아마존웹서비스(AWS)는 AI 에이전트의 지식 접근 범위를 넓히고 프로덕션 환경에서 지속적으로 성능을 개선하도록 지원하는 아마존 베드록 에이전트코어(Amazon Bedrock AgentCore)의 신규 기능을 발표했다. 오늘날 에이전트를 구동하는 모델은 복잡한 문제를 추론하고 다단계 워크플로를 계획하며 정교한 응답을 생성할 수 있을 만큼 뛰어난 역량을 갖췄다. 그러나 대다수 에이전트는 필요한 맥락 정보와 피드백을 활용하지 못해 잠재력을 충분히 발휘하지 못하고 있다. AWS는 이번 발표를 통해 에이전트의 정보 접근 범위를 조직 내 지식 애셋, 웹 정보, 유료 정보까지 확대하고 운영 중 발생하는 문제를 탐지하고 진단하는 기능을 제공한다. 이와 함께 에이전트 역량 확대에 맞춰 보안 통제도 강화한다. 기업의 핵심 업무 데이터는 분산되어 있어 기존에는 이를 에이전트에 연결하려면 수개월의 엔지니어링 작업이 요구됐다. AWS는 아마존 베드록 관리형 지식 베이스(Amazon Bedrock Managed Knowledge Base)를 에이전트코어에 새롭게 통합해 이 작업을 대체한다. 비정형 데이터 소스를 연결하면 벡터 스토어, 임베딩 및 재순위화 모델, 속도 제한 등 확장성 관련 인프라를 AWS가 직접 관리한다.     이번 통합의 핵심 기능은 기존 검색증강생성(RAG) 방식을 넘어선 에이전트 기반 검색기다. 질의와 유사한 조각을 단순 매칭하는 대신 지식 베이스 전반에 걸쳐 질의 수행 과정을 설계하고 문서 간 연관 개념을 연결하며 중간 결과를 평가해 재순위화한 뒤 답변을 생성한다. 복잡한 다단계 질의에서 에이전트 기반 검색은 기본 검색 대비 더 폭넓고 포괄적인 결과를 제공한다. AI 에이전트 개발자를 위한 신규 도구인 웹 서치 온 에이전트코어(Web Search on AgentCore)도 발표됐다. 이 도구는 고객의 AWS 보안 환경 내에서 웹 정보를 제공한다. 에이전트 기반 검색에 최적화되어 적은 토큰으로도 많은 정보를 담은 핵심 발췌문을 제공하며 공개 웹 정보와 아마존의 독자적인 지식 그래프를 결합하는 다중 소스 그라운딩 방식을 적용했다. 웹 서치 온 에이전트코어는 새로운 외부 업체를 시스템에 등록하고 연동하는 과정이나 그에 따른 오케스트레이션, 인증, 결제 절차 없이 질의를 AWS 보안 및 컴플라이언스 범위 내에서 처리한다. 유료 콘텐츠 접근을 위한 기능도 마련됐다. 에이전트코어 페이먼트(AgentCore payments)는 에이전트가 금융 시장 데이터나 유료 리서치 등 유료 서비스와 콘텐츠를 발견하고 접근해 실행 루프 내에서 결제할 수 있도록 지원한다. 정식 출시된 AWS WAF AI 트래픽 수익화(AWS WAF AI traffic monetization)는 콘텐츠 소유자가 에이전트 접근을 차단하거나 허용하고 대가를 받을 수 있게 한다. 두 기능이 동일한 플랫폼에서 작동하므로 WAF를 사용하는 콘텐츠 제공자는 에이전트코어에서 인증된 에이전트를 별도 설정 없이 자동으로 신뢰할 수 있다. AWS는 운영 트레이스를 분석해 에이전트를 지속적으로 개선할 수 있는 신규 최적화 기능도 선보였다. 프리뷰로 제공되는 에이전트코어 인사이트는 수백 건의 세션에 걸친 실패, 의도, 경로 분석을 통해 대시보드나 개별 트레이스 검토로는 드러나지 않는 패턴을 파악한다. 실패 인사이트는 오류 신호를 남기지 않는 조용한 실패를 포함한 반복 실패 패턴을 탐지하고 근본 원인을 설명하며 영향 범위에 따라 우선순위를 제시한다. 의도 인사이트는 사용자의 실제 요청 의도를 기준으로 요청을 군집화하고 경로 인사이트는 에이전트의 작업 수행 경로를 그룹화해 공통 패턴을 파악한다. 정식 출시된 추천 기능과 A/B 테스트는 트레이스와 평가 결과를 분석해 시스템 프롬프트 및 도구 설명의 구체적인 개선안을 제시한다. 배치 평가는 정의된 테스트 데이터셋으로 개선안을 검증해 종합 점수를 제공하며 변경 사항이 프로덕션에 반영되기 전 성능 저하를 사전에 파악한다. A/B 테스트는 운영 트래픽을 분할해 에이전트 버전 간 통제된 비교를 수행한다. 이 기능들은 에이전트 운영 환경에 관계없이 동일하게 작동한다. 에이전트의 역량이 커질수록 노출되는 영역도 늘어난다. 에이전트코어의 정책 기능은 게이트웨이 단계에서 실시간 결정론적 통제를 제공한다. AWS는 이번에 정식 출시된 베드록 가드레일(Bedrock Guardrails) 연동으로 이 기능을 확장했다. 베드록 가드레일 연동은 모든 에이전트 행동을 프롬프트 인젝션 시도, 유해 콘텐츠, 민감정보 노출 여부로 평가한다. 이런 점검은 게이트웨이 계층에서 이뤄져 에이전트가 이를 인지하거나 우회할 수 없다. AWS는 주요 보안 기업의 탐지 신호도 동일한 정책에 반영할 계획이다. AWS는 에이전트코어 하네스(AgentCore harness)를 관리형 기능으로 정식 출시했다. 고객은 오케스트레이션 루프를 직접 코딩하는 대신 모델, 도구, 스킬, 지침을 설정으로 정의해 루프를 구성하고 실행할 수 있다. 모델과 하네스를 분리해 설계했기 때문에 고객은 원하는 모델을 선택하고 에이전트 로직을 수정하지 않고도 세션 중간에 모델을 전환할 수 있다. 하네스가 단일 플랫폼의 일부로 동작하므로 보안 정책을 적용하는 동일한 게이트웨이로 도구에 접근하고 조직 지식, 웹 검색, 유료 서비스와 연결된다. 신원 관리, 메모리, 관측 가능성도 같은 플랫폼에서 제공돼 모든 에이전트 행동이 처음부터 거버넌스와 추적 대상이 된다.

조선산업은 표면적 호황과 별개로 구조적 난제를 안고 있 다. 수주·건조 경쟁 심화, 숙련 인력의 고령화와 이탈, 생산 시스템의 노후화, 그리고 수주산업 특유의 극단적 복잡성이 동시에 작동하고 있기 때문이다. 이러한 환경에서 조선소의 디지털 전환은 단순한 업무 전산화나 개별 공정 자동화를 넘어, 설계–구매–생산–물류–원가–납기 전 과정을 하나의 유기체처럼 연결하는 방향으로 진화해야 한다. 이 글에서는 조선소에서 디지털 트윈과 피지컬 AI(physical AI)를 실전적으로 구현하기 위한 핵심 요건을 기술적으로 정리한다.   ■ 이 글은 지난 4월 16일 진행된 ‘SIMTOS 2026 피지컬 AI & 디지털 트윈 콘퍼런스’에서 발표된 내용을 정리한 것이다.   HD현대는 2020년부터 Future of Shipyard(FOS) 로드맵을 통해 디지털화·가시화, 연결·예측·최적화, 지능형 자율 운영의 3단계 전환을 추진하고 있으며, 현재는 2단계에서 3단계로 넘어가는 전환기의 핵심 구조를 구체화하고 있다. 지능형 자율 운영 조선소를 성립시키는 기술적 삼위일체는 디지털 매뉴팩처링(DM), 디지털 트윈, 피지컬 AI이며, 이 세 요소는 개별 기술이 아니라 상호 순환하는 통합 구조로 작동해야 한다. 특히 실험실 수준의 데모를 넘어 실제 야드에서 작동 가능한 수준의 디지털 트윈·피지컬 AI 체계를 구현하려면, 온톨로지 기반의 SSOT(single source of truth), 애플리케이션 및 피지컬 AI 오케스트레이션, 엔드 투 엔드 데이터 파이프라인이 필수적이다.   조선소 DX는 왜 다시 정의되어야 하는가 조선소는 전통적인 중후장대 산업의 상징처럼 보이지만, 실제로는 가장 복잡한 디지털 전환 과제를 안고 있는 제조 현장 가운데 하나다. 같은 배가 하나도 없고, 동일 선주에게 인도되는 선박조차 호선별 사양이 달라진다. 다시 말해 조선소는 오래전부터 이미 ‘대량 맞춤형 생산(mass customization)’을 수행해 온 산업이다. 다만 그 복잡성을 지금까지는 사람의 경험, 현장 숙련, 그리고 조직 내부의 암묵지에 크게 의존해 감당해 왔다. 문제는 그 방식이 더 이상 지속 가능하지 않다는 데 있다. 숙련 기술자는 줄어들고 있고, 생산 복잡성은 더 커지고 있으며, 글로벌 경쟁은 더 치열해졌다. 최첨단 선박을 설계·건조하면서도, 이를 지탱하는 정보 시스템은 여러 세대에 걸쳐 누적된 레거시 구조를 벗어나지 못한 경우가 많다. 결과적으로 오늘의 조선소는 ‘세계 최고 수준의 제품을 만들지만, 그 제품을 만드는 시스템은 충분히 현대화되지 못한’ 모순 상태에 놓여 있다. 이러한 조건에서 디지털 전환은 선택지가 아니라 생존 조건이 된다. HD현대의 FOS 로드맵은 이러한 문제의식에서 출발한다. 1단계는 디지털화와 가시화, 2단계는 연결·예측·최적화, 3단계는 지능형 자율 운영 조선소를 지향한다. 중요한 점은 3단계가 단순히 ‘자동화가 많이 적용된 조선소’를 의미하지 않는다는 것이다. 그것 은 실시간 데이터를 기반으로 전체 공정을 이해하고, 변화에 능동적으로 대응하며, AI가 의사결정을 지원하고 일부는 직접 실행하는 운영 체계를 뜻한다. 이 글은 바로 이 2단계와 3단계 사이의 기술적 연결고리를 다룬다.   지능형 자율 운영 조선소의 기술적 삼위일체 지능형 자율 운영 조선소를 성립시키는 핵심 요소는 디지털 매뉴팩처링, 디지털 트윈, 피지컬 AI의 세 축으로 설명할 수 있다. 이 세 요소는 각각 독립적으로 존재할 수 있지만, 실제 운영 관점에서는 하나의 순환 구조로 통합되어야 한다. 세 요소 사이의 관계를 ‘삼위일체’라고 표현한 이유도 여기에 있다. 디지털 매뉴팩처링은 3차원 가상공간에서 설계와 생산 시나리오를 검토하고, CAD 기반의 설계 정보를 실제 제조 맥락으로 연결하는 사전 검증 체계다. 이는 현장 작업 이전에 충돌, 순서, 작업성, 자원 배치의 문제를 예측하게 해주는 ‘가상 작전 지도’에 가깝다. 반면 피지컬 AI는 센서, 비전, 로봇, AMR(자율 이동 로봇)/ AGV(무인 운반차), 협동로봇 등 현실 세계에 실제로 작동하는 지능형 실행 계층이다. 즉 디지털 매뉴팩처링이 ‘실행 이전의 검증’이라면, 피지컬 AI는 ‘현장 실행의 지능화’라고 할 수 있다. 그리고 이 둘을 이어주는 중심축이 디지털 트윈이다. 디지털 트윈은 단순한 3D 모델이나 설비 상태 모니터링을 넘어서, 현실 데이터를 지속적으로 흡수하고 가상 공간에서 시뮬레이션하며 그 결과를 다시 현실로 피드백시키는 운영형 모델이어야 한다. 즉 디지털 트윈은 ‘보는 모델’이 아니라 ‘판단하고 개입하는 모델’이어야 한다. 조선소가 자율 운영 단계로 이동하려면 바로 이 구조가 성립되어야 한다.   조선소 디지털 트윈은 무엇을 달성해야 하는가 오늘날 많은 산업에서 디지털 트윈을 도입하고 있다. 설비 상태를 실시간으로 동기화하고 예지보전을 수행하는 사례는 이미 널리 알려져 있으며, 조선소에도 당연히 필요하다. 그러나 조선소의 본질적 복잡성은 설비 단위보다 공정과 일정, 자재와 작업 순서, 협력 사와 물류, 설계 변경과 원가 반영의 상호작용에서 발생한다. 따라서 조선소에 필요한 진정한 디지털 트윈은 공정 중심의 왓이프(what-if) 시뮬레이션이 가능한 디지털 트윈이어야 한다. 예를 들어 특정 도크에서 용접 작업이 지연되었다고 하자. 이것은 단지 해당 작업만의 문제가 아니다. 뒤따르는 크레인 사용 일정, 후행 자재 공급, 작업자 동선, 탑재 순서, 심지어 납기와 원가에도 파급효과를 줄 수 있다. 조선소의 디지털 트윈은 이러한 영향을 국소 최적화가 아니라 전역 최적화 관점에서 해석해야 한다. 그리고 그 결과를 바탕으로 어떤 대안이 가장 유리한지, 어떤 순서 변경이 가능한지, 어떤 자원 재배치가 필요한지 제시할 수 있어야 한다. 이때 중요한 조건이 하나 더 있다. 진정한 디지털 트윈은 ‘양방향 시뮬레이션 구조’로 규정할 수 있다. 현실 세계의 데이터가 실시간으로 가상 세계로 유입되고, 가상 세계에서 계산된 최적화 결과가 다시 현실 세계의 시스템과 작업으로 반영되어야 한다는 뜻이다. 이 양방향 루프가 형성되지 않으면 디지털 트윈은 결국 시각화 도구나 사후 분석 도구에 머물 가능성이 높다. 조선소에서 필요한 것은 보고서용 디지털 트윈이 아니라, 운영에 개입하는 디지털 트윈이다.   실험실을 넘어 실전으로 : 디지털 트윈·피지컬 AI 작동의 3 대 전제 조건 조선소에서 디지털 트윈과 피지컬 AI를 실제로 작동시키기 위해서는 세 가지 기반이 필요하다. 첫째는 의미가 부여된 데이터, 즉 온톨로지 기반 SSOT(single source of truth)다. 둘째는 모든 애플리케이션과 피지컬 AI를 통합 운용하는 오케스트레이션 구조다. 셋째는 설계에서 현장까지 끊기지 않는 엔드 투 엔드 데이터 파이프라인이다. 이 세 가지는 실험실을 벗어난 실전에서 디지털 트윈과 피지컬 AI를 작동시키는 전제 조건이다. 먼저 엔드 투 엔드 데이터 파이프라인은 조선소 DX(디지털 전환)의 오래된 숙제다. 설계에서 생성된 데이터와 도면이 PLM(제품 수명주기 관리), ERP(전사 자원 계획), MES(제조 실행 시스템), IoT, 로봇/피지컬 AI 계층까지 끊김 없이 이어지지 않으면, 현장은 늘 번역 비용과 정보 손실을 감수해야 한다. 점대점(point-topoint) 인터페이스가 반복적으로 추가된 구조에서는 데이터는 연결되어도 맥락은 연결되지 않는다. 이 때문에 사람은 여러 시스템을 번갈아 확인해야 하고, 판단은 결국 개인 경험에 의존하게 된다. 따라서 다음 단계는 단순한 인터페이스 증설이 아니라 SSOT의 구현이다. SSOT란 모든 시스템과 구성원이 하나의 기준 데이터를 참조하도록 강제하는 구조이며, 이를 통해 데이터 거버넌스를 확보하고 번역 비용과 오류를 줄이려는 개념이다. 그러나, 오랫동안 업계가 알고 있던 정답이었음에도 SSOT의 실제 구현은 쉽지 않았다. 이유는 데이터가 흩어져 있어서가 아니라, 서로 다른 의미 체계 위에서 생성된 데이터를 단순 연결만으로는 하나의 진실 체계로 만들 수 없기 때문이다.   온톨로지 : SSOT를 현실화하는 데이터 구조 여기서 제시하는 해법은 온톨로지(ontology)다. 온톨로지는 제조 데이터를 객체(entities), 속성(properties), 관계 (relations), 행위(behaviors)의 체계로 재구성하여, 데이터에 의미와 맥락을 부여하는 지식 표현 구조다. 조선소의 설비, 블록, 자재, 공정, 작업자, 일정, 비용, 품질 사건 등을 각각 독립 데이터가 아니라 서로 연관된 객체 네트워크로 표현하면, AI는 단순한 값의 나열이 아니라 맥락화된 상태를 이해할 수 있게 된다. 기존의 관계형 데이터베이스와 테이블 중심 구조는 각 시스템 내부의 업무 처리를 위해서는 유효했지만, 전사 차원의 맥락적 추론에는 한계가 컸다. PLM, ERP, MES, 설비 시스템, 현장 센서 데이터가 각각 의미 체계를 달리한 채 존재하는 상황에서, AI가 이를 기반으로 판단하도록 만드는 것은 매우 어렵다. 반면 온톨로지 기반 구조에서는 데이터의 의미와 상호작용이 명시적으로 정의되므로, AI 에이전트가 ‘무엇이 어떤 것과 어떻게 연결되어 있는지’를 이해한 상태에서 추론할 수 있다. 이를 두고 ‘디지털 신경망의 핵심’이라고 표현할 수 있는 배경도 여기에 있다. 조선소 관점에서 온톨로지의 가치는 특히 설계 변경 영향 분석, 공정 지연 파급 분석, 원가 및 납기 영향 예측, 작업 우선순위 결정에서 크게 드러난다. 기존에는 설계 변경이 발생하면 여러 시스템을 뒤지고 관련 부서에 확인을 요청해야 했다. 하지만, 온톨로지 기반 디지털 트윈에서는 도면–자재–공정–원가–납기의 연결 구조를 통해 영향을 입체적으로 추적할 수 있다. 이는 단순한 데이터 통합 이 아니라, 의사결정의 구조를 데이터 위에 구현하는 접근이다.     전사 오케스트레이션과 단일 관리 화면 향후 조선소 정보 시스템의 핵심 과제는 ‘데이터 연결’에서 ‘의사 결정의 연결’로 이동해야 한다. 과거 EAI(enterprise application integration : 기업 애플리케이션 통합) 기반의 점대점 연동이 시스템을 이어붙이는 데 집중했다면, 앞으로 필요한 것은 각 시스템에서 생성되는 상태를 하나의 의미 체계 위에 올리고, 이를 전사적 지휘소처럼 활용하는 구조다. 전사 오케스트레이션의 빅픽처는 CAD, PLM, DM, ERP, MES 등 각 계층의 데이터를 온톨로지 레이어 위에서 통합하고, AI가 이를 활용해 전사적 지휘소 역할을 수행하는 구조로 요약할 수 있다. 이 구조가 완성되면 사용자 경험도 근본적으로 바뀐다. 지금까지는 담당자가 여러 모니터와 다수의 업무 화면을 동시에 열어 놓고 일을 하는 것이 일상이었다. 하지만 온톨로지 기반 SSOT가 확 보되면, 이질적 시스템의 데이터를 단일 창에서 종합적으로 확인하고 의사결정하는 것이 가능해진다. 이른바 ‘단일 관리 화면(single pane of glass)’이다. 이는 단순히 화면을 예쁘게 통합 한다는 뜻이 아니라, 데이터의 기반 의미 체계를 먼저 통합한 후 그 위에 사용자 인터페이스를 재구성한다는 뜻이다. 여기서 기존 시스템의 역할도 재정의된다. ERP나 PLM 같은 시스템은 기업의 장기적 프로세스와 기록을 책임지는 SoR(system of record)로 남고, 그 위에서 사용자 중심의 신속한 판단·실행 화면은 SoE(system of engagement), 더 나아가 SoI(system of intelligence)로 구성될 수 있다. 이 구분은 중요한 의미를 갖는다. 전통적 코어 시스템을 모두 대체하려는 접근이 아니라, 그 위에 의미·판단·오케스트레이션 계층을 덧입히는 방식이기 때문이다.   피지컬 AI와 조선소 현장의 실행 계층 조선소는 자동차 공장과 달리 비정형 야외 작업이 많고 작업 대상의 형상과 위치, 환경 조건, 돌발 변수의 편차가 크다. 이런 이유로 조선소는 오랫동안 ‘로봇 자동화가 어려운 현장’으로 인식되어 왔다. 반복 정밀 작업에 최적화된 기존 로봇 자동화 방식으로는 조선소의 다양한 변동성을 다루기 어려웠기 때문이다. 그러나 비전, 센서, AI 추론, 자율 이동 기술의 발전은 상황을 바꾸고 있다. 이제 조선소에서도 AMR, 협동로봇, AI 기반 인식 장치 등의 도입 가능성이 높아지고 있으며, 이를 ‘현실 세계를 조작하는 근육’으로 표현할 수 있다. 중요한 것은 피지컬 AI를 개별 장비 도입 차원에서 이해해서는 안 된다는 점이다. 피지컬 AI의 성패는 로봇 한 대의 성능이 아니라, 그것이 전체 공정 최적화 속에서 어떤 역할을 하느냐에 의해 결정된다. 따라서 피지컬 AI 자체보다 피지컬 AI의 오케스트레이션이 더 중요하다. 특정 작업 셀에서의 자동화 성과만으로는 조선소 전체 성과를 담보할 수 없다. 예컨대 용접 지연이 감지되었을 때 AI 에이전트가 후행 공정 파급효과를 시뮬레이션하고 작업자 동선 재배치, AGV/AMR 이동 경로 수정, 자재 우선순위 변경을 동시에 판단·지시할 수 있어야 한다. 이때 피지컬 AI는 개별 실행 장치이고, 디지털 트윈은 전역 상황판이며, 온톨로지와 AI는 그 둘을 연결하는 지능 계층이 된다.   구현 방법론의 변화 : 시스템 통합에서 의사결정 구조 설계로 이러한 전환은 기업용 애플리케이션 시스템 구축 방법론 자체의 변화를 요구한다. 전통적인 SI 프로젝트에서는 시스템 간 인터페이스 정의와 데이터 연계 설계가 핵심 과업이었다. 어떤 데이터를 어느 시점에 어떤 형식으로 보낼지 정의하는 일이 프로젝트의 중심이었다. 그러나 온톨로지 기반 전사 오케스트레이션 구조에서는 역할의 무게중심이 달라진다. 핵심 과제는 더 이상 ‘어떻게 연결할 것인가’에만 있지 않고, ‘어떤 의미 체계 위에서 어떤 판단과 행동 흐름을 설계할 것인가’로 이동한다. 즉 앞으로의 컨설턴트와 개발자는 인터페이스 기술자에 머무를 수 없다. 전사적 온톨로지를 설계하고, 업무 판단의 흐름을 모델링하고, AI 에이전트가 어떤 맥락에서 어떤 행위를 추천·수행할지를 설계할 수 있어야 한다. 이는 단순한 시스템 구현이 아니라 기업의 의사결정 구조를 디지털 구조로 전환하는 일이다. 이를 ‘회사의 의사결정 구조를 연결하는 역할’이라고 표현한 것은 매우 정확하다. 동시에 생성형 AI와 AI FDE와 같은 도구의 등장은 이 전환을 가속화하고 있다. 과거 수개월이 걸리던 화면 설계, 워크플로 구성, 에이전트 개발, 테스트가 훨씬 짧은 주기로 가능해지고 있다. 결과적으로 사람은 비즈니스 로직, 전략적 아키텍처, 데이터 의미 체계 설계에 더 집중하고, AI는 구현과 반복 업무를 더 많이 담당하는 방향으로 역할이 재편되고 있다.   맺음말 : 조선소 디지털 트윈의 본질은 ‘살아 있는 운영 구조’다 조선소의 디지털 트윈과 피지컬 AI를 이야기할 때 가장 경계해야 할 것은, 이를 각각의 개별 설루션이나 유행 기술로 바라보는 시각이다. 조선소에서 필요한 것은 3D 모델 몇 개, 로봇 몇 대, 대시보드 몇 장이 아니다. 필요한 것은 설계에서 생산, 물류, 원가, 납기, 현장 실행까지 하나의 유기체처럼 연결되고, 그 위에서 AI가 의미를 이해하고 판단하며, 현실로 다시 액션을 피드백시키는 살아 있는 운영 구조다. 그 핵심은 온톨로지 기반 SSOT, 전사 오케스트레이션, 그리고 디지털 트윈–피지컬 AI의 양방향 피드백 루프에 있다. 조선소는 원래부터 복잡했고, 그 복잡성을 사람의 헌신과 경험으로 버텨 왔다. 이제 그 복잡성을 시스템이 이해하도록 만들고, AI가 함께 일할 수 있는 구조로 전환해야 한다. 그때 비로소 조선소는 단순히 디지털화된 현장이 아니라, 스스로 판단하고 스스로 조정하는 지능형 자율 운영 시스템으로 진화할 수 있다. 이것은 특정 기업의 기술 도입 사례에 그치지 않는다. 조선업의 생존 전략일 뿐 아니라, 향후 제조 DX 전반이 나아갈 하나의 방향이기도 하다. 조선소는 제조업의 극단적인 복잡성을 가장 압축적으로 보여 주는 공간이며, 그 문제를 해결하는 방식은 다른 산업에도 강한 시사점을 줄 수 있다. 그런 의미에서 조선소의 디지털 트윈과 피지컬 AI 구현은 단지 조선의 미래가 아니라, 제조업의 다음 표준을 시험하는 과정이라고 말할 수 있다.   ■ 이태진 HD한국조선해양, HD현대그룹 CIO·CDO     ■ 기사 내용은 PDF로도 제공됩니다.

RPA(로보틱 프로세스 자동화) 기술 기업인 유아이패스가 에이전틱 비즈니스 오케스트 레이션 및 자동화 분야의 글로벌 리더로 변신에 나섰다. 유 아이패스코리아는 5월 19일 서울 포시즌스 호텔에서 기자 간담회를 열고, 한국 기업들이 AI 도입 실험 단계를 넘어 실질적인 비즈니스 성과를 창출할 수 있는 구체적인 해법 을 제시했다. ■ 최경화 국장   유아이패스는 전 세계 다양한 조직이 복잡한 기업 운영 환경을 AI 에이전트가 추론하고, 로봇이 실행하며, 사람이 주도하는 지능 적이고 안전한 운영 체계로 전환할 수 있도록 지원하는 기업이다. 특히 현대적 기업 환경과 규제가 엄격한 산업을 위해 자동화, 오케 스트레이션, AI를 통합하여 거버넌스 기반의 확장 가능한 워크플 로우를 제공하는 데 강점을 지니고 있다. 유아이패스코리아 형원준 지사장은 “많은 기업이 에이전트 빌더 에만 집중하는 것은 빙산의 일각을 보는 것과 같으며, 실제 현업 시 스템에 오차 없이 계획을 실행하고 조율하는 ‘지휘자’로서의 오케 스트레이션 능력이 혁신의 핵심”이라고 언급하며 유아이패스의 방 향성에 대해 소개했다.   ▲ 유아이패스코리아 형원준 지사장   AI 투자의 불편한 진실 : ‘ROI 격차’라는 장벽 이번 간담회의 주 발표자로 나선 유아이패스 야니스 브루스타스(Yiannis Broustas) 제품 마케팅 담당 부사장은 현재 글로벌 기업들이 직면한 ‘ROI(투자자본수익률) 격차’ 문제를 화두로 던졌다. 브루스타스 부사장은 가트너에 따르면 2025년 글로벌 AI 투자액이 1조 5000억 달러에 이르고 CIO의 89%가 에이전트 기반 AI 를 전략적 우선순위로 꼽고 있음에도 불구하고, 실제 기대한 성과 를 거두는 프로젝트는 극히 드물다는 점을 지적했다. 브루스타스 부사장은 가트너와 MIT의 데이터를 인용해 엔터프라이즈 AI 프로젝트의 28%만이 기대한 ROI를 달성하고 있으며, 생성형 AI 파일럿의 95%는 기업의 손익에 즉각적인 영향을 주지 못하고 있는 것이 현실이라고 전했다. 또한, 이러한 격차가 발생하는 근본 원인으로 기존 자동화가 대부분 ‘단일 업무(task) 기반’으로 이루어져 복잡한 전체 비즈니스 프로세스를 아우르지 못하기 때문이라고 분석했다.   ▲ 유아이패스 야니스 브루스타스 제품 마케팅 담당 부사장   지능형 오케스트레이션, 파편화된 자동화를 엮는 ‘지휘자’ 브루스타스 부사장은 이 문제를 해결하기 위해 ‘지능형 오케스트레이션(intelligent orchestration)’을 핵심 대안으로 제시했다. 이는 AI 에이전트와 소프트웨어 로봇, 그리고 사람이 유기적으로 협업하여 비즈니스의 엔드 투 엔드 프로세스를 지능적으로 관리하고 변화하는 비즈니스 환경에 적응해 가는 것을 의미한다. 그는 “자동화를 통해 많은 기업이 운영을 개선하고 있지만, 태스크 기반의 한계로 인해 프로세스에 문제가 발생하곤 한다”며, “복잡성을 명료함으로 바꾸기 위해서는 고립된 자동화에서 벗어나 측정 가능한 비즈니스 성능을 창출하는 인텔리전트 오퍼레이션으로 나아가야 한다”고 강조했다. 이를 구체화하기 위해 유아이패스는 플랫폼에 ‘코딩 에이전트(UiPath for Coding Agents)’ 레이어를 새롭게 추가했다. 개발자들이 터미널이나 기존 작업 환경을 그대로 유지하면서 챗GPT, 클로드, 제미나이 등 다양한 외부 AI 모델을 네이티브하게 활용할 수 있도록 지원하는 기능이다. 브루스타스 부사장은 “1000개 이상의 커넥터와 재사용 가능한 패턴을 제공하여 아이디어 구상부터 실제 운영까지의 시간을 수개월에서 단 수일로 단축해 준다”고 설명했다.   산업 현장의 복잡성을 해결하는 ‘마에스트로’ 실제 산업 현장의 비즈니스 프로세스는 매우 역동적이고 예외 사항이 많으며 파편화되어 있다. 브루스타스 부사장은 이러한 복잡한 프로세스를 재구성하여 ROI 격차를 줄이기 위해 ‘마에스트로 케이스 매니지먼트(Maestro Case Management)’를 한국 시장에 발표했다. 이 설루션은 복잡한 공정이나 업무 흐름을 여러 단계로 나누어 유연한 워크플로를 구축할 수 있게 돕는다. 예를 들어 대규모 산업 현장의 수급 관리나 운영 프로세스에서 AI가 데이터를 수집 및 검증하고, 사기나 위험 요소를 평가하는 단계별 과정마다 전문가가 개입해 최종 승인을 내리도록 설계함으로써 AI의 잠재적 실수를 통제하고 리스크를 관리할 수 있다.     한국 시장을 위한 특화 전략 : 데이터 주권과 규제 해소 이날 유아이패스는 한국 기업들이 보안 규제로 인해 AI 도입에 겪는 어려움을 해소하기 위한 두 가지 방안을 소개했다. 첫째는 마이크로소프트 애저(Azure)의 한국 리전을 통해 제공되는 ‘오토메이션 클라우드 포 코리아(Automation Cloud for Korea)’다. 이를 통해 국내 고객은 데이터 레지던시 요건을 준수하면서도 유아이패스의 전체 에이전틱 자동화 스택을 엔터프라이즈급으로 활용할 수 있게 되었다. 둘째는 인터넷이 차단된 폐쇄망 환경을 선호하는 기업들을 위한 ‘온프레미스 에이전틱 AI 배포’ 지원이다. 고규제 산업군인 금융, 공공, 헬스케어 기업들은 이제 ‘오토메이션 스위트’를 통해 자체 데이터센터 내에서 에이전틱 AI를 운영하며 데이터에 대한 완벽한 통제권을 확보할 수 있다. 유아이패스는 단순한 기술 제공자를 넘어, 한국 기업들이 AI 도입의 딜레마를 극복하고 실질적인 비즈니스 가치를 실현할 수 있도록 돕는 파트너로서의 입지를 공고히 한다는 계획이다. 형원준 지사장은 “규정 준수 요건이 혁신을 가로막아서는 안 되지만, 한국의 고규제 산업은 엄격한 제약으로 인해 초기 에이전틱 AI 도입의 성과를 충분히 누리지 못했다”며, “오토메이션 스위트는 AI 도입과 데이터 주권 유지 사이의 딜레마를 해소해 금융, 공공, 헬스케어를 비롯한 다양한 산업의 기업이 자체 인프라 제어권을 바탕으로 구상 단계를 넘어 실질적인 비즈니스 성과를 낼 수 있도록 돕는다”고 말했다. 현재 대부분의 에이전틱 자동화 기능은 유아이패스 오토메이션 스위트에서 이용할 수 있으며, 대화형 에이전트(Conversational Agent)와 IXP(Intelligent Xtraction and Processing) 기능은 2026년 10월 제공될 예정이다.     전 산업군으로 확산되는 실무 중심의 에이전틱 AI 소개 기자간담회와 같은 날 진행된 ‘유아이패스 퓨전 서울(UiPath FUSION Seoul)’ 행사에서는 에이전틱 AI를 대규모로 배포하고 실질적인 성과를 낸 국내외 실무 담당자들의 목소리가 생생하게 전달되었다. 유아이패스 야니스 브루스타스 부사장이 ‘에이전틱 엔터프라이즈의 오케스트레이션’을 주제로 글로벌 전략을 공유했으며, IDC 김경민 이사가 차세대 AI 자동화가 여는 자율 지능 시대에 대한 시장 인사이트를 전했다. LG CNS 진요한 AI센터장이 에이전틱 AI와 오케스트레이션의 실제 결합 사례를, 쏘카 김주녕 팀장이 AI 기반 업무 혁신 여정을 공유하며 제조·서비스 등 다양한 산업군에서 의 활용 가능성을 시연했다. 또한 딜로이트 정창모 수석위원은 미래형 에이전틱 ERP 전략을 제시하고, 유아이패스코리아 김형수 파트너는 복잡한 구현 없이 빠르게 시작할 수 있는 ‘산업별 AI 에이전트’를 소개했다. 이번 행사에서는 기조연설과 라이브 제품 시연을 통해 에이전틱 AI를 실제 운영 단계로 전환하기 위한 현실적인 방안인 엔드 투 엔드 오케스트레이션과 산업별 특화 설루션, 그리고 측정 가능한 ROI 실현 과정 등이 소개되었다.     ■ 기사 내용은 PDF로도 제공됩니다.

인공지능 캐드 직스캐드 20주년 기념 특급 할인 #직스테크놀로지 #2D캐드 #ZYXCAD

레노버가 엔비디아 GTC에서 AI 도입을 가속화하고 첫 토큰 생성 시간을 단축하며, 개인용 기기부터 기업 및 클라우드 환경 전반에 걸쳐 측정 가능한 비즈니스 성과를 창출하도록 설계된 레노버 하이브리드 AI 어드밴티지 위드 엔비디아의 신규 솔루션을 공개했다. 레노버 테크 월드에서 선보인 추론 가속 기술을 바탕으로 하이브리드 AI 실행의 다음 단계를 제시하는 이번 출시는 개인용 기기에서 데이터센터, 나아가 기가와트급 AI 클라우드 배포에 이르기까지 범위를 확장한다. 이를 통해 전 세계 다양한 산업 분야에서 실시간 의사결정과 운영 효율성, 지능형 자동화를 구현할 수 있도록 지원한다. 실시간 의사결정을 위한 추론 중심의 하이브리드 AI 시대 AI가 모델 학습 단계를 넘어 실시간 의사결정을 지원하는 단계로 진화함에 따라 추론은 기업 가치 창출의 최전선이 되었다. 기업들은 이제 엣지, 데이터센터, 클라우드 전반에서 이를 보안상 안전하게 구현할 인프라를 필요로 하고 있다. 레노버의 의뢰로 IDC가 조사한 글로벌 연구 보고서인 CIO 플레이북 2026에 따르면, 기업의 84퍼센트가 클라우드와 더불어 온프레미스 또는 엣지 환경에서 AI를 실행할 것으로 예상하고 있다. 이는 실제 운영 규모의 추론을 위해 구축된 검증된 하이브리드 AI 플랫폼에 대한 수요 증대로 이어지고 있다. 양위안칭 레노버 회장 겸 CEO는 레노버와 엔비디아가 실험 단계부터 기업용 운영 환경, 나아가 AI 클라우드 기가팩토리에 이르기까지 기업이 AI를 운영할 수 있도록 돕는 독보적인 위치에 있다고 강조했다. 에이전틱 AI가 추론 워크로드의 기하급수적인 성장을 이끌면서 비용 관리와 토큰 당 성능 확보가 핵심 과제가 되었다며, 엔비디아 AI 엔터프라이즈 소프트웨어와 레노버의 풀스택 하이브리드 AI 플랫폼을 결합해 고객이 더 높은 효율성과 낮은 비용으로 AI 규모를 확장하도록 지원할 것이라고 밝혔다. 어디서나 구현 가능한 AI 개발 및 추론 환경 구축 레노버는 차세대 엔비디아 RTX 프로 블랙웰 기반의 모바일 및 데스크톱 워크스테이션을 통해 전문가들에게 실시간 AI 개발 및 추론 기능을 즉시 제공한다. 초경량 씽크패드 P14s 7세대, 씽크패드 P16s 5세대 및 프리미엄 모델인 씽크패드 P1 9세대를 포함한 모바일 라인업 전반에 엔비디아 RTX 프로 블랙웰 제너레이션 랩탑 GPU를 탑재했다. 데스크톱 모델인 씽크스테이션 P5 2세대에는 최대 2개의 엔비디아 RTX 프로 6000 블랙웰 워크스테이션 에디션 GPU가 들어간다. 또한 최대 2,000억 개의 파라미터를 가진 AI 모델을 지원하고 1페타플롭의 연산 성능을 갖춘 씽크스테이션 PGX 기반 AI 개발자용 디바이스를 제공한다. 이는 안전한 프라이빗 및 온프레미스 AI 개발에 최적화되어 있다. 이와 함께 데이터 과학자들이 워크로드를 구축하고 보호할 수 있도록 지원하는 레노버 AI 디벨로퍼 제품군과 배포를 간소화하는 이미징 서비스도 함께 선보였다. 실시간 엔터프라이즈 추론을 위한 최적화 플랫폼 레노버 하이브리드 AI 어드밴티지 위드 엔비디아 솔루션은 유사한 사양의 클라우드 서비스형 인프라(IaaS) 대비 6개월 빠르게 투자자본수익률(ROI)을 달성하고 최대 8배 낮은 토큰 당 비용을 실현한다. 추론에 최적화된 신규 레노버 씽크시스템 및 씽크엣지 서버는 유통, 제조, 헬스케어 등 다양한 환경에서 실시간 AI 추론을 지원한다. 확장된 포트폴리오는 엔비디아 AI 엔터프라이즈 소프트웨어와 통합된 엔비디아 검증 시스템을 제공한다. 여기에는 스케일아웃 엔터프라이즈 AI를 위한 RTX 프로 6000 블랙웰 서버 에디션 GPU 탑재 플랫폼과 대규모 추론 사례를 위한 블랙웰 울트라 기반 플랫폼이 포함된다. 또한 뉴타닉스 엔터프라이즈 AI 및 쿠버네티스 플랫폼 기반의 씽크애자일 HX650a를 통해 보호된 추론 및 에이전틱 워크로드의 기반을 제공한다. 산업별 특화 AI 솔루션과 기가와트급 AI 클라우드 구현 레노버는 실시간 운영 수준의 추론 기능을 기업 워크플로우에 도입하기 위해 레노버 AI 라이브러리를 확장했다. 스포츠 분야에서는 실시간 분석과 중계 최적화를, 유통 분야에서는 지능형 온오프라인 매장 어시스턴트를 통해 개인화된 서비스를 제공한다. 제조 및 모빌리티 환경을 위한 피지컬 AI 솔루션은 로보틱스와 엣지 컴퓨팅을 결합하여 검사 자동화와 작업자 안전을 강화한다. 특히 레노버는 차세대 엔비디아 루빈 플랫폼을 통해 고객이 기가와트 규모의 데이터를 관리할 수 있도록 지원한다. 엔비디아 베라 루빈 NVL72의 출시 파트너로서 완전 수랭식 랙 규모 시스템을 공급하며, 이는 이전 세대 대비 최대 10배 높은 처리량과 10배 낮은 토큰 당 비용을 달성한다. 젠슨 황 엔비디아 창업자 겸 CEO는 AI가 이제 실제 운영 단계에 들어섰으며, 레노버와 엔비디아가 가속 컴퓨팅과 AI 팩토리 수요를 선도할 풀스택 플랫폼을 함께 제공해 나갈 것이라고 전했다.  

스노우플레이크는 ‘AI + 데이터 예측 2026 보고서’를 발간하고 “2026년은 에이전틱 AI와 데이터 전략이 엔터프라이즈 AI 성과를 좌우하는 해가 될 것”이라고 전망했다. 스노우플레이크는 매년 슈리다 라마스워미(Sridhar Ramaswamy) CEO를 비롯한 리더들의 인사이트를 토대로 AI 및 데이터 트렌드를 예측하며 보고서를 발간하고 있다. 올해 보고서에서는 “에이전틱 AI의 신뢰성 확보와 데이터 활용 전략이 기업 경쟁력을 좌우하는 핵심 요소가 될 것”이라고 강조했다. 2026년에는 대규모 언어 모델(LLM)에서 더 나아가 정교한 추론과 실행 능력을 갖춘 에이전틱 AI 중심 구조로 진화하며 기업의 AI는 전사적인 AI 생태계 구축 단계로 진입할 것이라는 설명이다. 스노우플레이크의 아나히타 타프비지(Anahita Tafvizi) 최고 데이터 및 애널리틱스 책임자는 “AI 혁신 속도는 매우 빠르지만 대부분의 기업은 이를 실질적 성과로는 이어가지 못한다”면서, “데이터 상태, 거버넌스, 조직 역량의 차이가 기업 간 AI 활용의 격차를 만들 것”이라고 말했다. 또한, 에이전틱 AI의 진화로 개발자 생산성이 33% 향상될 것으로 전망되는 가운데, 다양한 도구와 데이터 및 AI를 유기적으로 활용할 수 있는 오케스트레이션 역량을 갖춘 인재의 가치가 부각될 것이라 내다봤다.     ‘AI + 데이터 예측 2026 보고서’에서 분석한 2026년 주요 전망은 ▲에이전틱 AI 신뢰도 높이는 ‘자체 검증 메커니즘’의 발전 ▲AI 생태계 확장의 필수요소로 자리잡을 표준 프로토콜, 오픈소스, 운영 인프라 ▲사이버 보안의 양날의 검이 된 에이전틱 AI 등이다. 에이전틱 AI는 기업 업무 환경에 본격 활용될수록 신뢰성 확보가 최우선 과제가 될 것으로 보인다. 이를 위해 사용자 피드백을 반영하는 ‘피드백 루프’와 결과를 스스로 점검 및 보정하는 ‘자체 검증 메커니즘’이 중요해질 것이다. 라마스워미 CEO는 “구글 검색 알고리즘이 사용자의 클릭 데이터를 반영하며 진화해온 것처럼 에이전틱 AI 역시 사용자의 피드백 패턴을 학습하며 업무 환경에서 더욱 정교한 의사결정을 수행하게 될 것”이라고 내다봤다. 기업 업무 환경에서는 단일 슈퍼 에이전트보다 특정 업무에 특화된 마이크로 에이전트가 먼저 등장할 것으로 예측했다. 즉, 마이크로 에이전트가 단계적으로 도입되고 이를 유기적으로 결합하는 에이전틱 AI가 효과적인 도구가 될 것이다. 스노우플레이크의 마이크 블랜디나(Mike Blandina) 최고정보책임자(CIO)는 “앞으로 몇 년 내 특정 업무에 특화된 마이크로 에이전트의 등장에 따라 각각의 마이크로 에이전트를 레고 블럭처럼 조합할 수 있게 된다면 더 크고 복잡한 업무를 성공적으로 수행할 수 있을 것”이라고 설명했다. 에이전틱 AI가 기업 시스템 전반으로 확산되기 위해서는 연동 방식의 표준화가 선행되어야 한다. 에이전틱 AI는 여러 시스템 및 데이터베이스를 아우르며 업무를 수행한다. 이에 에이전트 및 외부 시스템과의 통신을 표준화하는 지배적 AI 프로토콜의 등장이 에이전틱 AI 개발 및 도입 속도를 높일 것이다. 특히 인터넷 환경이 TCP/IP로 확산된 것처럼 단일 지배적 프로토콜이 자리잡으면 에이전틱 AI 개발 속도가 높아지고 벤더 종속에서도 자유로워질 것이라는 것이다. 또한 AI 생태계의 확장성을 높이기 위해서는 오픈소스 파운데이션 모델의 역할도 커질 것이다. 한편 에이전틱 AI는 대화형 도구에서 벗어나 추론과 다단계 행동을 수행하는 에이전트로 진화하고 있다. 이에 따라 기업 운영 인프라는 분석 중심에서 실시간 처리 상태 관리 중심으로 재편될 것이다. 이 과정에서 포스트그레스(Postgres)가 빠른 응답 및 낮은 지연이 요구되는 온라인 처리 워크로드를 뒷받침하며 에이전틱 AI가 생성하는 대규모 실시간 이벤트와 지속적인 운영 데이터 처리에 핵심 인프라로 활용될 것으로 전망된다. 에이전틱 AI가 기업 시스템 전반에서 실시간으로 실행되고 외부와의 연동 범위가 넓어질수록, 보안 환경에서는 위협과 기회가 동시에 등장한다. 스노우플레이크의 브래드 존스(Brad Jones) 최고정보보호책임자(CISO)는 “에이전틱 AI가 취약점 탐지, 익스플로잇 자동화 데이터 탈취 등 공격 행위를 정교하게 수행할 수 있어 사이버 위협의 규모와 속도를 크게 높일 수 있다”고 강조했다. 한편 에이전틱 AI가 기업의 보안 운영 센터(SOC)의 대응 역량을 강화하는 방향으로 활용될 수 있다고 전망했다. 존스 CISO는 “뛰어난 보안 전문가 확보의 어려움은 당분간 지속될 것”이라며, “강력한 AI 에이전트와 보안 도구를 적절히 결합해 활용하면 SOC 운영의 리소스 공백을 보완해 제한된 인력으로 보다 효과적인 보안 대응 체계를 구축할 수 있다”고 설명했다. 한편, 스노우플레이크는 리테일/소비재, 금융 서비스, 제조 등  산업별 AI 활용 전략에 대해서도 짚었다. 모든 산업에서 에이전틱 AI의 활용이 도입 단계를 넘어 실제 업무 실행 중심으로 확산될 것으로 보인다. 리테일/소비재 산업에서는 데이터가 풍부한 대규모 AI 모델을 기반으로 고객관리가 고도화되고 개인화된 경험에 대한 서비스가 늘어나며 ‘AI 쇼핑 어시스턴트’가 대중화될 것이다. 엄격한 규제 환경의 금융 서비스 분야에서는 데이터 퍼스트 및 정교한 리스크 관리 전략을 바탕으로 의사결정 전반에 통합되는 AI 기반 분석 및 리스크 관리 에이전트가 확대될 것이다. 제조 산업의 경우 품질 검사, 설비 정비, 공급망 최적화 등 운영 전반에서 설비 효율성을 진단하는 ‘산업 특화 챗봇형 AI 에이전트’ 도입이 가장 빠르게 이뤄질 것으로 예측된다.

캔바가 2026년 ‘제3회 연례 디자인 트렌드 보고서’를 발표했다. 이번 리포트는 캔바의 디자인 검색 및 활동 데이터 분석과 더불어, 캔바 디자인 자문위원회의 전문가 인사이트, 그리고 미국과 브라질의 크리에이터 1000명을 대상으로 진행한 설문조사를 바탕으로 작성됐다. 캔바가 선정한 10대 디자인 트렌드는 AI의 강력한 성능을 수용하면서도, 디자인을 더욱 개인적이고 가치 있게 만드는 ‘휴먼 터치’를 중시하는 제작자들의 심리를 반영하고 있다. 특히 AI 기술이 디자인의 기본 수준을 상향평준화하며, 이제는 '시각적 진정성'이 가장 강력한 차별화 요소로 부상함에 따라, 의도된 불완전성(Imperfect by Design)이 새로운 창작의 기준으로 자리잡았다. 설문에 참여한 크리에이터의 80%는 "2026년은 우리가 창의적 주도권을 되찾는 해가 될 것"이라고 답했다. 이는 AI를 거부하는 것이 아니라, 자신의 고유한 취향과 개성을 드러내기 위해 AI를 주체적으로 활용하겠다는 의지로 풀이된다. 실제로 AI는 크리에이터의 워크플로에 주요한 부분을 차지하고 있다. 설문 대상 중 77%는 AI를 '필수적인 파트너'로 인식하고 있었다. 주어진 도구를 충분히 활용하면서도, 그 안에서 개개인의 취향과 개성이 선명하게 드러나도록 만드는 것이 핵심이 됐다. 캔바가 선정한 2026년 10대 디자인 트렌드는 ▲현실 워프(Reality Warp) ▲프롬프트 놀이(Prompt Playground) ▲탐구 코어(Explorecore) ▲텍스처 체크(Texture Check) ▲무질서 시크(Notes App Chic) ▲선택적 절제의 시대(Opt-Out Era) ▲드라마 클럽(Drama Club) ▲그래니웨이브(GrannyWave) ▲진(Zine) 스타일 ▲로컬 미학(Block Party) 등이다.      현실 워프는 현실과 초현실의 경계를 의도적으로 흐리는 스타일로, 크리에이터의 약 25%가 2026년의 결정적인 특징이 될 것이라고 내다봤다. 실제로 캔바에서는 ‘리미널(Liminal, 경계의)’ 및 ‘언캐니(Uncanny, 묘한 불쾌감)’라는 키워드 검색량이 전년 대비 220% 급증했다. 프롬프트 놀이는 초기 인터넷 시대에 대한 향수와 실험적 디자인의 조합으로, 파편적인 UI 또는 레트로 테크놀로지, 바이브 코딩 등이 비주얼을 재구성하고 있다. 실제로 캔바에서는 ‘로파이(lo-fi) 미학’의 검색량이 527% 급증했다. 탐구 코어는 디지털 과부하에 대한 반작용으로 명료함과 평온함을 추구하는 것이다. 실제로 캔바에서는 독립잡지와 같은 진(Zine) 및 뉴스레터 플랫폼인 서브스택(Substack) 스타일의 레이아웃 검색이 85% 증가했다. 텍스처 체크는 CGI(컴퓨터 생성 이미지) 툴을 통해 유리, 왁스 느낌 등 사실적인 질감을 디자인의 주인공으로 내세운다. 실제로 캔바에서는 사실적인 텍스처 관련 검색이 30% 증가했다. 무질서 시크는 세련된 완벽함보다 제작 과정의 진정성을 강조한다. 실제로 캔바에서 DIY 및 콜라주 스타일 요소의 검색량이 90% 급증했는데, 이는 ‘매끄러운 결과’보다 ‘창작 과정의 가치’를 중시하는 문화적 변화를 반영한다. 선택적 절제의 시대란 디지털에 지친 이들을 위해 시각 요소를 덜어내고 본질만 남긴 미니멀리즘이다. 캔바에서 깔끔한 레이아웃, 장식없는 세리프 폰트, 심플한 브랜딩에 대한 검색량은 54% 증가한 바 있다. 드라마 클럽은 소셜 콘텐츠와 영상에 영화적 스토리텔링과 강렬한 감정을 담는다. 실제로 캔바에서는 ‘모큐멘터리’, ‘드라마틱 스포트라이트’ 등에 대한 관심이 27% 증가했다. 그래니웨이브와 관련해서 인도에서는 전통 문양과 축제의 색감, 볼리우드의 화려함 등 문화유산 기반의 맥시멀리즘 스토리텔링이 부활하고 있다. 캔바에서는 남아시아 특유의 로컬 감성인 ‘데시(Desi)’ 및 ‘힌디 타이포그래피’ 검색이 각각 26%, 17% 증가하며 맥시멀리즘 스토리텔링을 선도하고 있다. 멕시코에서는 진(Zine) 기반의 요소가 부흥하고 있다. 무광의 질감과 큼직한 서체가 특징이다. 캔바에서는 ‘브루탈리즘 디자인’ 및 ‘타이포 포스터’의 검색량이 77% 상승했다. 스페인의 크리에이티브 커뮤니티에서는 빈티지 톤과 민속적 요소를 현대적 시각으로 재해석한 따뜻하고 향수 어린 비주얼이 두드러지고 있다. 캔바에서 ‘전통적 미학(Estética TradiCIOnal)’ 같은 스타일이 150만 건 이상의 임프레션을 기록했다. 캔바의 캣 반 더 워프(Cat van der Werff) 수석 크리에이티브 디렉터는 “AI를 활용해 자신을 시각적으로 표현하는 크리에이터가 늘어남에 따라, 2026년은 AI와 인간의 상상력을 완벽하게 조화시키는 의도된 불완전성이 그 어느 때보다 중요해지는 시기가 될 것”이라며, “캔바는 누구나 AI를 활용하여 인간적이며 진정성 있는 아이디어를 실현할 수 있도록 지원할 것”이라고 밝혔다.

이미지 출처: Gemini  SAS(쌔스)가 2026년이 AI에 대한 대대적인 '현실 점검'의 해가 될 것이라고 전망했다. SAS는 2025년 한 해 동안 AI 분야의 놀라운 발전과 성공에도 불구하고, 잠재적인 AI 거품, 에너지 위기, 그리고 생성형 AI 파일럿 프로젝트의 기대 이하 성과에 대한 우려가 커지고 있다고 밝혔다. SAS 전문가들은 2026년이 AI로부터 실질적인 ROI(투자수익률)를 실현하고 윤리적, 경제적 난제를 정면으로 마주해야 하는 '중요한 심판대'가 될 것이라고 내다봤다. 이러한 미래에 대한 우려와 동시에 낙관적인 기대감도 존재한다. SAS 리더들은 전진을 위한 핵심 요소로 '책임성'을 강조했다. 즉, AI 공급자와 이를 사용하는 조직 모두가 책임감을 가지고 AI를 적용해야 한다는 것이다. 데이터 관리의 기본을 충실히 하고 신뢰할 수 있는 AI를 수용하는 것이야말로 기술이 성숙기에 접어들고, 조직을 강화하며 혁신을 가속화할 유일한 길이라고 SAS는 전했다.   2026년 AI 시장 주요 전망 SAS의 데이터 및 AI 리더들이 제시하는 2026년 주요 전망은 다음과 같다. 1. AI 시장의 심판: 책임 있는 혁신에 대한 요구 증대 2026년은 AI 시장의 심판이 시작되는 해가 될 것으로 보인다. AI에 대한 과도한 기대가 거버넌스와 충돌하며, 책임 있는 혁신만이 살아남는 시점이 도래할 것이다. 일관된 ROI와 투명한 감독에 대한 요구는 더욱 증가할 것이며, 검증되지 않은 허황된 프로젝트들은 자연스럽게 폐기될 것이다. 기업들은 기본이 되는 데이터 오케스트레이션, 견고한 모델링, 설명 가능한 거버넌스에 투자를 재집중하게 될 것이다. 과대평가된 기술은 사라지고, 측정 가능한 효과와 운영의 엄격함을 갖춘 책임 있는 AI가 그 자리를 차지하게 될 것이라는 전망이다. 이 과정이 얼마나 강도 높게 진행될 것인지, 그리고 AI의 진정한 르네상스가 언제 시작될지에 대한 의문은 계속될 것으로 예상된다. 2. AI 지출의 대격변: 실질적인 ROI 요구 ChatGPT 래퍼와 같은 기술에 수십억 달러가 투입된 후, 이제 CFO들은 실질적인 ROI를 요구하고 있다. 그러나 대부분의 생성형 AI 프로젝트에서 ROI 달성은 어려울 것으로 예상된다. 'AI 혁신'이라는 명목으로 예산 집행이 정당화되던 시기는 지났다. 이제 쿼리당 비용, 정확도, 측정 가능한 비즈니스 성과에 대한 확인과 분석이 필수가 될 것이다. 6개월에서 12개월 내에 구체적인 비용 절감, 매출 성장 또는 생산성 향상을 입증하지 못하는 기업은 AI 이니셔티브가 중단되거나 공급업체를 교체하게 될 것이다. 3. 에이전틱 AI, 손익에 대한 책임 갖게 될 것 포춘 500대 기업들은 2026년 말까지 고객 상호작용의 4분의 1 이상을 에이전틱 시스템이 자율적으로 처리할 것으로 전망했다. 이 에이전트들은 단순 상담을 넘어 측정 가능한 매출 효과를 발생시킬 것이다. 그 결과 '최고 에이전트 책임자(Chief Agent Officer)'와 같은 새로운 역할이 생겨날 것으로 예상된다. 그러나 자율 시스템이 매출을 주도하게 되면 대규모 '에이전트 장애' 발생 시 막대한 여파를 초래할 수 있으며, 이로 인한 다운타임은 기업 매출에 직접적인 타격을 주게 될 것이다. 4. 새로운 동료, 에이전틱 AI의 등장 2026년, 기업은 AI 에이전트가 더 이상 도구가 아닌 팀원이 되는 새로운 생태계로 진입하게 될 것이다. 사람과 AI가 혼합된 팀으로 운영되며, 에이전트는 신뢰할 수 있는 협력자로서 업무를 수행하고, 업무 맥락을 공유하며 사람들과 함께 지속적으로 학습하게 될 것이다. 5. AI 대체론보다 AI 역량 강화론의 부상 AI를 사용해 일자리를 없앨 것인가, 아니면 AI로 사람들에게 힘을 실어 경쟁 우위를 창출할 것인가? 2026년 리더들은 이 두 가지 선택지 사이에서 고민하게 될 것이다. 점점 더 명확해지는 사실은 AI는 사람을 대체하는 것이 아니라 사람의 역량을 강화한다는 것이다. 기업은 지속적인 변화를 통해 인력에 투자할 수 있는 대담하고 주도적인 리더를 필요로 하게 될 것이다. 6. 합성 데이터, AI 패권의 새로운 전장으로 부상 합성 데이터는 단순한 임시방편이 아니라, 데이터 부족, 프라이버시 제한, 컴플라이언스 병목에 맞서는 전략적 무기다. 2026년에는 데이터 군비 경쟁이 벌어질 것이며, 기업들은 멀티모달 현실 데이터뿐만 아니라 얼마나 확신 있게 데이터를 생성할 수 있는지를 놓고 경쟁하게 될 것이다. 실제와 같은 정교함을 갖추고, 실험적 기능에서 벗어나 비즈니스 우위를 창출하는 대규모 전환에 성공하는 기업이 승자가 될 것이다. 7. CIO, '최고 통합 책임자(Chief Integration Officer)' 시대로의 전환 2026년 CIO들이 에이전틱 AI의 미래를 준비하는 주역이 되면서, 기존의 기술 제공자에서 에이전틱 AI를 위한 '통합자'로 역할이 달라질 것이다. 이는 '최고 통합 책임자'로의 전환을 의미한다. 에이전트가 주도하는 세상에서 IT 아키텍처의 미래를 설계하기 위해, AI 거버넌스, 통합, 그리고 부서 간 리더십이 CIO들의 일상 업무가 될 것이다. 8. 양자 컴퓨팅에 대한 기대감 증폭 2026년 양자 시장은 관련 기술이 2030년까지 초기 단계의 가치를 실현할 것이라는 기대감과 함께 더욱 뜨거워질 것이다. 투자자들은 하드웨어와 포스트-양자 암호화에서 벗어나 소프트웨어와 애플리케이션에 더 큰 비중을 두게 될 것으로 예상된다. 한편, 실제 양자 가치를 구현하는 소프트웨어 및 애플리케이션 계층을 포함해 전체 스택을 포괄하는 '양자 아키텍처(Quantum Architecture)'라는 용어에 주목할 필요가 있다. 이러한 미래에 대응하기 위해 전문 인력 채용이 급증할 것으로 예상된다. 국내 시장 전망 및 SAS의 역할 SAS코리아((한국쌔스소프트웨어) 이중혁 대표이사는 "전 세계적으로 AI 투자에 대한 ROI와 신뢰성 확보 요구가 높아지는 가운데, 국내 기업들도 AI 도입에 대해 단기적, 실험적 접근에서 중장기적, 전략적 관점으로 전환하고 있다"라고 말했다. 또한 "단순 업무에 적용되던 대규모 언어 모델(LLM) 기반 생성형 AI의 비즈니스 수익 개선 효과에 의문을 제기하는 조직이 늘어나면서, 대안으로 에이전틱 AI를 고려하는 움직임이 확산되고 있다"고 설명했다. 그는 2026년 국내 시장 전망에 대해 "금융권에서는 리스크 관리, 내부통제, ALM(자산, 부채 종합관리) 등 전문 영역에서 AI 적용을 확대해 실질적 ROI를 확보하려는 시도가 더욱 활발해질 것이며, 공공 분야는 디지털플랫폼정부 2.0을 중심으로 AI, 클라우드, 보안 투자가 강화되는 동시에, 에이전틱 AI 기반 업무 효율화와 합성 데이터의 활용이 AI 투자의 핵심이 될 것"이라고 전망했다. 이중혁 대표이사는 내년도 사업에 대해 "글로벌 성공 사례를 기반으로 국내 고객들이 AI 거버넌스를 확보하고 비즈니스 가치를 창출할 수 있도록 금융, 공공 부문 솔루션과 전문 서비스를 통해 적극 지원하겠다"고 강조했다.