 향상되었을 뿐만 아니라, 작업에 대한 유저 및 ‘광고 지면’의 타깃 고객 신뢰도도 높아졌다. 유니티 기반 XR 교육 모듈 덕분에 지멘스는 지식 보존이 세 배 증가하여 학습자가 복잡한 절차를 더 효과적으로 수용할 수 있도록 지원했다. 실제 시나리오에서는 중요한 설치 및 문제 해결 작업에 필요한 시간을 70% 단축하여 시간을 절약하고, 비용이 많이 드는 오류를 줄이면서 건설 현장의 다운타임을 최소화할 수 있다. 신속하고 열정적인 도입이 이루어졌다. 지멘스의 내부 팀, 계약업체, 유통 파트너를 아우르는 1000명 이상의 사용자를 바탕으로, 누마는 몰입형 교육과 지원을 위한 핵심 지점으로 빠르게 자리매김하고 있다. 지멘스 에듀케이트 아메리카 이니셔티브를 통해 2만 5000명 이상의 학습자와 강사가 참여하여 업계의 증가하는 기술 격차를 해소할 수 있었다. 외부 사용자도 참여를 유지하고, 매주 상호 작용률이 85% 이상이며, 하루 평균 125건의 AI 기반 콘텐츠 쿼리로 플랫폼 가치가 있을 뿐만 아니라 필수라는 확실한 신호이다.   ▲ 출처: 지멘스   측정할 수 있는 결과와 높은 참여도의 조합을 통해 유니티의 기술과 에듀케이션XR의 교육 모듈 및 지멘스의 심층적인 업계 전문 지식이 어떻게 전체 전기 생태계에서 전문가 교육, 지원 및 역량 강화 방식을 적극적으로 재구성하고 있는지 확인할 수 있다. 실시간 제품 데이터와 AI 기반 영업 툴에 액세스할 수 있는 배포업체 단계별 AR 지침 및 가상 시뮬레이션을 활용할 수 있는 건축업체 XR 모듈 및 온디맨드 지원을 통해 실습 학습을 경험하는 학습자 더 빠른 온보딩, 더 높은 일관성, 미래 지향적 인재 확보를 위한 기업   숙련된 무역의 미래 : 확장형 학습을 위한 장벽 해소 지멘스는 더 많은 AI 기반 콘텐츠 제작 툴, 콘텐츠 라이브러리의 추가 XR 교육 모듈, 더 많은 트레이드 역할을 지원하기 위해 다양한 분야에 걸쳐 광범위한 롤아웃을 통해 누마를 확장하고 있다. 유니티 모듈식 툴셋과 커스텀 스크립팅, 애셋 파이프라인, 기기 호환성에 대한 광범위한 지원은 이러한 비전을 확장하는 데 핵심 역할을 할 것이다.   ▲ 출처 : 지멘스   현대적인 인력 개발을 위한 청사진 지멘스는 단순히 교육 문제를 해결하는 것이 아니라 업계의 인력 개발 및 지원 방식을 더 광범위하게 바꾸는 데 기여하고 있다. 몰입형 XR 학습, AI 기반 지원, 기술 정보에 대한 일관된 온디맨드 액세스를 통합함으로써, 누마는 조직이 온보딩 시간을 줄이고, 작업의 정확도를 높이고, 지속적인 기술 개발을 지원하도록 지원하고 있다. 이러한 툴은 반드시 기존의 학습을 대체할 필요가 없으며, 이를 보완하고 강화하여 교육의 접근성과 참여도를 높이고 현재 건설 환경의 현실에 더 잘 부합한다. 지멘스는 지멘스 에듀케이트 아메리카와 같은 프로그램 및 NECA, IBEW 및 IEC와의 파트너십을 통해 업계에 진출하는 숙련된 인재의 파이프라인을 강화하는 데 도움을 준다. 지식을 더 쉽게 공유하고 전문가가 최신 인프라 및 전기화의 요구 사항을 충족할 수 있도록 더 잘 준비된 미래를 지원한다.     ■ 기사 내용은 PDF로도 제공됩니다.

한국오라클이 2월 3일 연례 콘퍼런스인 ‘오라클 AI 서밋(Oracle AI Summit) 2026’을 열고, 데이터와 AI의 결합을 통한 기업의 생존 및 성장 전략을 제시했다. 오라클은 AI 벡터 검색 기능이 통합된 데이터베이스 새 버전을 선보이면서, 복잡한 데이터를 의미론적으로 분석하고 검색 증강 생성(RAG) 기술을 효율적으로 구현하는 방안을 설명했다. 또한 스스로 계획하고 행동하는 에이전틱 AI(agentic AI)와 데이터베이스 관리를 돕는 AI 어시스턴트의 도입을 강조했다. 오라클은 자사의 융합형 아키텍처를 앞세워 기업의 현대적인 AI 기반 비즈니스 환경을 지원할 예정이다. ■ 정수진 편집장     AI의 핵심은 데이터, 데이터와 AI의 통합은 필연 오라클은 기업이 AI를 활용해 성과를 얻기 위해 가장 핵심이면서 중요한 요소로 ‘데이터’를 내세운다. AI가 기업 데이터 관리의 패러다임을 재편하는 필수 요소가 되면서, 오라클은 ‘AI와 데이터가 초기 설계 단계부터 함께 구축’되어야 한다고 강조했다. 오라클은 기업이 특정 부서의 업무를 향상시키는 데에는 AI를 잘 활용하고 있지만, 이를 전사 업무 프로세스의 향상으로 확장하는 데에는 어려움을 겪고 있는 것으로 보고 있다. 오라클의 티르탄카르 라히리(Tirthankar Lahiri) 미션 크리티컬 데이터 및 AI 엔진 부문 수석 부사장은 그 핵심 원인에 대해 조직 내 데이터가 분산(silo)되어 있기 때문이라고 짚으면서, “융합형 데이터 플랫폼을 통해 데이터 접근성을 통합해야 실질적인 AI 비즈니스 성과를 낼 수 있다”고 전했다. AI를 활용해 기업 비즈니스와 관련된 질문에 대해 답을 얻으려면, 질문과 관련해서 적절한 기업 내부의 데이터를 AI에 제공해야 한다. AI는 제공받은 비즈니스 데이터와 자체 지식, 그리고 공개된 외부 데이터를 결합하여 보다 정확한 결과를 생성할 수 있다. 오라클이 데이터의 중요성을 강조하는 이유가 여기에 있다. 한편으로, 복잡성을 줄이고 AI 기능의 신뢰도를 높이는 것도 중요하다. 분산된 기술이나 개별 제품을 단순히 이어 붙이는 방식은 복잡성과 비용을 키울 수밖에 없다. 오라클은 데이터가 위치한 곳에 AI를 직접 내재화하여 통합 설계하면, 시스템 운영이 단순해지고 기업이 신뢰할 수 있는 빠르고 일관된 AI 혁신이 가능해진다고 보고 있다.   AI를 위한 통합 아키텍처로 차세대 혁신 지원 AI를 위한 오라클의 데이터 전략은 ‘데이터 혁신을 위한 AI(AI for Data)’로 요약할 수 있다. 이 전략은 단순히 AI 기술을 덧붙이는 것이 아니라, AI를 데이터 플랫폼의 가장 핵심적인 부분에 내재화해서, 기업이 AI 리더로 도약하고 새로운 환경에서 번영할 수 있도록 돕는 데 초점을 맞춘다. 오라클 데이터 전략의 주된 방향은 ▲AI, 데이터, 애플리케이션 개발, 그리고 개방형 표준의 통합 구축 ▲개방형 표준에 기반한 융합형 아키텍처로 모든 데이터 유형과 워크로드를 일관된 플랫폼에서 결합하고 탐색할 수 있도록 지원 ▲데이터 사일로 현상을 해결하기 위해, 데이터, AI 모델, 실행 과정을 하나로 아우르는 단일 프레임워크 제공 ▲자체 LLM뿐 아니라 xAI, 구글, 메타, 코히어, 오픈AI 등의 AI 모델을 오라클 인프라 내에 자동으로 임베디드하고 유연하게 수용 ▲기업의 내부 프라이빗 데이터가 보호받을 수 있도록 거버넌스, 프라이버시, 보안을 최우선으로 고려하는 것이다. 오라클은 이런 전략이 집약된 차세대 AI 네이티브 데이터베이스인 ‘오라클 AI 데이터베이스 26ai’를 통해, 기업들이 경쟁사보다 한발 앞서 비즈니스 인사이트를 얻고 생산성 혁신을 달성할 수 있도록 돕는다는 계획이다.   AI 네이티브를 강조한 오라클 데이터베이스 26ai 오라클 AI 데이터베이스 26ai의 핵심 기능은 다음과 같다. 통합 AI 벡터 검색 : 문서, 이미지, 동영상, 관계형 데이터 등 다양한 형태의 데이터를 의미와 맥락을 나타내는 ‘AI 벡터(vector)’로 변환해서 처리한다. 이를 통해 일치하는 값을 찾는 것을 넘어, 의미적 유사성을 기반으로 밀리초(ms) 단위의 고속 검색을 제공한다. 단일 SQL문을 통한 RAG 파이프라인 통합 : AI 벡터 검색으로 찾은 기업 내부 데이터를 LLM과 결합하여 정확하고 맥락에 맞는 답변을 도출하는 RAG(검색 증강 생성) 기능을 지원한다. 또한, 복잡한 RAG 전체 파이프라인을 단일 SQL 구문이나 데이터베이스 API를 통해 간편하게 실행할 수 있다. 데이터베이스 내 에이전틱 AI(agentic AI) 직접 통합 : AI 에이전트를 데이터베이스 내부에 직접 통합 및 설계해서 기업이 쉽고 안전하게 구축, 배포, 관리할 수 있도록 지원한다. 기업의 내부 프라이빗 데이터는 물론 웹 검색 등 외부 공개 데이터까지 결합해서 수준 높은 답변을 제공할 수 있다. AI를 위한 데이터 주석 기능 : AI가 데이터의 의미를 잘못 유추하지 않도록, 사용자가 테이블이나 컬럼의 의미와 용도를 LLM에게 명시적으로 설명해 줄 수 있는 주석(annotations) 기능을 제공한다. 이는 LLM이 더 우수한 결과물을 생성하도록 돕는다. 모든 데이터 유형의 통합 검색 : AI 벡터 검색 기능은 전통적인 관계형 데이터뿐만 아니라 텍스트, 공간, JSON, XML 데이터 등 모든 종류의 데이터 검색과 매끄럽게 결합되어 통합적인 데이터 탐색 환경을 제공한다.   데이터 중심 AI로 엔터프라이즈 혁신 돕는다 오라클은 개방형 생태계를 기반으로 하는 ‘기업용 맞춤형 AI’를 제공하면서, 기업 내부 데이터의 거버넌스, 프라이버시, 보안을 요구하는 엔터프라이즈 환경에 최적화된 AI 접근 방식을 내세운다. 한국오라클의 김성하 사장은 “오라클은 ‘데이터베이스 기업’이라는 기존의 인식에서 벗어나 ‘데이터 중심의 AI 플랫폼 기업’으로서 입지를 굳히고, 엔터프라이즈 클라우드 시장 점유율을 높이고자 한다”면서, 국내 시장 전략을 소개했다. 한국오라클은 OCI(오라클 클라우드 인프라스트럭처)의 성능과 안정성, 비용 효율에 대한 고객의 신뢰를 바탕으로, 기업의 핵심적인 기간계 업무를 클라우드로 전환하는 데 집중하고 있다. 오라클에 따르면, POC를 넘어 실질적인 클라우드 소비가 전년 대비 2025년 두 배 이상 증가했으며, 비 오라클 데이터베이스 워크로드의 클라우드 전환도 확대하고 있다. 오라클은 국내 2곳의 퍼블릭 클라우드 리전(데이터센터)을 안정적으로 운영하면서 지속적인 성장 발판을 마련했다고 보고 있다. 또한 고객이 자체 데이터센터 내에서 오라클 클라우드를 사용할 수 있도록 지원하는 전용 리전(Dedicated Region Cloud@ Customer)를 국내 세 곳의 고객사에 구축·운영하는 등 고객 맞춤형 인프라 전략을 전개 중이다. 김성하 사장은 “올 상반기 국내 AWS 데이터센터에 오라클의 고성능 데이터베이스 머신인 엑사데이터(Exadata)를 배치할 예정이다. 이는 핵심 데이터베이스를 안전하게 운용하고자 하는 금융권 및 대형 엔터프라이즈 고객의 멀티 클라우드 도입 수요를 흡수하기 위한 전략”이라고 소개했다. 이와 함께, 오라클은 국내 AI 시장을 선도할 유망 스타트업이 OCI를 기반으로 성장할 수 있도록 협력 및 지원을 이어갈 예정이다. 이런 노력을 통해 국내 AI 혁신 고객 사례를 늘려가겠다는 것이 오라클의 계획이다.       ■ 기사 내용은 PDF로도 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.