엔비디아는 RTX PC와 DGX 스파크(DGX Spark)에서 누스 리서치의 AI 에이전트인 헤르메스(Hermes)를 로컬 환경에서 지원한다고 전했다. 에이전틱 AI는 사용자의 업무 수행 방식을 변화시키고 있다. 오픈클로가 성공한 이후 커뮤니티는 새로운 오픈소스 에이전틱 프레임워크를 적극 수용하고 있다. 최근 공개된 헤르메스 에이전트는 출시 3개월 만에 깃허브 스타 14만 개를 돌파했다. 누스 리서치가 개발한 헤르메스는 신뢰성과 자체 개선 기능을 중점으로 설계했다. 이는 기존 에이전트에서 구현하기 어려웠던 특성이다. 헤르메스는 특정 공급업체나 모델에 종속되지 않는 설계를 기반으로 상시 가동되는 로컬 환경 사용에 최적화했다. 엔비디아는 RTX PC와 RTX PRO 워크스테이션, DGX 스파크가 헤르메스를 24시간 최대 성능으로 구동하기에 적합한 하드웨어라고 설명했다. 알리바바의 새로운 고성능 오픈 웨이트 LLM 시리즈인 큐웬 3.6은 헤르메스와 같은 로컬 에이전트 구동에 효과적이다. 큐웬 3.6의 27B와 35B 모델은 이전 세대의 1200억, 4000억 파라미터 모델보다 높은 성능을 제공한다. 이는 RTX와 DGX 스파크에서 가속화된 에이전틱 AI 구현을 돕는다.     헤르메스는 메시징 앱과 연동하고 로컬 파일 및 애플리케이션에 접근하며 24시간 상시 실행된다. 특히 네 가지 차별화된 기능이 핵심 경쟁력이다. 첫째는 자체 진화 기술이다. 헤르메스는 스스로 새로운 기술을 생성하고 개선한다. 복잡한 작업을 수행하거나 피드백을 받을 때마다 이를 기술 형태로 저장해 스스로 적응하고 성능을 향상한다. 둘째는 독립형 서브 에이전트다. 헤르메스는 서브 에이전트를 특정 하위 작업만 수행하는 단기 독립 작업자로 운영한다. 각 서브 에이전트에는 집중된 컨텍스트와 도구 세트가 제공돼 체계적인 작업 구조를 유지하고 혼란을 최소화한다. 이를 통해 더 작은 컨텍스트 윈도우로 헤르메스를 실행할 수 있어 로컬 모델 환경에 적합하다. 셋째는 설계 단계부터 고려한 안정성이다. 누스 리서치는 헤르메스에 포함된 모든 기술과 도구, 플러그인을 검증하고 스트레스 테스트를 했다. 그 결과 헤르메스는 300억 파라미터급 로컬 모델 환경에서도 안정적으로 작동한다. 넷째는 동일 모델 기준 더 뛰어난 성능이다. 여러 프레임워크에서 동일한 모델을 사용한 개발자 비교 테스트 결과, 헤르메스에서 일관되게 더 우수한 성능을 보이는 것으로 나타났다. 헤르메스는 단순한 래퍼가 아닌 능동형 오케스트레이션 계층으로, 작업 단위의 실행 대신 지속적인 온디바이스 에이전트 작동을 구현한다. 헤르메스 에이전트와 이를 구동하는 LLM은 모두 로컬에서 실행하도록 설계했다. 하드웨어 성능이 사용자 경험의 품질에 직접적인 영향을 준다. 엔비디아 GPU는 이러한 워크로드에 최적화하도록 설계했다. 큐웬 3.6 35B 모델은 약 20GB의 메모리만으로도 70GB 이상의 메모리가 필요한 1200억 파라미터 모델을 뛰어넘는 성능을 제공한다. 큐웬 3.6 27B는 새로운 고밀도 모델로 4000억 파라미터 모델급의 정확도를 제공하면서도 크기는 16분의 1 수준이다. 헤르메스가 구동되는 DGX 스파크는 상시 실행되는 에이전틱 컴퓨터가 될 수 있다. 요청 응답과 다단계 작업 계획, 자율 실행, 자체 개선 등을 지속해서 수행한다. 에이전틱 워크플로를 위해 설계된 효율적인 독립형 시스템인 DGX 스파크는 128GB 통합 메모리와 1페타플롭급 AI 성능을 갖춰 1200억 파라미터 규모의 전문가형 혼합(MoE) 모델을 상시 실행할 수 있다. 큐웬 3.6 35B 모델은 더 작은 공간에서 동등한 수준의 인텔리전스를 제공하며 빠른 실행 속도로 동시 워크로드를 처리하도록 돕는다. 헤르메스를 로컬로 실행하려면 헤르메스 깃허브 저장소에 접속해 로컬 모델이나 런타임을 연동하면 된다. 라마.cpp, LM 스튜디오, 올라마를 통해 큐웬 3.6과 함께 헤르메스를 실행할 수 있다. 한편 RTX PRO GPU는 큐웬 3.6 모델 실행 시 최대 3배 빠른 토큰 생성 속도를 제공한다. 구글의 젬마 4 모델은 NVFP4 체크포인트로 제공돼 엔비디아 블랙웰 GPU에서 더 빠른 성능을 발휘한다. 지난 4월 출시된 미스트랄 미디엄 버전 3.5도 업데이트를 통해 RTX PRO와 DGX 스파크 시스템에서 실행할 수 있다. 또한 엔비디아는 오픈소스 스택인 네모클로를 공개해 로컬 모델 지원을 강화했다. 네모클로는 WSL2를 지원해 마이크로소프트 플랫폼 개발자에게도 혜택을 제공한다.

앤시스 디스커버리 웨비나 설계 단계에서 바로 성능을 검증하는 방법

제조 및 엔지니어링 현장에서 도면은 단순한 그림을 넘어 기업의 핵심 지적 자산이다. 하지만 방대한 도면 데이터를 효율적으로 관리하고, 그 속에서 유의미한 의사결정을 이끌어내는 과정은 여전히 숙련공의 수작업과 직관에 의존하고 있다. 마키나락스(MakinaRocks)는 5월 13일 개최된 웨비나를 통해, 이러한 도면 업무의 고질적 문제를 해결할 도면 의사결정을 설계하는 AI 에이전트 솔루션 ‘DrawX(드로우엑스)’를 공개하며 도면 업무의 새로운 기준을 제시했다.   분산된 도면 자산, AI-Ready 데이터로의 전환이 시급하다 많은 제조 기업이 수십 년간 축적된 도면 데이터를 보유하고 있음에도 불구하고, 이를 제대로 활용하지 못하는 '다크 데이터' 문제에 직면해 있다. 설계 도면과 그에 따른 BOM(자재명세서), 과거 견적서 등은 각기 다른 시스템에 흩어져 있어 필요한 정보를 찾는 데만 막대한 시간이 소요된다. 마키나락스는 DrawX를 통해 이러한 비정형 도면 데이터를 AI가 즉각적으로 이해할 수 있는 ‘AI-Ready’ 상태로 전환하는 기술을 선보였다. 단순히 이미지를 인식하는 수준을 넘어, 도면 내의 객체 정보를 추출하고 이를 기업의 기간 시스템(ERP, PLM 등)과 연결함으로써 도면을 검색과 분석이 가능한 살아있는 데이터로 탈바꿈시켰다. 지능형 검색과 자동 비교, 숙련공의 노하우를 표준화하다 현장의 가장 큰 애로사항은 도면 검토 과정의 주관성이다. 숙련된 엔지니어의 부재 시 업무 공백이 발생하거나, 육안 검토 중 발생하는 실수는 생산 지연과 비용 상승으로 이어진다. DrawX는 AI 에이전트를 활용해 도면 간의 미세한 차이점을 자동으로 비교 분석한다. 특히 유사 도면 검색 기능을 통해 과거의 유사 설계 사례를 초단위로 찾아내어 설계 재사용성을 높인다. 이는 단순 반복 업무를 90% 이상 자동화하여 엔지니어가 보다 창의적인 설계 업무에 집중할 수 있는 환경을 조성한다. 또한, 파편화된 도면 이력을 체계적으로 구조화하여 인력 변동에 관계없이 일관된 품질 관리가 가능하도록 돕는다. 데이터 기반의 실시간 견적 및 수주 의사결정 지원 수주 산업에서 견적 산출의 정확성과 속도는 기업의 경쟁력을 결정짓는 핵심 요소다. DrawX는 도면에서 추출한 형상 정보와 과거의 수주 데이터를 결합하여 최적의 견적 수치를 제안한다. 기존에는 영업이나 구매 부서에서 도면을 일일이 대조하며 며칠씩 걸리던 견적 검토 작업이 DrawX를 통하면 단 몇 분 내에 가능해진다. AI가 과거의 유사한 제작 사양과 원가 구조를 분석하여 제안하기 때문에, 데이터에 기반한 객관적인 수주 판단이 가능해지며 견적 오차로 인한 손실 리스크를 획기적으로 줄일 수 있다. 제조 AX의 핵심, '도면 지능'이 이끄는 초생산성 시대 마키나락스는 이번 웨비나를 통해 도면 업무의 자동화가 단순한 효율 개선을 넘어, 제조 AI 전환(AX)의 출발점임을 강조했다. DrawX는 기업 내부에 잠들어 있던 도면 자산을 AI 에이전트와 결합하여 의사결정의 지능화를 실현한다. 실제로 DrawX를 도입한 현장에서는 도면 관리 및 분석 시간이 기존 대비 95% 이상 단축되는 등 가시적인 성과를 거두고 있다. 마키나락스는 앞으로도 도면 데이터의 시각화를 넘어, AI가 공정 전체를 이해하고 최적화하는 '피지컬 AI' 생태계를 확장해 나갈 계획이다.

SAP는 미국 올랜도에서 개최한 연례 콘퍼런스 ‘SAP 사파이어 2026’에서 전 세계 핵심 비즈니스 워크플로를 향상시킬 수 있는 ‘자율형 엔터프라이즈(Autonomous Enterprise)’를 선보였다. 이번 발표는 인간과 AI가 협력해서 급변하는 글로벌 비즈니스 요구를 수익성 있고 전략적이며 안전하게 충족시키는 것을 목표로 한다. SAP의 크리스찬 클라인 CEO는 “SAP 비즈니스 AI 플랫폼과 SAP 자율형 스위트를 결합해 AI 에이전트를 비즈니스 프로세스 및 데이터, 거버넌스 전반에 안착시킴으로써, 규정을 준수하는 안전하고 정확한 결과를 도출하며 새로운 수익원 창출과 의미 있는 비용 절감을 이끌어낼 것”이라고 밝혔다.     SAP 비즈니스 AI 플랫폼은 실제 비즈니스 맥락을 바탕으로 엔터프라이즈 AI를 구축하고 배포하기 위한 새로운 기반이다. 이 플랫폼은 SAP 비즈니스 테크놀로지 플랫폼, SAP 비즈니스 데이터 클라우드, SAP 비즈니스 AI를 단일 통합 관리 환경으로 결합한다. 플랫폼의 핵심인 SAP 지식 그래프 설루션은 AI 에이전트에게 고객의 SAP 환경 전반에 걸친 모든 비즈니스 사업체와 프로세스, 관계를 구조화된 맵 형태로 제공한다. 또한 쥴 스튜디오는 엔터프라이즈 에이전트와 애플리케이션, 에이전틱 워크플로를 구축하기 위한 SAP의 AI 중심 설루션이다. 개발자는 노코드나 프로코드, AI 프레임워크 중 원하는 방식을 선택해 개발할 수 있으며 SAP가 관리하는 안전하고 확장 가능한 인프라 상에서 운영할 수 있다. SAP는 이러한 기반 위에서 기존 비즈니스 애플리케이션에 AI 에이전트를 적용해 엔드 투 엔드 프로세스를 수행하도록 돕는 SAP 자율형 스위트도 함께 공개했다. 이 스위트는 재무와 공급망, 조달, 인적 자본 관리 및 고객 경험 전반에 걸쳐 50개 이상의 도메인 맞춤형 쥴 어시스턴트를 배치한다. 이들은 200개 이상의 특화된 에이전트를 조율해 정밀한 작업을 수행하고 프로세스를 자동화한다. 특히 새로운 자율형 결산 어시스턴트는 분개 입력과 계정 조정, 오류 해결 등 전체 과정을 자동화해 수 주가 걸리던 재무 마감 프로세스를 단 며칠로 단축할 수 있다. 산업별 포트폴리오를 확장한 인더스트리 AI도 출시됐다. 인더스트리 AI는 7개의 자율형 설루션을 통해 산업별 프로세스를 처음부터 끝까지 자율적으로 실행하며 산업별 프로세스 로직과 데이터 모델, 규제 요구 사항을 내장하고 있다. SAP는 이번 행사에서 유럽 에너지 기업 RWE와 협업하여 해상 풍력 터빈의 예기치 않은 다운타임을 줄이는 사례를 공개했다. SAP의 자율형 자산 관리 시나리오를 통해 AI 에이전트는 수천 건의 과거 사고 데이터를 분석하고 근본 원인을 파악한 뒤 적절한 도구와 타 현장의 검증된 해결책이 포함된 작업 지시서를 자동으로 생성한다. 쥴 워크는 사용자가 소프트웨어를 활용하는 방식을 재정의한다. 사용자는 여러 애플리케이션을 오가며 데이터를 입력하는 대신 쥴과의 상호작용을 중심으로 업무를 수행한다. 원하는 비즈니스 결과를 설명하면 쥴이 워크플로와 데이터, 에이전트의 최적 조합을 구성해 실행한다. 쥴 워크는 단순한 대화를 넘어 인사이트를 선제적으로 제공하고 백그라운드에서 일상적인 작업을 자동화하여 사람이 일일이 개입하지 않아도 업무가 진행되도록 돕는다. 이 기능은 데스크톱과 모바일 환경을 지원하며 음성 제어로도 활용할 수 있다. 한편, SAP는 기업들의 자율형 엔터프라이즈 전환을 돕기 위해 총 1억 유로(약 1750억 원) 규모의 펀드를 조성했으며, 이를 통해 파트너들이 SAP 기반 AI 어시스턴트 및 에이전트 배포를 지원하고 쥴 스튜디오를 활용해 새로운 기능을 개발할 수 있도록 돕는다고 전했다. 이와 함께 SAP는 ERP 마이그레이션 부담을 35% 이상 줄일 수 있는 에이전트 주도형 전환 도구를 선보였다. 이 도구는 대규모 시스템 분석과 코드 수정, 테스트를 자동화해 프로젝트를 더 빠르고 예측 가능하게 만든다.

간호지원 로봇 ‘메디’ 산업을 넘어 삶의 온기를 더하는 피지컬 AI    제조 현장을 넘어 의료와 돌봄의 영역으로 확장되는 ‘피지컬 AI(Physical AI)’는 기술의 목적을 다시 묻는다. 자동화와 효율을 넘어, 인간의 삶을 직접 보듬는 지능으로 진화하는 것이다. AI·로봇 전문 개발 기업 ‘아이솔(iSol, www.isollab.com)’은 이러한 변화의 중심에서 ‘자율 케어(Autonomous Care)’라는 새로운 패러다임을 제시하고 있다. 김효진 대표이사는 “피지컬 AI는 제2의 불처럼 돌봄의 사각지대를 밝히는 기술”이라며, 기술이 인간의 존엄과 만나는 지점을 강조한다.   ▲ 아이솔 김효진 대표   ‘제2의 불’ 피지컬 AI, 돌봄의 사각지대를 밝히다 제조 현장의 자동화를 이끌어 온 인공지능과 로봇 기술이 이제 병원과 돌봄의 공간으로 이동하고 있다. 효율과 생산성을 중심으로 발전해 온 기술이 ‘사람의 삶’이라는 보다 근본적인 영역으로 확장되고 있는 것이다. 특히 최근 주목받는 피지컬 AI(Physical AI)는 로봇과 같은 물리적 실체가 주변 환경을 인지하고 스스로 판단하여 행동하는 기술 패러다임으로, 기존 자동화의 한계였던 비정형성을 극복하는 핵심 열쇠이다. AI·로봇 전문 개발 기업 아이솔은 피지컬 AI 기술을 제조 현장을 넘어 인간의 존엄성과 직결된 ‘돌봄’과 ‘간호’의 영역으로 확장하고 있다. 단순한 기계적 보조를 넘어 환자의 상태를 이해하고 교감하는 아이솔의 솔루션은 의료 인력난과 고령화 사회의 난제를 해결할 새로운 AX(AI Transformation) 모델을 제시하고 있다. 김효진 대표이사는 이를 ‘제2의 불’에 비유한다. “프로메테우스의 불이 인류 문명을 열었듯, 피지컬 AI는 돌봄의 사각지대를 밝히는 새로운 불이 될 수 있습니다.” 기술의 목적을 효율에서 ‘존엄’으로 이동시키겠다는 선언이다. 고기능 간호지원 로봇 : 의료 현장의 디지털 스레드 구현 병원은 고도의 정밀성과 신속한 대응이 동시에 요구되는 복합 환경이다. 간호 인력은 환자 케어와 함께 물류, 기록, 모니터링까지 광범위한 업무를 수행한다. 아이솔의 고기능 간호지원 로봇은 이러한 현장에 피지컬 AI의 ‘인지–결정–행동’ 구조를 구현했다. 우선 아이솔의 로봇은 LiDAR와 RGB-D 카메라를 활용해 병원 복도를 스스로 인식하고 이동한다. 약제나 검체를 자율적으로 이송하며, 장애물을 회피하고 경로를 재계산한다. 이는 단순 운반을 넘어, 간호 인력이 환자 곁에 머무는 시간을 늘리는 기반이 된다. 또한 환자에게 접근해 체온, 혈압 등 활력징후(Vitals)를 자동으로 측정하고, 이를 전자의무기록(EMR) 시스템에 실시간으로 연동한다. 반복적인 측정과 기록 업무를 줄임으로써 의료진은 환자의 상태 관찰과 상담, 판단에 더 집중할 수 있다. 여기에 아이솔은 ‘실행형 AX 시스템’을 결합했다. 수집된 데이터는 단순 저장에 그치지 않고, 이상 징후를 감지하고 관리 가이던스를 생성하는 데 활용된다. 김효진 대표는 “의료 현장에서도 데이터가 행동으로 이어지는 디지털 스레드(Digital Thread)가 필요하다”며 “간호지원 로봇은 그 연결 고리를 구현하는 매개체”라고 설명한다. 돌봄 로봇 ‘호리’: 정서적 교감과 안전을 위한 피지컬 AI 사회적 약자와 돌봄 대상자를 위한 아이솔의 돌봄 로봇 ‘호리(HORI)’는 피지컬 AI 기술이 단순한 자동화를 넘어 ‘감성’과 ‘안전’의 영역에서 어떻게 구현되고 있는지를 보여주는 사례로 주목받고 있다. 음성 인식과 감정 AI 기술을 통해 대상자와 대화를 나누고, 정서적 안정감을 제공한다. 이는 피지컬 AI가 단순히 물리적 힘을 쓰는 것을 넘어, 사회적 맥락을 인지하고 반응하는 지능형 파트너로 진화했음을 의미한다. 이와 함께 안전 기능 역시 핵심이다. 센서 네트워크를 통해 활동을 모니터링하고, 낙상이나 이상 행동이 감지되면 즉시 알람을 전송한다. 보호자나 의료진은 원격으로 상황을 파악할 수 있어, 사고 발생 시 골든타임을 확보할 수 있다. 호리는 모듈형 구조를 채택해 기능을 블록처럼 조합할 수 있도록 설계됐다. 환경과 대상자의 상태에 따라 필요한 기능만 선택해 구성할 수 있어, 가정·요양시설·병원 등 다양한 현장에 적용이 가능하다. 김 대표는 “돌봄의 요구는 표준화할 수 없다”며 “모듈형 구조는 돌봄의 다양성을 기술적으로 존중하기 위한 선택”이라고 강조한다.   신뢰받는 AX를 위한 기술 기반과 보안 의료와 돌봄 영역에서 기술의 성능만큼 중요한 것은 신뢰성이다. 아이솔은 데이터 품질과 보안을 기술 경쟁력의 핵심으로 삼고 있다. 모든 통신은 암호화된 보안망을 기반으로 이루어지며, 승인된 기기만 접근 가능한 로컬 인프라 구조를 지향한다. 민감한 의료·개인 정보가 외부로 유출되는 것을 원천적으로 차단하는 방식이다. 로봇의 학습 구조 역시 현장 친화적으로 설계됐다. 인간의 시연 데이터를 바탕으로 초기 정책을 설정한 뒤, 실제 환경에서 시행착오를 거치며 최적의 케어 전략을 학습한다. 이는 HART(Human Augmented Robot TrAIning) 기법과 유사한 구조로, 로봇이 경험을 통해 숙련도를 높여가는 방식이다. 김 대표는 “로봇이 축적한 경험은 곧 돌봄의 품질”이라며 “학습 구조는 기술이 아니라 신뢰를 만드는 장치”라고 말한다.   기술의 목적을 다시 묻다 아이솔은 2020년 설립 이후 AI와 로봇 솔루션 개발에 집중해 왔다. ‘사람과 자연스럽게 협업하는 AI’, ‘일상에 스며드는 로봇’이라는 방향성은 제조 현장에서 의료·돌봄으로 확장되는 과정에서도 유지되고 있다. 김효진 대표는 “피지컬 AI의 목적은 인간을 대체하는 것이 아니다. 인간이 더 인간다운 역할, 즉 공감과 판단, 책임에 집중하도록 돕는 데 있다”라고 강조하며 기술의 역할을 분명히 했다. 피지컬 AI는 이제 공장 울타리를 넘어 병원과 가정, 요양시설로 들어오고 있다. 아이솔이 제시하는 자율 케어 솔루션은 의료 인력난과 고령화라는 구조적 문제에 기술적 해법을 제시하면서도, 인간 중심의 가치를 놓치지 않는다. 데이터에서 인사이트를 얻고, 이를 행동으로 연결해 삶의 질을 높이는 선순환 구조. 이것이 아이솔이 그려가는 미래 지능화 사회의 모습이다. 산업을 넘어 삶의 온기를 더하는 피지컬 AI. 아이솔의 실험은 이제 시작 단계에 불과하다. 그러나 방향은 분명하다. 기술은 더 빠르고 똑똑해지는 것을 넘어, 더 따뜻해져야 한다.