마이크로소프트가 2026년 AI 혁신을 이끌 7대 트렌드를 공개하면서, AI가 도구를 넘어 인간의 파트너로서 실질적인 변화를 만드는 시대를 예고했다. 지난 몇 년간의 실험 단계를 지나, AI는 이제 우리가 일하고, 창작하고, 문제를 해결하는 방식을 바꾸고 인간과 협업하며 인간의 전문성을 확장하고 있다. 마이크로소프트는 2026년을 기점으로 AI가 단순한 도구를 넘어 인간의 역량을 확장하는 실질적인 파트너로 진화함으로써, 가시적인 변화를 이끌 것으로 전망했다. 이러한 변화는 다양한 산업 전반에서 현실화되고 있다. AI는 의료 분야에서 의료 격차 해소에 기여하고 있으며, 소프트웨어 개발 분야에서는 작업의 맥락까지 이해한다. 양자 컴퓨팅 분야에서는 AI와 슈퍼컴퓨터, 양자를 결합한 하이브리드 접근이 기존에 해결 불가능했던 문제에 대한 돌파구를 예고하고 있다. AI 에이전트의 고도화에 따라 보안과 인프라의 중요성도 더욱 커지고 있다. 조직들은 디지털 동료의 등장에 따른 새로운 위협에 대응하는 한편, 스마트하고 효율적인 AI 인프라 구축에도 속도를 내고 있다.     첫 번째, AI는 인간의 능력을 단순히 보조하는 수준을 넘어 보다 강력한 협력자로 자리 잡을 전망이다. AI는 질문에 답하고 문제를 추론하던 단계를 지나, 사람과 함께 일하며 성과를 확대하는 방향으로 진화하고 있다. 이는 개인과 소규모 팀이 기존보다 훨씬 큰 규모의 프로젝트를 신속하게 추진할 수 있는 환경을 만드는 변화다. 특히 AI 에이전트는 데이터 분석, 콘텐츠 생성, 개인화 작업 등을 담당하며 디지털 동료의 역할을 수행하게 된다. 예를 들어, 소수 인원으로 구성된 팀도 AI의 지원을 통해 며칠 만에 글로벌 캠페인을 기획·실행할 수 있는 업무 환경이 가능해진다. 이러한 변화는 인간이 전략이나 창의성이 필요한 핵심 역할에 집중할 수 있도록 돕고, 조직의 생산성 향상으로 이어질 것으로 기대된다. 두 번째, AI 에이전트의 확산과 함께 보안이 핵심 과제로 떠오르고 있다. 2026년에는 AI 에이전트가 조직 내에서 디지털 팀원처럼 기능하며, 일상 업무와 의사결정을 돕는 데 관여할 것으로 예상된다. 이에 따라, 보안에서부터 각 에이전트의 신뢰성을 확보하는 것이 그 어느 때보다 중요해지고 있다. 각 에이전트에는 명확한 신원을 부여하고, 접근 권한을 제한하며, 에이전트가 생성한 데이터를 관리하고, 에이전트를 외부 위협으로부터 보호하는 체계적인 보안 설계가 요구된다. 보안은 더 이상 마지막에 추가하는 옵션이 아니라, 처음부터 환경 전반에서 상시적, 자율적, 내장형으로 작동할 것으로 예고된다. 또한, 공격자들이 AI를 악용하는 방식이 정교해짐에 따라, 조직은 보안 에이전트를 통해 위협을 조기에 탐지하고 신속히 대응하는 보안 체계를 구축하고 있다. 세 번째, AI가 의료 격차 해소의 열쇠로 부상하고 있다. 세계보건기구(WHO)는 2030년까지 약 1100만 명의 의료 인력이 부족해질 것으로 전망하며, 이로 인해 전 세계 45억 명이 필수 의료 서비스를 받지 못할 수 있다고 경고했다. 2025년 마이크로소프트 AI의 진단 오케스트레이터(MAI-DxO)는 숙련된 의사의 평균 진단 정확도(20%)를 웃도는 85.5%의 정확도로 복잡한 의료 사례를 해결하는 성과를 냈다. 또한 코파일럿(Copilot)과 빙(Bing)은 매일 5000만 건 이상의 건강 관련 문의를 처리하고 있다. 네 번째, AI가 과학 연구 과정에 점점 더 중요한 역할을 맡고 있다. AI는 이미 기후 모델링, 분자동역학, 신소재 설계 등의 분야에서 혁신을 앞당기고 있으며, 2026년에는 물리·화학·생물학 연구에서 논문 요약이나 보고서 작성을 넘어, 실제 발견 과정에 적극 참여할 것으로 전망된다. 이러한 변화는 마치 개발자가 AI와 함께 코드를 작성하는 ‘페어 프로그래밍(pair programming)’이나, 일상 업무를 자동화하는 앱을 사용하는 흐름과 맞닿아 있다. 마이크로소프트는 과학 분야에서도 이 같은 협업 방식이 점차 확산될 것으로 내다보고 있다. 다섯 번째, AI 인프라가 단순한 확장을 넘어 더 스마트하고 효율적인 방향으로 재편되고 있다.  2026년에는 분산된 컴퓨팅 자원을 보다 조밀하게 배치하고 유연하게 운용하는 차세대 연결형 인프라, 이른바 AI 슈퍼팩토리(superfaCTOries)가 등장할 전망이다. 마크 러시노비치(Mark Russinovich) 마이크로소프트 애저(Microsoft Azure) 최고기술책임자 (CTO)는 이러한 변화를 “AI 워크로드를 위한 항공 교통 관제 시스템”에 비유했다. 컴퓨팅 자원을 실시간으로 조정하고 분산시켜, 작업이 지연될 경우 즉시 다른 작업이 그 자원을 활용해 낭비 없이 운영되는 구조라는 설명이다. 여섯 번째, AI가 단순한 코드 해석을 넘어 코드 간 관계와 과거 이력까지 이해하는 수준으로 진화하고 있다. ‘리포지토리 인텔리전스(Repository Intelligence)’라 불리는 이 기술은 코드의 변경 내역과 이유 등 코드 리포지토리의 패턴을 분석해 더 스마트한 제안과 빠른 오류 탐지, 수정 자동화를 돕는다. 2025년은 소프트웨어 개발 활동이 사상 최고치를 기록한 해였다. 깃허브(GitHub)에 따르면, 매달 평균 4320만 건의 풀 리퀘스트(Pull Request)가 병합돼 전년 대비 23% 증가했으며, 코드 변경 내역을 저장한 커밋 수도 10억 건으로 25% 늘었다. 이는 AI가 코드 작성부터 검토, 유지보수 전 과정에 중심적으로 관여하며, 소프트웨어 개발 방식이 빠르게 변화하고 있음을 보여준다. 일곱 번째, 양자 컴퓨팅이 기존 컴퓨팅의 한계를 넘어서는 실용화가 수십 년이 아닌 수년 앞으로 다가오고 있다. 특히 AI와 슈퍼컴퓨터, 양자를 결합한 ‘하이브리드 컴퓨팅’이 부상하면서, 각 기술의 강점을 통합한 새로운 연산 방식이 주목받고 있다. AI는 데이터에서 패턴을 찾고, 슈퍼컴퓨터는 대규모 시뮬레이션을 처리하며, 양자는 분자와 물질 모델링 계산 정확도를 획기적으로 높이는 역할을 수행한다. 여기에 오류를 감지하고 보정할 수 있는 ‘논리 큐비트(logical qubits)’ 기술의 발전이 더해지며, 양자 시스템의 안정성도 향상되고 있다. 마이크로소프트의 양자 칩 마요라나 1(Majorana 1)은 위상 큐비트(topological qubits)를 기반으로 설계돼 큐비트의 불안정성을 줄이고, 오류를 자동으로 감지·수정할 수 있는 구조를 갖췄다. 이를 통해 하나의 칩에 수백만 개 큐비트를 집적할 수 있는 확장성도 확보했다.

지멘스의 일원인 알테어가 차세대 설계 및 시뮬레이션 플랫폼 ‘알테어 하이퍼웍스 2026(Altair HyperWorks 2026)’을 발표했다. 이번 새 버전은 AI 기반 실시간 피드백, 강화된 멀티피직스 통합 기술을 핵심으로 대규모 제품 개발 과정에서 더욱 정교한 디지털 엔지니어링 환경을 지원한다.     하이퍼웍스 2026은 차세대 AI 기술을 적용해 적은 계산량으로도 고충실도 시뮬레이션 결과를 빠르게 확보할 수 있도록 했다. “특히 GPU 기반 차수 축소 모델링(ROM) 기술은 기존 해석 대비 최대 1000배 빠른 결과를 제공하며, 브라우저 기반 보안 환경에서 물리 기반 AI 모델을 실행할 수 있어 다양한 산업군에서 설계 초기 단계의 의사결정을 가속화한다”는 것이 알테어의 설명이다. 유체, 충돌, 복합 물리 문제에 대한 시뮬레이션 범위도 넓어졌다.   멀티피직스 해석 성능도 향상돼 열–유체, 전자기–구조 등 복합 거동을 단일 워크플로에서 해석할 수 있다. 배터리 안전성 평가, 고온 환경 분석, e-모터 최적화 등 차세대 산업 수요를 반영한 신규 기능이 추가됐으며, 전자기 해석 속도는 최대 40%, 전파 모델링 속도는 최대 20배 향상돼 자율주행, 항공, 국방 등 첨단 분야에서도 높은 성능을 발휘한다.   시각화 및 결과 분석 도구도 개선돼, 엔지니어가 설계 변경의 영향을 직관적으로 파악하고 팀 간 인사이트를 신속하게 공유할 수 있다. 입자, 유체, 재료 거동을 더욱 현실적으로 구현하는 신규 모델링 접근법이 적용됐으며, 동역학 기반 설계 탐색 환경이 개선돼 실시간 지오메트리 수정과 멀티윈도우 비교 기능을 통해 설계자 중심의 직관적 의사결정을 지원한다.   한편 하이퍼웍스는 항공, 자동차, 전자 등 다양한 산업에서 활용되고 있다. 항공 분야에서는 미국 항공기 스타트업 젯제로(JetZero)가 지멘스와의 협력 프로젝트에서 하이퍼웍스 제품군을 활용해 고효율 항공기 개발에 필요한 공력 성능을 빠르게 평가하며 핵심 의사결정을 이전보다 짧은 시간 안에 수행하고 있다. 알테어의 샘 마할링엄(Sam Mahalingam) 최고기술책임자(CTO) 겸 지멘스 디지털 인더스트리 소프트웨어 총괄부사장은 “하이퍼웍스 2026은 AI, 자동화, 멀티피직스를 하나의 통합 플랫폼으로 연결해 설계·해석 프로세스를 본질적으로 혁신하는 제품”이라면서, “지멘스와의 기술 결합을 통해 세계적 수준의 AI 기반 시뮬레이션 포트폴리오를 완성하고, 고객이 보다 빠르고 정확한 제품 개발을 수행할 수 있도록 적극 지원할 것”이라고 밝혔다.

시점 – 사물이나 현상을 바라보는 눈 (12)   지난 호에서는 ‘무엇을 볼 것인가?’, ‘무엇을 믿을 것인가?’, ‘가설, 모델, 이론의 설득력의 시대성’의 이야기의 두 번째 이야기로 ‘무엇을 믿을 것인가’에 관해서 다양한 주제를 바탕으로 생각해 보았다. 모든 것에는 다양한 관점이 존재하지만 가장 익숙하고 편안하게 느껴지는 것이 받아들이기 쉬운 것임을 알 수 있다. 믿고 싶은 것만 믿기보다는 실체를 제대로 파악하기 위한 시도가 필요해 보인다. 일상생활에서도 친숙함의 오류에 빠지기 쉽다. 이번 호에서는 생각보다 과학적이지 않은 과학, 과학적 이론과 법칙의 차이, 시작은 관찰부터, 유사성 관찰, 천동설과 지동설에 관해서 소개하고 ‘가설, 모델, 이론의 설득력의 시대성’에 관해서 함께 생각하면서 연재를 마무리하고자 한다.   ■ 연재순서 제1회 호기심 제2회 암중모색 제3회 관찰의 시점과 관점 제4회 정적 이미지와 동적 이미지 제5회 변화와 흐름의 관찰 제6회 개별 관찰 제7회 집단 관찰 제8회 확률과 통계 제9회 작용, 반작용, 상호작용 제10회 무엇을 볼 것인가? 제11회 무엇을 믿을 것인가? 제12회 가설, 모델, 이론의 설득력의 시대성   ■ 유우식 웨이퍼마스터스의 사장 겸 CTO이다. 동국대학교 전자공학과, 일본교토대학 대학원과 미국 브라운대학교를 거쳐 미국 내 다수의 반도체 재료 및 생산 설비 분야 기업에서 반도체를 포함한 전자재료, 공정, 물성, 소재 분석, 이미지 해석 및 프로그램 개발과 관련한 연구를 진행하고 있다. 경북대학교 인문학술원 객원연구원, 국민대학교 산림과학연구소 상임연구위원, 문화유산회복재단 학술위원, 국제문화재전략센터 전문위원이다. 홈페이지 | www.wafermasters.com   그림 1. 원자 모델의 시대에 따른 변화   생각보다 과학적이지 않은 과학 과학이라는 단어를 사전에서 찾아보면 ‘보편적인 진리나 법칙의 발견을 목적으로 한 체계적인 지식. 넓은 뜻으로는 학(學)을 이르고, 좁은 뜻으로는 자연 과학을 이른다’라고 설명하고 있다. 또한, 이러한 설명도 있다. 과학은 사물의 구조, 성질, 법칙 등을 관찰 가능한 방법으로 얻어진 체계적이고 이론적인 지식의 체계를 말한다. 좁게는 인류가 경험주의와 방법론적 자연주의에 근거하여 실험을 통해 얻어낸 자연계에 대한 자식을 의미한다. 과학자들은 자연계에서 관찰되는 현상을 과학적 방법에 따라 자연적인 (초자연적이지 않은) 이론으로 설명하려고 한다. 그렇다면 과학적인 방법이란 무엇일까? 연역과 귀납의 논리학을 바탕으로 관찰이론–실험–재현을 바탕으로 한 과학, 즉 자연과학에서 체계적이고 객관적인 방법으로 검증할 수 있는 질문에 관해 연구하는 방법이라고 소개되어 있다. 결국은 과학을 연구하는 사람들이 주장하는 내용을 이해하고 인정해야 한다는 이야기이다. 진실은 다수결로 결정되는 것은 아닐 텐데, 과연 이런 방법이 과학적인 방법이라고 단언할 수 있을까? 약간 고개가 갸우뚱해지는 설명이지만 심정적으로는 충분히 이해되는 말이다. <그림 1>에 원자 모델의 시대적 변화를 시간순으로 정리해 보았다. 우선 원자 모델이 출현하려면 ‘원자’라는 개념이 먼저 만들어져야 한다. 원자는 일상적인 물질을 이루는 가장 작은 단위이다. 일상적인 물질들은 원소로 구성되어 있으며, 화학 반응을 통해 더 쪼갤 수 없는 단위와 같은 의미로 사용된다. 모든 물질의 네 가지 상태인 고체(solid), 액체(liquid), 기체(gas), 플라스마(plasma)가 모두 원자로 이루어져 있다. ‘atom’이라는 단어는 언어적으로 고대 그리스어에 뿌리를 두고 있고, 그 추상적 개념은 이미 기원 전 5세기에 고대 그리스 철학자 데모크리토스가 사용한 것이다. 1803년 존 돌턴이 제안한 단단한 공의 모양을 한 원자 모델부터 이제까지 수많은 원자 모델이 제안되어 왔다. 현재는 1913년에 닐스 보어가 제안한 우주를 닮은 모델과 약 100년 전인 1926년에 에르빈 슈뢰딩거가 제안한 양자 모델이 주로 사용되고 있다. 많은 원자 모델이 실험 결과를 설명하는데 한계가 오면 실험 결과를 설명하기 위하여 새로운 모델이 제안되어 검증받는 방식으로 변화하여 오늘에 이르고 있다. 오늘의 상식이 언제까지 유효할지는 알 수 없다. 원자의 모습과 성질은 그대로인데 우리의 생각과 이해의 정도가 달라졌을 뿐이다.   과학적 이론과 법칙의 차이 과학 분야에서 이론, 법칙, 모델, 가설이라는 용어가 자주 등장한다. 어렴풋하게 의미는 알 것 같은데 명확하게 구분하는 것은 쉽지 않다. 사람마다 어떤 개념에 관한 생각과 동의 여부가 크게 다르기 때문이다.   그림 2. 과학적 이론과 법칙의 차이는?   <그림 2>에 과학적 이론과 법칙의 차이를 비교적 이해하기 쉽게 정리해 놓은 것이 있어서 소개한다. 이론은 어떤 현상이 어떻게, 왜 일어났는지를 설명하고 법칙은 현상이 무엇인지를 수식으로 설명하고 있다. 이론과 법칙 모두 같은 현상을 설명하고 있지만 이론은 많은 설명 가운데 하나이고, 법칙은 핵심을 정리한 것으로 많은 사람들의 증명을 통해서 동의를 얻은 것이라고 할 수 있다. 처음에는 현상의 관찰이나 단순한 발상에서 시작해서 어느 정도 경향성을 파악하는 단계에 다다르면 가설을 세우고 실험을 통해서 그 가설의 유효성을 검증하게 된다. 실험 결과에 대한 해석이 명확하고 현상의 본질을 간결하게 설명할 수 있다면 법칙으로 발전한다. 실험 결과에 대한 해석을 위하여 여러 가지 이론(모델)을 만들어 실험 결과가 잘 설명될 수 있도록 이론(모델)을 수정해가는 과정을 거쳐 완성도를 높여가게 된다.(그림 3)   그림 3. 과학적 개념의 점진적 변화를 통한 이론(모델)과 법칙의 형성 과정   시작은 관찰부터 우리가 알고 있는 모든 이론과 법칙은 현상의 관찰로부터 시작되었다고 해도 과언이 아니다. 때로는 단순한 논리적 사고로부터 시작된 것도 있지만, 결국은 실험을 통해서 검증되어야만 이론이나 법칙으로 인정받을 수 있기 때문이다. <그림 4>에 포유류 동물의 지역적 분포를 관찰하여 정리한 것을 예로 들었다. 지역별로 특징적인 동물들이 상당히 눈에 띈다. 인위적으로 동물을 이동시킨 것이 아니므로 오랜 시간에 걸쳐 자연스럽게 발생한 현상으로 보아야 할 것이다. 이렇게 관찰된 현상으로부터 왜 이런 특징이 생길 수밖에 없었는가를 추론하여 가설을 세우고, 타당성을 증명할 수 있는 추가적 실험이나 관찰을 통해서 가설을 입증해 가는 노력을 하였다. 호주 대륙처럼 다른 대륙과 멀리 떨어져 있는 경우라면, 오랜 기간 고립된 환경에서 환경에 맞는 독자적인 생태계가 형성된 것으로 추정하는 것이 논리적이다. 실제로 호주 대륙에는 다른 대륙에서는 볼 수 없는 캥거루, 태즈메이니아데빌, 코알라, 키위새 등이 서식하고 있다.   그림 4. 포유류 동물의 지역적 분포     ■ 자세한 기사 내용은 PDF로 제공됩니다.

설계, 데이터로 다시 쓰다 (3)   데이터 보기를 황금처럼 봐야 할 시대가 왔다. 데이터를 활용해서 상상으로만 그리던 일이 현실이 되어가기에 너도나도 데이터를 모으기 시작했다. 이토록 소중한 데이터이기에 허투루 만들 수 없다. 좀 더 영리하고 전략적으로 접근할 필요가 있다. 이번 호에서는 데이터 생성을 위해 어떤 전략이 필요하고, 전략적으로 생성된 데이터가 어떤 활용 가치가 있는 지 설명하고자 한다.   ■ 최병열 피도텍에서 AI 기반 Data-driven Design SW 개발 총괄을 맡고 있다. 한양대에서 공학박사 학위를 받았고, 20여 년간 100여건의 최적 설계 프로젝트를 주도하며 컨설팅 경험을 쌓았다. 홈페이지 | www.pidotech.com   어떻게 확보할 것인가? 데이터는 돈이다 CFD(Computer Fluid Dynamics : 전산유체역학)가 무엇의 약자일까? 한번은 유동 분야의 저명하신 교수님께서 하신 농담이 기억이 난다. ‘Colorful Fluid Dynamics’라고 말이다. 유동 시뮬레이션 결과가 시각적으로 화려하다는 의미로 하신 농담이었지만 곰곰히 생각해 보면 시뮬레이션의 효과를 누리지 않는다면 단지 보고서 한 켠을 채우는 컬러풀한 그림이 될 수도 있겠다는 생각이 든다. VP(Virtual Prototyping : 가상 프로토타이핑)를 위해 구조, 열유체, 동역학, 제어 등의 다양한 분야의 CAE 소프트웨어를 도입하고 있다. CAE 소프트웨어를 통해 하나의 데이터를 생성해 내기 위해서는 해석 모델링부터 솔빙(solving), 결과 분석에 이르기까지 소프트웨어와 하드웨어 리소스를 활용해야 함은 물론 해석 전문가의 공수(M/H)도 투입되어야 하기에 상당한 비용이 든다고 볼 수 있다. 학회를 다녀보면 최적설계라는 타이틀의 논문 발표가 종종 있다. 실제로 최적화 알고리즘을 적용해서 최적해 탐색까지 도달하는 사례도 있는 반면, 1개 내지 2개의 설계변수 값을 바꿔가며 성능의 경향을 보고 성능이 가장 좋아지는 설계변수 값을 택하면서 최적설계를 했다고 하는 경우도 있다.(학문적으로는 1D 파라메트릭 스터디라고 부른다.) 하지만, 최적설계를 제대로 했든 안 했든 시뮬레이션으로부터 얻은 데이터로 설계 개선이라는 목적에 맞게 데이터를 활용했다는 점은 가치를 인정받을 만하다. 성능 평가를 위해 필요한 데이터는 한 개(시뮬레이션 1회)이다. 설계변수의 효과를 파악하기 위한 최소의 데이터 개수는 설계변수 개수에 1개의 데이터가 필요하다. 특정 설계변수의 경향을 파악하고 싶다면, 해당 설계변수의 범위를 구간으로 나누어 데이터를 뽑아 볼 수 있다. 현실적으로 설계변수는 여러 개가 존재하고 설계변수의 조합으로 성능이 개선되는 경우가 대부분이라서, 개별 설계변수의 효과를 보는 방식보다 설계변수들의 효과를 동시에 고려할 수 있는 데이터 샘플링 방법이 필요하다.   실험계획법이란 여러 개의 설계변수 효과를 동시에 고려하기 위해 활용되는 것이 실험계획법(DOE : Design of Experiments)이다. 실험계획법은 농업과 통계학의 만남으로 1920년대부터 사용되었다. 영국의 통계학자이나 생물학자인 로널드 A. 피셔가 창시자로 알려져 있다. 작물 수확량을 높이기 위한 실험을 진행하면서 단순한 반복보다 많은 정보를 획득할 수 있게 실험을 설계할 필요가 있었다. 실험계획법에 대한 피셔의 재미있는 일화가 있다. 그 당시 영국 사람들은 밀크티에 차와 우유를 따르는 순서로 맛의 차이가 있다 없다의 논쟁을 펼쳤다. 이에 논쟁의 결론을 내리기 위해 피셔는 다음과 같은 실험을 계획하였다.   그림 1. 실험계획법의 일화 – 차를 맛보는 여인(출처 : ChatGPT)   실험은 이렇다. 피셔는 8잔의 밀크티를 준비하였고 4잔은 차를 먼저, 나머지 4잔은 우유를 먼저 따랐다. 나머지 실험조건은 동일하게 하기 위해 같은 찻잔을 사용했고, 랜덤으로 여인에게 차를 맛보게 했다. 밀크티를 모두 마신 뒤 차를 먼저 따랐다고 판단되는 찻잔 4개를 선택하게 하였다. 이 실험 결과를 토대로 피셔는 차를 먼저 따른 밀크티의 개수(0~4) 별로 확률을 계산해 낼 수 있었다. 참고로, 이 실험의 결과 여인이 정확하게 4잔(차를 먼저 따른 밀크티)을 모두 골라냈다고 한다. 2차 세계대전 이후 품질 관리를 위해 실험계획법이 미국 제조업에 도입되었고, 1950년대 이후부터 다구치 겐이치가 강건설계의 개념과 함께 일본 제조업에 널리 적용하였다. 실험계획법은 경제성의 원칙과 궤를 함께 한다. 최소한의 데이터로 최대 효과를 얻겠다는 것이다. 실험계획법에는 다양한 기법이 존재하며, 대표적으로 FFD(Full FaCTOrial Design : 완전조합법)와 LHD(Latin Hypercube Design)를 예로 들 수 있다. FFD는 주로 실제 실험에 많이 활용되었고, LHD는 시뮬레이션 기술이 발달함에 따라 전산 실험에 널리 활용되었다.   (a) FFD   (b) LHD 그림 2. 실험계획법의 종류   어떻게 활용할 것인가? 옥석 가리기 많은 최적설계 관련 연구나 논문을 검토하면서 공통적으로 파악되는 프로세스가 있다. 데이터도 돈이지만 설계 프로세스가 더 많은 데이터를 필요로 하는 이유는 설계변수 때문이다. 즉, 설계변수도 돈이다. 설계변수는 내가 개선하고자 하는 성능지수를 컨트롤할 수 있는 수단이기 때문에 많으면 많을수록 유리하겠지만, 현실적으로 가성비를 따져보지 않을 수 없다. 결론은 많은 설계변수 중 옥석을 가려내야만 한다. 적으면 적을수록 적은 데이터가 필요하므로 가성비가 올라가기 때문이다. 설계변수의 옥석을 가리기 위해 주로 사용되는 것이 민감도(sensitivity)이다. 민감도는 설계변수 변화에 따른 성능지수(목적함수나 구속조건)의 변화를 나타내는 기울기로 표현된다. 그 기울기가 크면 클수록 설계변수의 민감도가 커진다. 즉 설계변수를 조금만 변경해도 성능지수 값을 많이 변경시킬 수 있다는 의미이다. 민감도를 계산할 수 있는 다양한 방법이 존재한다. 다양한 방법이 존재한다는 의미는 각기 장단점을 가진다는 것이다. 크게는 국부 민감도(local sensitivity)와 전역 민감도(global sensitivity)로 나눌 수 있다. 현재 설계점에서 국한해서 설계변수의 민감도를 보는 것이 국부 민감도이고, 전체 설계 영역에서 성능지수에 미치는 영향을 통계적으로 분석하는 것이 전역 민감도이다. 당연히 전역 민감도가 많은 데이터를 필요로 한다. 통상적으로 어느정도 데이터를 확보할 수 있는 경우라면, 실험계획법으로 확보된 데이터로 전역 민감도 분석을 통해 설계변수의 옥석을 가리는 경우가 많다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

  INFOWORLD Editorial 17　2026, AI가 제조 경쟁력을 다시 설계한다   Case Study 18　모텐슨이 VR을 사용해 건설 비용을 낮춘 방법　설계 오류를 미리 해결하고 디자인 협업과 의사결정 속도 높이다 22　APEC에서 선보인 경주 미디어 버스 / 박진호　‘골든 신라 XR 버스’로 천년 신라를 달리다   Focus 26　CAE 컨퍼런스 2025, AI·디지털 트윈 융합 통한 엔지니어링 혁신 전략 짚다 30　펑션베이, 메카트로닉스·AI 융합으로 엔지니어링 과제 해결 지원 32　다쏘시스템, 버추얼 트윈과 AI로 산업 효율·지속 가능성 동시 혁신 34　빌딩스마트협회, ‘빌드스마트 콘퍼런스’에서 AI·로봇·OSC 기반 미래 건설 비전 제시 36　한국BIM학회, ‘지능형 건설의 부상’ 국제 심포지엄 성료… “전면 BIM 확대를 위한 정량화와 활성화 노력 필요” 38　콘택트 소프트웨어, 포괄적인 개방형 PLM 통해 엔지니어링 혁신 비전 소개 40　SAP 코리아, “비즈니스 AI로 국내 기업의 혁신 도울 것”   On Air 51　캐드앤그래픽스 CNG TV 지식방송 지상중계　AI·LLM 시대, 미니 워크스테이션으로 GPU 한계를 넘다 52　캐드앤그래픽스 CNG TV 지식방송 지상중계　클래시 마스터·레빗 마스터로 보는 BIM 업무 혁신 포인트 53　캐드앤그래픽스 CNG TV 지식방송 지상중계　디지털 전환에서 AI 전환으로 54　캐드앤그래픽스 CNG TV 지식방송 지상중계　제조 데이터의 새로운 표준을 세운다   New Product 42　현실감 높은 대규모 월드 구현과 더 강력해진 통합 워크플로　언리얼 엔진 5.7 48　 AI 및 클라우드 기반 기능 강화한 설계 설루션　디자인센터 솔리드 엣지 2026 62　이달의 신제품   Column 55　트렌드에서 얻은 것 No. 26 / 류용효　데이터가 산업이었다면 GPU는 문명이다 58　디지털 지식전문가 조형식의 지식마당 / 조형식　한국형 구조지능 : AI 시대는 지식을 구조화하는 자가 미래를 지배한다   60　New Books   DireCTOry 131 　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA AEC 65　새로워진 캐디안 2026 살펴보기 (1) / 최영석　캐디안 2026의 새로운 기능 70　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　팔란티어 온톨로지 플랫폼 아키텍처 기술 해부 및 구현 방법 76　산업 디지털 전환을 가속화하는 버추얼 트윈 (9) / 김선중　건축 설계의 자동화와 생산성 강화를 위한 복합공종모듈 활용 80　생성형 AI를 활용한 건축 분야 이미지 렌더링 / 양승규　AI가 가져온 건축 시각화의 혁신과 건축가의 과제 128　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (9) / 천벼리　아레스 쿠도가 여는 BIM–to–DWG 자동화의 새로운 기준   Reverse Engineering 88　시점 - 사물이나 현상을 바라보는 눈 (12) / 유우식　가설, 모델, 이론의 설득력의 시대성   Analysis 94　제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (5) / 김성철　크레오 몰드 분석으로 사출 성형 분석하기 102　앤시스 워크벤치를 활용한 해석 성공 사례 / 오승희　앤시스 맥스웰을 활용한 전기 집진기 내부 전계 해석 106　최적화 문제를 통찰하기 위한 심센터 히즈 (10) / 이종학　프로세스 자동화 Ⅴ – 제조 공정 효율성 최적화 113　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (28) / 나인플러스IT　고정밀 다중물리 CFD를 위한 피델리티 LES 솔버 116　설계, 데이터로 다시 쓰다 (3) / 최병열　AX 시대를 위한 데이터 전략 123　가상 제품 개발을 위한 MBSE 및 SysML의 이해와 핵심 전략 (2) / 오재응　가상 제품 개발에서 MBSE의 필요성과 적용 전략     2025-12-aifrom 캐드앤그래픽스     캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

마이크로소프트가 ‘마이크로소프트 이그나이트 2025(Microsoft Ignite 2025)’ 열고, AI 중심의 프론티어 기업 도약을 이끌기 위한 신규 기술과 업데이트를 공개했다. 이번 행사에서는 기획부터 구축, 운영, 배포까지 ‘AI 라이프사이클’ 전 과정을 아우르는 전략과 제품을 선보였다. 특히 마이크로소프트는 AI 기능을 구동하는 데이터센터부터 이를 사용하는 개인과 조직에 이르기까지 모든 영역에서 AI를 가장 효과적으로 이용할 수 있는 방안을 제시함으로써, 조직이 더욱 책임감 있고 현명하게 AI를 활용할 수 있도록 지원한다. 마이크로소프트는 이를 통해 조직이 AI를 활용해 창의성과 혁신을 촉진함으로써, 차세대 아이디어를 실현하고 프론티어 기업(frontier firm)으로 도약할 수 있다고 전망했다. 주요 발표에는 업무 데이터와 조직 지식을 기반으로 작동하는 지능 레이어인 업무 IQ(Work IQ), 다양한 형태의 비즈니스 데이터를 연결하는 패브릭 IQ(Fabric IQ), AI 에이전트를 위한 관리형 지식 시스템 파운드리 IQ(Foundry IQ)가 포함됐다. 이와 함께 조직이 에이전트 IQ 레이어를 통합해 자체 에이전트를 손쉽게 설계하고 배포할 수 있도록 지원하는 에이전트 팩토리(Agent FaCTOry), 다양한 플랫폼에서 생성된 AI 에이전트를 관찰·관리·보호할 수 있는 에이전트 365(Agent 365)도 선보였다.  마이크로소프트 365 코파일럿(Microsoft 365 Copilot)과 에이전트 생태계가 인간의 능력을 확장하고 목표 달성을 지원할 수 있도록 하는 새로운 능력이 추가됐다. 업무 IQ는 코파일럿과 에이전트가 사용자의 업무 방식과 협업 관계, 그리고 문서·이메일·회의·채팅 등 조직 내 정보를 종합적으로 이해할 수 있도록 돕는 지능 레이어다. 이를 바탕으로 코파일럿은 정보 간의 연관성을 파악하고 인사이트를 도출하며, 사용자가 다음에 취할 행동을 예측한다. 또한, APIs를 통해 업무 IQ의 역량을 확장하면, 각 조직의 고유한 워크플로와 요구에 맞춘 AI 에이전트 개발도 가능하다. AI 에이전트가 사용자의 행동을 이해하고, 로 데이터와 비즈니스 의미 사이의 간극을 해소하며, 의사 결정에 필요한 맥락을 파악할 수 있도록 돕는 업데이트도 발표됐다. 패브릭 IQ는 분석·시계열·위치 기반 데이터를 운영 시스템과 통합해, 조직이 실시간으로 비즈니스 전반을 파악할 수 있도록 지원한다. 이를 통해 AI와 사람이 동시에 상황을 인식하고 빠르게 대응할 수 있다. 특히 파워 BI(Power BI)를 사용 중인 조직은 기존 데이터 모델이 그대로 연동돼, 에이전트가 조직 고유의 운영 방식과 맥락을 빠르게 이해할 수 있다. 파운드리 IQ는 AI 에이전트가 다양한 데이터 소스를 넘나들며 작동하도록 지원하는 관리형 지식 시스템이다. 마이크로소프트 365의 업무 IQ, 패브릭 IQ, 맞춤형 애플리케이션, 웹 등 여러 데이터 소스를 하나의 지식 엔드포인트로 통합하며, 라우팅과 인텔리전스가 내장돼 더 높은 수준의 추론과 보다 안전한 에이전트 실행이 가능하다.   ▲ 에이전트 365(Agent 365) Overview   한편, 새로운 에이전트 개발 및 배포 프로그램인 에이전트 팩토리도 발표했다. 이 설루션은 업무 IQ, 패브릭 IQ 등 에이전트 인텔리전스 계층을 통합해 조직이 안정적으로 AI 에이전트를 구축할 수 있도록 지원한다. 에이전트 팩토리는 단일 종량제 요금제를 기반으로, 마이크로소프트 파운드리(Microsoft Foundry)와 코파일럿 스튜디오(Copilot Studio)를 활용한 IQ 기반 에이전트 개발을 지원한다. 구축된 에이전트는 마이크로소프트 365 코파일럿을 포함한 다양한 환경에, 추가 라이선스나 사전 프로비저닝 없이 배포할 수 있다. 또한, AI 전문 엔지니어의 실습 지원과 역할 기반 맞춤형 교육도 제공받을 수 있다. IDC는 오는 2028년까지 전 세계적으로 약 13억 개의 AI 에이전트가 기업의 워크플로를 자동화할 것으로 전망하고 있다. 이러한 가운데, 마이크로소프트는 많은 조직이 AI 에이전트를 관찰·보호·관리할 수 있는 거버넌스 체계를 아직 충분히 갖추지 못하고 있으며, 적절한 관리 없이 운영될 경우 AI 에이전트가 새로운 형태의 ‘섀도 IT’가 될 수 있다고 지적했다. 이러한 변화에 대응해, 마이크로소프트는 AI 에이전트를 마치 사람을 관리하는 것처럼 필요에 따라 앱을 배포하고 안전하게 보호함으로써 IT 팀이 더 쉽게 에이전트를 비즈니스 프로세스에 통합할 수 있는 설루션인 에이전트 365를 발표했다. 이 솔루션은 마이크로소프트뿐 아니라 오픈소스 및 타사 플랫폼에서 생성된 AI 에이전트를 통합적으로 관찰·관리·보호할 수 있다. 에이전트 365는 마이크로소프트 디펜더(Defender), 엔트라(Entra), 퍼뷰(Purview), 파운드리 컨트롤 플레인(Foundry Control Plane) 등의 자사 보안 설루션과 연동된다. 또한, 마이크로소프트 365 앱 및 업무IQ를 포함한 생산성 도구와의 통합을 통해 사용자가 보다 효율적으로 에이전트와 함께 작업할 수 있도록 지원한다. 에이전트 관리는 마이크로소프트 365 관리 센터를 통해 가능하다.

델 테크놀로지스가 엔터프라이즈 AI 여정을 간소화하고 가속하도록 돕는 ‘델 AI 팩토리(Dell AI FaCTOry)’의 제품 라인업을 강화했다. 델은 확장된 포트폴리오를 통해 AI 워크로드의 병목 현상을 제거해 성능 및 자동화 기능을 강화하는 한편, 기업이나 기관이 보다 탄력적이고 통합된 환경의 온프레미스 인프라를 갖추고 강력한 제어 권한을 가질 수 있게끔 돕는다는 계획이다. 이에 따라 ‘델 오토메이션 플랫폼(Dell Automation Platform)’이 ‘델 AI 팩토리’로 지원을 확장하여, 보안 프레임워크를 통해 검증되고 최적화된 설루션을 배포함으로써 보다 스마트하고 자동화된 경험을 제공한다. ‘델 오토메이션 플랫폼’의 업데이트를 통해 탭나인(Tabnine)의 AI 코드 어시스턴트 및 코히어 노스(Cohere North)의 에이전틱 AI 플랫폼 등의 소프트웨어 기반 도구가 자동화되었다. 이는 AI 워크로드를 더 빠르게 운영 환경에 적용하고 운영을 간소화하며 확장성을 강화한다. 델 프로페셔널 서비스(Dell Professional Services)는 실제 고객 데이터를 활용한 턴키 방식의 대화형 AI 사용 사례 파일럿을 제공하여, 본격적인 프로젝트 착수에 앞서 비즈니스 가치를 검증한다. 전문가 주도의 파일럿으로서 명확한 KPI(핵심 성과 지표)가 제공되는 핸즈온 프리뷰를 통해 실질적인 ROI(투자 대비 수익)를 실현하게끔 방향을 제시한다. 데이터 관리를 강화하는 ‘델 AI 데이터 플랫폼(Dell AI Data Platform)’의 스토리지 엔진인 델 파워스케일(Dell PowerScale)과 델 오브젝트스케일(Dell ObjectScale)은 성능, 확장성 및 데이터 탐색 기능이 향상됐다. 델 파워스케일은 델 파워엣지 R7725xd와 같이 관련 요건이 갖춰진 델 서버 상에서 설치할 수 있는 소프트웨어 라이선스로 형태로 제공될 예정이다. 이러한 새로운 구성은 클라우드 서비스 제공업체가 인프라 요구를 충족하기 위해 최신 서버 및 네트워킹 기술을 유연하게 채택해 더 뛰어난 AI 성능을 실현하도록 확장성과 선택의 폭을 넓혔다. 그리고, 델 파워스케일 병렬 NFS(pNFS) 지원과 플렉서블 파일 레이아웃(Flexible File Layout)을 통해 메타데이터 서버와 클라이언트 간 양방향 통신이 가능해져 파워스케일 클러스터 내 여러 노드에 걸쳐 데이터를 더 효율적으로 병렬 분배할 수 있다. 이번 업데이트는 병렬 처리 능력을 강화하여 까다로운 AI 워크플로에 맞춤화된 대규모 확장성과 처리량을 제공하도록 고안됐다. 델은 오브젝트스케일 AI 맞춤형 검색(Dell ObjectScale AI-Optimized Search) 기능으로 두 가지 상호 보완적인 AI 최적화 검색 기능인 S3 테이블(S3 Tables)과 S3 벡터(S3 VeCTOr)를 제공한다. 이 두 가지 특수 API는 오브젝트스케일에 직접 저장된 복잡한 데이터에 대한 고속 액세스를 제공하여 분석 및 추론, 검색 강화 생성(RAG)과 같은 주요 AI 워크로드를 지원한다. 대규모 데이터 세트를 보다 용이하게 저장, 검색하고, 더 빠르게 의사 결정할 수 있다.     델 파워엣지(Dell PowerEdge) 서버는 엔터프라이즈 AI의 초석으로서 더 빠른 훈련, 분산 추론을 실현하는 한편 다양한 프로세서와 냉각 방식을 제공한다. AI를 위한 파워엣지 서버 포트폴리오에 추가된 모델은 XE9785, XE9785L, R770AP 등이다. 10U 폼팩터의 공랭식 델 파워엣지 XE9785 서버와 3OU 폼팩터의 DLC(다이렉트 리퀴드 쿨링) 방식 델 파워엣지 XE9785L 서버는 듀얼 소켓 AMD 에픽(EPYC) 프로세서와 노드당 8개의 AMD 인스팅트(Instinct) MI355X GPU가 탑재된다. AMD 펜산도 폴라라(Pensando Pollara) 400 AI NIC(네트워크 인터페이스 카드) 및 델 파워스위치(Dell PowerSwitch) AI 패브릭과 결합하여 확장 가능한 컴퓨팅 성능과 운영 비용 절감을 실현할 수 있다.  새롭게 공개된 델 파워엣지 R770AP는 향상된 병렬 처리, 메모리 지연 시간 단축 및 풍부한 PCIe 레인을 제공하여 가속화된 트레이딩 알고리즘, 확장 가능한 메모리 구성 및 개선된 네트워크 성능을 제공한다. 공랭식의 이 모델은 인텔 제온(Intel Xeon) 6 P-코어 6900 시리즈 프로세서를 탑재해, 높은 CPU 코어 개수와 대용량 캐시 및 CXL 메모리 확장 지원을 특징으로 한다.  AI를 위한 네트워킹 고도화를 위해 델은 오픈 네트워킹을 발전시키고, AI 패브릭 구축을 가속화하여 급증하는 네트워킹 수요에 맞춘 확장성을 지원한다. 델 파워스위치(Dell PowerSwitch) Z9964F-ON 및 Z9964FL-ON은 브로드컴 토마호크6(Broadcom Tomahawk-6) 기반으로, 여러가지 전송 속도 설정이 가능하며 초당 102.4테라바이트의 스위칭 용량을 제공한다. AI 워크로드와 HPC 데이터센터를 가속화하며, 10만 개 이상의 가속기 칩을 지원하는 공랭식 및 다이렉트 리퀴드 쿨링(DLC) 방식의 대규모 구축이 가능하다. 델 테크놀로지스가 지원하는 엔터프라이즈 소닉 배포판(Enterprise SONiC Distribution by Dell Technologies)과 소닉을 위한 스마트패브릭 매니저(SmartFabric Manager for SONiC)를 결합하면 획기적인 네트워킹 기능을 보다 쉽게 구현하고, 대규모 AI 패브릭을 가속화하는 동시에 구축, 라이프사이클 관리 및 모니터링을 간소화하고 자동화할 수 있다. ‘델 AI 팩토리’에 통합된 스마트패브릭 매니저는 자동화된 블루프린트를 통해 AI 인프라 구축을 간소화하고 더 빠르고 오류 없는 설정을 가능하게 한다, 델 파워스케일 스토리지 설루션에 대한 새로운 자동 적용을 포함하여 최소한의 수동 개입으로 구축 시간을 단축한다. 또한 오픈매니지 엔터프라즈(OpenManage Enterprise)와의 랙 스케일 통합을 통해 GPU 인프라 전반에 걸친 포괄적인 종단 간 가시성을 제공함으로써 보다 빠르게 문제를 해결할 수 있도록 돕는다. 한편, 델은 AI PC를 위한 에코시스템을 확장한다고 소개했다. AMD 라이젠(Ryzen) AI 프로세서를 포함해 실리콘 지원을 넓혔다. 간소화된 워크플로 및 성능 최적화와 더불어 호환성을 향상시킴으로써 온디바이스 AI 애플리케이션을 보다 효율적으로 생성할 수 있도록 지원한다. 탄력적인 통합 인프라를 위한 제어 측면 또한 강화됐다. 델의 ‘통합 랙 스케일러블 시스템(Dell Integrated Rack Scalable Systems, IRSS)’ 프로그램에 새롭게 추가된 기능과 설루션은 다음과 같다. ‘오픈매니지 엔터프라이즈(OpenManage Enterprise : OME)’로 개별 서버 및 랙 규모 환경을 통합 관리할 수 있다. OME는 컴퓨팅, 전력 및 냉각 관리를 단일 콘솔로 통합하여 최대 2만 5000대의 디바이스를 자동화하며, 내장된 누수 모니터링 및 자동 대응 기능을 통해 가동 시간을 극대화한다. 통합 랙 컨트롤러(Integrated Rack Controller : IRC)는 하드웨어와 소프트웨어가 결합된 설루션으로 OME 및 iDRAC(델 통합 원격 액세스 컨트롤러)와 원활하게 연동된다. 랙 내부의 누수가 생길 경우, 신속하고 자동적으로 누수 감지 및 대응이 가능해져 가동 중단 시간과 위험을 최소화한다. 델 파워쿨 랙 장착형 냉각수 분배 장치(PowerCool Rack-mount Coolant Distribution Unit. 이하 RCDU)는 고성능의 컴팩트한 4U 액체 냉각 설루션으로, 에너지 효율적인 AI 구축을 위해 최대 150kW의 랙 밀도를 지원한다. 19인치 델 IR5000 랙 및 OCP 표준 기반 21인치 델 IR7000 랙과 호환되며, 중앙 집중식 냉각 생태계 관리를 위해 OME에 연결된다. 델 프로서포트(Dell ProSupport)를 통해 예방적 유지보수를 제공하고 최상의 성능과 안정적인 시스템 지원을 보장한다. 델은 ‘엔비디아 기반 델 AI 팩토리(Dell AI FaCTOry with NVIDIA)’ 포트폴리오를 강화함으로써 기업이 더 빠르게 성과를 창출하고 복잡성을 줄이는 한편 투자 수익을 극대화하도록 지원에 나선다고 전했다.  델 AI 데이터 플랫폼의 비정형 데이터용 스토리지 엔진인 델 파워스케일 및 오브젝트스케일이 엔비디아 다이나모(NVIDIA Dynamo)의 일부인 엔비디아 NIXL 라이브러리와 통합된다. 이를 통해 확장 가능한 KV 캐시 오프로딩이 가능해져, 131K 토큰의 전체 컨텍스트 윈도우에서 1초의 첫 토큰 처리 시간(TTFT)을 달성한다. 이는 표준 vLLM보다 19배 빠른 속도이며, 인프라 비용을 절감하고 GPU 메모리 용량 병목 현상을 해소한다. ‘엔비디아 기반 델 AI 팩토리’ 포트폴리오에 엔비디아 RTX PRO 6000 블랙웰 서버 에디션 GPU 및 엔비디아 호퍼(Hopper) GPU를 탑재한 델 파워엣지 XE7740 및 XE7745 모델이 추가됐다. 대규모 멀티 모달 모델부터 새로운 에이전틱 AI 애플리케이션과 더불어 엔터프라이즈급 추론부터 훈련 워크로드에 이르기까지 다양한 사용 사례를 실행할 수 있다. 데이터센터 설루션 외에도 AI PC 생태계 지원을 확대해 폭넓은 실리콘 옵션을 제공한다. 엔비디아 RTX 블랙웰 GPU(NVIDIA RTX Blackwell GPU)와 엔비디아 RTX 에이다 GPU(NVIDIA RTX Ada GPU)를 지원해 델 제품과의 호환성을 넓혔다. 델과 엔비디아는 AI 에코시스템을 확대하기 위해 ‘엔비디아 기반 델 AI 팩토리’를 위한 레드햇 오프시프트(Red Hat OpenShift) 검증 제품을 추가했다. 델 파워엣지 R760xa에 더해 엔비디아 H100 및 H200 텐서 코어 GPU를 탑재한 델 파워엣지 XE9680에 대한 지원이 추가되어, 대규모 AI 도입 가속화를 필요로 하는 기업 및 기관에 폭넓은 선택지를 제공한다.

슈나이더 일렉트릭 코리아가 11월 13일 ‘이노베이션 데이 2025(Innovation Day : EcoStruxure for ContraCTOrs, Seoul 2025)’를 진행했다고 전했다. 이번 행사는 EPC, 플랜트&인프라, 데이터센터 산업 고객을 대상으로 디지털 전환과 탈탄소화가 가속화되고 있는 시장 환경에 선제 대응할 수 있도록 북미 시장 확장 전략과 스마트 인프라, 탄소중립 실현을 위한 차세대 디지털 설루션을 공유하고자 마련됐다. 특히 친환경 기술 도입이 중요한 과제로 떠오르는 점에 주목해, 탄소중립 지속가능한 파트너십 모델을 기반으로 글로벌 성장 로드맵과 인사이트도 함께 전했다. 행사에서는 총 9개의 기술 발표 세션과 다양한 데모 전시존 등의 프로그램이 마련됐고, 현장에는 SK 에코플랜트, 삼성 E&A, 현대 엔지니어링, 현대건설 등 약 200여 명의 업계 관계자가 참석해 관심을 보였다.     슈나이더 일렉트릭 파워시스템 커머셜 부사장 낸시 린(Nancy Lin)은 ‘슈나이더 일렉트릭의 새로운 비전 : EPC 산업의 미래 혁신 설계’를 주제로 개회사를 진행했다. 이어 진행된 전문가 발표 세션에서는 ‘글로벌 EPC 트렌드’, ‘탈탄소 가속화 전략’, ‘AI 데이터센터 구축을 위한 최적화 전력 시스템’ 등 산업 전반의 디지털 전환과 지속가능성 강화를 위한 다양한 기술과 전략이 소개됐다. 슈나이더 일렉트릭 코리아는 "특히 북미 시장 확장 전략 관련하여 표준 및 인증 관련 내용이 많은 참관객의 호응을 얻었다"고 소개했다. 이 날 전시존에서는 장치에 유입되는 과도 이상의 전압으로부터 보호하는 ▲SPD, 절체 시 전기 아크(arc)가 발생하지 않도록 설계된 자동 절체 스위치 ▲ATS(Automatic Transfer Switch), 디지털 기술 기반의 순수 공기 절연 및 친환경 컴팩트 고압 배전반 ▲SM AirSeT 등 전력 품질이 핵심적인 산업 환경에 필요한 다양한 데모를 직접 확인할 수 있는 기회가 마련됐다. 슈나이더 일렉트릭 코리아 파워 시스템 사업부의 남정화 본부장은 “이번 이노베이션 데이는 EPC 및 데이터센터 산업 고객들의 고민을 함께 나누고, EPC 기업의 경쟁력을 강화할 수 있는 글로벌 인사이트와 기술 전략을 공유하는 의미 있는 자리였다”면서, “앞으로도 자사의 전기화, 자동화, 디지털화 관련 오랜 경험과 전문성을 기반으로, 다양한 산업 고객이 직면한 어려움을 함께 고민하고 실질적인 해결책을 모색해 나가는 전략적 파트너로서의 역할을 수행하고자 노력할 것”이라고 전했다.