디지털 지식전문가 조형식의 지식마당   과거 십수 년간 전 세계 기업들을 관통한 화두는 ‘디지털 전환(digital transformation : DX)’이었다. 아날로그 데이터를 디지털화하고, 클라우드와 모바일 환경을 구축하며 비즈니스의 민첩성을 확보하는 것이 생존의 필수 조건이었다. 하지만 이제 시대의 흐름은 단순한 디지털화를 넘어 ‘AI 전환(AI transformation : AX)’이라는 새로운 국면으로 접어들고 있다.   그림 1. 디지털 전환의 진화   기술의 도입을 넘어 조직의 재설계로 많은 이가 디지털 전환을 IT 인프라의 현대화나 소프트웨어 도입 정도로 오해하곤 한다. 그러나 디지털 전환의 진정한 가치는 기술 그 자체가 아니라, 기술을 중심에 두고 ‘조직을 재설계하는 것’에 있었다. 기존의 파편화된 업무 프로세스를 통합하고, 데이터가 흐르는 구조를 만들어 의사결정의 근거를 마련하는 과정이 바로 DX의 핵심이었다. 하지만 데이터가 쌓이는 것만으로는 충분하지 않다. 방대한 데이터 속에서 의미를 추출하고, 이를 실시간 비즈니스 액션으로 연결해야 하는 과제가 남았다. 여기서 AI 전환의 필요성이 대두된다. 특히 디지털 스레드(digital thread)는 의미 없는 데이터를 연결하여 맥락(context)를 주고 스토리텔링(storytelling)을 만들어서 인간의 감성을 움직인다. 예를 들어서 대부분의 사람들이 매일 스마트폰으로 엄청난 양으로 사진을 찍지만, 대부분을 관리하지 않는다. 그리고 이 사진은 필요할 때 찾지 못해서 사용하지 못하고 있다. 이것은 현대 사회의 일면이다. 자료를 엄청나게 생성하지만 사용하기는 쉽지 않다는 것이다. 기업의 데이터도 마찬가지이다. 또한 이것은 디지털 트윈(digital twin : DT)의 형태로 인간의 현실 세계(real world), 증강현실/가상현실 (AR/VR) 그리고 메타버스(metaverse)의 영역까지 연결할 수 있다. 이것은 미래 기업의 존재 방식이 어떤 형태든 가질 수 있다는 것이다.   AI 전환 : 조직을 하나의 지능으로 만드는 과정 AI 전환은 단순히 업무에 챗봇을 도입하거나 분석 도구를 활용하는 수준을 의미하지 않는다. AX의 진정한 지향점은 ‘조직을 하나의 지능으로 만드는 것’이다.   그림 2. 인지 디지털 전환의 형태   기존의 조직이 각 부서의 매뉴얼과 개인의 경험에 의존해 움직였다면, AI 전환을 이룬 기업은 조직 전체가 유기적으로 연결된 하나의 거대한 지능체처럼 작동한다. 마케팅의 데이터가 생산으로 흐르고 고객의 피드백이 실시간으로 제품 설계에 반영되는 구조, 즉 데이터와 알고리즘이 조직의 혈관 역할을 하며 판단과 실행을 주도하는 상태를 의미한다. 그리고 이런 조직은 현실 세계와 연동되는 디지털 트윈의 형태가 될 수도 있고, 가상의 형태가 될 수 있다.   효율적 집단에서 지능 시스템으로의 진화 AI 전환을 통해 기업은 단순한 ‘효율적 집단’에서 ‘지능적 시스템’으로 진화한다. 이러한 진화는 세 가지 차원에서 기업의 존재 방식을 재정의한다. 첫 번째 – 더 빠른 학습 : 시장의 변화와 고객의 패턴을 실시간으로 흡수하여 조직의 지식 자산으로 축적한다. 인공지능의 최대의 장점은 일반적인 학습이다. 두 번째 – 더 정확한 판단 : 인간의 편향이나 정보의 누락 없이, 방대한 데이터를 기반으로 최적의 의사결정을 내린다. 인간은 물론 인공지능도 편향을 가지고 있다. 세 번째 – 더 창의적인 행동 : 반복적이고 소모적인 판단 업무에서 벗어난 인적 자원이 더 높은 차원의 전략과 창의적 비즈니스 모델 창출에 집중한다. 아직도 인공지능은 창의적 생각을 하기는 부족하지만, 인간은 인공지능의 도움을 받아 더 효과적으로 창의성을 발휘할 수 있다. 제조업 분야에서는 피지컬 AI(physical AI)와 자율 제조 시스템(autonomous manufacturing system)의 연결이 될 것이다. 그러나 우리의 기대처럼 될 것 같지는 않다. 부분적으로 실현될 가능성이 높다. 현실적으로 아직도 해결해야 할 과제가 너무 많이 있다. 미래에 대해서 누구나 이야기할 수 있다. 왜냐면 미래는 증명할 필요가 없이 그럴듯하고 듣기 좋은 이야기가 항상 인기 있기 때문이다.   리스크 : AI 전환은 동시에 ‘위험 전환’ AI 전환은 강력한 기회인 동시에, 전례 없는 리스크를 동반한다. 주요 리스크는 데이터 프라이버시, 알고리즘 편향성, 설명 불가능성, 규제 리스크(예 : EU AI Act)이다. 특히 중요한 것은 ‘AI는 정확할 수는 있지만, 항상 공정한 것은 아니’라는 것이다. 따라서 기업은 반드시 설명 가능한 인공지능(explainable AI : XAI)와 윤리적 AI 가이드라인 지속적 감사 체계를 구축해야 한다.   그림 3. AI 시대의 단계   맺음말 : 지능의 확장이 가져올 미래 디지털 전환은 이제 AI 전환으로 진화하고 있다. 우리가 반드시 기억해야 할 점은, 디지털 전환의 궁극적인 목표가 단순한 자동화나 비용 절감을 통한 효율화가 아니라는 사실이다. 그 본질은 ‘인간 조직의 지능을 확장하는 것’이다. AI 전환은 바로 이 지점에서 시작된다. 기업은 이제 기술을 도구로 사용하는 단계를 지나 스스로 더 빠르게 학습하고, 더 정확하게 판단하며, 더 창의적으로 행동하는 ‘지능적 시스템(intelligent system)’으로 거듭나야 한다. 결국 디지털 전환이 ‘조직을 재설계하는 것’이었다면, AI 전환은 그 설계를 바탕으로 ‘조직을 하나의 살아있는 지능으로 만드는 것’이다. 이 거대한 흐름 속에서 AI를 조직의 일부로 내재화하는 기업만이 미래 경쟁력을 선점하게 될 것이다. 우리는 이것은 인지적 디지털 전환(cognitive digital transformation) 이라고 부를 지도 모른다.   ■ 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.

SIMTOS 2026  - 캐드앤그래픽스 주관 컨퍼런스 Day 1  4.16(목) - 피지컬 AI & 디지털트윈 컨퍼런스 발표자 및 발표 내용 소개 1. 피지컬AI의 부상, 제조 강국의 길 한국로봇산업진흥원 제조로봇본부 전진우 수석연구원 [강연 내용] 피지컬AI에 대한 이해와 국내외 동향을 살펴보고 왜 제조분야에 도입이 필요한 가에 대한 기술, 경제, 문화적 관점의 해석을 통해    한국이 제조 강국을 유지하기 위해 가야할 길을 모색해 보고자 한다. [약력] 공학박사(Ph.D) 한국로봇산업진흥원 로봇클러스터사업단장, 정책기획실장 로봇학회 이사, 재활로봇학회 이사, 인공지능윤리학회 이사 숭실대 스마트산업안전공학과 겸임교수(기계로봇 안전) 2. Beyond Possibility, Autonomous Manufacturing Transformation - Physical AI와 디지털 트윈을 통한 자율제조혁신) 현대자동차·기아 민정국 상무 [강연 내용] 1. 자동차 제조 산업의 변화 2. 새로운 여정 : 자율제조공장 3. 자동화의 진화 : 자율제조혁신 [약력] ■ 현대자동차·기아 제조SW개발실 상무 ■ LG 디스플레이 - CTO VD, VP / Technology Fellow ■ 삼성전자    . 혁신센터 - Principal Researcher   . 반도체 연구소 CAE팀 - Senior Researcher   . SSIT(삼성전자공과대학교) - Visiting Professor, Industrial AI/Advanced CMOS ■ IBM New York - Technology CAD Researcher ■ 공학박사 - 성균관대 반도체디스플레이 및 산업공학 (Industrial AI & Digital Twin)             - 삼성전자 Fellowship 3Yrs 조기졸업  ■ KAIST - Executive Course in Artificial Intelligence 수료   3. 조선 미래를 위한 차세대 설계/생산 통합 플랫폼과 피지컬 AI HD현대 이태진 전무(CDO) [강연 내용] 한국의 조선산업은 새로운 도약을 준비하고 있다. 전통적인 노동 집약 산업에서 디지털 기술과 AI를 활용한 지능형 자율 운영 조선소의 비전을 실현하고자 한다. D현대 그룹은 FOS(Future of Shipyard)프로젝트의 일환으로 차세대 설계/생산 통합 플랫폼과 AI를 활용하여 선박 제조 밸류 체인의 가상화, 지능화, 자율화를 완성하고자 한다.    [약력] 현재 HD현대 그룹의 CDO(Chief Digital Officer)로 그룹 내 조선, 중장비, 에너지 산업의 디지털전환을 이끌고 있다. 과거 액센츄어 코리아의 제조 산업 부문 리드로서 다수의 중공업 및 기계 산업 고객의 프로세스 혁신 및 디지털 전환 프로젝트를 수행한 바 있다.   4. 제조AX(M.AX) 얼라이언스 구성·성과 및 운영방향 한국산업기술기획평가원(KEIT) 김성호 본부장 [강연 내용]  제조 AX(M.AX) 얼라이언스 추진 배경, 구성 및 목표, 주요 성과, 운영 방향 등에 대해 소개한다. [약력] 한국산업기술기획평가원 AI자율제조추진단장, 휴머노이드추진단장 한국산업기술기획평가원 주력산업본부장 5. 제조 피지컬 AI & 제조 자동화  KAIST 장영재 교수 [강연 내용] 제조 피지컬 AI와 소프트웨어 중심적 공장 (SDF)에 대한 개념과 실제 사례를 소개한다. AI의 물리적 요소를 고려한 시스템을 피지컬 AI라 정의하고 있다. 자율주행 자동차 및 로봇이 피지컬 AI의 대표적인 사례다. 그러나 제조 피지컬 AI는 거대 시스템과 다양한 복합 장비를 다룸으로 그 구성과 운영의 차별성이 필요하다. 이러한 차별점의 핵심이 바로 SDF이다. 소프트웨어 중심적 설계를 통해 공장을 하나의 거대한 AI 시스템으로 설계하고 이를 기반으로 자율운영을 가능하게하는 것이 SDF의 본질이다. 실제 국내 사례를 통해 이들 개념 및 자율공장이 어떻게 구축되었는지 살펴볼 것이다. [약력] 산업 및 시스템 공학과에서 "스마트 팩토리" 및 "지능형 물류 및 공급사슬망 시스템" 관련 연구를 진행하고 있다. 또한 2025년 12월에 설립된 <카이스트 제조 피지컬 AI 연구소> 소장을 역임하고 있다. 카이스트 부임 전 미국 반도체 메모리 제조사인 마이크론 테크놀로지 (Micron Technology)에서 4년간 현장에서 공장 자동화 및 운영 관련 업무를 수행하였다. MIT 공대 기계 공학과에서 박사학위를 취득했다. 2020년에는 연구실 박사 졸업생 4명과 함께 <다임리서치>를 창업했다. 현재 국제저널인 Computers and Industrial Engineering (SCIE:2.62) 의 부편집장 (Associate Editor)를 맡고 있으며 International Journal of Production Research, IEEE Power Electronics 등 국제 저널 특별호의 편집장 및 부 편집장과 반도체 운영 전문가들의 국제 학회인 (International Symposium on Semiconductor Intelligence) 및 Winter Simulatoin Conference MASM의 학회장을 역임했다.  SIMTOS 컨퍼런스 2026 상세 내용 보러가기 >>

시높시스가 피지컬 AI(physical AI) 시스템 구현을 위한 소프트웨어 중심 제품 개발의 핵심인 전자 디지털 트윈을 생성, 관리 및 배포할 수 있는 ‘시높시스 전자 디지털 트윈(Synopsys Electronics Digital Twin, 이하 eDT) 플랫폼’을 출시했다. 이 플랫폼은 우선 가치가 높은 자동차 산업 분야에 집중하여 하드웨어가 나오기 전 소프트웨어 검증의 최대 90%를 선행할 수 있도록 지원하는 개방형 설루션이다. 이를 통해 자동차 제조사가 차량 개발 비용을 절감하고 시장 출시 기간을 대폭 단축할 수 있다는 것이 시높시스의 설명이다. 현재 자동차 엔지니어링 팀은 6억 줄이 넘는 소프트웨어 코드와 수백 개의 공급업체, 짧아진 개발 주기와 비용 압박이라는 상황에 직면해 있다. 시높시스의 라비 수브라마니안(Ravi Subramanian) 최고 제품 관리 책임자는 차량부터 AI 공장(AI factories)에 이르는 지능형 시스템 개발에는 실리콘 설계와 소프트웨어 동작을 초기 단계부터 연결하는 완전히 새로운 접근 방식이 필요하다고 강조했다. 시높시스는 이번 eDT 플랫폼을 통해 가상 시스템 온 칩(SoC) 모델과 대규모 시스템 시뮬레이션 분야의 리더십을 결합하여 차세대 차량 개발을 가속화할 계획이다.     eDT 플랫폼은 사용자가 클라우드 기반의 ‘eDT 랩(eDT Labs)’을 구성할 수 있도록 지원한다. 여기에는 시높시스의 기술과 개방형 생태계 도구, 모델, 소프트웨어 및 확장 가능한 컴퓨팅 자원이 통합되어 있다. 시높시스가 소개한 주요 활용 사례로는 ▲가상 프로토타입에 대한 원활한 접근으로 신규 SoC 또는 마이크로컨트롤러(MCU)를 조기 평가 ▲하드웨어 사용 전 통합 도구를 지원해 소프트웨어 개발 조기 착수 및 개발 일정 단축 ▲고객 팀, 공급업체, 도구 제공업체 간의 원활한 소프트웨어 개발 협업 환경 제공 ▲지속적 통합 및 테스트(CI/CT) 워크플로에 eDT를 통합해 시스템 검증 노력 절감 및 품질 개선 등이 있다. 시높시스는 eDT 랩의 구축과 관리를 간소화하기 위한 다양한 기능을 제공한다고 전했다. 시높시스의 시뮬레이션 및 AI 기술뿐만 아니라 벡터(Vector)와 공동 개발한 오픈 소스 SIL 킷을 사용하면 가상 ECU와 모델, 소프트웨어 구성 요소를 신속하게 연결할 수 있다. 플랫폼은 역할 기반 사용자 관리, 보안 액세스, 암호화, 워크플로 편집기 등을 제공하며, AWS의 클라우드 인프라와 그래비톤4 프로세서를 활용해 현대적 자동차 개발에 필요한 성능과 유연성을 확보했다.

제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (8)   PTC는 설계부터 제조까지의 전 과정을 아우르는 디지털 스레드(digital thread)를 더욱 강화한 크레오 파라메트릭 12.0(Creo Parametric 12.0) 버전을 2025년 4월 출시했다. 12.0 버전은 시뮬레이션 기반 설계(SimulationDriven Design) 환경을 한층 더 고도화하였으며 특히 인공지능(AI)을 활용하여 최적의 형상을 찾아내는 제너레이티브 디자인(generative design, 생성형 설계)의 개선 기능이 포함되었다. 기존의 제너레이티브 디자인이 구조적 경량화에 초점을 맞추었다면 크레오 12.0은 열 최적화(thermal optimization)와 복합형 보디(hybrid body)의 정밀 분석, 그리고 제조 형상 제어 기능을 강화하여 엔지니어가 실무에서 바로 활용할 수 있는 수준의 완성도 높은 형상 결과를 제공한다. 이번 호에서는 크레오 12.4 업데이트에 포함된 제너레이티브 디자인의 핵심 개선 사항들을 알아보자.   ■ 김성철 디지테크 기술지원팀의 이사로 크레오 전 제품의 기술지원 및 교육을 담당하고 있다. 홈페이지 | www.digiteki.com   복합형 보디의 면적 및 부피 측정 제너레이티브 디자인 형상이 포함된 복합 보디의 표면적 및 부피 측정을 지원한다. 분석(Analysis) 탭 → 측정(Measure) 그룹에서 영역(Area) 또는 볼륨(Volume)을 선택한다.     이제 제너레이티브 디자인에서 생성된 최적화된 형상의 중량을 예측하고, 도장 면적 산출 및 금형 투영 면적 계산 등에 활용하여 후속 공정의 필요한 데이터를 빠르게 제공할 수 있다.   복합형 확장된 형상 분석 지원 생성한 복합 보디에 대한 음영처리 곡률, 반사, 새도 및 슬로트 분석 등 다양한 형상 분석 기능을 지원한다. 분석(Analysis) 탭에서 형상 검사(Inspect Geometry)를 선택한다.     복합 보디에 대한 반사를 분석할 수 있다.     복합 보디에 대한 슬로프 분석이 가능하다.     복합 보디에 대한 확장된 형상 분석으로 설계자는 표면 품질을 직관적으로 시각화하고 검토할 수 있다. 다양한 형상 분석을 통해 급격한 곡률 변화로 인한 형상 문제나 제조 과정에서 발생할 수 있는 오류를 사전에 빠르게 파악할 수 있다.   열 최적화 검토 생성형 설계의 열 검토(Thermal Study) 기능을 활용하면 전자기기 및 열 민감 제품에 대한 설계 최적화 과정에서 강력한 분석과 최적화를 수행할 수 있다. 안정 상태 열 해석을 기반으로 전도 및 대류 조건을 정의할 수 있으며, 전열/열류/열 생성 하중과 같은 새로운 하중 유형을 적용할 수 있다. 또한 최고 온도 최소화 또는 질량 최소화와 같은 최적화 목표를 설정하여 다양한 사용 사례에 대응할 수 있다. 생성형 설계(Generative Design) 탭에서 검토(Study) → 열 검토(Thermal Study)를 선택한다.     열 검토의 설계 공간 설정에서 보존된 형상을 선택하면 다중 보디에서 보존 형상과 시작 형상을 명확히 구분하여 정의할 수 있어, 최적화 과정에서 불필요한 형상 변경을 방지하고 효율적인 설계 공간을 정의할 수 있다.     열 검토(Thermal Study)에서는 경계 조건으로 온도(Temperature)와 대류(Convection)를 선택하여 공기나 유체에 의한 냉각 효과를 정의할 수 있다. 온도 조건은 지정된 표면에 일정한 온도를 부여하여 열 전달을 제어하며, 대류 조건은 외부 환경과의 열 교환을 모사한다. 특히 대류 조건은 상온을 기준으로 자동 설정되어 별도의 입력 없이도 기본적인 냉각 효과를 반영할 수 있다.     생성형 설계의 열 검토(Thermal Study)에서 다양한 열 하중을 정의하여 실제 사용 환경을 보다 정밀하게 모사할 수 있다. 열 하중(Heat Load) : 발열원을 정의하며, 와트(W) 단위로 입력한다. 특정 부품이나 영역에서 발생하는 발열량을 직접 지정할 수 있어 전자기기와 같은 발열 요소를 정확히 반영할 수 있다. 열류(Heat Flux) : 단위 면적당 열의 이동량을 정의한다. 표면을 통해 전달되는 열 흐름을 제어할 수 있으며 냉각판이나 방열판과 같은 열 관리 구조의 성능을 검토하는 데 활용된다. 열 생성(Heat Generation) : 부품 내부에서 발생하는 발열 조건을 정의한다. 재료 자체의 발열 특성이나 내부 전기/화학 반응으로 인한 열 발생을 모델링할 수 있다.     ■ 기사 상세 내용은 PDF로 제공됩니다.

차세대 HMI부터 시뮬레이션,몰입형 모빌리티 생태계까지   CES(국제전자제품박람회)의 자동차 전시관은 올해도 활기 넘치는 현장이었으며, 모빌리티와 디지털 몰입 경험의 융합이 더 이상 트렌드가 아닌 업계 표준으로 자리 잡았음을 보여줬다. 지난해 박람회가 혁신적인 기술의 가능성을 보여줬다면, 2026년은 실행 중심으로의 전환이 뚜렷해진 해였다. 제조사와 기술 기업들은 운전자 경험을 새롭게 정의하는 양산 수준의 설루션을 선보였다. ■ 자료 제공 : 에픽게임즈   CES 2026는 에픽게임즈에게도 중요한 이정표가 된 행사로, 에픽은 언리얼 엔진 5 기반의 차세대 HMI(휴먼-머신 인터페이스) 경험을 공개했다. AMD와의 기술 협업을 통해 라이젠 AI 임베디드 P100 시리즈(Ryzen AI Embedded P100 Series)에서 구동되는 이 프로젝트는 하나의 UE5 실행 인스턴스에서 디지털 콕핏의 모든 픽셀을 구동하는 성능을 보여준다. 소니 혼다 모빌리티와 퀄컴 등 파트너사들이 선보인 언리얼 엔진 애플리케이션을 통해, 올해 CES는 HMI의 미래가 인터랙티브하고 몰입감 있으며 데이터 중심의 게임화된 경험으로 진화하고 있음을 보여줬다. 이번 호에서는 언리얼 엔진 5의 차세대 HMI 경험에 대한 내용과 함께, 전시장에 참여한 협력사 및 파트너사가 선보인 창의적인 언리얼 엔진 쇼케이스를 살펴본다.   언리얼 엔진 5의 차세대 HMI 경험 CES 2026에서 공개된 언리얼 엔진 5의 차세대 HMI 경험은 디지털 자동차 콕핏의 모든 픽셀을 언리얼 엔진 5로 구동하는 기술력을 선보인다. 이 프로젝트는 단순한 데모를 넘어 자동차 HMI 개발에서 비주얼 퀄리티, 성능, 상호작용 측면의 새로운 기준을 제시하는 것을 목표로 한 에픽게임즈의 내부 프로젝트다. 언리얼 엔진 5의 차세대 HMI 경험은 하나의 UE5 실행 인스턴스로 계기판, 지도, 미니맵, 컨트롤 패널, 3D 배경을 포함한 디지털 콕핏 전체를 동시에 렌더링하며, 60fps로 구동되는 고해상도 디스플레이 경험을 제공한다. CES에서 선보인 주요 기능은 다음과 같다. HMI 환경에서 게임 요소를 직접 체험할 수 있는 커스터마이징 가능한 비주얼과 인터랙티브 테마(조작 가능한 젤리빈 캐릭터가 등장하는 폴가이즈 테마 포함) 주요 관심 지점과 파리의 상징적인 랜드마크를 포함한 2D 항공 뷰 및 3D 스트리트 레벨 내비게이션을 지원하는 네이티브 지도 AMD의 주행 시뮬레이터와 통합돼 포토리얼한 언리얼 엔진 환경에서 생성된 합성 데이터를 활용해 AI 시스템을 학습하는 첨단 운전자 보조 시스템(ADAS) 게임을 포함해 오디오·비디오 스트리밍 플랫폼 등 크로미움(Chromium) 기반 제3자 애플리케이션 실행 기능 디지털 콕핏 내에서 로켓 리그(Rocket League)와 같은 게임을 플레이할 수 있는 기능 HMI 인터페이스 전반에 걸쳐 음성으로 사용자를 안내하는 밝고 다채로운 음성 인식 어시스턴트 에픽게임즈는 언리얼 엔진 5 차세대 HMI 경험을 활용해 실제 양산 제품 수준의 안전한 환경에서 새로운 HMI 기능을 테스트하고 개선하며, 자동차 HMI의 미래 가능성을 제시한다.   CES에서 소개된 주요 언리얼 엔진 프로젝트 CES 2026에서는 향후 자동차 산업의 방향을 제시할 다양한 언리얼 엔진 기반 프로젝트가 공개됐다. 주요 하이라이트는 다음과 같다.   아처마인드 소프트웨어 개발 및 서비스 기업 아처마인드(ArcherMind)는 퀄컴 스냅드래곤 엘리트(Qualcomm Snapdragon Elite) 플랫폼에서 구동되는 자동차 HMI 데모를 선보였다. 45인치 대형 디스플레이를 갖추고 언리얼 엔진으로 구현된 이 디지털 콕핏 경험은 ADAS, 인포테인먼트 터치스크린, 그리고 동승자 화면이라는 세 가지 영역으로 구성돼 있다. 인포테인먼트 화면에는 사용자가 직접 상호작용할 수 있는 자동차 시각화 기능이 포함돼 있어, 차량의 문을 열고 닫거나 색상을 변경하고 실내 조명을 조절하는 등 다양한 기능을 사용할 수 있다. 또한, 이 데모는 AI를 활용한 HMI 제어를 지원해, 음성 명령으로 에어컨을 작동시키거나 지도에서 위치를 검색하고 아마존 및 구글과 같은 제3자 서비스에 연결할 수 있다. 실내 카메라는 운전자의 표정을 감지해 AI 어시스턴트에 전달하며, 운전자가 웃고 있을 경우 신나는 음악을 추천한다. 또한 AI는 차에 탑승한 인원 수를 인식해, 해당 인원에 맞는 인근 레스토랑을 찾거나 정확한 인원으로 저녁 식사 예약을 도와주는 등 다양한 작업을 지원한다.   ▲ 아처마인드가 선보인 자동차 HMI 디지털 콕핏 데모 화면(출처 : 에픽게임즈)   브런즈윅 코퍼레이션 브런즈윅 코퍼레이션(Brunswick Corporation)은 CES 2026에서 플라이트(Flite)의 기술로 구현된 이포일링(eFoiling) 시뮬레이터와 레저용 보트 운항의 미래를 보여주는 차세대 조타석 시뮬레이터를 공개했다. AI 코파일럿을 탑재한 퓨처 헬름 시뮬레이터(Future Helm Simulator)는 항로 계획, 조종, 정박, 상황 인식을 지능적으로 지원하는 차세대 경험을 제공하며, 보트 운항 시 선장이 가장 큰 스트레스를 느끼는 요소를 줄이는 것을 목표로 한다. 플라이트보드 이포일 시뮬레이터(Fliteboard eFoil Simulator)는 실제 수면에서의 주행을 충실히 재현하도록 향상된 역학과 반응성을 적용해, 전동 하이드로포일 서프보드로 물 위를 미끄러지듯 활주하는 감각을 전달한다. 두 시뮬레이터 모두 언리얼 엔진으로 구동되며, 사용자는 수로를 탐색하고 자동으로 정박하며, 관심 지점과 야생 동물을 식별하고 게임화된 시나리오에서 경주까지 즐길 수 있는 높은 상호작용과 사실적인 해양 환경을 경험할 수 있다. 이러한 시뮬레이션을 통해 소비자들은 미래의 보트 운항 경험을 탐색하고, 자율 운항 기능을 테스트하며, 실제 환경에서 선박이 어떻게 반응하는지를 검증할 수 있다. 브런즈윅의 기술은 디지털 세계와 실제 세계를 연결하고 차세대 해양 기술 개발을 가속화한다.   ▲ 브런즈윅 코퍼레이션이 CES 2026에서 공개한 차세대 보트 운항 시뮬레이터 시연 모습(출처 : 에픽게임즈)   디스페이스 디스페이스(dSPACE) 부스에서는 언리얼 엔진 기반 시뮬레이션과 통합된 디스페이스 하드웨어 및 소프트웨어를 활용해 ADAS와 자율 주행을 테스트하는 시연을 볼 수 있었다. 이미 수백만 대의 차량에 적용돼 긴급 제동과 같은 핵심 기능을 담당하는 카메라 기반 인지 장치는, 멀티 GPU 시스템에서 동기화되어 구동되는 고퀄리티 리얼타임 시뮬레이션을 통해 테스트되고 있었다. 이 시뮬레이션은 포토리얼한 렌더링과 카메라, 레이더, 초음파 출력과 같은 물리 기반 센서 데이터를 함께 생성하며, 이렇게 생성된 데이터는 인지 성능을 평가하기 위해 전자 제어 장치(ECU)로 직접 전달된다. 이 시스템은 120대 이상의 차량과 보행자가 포함된 복잡한 시나리오를 시뮬레이션할 수 있으며, 추가 카메라 구성이나 폭설과 같은 악천후 조건을 즉시 적용해 환경 변화가 인지 정확도에 미치는 영향을 평가하고, 이를 바탕으로 알고리즘을 향상시킬 수 있다.   ▲ CES 2026 디스페이스 부스에서 시연된 언리얼 엔진 기반 ADAS·자율주행 통합 시뮬레이션(출처 : 에픽게임즈)   이카엑스 이카엑스(ECARX)는 퀄컴 스냅드래곤 엘리트 SoC 기반의 단일 플랫폼에서, 언리얼 엔진 5로 구동되는 디지털 콕핏과 ADAS를 동시에 구현한 혁신적인 통합 데모를 시연했다. 차량의 3D 디지털 트윈은 화면에서 실제 차량과 일관된 시각적 표현을 제공해 사용자가 차량을 실시간으로 제어할 수 있도록 한다. 차량의 문과 엔진 후드를 열거나, 차체 색상, 휠/스포일러 디자인, 실내 조명, 오디오 환경 설정을 변경할 수 있으며, 이 모든 조작은 화면에 즉각적이고 매끄럽게 반영된다. 또한, 이 데모에는 연못에서 실시간으로 헤엄치는 물고기와 터치하는 즉시 꽃이 피어나는 벚나무 등 온스크린 환경의 속도와 반응성을 강조하는 창의적인 요소도 포함됐다. 특히 이카엑스 팀은 전체 데모를 단 한 달 만에 제작해 언리얼 엔진 5와 스냅드래곤으로 퀄리티를 유지하면서도 HMI 개발 속도를 높일 수 있음을 보여준다.   ▲ CES 2026 이카엑스 부스에서 공개된 디지털 콕핏 및 ADAS 통합 데모 체험 현장. 차량 외관과 실내를 화면을 통해 시각적으로 제어하는 모습(출처 : 에픽게임즈)   일렉트로비트 일렉트로비트(Elektrobit)는 올해 EB 시비온(EB civion)을 공개했다. EB 시비온은 자동차 OEM이 공급망을 보다 효과적으로 관리하고 소프트웨어 중심 자동차(SDV)를 위한 디지털 콕핏과 애플리케이션 개발을 가속화할 수 있도록 설계된 통합 설루션이다. EB 시비온은 언리얼 엔진을 HMI 소프트웨어 스택의 핵심 구성 요소로 활용해 ADAS 시나리오의 3D 시각화를 구현하는 등 다양한 영역에 적용하고 있다. 시뮬레이션 기반 타깃 표시 기능은 빠른 프로토타이핑을 지원하고, 나이아가라는 동적인 차량 비주얼 이펙트를 제공한다. 또한, 레벨 스트리밍은 대규모 ADAS 데이터를 효율적으로 처리하고, 머티리얼 시스템은 실시간 센서 시각화를 처리한다. 또한 올해 부스에서는 언리얼 엔진으로 구동되는 CARLA를 활용해 안전한 리눅스 기반 애플리케이션을 구축하고 검증하는 방법도 소개했다. CARLA는 현재 정교한 ADAS 시뮬레이터 중 하나로, 심층적인 ADAS 시나리오 검증과 차량 신호에 대한 고퀄리티 시뮬레이션과 테스트, 카메라 데이터 기록, 그리고 전 과정에 걸친 안전 애플리케이션 검증 기능을 제공한다.   ▲ CES 2026 일렉트로비트 부스에서 공개된 EB 시비온 기반 디지털 콕핏 및 ADAS 시각화 데모 체험 현장(출처 : 에픽게임즈)   존 디어 존 디어(John Deere) 부스에서는 현대 농업 기계가 수동 조작에서 자동화로 전환되는 과정을 보여주는 시뮬레이터를 체험할 수 있었다. 언리얼 엔진을 활용하면 짧은 수확철이 아닌 시기에도 실제 수확 환경을 시뮬레이션할 수 있으며, 디스플레이를 통해 스테레오 카메라에 사실적인 시각 데이터를 제공함으로써 자동 하역과 같은 복잡한 시스템을 실제 농경지 환경을 기다리지 않고도 연중 내내 테스트하고 검증하며 향상할 수 있다.   ▲ CES 2026 존 디어 부스에서 공개된 농업 기계 자동화 시뮬레이터 체험 현장(출처 : 에픽게임즈 제공)   코테이 코테이(Kotei)의 부스에서는 언리얼 엔진 5로 제작되고 최신 퀄컴 스냅드래곤 엘리트 플랫폼에서 실행되는 HMI 데모를 볼 수 있었다. 이 데모는 두 개의 화면에 걸쳐 구현됐으며 ADAS 및 주차 시각화, 커스터마이징할 수 있는 차량 색상 및 실내 분위기, 그리고 재미있는 인터랙티브 테마를 선보였다. 차량 내 경험뿐만 아니라, 팀은 ADAS 시뮬레이션과 테스트에 활용되는 언리얼 엔진 기반 디지털 트윈도 공개했다.   ▲ CES 2026 코테이 부스에서 공개된 HMI 데모 체험 현장. 언리얼 엔진 5와 퀄컴 스냅드래곤 엘리트 플랫폼 기반으로 두 개의 화면에 걸쳐 ADAS 및 차량 시각화 기능을 구현한 모습(출처 : 에픽게임즈)   퀄컴 테크놀로지스 퀄컴 테크놀로지스(Qualcomm Technologies)는 CES 2026에서 스냅드래곤 콕핏 엘리트(Snapdragon Cockpit Elite) 및 스냅드래곤 라이드 엘리트(Snapdragon Ride Elite) 플랫폼 데모를 통해 퀄컴 아드레노(Adreno) GPU와 AI 기능을 결합된 환경에서 언리얼 엔진의 루멘 글로벌 일루미네이션 시스템이 구현하는 강력한 경험을 시연했다. 스냅드래곤 디지털 섀시(Snapdragon Digital Chassis) 콘셉트 차량에는 여러 개의 내장형 AI 에이전트가 탑재돼, 사용자의 질문에 답변하고 문제 해결을 지원하며 차내에서 다양한 작업을 선제적으로 수행할 수 있다. 특히 이 AI 에이전트들은 함께 작동한다. 예를 들어, 노면 상태가 악화되면 ADAS AI 에이전트가 보조 AI 에이전트에 도로 상태가 좋지 않다는 정보를 전달하고, 보조 AI 에이전트는 이를 운전자에게 안내한다. 이후 AI 에이전트는 승차감을 보다 편안하게 만들기 위해 차량 설정을 자동으로 조정한다. 하드웨어 기반 레이 트레이싱 지원을 통해 퀄컴 테크놀로지스는 루멘을 활용해 사실적인 라이팅과 그림자를 구현하며 차량 내 비주얼을 매우 높은 퀄리티로 렌더링할 수 있다. 또한 포트나이트 테마를 비롯한 다양한 테마를 적용해 디스플레이를 커스터마이징할 수도 있다.   ▲ CES 2026에서 퀄컴 테크놀로지스의 ‘스냅드래곤 디지털 섀시’ 콘셉트 차량을 통해 시연된 언리얼 엔진 기반 차량 내 경험(출처 : 에픽게임즈)   소니 혼다 모빌리티 현재 양산 전 단계에 있는 아필라 1(AFEELA 1)은 소니 혼다 모빌리티(Sony Honda Mobility)의 첫 번째 모델이다. CES 2026에서 소니 혼다 모빌리티는 언리얼 엔진으로 구현된 인상적인 차량 내 경험을 갖춘 여러 대의 아필라 1 자동차를 선보였다. 아필라 1에 적용된 이 시네마틱 유저 인터페이스는 모든 주행을 연결되고 몰입감 있는 여정으로 바꿔준다. 3D 네이티브 지도 렌더링 시스템, 차량의 인지 정보를 실시간으로 시각화하는 차세대 ADAS 클러스터 뷰 모드, 그리고 실제 주행 데이터에 엔터테인먼트와 정보를 결합한 완전한 인터랙티브 인터페이스 등이 주요 기능으로 제공된다. 사용자는 다양한 테마 중에서 원하는 스타일을 선택할 수 있으며, 디지털 콕핏 디스플레이, 실내 조명, 미디어 바, 전기차 주행 사운드가 유기적으로 연동돼 하나의 통합되고 몰입감 있는 경험을 제공한다.(에픽은 포트나이트 테마를 테스트해보았다.) 소니 혼다 모빌리티가 언리얼 엔진을 활용해 아필라 1 디지털 콕핏을 개발한 과정이 궁금하다면 언리얼 페스트 올랜도 2025에서 녹화된 세션에서 확인이 가능하다.   ▲ CES 2026 현장에서 차량 디스플레이를 통해 포트나이트를 직접 체험하는 모습(출처 : 에픽게임즈)     ■ 기사 내용은 PDF로도 제공됩니다.

AI·디지털 트윈으로 제조 현장의 실질적 가치 입증할 것   지멘스 디지털 인더스트리 소프트웨어의 오병준 한국지사장은 지난해 국내 대형 조선사의 차세대 설계 시스템 수주 등 굵직한 성과를 거뒀다고 소개했다. 그는 알테어 인수를 통한 기술 시너지와 엔비디아와 협력한 디지털 트윈 신제품으로 올해 제조 현장에 실질적인 가치를 제공하겠다고 밝혔다. 아울러 국내 기업에는 데이터 주권을 확보하고 작은 성공부터 만들어가는 실용적인 디지털 전환 전략을 주문했다. ■ 정수진 편집장     지난해 제조 시장의 분위기와 주요한 변화를 소개한다면? 2025년에는 많은 대기업이 지출을 통제하면서 제조 시장의 전반적인 경기가 좋은 편은 아니었지만, 하반기에 들어서면서는 많이 회복되어 지멘스 디지털 인더스트리 소프트웨어 입장에서는 목표를 달성할 수 있었다. 조선이나 일부 업종을 제외한 중소기업들은 여전히 큰 어려움을 겪었다.가장 큰 변화는 디지털 스레드(digital thread) 기반의 제조업 변환이 본격적으로 시작되었다는 점과, 알테어 인수 이후 AI 기반의 엔지니어링 프로세스 혁신을 지멘스가 주도하게 되면서 고객의 관심이 높아졌다는 것이다. 특히 BYD 등의 중국 기업이 디지털 전환(DX)을 통해 제품 출시를 크게 앞당기는 것을 보면서, 국내 시장에서도 DX 전략 도입을 더욱 적극적으로 고민하는 환경으로 바뀌었다. 산업별로 살펴 보면, 항공/방산 분야에서는 무기를 수출할 때 예방 정비 데이터를 함께 납품해야 하는 트렌드에 따라 팀센터 SLM 기반의 MRO(유지·보수·운영) 데이터 체계 구축에 대한 수요가 늘었다. 가장 큰 성과는 조선 분야에서 HD현대와 4년간 공동 개발한 끝에 지멘스의 설루션이 차세대 설계 시스템으로 선정된 것이다. 향후 5년간 전환을 거쳐 2028년에는 실제 선박 설계에 투입될 예정이다. 반도체 기업들의 전사 프로젝트 역시 계속 확장되고 있다.   인수합병 등으로 제품 라인업과 타깃 산업군이 방대해졌는데 어떻게 정리할 수 있을지? 지멘스 디지털 인더스트리 소프트웨어의 포트폴리오는 CAD 제품군인 디자인센터(Designcenter), 알테어 설루션을 포함한 시뮬레이션 제품군인 심센터(Simcenter), PLM 설루션인 팀센터(Teamcenter), 제조 운영 관리를 위한 옵센터(Opcenter), AI/에이전트 플랫폼인 멘딕스(Mendix)와 래피드마이너(Rapidminer), HPC, IoT 등으로 구성된다. 이에 더해 최근 인수한 닷매틱스(Dotmatics)를 통해 바이오 산업의 SaaS(서비스형 소프트웨어) 분야도 본격 공략할 예정이다. 주요 타깃 산업은 자동차, 전기·전자, 반도체, 조선, 기계, 항공국방, 배터리, 의료기기, 에너지, 프로세스 산업 등 10여 개 이상이다. 건설 산업에서는 직접적인 제품 포트폴리오는 크지 않지만, 지멘스 스마트 인프라(SI) 사업부의 빌딩 관리 및 알테어 시뮬레이션을 통해 협업하고 있다.   알테어 인수를 포함해 내부 조직 및 세일즈 체계에는 어떤 변화가 있었는지? 지멘스는 2007년부터 약 45조 원을 투입해 수많은 인수합병을 진행해 왔다. 현재 알테어, 지멘스 EDA(구 멘토그래픽스), 지멘스 디지털 인더스트리 소프트웨어를 모두 합쳐 한국에만 600명이 넘는 직원이 근무 중이다. 내부적으로는 모든 제품을 총괄하는 어카운트 세일즈와 특정 설루션에 특화된 스페셜티 세일즈 조직이 긴밀히 협업하는 체계를 갖추고 있다. 알테어와의 법인 통합은 올해 7월경으로 예상되며, 기존에 별도로 움직이던 지멘스 EDA 조직도 글로벌 산하로 사업 관리가 통합되었다.   산업 분야에서 AI 기술의 적용 현황과 지멘스의 전략을 소개한다면? 엔지니어링 레벨에서는 설계 툴인 NX의 코파일럿(Copilot) 등 AI 기능이 자리를 잡았고, 알테어를 인수하면서 물리적 시뮬레이션을 데이터 기반으로 보완하는 피직스 AI(Physics AI) 적용 사례가 늘고 있다. 알테어의 인수는 AI 기반 혁신의 큰 모멘텀이 될 것으로 기대하고 있다. PLM 분야에서도 RAG(검색 증강 생성)를 통해 기업 내·외부의 데이터를 엮어 리포팅 공수를 줄이는 작업이 진행 중이다. 특히 향후 기대되는 분야는 온톨로지(ontology)이다. 온톨로지는 부품이나 장비 등 데이터가 가진 속성 간의 숨겨진 관계를 찾아내서 ‘지식 그래프(knowledge graph)’를 만들고, 전사적 뷰에서 프로세스를 연결해 부서 간에 데이터가 단절되는 사일로(silo)를 없애는 기술이라고 할 수 있다. 무리하게 전사 시스템 전체를 통합하려다 실패하는 경우가 적지 않은데, 이와 달리 지멘스는 제조산업의 도메인 지식을 바탕으로 품질 관리 시스템의 고도화처럼 특정 영역부터 시작하는 바텀업(bottom-up) 방식을 채택했다. 2026년부터는 실질적인 비즈니스 가치를 현장에서 입증해 나갈 계획이다.   ▲ 지멘스가 엔비디아와 함께 개발한 디지털 트윈 컴포저   구체적인 AI 접근법과 최근 발표한 신제품에 대해 소개한다면? 지멘스는 ▲NX 등 툴 자체에 내장된 엔지니어링 AI ▲래피드마이너 등을 활용해 전사 내·외부 데이터를 엮는 데이터 패브릭 기반 AI ▲멘딕스 플랫폼과 PLM을 엮어 프로세스 자동화를 돕는 디지털 스레드 기반 에이전틱 AI(agentic AI) 등 세 가지 핵심 영역에 집중해 AI 전략을 추진하고 있다. PLM은 단순 관리 시스템을 넘어 AI가 장착된 프로세스 중심의 혁신 플랫폼으로 변화할 것이다. 이와 함께 지난 CES 2026에서 엔비디아와 공동 발표한 ‘디지털 트윈 컴포저(Digital Twin Composer)’를 올 6월에 출시할 예정이다. 기존의 공장 시뮬레이션이 단방향으로 이뤄졌다면, 이 설루션은 실제 공장 데이터와 가상의 모델 공장이 양방향으로 실시간 데이터를 주고받으며 AI가 둘 사이의 차이(gap)을 분석하고 최적화해주는 리얼타임 메타버스 설루션이다. 여타의 디지털 트윈 설루션이 가진 과도한 코딩의 한계를 해결할 수 있을 것으로 기대한다.   최근 산업 분야별 비즈니스 트렌드와 기술 투자 현황에 대해서는 어떻게 보는지? 비용 절감과 제품 출시 시간 단축을 위해 가상 제품 개발(VPD), 디지털 트윈, 소프트웨어 중심 자동차(SDV) 등에 대한 관심과 투자가 크게 늘고 있다. 실제로 실제 제품을 사용하는 소음진동(NVH) 테스트 장비 시장은 정체되는 반면, 이를 가상화하는 시뮬레이션 투자는 증가하고 있다. 특히 시뮬레이션 데이터 관리(SPDM)에 대한 투자가 늘고 있는데, 지멘스의 팀센터 포 시뮬레이션(Teamcenter for Simulation)과 알테어가 가진 다중 시뮬레이션 및 HPC 호스팅 플랫폼인 알테어 원(Altair One)이 결합하면서 이 시장에서 경쟁력을 갖추게 되었다. 또한 디지털 매뉴팩처링(DM)을 통한 생산 프로세스 최적화도 현장에 깊이 자리 잡고 있는 상황이다.   새로운 기술이 등장하면서 기업에서는 이를 활용하는 데에 어려움도 느끼는 것 같다. 어떤 조언을 해 줄 수 있을지? 기술적인 호기심만으로 접근하지 말고 비즈니스 문제와 가치를 먼저 명확히 정의한 후에 투자를 결정해야 한다고 강조하고 있다. 또한 가장 중요한 것은 데이터의 소유권(ownership)을 절대 설루션 공급사에게 내주지 말아야 한다는 것이다. 특정 툴에 종속되지 않으려면 기업 스스로 전사 데이터 모델을 이해하는 데이터 아키텍트를 반드시 육성해야 한다. 지멘스 디지털 인더스트리 소프트웨어는 기업들에게 실질적인 도움을 주기 위해 다양한 노력을 기울이고 있다. 작년에 기업 임원급을 대상으로 ‘디지털 전환 아카데미’를 꾸준히 진행해 왔는데, 올해도 이런 활동을 이어갈 계획이다. 아카데미에는 한국타이어, LG이노텍, KG모빌리티 등 여러 국내 기업의 C 레벨 임원들이 직접 참석하고 있는데, 설루션 소개가 아닌 베스트 프랙티스와 문제 해결 경험담을 공유하면서 높은 참여율과 좋은 호응을 얻고 있다. 아카데미의 주된 목적은 수백억 원의 큰 투자나 거대 담론에 휩쓸리지 말고, 임원의 권한 내에서 당장 할 수 있는 작은 디지털 전환 과제부터 빠르게 실행할 수 있도록 독려하는 것이다.   2026년 국내 제조 시장 전망과 주요 비즈니스 계획을 소개한다면? 복잡한 대내외 환경 속에서도 주요 대기업들은 근본적인 혁신을 계속 추구할 것으로 보인다. 현대자동차 등의 오픈 이노베이션 가속화, 휴머노이드 로봇 산업의 성장, 전고체 배터리 등 신시장 혁신이 공격적으로 진행될 것으로 본다. 지멘스 디지털 인더스트리 소프트웨어는 올 한 해 AI를 산업에 적용해 실질적인 비즈니스 효과를 검증하고 확산하는 데 집중하고자 한다. 특히 조선 분야를 중심으로 디지털 트윈 컴포저의 현장 적용을 지원할 예정이다. 미국이나 중국 기업들이 호기심을 갖고 빠르게 테스트해 보는 반면 국내 기업들은 실행 속도가 다소 느린 경향이 있다고 느끼는데, 앞으로는 실패를 두려워하지 않는 과감한 실험적 투자 문화가 자리 잡기를 바란다.     ■ 기사 내용은 PDF로도 제공됩니다.

‘플랜트 조선 컨퍼런스 2026’이 지난 2월 5일 백범김구기념관에서 진행됐다. ‘DX와 AI로 재도약하는 플랜트·조선의 미래’를 주제로 한 이번 콘퍼런스는 플랜트 및 조선 산업의 지형을 바꾸는 기술의 진화와 혁신 방향을 집중 조명했다. 또한, 기술 융합을 통해 근본적인 산업 혁신과 미래 생존을 추구하기 위한 청사진을 제시했다. ■ 정수진 편집장     ■ 같이 보기 : [포커스] 플랜트 조선 컨퍼런스 2026, DX 및 AI가 이끄는 기술 진화와 산업 혁신 짚다   플랜트 조선 컨퍼런스 2026에서는 ‘디지털 엔지니어링 & 컨스트럭션’과 ‘스마트 선박 & 스마트 기술’을 주제로 한 두 개의 트랙에서 다양한 발표가 진행됐다.   플랜트 산업의 DX·AI 프로젝트 실행 전략과 사례 디지털 엔지니어링 & 컨스트럭션 트랙에서는 헥사곤ALI의 남궁진 전무가 ‘플랜트·조선 프로젝트 Execution 중심의 DX 전략’을 주제로, 디자인 및 엔지니어링 이후 프로젝트의 실행 단계에서 실제 성과를 만들어내는 디지털 전환 전략에 대해 발표했다. 남궁진 전무는 실행 데이터를 중심으로 한 시스템 아키텍처와 함께 디지털 트윈, 3D·4D, AI 기반 지능형 자동화 기술을 현장에 적용한 데모를 통해 프로젝트 실행 효율 개선 방안을 소개했다.   ▲ 헥사곤ALI 남궁진 전무   휴엔시스템의 최재득 대표는 ‘DX·AI 시대의 플랜트 토목 설계 자동화’ 발표에서 DX와 AI 관점에서 플랜트 토목 자동화를 정의하고, PEDAS 생태계 구성 요소와 설루션 개발 과정을 소개했다. 또한 성공적인 DX/AI 준비를 위해 데이터, 3D 그래픽, 상세 도면, 물량 산출 등을 포함하는 PEDAS-Cloud 통합 전략을 설명했다.   ▲ 휴엔시스템 최재득 대표   테크노빌트의 손창영 지사장은 ‘AI기반 E2E 대형 플랜트 건설 프로젝트 관리 기술 적용 사례’ 발표에서 대규모 LNG 플랜트 등의 건설 현장에서 테크노빌트의 ‘디지털 컨스트럭션 블록(Digital Construction Block)’ 개념이 AI 기술과 어떻게 접목되었는지에 대해 설명했다. 그리고, 이를 통해 EPC 전반의 계획 및 정보 공유 차원에서 가치 사슬의 효율화를 달성한 실제 사례를 공유했다.   ▲ 테크노빌트 손창영 지사장   LG CNS의 이봉헌 화학사업담당은 ‘플랜트 산업의 패러다임 전환 : AX 적용 사례 소개’를 주제로 한 발표에서 플랜트 산업에서 AI의 활용은 생산, 안전, 정비 전반의 구조적 전환을 요구한다는 점을 강조했다. 또한, 디지털 전환을 통해 현장 데이터를 안정적으로 수립 및 표준화하는 동시에, AX 로봇 기술을 통해 의사결정과 운영 효율을 고도화하는 구체적인 방법을 소개했다.   ▲ LG CNS 이봉헌 화학사업담당   HD현대오일뱅크의 정준의 팀장은 ‘정유 산업의 AI 도입과 활용’ 발표를 통해 팔란티어 파운드리를 기반으로 추진 중인 전사적 DX/AX 사례를 소개했다. 정준의 팀장은 플랜트 현장에 흩어진 수많은 데이터를 연결 및 공유하여 밸류체인 전체를 통합하고, 궁극적으로 최적화된 자동화를 이루기 위한 현장의 경험을 공유했다.   ▲ HD현대오일뱅크 정준의 팀장   조선/해운 AI 혁신과 DX 전략 및 트렌드 스마트 선박 & 스마트 기술 트랙에서 한국선급의 장화섭 센터장은 ‘조선해운분야 AI 에이전트 기술 개발’ 발표를 통해 조선/해운산업에서 디지털 전환 및 인공지능 전환의 개념을 소개했다. 또한 비전, 시그널, 디지털 트윈을 활용한 실제 적용 사례와 함께 생성형 AI를 기반으로 한 조선/해운 분야의 AI 에이전트 서비스 사례를 설명했다.   ▲ 한국선급 장화섭 센터장   소프트힐스의 이찬영 Core R&D 팀장은 ‘플랜트 조선 산업을 위한 대용량 3D 시각화 설루션 및 적용사례 소개’를 주제로 한 발표에서, 플랜트 및 조선 대형 프로젝트에서 신속한 의사소통과 협업을 돕는 3D 모델 시각화 설루션인 ‘VIZZARDX’의 차별화된 기능과 성능을 소개하고, 현장 중심의 성공적인 디지털 전환 사례를 공유했다.   ▲ 소프트힐스 이찬영 Core R&D 팀장   선박해양플랜트연구소의 임근태 센터장은 ‘AI 자율운항선박 기술 동향 : From Bridge to ROC’ 발표에서 자율운항선박 기술개발사업을 통해 울산 고늘지구에 구축되고 있는 자율운항선박 성능실증센터를 소개했다. 그리고, 선박의 실증 및 성능 평가를 위해 마련된 육상 및 해상 테스트베드 인프라의 현황을 전했다.   ▲ 선박해양플랜트연구소 임근태 센터장   현대엔지니어링의 김동원 책임은 ‘토목 건축 구조 설계 자동화 사례와 AI 물량 예측 시스템 연구 방향’에 대해 발표하면서, Piperack, Shelter, Module 등 규칙에 기반한 토목·건축 구조 설계 자동화 시스템 개발 사례를 소재했다. 나아가 설계 자동화를 넘어 구조 최적화로 가기 위한 AI 기반 구조 시스템 데이터 학습과 물량 예측에 대한 향후 연구 방향을 제안했다.   ▲ 현대엔지니어링 김동원 책임   국제사이버보안인증협회의 공병철 회장은 ‘AI 선박 및 스마트 해운의 사이버 안전 대응 전략’을 주제로 한 발표를 통해 2024년 7월부터 건조 계약된 신조선에 의무 적용되는 국제선급협회(IACS)의 사이버 복원력 공통규칙을 설명했다. 또한 ISO, IMO 등 국제기구가 요구하는 선박 사이버 복원력에 발맞춰, 해운 선사와 항만 기관이 해사 사이버 보안을 강화하고 사이버 안전관리체계를 효과적으로 구현하기 위한 전략을 제시했다.   ▲ 국제사이버보안인증협회 공병철 회장

캐드앤그래픽스 지식방송 CNG TV 지상 중계   CNG TV는 지난 1월 19일, ‘DX와 AI로 재도약하는 플랜트·조선 산업의 미래’를 주제로 지식 방송을 진행했다. 이번 방송은 2월 5일 개최된 ‘플랜트 조선 컨퍼런스 2026’의 프리뷰 성격으로 마련되었으며, 디지털지식연구소 조형식 대표가 사회를 맡았다. 이날 출연한 서울대학교 윤병동 교수(원프레딕트 대표)와 우종훈 교수는 AX(인공지능 전환) 시대를 맞이한 플랜트 및 조선 산업의 대응 전략과 최신 기술 트렌드를 심도 있게 공유했다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 왼쪽부터 디지털지식연구소 조형식 대표, 서울대 윤병동 교수, 서울대 우종훈 교수   제품 판매를 넘어 ‘AI 네이티브 팩토리’ 수출 시대로 플랜트 산업의 AX 방향성을 제시한 서울대 윤병동 교수는 한국 제조업의 위기 극복 해법으로 ‘AI 네이티브 팩토리’를 제안했다. 윤 교수는 “국내 기업은 글로벌 기업 대비 서비스 매출 비중이 낮아 수익 구조 개선이 시급하다”며, “단순 제품 판매에서 벗어나 설계 단계부터 AI가 내재화된 공장 자체를 수출하는 모델로 전환해야 한다”고 강조했다. 그는 AI 네이티브 팩토리의 3대 핵심 기능으로 ▲지각(데이터 정제 및 맥락화) ▲사고(제조 전용 파운데이션 모델 및 OS) ▲실행(자동 보고서 및 작업 지시)을 꼽았다. 특히 원시 데이터를 AI가 즉시 활용 가능한 상태로 만드는 ‘AI 레디(Ready) 데이터’ 변환 기술인 ‘사이클론(CyCron)’의 중요성을 역설하며, 실질적인 가치 창출을 위한 전용 데이터 플랫폼 구축이 선행되어야 한다고 조언했다.   디지털 트윈과 심층 강화학습 기반의 ‘지능형 야드’ 구현 조선 산업의 스마트 야드 혁신을 발표한 우종훈 교수는 기존 디지털 트윈의 한계를 넘어서는 ‘실시간 최적 의사결정’ 기술을 소개했다. 우 교수는 “과거의 디지털 트윈이 시각화와 모니터링에 머물렀다면, 이제는 AI 에이전트가 수많은 시나리오를 학습해 최적의 대안을 실시간 제시해야 한다”고 설명했다. 특히 복잡한 생산 계획을 해결하기 위해 순서 결정, 라우팅, 공간 배치를 각각 담당하는 독립적 AI 에이전트들의 협업 모델인 ‘에이전틱 AI(agentic AI)’를 제시했다. 그는 “기술 도입보다 중요한 것은 현장의 암묵지를 구조화하고 표준화하는 것”이라며, “정확한 데이터 확보가 뒷받침되지 않으면 기술은 사상누각인 만큼, 중견 조선사일수록 시급한 현장 문제 정의에 집중해야 한다”고 강조했다.   기술 매몰보다 ‘도메인 지식’의 자산화가 핵심 조형식 대표는 방송을 마무리하며 “AI는 맥락을 완벽히 이해하지 못하므로, 파편화된 데이터를 하나로 잇는 ‘디지털 스레드(digital thread)’와 인간 전문가의 통찰력이 결합되어야 한다”고 정리했다. 두 교수 역시 공통적으로 “이제는 AI를 배우는(learn) 단계를 넘어 실질적인 수익을 벌어들이는(earn) 시대로 가야 한다”고 역설했다. 아울러 한국의 세계적인 제조 경쟁력을 바탕으로 산업용 오픈 AI와 같은 거대 모델이 탄생할 수 있도록 산학연의 긴밀한 협력을 당부했다.     ■ 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.