반복되는 설계 변경과 해석 결과 대기 시간으로 고민하는 CAD 설계 엔지니어 및 기술자를 위한 온라인 기술 세미나가 열린다. 지멘스 디지털 인더스트리 소프트웨어(Siemens Digital Industries Software)는 9월 7일(월) 오후 2시부터 3시까지 CNG TV 방송을 통해 "메시 없이, CAD 그대로 빠르게 검증 Simcenter SimSolid"를 주제로 발표한다. 기존의 구조 해석 방식은 형상 단순화 및 메시(Mesh) 생성 등 복잡하고 번거로운 준비 과정을 거쳐야 하기 때문에, 자주 발생하는 설계 변경에 신속하게 대응하기 어렵다는 한계가 있었다. 이번 웨비나에서는 메시 생성 과정을 생략하는 수준을 넘어 진정한 메시리스(Meshless) 기술을 구현한 Simcenter SimSolid를 집중 소개한다. 형상 단순화 없이 CAD 모델 그대로 구조 성능을 검증하며, 대형 어셈블리 및 복잡한 형상도 신속하게 해석하는 실제 워크플로우와 적용 사례가 구체적으로 다뤄질 예정이다. 웨비나 발표자로는 지멘스 디지털 인더스트리 소프트웨어에서 Modelling & Visualization 기술지원팀을 이끌고 있는 신예랑 본부장이 나선다. 15년 이상 CAE 분야에서 국내 제조업 고객의 시뮬레이션 적용을 지원해 온 신예랑 본부장은 다년간의 현장 경험을 바탕으로 실제 제품 개발 과정에서의 시뮬레이션 효율화 방안을 제시할 계획이다. 본 방송은 온라인 생방송으로 진행되며, 캐드앤그래픽스 및 CNG TV 웹사이트를 통해 사전등록 후 무료로 참여할 수 있다. 사전등록 참석자에게는 추첨을 통해 소정의 경품이 제공될 예정이다.

디지털 지식전문가 조형식의 지식마당   세계적인 제조업 위기에도 인공지능(AI) 열풍이 불고 있다. 그러나 제조업에서 반도체 분야 말고는 아직은 이익을 내지 못하고 있다. 한국의 제조업은 소프트웨어 중심 전환(SX : Software-Defined Transformation)에 보다 관심을 가져야 된다고 생각한다.   그림 1. 제조업 경쟁력 진화의 함정   제조업은 지금 또 하나의 거대한 전환점에 서 있다. 지난 100여 년 동안 제조업의 경쟁력은 좋은 제품을 얼마나 정밀하고, 빠르고, 저렴하게 생산할 수 있는가에 의해 결정되었다. 설계 역량, 생산 설비, 공정 기술, 품질 관리, 공급망이 기업 경쟁력의 중심이었다. 제품의 가치는 대부분 물리적 하드웨어에 내재되어 있었다. 그러나 AI, 소프트웨어, 클라우드, IoT(사물인터넷), 디지털 트윈, 디지털 스레드가 결합하면서 이러한 전통적 제조업의 공식이 바뀌고 있다.   그림 2. 하드웨어 중심의 성공 공식   앞으로 제조기업의 경쟁력을 결정하는 질문은 단순히 ‘무엇을 잘 만드는가’가 아니다. ‘제품과 공장, 엔지니어링과 서비스를 얼마나 소프트웨어적으로 정의하고 지속적으로 변화시킬 수 있는가’이다. 필자는 이러한 제조업의 구조적 변화를 SX라고 부르고자 한다. SX는 단순한 소프트웨어 도입이나 IT 시스템 구축이 아니다. 제품(product), 공장(factory), 엔지니어링(engineering), 서비스(service), 기업 운영(enterprise)을 소프트웨어 중심 구조로 다시 정의하는 제조업의 패러다임 전환이다. 전통적인 제조업에서는 하드웨어가 제품을 정의했다. 자동차는 엔진과 차체가 정의했고, 항공기는 기체와 엔진이 정의했으며, 공작기계는 기계 구조와 제어장치가 정의했다. 따라서 경쟁력도 하드웨어 중심이었다.(기계 → 전자 → 소프트웨어 → 데이터 → AI) 그러나 오늘날 제품의 기능과 성능은 점점 소프트웨어에 의해 결정된다. 자동차의 주행 특성, 배터리 관리, 운전자 지원 기능, 인포테인먼트 시스템은 소프트웨어로 변화한다. 산업 장비 역시 소프트웨어 업데이트를 통해 새로운 기능을 추가할 수 있으며, 운영 데이터를 분석하여 고장 가능성을 예측하고 성능을 최적화한다. 결국 제조업의 가치(value) 중심이 하드웨어 가치 → 소프트웨어 가치 → 데이터 가치 → AI 가치로 이동하고 있다. 이것이 SX가 필요한 가장 근본적인 이유다.   그림 3. 소프트웨어 가치   지난 10여 년 동안 제조기업들은 DX(Digital Transformation, 디지털 전환)를 추진했다. ERP, PLM, MES, SCM, IoT, 클라우드, 디지털 트윈, AI 등 다양한 디지털 기술이 도입되었다. 그러나 많은 DX 프로젝트는 기존 프로세스를 디지털화하는 수준에 머물렀다. 종이 문서를 전자문서로 바꾸고, 수작업을 시스템으로 옮기고, 데이터를 클라우드로 이전하는 것만으로 제조업의 본질적인 경쟁 구조가 바뀌지는 않는다. DX가 주로 기존 업무를 디지털 기술로 개선하는 것이었다면 SX는 한 단계 더 나아간다. 제품과 제조 시스템 자체를 소프트웨어적으 로 정의하는 것이다. 따라서 다음과 같이 구분할 수 있다. DX = Digitize the Process SX = Software-Define the Business DX가 디지털화를 의미한다면 SX는 기업 구조 자체의 재정의를 의미한다.   그림 4. 소프트웨어 중심 전환   소프트웨어 중심(software-defined)이라는 개념의 핵심은 단순하다. 물리적 시스템의 기능과 동작을 소프트웨어가 정의하고 변경할 수 있도록 만드는 것이다. 과거에는 기능이 하드웨어에 고정되어 있었다. 제품이 출하되는 순간 기능 역시 거의 확정되었다. 그러나 소프트웨어 중심 제품은 출하된 이후에도 소프트웨어를 통해 기능을 추가하거나 변경할 수 있다. 따라서 제품은 더 이상 완성된 물체가 아니다. 제품 = 하드웨어 + 소프트웨어 + 데이터 + AI + 서비스가 된다. 그리고 더욱 중요한 변화가 발생한다. 제품의 생명주기가 설계(design) → 제조(manufacturing) → 공급(delivery)에서 끝나는 것이 아니라, 설계 → 제조 → 공급 → 운영(operation) → 데이터(data) → 학습(learning) → 업데이트(update)라는 지속적인 순환 구조로 바뀐다. 이것이 소프트웨어 정의 제조업의 본질이다. 소프트웨어 중심 자동차(Software-Defined Vehicle : SDV)는 자동차 산업에서 가장 빠르게 나타나고 있는 소프트웨어 중심 전환이다. 그러나 소프트웨어 중심 개념은 자동차에 국한되지 않는다. 앞으로 제조업에서는 다음과 같은 구조가 확대될 것이다. Software-Defined Product : 제품의 기능과 성능을 소프트웨어가 정의한다. Software-Defined Vehicle : 자동차의 기능과 사용자 경험을 소프트웨어가 지속적으로 변화시킨다. Software-Defined Machine : 산업기계의 동작과 성능이 소프트웨어와 AI에 의해 최적화된다. Software-Defined Factory : 공장의 생산능력과 운영방식이 소프트웨어를 통해 동적으로 재구성된다. Software-Defined Engineering : 설계·해석·검증 프로세스가 모델, 소프트웨어와 AI 중심으로 변화한다. Software-Defined Enterprise : 기업의 업무 프로세스와 의사결정 구조가 소프트웨어, 데이터와 AI를 중심으로 운영된다. 따라서 SX는 개별 제품의 변화가 아니다. 제품 → 엔지니어링 → 제조 → 서비스 → 엔터프라이즈 전체를 연결하는 제조업의 구조적 전환이다.   그림 5. 소프트웨어 중심의 구조적 전환   SX를 구현하기 위해 가장 중요한 기반 가운데 하나가 디지털 스레드(digital thread)다. 제조기업에는 이미 많은 시스템이 존재한다. CAD, CAE, PLM, ERP, MES, SCM, IoT, QMS, CRM 등이다. 문제는 시스템이 부족한 것이 아니다. 데이터와 맥락이 서로 단절되어 있다는 것이다. 설계 데이터와 생산 데이터가 분리되어 있고, 생산 데이터와 품질 데이터가 연결되지 않으며, 운영 데이터가 다시 설계로 돌아오지 않는 경우가 많다. 디지털 스레드는 이러한 단절을 연결한다.   그림 6. 새로운 생명주기의 시작   이렇게 제품의 전 생애주기 정보를 연결하면 소프트웨어 중심 제조업이 작동할 수 있는 데이터 기반이 만들어진다. 따라서 필자는 SX를 다음과 같이 표현하고 싶다. SX = 소프트웨어 중심 아키텍처 + 디지털 스레드 + 디지털 트윈 + AI  디지털 스레드가 정보를 연결하는 구조라면 디지털 트윈은 그 정보를 활용하여 현실 세계를 모델링하고 시뮬레이션하는 공간이다. 물리적 제품과 디지털 제품이 연결되고, 물리적 공장과 디지털 공장이 연결된다. 그리고 현실에서 발생하는 데이터가 디지털 트윈으로 전달된다. 물리적 요소 → 데이터 → 디지털 트윈 → 시뮬레이션 → AI → 의사결정 → 물리적 요소의 순환구조가 만들어지면 제조 시스템은 단순 자동화를 넘어 지속적으로 학습하고 최적화되는 시스템으로 발전한다. 과거의 디지털 트윈이 물리적 자산을 복제하는 개념에 가까웠다면, 앞으로의 디지털 트윈은 점차 의사결정을 지원하고 실행하는 지능형 운영 모델로 발전할 것이다. SX의 다음 단계에서 가장 중요한 변화는 AI다. 기존 소프트웨어는 사람이 정의한 규칙에 따라 움직였다. 그러나 AI가 결합된 소프트웨어 중심 시스템은 데이터를 분석하고 패턴을 발견하며 상황에 따라 의사결정을 지원하거나 일부 의사결정을 자동화한다. 여기에 생성형 AI와 AI 에이전트가 결합하면 또 다른 변화가 시작된다. 앞으로 엔지니어는 모든 시스템을 직접 조작하는 대신 AI 에이전트에게 목표를 제시하고, 필요한 데이터를 검색하게 하며, 시뮬레이션과 분석을 수행하도록 할 수 있다. 즉, 소프트웨어 중심 제조(software-defined manufacturing)에서 AI 중심 제조(AI-defined manufacturing)로 발전할 가능성이 커지고 있다. 하드웨어 중심 제조업에서는 경쟁력의 중요한 척도가 생산성이 었다. 얼마나 빨리 만들 수 있는가, 얼마나 싸게 만들 수 있는가, 얼마나 높은 품질로 만들 수 있는가가 중요했다. SX 시대에는 여기에 새로운 경쟁 변수가 추가된다. 얼마나 빠르게 제품과 시스템을 변화시킬 수 있는가? 자동차를 예로 들면, 과거에는 새로운 기능을 제공하려면 새로운 모델을 개발해야 했다. 그러나 소프트웨어 중심 제품에서는 소프트웨어 업데이트를 통해 새로운 기능을 제공할 수 있다. 따라서 경쟁의 단위가 제품 릴리스에서 지속적인 업데이트로 이동한다. 이는 제조업의 시간 개념 자체를 변화시킨다. 과거 제조업의 혁신 주기가 ‘년’이었다면 앞으로는 ‘월’, ‘주’, 경우에 따라 ‘일’ 단위가 될 수 있다. 결국 SX 시대의 핵심 경쟁력은 변화의 속도(change velocity)가 된다.   그림 7. 생산성과 변화의 속도   많은 기업이 ‘데이터가 자산’이라고 이야기한다. 그러나 AI 시대에는 데이터만으로 충분하지 않다. AI가 제조업에서 제대로 작동하려면 데이터의 의미와 관계를 이해해야 한다. 예를 들어 특정 센서 데이터가 어떤 제품의 데이터인지, 어떤 부품에서 발생했는지, 어떤 설계 요구사항과 관계되는지, 어떤 제조공정에서 생산되었는지, 어떤 소프트웨어 버전에서 발생했는지 알아야 한다. 즉 데이터에는 맥락(context)이 필요하다. 이 때문에 앞으로 제조업에서는 온톨로지(ontology)와 지식 그래프(knowledge graph)의 중요성이 더욱 커질 것이다. 데이터 → 정보 → 맥락 → 지식 → 인텔리전스라는 발전구조가 필요하다. 디지털 스레드가 데이터를 연결한다면 온톨로지는 그 연결의 의미를 정의하고, 지식 그래프는 관계를 표현하며, AI는 그 위에서 추론한다. SX의 가장 중요한 의미는 제품의 정의 자체를 바꾸는 데 있다. 과거의 제품은 공장에서 출하되는 순간 거의 완성되었다. 그러나 SX 시대의 제품은 출하가 끝이 아니다. 오히려 출하 이후 새로운 생명주기가 시작된다. 제품은 데이터를 생성하고, 기업은 데이터를 분석하고, AI가 새로운 인사이트를 발견하며, 소프트웨어 업데이트를 통해 제품에 다시 반영한다. 따라서 새로운 제품 생명주기는 다음과 같다. 설계 → 구축(build) → 운영(operate) → 감지(sense) → 학습 → 업데이트 → 진화(evolve). 여기서 중요한 단어는 마지막의 ‘진화’다. 미래의 제조기업은 단순히 제품을 만드는 회사가 아니라 제품을 지속적으로 진화시키는 회사가 될 것이다.   그림 8. 지속적 진화 생태계   제조업의 역사를 길게 바라보면 경쟁력의 중심은 계속 이동해 왔다. 기계화→ 자동화→ 전산화→ 디지털화→ 연결화→ 소프트웨어 중심 → AI 중심. 이 변화 속에서 SX는 단순한 기술 트렌드가 아니다. 그것은 제조기업이 제품을 정의하는 방식, 공장을 운영하는 방식, 엔지니어링을 수행하는 방식, 고객에게 서비스를 제공하는 방식, 그리고 기업 자체를 운영하는 방식을 바꾸는 새로운 제조업 운영체제(manufacturing operating system)라고 할 수 있다. 따라서 SX의 핵심 질문은 ‘우리 회사에 소프트웨어가 얼마나 많이 사용되고 있는가’가 아니다. 진짜 질문은 다음과 같다. ‘우리의 제품과 공장, 엔지니어링과 기업은 얼마나 소프트웨어적으로 정의되고 있는가?’ 그리고 한 단계 더 나아가야 한다. ‘그 소프트웨어 정의 구조 위에서 디지털 스레드, 디지털 트윈, 온톨로지와 AI가 얼마나 유기적으로 연결되어 있는가?’ 필자는 앞으로 제조업의 경쟁 구도가 결국 이 질문에 대한 답에 의해 결정될 것이라고 생각한다. 하드웨어 중심 제조에서 소프트웨어 중심 제조로. 그리고 다시 소프트웨어 중심 제조에서 인공지능 중심 제조로. 이것이 제조업이 직면하고 있는 다음 대전환이며, 바로 SX의 시대다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식 연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘ PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

연구 중심에 머물던 휴머노이드 시장이 양산을 준비하는 'Physical AI' 시대로 빠르게 진화하고 있다. 휴머노이드 개발의 핵심 경쟁력이 단순한 기구 설계를 넘어 설계·검증·AI 학습·제조 전 과정을 하나로 연결하는 '통합 엔지니어링'에 달린 가운데, 이를 위한 최신 솔루션과 실무 인사이트를 공유하는 자리가 마련된다. 지멘스 디지털 인더스트리 소프트웨어(Siemens Digital Industries Software)는 8월 26일(수) 오후 2시부터 1시간 동안 'Physical AI 시대의 휴머노이드 개발 - NX 기반 통합 설계부터 가상 검증, AI 학습, 양산까지'를 주제로 CNG TV 웨비나를 개최한다고 밝혔다. 이번 웨비나에서는 휴머노이드 개발 현장의 핵심 과제인 설계 변경 대응, 기구·전기·소프트웨어 간 협업, AI 학습 데이터 연계 등의 난제를 극복하기 위한 지멘스의 'End-to-End 휴머노이드 플랫폼' 전략이 다뤄질 예정이다. 발표자로는 지멘스 디지털 인더스트리 소프트웨어에서 NX CAD Presales를 담당하고 있는 유샛별 프로가 나선다. 유샛별 프로는 단일 데이터 원천(Single Source of Truth)을 기반으로 제품 구조 및 설계 변경을 체계적으로 관리하는 환경 구축 방안을 제시한다. 특히 이번 세션에서는 ▲실물 제작 전 가상 환경에서 기구 충돌 및 제어 로직을 검증하는 디지털 엔지니어링 적용법 ▲CAD 데이터를 AI 시뮬레이션 환경(Isaac Sim 등)과 연결해 'Sim2Real' 개발을 가속화하는 핵심 노하우 ▲성능 최적화 및 경량화를 동시에 실현하는 방법 등이 구체적으로 소개될 예정이다. 이번 방송은 생방송으로 진행되며 사전등록 후 무료로 참가할 수 있다.

국내 대표 컴퓨터 그래픽스 컨퍼런스인 ‘코리아 그래픽스 2026’이 9월 10일(목) 온라인으로 개최되며, 사전등록 시 무료 참여 가능하다. 캐드앤그래픽스 주최로 개최되는 이번 행사는 올해로 14회째를 맞이하며, ‘크리에이티브의 확장, 피지컬 AI와 에이전트가 만드는 미래’를 주제로 열린다. 피지컬 AI(Physical AI)와 AI 에이전트가 이끄는 제조, 건축 등 시각화 분야의 최신 기술 트렌드와 현장 적용 사례가 다채롭게 소개될 예정이다.  코리아그래픽스2026 발표자 - 유훈식(SMIT), 신동근(카오스), 정재헌(에스엘즈), 남경호(유비씨), 서민식(나니아랩스), 진득호(에픽게임즈), 최장윤(스트라타시스), 한명기(위즈코어), 송수헌(디에이건축) 서울미디어대학원대학교 유훈식 교수는 ‘크리에이티브 시스템 디자인: AGI 시대를 준비하는 AX 디자이너’를 주제로, AGI 시대를 대비한 AI 네이티브 디자인 조직과 AX(AI Transformation) 디자인 인사이트를 발표한다. 특히 LLM Wiki 기반의 디자인 데이터 시스템 구축 방안과 자율 에이전트가 실행을 담당하는 ‘에이전트 OS 디자인’의 비전과 사례를 제시한다. 카오스 코리아 신동근 팀장은 ‘건축 및 인테리어 디자이너를 위한 가장 현실적인 AI 가이드 Chaos Veras’를 통해 건축 및 인테리어 시각화에 특화된 차세대 AI 툴인 Chaos Veras의 소개와 실무 활용 가이드를 공유한다. 에스엘즈 정재헌 대표는 ‘3D 공간 추론 AI 에이전트와 자율 라우팅 벤치마크 공개’를 주제로 EPC 자율 설계를 위한 연구 성과를 다룬다. AI 에이전트가 3차원 물리적 제약을 인지해 복잡한 설계 경로를 자율 생성하는 기술을 소개하고, 객관적 기술 검증을 위한 ‘3D 라우팅 벤치마크’를 최초 공개하며 정량적 데이터를 바탕으로 한 실증적 가치를 공유한다. 유비씨 정현석 AI센터 이사는 ‘Dark Factory가 그리는 미래의 전제, 온톨로지 기반 디지털 트윈과 에이전트 오케스트레이션’을 주제로 현대차 DF247과 팔란티어 온톨로지 사례를 다룬다. 자율제조의 미래와 중소제조 현장 사이의 간극을 짚어보고, 실전형 자율제조 AX 로드맵을 제시한다. 나니아랩스 서민식 CTO는 ‘생성형 AI를 넘어 Agentic AI로: 제조업 설계 프로세스의 다음 단계’를 주제로 단순 설계 AI 도입을 넘어 실질적 가치를 창출하는 Agentic AI의 미래와 나니아랩스의 대응 전략을 소개한다. 에픽게임즈 코리아 진득호 차장은 ‘언리얼 엔진 MCP 워크플로와 제조업 맞춤형 소프트웨어 개발’을 주제로 풀소스 코드를 활용한 제조기업 맞춤형 소프트웨어 개발 사례를 살펴본다. 또한 언리얼 엔진의 MCP(Model Context Protocol)와 Agentic AI의 결합이 제조 DX·AX에 가져올 새로운 가능성을 다룬다. 스트라타시스 최장윤 부장은 ‘피지컬 AI 시대의 제조 혁신 - AI 에이전트와 적층제조가 만드는 미래 생산 패러다임’을 주제로 AI 기반 디지털 설계와 적층제조(3D 프린팅)가 결합해 현실 세계의 생산 혁신을 구현하는 패러다임을 설명하고, 설계 자동화 및 첨단 소재의 산업 적용 사례를 소개한다. 위즈코어 AI연구소 한명기 소장은 ‘설계 생산성 혁신, AI-CAD 기술의 발전과 적용 사례‘를 주제로 국산 CAD 개발 경험을 바탕으로 한 AI-CAD 기술 솔루션을 공개한다. 도면 이해, 반복 업무 절감, 빠른 AI 시각화 연결 방안을 다루며 전통/현대 건축 분야의 실제 적용 효과를 제시할 예정이다. 디에이건축 송수헌 선임(건축사)은 ‘건축 설계와 생성형 AI를 연결하는 법 – AIRender: 프롬프트에서 컨텍스트로’를 주제로 AIRender 개발 경험을 공유한다. 또한 도구가 진화할수록 차이를 만드는 핵심은 프롬프트가 아닌 건축가가 쌓아온 컨텍스트라는 점을 소개할 예정이다. 올해 행사에는 카오스 코리아, 나니아랩스, 스트라타시스, 에스엘즈, 에픽게임즈 코리아, 위즈코어, 유비씨 등 국내외 기업들이 참여해 제조·건축·엔터테인먼트 분야의 산업별 시각화 혁신 방안을 심도 있게 다룰 예정이다. 코리아 그래픽스를 주관하고 있는 캐드앤그래픽스 최경화 국장은 “올해도 산학연 AI 전문가들이 대거 참여해 AI와 3D 시각화 기술의 융합과 확장을 통한 최신 산업 트렌드와 적용 사례를 한눈에 조망해 보는 자리를 마련했다”면서, “제조·건축·시각화 분야에 종사하는 관계자들의 많은 관심과 참여를 부탁드린다”고 전했다. 한편, 캐드앤그래픽스 CNG TV 지식방송에서는 사전행사로 8월 24일 ‘코리아 그래픽스 2026 프리뷰’ 방송을 진행한다. 이 방송에는 오토데스크코리아 성진호 수석 엔지니어, 아키페이스건축사 정은길 대표가 참여해 피지컬 AI와 AI 에이전트 기반 3D 시각화 기술 트렌드에 소개할 예정이다. 코리아 그래픽스 행사 상세보기 및 등록은 링크에서  가능하다.

생성형 AI와 3D 시각화 기술의 빠른 발전은 제품 개발, 제조, 건축, 디자인 등 산업 전반의 업무 방식을 근본적으로 변화시키고 있다. 이러한 흐름에 발맞춰 CNG TV는 오는 8월 24일 오후 4시부터 5시까지 '크리에이티브의 확장, 피지컬 AI와 에이전트가 만드는 미래'​를 주제로 생방송을 진행한다. 이번 방송은 오는 9월 10일 개최되는 '코리아그래픽스 2026'​의 프리뷰 프로그램으로 마련됐다. 피지컬 AI와 AI 에이전트 시대를 맞아 빠르게 진화하는 3D 시각화 기술의 최신 동향과 실제 산업 현장에서의 활용 사례를 중심으로 관련 기술과 적용 방향을 살펴볼 예정이다. 크리에이티브의 확장과 실제 활용 사례 소개 생성형 AI와 다양한 디지털 도구의 발전으로 전문 개발자가 아니더라도 창의적인 아이디어를 보다 쉽고 빠르게 구현할 수 있는 환경이 마련되고 있다. 특히 AI 에이전트가 반복적인 작업을 자동화하고, 피지컬 AI가 현실 세계와 디지털 환경을 연결하면서 제품 개발과 제조, 건축, 디자인 분야의 업무 방식에도 새로운 변화가 나타나고 있다. 이번 방송에서는 오토데스크 퓨전(Autodesk Fusion)​과 클로드(Claude)​의 MCP(Model Context Protocol) 연동을 활용해 실제 설계 및 제조 환경에서 구현한 다양한 사례를 소개한다. AI 에이전트와 설계 플랫폼의 연계를 통해 설계 자동화와 업무 효율성을 높인 사례를 비롯해, 생성형 AI를 활용한 실무 적용 방안도 함께 공유할 예정이다. 발표에는 오토데스크코리아 성진호 수석 엔지니어와 아키페이스건축사사무소 정은길 대표 건축사가 참여한다. 두 발표자는 최신 기술 동향과 함께 실제 프로젝트 경험을 바탕으로 AI 기반 설계 및 3D 시각화 기술의 활용 전략과 실무 인사이트를 전달할 예정이다. 이번 CNG TV 방송은 3D 그래픽과 설계, 제조, 건축 분야 종사자는 물론 생성형 AI와 AI 에이전트 기술의 산업 활용에 관심 있는 누구나 무료로 시청할 수 있다. 방송을 통해 코리아그래픽스 2026에서 다룰 주요 주제를 미리 만나보고, 피지컬 AI 시대의 새로운 가능성과 산업 변화 방향을 살펴볼 수 있을 것으로 기대된다. 사전등록은 홈페이지 해당 링크에서 가능하다. 

캐드앤그래픽스 지식방송 CNG TV 지상 중계   산업 현장의 숙원이던 기계·전기·배관(MEP) 설계 자동화와 유지보수 병목 현상을 인공지능(AI)으로 해결하는 기술이 공개됐다. 에스엘즈(SLZ)는 지난 7월 10일 CNG TV를 통해 3차원 공간을 이해하고 최적의 설계를 스스로 수행하는 AI 파운데이션 모델과 활용 구상을 발표했다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 한국건설기술연구원 강태욱 연구위원과 에스엘즈 정재헌 대표   산업 현장의 설계 병목과 AI 파운데이션 모델의 등장 반도체 팹, 데이터센터, 조선, 플랜트 등 첨단 설비 산업에서는 설비 재정비(re-tooling)와 유지보수 속도가 기업의 핵심 경쟁력으로 꼽힌다. 그러나 기존의 건축 및 설비 설계 방식은 2D 도면(P&ID)을 3D 입체 모델(IFC/AFC)로 전환하는 과정에서 무수한 공간 간섭과 오류가 발생해 수많은 엔지니어의 반복 작업과 시간 투입이 불가피했다. 에스엘즈는 이 같은 고질적인 설계 병목을 해결하기 위해 공간을 직접 학습하고 추론하는 파운데이션 모델 ‘프로 (Pro-B)’와 스마트 라우팅 AI 기술을 개발했다. 이 기술을 활용하면 전문가 수십 명이 한 달간 작업해야 했던 복잡한 배관 경로 설계를 단 하루 만에 높은 정밀도로 완료할 수 있다. 에스엘즈 정재헌 대표는 “전문가 수십 명이 한 달 동안 밤을 새우며 일해야 해결되던 복잡한 입체 설계 병목을, 공간을 스스로 이해하는 AI를 통해 단 하루 만에 정밀하게 해결할 수 있게 되었다”고 강조했다.   EBT 기술 기반의 공간 탐색과 글로벌 적용 사례 에스엘즈가 제시하는 핵심 기술 체계인 EBT(3D 공간 위상 해석 기술)는 기존의 대규모 언어 모델(LLM)이나 2D 비전 모델을 넘어 3차원 공간 자체를 구체(sphere) 단위 버블로 탐색해 최적의 경로를 추론하는 기술이다. 에즈빌트(as-built) 현장 데이터를 벡터 데이터베이스인 ‘스페이스 밸류(Space Value)’로 관리함으로써 보안이 철저한 폐쇄망 환경에서도 기업 고유의 설계 노하우를 안전하게 학습시킬 수 있다. 이 설루션은 이미 두바이의 532m 초고층 타워 MEP 자동 설계 프로젝트 및 글로벌 건설사와의 협업, 국내외 자율주행 선박·해양 플랜트 공간 구조 분석 등에 적용되고 있다. 에스엘즈는 향후 클라우드 플랫폼과 증강현실(AR) 시각화 설루션을 결합해, 낮에는 엔지니어와 AI가 협업하고 밤에는 AI가 자동 작업을 수행하는 ‘다크 오피스(dark office)’ 환경을 구현한다는 구상이다.     실무 도입을 위한 데이터 정제와 조직 거버넌스의 과제 AI 기반 설계 자동화를 실제 현장에 안착시키기 위해서는 기술 성능뿐만 아니라 기업 내부의 데이터 전처리 및 조직적 결단이 필수이다. 수많은 기업이 기존 도면과 레거시 데이터의 규격·속성 차이로 인해 즉각적인 AI 적용에 어려움을 겪고 있는 만큼, AI가 학습할 수 있는 표준화된 데이터 정제 과정이 선행되어야 한다. 아울러 기존의 보수적인 일하는 방식이나 부서 간 자산 경계를 넘어 최고경영진의 결단(top-down)을 바탕으로 한 거버넌스 구축이 성공적인 AI 전환(AX)의 열쇠로 지목된다. 향후 엔지니어의 정밀한 최종 검수와 AI의 높은 생산성이 결합된다면 엔지니어링 전반의 안전성과 품질이 한층 강화될 것으로 전망된다. 정 대표는 “AI 도입을 위한 데이터 정제와 가공 과정이 전체 전환 작업의 절반을 차지할 만큼 중요하며, 확실한 경영진의 결단과 데이터 표준화가 병행될 때 비로소 강력한 AX 성과가 창출된다”고 당부했다.     ■ 기사 내용은 PDF로도 제공됩니다.

캐드앤그래픽스 지식방송 CNG TV 지상 중계   지난 6월 24일 진행된 CNG TV 웨비나에서는 EPC 및 건설 업계의 핵심 화두인 AWP(advanced work packaging) 방법론의 기본 개념과 예측 가능성(predictability) 향상 방안, 그리고 옥타브의 디지털 실행 플랫폼 사례를 통한 프로젝트 성과 극대화 전략이 소개되었다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ AWP의 개념과 절차 등을 소개한 연세대학교 건축공학과 강영철 교수   AWP의 개념, 절차 및 기대 효과 AWP는 기술이라기보다 EPC(엔지니어링·구매·시공)의 모든 정보와 업무를 플래닝 단계부터 시공 중심 기준으로 통합하여 정렬하는 업무 흐름(workflow)이다. 핵심 목적은 현장 근로자의 작업 생산성(tool time)을 높이고 대기·이동 시간을 단축하는 것이다. 정량적 효과로는 근로자의 직접 작업 시간 증가로 인한 생산성 향상(최대 25%), 감독관의 현장 관리 시간 증가(15%→65%)를 통한 안전·품질 개선 등이 보고되어 있으나, 조직의 AWP 성숙도 레벨이나 추가 비용 분담 및 이익 배분 등의 계약구조 이슈가 존재한다. 반면 정성적 효과로는 투명한 정보 공유, 작업 승인권에 따른 책임감 강화, 이직률 감소 및 안전성 제고, 분야 간 협업 개선, 그리고 가장 유의미한 요소로 평가받는 ‘예측 가능성(predictability)’ 향상을 꼽을 수 있다. 연세대학교 건축공학과 강영철 교수는 “AWP를 수행할 때 너무 기술에만 치중하지 말고 사람, 프로세스, 기술이라는 세 가지 관점을 균형 있게 고려해야 한다”며, “단기적 성과보다는 프로세스 개선과 조직 문화 변화를 바탕으로 지속 가능한 실행 체계를 갖추는 것이 중요하다”고 이야기했다.   ▲ AWP의 성공적 수행을 위한 실행 전략을 소개한 옥타브 남궁진 영업이사   AWP의 성공적 수행을 위한 디지털 기술 실행 전략 AWP를 성공적으로 현장에 안착시키기 위해서는 플랫폼 기반의 테크놀로지 이네이블먼트(technology enablement)가 필수적이다. 디지털 기술 구현 영역은 크게 네 가지 영역으로 구분된다. AWP 라이프사이클 관리 : POC부터 CWP, IWP까지 제약 조건 및 워크플로를 통제하는 거버넌스 체계 디지털 공급망 관리(SCM) : BOM부터 현장 설치, 시운전 단계까지 Auto-ID/IoT 기반 자재 트래킹 및 자재 준비도(readiness) 확보 시공 관리 및 시운전 지원 : 모바일 디바이스와 3D 모델 기반으로 현장 제약 사항을 시각화하고 실시간 작업 및 커미셔닝 관리 인포메이션 허브 및 데이터 연계 : 엔지니어링, 구매, 시공 간의 데이터 사일로(silo)를 제거하고 일관된 맥락에서 실시간 의사결정을 지원하는 데이터 통합 환경 옥타브는 이와 관련하여 SCM/Jobsite, Smart Completions, iConstruct(3D 모델 기반 워크 패키징 및 4D 스케줄 시뮬레이션) 등 설루션 포트폴리오를 제공하고 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

캐드앤그래픽스 지식방송 CNG TV 지상 중계   지난 7월 21일 CNG TV 웨비나에서 마크포지드코리아는 ‘고강성 연속섬유 3D 프린팅을 통한 항공우주·방위산업 제조 혁신’을 주제로, 자사의 연속섬유 강화(CFR) 기술로 급변하는 글로벌 안보 환경과 공급망 재편 속에서 항공우주·방위산업에 어떻게 적용하고 있고 시장의 변화를 어떻게 이끌고 있는지 소개했다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 항공우주·방위산업 제조 혁신을 이끄는 연속섬유 강화 기술을 소개한 마크포지드 코리아 조성근 지사장   금속을 대체하는 고강성 복합소재와 극한 환경의 검증 글로벌 제조업계가 공급망 불안정과 고비용 구조를 극복하기 위한 대안으로 적층제조(3D 프린팅) 기술에 주목하고 있다. 과거 시제품을 신속하게 제작하여 개발 주기를 단축하는 용도에 머물렀던 3D 프린터는 이제 공정 고도화와 재료 혁신을 바탕으로 공장 현장의 지그 및 픽스처(jig & fixture) 툴링은 물론 최종 사용되는 부품을 직접 생산하는 단계로 진화했다. 특히 엄격한 내구성 및 경량화 조건을 요구하는 항공우주 및 방위산업 분야에서 이러한 패러다임의 전환이 가장 돋보인다. 부품 단종이나 물류 차단 이슈에 직면한 국방 현장에서는 필요할 때마다 컴퓨터 안의 CAD 데이터를 꺼내 즉시 출력을 실행하는 ‘디지털 인벤토리’ 시스템을 도입하며 분산 제조 생태계를 확장하고 있다. 항공우주와 방위산업 분야에서 3D 프린팅이 실전 배치될 수 있었던 핵심 동력은 연속섬유 강화(continuous fiber reinforcement) 기술의 발전에 있다. 기존 플라스틱 압출 방식(FDM)의 한계를 넘어, 나일론 6 베이스에 잘게 자른 탄소섬유가 10% 섞인 기재(Onyx) 내부에 연속된 카본 파이버, 케블라(Kevlar), 유리섬유를 직접 적층 배치하는 기법이다. 이렇게 제작된 복합소재 출력물은 ABS 대비 최대 25배, 알루미늄 대비 3배 이상의 높은 강성을 발휘하는 동시에 무게는 절반 이하로 줄여준다. 또한, 연방항공청(FAA)과 NCAMP 인증을 획득한 난연 소재(Onyx FR) 및 추적 가능 소재를 활용함으로써, 항공기 인테리어 커스텀 부품부터 인공위성의 극저온·고온 및 고진동 가공 환경을 견디는 실제 부품 제작까지 소화해내고 있다.   금속·복합재 하이브리드 혁신과 AI 기반의 미래 제조 3D 프린팅 장비 라인업의 최신 트렌드는 복합재와 금속 소재를 하나의 장비에서 자유롭게 다루는 하이브리드화와 스마트 센서에 기반한 자동화이다. 차세대 산업용 장비인 FX10 등은 기존 대비 출력 속도를 2배 이상 높이고 비전 스캐닝 카메라를 탑재해 레이어별 품질 모니터링 및 AI 기계학습을 수행한다. 특히 단 10분 내외의 모듈 교체만으로 복합재 플라스틱 출력에서 스테인리스 스틸, 툴스틸 등 금속 프린팅으로 즉시 전환이 가능한 하이브리드 플랫폼을 구축했다. 나아가 PEKK 계열의 초고온 전용 소재(Vega)를 활용해 200℃ 이상의 내열성과 아웃개싱(outgassing) 방지를 구현함으로써, 복합재 레이업을 위한 오토클레이브 진공 툴링 등 항공우주 전용 공정으로 영역을 확장하고 있다. 조 지사장은 “최근 AI와 디지털 트윈 기술이 가속화되면서 설계와 시뮬레이션 속도는 획기적으로 빨라졌다. 하지만 기존의 CNC 절삭 가공 방식으로는 빠르게 변화하는 AI 설계 검증 주기와 가공 대기 시간을 맞춰낼 수 없다. 디지털 트윈과의 무한 반복 학습을 가능하게 만들어주는 최적의 실물화 도구가 바로 3D 프린터이다. 적층제조 기술은 단순한 장비 도입을 넘어 AI 시대의 빠른 제조 라이프사이클을 완성하는 핵심 축이 될 것”이라고 강조했다.     ■ 기사 내용은 PDF로도 제공됩니다.

캐드앤그래픽스 지식방송 CNG TV 지상 중계   쿨레인스튜디오의 이찬우 대표는 국내 1세대 피겨 아티스트로서 3D 프린팅 기술을 접목하여 독창적인 아트토이 작품 세계를 만들어 나가고 있다. 지난 7월 13일 홍익대학교 최성권 교수의 사회로 진행된 CNG TV 줌 방송에서는 대량 생산되는 피겨와 차별화된 하이엔드 아트토이의 세계를 깊이 있게 조명했다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자     개인의 독창적 세계관에서 글로벌 브랜드 협업까지 아트토이는 기존의 원작 애니메이션이나 영화 속 캐릭터를 정밀 복제하는 일반적인 피겨와 명확한 차별점을 갖는다. 일반 피겨가 원작 IP의 충실한 재현에 중점을 둔다면, 아트토이는 작가 고유의 취향, 스토리텔링, 개인적 세계관을 바탕으로 캐릭터를 기획하고 조형화하는 예술적 영역이다. 국내 1세대 피겨 아티스트인 쿨레인 스튜디오의 이찬우 대표는 2004년부터 스트리트 문화, 농구, 패션, 우주 등 본인이 깊이 매료된 주제들을 모티브로 독창적인 피겨 작품을 선보여 왔다. 이찬우 대표는 “2004년부터 좋아하는 농구나 패션, 스포츠 문화를 기반으로 12인치 관절 피겨 작업을 시작하게 되었다”고 밝혔다. 아트토이 제작 및 브랜딩 프로세스는 아티스트 고유의 캐릭터와 세계관을 구축하는 아트워크 단계에서 출발한다. 독창적인 포즈와 아이덴티티를 가진 아트워크가 대중과 업계에 각인되면, 글로벌 브랜드 및 IP와의 컬래버레이션 제안으로 연결된다. 그는 “작가가 표현하고 싶은 개인 작업을 먼저 선보이고 알리면, 이를 본 다양한 브랜드에서 협업 제안이 들어오고 대형 프로젝트로 연결된다”라며, “작업에서 가장 중요한 부분은 제작 과정 그 자체보다도 작업의 전반을 관통하는 명확한 콘셉트와 스토리텔링”이라고 전했다.   수작업에서 3D 프린팅·디지털 조형으로 전환 피겨 및 아트토이 제작 공정은 디지털 기술의 도입으로 커다란 패러다임 변화를 맞이하였다. 과거 2000년대 초반에는 점토나 스컬피를 이용한 수작업에 의존했으나, 2010년대에 접어들면서 3D 모델링과 3D 프린팅 기술이 제작 현장에 본격적으로 도입되었다. 초기 3D 프린팅은 출력 비용 및 크기의 한계로 보석·주얼리 분야에 먼저 활용되었으나, 출력 장비의 성능 향상과 비용 절감에 따라 피겨 분야의 핵심 생산 공정으로 자리 잡았다. 이찬우 대표는 “2000년대 애니메이션 작업 당시 3D 기술을 미리 익혀둔 덕분에, 토이 제작 분야에 3D 모델링과 프린팅 기술이 도입될 때 빠르게 적응할 수 있었다”고 설명했다. 3D 디지털 조형 베이스의 제작 방식은 대형 조형물이나 다양한 크기의 굿즈를 제작할 때 높은 효율을 제공한다. 원본 3D 데이터를 보유하고 있으면 손쉽게 스케일 베리에이션이 가능하여, 30cm 크기의 소형 피겨부터 1~2m 이상의 전시용 대형 조형물까지 신속하게 확장 제작할 수 있다. 과거에는 대형 조형물을 수작업으로 깎거나 실리콘 및 레진 몰드 틀을 필수로 제작해야 했으나, 최근에는 3D 프린터를 활용해 몰드 제작 공정을 단축하고 출력물 자체를 최종 제품으로 정교하게 마감하는 방식이 보편화되었다. 이 대표는 “앞으로 기술과 장비는 상향 평준화될 것이므로, 결국 시장에서 차별점을 만드는 핵심은 작가만의 고유한 브랜드 아이덴티티가 될 것”이라고 말했다.     ■ 기사 내용은 PDF로도 제공됩니다.

디지털 지식전문가 조형식의 지식마당   오늘날 산업계가 직면한 가장 중요한 문제는 ‘어떻게 인공지능(AI) 시대를 문화적으로 받아들여야 할 것인가’이다. 많은 기업이 AI 플랫폼을 도입하고, 디지털 트윈을 구축하며, 데이터 레이크를 만들고 있다. 그러나 실제 성과를 내는 기업은 생각보다 많지 않다. 이유는 명확하다.   그림 1. 데이터 풍요 속에 혁신의 빈곤   현재의 상황은 단순한 디지털 전환(digital transformation)이나 AI 도입 전략을 넘어선다. 결론적으로 기술이 아닌 인문학의 혁명이다. 문제는 기술이 부족해서가 아니라 문화(culture)가 바뀌지 않았기 때문이다. AI 시대의 패러다임 전환이다. 산업혁명 이후 기업의 경쟁력은 주로 자본(capital), 설비(facility), 노동력(labor) 세 가지에 의해 결정되었다. 그러나 AI 민주주의(AI democracy) 시대에는 새로운 경쟁요소가 등장한다. 그것은 지식(knowledge), 연결(connection), 예측(prediction), 실행(execution)이다. 네 가지 개념은 바로 이러한 새로운 경쟁력을 설명한다.   그림 2. 새로운 경쟁력의 4대 요소   AI 온톨로지 : 인공지능과 도메인 지식을 공유하라 데이터는 많지만 의미는 없다. 대부분의 기업은 이미 엄청난 양의 데이터를 보유하고 있다. 그러나 실제 현장에서는 다음과 같은 문제가 반복된다. 부서마다 용어가 다르다. 같은 부품을 여러 이름으로 부른다. 설계와 생산이 서로 다른 의미로 이해한다. 경험이 문서화되지 않는다. 결국 데이터는 존재하지만 지식은 공유되지 않는다. AI 온톨로지(AI ontology)의 역할은 단순한 데이터 모델이 아니다. 세상의 개념과 관계를 정의하는 구조이다. 예를 들어, 부품 → 조립체 → 시스템, 문제 → 원인 → 해결책, 고객 요구 → 설계 요구 → 시험 결과이다. AI는 온톨로지를 통해 의미를 이해하고 맥락을 연결하며 추론을 수행할 수 있다. 따라서 온톨로지는 “AI가 이해할 수 있는 기업의 공용 언어”라고 볼 수 있다.   그림 3. AI 온톨로지는 기업의 공용 언어   디지털 스레드 : 디지털로 연결하라 산업의 가장 큰 낭비는 단절이다. 많은 제조기업에서는 설계 → 생산 → 운영 → 서비스의 각 단계가 서로 분리되어 있다. 예를 들어, 설계 변경 정보가 생산에 늦게 전달되고, 생산 현장의 문제는 설계팀으로 돌아오지 않는다. 이러한 단절이 막대한 비용을 발생시킨다. 디지털 스레드(digital thread)의 본질은 제품 생애주기 전체를 연결하는 디지털 신경망이다. 요구사항 → 설계 → 해석 → 제조 →운영→정비 모든 정보를 하나의 흐름으로 연결한다. 사용자의 관점에서 필자가 그동안 주장해 온 LDT(life digital thread), KDT(knowledge digital thread), PDT(product digital thread)는 사실 디지털 스레드의 확장된 철학이다. 즉, 인생의 경험 → 지식의 축적 →제품의 혁신이라는 거대한 연결 구조가 된다. 디지털 스레드는 단순한 IT 시스템이 아니라 ‘맥락(context)의 기술’이다.   그림 4. 디지털 스레드와 맥락의 기술    디지털 트윈 : 가상 공간에서 먼저 경험하고 디지털로 미래를 예측한다 과거의 산업은 보고 나서 대응했다. 전통적인 산업은 문제 발생 → 원인 분석 → 조치 방식으로 움직였다. 즉 사후 대응이다. 미래의 산업은 예측이다. 디지털 트윈(digital twin)은 현실 세계를 디지털 공간에 복제한다. 이를 통해 성능 예측, 고장 예측, 유지보수 예측, 생산성 예측이 가능해진다. 항공 전문 용어인 아이언 버드(iron bird)에서 시작된 철학이다. 항공산업에서는 실제 비행기 제작 이전에 아이언 버드 시스템을 구축한다. 이는 유압 비행제어 전기 시스템을 통합 검증하는 물리 적 시뮬레이션 환경이다. 현대의 디지털 트윈은 아이언 버드 철학이 디지털 공간으로 확장된 모습이라고 볼 수 있다. 즉 ‘실패를 현실이 아니라 가상공간에서 먼저 경험하는 기술’이다.   그림 5. 디지털 트윈과 아이언 버드   SDx : 소프트웨어로 실행하라 예측만으로는 부족하다. 예측은 가치가 아니라 실행이 가치다. SDx(software defined X)는 모든 것을 소프트웨어로 정의하는 철학이다. 예를 들면 SDV(software defined vehicle), SDF(software defined factory), SDM(software defined manufacturing)등이 있다. 과거에 하드웨어 변경 → 생산라인 변경 → 비용 발생이었다면, SDx 시대는 소프트웨어 업데이트 → 즉시 적용 → 지속적 개선이 가능하다. 즉, 온톨로지가 이해하고, 디지털 스레드가 연결하며, 디지털 트윈이 예측하고, SDx가 실행하는 구조가 된다.   그림 6. 실행의 가치   진짜 혁신은 AI 민주주의다. “인공지능 민주주의는 현장의 모든 구성원을 혁신의 주체로 만드는 가장 강력한 전략이다.” 이 문장이야말로 전체 메시지의 핵심이다. 기존 방식은 경영진 → 전문가 → 현장 지시형 구조이다. 반면에 AI 민주주의는 현장 엔지니어 현장 작업자, 현장 관리자, 현장 전문가 → AI → 혁신이다. 참여형 구조 과거에는 전문가만 데이터를 분석할 수 있었다. 그러나 생성형 AI의 등장으로 현장의 엔지니어도 데이터를 이해하고 원인을 분석하며, 시뮬레이션을 수행하고 혁신 아이디어를 제안할 수 있게 되었다. 즉, AI는 인간을 대체하는 기술이 아니라 인간의 역량을 민주화하는 기술이다.   그림 7. AI 민주주의   결론은 4대 게임 체인저와 문화 혁명이다. 필자가 지속적으로 강조해 온 AI 온톨로지, 디지털 스레드, 디지털 트윈, SDx는 사실 각각의 기술이 아니다. 이들은 하나의 통합된 혁신 체계이다. 역할과 핵심 질문은 관점에서 ‘AI 온롤로지는 무엇을 이해할 것인가’, ‘디지털 스레드는 무엇을 연결할 것인가’, ‘디지털 트윈은 무엇을 예측할 것인가’, ‘SDx는 무엇을 실행할 것인가’이다.   그림 8. 4대 게임 체인저의 혁신 체계   그리고 이 모든 것을 가능하게 하는 근본 조건은 기술이 아니라 문화이다. 현장의 엔지니어가 지식을 공유하고, 경험을 연결하며, AI와 함께 예측하고, 즉시 실행할 수 있는 문화이다. 이것이 바로 AI 민주주의 시대의 본질이다. 21세기의 진정한 경쟁력은 더 좋은 AI 모델을 보유한 기업이 아니라, 현장의 모든 구성원이 AI를 활용하여 집단지성을 발휘할 수 있는 문화를 가진 조직이 될 것이다.   그림 9. 기술 대 문화   기술 혁명은 이미 시작되었다. 이제 남은 과제는 인간 중심의 인문화 혁명(cultural revolution)이다. 그리고 그 인문화 혁명의 중심에는 AI 온톨로지, 디지털 스레드, 디지털 트윈, SDx를 기반으로 한 AI 민주주의가 자리하게 될 것이다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식 연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘ PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.