트렌드에서 얻은 것 No. 34   지난 7월, 필자는 ‘데이터공작소’ 온톨로지 스터디 그룹에서 ‘지식그래프 : AI와 온톨로지로 여는 지식혁명’(이강배 저)의 3장을 주제로 발표를 진행했다. 발표 제목은 ‘온톨로지의 개념, 그리고 컨셉맵’이었다. 이 글은 그날의 발표를 제조기업의 경영자와 실무자를 위해 다시 정리한 것이다. 그리고, 글의 끝에서 8월에 출간되는 필자의 새 책 이야기를 잠시 나누려 한다. 두 이야기는 겉보기엔 다르지만, 결국 하나의 질문으로 만난다. “AI 시대, 우리의 경험과 지식은 어떻게 시스템 위에서 다시 움직이는가?”   “좋습니다. 그런데 실제로 되는 겁니까?” 제조기업의 회의실 풍경이 달라지고 있다. 예전에는 잘 정리된 문서와 유창한 설명이 설득의 무기였다. 지금은 다르다. AI 도입 보고가 끝나면 경영진은 이렇게 묻는다. “좋습니다. 그런데 실제로 되는 겁니까?” 방향이 아니라 증거를, 설명이 아니라 결과를 요구하는 시대가 된 것이다. 그런데 막상 ‘실제로 되게’ 하려고 하면, 대부분의 제조기업은 같은 벽에 부딪힌다. 데이터는 많은데 연결이 안 된다. ERP, MES, PLM, CRM에 수십 년 치 데이터가 쌓여 있지만 같은 부품이 부서마다 다른 코드로 등록되어 있고, 같은 고객이 시스템마다 다른 이름으로 존재한다. AI에게 “이번 달 출하 지연 리스크를 요약해 달라”고 묻고 싶어도, AI는 우리 회사의 ‘출하’가 무엇이고 ‘지연’의 기준이 무엇인지 알지 못한다. 데이터는 있지만 ‘의미’가 없기 때문이다. 이 문제를 정면으로 겨냥한 개념이 바로 온톨로지(ontology)다. 미 국방부와 BMW, 에어버스같은 기업들이 팔란티어(Palantir) 플랫폼에 주목하는 이유도, 그 중심에 온톨로지가 있기 때문이다.   ▲ 제미나이로 생성한 이미지 (클릭하면 큰 그림으로 볼 수 있습니다.)   온톨로지, 어렵지 않다 − 출석부와 우리 반 지도 온톨로지라는 단어는 철학의 존재론에서 왔다. 낯설게 들리지만, 개념 자체는 초등학생도 이해할 수 있다. 전학 온 친구에게 우리 반을 소개하는 상황을 떠올려 보자. 이름만 쭉 적힌 출석부를 건네는 방법이 있고, ‘민수는 축구를 좋아하고, 지우와 짝꿍이다’처럼 관계를 그린 지도를 건네는 방법이 있다. 출석부는 데이터의 나열이고, 지도는 지식의 구조다. 어느 쪽이 우리 반을 더 잘 설명하는지는 물을 필요도 없다. 이 지도에는 온톨로지의 재료 네 가지가 모두 들어 있다. ‘3반 친 구’라는 범주가 클래스(class), 민수와 지우라는 실제 인물이 인스턴스(instance), 키 145cm와 같은 특징이 속성(attribute), ‘짝꿍이다’라는 연결이 관계(relationship)다. 책은 이를 노트북으로 설명한다. ‘컴퓨터’와 ‘노트북’은 클래스, ‘LG 그램’은 인스턴스, ‘사양과 가격’은 속성, ‘노트북은 컴퓨터에 포함된다’는 관계다. 회사 버전으로 바꾸면 이렇게 된다. ‘고객·제품·설비’가 클래스, ‘A 조선소와 스크러버 1호기’가 인스턴스, ‘소재지·등급·가동 상태’가 속성, ‘A 조선소는 스크러버를 발주했다’가 관계다. 스탠포드대학교의 토마스 그루버 교수는 온톨로지를 “공유된 개념화의 정형화되고 명시적인 명세”라고 정의했다. 어렵게 들리지만 세 조각으로 나누면 명료하다. ‘공유된 개념화’란 부서마다 다르게 부르던 용어를 하나로 합의한 회사 공용어 사전이다. ‘정형화·명시적’이란 베테랑의 머릿속 암묵지를 규정집처럼 명문화하는 것이다. ‘명세’란 그것을 사람만이 아니라 시스템도 읽을 수 있는 업무 문법으로 만드는 것이다. 한 줄로 줄이면, 책 76쪽의 표현 그대로 “특정 분야의 지식을 구조화하여 컴퓨터가 이해하고 처리할 수 있도록 표현한 것”이다.   스키마가 이미 있는데, 왜 온톨로지인가 실무자들이 가장 많이 던지는 질문이 있다. “우리 데이터베이스에도 이미 테이블 설계, 즉 스키마가 있는데 뭐가 다릅니까?” 책 3.1.1이 정확히 이 질문에 답한다. 스키마(schema)는 데이터의 구조를 정의한다. 고객 테이블에 이름과 나이 컬럼이 있다는 식이다. 반면 온톨로지는 ‘고객은 사람의 하위 클래스이고, 구매 행동을 수행할 수 있다’는 지식 자체를 모델링한다. 스키마의 모델링 대상이 ‘데이터’라면, 온톨로지의 대상은 ‘개념과 개념 간 관계’이며, 결정적 차이는 추론 가능 여부다. 제조 현장의 언어로 옮기면 차이가 더 선명해진다. ‘선박 코드 SHIP-001, 블록 ID BLK-A-017, 작업 ID WLD-0342’라고 코드를 나열하는 것이 기존 데이터 모델이라면, 온톨로지는 ‘선박은 블록으로 구성된다, 블록은 용접작업을 필요로 한다, 용접은 특정 자격을 가진 작업자만 수행한다, 모든 작업은 규정된 품질 기준을 따라야 한다’는 업무의 문법을 시스템에 심는다. 이 문법이 있어야 설계 변경이 발생했을 때 시스템이 영향받는 블록을 스스로 추적하고, 작업을 재계획하고, 지연 리스크를 예측할 수 있다. 사람이 엑셀로 하루 걸리던 영향 분석이 관계를 따라 실시간으로 이루어지는 것이다. 팔란티어가 조선·자동차 산업에서 보여주는 시나리오가 정확히 이것이며, 그 구동 방식은 다섯 단계다. 레거시 데이터를 옮기지 않고 연결하고, 그 위에 온톨로지 계층을 얹어 의미를 부여하고, 현장이 쓰는 업무 앱을 제공하고, 조치의 비용과 리스크를 시뮬레이션하고, 마지막으로 AI(AIP)가 실행까지 연결한다. 스키마가 ‘데이터를 담는 그릇의 규격’이라면, 온톨로지는 ‘지식의 의미와 규칙까지 담는 모델’이다. 그리고 이 온톨로지라는 설계도에 실제 데이터를 채워 넣은 결과물이 지식 그래프(knowledge graph)다. 구글의 의미 검색과 아마존의 추천이 이미 그 위에서 돌아가고 있다.   회의실의 콘셉트맵이 시스템의 온톨로지가 되기까지 여기서 필자가 오래 다뤄 온 주제인 콘셉트맵(concept map) 이 등장한다. 1970년대 코넬대학교의 조셉 노박이 개발한 콘셉트 맵은 개념(상자)과 연결어(화살표 위의 단어)로 명제를 그리는 생각의 지도다. ‘온톨로지는 지식 그래프의 청사진이다’처럼, 개념−연결어−개념이 한 문장을 이룬다. 흥미로운 것은 이 명제 구조가 지식 그래프의 기본 단위인 트리플(주어−술어−목적어)과 정확히 같다는 점이다. 콘셉트맵과 온톨로지는 같은 뿌리에서 나온, 독자가 다른 두 표현이다. 콘셉트맵은 사람이 읽는 지식의 스케치이고, 온톨로지는 기계까지 읽는 지식의 도면이다. 그래서 필자는 두 가지를 경쟁 관계가 아니라 ‘한 정의의 앞뒤 반쪽’이라고 부른다. 그루버의 정의로 돌아가 보면, 전문가들이 모여 콘셉트맵을 그리고 용어를 표준화하는 과정이 ‘공유된 개념화’이고, 그 합의를 클래스·관계·규칙으로 변환해 시스템에 싣는 과정이 ‘정형화되고 명시적인 명세’다. 콘셉트맵 없이 온톨로지를 만들면 합의 없는 표준이 되고, 온톨로지 없이 콘셉트맵만 있으면 그림으로 끝난다. 실무 적용법은 단순하다. 업무 인터뷰와 워크숍의 대화를 실시간 콘셉트맵으로 기록해 암묵지를 형식지로 바꾸고, 부서 간 용어 합의의 회의 도구로 쓰고, 합의된 맵을 개념은 클래스로, 연결어는 관계로 변환해 온톨로지 설계의 초안으로 삼는 것이다. 도구는 시맵(Cmap)이든 화이트보드든 상관없다. 경영자에게 강조하고 싶은 지점이 있다. 온톨로지 프로젝트의 성패는 기술이 아니라 합의에서 갈린다. 그리고 품목 명칭조차 통일되지 않은 상태라면 어떤 온톨로지도 그 위에 설 수 없다. 그래서 현실적인 로드맵은 전사 빅뱅이 아니라, 효과가 분명한 핵심 도메인 하나(예컨대 품목, BOM, 변경 관리)를 골라 콘셉트맵으로 합의를 만들고, 온톨로지로 정형화하고, 데이터를 채워 인접 도메인으로 확장하는 것이다. 책도 균형 있게 짚는다. 도메인이 복잡할수록 설계와 유지보수가 어렵고 주기적 갱신 부담이 있다. 그러니 작게 시작해야 한다.   그리고, 바이브코딩 − 8월의 새 책 이야기 온톨로지가 ‘조직의 지식’을 시스템이 이해하게 만드는 일이라면, 개인 차원에서 같은 전환을 다룬 이야기가 있다. 오는 8월 출간 예정인 필자의 새 책, ‘베테랑 기획자의 바이브코딩 도전기’다. “나는 아직 유효한 사람인가.” — 회의실에서 젊은 동료들이 빠르게 도구를 다루는 모습을 볼 때, 은퇴라는 단어가 더 이상 먼 일이 아니게 느껴질 때, 조용히 계산하곤 했다. 내가 가진 경험이 앞으로도 통할까.  책은 이 질문에서 출발한다. 바이브 코딩(vibe coding)이란 프로그래밍 문법을 외워 코드를 치는 것이 아니라, 커서(Cursor)나 제미나이(Gemini)같은 AI 도구에게 자신의 의도와 맥락을 전달해 프로그램을 만들도록 지휘하는 일하는 방식이다. 필자는 데이터공작소 스터디에서 8개월간 개발자들과 함께 배우며, 하루 30분씩 눈으로 70%를 이해하고 손으로 30%를 부딪히는 자신만의 학습 공식을 찾았다. 거창한 프로젝트가 아니라 매주 나를 지치게 하던 엑셀 정리 하나, 파일 정리 하나부터 고쳐 나가는 ‘하루 한 프로그램’의 기록이다. 책의 부록에서는 노코드(no code), 로코드(low code), 바이브 코딩을 비교하며 언제 무엇을 써야 하는지도 다룬다. 요구사항이 표준적이면 노코드, 예외 처리와 연동이 필요하면 로코드, 요구사항이 계속 바뀌고 기획자가 직접 프로토타입을 쥐어야 한다면 바이브 코딩이다. 눈 밝은 독자라면 이미 알아챘을 것이다. 온톨로지 도입 로드맵과 바이브 코딩 학습법은 같은 철학 위에 서 있다. 작게 시작하고, 합의(같은 방향)를 먼저 만들고, 증거로 말하는 것. 조직은 온톨로지로 지식을 시스템에 싣고, 개인은 바이브 코딩으로 의도를 실행에 싣는다. 제조 기업의 디지털 전환이란 결국 이 두 층위가 만나는 지점에서 완성된다.   맺으며 − 같은 방향을 본다는 것 생텍쥐페리는 “사랑이란 서로 바라보는 것이 아니라, 서로 같은 방향을 보는 것”이라고 했다. 필자가 이 문장을 좋아하는 이유는, 프로젝트와 조직의 성패도 결국 같은 방향을 보는 능력에서 갈리기 때문이다. 온톨로지는 사람과 시스템이, 현장과 경영진이, 그리고 사람과 AI가 같은 방향을 보게 만드는 언어다. LLM(대규모 언어 모델)은 유창하지만 사실에 약하고, 지식 그래프는 사실에 강하다. 둘의 결합이 신뢰할 수 있는 기업 AI의 핵심이라는 책의 통찰 (6.3장)은, 앞으로 제조기업의 AI 전략이 어디로 가야 하는지를 가리키고 있다. 이번 여름, 회의실 화이트보드에 우리 회사의 콘셉트맵 한 장을 그려 보기를 권한다. 우리 회사의 ‘고객’이란 무엇인가, ‘품목’과 ‘설비’는 어떻게 연결되는가. 그 한 장의 합의가 온톨로지의 시작이고, 지식 그래프의 청사진이며, AI가 우리 회사를 이해하는 첫 문장이 된다.   ■ 류용효 디원 PLM기술본부에서 상무로 재직 중이며, 페이스북 ‘류용효컨셉맵연구소’ 리더, CNGTV 지식방송 전문위원으로 활동하고 있다. PTC코리아, 오라클, 지멘스 PLM 등을 거치며 PLM과 프로세스 컨설팅 분야에서 일해 왔다. 저서로 ‘베테랑 기획자의 바이브코딩 도전기’가 있다. (블로그)     ■ 기사 내용은 PDF로도 제공됩니다.

주요 스마트 건설 DX 솔루션 소개   개방적이고 진보된 리얼타임 제작 툴, 언리얼 엔진(Unreal Engine)                                              개발 : 에픽게임즈, www.unrealengine.com/ko 자료 제공 : 에픽게임즈 코리아, www.unrealengine.com/ko   에픽게임즈는 1991년 Tim Sweeney 대표가 창립한 회사로 본사는 미국 노스캐롤라이나주  캐리에 위치하고 있으며, 전 세계에 50여 개 지사가 있다. 에픽은 인터랙티브 엔터테인먼트를 선도하며, 3D 엔진 기술을 제공하고 있다. 또한, 언리얼 엔진의 개발사로서, 언리얼 엔진은 세계 유수의 게임 제작뿐만 아니라 영화, TV, 건축, 자동차, 제조, 시뮬레이션 등 산업에서 사용되고 있다. 1. 주요 특징 에픽게임즈의 언리얼 엔진은 디지털 트윈 구현을 위해 뛰어난 리얼타임 렌더링, 데이터 통합 그리고 확장 가능한 생태계를 제공한다.  2. 주요 기능 언리얼 엔진은 ▲대규모 트라이앵글 및 대규모 3D 모델 등 방대한 양의 오브젝트를 포함해 대규모 디지털 트윈 환경의 리얼타임 렌더링을 가능하게 하는 '나나이트', ▲킬로미터 단위에 이르는 거대하고 디테일한 환경에서도 무한한 바운스 및 인다이렉트 스페큘러 리플렉션을 활용한 실시간 렌더링이 가능한 완전한 다이내믹 글로벌 일루미네이션 및 리플렉션 시스템 '루멘', ▲대규모 3D 환경 생성을 자동화하여 개발 속도와 효율성을 크게 향상시키며, 이를 통해 대규모 디지털 트윈 구현의 자동화가 가능한 'PCG(프로시저럴 콘텐츠 생성)', ▲ 실시간 데이터 접근 및 시뮬레이션을 클라우드를 통해 직접 스트리밍할 수 있는 클라우드 기반 데이터 배포 기술 '픽셀 스트리밍' 등의 기술을 제공하고 있다. 또한, ▲CAD/BIM 데이터를 언리얼 엔진으로 손쉽게 통합하는 '데이터스미스'와 복잡한 데이터 최적화를 워크플로를 통해서 간소화하는 '데이터프랩'과 같은 데이터 통합 및 최적화 기능, ▲Cesium, ESRI와 같은 글로벌 GIS 솔루션의 데이터를 쉽게 가져올 수 있으며, 이를 통해 GIS 데이터를 빠르고 정확하게 통합할 수 있어 대규모 디지털 트윈 구현이 용이하게 하는 기술 '레벨 지오레퍼런싱', ▲커스터마이징과 확장 가능성을 극대화하는 '개방형 소스코드와 API', ▲디지털 트윈 서비스에 필요한 실시간 IoT 데이터를 쉽게 통합할 수 있는 'IoT 프로토콜 통합' 등의 기술도 언리얼 엔진에서 제공한다.  이와 함께, 에픽게임즈는 디지털 트윈 구현에 사용되는 손쉬운 시각화 툴인 트윈모션, 3D 스캔 솔루션인 리얼리티캡처 등 디지털 트윈을 구현하는 데 필요한 다양한 솔루션들이 포함된 강력한 에픽 에코시스템을 제공하고 있으며, 통합 콘텐츠 마켓플레이스 팹(Fab) 스토어와 도시 샘플, 프로젝트 애니웨어, 프로젝트 앙투아네트, PCG 샘플, 프로젝트 힐사이드와 같은 샘플 프로젝트를 제공하여, 디지털 트윈 개발자들이 언리얼 엔진을 활용해 실제 디지털 트윈 프로젝트를 빠르게 개발하고 구현할 수 있도록 지원하고 있다.   디지털 트윈을 통해 가상 환경에서 구축하여 착공 완료한 BMW Group Plant Lydia(BMW Group 제공)     3. 도입 효과 부산항만 화물터미널은 언리얼 엔진을 활용한 디지털 트윈 기반의 VARLOS 항만 모니터링 시스템을 구축해 부산항 물류 효율성 향상과 비용 절감 효과를 얻었으며, 한국항공우주산업(KAI)은 에픽게임즈의 언리얼 엔진 5를 활용한 비행 시뮬레이션을 개발, 군용 항공기 시뮬레이터에서 정밀한 훈련 환경을 제공했다. 삼성물산은 데이터센터 전문 플랫폼인 S-DCIS 플랫폼 구축에 언리얼 엔진을 도입해 사업성 검토 구체화 및 협업 효율 향상 효과를 가져왔다. 처음부터 디지털 트윈으로 계획되고 시뮬레이션된 최초의 BMW 공장인 Plant Lydia는 언리얼 엔진을 이용해 공장 건설 비용을 절감하고 건설 및 계획의 효율성을 크게 개선할 수 있었다.     상세 내용은 <스마트 건설 DX 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기  

PTC는 BMW 그룹이 차세대 디지털 엔지니어링의 핵심 기반으로 자사의 애플리케이션 수명주기 관리(ALM) 설루션인 코드비머(Codebeamer)를 도입했다고 밝혔다. BMW 그룹은 이번 도입을 통해 수백 개의 시스템에 흩어져 있던 기존 요구사항 관리 환경을 코드비머 기반의 단일 통합 데이터 모델로 전환한다. 코드비머는 현재 BMW 그룹 전사 차원의 요구사항 관리 표준 설루션으로 쓰이고 있다. 이 설루션은 단일 공유 데이터 모델을 바탕으로 기계와 전기, 소프트웨어 등 모든 영역에 걸쳐 일관된 프로세스와 강화된 추적성을 제공한다. 이러한 통합 환경은 메카트로닉스 기반의 통합 개발을 가능하게 하고 협력사와의 협업 효율성을 높인다. 또한 BMW 그룹이 추진하는 인공지능(AI) 기반 엔지니어링 워크플로 도입을 위한 확장 기반을 마련하는 역할도 한다. PTC는 코드비머를 포함한 자사 포트폴리오를 통해 인텔리전트 제품 수명주기 비전을 실현하고 있다. 이를 통해 제조 기업이 엔지니어링 단계에서 제품 데이터 기반을 구축하고 AI 기반의 디지털 전환을 가속화하도록 돕는다. PTC는 제품 데이터를 폭넓게 활용하면 기업의 품질 향상과 출시 기간 단축, 복잡성 관리와 규제 대응 역량 강화에 도움이 된다고 설명한다.     PTC의 로버트 다다 최고수익책임자는 “BMW는 디지털 엔지니어링 분야에서 리더십을 보여주고 있다”면서, “코드비머로 요구사항 관리를 중앙화함으로써 통합 메카트로닉스와 AI 주도 엔지니어링을 위한 견고한 데이터 기반을 구축하고 미래 자동차 혁신을 효과적으로 지원하게 됐다”고 말했다. PTC 코리아의 김도균 대표는 “BMW 그룹의 이번 결정은 국내 자동차 업계에도 시사하는 바가 크다”면서, “디지털 엔지니어링 환경을 구현하려는 국내 자동차 업계의 움직임에 맞춰 코드비머 도입을 적극적으로 추진하고 PTC 설루션 포트폴리오를 통해 고객의 혁신을 지원하겠다”고 덧붙였다.

실시간 3D 기술로 산업 전반의 디지털 혁신 주도   2025년은 혁신으로 가득한 한 해였다. 유니티의 파트너들은 다양한 산업 분야에서 획기적인 성과를 이뤄냈다. 자동차 산업에서 차량 내 경험을 혁신하는 것부터 의료 및 제조 분야의 새로운 영역을 개척하기까지, 고객들은 유니티를 활용하여 대담한 아이디어를 현실로 만들어 냈다. ■ 자료 제공 : 유니티 코리아   자동차 산업의 거침없는 혁신   자동차 산업은 2025년에 디지털 혁신을 가속화했으며, 유니티의 고객들이 이러한 추세를 주도했다. 실시간 3D 기술은 더 이상 미래지향적인 개념이 아니라 최신 차량 디자인, 엔지니어링 및 차량 내부 경험의 핵심 요소이다. 자동차 산업의 리더들은 유니티를 활용하여 더 효율적인 워크플로를 구축하고 고객에게 더욱 몰입도 높은 경험을 제공했다. 대표적인 성공 사례로 BMW 그룹에서는 유니티 애셋 매니저(Unity Asset Manager)를 사용하여 복잡한 3D 애셋을 성공적으로 관리하며 디지털 성장을 추진했다. 글로벌 제조업체에게 방대한 디지털 애셋 라이브러리를 관리하는 것은 큰 부담이 된다. BMW는 이 프로세스를 간소화하면서 일관성을 유지하고 개발 사이클을 가속화했다. 이렇게 하면 더 빠르게 반복 작업을 수행하고 더 신속하게 탁월한 품질로 시장을 혁신할 수 있다.   ▲ 출처 : 도요타 자동차   ▲ 출처 : BMW 그룹   마찬가지로 도요타와 렉서스는 차세대 HMI(인간–기계 인터페이스) 개발의 경계를 넓혔다. 이들은 유니티를 통해 직관적이면서도 풍부한 시각적 정보를 기반으로 운전자와 탑승자 모두를 만족시킬 수 있는 차량 내부 시스템을 디자인했다. 또한 메르세데스 벤츠는 차량 내부 경험의 완성도를 높이는 데 계속해서 집중하며, 몰입도 높고 반응성이 뛰어난 인터페이스를 개발하여 주행 경험의 품질을 한층 더 끌어올리고 있다.   의료 및 생명과학 분야의 혁신적인 발전 의료 산업은 환자의 치료 결과를 개선하고, 의학적 교육을 강화하며, 복잡한 생물학적 데이터를 시각화하는 데 기술을 활용하면서 발전을 지속해 왔다. 유니티의 실시간 3D 기능은 이러한 발전의 핵심으로, 수술 시뮬레이터부터 인터랙티브 환자 교육 플랫폼까지 모든 것을 구축할 수 있는 툴을 제공한다.   ▲ 출처 : 메드트로닉   2025년, 필립스는 의료 현장에서 일상 생활까지 이어지는 의료 혁신을 계속해서 선도했다. 이들의 성공 사례는 몰입형 기술이 임상 절차와 가정 내 환자 치료를 모두 지원하여 의료 접근성과 효과를 높일 수 있음을 보여 준다. 또한 메드트로닉(Medtronic)은 유니티를 사용하여 로봇 수술용 디지털 트윈을 구축했다. 이러한 가상 복제본을 활용하면 정밀도 높은 데이터 기록, 플레이백 및 시각화를 통해 외과의들이 기술을 개선하고 시술 성공률을 높일 수 있다.   ▲ 출처 : 랜덤42   랜덤42(Random42)는 의료 시각화 분야에서 큰 도약을 이루며 새로운 가능성을 보여 주었다. 이들은 유니티를 활용하여 복잡한 생물학적 프로세스를 정확하게 시각화함으로써 과학 및 의학 관련 정보를 전달하는 방식을 혁신하고 있다. 연구자, 의사 및 환자들은 이러한 발전을 통해 질병의 메커니즘과 새로운 치료법의 가능성을 더 손쉽게 이해할 수 있다.   더 스마트하고 빠르고 효과적인 제조 방식 효율, 안전성, 혁신은 제조업의 핵심 요소이다. 유니티 고객들은 실시간 3D가 이 세 가지 목표를 모두 달성하는 데 얼마나 효과적인지를 보여 주었다. 직원 교육부터 공장 현장 시뮬레이션까지, 유니티는 제조업체가 생산의 미래를 구축해 나가도록 지원하고 있다.   ▲ 출처 : SEW 유로드라이브 & 리얼버추얼.아이오   SEW 유로드라이브(SEW-EURODRIVE)는 유니티를 모비킷 맞춤형 심인터페이스(MOVIKIT Custom SimInterface) 및 리얼버추얼.아이오(realvirtual.io)에 통합하여, 엔지니어가 위험 부담 없는 디지털 트윈 환경에서 자동화 로직을 테스트하고 개선할 수 있도록 함으로써 가상 시운전에 혁신을 가져왔다. 이러한 접근 방식 덕분에 시운전 시간을 70% 단축하여 ROI를 더 빠르게 달성하고 현장 물류 오류를 최소화할 수 있게 되었다.   ▲ 출처 : 지멘스 & 에듀케이션XR   인력 교육 분야에서도 진전이 있었다. 지멘스는 몰입형 XR(확장현실) 교육 모듈을 통해 전기 분야 인력의 교육 방식을 혁신하여, 안전하고 확장 가능하며 효과적인 학습 경험을 제공한다. 비슷하게 브리지스톤 아메리카(Bridgestone Americas)는 자체 개발 VR 애플리케이션으로 엔지니어링 운영을 혁신하여, 팀이 공유 가상 공간에서 협업하고 문제를 해결할 수 있게 함으로써 실물 프로토타입과 출장의 필요성을 줄였다.   리테일 및 고객 참여에서의 혁신 리테일 산업 환경은 그 어느 때보다 경쟁이 치열하며, 고객 참여가 성공의 열쇠라고 할 수 있다. 많은 리테일 브랜드가 유니티를 통해 독특하고 개인화된 인터랙티브 경험을 구축하여 고객의 관심을 사로잡고 성과를 창출하고자 했다.   ▲ 출처 : 콜러   콜러(Kohler)는 고객 참여를 확대하기 위해 인상적인 3D 콘텐츠를 제공하기 시작했다. 제품 카탈로그를 인터랙티브 3D 애셋으로 변환하여 제공하기 때문에, 고객은 집에서도 편안하게 제품을 상세히 살펴보고 더 확실한 구매 결정을 내릴 수 있다.   ▲ 출처 : 렌 키친스   렌 키친스(Wren Kitchens)는 유니티를 통해 디자인 및 시각화 프로세스를 개선하여, 고객에게 향후 주방의 명확한 모습을 보여 주는 동시에 자체 운영 워크플로를 최적화했다. 이는 몰입형 경험이 고객 만족도와 비즈니스 효율을 동시에 높일 수 있는 방법을 보여 주는 사례이다.   미래의 몰입형 월드 구축 유니티는 산업의 경계를 넘어 스마트 시티 및 상호 연결된 가상 월드를 포함한 차세대 디지털 경험의 기반을 제공하고 있다. 이처럼 야심찬 프로젝트에는 방대한 데이터 세트를 처리하고 실시간 성능을 제공할 수 있는 플랫폼이 필요하며, 유니티 고객은 이러한 과제를 성공적으로 해결했다. 동적 스마트 디지털 트윈 구축 분야에서는 큰 폭의 진전이 있었다. 스마트 디지털 트윈 프로젝트에서는 실제 데이터를 활용하여 몰입형 시뮬레이션을 구축함으로써, 계획 담당자가 교통 체계를 모델링하고 환경 영향을 분석하며 더욱 긴밀하게 연결된 시설을 설계할 수 있도록 지원한다. 아크GIS(ArcGIS)와 유니티의 협업에 따른 결과로, 코퍼스 크리스티 항구와 디 액셀러레이션 에이전시(The Acceleration Agency)는 실제 데이터와 창의적인 비전을 결합하여 지리적으로 정확하면서도 풍부한 디지털 트윈을 구축할 수 있었다.   ​​​​​​​ ▲ 출처 : 루비   루비(ROUVY)는 유니티를 통해 실제 동영상, 3D 데이터, 라이브 센서 입력을 초현실적인 증강현실(AR) 루트로 블렌딩하여 실내 사이클링에 혁신을 가져왔다. 루비 루트 크리에이터(ROUVY Route Creator)와 같은 기능을 통해 사용자는 자신이 직접 촬영한 동영상과 GPS 데이터를 ‘실제로 주행할 수 있는’ AR 라이딩 경험으로 변환할 수 있으며, 그 결과 매주 20TB에 달하는 새로운 콘텐츠가 추가된다. 톰톰(TomTom)은 맵 디자인 및 시각화 워크플로에 주력하며, 유니티를 활용하여 가상 월드에 자동차 내비게이션 소프트웨어를 결합한 시뮬레이션 환경을 구축한다.   ▲ 출처: 구글 맵스   구글 맵스(Google Maps)는 안드로이드 XR용 몰입형 뷰로 내비게이션을 재정의하여 사용자가 도시, 랜드마크, 장소를 세밀한 3D 디테일로 둘러볼 수 있는 방법을 제공했다. 유니티 기반의 이 애플리케이션은 2D 맵에서 몰입도 넘치는 경험으로 매끄럽게 전환되며, 여행 계획과 탐험에 있어 높은 완성도를 제공한다.     ■ 기사 내용은 PDF로도 제공됩니다.

트렌드에서 얻은 것 No. 28   ▲ 클릭하면 큰 그림으로 볼 수 있습니다.   21세기 제조 산업은 기계적 자동화를 넘어 데이터와 인공지능(AI)이 설계, 생산, 운영의 전 과정을 주도하는 지능형 시대로 진입하고 있다. 2025년을 기점으로 인공지능은 생산성을 보조하는 도구의 단계에서 벗어나, 엔지니어링의 근간을 재정의하는 ‘AI 네이티브(AI-native)’ 환경의 핵심 인프라로 자리 잡았다. 과거의 제조 방식이 숙련공의 경험과 직관에 의존하는 결정론적(deterministic) 방식이었다면, 미래의 스마트 엔지니어링은 방대한 산업 데이터를 기반으로 최적의 의사결정을 자율 수행하는 확률론적(probabilistic) 방식으로 전환되고 있다. 이번호 칼럼에서는 글로벌 선도 기업의 실무 적용 사례를 통해 2026년 제조업이 나아가야 할 방향을 알아보고자 한다.   스마트 엔지니어링의 역사적 진화와 패러다임의 전환 스마트 엔지니어링의 역사는 물리적 모델을 디지털 공간으로 옮기려는 지속적인 노력의 산물이다. 1990년대 초반, 보잉은 777 기종의 개발 과정에서 CAD를 활용한 디지털 목업(DMU) 기술을 도입하며 설계 혁신을 시작했다. 이는 종이 도면 없이 항공기 전체를 3D 상에서 검증한 최초의 사례로 기록된다. 이후 2010년대에 들어서며 에어버스 A350의 사례와 같이 설계 리뷰 전 과정이 디지털화되었고, 2020년대에 이르러서는 복제를 넘어 물리적 대상과 실시간으로 데이터를 주고받는 디지털 트윈(digital twin) 기술이 성숙기에 접어들었다. 2025년부터 2026년 사이의 기술적 전향점은 이러한 디지털 트윈이 AI 네이티브 지능을 탑재하기 시작했다는 점이다. 이제 엔지니어링 업무의 30%를 차지하던 과거 데이터 검색 및 비부가가치 활동은 구체적인 사례가 공개되고 있지는 않지만, 시대의 흐름에 따라 서서히 생성형 AI와 검색 증강 생성(RAG) 기술로 대체되어 갈 것으로 보인다. 또한, 글로벌 기업의 끊임없는 연구로 인해 엔지니어는 반복적인 분석 대신 창의적인 문제 해결과 맥락적 의사결정에 집중하는 ‘코파일럿(co-pilot)’ 시대도 곧 맞이할 것으로 예상된다.     이러한 패러다임의 전환은 한국 제조업에도 시급한 과제다. 미국, 독일, 일본 등 주요 제조 강국과 비교할 때 한국의 제조업 부가가치율은 여전히 상대적으로 낮은 수준에 머물러 있으며, 대기업과 중소기업 간의 생산성 격차는 약 4배에 이른다. 고령화와 저출산으로 인한 노동력 감소, 근로시간 단축 등 제약 사항이 증가하는 상황에서 AI를 통한 제조 지능화는 선택이 아닌 생존을 위한 필수 전략으로 부상하고 있다.   제조 지능화를 위한 AI 핵심 활용 방안 및 기술 분석 제조 현장에서 AI를 실무에 적용하는 방식은 정보 추출부터 복잡한 공정 시뮬레이션 및 자율 제어에 이르기까지 넓은 영역을 포괄한다. 지능형 지식 검색 및 데이터 파이프라인 최적화는 엔지니어링 업무의 상당 부분은 과거의 기술 문서, 도면, 실험 데이터를 찾는 데 소요된다. 최근의 RAG(Retrieval Augmented Generation) 기술은 수십 년간 축적된 비정형 데이터(PDF, 엑셀, 문서)를 벡터 데이터베이스(vector DB)로 변환하여 자연어 질문에 답변하고 근거가 되는 출처를 명확히 제시함으로써 환각(hallucination) 문제를 해결하고 있다. 이는 글로벌 프로젝트에서 기술 문서의 실시간 번역과 용어 표준화를 지원하여 협업 효율을 극대화한다. 또한, 연구 프로세스 개선을 위해 데이터 파이프라인 중심의 자동화가 추진되고 있다. 기존의 실험 연구자가 수기로 기록하던 방식에서 벗어나 디지털화된 시료 분석과 제어 데이터를 클라우드 협업 환경에 통합함으로써, 연구 산출물의 재현성을 높이고 멘토링의 질을 개선하는 것이 핵심이다. 생성형 설계(generative design)와 제조 공법 인지는 엔지니어의 상상력을 정교한 설계안으로 구현하는 데 결정적인 역할을 한다. 설계자가 경량화, 강성 등 목표 조건과 재료, 제조 공법 등의 제약 조건을 입력하면 AI는 수백 가지의 대안을 생성한다. 특히 ‘제조 공법 인지(manufacturing-aware)’ 기능은 주조 공법 시 금형에서 제품이 빠져나올 수 있는 구배 각도를 자동 고려하거나 3축/5축 가공 시 공구가 접근할 수 없는 언더컷 형상을 배제하는 수준까지 진화했다. 일본의 니프코(Nifco)는 이를 활용해 전통적인 육각형 허니콤 구조를 넘어선 비정형 유기적 패턴을 설계함으로써 강성을 유지하면서도 재료 사용량을 획기적으로 절감하는 성과를 거두었다. 에이전틱 AI(agentic AI)와 자율적 프로세스 제어 부분을 살펴보면, 2026년의 주요 트렌드인 에이전틱 AI는 분석을 넘어 독립적으로 과업을 계획하고 실행하는 능력을 갖출 것이다. 기존의 AI가 ‘무엇이 잘못되었는가’를 알려주는 예측 도구였다면, 에이전틱 AI는 ‘어떻게 해결할 것인가’를 결정하고 실행한다.     인과관계 AI(causal AI)와 지식 조립 공장은 전통적인 머신러닝 모델은 데이터 간의 상관관계에 의존하기 때문에 ‘왜’라는 질문에 답하기 어렵고, 공정 환경이 변하면 모델이 붕괴되는 한계를 가진다. 이를 극복하기 위해 2026년에는 인과관계 AI가 제조업의 핵심 기술로 부상하고 있다. 인과관계 AI는 데이터 패턴 학습을 넘어 원인과 결과의 사슬을 규명한다. 예를 들어, 공장 내 배관의 결로 현상과 습도 데이터 사이에는 강한 상관관계가 존재하지만, 습도가 결로의 원인인지 혹은 그 반대인지를 명확히 정의하지 못하면 잘못된 설비 투자가 이루어질 수 있다. 인과관계 AI는 주다 펄(Judea Pearl)의 수학적 기초를 바탕으로 개입(intervention) 분석을 수행하여 ‘만약을 변경한다면은 어떻게 변할 것인가’라는 질문에 명확한 수치를 제공한다. 인하대학교 이창선 교수가 제시한 KAMG AI(Knowledge Assembly Factory) 개념은 AI가 스스로 모든 것을 만드는 것이 아니라, 인간 전문가가 설계한 ‘인과 지식 설계도(blueprint)’를 기반으로 AI가 지식을 조립하는 방식을 취한다. 이는 존재(entity), 속성(attribute), 관계(relation) 프레임워크를 통해 지식을 해부하고 표준화된 조립 공정을 거쳐 인과 예측 모델을 산출한다. 이 과정에서 엔지니어는 프로그래머가 아닌 시스템의 의미와 변수의 역할을 결정하는 ‘지식 설계자(architect)’로 거듭나게 된다. 데이터 거버넌스와 팔란티어 온톨로지(ontology) 전략의 핵심은, 제조 AI가 진정한 가치를 창출하기 위해서는 현장의 모든 데이터가 실시간으로 연결되는 ‘디지털 스레드(digital thread)’가 전제되어야 한다는 것이다. 팔란티어의 온톨로지 기술은 데이터 사일로(silo) 문제를 해결하고 기업의 전체 데이터 유니버스를 비즈니스 맥락으로 재구성하는 핵심 아키텍처를 제공한다. 온톨로지는 데이터를 분류하는 것을 넘어 업무, 조직, IT 시스템 간의 공통 언어를 제공한다. 팔란티어 파운드리는 기존 레거시 시스템(ERP, PLM, MES 등)의 데이터를 물리적으로 옮기지 않고 연결하며, 이를 객체(object)와 관계(link)로 모델링한다. 객체(entity) : 차량 모델, 부품, 공정, 설비, 고객 등 핵심 요소를 개체화한다. 속성(attribute) : 개체의 특징(온도, 압력, 재질, 작업 시간)을 정의한다. 관계(relationship) : ‘부품은 공정에서 사용된다’, ‘설계 변경은 생산에 영향을 준다’와 같은 업무적 연결을 구조화한다. 구축된 온톨로지 위에서 팔란티어의 AIP(Artificial Intelligence Platform)는 자연어 인터페이스를 통해 현장의 복잡한 상황을 분석하고 대응한다. 예를 들어, ‘5월 출하 지연 리스크를 요약해달라’는 명령에 대해 AI는 공급망, 재고, 생산 실적 데이터를 온톨로지 상에서 실시간으로 탐색하여 리스크의 원인을 파악하고, 대체 시나리오의 비용 효율을 시뮬레이션한 뒤 실행 승인을 요청한다. HD현대(전 현대중공업그룹)의 FOS(Future of Shipyard, 미래 첨단 조선소) 프로젝트는 2030년까지 세계 최초의 자율 운영 스마트 조선소를 구현하기 위해 팔란티어의 빅데이터 플랫폼인 ‘파운드리(Foundry)’를 도입하는 핵심적인 디지털 전환 사업이다. BMW는 팔란티어의 데이터 플랫폼인 파운드리를 도입하여 생산, 공급망 관리 및 품질 관리 시스템을 고도화하고 있다. 특히 팔란티어의 QMOS(Quality Management Operating System) 설루션을 통해 데이터 기반의 ‘제로 디펙트(zero defect, 무결점)’ 생산 환경을 구축하는 것이 핵심이다. 에어버스는 팔란티어의 파운드리 기술을 도입하여 항공기 제조 및 운항 데이터를 통합 관리하는 ‘스카이와이즈(Skywise)’ 플랫폼을 구축했다. 이를 통해 A350 인도 속도를 33% 향상시키고 운영 효율을 극대화하며, 데이터 기반의 의사결정 시스템을 혁신했다.   품질, 예지보전 및 에너지 최적화의 기술적 심화 AI가 제조 현장에 가져온 가장 직접적인 성과는 품질 비용 절감과 비가동 시간(downtime)의 최소화다. 현대트랜시스는 자체 개발한 AI 기반 품질 검사 시스템인 TADA(Transys Advanced Data Analytics) 스마트 설루션을 생산 현장에 적용하여, 기존 93% 수준이던 불량 검사 정확도를 99.9%까지 끌어올렸다. LG에너지솔루션은 AI 및 빅데이터 기술을 활용해 전 세계 생산 공장을 ‘지능형 스마트 팩토리’로 전환하고, 배터리 제조 품질과 생산 효율을 극대화하는 것을 AI 비전으로 삼고 있다. 특히, CDO 직속 AI 기술팀을 통해 공정 데이터를 분석하여 배터리 수명을 예측하고, 스마트 공장 기술을 적용하여 글로벌 생산 기지의 경쟁력을 강화하는 중책을 맡고 있다. 기존의 예지보전이 단일 센서의 임계치 모니터링에 의존했다면, 예지보전 2.0은 진동, 전류 파형, 소음, 온도를 동시에 분석하는 멀티모달(multi-modal) 방식을 취한다. AI는 고장 징후를 발견할 뿐만 아니라, ‘최근 3개월간의 패턴 분석 결과 내륜 손상이 의심되니 메뉴얼 45페이지의 베어링 교체 절차를 따르라’는 처방적 가이드를 생성형 AI를 통해 현장 작업자에게 즉시 전달한다. 포스코 광양제철소는 이를 연속 주조 설비에 적용하여 고장 예지 시스템을 성공적으로 구축했다. 탄소 배출 규제가 강화되는 가운데 AI는 에너지 사용량 예측과 최적화에 결정적인 역할을 한다. 슈나이더 일렉트릭은 예측 AI를 활용하여 산업 시설의 에너지 효율을 높이고 운영비를 절감하는 설루션을 제공하고 있으며, 한국그린데이터 등 국내 기업들도 AI 챗봇이 탑재된 운영 체제를 통해 제조업의 에너지 피크 관리와 전력 최적화를 지원하고 있다.   2026 글로벌 기술 트렌드 및 리더십의 우선순위 2026년은 AI가 ‘생산성 향상 도구’에서 ‘책임과 신뢰의 기반’으로 진화하는 해가 될 것이다. 딜로이트와 가트너 등의 보고서에 따르면 기업 리더들은 다음의 네 가지 영역에 집중해야 한다. 첫째, 에이전틱 리얼리티 체크(agentic reality check)이다. 챗봇 도입을 넘어 비즈니스 프로세스 자체를 재설계해야 한다. 보고서에 따르면 40%의 에이전틱 AI 프로젝트가 2027년까지 실패할 것으로 예상되는데, 이는 기술적 문제보다는 기존의 망가진 프로세스를 단순히 자동화하는 ‘자동화 함정’ 때문이라고 분석된다. 성공하는 기업은 엔드 투 엔드 프로세스 전체를 혁신하며 인간과 에이전트 팀을 오케스트레이션하는 모델을 채택하고 있다. 두 번째, 소버린 AI(sovereign AI)와 보안 거버넌스이다. 데이터 주권과 국가별 규제 대응이 중요해짐에 따라 소버린 AI 전략이 필수이다. 2026년에는 기업의 77%가 공급업체 선택 시 설루션의 원산지를 고려하며, 로컬 벤더를 중심으로 한 독립적인 AI 스택 구축이 확산될 것이다. 또한, 데이터 모델 오염(poisoning) 리스크에 대응하기 위한 예측적 OT 사이버 보안 체계 구축이 가속화될 전망이다. 세 번째, 피지컬 AI와 휴머노이드 로봇의 확산이다. 제조, 물류, 국방 분야를 중심으로 피지컬 AI의 도입이 급증하고 있다. 2026년에는 아시아-태평양 지역을 중심으로 피지컬 AI 채택률이 80%에 도달할 것으로 보이며, 이는 공장 내 정적인 자동화 설비를 대체하여 비정형 환경에서도 유연하게 대응하는 자율 운영 공장의 핵심 요소가 될 것이다. 네 번째, 지능형 컴플라이언스 및 표준화이다. 규제 당국 역시 AI를 활용하여 기업의 데이터를 실시간 모니터링하는 시대가 오고 있다. 이제 정기 감사에 대비하는 수준을 넘어, 시스템이 스스로 규정 위반 리스크를 예측하고 보고하는 ‘예측적 컴플라이언스’가 표준으로 자리 잡을 것이다.   실무자를 위한 실행 로드맵 스마트 엔지니어링을 위한 AI 활용은 더 이상 미래의 담론이 아닌 2026년 현재의 경영 핵심 과제다. 2026년은 지식 소유 자체가 무의미해지는 시점이며, AI가 생성한 결과물을 편집하고 맥락화하는 ‘아키텍트(architect)’ 능력이 엔지니어의 몸값을 결정짓게 될 것이다. 기업은 성공적인 AI 전환을 위해 다음의 3단계 로드맵을 고려해야 한다. 첫째, 지능형 설계 및 시뮬레이션 단계를 통해 아이디어를 가장 빠르게 현실화할 수 있는 데이터 환경을 구축해야 한다. 둘째, 스마트 생산 및 운영 단계를 통해 물리적 세계를 정밀하게 제어하고 최적화하는 디지털 스레드와 온톨로지 체계를 완성해야 한다. 셋째, 제품, 공장, 도시를 하나의 유기체로 연결하는 생태계 통합 단계로 나아가야 한다. AI는 도구가 아니라 설계–생산–운영 전반을 학습하고 최적화하는 ‘지능형 플라이휠(intelligent flywheel)’이다. 지금 이 순간에도 데이터는 쌓이고 있으며, 이를 인과관계로 해석하고 에이전틱 AI로 실행에 옮기는 기업만이 2026년 이후의 제조업 패러다임 변화에서 승리자가 될 수 있을 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.

산업 디지털 전환을 가속화하는 버추얼 트윈 (11)   제조업 전반에서 PCF(Product Carbon Footprint)에 대한 관심은 해마다 빠르게 높아지고 있다. 그 배경에는 EU를 중심으로 한 환경 규제 강화가 있으며, 특히 제품 단위의 탄소 배출량 산정을 규제 대응을 위한 산출물로 요구하고 있다는 점이 핵심이다. PCF는 LCA(Lifecycle Assessment : 전 과정 평가)의 하위 개념이다. LCA가 원재료 채굴부터 생산, 사용, 폐기까지 제품 전 생애주기의 환경 영향을 종합적으로 평가하는 반면, PCF는 그 중에서도 ‘온실 가스 배출량(GHG)’에 초점을 맞춘다는 차이가 있다.   ■ 정유선 다쏘시스템코리아의 ENOVIA 브랜드 기술 컨설턴트이다. 홈페이지 | www.3ds.com/ko   그동안 많은 OEM은 매년 ESG 보고서를 공시하기 위해, 전통적인 LCA 컨설팅 업체에 외주를 맡겨왔다. 이 과정에서 기업은 특정 공정에 대한 데이터를 엑셀 파일 형태로 제공하고, LCA 컨설팅 업체는 공정의 전력 및 에너지 소비량, 폐수 배출량 등을 분석하는 결과를 다시 엑셀 파일로 전달하는 방식이 일반적이었다. 하지만 이러한 전통적인 LCA 컨설팅은 결과와 데이터가 파일 단위로 관리되어 연속성과 추적성이 떨어질 뿐 아니라, 민감한 공정 정보를 외부에 공유해야 하는 구조적인 보안 한계를 안고 있다. 더 나아가 이는 본질적으로 공정을 개선하고 최적화하는데 목적을 두고 있기 때문에, 분석 단위가 제품이 아닌 공정으로 설정하는 경우가 대부분이다. 핵심은, 이러한 접근 방식만으로는 제품 단위의 환경 영향을 정량적으로 파악하기 어렵다는 점이다. 하나의 공정에는 여러 제품이 동시에 관여하며, 개별 제품에 영향을 미치는 환경 영향을 명확히 식별하여 영향도를 분배하기가 까다롭기 때문이다. 결과적으로 기존 방식은 제품 단위 PCF 산정과 이를 요구하는 최근의 규제 대응에는 구조적인 한계를 가질 수밖에 없다.     다쏘시스템의 LCA 설루션은 이러한 한계를 극복하기 위해 ‘설계 단계’부터 제품의 환경 영향을 체크하여 이를 사전에 줄이고자 하는 데 목적이 있다. 시스템의 분석 단위 역시 공정이 아닌 제품(Product/BOM) 이며, 설계 과정에서 빈번하게 일어나는 소재나 중량의 변경, BOM(Bill of Materials : 자재 명세서) 구조 변경 등을 즉각 반영하여 시뮬레이션할 수 있다. 이는 단순한 사후 보고를 넘어, 설계 의사결정 단계에서부터 환경 성과를 고려할 수 있게 해준다는 점에서 기존 LCA 접근 방식과 본질적인 차별98 · 성을 갖는다. 다만 제품 단위의 LCA와 PCF 산정이 실제 규제 대응과 비즈니스 의사결정에 활용되기 위해서는, 공급망 전반에 걸친 데이터 연계와 신뢰성 있는 정보 교환이 필수이다. 이러한 배경 속에서 최근에는 OEM–부품사–소재사–서비스사까지 하나의 생태계로 구성하여, 제품 및 공정 관련 데이터를 안전하게 교환할 수 있도록 만든 산업 협력 플랫폼이 등장하고 있다. 독일 정부 주도로 자동차 산업용 데이터 네트워크를 구성한 카테나-X(Catena-X)가 대표 사례다. 카테나-X에는 BMW, 메르세데스-벤츠, 폭스바겐 등 주요 OEM이 참여하고 있으며, 각 기업의 데이터를 표준 프로토콜 기반으로 중앙 데이터베이스 없이 안전하게 공유하는 구조를 갖는다. 또한 제품 및 자산 정보를 디지털 트윈 표준 구조로 표현하고, 이를 기반으로 DPP(Digital Product Passport : 디지털 제품 여권)를 표준화해 적용할 계획을 가지고 있다.     제품 단위 PCF를 요구하는 다가올 미래의 규제 환경은 제조업의 역할과 책임을 설계 단계로 앞당기고 있다. 이는 환경 성과가 더 이상 생산 이후에 사후적으로 계산되는 지표가 아니라, 설계 단계에서 의사 결정에 직접 반영되어야 함을 의미한다. PLM 기반 LCA와 공급망 데이터 플랫폼의 결합은 이러한 규제를 대응하기 위한 가장 효과적인 설루션이며, EU 시장으로 수출을 하고 있거나 이를 준비 중인 기업에게는 해당 역량을 얼마나 빠르게 설계 프로세스에 내재화하느냐가 중요한 요소가 될 것이다.     ■ 기사 내용은 PDF로도 제공됩니다.

주요 디지털 트윈 소프트웨어   실시간 3D 콘텐츠 제작 및 성장 플랫폼, Unity Industry (유니티 인더스트리) 개발 및 자료 제공 : 유니티 www.unitysquare.co.kr   세계를 선도하는 실시간 3D 콘텐츠 제작 및 성장 플랫폼을 제공하는 유니티(Unity)는 자동차, 제조, 정부, 건축 설계, 에너지 등 다양한 산업 분야 기업들이 AR(증강현실), VR(가상현실), 모바일, 데스크톱 및 웹에 대한 맞춤형 실시간 3D 경험을 구축하고 제공함에 있어 필요한 모든 것을 제공한다.  1. 주요 특징  Unity 에디터를 바탕으로 제공되는 Unity Enterprise 기반 Pixyz의 데이터 수집 파이프라인, Unity Cloud 제품 및 서비스 생태계에 대한 엔터프라이즈급 액세스, 전담 Customer Success 리소스 등이 모두 포함되어 있어 ‘휴먼 머신인터페이스(HMI)’부터 제품 시각화, 세일즈 컨피규레이터, 스마트 팩토리, 디지털 트윈, 시뮬레이션에 이르기까지 모든 기기에서 몰입도 높은 인터랙티브 실시간 3D 경험으로 전환 가능하다. 2. 주요 기능 유니티의 가장 큰 장점은 산업 분야만을 전담 지원하는 인더스트리 석세스(Industry Success)를 통해 기업이 필요한 역량을 확보할 수 있도록 맞춤형 솔루션을 제공한다. 300시간이 넘는 온디맨드 교육 엑세스를 통해 기업의 기술력을 높이고, 전담 파트너 매니저를 배치해 신속한 문제 해결 및 목표 달성을 위한 전략적 파트너십을 지원하고 있다. 또한, 픽시즈 플러그인(Pixyz Plugin) 사용이 가능해 3D 데이터 워크플로 최적화가 가능하며, 40개 이상 3D, 캐드(CAD), BIM 파일 유형을 자사의 실시간 3D 플랫폼으로 가져올 수 있다.  AR앱을 효율적으로 제작할 수 있도록 지원하는 유니티 마스(Unity Mar)는 Unity 에디터 내의 일반적인 언어 저작(authoring) 툴, 사용하기 쉬운 템플릿 및 다양한 테스트 환경을 통해 콘텐츠 개발을 가속화하며, iOS, Android 및 HoloLens를 지원하는 크로스 플랫폼 경험을 쉽게 출시할 수 있다.   3. 주요 고객 사이트 다양한 산업분야의 글로벌 기업들이 유니티와의 협업을 통해 디지털 전환에 따른 기술 고도화를 주도하고 있다.  자동차/교통 분야로는 현대자동차 디지털 가상공장 ‘메타팩토리’를 포함, 벤츠·BMW·아우디·볼보·제네시스·만도 등 다양한 글로벌 기업들이 참여, VR, 시물레이션, 설계구현 등 다양한 고객의 몰입형 경험 구축에 적용하고 있다.  건설/설계/제조 분야에서는 대우조선해양, 삼성중공업, 현대두산인프라코어, 한국조선해양 등 국내 대표적인 AEC 기업들과 협업을 통해 3D 디자인 및 엔지니어링 사전 시뮬레이션 등에 적용, 업무 효율성을 극대화하고 있다. 벤쿠버 국제공항(YVR)은 북미공항 최초로 실시간 3D 디지털 트윈 구축함으로써 특정 시간, 어떤 위치에서도 선제적으로 대응할 수 있는 시뮬레이션이 가능해졌으며, 네덜란드 항공사 KLM은 항공사 최초로 VR기반의 조종사 훈련 애플리케이션을 개발해, 항공교육의 표준 교육방법을 제시하고 있다.  HR 월링포드는 선박과 항구의 도선사 기술을 향상하고 교육프로그램 제공시간을 단축하기 위한 맞춤형 시뮬레이터 기반 교육을 제공하고 있으며, 트래밴코어 애널리틱스는 성과를 개선하는 몰입형 교육을 위해 지게차 운전자를 위한 가상 몰입형 교육을 개발했고, DB Systel은 핵심 증강 현실 솔루션으로, 철도 산업의 전문성에 게임 기술을 연동하고 다양한 사고방식과 기술을 융합했다.  의학 분야에서도 유니티를 이용한 몰입형 교육 솔루션을 적극 활용하고 있다. VirtaMed는 복잡한 수술 훈련 시나리오를 재현한 LaparoS 시뮬레이터를 개발해 의사들이 수술 훈련방식을 혁신하였으며, 신시내티 어린이 병원은 환자별 해부학적 구조 및 생리학적 구조의 가상 복제본인 인터랙티브 ‘휴먼 디지털 트윈’ 제작, 외과 의사가 다양한 수술법을 안전하게 테스트할 수 있도록 지원했다.  OSSO VR은 의료 실습형 XR을 통해 몰입형 교육 환경을 구축, 학습 속도와 기억력을 향상하고, 수술 전문성을 높이며, 기술 적용 능력을 최대 300%까지 증가시켰으며, Avatar Medical Vision은 실제 환자 의료 이미지와 관련하여 복잡한 해부학적 구조를 학습하는 전문 의료 애플리케이션에 XR 기술을 구현했다. Rady 어린이 병원도 의료 이미지의 몰입도 및 접근성을 향상시킨 의료용 소프트웨어 애플리케이션을 개발했다.    상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

게임 개발 엔진으로 시작한 유니티가 다양한 산업 분야의 혁신을 지원하는 실시간 3D 개발 플랫폼으로 확장되고 있다. 유니티는 자사의 인더스트리 설루션이 다양한 플랫폼에 맞춰 몰입감 있고 인터랙티브한 3D 경험을 구축 및 제공하는 데 필요한 핵심 기능을 제공한다고 소개했다. 또한 유니티는 디지털 트윈, 인공지능, XR(확장현실) 등을 통해 산업 분야의 가치를 키우기 위한 비전도 밝혔다. ■ 정수진 편집장   산업용 실시간 3D 위한 3단계의 엔드 투 엔드 설루션 유니티의 김범주 APAC 애드보커시 리더는 “지난 20년간 유니티는 연결, 속도와 유연성, 배포에 초점을 맞추고 기술을 개발해 왔다. 산업 데이터를 연결하고 활용하는 과정에서 허들을 낮추기 위해서는 데이터의 변환, 단순화 및 경량화, 접근성이 중요하다”고 전했다. 지난 9월 26일 열린 ‘유데이 서울 : 인더스트리’ 행사에서 유니티는 유니티는 산업 현장에서 실시간 3D 애플리케이션 개발을 지원하기 위해 연결(connect), 개발(create), 배포(deploy)의 세 단계로 구성된 엔드 투 엔드 설루션을 소개했다.   ▲ 산업 분야를 위한 유니티의 엔드 투 엔드 설루션   연결 단계에서는 CAD나 BIM(건설 정보 모델링) 등의 설계 데이터를 비롯해 산업 현장의 원시 데이터를 유니티가 활용할 수 있는 공용 포맷으로 변환하고 최적화하는 데에 초점을 맞추고 있다. 픽시즈(Pixyz)에서 이름을 바꾼 ‘유니티 애셋 트랜스포머(Unity Asset Transformer)’는 70가지 이상의 설계 파일 포맷을 지원하며, NURBS 데이터를 실시간 3D 설루션 개발에 적합한 가벼운 메시로 변환하고 최적화하는 툴이다. 클라우드 기반의 디지털 애셋 관리(DAM) 설루션인 ‘유니티 애셋 매니저(Unity Asset Manager)’는 복잡한 3D 애셋의 업로드, 관리, 변환, 공유를 간소화한다. 이를 통해 설계 파일 및 애셋을 중앙 집중 관리하고 협업을 촉진할 수 있게 하는 데에 초점을 맞추었다. 개발 단계에서는 데이터를 가져온 후 ‘유니티 에디터(Unity Editor)’를 통해 3D 애플리케이션의 기능을 개발하게 된다. 장면 배치, 조명 조정, 상호작용 기능 프로그래밍(사용자 입력에 따른 반응 등), 멀티 유저 네트워킹 추가 등을 통해 사실적인 가상 환경을 구축할 수 있다. 김범주 리더는 “유니티는 C# 기반으로 개발자 풀이 넓고, 연결된 데이터를 원하는 설루션으로 빠르게 만들 수 있는 속도와 유연성이 강점”이라고 설명했다. 한편, 베타 서비스 중인 ‘유니티 스튜디오(Unity Studio)’가 향후 공개될 예정이다. 유니티 스튜디오는 코딩이나 무거운 소프트웨어 없이 웹 브라우저에서 간단한 3D 애플리케이션을 개발하고 공유할 수 있도록 진입 장벽을 낮춘 에디팅 도구이다. 배포 단계에서 유니티는 하나의 프로젝트로 다양한 플랫폼(PC, 모바일, 웹, XR 디바이스)에 애플리케이션을 빌드하고 배포할 수 있다는 점을 강조했다. 다양한 플랫폼에 손쉽게 배포할 수 있어서 관계자의 접근성이 확대되고 퍼포먼스 향상에 기여한다는 것이다. 또한, 런타임에 애셋 매니저와 같은 스토리지에서 데이터를 스트리밍하는 방식으로도 개발 및 실행이 가능하다. 김범주 리더는 “유니티는 다양한 디바이스 및 플랫폼을 지원하기 위한 투자를 이어가고 있다. 최근 산업 분야에서도 활발히 접목되고 있는 AI(인공지능)와 관련해서도 비용을 줄이고 개발 속도를 높이는 것이 중요한데, 유니티는 생성형 AI와 유니티를 결합한 개발 프로세스를 효율화하는 노력을 기울일 것”이라고 전했다.   ▲ 유니티 코리아 민경준 인더스트리 사업 본부장   몰입형·상호작용 경험으로 산업 현장의 혁신 이끈다 유니티 코리아의 민경준 인더스트리 사업 본부장은 유니티의 기술로 구현한 디지털 트윈이 상호작용성(interactive)과 몰입형(immersive) 경험을 제공함으로써 비용 절감, 안전성 강화, 효율 향상 등의 이점을 산업 파트너들에게 제공하고 있다고 소개했다. HD현대인프라코어는 AR/VR을 활용한 이머시브 트레이닝 및 AR 가이던스를 개발했다. 중장비를 3D 애셋화하여 VR/AR 기반 몰입형 훈련에 활용하고, 복잡한 장비의 고장 위치를 AR로 시각화하여 현장 작업자에게 제공할 수 있도록 했다. 민경준 본부장은 “경량화된 3D 데이터를 배포해 다양한 디바이스에서 상호작용할 수 있도록 하고 있다”고 설명했다. 오바야시 건설은 디지털 트윈 기반 협업 플랫폼 ‘커넥티아’를 개발했다. 이 플랫폼은 BIM 데이터를 유니티 환경에서 3D화하여 클라우드 기반 애셋 매니저를 통해 통합 관리하고, 현장 작업자들이 접근할 수 있는 몰입형 협업 뷰어를 구현해 건설 현장의 워크플로를 개선할 수 있었다. 자동차 산업에서는 유니티 기술을 임베드한 HMI(휴먼–머신 인터페이스) 및 디지털 콕핏의 개발이 활발하다. 메르세데스–벤츠는 유니티의 실시간 3D 그래픽 기술을 도입한 차세대 HMI를 차량에 탑재하고 있다. BMW는 유니티 애셋 매니저를 활용한 클라우드 기반의 3D 애셋 통합 관리 플랫폼을 구축했고, 토요타는 유니티 기술을 HMI 개발 파이프라인에 통합하여 안정적이고 고성능의 GUI(그래픽 사용자 인터페이스) 경험을 제공한다. 현대자동차는 디지털 팩토리 환경을 자유롭게 수정하고 물류를 측정할 수 있는 디지털 가상 공장 ‘메타 팩토리’를 구축하고 있다.    AI 모델의 학습·검증 위한 ‘가상 테스트베드’ 유니티는 전 세계적인 AI 트랜스포메이션(AX) 물결 속에서, 자사의 실시간 3D 기술이 산업 전반의 AI 혁신을 위한 기반 기술의 역할을 할 것이라는 비전을 소개했다. 김범주 리더는 AI 개발에서 핵심적인 영역 중 하나는 시뮬레이션을 통한 가상 데이터를 얻는 능력과 AI 모델을 훈련시키는 능력이라고 짚었다. 그리고 “유니티의 실시간 3D 환경은 AI 모델을 학습시키고 검증하는 데 필요한 가상 테스트베드 역할을 수행한다”고 설명했다. 자율주행 시뮬레이션 플랫폼 개발 기업 모라이는 유니티의 가상 환경에서 자율주행 시스템을 훈련시키고 있으며, 다임리서치와 같은 기업은 유니티 환경에서 물리 기반 시뮬레이션을 활용하여 물류 로봇의 경로 최적화 및 작업 파이프라인 구축을 위한 AI 알고리즘을 개발 및 검증하고 있다. 또한, AI는 기업의 비용을 줄이고 개발 속도를 높이는 데 중요한 역할을 한다. 유니티는 실시간 3D 기술을 통해 몰입형 경험을 제공함으로써 물리적인 테스트 의존도를 줄여 비용을 절감하는 한편, AI를 활용하여 개발 과정 자체의 효율을 높이는 데 집중하고 있다. 김범주 리더는 “유니티는 산업용 소프트웨어 업체들이 추구하는 것처럼 통합된 독자 시스템을 제공하기보다는, 기존의 시스템을 보완하고 보강하는 역할에 집중하고 있다”고 설명했다. “유니티의 강점인 데이터 연결성, 빠른 개발 속도, 다양한 플랫폼 배포 능력은 AI 전환의 기반 기술이 된다. 특히 유니티는 시뮬레이션을 통한 AI 모델 훈련 및 가상 데이터 생성에 유리하며, 개발 과정의 효율을 위한 생성형 AI와의 협력에도 역량을 집중할 계획”이라고 덧붙였다.   ▲ 유니티 김범주 APAC 애드보커시 리더   AI 시대의 기반 기술로 산업 비즈니스 확장 유니티는 자사의 인더스트리 사업 규모가 글로벌 및 국내 시장에서 모두 꾸준히 확장되고 있다고 소개했다. 민경준 본부장은 “이러한 성장세는 단순히 기존 시장의 확대가 아니라, AI 트랜스포메이션(AX) 시대를 맞아 유니티의 핵심 기술력이 ‘기반 기술’로서 작용하기 때문에 가능한 것”이라고 밝혔다. 인더스트리 비즈니스 성장의 핵심 동력으로 유니티는 엔드 투 엔드 설루션을 강화하면서 기업의 비용 절감 및 AI 혁신에 기여하고 있다는 점을 꼽았다. 김범주 리더는 디지털 트윈 및 AI를 위한 데이터의 연결성을 강화하고, 넓은 개발자 생태계를 바탕으로 개발 속도와 유연성을 제공하면서, 멀티 플랫폼 배포를 지원함으로써 산업계에서 활용할 수 있는 시나리오를 기하급수적으로 늘릴 수 있을 것이라고 전했다.민경준 본부장은 한국 시장의 성장 잠재력을 높게 보았다. “우리나라는 전통적으로 제조업과 건설업이 강하며, 하이테크 영역에서 제조를 많이 하는 기업들이 포진해 있어 실시간 3D 설루션에 대한 수요가 많다. 이미 보유하고 있는 설계 파일과 애셋을 활용하여 새로운 가치를 창출하고자 하는 기회가 많고, 한편으로 국내외 공장을 늘리면서 원격 모니터링, 직원 교육 등 물리적 한계를 해결하고자 하는 수요도 늘고 있다”는 것이 민경준 본부장의 설명이다. 이와 함께 물리 AI(physical AI) 알고리즘을 개발하는 국내 기업들이 유니티의 가상 환경을 AI 모델 훈련 및 검증을 위한 테스트베드로 활용하는 추세가 늘고 있다고 덧붙였다. 김범주 리더는 “3D 데이터에서 새로운 가치를 만드는 방법론은 어려 가지가 있겠지만, 유효한 방법론 중 하나는 기존의 요소를 잘 융합하고 다양한 사람들이 데이터에 접근할 수 있는 환경을 갖추는 것이 아닐까 한다. 기존의 가치를 융합 및 변환하면서 모바일/웹/XR 등의 환경으로 확장하고, 고객층을 넓힘으로써 기업은 새로운 가치를 추구할 수 있을 것”이라고 전했다. 유니티는 국내 생태계를 개선하기 위한 SI 및 설루션 파트너 체계 구축에도 투자를 진행하고 있으며, 기술 지원, 컨설팅, 트레이닝 등을 폭넓게 지원하는 ‘석세스 플랜’을 통한 고객 지원도 꾸준히 강화할 계획이다.     ■ 기사 내용은 PDF로도 제공됩니다.

자동차 HMI 기술 브랜드 실리 아우토   핀란드에 본사를 둔 실리 아우토(Siili Auto)는 일반 소비자에게는 다소 낯설 수 있지만 메르세데스 벤츠, 현대, BMW와 같은 자동차 OEM과 1티어 기업에게는 최신 휴먼 머신 인터페이스(HumanMachine Interfaces : HMI) 기술과 연계된 브랜드로 알려져 있다.현재 에픽게임즈의 골드 서비스 파트너인 실리 아우토는 HMI 개발에 언리얼 엔진을 사용한 경험을 공유했다. ■ 자료 제공 : 에픽게임즈   실리 아우토는 디지털 계기판, 인포테인먼트 시스템, 헤드업 디스플레이(Heads-Up Displays : HUD), 첨단 운전자 보조 시스템(ADAS) 등 오늘날 최신 자동차에서 기대할 수 있는 다양한 시각적 기능을 구현하는 기술을 제공하고 있다. 실리가 설계하거나 개발에 참여한 HMI는 현재 전 세계 도로를 달리는 3000만 대 이상의 차량에 탑재되어 있기 때문에, 이미 꽤 많은 사람이 실리의 기술을 경험해 보았을 것이다. 실리 아우토가 언리얼 엔진에 처음 끌린 이유는 그래픽 퀄리티와 개발의 편의성이었지만, 곧 개발 기간을 획기적으로 줄이면서도 사용자 경험을 향상시킬 수 있다는 점을 알게 됐다.   ▲ ‘Siili Auto | 스포트라이트 | 언리얼 엔진’ 영상   언리얼 엔진으로 개발 기간 단축 언리얼 엔진은 실리 아우토의 시간과 비용을 절감하는 데 도움을 주었으며, 그 중 가장 대표적인 변화가 바로 개발 주기의 단축이다. 실리 아우토의 야미 얘르비외(Jami Järviö) CSM겸 파트너 매니저는 “예전에는 디자이너가 UI와 그 흐름, 그래픽 요소를 다른 툴에서 일일이 정의해야 했다. 그러나 개발자는 실제 HMI를 설계하고 테스트하기 위해 전혀 다른 툴을 사용했다. 그러다 보니 디자인과 실제 구현 사이의 차이를 확인하고, 그에 따라 수많은 버그를 보고해야 했다. 게다가 UI는 계속 업데이트되고 새로운 디자인이 추가되면서 이런 사이클이 끊임없이 반복됐다”고 말했다. 그 결과 전체 디자인 사이클은 약 5년이 걸렸다. 그러나 이제는 디자인 팀과 개발 팀 모두 언리얼 엔진으로 작업하면서 이 주기가 3년으로 단축됐다. 얘르비외는 “블루프린트를 활용하면 디자인부터 테스트까지 개발 속도를 크게 높일 수 있다”면서, “특히 언리얼 엔진에서 디자인할 때 전체 파이프라인의 효율이 크게 향상된다”고 말했다.   ▲ 이미지 출처 : Siili Auto   효율성을 위한 노력 실리 아우토 팀은 언리얼 엔진을 디자인과 개발을 아우르는 툴로 사용하면서 전체 워크플로를 한층 더 효율적으로 만들 수 있었고, 언리얼 인사이트를 활용해 한 단계 더 발전할 수 있었다. 얘르비외는 “우리는 언리얼 인사이트 툴을 사용해 소프트웨어가 하드웨어에서 어떻게 성능을 내는지 측정한다. 보통은 실행 속도, 초당 프레임 수를 측정하고, 문제가 발생하면 메모리 사용량과 CPU 및 GPU 드로 콜도 확인한다. 그리고 문제가 발견되면 코드를 수정하고 하드웨어에서 다시 테스트한다”고 전했다. 또한, “언리얼 엔진의 소스 코드에 접근할 수 있다는 점이 문제 해결과 커스터마이징 모두에서 핵심 역할을 한다. 팀이 원하는 방식으로 코드를 자유롭게 수정할 수 있다는 사실은 HMI 개발에 있어서 무엇보다도 바꿀 수 없는 가치”라고 덧붙였다.   ▲ 이미지 출처 : Siili Auto   손쉬운 통합 언리얼 엔진을 기존 파이프라인에 손쉽게 통합할 수 있다는 점도 실리 아우토에게 플러스 요인이었다. 언리얼 엔진이 C++ 기반이었기 때문에 하드웨어에 임베딩하는 데 거의 문제가 없었다. 얘르비외는 “우리는 강력한 C++ 역량을 기본적으로 갖추고 있었기 때문에 이것은 우리에게는 보너스가 되었다”고 말했다. 이처럼 각각의 장점만 보더라도 언리얼 엔진은 실리 아우토에게 좋은 선택이었지만, 얘르비외는 HMI가 개별적인 요소 이상의 역할을 한다고 강조했다. 운전자에게 브랜드화된 경험을 제공하기 위해서는 모든 것이 함께 어우러져야 한다는 것이다. 그는 “그 차가 감성을 불러일으켜야 하는 차인지, 아니면 일상적인 운행에 최적화된 차인지가 중요하다. 언리얼 엔진의 역량을 활용하면 브랜딩, 감성, 전반적인 사용자 경험까지 모두 구현할 수 있다”고 답했다.   ▲ 이미지 출처 : Siili Auto   ▲ 이미지 출처 : Siili Auto   ▲ 이미지 출처 : Siili Auto   ▲ 이미지 출처 : Siili Auto     ■ 기사 내용은 PDF로도 제공됩니다.

유니티가 9월 26일 한국과학기술회관에서 개최한 ‘유데이 서울 : 인더스트리(U/DAY Seoul:Industry)’를 마쳤다고 밝혔다. 이번 ‘유데이 서울 : 인더스트리’에는 다양한 산업 분야 관계자와 종사자 350명이 참석해 산업 생태계의 혁신적인 디지털 트윈 전략과 기술 인사이트를 공유하고 체험했다. 특히 사전 참가 등록 기간에 600명 이상이 신청하며 조기 마감되는 등 높은 관심을 보였으며, 행사 종료 후 제공되는 온라인 레코딩 영상 신청에도 약 200명이 참여해 지속적인 관심을 확인할 수 있었다. 유니티는 산업 현장 속 유니티 기반 디지털 트윈 기술을 직접 체험할 수 있는 ‘실전형 데모존’에 참관객의 호응이 높았다고 소개했다. 특히 메타넷디지털의 ‘메타팩토리’, 모라이의 ‘자율주행 차량 테스트 데모’ 등이 주목을 받았다. 메타넷디지털 데모존을 담당한 김남일 이사는 “메타팩토리는 제조 현장의 데이터를 실시간으로 연결하고 AI와 3D 기술을 더해 운영 효율성을 크게 개선할 수 있는 제조 운영 관리 플랫폼“이라며, “이번 행사를 통해 제조업 뿐만 아니라 물류, 자동차 등 여러 분야의 산업 관계자 분들과 다양한 의견을 나누고, 좋은 피드백을 청취할 수 있어 의미 깊었다”고 말했다. 모라이 데모존을 담당한 이원상 매니저는 “상암, 강남 등 친숙한 도로 환경을 구현한 데모를 준비했는데, 유니티 기반의 고정밀 시뮬레이션 기술이 제공하는 현실감을 높이 평가해주셨고, 기술적 진보를 실감했다는 반응도 많았다”고 말했다. 이어 “유데이 서울 : 인더스트리를 계기로 보다 많은 분들께 저희 설루션의 가치를 알리고, 잠재적 협력 파트너들과 새로운 비즈니스 기회를 논의할 수 있어 뜻깊었다”고 소감을 전했다.     전문가 세션에서는 산업 혁신의 방향성을 제시하며, 다양한 실제 적용 사례를 살펴볼 수 있는 세션들이 눈길을 끌었다. 그 중에서도 SK AX의 강철규 매니저가 발표한 ‘HBM 전용 Stack 3D Map PoC’ 세션은 유니티 협업 과정에서 얻은 인사이트와 노하우를 구체적으로 다뤄 참관객들의 만족도가 높았다. 유니티 코리아 김현민 시니어 설루션 엔지니어가 발표한 세션도 관심을 모았다. 이 세션에서는 BMW의 유니티 애셋 매니저 기반 3D 에셋 관리 사례와 오바야시의 실시간 3D 협업 워크플로 구축 사례에 대해 전했다. 또한 버추얼 프라이빗 클라우드(VPC) 배포 옵션 등 유니티의 3D 데이터 보호 기능 및 대규모 산업 데이터 관련 인사이트를 공유했다. 유니티 코리아의 송민석 대표는 “이번 유데이 서울 : 인더스트리는 유니티의 기술이 창출하는 새로운 가치와 가능성을 확인할 수 있었던 시간”이라며, “앞으로도 협력 생태계를 확대해 나갈 수 있도록 여러 산업군에 최적화된 설루션을 선보일 것”이라고 말했다.