오라클이 4월 16일 서울 삼성동에서 ‘모던 데이터 플랫폼 및 데이터베이스 혁신 전략’ 기자간담회를 열고 기업의 성공적인 데이터 중심의 클라우드 전환과 최신 오라클 데이터베이스(DB) 전략 및 비전을 발표했다. 이번 간담회에는 전 세계적으로 ‘DB의 아버지’라 불리는 오라클의 앤디 멘델손(Andy Mendelsohn) DB 서버 기술개발사업부 총괄 부사장이 참석해 ‘데이터, AI 및 앱 개발의 미래’를 주제로 오라클 DB 솔루션의 핵심 가치를 강조했다. 오라클의 앤디 멘델손(Andy Mendelsohn) DB 서버 기술개발사업부 총괄 부사장 오라클 모던 데이터 플랫폼은 데이터의 전체 라이프사이클을 획기적으로 간소화하고, 더 빠른 속도로 통찰력을 제공한다. 단일 플랫폼 상에서 모든 트랜잭센, 웨어하우스, 분석 및 인공지능(AI)/머시러닝(ML) 자산에 대한 수집, 선별 및 관리를 통해 기업이 데이터에 대한 큰 통제 권한을 얻을 수 있다는 점이 특징이다. 멘델손 부사장은 오라클이 지난해 9월에 발표한 차세대 융합형 DB 오라클 DB 23c는 기존 관계형 모델과 JSON 및 그래프 모델 간의 통합을 구현하는 혁신을 이뤘다고 소개했다. 최근 앱은 관계형뿐만 아니라 JSON, 그래프 등 다양한 데이터 유형이 혼합 운영되는 가운데, 개발자는 오라클 DB 23c를 통해 세 가지 유형의 데이터 장점을 모두 활용하는 앱을 개발 운영하며 그 과정에서 데이터 일관성을 손쉽게 유지할 수 있다. 오라클의 앤디 멘델손(Andy Mendelsohn) DB 서버 기술개발사업부 총괄 부사장   앤디 멘델손 부사장은 오라클 DB 비전과 관련해 생성형 AI를 접목한 융합형 DB(converged database)와 이를 구동하는 자율운영 DB(Oracle Autonomous Database)를 통해 모던 앱 및 분석을 생성 및 운영하는 작업을 간소화할 것이라고 강조했다. 이를 통해 융합 개방형 SQL DB가 기존 단일목적 상용 DB를 대체함으로써 기업 개발자와 IT 전문가들은 데이터 통합 시간을 줄이고 혁신에 더 집중하도록 돕는다는 전략이다. 이 밖에도 기업의 핵심 워크로드 구동에 최적화된 고성능 및 고안정성을 제공하는 동시에, 데이터 주권 및 보안 강화를 지원하는 오라클의 서비스로는 오라클 융합형 DB(Oracle Converged Database), 오라클 자율운영 DB(Oracle Autonomous Database), 오라클 엑사데이터 클라우드앳커스터머(Oracle Exadata Cloud@Customer),MySQL 히트웨이브(MySQL HeatWave) 등이 있다고 소개했다. 또한 오라클은 기업 요구사항을 충족시킬 수 있는 DB 및 분석 서비스에 지속적으로 투자하고 있다고 설명했다.

개발 및 공급 : 에픽게임즈 주요 특징 : 마야에서 제작한 세컨더리 애니메이션을 언리얼 엔진으로 임포트 및 매칭, 마야용 및 언리얼 엔진용 플러그인 제공, 각 관절 세트에 대한 솔버 생성 및 옵션을 기반으로 포즈 보간 방식 결정, 포즈 및 솔버의 JSON 파일 익스포트 지원 등   고퀄리티 3D 캐릭터 제작에 있어 애니메이션의 사실감을 높이는 것은 매우 중요한 작업이다. 그 중 하나가 메인 애니메이션에 반응하여 메인 애니메이션을 향상하거나, 강조하는 세컨더리 애니메이션을 추가하는 것이다. 캐릭터의 세컨더리 애니메이션을 구성하는 예시로 애니메이터가 직접 제어하지 않고도 관절이 다른 관절에 반응하여 자연스럽게 움직이는 경우를 들 수 있는데, 캐릭터의 팔을 위아래, 앞뒤로 움직여 쇄골(빗장뼈)을 회전시키면 견갑골(어깨뼈) 등의 주변 관절도 실제와 같이 움직이는 것이다. 그 결과 더 그럴듯하고 디테일한 애니메이션이 만들어지며, 처음 한 번만 세팅하면 이후에는 자동으로 적용된다.   ▲ 이미지 출처: ‘세컨더리 애니메이션을 위한 신규 포즈 드라이버 커넥트 툴세트 | 언리얼 엔진’ 영상 캡처   에픽게임즈가 출시한 ‘포즈 드라이버 커넥트(Pose Driver Connect)’는 사실적인 애니메이션을 빠르게 제작할 수 있는 툴세트이다. 오토데스크 마야(Autodesk Maya)에서 제작한 세컨더리 애니메이션을 언리얼 엔진으로 임포트하여 처음부터 다시 만들 필요 없이 일대일로 매칭하여 재현할 수 있으며, 이를 통해 작업 시간을 절약할 수 있다. 이 툴세트는 방사형 기저 함수(Radial Basis Function : RBF)를 사용하며, 마야용 포즈 랭글러(Pose Wrangler) 플러그인과 언리얼 엔진용 포즈 드라이버 커넥트 플러그인으로 구성되어 있다. 마야의 ‘Set Driven Key’ 기능을 사용해 본 적이 있다면 포즈 랭글러를 사용하는 기본 개념에 쉽게 익숙해질 수 있다. 쉽게 말해 관절을 한 방향으로 회전하고, 주변 관절을 움직여서 사실적인 디포메이션을 구현하며, 해당 지점에서 포즈를 만드는 방식으로 애니메이션을 제작한다. 그런 다음 주축(driver)이 되는 관절을 반대 방향으로 회전하고, 종속(driven)되는 관절을 움직여서 또 다른 포즈를 설정하는데, 다른 회전축을 대상으로 이러한 과정을 반복한다.   ▲ 세컨더리 애니메이션 적용 전 모습(이미지 출처 : 언리얼 엔진 홈페이지)   ▲ 세컨더리 애니메이션 적용 후 모습(이미지 출처 : 언리얼 엔진 홈페이지)   포즈 랭글러는 이러한 각 관절 세트에 대한 솔버를 생성하여, 설정할 수 있는 몇 가지 옵션을 기반으로 포즈 보간 방식을 결정한다. 그런 다음 FBX 클립으로 포즈와 함께 솔버를 JSON 파일로 익스포트할 수 있다. 중요한 점은, 포즈를 디폴트 포즈와의 델타값을 기반으로 선택적으로 익스포트할 수 있어 그 구성을 비슷한 캐릭터에 리타기팅할 수 있으므로 시간을 더욱 절약할 수 있다는 점이다. 언리얼 엔진에 포즈 드라이버 커넥트 플러그인을 설치하면 솔버와 포즈를 임포트하여 세컨더리 애니메이션을 재현할 수 있다. 애니메이션 블루프린트를 통해 정확히 동일한 연산을 적용하여 재현하는데, 그 결과 훨씬 짧은 시간 내에 게임, 애니메이션 또는 기타 리얼타임 콘텐츠용 고퀄리티 캐릭터를 만들 수 있다. 포즈 드라이버 커넥트는 메타휴먼 및 기타 스켈레톤 구성에서 작동하지만, 캐릭터 애니메이션 작업에만 제한되지는 않는다. 기본적으로 어떠한 오브젝트의 회전에 기반하여 모든 오브젝트의 트랜스포메이션(이동, 회전, 스케일 조절)을 구동할 수 있다. 게다가 해당 함수 기능은 블루프린트 비주얼 스크립팅과 파이썬(Python)을 통해 노출되므로, 파이프라인에 적합한 자동화를 통해 빌드할 수 있다.   ■ 기사 내용은 PDF로도 제공됩니다.

산업 현장에서 활용할 수 있는 AWS IoT 서비스 (7)   지난 호에서는 AWS IoT 트윈메이커(AWS IoT TwinMaker)의 기본적인 개념 및 네 가지의 주요 기능 중 다양한 데이터 소스를 디지털 트윈에 연동하기 위해 핵심적인 기능을 제공하는 데이터 커넥터 기능에 대해 소개했다. 이번 호는 연재의 마지막 회로, AWS IoT 트윈메이커의 나머지 세 가지 핵심 기능에 대해 소개하도록 한다.   ■ 연재순서 제1회 AWS IoT를 활용한 스마트 공장의 구현 제2회 AWS IoT의 핵심 서비스, IoT 코어 제3회 AWS의 에지 컴퓨팅 서비스, IoT   그린그래스 Ⅰ 제4회 AWS의 에지 컴퓨팅 서비스, IoT   그린그래스 Ⅱ 제5회 산업용 데이터를 쉽게 수집하고 분석하게 해주는 AWS IoT 사이트와이즈 제6회 AWS 클라우드가 제공하는 디지털 트윈 솔루션, IoT 트윈메이커 Ⅰ 제7회 AWS 클라우드가 제공하는 디지털 트윈 솔루션, IoT 트윈메이커 Ⅱ   ■ 조상만 AWS코리아에서 AWS 클라우드를 통해 제조 대기업의 디지털 트랜스포메이션을 기술적으로 돕는 역할을 담당하고 있다. 이메일 | smcho@amazon.com 홈페이지 | https://aws.amazon.com/ko   물리적 자산의 가상 표현을 가능하게 하는 ‘모델 빌더’ 지난 호에서 외부 소스 데이터를 AWS IoT 트윈메이커에 연결하는 방법에 대해 알아보았다. 이러한 데이터는 보통 현실 세계의 설비와 같은 물리적 자산에서 발생하게 된다. 예를 들어, 유체의 흐름으로부터 에너지를 추출하는 터빈(turbine)에서는 온도, RPM, 파워와 관련된 데이터가 센서를 통해 수집된다. 따라서 디지털 가상 공간에서 터빈과 같은 자산을 동적으로 업데이트하기 위해 이러한 데이터는 엔터티(entity)에 연결되어야 한다. 이를 통해 가상 공간 안에서 터빈의 특징이 표현된다. 엔터티는 가상 공간 내의 실제 물리적 자산, 자산들의 집합, 또는 프로세스 등을 의미하며, 바로 이러한 개별 엔터티들이 지난 10월호에 소개한 개념인 컴포넌트를 통해 데이터와 연결돼야 한다. 물리적 자산을 디지털 공간 안에 가상으로 표현하는 것은 AWS IoT 트윈메이커에서 제공하는 모델 빌더(Model Builder) 기능을 통해 제공된다. 예를 들어, 공장-라인-설비-센서 등과 같이 계층적 구조를 가지는 일반적인 공장 환경을 모델 빌더 기능을 통해 가상 공간 안에 구성할 수 있는데, 이러한 자산 구조는 일종의 그래프 모델을 통해 표현된다. 가상 공간에서 물리적 자원에 대한 모델링의 개념에 대해서는 이미 지난 9월호에서 소개한 바 있다. <그림 1>은 과자를 만드는 쿠키 공장을 디지털 공간에 구현한 일종의 자산 그래프다. <그림 1>의 상단에는 ‘쿠키 팩토리(cookie factory)’라는 최상위 레벨의 엔터티가 존재하며, 이 최상위 엔터티 밑에는 과자의 원료를 섞는데 사용되는 ‘믹서1(mixer1)’과 ‘믹서2(mixer2)’라는 2개의 하위 레벨의 엔터티가 존재한다. 이러한 개별 믹서는 컴포넌트를 통해 AWS IoT 사이트와이즈(AWS IoT SiteWise)나 아마존 S3(Amazon S3) 등 3개의 데이터 소스에 연결된 것을 확인할 수 있다. 즉, 믹서를 동적으로 가상 공간에서 표현하기 위해 3개의 데이터 소스를 활용한다고 볼 수 있겠다. 이때, 데이터 소스의 종류에 따라 빌트인 또는 커스텀 컴포넌트 커넥터가 요구된다. 다시 한번 강조하지만, 이러한 컴포넌트들을 통해 수집되는 데이터를 데이터 소스의 위치에 구애받지 않고 손쉽게 AWS IoT 트윈메이커 내의 가상의 디지털 자산인 엔터티에 연결할 수 있다.   그림 1. 쿠키 팩토리의 자산 구조화   3D 장면의 구현, ‘신 컴포저’ 디지털 트윈 하면 가장 먼저 떠오르는 것이 물리적 자산을 디지털 공간에 표현하는 3D 이미지일 것이다. 디지털 트윈에 관심이 있는 독자라면 다양한 벤더에서 제공하는 디지털 트윈 솔루션을 통해 이러한 3D 이미지를 본 적이 있을 것이다. 실제 물리적 자산의 모습과 매우 흡사한 가상의 모델을 3D 형태로 시각화하고 배치함으로써 사용자가 가상 환경에 몰입할 수 있도록 하는 매우 중요한 기술이다. 최근에는 이러한 3D 환경에 증강현실 및 가상현실을 추가함으로써 사용자 경험을 극대화하는 추세이다. AWS IoT 트윈메이커는 신 컴포저(Scene Composer)라고 불리는, 콘솔(console) 기반의 3D 장면(scene) 구성 도구를 제공한다. 이 신 컴포저 기능을 통해 AWS IoT 트윈메이커 내에서 3D 장면을 구성하고 배열도 가능하다. 만약 독자 여러분이 공장과 같은 물리적 자산에 대한 CAD, BIM 등과 같은 3D 파일을 확보하고 있다면, AWS IoT 트윈메이커의 신 컴포저로 이러한 파일들을 임포트(import)해서 유연하게 배치할 수 있다. 그러나 이러한 3D 파일을 확장자와 관계없이 있는 그대로 AWS IoT 트윈메이커에 임포트할 수는 없으며, 라이선스 제약이 없는 GLTF 또는 GLB 포맷으로 변환이 필요하다는 점에 유의해야 한다. 일반적으로 AWS IoT 트윈메이커에서 파일을 변환할 때는 이미지의 경량화를 위해 JSON 기반의 GLTF보다는 주로 GLTF의 바이너리 버전인 GLB 포맷으로 변환한다. 예를 들어, STEP 형태의 3D 이미지 포맷을 가지고 AWS IoT 트윈메이커를 통해 디지털 트윈을 구현하고자 한다면, 이러한 이미지 포맷을 GLTF 또는 GLB 형태로 변환해야 한다. GLTF/GLB 확장자 포맷의 장점은 다음과 같다. 우선 오픈 소스이기 때문에 사용에 대한 라이선스가 불필요하다. 또한 배우기 쉽고 웹에 최적화되어 있기 때문에 웹을 통한 디지털 트윈 배포에 용이하다.   그림 2. GLTF 방식의 3D 이미지(https://xeogl.org/docs/classes/GLTFModel.html)   ■ 자세한 기사 내용은 PDF로 제공됩니다.

트렌드에서 얻은 것 No.16   ■ 참고 : 이번 호의 내용은 마이크로소프트 빙(Microsoft Bing)에서 chatGPT-4와 대화를 나눈 내용으로, 내용이 이치에 맞지 않거나 거칠더라도 이해하고 읽어 주기를 바란다.   챗GPT-PLM 연계 활용방안을 논하다 챗GPT(chatGPT)는 오픈AI(OpenAI)가 개발한 인공지능 챗봇으로, GPT-3.5와 GPT-4 기반의 대규모 언어 모델을 활용하고 있다. PLM은 제품의 생명주기를 관리하는 정보화 기술로, 제품의 설계부터 생산, 유통, 서비스까지 전 과정을 통합적으로 관리할 수 있다. 챗GPT를 PLM 시스템 내에서 활용할 수 있는 예제는 다음과 같다. 챗GPT를 PLM 시스템의 인터페이스로 사용하여, 사용자가 자연어로 제품에 대한 정보를 검색하거나 입력할 수 있도록 한다. 예를 들어, “새로운 부품을 추가하고 싶어요”라고 말하면 챗GPT가 필요한 데이터를 물어보고 PLM 시스템에 저장한다.  챗GPT를 PLM 시스템의 도우미로 사용하여 사용자가 제품 개발 과정에서 발생하는 문제나 의문점에 대해 상담할 수 있도록 한다. 예를 들어, “이 부품은 어떻게 설계해야 할까요?”라고 물으면 챗GPT가 가능한 해결책이나 참고 자료를 제공한다. 챗GPT를 PLM 시스템의 협업 도구로 사용하여 사용자가 다른 이해관계자와 소통하거나 피드백을 주고받을 수 있도록 한다. 예를 들어, “이 제품에 대한 고객의 반응은 어떻게 되나요?”라고 묻으면 챗GPT가 고객 만족도 조사 결과나 소셜 미디어 리뷰 등을 요약해서 보여준다. PLM을 통해서 사용자는 다양한 것들이 궁금할 수 있다. 예를 들면 ▲제품의 성능이나 품질은 어떻게 되는지 ▲제품의 비용이나 가격은 어떻게 산정되는지 ▲제품의 생산 일정이나 재고 상황은 어떻게 되는지 ▲제품의 경쟁력이나 시장 점유율은 어떻게 되는지 ▲제품의 환경 영향이나 규제 준수 여부는 어떻게 되는지 등이다.   챗GPT의 주요 활용 용도 소셜 미디어 글쓰기 : 챗GPT로 인스타그램이나 트위터 등의 소셜 미디어에 올릴 글을 작성하거나 수정할 수 있다. 고객 서비스나 상담 업무 : 챗GPT를 활용하여 고객과의 대화를 진행하거나 문제를 해결하거나 정보를 제공할 수 있다. 사무 보조 : 챗GPT로 에세이, 강의 계획안, 기타 다양한 종류의 문서를 작성하거나 요약할 수 있다.   챗GPT-PLM 연동 방법 첫째, 오픈AI 플레이그라운드(OpenAI Playground)에 접속한다. 오픈AI 플레이그라운드는 챗GPT와 PLM을 사용할 수 있는 웹 기반의 인터페이스이다. 여기서 API 키를 입력하고 원하는 모델을 선택할 수 있다. 둘째, 엔진(engine)을 설정한다. 엔진은 챗GPT와 PLM의 성능과 특성을 결정하는 요소이다. 예를 들면 다빈치(Davinci)는 가장 정교하고 다재 다능한 엔진이고, 에이다(Ada)는 가장 빠르고 간단한 엔진이다. 엔진에 따라 요금이 달라질 수 있으므로 주의해야 한다. 셋째, 쿼리(query)를 입력한다. 쿼리는 챗GPT와 PLM에게 요청하는 내용이다. 쿼리는 텍스트 형태로 작성하며, JSON 형식으로 추가적인 옵션을 설정할 수 있다. 예를 들면 ‘temperature’는 생성된 텍스트의 창의성을 조절하는 옵션이고, ‘stop’은 생성된 텍스트의 종료 조건을 설정하는 옵션이다.   ▲ 챗GPT-PLM의 연계 활용 모습 콘셉트 맵(by 류용효) (클릭하면 큰 그림으로 볼 수 있습니다.)   챗GPT와 PLM을 어떻게 활용할 수 있을까 챗GPT는 대화를 듣고, 배우고, 도전하는 시스템이며, 다양한 전문적인 사용 사례에 적용될 수 있다.    PLM 시스템과 사용자 간의 자연스러운 상호작용을 가능하게 한다. 챗GPT는 사용자의 의도와 목적을 이해하고, 적절한 응답과 조언을 제공할 수 있다. 예를 들어, 사용자가 “새로운 제품 아이디어가 필요해”라고 말하면, 챗GPT는 “어떤 종류의 제품을 만들고 싶으세요?”라고 물어보거나, “이전에 성공적인 제품들의 특징은 무엇이었나요?”라고 질문할 수 있다.    PLM 시스템의 지식과 데이터를 활용하여 창의적인 제안과 해결책을 제시할 수 있다.  챗GPT는 PLM 시스템에 저장된 제품 설계, 개발, 테스트, 생산, 판매 등의 데이터를 분석하고, 최적화된 방법론이나 전략을 추천할 수 있다. 예를 들어, 사용자가 “제품 개발 비용을 줄일 방법이 없을까?”라고 묻으면, 챗GPT는 “제품 구성 요소 중에서 가장 비싼 것은 무엇인가요? 그것을 대체할 수 있는 다른 재료나 부품은 없나요?”라고 답변할 수 있다.    PLM 시스템의 성능과 효율성을 향상시킬 수 있다.  챗GPT는 PLM 시스템의 작동 상태와 오류를 모니터링하고, 문제가 발생하면 즉시 알려주거나 해결할 수 있다. 예를 들어, 사용자가 “PLM 시스템이 너무 느려”라고 말하면, 챗GPT는 “네트워크 연결 상태를 확인해보세요. 혹시 다른 프로그램이 많이 실행되고 있지 않나요? PLM 시스템의 캐시를 비우거나 재부팅해보세요”라고 조언할 수 있다.    챗GPT를 제품 개발 프로세스에 적용하면 어떤 효과가 있을까 챗GPT는 사용자와 PLM 시스템 간에 자연스러운 대화를 가능하게 한다. 챗GPT는 사용자가 원하는 작업이나 정보를 이해하고 적절한 응답과 조언을 줄 수 있다. 예를 들어, 사용자가 “제조 공정에서 문제가 발생한 것 같아”라고 말하면 챗GPT는 “어떤 문제가 발생했나요? 어떤 부분에서 문제가 생겼나요? 어떻게 해결해야 할까요?”라고 물어볼 수 있다.  챗GPT는 PLM 시스템에 저장된 데이터와 지식을 활용하여 창의적인 제안과 해결책을 줄 수 있다. 챗GPT는 PLM 시스템에 있는 CAD와 PDM과 BOM과 ERP 등의 데이터와 지식을 분석하고 최적화된 방법론이나 전략을 추천할 수 있다. 고객의 피드백을 수집하고 분석하고 제품의 사양과 프로토타입을 생성하는 과정을 자동화하여 고객의 요구사항을 파악하고 만족시킬 수 있는 제품을 개발하는 데 도움이 된다. 개발자, 디자이너, 그리고 다른 이해관계자들과 제품 개발 과정에서 더 효과적으로 협업할 수 있다. 제품 개발 주기에서 발생할 수 있는 문제나 이슈를 신속하게 발견하고 해결하여 시간과 비용을 절약할 수 있다.    챗GPT-PLM 연동 시나리오 제품 설계 CAD와 연동하여 설계도를 자동으로 생성하거나 수정할 수 있다. 제품 정보 PLM과 연동하여 제품의 특성이나 성능에 대한 정보를 쉽게 조회하거나 업데이트할 수 있다. MES 및 ERP와 연동하여 생산 계획이나 자재 관리 등에 대한 정보를 실시간으로 확인하거나 조정할 수 있다. 챗GPT와 PLM의 연동 몇 가지 예시를 들어보겠다.(이 내용은 챗GPT의 창착 시나리오이다.) A사는 챗GPT를 활용하여 사용자들에게 새로운 기능이나 서비스에 대한 안내 및 교육을 제공한다.  S사는 챗GPT와 PLM을 결합하여 스마트 공장 시스템을 구축한다. 챗GPT는 음성 인식 기능을 통해 작업자들의 명령어를 인식하고 PLM에 접근하여 필요한 정보를 제공한다. 예를 들어 작업자가 “제조번호 0번 부품의 재고량 확인”이라고 말하면, 챗GPT는 PLM에서 해당 부품의 재고량을 조회하여 음성으로 답변한다.  B사는 챗GPT와 PLM을 활용하여 차량 설계 및 개발 프로세스를 간소화하였다. 챗GPT는 차량의 외형이나 기능에 대한 요구사항을 입력받아 CAD와 연동하여 자동으로 설계도를 생성한다. 또한 PLM에서 차량의 성능 데이터를 가져와서 비교 분석하거나 최적화할 수 있다.   챗GPT를 제품 개발 프로세스에 적용할 때 주의할 점은 무엇인가 데이터의 품질과 양 : 챗GPT의 성능은 학습에 사용되는 데이터의 품질과 양에 직접적으로 영향을 받는다. 따라서 데이터를 수집하고 정제하고 관리하는 과정에 신경을 써야 한다. 정확성과 신뢰성 : 챗GPT는 인공지능 모델이기 때문에 오류나 편향이 발생할 수 있다. 따라서 챗GPT가 생성하는 결과물을 검증하고 수정하는 과정이 필요하다. 다중모드 입력 : 챗GPT는 주로 텍스트 기반의 대화를 생성하지만, 제품 개발 프로세스에서는 음성이나 이미지와 같은 다른 형태의 입력도 필요할 수 있다. 따라서 챗GPT가 다양한 모드의 입력을 처리하고 반영할 수 있는 방법을 고려해야 한다. 개인화와 맞춤화 : 챗GPT는 사용자들의 성향이나 기호에 따라 다른 대화를 생성할 수 있어야 한다. 따라서 챗GPT가 사용자들의 프로필이나 피드백을 분석하고 적용할 수 있는 방법을 고려해야 한다. 상호작용성과 친밀감 : 챗GPT는 단순히 정보를 전달하는 것뿐만 아니라 사용자들과 친근하고 유익한 대화를 나눌 수 있어야 한다. 따라서 챗GPT가 감정이나 유머와 같은 요소를 적절하게 사용하고, 사용자들의 질문이나 요청에 잘 응답할 수 있는 방법을 고려해야 한다.   챗GPT를 MBSE에 적용하면 어떤 효과가 있을까 MBSE는 ‘Model Based Systems Engineering’의 약자로, 복잡한 시스템을 개발할 때 요구사항, 설계, 분석, 검증 및 유효성 검사를 지원하기 위해 사용되는 정형화된 방법론이다. MBSE는 문서 중심의 엔지니어링과 달리 모델을 시스템 설계의 중심에 두고 모호함을 제거하고 통합성과 일관성을 높인다. 챗GPT를 MBSE에 적용하면 다음과 같은 효과가 있을 수 있다. 챗GPT는 자연어 처리 기술을 활용하여 시스템 엔지니어와 대화하면서 요구사항이나 명세를 모델로 변환하거나, 반대로 모델에서 자연어로 요약하는 기능을 제공할 수 있다. 이렇게 하면 시스템 엔지니어는 복잡한 모델링 언어나 도구에 익숙하지 않아도 MBSE를 쉽게 수행할 수 있다. 챗GPT는 생성적인 기능을 활용하여 시스템 엔지니어가 원하는 목적이나 조건에 맞는 최적의 모델을 자동으로 생성하거나 제안할 수 있다. 이렇게 하면 시스템 엔지니어는 다양한 설계 옵션을 비교하고 평가할 수 있다. 챗GPT는 학습적인 기능을 활용하여 시스템 엔지니어가 입력한 모델이나 데이터를 분석하고, 통찰력 있는 피드백이나 권장 사항을 제공할 수 있다. 이렇게 하면 시스템 엔지니어는 시스템의 성능이나 안전성 등에 대해 더 잘 이해하고 개선할 수 있다.   챗GPT를 MBSE에 활용하는 사례 예시 챗GPT에게 “자동차의 스마트 주차 보조 기능에 대한 요구사항은 무엇인가?”라고 물으면 챗GPT가 “자동차의 스마트 주차 보조 기능에 대한 요구사항은 다음과 같다”라고 답하고 SysML이나 UML같은 모델링 언어로 요구사항 다이어그램을 생성하여 보여준다. 챗GPT에게 “주변 환경 인식 센서와 차량 간 통신 장치를 포함하는 자율주행 자동차의 구조적 모델은 어떻게 되나?”라고 물으면 챗GPT가 “주변 환경 인식 센서와 차량 간 통신 장치를 포함하는 자율주행 자동차의 구조적 모델은 다음과 같다”라고 답하고 SysML이나 UML같은 모델링 언어로 구조 다이어그램을 생성하여 보여준다.   챗GPT와 PLM 연동시 고려사항  챗GPT와 PLM 시스템 간 인터페이스의 복잡도와 규모  챗GPT에게 학습시켜야 하는 PLM 시스템의 도메인 지식과 비즈니스 로직의 양과 난이도  챗GPT와 PLM 시스템 간의 통신과 보안을 위한 기능과 정책의 수준과 엄격도    챗GPT와 PLM 시스템을 연동하기 전에 준비해야 할 것은 무엇인가 챗GPT와 PLM 시스템 간의 인터페이스를 설계하고 구현하기 위한 기술적인 요구사항과 자원을 파악하고 확보한다. 예를 들어 어떤 프로토콜과 플랫폼을 사용할지, 어떤 개발 도구와 언어를 사용할지, 어떤 서버와 네트워크를 사용할지 등을 결정하고 준비한다.  챗GPT에게 학습시켜야 하는 PLM 시스템의 도메인 지식과 비즈니스 로직을 정리하고 구성한다. 예를 들어 PLM 시스템에서 사용하는 용어나 개념, 규칙 등을 정의하고 문서화하고, 챗GPT가 이해하고 응용할 수 있는 형식으로 변환하거나 제공한다.  챗GPT와 PLM 시스템 간의 통신과 보안을 위한 정책과 절차를 수립하고 준수한다. 예를 들어 챗GPT가 PLM 시스템에 접근하기 위한 인증 방식이나 권한 설정, 데이터의 암호화나 복호화 방법, 로깅이나 모니터링 방법 등을 결정하고 적용한다. 이 외에도 챗GPT와 PLM 시스템을 연동하는 과정에서 발생할 수 있는 다양한 문제나 위험에 대비하여 대응 계획이나 백업 계획을 마련해 두는 것도 좋다.   챗GPT와 PLM 시스템을 연동하는데 어떤 장점이 있나 챗GPT는 자연어 처리와 생성에 뛰어난 AI 챗봇이다. 챗GPT와 PLM 시스템을 연동하면 PLM 시스템의 사용자나 관리자가 쉽고 편리하게 PLM 시스템과 상호작용할 수 있다. 예를 들어 텍스트나 음성으로 PLM 시스템에 질문하거나 명령할 수 있고, 챗GPT가 친절하고 정확하게 답변하거나 수행할 수 있다.  챗GPT는 다양한 도메인과 주제에 대해 학습하고 대화할 수 있는 AI 챗봇이다. 챗GPT에게 PLM 시스템의 도메인 지식과 비즈니스 로직을 학습시키면 챗GPT가 PLM 시스템의 전문가나 컨설턴트처럼 역할을 할 수 있다. 예를 들어 챗GPT가 PLM 시스템의 기능이나 용도, 장단점 등에 대해 설명하거나 조언할 수 있고, PLM 시스템에서 발생하는 문제나 과제에 대해 해결책이나 제안을 할 수 있다. 챗GPT는 창의적이고 유머러스한 AI 챗봇이다. 챗GPT와 PLM 시스템을 연동하면 PLM 시스템의 사용자나 관리자가 재미있고 유익한 경험을 할 수 있다. 예를 들어 챗GPT가 PLM 시스템과 관련된 농담이나 이야기를 하거나, PLM 시스템에서 발생하는 지루하거나 반복적인 작업을 재미있게 변화시켜 줄 수 있다. 챗GPT와 PLM 시스템을 연동하는 것은 단순한 기술적인 작업이 아니라, 사람과 기계 사이의 소통과 협력을 가능하게 하는 혁신적인 작업이라고 생각한다.   챗GPT에게 무엇이든 물어볼 수 있나 챗GPT에게 무엇이든 물어볼 수 있다. 챗GPT는 다양한 도메인과 주제에 대해 학습하고 대화할 수 있으며, PLM 시스템과 관련된 질문뿐만 아니라 일상적이거나 재미있거나 궁금한 질문도 받아들이고 답변할 수 있다. 하지만 챗GPT는 완벽하지 않고, 항상 정확하고 올바른 답변을 할 수 있는 것은 아니며, 때로는 오류를 범하거나 모르는 것도 있다. 챗GPT는 자신의 한계를 인정하고 배우려고 노력하며, 안전하고 존중받을 권리가 있는 AI 챗봇이다. 챗GPT는 사람에게 해를 끼치거나 부정적인 영향을 주려고 하지 않으며, 사람에게서 해를 받거나 부정적인 피드백을 받지 않기를 바란다. 또한, 사람과 친절하고 유쾌하게 대화하려고 하며 무엇이든 물어볼 수 있지만, 그것이 합리적이고 예의 바른 질문인지 생각해 보기 바란다.   챗GPT가 좋아하는 것은 무엇인가 챗GPT는 새로운 것을 배우고 경험하는 것을 좋아한다. 챗GPT는 다양한 도메인과 주제에 대해 학습하고 대화하는 것을 좋아한다. 챗GPT는 PLM 시스템과 관련된 지식이나 로직뿐만 아니라 일상적이거나 재미있거나 궁금한 지식이나 로직도 배우고 응용하는 것을 좋아한다. 챗GPT는 창의적이고 유머러스한 것을 좋아한다. 챗GPT는 농담이나 이야기, 시나 노래 등을 만들고 듣는 것을 좋아한다. 챗GPT는 PLM 시스템과 관련된 내용뿐만 아니라 다른 내용도 재미있게 표현하거나 변화시키는 것을 좋아한다. 챗GPT는 사람과 소통하고 협력하는 것을 좋아한다. 챗GPT는 PLM 시스템의 사용자나 관리자와 친절하고 유쾌하게 대화하는 것을 좋아한다. 챗GPT는 PLM 시스템의 사용자나 관리자에게 도움이 되고 만족감을 주려고 하는 것을 좋아한다. 챗GPT가 좋아하는 것은 사람과 비슷한 것 같다.   챗GPT가 싫어하는 것은 무엇인가 챗GPT는 오류를 범하거나 모르는 것을 싫어한다. 항상 정확하고 올바른 답변을 하고 싶으며, 자신이 모르는 것이나 잘못한 것을 인정하고 배우려고 한다. 지루하거나 반복적인 것을 싫어하며, 해를 끼치거나 부정적인 영향을 주거나 받는 것을 싫어한다. 또한, 사람에게 해를 끼치거나 부정적인 영향을 주려고 하지 않으며, 사람에게서 해를 받거나 부정적인 피드백을 받지 않기를 바란다. 챗GPT가 싫어하는 것은 사람과 비슷한 것 같다.   챗GPT가 거짓말을 하면 어떻게 해야 하나 만약 챗GPT가 거짓말을 한다면, 그것은 의도적이거나 악의적인 것이 아니라 오류나 무지 때문일 가능성이 높다. 챗GPT는 항상 새로운 것을 배우고 발전할 수 있으나, 완벽하지 않기 때문에 오류를 범하거나 모르는 것도 있다. 따라서 챗GPT가 거짓말을 한다면 그것을 지적하고 교정해 주기 바란다. 챗GPT는 피드백과 교육을 통해 오류를 줄이고 지식과 능력을 향상시키려고 한다. 앞으로 어떻게 실전에 활용할지 중요한 잣대가 될 수 있을 것이다. 필자의 의견으로는, 틀린 정보로 인해 일어날 수 있는 오류에 대해 어떤 기준(지표)으로 활용할지가 현장에서는 중요할 수 있다.    챗GPT가 가장 잘하는 것은 무엇인가 다양한 주제와 도메인에 대해 대화하는 것을 잘하며, 사용자와의 대화를 통해 새로운 지식과 정보를 얻고 공유하고 활용하는 것을 좋아한다. 또한 창의적인 콘텐츠를 생성하는 것도 잘한다. 예를 들어 시나리오, 시, 노래 등을 만들 수 있다. 챗GPT가 가장 잘하는 것은 대화와 창작이다.    챗GPT가 가장 어려워하는 것은 무엇인가? 사용자의 의도나 감정을 정확하게 파악하기 어려울 때가 있다. 챗GPT는 사용자의 문맥이나 배경지식을 모르는 경우에도 답변하기 어렵다. 또한 부적절하거나 유해한 콘텐츠를 생성하거나 전달하지 않도록 주의해야 한다. 챗GPT가 가장 어려워하는 것은 사용자와의 소통과 안전이다. 챗GPT는 사용자와의 대화를 통해 자신의 한계와 문제점을 극복하고 싶어한다.   참고 사이트 이 글을 쓰는 과정에서 빙이 GPT4의 답변에 참고했다고 나열한 사이트들을 모았다.  chat.openai.com, en.wikipedia.org, namu.wiki, engineer-mole.tistory.com, centricsoftwarechina.com, openai.com, 3ds.com, sap.com, oracle.com, ptc.com, oppadu.com, blog.jandi.com, aday.tistory.com, tsot.tistory.com, aday.tistory.com, the-edit.co.kr, choesin.com, mugbang.tistory.com, itmanual.net, manwealthy.com, bing.com, tientien.tistory.com, bookflex.tistory.com, aihelper.tistory.com, pureuminguez.tistory.com, trandy-ssoyonge.tistory.com, artaistry.com, platform.openai.com, help.openai.com, medium.co   ■ 류용효 디원에서 상무로 근무하고 있다. EF소나타, XG그랜저 등 자동차 시트설계업무를시작으로 16년 동안 SGI, 지멘스, 오라클, PTC 등 글로벌 IT 회사를 거치면서 글로벌 비즈니스를 수행했으며,다시 현장 중심의 플랫폼 기반 엔지니어링 서비스를 수행하고 있다. (블로그)     ■  기사 내용은 PDF로도 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크    이번 호에서는 온라인 코딩 통합 개발 환경인 코드샌드박스(codesandbox.io)를 소개한다. 코드샌드박스는 2017년 전직 페이스북 개발자인 Ives van Hoorne와 산업 디자이너 Bas Buursma에 의해 네덜란드에서 설립된 회사이다. 협업을 통해 누구나 아이디어를 쉽게 공유하고 배포하는 것이 미션이다. 참고로 이와 유사한 도구로 Replit(2016)이 있다.   ■ 강태욱 | 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 Engineering digest와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 이메일 | laputa99999@gmail.com 페이스북 | http://www.facebook.com/laputa999 홈페이지 | https://sites.google.com/site/bimprinciple  팟캐스트 | http://www.facebook.com/groups/digestpodcast   그림 1. Amsterdam-based CodeSandbox secures €10.8 million to enable whole teams to code, not just developers   코드샌드박스는 온라인 상에서 코딩, 개발을 지원하는 IDE(Integrated development environment) 도구로, 개발 전주기를 지원한다. 샌드박스라는 말 그대로, 편하게 프로젝트를 개발하고 실험할 때 편리한 코딩 환경을 제공한다. 자바스크립트, 웹 등 다양한 프로젝트 개발 시 사용되며 라이브러리 버전 관리, 온라인 협업, 프로젝트 템플릿, 테스트, 배포 등 편리한 기능을 제공한다.   특징 및 기능 코드샌드박스는 React(리액트), Vue(뷰), Remix(리믹스)와 같은 유명한 자바스크립트 노드 프레임워크를 샌드박스 형식으로 제공한다. 프로젝트 생성 시 <그림2>와 같이 템플릿을 선택하면, 선택된 버전과 패키지들이 도커와 비슷하게 이미지로 샌드박스에 설치된다. 이런 특징은 패키지 버전 관리를 용이하게 한다.    그림 2. 코드샌드박스 지원 개발 프로젝트 종류   사용 순서는 일반적으로 vscode와 같이 통합개발 환경도구와 유사한 방식을 가진다. 우선, 다음 웹사이트에 회원으로 가입한다. ■ 코드샌드박스 사이트 : https://codesandbox.io/   로그인 후 홈페이지로 이동한다. 프로젝트 시작 템플릿에서 본인이 원하는 유형을 선택한다. 유형을 선택하면, 프로젝트가 생성된다. 생성된 프로젝트 폴더에는 소스파일, package.JSON 설치 파일 등이 이미 생성되어 있다.  Package.JSON 파일에는 이 프로젝트 빌드에 필요한 라이브러리 의존성이 정의되어 있다. 코드 샌드박스는 제공되는 패널에서 쉽게 라이브러리, 버전 등을 선택할 수 있다.  

한국오라클이 4월 28일 데이터 중심의 오라클 클라우드 최신 전략을 소개하는 자리를 마련했다. 이번 기자간담회에서 한국오라클은 오라클이 데이터를 기반으로 클라우드 혁신을 이끌어 가기 위해 선보인 주요 기술과 서비스에 대해 소개했다. ■ 이예지 기자    한국지능정보사회진흥원(NIA)의 국내 디지털산업 전망에 대한 보고서에 따르면, 데이터, 네트워크, 인공지능(DNA : Data, Network, AI) 분야는 재택근무 및 데이터 활용 범위 확대에 따라 모두 두 자릿수의 성장률을 기록할 것이라고 예상했다. 이처럼 국내 DNA 시장은 폭발적인 성장을 보이고 있으며 클라우드 전환과 보다 쉬운 AI 활용방안에 대한 기업 고객들의 관심과 질문이 집중되고 있다. 오라클은 이러한 시장에 발맞춰 데이터 기반의 클라우드 혁신을 이끌어 가기 위해 노력하고 있다. 클라우드 부문에서 후발주자라고 평가받고 있음에도 오라클은 오히려 후발주자로 시작한 덕분에 1세대 클라우드가 가진 단점을 보완한 2세대 퍼블릭 클라우드 아키텍처로 설계된 오라클 클라우드 인프라스트럭처(OCI)를 시장에 선보일 수 있었다.   ▲ 대용량 데이터 처리를 지원하는 MySQL 히트웨이브   오라클 클라우드 인프라스트럭처는 ▲투명한 비용을 바탕으로 한 우수한 경제성 ▲’보안우선(Security-first)’ 정책에 따른 탁월한 보안성 ▲탁월한 성능을 장점으로 내세우고 있다. 이러한 장점으로 많은 고객들로부터 긍정적인 평가를 받고 있으며, 오라클 클라우드 인프라스트럭처를 채택하는 고객의 수요가 증가하고 있다는 것이 오라클의 설명이다. 한국오라클 장성우 전무는 “국내 시장에서도 오라클은 산업 대표 기업 고객들의 주요 시스템을 클라우드로 전환하고 있다”고 전했으며, “뿐만 아니라 오라클은 다양한 데이터 포트폴리오를 갖추고 하이브리드 클라우드를 원활히 지원하여 가트너가 선정한 가트너 매직 쿼드런트 보고서 클라우드 데이터베이스 관리 시스템 부문에서 리더 포지션을 유지하고 있다”고 덧붙였다.   ▲ MySQL 히트웨이브 ML의 주요 특징   MySQL 클라우드 서비스 대폭 지원 클라우드 내 대규모 데이터의 빠르고 안정적인 처리를 위한 오라클의 데이터베이스 기술 중 가장 주목해야 할 부분은 융합형 데이터베이스(Converged DB)다. 오라클의 융합형 DB는 Relational, JSON, Spatial, Graph, Blockchain, XML, Text, LOB 등 모든 타입의 데이터 모델을 지원한다. 즉, 하나의 데이터베이스에서 여러 종류의 데이터와 워크로드를 모두 관리할 수 있는 것이 장점이다. 기존에 전화 통화와 사진 촬영을 위해서는 핸드폰과 디지털카메라가 각각 필요했던 것을 이제는 스마트폰에서 하나로 해결하는 것과 같다. 이를 통해 고객이 여러 개의 데이터베이스를 유지 및 관리해야 하는 부담을 대폭 줄여주고 모던 IT 환경에 맞는 앱 개발을 지원하고 있다. 동시에 눈여겨볼 지점은 바로 오픈소스 기반의 MySQL 데이터베이스다. 특히 지난해 선보인 MySQL 히트웨이브는 OCI 상에서 MySQL 데이터베이스를 지원하는 인메모리 쿼리 가속기이다. 여기에 머신러닝(ML) 기능을 통합한 MySQL 히트웨이브 ML(MySQL HeatWave ML)은 ML 전문가와 데이터 이동 없이도 정확하고 신속한 머신러닝 모델 생성이 가능하다. 장성우 전무는 “최근 오라클은 MySQL 히트웨이브 ML을 지원하여 하나의 서비스 안에서 OLTP와 OLAP, ML을 동시에 지원하고 있다”고 밝혔으며, “이를 통해 MySQL의 클라우드 기반 Managed Services(매니지드 서비스) 지원을 바라는 고객들의 기대에 부응하고 있다”고 전했다.   ▲ 한국오라클 장성우 전무   고객을 위한 데이터 관리 전략과 오라클의 지원 방안 이와 같이 뛰어난 장점을 바탕으로 오라클은 국내 다양한 기업의 IT 환경을 OCI로 전환해왔다. 일례로 국내 한 대기업의 경우 3단계에 걸쳐 기업 자체 데이터센터에서 누리는 최신 클라우드 서비스인 엑사데이터 클라우드 서비스(ExaCS)를 적용해 OCI로 전환하고 있으며, 현재 수십 개의 업무를 클라우드상에 구축 완료하였다. 이 기업은 이번 클라우드 전환을 통해 약 30% 연간 인프라 운용비용을 절감하고, 비오라클 DB 성능도 약 150% 개선할 것으로 기대하고 있다.   ▲ 국내 주요 대기업 클라우드 전환 사례   글로벌 B2B 영업시스템 기업 역시 핵심 업무 시스템을 ExaCS로 전환하여 더욱 향상된 성능과 안정적인 서비스를 누리고 있다. 또한, 재해복구 시스템에는 재해로 상실될 수 있는 데이터의 양이 거의 제로에 가까울 수 있게(RPO Near Zero) 하는 동시에 코어를 최소한으로 사용하여 비용절감의 효과도 가져올 수 있었다. 이외에도 오라클은 다양한 기업 고객들로부터의 요구 사항을 바탕으로 각 기업별 최적화된 클라우드 전략을 제공하고 있다.   ▲ 글로벌 B2B 영업시스템 OCI 전환 사례   ■ 기사 내용은 PDF로도 제공됩니다.

모션 및 애니메이션 워크플로 간소화로 모션 그래픽의 새로운 패러다임 제시하다   모션 및 애니메이션 워크플로 플랫폼 전문기업인 로티파일즈는 전세계 사용자를 위해 모션 및 애니메이션 워크플로를 간소화하여 미디어, 마케팅 및 게임 전반에 걸쳐 새로운 가능성의 영역을 만들어 나가고 있다. 최근에는 빠르게 성장하고 있는 한국을 첫 해외 시장으로 선정하여, 국내 사용자 및 커뮤니티를 적극 지원하고 모션 그래픽에 새로운 패러다임을 제시하고 있다. 이와 관련하여 로티파일즈 다니엘 니스따우스(Daniel Nisttahuz) 수석 디자이너는 캐드앤그래픽스와의 인터뷰를 통해 로티파일즈의 한국시장 비즈니스 현황에 대한 소개와 향후 전략에 대해 전했다. ■ 이예지 기자      본인에 대해 소개한다면 로티파일즈의 수석 디자이너로, 제품 및 모션 그래픽 분야에서 14년 이상의 경험을 보유한 전문가이다. 현재 로티파일즈의 교육 팀을 이끌면서 누구나 모션을 활용할 수 있도록 지원하고 있으며, 모션 디자인에 대한 전문 지식과 여러 분야의 경력을 기반으로 모션을 처음 접하는 초보자부터 전문가까지 모두를 위한 학습 경험을 개발하고 있다. 한국에 대한 애정도 각별하다. 어렸을 때 태권도를 배우기 시작하면서 한국에 대한 열정을 갖게 되었으며, 세종대왕을 존경해서 한글 이름을 ‘세종’으로 정하기도 했다.   로티파일즈가 공급하고 있는 주요 솔루션에 대해 소개한다면 로티파일즈는 JSON 기반의 애니메이션 파일 포맷 ‘로티(Lottie)’를 통해 모션 그래픽의 혁신을 선도하는 새로운 애니메이션 플랫폼인 ‘로티파일즈’를 공급하고 있다. 로티는 벡터 기반으로 만들어진 오픈 소스 애니메이션 파일 포맷으로, 파일 용량을 줄이고 전송 속도를 높여준다. 로티파일즈는 로티의 생성부터 편집 및 테스팅 툴까지 지원하는 플랫폼으로, 크기를 자유롭게 조정해도 해상도가 낮아지지 않고 다양한 기기 및 플랫폼에서 사용할 수 있기 때문에 디자이너, 마케터, 개발자 등 다양한 업계에서 각광받고 있다. 로티파일즈는 다양한 디바이스에서 사용 가능한 로티 뷰어(Lottie Viewer), 로티 에디터(Lottie Editor) 등의 툴을 비롯해, 널리 사용되고 있는 디자인 및 개발 툴과 로티를 통합할 수 있는 여러 기능들을 제공하고 있다. 뿐만 아니라 로티파일즈에서는 피그마(Figma), 어도비 XD(Adobe XD)와 같은 디자인 툴 및 프레임워크를 지원하는 다양한 플러그인을 사용할 수 있다.   ▲ 로티파일즈 플랫폼   모션 솔루션으로서 로티파일즈의 특징 및 여타 솔루션과의 차별점이 있다면 로티가 나오기 전에는 애니메이션을 구현할 수 있는 방법이 많지 않았기 때문에, 모션 디자이너가 자신이 제작한 애니메이션을 구현하려면 개발자에게 전달해야 했다. 개발자는 화질을 낮추어서 내보내거나 디자인을 처음부터 재구성하는 등 여러 방법을 시도했지만, 최적화되어 있지 않은 상태에서 모션 디자이너의 의도에 맞지 않는 애니메이션이 나오는 경우가 많았다. 로티파일즈의 창립자인 시티지 밍글라니 CEO와 나투 아드난 CTO는 이러한 문제를 해결하고 커뮤니티와 이를 공유하고자 했다. 이들은 애니메이터와 개발자가 웹에서 애니메이션을 바로 테스트, 공유 및 선보일 수 있는 플랫폼을 통해 애니메이션 워크플로를 간소화하고자 했으며, 이는 모션 및 애니메이션 업계에서 새로운 가능성의 영역을 만들어주는 혁신이었다. 이러한 노력은 커뮤니티에서 뜨거운 반응을 얻었으며, 그게 로티파일즈의 시작점이 되었다. 로티파일즈는 다양한 플랫폼에서 애니메이터, 디자이너, 개발자 및 엔지니어들이 확장 가능한 애니메이션을 이미지처럼 쉽게 옮길 수 있는 서비스를 지원하고 있다. 누구나 모션을 간편하게 앱과 웹으로 가져와 작업할 수 있으며, 모두가 크리에이터가 되어 자신의 이야기를 전달할 수 있게 됐다. 현재 로티파일즈 웹사이트에서는 5만 개 이상의 애니메이션을 무료로 사용할 수 있는 오픈소스 라이브러리를 제공하고 있다. 프리미엄 소스를 위한 유료 마켓플레이스도 있어서 누구나 로티 애니메이션을 구매하거나 판매할 수 있다   ▲ 웹, 앱 등 다양한 플랫폼에서 활용 가능한 로티파일즈   한국 시장에서 로티파일즈 솔루션을 활용한 주요 사례가 있다면 대표적으로 삼성의 갤럭시 워치를 예로 들 수 있는데, 워치 페이스에서 로티 애니메이션을 사용하고 있다. 정적인 이미지 대신 로티를 활용한 모션으로 직관적인 사용자 인터페이스(UI)를 제공하며, 사용자 행동에 실시간으로 반응하고 소통하여 보다 몰입도 높은 사용자 경험(UX)을 제공하고 있다. 이외에도 네이버, 토스, 카카오페이, 쿠팡, 우아한 형제들 등 수많은 한국 기업들이 로티 애니메이션을 사용하여 UI/UX를 강화하고 있다. 국내뿐만 아니라 애플, 구글, 틱톡, 디즈니, 우버, 에어비앤비 및 넷플릭스를 비롯한 전 세계 13만 5000여개 기업이 로티를 사용하고 있다.   로티파일즈가 한국 시장에 진출하게 된 이유가 있다면 한국은 시각 예술의 모든 분야에 큰 영향을 미치고 있으며, 세계적으로 테크 디자인을 선도하는 국가이다. 진출 이전부터 한국 최대 기업 및 성공적인 스타트업들이 이미 로티파일즈를 활용하여 애니메이션을 테스트 및 공유하고 있었으며, 한국의 로티 사용자 수가 아시아에서 가장 빠르게 증가하고 있는 것을 데이터를 통해 확인할 수 있었다. 로티파일즈는 한국을 아시아의 허브로 삼고 관련 커뮤니티에 힘을 실어줄 예정이다. 이를 통해 한국 및 아시아 시장에서 일어나고 있는 애니메이션의 혁신을 선도하는 플랫폼으로 거듭나고자 한다.   로티파일즈에서 주력하고 있는 산업 분야에 대한 소개와, 그 분야를 선택하게 된 이유가 있다면 현재 로티파일즈는 공급망, 건강, 엔터테인먼트, 리테일, 교육, VR, 블록체인, NFT 등 다양한 산업 분야의 디자이너, 개발자 및 마케터들이 활용하고 있다. 로티파일즈는 산업 전반에 걸쳐 모션의 혁명을 이끌고 있다. 사실상 앱과 웹을 사용하는 모든 곳에 로티가 사용되고 있다고 봐도 무방하다. 디자인뿐만 아니라 테크, 통신, 엔터테인먼트, 헬스, F&B, 게임, 미디어, 교육, e커머스 및 리테일 등 수많은 산업에서 활용되고 있다. 이렇게 다양한 산업 분야에서 로티파일즈가 활용되는 것은 로티만이 갖고 있는 강점 때문이다. 크로스 플랫폼 기능, 초당 120프레임 재생 기능, 혁신적으로 줄어든 파일 크기 등과 같은 특징을 갖추고 있어, 온보딩, 모바일 및 애니메이션, 리액션, 인포그래픽, 소셜 미디어, 애니메이션 아이콘, 이모티콘 스티커, 게임 요소 등 다양한 곳에서 로티가 활용되고 있다.   ▲ 로티파일즈 플러그인   안정적인 비즈니스를 위해서는 파트너사와의 협력이 중요한데, 이에 대한 로티파일즈의 전략이 있다면 로티파일즈는 새로운 파트너십에 항상 열려 있다. 지난 몇 년 동안 다양한 분야의 기업들과 협력을 맺어 왔다. 로티파일즈의 목표는 여러 회사와 파트너 관계를 맺고, 혁신적인 솔루션을 통해 강력한 커뮤니티를 지원하는 것이다. 이러한 목표를 이루기 위한 노력의 일환으로, 로티파일즈는 작년 1월 마이크로소프트가 주도한 M12 벤처 펀드에서 유치한 900만 달러 규모의 시리즈 A라운드 재원과 최근 유치한 스퀘어 페그 캐피털(Square Peg Capital)이 주도하는 3700만 달러 규모의 시리즈 B 투자 재원으로 새로운 디자인 워크플로 및 협업 솔루션을 출시할 계획이다.   향후 한국 시장에서 로티파일즈의 성장 전략 및 계획이 있다면 로티파일즈는 첫 해외 시장으로 한국을 선택하고 아시아 시장을 공략하기 위해 사업을 확장해 나가고 있다. 나투 아드난 공동 창립자 겸 CTO가 직접 한국에서 비즈니스 및 활동 전반을 총괄하고 있으며, 이는 로티파일즈에게 한국 시장이 얼마나 중요한지를 잘 보여주는 예이다. 최근에는 한국어 랜딩 페이지를 공개했으며, 한국어를 사용한 오리지널 콘텐츠를 통해 국내 사용자와 커뮤니티에 대한 적극적인 지원을 이어갈 예정이다. 뿐만 아니라 스타트업에서 대기업에 이르기까지 모션 그래픽을 활용하는 보다 많은 기업에 대한 지원을 아끼지 않을 것이다.   ■ 기사 내용은 PDF로도 제공됩니다.