이 책이 세상에 빛을 보기까지의 여정은 대략 이러했다. 2025년 3월, AI와 바이브 코딩을 처음 배우기 시작하며 그날그날의 서툰 기록을 남겼다. 잘해서가 아니라 잊지 않으려고 적은 메모가 여덟 달 동안 조용히 쌓였다. 그 기록을 눈여겨본 좋은습관연구소 이승현 대표가 먼저 손을 내밀었고, 흩어진 글은 2025년 12월 18일 한 편의 초고가 되었다. 2026년 3월부터 7월까지는 편집의 시간이었다. 문장을 옮기고 반복을 덜어내고 표지를 고르는 일까지, 8월 5일에 모든 것이 마무리되었다. 8월 13일 인쇄기가 돌았고, 이튿날인 14일 한 권의 책으로 제본되었다. 그렇게 ‘기획자의 시대가 온다’는 열일곱 달 만에 세상에 나왔다. 기록 더미에서 책 한 권의 모양을 먼저 알아보고 마지막 장까지 길을 내준 이승현 대표께, 이 자리를 빌려 깊이 감사드린다.   9월 부산역 근처의 작은 모임에서 한 독자가 책을 내밀며 사인을 부탁했다. 8월 31일부터 배송이 시작된 펀딩 도서를 받자마자 들고 온 것이었다. 펜을 들어 이름 석 자를 적다가 손이 잠시 멈췄다. 분명 내가 쓴 문장인데 활자가 되어 묶인 뒤로는 이미 내 것이 아닌 듯했고, 책장 사이로 검은 터미널 앞에서 막막해하던 밤과 고치고 또 고치던 원고가 겹쳐 지나갔다. 이 책은 출판사의 전화를 받은 날에도, 바이브 코딩이라는 말을 처음 들은 날에도 시작되지 않았다. 시작은 남에게 꺼내 보이기 어려운 한 문장이었다. ‘나는 아직 유효한 사람인가.’   필자는 기계공학을 공부하고 자동차 시트를 설계하며 사회에 나왔다. 이후 SGI, 지멘스, 오라클, PTC 같은 글로벌 IT 기업에서 제조기업의 시스템과 프로세스를 다뤘고, 설계자와 엔지니어, 컨설턴트와 PM으로 30년 넘게 현장을 걸었다. 경력이 쌓일수록 자신의 값도 쌓인다고 믿었다. “해봤다”는 한마디는 신뢰였고 경험은 문제를 푸는 가장 강력한 무기였다. 그런데 AI가 오자 풍경이 바뀌었다. 몇 시간을 들여 정리하던 문서를 AI는 몇 분 만에 내놓았고, 젊은 동료들은 새 도구를 망설임 없이 켰다. 회의실의 언어도 “왜 필요한가”에서 “일단 만들어 보자”로 옮겨 갔다. 지나온 시간을 설명하는 동안 세상은 이미 다음 화면으로 넘어가 있었다.   AI를 바라보는 눈은 서 있는 자리에 따라 다르다. 기업의 눈에 AI는 경쟁력이고, 솔직히 말하면 줄일 수 있는 사람의 수다. 경영 보고서의 첫 줄에는 생산성이, 둘째 줄에는 인건비가 적힌다. 그 표를 들여다보는 개인의 눈에는 다른 것이 보인다. 그 숫자 어딘가에 내 이름이 있을지 모른다는 두려움, 그리고 그 두려움을 이기려면 결국 내 능력을 키워 스스로 경쟁력이 되는 길밖에 없다는 자각이다. 같은 기술을 두고 회사는 덧셈과 뺄셈을 하고, 사람은 자기 존재의 값을 묻는다. 은퇴보다 무서운 것은 아직 회사에 다니면서도 과거의 사람이 될 수 있다는 사실이었다. 나는 그 표의 어느 칸에 있는가. 그 질문이 밤마다 나를 깨웠다.   다시 배우려면 먼저 내려놓아야 했다. ‘내가 누군데’, ‘내가 해온 일이 얼마인데’라는 마음이다. 익숙한 자리에서는 계속 아는 사람으로 남을 수 있지만, 새로운 세계로 건너가려면 모르는 사람이 되는 수밖에 없다. 주말 개발자 모임의 문을 두드렸다. 괄호 하나, 따옴표 하나에 프로그램이 멈췄고, 검은 화면은 내 경력을 조금도 알아주지 않았다. 실행되거나 되지 않거나, 결과는 냉정했다. 몇십 년의 자신감이 오류 메시지 한 줄 앞에서 무너지는 밤도 있었다. 그럼에도 다음 주말에 다시 노트북을 열 수 있었던 것은 사람이 있었기 때문이다. 데이터를 숫자가 아니라 질문으로 보게 해 준 이부일 대표, 결심을 행동으로 바꾸는 자리를 만들어 준 신동욱 대표, 답 대신 생각하는 순서를 가르쳐 준 양선희 CTO, AI와 대화하며 프로 그램을 완성해 가는 모습을 눈앞에서 보여 준 최성훈 대표와 동료들. 실력도 경력도 달랐지만 우리는 AI 시대에 자기 일을 다시 설계해 보자는 같은 방향을 보고 있었다. 회사가 사람을 줄이는 기술을 앞에 두고, 우리는 서로를 붙드는 법을 배웠다. 뉴턴이 거인의 어깨 위에서 더 멀리 보았다면, 나의 여덟 달은 사람들의 어깨 위에서 건 넌 시간이었다.   처음부터 거창한 시스템을 만든 것은 아니다. 파일 이름을 한꺼번에 바꾸고, 반복되는 엑셀 집계를 줄이고, PDF와 데이터를 원하는 모양으로 정리하는 작은 프로그램이었다. 누구도 박수치지 않 지만 매일 내 시간을 조금씩 갉아먹던 일들이다. 첫 자동화가 제대로 돌아가던 순간, 어제까지 한 시간 걸리던 일이 몇 초 만에 끝났다. 화면은 화려하지 않았으나 그 작은 결과가 건넨 말은 컸다. 내 일을 내가 고칠 수 있다. 회사가 AI로 일을 줄일 때 나는 AI로 일을 되찾았다. 그때 알았다. 바이브 코딩은 개발자가 되기 위한 기술이 아니라, 생각을 설명하는 데 머물던 기획자가 자기 가설을 직접 확인하는 방식이었다. “가능합니까”라고 묻고 대답을 기다리던 사람이 “어떤 조건에서 가능합니까”, “어떤 리스크가 있습니까”라고 묻는 사람으로 바뀌는 과정이었다. 기획서 열 장 대신 프로토타입 하나를 내놓으면 사람들은 같은 화면을 보며 이야기하고, 합의의 기준은 공감에서 검증으로 옮겨간다.   쓸모를 잃었다고 여겼던 경험도 다시 움직였다. 도면을 검토하며 몸에 밴 정확성, 공정의 앞뒤를 살피는 습관, 요구사항과 일정과 리스크를 한눈에 보던 PM의 감각이 AI가 내놓은 결과를 판단하는 기준이 되었다. AI는 가능한 것을 빠르게 만들지만, 현장에 필요한 것과 조직이 굴릴 수 있는 것, 결과에 책임질 수 있는 것을 고르는 일은 사람의 몫이다. 제조 현장의 빈 데이터 한 칸은 단순한 결측치가 아니다. 부품 누락일 수도, 공정 지연일 수도, 누군가 미처 입력하지 못한 하루의 흔적일 수도 있다. AI는 빈칸을 찾지만 그 빈칸의 사연은 도메인을 아는 사람이 읽는다. 기업이 인력 감축의 근거로 삼는 바로 그 효율이, 실은 현장을 아는 사람의 판단 위에서만 작동한다. 그래서 비개발자에게 필요한 것은 새 용어를 수집하는 일이 아니라 자기 코어에 AI를 불어넣는 일이다. 값비싼 구독료부터 낼 이유도 없다. 무료 도구와 오픈소스로 내 업무의 가장 작은 반복 하나를 고쳐 보는 경험이 먼저다. 무엇을 구독했느냐보다 무엇을 해결했느냐가 남는다.   이 모든 과정은 책을 위한 것이 아니었다. 배운 것을 적었고 막힌 이유와 풀린 과정을 남겼고 SNS와 칼럼에 생각을 나눴다. 잘해서가 아니라 잊지 않으려고 기록했다. 그런데 2025년 9월 11일, 좋은습관연구소 이승현 대표에게서 전화가 왔다. 원고를 들고 출판사를 찾아간 것이 아니라, 내가 계속 써 온 기록을 출판사가 먼저 발견한 것이다. 책은 ‘언젠가 써야지’ 하고 마음먹은 날 시작되지 않는다. 오늘 배운 것과 오늘 실패한 것, 오늘 마음을 흔든 질문을 적어 두는 순간 이미 시작된다. 여덟 차례의 수정을 거치는 동안 편집자는 원고를 대신 써 주는 사람이 아니라 저자가 보지 못한 독자의 길을 내는 사람이었다. 최종 원고가 내 손을 떠나 1500부가 찍히던 날, 기쁨보다 걱정이 먼저 왔다. 그리고 8월 12일부터 27일까지 진행한 펀딩에서 독자들은 100권이라는 첫 목표를 훌쩍 넘겨 185권으로 답했다. 아직 읽지 않은 책에 먼저 지갑을 여는 일, 그것은 독자가 먼저 건넨 신뢰였다. 그래서 기쁨만큼 두려움도 자랐다. 하지만 그 전전긍긍이야말로 저자에게 필요한 태도인지 모른다. 독자의 시간을 가볍게 여기지 않게 하고 다음 문장을 더 정직하게 쓰게 하기 때문이다. 추천사를 써 준 신수정 대표, 최재홍·정구민· 최재붕 교수, 그리고 나의 여정을 곁에서 지켜본 이들의 문장 속에서, 혼자서는 보지 못했던 나의 변화가 비로소 보였다.   8월 31일 펀딩 도서의 배송이 시작됐고, 9월 1일부터는 전국 온· 오프라인 서점에서 종이책을, 전자책 플랫폼에서 이북을 만날 수 있다. 그러나 책이 독자의 손에 닿은 자리에서 오히려 다음 일이 시작된다. 연말까지 남은 휴가를 북토크에 쓰려 한다. 큰 강연장이 아니라도 좋다. 제조기업의 작은 회의실, 공부 모임, 같은 두려움을 품은 실무자들이 모인 자리라면 책을 들고 찾아가고 싶다. 책을 팔기 위해서가 아니라 책을 다시 배우기 위해서다. 독자의 질문을 들으면 원고를 쓸 때 보지 못한 빈칸이 보이고, 현장의 문제를 만나면 책 속 문장이 다시 검증된다.   부산역에서 펜이 멈췄던 순간 처음의 질문이 다시 떠올랐다. 나는 아직 유효한 사람인가. 완성된 답은 여전히 없다. 다만 이제는 안다. 유효함은 과거의 직함이나 지금의 월급이, 그리고 회사의 표 어느 칸도 보증해 주지 않는다. 쌓아 온 경험도 가만히 두면 과거가 된다. 그러나 다시 배우고, 새로운 언어와 잇고, 작은 결과로 확인하고, 다른 사람과 나누면 경험은 다시 움직인다. 기업이 AI에서 경쟁력을 읽는다면, 사람은 AI에서 자기 자신을 다시 읽어야 한다. 책을 썼지만 나는 여전히 초보자다. 다만 떠밀려 온 초보자가 아니라 스스로 선택한 초보자다. ‘기획자의 시대가 온다’는 AI에 관한 책이지만 결국 사람에 관한 책이다. 배우고 있는 한 우리는 AI에게 대체되는 사람이 아니라 AI와 함께 일의 방향을 결정하는 사람이다. 멈췄던 손은 다시 움직여 이름을 마저 적었다.   ■ 류용효 디원 PLM기술본부에서 상무로 재 직 중이며, 페이스북 ‘류용효컨셉맵 연구소’ 리더, CNGTV 지식방송 전 문위원으로 활동하고 있다. PTC코 리아, 오라클, 지멘스 PLM 등을 거 치며 PLM과 프로세스 컨설팅 분야 에서 일해 왔다. 저서로 ‘베테랑 기 획자의 바이브코딩 도전기’가 있다. (블로그)     ■ 기사 내용은 PDF로도 제공됩니다.

PTC 코리아는 한국공학대학교와 엔지니어링 인재 양성을 위한 업무협약을 맺고, 3D CAD 소프트웨어인 ‘크레오 파라메트릭(Creo Parametric)’의 대학용 라이선스를 무상으로 지원한다고 밝혔다. 양 기관은 미래 엔지니어링 인재 양성을 뒷받침하고, 학생들이 산업 현장에서 널리 쓰이는 설계 소프트웨어를 직접 다뤄볼 수 있는 교육 환경을 마련하고자 손을 잡았다. 협약에 따라 PTC 코리아는 한국공학대학교에 크레오 파라메트릭 아카데믹 라이선스 50카피를 1년 동안 무상으로 제공한다. 이와 함께 PTC 코리아의 공인 협력 파트너인 제이투제이가 PTC와 협력해 소프트웨어 활용 지원과 교육 활동을 함께 펼치며, 학생들의 설계 실무 역량 강화를 도울 예정이다. 크레오 파라메트릭은 매개변수 기반의 파라메트릭 모델링을 바탕으로 제품 설계와 엔지니어링 전반을 수행하는 3D CAD 소프트웨어다. 한국공학대학교 학생들은 이 소프트웨어를 정규 교육과정 등에서 활용하며 3차원 설계 환경을 체계적으로 익히고, 실무에 필요한 엔지니어링 감각을 높일 수 있을 것으로 보인다.     PTC 코리아 김도균 대표는 “PTC 코리아는 1992년 한국 지사 설립 이후 국내 엔지니어링 인재 양성을 위해 꾸준히 노력해왔다”면서, “AI 기반 엔지니어링의 중요성이 그 어느 때보다 커지고 있는 시점에 국내 대학에 소프트웨어를 무상으로 제공함으로써 미래 엔지니어링 인재의 성장을 뒷받침하고자 한다. 이번 한국공학대학교와의 협력을 통해 학생들이 향후 실제 산업 현장에서 역량을 발휘할 수 있도록 적극적으로 지원해 나가겠다”고 말했다. 한국공학대학교 한제헌 교수는 “이번 협약을 통해 학생들이 산업 현장에서 실제 활용되는 설계 소프트웨어를 교육과정에서 직접 경험하며 실무 역량을 높일 수 있는 좋은 기반이 마련됐다”면서, “앞으로도 지속적인 산학협력을 통해 산업 수요에 부합하는 현장 중심의 엔지니어링 인재를 양성해 나가겠다”고 전했다.

현장에서 얻은 것 No. 26     프롤로그 — 광교의 어느 여름 저녁 2026년 7월 24일, 미래 모빌리티 셀럽 모임 ‘미모셀(MIMOCELL)’의 7월 정모가 열렸다. 장소는 경기도 용인시에 최근 문을 연 ‘더핏(THE PIT)’이었다. 730평 규모의 이 공간은 자동차 튜닝 전문 제조사 네오테크가 만든 첫 번째 직영점이다. 문을 열고 들어서는 순간, 이곳이 단순한 매장이 아니라는 것을 직감했다. 1층과 지하 1층의 플래그십 튜닝 작업장에서는 슈퍼카부터 내수차까지 장착과 세팅, 정비가 원스톱으로 이루어지고 있었고, 쇼룸의 ‘PIT WALL’ 너머로는 고객이 자기 차의 작업 과정을 직접 지켜볼 수 있었다. 카페와 미디어 라운지, 스파르코와 미니 GT가 입점한 MD숍, 파트너 기술 교육장까지 — 제조에서 도매, 소매에 이르는 통합 경험이 한 장소에 구현되어 있었다. ‘PIT’라는 이름은 F1 경주에서 경주차가 타이어를 교체하고 정비를 받는 그 피트에서 왔다. 기술력의 정점이자 세팅의 중심을 상징하는 이름이다. 이준명 대표는 이곳을 “매장이 아닌, 살아있는 레퍼런스(reference store)”라고 불렀다. 현장의 고객 목소리(VOC)가 R&D로 직결되는 기술 허브이자, 해외 바이어에게 ‘이렇게 운영하면 된다’를 실물로 보여주는 글로벌 확장의 실증 엔진이라는 것이다. 이날 저녁, 이 공간의 미디어 라운지에서 필자는 최근 몇 년간 들었던 그 어떤 디지털 전환 강연보다 강렬한 발표를 들었다.   주권을 소유한 제조 브랜드, 네오테크 네오테크는 2006년 7월에 설립된 자동차 튜닝 1세대 기업이다. 경북 김천에 본사와 공장을 두고, 약 50명의 직원이 자동차 애프터마켓용 서스펜션(코일오버)과 고성능 브레이크 시스템(NF 시리즈), 스테빌라이저와 하체 링크류를 개발·생산한다. 부품 개발부터 생산, 품질 검증까지 직접 책임지는 국내 대표 퍼포먼스 섀시 전문 제조사다. 숫자가 이 회사의 궤적을 말해준다. 2025년 매출 101억 원(2024년 96억 원), 2019년부터 2024년까지의 매출 성장률 398%, 전국 800개 이상의 파트너 튜닝샵·정비소 네트워크, 그리고 13개국 수출에 2025년 수출액 약 22억 원. 100억 규모의 중소기업이지만 미국, 캐나다, 호주, 홍콩, 중국 등으로 판로를 넓히며 자동차 튜닝의 세계적 브랜드로 커 나가고 있는 전형적인 강소기업이다. 이준명 대표는 이날 발표에서 네오테크의 정체성을 세 가지 ‘주권’으로 정리했다. 첫째, 브랜드 주권 — 직접 판다. 자사몰과 직영점(THE PIT), 자체 미디어(GridZero)로 고객과 직접 연결되는, 딜러에 의존하지 않는 D2C 구조다. 둘째, 제조 주권 — 직접 만든다. HMLV(다품종 소량) 커스터마이징 제조로 수백 개 차종에 대응하며, 튜닝을 넘어 모빌리티 OE와 방산 섀시까지 같은 공장에서 소화한다. 현대모비스, 오토노머스 A2Z와의 협력이 그 확장의 증거다. 셋째, 운영 주권 — 직접 구축한다. 자체 개발한 MES와 그룹웨어, 그리고 AI 운영체계(AI-SAOS)로 외부 SaaS에 종속되지 않고 데이터·로직·프로세스를 모두 내부 자산으로 소유한다. 가업 승계와 투자 유치, 해외 개척을 차례로 이뤄내고 이제 수도권 광교에 깃발을 꽂은 이 회사의 이야기는 그 자체로 흥미로웠다. 그러나 이날 발표의 진짜 주제는 세 번째 주권, 즉 ‘운영 주권’이 어떻게 만들어졌는가였다.   여러분의 회사입니다. 하지만 여러분의 데이터입니까? 발표의 첫 슬라이드가 스크린에 떠올랐을 때, 장내가 조용해졌다. “여러분의 회사입니다. 하지만 여러분의 데이터입니까?” 이준명 대표는 담담하게 말을 이었다. 그룹웨어, MES, ERP — 우리 회사의 데이터라고 믿고 있는 그 데이터는 사실 설루션 업체의 서버에 있는, 업체를 통해서만 접근 가능한 ‘업체의 데이터’일 뿐이라는 것이다. 화면에는 네오테크에서 각 설루션 업체로 화살표가 뻗어나가고, 그 끝에 데이터가 매달려 있는 다이어그램이 그려져 있었다. 데이터의 주인이 회사가 아니라 설루션이라는, 뒤집힌 구조의 시각화였다. 네오테크의 현실도 다르지 않았다. 근태·메일·전자결재는 다우오피스, 프로젝트 진행과 수주·업무공유는 플로우, 거래명세서와 회계는 이카운트, 생산 현장은 스마트팩토리 지원사업으로 구축한 세아소프트의 커스텀 MES, 그리고 ‘일부’ 자료만 자체 NAS에 저장되어 있었다. 다섯 개의 시스템, 다섯 개의 데이터 섬이었다. “이 다섯 시스템은 과연 융합될 수 있었을까요? 그렇다면 대기업은 왜 자사 시스템을 직접 개발할까요?” 버튼 하나만 옮겨도, API 하나만 요청해도 비용이 발생하고, 새로운 개발 요청은 수천만 원이 든다. 데이터는 각 설루션 회사의 것이고, 결국 직원들이 각 시스템의 데이터를 수작업으로 조합해 대표에게 보고하는 구조가 된다. 이 대표는 “네오테크도 마찬가지였습니다”라고 인정했다. SaaS 구독의 편리함 뒤에 숨어 있는 종속의 구조를 이렇게 정면으로 짚어낸 발표를, 필자는 오랜만에 들었다.   첫 투자를 받은 후 — 대표가 대답하지 못한 질문 전환점은 2025년 7월에 찾아왔다. 네오테크가 첫 투자를 유치한 것이다. 축하할 일이었지만, 그날부터 수시로 들어오는 질문과 보고 요청이 이 대표를 시험대에 올렸다. 거래처별 채권·채무 현황을 실시간으로 볼 수 있는가. 채권 회수 기간은 며칠인가. 평균 납기는 며칠이고, 제품별 납기는 얼마나 차이가 나는가. 외주처의 입고 납기는 평균 얼마나 지연되고 있는가. 누가 회사에서 가장 활발하게 활동하고 있는지, 그 사람이 지금 무슨 일을 하고 있는지 아는가. 이 대표의 고백은 솔직했다. “나는 모든 숫자를 ‘대략’, ‘감으로’ 알고 있었다.” 그리고 청중을 향해 물었다. “노트북 제출 없이, 지 금 이 자리에서 대답할 수 있는 분 계십니까?” 이 질문 앞에서 자유로운 경영자가 몇이나 될까. 20년째 회사를 경영해 온 대표조차 투자자의 기본적인 질문에 즉답할 수 없는 상황 — 이것이 시스템을 다섯 개나 쓰고 있는 중소기업의 실제 모습이었다. 문제는 시스템의 부재가 아니라 데이터 흐름의 단절이었고, 더 근본적으로는 데이터 주권의 부재였다. 필자가 제조기업의 PLM·ERP 혁신 프로젝트 현장에서 늘 마주하는 문제의식과 정확히 같은 지점이었다. 도구는 있다. 그러나 데이터가 흐르지 않고, 흐른다 해도 그 데이터의 주인이 내가 아니다.   바이브 코딩으로 다시 설계하다 — 네오테크의 AI-SAOS 여기서 이준명 대표가 택한 길이 이날 발표의 백미였다. 그는 설루션 업체에 수천만 원짜리 커스터마이징을 요청하는 대신, AI와 함께 직접 만들기 시작했다. 이날 강연의 제목 그대로 ‘바이브 코딩(vibe coding)으로 개발한 네오테크 그룹웨어·MES’였다. 바이브 코딩은 자연어로 의도를 전달하면 AI가 코드를 생성하고, 사람은 방향을 잡고 검증하며 빠르게 반복하는 개발 방식이다. 이 대표는 아이디어에서 서비스 구현까지의 실제 경험과 노하우를 공유했는데, 그 결과물이 놀라웠다. 근태와 전자결재를 담는 그룹웨어, 김천 공장의 생산 현장을 담는 MES, 그리고 이들을 관통하는 AI 운영체계 ‘AI-SAOS’까지 — 흩어져 있던 다섯 개의 데이터 섬이 네오테크 내부 자산으로 통합되어 가고 있었다. 투자자의 질문에 ‘감’이 아니라 데이터로 답하는 경영, 이 대표는 이것을 ‘눈에 보이는 경영’, 투명경영이라고 불렀다. 그리고 이 투명성은 내부 경영에 그치지 않는다. 13개국의 글로벌 바이어들과 함께 성장하려면 회사의 상태를 데이터로 보여줄 수 있어야 하고, THE PIT라는 실증 매장과 자체 구축한 AI 운영체계는 그 신뢰의 인프라가 된다. 제조 강소기업이 브랜드 강화를 넘어 토털 설루션을 만들어 가는 것 — 이것이 글로벌 기업으로 가는 첫 단추라는 생각이 들었다. 발표를 들으며 필자가 특히 주목한 것은 ‘기술 도입’과 ‘업무 혁신’의 차이였다. 많은 기업이 AI를 도입한다. 그러나 네오테크는 AI를 도입한 것이 아니라, AI로 자기 문제를 풀었다. 현대자동차의 국재창 책임연구원도 같은 지점을 짚었다. 아무리 바이브 코딩을 적극적으로 활용한다 해도 이처럼 짧은 시간 안에 실제 업무에 적용 가능한 수준의 결과물을 구현하는 것은 결코 쉬운 일이 아니며, 기술을 단순히 도입하는 것을 넘어 실질적인 업무 혁신으로 연결한 점이 큰 의미로 다가왔다는 소감이었다.     현장의 반향 — 그리고 나눔으로 이어지는 혁신 발표가 끝난 뒤의 분위기는 감동과 놀라움, 그 자체였다. 매출 500억 규모 중소기업의 경영자문을 맡고 있는 김준완 컨설턴트는 MES와 ERP 때문에 방향을 잡지 못해 어려워하던 차에, 이 대표의 적극적인 열의와 구성원들의 오픈 마인드가 조화를 이루어 ‘눈에 보이는 경영’을 실현하고 있는 모습에 놀랐다며 좋은 영감을 얻었다고 했다. 이 모임을 주선한 에이스웍스 박승범 대표는 가업승계, 투자유치, 해외 개척에 이어 수도권 광교에 깃발을 꽂은 네오테크가 완전히 인상적이었다며 앞으로가 더욱 기대된다고 화답했다. 필자 역시 질문을 많이 던진 참석자 중 하나였다. SaaS 구독 서비스가 갖는 구조적 어려움과, 그 속에서 네오테크만의 비장의 무기를 만들어 가는 여정 — 니즈를 찾아 네오테크만의 색깔을 입히는 것이야말로 오늘날 AI가 가야 할 방향이 아닐까 싶었다. 이날 필자는 AI 기술로 기업의 구축 설루션을 A부터 Z까지 만들 수 있겠다는 희망을 보았고, 동시에 ‘사람이 미래인 이유’도 다시 확인했다. AI는 고민하지 않는다. 무엇이 문제인지 정의하고, 왜 데이터 주권이 내게 없는지 의심하고, 그것을 되찾겠다고 결심하는 것은 결국 사람의 몫이다. 네오테크는 그 고민을 시스템으로 녹여 실제로 적용하는 모습을 보여주었다. 더 감동적인 대목은 그다음이었다. 이준명 대표는 자신의 성과에 그치지 않고, 비슷한 어려움을 겪고 있는 다른 기업들에게 자신의 경험과 노하우를 아낌없이 나누고 있었다. 이날의 발표 자체가 그 나눔의 실천이었다. 소매 매장이 생기면서 주 7일을 일하고, 세미나 당일에도 자정까지 고객을 응대하고 다음 날 아침 예약 차량 때문에 다시 출근하는 대표 — 그러면서도 “많은 진심 어린 조언과 관심이 저뿐만 아니라 팀원들에게도 큰 도움이 됐다”며 함께 커 나가겠다는 그의 인사에서, 이 회사가 왜 젊고 강한지를 보았다.   에필로그 — 현장에서 얻는 것 돌아오는 길에 이날의 발표를 곱씹었다. 네오테크가 던진 질문은 사실 모든 제조기업을 향한 것이다. ‘여러분의 회사입니까? 그렇다면 여러분의 데이터입니까?’ 디지털 전환의 담론은 흔히 ‘어떤 설루션을 도입할 것인가’에서 출발한다. 그러나 네오테크의 사례는 질문의 순서를 바꾸라고 말한다. 먼저 물어야 할 것은 ‘나의 문제는 무엇이고, 그 문제를 풀기 위한 데이터의 주인은 누구인가’이다. 대기업은 오래전부터 자사 시스템을 직접 개발해 왔다. 이제 생성형 AI와 바이브 코딩의 시대 가 열리면서, 그 길이 45명 규모의 중소기업에게도 열렸다. 수천만 원의 커스터마이징 견적서 앞에서 좌절하던 중소기업 대표가, AI 를 파트너 삼아 자기 회사에 꼭 맞는 시스템을 직접 만들 수 있는 시대가 온 것이다. 물론 모든 기업이 네오테크처럼 할 수 있는 것은 아니다. 대표의 문제 정의 능력, 구성원의 오픈 마인드, 그리고 끝까지 밀어붙이는 실행력이 전제되어야 한다. 그러나 방향만큼은 분명하다. AI 시대의 경쟁력은 도구의 보유가 아니라 데이터 주권의 소유에서 나오고, 혁신은 기술의 도입이 아니라 문제의 해결에서 완성된다. ‘대표자는 문제를 해결할 수 있어야 한다’는 이준명 대표의 명제는, 그래서 튜닝 회사의 이야기를 넘어 이 시대 모든 경영자를 향한 화두로 남았다. F1의 피트에서 경주차는 멈추는 것이 아니라 더 빨리 달리기 위해 정비를 받는다. 광교의 THE PIT에서 필자는 한 강소기업이 데 이터 주권이라는 새 타이어로 갈아 끼우고 글로벌 트랙으로 다시 출발하는 장면을 목격했다. 신차를 뽑으면 꼭 이곳에 맡기고 싶다는 생각과 함께, 경정비를 넘어 차량의 상태를 살펴주는 ‘주치의’ 같은 브랜드로 커 가기를 응원하며 — 오리지널을 넘어서는 업그레이드(UPGRADE BEYOND THE ORIGINAL), 네오테크의 다음 랩(lap)이 기대된다.   ■ 류용효 디원 PLM기술본부에서 상무로 재직 중이며, 페이스북 ‘류용효컨셉맵 연구소’ 리더, CNGTV 지식방송 전문위원으로 활동하고 있다. PTC코리아, 오라클, 지멘스 PLM 등을 거치며 PLM과 프로세스 컨설팅 분야에서 일해 왔다. 저서로 ‘베테랑 기획자의 바이브코딩 도전기’가 있다. (블로그)     ■ 기사 내용은 PDF로도 제공됩니다.

PTC가 클라우드 네이티브 3D 컴퓨터 지원 설계(CAD) 설루션인 온쉐이프(Onshape)에 인공지능(AI) 기반 기계 설계를 지원하는 “피처스크립트(FeatureScript) 모델 콘텍스트 프로토콜(MCP) 서버” 기능을 새롭게 출시했다. 이번에 공개된 온쉐이프 피처스크립트 MCP 서버는 앤트로픽(Anthropic)이 주도하는 오픈 프로토콜인 모델 콘텍스트 프로토콜(Model Context Protocol, MCP)을 CAD 환경에 접목한 것이 특징이다. 이를 통해 개발자와 설계 엔지니어는 대규모 언어 모델(LLM) 및 지능형 에이전트를 온쉐이프의 파라메트릭 프로그래밍 언어인 피처스크립트와 직접 연결할 수 있다. 사용자는 자연어 명령을 통해 3D 형상 모델링 코드를 자동으로 생성하고, 복잡한 설계 변형을 실시간으로 제어할 수 있다. 특히 설계 자동화 워크플로를 구축할 때 반복적인 모델링 작업을 대폭 줄이고, AI 에이전트가 CAD 모델의 구조와 파라미터를 정확히 이해하도록 지원한다.     기존의 범용 코드 생성 AI가 3D 기계 부품의 정밀한 기하학적 구속조건을 반영하기 어려웠던 반면, 이번 설루션은 온쉐이프의 클라우드 아키텍처와 직접 통신하여 검증된 CAD 피처를 즉시 생성하는 차별성을 갖췄다는 것이 PTC의 설명이다. 설계자는 AI가 제안한 파라메트릭 코드를 온쉐이프 웹 브라우저 상에서 즉각 시각화하고 검토할 수 있다. PTC는 이번 MCP 서버 공개를 통해 제조 및 제품 개발 분야에서 에이전틱 AI를 활용한 설계 자동화 생태계를 본격적으로 확대해 나갈 계획이다. PTC에서 온셰이프 및 아레나 사업을 총괄하는 데이비드 카츠만 수석 부사장은 “CAD 분야에서 AI의 미래는 텍스트 기반 모델 생성에 그치지 않고, 코드를 거쳐 CAD 기능으로 이어지는 방식(Text-to-code-to-CAD)에 있다”고 밝혔다. 그는 “AI의 진정한 가치는 엔지니어가 검증된 아이디어를 반복 사용 가능한 도구로 바꾸도록 돕는 데 있다”면서, “새로운 피처스크립트 MCP 서버를 통해 온셰이프는 뛰어난 맞춤형 생산 CAD 시스템으로 거듭났으며, 모든 사용자가 자사의 제품과 프로세스에 최적화된 엔지니어링 역량을 구축할 수 있게 됐다”고 강조했다.

PTC가 코드비머(Codebeamer) 3.3, 코드비머 AI 1.2, 퓨어 배리언츠(Pure Variants) 7.3을 출시하며 애플리케이션 수명주기 관리(ALM) 포트폴리오의 최신 기능을 발표했다. 이번에 공개한 설루션은 제품 변형 간 일관된 변경 관리와 데이터 검색이라는 엔지니어링 팀의 주요 과제를 해결하는 데 초점을 맞추었다. PTC의 ALM 포트폴리오 설루션은 자동차, 의료기술, 연방, 항공우주, 방위 산업 분야에서 소프트웨어 개발 및 요구사항 관리를 위한 시스템으로 활용되고 있다. 신규 버전은 추적성과 변경 관리 기능을 강화하고 규제 및 품질 요구사항에 부합하는 AI 지원 기능을 추가했다.     코드비머 3.3은 ‘델타 머지(Delta Merge)’ 기능을 통해 구성 관리 성능을 한층 높였다. 승인된 변경사항을 엔지니어가 수동으로 다시 적용할 필요 없이 관련 제품 변형 전체에 자동으로 반영한다. 변형 라인을 추적하는 신규 ‘스트림 탭’과 승인 권한을 제어하는 역할 기반 ‘스트림 관리 권한’을 추가했다. PTC의 윈칠(Windchill) PLM 설루션 및 디지털 스레드와의 연동도 한층 깊어졌다. 코드비머 AI 1.2는 시맨틱 검색 기반의 ‘AI 검색 어시스턴트’를 도입했다. 단순히 텍스트를 일치시키는 방식에서 벗어나 검색어의 의미와 의도를 파악하여 한층 정확한 결과를 제공한다. 새로 도입된 인덱싱 서비스를 통해 규제 대상 산업에서도 데이터 처리 방식과 위치를 직접 제어할 수 있다. 퓨어 배리언츠 7.3은 고속 ‘스트림 트랜스포메이션’ 기능을 추가했다. 구성된 제품 변형을 작업 세트(코드비머 내 요구사항 연동 복사본)로 효율적으로 변환한다. 수동으로 복사하여 조정하지 않아도 요구사항이 변형의 특정 기능과 값을 반영해 자동 업데이트된다. PTC는 코드비머, 퓨어 배리언츠 등의 포트폴리오를 통해 제조업체가 제품 데이터 기반을 구축하고 기업 전체로 가치를 확장하도록 지원하고 있다고 전했다. 제품 데이터 활용 범위를 넓히면 제품 복잡성을 효과적으로 관리하고 규제 표준을 준수하면서 고품질 제품을 시장에 빠르게 출시할 수 있다은 것이다. PTC의 엔리케 크라이말닉 ALM 부문 총괄은 “고객은 과거보다 훨씬 더 많은 제품 변형과 구성을 관리하고 있다. 병합 작업을 해결하거나 요구사항을 찾는 데 드는 시간은 더 나은 제품을 개발할 기회를 빼앗는다”면서, “이번 최신 버전은 여러 구성에 걸쳐 변경사항을 재사용하고 필요한 정보를 스마트하게 찾는 방법을 제공한다”고 강조했다.

데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2027 (4)   아레스 커맨더(ARES Commander)는 최신 버전인 아레스 커맨더 2027에서 DWG 도면을 STEP(*.stp/*.step) 형식으로 변환할 수 있는 기능을 한층 확장했다. 기존에 지원하던 STEP 가져오기 기능에 더해 새롭게 STEP 내보내기 기능이 추가되면서, 사용자는 이제 완전한 양방향 워크플로를 통해 3D 데이터를 자유롭게 주고받을 수 있게 되었다. 이는 단순한 파일 형식 추가를 넘어, 서로 다른 CAD·CAM·CAE 생태계를 잇는 실질적인 협업 도구로서의 의미를 지닌다. 이번 호에서는 STEP이라는 표준 형식의 의미부터 아레스 커맨더가 이를 지원하게 된 배경, 그리고 현장에서 기대할 수 있는 실질적 가치까지 순서대로 살펴보겠다.   ■ 최하얀 위즈코어 마케팅팀의 전임으로 ARES CAD의 마케팅 콘텐츠 기획 및 제품 홍보 업무를 담당하고 있다. 홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert 유튜브 | www.youtube.com/GraebertTV   STEP, 3D 데이터 교환의 표준 언어 CAD 데이터는 더 이상 하나의 소프트웨어 안에 머물지 않는다. 하나의 설계가 완성되기까지는 여러 부서와 협력사, 그리고 서로 다른 플랫폼을 거치는 과정이 필요하며, 이 과정에서 파일 형식의 호환성은 업무 효율을 좌우하는 핵심 요소로 작용한다. 특히 3D 모델을 기반으로 제조·설계 데이터를 주고받아야 하는 환경에서는 특정 소프트웨어에 종속되지 않는 표준 교환 형식의 존재가 필수이다. STEP은 국제표준화기구(ISO)가 제정한 ISO 10303 표준에 기반한 제품 모델 데이터 교환 형식으로, 3D CAD 및 PLM(제품 수명주기 관리) 소프트웨어 환경에서 가장 널리 사용되는 교환 형식 중 하나이다. 특정 CAD 벤더의 고유 포맷과 달리 STEP은 기하학적 형상 정보를 플랫폼에 구애받지 않고 전달할 수 있도록 설계되었다. 그 결과 서로 다른 소프트웨어를 사용하는 조직 간에도 형상 정보의 손실 없이 3D 모델 데이터를 주고받을 수 있다. DWG가 2D 도면 편집과 설계 작업에 최적화된 형식이라면, STEP은 완성된 3D 형상을 다른 시스템으로 전달하는 데 특화된 형식이라 할 수 있다. 두 형식의 성격이 다르기 때문에, DWG를 기반으로 작업하는 CAD 소프트웨어가 STEP을 함께 지원한다는 것은 곧 설계 단계와 제조·협업 단계를 하나의 흐름으로 연결한 다는 의미를 갖는다.   그림 1   가져오기에서 내보내기로, 완성되는 양방향 워크플로 아레스 커맨더는 이전 버전에서 이미 STEP 파일을 가져오는 기능을 도입한 바 있다. 이번 아레스 커맨더 2027 업데이트에서는 여기에 STEP 내보내기 기능이 새롭게 추가되면서, 사용자는 STEP 파일을 가져오는 것은 물론 자신이 작업한 DWG 도면을 STEP 형식으로 내보낼 수도 있게 되었다. 이로써 솔리드웍스, 카티아, 인벤터, PTC 크레오, PTC 온쉐이프 등 업계에서 널리 사용되는 다양한 3D CAD·PLM 설루션과 2D 또는 3D 지오메트리를 자유롭게 주고받을 수 있는 양방향 워크플로가 비로소 완성되었다. <그림 2>는 아레스 커맨더를 중심으로 DWG와 STEP 사이에서 데이터가 어떻게 순환하는지를 정리한 것이다.   그림 2   가져오기와 내보내기가 하나의 애플리케이션 안에서 모두 지원됨에 따라, 사용자는 별도의 변환 프로그램이나 외부 서비스를 거치지 않고도 아레스 커맨더 안에서 곧바로 데이터 교환을 완결할 수 있다. 이는 특히 여러 CAD 환경이 공존하는 프로젝트에서 작업 단계를 단축하는 효과로 이어진다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

트렌드에서 얻은 것 No. 34   지난 7월, 필자는 ‘데이터공작소’ 온톨로지 스터디 그룹에서 ‘지식그래프 : AI와 온톨로지로 여는 지식혁명’(이강배 저)의 3장을 주제로 발표를 진행했다. 발표 제목은 ‘온톨로지의 개념, 그리고 컨셉맵’이었다. 이 글은 그날의 발표를 제조기업의 경영자와 실무자를 위해 다시 정리한 것이다. 그리고, 글의 끝에서 8월에 출간되는 필자의 새 책 이야기를 잠시 나누려 한다. 두 이야기는 겉보기엔 다르지만, 결국 하나의 질문으로 만난다. “AI 시대, 우리의 경험과 지식은 어떻게 시스템 위에서 다시 움직이는가?”   “좋습니다. 그런데 실제로 되는 겁니까?” 제조기업의 회의실 풍경이 달라지고 있다. 예전에는 잘 정리된 문서와 유창한 설명이 설득의 무기였다. 지금은 다르다. AI 도입 보고가 끝나면 경영진은 이렇게 묻는다. “좋습니다. 그런데 실제로 되는 겁니까?” 방향이 아니라 증거를, 설명이 아니라 결과를 요구하는 시대가 된 것이다. 그런데 막상 ‘실제로 되게’ 하려고 하면, 대부분의 제조기업은 같은 벽에 부딪힌다. 데이터는 많은데 연결이 안 된다. ERP, MES, PLM, CRM에 수십 년 치 데이터가 쌓여 있지만 같은 부품이 부서마다 다른 코드로 등록되어 있고, 같은 고객이 시스템마다 다른 이름으로 존재한다. AI에게 “이번 달 출하 지연 리스크를 요약해 달라”고 묻고 싶어도, AI는 우리 회사의 ‘출하’가 무엇이고 ‘지연’의 기준이 무엇인지 알지 못한다. 데이터는 있지만 ‘의미’가 없기 때문이다. 이 문제를 정면으로 겨냥한 개념이 바로 온톨로지(ontology)다. 미 국방부와 BMW, 에어버스같은 기업들이 팔란티어(Palantir) 플랫폼에 주목하는 이유도, 그 중심에 온톨로지가 있기 때문이다.   ▲ 제미나이로 생성한 이미지 (클릭하면 큰 그림으로 볼 수 있습니다.)   온톨로지, 어렵지 않다 − 출석부와 우리 반 지도 온톨로지라는 단어는 철학의 존재론에서 왔다. 낯설게 들리지만, 개념 자체는 초등학생도 이해할 수 있다. 전학 온 친구에게 우리 반을 소개하는 상황을 떠올려 보자. 이름만 쭉 적힌 출석부를 건네는 방법이 있고, ‘민수는 축구를 좋아하고, 지우와 짝꿍이다’처럼 관계를 그린 지도를 건네는 방법이 있다. 출석부는 데이터의 나열이고, 지도는 지식의 구조다. 어느 쪽이 우리 반을 더 잘 설명하는지는 물을 필요도 없다. 이 지도에는 온톨로지의 재료 네 가지가 모두 들어 있다. ‘3반 친 구’라는 범주가 클래스(class), 민수와 지우라는 실제 인물이 인스턴스(instance), 키 145cm와 같은 특징이 속성(attribute), ‘짝꿍이다’라는 연결이 관계(relationship)다. 책은 이를 노트북으로 설명한다. ‘컴퓨터’와 ‘노트북’은 클래스, ‘LG 그램’은 인스턴스, ‘사양과 가격’은 속성, ‘노트북은 컴퓨터에 포함된다’는 관계다. 회사 버전으로 바꾸면 이렇게 된다. ‘고객·제품·설비’가 클래스, ‘A 조선소와 스크러버 1호기’가 인스턴스, ‘소재지·등급·가동 상태’가 속성, ‘A 조선소는 스크러버를 발주했다’가 관계다. 스탠포드대학교의 토마스 그루버 교수는 온톨로지를 “공유된 개념화의 정형화되고 명시적인 명세”라고 정의했다. 어렵게 들리지만 세 조각으로 나누면 명료하다. ‘공유된 개념화’란 부서마다 다르게 부르던 용어를 하나로 합의한 회사 공용어 사전이다. ‘정형화·명시적’이란 베테랑의 머릿속 암묵지를 규정집처럼 명문화하는 것이다. ‘명세’란 그것을 사람만이 아니라 시스템도 읽을 수 있는 업무 문법으로 만드는 것이다. 한 줄로 줄이면, 책 76쪽의 표현 그대로 “특정 분야의 지식을 구조화하여 컴퓨터가 이해하고 처리할 수 있도록 표현한 것”이다.   스키마가 이미 있는데, 왜 온톨로지인가 실무자들이 가장 많이 던지는 질문이 있다. “우리 데이터베이스에도 이미 테이블 설계, 즉 스키마가 있는데 뭐가 다릅니까?” 책 3.1.1이 정확히 이 질문에 답한다. 스키마(schema)는 데이터의 구조를 정의한다. 고객 테이블에 이름과 나이 컬럼이 있다는 식이다. 반면 온톨로지는 ‘고객은 사람의 하위 클래스이고, 구매 행동을 수행할 수 있다’는 지식 자체를 모델링한다. 스키마의 모델링 대상이 ‘데이터’라면, 온톨로지의 대상은 ‘개념과 개념 간 관계’이며, 결정적 차이는 추론 가능 여부다. 제조 현장의 언어로 옮기면 차이가 더 선명해진다. ‘선박 코드 SHIP-001, 블록 ID BLK-A-017, 작업 ID WLD-0342’라고 코드를 나열하는 것이 기존 데이터 모델이라면, 온톨로지는 ‘선박은 블록으로 구성된다, 블록은 용접작업을 필요로 한다, 용접은 특정 자격을 가진 작업자만 수행한다, 모든 작업은 규정된 품질 기준을 따라야 한다’는 업무의 문법을 시스템에 심는다. 이 문법이 있어야 설계 변경이 발생했을 때 시스템이 영향받는 블록을 스스로 추적하고, 작업을 재계획하고, 지연 리스크를 예측할 수 있다. 사람이 엑셀로 하루 걸리던 영향 분석이 관계를 따라 실시간으로 이루어지는 것이다. 팔란티어가 조선·자동차 산업에서 보여주는 시나리오가 정확히 이것이며, 그 구동 방식은 다섯 단계다. 레거시 데이터를 옮기지 않고 연결하고, 그 위에 온톨로지 계층을 얹어 의미를 부여하고, 현장이 쓰는 업무 앱을 제공하고, 조치의 비용과 리스크를 시뮬레이션하고, 마지막으로 AI(AIP)가 실행까지 연결한다. 스키마가 ‘데이터를 담는 그릇의 규격’이라면, 온톨로지는 ‘지식의 의미와 규칙까지 담는 모델’이다. 그리고 이 온톨로지라는 설계도에 실제 데이터를 채워 넣은 결과물이 지식 그래프(knowledge graph)다. 구글의 의미 검색과 아마존의 추천이 이미 그 위에서 돌아가고 있다.   회의실의 콘셉트맵이 시스템의 온톨로지가 되기까지 여기서 필자가 오래 다뤄 온 주제인 콘셉트맵(concept map) 이 등장한다. 1970년대 코넬대학교의 조셉 노박이 개발한 콘셉트 맵은 개념(상자)과 연결어(화살표 위의 단어)로 명제를 그리는 생각의 지도다. ‘온톨로지는 지식 그래프의 청사진이다’처럼, 개념−연결어−개념이 한 문장을 이룬다. 흥미로운 것은 이 명제 구조가 지식 그래프의 기본 단위인 트리플(주어−술어−목적어)과 정확히 같다는 점이다. 콘셉트맵과 온톨로지는 같은 뿌리에서 나온, 독자가 다른 두 표현이다. 콘셉트맵은 사람이 읽는 지식의 스케치이고, 온톨로지는 기계까지 읽는 지식의 도면이다. 그래서 필자는 두 가지를 경쟁 관계가 아니라 ‘한 정의의 앞뒤 반쪽’이라고 부른다. 그루버의 정의로 돌아가 보면, 전문가들이 모여 콘셉트맵을 그리고 용어를 표준화하는 과정이 ‘공유된 개념화’이고, 그 합의를 클래스·관계·규칙으로 변환해 시스템에 싣는 과정이 ‘정형화되고 명시적인 명세’다. 콘셉트맵 없이 온톨로지를 만들면 합의 없는 표준이 되고, 온톨로지 없이 콘셉트맵만 있으면 그림으로 끝난다. 실무 적용법은 단순하다. 업무 인터뷰와 워크숍의 대화를 실시간 콘셉트맵으로 기록해 암묵지를 형식지로 바꾸고, 부서 간 용어 합의의 회의 도구로 쓰고, 합의된 맵을 개념은 클래스로, 연결어는 관계로 변환해 온톨로지 설계의 초안으로 삼는 것이다. 도구는 시맵(Cmap)이든 화이트보드든 상관없다. 경영자에게 강조하고 싶은 지점이 있다. 온톨로지 프로젝트의 성패는 기술이 아니라 합의에서 갈린다. 그리고 품목 명칭조차 통일되지 않은 상태라면 어떤 온톨로지도 그 위에 설 수 없다. 그래서 현실적인 로드맵은 전사 빅뱅이 아니라, 효과가 분명한 핵심 도메인 하나(예컨대 품목, BOM, 변경 관리)를 골라 콘셉트맵으로 합의를 만들고, 온톨로지로 정형화하고, 데이터를 채워 인접 도메인으로 확장하는 것이다. 책도 균형 있게 짚는다. 도메인이 복잡할수록 설계와 유지보수가 어렵고 주기적 갱신 부담이 있다. 그러니 작게 시작해야 한다.   그리고, 바이브코딩 − 8월의 새 책 이야기 온톨로지가 ‘조직의 지식’을 시스템이 이해하게 만드는 일이라면, 개인 차원에서 같은 전환을 다룬 이야기가 있다. 오는 8월 출간 예정인 필자의 새 책, ‘베테랑 기획자의 바이브코딩 도전기’다. “나는 아직 유효한 사람인가.” — 회의실에서 젊은 동료들이 빠르게 도구를 다루는 모습을 볼 때, 은퇴라는 단어가 더 이상 먼 일이 아니게 느껴질 때, 조용히 계산하곤 했다. 내가 가진 경험이 앞으로도 통할까.  책은 이 질문에서 출발한다. 바이브 코딩(vibe coding)이란 프로그래밍 문법을 외워 코드를 치는 것이 아니라, 커서(Cursor)나 제미나이(Gemini)같은 AI 도구에게 자신의 의도와 맥락을 전달해 프로그램을 만들도록 지휘하는 일하는 방식이다. 필자는 데이터공작소 스터디에서 8개월간 개발자들과 함께 배우며, 하루 30분씩 눈으로 70%를 이해하고 손으로 30%를 부딪히는 자신만의 학습 공식을 찾았다. 거창한 프로젝트가 아니라 매주 나를 지치게 하던 엑셀 정리 하나, 파일 정리 하나부터 고쳐 나가는 ‘하루 한 프로그램’의 기록이다. 책의 부록에서는 노코드(no code), 로코드(low code), 바이브 코딩을 비교하며 언제 무엇을 써야 하는지도 다룬다. 요구사항이 표준적이면 노코드, 예외 처리와 연동이 필요하면 로코드, 요구사항이 계속 바뀌고 기획자가 직접 프로토타입을 쥐어야 한다면 바이브 코딩이다. 눈 밝은 독자라면 이미 알아챘을 것이다. 온톨로지 도입 로드맵과 바이브 코딩 학습법은 같은 철학 위에 서 있다. 작게 시작하고, 합의(같은 방향)를 먼저 만들고, 증거로 말하는 것. 조직은 온톨로지로 지식을 시스템에 싣고, 개인은 바이브 코딩으로 의도를 실행에 싣는다. 제조 기업의 디지털 전환이란 결국 이 두 층위가 만나는 지점에서 완성된다.   맺으며 − 같은 방향을 본다는 것 생텍쥐페리는 “사랑이란 서로 바라보는 것이 아니라, 서로 같은 방향을 보는 것”이라고 했다. 필자가 이 문장을 좋아하는 이유는, 프로젝트와 조직의 성패도 결국 같은 방향을 보는 능력에서 갈리기 때문이다. 온톨로지는 사람과 시스템이, 현장과 경영진이, 그리고 사람과 AI가 같은 방향을 보게 만드는 언어다. LLM(대규모 언어 모델)은 유창하지만 사실에 약하고, 지식 그래프는 사실에 강하다. 둘의 결합이 신뢰할 수 있는 기업 AI의 핵심이라는 책의 통찰 (6.3장)은, 앞으로 제조기업의 AI 전략이 어디로 가야 하는지를 가리키고 있다. 이번 여름, 회의실 화이트보드에 우리 회사의 콘셉트맵 한 장을 그려 보기를 권한다. 우리 회사의 ‘고객’이란 무엇인가, ‘품목’과 ‘설비’는 어떻게 연결되는가. 그 한 장의 합의가 온톨로지의 시작이고, 지식 그래프의 청사진이며, AI가 우리 회사를 이해하는 첫 문장이 된다.   ■ 류용효 디원 PLM기술본부에서 상무로 재직 중이며, 페이스북 ‘류용효컨셉맵연구소’ 리더, CNGTV 지식방송 전문위원으로 활동하고 있다. PTC코리아, 오라클, 지멘스 PLM 등을 거치며 PLM과 프로세스 컨설팅 분야에서 일해 왔다. 저서로 ‘베테랑 기획자의 바이브코딩 도전기’가 있다. (블로그)     ■ 기사 내용은 PDF로도 제공됩니다.

PTC는 이스라엘 람밤 헬스케어 캠퍼스, 산업용 적층제조 기업 EOS와 협력해, 이스라엘 하이파에 위치한 람밤 헬스케어 캠퍼스 안에 디지털 임플란트 엔지니어링 센터를 구축한다고 밝혔다. 이번 협력은 병원 안에서 환자 맞춤형 임플란트의 설계부터 생산까지 아우르는 디지털 엔지니어링 체계를 만들기 위해 추진했다. PTC는 이번 프로젝트에서 CAD 설루션인 크레오(Creo)를 기반으로 환자 맞춤형 임플란트와 의료기기의 설계, 개발, 생산을 지원한다. 람밤의 임상 전문성과 EOS의 산업용 3D 프린팅 기술을 결합하여 설계, 검증, 제조, 품질 관리 전 과정을 하나의 통합 프레임워크로 연결하는 것이 목표다. PTC는 이를 통해 개인 맞춤형 의료 서비스를 강화하고 환자의 치료 결과를 향상시킬 계획이다. 환자 맞춤형 임플란트는 환자의 해부학적 특성에 맞추어 제작하기 때문에 수술의 정확성을 높여 주는 것으로 알려져 있다. 병원 내에서 직접 임플란트를 설계하고 생산하면 의료진과 개발자 사이의 협업을 강화할 수 있다. 또한 외부 공급망에 대한 의존도를 줄여 치료 속도를 높일 수 있다. PTC는 이러한 방식이 수술과 회복 시간을 단축하고, 안전성과 유효성에 대한 규제 요건을 충족하는 데에도 도움을 준다고 설명했다.     람밤 헬스케어 캠퍼스의 최고경영자(CEO)인 미칼 메켈 박사는 “개인 맞춤형 치료는 앞으로 의료가 나아가야 할 방향이며, 람밤 병원 안에 전용 센터를 설립하는 것은 중요한 이정표가 될 것”이라고 기대감을 나타냈다. 미칼 메켈 박사는 이번 협력이 혁신, 임상적 가치, 운영 우수성을 중심으로 환자 맞춤형 치료 역량을 발전시키는 데 크게 기여할 것이라고 덧붙였다. EOS의 니콜라이 재퍼닉 최고전략책임자(CSO)는 “현장 중심의 의료 서비스 혁신을 위해서는 고급 산업용 적층제조 기술과 검증된 병원 워크플로의 통합이 중요하다”고 짚었다. 니콜라이 재퍼닉은 EOS의 개방형 소프트웨어 구조가 스캔부터 프린트까지 이어지는 워크플로를 가능하게 만든다면서, 이를 반복 가능하고 신속하게 대응하며 디지털로 연결된 환자 맞춤형 치료 모델을 구축하기 위한 중요한 진전으로 평가했다. PTC의 기술 부문 부사장인 로넨 벤-호린 박사는 “최첨단 맞춤형 임플란트를 구현하기 위해서는 임상적 요구사항, 설계, 제조 가능성, 그리고 체계적인 워크플로를 연결하는 디지털 기반이 필수”라고 설명했다. 벤-호린 박사는 람밤의 디지털 엔지니어링 센터가 지능형 디지털 엔지니어링이 어떻게 혁신을 촉진하는지 보여주는 좋은 사례라며, 이번 발전이 의료 산업의 중요한 돌파구가 될 것이라고 전했다.