PTC가 한국 지사 설립 33주년을 맞아 제조 산업의 미래를 선도하기 위한 ‘인텔리전트 제품 라이프사이클(Intelligent Product Lifecycle)’ 비전과 AI(인공지능) 전략을 발표했다. 이 전략의 핵심은 설계부터 유지보수에 이르는 제품 수명주기 전반의 데이터를 유기적으로 연결하고, 이를 기반으로 제조산업에서 AI의 효율을 극대화하겠다는 것이다. PTC는 신뢰도 높은 제품 데이터 기반과 주력 설루션에 내재화된 AI 기술로 제조 경쟁력 강화를 돕겠다고 전했다. ■ 정수진 편집장    신뢰도 높은 제품 데이터 기반으로 AI 접목 PTC 코리아의 김도균 대표 겸 본사 부사장은 “PTC는 단순히 CAD나 PLM 설루션을 제공하는 기업을 넘어, ‘인텔리전트 제품 라이프사이클(Intelligent Product Lifecycle)’을 구현하는 기업으로 진화하고 있다”고 소개했다. ‘인텔리전트 제품 라이프사이클’ 비전의 핵심은, 복잡해지는 제조 환경에서 데이터를 체계적으로 관리하고 AI를 적용하여 기업의 실질적인 비즈니스 가치를 창출하는 것이다. 김도균 대표는 “성공적인 AI의 도입과 활용을 위해서는 먼저 ‘신뢰할 수 있는 제품 데이터 파운데이션(Product Data Foundation)’을 구축해야 한다”고 설명했다. 제조산업에서는 AI가 잘못된 정보를 생성(hallucination)하거나 일관성이 부족한 답변을 내놓는 것이 특히 치명적일 수 있다. 이를 막기 위해서 PTC는 설계(CAD), 제품 수명주기 관리(PLM), 애플리케이션 수명주기 관리(ALM), 서비스 수명주기 관리(SLM) 등에서 발생하는 데이터를 구조화하고, 이를 통해 AI가 일관되고 신뢰할 수 있는 답변을 제공할 수 있는 기반을 만드는 것이 최우선 과제라고 보고 있다. PTC 코리아의 이봉기 사업개발담당 마스터는 “제품의 복잡성 증가를 관리하는 것뿐 아니라 이를 경쟁우위로 전환하기 위해서는, 다양한 시스템에 파편화된 채로 존재하는 정형 및 비정형 데이터를 온톨로지(ontology)와 시맨틱(semantic) 모델로 유기적으로 연결해야 한다. 이를 통해서 데이터의 맥락(context)을 확보하고, 유의미한 정보를 얻을 수 있게 된다”고 설명했다.   ▲ 국내 사업 전략을 설명한 PTC 코리아 김도균 대표   제품 수명주기 전반에 걸친 AI 에이전트 이런 비전에 따라 PTC는 제품 데이터 파운데이션 위에 AI 기술을 탑재하여 제품 기획부터 폐기까지 전 과정을 혁신하겠다는 전략을 제시했다. CAD, PLM, ALM, SLM 등 자사의 주요 설루션 라인업에 에이전트의 형식으로 AI 기능을 도입한다는 로드맵도 소개했다. 일부 AI 에이전트는 이미 제공되고 있으며, 올해부터는 여러 AI 에이전트가 본격 추가될 전망이다.   ALM 코드비머(Codebeamer)를 중심으로 하는 ALM 영역에서는 복잡한 요구사항을 관리하고, 소프트웨어의 안전성을 검증하는 데에 생성형 AI를 활용한다. 요구사항 분석 및 규제 검증 : AI가 사용자가 작성한 요구사항을 분석하여 국제 시스템 엔지니어링 표준 위반 여부를 자동으로 판별한다. 규칙을 위반한 경우, AI가 수정 제안을 하거나 예시를 제공하여 규제 대응 시간을 줄일 수 있게 한다. 테스트 케이스 자동 생성 : 요구사항을 선택하면 AI가 이를 검증하기 위한 테스트 조건과 단계를 자동으로 생성해 준다. 또한 기존 테스트 케이스와의 중복 여부를 분석해서 효율적인 테스트 시나리오를 작성할 수 있도록 돕는다.   CAD PTC의 제품 설계 설루션인 크레오(Creo)에는 설계자의 창의성을 돕고 반복 작업을 줄여주는 AI 기능이 탑재되고 있다. 자연어 기반 생성형 설계 : “표면적이나 볼륨을 최적화한 컵을 만들어줘”와 같이 자연어로 명령하면, AI가 최적의 형상을 자동으로 모델링한다. 설계자가 구체적인 치수나 조건을 추가하면 이에 맞춰 형상을 수정한다. 소재 추천 및 심미성 평가 : AI가 설계된 모델의 물성치를 분석하여 적합한 재질을 추천하거나, 인터넷상의 이미지 데이터와 비교해서 디자인 평가 피드백을 제공하고 설계자의 의사결정을 지원한다.   PLM 방대한 엔지니어링 데이터를 관리하는 윈칠(Windchill) PLM에서는 데이터의 재활용성을 높이고 업무 효율을 높이는 데에 AI가 쓰인다. 유사 형상 검색 및 중복 부품 제거 : 단순 텍스트 검색이 아니라, AI가 3D 형상 기반으로 유사한 부품을 찾아내서 비교 테이블을 제공한다. 이를 통해 설계자는 기존 부품을 재활용하여 설계를 변경하거나, 구매 부서에서는 중복 구매를 방지하여 비용을 줄일 수 있다. 문서 인사이트 및 요약 : 챗GPT(ChatGPT)와 비슷한 대화형 인터페이스를 통해 PLM 내부의 방대한 기술 문서를 검색하고 요약할 수 있다. AI는 답변과 함께 근거가 되는 원본 문서의 링크를 함께 제공함으로써 정보의 신뢰성을 보장한다.     제조 데이터 보안 및 개방성 강화 한편, 제조 데이터는 기업의 민감한 기술 정보를 포함하고 있다. 이에 대해 이봉기 마스터는 “보안 및 권한 관리를 위해 역할 기반 정보 필터링을 지원하면서, 중복 제거를 통한 비용 절감, 규제 준수 및 추적성 확보 등 실질적인 비즈니스 가치 창출을 도울 수 있다”고 설명했다. 제조 데이터는 ERP, MES 등 다양한 설루션과의 유기적인 연결이 필수이기도 하다. PTC는 개방성을 중시하면서, 마이크로소프트, AWS, 엔비디아 등 클라우드 기업과의 파트너십을 통해 고객이 SaaS(서비스형 소프트웨어) 환경에서 보안과 성능이 보장된 AI 서비스를 활용하도록 지원할 것이라고 전했다. 이런 전략을 통해 제조 기업이 궁극적으로 제품 출시 기간 단축, 품질 향상, 비용 절감과 같은 실질적인 경영 목표를 달성하도록 돕겠다는 것이다.   국내 사업 확장 및 생태계 확대 전략 PTC 코리아는 33년간 축적한 국내 비즈니스 경험을 바탕으로, 새로운 고부가가치 산업까지 사업 영역을 확장할 계획이라고 전했다. 김도균 대표는 “기존에 강세를 보인 자동차, 전자/하이테크, 산업 기계 분야에서 입지를 굳히는 동시에, 의료 기술, 우주 항공 및 방위 산업으로 시장을 적극 확대할 예정”이라고 밝혔다. 파트너 생태계 강화도 PTC가 중점을 두는 부분이다. 전문 파트너사와 MOU를 체결하여 복잡성이 높은 항공우주, 방위, 의료기기 등 산업군에 특화된 엔지니어링 서비스를 제공하는 한편, 글로벌 SI 기업 및 국내 로컬 파트너와 협력을 통해 한국 제조 기업의 AI 도입 진입 장벽을 낮추고 생태계 전반을 지원하겠다는 것이다. 김도균 대표는 “PTC는 한국 시장의 중요성을 인지하고 영업 및 기술 인력을 지속해서 확충하고 있다. 이외에 대학 및 교육 기관과 협력하여 AI 및 제조 소프트웨어 전문 인재를 양성하는 데에도 투자하고 있다”고 덧붙였다.     ■ 기사 내용은 PDF로도 제공됩니다.

현장에서 얻은 것 No. 25   2026년 1월이다. 우리는 또 한 해를 시작한다. 하지만 이번 새해의 공기는 이전과 다르다. AI 때문이다. AI는 더 이상 ‘다가올 기술’이 아니다. 이미 우리의 일상과 업무, 조직과 산업 한가운데에 들어와 있다. 문제는 이제 이것이다. AI를 쓰고 있는가가 아니라, AI가 실제로 우리 일을 얼마나 대신하고 있는가. 그래서 나는 요즘 이 질문을 자주 던진다. “나의 비서, AI 활용 점수는 몇 점인가?”   ▲ 나노 바나나로 작성한 화이트보드(by 류용효, 클릭하면 큰 이미지로 볼 수 있습니다.)   “중요한 것은 더 많은 일을 하는 것이 아니라, 중요한 일을 하는 것이다.” — 피터 드러커(Peter F. Drucker)   AI는 도구가 아니라 ‘비서’가 되었다 챗GPT(ChatGPT), 제미나이(Gemini), 노트북LM(NotebookLM). 이제는 이름만 들어도 어떤 역할을 하는지 떠올릴 수 있을 만큼 익숙해졌다. 챗GPT는 글쓰기, 사고 정리, 기획 초안을 도와주는 가장 친숙한 동료다. 제미나이는 깊이 있는 리서치와 검증, 시각화에 강점을 보인다. 노트북LM은 수백 개의 문서를 기억하는 전문 비서처럼 기술 문서, 사업 계획서, Q&A를 정리해준다. 이 세 가지를 번갈아 쓰다 보면 한 가지 사실을 분명히 깨닫게 된다. AI의 힘은 단일 도구의 성능이 아니라, 어떻게 역할을 나누고 조합하느냐에 있다. AI는 혼자 쓰는 도구가 아니라, 여러 명의 비서를 거느리는 것과 같은 경험을 제공한다. “우리는 반복적으로 하는 것의 총합이다. 그러므로 탁월함은 행동이 아니라 습관이다.” — 아리스토텔레스(Aristotle)   그런데, 왜 어떤 사람은 잘 쓰고 어떤 사람은 못 쓰는가 현장에서 느끼는 온도차는 분명하다. 같은 AI를 쓰는데도 결과는 전혀 다르다. 어떤 사람에게 AI는 일을 덜어주는 비서가 되고, 어떤 사람에게 AI는 잠깐 써보다 마는 장난감이 된다. 이 차이는 기술 이해도의 문제가 아니다. 사고 방식과 태도의 차이다. AI를 잘 쓰는 사람들은 공통점이 있다. 그들은 AI에게 단순히 결과물을 요구하지 않는다. 먼저 문제를 함께 정의하고, 왜 이 일을 해야 하는지부터 정리한다. 그들은 자기만의 원천을 가지고 있다. 현장 경험, 실패의 기록, 축적된 생각과 데이터. AI는 그것을 정리하고 증폭시키는 역할을 한다. 그리고 무엇보다, 한 번에 끝내려 하지 않는다. 여러 AI를 오가며 비교하고, 다듬고, 다시 묻는다. AI를 ‘정답 생성기’가 아니라 사고 파트너로 대한다. AI는 생각 없는 사람을 구원하지 않는다. 그러나 생각하는 사람에게는 강력한 무기가 된다. “행동은 모든 성공의 기초 열쇠다.” — 파블로 피카소(Pablo Picasso)   기업과 학계, 질문을 바꿀 때다 2026년을 맞이한 지금, 기업과 학계가 던져야 할 질문은 더 이상 “AI를 도입할 것인가”가 아니다. 이제 질문은 이렇게 바뀌어야 한다. “AI가 우리 업무와 프로세스에 어디까지 스며들었는가?”, “AI가 실제로 사람의 시간을 되돌려주고 있는가?” 제조 현장을 돌아보면 이 변화는 더 명확하다. 지난 5년간 우리는 디지털 트윈과 스마트 공장을 이야기해왔다. 그 흐름은 자연스럽게 제조 AI로 이어지고 있다. 그리고 그 다음 단계는 이미 보이기 시작했다. 제조 AI에서 물리 AI(Physical AI)로, 물리 AI에서 체화 AI(Embodied AI)로. AI는 이제 보고서를 쓰는 손을 넘어 공장을 판단하고, 설비를 제어하고, 제품 속으로 들어가고 있다. 2026년의 경쟁력은 ‘AI를 쓴다’는 선언이 아니라, AI가 일의 구조를 얼마나 바꿨는가로 결정된다. “도구는 생각을 대신하지 않는다. 다만 생각의 범위를 넓힌다.” — 더글러스 엥겔바트(Douglas Engelbart), 마우스의 발명가   AI 활용 점수는 이벤트로 오르지 않는다 많은 기업이 AI 해커톤을 연다. 파일럿 프로젝트를 진행하고, 컨설팅을 받는다. 그러나 현장에서는 이런 장면도 자주 목격된다. 발표는 화려했지만, 일하는 방식은 그대로 PoC는 있었지만, 프로세스로 이어지지 못한 사례 AI는 남았지만, 습관은 바뀌지 않았다. AI 활용 점수는 이벤트로 오르지 않는다. 일하는 방식이 바뀔 때만 오른다. 누가 문제를 정의하는가? 누가 AI를 매일 쓰는가? 결과물이 축적되는가? 다음 사람이 이어서 쓸 수 있는가? 이 질문에 답하지 못하면 AI는 언제든 사라질 수 있다.   AI는 결국 사람을 비춘다 AI를 오래 쓰다 보면 흥미로운 사실을 깨닫게 된다. AI는 점점 더 사람의 본질을 드러낸다는 점이다. 정리하는 사람은 더 정리하게 되고, 기록하는 사람은 더 많이 남기게 되며, 도망치던 사람은 더 빨리 한계를 마주한다. AI는 거울이다. 그리고 2026년, 그 거울은 점점 더 선명해질 것이다.   2026년을 맞이하는 당신에게 이 글을 읽는 당신이 기업의 임원이든, 연구자든, 실무자든 상관없다. 딱 하나만 스스로에게 물어보면 된다. ‘AI 덕분에 나는 지금, 작년보다 더 중요한 일을 하고 있는가?’ 만약 그렇다면, 당신의 AI 활용 점수는 이미 합격이다. 만약 아니라면, 지금이 가장 빠른 출발선이다. AI는 아직 우리를 대체하지 않았다. 하지만 준비되지 않은 사람을 기다려주지도 않는다. 2026년, AI는 이미 당신의 비서가 될 준비를 마쳤다. 이제 남은 질문은 하나다. ‘당신은 그 비서를 어떻게 쓸 것인가.’   ■ 참고 이번 호의 칼럼은 개인의 경험뿐 아니라 AI와 기술, 일의 미래에 대해 치열하게 고민하고 공유해 온 분들의 글과 문제의식에서 많은 자극을 받았다.전종홍, 홍순성, 김지현, 정진호, 황명하, 이재현.각자의 자리에서 던진 질문과 통찰은 2026년을 바라보는 이 글의 중요한 배경이 되었다.   ■ 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.        

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.  

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.

생성형 AI를 활용한 건축 분야 이미지 렌더링   생성형 AI(generative AI)는 텍스트와 이미지를 넘어 영상 제작까지 건축 시각화의 혁명을 일으키며, 누구나 쉽게 고품질 결과물을 만드는 ‘뉴노멀 시대’를 열었다. 기술의 보편화로 커뮤니케이션 방식은 혁신적으로 변화했지만, 결과물의 구조적·기능적 타당성을 검증하고 윤리적으로 활용하는 건축가의 비판적 사고와 주도적 역할은 여전히 필수이다.   ■  양승규 캐드앤그래픽스 전문 필진으로, MOT를 공부하며 엔지니어와 직장인으로 살아가는 방법에 대해 탐구한다. 건축과 CAD를 좋아한다. 홈페이지 | yangkoon.com   시작하며 얼마전 서울시 여의도공원에 건립 예정인 (가칭)제2세종문화회관 건립 설계 공모 당선작이 발표되었다. 2023년 5월 디자인 공모를 시작으로 진행된 긴 여정이 종합건축사사무소 디자인캠프 문박 디엠피(dmp)의 계획안을 당선작으로 선정하며 마무리되었다. 관람자의 입장에서 여의도광장에 위치하는 대규모 공공 문화 시설을 어떠한 형태와 배치로 풀어냈는지 보는 재미도 있었다. 설계 공모 당선작 발표 과정에서 눈에 띄는 것은 당연히 계획안의 디자인이겠지만, 필자에게는 계획안을 표현한 투시도가 인상 깊었다. 지어진 건물의 주변 일상을 담은 거의 실사와 유사한(사진인 듯한) 투시도였다. 계절의 변화, 시간의 변화, 바라보는 위치의 변화에 따라 주변 실사에 투사된 이미지는 거의 현실처럼 보였다. 생성형 AI 기술이 발전되면서 실제와 가짜(fake)의 구분이 모호해졌다. 일반인이 쉽게 실제와 가짜의 경계에서 줄타기하는 결과물을 뽑아내는 시기에 프로들은 그 줄 넘어의 견고한 결과물을 만들어 내고 있다. 일반인이지만 얼리어답터들은 또 그것을 따라가고 있고. 이러한 시기에 dmp의 계획안 투시도는 건축 투시도가 어떠한 방향으로 가고 있는가를 보여준 사례라고 할 수 있겠다.   그림 1. 출처 : https://project.seoul.go.kr   그림 2. 출처 : https://project.seoul.go.kr   전통적 렌더링의 한계와 도전 건축 렌더링 작업은 오랫동안 전문가의 영역으로 여겨져 왔다. 빛과 그림자의 각도와 강도를 조절하고, 재료의 질감을 표현하며, 카메라와 타깃의 위치, 화면 비율, 카메라 렌즈를 정밀하게 제어하는 일련의 과정은 수개월 이상의 학습이 필요하며, 실제 프로젝트에서도 원하는 이미지를 얻어 내기 위해서는 많은 시행착오가 필요하다. 렌더링 작업의 복잡성은 단순히 소프트웨어 조작 능력을 넘어선다. 사진작가처럼 빛의 성질을 이해해야 하고, 3D 아티스트처럼 재질의 물리적 속성을 파악해야 하며, 영화 감독처럼 구도와 시점을 결정해야 한다. 하나의 프로젝트를 위해 수십 번의 테스트 렌더링을 실행하고, 각 렌더링마다 몇 시간씩 기다리는 것은 일상적인 풍경이었다. 브이레이(VRay), 루미온(Lumion)과 같은 전문 렌더링 소프트웨어를 능숙하게 다루기 위해서는 상당한 시간과 노력을 투자해야 했다. 학습을 통해 렌더를 돌릴 수 있게 되더라도, 실제 프로젝트에 사용할 정도의 수준에 도달하려면 수 년간의 실무 경험이 요구되었다. 필자가 대학에서 건축을 배우던 시절에는 렌더링 이미지를 잘 뽑는 순서대로 건축 설계를 잘한다는 말이 있을 정도였다. 이러한 높은 진입 장벽은 많은 건축가와 디자이너에게 렌더링은 어떤 느낌의 이미지가 나오는지 테스트하는 정도에 머물렀고, 그 이상은 외주 전문 업체에 의존하게 만들었다. 여기에는 비용 증가와 커뮤니케이션의 지연, 디자인 의도의 완벽한 전달의 한계라는 문제가 존재했다. 더욱이 렌더링 소프트웨어의 라이선스 비용은 소규모 스튜디오나 학생들에게 부담으로 작용했다. 전문가용 소프트웨어를 구동하기 위한 고성능 하드웨어 구입 비용까지 고려하면 진입 장벽은 더욱 높았다. 결과적으로 프로 수준의 건축 시각화는 자본과 기술을 갖춘 일부 전문가들의 영역이었다.   생성형 AI의 등장 생성형 AI의 등장은 이러한 풍경을 완전히 바꾸어 놓았다. 전 국민의 카톡 프로필 사진을 점령했던 챗GPT(ChatGPT)의 지브리 풍 프로필 이미지는 이전에 챗GPT를 사용해 보지 않은 이들을 유입시켰고, 기존 사용자에게는 유료화 전환을 이끌어냈다.(과금한 만큼 좋은 이미지가 나왔다.)  2025년 3월에 출시된 GPT-4o의 이미지 생성 기술은 건축 시각화의 접근 방식을 근본적으로 재정의했다고 할 수 있겠다. 너도나도 프로필 사진을 찍어내던 시기에 얼리어답터들은 다양한 건축적 실험을 통해 건축 이미지 생성의 다양한 방법을 제시하기 시작했다.   그림 3   그림 4   그림 5   그림 6   초기에는 다양한 실험과 건축 스케치를 보완하는 보조 도구로 시작했지만, 불과 몇 달 만에 새로운 디자인 결과를 뽑아내는 강력한 도구로 자리잡았다. 물론 이전에도 AI를 활용한 렌더링 기술은 존재했지만, GPT-4o만큼의 파급력은 없었다. 생성형 AI의 가장 혁명적인 측면은 전문 지식 없이도 고품질 이미지를 생성할 수 있다는 점이다. 간단한 손 스케치나 스터디 모형 사진을 업로드하고 단 한 줄의 텍스트를 입력하는 것만으로도, 과거라면 며칠이 걸렸을 전문가 수준의 렌더링 이미지를 몇 분 안에 얻을 수 있게 된 것이다. 이는 단순히 작업 속도의 향상을 넘어, 디자인 프로세스 자체의 변화를 의미한다. 과거에는 한 번의 고화질 렌더링에 많은 시간과 비용이 소요되기 때문에, 여러 대안을 시각적으로 비교하는 것에 제약이 있었다. 하지만 생성형 AI는 이러한 제약을 제거했다. 이제 건축가, 디자이너는 수십 개의 디자인 대안을 거의 동시에 시각화하고, 실시간으로 비교하며, 대안들 사이에서 최적의 방향을 선택할 수 있게 되었다.   ■ 자세한 기사 내용은 PDF로 제공됩니다.

독일의 PLM 기업인 콘택트 소프트웨어가 자사의 PLM 기술을 소개하는 ‘콘택트 엘리멘츠 라이브 투어 아시아 2025(CONTACT Elements LIVE Tour Asia 2025)’를 진행했다. 지난 11월 13일 서울에서 열린 한국 행사에서는 국내 파트너인 세원에스텍, 슬렉슨(SLEXN)과 함께 PLM 플랫폼인 콘택트 엘리먼츠(CONTACT Elements)를 통해 국내 기업의 디지털 전환을 가속화하겠다는 전략을 소개했다. ■ 정수진 편집장     엔지니어링 생산성 극대화하는 PLM 기술 제공 지난 1990년에 설립된 콘택트 소프트웨어는 모듈형 아키텍처와 개방성을 특징으로 하며, 특히 AI 혁신을 활용하여 제품 개발, 엔지니어링 변경 관리, 제조 및 의사 결정 프로세스를 경영진부터 생산 현장까지 통합하고 최적화하는 데에 초점을 맞추고 있다. 또한 AI 기술을 통해 데이터 사일로 문제 해결과 엔지니어링 생산성을 높이고, 지능형 레이어를 통해 미래 지향적인 스마트 산업 AI 설루션을 제공할 계획이다. 콘택트 소프트웨어 코리아 이상훈 한국영업대표는 “현재 전 세계에서 약 600명의 직원이 근무하고 있으며, 매년 매출의 27%를 연구개발(R&D)에 투자한다. 전 세계 42개국, 2000여 개 고객사에서 15만 명 이상의 사용자가 콘택트 소프트웨어의 설루션을 활용 중이다. 사용자층은 자동차나 기계 같은 전통적인 제조 분야뿐만 아니라 조선, 석유, 바이오, 식음료 등 다양한 산업군을 아우른다”고 소개했다. 콘택트 소프트웨어가 소개하는 자사의 핵심 미션은 ‘협동(collaboration)을 강화하는 설루션을 통해 실용적인 기술을 고객에게 제공하는 것’이다. 이를 위해 ▲ 필요한 기능만 선택해서 커스터마이징할 수 있고, 동일한 기술 스택을 기반으로 업데이트와 유지보수가 쉬운 모듈 구성 ▲파이썬(Python) 기반의 소스 코드 전체를 사용자에게 제공하고, API(애플리케이션 프로그래밍 인터페이스)를 개방해서 비즈니스 환경에 맞춰 시스템을 개선할 수 있는 개방성 ▲직관적이고 간편한 UI(사용자 인터페이스)를 제공해서 접근성을 높인 사용자 편의성 등을 차별점으로 내세운다.   경영진부터 생산 현장까지 디지털 스레드로 연결 콘택트 소프트웨어의 칼 하인츠 자크리스(Karl Heinz Zachries) CEO는 기업이 직면한 글로벌 경쟁과 공급망 이슈를 해결할 열쇠로 ‘디지털화’를 제시하면서, 콘택트 엘리먼츠 플랫폼이 이를 빠르게 구현하도록 돕는다고 설명했다. 콘택트 엘리먼츠는 ‘경영진부터 생산 현장까지’ 아우르는 연결성을 특징으로 한다. 영업, 설계, 구매, 생산 등 기업 내 모든 부서를 통합하는 엔드 투 엔드 프로세스를 지원한다는 것이다. 자크리스 CEO는 “이를 통해 제품 기획부터 폐기 및 재활용에 이르는 ‘디지털 스레드(digital thread)’를 강화한다”고 설명했다. 이렇게 구현된 디지털 스레드는 특히 데이터가 부서별로 단절되는 사일로(silo) 문제를 해결할 수 있다. 전체 제품 수명주기에 걸쳐 하나의 제품 구조를 가진 ‘단일 정보원(single source of truth)’을 제공함으로써 정보 검색 시간을 줄이고 IT 환경을 단순화한다는 것이다. 또한 PLM, MES, ERP 등 주요 기업 소프트웨어를 유기적으로 연결하고, ERP와 양방향으로 동기화해 디지털 제품 수명주기 관리를 지원한다는 점을 장점으로 내세운다. 콘택트 엘리먼츠는 효율을 높이기 위한 기능도 제공한다. 새로운 요구사항을 유연하게 반영하는 ‘애자일(agile)’ 엔지니어링 환경을 제공하며, ‘스마트 변경’ 기능을 통해 엔지니어링 변경 이력을 투명하게 추적하고 관리한다. 3D 모델 통합과 실시간 협업 도구는 팀워크를 강화해주며, 지능형 BOM(자재명세서) 생성과 자동화된 워크플로는 생산 계획을 원활하게 돕는다. 이런 특징을 바탕으로 엔지니어링 생산성을 큰 폭으로 높일 수 있다는 것이 콘택트 소프트웨어의 설명이다.   산업용 AI의 표준을 제시하는 ‘푸리에 AI ’이번 행사에서 콘택트 소프트웨어는 파이썬 기반의 개방형 아키텍처라는 특징을 살려 AI 기술을 모든 모듈에 유연하게 통합할 것이라고 전했다. 콘택트 엘리먼츠 플랫폼 위에 구축된 지능형 레이어인 ‘콘택트 푸리에 AI(Contact Fourier AI)’는 엔지니어링 및 제조 분야에 특화된 AI 기능을 제공한다. 2026년 초 첫 버전이 선보일 푸리에 AI는 LLM(대규모 언어 모델), 생성형 AI, 3D 기하학적 딥러닝 등 다양한 멀티모달 AI를 엔지니어링 프로세스에 지원한다. 통합 플랫폼 상단의 지능형 레이어를 통해 제미나이(Gemini)나 챗GPT(ChatGPT)와 같은 최신 모델 중 가장 정확한 것을 자동으로 선택해 통합 기능을 제공한다. 콘택트 소프트웨어의 란돌프 세그푸(Randolf Szegfü) 설루션 건설팅 총괄은 “또한 구성 가능한(composable) 아키텍처를 통해 AI가 시스템 내 정보의 맥락을 이해하도록 했다. 덕분에 문서 요약 같은 기능을 프로젝트 관리나 BOM 관리 등 다른 영역에서도 재사용할 수 있다”고 설명했다. 푸리에 AI의 주요 기능으로는 AI 비서를 통한 신속한 정보 수집과 의사결정 지원, 경영진부터 생산 현장까지 아우르는 엔드 투 엔드 영향 분석이 있다. 향후에는 자연어로 제품 변경에 따른 탄소 발자국이나 비용 영향을 분석하고, 워크플로를 자동 실행하는 기능도 구현될 예정이다. 수동 입력 대신 CAD 모델이나 BOM 구조를 자동으로 생성하거나, 3D 형상 검색으로 정보를 빠르게 찾는 기능도 지원한다. 산업 현장 적용을 위한 보안성도 강화했다. 고객의 지적 재산(IP)이 외부 AI 훈련에 유출되지 않도록 보호하며, 기업 내 사용자 권한을 철저히 준수한다. 세그푸 총괄은 “AI의 고질적인 문제인 환각(hallucination) 현상을 방지하고, 데이터가 없을 경우 모른다고 답하는 등 사실 기반의 신뢰성 높은 지원을 보장한다”고 전했다.     ■ 기사 내용은 PDF로도 제공됩니다.

캐드앤그래픽스 지식방송 CNG TV 지상 중계   CNG TV는 10월 22일 ‘고가의 GPU 없이도 최대 VRAM 96GB 작업 가능, HP Z AI 워크스테이션 및 사용기 소개’를 주제로, 강력한 미니 워크스테이션’을 표방한 HP Z2 미니 G1A(HP Z2 Mini G1A)를 소개하는 시간을 마련했다. AI와 디지털 콘텐츠 작업을 하고 있거나 시작하려는 기업·개인에게 G1A는 현실적인 대안이 될 것으로 기대된다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 왼쪽부터 캐드앤그래픽스 박경수 이사, HP코리아 차성호 이사, 마루인터내셔널 배현수 부장   미니지만 96GB VRAM… ‘새로운 가성비 워크스테이션’ HP코리아 차성호 이사는 워크스테이션은 “단순 고성능 PC가 아니라, R&D·엔지니어링에서 무거운 애플리케이션을 장시간 안정적으로 돌리기 위해 설계된 장비”라고 정의했다. Z2 미니 G1A는 AMD 라이젠 AI 맥스 프로(Ryzen AI Max Pro) 기반 16코어 CPU, 통합형 CPU·GPU 구조를 채택해 지연 시간을 줄이고, 128GB 통합 메모리 중 최대 96GB를 VRAM으로 할당할 수 있는 것이 핵심이다. 기존에 96GB VRAM을 구성하려면 RTX 6000급 GPU 두 장이 필요했고, GPU 비용만 수천만 원이 들었다. Z2 미니는 이와 비슷한 메모리 용량을 훨씬 적은 비용으로 활용할 수 있어 기존에는 메모리 부족 때문에 시도조차 어려웠던 워크플로를 가능하게 하는 장비라는 설명이다. 폼팩터는 300W 파워 내장 미니 박스 형태로 책상 위·아래, 모니터 뒤, 랙 장착 등 다양한 설치가 가능하며, 팬·성능 모드를 선택해 저소음/성능/랙 환경에 맞게 튜닝할 수 있다. 타깃으로는 3D 모델링, 렌더링, 콘텐츠 제작, AI·LLM 개발, 데이 터 사이언스 등이 제시됐다. 차성호 이사는 “이 제품은 96GB VRAM을 통해 기존에는 메모리 한계 때문에 불가능했던 워크플로를 가능하게 만드는 새로운 형태의 미니 워크스테이션”이라고 말했다.   DCC·CAD·LLM까지… 실사용으로 본 성능과 활용성 마루인터내셔널 배현수 부장은 Z2 미니 G1A(AMD 라이젠 AI 맥스 프로 395, RAM 64GB)로 DCC·CAD·LLM·AI 이미지까지 실제 업무에 가까운 테스트를 진행한 사례를 발표했다. 시네벤치(Cinebench) 멀티코어 벤치마크에서는 애플의 M1 울트라보다 높은 점수가 나와 “생각보다 훨씬 강력한 성능”이라고 평가했다. 시네마 4D(Cinema 4D)에서는 약 2만 5000개 파트, 3100만개 폴리곤 규모의 CAD 기반 신을 무리 없이 조작했고, 레드시프트(Redshift) 및 브이레이(V-Ray) CPU 렌더에서도 대용량 신을 안정적으로 처리했다. 지브러시(ZBrush)에서는 1억 1000만개 폴리곤 모델도 부드럽게 다뤄, 대용량 메시에 강점을 보였다. 아이언캐드(IronCAD) 대형 어셈블리(2만 1800개 부품, 860MB 크기) 테스트에서는 RTX 2060 노트북과 비슷한 뷰포트 성능을 보여, CAD 엔지니어가 “이 작은 장비에서 이 정도 퍼포먼스가 나올 줄 몰랐다”며 놀랐다는 후기도 전했다. LLM 측면에서는 LM 스튜디오(LM Studio)로 20B급 모델을 로컬에서 구동해 실사용 감각을 확인했고, 올라마(Ollama) 기반 라마 모델로 한글 Q&A도 테스트했다. 배 부장은 “외부 챗GPT(ChatGPT)를 쓰기 어려운 보안 환경에서 로컬 LLM 실험용 장비로 충분히 의미가 있다”고 강조했다. 콤피UI(ComfyUI)를 통한 스테이블 디퓨전(Stable Diffusion)도 설정 변경 후 동작을 확인해, 로컬 AI 이미지 실험 환경으로서 가능성을 보여줬다.      ■ 기사 내용은 PDF로도 제공됩니다.

트렌드에서 얻은 것 No. 26   “AI는 본질적으로 공백이다. 우리는 그 공백에 의미와 목적을 부여하는 창조적 존재다.” – 에두아르도 갈레아노   산업의 엔진에서 문명의 엔진으로 석유가 산업혁명의 연료였다면, 데이터는 디지털 경제의 자원이었다. 그리고 지금, GPU는 지능 문명의 엔진이 되었다. 한때 기업의 경쟁력은 데이터를 얼마나 모으느냐에 달려 있었다. 하지만 이제는 데이터를 얼마나 ‘생각하게 만들수 있느냐’로 옮겨가고 있다. 인공지능의 학습, 추론, 자율 판단은 결국 연산력의 문제이며, 그 중심에는 GPU가 있다. 엔비디아가 공급하는 26만 장의 GPU는 단순한 부품이 아니다. 그것은 지능을 생산하는 공장, 즉 ‘AI 팩토리’의 심장이다. 한 국가가 26만 장의 GPU를 보유한다는 것은, 26만 개의 인공 두뇌가 실시간으로 사고하며 미래를 시뮬레이션할 수 있다는 뜻이다. 더 이상 인간의 직관이나 경험이 아니라, 지능의 연산 인프라가 국가 경쟁력을 좌우하는 시대가 도래한 것이다. 이제 국가의 부는 토지나 석유가 아니라, GPU와 알고리즘으로 측정된다. 산업혁명기의 증기기관이 인간의 근육을 대체했다면, GPU 혁명은 인간의 사고를 대체하고 있다. 그것은 단순한 기술 진보가 아니라, 문명의 구조 변화를 알리는 신호다. “컴퓨팅의 목적은 숫자가 아니라 통찰이다.” – 리처드 해밍   ▲ 시사 맵 : 데이터가 산업이었다면 GPU는 문명이다(Map by 류용효) (클릭하면 큰 이미지로 볼 수 있습니다.)   GPU가 바꾸는 세 가지 지형 첫째, 경제의 지형으로 자본은 연산으로 이동한다. 과거 산업의 핵심 자본은 공장, 기계, 부동산이었다. 그러나 AI 시대의 공장은 ‘데이터센터’이며, 그 기계는 GPU다. 기업의 성패는 더 이상 인재의 수가 아니라, 초대규모 모델을 학습할 수 있는 연산 자본에 달려 있다. 예컨대 챗GPT(ChatGPT)를 운영하는 오픈AI(OpenAI)는 수천억 개의 파라미터를 학습하기 위해 수십만 장의 GPU를 사용한다. 이때 GPU 한 장은 고급 인재 1000명의 사고 속도에 해당한다. 즉, 자본은 인간 노동에서 연산력으로 이주하고 있는 것이다. 이 변화는 단순한 기술 경쟁이 아니라 ‘연산력 자본주의(compute capitalism)’의 출현이다. 누가 더 빠르게 생각하느냐가 아니라, 누가 더 깊고 넓게 연산하느냐가 기업의 가치를 결정한다. 둘째, 권력의 지형으로 데이터의 시대에서 연산의 시대로. 데이터가 21세기의 석유라면, GPU는 그 석유를 정제하는 정유공장이다. 데이터는 많지만, 그것을 이해하고 변환하며 새로운 지식을 창출하는 능력은 GPU를 통해서만 가능하다. 따라서 정보의 힘은 점차 데이터 소유자에서 연산력 보유자로 이동하고 있다. 국가 간 경쟁도 이 원리에 따라 재편된다. 미국과 중국의 AI 경쟁은 결국 GPU 확보 경쟁이며, 유럽연합이 AI 전략을 국가 안보 사안으로 다루는 이유도 여기에 있다. ‘지능 주권(intelligence sovereignty)’이라는 개념이 등장하고 있다. 이는 단순히 기술을 보유하느냐의 문제가 아니라, 국가의 사고 능력을 자립적으로 유지할 수 있느냐의 문제다. AI 시대의 외교는 더 이상 무기나 무역이 아니라, GPU를 둘러싼 ‘지능 공급망’의 문제로 변하고 있다. 셋째, 문명의 지형이다. 인간이 정보를 다루던 시대의 종말을 예감한다. 우리는 오랫동안 정보를 ‘가공하고 판단하는 존재’로서 인간을 정의해왔다. 하지만 이제 그 역할을 AI가 수행한다. GPU는 인간의 뇌파를 닮은 병렬 연산 구조를 통해, 사고의 모사를 넘어서 판단의 패턴을 학습하고 있다. 이 변화는 단순히 효율의 문제가 아니다. 인간 중심 문명에서 ‘지능 중심 문명’으로의 이행이다. 지금의 AI는 인간의 언어를 이해할 뿐 아니라, 인간 사회의 의도와 맥락까지 예측한다. 이 말은 곧, 인간이 사고하는 방식 자체가 GPU의 설계 철학에 맞춰 재구성되고 있다는 뜻이다. 결국 우리는 ‘GPU적 사고(GPU thinking)’의 세계로 들어가고 있다. 병렬적, 확률적, 예측적, 그리고 실시간으로 사고하는 문명. 이 문명에서 중요한 것은 느린 통찰이 아니라 연결된 판단의 속도다. “지능의 척도는 변화를 받아들이는 능력이다.” – 알베르트 아인슈타인   GPU 문명의 생태계 - 자율 의사결정의 사회 26만 장의 GPU가 연결된 AI 팩토리를 상상해보자. 국가의 산업, 행정, 국방, 의료, 교육이 모두 실시간으로 시뮬레이션되고 예측되는 사회가 펼쳐진다. 의료에서는 개인 유전체와 생체 데이터가 실시간으로 분석되어, 질병이 발생하기 전에 치료가 시작된다. 국방에서는 센서와 드론이 스스로 판단해 위협을 탐지하고, 지휘체계 없이 작전이 수행된다. 행정에서는 국민의 정책 반응이 AI 모델에 의해 시뮬레이션되어, 시행착오 없는 행정이 가능해진다. 과학 연구에서는 가설 수립과 검증의 전 과정이 GPU 기반의 자동 실험 네트워크로 대체된다. 이 모든 것은 GPU가 단순한 장치가 아니라 ‘사고의 기반 시설(cognitive infrastructure)’로 기능하기 때문이다. GPU는 전력망처럼 사회의 지능 에너지를 공급하며, 각 산업과 분야를 연결하는 문명의 전선(前線)이 된다. “우리는 도구를 만들고, 결국 그 도구가 우리를 다시 만든다.” – 마셜 매클루언   GPU 문명과 인간의 역할 그러나 문명이 진화할수록 인간의 존재 이유에 대한 질문은 더 깊어진다. AI가 판단하고 실행하는 시대에 인간은 무엇을 해야 하는가? GPU 문명은 우리에게 새로운 선택을 요구한다. 지능을 도구로 삼을 것인가, 아니면 지능의 일부로 흡수될 것인가. 기술은 인간의 노동을 대신할 수 있지만, 의미를 대신할 수는 없다. GPU가 사고를 가속화할수록 인간은 ‘왜’라는 질문에 집중해야 한다. 문명의 본질은 도구의 진보가 아니라, 의미의 진화다. GPU가 문명을 재구성할수록 인간은 다시 스스로를 재정의해야 한다. 그것이 ‘AI 시대의 인간성’이자 우리가 GPU 문명 속에서 지켜야 할 마지막 주권이다. “기계는 인간을 닮아가고, 인간은 기계를 닮아간다. 그러나 그 사이의 경계는 언제나 ‘의미’로 구분된다.” – 류용효   맺음말 - 새로운 문명으로의 초대 GPU 문명은 인류에게 또 한 번의 선택을 던지고 있다. 우리는 그것을 두려움의 기술로 볼 수도 있고, 새로운 창조의 플랫폼으로 삼을 수도 있다. 인류의 문명은 늘 도구를 만들고, 그 도구에 의해 다시 만들어졌다. 석유가 산업의 엔진이었다면, 데이터는 경제의 엔진이었고, 이제 GPU는 문명의 엔진이다. 이 거대한 연산의 흐름 속에서, 인간의 역할은 단 하나—의미를 설계하는 존재로 남는 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.

캐드앤그래픽스 지식방송CNG TV 지상 중계   CNG TV는 10월 13일 줌 웨비나에서 ‘BIM과 인공지능 관련 설계혁신연구’를 주제로, 국내외 건축 실무자와 연구자들이 실시간으로 활발한 토론을 진행했다. 이번 웨비나는 한국BIM학회가 주관한 ‘2025 KIBIM International Seminar Series’의 일환으로 진행됐다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자      AI와 BIM이 만난 설계 혁신의 현장 연세대학교 한정민 교수가 사회를 맡은 이날 행사에는 삶것건축사사무소의 양수인 건축가, 그리고 내러티브 아키텍츠의 황남인·김시홍 건축가가 발표자로 참여했다. 이들은 건축 실무 현장에서 AI와 BIM의 융합이 설계 전 과정을 어떻게 변화시키고 있는지를 실제 프로젝트 사례와 연구를 통해 구체적으로 공개했다. 또한 설계 개념의 설정부터 이미지 생성, 3D 모델링, 공사비 산출, 패널 제작까지 이어지는 AI 주도형 설계 파이프라인을 소개하며, “건축가의 역할은 단순히 형태를 만드는 제작자에서 조건과 흐름을 설계하는 조율자로 진화하고 있다”고 강조했다.   도면-CAD/파라메트릭을 넘어 ‘언어·데이터’ 기반 판단의 시대 첫 번째 발표를 맡은 내러티브 아키텍츠의 황남인 건축가와 김시홍 건축가는 ‘노이즈와 디노이즈(Noise & Denoise)’를 주제로 AI를 활용한 건축 설계 접근법을 소개했다. 이들은 건축 설계 방식의 세 가지 전환점을 제시했다. ▲도면의 등장으로 양식을 기록하고 재현하던 시대 ▲CAD와 파라메트릭 디자인의 도입으로 설계 차원을 확장하던 시대를 거쳐 ▲현재는 AI를 통해 언어적 조건과 데이터 기반 판단이 이루어지는 새로운 시대로 진입했다는 것이다.   ▲ 내러티브 아키텍츠의 황남인 건축가   내러티브 아키텍츠는 “AI는 단순한 도구의 교체가 아니라 건축을 사고하고 말하는 방식 자체를 갱신하는 존재”라고 규정하며, “건축가는 앞으로 수많은 이미지와 해석 사이를 오가며 흐름을 조율하고 조건을 설계하는 역할을 하게 될 것”이라고 말했다. 이들은 2023년 정부 발주 설계 공모에서 챗GPT(ChatGPT)와 이미지 생성 AI에 전 과정의 주도권을 맡기는 실험을 진행했다. 공모 지침을 LLM에 입력해 핵심 콘셉트를 도출하고, 자동화된 계획과 텍스트 조건화를 결합하여 설계 개념을 구체화했으며, 콘셉트 이미지와 설명 텍스트 등 제출 패널의 대부분을 AI로 제작했다. 다만 AI는 정규분포의 평균에 가까운 답을 빠르게 제시하지만, 본질적으로 유동성과 불완전성을 지닌다는 점을 지적하며, 이에 대응하기 위해 개념어×형태어의 프롬프트 체계를 정교화해 일관된 경향성을 확보하고, 비선형 다중 대안 탐색이 가능한 설계 프로세스로 전환할 필요성을 제안했다. 황남인 건축가는 “AI는 데이터 속 불필요한 노이즈를 제거하면서 동시에 새로운 아이디어의 흔적을 남긴다. 그 과정이 바로 창작의 확장이다”라고 강조했다. 김시홍 건축가는 “디지털 설계의 본질은 완벽함보다 가능성에 있다. AI는 데이터와 감성 사이의 균형을 조율하는 새로운 도구”라고 설명했다.   ▲ 내러티브 아키텍츠의 김시홍 건축가   마우스 없는 디자인, 언어로 구현하는 설계 실험 삶것건축사사무소의 양수인 건축가는 ‘말(로)하는 건축가’ 프로젝트를 통해 ‘마우스리스 디자인(Mouseless Design)’ 실험을 공개했다. 그는 상용 AI만을 활용해 설계 과정 자체를 혁신한 사례를 소개하며, “설계 초반의 정보 구조화와 제약 관리 자동화가 가장 큰 성과였다”고 밝혔다. 그는 챗GPT와 클로드(Claude)로 설계 요강을 분석하고 관계 매트릭스와 버블 다이어그램을 자동화했으며, 클로드가 작성한 기획서를 바탕으로 관계 가중치·그루핑·고정영역·면적 검증 기능을 갖춘 전용 툴을 직접 생성했다. 이어 매터(Matter) 물리엔진과 IK 체인(Inverse Kinematics)을 활용해 복도 없는 유동적 공간 배치와 자동 동선 형성을 실험했다. 또한 JSON → 라이노/레빗(Revit) 연동과 MCP(CoPilot) 학습을 통해 음성·텍스트 지시로 모델링을 제어하는 실험을 진행했다. 그 결과, 벽과 지붕 생성, 창·문·가구 배치, 지붕 기울기 조정, 수영장 수심 분기 등 다양한 작업을 자연어 명령만으로 구현하는데 성공했다. 양수인 건축가는 “프롬프트가 설계 인터페이스로 작동할 수 있음을 실무 단계에서 확인했다”고 전하며, “AI는 단순한 보조도구가 아니라 함께 설계하는 지치지 않는 동료이자 커스텀 소프트웨어 제작 파트너”라고 평가했다. 다만 AI의 공간 지각 능력은 여전히 취약하며 복합적 지시에는 세분화가 필요하다는 점을 지적하면서도, “정밀한 사고 언어가 구현 루틴으로 번역되는 ‘맥스 커스터마이제이션(Max Customization)’ 시대가 곧 도래할 것”이라고 전망했다.   ▲ ‘컴퓨팅 파워는 새로운 창의력이다.’라고 소개한 양수인 건축가   누구나 만드는 시대, 중요한 건 의도와 책임 세 발표자는 공통적으로 AI 시대의 건축 대중화와 건축가의 윤리적 책임을 강조했다. 영상과 모델링이 손쉽게 생성되는 시대일수록 ‘무엇을 왜 만드는가’라는 질문이 더욱 중요해진다는 것이다. AI 기술의 확산은 전문 툴 숙련 없이도 설계 패널을 제작할 수 있게 만들지만, 동시에 사회적 맥락과 윤리적 지향점을 건축 설계에 반영하는 책임은 더욱 커진다. 특히 텍스트 기반의 프롬프트 언어가 도시와 사회의 담론을 담는 매개가 되고 있는 만큼, 언어를 다루는 능력과 담론 설계 역량이 건축가의 핵심 경쟁력으로 부상하고 있다. 한정민 교수는 마무리 인사에서 “연구 중심의 담론을 넘어 실제 설계 현장에 적용된 구체적 사례를 공유한 유익한 시간이었다”며, “AI와 BIM이 결합된 설계 혁신은 앞으로 건축의 표준 프로세스로 자리 잡을 것”이라고 총평했다.     ■ 기사 내용은 PDF로도 제공됩니다.

한국후지필름비즈니스이노베이션(이하 한국후지필름BI)이 지난 9월 18일부터 9월 30일까지 20대부터 50대 직장인 1180명을 대상으로 실시한 ‘직장인 AI·AX 설루션 인식 조사’ 결과를 발표했다. 이번 조사는 AI 기술이 업무 현장에 어떤 방식으로 도입·활용되고 있는지와 이에 대한 직장인들의 인식을 알아보기 위해 실시됐다. 조사에 따르면 응답자의 66%가 현재 업무에서 인공지능(AI) 툴을 활용하고 있다고 답했다. 이는 직장인 3명 중 2명이 AI를 업무에 도입해 사용 중임을 의미하며, AI 기술이 빠르게 직장 내 업무 환경 전반으로 확산되고 있음을 보여준다. 가장 많이 사용되는 AI 툴(복수응답)은 챗지피티(ChatGPT, 85%)가 압도적인 비중을 차지했으며, 이어 제미나이(Gemini, 36%), 퍼플렉시티(Perplexity, 27%), 마이크로소프트 코파일럿(Microsoft Copiliot, 15%)순으로 나타났다. AI 툴 사용자들은 ‘업무 속도 향상’(70%)과 ‘결과물 품질 개선’(46%)을 주요 만족 요인으로 꼽았다. 반면, 응답자의 절반 가까이(48%)는 “효율은 높아졌지만 정확도와 의존성 문제도 경험했다”고 답했으며, ‘개인정보·영업비밀 유출 위험’(47%)과 ‘답변의 편향성·공정성 문제’(44%) 역시 주요 우려 요인으로 지적됐다. 이는 기업에서의 AI 툴 활용 확산의 지속을 위해선 보안과 신뢰성 확보가 뒷받침되어야 함을 보여준다. 한편, AI 툴을 사용하지 않는 직장인 중 절반은 ‘회사 차원의 지원 부재’(48%)를 비사용 이유로 꼽았다. 이들 중 향후 AI 툴 도입 의향이 있는 응답자들은 ‘회사 계정·툴 제공’(69%)과 ‘교육 및 가이드 제공’(57%)을 필요 요소로 선택해, AI 확산의 관건이 개인 역량보다 조직적 인프라와 정책 정비에 있음을 시사했다. 조직 차원의 AI 툴 도입 현황을 묻는 질문에서는 ‘아직 도입하지 않았다’는 응답이 47%로 가장 높았으며, 도입의 주요 장벽으로는 ‘데이터 보안 및 관리 문제’(37%)가 꼽혔다. 이는 개인뿐 아니라 조직 차원에서도 보안에 대한 우려가 AI 도입을 주저하게 만드는 핵심 요인으로 작용하고 있음을 보여준다. 결국 AI 도입의 핵심 과제는 보안이며, 디지털 전환(DX)과 AI 혁신(AX)의 성공 역시 AI에 대한 신뢰도 확보에 달려 있음을 시사한다. 한국후지필름BI의 하토가이 준 대표는 “이번 조사를 통해 AI가 이미 업무 환경에서 적극 활용되고 있지만, 결과물의 정확도와 보안, 조직 차원의 인프라 부족 등 다양한 과제가 남아있음을 확인했다”며, “앞으로 한국후지필름BI는 AI를 기반으로 협업·자동화 환경을 고도화해 중소기업 시장의 차세대 업무 생태계 구축을 선도해 나갈 것”이라고 말했다.