구스마일(구태한) 지음 / 1만 9000원 / 한빛미디어   평범한 가장에서 27만 구독자를 보유한 유튜버로 거듭난 구스마일(구태한)의 성공 노하우가 담긴 《구스마일의 월 1,000만 원 버는 유튜브 첫걸음 가이드북》이 출간됐다. 이 책은 특별한 기술이나 자본 없이 오직 휴대폰으로 유튜브를 독학해 월 1,000만 원 이상의 수익을 달성한 저자의 검증된 전략을 체계적으로 담아냈다. AI 활용으로 얼굴·목소리 노출 없이 시작하는 유튜브 이 책은 유튜브를 처음 시작하는 초보자도 쉽게 따라 할 수 있도록 AI를 적극적으로 활용하는 방법을 제시한다. 챗GPT를 이용해 콘텐츠 아이디어와 대본을 구상하고, AI 프로그램으로 자막 생성, 컷 편집, 더빙까지 손쉽게 해결하는 노하우를 공개했다. 이를 통해 얼굴이나 목소리를 노출하지 않고도 유튜브 채널 운영이 가능하며, 영상 제작 시간을 획기적으로 단축할 수 있게 했다. 실패를 줄이는 검증된 성공 전략과 마인드셋 이 책은 단순히 기술적인 정보만 나열하는 데 그치지 않는다. 저자가 직접 겪은 실패와 성공 경험을 바탕으로 지속 가능한 채널 운영 방법을 알려준다. 조회수와 같은 단기적인 데이터에 연연하지 않고 꾸준함으로 채널을 성장시키는 마인드셋을 강조했다. 또한, 유튜브 광고 수익 외에 외주 광고, 유튜브 쇼핑 등 다양한 수익 모델을 구축하는 전략적인 접근법도 제시했다. 초보 유튜버를 위한 맞춤형 실전 가이드 이 책은 유튜브 시작을 망설이는 예비 유튜버와 채널 성장 정체기로 고민하는 초보 유튜버에게 실질적인 도움을 제공한다. 저자의 강연 현장에서 나온 생생한 질문과 답변을 담은 '초보 유튜버를 위한 Q&A' 코너와 채널 운영에 관한 추가 조언을 담은 '구스마일의 돈 버는 유튜브 실천 노트'를 수록해 독자들의 궁금증을 시원하게 해소했다.  

오라클이 자사의 데이터베이스 포트폴리오 및 SaaS 애플리케이션 전반에 오픈AI의 GPT-5를 도입했다고 밝혔다. 이번 도입에는 오라클 퓨전 클라우드 애플리케이션(Oracle Fusion Cloud Applications), 오라클 넷스위트(Oracle NetSuite), 오라클 헬스(Oracle Health)와 같은 오라클 인더스트리 애플리케이션(Oracle Industry Applications)이 포함된다. 오라클은 “신뢰할 수 있는 비즈니스 데이터와 최첨단 AI를 결합해 기업 고객이 핵심 비즈니스 워크플로에서 정교한 코딩 및 추론 기능을 기본적으로 활용할 수 있도록 지원한다”고 전했다. GPT-5는 현재까지 공개된 오픈AI의 모델 중 가장 지능적이고, 빠르며 유용한 모델이면서 코드 생성과 편집, 디버깅에 최적화되어 있다. 또한 기업 환경에서 고도화된 에이전트 기능과 정교한 추론 역량을 제공한다. API에서 세 가지 규모로 제공되는 GPT-5는 기업의 다양한 요구사항을 충족시킬 수 있는 유연성과 확장성을 제공하고, 챗GPT 엔터프라이즈(ChatGPT Enterprise)에서도 이용 가능하다. 오라클은 GPT-5를 도입함으로써 비즈니스 프로세스 전반에서 다단계 추론 및 오케스트레이션을 강화하고 코드 생성, 버그 해결, 문서화 속도를 높일 수 있을 것으로 보고 있다. 또한, 비즈니스 인사이트 및 권고 사항의 정확성과 깊이도 강화할 수 있을 전망이다.     오라클의 크리스 라이스 데이터베이스 소프트웨어 개발 부문 수석 부사장은 “오라클 데이터베이스 23ai의 데이터 AI 역량과 GPT-5의 결합은 기업이 획기적인 인사이트를 얻고, 혁신 및 생산성 향상을 달성하는 데 도움을 줄 것”이라면서, “오라클 AI 벡터와 셀렉트 AI(Select AI)가 GPT-5와 결합되면 데이터 검색 및 분석이 더 쉽고 효율적이게 된다. 오라클의 SQLcl MCP 서버는 GPT-5가 오라클 데이터베이스의 데이터에 손쉽게 접근할 수 있도록 한다. 이러한 기능은 사용자가 전체 데이터를 대상으로 검색을 수행하고, 보안성이 확보된 AI 기반 작업을 실행하며, SQL을 통해 생성형 AI를 직접 사용할 수 있도록 지원하여 엔터프라이즈 데이터에서 AI의 잠재력을 극대화한다”고 전했다. 오라클의 미튼 바브사 애플리케이션 개발 부문 수석 부사장은 “GPT-5는 오라클 퓨전 애플리케이션 사용자에게 오픈AI의 정교한 추론과 심층적 사고 역량을 제공할 것”이라면서, “오픈AI의 최신 모델은 고급 자동화와 높은 생산성, 신속한 의사결정을 가능하게 하는 역량으로 더욱 고도화된 AI 에이전트 기반 프로세스를 지원할 수 있을 것”이라고 말했다.

앤시스는 자사의 모든 제품에 AI 기반 시뮬레이션 기능을 확대 적용한 최신 릴리스 ‘앤시스 2025 R2(Ansys 2025 R2)’를 발표했다. 앤시스 2025 R2는 시뮬레이션의 속도와 접근성을 높이는 동시에 강화된 솔버, 간소화된 워크플로, 파이썬(Python) 호환성 확대, 온디맨드 클라우드 컴퓨팅 지원 등을 통해 설계 유연성과 생산성을 높일 수 있게 했다. 또한, 초기 설계 단계에서 스마트한 의사결정을 가능하게 하여 차세대 위성부터 데이터센터 설계까지 다양한 산업 분야에서 실질적인 가치를 제공하는 데에 초점을 맞췄다. AI 기반의 도구와 기능을 통해 시뮬레이션 도입 장벽을 낮추고, 팀 간 협업을 촉진하며, 전사적인 생산성을 향상시켜 더 나은 결과를 창출할 수 있도록 지원하는 것도 특징이다. 앤시스 2025 R2는 AI 기반 가상 어시스턴트인 앤시스 엔지니어링 코파일럿(Ansys Engineering Copilot)을 포함한 다양한 신기능을 통해 시뮬레이션의 접근성과 설계 효율, 정확도를 높인다. 앤시스 엔지니어링 코파일럿은 앤시스 GPT(Ansys GPT), 앤시스 웹사이트, 수천 개의 기술 문서, 800개 이상의 이노베이션 강의, 글로벌 포럼, 지원 케이스 생성/추적 기능에 바로 접근할 수 있다. 앤시스는 마이크로소프트 애저 AI 파운드리와 앤시스 GPT의 통합으로 엔지니어가 핵심 정보에 신속하게 접근하고, 엔지니어링 전문성을 활용할 수 있게 했다. 앤시스 엔지니어링 코파일럿은 앤시스 메카니컬(Ansys Mechanical), 앤시스 디스커버리(Ansys Discovery), 앤시스 플루언트(Ansys Fluent), 앤시스 HFSS(Ansys HFSS), 앤시스 일렉트로닉 데스크톱(AEDT), 앤시스 스케이드 원(Ansys Scade One), 앤시스 스피오스(Speos), 앤시스 맥스웰(Maxwell), 앤시스 옵티스랭(optiSLang), 앤시스 루메리컬(Ansys Lumerical) 등 주요 설루션에 통합되어 있으며, 클릭 한 번으로 축적된 엔지니어링 전문 지식에 대한 즉각적 접근이 가능하다. 앤시스는 “AI 기반의 엔지니어링 코파일럿을 활용하면 HFSS 기반 방사 패턴 시뮬레이션의 연산 속도를 17배 높일 수 있다. 이외에도 위상 배열 안테나의 빔 조향 정확도를 개선해 5G/6G, 레이더 센서, 위성통신 등 고주파 애플리케이션을 최적화할 수 있다”면서, “이러한 기능을 향상된 데이터 처리 및 자동화와 결합함으로써, 기업은 새로운 효율성을 확보하고 보다 간소화되고 확장 가능한 워크플로를 구축할 수 있다”고 설명했다.     앤시스 2025 R2는 복잡한 데이터 처리 및 관리 작업을 간소화함으로써 디지털 엔지니어링의 생산성과 협업 수준을 높인다. 견고한 데이터 관리 체계를 기반으로, 제품 수명주기 전반에 걸쳐 데이터를 최대한 활용하고, AI 모델 학습 및 신뢰성 높은 합성 데이터 생성을 지원한다. 또한, 모델 기반 시스템 엔지니어링(MBSE)의 기능이 한층 강화되어 팀 간 신뢰 기반 협업은 물론, 디지털 연속성과 조직 간 통합된 워크플로 체계를 안정적으로 유지할 수 있다. 파이썬 호환성 확장을 통해 워크플로 자동화와 데이터 관리 유연성이 강화되었으며, 반복 가능한 프로젝트 운영과 품질 향상에 기여하고 있다. 스마트 자동화와 고도화된 데이터 관리 기술은 조직 내 다양한 팀들 간의 유기적이고 효율적인 협업 환경을 구축하고, 고성능 연산 기반으로 도출된 인사이트는 실행 가능한 결과로 제안되어, 정확하고 신속한 의사결정을 지원한다. 뿐만 아니라, 앤시스는 핵심 엔지니어링 역량을 지속적으로 고도화하며, 사용자가 보다 신속하게 시뮬레이션 결과를 도출하고 혁신 기회를 창출할 수 있도록 지원한다고 소개했다.  이러한 가속화는 클라우드 기반 시뮬레이션의 유연성을 통해 한층 강화된다. 앤시스 2025 R2는 클라우드 기술, 고성능 컴퓨팅(HPC), GPU 최적화 인프라를 적극 활용하여 연산 효율과 시뮬레이션 확장성을 강화한다. 앤시스는 “이를 통해 고객은 더 많은 설계 가능성을 더 짧은 시간 안에 탐색할 수 있다. 웹 기반 및 온디맨드 기능 확장을 통해 엔지니어는 필요한 툴에 손쉽게 접근할 수 있으며, 데스크톱 환경을 넘어서는 개발 역량 확보가 가능해졌다”고 전했다. 앤시스의 셰인 엠스윌러(Shane Emswiler) 제품 총괄 수석 부사장은 “앤시스의 시뮬레이션은 물리 기반 설계의 기준점이자 이론과 실험을 연결하는 가교 역할을 해 왔다. 50년 이상의 고급 물리 해석 경험을 바탕으로, 앤시스 2025 R2는 더욱 스마트하고 빠르며 복잡한 시뮬레이션을 구현할 수 있도록 지원한다”면서, “모델·메타데이터·추적성·표준 기반의 데이터 활용을 통해 미래의 혁신적인 제품 개발을 위한 엔지니어링 역량을 강화할 것”이라고 강조했다.

권유라 지음 / 20,000원 / 제이펍   챗GPT로 기획하고, 소라로 제작하고, 브루로 편집한다.  이제 누구나 영상 창작자가 될 수 있는 시대가 열렸다. 챗GPT로 영상 기획과 프롬프트를 생성하고, 소라(Sora)에 프롬프트를 입력하기만 하면 완성도 높은 영상을 제작할 수 있다. 여기에 브루(Vrew)로 컷 편집과 자막을 더하면, 누구나 전문가 못지않은 결과물을 만들어 낼 수 있다. 이 책은 AI 영상 제작 입문자를 위한 체계적인 가이드를 담았다. 챗GPT, 소라, 브루를 처음 접하는 사람도 차근차근 따라 하다 보면 어느새 AI 영상 제작이 가능해진다. 영상 콘텐츠, 이제 쉽고 빠르게 시작해 보자. 1. AI 영상 제작의 A to Z, 한 권으로 짧게 끝내는 진짜 실용서  챗GPT - 소라 - 브루로 이어지는 AI 영상 제작의 전 과정을 한 권에 담았다. 초보자도 프로그램 간 연계 흐름을 자연스럽게 익히고, 직접 다양한 영상을 제작해 보도록 구성했다. 특히 ‘애니메이션’과 ‘유튜브 쇼츠’, 두 가지 실전 프로젝트를 중심으로 프롬프트 작성부터 영상 스타일 유지, 자막 편집까지 전 과정을 꼼꼼하게 다루어 책의 완성도를 높였다. 단순한 사용법을 넘어, 기획부터 편집까지 이 책으로 한 번에 완성할 수 있다. 2. 챗GPT 100% 활용, 프롬프트 작성부터 기획 노하우까지 AI 영상 제작의 핵심은 ‘프롬프트’이다. 이 책은 챗GPT를 활용해 주제, 세부 설정, 스타일 등 소라에 필요한 프롬프트를 체계적으로 기획하고 다듬는 방법을 설명한다. 덕분에 막연했던 아이디어가 구체적인 스토리로 정리되고, 소라로 자신만의 영상 스타일과 메시지를 구현할 수 있다. 따라 하기만 하는 책이 아니다. 작은 아이디어 하나를 시작으로, 스스로 기획하고 영상을 완성하는 능력을 기르는 데 집중한 실전서이다.

이혜정, 윤재현, 엄혜경 / 20,000원 / 애드앤미디어   최근에 새로운 나온 <회사에서 바로 쓰는 AI 치트키>는 직장인의 업무 자동화를 돕기 위한 실용적인 AI 활용 방법에 소개한 책이다. 앞서 이야기했던 프레젠테이션을 비롯해 보고서 작성, 엑셀 작업 등에 필요한 업무에 어떻게 생성형 AI를 활용할 수 있는지 실질적인 활용법을 소개한다. 하지만 많은 직장인들이 "AI를 써야 한다는 건 알겠는데, 어떻게 시작해야 할지 모르겠다"는 고민을 안고 있다. 이 책은 바로 이런 직장인들을 위해 실제 업무 상황에서 즉시 적용할 수 있는 구체적인 활용법을 제시해 준다. 이 책은 Perplexity, ChatGPT, Felo 등 다양한 생성형 AI 도구들을 활용해 문서 작성은 물론 기획서 제작, 데이터 분석, 이미지 생성 등 비즈니스 업무에서 일상적으로 활용할 수 있도록 상세한 프롬프트 예제를 담고 있다. 특히 AI에 대한 이론적인 설명보다는 "오늘 당장 써볼 수 있는" 실용적인 프롬프트와 활용법에 집중해 소개했다. 각 챕터마다 바로 복사해서 사용할 수 있는 프롬프트 템플릿들을 제공함으로써 이 책을 읽자마자 업무에 바로 적용해 볼 수 있도록 구성되어 있다.

개발 및 공급 : 이노쏘비 주요 특징 : 제조 물류 전반에 걸친 시뮬레이터/디지털 트윈/AI 에이전시의 통합 플랫폼, 설계~운영 과정의 최적화 지원, 다양한 제조 운영 시스템과 실시간 연동으로 대용량 데이터를 수집 및 처리, LLM/sLLM을 활용해 직관적인 데이터 분석 및 의사결정 지원 등 사용 환경(OS) : 윈도우 10/11(64비트) 시스템 권장 사양 : 인텔 i5 10세대 이상 또는 AMD 라이젠 5 이상 CPU, 최소 16GB RAM(32GB 권장), 엔비디아 RTX 4060 이상 GPU(AI 기능 사용 시 필요), 30GB 이상 여유 저장공간   최근 제조 기업들은 디지털 트윈 기반의 스마트 공장 도입과 더불어 급속한 디지털 전환(DX)을 위해 노력하고 있다. 불과 몇 해전만 하더라도 그 실체와 사례에 대해 의문이 있었지만, 다양한 도입 사례와 성과가 공개되면서 이제는 DX에서 나아가 AI 기술 도입과 AI로의 전환(AX : AI Transformation)을 활발히 검토하고 있고, 적극적인 도입 의사를 밝히고 있다. ‘PINOKIO(피노키오)’는 최신 기술 흐름을 반영해 탄생한 차세대 물류 디지털 트윈 설루션으로, 기존 상용 시스템의 한계를 극복하고 제조 산업의 스마트화를 가속화하는데 최적화된 해답을 제시한다. 기술 대전환의 시대를 맞아 기존의 전통적인 DX 설루션 기업들은 3D 모델링 및 시뮬레이션 등 낮은 단계의 디지털 트윈 기술을 기반으로 DX 설루션으로 개선 및 확장하고 있다. 이와 달리, PINOKIO는 초기부터 현장의 대용량 데이터 기반 실시간 물류 모니터링 및 실시간 시뮬레이션을 제공하는 디지털 트윈 기반의 운영 시스템을 목적으로 출발하였다. 그 결과 SK 하이닉스, LG전자 등 대량의 혼류 생산 제조 현장에서 디지털 트윈의 정합성과 예측의 정확도 등을 검증받았고 도입 효과를 증명했다. 이를 바탕으로 최근에는 기존 상용 설루션보다 높은 성능의 시뮬레이터까지 라인업하여 다양한 요구를 충족시킬 수 있게 되었다. 기존 상용 물류 시뮬레이션 설루션은 대부분 20~30년 전 개발된 구조를 가지고 있어, 최신 IT/OT 시스템과의 연동과 AI 기술을 적용하기 어렵다. 이로 인해 대용량 데이터 처리에 한계가 있으며, 사용자 API(애플리케이션 프로그래밍 인터페이스) 미제공으로 커스터마이징과 타 시스템 연계, 현장 실시간 운영에 필요한 유연성과 확장성에서도 제약이 있다. PINOKIO는 이러한 기존 설루션의 문제점을 개선해 제조 물류 관련 다양한 AI 모델을 지원하며, 기존 설루션 대비 높은 모델링 속도를 구현할 수 있다. 그리고 멀티 스레드, GPU 기반의 고속 시뮬레이션 연산 기능과 2차전지, AMR(자율이동로봇), OHT(오버헤드 트랜스퍼), 자동창고 등 다양한 제조 환경에 맞는 특화 라이브러리를 제공한다. 특히, 생산 현장에서 발생하는 실시간 빅데이터를 효과적으로 처리하고, 대화형 어시스턴트(assistant) 방식의 직관적인 사용자 인터페이스(UI)를 통해 사용자 편의성을 높였다. 또한, 사용자 API를 통한 고도화된 커스터마이징이 가능하며, MES(제조 실행 시스템), 센서, PLC(프로그래머블 로직 컨트롤러), IoT(사물인터넷) 등 다양한 운영 시스템과의 실시간 연동 기능도 갖췄다. 나아가, 전력 사용량 분석과 탄소세 예측 기능까지 탑재돼 지속 가능한 제조 환경 구축을 위한 의사결정도 지원한다. PINOKIO는 AI 기반 제조 혁신의 길을 여는 실질적인 도구로, 앞으로 제조업계의 디지털 전환을 선도할 핵심 설루션으로 자리매김할 전망이다.   주요 기능 소개 PINOKIO는 시뮬레이터, 디지털 트윈, AI 에이전시(agancy)를 통합한 차세대 DES(이산 이벤트 시뮬레이션) 기반 플랫폼으로, 제조 물류 전반에 걸친 통합 설루션을 제공한다. PINOKIO는 세 가지 핵심 모듈로 구성된다. 첫 번째는 ‘Pino SIM’으로, 공정 흐름 설계부터 시뮬레이션, 분석까지 수행하는 시뮬레이터다. Pino SIM은 도면 편집과 레이아웃 설계를 위한 Pino Editor를 내장하고 있어, 단순한 시뮬레이션을 넘어 제조 기준정보 입력, 물류 시나리오 구성, 시뮬레이션 실행 및 시각화 분석까지 다양한 기능을 제공한다. 이를 통해 설계 초기 단계부터 실제 운영에 이르기까지 전 과정의 최적화를 효과적으로 지원한다. 두 번째는 실시간 디지털 트윈 모듈인 ‘Pino DT’다. MES, IoT, PLC, 센서 등 다양한 제조 운영 시스템과의 실시간 연동을 통해 대용량 데이터를 실시간으로 수집하고 처리하며, 이를 바탕으로 실시간 모니터링은 물론 미래 상황 예측, 예지 보전 기반의 시뮬레이션이 가능하다. 이는 생산 현장의 가시성과 민첩성을 높이는 데 기여한다. 세 번째는 인공지능 기반의 ‘Pino AI’다. LLM(대규모 언어 모델)과 sLLM(전문 도메인 특화 언어 모델)을 활용한 대화형 UI를 통해 사용자가 직관적으로 데이터를 분석하고 의사결정에 활용할 수 있다. 또한 목적에 따라 강화학습, 파라미터 최적화 등 다양한 AI 기법을 적용할 수 있어 생산성과 품질 향상을 동시에 도모할 수 있다. PINOKIO는 엔비디아 옴니버스(NVIDIA Omniverse)와 같은 고급 시각화 플랫폼과 연동 가능하며, 파이썬(Python) 개발 환경 확장도 지원함으로써 사용자 맞춤형 라이브러리 개발이 가능하다. 이를 통해 제조 기업은 사전 공정 및 물류 최적화는 물론 실시간 생산 모니터링, 미래 예측, AI 기반 정확도 향상 등 다양한 지능형 서비스를 구현할 수 있다. 제조업의 디지털 전환이 본격화되는 시대에 PINOKIO는 스마트 공장을 넘어 AI 전환을 실현하는 핵심 파트너로 부상하고 있다.   PINOKIO의 특징 PINOKIO는 고도화된 시뮬레이션 엔진과 AI 통합 기능을 바탕으로 대규모 데이터 처리 및 실시간 예측 분석을 지원하며 스마트 제조 시대의 경쟁력을 강화하고 있다. PINOKIO는 이벤트 처리 기법 최적화 및 단순화된 시뮬레이션 엔진 설계로 빠른 연산 속도를 제공한다. 특히, 초당 60프레임(FPS) 기준으로 500만 개 수준의 대규모 3D 데이터를 안정적으로 처리할 수 있으며, 선택적 컴파일 방식(C# 기반 네이티브 코드)을 활용한 별도 계산 도구를 통해 집약적인 연산 작업도 고속으로 수행할 수 있다. 디지털 트윈 구축에서도 PINOKIO는 강력한 성능을 발휘한다. MES, ACS, MCS 등 다양한 제조 운영 시스템과 연동과 IoT, 센서, PLC 등 생산 현장에서 수집되는 대용량 데이터를 실시간으로 처리한다. 이를 통해 실시간 모니터링과 동시에 백그라운드 시뮬레이션을 수행하고, 타임 호라이즌(Time Horizon) 방식의 미래 예측 기술을 통해 병목, 이상 징후 탐지 및 알람 기능도 제공된다. 또한, AI를 활용하기 위한 정상/이상 데이터 제공과 파라미터 최적화 및 시나리오별 분석 기능이 포함되어 있으며, LLM과 sLLM, 챗GPT(ChatGPT), 메타 라마(Meta LLaMA) 등 다양한 AI 모델을 통합한 AI 에이전시 기능을 통해 대화형 데이터 분석, 자동 의사결정 지원, 데이터 해석 및 운영 최적화를 구현한다. 시뮬레이션 설계 및 모델링 측면에서도 사용자 편의성이 강화됐다. Pino Editor를 활용해 레이아웃 도면을 직관적으로 확인 및 편집할 수 있으며, 제조 기준 정보 입력 및 템플릿 매칭 기능을 통해 모델링 작업 시간을 획기적으로 단축시킨다. 또한, 2차전지 및 반도체 공정에 특화된 전용 라이브러리도 제공되며, 고객 맞춤형 커스터마이징 시뮬레이터를 통해 사용자의 목적에 따라 분석 및 최적화가 가능한 유연한 개발 환경을 지원한다. 이처럼 PINOKIO는 고속 시뮬레이션, 실시간 예측, AI 기반 의사결정, 그리고 유연한 모델링 기능을 종합적으로 제공하며, 제조업의 지능화·자동화를 실현하는 설루션이다.   그림 1. PINOKIO UI 화면 – 반도체 FAB   사전 레이아웃 및 물류 검토를 위한 설루션 : Pino SIM 디지털 트윈 구축 시 미래 예측을 위한 시뮬레이터 역할과 기존 상용 설루션과 같이 공장 신축 또는 생산 라인 변경 등 제조 현장의 변화가 요구된다. 이런 상황에서 Pino SIM은 사전에 최적의 물류 계획과 레이아웃 구성을 지원하고 공정의 효율성과 안정성을 미리 확보할 수 있는 디지털 전환 핵심 도구이자 가상 공장 구현 설루션이다. Pino SIM은 제조 기준 정보(제품, 공정, 레이아웃, 물류 흐름, 작업 순서, 스케줄링 등)를 기반으로 공정을 시뮬레이션하며, 그 결과를 차트, 그래프 등 다양한 시각화 도구를 통해 분석할 수 있다. 이를 통해 레이아웃 검증 및 최적화, 생산성 향상 등 공장 운용 전반의 효율화를 실현할 수 있다. 특히, OHT, AMR 등 신 산업군을 위한 특화 라이브러리를 제공하며, 이송 설비 구현을 위한 이동, 충돌 방지, 회피 제어를 위한 OCS, ACS 기능도 탑재되어 있다. 이를 통해 코드 작성 오류를 줄이고 디버깅 시간을 줄일 수 있으며, 보다 쉽고 효율적으로 시뮬레이션 모델을 구축할 수 있다. 또한, 자동창고 모델링에 필요한 Stocker(Crane, Rack, Rail)를 그룹화 형태로 제공하여 빠른 모델링이 가능하다. 환경과 에너지 측면에서도 전력 사용량 및 탄소 배출량(탄소세) 분석 기능을 통해 지속 가능한 생산 전략 수립에 도움을 주며, 제조업의 친환경화와 ESG 경영 대응에도 기여할 수 있다. 이처럼 Pino SIM은 공장 설계 단계에서의 의사결정 품질을 높이고, 새로운 제조 환경에 유연하게 대응할 수 있는 설루션이다.   그림 2. 라이브러리 제공 – Stocker   그림 3. 개발(코딩) 없이 기능 구현   그림 4. 시뮬레이션 결과 리포트 예제   디지털 트윈 설루션 : Pino DT 제조 현장에서 물류는 제품의 사이클 타임을 결정하는 요소 중에 하나이다. 물류 정체가 발생할 경우 제품의 사이클 타임이 길어지거나 라인이 정지되는 등 심각한 손실이 발생할 수 있다. 이러한 문제를 해결하기 위해 시뮬레이션을 통한 최적화된 운영 방식을 시스템에 적용하려는 노력이 이어져왔다. 기존의 물류 설루션은 현장에서 발생하는 대용량의 데이터를 시뮬레이션에 반영하여 실시간으로 의사결정하는 과정에서 다양한 제약으로 인해 어려움이 있었다. 또한, 현장 작업자의 개입과 같은 인간적 오류는 시스템이 예측할 수 없는 데이터를 발생시키기 때문에 생산 계획 단계에서의 사전 분석 및 검증만으로는 시뮬레이션 정합성을 높이는데 한계가 있다. Pino DT는 최적화된 자체 개발 시뮬레이션과 모니터링 엔진을 탑재하여 이를 해결하였다. 시뮬레이션의 이벤트 횟수를 최적화하여 최소한의 이벤트로 시뮬레이션이 가능하도록 설계했다. 또한 계산 속도에 이점이 있는 C, C++ 언어로 물류 경로를 최적화하는 알고리즘을 구현하여 기존 설루션 대비 약 2만평 규모의 공장에서 약 70배의 향상된 성능을 검증하였다.   그림 5. Pino DT의 UI 화면   대용량 데이터 처리 및 실시간 모니터링 Pino DT는 시뮬레이션에 최적화된 알고리즘을 사용함으로써 대용량 데이터 처리가 가능하고, 현장 데이터를 실시간으로 시뮬레이션에 반영할 수 있다. 기존 물류 시뮬레이션 설루션에 비해 60~700배 뛰어난 가속 성능을 제공하는 시뮬레이션 도구이다. 제조 현장과 동일한 상황을 시뮬레이션하기 위해 현장과 연동 후 데이터를 가공하여 디지털 트윈 모델로 표현하여 가시화하고, 사용자가 설정한 시간 주기마다 미래를 예측하는 시뮬레이션(proactive simulation)을 백그라운드로 수행한다. 이는 제품의 공정 시간보다 짧은 시간 안에 결과를 확인할 수 있고, AI를 통해 보다 정확한 의사결정을 내릴 수 있도록 지원한다.   그림 6. Pino DT의 모니터링 화면   디지털 트윈 실시간 시뮬레이션 : 미래 예측 실시간 현장 상황을 반영하여 미래를 예측하는 시뮬레이션(proactive simulation)은 제품의 택트 타임(tact time)보다 짧은 시간 내에 결과를 도출해내지 못하면 현장에서 선제 대응하지 못하는 결과를 초래할 수 있다. 모니터링 엔진으로부터 라인 상황에 대한 데이터를 수집하고, 현재로부터 예측하고자 하는 시간 동안 발생하는 이상상황에 대해 피드백을 준다. 예를 들어 조립 라인의 경우에는 부품이 5분 뒤에 부족하다는 알람을 작업자에게 즉시 전달하여 선제적 대응을 가능케 함으로써, 라인 정지 등 비상 상황을 사전에 방지할 수 있다. PINOKIO 디지털 트윈 시뮬레이션은 이러한 역할이 가능하도록 가속화한 고속 시뮬레이션 엔진을 보유하고 있다.   그림 7. 현장 FAB(왼쪽)과 PINOKIO에서 생성된 디지털 트윈(오른쪽)   제조 물류 현장에 특화된 AI 플랫폼 : Pino AI AI를 이용한 설루션을 만들기 위해서는 다양한 상황에 대한 데이터가 필요하다. 하지만 제조 현장의 특성 상 여러 상황에 대한 데이터를 획득하기 어렵다. PINOKIO에서는 현장에서 획득하기 어려운 데이터를 시뮬레이션을 통해 데이터를 확보할 수 있다. 즉, Pino DT 모델이 AI를 위한 데이터를 생성하고, 이를 AI가 최적 값을 도출하여 시뮬레이션에 반영한다. Pino DT에서 획득한 데이터를 파이썬, C, 자바(JAVA) 등 다양한 언어로 구현한 로직을 적용할 수 있도록 개발 환경을 제공하고 있다. 이를 통해 예측 정확도 향상, 데이터 기반 의사 결정, Scheduling, Routing, Dispatching 등 목적에 따라 AI 활용이 가능하다. 또한 LLM, sLLM, 챗GPT(ChatGPT), 메타 라마(Meta Llama) 등과 결합한 대화형 UI를 통해 사용자가 직관적으로 데이터를 분석하고 의사결정에 활용할 수 있다.   그림 8. 대화형 UI 및 결과 리포트   그림 9. Pino DT와 AI 모델 활용 원리   Pino DT와 현장 데이터 인터페이스 디지털 트윈에 가장 중요한 요소는 현장과의 연결이다. 대부분의 물류 전문 설루션이 현장과의 연결을 위한 인터페이스를 지원하지만, 많은 양의 데이터를 처리하면서 실시간으로 시뮬레이션하는데 어려움이 있다. Pino DT는 대용량 데이터 처리와 시뮬레이션 가속 성능이 뛰어나 실시간 모니터링 시스템까지 가능하다. <그림 10>은 현장에 있는 MES와 Pino DT가 인터페이스되는 과정이다. 현장에 있는 PLC가 MES에 데이터를 전달하고, MES는 그 데이터를 데이터베이스에 저장한다. 이를 Pino DT에서 외부 통신(IP)을 통해 데이터베이스에 접근하여 데이터를 시뮬레이션에 반영한다. 이 과정에서 현장 데이터의 상태가 중요하다. 불필요한 데이터가 있거나 로스 또는 시간 순서가 맞지 않은 경우가 대부분이다. Pino DT에서는 현장 데이터를 올바르게 정제하는 작업을 거쳐 현장과 동일한 디지털 트윈 모델을 만든다.   그림 10. 현장 데이터 인터페이스 과정   PINOKIO의 기대 효과 PINOKIO는 현장 운영 데이터를 실시간으로 디지털 트윈과 연동함으로써 모니터링이 가능하며, 전체 공장을 PC, 웹, 모바일 등 다양한 형태로 여러 사용자와 함께 직관적으로 확인하면서 공유하고 협업할 수 있다. 또한 현장과 연결된 디지털 트윈 모델을 이용하여, 미래에 발생 가능한 문제점을 예지(predictive)하고, 이러한 문제점을 사전에 해결하기 위한 선제대응(proactive) 의사결정을 가능하게 한다. 이 때 디지털 트윈을 이용한 사전예지는 온라인 시뮬레이션 기술에 기반하고, 선제대응은 AI 기술에 기반한다고 볼 수 있다. 디지털 트윈 기반 사전예지의 시간적 범위(time horizon)는 현장의 특성에 따라서 0.1시간~10시간으로 달라질 수 있으며, 문제점의 종류는 주로 생산 손실(loss), 부품의 혼류 비율 불균형, 설비 고장예지 및 물류 정체 등을 포함한다. 문제점이 예지되면 이를 해결하기 위한 즉각적인 의사결정 AI 기술을 활용하여 최적 운영을 달성함으로써 생산성, 경제성, 안정성 및 경쟁력 향상 효과가 있다.   맺음말 생산 계획 단계에서 Pino SIM을 통해 레이아웃 검증과 물류를 최적화하고, Pino SIM 모델 데이터를 생산 운영 단계에서 PINOKIO와 연계하여 현장 데이터 기반 실시간 모니터링과 미래 상황 예측 및 선제 대응함으로써 현실적이고 실제 활용 가능한 스마트한 디지털 트윈을 구축할 수 있다. 다음 호부터는 Pino SIM, Pino DT, Pino AI 등 각 제품별 소개 및 적용 사례를 소개하고자 한다.   그림 11. 디지털 트윈을 위한 플랜트 시뮬레이션과 PINOKIO     ■ 기사 내용은 PDF로도 제공됩니다. 

대한기계학회 가상제품개발연구회가 지난 6월 12일 2025년 춘계 심포지엄을 개최했다. ‘AI와 VPD의 만남 : Journey to the Digital Transformation’을 주제로 한 이번 심포지엄에서는 제조업 분야의 인공지능 전환(AX) 시대에 발맞춘 가상 제품 개발(VPD) 기술 및 디지털 전환 사례가 소개됐다. ■ 정수진 편집장     디지털 전환에서 AI 전환으로, 새로운 시대가 열린다 지난 2020년 출범한 가상제품개발연구회는 제조업 분야의 가상 제품 개발 기술과 디지털 전환 사례를 공유하고 기술 교류를 통해 산업 분야의 글로벌 경쟁력을 높이는 것을 목표로 삼았다. 2021년부터는 매년 봄·가을 심포지엄과 특별 세션을 열고 있다. 가상제품개발연구회의 오세기 회장은 개회사에서 “빅데이터와 딥러닝으로 시작된 디지털 전환(DX)은 생성형 AI(generative AI)가 등장하면서 기업의 문화, 전략, 비즈니스 모델까지 인공지능 중심으로 재설계하는 인공지능 전환(AX) 시대로 진화하고 있다”면서, 그 동안 연구회 심포지엄의 모토였던 ‘디지털 전환으로의 여정’이 이제는 ‘인공지능 전환으로의 여정’으로 바뀌어야 할 시점이라고 밝혔다. 대한기계학회의 배중면 회장은 축사를 통해 “챗GPT (ChatGPT)나 생성형 AI로 대표되는 현대 인공지능 시대의 개막은 기계공학 분야에서도 예외가 아니며, 물리기반 모델과 인공지능의 융합, 시뮬레이션의 자동화, 그리고 설계 최적화의 지능화가 실현 가능한 시대가 되었다”고 짚었다. 그리고 “가상제품개발연구회는 디지털 기반 제품 개발의 혁신을 선도해 왔으며, 대한기계학회 역시 이 분야의 발전을 적극 뒷받침하겠다”고 전했다.   물리지식 기반 AI와 생성형 AI를 활용한 VPD KAIST의 이승철 교수는 ‘제품 개발 가상화를 위한 물리지식 기반 인공지능의 역할’을 주제로 기조연설을 진행했다. 생성형 AI를 활용한 제품 가상화 설계 및 공학 문제 해결 방법에 대한 고민을 전한 이승철 교수는 “생성형 AI의 출현 이후 디지털 전환에서 인공지능 전환의 시대로 진화했으며, 기계공학 분야에서도 물리기반 모델과 AI의 융합, 시뮬레이션 자동화, 설계 최적화의 지능화가 가능해졌다”고 강조했다. 생성형 AI는 하나의 입력값에서 많은 수의 결과를 생성하여 설계의 다양성을 확보하는 데에 유용하다. 특히, 위상 최적화에서 문제를 ‘불량 설정(ill-posed)’하여 다양한 최적화 설루션을 생성하고, 이를 전통적인 최적화 방법의 초기 조건으로 활용하여 설계 시간을 줄일 수 있다. 이승철 교수는 “생성형 AI를 제품 설계에 적용하는 과정에서는 정밀도와 다양성의 절충점을 찾는 것이 중요하다”고 짚었다. 또한, 이승철 교수는 VPD에 AI 신경망 학습을 접목하기 위한 방법론을 소개했다. 물리지식 기반 인공지능(PINN)은 물리 지식을 데이터 프레임워크에 결합하여 인공지능 학습에 활용하는 방식으로, 특히 알려지지 않은 물리적 특성을 예측하는 ‘역방향 문제 해결’에 장점이 있다. 딥 오퍼레이터 네트워크(DeepONet)는 입력 매개변수나 형상이 바뀌어도 재학습 없이 거의 실시간으로 해석 결과를 예측할 수 있어서, 입력 파라미터의 변경이 예측 결과에 곧바로 반영되지 못하는 PINN의 단점을 극복할 수 있을 것으로 보인다. 이승철 교수는 “물리지식 기반의 DeepONet은 유동장 및 압력 분포를 실시간으로 예측하고, 복잡한 형상 변화에 따른 유동, 압력, 온도장 등을 실시간으로 예측할 수 있음을 입증했다”면서, “인공지능 기반의 새로운 도구들이 공학 문제를 해결하고 설계 분야를 혁신하는 데에 기여할 것”이라고 전망했다.   ▲ KAIST의 이승철 교수는 물리지식 기반의 AI를 제품 개발에 적용하기 위한 방법론을 소개했다.   AI/ML 기반 가상 검증 사례와 활용 전략 이번 심포지엄을 가상제품개발연구회와 공동 주관한 다쏘시스템코리아의 김문성 파트너는 ‘AI/ML 기반 가상 검증 사례와 활용 전략’에 대해 소개했다. 그는 인공지능 기반의 생성형 경험(generative experience)이 창의적이고 자동화된 설계를 가능하게 하며, 인공지능/머신러닝이 제품 개발 과정에서 반복 작업을 줄이고 비용과 시간을 절감하는 데 기여한다고 전했다. 이번 발표에서는 시뮬레이션에 적용할 수 있는 다양한 머신러닝 기법이 소개됐다. 합성곱 신경망(CNN)은 이미지 특징 추출에, 순환 신경망(RNN)과 장단기 메모리(LSTM)는 시계열 데이터 예측에, 딥러닝은 복잡한 3차원 필드 데이터 예측에, 그리고 그래프 신경망(GNN)은 유한요소모델(FEM)과 같은 그래프 구조 데이터 처리에 유용하다는 것이 김문성 파트너의 설명이다. 또한, 김문성 파트너는 문제 정의 − 학습 데이터 준비(실험 계획법 및 자동화 스크립트 활용) − 모델 학습 − 신뢰도 검증 − 예측 모델 구축까지 다쏘시스템의 아바쿠스(Abaqus)와 아이사이트(Isight)를 활용하는 머신러닝 프로세스 구현 단계를 소개했다. 김문성 파트너는 AI/ML 기법의 시뮬레이션 적용 사례로 LSTM을 활용한 하중-변위 선도 예측, 디스플레이 스트레인 예측, 전자기 성능 예측 등을 소개했으며, GNN을 사용해 빔과 항공기 랜딩기어 부재의 3차원 응력/변형량 예측이 가능하다고 전했다. 그는 “머신러닝 기술이 시뮬레이션 작업의 효율을 높이고, 데이터 기반의 정확한 의사 결정을 지원하는 강력한 도구가 될 것”이라고 전망했다.   ▲ 다쏘시스템코리아 김문성 파트너는 AI/ML 기반의 가상 검증 전략과 사례를 소개했다.   VPD와 AI의 융합, R&D 혁신을 이끈다 이외에도 이번 심포지엄에서는 물리지식 기반 인공지능과 생성형 AI를 활용한 제품 가상화 설계 방안, AI/머신러닝 기반 가상 검증 사례와 활용 전략 등에 관한 논의를 통해 미래 제품 개발의 방향을 짚어보는 기회가 마련됐다. 주제 발표로는 ▲히타치 야마자키 미키 박사의 ‘AI가 주도하는 MBSE·MBD와 VPD의 융합 : 가상화를 통한 차세대 제품 개발 가속 및 DX 추진’ ▲피도텍 대표인 한양대 최동훈 교수의 ‘VPD 대중화로 가는 길 : Al-Aided Design Optimization’ ▲현대모비스 송준영 팀장의 ‘AI를 이용한 R&D Shift’ ▲LG전자 백영진 팀장의 ‘AI와 VPD 연계를 통한 효율적 제어 시스템 개발 프레임워크’ ▲한화에어로스페이스 윤용상 상무의 ‘디지털 해석 기술을 활용한 항공엔진 개발과 국내 항공엔진의 미래’ 등이 진행됐다. 또한 패널토론에서는 VPD와 AI의 융합을 통해 R&D 혁신을 이끌어낼 수 있는 가능성과 미래 방향에 대해 논의했다.      ■ 기사 내용은 PDF로도 제공됩니다. 

캐드앤그래픽스 지식방송 CNG TV 지상 중계   CNG TV는 6월 9일 ‘AI 시대, 지식과 경험의 디지털 트윈 전략과 도구’를 주제로 웨비나를 개최했다. ‘AI 시대에 개인의 지식과 경험을 디지털 트윈화하는 최고의 전략은 무엇인가’라는 물음에 디지털지식연구소 조형식 대표는 “AI 시대에 개인의 지식과 경험을 디지털 트윈화하는 최고의 전략은 인공지능과 디지털 트윈의 결합에 있다”고 말했다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 디지털 트윈(Digital Twin)의 발전 과정을 연도별로 정리한 타임라인   AI와 디지털 트윈, 왜 지금 결합해야 하는가? “과거에는 10년 주기로 바뀌던 지식이 이제는 1~2년 만에 달라지는 시대이다.” CNG TV 진행자이자 캐드앤그래픽스 편집자문위원인 조형식 대표는 AI와 디지털 트윈(DT)의 결합이 더 이상 선택이 아닌 필수 전략임을 강조했다. 조 대표는 전문가조차 AI 활용에 주저하는 현실을 지적하며, 이제는 개인이 디지털 전환을 통해 미래 경쟁력을 갖춰야 할 때라고 말했다. 디지털 트윈은 현실의 사물, 시스템, 조직 등을 가상공간에 복제하여 예측과 시뮬레이션을 수행하는 기술이다. 하지만 디지털 트윈은 구현이 어렵고 비용이 많이 들며, AI는 빠른 분석은 가능하지만 맥락을 이해하지 못하는 단점이 있다. 이 약점을 보완하는 가장 강력한 전략이 바로 AI + DT의 결합이다. 조 대표는 “디지털 트윈은 현실을 복제하는 가상 쌍둥이이며, AI와 결합되어야 비로소 실질적인 성과를 낸다”고 강조했다. 이 기술의 적용 범위도 점점 확장되고 있다. 초기에는 제품이나 설비 단위였지만 이제는 시스템 트윈, 프로세스 트윈을 넘어 스마트시티, 헬스케어 등 복잡한 영역까지도 디지털화되고 있다. 심지어 점심 메뉴, 회식 장소 선택, 회사의 조직 구조 같은 존재하지 않는 개념조차 디지털 트윈화할 수 있는 시대, ‘디지털 트윈화(digital twinification)’가 도래한 것이다. 이런 흐름은 세계적인 데이터 분석 기업 팔란티어(Palantir)에서도 볼 수 있다. 팔란티어는 기업의 모든 데이터와 시스템을 디지털 트윈으로 재현하고, 이를 AI 기반으로 운용하는 방식을 도입했다. 여기서 핵심이 되는 개념이 ‘온톨로지(ontology)’이다. 이는 AI가 인간처럼 의미를 파악하고 연결망을 이해할 수 있도록 설계하는 방식으로, 앞으로의 프롬프트 설계나 데이터 관리에서 필수적인 구조다.   ▲ 2025년 AI 기반 지식 관리 도구 20가지를 주제로 한 시각적 요약   나만의 디지털 쌍둥이를 만드는 5단계 전략 조형식 대표는 개인이 자신의 지식과 경험을 디지털 트윈화하기 위한 실전 전략을 다음과 같이 5단계 + α로 제안했다. 구조화 : 에버노트, 노션 등을 통해 정보를 정리 네트워크화 : 옵시디언, 롬 리서치 등으로 개념과 연결성 강화 AI 강화 : 챗GPT, 구글 노트북LM 등을 통해 콘텐츠 해석과 보완 트윈화 : 기능 단위로 구체적인 디지털 복제물 생성 자동화 : 반복되는 작업은 FastAPI, Make.com, Zapier 등으로 자동화 α(지속적 학습) : 반복 학습과 개선으로 궁극적인 지식 자산화 조 대표는 “지식은 데이터이고, 경험은 프로세스다. 이 둘을 함께 디지털화하는 것이 개인 디지털 트윈의 핵심”이라고 정리했다. 그리고 “AI 시대는 기억력의 싸움이 아니라 상상력의 싸움이다. 거창한 계획보다는 작은 디지털 트윈부터 만들어보자”고 조언했다. 또한, 조 대표는 이러한 실전 전략을 뒷받침하는 다양한 도구도 소개했다. AI 음성 복제 도구 : 일랩스(자신의 목소리로 다국어 출력 가능) 오프라인 LLM 실행 : LM Studio를 활용해 나만의 AI 구축 자동화 플랫폼 : 노션 + Make.com, Jasper, Zapier 등 추천 학습 : MCP(Model Context Protocol), 그래프 DB에 대한 이해   ▲ CNG TV 진행자이자 캐드앤그래픽스 편집자문위원인 디지털지식연구소 조형식 대표   AI와 디지털 트윈의 결합은 개인의 지식과 경험을 ‘복제·확장·자동화’할 수 있는 가장 효과적인 전략이다. 거창한 기술이 아니라, 지금 당장 나만의 작은 디지털 쌍둥이 하나를 만드는 것부터 시작하면 누구든지 미래의 경쟁력을 키울 수 있다.     ■ 기사 내용은 PDF로도 제공됩니다. 

현장에서 얻은 것 No. 20   피곤했지만 놓칠 수 없는 기회, AI 스터디그룹(데이터공작소)에서 답을 찾다.”   AI 시대, 배움과 연결에서 찾은 성장 동력 일상에 지쳐 몸은 천근만근이었지만, 빠르게 변화하는 인공지능(AI) 시대에 뒤쳐질 수 없다는 생각에 발걸음을 재촉했다. 특히 AI 기술이 단순한 효율성 도구를 넘어 업무 방식과 산업 지형을 근본적으로 바꾸고 있다는 통찰 앞에 서니, 피로감은 부차적인 문제로 느껴졌다. 이러한 변화의 파고를 헤쳐나갈 답을 찾기 위해, 필자는 주말에 스터디하는 데이터공작소 TFT, 데이터 공작소의 매주 월요일 줌강의, 매달 모임과 자율주행 회사들의 특별한 만남인 미모셀, 지식을 공유하고 서로 도움을 주는 네트워크 모임인 한국미래융합연구원 등 AI 및 관련 기술 스터디 그룹의 문을 두드렸다. 이곳에서 만난 전문가들과의 지식 공유와 토론은 필자가 가진 궁금증을 해소하고 새로운 가능성을 탐색하는 데 귀중한 기회가 되었다. “배우는 법을 배우라.” − 데미스 허사비스(Demis Hassabis) CEO, 구글 딥마인드   ▲ 피곤했지만 놓칠 수 없는 기회, AI 스터디그룹   AI 에이전트와 MCP : AI의 실행력을 극대화하는 연결 고리 탐색 스터디 그룹에서 가장 주목받는 개념은 AI 에이전트였다. AI 에이전트는 환경을 인식하고 스스로 결정하며 목표를 달성하는 소프트웨어 개체로 정의된다. 독립적으로 작동하며 목표를 향해 지속적으로 학습하고 개선하는 특징을 가진다. 데이터를 수집, 분석하고 최적의 행동을 선택하여 실행하는 방식으로 작동하며, 질문에 대한 하위 질문을 생성하고 리서치한 후 포괄적인 답변을 제공하거나 AI 요약 결과를 자동화하고 개선하는 등 다양한 기능을 수행할 수 있다. 일부는 다양한 도구를 사용하여 복잡한 작업을 수행하는 완전 자율 시스템으로 정의되기도 하고, 미리 정의된 워크플로를 따르는 규범적인 구현을 설명하기도 한다. 이러한 AI 에이전트의 역량을 극대화하는 핵심 기술로 MCP(Model Context Protocol)가 소개되었다. MCP는 LLM(Large Language Model) 애플리케이션과 외부 데이터 소스 및 다양한 도구 간의 원활한 통합을 가능하게 하는 개방형 프로토콜이다. 마치 USB-C가 다양한 전자기기를 연결하듯, MCP는 웹 서비스와 AI 에이전트를 연결하여 AI가 서비스에 직접 접근할 수 있도록 돕는 핵심 기술이다. 이를 통해 LLM은 단순히 텍스트를 생성하는 것을 넘어 현실의 도구들과 연결되며 이메일 작성 및 전송, 캘린더 약속 등록, 슬랙 메시지 전송, 파일 저장 및 정리, 소셜 미디어 검색 및 게시, 스프레드시트 데이터 정리, 줌 회의 예약 및 회의록 작성, 노션 자료 활용 등 다양한 작업을 실행할 수 있게 된다. 이는 에이전틱 AI(agentic AI) 발전의 중요한 요소로 강조되었다. 또한, MCP는 프레임워크나 벤더에 관계없이 에이전트 간 상호 운용 가능한 통신을 안전하게 지원하는 것을 목표로 한다. API와 MCP가 반드시 필요한 것은 아니지만, 엄청난 잠재력을 가지고 있다는 점이 강조되었다. API 연결은 개발자에게도 쉬운 일은 아니며 권한 부여 문제 등이 있기 때문에, MCP가 이를 더 쉽게 만들 수 있는지에 대한 고민도 있었다. “미래를 예측하는 최선의 방법은 미래를 창조하는 것.” − 정종기 박사, AI 비즈니스 전문가   바이브 코딩과 커서 : AI를 개발 동료로 활용하는 방법 AI 스터디에서는 개발의 패러다임 변화인 ‘바이브 코딩’에 대한 논의도 활발했다. 전통적인 코딩이 ‘개발자가 자신의 작업을 대신할 프로그램을 만드는 것’이라면, 바이브 코딩은 ‘AI가 자신의 작업을 대신할 프로그램을 만드는 것’이다. 이는 AI에게 개발을 외주로 맡기는 것과 유사한 개념으로 설명된다. 좋은 바이브 코더는 좋은 외주 의뢰자가 갖춰야 할 다섯 가지 역량을 AI에게 적용해야 한다. 내 문제를 풀기 위한 작업 정의(PRD, 유저 플로) AI가 잘 이해할 수 있게 의사소통(프롬프트, 지침) 프로그램을 잘 만들기 위한 리소스 지원(데이터, API, 실행/배포 환경) 프로그램이 의도대로 동작하는지 검수(자동화 테스트) 이 과정에서 모르는 것을 배워 점차 스스로 할 수 있게 되는 것이다. 커서(Cursor)는 이러한 ‘LLM-assisted IDE’ 개념을 제시하는 도구로 소개되었다. 복잡한 프로그래밍 지식, 문서, 오류 메시지 기반의 학습 곡선이나 사전 설계 중심의 신중한 개발 문화, 툴과 언어, 개발 환경의 복잡성 같은 문제 속에서 커서는 아이디어를 즉각 코드로 구현하고 비전문가의 접근성을 폭발적으로 증대시키며 LLM 기반의 빠른 실험과 피드백 루프를 가능하게 한다. 문법 대신 의도 전달과 맥락 중심으로 전환되는 패러다임의 변화를 지원한다. 데이터공작소 개발TFT(서울팀) 관련 세션에서는 커서를 활용한 실질적인 개발 프로세스가 시연되었다. 혼자서 다양한 역할을 수행하는 ‘솔로프리너’ 관점에서 기획부터 개발, 테스트, 배포, 모니터링, 마케팅까지 전 과정을 AI와 함께 진행하는 방법이 제시되었다. 커서를 통해 아이디어 구체화, 기획 문서 작성(PRD, 비즈니스 모델 캔버스), 프로젝트 관리(Task Master MCP를 활용한 작업 목록 생성, 복잡도 계산, 하위 태스크 분해), 실제 코드 작성, 그리고 문서화(Obsidian 연동) 등이 가능함을 보여주었다. 특히 개발 경험이 있는 발표자인 어니컴의 최성훈 팀장은 커서를 통해 불편하고 반복적인 작업의 상당 부분을 자동화하고, 단계별로 명확한 지시를 내리며 태스크 관리를 통해 AI가 맥락을 이해하도록 유도하는 장점을 강조했다. 그는 커서를 쓰면서 처음에는 AI가 코딩을 짜는 것을 도와주는 정도라고 생각했고, 코드를 다 안 봐도 알아서 다 짜 주는 줄 알았다고 했다. 하지만 실제로 해 보니 절대 그렇지는 않았고, 다만 불편하거나 반복적인 작업에서는 충분히 활용 가치가 있음을 느꼈다고 했다. AI와 소통하며 생각을 체계화하고 문서화하며 원하는 것을 구체화하고 실행 계획을 짜서 이뤄가는 과정을 보였다고 했다. 그는 커서 하나로 A부터 Z까지 다 해 볼 수 있겠다는 느낌을 받았고, 솔로프리너를 목표로 하는 사람들은 연구해 볼 만하다고 개인적인 의견을 덧붙였다. AI에게 외주를 맡기는 개념이기 때문에 사람이 명확하게 문제 정의를 하고, 의사소통하며, 검수하는 역할이 중요하다고 언급했다. 또한, 커서가 굉장히 많은 도움을 주었다고 말했다. 개발자는 커서를 통해 코드의 문제점이나 개선 포인트를 찾는 데 도움을 받을 수 있고, 혼자 개발하면서 보조적인 도움이 필요할 때 효과적일 수 있다고 했다. 또한 자동 PR 요약이나 커밋 메시지 작성 등 깃(Git)과의 연동도 잘 되는 장점이 있었다. 오랜 개발 경험을 가지고 있는 양선희 대표는 필자의 숙원 고민거리를 반나절만에 해결해 주었다. 디자인씽킹 기법 중 첫 번째인 공감대 형성의 템플릿을 시스템화시켜 주었다. 클로드(Claude)로 대화하듯이 고민거리를 얘기하고 프로그램 기획, 개발, 테스트 등을 통해 언제든지 실행 가능한 설루션으로 만들어 주었고 소스도 공유했다. 보안 분야를 다루면서 다양한 경험을 통해서 항상 정리를 잘 하고 번뜩이는 아이디어를 내는 NSHC 장주현 이사와 AI인터시스 신동욱 대표는 AI 일타 강사이다. 항상 새로운 기술, 주제를 뚝딱 만들어내고 강의도 잘 한다. 최근에는 개발, 교육을 병행하느라 전국을 일일 생활권으로 두고 있다. 신동욱 대표의 회사에서 핵심 인재인 정성석 상무는 차세대 유망주인데, 알고 보니 고등학교 후배였다. 세상은 넓고 할 일은 많지만, 오늘 이 모임이 있기까지 도움을 준 데이터마이닝 이부일 대표는 유튜브 R릴에오를 통해 데이터 통계 분석 기법을 유튜브로 알렸다. 2022년 콘셉트맵 캘린더 9월호의 주인공으로 모신 인연으로 SNS에서 자주 소통하고 온/오프라인으로 인연을 이어가고 있다. “결국 실행되는 지식만이 힘이다.” − 데일 카네기   노트북LM : 개인 맞춤형 학습 및 연구 파트너 활용 또 다른 유용한 AI 도구인 노트북LM(NotebookLM)은 맞춤형 AI 리서치 어시스턴트이자 AI 기반 학습 및 연구 파트너로 소개되었다. 노트북LM의 가장 큰 강점은 사용자가 제공한 소스 내에서만 정보를 검색하고 답변을 생성하여, 환각 현상을 줄이는 데 도움을 준다는 것이다. PDF, 구글 드라이브 문서, 웹사이트 링크, 유튜브 링크, 마크다운 등 다양한 형태의 소스를 학습할 수 있으며, 특히 유튜브 공개 동영상 URL을 소스로 사용할 수 있는 점은 챗GPT에서 제공하는 프로젝트 기능과의 차별점으로 언급되었다. 노트북LM의 주요 기능으로는 학습 자료(소스) 내 정보 검색 및 답변 생성, 소스 요약(핵심 내용 추출), 추가 탐색, 메모 추가 및 소스 전환, AI 오디오 오버뷰(팟캐스트 형태의 요약 청취), 오버뷰, 마인드 맵(소스 기반 개념 및 관계 구조화), 생성 맞춤 설정, 학습 가이드, FAQ 생성, 브리핑 문서, 타임라인(시간적 순서 정리), 소스 검색, 심화 질문 및 분석 등이 있다. AI 오디오 오버뷰 기능은 두 명의 팟캐스트가 대화 형식으로 소스 내용 중 중요한 부분을 6~7분 분량의 팟캐스트로 만들어 주며, 원하는 내용에 초점을 맞추어 생성할 수도 있다. 시각 장애인에게도 좋은 서비스로 생각된다고 언급되었다. FAQ 기능은 우리가 생각하지 못했던 질문을 많이 만들어 준다고 했다. 마인드 맵 기능은 주어진 소스를 기반으로 개념과 관계를 시각화하는 데 상당히 잘 작동한다고 했다. 타임라인 기능은 소스에 있는 여러 이벤트를 시간 순서대로 정리해 주는데 정말 훌륭하다고 했다. 활용 사례로는 새로운 개념 이해, 핵심 자료 수집, 스터디 메이트 역할(학습 계획 관리, 질문/답변 학습, 복습, 약점 보완, 동기 부여), 모의 시험 및 문제 풀이, 창의력 및 사고력 훈련, 논문 관련 작업(주제 선정, 배경 탐색, 선행 연구 정리, 개념 정립, 논리 구성, 글쓰기 초안, 피드백) 등이 제시되었다. 특히 장비 매뉴얼 이해나 유튜브 영상 내용 파악에 유용하며, 논문 작성을 위한 참고 문헌 제안 및 형식 정리에도 활용될 수 있다고 했다 새로운 개념을 이해하고 싶을 때나 중요한 질문에 대한 핵심 자료를 만들고 싶을 때 소스 검색 기능이 유용하다고 했다. 다만 노트북LM은 과제나 태스크를 대신해주는 도구가 아니라 도와주는 어시스턴트라는 점과 좋은 소스를 제공하는 것이 중요하다는 점이 강조되었다. 쓰레기를 집어넣으면 쓰레기가 나온다는 ‘Garbage In, Garbage Out’이라는 말이 있듯이. 노트북LM만 단독으로 사용하기보다 챗GPT, 제미나이(Gemini) 등 다른 툴과 함께 사용하는 것이 더 중요하다고 생각한다고 했다. 다른 툴로 좋은 소스를 만들어서 노트북LM에 넣어 활용하는 선순환 구조를 잘 활용하면 좋다고 했다. “성공하고자 하는 의지가 강하다면, 실패 따위가 나를 압도할 수 없다.” − 정광천, 이노비즈협회 회장   다양한 스터디 그룹의 시너지 : 연결과 성장의 기회 한국미래융합연구원은 정기적인 지식 공유 모임을 통해 AI를 비롯한 다양한 분야의 최신 트렌드와 비즈니스 인사이트를 공유하는 플랫폼 역할을 하고 있다. 정종기 박사는 AI 비즈니스 전문가로서 AI 대중화 시대에 지속 가능한 미래 준비, AI 활용 능력의 중요성, 그리고 AI 트랜스포메이션에 대한 강의를 진행하며 멤버들에게 영감을 주고 있다. 그는 AI가 기업 경영의 효율화와 비용 절감에 핵심적인 역할을 하며 제조 등 다양한 산업에 영향을 미치고 있음을 강조한다. AI에게 일을 잘 시키는 사람이 능력 있는 사람이라고 했다. 미모셀은 미래 모빌리티 분야의 전문가들이 모여 업계 동향 공유와 네트워킹을 하는 그룹이다. 자율주행 기술, 센서(라이다, 레이다), SDV(Software Defined Vehicle) 등 모빌리티와 AI가 접목되는 분야의 최신 정보를 공유하고 토론한다. 어려운 시기에도 서로 힘이 되고 지지하는 관계를 형성하며 연결의 중요성을 보여준다. 미모셀의 목표는 대표님들의 어깨를 가볍게 해 드리는 것이라고 했다. 이처럼 다양한 스터디 그룹은 AI 기술 자체뿐만 아니라 기술이 비즈니스, 커리어, 그리고 사회 전반에 미치는 영향에 대해 깊이 있게 논의하고 있다. 유발 하라리 교수는 초지능 AI가 인류를 파멸로 이끌 위험이 있지만 경쟁 때문에 개발 속도를 늦추지 못하며, AI는 단순 도구가 아닌 스스로 생각하고 결정하는 주체(agent)라고 했다. AI는 인간과 달리 휴식이 필요 없어 지속적으로 활동 가능하며, 알고리즘 속도를 인간의 속도에 맞게 조절해야 한다고 했다. 또한, AI는 인간을 대체해 불평등한 사회를 초래할 가능성이 있다고 했다. 이러한 예측 속에서 AI 활용 능력은 개인과 기업의 생존에 필수라는 메시지가 반복적으로 강조된다. “AI 활용 능력이 당신의 생존입니다.” − 정종기 박사, AI 비즈니스 전문가   맺음말 : 배움과 연결을 통한 미래 준비 AI 시대는 불확실성이 높지만 지속적인 학습과 유연성 개발, 광범위한 역량 개발을 통해 기회를 잡을 수 있다고 한다. 특히 기술 변화에 대한 적응력과 개인적인 열정을 바탕으로 오픈소스 도구 등을 활용해 실습하고 실험해보는 것이 중요하다. 데이터공작소와 같은 AI 스터디 그룹, 데이터공작소 개발TFT(서울팀)에서의 실질적인 기술 학습, 미모셀에서의 산업 지식 공유, 그리고 한국미래융합연구원에서의 비즈니스 및 트렌드 통찰은 이러한 미래를 준비하는 강력한 기반이 된다. 피곤함에도 불구하고 참여했던 이 스터디 그룹들에서 필자는 AI 기술의 최신 동향과 더불어 그것이 어떻게 실제 업무와 비즈니스에 적용될 수 있는지, 그리고 개인의 역량을 어떻게 발전시켜야 하는지에 대한 실질적인 답과 영감을 얻을 수 있었다. 기술 도입을 넘어 조직 문화와 일하는 방식을 근본적으로 전환할 용기를 가지고 AI를 경쟁 상대가 아닌 협업 파트너로 받아들일 준비를 하는 것, 그리고 배움과 연결을 멈추지 않는 것이 이 급변하는 시대에 생존하고 번영하는 길임을 다시 한 번 확인했다.   ■ 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. 

디지털 지식전문가 조형식의 지식마당   현재는 디지털 전환(DX : Digital Transformation)의 시대를 지나서 인공지능 전환(AX : AI Transformation)의 시대에 진입하고 있다. 챗GPT(ChatGPT)로 시작된 생성형 인공지능의 사용이 모든 분야에서 일상화되고 있는 시점에서, 과거의 학습과 암기를 근간으로 하는 전통적인 지식은 그 가치가 줄어들고 있다. 이러한 전통적인 지식에 대한 가치와 효용에 대해서 다시 생각하지 않을 수 없다. 우리의 뇌가 기억하고 있는 과거의 정보 지식은 점점 인공지능의 능력에 비해서 경쟁의 상대가 되지 않고 대체되고 있지만, 아직도 우리의 특별한 경험에서 오는 지식과 창의성 그리고 인공지능과 협업을 통합 인간의 지능 증폭(IA : Intelligence Amplification)은 인간의 미래 경쟁력이 될 수 있다.   그림 1. 지능 증폭 기술(출처 : Grant Munro, CC BY-SA 4.0)   스탠퍼드 대학교의 제러미 어틀리(Jeremy Utley) 교수가 AI를 활용한 창의성에 대해 설명하는 내용에 집중할 필요가 있다. 그는 AI를 단순한 도구가 아닌 팀원처럼 대해야 한다고 강조하며, 이는 생산성과 창의성 향상에 결정적인 차이를 만든다고 주장한다. 또한, AI 시대의 창의성은 단순히 아이디어를 생성하는 것을 넘어 다양하고 풍부한 영감(inspiration)을 AI에 제공함으로써 더욱 탁월한 결과를 도출하는 것이라고 설명한다. 궁극적으로 인공지능 전문가가 아닌 사람들이 AI와 협력하여 새로운 가능성을 발견하고 잠재된 창의성(creativity)을 발휘할 수 있음을 보여준다. 이것은 필자가 여러 차례 인공지능에게 단순하게 질문과 대답을 하지 않고 인공지능 에이전트(AI agent)와 소통을 잘 해서 특정한 일을 시키거나, 예를 보여주면 우리가 원하는 구체적인 작업을 하면 생산성이 급격하게 올릴 수 있다고 주장한 것과 유사하다. 또한 AI 시대에 인간의 창의성을 극적으로 증폭시키는 도구로 작용하며, 인공지능과 협력하는 방식에 따라 그 결과가 크게 달라지는 놀라운 사실을 발견할 수 있다. 이런 현상은 개인의 생산성을 25% 높이고, 작업 속도를 12% 빠르게 하며, 품질을 40% 향상시킬 수 있음에도 불구하고, AI와의 협업을 통해 실질적인 생산성을 얻는 전문직 종사자는 10% 미만에 불과하다고 한다. 어틀리 교수는 이를 ‘깨달음의 격차(Enlightenment Gap)’라고 부르며, AI 사용 방식의 차이에서 비롯된다고 설명한다. AI 사용의 가장 중요한 원칙은 AI를 사용하지 않는 것이 유일한 오답이며, AI와 ‘일하기’ 시작하면 모든 것이 이전에 생각하고 행동하는 방식과는 달라질 수 있다. 우리는 항상 수족 같은 조수와 나의 분신을 원한다. 이제는 가장 평범한 사람도 AI 기술을 통해 자신의 상황, 목소리, 의도를 이해하는 조수를 가질 수 있다. 그리고 더 나아가서는 자신의 생각과 모양 그리고 목소리를 가진 아바타(avatar)를 생성할 수 있는 기술에 한 걸음 더 접근했다. 최근 필자는 인공지능 도구(Artificial Intelligence Tool)를 이용해서 나의 전문지식과 경험을 결합해서 나의 아바타를 만들고 있다. 최근에는 일레븐랩스(ElevenLabs)라는 인공지능 도구 소프트웨어를 이용해서 나의 목소리와 거의 유사한 목소리로 나의 칼럼을 읽는 유트브 영상을 만들어 봤다.   그림 2. 음성 복제 기술(출처 : ElevenLabs)   유트브 동영상에는 많은 얼리어댑터가 다양한 인공지능 도구를 소개하면서 좋은 점만을 강조한다. 아직 비용도 비싸고 생각지 못한 버그들이 있으나, 이런 시장의 방향은 지속될 것으로 예상된다. 이것을 선택하고 잘 사용하는 것은 개인의 몫이다. 결국은 이러한 도구에 채울 수 있는 것은 개인의 아이디어라고 할 수 있다. 어틀리 교수는 저서 ‘아이디어 흐름(Ideaflow)’에서 창의성과 혁신은 개인이 타고난다는 믿음보다 학습과 개발할 수 있는 기술로 창의성을 보아야 한다고 했으며, 이를 위해서 양을 우선시하는 아이디어 생성, 즉각적인 기록 습관, 실험 중심적 사고방식, 그리고 다양한 관점 수용과 같은 구체적 방법론을 제시했다. 이러한 창의적인 사고방식과 접근 방식은 낭비되는 노력을 줄이고 성공 가능성을 높여 개인과 조직 모두의 지속적인 성장을 가능하게 한다고 주장한다. 결론적으로 디지털 전환과 인공지능 전환 시대의 창의성은 인공지능을 이용한 양적인 아이디어 생성과 함께 디지털 도구를 사용한 즉시 기록, 인공지능을 이용한 지능의 증강 및 생성을 통해 생산성이 비약적으로 커질 수 있다. 그리고 인간의 다양한 관점 수용과 실험 중심적 사고 방식으로 뇌의 변화를 필요로 한다. 현재의 인공지능 시대에도 창의적 아이디어와 결정권은 아직은 인간에게 달려 있다고 생각한다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 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.