• 회원가입
  • |
  • 로그인
  • |
  • 장바구니
  • News
    뉴스 신제품 신간 Culture & Life
  • 강좌/특집
    특집 강좌 자료창고 갤러리
  • 리뷰
    리뷰
  • 매거진
    목차 및 부록보기 잡지 세션별 성격 뉴스레터 정기구독안내 정기구독하기 단행본 및 기타 구입
  • 행사/이벤트
    행사 전체보기 캐드앤그래픽스 행사
  • CNG TV
    방송리스트 방송 다시보기 공지사항
  • 커뮤니티
    업체홍보 공지사항 설문조사 자유게시판 Q&A게시판 구인구직/학원소식
  • 디렉토리
    디렉토리 전체보기 소프트웨어 공급업체 하드웨어 공급업체 기계관련 서비스 건축관련 업체 및 서비스 교육기관/학원 관련DB 추천 사이트
  • 회사소개
    회사소개 회사연혁 출판사업부 광고안내 제휴 및 협력제안 회사조직 및 연락처 오시는길
  • 고객지원센터
    고객지원 Q&A 이메일 문의 기사제보 및 기고 개인정보 취급방침 기타 결제 업체등록결제
  • 쇼핑몰
통합검색 " 페이스북"에 대한 통합 검색 내용이 801개 있습니다
원하시는 검색 결과가 잘 나타나지 않을 때는 홈페이지의 해당 게시판 하단의 검색을 이용하시거나 구글 사이트 맞춤 검색 을 이용해 보시기 바랍니다.
CNG TV 방송 내용은 검색 속도 관계로 캐드앤그래픽스 전체 검색에서는 지원되지 않으므로 해당 게시판에서 직접 검색하시기 바랍니다
오픈마누스 AI 에이전트의 설치, 사용 및 구조 분석
BIM 칼럼니스트 강태욱의 이슈 & 토크   생성형 AI 에이전트는 목표 달성을 위해 세상을 관찰하고 스스로 행동하는 자율적인 애플리케이션으로, 행동과 의사결정을 위한 인지 아키텍처를 갖추고 있다. 이번 호에서는 오픈소스 AI 에이전트인 오픈마누스(OpenManus)를 통해 AI 에이전트의 동작 메커니즘이 어떻게 구현되는지 분석해 본다.   ■ 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   최근 AI 에이전트 기술이 크게 발전하고 있다. 구글의 에이전트 백서를 보면, 생성형 AI 에이전트는 목표 달성을 위해 세상을 관찰하고 스스로 행동하는 자율적인 애플리케이션으로 설명한다. 명시적인 지시가 없어도 스스로 판단하고 능동적으로 목표에 접근할 수 있다. 이러한 에이전트는 행동과 의사결정을 위한 인지 아키텍처를 갖추며, 핵심 구성 요소는 <그림 1>과 같이 사용자 입력에 대한 추론 역할을 하는 모델(보통은 GPT와 같은 LLM), 입력에 대해 필요한 기능을 제공하는 도구(tools), 그리고 어떤 도구를 호출할지 조율하는 오케스트레이션의 세 가지로 이루어진다.   그림 1. AI 에이전트의 구성 요소(Agents, Google, 2024)   이번 호에서는 AI 에이전트의 동작 메커니즘을 분석하기 위한 재료로, 딥시크(DeekSeek)와 더불어 관심이 높은 마누스(Manus.im)에서 영감을 받아 개발된 오픈마누스(OpenManus) 오픈소스 AI 에이전트를 활용하겠다. 오픈마누스는 메타GPT(MetaGPT)라는 이름으로 활동 중인 중국인 개발자가 공개한 AI 에이전트이다. 개발자는 오픈마누스가 연결된 다양한 도구를 LLM으로 조율하고 실행할 수 있다고 주장하고 있다. 깃허브(GitHub) 등에 설명된 오픈마누스는 다음과 같은 기능을 지원한다. 로컬에서 AI 에이전트 실행 여러 도구 및 API 통합 : 외부 API, 로컬 모델 및 자동화 도구를 연결, 호출 워크플로 사용자 지정 : AI가 복잡한 다단계 상호 작용을 효율적으로 처리 여러 LLM 지원 : 라마(LLaMA), 미스트랄(Mistral) 및 믹스트랄(Mixtral)과 같은 인기 있는 개방형 모델과 호환 자동화 향상 : 내장 메모리 및 계획 기능을 통해 코딩, 문서 처리, 연구 등을 지원   <그림 2>는 이 에이전트가 지원하는 기능 중 일부이다. 프롬프트 : “Create a basic Three.js endless runner game with a cube as the player and procedurally generated obstacles. Make sure to run it only in browser. If possible also launch it in the browser automatically after creating the game.”   그림 2   오픈마누스는 이전에 중국에서 개발된 마누스에 대한 관심을 오픈소소로 옮기는 데 성공했다. 오픈마누스는 현재 깃허브에서 4만 2000여 개의 별을 받을 정도로 관심을 받고 있다.    그림 3. 오픈마누스(2025년 4월 기준 42.8k stars)   필자는 오픈마누스에 대한 관심이 높았던 것은 구현된 기술보다는 에이전트 분야에서 크게 알려진 마누스에 대한 관심, 오픈소스 버전의 AI 에이전트 코드 공개가 더 크게 작용했다고 생각한다. 이제 설치 및 사용해 보고, 성능 품질을 확인해 보자. 그리고 코드 실행 메커니즘을 분석해 본다.    오픈마누스 설치 개발 환경은 이미 컴퓨터에 엔비디아 쿠다(NVIDIA CUDA), 파이토치(PyTorch) 등이 설치되어 있다고 가정한다. 이제, 다음 명령을 터미널에서 실행해 설치한다.   conda create -n open_manus python=3.12 conda activate open_manus git clone https://github.com/mannaandpoem/OpenManus.git cd OpenManus pip install -r requirements.txt playwright install   오픈마누스가 설치하는 패키지를 보면, 많은 경우, 기존에 잘 만들어진 LLM, AI Agent 라이브러리를 사용하는 것을 알 수 있다. 여기서 사용하는 주요 라이브러리는 다음과 같다.  pydantic, openai, fastapi, tiktoken, html2text, unicorn, googlesearch-python, playwright, docker     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-05-02
[칼럼] 실용형 AI, 제조의 미래를 바꾸다
트렌드에서 얻은 것 No. 23   “AI는 모든 산업에 새로운 가능성을 열어 준다. 중요한 것은 기술이 아니라, 그것을 어떻게 활용하느냐이다.” – 사티아 나델라(Satya Nadella), 마이크로소프트 CEO 마이크로소프트는 생성형 AI를 다양한 산업에 통합하며, 기술의 활용 방식에 중점을 두고 있고,  나델라의 말은 기술 도입보다 전략적 활용이 중요하다는 점을 강조한다.   생성형 AI와 함께 설계하고, 시뮬레이션하고, 개선하라 지금 이 이야기를 한국의 제조기업에 가서 한다면, 이상한 사람 취급을 받을 수 있다. 당장, 어떻게 할 수 있는지 이야기할 수 있느냐? 우리도 그렇게 하고 싶은데, 어떻게 할 수 있는지 제대로 나온 것도 없고, 사례가 있는지 등의 얘기가 자연스럽게 나온다. 맞는 말이다. 하지만, 지금은 레이스의 출발선에서 모두 같은 상황일 것이다. 다만, 전체를 제어하고 미래를 설계하는 혜안이 있는 사람이나 조직 유무에 따라 회사들의 달리기 속도는 분명 차이가 날 것이다.  우리는 그런 시대를 살아가고 또 지나가고 있다. 뉴스에서 다른 회사의 소식을 들으면서 탄식을 하고 있을 것인가, 아니면 고통스럽더라도 뭔가 해 보는 것이 낫지 않느냐의 갈림길에 있다. “그럼에도 불구하고, 우리는 설계할 수 있다.” 그렇다. ‘생성형 AI로 설계하고, 시뮬레이션하고, 개선하라’는 말은 지금의 제조 현장에선 거대한 간극처럼 느껴진다. 공장의 열기와 노하우 속에서 살아온 실무자에게는 뜬구름 잡는 이야기처럼 들릴 수 있다. “AI가 좋다는데, 어디까지 해봤나?”, “누가 이걸 설계에 실제로 썼대?” 이런 질문은 당연한 것이고, 오히려 현실을 잘 아는 사람일 수록 더 조심스러운 반응을 보인다. 그러나 지금, 우리는 모두 레이스의 출발선에 서 있다. 완성된 길도, 검증된 답도 아직 없다. 그러니 이 때 필요한 건 기술보다 먼저 혜안을 가진 사람, 구조를 설계할 수 있는 리더다. 단 한 줄의 프로토타입이라도 그려보려는 엔지니어, 익숙한 보고서보다 새로운 질문을 고민하는 팀장, 시행착오를 감수하고 방향을 잡으려는 임원이 지금 이 시대의 속도를 결정짓는다. 그리고 그 ‘혜안’은 거창한 청사진이 아닐 수도 있다. 단 하나의 설계 데이터를 기반으로 AI에게 첫 도면을 그리게 해보는 실험, 실시간 현장 일지에서 이상 징후를 요약하게 해 보는 시도, 현장의 사진 데이터로 품질 검사 자동화를 위한 검출 모델을 훈련해 보는 도전 등이 현 시점에서 예상해 볼 수 있는 가까운 미래 모습일 것 같다. “우리는 예상치 못한 상황을 목격하고, 예상된 상황을 보고하며, 결국 승리할 것입니다.” – 알렉스 카프, 팔란티어 CEO 카프는 AI를 활용한 제조업의 혁신이 불확실성을 극복하고 성공으로 이끄는 열쇠라고 보고 있으며, 이는 생성형 AI를 통한 제조업의 미래를 긍정적으로 전망한다.    그림 1. 실용형 AI 맵 ‘제조 미래를 바꾸다’(Map by 류용효) (클릭하면 큰 이미지로 볼 수 있습니다.)   제조, AI를 다시 만나다 “설계는 끝났지만, 고객은 원하지 않는다.”  “시뮬레이션은 끝났지만, 현장은 여전히 오류를 반복한다.”  “보고서는 쌓이지만, 문제는 여전히 현재진행형이다.” 이 문장들은 지금도 수많은 제조 현장에서 반복되고 있다. 전통적인 제조 프로세스는 분업과 효율을 중심으로 설계되었지만, 급변하는 고객의 요구와 복잡해진 제품 환경은 기존 체계의 민첩성과 창의성에 한계를 드러낸다. 이제 제조기업은 하나의 질문 앞에 서 있다. “우리는 더 빠르고 똑똑한 공장을 가질 준비가 되었는가?” 생성형 AI는 단순한 자동화 기술이 아니다. 설계자의 의도를 읽고 CAD 모델을 생성하며, 수십 개의 시뮬레이션으로 프로세스 병목을 알려주고, 품질 이상을 예측할 뿐 아니라 원인을 유추해주는 ‘설계적 사고를 하는 AI’가 등장하고 있다. 이는 기술의 도입이 아니라 제조기업의 ‘운영 철학’ 자체가 전환되는 순간이다. 제조기업이 생성형 AI와 함께 앞으로 어떻게 설계하고, 시뮬레이션하고, 개선할 수 있을지를 구체적으로 조망한다. “AI는 인류가 만든 가장 중요한 기술이다. 우리는 그것을 책임감 있게 개발하고 활용해야 한다.” – 순다르 피차이(Sundar Pichai), 구글 CEO 구글은 AI 개발에 있어 윤리적 책임과 사회적 영향을 고려하고 있으며, 피차이의 말은 기술 발전과 함께 그에 따른 책임도 중요하다는 점을 상기시켜 준다.   디자인의 재정의 - AI는 창의적인 엔지니어인가? 전통적인 제조 설계 과정은 복잡한 조건 설정, 반복적인 수정, 협업 간의 커뮤니케이션 비용 등으로 인해 수많은 시간과 리소스를 요구해왔다. 하지만 이제, 생성형 AI는 텍스트 한 줄로 설계를 시작하게 한다. “3개의 모듈로 구성된 소형 드론 프레임을 설계해 줘. 탄소 섬유 기반으로 무게는 150g 이하로.” 이 한 문장으로 AI는 초기 설계안을 생성하고, 다양한 대안 모델을 제공하며, 사용자 요구조건에 따라 자동 최적화를 제안한다. AI는 도면을 '그리는 도구'가 아니라, '제안하고 비교하는 동료 엔지니어'로 진화하고 있다. 예를 들어, 오토데스크의 퓨전 360(Fusion 360), 엔톱(nTop), 다쏘시스템의 3D익스피리언스 웍스(3DEXPERIENCE Works)는 이미 생성형 디자인 기능을 내장하고 있다.  디자이너는 아이디어를 제공하고, AI는 그에 기반한 설계 패턴을 도출한다. 이는 ‘무에서 유를 만드는’ 것이 아니라, 수많은 설계 데이터를 학습한 AI가 새로운 패턴과 조합을 도출해내는 방식이다. 결과적으로 설계자는 더 이상 반복적인 CAD 작업자가 아니다. 이제 디자이너는 ‘기획자’이자 ‘비평가’, 그리고 ‘AI와 협력하는 설계 전략가’가 된다. 또한, 이러한 생성형 설계는 대량 맞춤형 생산(mass customization)과의 결합으로 그 진가를 발휘한다. 기존에는 옵션이 제한된 범용 제품만이 경제성이 있었지만, 생성형 AI는 고객의 요구사항을 빠르게 읽고 즉시 설계에 반영할 수 있다. 이는 ‘고객이 참여하는 설계’, 즉 코디자인(co-design) 시대의 도래를 가능하게 한다. 기업은 더 빠르게 시장에 대응하고, 고객은 더 높은 만족도를 경험한다. 이처럼 생성형 AI는 설계를 단순히 ‘빠르게’ 만드는 기술이 아니라, 설계의 개념 자체를 ‘재정의’하는 도구이자 기업의 창의성과 기민함을 확장하는 전략 자산이 되고 있다. “퍼플렉시티(Perplexity)는 단순한 답변 엔진에서 행동 엔진으로 전환하고 있다. 이제는 단순히 질문에 답하는 것을 넘어, 사용자에게 행동을 제안하고 실행하는 단계로 나아가고 있다.” – 아라빈드 스리니바스(Aravind Srinivas), 퍼플렉시티 AI CEO 아라빈드의 말은 AI 기술이 단순한 정보 제공을 넘어, 사용자와의 상호작용을 통해 실제 행동을 유도하고 실행하는 방향으로 발전하고 있음을 의미한다.   시뮬레이션의 혁신 - 빠른 판단과 적은 비용 과거의 시뮬레이션은 전문 소프트웨어와 고성능 컴퓨팅 자원, 그리고 숙련된 엔지니어의 직관과 경험에 크게 의존해 왔다. CAE는 분명 설계 검증과 최적화의 핵심이었지만, 조건 설정 → 모델링 → 결과 해석 → 반복이라는 고비용 순환은 여전히 제품 개발의 병목으로 작용해왔다. 그러나 생성형 AI는 이 병목을 타파하는 새로운 접근을 제시한다. 자연어로 “강풍 조건에서 뒤틀림이 가장 적은 하우징 구조를 찾아줘”라고 지시하면, AI는 자동으로 물리 조건을 추론하고, 유사 데이터 기반의 시뮬레이션 템플릿을 구성하며, 수십 개의 대안 시나리오를 병렬 생성해 ‘예측 – 설명 – 추천’이라는 삼중 루프를 빠르게 수행한다. 이러한 기술은 시뮬레이션의 대중화(simulation democratization)를 이끈다. 기술 전공자가 아니어도, 제품 매니저나 품질 담당자가 AI의 도움으로 설계안의 응력 분포나 유동 조건에 대해 인사이트를 얻을 수 있다. 이는 실무자가 더 빠르게 결정을 내릴 수 있도록 돕고, 의사결정의 지연 대신, 다중 시나리오 기반의 ‘실험적 사고’를 가능하게 만든다. 대표적인 사례로는 알테어의 AI 기반 인스파이어 플랫폼(AI-driven Inspire Platform), 앤시스의 AI 기반 시뮬레이션 자동화, 그리고 다쏘시스템의 솔리드웍스 생성형 시뮬레이션(Generative Simulation for SOLIDWORKS)이 있다. 이들은 기존 FEM/CFD 분석의 시간과 비용을 줄이는 동시에, 경험 기반 의사결정에서 데이터 기반 최적화로의 전환을 이끌고 있다. 궁극적으로 생성형 AI는 단순히 ‘더 빠른 계산’을 넘어서, “어떤 시나리오를 먼저 고려해야 하는가?”, “이 조건에서 실패할 가능성은 무엇인가?”라는 전략적 질문에 답하는 보조 엔진이 되어 준다. 이는 시뮬레이션을 단지 제품 검증의 도구가 아니라, 경영 의사결정과 R&D 전략 수립의 인공지능 파트너로 진화시키는 변화의 시작점이다.  “AI는 우리가 상상하는 것보다 훨씬 더 빠르게 발전하고 있다. 자율주행차는 그저 시작일 뿐이다.” – 일론 머스크(Elon Musk), 테슬라 CEO 테슬라는 자율주행 기술 개발에 AGI 수준의 AI를 활용하고 있으며, 이는 단순한 기능 향상을 넘어 차량 설계와 운행 방식 전반을 재정의하는 접근이다.   업무 분석과 프로세스 개선 - 데이터는 말하고 AI는 듣는다 제조 현장의 데이터는 언제나 풍부했다. 작업자 일지, 설비 로그, 유지보수 메모, 품질검사 리포트, 현장 사진과 동영상, 고객 클레임 이메일… 하지만 이들 대부분은 정형화되지 않은 ‘텍스트’와 ‘문서’ 형태로 존재하며, 기존 시스템은 이를 ‘기록’하는 데에만 집중했고, 의미를 해석하고 연결하는 능력은 인간의 몫이었다. 이제 생성형 AI는 이 방대한 비정형 데이터의 숲에서 맥락을 이해하는 나무를 찾는다. 작업자가 남긴 “라인 3에서 어제도 제품 정렬이 안 맞았고, 자동 이젝터가 두 번 멈췄다”는 기록은, AI에겐 단순한 텍스트가 아니라 ‘패턴’과 ‘이상’의 시그널이다. LLM은 이런 문장을 분석해 작업 단계별 이벤트를 분해하고, 관련된 설비 로그와 품질 데이터를 연결하여 문제 지점을 도출한다. 이제 업무는 ‘기록하고 보고하는 일’이 아니라, ‘데이터가 스스로 분석하고 말하는 환경’으로 바뀌고 있다. 대표적인 활용 사례는 다음과 같다. 업무 요약 자동화 : 업무 일지를 요약해 경영진에게 핵심 이슈를 전달 프로세스 병목 식별 : 여러 부서의 텍스트 기반 보고서에서 공통 키워드와 불만 분석 문서 자동 생성 : SOP(표준작업지침서), 회의록, 개선안 보고서 등의 자동 초안 작성 협업 인텔리전스 : 여러 팀 간의 커뮤니케이션 데이터를 분석해 협업 지연 포인트 도출 실제로 지멘스는 AI 기반 자연어 처리 기술(Natural Language Processing : NLP)을 통해 디지털 작업지시서와 실시간 현장 대응 리포트를 자동 생성하는 기능을 도입했고, 보쉬는 AI를 통해 품질 클레임 문서에서 반복 출현하는 원인 유형을 추출하여 품질 개선의 단초로 활용하고 있다. 핵심은 이것이다. 현장의 수많은 대화와 기록이 AI에게 ‘말을 거는 데이터’가 되었고, AI는 그 말을 듣고, 요약하고, 통찰을 제시하며, 업무 개선을 스스로 제안하는 존재가 되었다는 점이다. 이제 우리는 묻지 않을 수 없다. 우리는 AI에게 말 걸 준비가 되어 있는가? 그리고 그 대답을 조직이 들을 준비는 되었는가? “가장 큰 위험은 아무런 위험도 감수하지 않는 것이다. 모든 것이 급변하는 시대에서 위험을 회피하는 전략은 반드시 실패로 이어진다.” — 마크 저커버그, 메타 CEO 저커버그는 변화와 혁신의 시대에 기존의 방식을 고수하며 위험을 회피하려는 태도가 오히려 더 큰 실패를 초래할 수 있음을 경고한다.   품질 관리의 진화 - AI는 예지적 감각을 가질 수 있는가 품질 관리는 제조업의 마지막 방어선이자, 가장 정교한 신경망이다. 그러나 지금까지의 품질 관리는 주로 사후 대응(postdefect 대응)에 집중되어 있었다. 불량이 발생한 후 원인을 찾고, 재발 방지책을 수립하고, 문서를 정리하는 ‘후행적 품질 관리’가 일반적이었다. 이제 생성형 AI는 이 전통적 프레임을 근본부터 흔들고 있다. AI는 ‘불량을 감지’하는 것이 아니라, ‘불량을 설명하고 예측’하려 한다. 예를 들어, 제품 표면의 이미지를 기반으로 한 비전 검사 시스템은 단순히 OK/NG를 판단하는 데서 그치지 않고, “이 영역의 텍스처 패턴은 온도 편차에 의한 수축 변형일 가능성이 높습니다”라고 말할 수 있는 설명형 모델로 진화하고 있다. 나아가, 생성형 AI는 텍스트, 이미지, 센서 데이터를 통합적으로 분석해 복합적인 이상 징후를 감지하고, 불량의 '가능성'과 '잠재 원인'을 추론해낸다. 예를 들어 다음과 같은 조합이 가능해진다. 작업자 일지 : “이틀 전부터 용접기압이 다소 약한 것 같다.” 센서 로그 : 오전 9~11시에 기압 편차 발생 불량 이미지 : 비드 형성 불균형 AI는 이를 연결해 “용접 조건의 경미한 변화가 반복 불량의 근본 원인일 수 있다”고 보고한다. 이는 단순한 예측모델이 아니다. ‘설명 가능한 품질 관리(Explainable Quality)’, 즉 AI가 품질 이슈에 대해 왜 그런 판단을 했는지를 근거와 함께 제시함으로써, 품질팀은 더 이상 직감이나 경험에만 의존하지 않고 데이터 기반의 합리적 개선 프로세스를 수립할 수 있다. 이미 보쉬, 토요타, GE 항공 등은 ▲AI 기반 비전 검사 시스템에서 ‘불량 예측 + 원인 설명’을 제공하는 모델을 구축 중이고 ▲ISO 9001과 연동되는 AI 품질 리포트 자동화 시스템을 테스트하고 있다. 이는 곧 ‘AI가 품질 시스템의 일원으로 공식 포함되는 시대’가 오고 있음을 뜻한다. 품질의 정의는 바뀌고 있다. 과거의 품질은 발견과 수정의 문제였지만, 앞으로의 품질은 예지와 설득의 문제다. AI는 이제 불량을 찾아내는 것이 아니라, 불량이 만들어지지 않도록 ‘생산 과정 그 자체를 개선하자’고 제안하는 동료가 되어가고 있다. “AI는 전기를 발견한 것과 같은 혁신이다. 모든 산업에 스며들 것이며, 그 영향을 무시할 수 없다.” – 앤드류 응(Andrew Ng), AI 전문가 앤드류 응은 AI의 보편성과 산업 전반에 미치는 영향을 강조하고 있다. 그의 말은 제조업에서도 AI의 통합이 필수임을 시사한다.   경고와 제언 - 생성형 AI는 도입이 아니라 전환이다 많은 제조기업이 생성형 AI에 주목하고 있다. 설계 자동화, 시뮬레이션 최적화, 업무 요약, 품질 예측… 도입 사례는 늘고 있지만, 도입이 곧 성공을 의미하진 않는다. 생성형 AI는 단순한 툴이 아니라, 운영 철학의 변화를 요구한다. 기존의 프로세스는 ‘정해진 절차와 역할’ 속에서 최적화를 추구해왔지만, 생성형 AI는 ‘질문을 던지고 시나리오를 비교하며 판단을 내리는 유연한 사고방식’을 요구한다. 즉, 기술만 바꾸는 것이 아니라 조직의 사고 체계와 역할 구조 자체를 재설계해야 하는 것이다. 예를 들어 <표 1>과 같은 전환이 필요하다.   표 1   하지만 문제는 기술이 아니다. 가장 큰 장벽은 조직이 AI를 받아들일 준비가 되어 있느냐는 것이다. 임원은 AI를 단순히 ‘자동화 툴’로 간주하는 경향이 많고, 현장은 여전히 ‘내 일을 뺏는 존재’로 AI를 경계한다. 이 간극을 메우지 않으면, AI는 시연 단계에서 멈추고, 조직은 변화의 본질을 놓친다. 따라서 다음과 같은 전환 전략이 필요하다. 파일럿이 아닌 전환 설계 특정 부서에서 테스트하는 것이 아니라, 조직 전체의 프로세스 전환 시나리오를 기획해야 한다. ‘도입 교육’이 아닌 ‘공감 설계’ 기술 사용법이 아니라, 왜 이 기술이 필요한지에 대한 비즈니스 관점에서의 스토리텔링이 필요하다. AI Co-Worker 관점 전환 AI는 도구가 아니라, 함께 판단하고 실험하는 동료로 봐야 한다. 이를 위해 직무 정의서(JD)도 다시 써야 한다. 성과 기준의 재정립 AI 도입 이후에는 ‘정확도’보다 ‘학습 속도’와 ‘적응력’이 핵심 성과 지표가 된다. 결국, 생성형 AI는 ‘도입해야 할 기술’이 아니라 ‘다르게 일하고, 다르게 생각하고, 다르게 운영하는 기업’으로 전환하기 위한 촉매제다. 이제 경영진에게 남은 질문은 단 하나다. “우리는 기술을 도입할 준비가 되었는가?”가 아니라, “우리는 조직을 전환할 용기를 가졌는가?”이다. “지금은 스타트업의 시대… 세상은 여전히 변화의 가능성에 잠들어 있다.” – 샘 올트먼, 오픈에이아이 CEO 올트먼은 기술 혁신의 시기에 기존 기업들이 변화에 둔감해질 수 있음을 경고하며, 새로운 도전과 변화를 추구하는 조직만이 미래를 선도할 수 있다는 메시지를 담고 있다.   맺음말 : 생성형 AI 시대의 제조 기업, 당신은 어떤 그림을 그리고 있는가 미래의 공장은 단지 더 정교하고, 더 빠르며, 더 자동화된 곳이 아니다. 그곳은 데이터를 읽고, 상황을 이해하고, 사람과 함께 결정하는 공장이다. 문제를 발견하기 전에 감지하고, 작업자를 지원하며, 스스로 최적의 방식을 제안하는 공장이다. 그리고 그 공장의 핵심 파트너는 인간의 상상력을 확장하는 생성형 AI다. 이제 중요한 질문은 이것이다. “우리는 어떤 그림을 그리고 있는가?” 기술은 빠르게 진화한다. 생성형 AI는 설계와 시뮬레이션, 업무 분석과 품질 관리까지 제조의 전 과정을 유기적으로 연결하며 ‘스마트’를 넘어 ‘지능적’으로 만들고 있다. 하지만 진정한 경쟁력은 기술의 채택이 아닌, 기술과 함께 일하는 방식의 변화에서 비롯된다. 아직 많은 제조기업은 ‘가능성 탐색’ 단계에 머물러 있다. 하지만 머뭇거릴 시간이 없다. AI는 이미 조직 구조, 업무 정의, 리더십의 방식까지 영향을 미치기 시작했다. 이제는 기술을 배우는 것이 아니라, 기술과 함께 일할 조직을 설계해야 할 때다. 생성형 AI 시대의 제조 기업은 세 가지 질문에 답할 수 있어야 한다. 우리는 상상할 수 있는가? 생성형 AI는 ‘주어진 문제를 해결’하는 것이 아니라 ‘가능성을 확장’한다. 제조기업의 조직은 아직도 문제만 찾고 있는가, 아니면 새로운 기회를 그리고 있는가? 우리는 받아들일 수 있는가? AI는 사람의 영역을 침범하지 않는다. 다만 그 옆에 선다. 우리는 전환할 수 있는가? 우리는 그것을 파트너로 받아들일 준비가 되어 있는가? AI 도입은 기술의 문제가 아니라, 사고방식과 리더십의 전환이다. 과연 지금의 조직은 그 전환을 감당할 수 있는가? 미래의 공장은 말하고 있다. “나는 설계하고, 시뮬레이션하고, 개선할 준비가 되어 있다. 너는 나와 함께 걸을 준비가 되어 있는가?”   ■ 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.
작성일 : 2025-05-02
오픈소스 LLM 기반 블렌더 모델링 AI 에이전트 개발하기
BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 올라마(Ollama)와 오픈AI(OpenAI) GPT가 지원하는 오픈 소스 AI 모델을 블렌더(Blender)와 연결해 프롬프트 입력에 의한 자동 모델링 에이전트를 개발하는 방법을 설명한다. 이 연결을 통해 3D 모델링 작업 흐름을 간소화하고, 간단한 텍스트 프롬프트만으로 3D 장면을 생성하고 수정할 수 있다. 이번 호의 내용을 통해 이 프로세스를 직접 구현하는 방법을 이해하고, AI 에이전트 도구로서 LLM 모델의 역량을 평가할 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. 프롬프트 : ‘Generate 100 cubes along the line of a circle with a radius of 30. The color and size of each cube are random.’   개념 : 텍스트 기반 3D 모델링 ‘텍스트 기반 3D 모델링’이란, 사용자가 입력한 텍스트를 AI 모델이 분석하여 블렌더에서 실행할 수 있는 코드를 생성하고 이를 통해 3D 그래픽을 구현하는 방식이다. 텍스트 토큰을 조건으로 설정하여 메시 모델을 생성하는 방법도 존재하며, 이는 스테이블 디퓨전(Stable Diffusion : SD) 계열의 기술을 활용하는 경우가 많다. 그러나 SD 기반 모델은 정확한 크기와 위치를 지정하는 데 근본적인 한계를 가진다. 이번 호에서는 정확한 치수를 가진 모델을 생성하는 것에 초점을 맞추고 있으므로, SD 기반 모델에 대한 자세한 설명은 생략한다. 텍스트를 3D 모델로 변환하는 에이전트 도구는 CAD 툴과의 상호작용 방식을 개선할 가능성이 있으며, 그래픽 모델링의 진입 장벽을 낮추고 신속한 프로토타이핑이 가능할 수 있다.   실행 가능한 코드 다운로드 이번 호의 내용과 관련된 실행 가능한 코드는 깃허브(GitHub)에서 다운로드할 수 있으니 참고한다. GitHub 링크 : https://github.com/mac999/blender-llm-addin   라이브러리 설치 블렌더와 올라마를 설치해야 한다.   1. 블렌더 다운로드 : blender.org   2. 윈도우에서 올라마 다운로드 : https://ollama.com/download   3. 오픈 소스 LLM 모델 설치(터미널에서 실행) ollama pull llama3.2 ollama pull gemma2 ollama pull codellama ollama pull qwen2.5-coder:3b ollama pull vanilj/Phi-4   4. 필요한 라이브러리 설치 pip install pandas numpy openai ollama   블렌더의 파이썬(Python) 환경에서 라이브러리를 설치하려면, 블렌더 설치 경로에 맞게 다음을 실행해야 한다. cd "C:/Program Files/Blender Foundation/Blender /python/bin" ./python.exe -m ensurepip ./python.exe -m pip install pandas numpy openai ollama   코드 설명 블렌더 UI 패널 생성 사용자가 블렌더에서 직접 모델을 선택하고 텍스트 프롬프트를 입력할 수 있도록 커스텀 UI를 생성한다. class OBJECT_PT_CustomPanel(bpy.types.Panel):  bl_label = "AI Model Selector"  bl_idname = "OBJECT_PT_custom_panel"  bl_space_type = 'VIEW_3D'  bl_region_type = 'UI'  bl_category = "Gen AI 3D Graphics Model"  def draw(self, context):   layout = self.layout   layout.label(text="Select Model:")   layout.prop(context.scene, "ai_model", text="")   layout.label(text="User Prompt:")   layout.prop(context.scene, "user_prompt", text="")   layout.operator("object.submit_prompt", text="Submit")     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-04-02
[칼럼] AI의 거대한 파도, 엔비디아가 만드는 미래
트렌드에서 얻은 것 No. 22    AI 시대, 우리는 어떤 미래를 만들어갈 것인가?” – 젠슨 황   AI의 거대한 파도, 엔비디아가 만드는 미래 엔비디아는 2024년과 2025년 GTC(GPU Technology Conference)에서 AI 기술을 통해 산업 전반에 걸친 변화를 이끌어가고 있다. 젠슨 황은 기조연설에서 기술 혁신이 사회적, 경제적 구조를 재편하는 ‘변화의 파도’라고 강조하며, 엔비디아가 그 중심에서 미래를 설계하고 있음을 확신시켰다.  엔비디아는 두 해 동안 AI 혁신을 가속화하며 다양한 제품과 플랫폼을 선보였다. 2024년에는 GB200 AI 플랫폼과 블랙웰(Blackwell) DGX B200 GPU를 통해 성능 향상에 초점을 맞췄다면, 2025년에는 블랙웰 울트라(Blackwell Ultra) 기반의 NVL72 등 차세대 하드웨어와 지속 가능성을 강조하며 더 큰 비전을 제시했다.   표 1. 2024년과 2025년 엔비디아의 주요 발표 비교   인공지능 혁명의 변곡점에서 인류는 늘 기술의 발전과 함께 새로운 시대를 맞이해 왔다. 산업혁명이 증기기관과 전기를 통해 생산 방식을 혁신했던 것처럼, 디지털 혁명은 인터넷과 스마트폰을 통해 세상을 연결했다. 그리고 지금, 우리는 또 하나의 거대한 변곡점에 서 있다. 바로 AI 혁명이다. 2025년 3월, 엔비디아의 GTC에서 젠슨 황 CEO는 기조연설을 통해 AI가 변화의 중요한 시점에 도달했음을 선언했다. 그는 AI가 단순한 도구를 넘어 ‘스스로 사고하고 결정하는 존재’로 발전하고 있으며, 이 거대한 변화가 기업, 산업, 그리고 인간의 삶 전반에 걸쳐 영향을 미칠 것이라고 강조했다. 이번 GTC 2025에서 가장 주목받은 키워드는 에이전틱 AI(agentic AI)와 추론 AI(reasoning AI)였다. 기존의 AI가 데이터를 분석하고 패턴을 찾는 데 주력했다면, 이제 AI는 자율적으로 목표를 설정하고 스스로 문제를 해결하는 방향으로 나아가고 있다. 이러한 변화는 단순한 업그레이드가 아니라, AI 산업 전반의 패러다임을 뒤흔드는 파도와 같다. 이러한 흐름 속에서 엔비디아는 블랙웰 GPU라는 차세대 칩을 공개하며, 인공지능 모델의 효율성을 비약적으로 향상시키는 새로운 하드웨어 시대를 열었다. 또한 옴니버스 클라우드 API(Omniverse Cloud API), AI 팩토리(AI Factories) 등의 개념을 통해 AI가 단순한 연구 도구가 아니라, 실제 산업을 자동화하고 혁신하는 핵심 인프라로 자리 잡아가고 있음을 보여주었다. 그렇다면 우리는 이러한 변화의 바람 속에서 어떤 선택을 해야 할까? AI 혁명의 파도를 넘는 기업과 뒤처지는 기업의 차이는 무엇일까? 엔비디아의 발표를 중심으로 AI 산업이 어디로 흘러가고 있는지, 그리고 그 변화 속에서 우리는 무엇을 준비해야 하는지를 하나씩 짚어보자. “AI가 단순한 연구 프로젝트에서 벗어나, 본격적인 산업 혁신의 중심으로 자리 잡는 것” – 젠슨 황   블랙웰, AI의 새로운 엔진 기술 혁신의 역사는 더 빠르고 더 강력하며 더 효율적인 도구를 만들려는 인간의 끝 없는 도전과 함께 발전해 왔다. AI 산업도 예외가 아니다. 과거에는 단순한 이미지 분석과 음성 인식이 AI의 주요 활용 분야였다면, 이제는 스스로 학습하고 결정을 내리며 복잡한 문제를 해결하는 AI가 요구되고 있다. 하지만 이런 고도화된 AI 모델을 운용하려면 엄청난 연산 능력이 필요하며, 이를 뒷받침할 강력한 하드웨어가 필수이다. GTC 2025에서 젠슨 황이 가장 먼저 소개한 것은 블랙웰 GPU였다. 그는 “AI의 미래를 가속하는 가장 강력한 엔진”이라며, 블랙웰이 기존 호퍼(Hopper) 아키텍처를 넘어선 새로운 시대의 핵심 기술이라고 강조했다. 그렇다면 블랙웰 GPU는 무엇이 다를까? 블랙웰 GPU는 기존 호퍼 아키텍처 대비 연산 성능이 2배 이상 향상되었으며, 특히 대규모 AI 모델을 실행할 때의 전력 효율이 4배 증가했다. 이는 곧 더 적은 에너지로 더 강력한 AI 모델을 훈련하고 실행할 수 있다는 의미다. 젠슨 황은 연설에서 “블랙웰은 단순한 속도 개선이 아니라, AI 연구자들이 더 크고 복잡한 모델을 현실적으로 활용할 수 있도록 지원하는 플랫폼”이라고 설명했다. 이제 AI 연구자는 엄청난 비용을 감수하지 않고도 보다 정교한 생성형 AI, 실시간 데이터 처리, 고도화된 시뮬레이션 등을 구현할 수 있게 되었다. 엔비디아는 블랙웰 GPU와 함께 옴니버스 클라우드 API를 발표했다. 이는 단순한 클라우드 컴퓨팅 설루션이 아니라, AI 모델 개발 및 실행을 위한 강력한 협업 플랫폼이다. 옴니버스 클라우드 API는 데이터센터, AI 연구소, 기업의 IT 인프라를 하나의 거대한 AI 네트워크로 연결하여, 개발자들이 실시간으로 협업하고 AI 모델을 학습할 수 있도록 지원한다. 이는 특히 자율주행, 산업 자동화, 로보틱스 같은 분야에서 AI의 혁신 속도를 극적으로 끌어올릴 것으로 기대된다. 젠슨 황은 “AI 개발은 더 이상 한 기업이나 연구소만의 일이 아니다. 옴니버스 클라우드 API를 통해 전 세계의 AI 개발자가 하나로 연결될 것”이라며, AI 연구의 새로운 생태계를 제시했다. 또 한 가지 주목할 점은 AI 팩토리(인공지능 공장) 개념이다. 젠슨 황은 AI를 ‘새로운 산업 혁명의 동력’으로 표현하며, AI 팩토리가 데이터를 가공하고 AI 모델을 대량으로 생산하는 핵심 인프라가 될 것이라고 설명했다. 이 개념을 이해하려면 기존 제조업과 비교해보면 쉽다. 과거에는 자동차나 전자제품을 생산하는 공장이 경제의 중심이었지만, 미래에는 AI를 학습하고, 최적화하고, 배포하는 ‘AI 공장’이 가장 중요한 인프라가 될 것이다. 젠슨 황은 AI 팩토리가 AI 기반 자율주행, 로봇, 데이터 분석, 금융 모델링 등 다양한 산업에서 필수 역할을 하게 될 것이라고 강조했다. 블랙웰 GPU, 옴니버스 클라우드 API, AI 팩토리는 단순한 기술 발전이 아니다. 이들은 AI가 단순한 연구 프로젝트에서 벗어나 본격적인 산업 혁신의 중심으로 자리 잡는 것을 의미한다. 과거에도 GPU의 성능 향상이 AI 산업에 변화를 가져온 적이 있다. 2012년 알렉스넷(AlexNet)이 GPU 가속을 이용해 딥러닝의 가능성을 처음 보여줬고, 2017년 트랜스포머(transformer) 모델이 등장하며 자연어 처리 AI가 급격히 발전했다. 그리고 2025년에는 블랙웰이 AI의 자율성과 창의성을 한 단계 끌어올리는 전환점이 될 것이다. 젠슨 황이 기조연설에서 블랙웰을 소개하며 한 말이 특히 인상적이었다. “AI는 이제 단순한 도구가 아니라 스스로 사고하고 결정하는 존재로 나아가고 있다.” 이 말은 곧, 우리가 맞이할 AI의 미래가 이전과는 전혀 다른 차원이라는 것을 시사한다. 그리고 그 변화를 가속하는 엔진이 바로 블랙웰이다. “이제 AI는 단순한 계산기가 아니라, 실제로 ‘생각하고 판단하는 존재’가 되어야 한다.” – 젠슨 황   엔비디아가 던진 화두, 에이전틱 AI와 추론 AI AI 기술의 발전은 단순히 연산 능력을 향상시키는 것에 그치지 않는다. 더 중요한 것은 AI의 ‘사고 방식’이 바뀌고 있다는 점이다. 지금까지의 AI는 데이터를 학습하고 패턴을 인식하는 역할을 해왔다. 하지만 이제 AI는 스스로 목표를 설정하고, 상황에 맞게 판단하며, 능동적으로 문제를 해결하는 방향으로 진화하고 있다. GTC 2025에서 젠슨 황이 강조한 에이전틱 AI와 추론 AI는 바로 이러한 변화의 핵심 개념이다. 그는 이 두 가지 개념이 AI를 단순한 도구에서 ‘자율적 지능’으로 변화시키는 결정적 요소라고 설명했다. 그렇다면 에이전틱 AI와 추론 AI는 무엇이며, 어떤 변화를 가져올까? 에이전틱 AI의 핵심은 AI가 인간의 지시 없이도 능동적으로 목표를 설정하고, 실행할 수 있도록 만드는 것이다. 기존의 AI는 주어진 데이터와 명령에 따라 최적의 결과를 도출하는 ‘수동적’ 존재였다. 하지만 에이전틱 AI는 스스로 목표를 설정하고, 문제를 해결하는 ‘능동적’ 존재로 변하고 있다. 젠슨 황은 에이전틱 AI를 활용하면 인간이 직접 개입하지 않아도 AI가 알아서 문제를 해결하는 시대가 열린다고 강조했다. 추론 AI는 한 단계 더 나아가, AI가 단순한 패턴 인식을 넘어 논리적 사고를 수행할 수 있도록 만드는 기술이다. 기존 AI 모델은 데이터를 학습하고 특정 패턴을 기반으로 예측을 수행했지만, 그 과정에서 왜 이런 결론이 나왔는지 설명하지 못하는 경우가 많았다. 그러나 추론 AI는 AI가 논리적인 판단을 수행하고, 의사결정의 과정을 설명할 수 있도록 하는 것을 목표로 한다. 젠슨 황은 “이제 AI는 단순한 계산기가 아니라, 실제로 ‘생각하고 판단하는 존재’가 되어야 한다”며, 추론 AI가 향후 AI 발전의 핵심이 될 것이라고 강조했다. 젠슨 황이 강조한 에이전틱 AI와 추론 AI는 개별적인 개념이 아니라, 서로 결합될 때 가장 강력한 시너지를 발휘한다. 에이전틱 AI는 AI가 스스로 목표를 설정하고, 문제를 해결할 수 있도록 한다. 추론 AI는 AI가 단순한 계산이 아니라, 논리적 사고를 통해 최적의 결정을 내릴 수 있도록 한다. 이 두 가지가 결합되면, AI는 단순한 보조 도구를 넘어서 ‘진정한 지능(Artificial General Intelligence : AGI)’에 가까워질 것이다. 이러한 AI의 발전은 산업 전반에 걸쳐 거대한 변화의 파도를 일으킬 것이며, 기업들은 단순한 AI 도입을 넘어서 AI를 기업 전략의 중심으로 삼아야 하는 시점에 이르렀다. “AI 팩토리를 구축하여 AI 자체를 ‘생산하는 능력’을 가져야 한다.” – 젠슨 황   AI 팩토리, AI 혁명을 생산하는 공장 이제 AI는 단순한 소프트웨어가 아니라 하나의 ‘산업’으로 성장하고 있다. GTC 2025에서 젠슨 황이 강조한 개념 중 하나가 바로 AI 팩토리(인공지능 공장)이다. 그는 AI 팩토리를 가리켜 ‘미래 산업의 심장’이라고 표현했다. 그렇다면 AI 팩토리란 무엇이며, 왜 중요할까? 이 개념이 가져올 변화는 무엇일까? 기존의 데이터센터는 단순한 컴퓨팅 인프라였다. 하지만 AI 팩토리는 데이터를 학습하고, AI 모델을 훈련하며, 새로운 AI 설루션을 ‘생산’하는 역할을 한다. 즉, AI가 AI를 만들어내는 공장이다. 젠슨 황은 AI 팩토리를 자동차 산업에 비유하며 설명했다. “과거에는 사람이 손으로 자동차를 조립했지만, 지금은 로봇이 자동차를 생산한다. AI도 마찬가지다. 미래에는 사람이 AI를 개발하는 것이 아니라, AI 팩토리에서 AI가 스스로 AI를 만들어내게 될 것이다.” 즉, AI 팩토리는 단순한 데이터 센터가 아니라 AI 혁명을 대량 생산하는 공장이 된다. 젠슨 황은 GTC 2025에서 "AI 팩토리를 구동하는 핵심 연산 장치는 블랙웰 GPU가 될 것"이라고 강조했다. AI 팩토리에서 생산되는 것은 반도체나 기계가 아니라 AI 자체다. 이 공장에서 에이전틱 AI, 추론 AI, 자율주행 AI, 생성형 AI 등이 대량으로 생산된다. 즉, AI 팩토리는 단순한 데이터 센터를 넘어 새로운 AI 산업의 허브가 된다. AI 팩토리가 등장하면 기업과 산업이 근본적으로 변화한다. 특히, 데이터를 기반으로 하는 모든 산업이 AI 팩토리를 도입할 가능56 · 성이 높다. 결국 AI 팩토리는 단순한 연구소가 아니라, 실제 AI 모델을 ‘대량 생산’하여 산업에 공급하는 핵심 인프라가 된다. 젠슨 황은 AI 팩토리의 등장이 단순한 기술 발전이 아니라 경제 패러다임의 변화라고 강조했다. 이제 기업은 단순히 AI를 도입하는 것을 넘어, AI 팩토리를 구축하여 AI 자체를 ‘생산하는 능력’을 가져야 한다. “AI를 도입하지 않는 기업은 도태될 것이다.” – 젠슨 황   AI의 도입, AI가 기업을 재설계한다 AI 혁명은 더 이상 선택이 아니다. GTC 2025에서 젠슨 황이 강조한 메시지는 명확했다. "AI를 도입하지 않는 기업은 도태될 것이다." 이제 AI는 기업 운영의 한 요소가 아니라 기업의 핵심 전략, 구조, 성장 엔진 자체로 변화하고 있다. 기업은 어떻게 AI를 도입하고 있으며, AI 도입이 비즈니스에 미치는 영향은 무엇일까? 과거 AI 도입은 단순한 자동화 도구 활용이었다. 그러나 이제 AI 도입(AI adoption)은 기업의 핵심 역량을 AI 중심으로 전환하는 과정이다. AI 도입은 이제 단순한 기술의 도입이 아니라, 기업의 전략과 문화 자체를 AI 중심으로 변화시키는 과정이다. AI 도입이 빠르게 진행될 수록, 기업들은 직접 AI를 개발하는 것이 아니라 필요한 AI 서비스를 구독하는 방식으로 활용하는 시대가 열리고 있다. AI 도입이 가속화되면서 기업들은 완전히 새로운 방식으로 운영되고 있다. 특히, 의사결정 구조, 업무 방식, 조직 문화가 AI 중심으로 변화하고 있다. 이제 AI는 단순한 도구가 아니다. AI 도입이 진행될 수록, 기업의 핵심 전략과 비즈니스 모델 자체가 AI 중심으로 변화하고 있다. 결국, AI 도입을 성공적으로 수행하는 기업만이 미래 시장에서 생존하고 성장할 수 있을 것이다.    표 2. 기존 기업 vs. AI 중심 기업의 차이점   AI는 혼자 발전할 수 없다. 모두가 함께 연결되어야 한다.” – 젠슨 황   네트워킹, AI 시대의 연결과 협업 AI가 기업의 핵심 전략이 되고 산업 전체가 AI 기반으로 재편되는 과정에서, 네트워킹(networking)의 중요성이 더욱 강조되고 있다. 과거 기업은 독립적으로 성장하는 전략을 취했지만, 이제 AI 시대에서는 기업 간 협력, 데이터 공유, AI 연구 협업이 필수이다. GTC 2025에서 젠슨 황은 이렇게 말했다. “AI는 혼자 발전할 수 없다. 모두가 함께 연결되어야 한다.” 그렇다면 AI 시대의 네트워킹은 어떻게 이루어지고 있으며, 어떤 기업이 AI 협업을 통해 새로운 가치를 창출하고 있을까? AI 네트워킹의 의미는 ‘AI는 연결을 필요로 한다’로 해석된다. AI 혁명이 가속화될 수록 기업들은 서로 연결될 필요가 있다.  즉, AI 네트워킹이란 기업들이 AI를 더 빠르고, 더 효율적으로, 더 윤리적으로 활용하기 위해 서로 협력하는 과정을 의미한다. AI 네트워킹을 실현하는 방식은 다양하지만, 현재 가장 중요한 세 가지 협력 모델을 살펴보자. AI 팜(AI farms)을 통해 개별 기업이 AI 인프라를 구축하는 부담을 줄이고, 더 빠르게 AI를 도입할 수 있다. AI 얼라이언스(AI alliance)를 통해 기업들은 경쟁이 아닌 협력을 기반으로 AI 혁신을 가속화하고 있다. 즉, AI 데이터 공유는 이제 개인정보 보호를 유지하면서도 기업들이 협력할 수 있는 새로운 방식으로 발전하고 있다. AI 네트워킹이 활성화됨에 따라, 기업들은 완전히 새로운 방식으로 연결되고 협력하고 있다. AI 시대에는 한 산업 내에서 경쟁하는 것이 아니라, 다양한 산업과 연결되는 것이 핵심 전략이 된다. 결과적으로, AI 네트워킹을 활용하는 기업들은 새로운 기회를 창출하고, 더 빠르게 AI 중심으로 전환하고 있다. “AI 혁명은 이제 되돌릴 수 없는 변곡점에 도달했다. 우리는 AI와 함께 새로운 미래를 설계해야 한다.” – 젠슨 황   AI 시대의 미래, 우리는 어디로 가는가 AI 혁명은 이제 단순한 기술 발전을 넘어 산업, 사회, 인간의 삶 자체를 근본적으로 변화시키고 있다. GTC 2025에서 젠슨 황은 말했다. “AI 혁명은 이제 되돌릴 수 없는 변곡점에 도달했다. 우리는 AI와 함께 새로운 미래를 설계해야 한다. ”그렇다면 AI의 미래는 어디로 향하고 있으며, 우리는 AI와 함께 어떤 세상을 만들어가야 할까? 에이전틱 AI와 추론 AI의 발전이다. 즉, AI가 단순한 ‘도구’가 아니라, 인간과 협력하는 ‘실제적인 파트너’가 되는 시대가 다가오고 있다. 기존의 AI는 패턴을 학습하는 방식이었다. 그러나 추론 AI는 스스로 논리적으로 사고하고 추론하는 능력을 갖춘다. 즉, AI가 더 이상 단순한 자동화 도구가 아니라, 지능적인 사고를 할 수 있는 존재로 변화하고 있다. AI가 점점 더 지능적으로 발전하면서, 우리는 ‘AI와의 관계를 어떻게 설정할 것인가’라는 근본적인 질문을 마주하게 되었다. 이제 AI는 단순한 도구를 넘어, 인간과 협력하여 새로운 가치를 창출하는 존재로 변화하고 있다. AI가 고도화될 수록 우리는 AI의 윤리적 문제와 사회적 책임에 대한 고민을 깊게 해야 한다. 결과적으로, 각국이 AI 규제와 발전 전략을 다르게 설정하면서 AI 패권 경쟁이 더욱 치열해지고 있다. AI는 단순한 기술이 아니라, 인류가 새로운 방식으로 사고하고 일하고 살아가는 방식을 바꾸는 거대한 전환점이 되고 있다. “AI는 이제 단순한 도구가 아니라, 스스로 사고하고 결정하는 존재로 나아가고 있다.” – 젠슨 황   변화의 바람을 넘어, AI와 함께 새로운 항해를 시작하다 AI 혁명은 거대한 바람이 아니라, 이제는 우리가 타고 항해해야 할 파도다. 과거에는 변화가 두려운 것이었다. 그러나, AI와 함께라면 우리는 변화 속에서도 새로운 기회를 창출할 수 있다. 엔비디아 GTC 2025에서 젠슨 황이 던진 질문을 기억하자. “AI 시대, 우리는 어떤 미래를 만들어갈 것인가?” 이제 우리는 AI와 함께 새로운 항해를 시작할 준비를 해야 한다.   그림 1. 엔비디아 기업 성장 맵(GTC 2024, 2025, Map by 류용효) (클릭하면 큰 이미지로 볼 수 있습니다.)   ■ 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.
작성일 : 2025-04-02
세슘 기반 BIM IFC 가시화 방법과 3D 타일 구조
BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 BIM(건설 정보 모델링) 포맷 중 하나인 IFC(Industry Foundation Classes) 파일을 세슘(Cesium) 플랫폼에 3D 타일(tiles)로 가시화하는 방법을 간략히 설명한다. 세슘은 디지털 트윈 산업 표준 플랫폼으로 많이 알려져 있다. 이번 호에서는 BIM 가시화 방법을 설명하고, 마지막 부분에 3D 타일 개념과 구조를 간략히 소개한다. 참고로, 세슘에서 개발된 3D 타일은 3D 고속 렌더링을 위한 모델 구조와 렌더링 메커니즘을 제공한다. 이 기술은 현재 공간정보 산업 표준을 담당하는 OGC(Open Geospatial Consortium)와 유기적 협력을 통해 발전하고 있다.   그림 1. 세슘의 3D 타일 가시화 모습 예시   ■ 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   세슘은 구글 어스와 유사한 지구 스케일의 디지털 트윈 플랫폼이다. 이를 이용하면 도시 차원에서 분석하거나 실내 건물을 탐색하는 등의 유스케이스를 개발할 수 있다. 국내 대부분의 3차원 도시 플랫폼 기반 서비스에서 세슘이 사용되고 있다. 세슘은 디지털 트윈 모델을 다루기 위한 저작도구도 함께 제공한다. 개발자는 서비스에 필요한 메뉴 기능, 대시보드에 표출한 데이터 처리에만 신경을 쓰면 된다.   그림 2. 세슘 저작도구 예시   공간정보 기술을 연구하다 보면, 가끔 BIM 파일 포맷 중 하나 인 IFC를 세슘 위에 가시화해야 하는 경우가 종종 발생한다. 하지만 세슘은 IFC를 직접적으로 지원하지 않는다.   그림 3. IFC 추가 에러 발생 모습   세슘은 IFC를 포함한 모든 3D 모델 파일을 3D 타일로 변환해 업로드하도록 하고 있다. 이는 무거운 3D 모델의 가시화 성능을 고려한 것이다. 3D 타일은 웹에서 가시화하기에 무거운 3D 파일을 공간 인덱싱 기법을 이용해 Octree 형식으로 표현하고, 각 노트에 분할된 3D 모델의 부분을 담아둔다. 메시 간략화 기법을 이용해, 카메라가 모델을 비추는 거리에 따라 적절한 LoD(Level of Detail)의 메시를 보여준다. 이는 게임에서 FPS 성능을 올리기 위해 개발된 기법과 매우 유사하다. glTF(https://github.com/ KhronosGroup/glTF)는 3D 타일의 기본 형식이다. 세슘은 다양한 샘플 코드를 샌드캐슬(sandcastle)이란 플랫폼으로 제공하여 편리한 개발을 지원하고 있다.   그림 4. glTF 2.0 기능(3차원 점군, 텍스쳐, 모델 지원 예시)    그림 5. 세슘의 코드 예제   3D 타일 모델 변환 및 업로드 먼저, 다음 링크를 방문해 세슘 아이온(Cesium ion)에 가입한다. Cesium ion – Cesium(https://cesium.com/platform/ cesium-ion) 이후, 세슘의 API, 애셋(asset)을 관리하는 클라우드, 자바스크립트 기반 예제 등을 무료로 사용할 수 있다. 여기서 애셋이란 플랫폼에서 사용하는 GIS, BIM 등 모든 파일 및 데이터셋을 의미한다. 가입 후, <그림 6>의 화면에서 ‘New story’를 클릭해 애셋을 추가해 보자.   그림 6. 세슘 아이온 메뉴 화면   세슘은 3D 모델을 3차원 타일 형식으로 내부 표현한다. 이 형식을 지원하는 파일 포맷은 <그림 7>과 같다.    그림 7     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-03-06
[칼럼] AI 대전환 : 주도권을 선점하라
트렌드에서 얻은 것 No. 20   “AI 시대에도 변하지 않는 것은 인간의 창의성과 호기심이다.” – 사티아 나델라 딥시크(DeepSeek)로 온 세상이 떠들썩하지만, ‘2025 AI 대전환’의 두 저자가 쓴 “주도권을 선점하라”는 메시지는 여전히 유효하다. 이 책은 두 저자의 대담 형식으로 써 내려가는 부분과 두 저자의 전문 경험으로 써 내려가는 부분이 인상적이다. AI(인공지능)의 주도권을 어떻게 잡을지 책 속으로 들어가 보자.   AI 대전환의 시대, 주도권을 잡아야 하는 이유 AI는 이제 선택이 아니라 필수다. 2023년 생성형 AI의 태동 이후, AI 기술은 산업과 사회 전반에 걸쳐 급속도로 확산되었으며 개인, 기업, 국가의 경쟁력을 결정하는 핵심 요소로 자리 잡고 있다. 단순히 AI를 도입하는 것이 아니라 그 흐름을 주도하는 것이 무엇보다 중요해지고 있다. AI는 단순한 기술 혁신을 넘어 경제와 사회 구조 자체를 변화시키는 촉매제가 되고 있으며, 이에 따라 AI의 주도권을 잡는 것은 곧 미래 경쟁력을 확보하는 것과 같다. AI 기술이 발전하면서 기업과 정부는 AI를 자동화 도구로 활용하는 수준을 넘어 새로운 가치 창출의 중심에 두고 있다. 특히 AI의 발전은 제조업, 금융, 헬스케어, 교육 등 다양한 산업에 영향을 미치고 있으며, AI의 활용 여부에 따라 기업의 성패가 결정될 가능성이 커지고 있다. 그렇다면 AI 대전환이 가져올 변화는 무엇이며, 우리는 어떻게 주도권을 잡을 수 있을까? “변화는 불가피하지만, 성장은 선택이다.” – 존 맥스웰   AI의 변화와 주요 트렌드 2025년을 주도할 AI의 주요 트렌드는 다음과 같다. 멀티모달 AI : 텍스트뿐만 아니라 이미지, 음성, 영상, 센서 데이터 등을 종합적으로 활용하는 AI가 확산된다. 이는 검색 엔진, 고객 서비스, 의료 진단 등 다양한 분야에서 혁신을 가져올 것이다. 할루시네이션(Hallucination) 문제 해결 : AI가 실제 존재하지 않는 정보를 생성하는 문제를 해결하기 위한 기술이 발전하고 있다. 이를 통해 AI의 신뢰성과 정확성이 높아질 것이며, 기업은 AI를 보다 적극적으로 도입할 수 있을 것이다. 온디바이스 AI로의 확산 : 클라우드 기반 AI에서 벗어나 개별 기기에서 AI가 실행됨으로써 보안성과 개인화가 강화된다. 이는 스마트폰, IoT 기기, 자동차 등 다양한 영역에서 AI의 활용을 촉진할 것이다. 생성형 AI가 부활시킨 AI 에이전트 : 챗지피티(ChatGPT)와 같은 생성형 AI 기술이 발전하면서, 인간과 자연스럽게 상호작용하는 AI 에이전트가 다시 주목받고 있다. 이는 고객 응대, 비즈니스 자동화, 교육 등 다양한 분야에서 활용될 것이다. 오픈소스 AI 생태계의 확장 : AI 기술이 오픈소스로 개방되면서 혁신 속도가 더욱 빨라지고 있다. 이는 기업과 연구기관이 협력하여 AI 기술을 발전시키는 환경을 조성할 것이다. 비용 감소 노력과 AI 반도체 발전 : AI 연산 비용을 줄이기 위한 반도체 및 소프트웨어 혁신이 가속화되고 있다. AI 전용 반도체 개발과 최적화된 알고리즘이 AI의 대중화를 촉진할 것이다. 안정성과 책임성 강화 : AI의 윤리적 문제와 신뢰성 확보를 위한 규제 및 정책이 강화될 전망이다. 기업과 정부는 AI의 공정성과 투명성을 확보하기 위한 대응 전략을 마련해야 한다. 소비린 AI(Sovereign AI) : 국가별 AI 독립 전략이 중요해지고 있다. 글로벌 기술 패권 경쟁 속에서 각국은 자체 AI 인프라를 구축하고, 자국의 데이터를 보호하는 방향으로 나아가고 있다. 이러한 트렌드를 기반으로 AI 대전환을 주도하기 위해서는 개인, 기업, 국가가 각각의 역할을 이해하고, 효과적으로 대응해야 한다. “AI가 창조하는 것은 데이터이지만, 인간이 창조하는 것은 의미다.” – 레이 커즈와일   ▲ ‘2025 AI 대전환 : 주도권을 선점하라(오순영, 하정우)’ 서평 맵(Map by 류용효) (클릭하면 큰 이미지로 볼 수 있습니다.)   AI 내비게이터 : 개인, 기업, 국가의 역할 개인을 위한 AI 내비게이터 AI의 확산은 개인의 역량 강화와 직업 시장의 변화를 의미한다. AI와 협업하는 형태로 업무 방식이 변화하면서, AI 리터러시(AI 활용 능력)가 필수적으로 요구된다. 따라서 개인은 AI 도구를 익히고 창의적 사고와 문제 해결 능력을 키우는 것이 중요하다. 또한, AI는 새로운 일자리의 창출과 기존 직업의 변화도 가져올 것이다. 예를 들어, 데이터 분석가, AI 윤리 전문가, AI 트레이너 등의 직업이 증가할 것으로 예상된다. 반면 단순 반복 업무를 수행하는 직업은 감소할 가능성이 크다. 따라서 개인은 AI 시대에 맞는 새로운 역량을 갖추는 것이 필요하다.   기업을 위한 AI 내비게이터 기업은 AI를 단순한 도구가 아니라 전략적 자산으로 활용해야 한다. 이를 위해서는 다음과 같은 전략이 필요하다. AI를 활용한 비즈니스 프로세스 혁신 데이터 기반 의사 결정 강화 AI 기술을 내재화하는 조직 문화 구축 AI 윤리 및 규제 대응 전략 마련 AI 도입을 망설이는 기업은 시장에서 도태될 가능성이 높다. 따라서 기업은 AI 트렌드를 면밀히 분석하고, 조직 내 AI 역량을 체계적으로 강화해야 한다. 특히 AI를 활용한 고객 맞춤형 서비스 제공, 자동화 시스템 도입, AI 기반 예측 모델 구축 등이 기업의 경쟁력을 높이는 핵심 요소가 될 것이다.   국가를 위한 AI 내비게이터 AI 대전환은 국가 경쟁력과 직결된다. 글로벌 AI 패권 경쟁에서 앞서 나가기 위해서는 다음과 같은 정책이 필요하다. AI 연구개발(R&D) 투자 확대 AI 전문 인력 양성 AI 친화적 규제 환경 조성 AI 인프라(클라우드, 반도체, 데이터) 구축 국가 차원에서 AI를 적극적으로 육성하지 않으면 기술 종속의 위험이 커진다. 특히 한국과 같은 기술 강국은 AI 산업을 선도하는 전략적 접근이 필수이다. 또한, AI 거버넌스 체계를 확립하고 국제 협력을 강화하는 것도 중요한 요소가 될 것이다.  “우리는 도구를 만들고, 그 도구가 우리를 만든다.” – 마셜 매클루언   AI 주도권을 위한 방향성 2025년 AI 대전환은 개인, 기업, 국가의 모든 영역에서 거대한 변화를 초래할 것이다. 이 변화를 단순히 따라가는 것이 아니라, 주도하는 것이 곧 생존 전략이 된다. 개인은 AI 리터러시를 갖추고, 기업은 AI를 전략적으로 활용하며, 국가는 AI 산업을 체계적으로 육성해야 한다. 결국 AI 대전환의 시대에서 승자는 누구보다 먼저 변화를 준비하고 주도권을 선점한 자들이 될 것이다. 당신은 AI 대전환의 흐름 속에서 어떤 역할을 할 것인가?   ■ 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.
작성일 : 2025-03-06
건설워커 유종현 대표, ‘제13회 대한민국교육대상’ 건설취업 부문 대상 수상
건설워커 유종현 대표가 ‘제13회 대한민국교육대상’ 건설취업 부문 대상을 수상했다. 대한민국교육대상은 국가 교육 발전과 우수 브랜드 육성에 기여한 개인 및 기관에 수여되는 권위 있는 상으로, 국내외 50여 개 교육신문·언론 단체로 구성된 교육대상조직위원회, 한국교육신문연합회, 뉴스에듀신문이 주최하고 나비미디어그룹이 주관한다. 제13회 시상식은 당초 지난해 연말 개최 예정이었으나, 비상계엄, 탄핵 정국, 무안공항 여객기 사고 등의 영향으로 연기됐다. 이에 따라 행사는 올해 1월 15일 비대면 방식으로 진행되었다. 유종현 대표는 건설 구인구직 플랫폼 ‘건설워커’를 통해 지난 27년간 건설사와 구직자를 연결하는 가교 역할을 수행한 공로를 인정받아 이번 대상을 수상했다. 1997년 IMF 외환위기 시절에 출범한 건설워커는 건설 분야에 특화된 차별화된 구인·구직 서비스로 국내 전문 취업 플랫폼 시장을 선도하고 있다. 삼성물산, 현대건설, 대우건설, 현대엔지니어링, DL이앤씨, GS건설, 포스코이앤씨, 롯데건설, HDC현대산업개발, 한화, 호반건설 등 국내 주요 건설사들이 건설워커를 통해 인재 채용을 진행하고 있다. 또한, 건설워커는 네이버, 한국건설기술인협회, 대한건설협회, 해외건설협회, 이엔지잡 등 주요 플랫폼뿐만 아니라, 취업 카페, 블로그, 페이스북, 밴드(BAND) 등 SNS 채널을 통해 구인 공고를 동시 게재하며 폭넓은 건설 일자리 정보를 제공하고 있다. 유종현 대표는 수상 소감에서 "이번 수상을 통해 건설워커에 대한 이용자들의 신뢰와 기대를 다시 한번 확인할 수 있었다"며, "앞으로도 차별화된 서비스로 건설 구인·구직 시장을 선도하면서, 건설 일자리 미스매치 해소와 실업난 해결에 기여하겠다"고 밝혔다. 
작성일 : 2025-03-01
전문 BIM 자료를 이해하는 대규모 언어 모델 파인튜닝하기
BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 전문적인 BIM 자료를 이해할 수 있는 대규모 언어 모델(LLM, Large Language Model)을 개발하는 방법을 알아본다. BIM 기반 LLM을 개발하는 방법은 여러 가지가 있으나, 여기에서는 그 중 하나인 RAG(Retrieval Augumented Generation, 증강 검색 생성) 시 LLM이 잘 추론할 수 있도록 모델을 파인튜닝(fine-turning)하는 기술을 사용해 본다.   ■ 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   LLM 모델 파인튜닝의 개념 파인튜닝이란 사전에 학습된 LLM을 특정 도메인이나 작업에 맞게 최적화하는 과정이다. 기본적으로 LLM은 일반적인 자연어 처리 작업을 수행하도록 설계되어 있지만, 전문적인 특정 지식 도메인(예 : 건설 분야의 BIM 데이터)이나 문제를 다룰 때는 환각 현상이 심해지므로 해당 도메인에 특화된 데이터로 모델을 재학습시켜야 한다. 이를 통해 모델이 특정 영역에서 더 정확하고 유용한 결과를 생성하도록 만든다. 파인튜닝 과정은 다음과 같은 단계로 이루어진다.  ① 사전 학습된 모델 선택 : 이미 대규모 데이터로 학습된 LLM을 선택한다. ② 도메인 특화 데이터 준비 : 대상 분야와 관련된 고품질 데이터를 수집하고, 이를 정제 및 전처리한다. ③ 모델 파라미터 조정 : LoRA(Low-Rank Adaptation)같은 기법을 사용하여 모델 파라미터를 특정 도메인에 맞게 업데이트한다.  ④ 훈련 및 검증 : 준비된 데이터로 모델을 학습시키고, 성능을 검증하며 최적화한다. 여기서, LoRA 기술은 LLM을 파인튜닝하는 데 사용되는 효율적인 기법이다. 이 방법은 모델 전체를 다시 학습시키는 대신, 모델의 일부 파라미터에만 저차원(lowrank) 업데이트를 적용하여 파인튜닝한다. 이를 통해 학습 비용과 메모리 사용량을 대폭 줄이면서도 높은 성능을 유지할 수 있다. 이 글에서 사용된 라마 3(Llama 3)는 메타가 개발한 LLM 제품이다. 모델은 15조 개의 토큰으로 구성된 광범위한 데이터 세트에서 훈련되었다.(라마 2의 경우 2T 토큰과 비교) 700억 개의 파라미터 모델과 더 작은 80억 개의 파라미터 모델의 두 가지 모델 크기가 출시되었다. 70B 모델은 MMLU 벤치마크에서 82점, HumanEval 벤치마크에서 81.7점을 기록하며 이미 인상적인 성능을 보여주었다. 라마 3 모델은 컨텍스트 길이를 최대 8192개 토큰(라마 2의 경우 4096개 토큰)까지 늘렸으며, RoPE를 통해 최대 32k까지 확장할 수 있다. 또한 이 모델은 128K 토큰 어휘가 있는 새로운 토크나이저를 사용하여 텍스트를 인코딩하는 데 필요한 토큰 수를 15% 줄인다.   개발 환경 준비 개발 환경은 엔비디아 지포스 RTX 3090 GPU(VRAM 8GB), 인텔 i9 CPU, 32GB RAM으로 구성되었다. 이러한 하드웨어 구성은 대규모 BIM 데이터를 처리하고 모델을 학습시키는 최소한의 환경이다. 이 글에서는 사전 학습모델은 허깅페이스(HF)에서 제공하는 Llama-3-8B 모델을 사용한다. 파인튜닝을 위해서는 다음과 같은 환경이 준비되어 있다고 가정한다.  파이토치 설치 : https://pytorch.org/get-started/locally  올라마(Ollama) 설치 : https://ollama.com 허깅페이스에서 제공하는 LLM 모델을 사용할 것이므로, 접속 토큰(access token)을 얻어야 한다. 다음 링크에서 가입하고 토큰을 생성(Create new token)한다. 이 토큰은 다음 소스코드의 해당 부분에 입력해야 동작한다.  허깅페이스 가입 및 토큰 획득 : https://huggingface.co/ settings/tokens   그림 1   명령 터미널에서 다음을 실행해 라이브러리를 설치한다.   pip install langchain pypdf fastembed chardet pandas pip install -U transformers pip install -U datasets pip install -U accelerate pip install -U peft pip install -U trl pip install -U bitsandbytes pip install -U wandb   개발된 BIM LLM 모델 성능이 향상되었는지를 검증할 수 있도록, 기초 모델이 인터넷에서 쉽게 수집 후 학습할 수 있는 BIM 자료를 제외한 데이터를 학습용으로 사용할 필요가 있다. 이런 이유로, 최근 릴리스되어 기존 상용 대규모 언어 모델이 학습하기 어려운 ISO/TS 19166에 대한 기술 논문 내용을 테스트하고, 학습 데이터 소스로 사용한다. 참고로, ISO/TS 19166은 BIM-GIS conceptual mapping 목적을 가진 국제표준으로 기술 사양(TS)을 담고 있다. 학습 데이터로 사용될 파일을 다음 링크에서 PDF 다운로드하여 저장한다.  BIM-GIS 매핑 표준 논문 PDF 파일 : https://www.mdpi. com/2220-9964/7/5/162   BIM 기반 LLM 모델 학습 데이터 준비와 파인튜닝 파라미터 설정 학습 데이터를 자동 생성하기 위해, 미리 다운로드한 PDF 파일을 PyPDF 및 라마 3를 이용해 질문-답변 데이터를 자동 생성한 후 JSON 파일로 저장한다. 이를 통해 수 백개 이상의 QA 데이터셋을 자동 생성할 수 있다. 이 중 품질이 낮은 데이터셋은 수작업으로 삭제, 제거한다.    그림 2. 자동화된 BIM 기반 LLM 학습 데이터 생성 절차     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-02-04
[칼럼] 무르익은 AI 시대, 인간을 위한 에이전트의 탄생
트렌드에서 얻은 것 No. 20   가장 용감한 도약은 미지의 바다로 뛰어드는 것이다. 새로운 세계는 항상 그 바다 너머에 존재한다.” – 앤 프랭크(Anne Frank의 재구성, ChatGPT)   CES 2025, 기술의 바다로 뛰어들다 2025년 1월, 라스베이거스에서 열린 CES 2025는 ‘세계 최대의 기술 박람회’라는 이름에 걸맞게 수천 개의 기업과 수만 명의 참가자를 맞이했다. 매년 CES가 기술 산업의 미래를 예고하는 자리였던 만큼, 올해 역시 기대를 저버리지 않았다. 하지만 이번 CES 2025는 이전과는 확연히 다른 분위기를 풍기고 있었다. 기술 혁신을 강조하는 전시회에서 나아가, 인간과 기술의 상호작용이 중심에 서는 새로운 패러다임이 본격적으로 모습을 드러냈기 때문이다. AI(인공지능) 기술이 무르익으면서 이제는 단순한 자동화와 효율성 향상을 넘어, 인간의 삶을 풍요롭게 만들고 새로운 경험을 제공하는 ‘에이전트 시대’가 도래하고 있음을 CES 2025는 분명히 보여주었다. 이번 CES의 주제는 ‘Dive In’이었다. 이는 단순히 기술을 탐구하는 수준을 넘어서, 기술이 우리의 삶 깊숙이 들어와 더 이상 경계가 없는 상태를 의미한다. 이 메시지는 특히 AI와 로봇, 그리고 무인 에이전트 기술의 진화에 잘 부합했다. 인간이 기술을 사용하는 주체에서 이제는 기술이 인간과 함께 학습하고 협력하며, 나아가 인간의 의도와 필요를 미리 파악해 스스로 행동하는 새로운 차원의 시대가 열린 것이다. 기술이 인간의 삶 속으로 깊숙이 스며드는 과정에서 가장 중요한 변화는 ‘무르익은 AI 에이전트’의 등장이다. 과거의 기술이 특정 작업을 자동화하거나 단순화하는 데 중점을 두었다면, 이제 AI 에이전트는 인간의 보조자이자 동반자로 자리 잡고 있다. 엔비디아의 젠슨 황 CEO가 CES 2025 기조연설에서 강조한 ‘코스모스’ 플랫폼은 그 상징적인 사례다. ‘코스모스’는 다양한 디바이스와 플랫폼에 걸쳐 작동하는 AI 에이전트 시스템으로, 인간의 명령을 기다리지 않고 스스로 판단하고 행동하는 능력을 지니고 있다. 젠슨 황은 이 플랫폼을 소개하며 “인공지능은 이제 인간의 상상 속에서만 존재하던 도구가 아니다. 우리는 더 이상 AI를 제어하려고 애쓰는 것이 아니라, AI와 함께 새로운 우주를 창조해 나가고 있다”고 선언했다. CES 2025에서 가장 눈에 띄었던 것은 기술의 진화가 단순히 더 나은 기기나 더 빠른 프로세서로 나타나는 것이 아니라, 사람과 기술 간의 관계를 재정의하는 방향으로 나아가고 있다는 점이었다. 이른바 ‘무르익은 AI 시대’는 기술을 단순히 사용하는 것이 아니라, 기술과 공존하며 함께 성장하는 시대를 의미한다. 이 변화는 단지 몇몇 혁신 기업의 전략이나 신기술 발표에 그치는 것이 아니라, 인간의 일상 전반을 변화시키는 방향으로 진행되고 있다. CES에 참여한 다양한 기업이 발표한 제품과 서비스는 이러한 흐름을 명확히 보여주었다. AI 에이전트가 스마트폰, 가전제품, 자동차, 심지어 헬스케어 기기까지 모든 분야에 걸쳐 인간의 삶과 밀접하게 연결되는 시대가 도래한 것이다. 흥미로운 점은 이번 CES에서 ‘무인 에이전트’ 기술이 특히 주목을 받았다는 사실이다. CES의 전시장 곳곳에서는 인간의 명령 없이도 자율적으로 움직이고 결정을 내리는 로봇과 시스템이 시연되었다. 이러한 기술은 단순히 효율성을 높이기 위한 도구가 아니라, 인간의 삶을 보다 편안하고 안전하게 만들기 위한 방향으로 발전하고 있었다. 예를 들어, 자율주행 자동차는 이제 단순한 이동 수단을 넘어 탑승자의 일정을 관리하고 피로도를 파악해 최적의 경로를 추천하는 수준에 이르렀다. 또 다른 사례로, 스마트홈 시스템은 단순히 조명을 켜고 끄는 기능을 넘어서 가족 구성원의 생활 패턴을 분석하고, 그에 맞춰 집안 환경을 자동으로 조정하는 단계에 도달했다. CES 2025의 핵심 메시지는 명확하다. 기술은 더 이상 단순한 도구가 아니라, 인간의 삶 속으로 깊숙이 들어와 인간과 함께 상호작용하는 파트너가 되어가고 있다. 이러한 변화는 기업에게도 새로운 도전 과제를 안겨주고 있다. 이제 기업은 단순히 더 나은 성능을 가진 제품을 만드는 것을 넘어, 인간의 삶 속에 스며들어 새로운 가치를 창출할 수 있는 기술을 개발해야 한다. 이 과정에서 핵심 키워드는 바로 ‘에이전트’다. 에이전트는 사용자의 명령을 기다리는 것이 아니라, 사용자와 함께 경험하고, 사용자보다 먼저 문제를 인지하고 해결책을 제시하는 역할을 한다. 이러한 변화는 한국 기업들에게도 중요한 시사점을 제공한다. CES 2025에는 한국 기업이 1031개나 참여하며 역대 최대 규모를 기록했다. 이들 기업은 AI, 로봇, 스마트홈, 자율주행 등 다양한 분야에서 혁신 기술을 선보였으며, 특히 인간 중심의 기술 개발에 초점을 맞추고 있다. 그러나 글로벌 시장에서 경쟁력을 유지하기 위해서는 단순히 기술력을 자랑하는 것을 넘어, 인간과 기술의 관계를 재정의하고 새로운 경험을 창출하는 데 주력해야 한다. CES 2025가 던진 메시지는 단순한 기술 전시회를 넘어, 미래 사회가 어떻게 변화할지 예고하는 강력한 신호였다. 기술은 더 이상 인간의 삶 밖에 머무르지 않는다. 기술은 이제 인간의 삶 속으로 깊이 들어왔고, 우리는 그 기술과 함께 새로운 시대를 맞이하고 있다. CES 2025의 ‘Dive In’이라는 주제는 결국 우리에게 이렇게 묻고 있는 것이다. “당신은 미래의 기술과 함께 얼마나 깊이 들어갈 준비가 되었는가?” “기술의 진보는 인간의 창조적 비전이 실현되는 과정이다. 가능성은 끝이 없으며, 도전은 시작될 뿐이다.” – 챗GPT   엔비디아와 무르익은 에이전트 경쟁 CES 2025의 중심에 있었던 기업 중 하나는 단연 엔비디아였다. 엔비디아는 과거 그래픽 처리 장치(GPU) 제조업체로 시작했으나, 이제는 AI 산업 전반을 이끄는 선도 기업으로 자리 잡았다. 이번 CES에서 엔비디아의 젠슨 황 CEO는 새로운 AI 플랫폼과 에이전트 시스템을 발표하며, AI 시장의 판도를 바꾸는 혁신적인 비전을 제시했다. 그 중심에는 ‘코스모스(Cosmos)’라는 AI 에이전트 플랫폼이 있었다. 코스모스는 단순히 AI 소프트웨어가 아닌, 다양한 디바이스와 플랫폼에 걸쳐 인간의 명령 없이도 스스로 판단하고 행동하는 AI 에이전트 시스템이다. 이 시스템은 단일 기기에 국한되지 않고 스마트폰, 컴퓨터, 가전제품, 자율주행차 등 모든 디바이스에 통합될 수 있다. 코스모스는 사용자의 행동 패턴과 일상적인 루틴을 학습하며, 그에 따라 사용자보다 한 발 앞서 필요한 작업을 수행하거나 결정을 내릴 수 있는 능력을 갖췄다. 젠슨 황은 이를 가리켜 “인간과 기술이 공존하는 새로운 우주”라고 표현했다. 엔비디아의 에이전트 전략은 기존의 AI 설루션과는 차별화된 점이 많다. 기존 AI는 특정 작업을 수행하기 위해 사전에 설정된 명령이나 데이터를 기반으로 작동했지만, 코스모스는 지속적인 학습과 상황 인식을 통해 점점 더 정교해지는 능력을 발휘한다. 예를 들어, 사용자가 매일 아침 커피를 마시는 습관이 있다면 코스모스는 그 시간을 인지하고 미리 커피 머신을 작동시키는 것이다. 또한 사용자의 일정이 바뀌면 그에 따라 적절한 알림을 제공하거나 경로를 변경하는 등, 상황에 맞는 대응을 할 수 있다. 이번 CES에서 엔비디아는 특히 자율주행과 헬스케어 분야에서의 AI 에이전트 활용 가능성을 강조했다. 자율주행 차량에 코스모스 플랫폼이 탑재되면, 차량은 단순히 목적지까지 운전하는 것이 아니라 탑승자의 피로도, 건강 상태, 일정 등을 고려해 최적의 경로와 속도를 설정한다. 이 과정에서 차량은 단순한 교통 수단이 아닌, 인간의 삶을 이해하고 보조하는 동반자가 되는 것이다. 헬스케어 분야에서도 마찬가지로, 코스모스는 환자의 건강 데이터를 지속적으로 모니터링하고 이상 징후가 발생하면 의료진에게 즉각 알리는 역할을 한다. 엔비디아의 경쟁사는 물론 이러한 변화에 빠르게 대응하고 있다. 구글, 아마존, 애플 등 거대 IT 기업들 역시 AI 에이전트 기술 개발에 박차를 가하고 있으며, 각자의 강점을 바탕으로 차별화된 서비스를 제공하려 하고 있다. 그러나 엔비디아가 다른 기업과 차별화되는 지점은 바로 하드웨어와 소프트웨어를 통합한 에코시스템을 구축하고 있다는 점이다. GPU 분야에서의 오랜 경험을 바탕으로, 엔비디아는 AI 연산에 최적화된 하드웨어를 개발하고 이를 기반으로 소프트웨어와 에이전트를 통합하는 전략을 구사하고 있다. 무르익은 AI 시대에서 중요한 것은 단순히 기술을 개발하는 것이 아니라, 인간과 기술이 상호작용하며 공존하는 방식을 찾는 것이다. 엔비디아의 코스모스 플랫폼은 이 목표를 실현하기 위한 중요한 첫걸음이라 할 수 있다. AI 에이전트는 이제 단순한 도구를 넘어, 인간의 동반자이자 삶을 더 나은 방향으로 이끄는 가이드로 자리 잡고 있다. CES 2025가 이를 분명히 보여주었고, 엔비디아는 그 중심에서 새로운 시대를 선도하고 있다.   로봇과 에이전트, 기술 경쟁에서 삶의 동반자로 CES 2025에서 또 다른 주요 화두는 로봇 기술의 진화와 인간의 삶에 미치는 영향이었다. 로봇과 AI 에이전트는 이제 단순한 기술적 도구를 넘어 인간의 일상에 깊이 스며들며, 더 나은 삶의 질을 보장하는 동반자로 자리 잡고 있다. 이러한 흐름은 단순한 산업용 로봇에서 출발해, 이제는 가정용 로봇, 서비스 로봇, 의료용 로봇 등 다양한 형태로 확장되고 있다. CES 2025에서 눈길을 끈 주요 로봇 기술 중 하나는 자율 이동 로봇(auto delivery robot)이다. 이 로봇은 물류, 배달, 심지어 가사 작업까지 인간을 대신해 수행할 수 있는 능력을 갖추고 있다. 예를 들어, 아마존은 CES 2025에서 차세대 배달 로봇을 선보였다. 이 로봇은 단순히 지정된 경로를 따라 배달하는 것이 아니라, 실시간으로 주변 환경을 인식하고 최적의 경로를 선택하며, 예상치 못한 장애물을 피하는 능력을 지니고 있었다. 이를 통해 사용자에게 더 빠르고 정확한 서비스를 제공할 수 있다. 또한, 헬스케어 분야의 로봇 기술 역시 CES 2025에서 큰 주목을 받았다. 병원에서는 이미 수술 보조 로봇과 환자 모니터링 로봇이 사용되고 있으며, 이번 전시회에서는 가정용 헬스케어 로봇이 소개되었다. 이 로봇들은 사용자의 건강 상태를 지속적으로 모니터링하고, 이상 징후가 발견되면 즉각적으로 사용자와 의료진에게 알리는 기능을 수행한다. 특히 고령화 사회로 접어드는 전 세계적 트렌드에 따라, 이러한 로봇 기술은 앞으로 더욱 중요한 역할을 할 것으로 기대된다. 흥미로운 점은 이러한 로봇 기술이 이제는 인간과의 감성적 교류까지 고려하고 있다는 것이다. 과거의 로봇은 단순히 주어진 명령을 수행하는 기계적 도구에 불과했지만, 이제는 사용자의 감정을 인식하고, 그에 맞는 반응을 보이는 로봇이 등장하고 있다. 예를 들어, 일본의 소프트뱅크는 감정 인식 기능이 탑재된 가정용 로봇 ‘페퍼(Pepper)’의 최신 버전을 선보였다. 이 로봇은 사용자의 표정과 목소리를 분석해, 사용자가 기뻐할 때 함께 기뻐하고, 사용자가 슬퍼할 때 위로하는 등의 반응을 보일 수 있다. 이러한 로봇 기술의 발전은 단순한 기술적 진보를 넘어, 인간과 로봇 간의 관계를 재정의하는 방향으로 나아가고 있다. 로봇은 이제 인간의 삶 속에서 단순히 작업을 수행하는 도구가 아니라, 인간의 감정과 필요를 이해하고 함께 교감하는 동반자로 자리 잡고 있다. CES 2025에서 발표된 다양한 로봇 기술은 이러한 흐름을 잘 보여주고 있으며, 앞으로 로봇이 인간의 일상에서 더욱 중요한 역할을 하게 될 것임을 예고하고 있다. 기술 경쟁에서 중요한 것은 단순히 더 나은 성능을 가진 로봇을 만드는 것이 아니라, 인간의 삶 속에서 로봇이 어떤 가치를 제공할 수 있는지를 고민하는 것이다. 로봇과 AI 에이전트의 결합은 이러한 목표를 실현하는 데 중요한 역할을 하고 있다. 로봇은 AI 에이전트를 통해 지속적으로 학습하고 발전하며, 사용자의 필요와 상황에 맞게 진화할 수 있는 능력을 갖추고 있다. 이는 단순히 기술적 혁신을 넘어, 인간과 기술이 함께 성장하는 새로운 시대를 열어가는 핵심 요소가 될 것이다. CES 2025는 로봇과 AI 에이전트가 인간의 삶 속에서 단순한 도구가 아닌, 함께 살아가는 동반자가 되어가고 있음을 보여주었다. 이러한 변화는 앞으로의 기술 개발 방향에 중요한 시사점을 제공하며, 인간 중심의 기술 개발이 더욱 중요해질 것임을 시사하고 있다. 로봇과 에이전트가 함께하는 미래는 더 이상 공상과학 소설의 이야기가 아니라, 우리의 일상 속에서 점차 현실로 다가오고 있다. “인류의 가장 큰 위업은 이미 알고 있는 것을 뛰어넘어 상상할 수 없는 세계를 만드는 데 있다.” – 아서 C. 클라크 (Arthur C. Clarke)   한국 기업의 도전과 가능성 CES 2025에서 두드러진 또 하나의 특징은 한국 기업들의 활발한 참여와 그들이 선보인 다양한 혁신 기술이었다. 역대 최대 규모인 1031개의 한국 기업이 참가하여 전 세계의 주목을 받았으며, 그 중 상당수는 AI 에이전트와 로봇 기술에 중점을 두고 있었다. 한국 기업들이 글로벌 무대에서 두각을 나타내기 시작한 것은 단순한 기술적 경쟁을 넘어, 인간의 삶을 변화시키는 가치를 제공하기 위한 전략적 변화를 보여준다. 특히, 삼성전자와 LG전자는 이번 CES에서 AI와 스마트홈 기술을 결합한 새로운 설루션을 발표하며 주목을 받았다. 삼성전자는 자사의 스마트홈 플랫폼 ‘스마트싱스(SmartThings)’를 더욱 발전시켜, AI 에이전트를 통해 사용자 맞춤형 서비스를 제공하는 방향으로 진화시켰다. 이 시스템은 사용자의 생활 패턴을 분석하고 그에 맞는 에너지 절약 방법을 추천하거나, 집안의 기기들을 자동으로 제어하는 기능을 갖추고 있다. 예를 들어, 사용자가 퇴근하는 시간을 인지해 집안의 조명과 온도를 미리 조정하거나, 냉장고 속 재료를 기반으로 저녁 메뉴를 추천하는 등의 기능을 제공한다. LG전자 역시 CES 2025에서 새로운 가전 제품군을 선보이며, AI 에이전트 기술을 가전제품에 통합하는 데 중점을 두었다. LG의 ‘AI ThinQ’ 플랫폼은 기존의 음성 명령 기능을 넘어, 사용자의 일상적인 행동을 학습하고 필요에 따라 스스로 적응하는 기능을 제공한다. 예를 들어, 세탁기는 사용자의 세탁 패턴을 분석해 최적의 세탁 프로그램을 자동으로 추천하거나, 에어컨은 사용자의 선호 온도를 학습해 자동으로 조절하는 기능을 갖추고 있다. 이러한 기술은 단순한 편의성을 넘어, 사용자 경험을 혁신적으로 개선하는 데 초점을 맞추고 있다. 하지만 CES 2025에서 한국 기업들이 보여준 도전은 가전제품이나 스마트홈 분야에만 국한되지 않았다. 현대자동차그룹은 자율주행 기술과 로봇 기술을 결합한 새로운 모빌리티 설루션을 발표하며 큰 관심을 끌었다. 현대자동차는 단순히 자율주행 차량을 개발하는 것에서 벗어나, 이동 수단 자체가 하나의 생활 공간이 될 수 있는 새로운 개념을 제시했다. 이 차량들은 단순히 이동하는 동안 운전자의 피로를 덜어주는 것뿐만 아니라 차량 내부에서 회의나 휴식을 취할 수 있는 공간으로 변모하며, 사용자의 일상생활에 가치를 더하는 방향으로 발전하고 있다. 한국 스타트업들의 활약 또한 눈에 띄었다. CES 2025의 스타트업 전시관에서는 다양한 한국 스타트업이 AI 에이전트와 로봇 기술을 활용한 설루션을 선보였다. 예를 들어, 한 스타트업은 고령자를 위한 AI 돌봄 로봇을 발표했다. 이 로봇은 단순히 대화만을 나누는 것이 아니라, 사용자의 건강 상태를 지속적으로 모니터링하고 필요한 경우 응급 상황에 대처할 수 있도록 설계되었다. 또 다른 스타트업은 산업용 로봇 팔에 AI 기술을 적용하여, 작업 현장에서의 생산성을 극대화하는 설루션을 선보였다. 이 로봇 팔은 기존의 단순한 반복 작업에서 벗어나, 작업 환경에 따라 스스로 최적의 동작을 학습하고 보다 정교한 작업을 수행할 수 있는 능력을 보여주었다. 한편, CES 2025에서 한국 기업들은 블록체인과 AI의 융합에도 집중하고 있었다. 한국의 핀테크 기업들은 AI 에이전트를 활용하여 사용자 맞춤형 금융 서비스를 개발하는 데 주력하고 있으며, 특히 블록체인 기술을 통해 보안성과 투명성을 강화하는 설루션을 선보였다. 이러한 기술은 금융 서비스뿐만 아니라, 의료 및 공공 서비스 분야에서도 큰 잠재력을 가지고 있다. 예를 들어, 의료 스타트업들은 AI 에이전트를 활용하여 환자의 의료 기록을 관리하고, 진단 및 치료 과정을 개인 맞춤형으로 제공하는 시스템을 개발 중이다. 한국 기업들의 이러한 도전은 단순히 기술 개발에 그치지 않고, 글로벌 시장에서의 경쟁력을 강화하고 새로운 비즈니스 모델을 창출하는 데 목적을 두고 있다. 특히, CES 2025에서 확인된 글로벌 트렌드에 발맞추어, 한국 기업들은 AI와 로봇 기술을 통해 사용자 경험을 혁신하고 지속 가능한 미래를 위한 설루션을 제시하고자 한다. 이는 한국이 단순한 기술 수출국을 넘어 글로벌 기술 생태계의 주요 플레이어로 자리 잡는 데 중요한 역할을 할 것이다. 결론적으로, CES 2025에서 보여준 한국 기업들의 기술력과 도전 정신은 앞으로의 글로벌 기술 경쟁에서 중요한 변곡점이 될 가능성이 크다. AI 에이전트와 로봇 기술을 통해 인간 중심의 기술 혁신을 이루고자 하는 한국 기업들의 노력은, 향후 글로벌 무대에서 새로운 기회를 창출하고 더 나아가 기술을 통해 인간의 삶을 더욱 풍요롭게 만드는 데 기여할 것으로 기대된다. “미래는 예측하는 것이 아니라, 우리가 만들어가는 것이다.” – 피터 드러커(Peter Drucker)   블록체인, 수직적 통합에서 탈중앙화로 CES 2025의 트렌드에서 눈에 띄는 또 하나의 흐름은 블록체인 기술의 진화와 탈중앙화의 확대다. 블록체인 기술은 초기에는 주로 금융 분야에서 활용되었으나, 이제는 AI와 결합하여 다양한 산업 분야에 적용되며 새로운 가치를 창출하고 있다. 이번 CES 2025에서 한국 기업들은 AI 에이전트와 블록체인 기술을 결합한 다양한 설루션을 선보이며 탈중앙화라는 글로벌 트렌드에 적극 대응하고 있다.   블록체인의 진화 : 신뢰와 투명성의 강화 블록체인 기술은 본래 거래의 투명성과 데이터의 보안성을 강화하는 데 중점을 두었다. 그러나 CES 2025에서는 이 기술이 단순히 금융 거래를 넘어, AI와 결합하여 신뢰 기반의 데이터 관리 플랫폼으로 진화하고 있음을 보여주었다. 탈중앙화된 데이터 관리 시스템은 데이터를 특정 기업이나 기관이 독점적으로 보유하는 것이 아니라, 사용자들이 데이터를 소유하고 관리할 수 있도록 한다. 예를 들어, 헬스케어 분야에서 블록체인 기술을 적용한 스타트업들은 환자의 의료 기록을 안전하게 관리하고, 환자 본인이 자신의 데이터를 직접 통제할 수 있도록 돕고 있다. 이러한 시스템은 데이터 유출 위험을 줄이고, 환자가 자신에게 필요한 의료 서비스를 보다 투명하고 효율적으로 받을 수 있도록 한다. 또한, 금융 분야에서는 사용자 맞춤형 금융 서비스 제공을 위해 블록체인 기반의 AI 에이전트를 활용하여 개인화된 금융 관리를 가능하게 하고 있다. 블록체인과 AI의 결합은 금융 서비스의 투명성을 높이고, 사용자에게 더 나은 서비스를 제공하는 데 중점을 두고 있다.   탈중앙화와 웹 3.0의 부상 CES 2025에서는 웹 3.0(Web 3.0) 시대를 본격 예고하는 기술이 대거 선보였다. 웹 3.0은 기존의 수직적 통합 시스템에서 벗어나, 사용자들이 데이터와 콘텐츠를 스스로 소유하고 관리할 수 있는 분산형 인터넷을 지향한다. 한국 기업들도 이러한 흐름에 발맞추어 다양한 탈중앙화 설루션을 선보였다. 예를 들어, 국내 IT 기업 중 한 곳은 사용자가 자신의 데이터를 블록체인에 저장하고 필요할 때마다 원하는 AI 에이전트에게 해당 데이터를 제공할 수 있는 플랫폼을 발표했다. 이 플랫폼은 사용자가 자신의 개인정보를 안전하게 관리하면서도 다양한 맞춤형 서비스를 받을 수 있도록 돕는다. 이는 사용자가 단순한 서비스 수혜자가 아니라, 데이터 소유자이자 주체가 되는 웹 3.0 시대의 핵심 철학을 반영하고 있다. 또한, 콘텐츠 산업에서도 블록체인과 탈중앙화 기술의 활용이 두드러졌다. 음악, 영상, 게임 등 콘텐츠 제작자들은 블록체인 기반의 플랫폼을 통해 자신의 콘텐츠를 직접 배포하고, 중개자 없이 수익을 창출할 수 있는 환경을 마련하고 있다. 이러한 변화는 콘텐츠 제작자들이 플랫폼에 의존하지 않고, 보다 자유롭고 공정하게 자신만의 시장을 개척할 수 있는 기회를 제공한다.   블록체인과 AI 에이전트의 결합 블록체인과 AI 에이전트의 결합은 특히 데이터 관리와 보안 측면에서 중요한 가치를 제공한다. 기존의 중앙화된 시스템에서는 데이터의 유출과 악용 위험이 항상 존재했으나, 블록체인을 활용하면 이러한 위험을 대폭 줄일 수 있다. AI 에이전트가 사용자의 데이터를 필요할 때마다 접근하고 활용하는 과정에서, 블록체인은 데이터의 무결성과 신뢰성을 보장하는 역할을 한다. 예를 들어, 한국의 한 스타트업은 블록체인 기반의 AI 에이전트 보안 설루션을 발표했다. 이 설루션은 사용자의 데이터가 블록체인에 저장되며, AI 에이전트가 이 데이터를 활용하기 위해서는 사용자의 허가를 받아야 한다. 이를 통해 데이터 사용 과정에서의 투명성을 높이고, 사용자가 자신의 데이터를 더욱 안전하게 관리할 수 있도록 돕는다.   탈중앙화가 가져올 미래의 변화 블록체인과 탈중앙화 기술이 가져올 가장 큰 변화는 기존 권력 구조의 재편이다. 기존의 중앙화된 시스템에서는 소수의 기업이나 기관이 데이터와 자원을 독점적으로 관리하고 있었다. 그러나 탈중앙화 기술은 이러한 권력 구조를 해체하고, 사용자 개개인이 데이터의 주인이 되는 세상을 만들어가고 있다. 이러한 변화는 금융, 헬스케어, 콘텐츠, 공공 서비스 등 다양한 분야에서 새로운 비즈니스 모델과 생태계를 창출할 수 있는 기회를 제공한다. 예를 들어, 금융 분야에서는 사용자가 자신의 자산을 블록체인 지갑에 보관하고, 필요할 때마다 AI 에이전트를 통해 금융 서비스를 받을 수 있는 시대가 열리고 있다. 헬스케어 분야에서는 사용자가 자신의 건강 데이터를 직접 관리하고, 다양한 의료 서비스 제공자들과 안전하게 데이터를 공유할 수 있는 환경이 마련되고 있다.   한국 기업의 기회와 도전 과제 한국 기업들은 블록체인과 AI 에이전트의 결합을 통해 새로운 기회를 창출할 수 있는 중요한 시점에 있다. 그러나 동시에 글로벌 경쟁에서 뒤처지지 않기 위해 몇 가지 도전 과제를 해결해야 한다. 첫째, 기술 표준화와 규제 대응이 필요하다. 블록체인 기술은 아직 표준화가 이루어지지 않았기 때문에, 기업들은 다양한 블록체인 플랫폼에 대응할 수 있는 기술 역량을 확보해야 한다. 또한, 각국의 데이터 보호 규제와 블록체인 관련 법규를 준수하기 위한 법적 대응 방안도 마련해야 한다. 둘째, 사용자 경험(UX) 개선이 필요하다. 탈중앙화 기술은 사용자에게 많은 권한과 책임을 부여하기 때문에, 사용자들이 쉽게 이해하고 활용할 수 있는 인터페이스와 서비스가 중요하다. 한국 기업들은 블록체인 기술을 보다 직관적이고 사용자 친화적으로 설계하여, 더 많은 사용자들이 이러한 기술을 활용할 수 있도록 해야 한다.셋째, 글로벌 협력과 파트너십 강화가 필요하다. 블록체인과 탈중앙화 기술은 국경을 초월하는 글로벌 생태계에서 더욱 큰 가치를 발휘할 수 있다. 한국 기업들은 글로벌 기술 기업과의 협력을 강화하여, 새로운 비즈니스 기회를 모색하고 글로벌 시장에서 경쟁력을 확보해야 한다. 결론적으로, CES 2025에서 확인된 블록체인과 탈중앙화 트렌드는 기존의 수직적 통합 구조에서 탈피하여, 사용자 중심의 새로운 시대를 예고하고 있다. 한국 기업들은 이러한 변화를 적극적으로 수용하고, AI 에이전트와 블록체인 기술을 결합하여 사용자에게 새로운 가치를 제공하는 데 앞장설 필요가 있다. 이는 단순한 기술 혁신을 넘어, 인간 중심의 디지털 시대를 여는 중요한 전환점이 될 것이다.  “기술은 단순히 문제를 해결하는 도구가 아니라, 우리가 어떤 존재가 되고자 하는지에 대한 답을 제시하는 힘이다.” – 챗GPT   AI 시대를 맞이하는 우리의 자세 CES 2025는 기술의 최전선에서 무르익은 AI 시대를 상징적으로 보여주었다. AI 에이전트와 로봇이 삶 속으로 깊숙이 스며들고, 블록체인과 탈중앙화가 기존의 질서를 재편하고 있는 지금, 우리는 기술이 인간의 삶을 어떻게 바꾸고 있는지에 대해 진지하게 성찰할 필요가 있다. 중요한 것은 이러한 변화가 단순히 기술적 진보에 그치는 것이 아니라, 인간 중심의 가치와 윤리를 어떻게 재정립하느냐에 따라 우리의 미래가 달라질 것이라는 점이다.   기술을 넘어, 인간을 위한 에이전트 AI 에이전트와 로봇은 더 이상 단순한 도구가 아니라, 인간의 삶 속에서 함께 문제를 해결하고 새로운 가치를 창출하는 동반자로 자리 잡고 있다. 이 과정에서 우리는 기술의 편리함에만 집중할 것이 아니라, 기술이 인간의 본질적인 문제를 어떻게 해결할 수 있는지 고민해야 한다. CES 2025의 주제인 ‘Dive In’은 단순히 기술의 바다로 뛰어드는 것을 의미하지 않는다. 그것은 인간의 삶과 기술이 함께 깊은 곳에서 새로운 의미를 찾는 과정을 의미한다. AI 시대를 맞이하는 우리의 자세는 단순히 기술을 소비하는 것을 넘어, 기술이 인간의 문제를 어떻게 해결할 수 있는지, 그리고 인간다움을 어떻게 지킬 수 있는지에 대한 고민을 포함해야 한다. 철학자 하이데거는 “기술은 수단이 아니라, 존재 방식을 변화시키는 힘”이라고 말했다. 이는 우리가 AI와 함께 살아가면서 기술이 우리의 존재와 정체성에 미치는 영향을 깊이 고민해야 함을 시사한다.   기술 혁신과 윤리적 책임 AI 시대의 도래는 기술 기업과 사회에 새로운 윤리적 책임을 요구한다. AI 에이전트는 인간의 데이터를 수집하고 분석하며, 개인화된 서비스를 제공한다. 그러나 이 과정에서 프라이버시 침해, 데이터 오남용, 알고리즘 편향 등의 문제가 발생할 수 있다. 기술 혁신이 인간의 삶을 윤택하게 만들기 위해서는, 기술 개발 단계에서부터 이러한 윤리적 문제를 고려하고 해결해야 한다. 세계적인 기술 기업들은 이제 AI 윤리 헌장을 만들고, AI 개발에 있어 투명성과 공정성을 강조하고 있다. 한국 기업 역시 이러한 글로벌 흐름에 발맞추어 AI 개발 과정에서의 윤리적 책임을 강화해야 한다. 윤리적 책임을 다하는 기업만이 지속 가능하고 신뢰받는 기업으로 성장할 수 있다. 빌 게이츠는 이렇게 말했다. “우리가 기술을 통제하지 않으면 기술이 우리를 통제할 것이다.” 이는 AI 시대를 맞이하는 우리의 자세가 단순히 기술 발전을 수용하는 것이 아니라, 기술을 인간의 삶에 맞게 조율하고 통제하는 노력이 필요하다는 점을 강조한다.   인간 중심의 AI 시대를 위한 실천 AI 시대를 맞이하는 우리의 자세는 철학적 성찰과 윤리적 책임을 넘어, 구체적인 실천으로 이어져야 한다. CES 2025에서 보여준 트렌드는 다음과 같은 실천 과제를 제시한다. 데이터 주권 확보 : 개인이 자신의 데이터를 스스로 관리하고, 필요할 때 AI 에이전트에게 데이터를 제공하는 시스템을 구축해야 한다. 블록체인 기술과 결합된 탈중앙화 시스템은 이러한 데이터 주권을 강화할 수 있는 중요한 도구가 될 것이다. 윤리적 AI 개발 : 기업은 AI 개발 과정에서 투명성과 공정성을 강화하고, 데이터 편향 문제를 해결하기 위한 노력을 지속해야 한다. 윤리적 기준을 설정하고 이를 준수하는 것이 AI 시대의 지속 가능한 성장을 위한 필수 조건이다. 교육과 인식 제고 : AI 시대를 살아가는 시민은 기술에 대한 이해와 윤리적 인식을 높여야 한다. 학교 교육과 직업 훈련 과정에서 AI와 데이터 윤리에 대한 내용을 포함시켜야 하며, 일반 대중도 AI 기술을 올바르게 이해하고 활용할 수 있도록 해야 한다.   기술과 인간의 공존을 위한 새로운 패러다임 결국, AI 시대를 맞이하는 우리의 자세는 기술과 인간의 공존을 위한 새로운 패러다임을 구축하는 데 있다. 기술은 인간의 삶을 풍요롭게 만들기 위한 수단일 뿐이며, 기술의 최종 목적은 인간의 행복과 번영이어야 한다. 스티브 잡스는 “기술은 인간의 잠재력을 확장하는 도구”라고 말했다. 이 말은 우리가 기술을 단순히 소비하는 데 그치지 않고, 기술을 통해 인간의 삶을 더 나은 방향으로 변화시키기 위해 노력해야 한다는 점을 강조한다. CES 2025에서 우리는 AI 에이전트와 로봇이 단순한 기술적 진보를 넘어, 인간의 삶을 더욱 윤택하게 만들 수 있는 가능성을 확인했다. 이제 중요한 것은 이러한 가능성을 현실로 만드는 것이다. 이를 위해 우리는 기술을 올바르게 이해하고, 기술과 인간이 공존할 수 있는 새로운 패러다임을 구축하는 데 앞장서야 한다. 마지막으로, CES 2025가 던진 ‘Dive In’이라는 메시지는 분명하다. 그러나 이 메시지는 기술의 바다로 뛰어드는 것에 그치지 않는다. 그것은 인간의 삶에 의미와 목적을 부여하는 창조적 존재로서의 역할을 다하라는 것이다. AI 시대의 주체는 기술이 아니라, 결국 기술을 활용하여 더 나은 세상을 만드는 인간이다.   ▲ CES 2025 트렌드 맵(Map by 류용효) (클릭하면 큰 이미지로 볼 수 있습니다.)   CES 2025 트렌드 맵 CES 2025에서 주목받는 기업 중에 존 디어는 CES 2025에서 농업과 건설 분야의 혁신적인 자율 기술을 선보이며 주목을 받았다. 이 회사는 2세대 자율 주행 키트를 공개했는데, 이는 고급 컴퓨터 비전, AI, 그리고 16개의 카메라를 통한 360도 시야를 결합하여 기계의 환경 인식 능력을 크게 향상시켰다. 존 디어가 선보인 주요 자율 기계 중에는 대규모 농업용 9RX 트랙터, 과수원 작업에 특화된 5ML 트랙터, 채석장용 460 P-Tier 굴절식 덤프 트럭, 그리고 상업용 전기 자율 잔디깎이 기계가 있다. 특히 5ML 트랙터는 라이다 센서를 추가하여 밀집된 과수원 환경에서의 작업에 적합하도록 설계되었으며, 디젤 엔진 모델과 배터리 전기 모델 두 가지 버전으로 계획되어 있다. 존 디어는 또한 John Deere Operations Center Mobile을 통해 사용자들이 이러한 자율 기계를 효율적으로 관리할 수 있도록 했다. 더불어 일부 기존 기계에 대해 2세대 인식 시스템 레트로핏 키트를 제공함으로써, 기존 고객들도 새로운 기술의 혜택을 받을 수 있게 했다. 이러한 혁신적인 기술은 농업과 건설 분야의 노동력 부족 문제를 해결하는 데 큰 도움이 될 것으로 기대된다. 존 디어의 이러한 노력은 CES 2025에서 여러 매체로부터 ‘Best of CES’ 상을 수상하며 그 가치를 인정받았다. 어쩌면 존 디어는 디지털 전환을 잘 적용하고, 자사의 코어 기술에 최신 IT 기술(AI, 메타버스 등) 을 적절하게 잘 협업하여 자신만의 독특한 영역을 확보하여 미래 가치를 더 높이는 결과를 낳았다. CES 시작 시점인 1967년부터 2025년까지 시대적 흐름을 담고 주요 키워드를 통해 인사이트를 얻기 위해 한 장의 맵을 만들었다.   ■ 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.
작성일 : 2025-02-04
[무료다운로드] 생성형 AI 기반 BIM 전문가 시스템 개발해 보기
BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 지난 연재를 통해 설명한 생성형 AI 기술을 바탕으로 BIM(건설 정보 모델링) 전문가 시스템을 개발하는 방법을 간단히 알아보도록 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   이 글에서는 LLM(대규모 언어 모델)과 RAG(검색 증강 생성) 기술을 적용하여 BIM IFC(Industry Foundation Classes) 데이터의 정보를 검색하고, 이를 바탕으로 BIM 지식 전문가 에이전트를 개발하는 방법을 소개한다. 이런 에이전트는 자연어 기반의 사용자 쿼리를 통해 필요한 정보를 신속하고 정확하게 제공하며, 건설 프로젝트의 전반적인 효율성을 높일 수 있다. 이 글에서 소개하는 방법은 RAG를 이용해 전문가 시스템을 개발하는 여러 가지 대안 중 하나임을 미리 밝힌다. IFC와 같은 포맷을 이용한 RAG와 LLM 사용 기법은 목적에 따라 구현 방법의 차이가 다양하다.    LLM RAG 기반 BIM 전문가 시스템 프로세스 현재 대중적인 목적으로 개발된 LLM 기술인 ChatGPT(오픈AI), Gemini(구글), Llama(메타), Phi(마이크로소프트)는 BIM의 일반적인 지식, 예를 들어 BIM 관련 웹사이트에서 공개된 일반적인 개념 설명, PDF에 포함된 텍스트를 학습한 모델을 제공하고 있다. 다만, 이들 LLM 도구는 BIM 모델링 정보를 담고 있는 IFC와 같은 특수한 데이터셋 파일은 인식하지 않는다. 현재는 PDF같은 일반적인 파일 형식만 검색 증강 생성을 지원하는 RAG 기술을 이용해, 도메인에 특화된 지식 생성을 지원한다. 이는 특정 도메인 지식을 훈련하기 위해 필요한 비용이 너무 과대하며, 도메인 지식을 모델 학습에 맞게 데이터베이스화하는 방법도 쉽지 않기 때문이다. 예를 들어, ChatGPT-4 모델을 훈련할 때 필요한 GPU 수는 엔비디아 A100×25,000개로 알려져 있으며, 학습에 100일이 걸렸다. A100 가격이 수천 만원 수준인 것을 감안하면, 사용된 GPU 비용만 천문학적인 금액이 소모된 것을 알 수 있다.  이런 이유로, LLM 모델을 전체 학습하지 않고 모델 중 작은 일부 가중치만 갱신하는 파인튜닝(fine-tuning), 범용 LLM는 운영체제처럼 사용하여 정보 생성에 필요한 내용을 미리 검색한 후 컨텍스트 프롬프트 정보로서 LLM에 입력해 정보를 생성하는 검색 증강 생성 기술인 RAG이 주목받고 있다. RAG는 <그림 1>과 같은 순서로 사용자 질문에 대한 답변을 생성한다.   그림 1. RAG 기반 BIM 전문가 시스템 작업 흐름(한국BIM학회, 2024)   RAG는 LLM에 입력하는 템플릿에 답변과 관련된 참고 콘텐츠를 프롬프트에 추가하여 원하는 답을 생성하는 기술이다. 이런 이유로, 답변에 포함된 콘텐츠를 처리하고, 검색하는 것이 매우 중요하다. LLM은 입력 프롬프트에 생성에 참고할 콘텐츠를 추가하지 못하면 환각 문제가 발생되는 단점이 있다. 각 RAG 단계는 검색이 가능하도록 데이터셋을 청크(chunk) 단위로 분할(split)하고, 데이터는 임베딩(embedding)을 통해 검색 연산이 가능한 벡터 형식으로 변환된다. 이 벡터는 저장 및 검색 기능을 가진 벡터 데이터베이스(vector database)에 저장된다. 사용자의 질문은 검색 알고리즘을 통해 벡터 데이터베이스에서 가장 근사한 정보를 포함하는 콘텐츠를 얻고, 프롬프트에 추가된 후 LLM에 입력된다. 그 결과 LLM은 원하는 답변을 출력한다. 이를 통해 학습하지 않은 전문 분야의 토큰을 인식하지 못하는 LLM이 원하는 결과를 생성할 수 있도록 한다.   BIM IFC 콘텐츠 데이터 구조 분석 앞서 살펴본 바와 같이 RAG 성능은 입력되는 데이터셋의 특징과 검색 알고리즘에 큰 영향을 받는다. 그러므로, 개방형 BIM 데이터 형식으로 사용되는 IFC의 특징을 분석하여 BIM RAG를 위한 데이터 처리 시 이를 고려한다. IFC 파일 구조는 STEP(ISO 10303), XML 스키마 형식을 준용한다. IFC는 객체지향 모델링과 그래프 모델 구조의 영향을 많이 받았다. 확장성을 고려해 BIM을 구성하고 있는 건축 객체의 부재들, 관계, 속성집합에 Instance ID 및 GUID(Globally 2025/1 Unique IDentifier)와 같은 해시값(hash)을 할당하고, 이들 간의 관계를 해시번호로 참조하여, 거대한 온톨로지 그래프 구조를 정의한다. <그림 2~3>은 이를 보여준다.   그림 2. IFC 객체 그래프 구조(Wall instance)   그림 3. IFC 그래프 구조 표현(강태욱, 2022)     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-01-06