구글코리아가 ‘AI의 지난 10년과 미래 방향성’을 주제로 ‘구글 포 코리아 2026’ 행사를 개최했다. 올해로 6회째를 맞이한 이번 행사는 한국 사회와 함께하는 구글의 혁신 방향과 파트너십 사례를 공유하는 자리로 마련됐다. 특히 2016년 ‘알파고’와 이세돌 9단의 대국 10주년을 기념해 AI 기술이 한국 산업에 가져온 변화를 돌아보고 미래 비전을 논의했다. 행사에는 구글코리아 윤구 사장과 구글 딥마인드 공동 창업자인 데미스 하사비스 CEO, 이세돌 사범 등이 참석했다. 윤구 사장은 개막사에서 10년 전 알파고 대국을 “AI의 잠재력과 인간의 창의성이 조화를 이룬 역사적 이정표”라고 정의했다. 윤 사장에 따르면 한국은 아시아 태평양 지역에서 제미나이 이용량이 가장 빠르게 성장하는 시장이며, 이용자의 82%가 AI를 성장을 돕는 파트너로 인식하고 있는 국가다.     데미스 하사비스 CEO는 이세돌 사범과 진행한 대담에서 “10년 전 서울에서 알파고는 AI의 잠재력을 입증하며 과학적 난제를 해결할 기술적 토대를 알렸다”고 회고했다. 하사비스 CEO는 오늘날 과학의 거의 모든 영역에서 AI로 인한 변화가 목격되고 있다고 진단하며, 알파고를 통해 개척한 기술이 범용 인공지능(AGI)으로 나아가는 길을 열어 인류에게 새로운 발견의 황금기를 제공할 것이라고 전망했다. 또한, 하사비스 CEO는 한국을 차세대 로보틱스와 제조 자동화 분야의 글로벌 선도 국가로 꼽으며 물리적 AI 영역에서 한국이 보여줄 도약에 기대감을 드러냈다. 그는 향후 도래할 AGI 시대가 과거 산업혁명보다 10배 더 큰 규모로, 10배 더 빠르게 전개되는 혁신적 전환점이 될 것이라고 내다봤다. 이날 구글코리아는 청년과 개발자 등을 위한 통합 AI 교육 브랜드 ‘AI 올림’과 ‘구글 AI 캠퍼스’ 설립 계획도 발표했다. 구글 AI 캠퍼스는 대한민국 학계와 연구 기관이 구글의 AI 전문가들과 협력하는 중심지 역할을 하게 된다. 구글은 서울대학교, 한국과학기술원(KAIST) 등과 협력해 생명 과학, 에너지, 기상 등 분야에서 구글의 AI 모델을 활용할 계획이다. 기술 세션에서는 구글 딥마인드의 캐롤리나 파라다 로보틱스 시니어 디렉터가 추론 능력을 갖춘 ‘제미나이 로보틱스 1.6(Gemini Robotics 1.6)’을 소개했다. 파라다 디렉터는 보스턴 다이나믹스의 4족보행 로봇 ‘스팟’이 제미나이 지능을 탑재해 인간의 복잡한 명령을 이해하는 단계에 진입했다고 설명했다. 이어 최현정 시니어 엔지니어링 디렉터는 학습자가 스스로 답을 찾아가도록 돕는 교육 특화 AI 모델 ‘런LM(LearnLM)’을 소개하며 AI를 통한 교육 혁신 사례를 공유했다.

앤시스를 인수한 시높시스가 미국 NASA의 차세대 달 탐사 프로젝트인 아르테미스 프로그램을 지원하기 위해 기술 협력을 확대한다고 밝혔다. 시높시스는 EMA 및 시지엄과 손잡고 달 환경에서 사용할 우주복의 안전성 분석과 통신 시스템 개발을 돕고 있다. 시높시스는 NASA 존슨 우주센터 및 글렌 연구센터와 협력해 달 표면에서 발생하는 전하 축적 현상을 분석한다. 또한 디지털 트윈 기반의 가상 달 환경을 활용해 통신 네트워크 구축을 검증하고 있다. 시높시스에 따르면 이러한 시뮬레이션 기술은 실제 장비를 제작하기 전 단계에서 성능을 검증함으로써 개발 위험을 줄이고 임무의 신뢰성을 높이는 데 기여한다.     EMA와 함께 진행하는 전자기 시뮬레이션은 달 환경의 정전기가 우주유영 시스템과 전자 장비에 미치는 영향을 파악하는 데 중점을 둔다. 달의 토양과 마찰하며 생기는 대전 현상이나 우주 플라스마 환경에서의 정전기 방전은 통신과 생명 유지 장치에 문제를 일으킬 수 있다. 시높시스는 앤시스 차지 플러스 설루션을 사용해 다층 구조로 된 우주복 내부의 전하 흐름을 3차원으로 해석하고 있다. 이 데이터는 EMA 연구소의 실험 결과와 병행하여 정밀한 검증 체계를 갖추는 데 쓰인다. 통신 분야에서는 시지엄과 협력해 달의 3D 지형 데이터를 바탕으로 한 디지털 트윈 환경을 구축했다. 시높시스의 전자기 해석 도구인 앤시스 HFSS 등을 활용해 우주복과 로버에 장착된 안테나의 성능을 분석하고 통신 연결성을 평가한다. NASA 글렌 연구센터는 이 기술을 통해 달의 크레이터나 암석 지형 때문에 생기는 통신 음영 지역을 미리 찾아내고 효율적인 네트워크 설계를 진행하고 있다. 전 NASA 국장이자 시높시스 산하 AGI 어드바이저인 짐 브라이든스타인은 “하드웨어 제작 이전에 가상 환경에서 설계를 모델링하고 테스트하는 디지털 엔지니어링 기술은 혁신을 가속화하는 핵심 요소”라고 밝혔다. 아르테미스 프로그램은 단순한 달 탐사 재개를 넘어 인류가 우주에 지속 가능한 기반을 구축하는 것을 목표로 삼고 있다.

닛케이BP 지음 / 2만 5000원 / 시크릿하우스    기술의 변화가 더 이상 개별 산업의 혁신에 머물지 않고, 서로 다른 영역이 연결되어 폭발적인 변화를 일으키는 '융합의 시대'로 진입했다. 이 책은 닛케이BP의 전문기자와 연구진 50여 명이 1년간 추적한 방대한 데이터를 바탕으로, 다가올 미래 기술 지형도를 7대 분야 100가지 혁신 기술로 정리하여 제시한다.  가장 주목할 흐름은 'AI 고도화와 타 분야의 융합'이다. 생성형 AI는 이제 하드웨어 혁신과 결합하며 AI 2.0 시대를 열고 있다. 특히 2030년 산업 전반을 바꿀 기대 기술 1위로 선정된 '광자 양자컴퓨터'와 현재 가장 주목받는 '전고체전지'를 포함해 AI 에이전트, AGI, 1.4나노 반도체 등 핵심 기술의 성숙도와 사업화 가능성을 입체적으로 해설한다.  또한, 이번 책에서는 글로벌 자본의 흐름을 파악할 수 있는 '테크놀로지 미래 투자 지수'를 새롭게 수록했다. 2025년 기준 투자 상위권인 암석 풍화 강화, 딥페이크 탐지, 우주 자원 채굴 등 실제 자본이 어디로 움직이는지 분석하여 기술의 가치를 보다 객관적으로 평가한다.  이 책은 단순한 기술 나열을 넘어 닛케이BP가 비즈니스 리더 480명을 대상으로 조사한 2030년 기대 기술 순위를 담고 있어, 향후 5년을 준비하는 기업과 연구 개발 조직에 명확한 나침반 역할을 한다. AI, 반도체, 에너지, 바이오 등 국가와 기업의 미래 경쟁력을 결정지을 기술 흐름을 파악하려는 엔지니어와 전략가들에게 필수적인 도구가 될 것이다.   

현장에서 얻은 것 No. 24   “기술의 본질은 기술적인 것이 아니다.” – 마르틴 하이데거   바이브 코딩이라는 새로운 감각의 기술 AI(인공지능)는 우리에게 자유를 약속했다. 복잡한 일을 대신 처리하고, 시간을 절약해주며, 더 나은 결정을 제안해주는 도구로서의 자유 말이다. 하지만 아이러니하게도, 기술이 고도화될수록 인간은 오히려 덜 자유로워지고 있다. AI가 ‘당신을 위해’ 제시하는 선택지는 점점 더 완벽해지고, 우리는 그 완벽한 답 앞에서 점점 덜 생각하게 된다. 이것은 편리함의 진화가 아니라, 사유의 위축이다. 요즘 필자는 AI를 다루는 사람들의 얼굴에서 어떤 공통된 감정을 본다. 그것은 두려움이나 흥분이 아니라, 묘한 체념이다. ‘이제 인간이 할 수 있는 게 얼마나 남았을까?’, ‘AI가 더 잘하는데 굳이 내가 할 필요가 있을까?’ 이런 질문 속에서 사람들은 자신이 점점 ‘비효율적인 존재’가 되어가는 느낌을 받는다. 그러나 필자는 오히려 이 ‘비효율’이야말로 인간다움의 본질이라고 믿는다. “기술은 아무것도 아니다. 중요한 건 그것을 믿고, 그것으로 세상을 바꾸는 사람이다.” – 스티브 잡스   기술봉건주의 사회의 그림자 지금의 세상은 일종의 기술봉건주의 사회다. AI와 자본이 결합하면서, 새로운 형태의 계급 구조가 만들어지고 있다. AI를 소유한 기업, 데이터를 통제하는 플랫폼, 그리고 그 하위에서 서비스를 사용하는 개인. 표면적으로는 자유경쟁이지만, 실제로는 봉건적 위계가 이미 구축되어 있다. 우리는 스마트폰을 고르고, 넷플릭스의 영화를 고르고, AI가 추천하는 코스를 선택한다. 하지만 그 선택의 트랙은 이미 설계되어 있다. 우리는 놀이기구의 좌석을 고르지만, 트랙 자체를 바꿀 권한은 없다. 그리고 어느 순간 깨닫는다. ‘선택의 자유’라는 말이 사실은 ‘프레임 안의 자유’에 불과했다는 것을. AI가 더 똑똑해질수록, 인간의 선택지는 오히려 좁아진다. AI는 우리를 위해 조언하고, 도와주고, 결국 통제하기 시작한다. 이제는 ‘망칠 자유조차 빼앗긴 시대’가 되었다. 이 시대의 경쟁력은 기술이 아니라 자본이다. AI를 얼마나 잘 다루는가가 아니라, AI를 얼마나 ‘소유할 수 있는가’가 힘의 기준이 된다. 19세기의 산업 자본이 노동을 지배했다면, 21세기의 기술 자본은 인식과 욕망을 지배한다. 이 시대의 자유는 ‘선택의 자유’가 아니라 ‘선택할 수 있는 자본의 자유’다. 그렇다면, 기술이 인간의 자유를 빼앗아가는 시대에 우리는 어떤 방식으로 살아야 하는가? “AI는 본질적으로 공백이다. 우리는 그 공백에 의미와 목적을 부여하는 창조적 존재다.” – 에두아르도 갈레아노   ▲ ‘나만의 AI 에이전트 필살기 – 본질에 집중하는 삶’ 콘셉트 맵(Map by 류용효) (클릭하면 큰 이미지로 볼 수 있습니다.)   본질로 돌아가는 기술, 바이브 코딩 필자는 그 해답이 ‘바이브 코딩(vibe coding)’에 있다고 생각한다. 바이브 코딩은 단순한 기술이 아니다. 그것은 인간이 기술과 맺는 새로운 관계의 방식이며, 감각과 논리를 잇는 인간적 사고의 회복 기술이다. AI는 정답을 잘 낸다. 하지만 세상은 정답으로만 구성되지 않는다. 인간은 ‘왜’라는 질문을 던지고, ‘의미’를 찾는다. 그 과정에서 느려지고, 흔들리고, 시행착오를 겪는다. 그러나 바로 그 불완전한 과정 속에서만 진짜 창조성이 탄생한다. 바이브 코딩은 바로 그 인간의 리듬을 되살리는 기술이다. 코드를 짜는 것처럼 보이지만, 사실은 자신과 세상의 진동을 맞추는 과정이다. 효율보다 방향을, 정답보다 감각을, 도구보다 태도를 중시70 · 하는 사고방식. 그것이 바로 바이브 코딩의 핵심이다.   감각과 논리를 잇는 새로운 언어 바이브 코딩은 세 가지 감각의 층위를 가진다. 첫째, 인지적 감각이다. 세상을 구조적으로 바라보는 능력이다. 정보를 단순화하고, 복잡한 관계 속에서 핵심을 잡아내는 힘. 이것은 AI가 도와줄 수 있지만, 마지막 결정은 언제나 인간의 직관이 맡는다. 둘째, 감성적 감각이다. 논리로는 설명되지 않지만, 분명히 ‘느껴지는’ 흐름을 포착하는 힘이다. 공기의 결, 공간의 온도, 말의 뉘앙스 같은 비언어적 진동을 읽어내는 능력. AI는 문장을 분석할 수 있어도, 그 문장에 깃든 의도와 분위기는 해석하지 못한다. 셋째, 창조적 감각이다. 데이터를 조합해 새로운 질서를 만들어내는 힘. AI가 제시한 결과 위에 인간만의 맥락과 해석을 덧입히는 행위다. 그 결과물이 바로 ‘의미’다. 이 세 가지 감각이 어우러질 때, 기술은 더 이상 인간을 대체하는 존재가 아니라 인간의 감각을 확장시키는 공진(共振)의 파트너가 된다. “집중은 사랑의 가장 순수한 형태다.” – 시몬 베유   본질에 집중한다는 것의 의미 ‘본질에 집중한다’는 말은 단순한 정신론이 아니다. 그것은 삶의 방향을 재설계하는 태도다. AI가 모든 것을 대신해주는 시대일수록, 인간은 더 많이 생각해야 한다. ‘무엇을 할 것인가’보다 ‘왜 그것을 하는가’를 묻는 능력이 중요해진다. 바이브 코딩의 핵심은 바로 이 ‘왜’의 복원이다. AI는 ‘무엇을’과 ‘어떻게’를 완벽히 수행한다. 그러나 ‘왜’를 묻는 주체는 인간뿐이다. 그 질문이 사라지는 순간, 인간은 기술의 부속품이 된다. 본질에 집중하는 삶이란, 세상의 속도에 휘말리지 않고 자신의 리듬을 지키는 삶이다. AI가 제시하는 최적의 경로를 의심하고, 때로는 돌아가는 길을 택하는 용기. 그것이 인간의 품격이며, 사유의 자유다.   기술과 인간의 새로운 균형 앞으로의 세상은 속도전이 아니라 방향전이 될 것이다. AI는 빠르게 달릴 수 있지만, 어디로 가야 하는지는 스스로 알지 못한다. 그 방향을 설정하는 존재가 바로 인간이다. 바이브 코딩은 그 방향을 찾는 기술이다. 데이터의 바다 속에서 의미의 좌표를 찍고, 논리의 경로 속에서 감각의 진동을 느끼며, 기술의 흐름 속에서 인간의 목소리를 되찾는다. 그것은 마치 음악을 연주하는 행위와 닮아 있다. 악보는 정해져 있지만, 연주는 연주자의 감각에 따라 전혀 다르게 울린다. AI가 악보를 완벽히 읽을 수는 있어도, 인간이 느끼는 진동의 깊이는 재현할 수 없다. 바이브 코딩은 바로 그 인간적 울림을 기술의 언어로 표현하는 시도다. “속도는 깊이를 대체하지 못한다.” – 지그무트 바우만   비효율의 용기 AI 시대의 인간다움이란, 가장 빠른 길을 포기할 줄 아는 용기일지도 모른다. 모든 것이 자동화되는 세상에서 일부러 손으로 쓰고, 일부러 생각하고, 일부러 실수하는 행위—그것이야말로 본질에 집중하는 삶의 태도다. 바이브 코딩은 효율을 거부하는 기술이 아니다. 오히려 효율 속에서 잃어버린 인간의 리듬을 되찾는 기술이다. 기술이 우리의 삶을 대신 설계하지 않도록, 우리가 기술의 언어 속에서 자신의 리듬으로 사고할 수 있게 하는 감각의 문법이다. AI는 앞으로 더 똑똑해질 것이다. 그러나 인간은 여전히 불완전할 것이다. 그 불완전함이 바로 우리의 가능성이다. 우리가 본질에 집중한다는 것은, 완벽함을 향해 달려가는 것이 아니라, 불완전함 속에서 의미를 찾는 일이다. 바이브 코딩은 그 의미를 기술 속에서 다시 불러오는 일이다. 데이터의 흐름 속에서 감정을 읽고, AI의 논리 속에서 인간의 숨결을 느끼며, 그 모든 것을 조율해 하나의 리듬으로 만들어내는 일. 그것이야말로 AGI(범용인공지능) 시대를 살아가는 인간이 가질 수 있는 마지막이자 궁극의 ‘필살기’다. “생각은 단지 도구일 뿐이다. 그러나 우리는 그 도구에 사로잡혀 있다.” – 데이비드 봄   ■ 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.

 OpenAI 코리아 개소식 행사장에 배치된 RNGD 서버와 시연용 워크스테이션[사진=퓨리오사AI]   퓨리오사AI가 9월 12일 열린 OpenAI 코리아 개소식에서 자사의 기술력을 선보이며 AI 업계의 주목을 받았다. 이번 행사에서 퓨리오사AI는 자사 2세대 반도체 'RNGD' 2장만으로 오픈AI의 대규모 언어 모델 'gpt-oss 120B' 기반 챗봇을 실시간으로 구동하는 시연을 진행했다. 이번 시연은 퓨리오사AI가 글로벌 AI 인프라 시장에서 중요한 역할을 할 수 있는 잠재력을 증명하는 계기가 됐다. 오픈AI가 공개한 최고 수준의 오픈 소스 기반 모델인 gpt-oss 120B는 MoE(Mixture-of-Experts) 구조를 적용하여 성능과 효율성을 동시에 갖췄다고 평가받는다. 퓨리오사AI의 RNGD는 이러한 초거대 언어 모델을 기존보다 훨씬 효율적인 전력으로 구동할 수 있어, 고질적인 인공지능의 전력 및 비용 문제를 해결할 수 있다는 점에서 큰 의미를 가진다. 퓨리오사AI의 백준호 대표는 “'AGI(범용인공지능)가 인류 전체에 이롭도록 한다'는 OpenAI의 미션과 'AI를 지속 가능하고 접근 가능하게 한다'는 퓨리오사의 미션은 서로 통한다"며, "RNGD와 gpt-oss의 결합은 전 세계 오픈 소스 기반 AI 생태계를 더욱 빠르게 확산시킬 것"이라고 말했다. 이번 시연을 통해 퓨리오사AI는 초거대 AI 모델 구동에 최적화된 하드웨어 솔루션을 제공하며, AI 기술 대중화에 기여할 것으로 기대된다.    

캐드앤그래픽스 지식방송CNG TV 지상 중계   CNG TV는 5월 12일 ‘AI는 어떻게 설계를 바꾸는가 – SOLIDWORKS의 전략에서 답을 듣다’를 주제로 웨비나를 진행했다. 이번 방송에서는 글로벌 제조 설루션 기업이 AGI(범용 인공지능) 시대를 맞아 펼치고 있는 AI 전략을 살펴보고, 다쏘시스템의 솔리드웍스(SOLIDWORKS)를 통해 실제 사용 환경과 고객 요구, 핵심 기능까지 함께 탐색해 보는 시간이 마련됐다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   이번 웨비나는 디원 류용효 상무가 사회를 맡고, 다쏘시스템코리아 이승철 팀장이 발표자로 참여했다. 다쏘시스템 솔리드웍스는 AI 기술을 접목해 설계 생산성을 극대화하고 반복 작업을 최소화하며, 가상의 조언자를 통해 창의적인 설계를 지원하는 전략을 추진하고 있다. 이승철 팀장은 웨비나에서 “솔리드웍스는 설계자를 돕는 기능이라면 AI 여부와 관계 없이 계속 진화해왔다”고 강조하며, AI 기반의 주요 기능과 활용 방향을 소개했다. 솔리드웍스가 제시한 인공지능(AI) 전략은 단순한 기능의 추가를 넘어, 설계 환경 전반을 근본적으로 변화시키는 데 그 목적이 있다. 특히 이번 웨비나에서는 ‘설계 생산성 향상’, ‘생성형 경험’, ‘가상의 조언자’라는 세 가지 핵심 방향을 중심으로 AI가 설계를 어떻게 진화시키고 있는지에 대해 구체적으로 소개했다.   ▲ 다쏘시스템코리아 이승철 팀장   설계 생산성 향상 - 반복 업무를 AI가 대신한다 첫 번째 축은 설계자의 작업 효율을 높이는 것이다. AI 기반의 디자인 어시스턴트 기능은 반복적인 클릭 작업을 최소화하고, 설계자가 보다 빠르게 작업할 수 있도록 돕는다.예를 들어, ‘셀렉션 헬퍼’ 기능은 기어 톱니 하나만 선택해도 나머지 유사 객체를 자동으로 감지해 함께 선택하고, ‘메이트 헬퍼’는 하나의 홀만 선택해도 유사한 형태의 부품을 자동으로 연결시킨다. 일부 영역을 스케치한 후 자동으로 복사해 붙이는 기능도 제공한다. 또한 명령 예측기(Command Predictor)는 설계자의 이전 행동을 학습해, 이후 필요할 가능성이 높은 명령을 미리 제안한다. 이를 통해 설계자는 매번 메뉴를 뒤질 필요 없이 직관적으로 작업을 이어갈 수 있다. Sourcing & Standardization(부품 표준화) 기능도 주목할 만하다. 이 기능은 회사의 방대한 부품 라이브러리를 AI가 스스로 분류하고 유사 부품을 그룹화해 시각적으로 정리해 준다. 설계자는 해당 부품이 맞는지만 확인하면 되고, 결과적으로 조직 전체의 설계 표준화를 유도할 수 있다.   생성형 경험 - 설계는 AI가 먼저 제안한다 두 번째 방향은 ‘생성형 경험(Generative Experience)’이다. 이는 설계자가 결과물을 일일이 만들지 않아도 AI가 먼저 결과를 제안하고, 설계자는 이를 수정해 나가는 방식이다. 가장 대표적인 기능은 2D 자동 도면 생성이다. 설계자가 클라우드에 올린 3D 데이터를 기반으로 AI가 2D 도면을 자동으로 작성하고, 설계자에게 초안을 제공한다. 반복적이고 시간이 많이 드는 도면 작업을 획기적으로 줄여줄 수 있다. 또 다른 기능인 위상(토폴로지) 최적화는 설계자가 최대 외형만 설정해두면, 하중 및 구속 조건 등을 고려해 불필요한 형상을 제거하고 경량화된 설계를 자동으로 제안해 준다. 이는 특히 구조물이나 항공우주 등 경량화가 중요한 분야에서 유용하게 활용될 수 있다. 뿐만 아니라, 사진 기반 모델링 기능도 새롭게 주목받고 있다. 시험 문제나 손으로 그린 스케치를 사진으로 촬영해 업로드하면, AI가 이를 3D 모델로 자동 변환해준다. 향후 리버스 엔지니어링이나 아이디어 구체화에 있어 강력한 도구가 될 수 있다는 평가다.   ▲ 솔리드웍스 AI   가상의 조언자, AURA - AI와 대화하며 설계하는 시대 마지막 전략은 ‘가상의 조언자(Virtual Companion)’다. 솔리드웍스는 이를 아우라(AURA)라는 AI 채팅 인터페이스로 구현하고 있다. 설계자는 아우라와 채팅창을 통해 대화하며 필요한 부품을 추천받고, 이를 자동으로 모델에 배치하거나 특정 조건에 맞는 변경 절차를 안내받을 수 있다. 아우라는 단순한 질문에 답하는 수준을 넘어, 기업 내부의 설계 절차나 라이브러리까지 연동해 실제 설계 흐름을 매끄럽게 이어주는 역할을 한다. 특히 설계 경험이 부족한 신입 엔지니어도 아우라의 안내를 받으며 자연스럽게 업무에 적응할 수 있어, 조직 내 기술 격차 해소에도 기여할 수 있을 것으로 기대된다. 이처럼 솔리드웍스는 AI를 단순히 ‘기능’으로 도입하는 것을 넘어, 설계자의 업무 전반을 ‘전환’하는 방식으로 접근하고 있다. 이승철 팀장은 웨비나를 마무리하며 “AI는 설계를 대체하지 않는다. 인간은 더 창의적인 설계를 하고, 귀찮은 작업은 AI가 맡는 시대가 될 것”이라고 강조했다.     ■ 기사 내용은 PDF로도 제공됩니다.

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.

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.