시스템 엔지니어링의 진화, 항공우주 산업의 복잡성을 넘어서다   아폴로 프로그램에서 시작된 시스템 엔지니어링은 오늘날 항공우주 및 방위 산업의 핵심 방법론으로 자리 잡았다. 하지만 소프트웨어 중심의 기체 구조와 급증하는 상호작용으로 인해 기존 방식은 한계에 직면해 있다. 이제 기업은 시스템 모델링 언어인 SysML v2와 인공지능(AI), 포괄적 디지털 트윈을 결합한 총체적 설루션으로 디지털 전환을 가속해 미래 경쟁력을 확보해야 한다.   ■ 오병준 지멘스 디지털 인더스트리 소프트웨어의 한국지사장이다. SAS 코리아 대표이사를 지냈으며, 오라클 코리아, 테라데이터 코리아, IBM 코리아 임원 등 IT 업계에 30여 년 이상 몸 담으며 쌓아온 엔터프라이즈 소프트웨어 경험을 바탕으로 지멘스 디지털 인더스트리 소프트웨어를 진두지휘하고 있다. 홈페이지 | www.sw.siemens.com/ko-KR   ▲ 제공 : 지멘스   우주비행사의 달 착륙과 지구 귀환을 성공적으로 이끈 아폴로(Apollo) 프로그램은 인류 역사상 가장 위대한 성과 중 하나로 평가된다. 아폴로 프로그램을 통해 개발된 다양한 기술은 오늘날 우리의 일상 속에서 널리 활용되고 있는데, 무선 헤드셋, 집적회로, 이메일, 무선 공구 등이 대표적인 예다. 이 글에서는 아폴로 프로그램의 수많은 유산 가운데 한 가지에 초점을 맞추고자 한다. 바로 엔지니어가 종종 간과하곤 하는 ‘시스템 엔지니어링(systems engineering)’이다. 당시 NASA가 개발한 로켓은 전례 없는 규모의 복합 시스템이 결합된, 그 시대 가장 정교하고 복잡한 기계였다. NASA 엔지니어들은 로켓 내 모든 시스템을 유기적으로 작동시키기 위해 새로운 엔지니어링 방법론이 필요하다는 사실을 깨달았고, 그렇게 시스템 엔지니어링이 탄생했다. 시스템 엔지니어링은 아폴로 로켓의 복잡성을 체계적으로 분석하고 각 시스템을 유기적으로 통합함으로써 성공적인 발사를 가능하게 했다. 이후 시스템 엔지니어링은 우주 분야를 넘어 항공우주 및 방위(A&D) 산업 전반에서 혁신을 이끌며, 새로운 항공기와 우주선 개발을 견인하는 핵심 요소로 자리 잡았다.   ▲ 시스템 엔지니어링은 우주 분야에서 시작돼 A&D 산업 전반으로 확대됐다.(제공 : C. Fredrickson Photography/Getty Images)   시스템 엔지니어링은 제품의 복잡성을 낮추는 데 기여해왔지만, 그 자체로는 상당히 복잡한 개념이다. 엔지니어링 영역들은 기업이 인식하는 것만큼 긴밀하게 통합돼 있지 않을 가능성이 있다. 일부 기업은 두 엔지니어링 영역 간 인터페이스에서 문제가 발생하기 전까지 자사의 통합 수준이 어느 정도인지조차 제대로 인식하지 못하기도 한다. 이러한 문제는 전통적인 문서 기반 방법론이 모델 기반 시스템 엔지니어링으로 전환된 이후에도 여전히 이어지고 있다. 이 같은 통합 미비는 설계 오류를 초래하고 일정 지연의 위험을 높인다. 이러한 위험은 오늘날 항공기와 우주선에 새로운 전자 기술과 소프트웨어 시스템이 대거 탑재되고 복잡성이 크게 증가함에 따라 갈수록 커지고 있다. 이와 같은 상황에서 변화가 없다면, 현재의 시스템 엔지니어링 접근 방식만으로는 항공우주 산업의 급격한 복잡성 증가에 대응하기 어려울 것이다. 따라서 앞으로 시스템 엔지니어링은 보다 총체적인 접근 방식으로 진화해 엔지니어링 영역 간 상호운용성과 협업을 강화해야 한다. 이를 위해 기업은 디지털 전환에 투자하고 SysML v2, AI(인공지능), 포괄적 디지털 트윈과 같은 핵심 기술을 활용해 엔지니어들이 혁신을 가속할 수 있는 새로운 프로세스를 익히도록 해야 한다.   항공우주의 새로운 패러다임 오늘날 생산되는 항공기와 우주선은 아폴로 시대에 개발된 기체와는 완전히 다르다. 민항기와 제트기부터 로켓과 위성에 이르기까지, 모든 것이 점점 더 소프트웨어 중심 구조로 진화하고 있다. 이에 따라 첨단 기계·전기 시스템은 물론, 새로운 전자 기술과 소프트웨어까지 폭넓게 통합되고 있다. 이러한 첨단 시스템은 이전 세대의 기체에 비해 훨씬 높은 수준의 복잡성을 만들어낸다. 특히 기체 내 다른 시스템과의 상호작용이 늘어나면서 전체적인 복잡성은 더욱 확대되고 있다. 예를 들어, 20년 전만 해도 엔지니어는 하나의 기계 시스템에서 발생하는 100여 개의 상호작용만 관리하면 됐고, 이는 스프레드시트에 손쉽게 정리할 수 있었다. 그러나 오늘날에는 반도체 칩 하나만으로도 수만에서 수십만 개에 이르는 상호작용이 발생할 수 있다.   ▲ 보다 고도화된 전자 기술과 소프트웨어 통합으로 새로운 항공우주 시스템의 복잡성이 커졌다.(제공 : santofilme/Getty Images)   A&D는 여러 엔지니어링 영역 간 통합이 필수인 산업이다. 한 영역에서 변경이 발생하면 이를 수용하기 위해 다른 영역에서도 추가 변경이 필요할 가능성이 높다. 최근 전자 기술과 소프트웨어의 비중이 커지면서 이러한 변경의 규모와 영향력은 더욱 확대되고 있다. 따라서 영역 통합의 격차를 식별하고 해소하기 위해 시스템 엔지니어링 접근 방식 역시 보다 총체적으로 발전해야 한다.   SysML v2를 통한 격차 해소 총체적인 시스템 엔지니어링 전략을 수립하려면 엔지니어 간 새로운 협업 프로세스를 지원하는 도구가 필요하다. SysML (Systems Modeling Language) v2가 이러한 역할을 수행할 수 있다. 이전 버전인 SysML v1은 엔지니어가 작업을 효율적으로 모델링하고 설명할 수 있는 새로운 방식을 제시했다. 그러나 모델을 구축하고 관리하는 방식이 매우 엄격해 상호운용성 측면에서는 한계가 있었다. 반면 SysML v2는 더욱 직관적인 모델링 접근 방식을 제공하며, 다양한 모델링 방법론을 유연하게 활용할 수 있도록 지원한다. 이를 통해 기업은 데이터 교환을 훨씬 수월하게 수행할 수 있다. 결과적으로, SysML v2는 엔지니어링 영역 간 정보를 개방적으로 공유할 수 있는 표준 프레임워크를 구축한다. 이를 통해 데이터 일관성을 높이고 통합 시스템 아키텍처 개발을 가능하게 한다. 물론 SysML v2의 효과는 이를 활용할 수 있는 인재 양성이 병행될 때 비로소 실현될 수 있다. 다행히 다양한 모델링 방법론을 수용할 수 있는 특성은 진입 장벽을 낮추고, 엔지니어가 새로운 시스템 엔지니어링 전략을 보다 쉽게 배우고 참여할 수 있도록 한다. 이는 시스템 엔지니어링의 총체적 발전과 민주화에도 기여한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

가상 제품 개발을 위한 MBSE 및 SysML의  이해와 핵심 전략 (7)   최근의 MBSE(모델 기반 시스템 엔지니어링) 환경은 개별 도구를 연계하던 전통적 방식에서 벗어나, 요구사항부터 시뮬레이션, 형상 관리까지 전 과정을 하나의 플랫폼에서 관리하는 ‘디지털 스레드’ 기반의 통합 환경으로 진화하고 있다. 이번 호에서는 모델링 도구인 ‘랩소디(Rhapsody)’와 ‘카메오 시스템 모델러(Cameo Systems Modeler)’의 특징을 살펴보고, 효율적인 설계 환경 구축 전략을 짚어본다.   ■ 오재응 한양대학교 명예교수, 시뮬레이션 랩 CTO   모델링 도구 여기에서는 모델링 도구로서 랩소디(Rhapsody)의 특징과 기능을 간단하게 소개하고 있으며, 특히 시스템 아키텍처 설계와 모델 일관성 유지에 있어 랩소디가 어떤 역할을 수행하는지를 설명한다. IBM의 랩소디는 UML 및 SysML 기반의 시스템 모델링 도구로, 아키텍처 모델을 통해 시스템 설계 정보를 저장할 수 있는 동적인 데이터베이스 구조를 제공한다. 사용자가 정의한 각 모델 객체(예 : 블록, 컴포넌트 등)는 한 번 정의되면 그것이 표현되는 모든 다이어그램 상에서 동일한 특성과 속성을 유지한다. 이를 통해 전체 모델의 일관성과 추적성이 자연스럽게 보장된다. 또한 랩소디는 요구사항과 직접 연계된 설계 모델을 지원함으로써, 요구사항-설계 간의 정합성 확보를 용이하게 한다. 이를 통해 설계 변경이 요구사항과의 연동 하에 즉시 반영될 수 있어, 시스템 개발 전 과정에서 신뢰성 있는 모델 기반 설계를 실현할 수 있다. 결과적으로, 랩소디는 다양한 UML/SysML 도구 중 하나로, 특히 복잡한 시스템의 모델링, 시뮬레이션, 코드 생성까지 연결 가능한 통합 모델링 환경을 제공한다.   랩소디 보기   그림 1. 랩소디 도구의 대표적인 사용자 인터페이스 구성 요소   <그림 1>은 랩소디 도구 환경을 보여주며, 시스템 모델링 또는 소프트웨어 모델링을 수행할 때 사용되는 대표적인 사용자 인터페이스 구성 요소를 설명하고 있다. 랩소디 보기는 사용자가 랩소디에서 모델을 어떻게 시각적으로 확인하고 조작하는지를 이해하는 데 중점을 둔다. 전체 인터페이스 구성은 랩소디가 모델 기반 시스템 및 소프트웨어 설계를 위한 도구로, 브라우저 영역과 그리기 영역 등의 주요 영역으로 구성되어 있다. <그림 1>의 화면 왼쪽에는 브라우저 영역(Browser View)이 위치해 있다. 이 영역은 프로젝트 내에 정의된 모든 요소를 계층적 트리 구조로 정리하여 보여주며, 클래스, 패키지, 상태도, 시퀀스 다이어그램 등 다양한 모델링 요소를 탐색하고 선택할 수 있다. 사용자는 이 영역에서 모델 구조를 확인하고, 필요한 항목을 선택하여 편집 창으로 열 수 있다. 주로 사용하는 항목은 모델 구성요소(예 : 클래스, 컴포넌트, 상태 등)이다. 설계 계층 구조는 각 요소의 속성 및 동작이 연결되어 있다. <그림 1>의 화면 오른쪽에는 그리기 창(Drawing Window)이 위치하며, 사용자가 실제로 다이어그램을 작성하고 편집하는 작업 공간이다. 이 영역은 선택된 모델 요소의 시각적 표현을 위한 공간으로, 예를 들어 상태 다이어그램, 블록 다이어그램, 시퀀스 다이어그램 등을 작성하고 구성 요소 간의 연결 관계를 설정할 수 있다. 사용자의 활동 예는 상태 전이 정의, 신호 흐름 연결, 동작 논리 시각화, 모델 요소 간 연결 구성이 있다. 랩소디는 모델 탐색과 시각적 설계를 동시에 지원하기 위해 좌측 브라우저 영역과 오른쪽 그리기 창을 중심으로 UI(사용자 인터페이스)를 구성하고 있으며, 이를 통해 사용자는 설계 구조와 논리를 직관적으로 접근하고 조작할 수 있다. 이와 같은 인터페이스는 SysML, UML, 자동차 및 항공 우주 분야의 MBD 등 다양한 모델링 작업을 효율적으로 수행할 수 있도록 지원한다.   랩소디 vs. 카메오 시스템 모델러 비교 IBM 랩소디와 카메오 시스템 모델러(Cameo Systems Modeler)는 모두 SysML 기반의 시스템 모델링 도구로 널리 사용되고 있다. 그러나 이 두 도구는 설계 접근 방식, 사용자 인터페이스, 시뮬레이션 및 협업 방식에서 차별점이 존재한다. 도구의 철학과 접근 방식 : 랩소디는 임베디드 시스템 및 소프트웨어 개발에 특화된 도구로, 주로 상태 기반(state-based) 모델링과 코드 생성(code generation) 기능이 강력하다. UML 기반의 객체지향 소프트웨어 개발, 상태 머신 구현 등에 많이 활용되며, 특히 자동차, 항공, 방위 산업 등에서 많이 사용된다. 반면에 카메오 시스템 모델러(MagicDraw 기반)는 시스템 아키텍처 및 요구사항 중심 설계에 중점을 둔 MBSE 도구이다. RFLP(Requirement, Functional, Logical, Physical) 구조와 트레이스 기능이 강력하며, PLM·SPDM 시스템과의 통합이 잘 되어 있어 디지털 스레드 구축에 적합하다. 대부분의 대기업 MBSE 전환 프로젝트에서 선택되고 있다. 사용자 인터페이스 및 작업 구조 : 랩소디는 전통적인 IDE 스타일의 인터페이스(<그림 1>처럼 왼쪽 탐색기 + 오른쪽 다이어그램 편집기)를 가지고 있으며, 실시간 코드 시뮬레이션 및 상태 전이 구현에 용이하다. 카메오 시스템 모델러는 모델 요소 중심 탐색 트리, 다중 다이어그램 탭, 자동 연결 도우미, 속성 창 기반 작업이 잘 정비되어 있으며, 직관적인 GUI로 인해 다양한 다이어그램 작성이 빠르고 정확하게 이루어진다. 사용자 친화성이 높은 편이다. 시뮬레이션 및 해석 기능 : 랩소디에는 UML/SysML 상태 머신을 기반으로 한 Statechart Simulation이 내장되어 있어, 논리적 동작 검증이나 이벤트 시퀀스 분석에 유리하다. C/C++ 코드 생성 및 디버깅 기능도 내장되어 있어, 소프트웨어 통합 단계까지 연결하기 좋다. 카메오 시스템 모델러는 카메오 시뮬레이션 툴킷(Cameo Simulation Toolkit :CST)을 통해 SysML 모델의 시뮬레이션이 가능하며, 파라메트릭 다이어그램(Parametric Diagram) + 수식 기반 계산 + 외부 FMU 연동을 지원한다. 특히 시뮬링크(Simulink), 모델리카(Modelica) 등과의 코시뮬레이션(co-simulation) 및 FMI 기반 연동이 강력하다. 협업 및 형상 관리 연동 : 랩소디는 RTC, ClearCase, GIT 등과 연계가 가능하지만, 협업 기능이 독립적으로 강력하지는 않다. 기업 내부 커스터마이징이 필요한 경우가 많다. 카메오 시스템 모델러는 팀워크 클라우드(Teamwork Cloud : TWC)라는 중앙 저장소 기반 협업 서버를 통해 모델 단위 버전 관리, 권한 제어, 변경 추적, 분기 관리(branching) 기능을 지원하며, 팀 단위 협업 및 모델 기반 리뷰에 적합하다. PLM, SPDM 및 외부 툴 연동 : 랩소디는 외부 연동이 상대적으로 제한적이며, 별도 게이트웨이 또는 커스터마이징이 필요하다. 카메오 시스템 모델러는 3D익스피리언스(다쏘시스템), 윈칠(PTC), 팀센터(지멘스) 등의 PLM 시스템과 연계가 용이하며, MBSE–PLM–SPDM 간의 디지털 연계(traceability)가 수월하게 이루어진다. 정리하면 랩소디는 코드 생성, 상태 머신 중심이고 카메오 시스템 모델러는 요구사항–기능–물리 구조 연계 중심이다. 사용 분야는 랩소디가 임베디드 소프트웨어, 제어 시스템에 사용되며 카메오 시스템 모델러는 시스템 아키텍처, MBSE를 총괄하는데 사용된다. 시뮬레이션에는 랩소디가 상태 기반 시뮬레이션에 사용되며, 카메오 시스템 모델러는 파라메트릭, 시퀀스, 코시뮬레이션이 가능하다. 협업 관점에서 랩소디는 RTC/파일 기반으로 이용되며, 카메오 시스템 모델러는 팀워크 클라우드 기반 모델 협업에 활용된다. 외부 툴과 연동은 랩소디는 제한적이며 커스터마이징이 필요하다. 반면에 카메오 시스템 모델러는 FMI, PLM, 시뮬링크 등과 강력하게 연동된다.    ■ 자세한 기사 내용은 PDF로 제공됩니다.

산업AI의 성패, 데이터의 ‘양’이 아닌 ‘맥락’으로 승부   지난 3월, 글로벌 산업 소프트웨어 시장에 의미 있는 변화가 일어났다. 헥사곤의 주요 소프트웨어 사업부가 분사해 ‘옥타브(Octave)’라는 독립 브랜드로 새롭게 출범한 것이다. 월드 IT 쇼(WIS) 2026 현장에서 만난 옥타브 산업 컨설팅 부문 김세환 기술 이사는 옥타브가 건설/플랜트/조선 분야를 리드해온 것에서 진일보하겠다는 포부를 밝혔다. 그리고 산업AI와 결합하여 전 산업 분야에서 라이프사이클을 아우르는 기업으로 거듭나겠다는 비전을 제시했다. ■ 최경화 국장     옥타브는 산업 및 인프라 자산의 설계(design)부터 구축(build), 운영(operate), 보호(protect)에 이르는 전 단계에 걸쳐 ‘라이프사이클 인텔리전스’를 제공하는 기업이다. 옥타브의 전신은 인터그래프로, 1969년에 플랜트 산업 분야의 데이터 관리와 3D 설계 설루션을 공급하는 회사로 설립되었다. 2010년 헥사곤AB(Hexagon AB)에서 인수 후 헥사곤 PPM (2017년)으로 명칭이 변경되었고, 설계를 넘어 자산의 전체 수명 주기 관리 업체로 변화한다는 의미에서 헥사곤 ALI(2022년)로 변경되어 온 바 있다. 옥타브의 설립은 헥사곤 내 헥사곤 ALI(애셋 라이프사이클 인텔리전스) 사업부, SIG(세이프티·인프라·지오스페이셜) 사업부, 브릭시스, ETQ, 프로젝트메이츠 사업부를 통합해 구성되었으며, 산업AI 시대에 소프트웨어 분야에 더욱 집중하기 위해 새롭게 설립되었다는 설명이다. 이 회사는 현재 45개국 이상의 고객사를 지원하고 있으며, 포춘 500대 기업의 약 60%가 옥타브 설루션을 활용하고 있다. 김세환 이사는 이번 분사가 단순히 조직의 분절이 아니라, 고객의 수요와 운영 현실을 반영한 전략적 선택이었다고 설명한다. “산업 간 연계가 깊어지면서 자산 생애주기 전반에서 데이터가 소실되는 문제가 빈번해졌고, 이를 해결하기 위해 보다 빠르고 단호한 투자가 가능한 독립 법인이 필요했다”는 것이다. 옥타브는 ‘인텔리전스를 규모 있게 실현한다’는 비전 아래, 복잡한 데이터를 실행 가능한 정보로 전환하는 데 집중하고 있다.   생성형 AI와 산업AI의 결정적 차이, 맥락 최근 생성형 AI 열풍이 거세지만, 김 이사는 산업 현장의 AI는 본질적으로 달라야 한다고 강조한다. 일반적인 AI가 폭넓은 정보를 바탕으로 답을 내놓는다면, 산업 AI는 실제 자산과 안전, 워크플로에 직결되는 ‘구조화된 도메인 특화 데이터’를 기반으로 삼아야 한다. 산업 환경에서의 오류는 안전과 품질, 비용에 치명적인 영향을 미치기 때문이다. 옥타브의 산업AI는 도면, 유지보수 이력, 운영 현황, 센서 데이터 등 맥락(context)화된 데이터를 기반으로 작동하며, 점검 우선순위를 정하거나 부품 발주 지침을 내리는 등 즉각 실행 가능한 인텔리전스를 제공한다.   AI 선도 전략으로 최적의 대안 제시 옥타브의 핵심 전략은 ‘AI 주도(AI-lead)’가 아닌 ‘AI 선도(AI-forward)’다. AI가 전문가를 대체하는 것이 아니라 위험 신호를 감지해 권고안을 제시하고, 최종 결정은 현장 전문가가 내리는 구조다. 데이터 통합이 단순히 정보를 모으는 것이라면, 맥락화는 그 데이터를 자산 및 리스크와의 관계 속에서 의미 있게 만드는 작업이다. 옥타브의 AI 전략은 데이터 맥락화, 임베디드 AI, 에이전틱(agentic) 워크플로, AI 네이티브 애플리케이션이라는 네 가지 축을 중심으로 구성된다. 김 이사는 AI 도입의 성패가 기술적 성숙도가 아닌 ‘데이터 준비도(data readiness)’에 달려 있다고 말한다. 데이터가 충분히 연결되고 맥락이 결합될 때 비로소 ‘AI가 즉시 활용 가능한 데이터’가 된다. 이러한 토대 없이 AI를 도입하면 성과 없이 비용만 발생할 가능성이 높다.   핵심 설루션 활용 : 옥타브 어튠 EAM과 옥타브 아리아 한국 산업 현장에서 가장 빠르게 현실화되고 있는 영역은 운영(operate) 도메인, 특히 데이터 맥락화와 임베디드 AI를 결합한 자산 성능 관리(APM) 및 예측 유지보수이다. 실제 현장에서 옥타브 어튠 EAM(Octave Attune EAM)은 작업 지시, 자산 추적, 재고 및 안전 관리를 통합적으로 지원하며, 생성형 AI 엔진인 옥타브 아리아(Octave Aria)는 설비 제조사 매뉴얼을 자동으로 읽어 예방 정비 항목을 정리하거나 공급업체 정보를 참조해 부품 가격을 자동 업데이트하는 등 현장 실무자의 반복 업무를 줄여준다. 에이전틱 워크플로와 AI 네이티브 애플리케이션은 현재 기술 개발 중에 있으며, 옥타브는 올해 에이전틱 AI 기능을 단계적으로 도입할 계획이다.   한국 산업계의 성공 사례와 기술 검증 옥타브는 에너지, 석유화학, 건설/플랜트(EPC), 제조 분야 등에서 주요 산업 고객들과 협력하고 있다. 대표적 사례로 에쓰오일(S-OIL)은 옥타브 Facets P&ID, 옥타브 Forte 3D 등의 설루션을 도입해 지능형 디지털 트윈 기반 운영 체계를 구축하였다. 현대건설 또한 옥타브와 MOU를 체결하고 스마트 EPC 분야의 디지털 전환을 추진 중이다. 이러한 기술력은 극한의 환경인 F1 레이싱 현장에서도 입증되고 있다. 옥타브는 VCARB(비자 캐시앱 레이싱 불스)와 파트너십을 맺고 옥타브 어튠을 통해 모든 부품과 장비, 공구를 실시간으로 관리한다. 단 하나의 실수도 허용되지 않는 F1 서킷에서 검증된 자산 가시성과 예측 유지보수 기술은 에너지, 인프라, 제조 운송 등 산업현장의 성과로 이어지고 있다.   데이터 연결과 준비를 통해 산업AI 경쟁력 강화 옥타브는 오는 2026년 3분기, 생애주기 전반의 데이터를 단일 스레드로 통합하고 에이전틱 서비스를 제공하는 단일 플랫폼을 출시할 예정이다. 김세환 이사는 향후 3~5년 내 산업 AI의 경쟁력이 AI 모델의 정교함이 아니라 ‘얼마나 연결되고 맥락화된 데이터 기반을 갖췄는가’에서 갈릴 것이라고 전망한다. 그는 한국 기업들에게 “AI에 투자하기 전, 데이터가 진정으로 AI 준비 상태(AI-ready)인지 확인하라”고 조언했다. 단편적인 효율 개선을 넘어 라이프사이클 전반의 데이터를 연결하는 변혁에 집중하는 조직만이 산업 AI 시대의 승자가 될 것이라는 분석이다.     ■ 기사 내용은 PDF로도 제공됩니다.

트렌드에서 얻은 것 No. 30   우리는 지금 AI를 사용하는 시대에 살고 있다고 말한다. 하지만 조금만 거리를 두고 바라보면, 그 말은 절반만 맞다. 지금의 우리는 AI를 능숙하게 활용하고 있는 것처럼 보이지만, 실제로는 여전히 그것을 하나의 도구처럼 다루고 있기 때문이다. 질문을 던지면 답을 받고, 코드를 요청하면 만들어주고, 문서를 부탁하면 정리해주는 방식은 분명 이전과 비교할 수 없을 정도로 강력한 변화이지만, 그 본질은 크게 달라지지 않았다. 여전히 판단은 사람이 하고, AI는 그 판단을 빠르게 실행하는 역할에 머물러 있기 때문이다. 이 구조는 익숙하고 안정적이지만, 동시에 분명한 한계를 갖는다. 인간이 모든 판단을 내려야 한다는 전제는 결국 속도와 복잡성의 벽에 부딪히게 된다. 그리고 지금, 우리는 그 한계를 넘어서는 변화의 초입에 서 있다. 최근 몇 년 사이 ‘AI 에이전트(AI agent)’라는 개념이 빠르게 확산된 것도 이러한 흐름의 일부다. 에이전트는 단순한 응답을 넘어 작업을 분해하고 도구를 연결하며 결과를 만들어내는 존재로 발전했다. 그러나 여전히 그 방향은 사람이 정한다는 점에서, 구조 자체는 크게 달라지지 않았다.   ▲ 화이트보드 이미지(제공 : 제미나이, by 류용효) (클릭하면 큰 이미지로 볼 수 있습니다.)   하지만 이 흐름은 지금 전혀 다른 방향으로 꺾이고 있다. 단순히 더 똑똑한 AI가 등장한 것이 아니라, AI의 역할 자체가 바뀌고 있기 때문이다. 이제 AI는 ‘무엇을 해야 하는가’를 판단하기 시작하고 있다. 그리고 이 변화는 전쟁과 같은 지정학적 위기, 공급망 붕괴, 에너지 가격 급등과 같은 현실의 변화와 맞물리면서 더욱 빠르게 가속되고 있다. 기업은 더 이상 느린 의사결정으로 버틸 수 없고, 실시간으로 판단하고 실행하는 능력을 요구받고 있다. 이러한 환경에서 등장한 것이 ‘판단하는 시스템(decision system)’이다. 자동화 시스템이 정해진 절차를 빠르게 수행하는 것이라면, 판단하는 시스템은 그 절차 자체를 선택한다. 어떤 선택이 최적인지, 어떤 리스크가 존재하는지, 어떤 자원을 어디에 배치해야 하는지를 스스로 결정한다. 이는 단순한 효율을 넘어, 기업의 생존과 직결되는 영역으로 확장되고 있다. 이 변화는 제조 현장에서 이미 현실이 되고 있다. APS(고급 생산 계획 및 스케줄링 시스템)는 단순한 계획 도구를 넘어 다양한 시나리오를 생성하고 최적의 선택을 제안하는 시스템으로 진화하고 있으며, 점점 더 스스로 실행하는 방향으로 발전하고 있다. 납기 지연을 예측하고 생산 순서를 조정하며 자원을 재배치하는 기능은 더 이상 미래의 이야기가 아니다. 이 흐름은 자연스럽게 피지컬 AI(physical AI)와 로봇으로 이어진다. 디지털 공간에서 이루어지던 판단이 이제 물리적 세계로 확장되고 있는 것이다. 기존의 산업용 로봇이 정해진 동작을 반복하는 기계였다면, 앞으로의 로봇은 상황을 인식하고 판단하며 행동을 바꾸는 존재로 진화한다. 이는 단순한 자동화가 아니라, ‘판단하는 물리 시스템’으로의 전환을 의미한다. 특히 전쟁이나 공급망 위기 상황에서는 이러한 시스템이 더욱 큰 가치를 가진다. 어느 공장을 먼저 가동해야 하는지, 어떤 부품을 대체해야 하는지, 물류를 어떻게 재구성해야 하는지와 같은 문제는 더 이상 사람의 경험만으로 해결할 수 없는 영역이 되었기 때문이다. PLM 역시 이러한 변화의 중심으로 이동하고 있다. 과거의 PLM이 설계 데이터를 관리하는 시스템이었다면, 이제는 판단을 지원하는 지식 기반 플랫폼으로 진화하고 있다. 설계, 생산, 품질, 공급망 데이터가 연결되고, 그 위에서 AI가 판단을 수행하는 구조가 만들어지고 있다. 특히 3D 유사도 기반 기술은 이미 판단의 일부를 시스템이 담당하기 시작했음을 보여주는 대표적인 사례다. 그렇다면 이 변화 속에서 사람은 무엇을 해야 하는가. 이 질문에 대한 답을 찾기 위해 최근 많이 언급되는 개념이 바로 ‘바이브코딩’이다. 비개발자도 AI를 활용해 코드를 생성하고, 간단한 서비스를 구현할 수 있는 시대가 열리면서 많은 사람들이 개발의 문턱을 넘기 시작했다. 실제로 개인의 생산성과 아이디어 구현 속도는 과거와 비교할 수 없을 정도로 빨라졌다. 하지만 여기에는 분명한 현실도 존재한다. 기업용 시스템의 영역에서는 상황이 다르다. 여전히 복잡한 데이터 구조, 안정성, 보안, 성능, 유지보수와 같은 문제가 존재하며, 이는 단순한 코드 생성으로 해결되지 않는다. 바이브코딩은 개인이나 소규모 실험에서는 강력한 도구가 될 수 있지만, 대규모 기업 시스템에서는 아직까지 결정적인 해결책이 되지 못하고 있다. 오히려 이 지점에서 하나의 역설이 드러난다. AI가 발전할수록 개발자가 필요 없어질 것처럼 보이지만, 실제로는 기업용 시스템을 제대로 설계하고 구현할 수 있는 개발자의 부족 현상이 더욱 심화되고 있다. AI가 코드를 만들어주더라도, 그 구조를 이해하고 통제할 수 있는 사람의 필요성은 오히려 더 커지고 있기 때문이다. 이러한 현실 속에서 기업이 선택해야 할 전략은 명확해지고 있다. 모든 것을 새롭게 개발하려 하기보다는, 이미 검증된 OOTB(out of the box) 기능을 최대한 활용하는 방향이다. 완벽한 커스터마이징을 추구하기보다는, 기본 기능에 충실한 시스템을 빠르게 적용하고 그 위에서 점진적으로 확장하는 접근이 더 현실적이다. 조금 돌아가는 것처럼 보일 수 있지만, 오히려 이 방식이 더 빠르고 안정적인 결과를 만들어낸다. 특히 PLM, APS와 같은 복잡한 엔터프라이즈 시스템에서는 이러한 전략이 더욱 중요하다. 기본 기능을 기반으로 표준 프로세스를 정립하고, 필요한 부분만 선택적으로 확장하는 것이 전체 시스템의 안정성과 지속 가능성을 높이는 방법이기 때문이다. 앞으로의 전망을 보면 이 흐름은 더욱 명확해질 것이다. 바이브코딩은 개인의 생산성을 극대화하는 도구로 자리 잡고, 기업 영역에서는 OOTB 기반의 플랫폼과 AI가 결합된 구조가 중심이 된다. 그리고 그 위에서 판단하는 시스템이 작동하게 된다. 결국 우리는 하나의 방향으로 수렴하고 있다. 도구의 시대를 지나 에이전트의 시대로 그리고 판단의 시대로 이동하고 있으며, 그 위에 피지컬 AI와 로봇이 결합된 새로운 산업 구조가 형성되고 있다. 이때 기업의 경쟁력은 더 이상 얼마나 많은 기능을 개발했는지가 아니라, 얼마나 빠르게 판단하고 실행할 수 있는 시스템을 갖추었는지에 의해 결정된다. 그리고 이 모든 변화의 중심에는 여전히 사람이 있다. 다만 그 역할은 분명히 달라지고 있다. 더 이상 직접 실행하는 사람이 아니라, 시스템의 방향과 의미를 설계하는 사람으로 변화하고 있는 것이다.   ■ 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.

한국기계산업진흥회는 회원사 지원을 위한 공동 업무협약을 체결했다. 이번 협약은 한국기계산업진흥회와 법무법인 바른, 태일회계법인, 중앙감정평가법인이 협력하여 회원사를 대상으로 분야별 전문 서비스를 제공하고 상호 협력체계를 구축하기 위해 마련했다. 협약 내용에 따라 각 전문 법인은 한국기계산업진흥회 회원사를 대상으로 분야별 맞춤형 서비스를 제공할 예정이다. 법무 부문에서는 한국기계산업진흥회 전용 법률상담센터를 운영하고 방문 컨설팅을 진행한다. 이를 통해 주요 법적 현안에 대한 자문을 제공하며, 웨비나와 세미나를 병행해 회원사의 법적 안정성 확보와 규제 대응 역량 강화를 지원할 계획이다. 회계 부문은 세무 관련 자문과 함께 기업공개, 구조조정, 재무 관리 등 경영 현안 전반에 대한 전문 컨설팅을 제공한다. 이를 통해 기업 운영의 효율성을 높인다는 방침이다. 감정평가 부문에서는 감정평가 및 기업자산 관련 컨설팅 서비스를 제공해 재무 안정성 확보와 리스크 관리 역량 강화를 돕는다. 한국기계산업진흥회의 김동열 상무이사는 “경영 현장에서 회원사들이 겪는 다양한 어려움에 실질적인 도움이 되기를 기대한다”면서, “앞으로도 회원사가 체감할 수 있는 지원 서비스를 지속적으로 발굴하고 확대해 나가겠다”고 밝혔다.  

IBM은 기업이 새로운 세대의 사이버 위협에 대응할 수 있도록 돕는 신규 사이버 보안 조치를 발표했다. 공격자들은 공격 준비부터 실행에 이르는 전 과정에서 첨단 AI(인공지능) 모델을 활용해 공격 속도와 효율을 높이고 있다. 이러한 변화는 고도화된 공격을 수행하는 데 필요한 시간과 비용, 전문성을 낮추며 기업을 상시적인 비즈니스 중단 위험에 노출시키고 있다. 공격이 기계적 속도로 자동 실행되는 환경에서 단절된 보안 도구와 수작업 절차에 의존한 기존 보안 체계는 점차 효과를 잃고 있다. 에이전트형 공격에 대응하기 위해서는 대규모 환경 전반에서 자율적이고 유기적으로 작동하는 새로운 보안 체계가 필요하다. 기업들은 복잡하고 방대한 IT 환경을 운영하고 있으며 이러한 구조는 체계적으로 관리하기 어렵다. 이는 첨단 AI 모델이 취약점을 빠르게 식별하고 이를 공격 경로로 전환하는 데 유리한 조건을 제공한다. 이러한 문제에 대응하기 위해 IBM 컨설팅은 에이전트 기반 위협에 대한 기업의 대비 수준을 평가할 수 있는 새로운 사이버 보안 평가 서비스를 제공한다. 이 평가는 IBM과 기술 파트너들이 공동으로 수행하며 고객이 전사 환경 전반에 걸쳐 필요한 지원을 받을 수 있도록 설계됐다. 이 평가는 보안 공백과 정책상의 취약점, AI 환경에서 발생할 수 있는 특화된 노출 요소, 잠재적인 공격 경로에 대한 가시성을 제공한다. 즉각적인 소프트웨어 수정이 어려운 경우에는 임시 보호 조치를 포함한 우선순위 기반 대응 방안도 함께 제시한다. 또한 자동화 수준과 보안 구조의 정합성을 개선해 공격 탐지와 대응 속도를 높일 수 있는 영역을 도출함으로써 보다 실질적인 보안 강화 방향을 제시한다.     기업이 AI가 생성하는 공격의 속도와 정교함에 직접 대응해야 하는 상황을 반영해 IBM은 다중 에이전트 기반 보안 서비스인 ‘IBM 오토노머스 시큐리티(IBM Autonomous Security)’를 공개했다. 이 서비스는 기계적 속도로 의사결정과 대응, 정보 분석을 수행할 수 있도록 설계됐다. 이 서비스는 협력적으로 작동하는 AI 에이전트를 활용해 소프트웨어 노출 요소와 실행 환경을 분석하고 공격 경로를 식별하며 보안 기본 상태를 개선한다. 또한 조직 전반의 보안 도구에 걸쳐 정책을 일관되게 적용하고 이상 징후를 탐지해 최소한의 인적 개입만으로 위협을 차단하도록 설계됐다. 이러한 분석 결과는 거버넌스와 위험 관리 시스템으로 직접 연계돼 최신 보안 및 규정 준수 상태를 유지할 수 있도록 지원하며 이를 통해 노출 기간을 줄이고 고속 공격에 대한 대응 속도를 높인다. IBM 오토노머스 시큐리티는 보안 범위를 신원 관리와 위험 관리, 거버넌스 영역까지 확장하고 정보기술과 운영기술, 비즈니스 프로세스 전반의 AI 시스템과 연계함으로써 탐지에서 복구에 이르는 전 과정을 가속한다. 이를 통해 규정 준수 성과를 강화하고 운영상의 마찰을 줄이며 전반적인 보안 회복탄력성을 높일 수 있도록 돕는다. 에이전트형 위협 환경에서는 개별 보안 도구의 성능보다 보안 체계 전반이 얼마나 빠르고 일관되게 대응할 수 있는지가 방어 성과를 좌우한다. IBM은 보안 회복탄력성이 기계적 속도에 맞춰 진화해야 하는 전환점에서 기업들이 효과적으로 대비할 수 있도록 지속적으로 지원할 계획이다. IBM 컨설팅의 마크 휴즈 사이버 보안 서비스 대표는 “첨단 AI 모델은 빠르게 움직이고 전사적인 영향력을 가지며 점점 더 자율적으로 진화하는 새로운 유형의 기업 위협을 만들어내고 있다”면서, “이에 대응하기 위해서는 개별 도구가 아닌 시스템 차원의 방어가 필요하며 AI 기반 공격에는 AI 기반 방어가 요구된다. 이것이 바로 IBM이 제시하는 접근 방식”이라고 말했다.

  INFOWORLD   Focus 17　제조 AX’로 일하는 방식을 바꾸다… 피지컬 AI·데이터 통합으로 지능형 생태계 구축 22　매스웍스, “MBD와 AI 결합으로 설계 복잡성 줄이고 신뢰성 높인다” 25　“화려한 기술보다 탄탄한 데이터가 우선”… 제조 AI 전환의 실질적 해법은 28　유니티 스튜디오, 노코드와 웹 기반으로 산업용 3D 제작 문턱 낮춘다 31　세일즈포스, ‘에이전틱 엔터프라이즈’ 제시… 슬랙이 핵심 업무 운영체제 된다   People & Company 34　옥타브 산업 컨설팅 부문 김세환 기술 이사　산업AI의 성패, 데이터의 ‘양’이 아닌 ‘맥락’으로 승부   Case Study 36　다이슨 워시G1의 모델 기반 설계 도입 사례 / 이웅재　시스템 레벨 시뮬레이션, 일상 가전의 개발 방식까지 바꾸다 39　시각화 워크플로로 구현하는 리얼타임 스토리텔링　영화의 복잡한 샷에서 빠른 반복 작업을 지원한 언리얼 엔진 42　데이터 사일로 해소부터 거버넌스 수립까지, 전사 협업의 효율 혁신　3D 애셋 데이터를 위한 SSOT 구축   New Products 50　이달의 신제품   Column 53　디지털 지식전문가 조형식의 지식마당 / 조형식　보이지 않는 뇌 56　트렌드에서 얻은 것 No. 30 / 류용효　AI 에이전트 이후의 시대, ‘판단하는 시스템’의 탄생   48　New Books   Directory 107　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 58　새로워진 캐디안 2026 살펴보기 (6) / 최영석　사각형 작도 외 62　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2027 (1) / 최하얀　아레스 커맨더 2027이 제시하는 새로운 CAD 작업 방식 65　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　루비 온 레일즈 기반 빌딩 모니터링 서비스 개발 방법   Mechanical 72　엔지니어링의 진화, 항공우주 산업의 복잡성을 넘어서다 / 오병준　디지털 전환이 이끄는 항공우주 시스템 엔지니어링의 미래 76　제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (10) / 박수민　크레오 파라메트릭 12.0으로 애니메이션 생성하기   Analysis 81　앤시스 워크벤치를 활용한 해석 성공 사례 / 황정필　앤시스 아쿠아를 이용한 LNG 운반 선박의 운동 해석 방법 90　심센터 HEEDS 더 깊게 살펴 보기 (5) / 이종학　심센터 HEEDS 2604 업데이트 96　가상 제품 개발을 위한 MBSE 및 SysML의 이해와 핵심 전략 (7) / 오재응　모델 기반 시스템 엔지니어링의 모델링 도구 104　성공적인 유동 해석을 위한 케이던스의 CFD 기술 / 나인플러스　IT  홀더의 지속 가능한 해상풍력 설치 접근법   PLM 100　산업을 위한 AI와 버추얼 트윈 기술 (3) / 이종혁　데이터 온톨로지 기반 3D 모델의 지능화     2026-5-aifrom 캐드앤그래픽스     캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

산업 특화 AI와 클라우드 플랫폼 통해제조·건설 경쟁력 강화 지원   오토데스크코리아는 플랫폼과 AI를 결합한 ‘디자인 & 메이크(Design & Make)’ 전략을 통해 설계·시공·제조 전 과정의 데이터 단절을 해소하고, 현장 중심의 실질적인 성과 창출에 주력했다. 특히 BIM, 클라우드, 시뮬레이션, 생성형 AI를 기반으로 고객 사례를 확대하며 AX 실행 단계로의 전환을 가속화했다. 올해 오토데스크는 산업 특화 AI와 클라우드 플랫폼을 통해 국내 제조·건설 기업의 경쟁력 강화를 꾸준히 지원할 계획이다. ■ 최경화 국장     지난해 국내 제조/건축 시장에 대해 평가한다면? 지난해 국내 제조 및 건축 시장은 투자 위축, 원자재 비용 부담 등 복합적인 외부 환경 속에서 전반적으로 보수적인 기조를 유지한 한 해였다. 특히 건설 시장은 기존 자산의 효율적 운영과 비용 관리에 초점이 맞춰졌고, 제조 산업 역시 대규모 설비 투자보다는 생산성 개선과 공정 최적화 중심의 전략이 두드러졌다. 다만 이러한 환경 속에서도 대형 건설사를 중심으로 디지털 전환을 통해 사업 경쟁력을 강화하려는 움직임이 가시화되었다. 단순한 툴 도입을 넘어 데이터 기반의 의사결정 체계를 구축하려는 시도가 늘어난 한 해였다고 평가한다.   지난해 오토데스크의 주요 화두와 이로 인해 기대하는 변화는? 지난해 오토데스크의 핵심 화두는 ‘플랫폼’과 ‘AI’였다. 오토데스크는 개별 소프트웨어 공급을 넘어 설계부터 시공, 제조, 운영에 이르는 전 과정을 데이터로 연결하는 ‘디자인 & 메이크’ 플랫폼 기업으로 도약하기 위해 전략을 강화하고 있다. 산업 현장에서는 그동안 데이터가 단절되어 비효율이 발생하곤 했다. 하지만 오토데스크의 플랫폼 전략과 AI 기술이 결합되면서, 고객들은 단순 반복 작업에서 벗어나 창의적인 문제 해결에 집중할 수 있게 되었다. 특히 데이터와 자동화를 통해 단절된 워크플로를 연결함으로써 생산성을 획기적으로 높이는 변화가 현장에서 실제로 일어나고 있다.   지난해 주요한 비즈니스 성과 및 고객 성공사례를 소개한다면? 지난해 오토데스크는 단순 라이선스 공급을 넘어, 고객사가 명확한 비즈니스 목표를 달성할 수 있도록 돕는 ‘컨설팅 파트너’의 역할을 강화했다. 기술은 수단일 뿐이며 고객이 해결하고자 하는 품질, 안전, 원가 등의 문제를 정의하고 이를 해결하는 설루션을 함께 설계하는 데 집중했다. 대표적인 성공 사례로 GS건설과의 협업을 꼽을 수 있다. GS건설은 오토데스크 컨스트럭션 클라우드(ACC)를 도입하여 현장 검측 프로세스를 디지털화했다. 이를 통해 기존에 수작업으로 진행되던 검측 업무 준비 시간을 73% 단축했고, 태블릿과 웹을 통해 최신 BIM 모델을 실시간으로 확인하면서 연간 약 20만 장의 종이 문서를 절감하는 성과도 거두었다. 무엇보다 단순한 문서 관리를 넘어, 현장의 모든 데이터가 플랫폼에 축적되어 향후 자산으로 활용될 수 있는 기반을 마련했다는 점에서 디지털 전환의 모범 사례라고 할 수 있다. 또 다른 사례로는 행림종합건축사사무소가 있다. 행림종합건축사사무소는 오토데스크 포마(Autodesk Forma)의 생성형 AI 기능을 실무에 적극 도입하여 초기 설계 단계의 효율을 극대화했다. 지형, 일조, 소음, 바람 등 복잡한 환경 변수를 자동으로 분석하고, 수십 가지의 설계 대안을 생성·비교함으로써 최적의 결과물을 신속하게 도출해냈다. 이를 통해 초기 설계 검토 시간을 대폭 줄이고 정확도를 높였을 뿐만 아니라, 관련 데이터를 향후 프로젝트에서 활용 가능한 디지털 자산으로 축적한다는 점에서 AI 기반 설계 혁신의 좋은 사례라 할 수 있다.   최근 인수한 회사 및 이로 인한 변화, 전망에 대해 소개한다면? 오토데스크는 디자인 & 메이크 플랫폼의 완성을 위해 핵심 기술을 보유한 기업을 전략적으로 인수해왔다. 이는 각 분야별 전문성을 플랫폼에 통합하여 고객에게 끊김 없는 워크플로 환경을 제공하기 위한 것이다. 먼저 오토데스크 포마(Autodesk Forma)는 2020년 인수한 스페이스메이커(Spacemaker)를 기반으로 발전한 AI 네이티브 플랫폼으로, 설계 초기 단계에서 환경 분석과 대안 검토를 자동화해 보다 나은 의사결정을 지원한다. 최근에는 오토데스크 컨스트럭션 클라우드와의 통합을 통해 기획–설계–시공–운영을 하나의 연속된 흐름으로 연결하는 기반을 마련했다. 또한, 2021년 물 인프라 데이터 분석 및 시뮬레이션 전문 설루션 이노바이즈(Innovyze) 인수를 통해 상하수도 및 배수 시스템의 설계부터 운영까지 아우르는 디지털 트윈 설루션을 확보했다. 기후 변화로 인한 물 관리 중요성이 커지는 가운데, 이노바이즈의 시뮬레이션 기술은 지속 가능한 도시 인프라 구축에 핵심적인 역할을 하고 있다. 2023년 인수한 플렉스심(FlexSim)은 공장 및 물류 센터 시뮬레이션 설루션이다. 이를 통해 오토데스크는 공장 설계뿐만 아니라, 실제 공장 운영 시의 물류 흐름과 병목 현상을 디지털 환경에서 미리 검증할 수 있게 되었다. 제조 프로세스의 최적화를 지원하여 스마트 공장 구현을 가속화할 수 있는 기반을 마련했다.   엔지니어링 소프트웨어 분야에서 AI 대응을 위한 전략은? 오토데스크의 AI 전략은 보여주기 식이 아닌, 현장에서 바로 활용 가능한 실용성에 초점을 두고 있다. 데이터와 자동화를 통해 설계–제작–운영 전 과정의 단절된 워크플로를 연결하고 생산성을 높일 수 있는 고도화된 AI 기능을 제공한다. 오토데스크 AI(Autodesk AI)는 반복 작업 자동화, 축적된 데이터 기반 인사이트 제공, 기존 작업 성능 개선이라는 세 가지 축을 중심으로 발전하고 있다. 이러한 접근은 설계 정확도 향상, 일정 단축, 리스크 예측 등으로 이어지며, 실제 프로젝트 성과로 연결되고 있다. 다만 AI를 효과적으로 활용하기 위해서는 BIM과 같은 디지털 기반 데이터 축적이 선행돼야 한다. 오토데스크는 고객이 이러한 기반을 단계적으로 구축할 수 있도록 기술 컨설팅과 플랫폼을 함께 제공하고 있다.   올해 제조/건축 시장에 대한 전망은? 올해는 AI 전환(AX)이 본격 확산되는 해가 될 것이다. 지난해 오토데스크가 발표한 2025 디자인 & 메이크 글로벌 보고서에 따르면, 조사 대상 기업의 약 61%가 AX를 통해 상당히 의미 있는 생산성 향상을 경험했으며, 디지털 성숙도가 높은 기업일수록 AI 투자를 통해 의미 있는 생산성 향상과 ROI를 거두고 있다고 답했다. 올해는 많은 기업이 AI에 대한 관심을 넘어, 실제 업무 프로세스에 AI를 어떻게 적용할지 구체적으로 실행하는 단계로 진입할 것으로 전망한다. 특히 제조 분야에서는 스마트 공장 고도화와 함께 설계-제조 데이터의 통합이 가속화될 것이며, 건설 분야에서도 BIM 의무화 흐름과 맞물려 데이터 기반의 협업이 필수 생존 전략으로 자리 잡을 것이다.   올해 주목하는 시장 흐름이나 기술 이슈가 있다면? 최근 많은 기업이 AX를 얘기하지만, 이를 성공적으로 추진하는 데 있어 가장 경계해야 할 것은 ‘고립된 AI(siloed AI)’다. 전사적인 데이터 통합 없이 부서별로 파편화된 AI를 도입하면 오히려 데이터의 단절을 초래하여 큰 효과를 보기 어렵다. 따라서 올해의 핵심 이슈는 ‘데이터의 연결(connected data)’이 될 것이다. 설계, 시공, 운영 등 각 단계에서 생성되는 데이터가 하나의 클라우드 플랫폼에 축적되고, 이것이 산업 특화 AI와 연결될 때 비로소 진정한 AX가 실현될 수 있다. 오토데스크는 고객이 파편화된 데이터를 클라우드 상에서 통합 관리할 수 있도록 지원하는 데 주력할 것이다.   올해 신제품 출시나 기술 포트폴리오 확장 계획은? 올해는 AI 기반의 혁신적인 기능들이 제품 전반에 대거 탑재된다. 대표적으로 오토데스크 어시스턴트(Autodesk Assistant)는 자연어 대화를 통해 사용자가 필요한 정보를 찾거나 작업을 자동화할 수 있도록 지원한다. 또한 뉴럴 캐드(Neural CAD)와 같은 차세대 기술을 통해 복잡한 설계 형상을 AI가 이해하고 생성을 지원하는 기능도 선보일 예정이다. 한국 시장을 위한 특별한 라인업 확장도 있다. 국내 사용자들의 다양한 니즈를 반영하여 오토캐드 포트폴리오를 전문 툴셋을 포함한 오토캐드 플러스, 오토캐드, 오토캐드 LT, 오토캐드 웹 등으로 세분화하여 선택의 폭을 넓혔다. 이를 통해 고객은 프로젝트 규모와 예산에 맞춰 최적의 설루션을 선택할 수 있게 되었다.   올해 국내 비즈니스 계획은? 올해 오토데스크코리아는 고객 및 파트너와의 동반 성장을 최우선 목표로 삼고 있다. 첫째, SMB(중소·중견기업) 지원 강화이다. 공공 BIM 확산에 발맞춰 중소기업이 비용 부담 없이 BIM을 도입할 수 있도록 교육 프로그램과 공동 구매 프로모션 등을 관련 협회와 준비하고 있다. 둘째, 오토캐드 시장 확대이다. 확장된 오토캐드 라인업을 바탕으로 2D 도면부터 3D 설계, 현장 협업까지 아우르는 유연한 작업 환경을 제공하여 국내 설계 생산성을 높이는 데 기여할 것이다. 셋째, 미래 인재 양성이다. 정부 산하 기관 및 민간 교육 기관과 협력해 관련 교육 과정을 개설하고 있으며, 교육기관에 오토데스크 소프트웨어를 무상으로 제공하고 있다. ‘숙련된 인재를 확보하고 유지하는 것’이 디지털 전환의 핵심이라고 보고 있는 만큼, 이 부분에 중장기 투자를 이어갈 계획이다.   이외에 전하고 싶은 이야기가 있다면? 오토데스크의 미션은 ‘더 나은 세상을 함께 설계하고 제작하는 것(Design and Make a Better World Together)’이다. 기술은 그 자체로 목적이 아니라, 우리가 사는 세상을 더 안전하고, 편리하고, 지속 가능하게 만들기 위한 도구이다. 한국은 글로벌 시장에서도 혁신을 가장 빠르게 수용하고 실험하는 ‘혁신의 아이콘’이다. 오토데스크코리아는 한국의 기업들이 글로벌 경쟁력을 갖추고 성공적인 디지털 전환을 이룰 수 있도록, 가장 신뢰할 수 있는 파트너로서 늘 함께 할 것이다.     ■ '2025 국내 엔지니어링 소프트웨어 시장조사'에서 더 많은 내용이 제공됩니다.