더 광범위한 타깃에게 창작물을 선보이는 방법   이번 호에서는 관계자 또는 고객이 사용하는 플랫폼이나 기기에 관계없이 이러한 경험을 제공하는 방법을 살펴본다. 배포란 결국 양질의 경험과 이를 활용한 장점을 누릴 사람들 사이에 존재하는 최종적인 마찰 요인을 제거하는 것이다. 이번 호의 내용은 사용자가 중앙 집중화되고 연결된 3D 애셋 라이브러리를 보유하고 있으며, 타깃 사용 사례에 맞게 경험을 구축 및 최적화했음을 전제로 한다. ■ 자료 제공 : 유니티 코리아   ▲ 이미지 제공 : Esri   실시간 3D 경험이 아무리 세련되고 효과적이더라도, 그 유용성은 누가 어디에서 액세스할 수 있는지에 따라 달라진다. 3D 애셋 라이브러리를 연결하고 표준화한 뒤 모델을 타깃 용도에 맞게 최적화했다면, 마지막 단계는 이러한 경험을 필요한 곳, 즉 데스크톱, 모바일, 웹, XR(확장현실) 헤드셋 및 HMI(휴먼-머신 인터페이스) 시스템 전반에 제공하는 것이다. 유니티 인더스트리 커스터머 석세스 부문의 헤닝 린 시니어 디렉터는 “물론 데스크톱 및 모바일과 같은 가장 일반적인 플랫폼에 배포하기가 가장 쉽다. 하지만 XR과 VR(가상현실)은 폼팩터가 그다지 다양하지 않기 때문에 조금 까다로울 수 있다. HMI는 모든 OEM이 다르게 구현하기 때문에 좀더 복잡하다”고 말한다. XR 헤드셋을 사용한 심층 교육 워크스루를 주최하든, 디자인 계획에 대해 협업을 진행하거나 매력적인 고객 경험을 제공하든, 각 플랫폼에는 고유한 강점과 약점, 그리고 활용처가 있다. 웹은 접근성이 뛰어나고, XR·VR은 몰입도를 최대화할 수 있는 최적의 선택이며, 데스크톱과 모바일은 일상적인 사용 면에서 유용하고, HMI는 임베디드 인텔리전스를 제공한다. 이제 목표는 이러한 디자인을 필요로 하는 사람들에게 제공하는 것이다.     최종적인 마찰 요인 : 실험실과 현장 간의 격차 해소 많은 사람이 비슷한 상황을 겪어 봤을 것이다. 인터랙티브 3D 제품 데모는 고사양 워크스테이션에서는 멋지게 보이지만, 공장 현장의 중급 태블릿에서 실행하면 올바르게 작동하지 않는다. 프레임 속도가 급격히 떨어지고, 다운로드가 지연되며, 조명이 강한 환경에서는 XR 트래킹도 끊기고, 다양한 관계자들이 가치를 느끼기도 전에 파일럿 버전이 멈춘다. 여기서 핵심은 이러한 경험이 무조건 ‘잘못된’ 것은 아니라는 점이다. 다만 적절한 방식으로 올바른 곳에 배포되지 않고 있을 뿐이다. 유니티의 사라 래시 산업 부문 시니어 VP 겸 제너럴 매니저는 “많은 조직에서 문제가 되는 것은 제한적인 개발자 리소스 풀이나 자금에 대한 접근성이다. 그래서 POC(proof of concept : 개념 검증) 단계에서 막히는 팀도 많다”면서, “그런 일이 발생하면 반복 작업을 수행하거나 필요한 사항을 변경할 수 있는 역량이 제한된다. 유니티에서는 이를 고려하여 기술을 담당하지 않는 팀도 유니티 애플리케이션에서 아이디어를 구상하고 스스로 디자인 및 반복 작업 프로세스를 시작할 수 있는 유니티 스튜디오(Unity Studio) 설루션을 출시했다”고 말했다.     기술적인 관점에서 배포가 실패하는 데에는 몇 가지 일반적인 이유가 있다. 성능 불일치는 경험이 타깃 하드웨어에 최적화되지 않았을 때 발생한다. 일반적으로 고사양 워크스테이션을 사용하여 경험을 구축하고 프로토타이핑하지만, 모바일, 웹, 스마트폰 또는 XR과 같은 저사양 플랫폼에 맞게 경험을 조정할 수도 있어야 한다. 기기 호환성과 배리에이션으로 인해, 특정 기기에서는 경험이 원활하게 작동하지만 다른 기기에서는 그렇지 않을 수 있다. 경험은 동일한 유형의 시스템(서로 다른 웹 브라우저, 스마트폰, GPU) 간에도 크게 다를 수 있다. 실질적인 조건의 다양성도 방해가 될 수 있다. 예를 들어 일반적인 실험실 환경에서는 XR 애플리케이션이 잘 작동할 수 있지만, 최적화되지 않았다면 밝은 조명의 공장에 배치되는 순간 모션 트래킹이 불안정해질 수 있다. 대규모 프로젝트의 경우, 확장성 문제는 견고한 멀티플랫폼 또는 멀티유저 아키텍처의 부족으로 인해 발생하는 경향이 있다. 예를 들어 CDN(콘텐츠 전송 네트워크)은 여러 대형 모델의 동시 다운로드를 처리하지 못할 수 있다. 마지막으로 인적 요인도 있다. 최종 사용자에 대해 충분한 교육이나 지원이 이루어지지 않으면 도입률이 낮을 수 있다. 겉보기에 사소해 보이는 문제라도 사용자가 바람직하지 않은 우회 방법을 찾게 만들거나 고객이 경쟁사로 돌아서게 만드는 결과로 이어진다. 물론 일부 기기는 다른 기기보다 대응하기 더 어려울 수 있지만, 이는 용도와 원하는 결과에 따라 다르다. 웹 브라우저는 보편적으로 사용되고 있음에도 불구하고 대응이 비교적 어려운 플랫폼에 속하는데, 그 이유는 대부분 제한된 메모리와 전용 GPU의 부재이다. XR 헤드셋(AR 또는 VR)의 경우 성능과 착용감 측면 모두에서 과제를 안고 있다. 차량이나 어셈블리 라인에서 사용되는 임베디드 HMI 시스템은 고도로 맞춤화된 하드웨어에서 실행되는 경향이 있으며, 그래픽스 처리 측면에서는 최상의 성능을 기대하기 어렵다. 이렇게 산적한 과제는 많지만, 배포 준비 상태를 테스트하고 필요에 따라 최적화할 수 있는 확실한 방법이 있다. 적절한 실제 환경의 타깃 기기에서 가능한 한 일찍 자주 테스트를 수행하면 출시 전에 모든 문제를 해결할 수 있다. 린은 “무엇이든 더 일찍 테스트할 수록 최종 제작물 배포가 더 쉬워진다”면서, “중요한 순간에 배포가 문제없이 이루어지도록 실제 엔드포인트에서 미리 테스트해야 한다. 예를 들어, 임베디드 HMI나 XR처럼 복잡한 기기 유형부터 시작해 하드웨어 패턴과 요구 사항을 정확히 파악한 다음, 이를 바탕으로 반복 작업을 통해 개선해 나가야 한다”고 설명했다.     모든 기기 및 최종 사용자를 고려하여 성능에 맞게 최적화 배포는 타깃 기기를 선택하고 그에 맞게 대응하며, 경험을 통해 원하는 결과를 달성하는 툴체인을 최적화하는 작업이다. 권한이 있는 단일 3D 모델은 여러 LOD를 계획하고, 적절한 조명을 적용하며, 기기 유형과 그 성능에 맞춰 물리 설정을 조정할 수 있도록 하면 어떤 플랫폼에서도 잘 작동할 수 있다. 린은 “달성하고자 하는 목표에 따라 다르지만, 어느 정도의 타협을 통해 좋은 결과를 얻을 수 있다. HMI와 XR에서도 마찬가지다. 모든 엔드포인트를 미리 파악하고, 고사양 엔드포인트에 대해 충실도 수준을 일정 수준으로 높이는 것이 중요하다”고 말한다.   ▲ 이미지 제공 : Prespective   웹 : 누구나 원활하게 접근할 수 있는 환경 웹만큼 넓은 도달 범위와 높은 접근성을 제공하는 플랫폼은 없다. 대부분의 웹 브라우저는 HTML5, CSS, 자바스크립트(JavaScript)를 모두 지원한다는 점에서 대체로 상호 호환성이 높다. 동시에, 최신 브라우저 역시 다운로드 용량, 메모리 사용량, 시작 시간과 관련해서는 거의 비슷한 한계를 공유하고 있다. 하지만 대다수의 사용자를 지원하려면 플러그인 없이 3D 그래픽스를 렌더링해야 하며, 이를 위해서는 충분한 하드웨어 성능이 필요하다. 예를 들어 통합 GPU로는 비교적 가벼운 신(scene)을 처리할 수 있지만, 페이로드 셰이더 복잡도가 더 높아지면 대부분의 중급 노트북이나 모바일 기기에서 속도가 느려지게 된다. 특히 고객이 직접 사용한다면 초기 로드 시간을 매우 중요한 자산으로 간주해야 한다. 일반적인 광대역 연결에서 경험이 몇 초 안에 로드되지 않으면 사람들은 계속 머무르지 않을 가능성이 높다. 더 복잡한 애셋의 경우, 모든 것을 한 번에 로드하려고 하기보다는 필요에 따라 여러 LOD를 스트리밍하는 것이 가장 좋다. 기기의 다양성에도 주의해야 한다. 내장형 그래픽스가 탑재된 구형 노트북에서는 사용 경험에 끊김이나 지연이 발생하는 특이 사례가 드러날 수 있다. 이러한 문제를 피하려면 중급 사양의 여러 기기에서 테스트하고, 지원되지 않는 기능에 대해 폴백 옵션을 설정하며, 일반적인 시청 환경에서는 30FPS 이상을 목표로 하는 것이 필요하다. 목표로 삼을 것 : 여러 LOD를 활용하여 텍스처 크기를 적극적으로 관리하고, 보이지 않는 내부 요소의 메시를 제거하거나 단순화하며, 유리, 금속, 페인트, 패브릭처럼 핵심 디테일 영역이 드러나는 ‘대표’ 표면과 상호 작용을 우선적으로 로드하는 스트리밍 콘텐츠 로딩을 적용한다.   ▲ 이미지 제공 : Google Maps   XR : 안정성이 뒷받침되어야 하는 몰입 경험 VR 및 AR(증강현실) 등의 확장현실 경험은 실습 교육이나 복잡한 워크스루처럼 공간적 이해가 중요한 경우 강점을 보인다. 반면 조금만 성능이 떨어져도 바로 문제가 드러난다는 단점도 있다. 대부분의 스탠드얼론 헤드셋은 비교적 고사양이지만 모바일급 칩셋을 사용하며, 사용자의 불편감과 멀미를 방지하려면 높은 수준의 안정적인 프레임 속도가 필요하다. 일반적으로 경험은 해당 기기의 네이티브 주사율로 렌더링되어야 하며, VR 헤드셋의 경우 이는 대체로 90Hz 또는 120Hz이고 FPS로 환산해도 동일하다. 편안한 VR 헤드셋 경험을 제공하려면 72FPS를 최소 기준으로 고려하는 것이 좋다. AR 요구 사항은 타깃 기기에 따라 크게 달라진다. AR의 경우 사용자의 편안함 측면에서 VR과 비슷한 기준이 적용되므로, 72FPS 이상의 안정적인 프레임 속도를 목표로 하는 것이 중요하다. 휴대폰이나 태블릿에서 AR은 카메라 피드와 SLAM(동시적 위치 추정 및 지도 작성)을 렌더 루프에 통합한다. 따라서 최신 기기에서는 60FPS를 목표로 하되, 30FPS 이상을 엄격히 유지해야 한다. 다만 야외 조명과 서멀 스로틀링이 여전히 문제가 될 수 있으므로, 다이내믹 해상도와 쉽게 접근 가능한 기능 토글을 통해 적응성이 높은 경험을 계획해야 한다. 목표로 삼을 것 : 대부분의 경우 미리 베이크된 조명을 사용하고, 저사양 XR 헤드셋이나 모바일 AR 경험을 지원해야 하는 경우 여러 LOD와 단순화된 셰이더를 활용한다.   ▲ 이미지 제공 : CollabXR   데스크톱 : 높은 성능이 요구되는 경험 데스크톱은 세부적인 분석이나 멀티모달 검토에 이상적이지만, 반드시 최고급 GPU를 필요로 하지는 않는 다양한 시나리오에도 활용된다. 일상 업무에서의 디자인 승인, 품질 점검, 안전 가이드, 제조 계획과 같은 작업에서는 높은 충실도를 제공하기보다 신속한 상호 작용과 명확한 검사가 가능한 툴이 유용할 수 있다. 따라서 타깃 기기는 중급 외장 GPU나 최신 내장 그래픽스만으로도 간단한 작업이 가능한 경우가 많다. 이 경우에는 단면 보기(내부를 드러내는 절단면), 측정(스냅 기능을 기반으로 한 정확한 치수 측정), 분해도(부품 설명이 포함된 단계별 어셈블리 뷰)와 같은 결정론적 검토 툴을 우선적으로 고려해야 한다. 대규모 어셈블리 렌더링이나 복잡한 시뮬레이션과 같이 더 무거운 내부 워크로드의 경우에는 워크스테이션급 전용 GPU나 원격 GPU 리소스가 일반적이다. 그러나 모든 최종 사용자가 그렇게 비용이 많이 드는 기기를 필요로 하는 것은 아니다. 고도로 복잡한 콘텐츠를 제작하는 팀에게는 고사양 로컬 하드웨어가 여전히 독보적인 위치를 차지하지만, 소비자에게는 GPU 서버에서 스트리밍되는 세션이 훨씬 더 비용 효율적이다. 목표로 삼을 것 : 타깃 기기에서 일관된 프레임 속도를 유지하면서 안정적으로 유지되는 가장 높은 품질을 기본값으로 설정한다. 결정론적 검토 툴과 온디맨드 스트리밍을 사용하고, 입력에 대한 반응성을 우선적으로 고려한다.     임베디드 HMI : 신뢰성과 즉각적인 명확성 HMI는 제품 자체에 3D를 가져온다. 차량 내 디스플레이, 산업용 관리 패널, 의료 기기 등의 환경에서는 극사실적인 표현보다 가동 시간과 예측 가능성이 훨씬 더 중요하다. 이러한 용도에서는 오퍼레이터가 시간에 민감한 결정을 내려야 하는 경우가 많으며, 대부분의 임베디드 타깃은 서비스 라이프 사이클이 길고 제약이 있는 하드웨어에서 실행된다. 어셈블리 라인과 차량의 임베디드 기기 는 수년간 안정적으로 유지되어야 하므로 소프트웨어가 제한적인 하드웨어 예산을 관리하는 역할을 해야 한다. 일반적인 활용 사례로는 어셈블리 라인의 설정 작업, 단계별 유지 보수 안내 및 교육 또는 로보틱스 시스템에서의 로봇 팔 운동학, 작업 가능 범위, 접근 금지 구역 시각화 등이 있다. 자동차 분야에서는 인터랙티브 3D가 첨단 운전자 지원 시스템에 활용될 수 있다. 이 경우에는 가독성과 부드러운 움직임이 무엇보다 중요한 요소이다. 이는 많은 의료 및 실험실 기기에도 해당되며, 여기서는 규제 및 안전 요구 사항으로 인해 기준이 더욱 엄격해진다. 목표로 삼을 것 : 단순화된 지오메트리와 미리 베이크된 조명은 성능 요구 사항과 로딩 시간을 크게 줄여주며, 벤더의 장기 지원은 임베디드 기기에 대한 지속적인 지원을 보장한다.     지속적인 성공을 위한 배포 운영 및 확장 최고 사양의 기기를 기준으로 디자인한 뒤, UI 요소를 복사하여 인터페이스 전반에 붙여넣고 높은 성능을 요구하는 애셋을 초기 단계에 과도하게 로드하여 저사양 기기를 지원하려고 하는 경우가 많다. 그러나 적절한 엔드 투 엔드 플랫폼을 사용하면 이러한 함정을 피할 수 있다. 자동 스케일링을 사용하고 필요 시 무거운 애셋을 스트리밍할 경우, 경험이 갑작스럽게 끊기는 대신 점진적으로 성능이 저하되도록 할 수 있다. 이렇게 하면 새로고침을 어느 정도 예측할 수 있어 비즈니스 연속성을 보장할 수 있다. 유니티의 프로파일링 툴은 특히 이러한 문제에 대응할 수 있도록 설계되었다. 린은 “유니티는 애셋 로딩 시간, 시작 시간 등을 모니터링한다. 이러한 요소는 HMI 배포에서 특히 중요하다. 실제 기기에서 모델이 어떻게 동작하는지에 대한 양질의 실시간 피드백이 필요하기 때문”이라고 말했다. 초기 배포는 시작에 불과하며, 특히 제작 라인이나 작업 현장의 실시간 디지털 트윈과 같은 프로젝트의 동적인 특성을 고려하면 더욱 그렇다. 성공적인 대규모 운영을 위해서는 버전 불일치 없이 콘텐츠를 제공할 수 있는 예측 가능한 방식, 올바르게 작동하거나 그렇지 않은 요소를 파악할 수 있는 텔레메트리, 문제를 일으키지 않으면서 신속하게 조치를 취할 수 있게 해주는 거버넌스가 필요하다. 린은 “장기적인 롤아웃 전략은 다른 소프트웨어와 거의 동일하다고 생각한다. 물결처럼 단계적으로 확장하면서 가장 가치 있는 분석 자료를 제공할 수 있는 엔드포인트와 사용자를 타게팅하여 프로세스 초기에 버그나 누락된 기능을 식별하고, 다음 사용자나 기기로 롤아웃하기 전에 해결하는 것”이라면서, “결국에는 완전한 일반 액세스 단계에 도달하게 될 것이며, 그때쯤이면 버그는 최소화되고 사용자 경험의 품질은 극대화될 것”이라고 말했다. 이를 위해서는 업데이트 사이클, 기기 텔레메트리, 거버넌스, 장기 지원에 세심한 주의를 기울여야 한다. 린은 “세션 길이와 도입률 같은 요소를 추적하고, 가능하면 경험의 품질과 같은 사항에 대해 최종 사용자로부터 직접 피드백을 구해야 한다”고 권장한다.   ▲ 이미지 제공 : Random42   콘텐츠 제공 및 롤아웃 단계적 롤아웃은 특히 수백 명에서 수천 명의 최종 사용자를 타기팅할 때 효과적이다. 고객 대상 경험이나 여러 공장과 시설에 걸친 대규모 프로젝트라면 단일 현장이나 타깃 사용자 그룹에서 시작하여 문제를 모니터링한 뒤 규모를 확장해 나가는 것이 좋다. 이렇게 하면 예상치 못한 문제의 영향을 완화하고 훨씬 더 쉽게 관리할 수 있다. 또한 원격 설정을 사용하여 애플리케이션이나 경험을 모든 사람에게 배포하되, 특정 기능은 선택한 위치나 사용자 그룹에 대해서만 활성화할 수도 있다. 이밖에도 적절한 CDN을 사용하 여 더 큰 모델을 사전에 캐싱함으로써 네트워크 측면을 계획하고, 주요 업데이트나 다운로드는 혼잡하지 않은 시간대로 설정해 첫날 병목 현상이 발생하는 것을 막을 수 있다.   중요한 기기 데이터 올바른 텔레메트리 데이터를 수집하지 않으면 경험을 통해 원하는 결과를 얻고 있는지 판단하기 어렵다. 누가 경험을 이용하고 있는지, 경험이 의도한 대로 작동하고 있는지를 확인하는 핵심 질문에 대한 답을 찾으려면 도입 및 참여 지표를 트래킹해야 한다. 세션 길이와 사람들이 다시 돌아오는 빈도를 추적하면 프로젝트 성공에 대한 전반적인 감을 얻을 수 있다. 그러나 지속적인 개선과 통합을 위해서는 품질과 성능을 아우르는 더 심층적인 지표가 필요하다. 교육 시뮬레이션과 같은 특정 워크플로의 경우, 교육 단계를 시작한 사용자 대비 이를 완료한 사용자의 비율을 확인할 수 있도록 간단한 워크플로 단계를 정의해야 한다. 또한 기기 유형별로 세분화하여 추가적인 주의가 필요한 그룹이 있는지 확인할 필요가 있다.   ▲ 이미지 제공 : Visionaries 777   ▲ 이미지 제공 : Vodafone Deutschland   복잡하지 않은 거버넌스 거버넌스는 중단과 위험을 완화하기 위해 누가 업데이트를 관리하는지, 롤아웃이 어떻게 구성되는지에 대한 명확한 규칙을 설정하는 것이다. 이상적으로는 각 릴리스마다 지정된 승인자와 백업을 두고, 결정되는 모든 내용을 공유된 곳에 기록해야 한다. 또한 라이브로 전환할 요소는 점검을 거쳐야 하지만, 이러한 절차를 지나치게 복잡하게 하지 않도록 해야 한다. 민감한 데이터를 포함하여 규정 준수 및 보안 검토를 필요로 하는 사례를 제외하면, 타깃 기기에서의 성능 점검과 제품 및 운영 팀의 승인만으로도 충분한 경우가 많다.   장기 및 커뮤니티 지원 하드웨어, 드라이버 및 운영 환경은 항상 장기적인 안정성을 계획하고 새로운 플랫폼과 업데이트가 출시될 때마다 이에 대응할 수 있도록 배포 전략을 조정해야 한다. 특히 장기 지원을 제공하는 전문 산업 벤더와 협력하면, 쉽게 업그레이드할 수 없는 임베디드 HMI가 탑재된 고사양 산업용 시스템에서도 이전 버전의 기기를 계속 지원할 수 있다. 오픈 소스 툴과 애셋도 제공하는 벤더도 많으므로, 검증된 애셋을 재사용하고, 릴리스 및 업데이트 노트를 트래킹하며, 높은 수준의 드라이버, 툴, 기기 및 활용 사례별 지침에 대한 내부 기술 자료를 관리하여 커뮤니티를 지원 체계의 일부로 활용할 수 있다.   시작하기 : 단계별 배포 계획 여러 관계자와 고객이 사용하는 플랫폼에 인터랙티브 3D 경험을 배포하면 어떤 기기에서든 새로운 차원의 정보를 제공할 수 있다. 최첨단 교육 시뮬레이션을 호스팅하든, 데스크톱과 모바일 전반에서 디자인 협업을 수행하든, 웹 브라우저용 고객 경험을 구축하든, 적절한 플랫폼을 선택하면 어떤 타깃 환경에서도 최적화된 결과를 얻을 수 있다. 이를 달성하는 데 필요한 내용을 요약하면 다음과 같다. 다양한 관계자를 기기 및 사용자 컨텍스트에 연결한다. 플랫폼별 성능 벤치마크를 정의한다. 문제를 조기에 식별할 수 있도록 제한된 수의 플랫폼에서 파일럿 버전을 배포한다. 콘텐츠 제공 및 텔레메트리를 설정한다. 업데이트와 지원을 위한 거버넌스 역할을 수립한다.     ■ 기사 내용은 PDF로도 제공됩니다.

스트라타시스는 7월 15일 경기 성남시 그래비티 조선 서울 판교 오토그래프 컬렉션에서 ‘스트라타시스 3D 프린팅 포럼 2026’을 개최한다고 밝혔다. 이번 행사는 AI와 데이터, 디지털 공급망이 제조업을 바꾸는 상황에서, 시제품 제작을 넘어 최종 부품 양산의 핵심으로 진화하는 적층제조의 현재와 미래를 조망하기 위해 마련됐다. 스트라타시스는 글로벌 적층제조 산업을 선도하는 자사의 전략과 인사이트를 공유할 예정이다. 올해로 세 번째를 맞이한 이번 포럼은 글로벌 리더의 전략 키노트, 해외 선도 기업의 실제 적용 사례, 국내 주요 고객사의 현장 경험, 차세대 기술 파트너의 신기술 발표로 구성됐다. 제조업계는 AI 기반 설계 최적화, 데이터 중심 품질관리, 디지털 공급망 전환을 통해 효율과 품질, 지속가능성을 중심으로 빠르게 재편되는 추세다. 이러한 흐름 속에서 적층제조는 제조 전 과정의 경쟁력을 좌우하는 핵심 기술로 역할을 확대하고 있다. 포럼의 오전 세션은 스트라타시스 코리아 문종윤 지사장의 환영사로 시작한다. 이어 스트라타시스의 안드레아스 랭펠드 CRO가 글로벌 3D 프린팅 환경을 주제로 기조연설을 진행한다. 스트라타시스 다니엘 프린스 PJ/P3 인에이블먼트 디렉터와 다케우치 쇼이치 스트라타시스 재팬 세일즈 애플리케이션 매니저는 각각 항공우주, 국방, 자동차, 모빌리티 분야의 글로벌 활용 사례를 소개한다. 스트라타시스 코리아 최승호 애플리케이션 매니저는 스트라타시스의 신제품과 혁신 설루션 트렌드를 발표한다. 오후 세션에서는 국내 고객사의 사례 발표가 이어진다. LG전자 생산기술연구원의 박인백 3D프린팅기술팀 팀장은 전자 및 가전 분야의 활용 사례를, 육군종합정비창 생산지원단의 장진수 정비보급통제과 사무관은 국방산업의 활용 사례를 발표한다. 트라이톤의 오메르 사기 제품·개발 부문 부사장은 메탈 3D 프린터 설루션과 실제 활용 사례를 소개할 예정이다. 스트라타시스는 FDM, 폴리젯, P3, SAF, SLA 등 다양한 기술 포트폴리오를 기반으로 항공우주, 자동차, 소비재, 교육, 의료 등 여러 산업군에서 디지털 제조 혁신을 실현하고 있다고 밝혔다. 문종윤 스트라타시스 코리아 지사장은 “AI가 설계를 최적화하고 데이터가 품질을 관리하는 거대한 전환의 한가운데에서, 적층제조는 최종 부품 양산을 이끄는 핵심 엔진으로 진화하고 있다”면서, “이번 포럼이 글로벌 리더들의 전략과 국내 고객사의 생생한 현장 경험을 함께 나누며, 국내 제조업이 AI 시대 제조 경쟁력을 확보하는 계기가 되길 바란다”고 말했다.   ▲ 2025년 스트라타시스 3D 프린팅 포럼

포토리얼리즘과 합성 데이터로 피지컬 AI의 진화를 이끌다   시뮬레이션 산업은 인간을 훈련시키는 툴에서 기계를 훈련시키는 툴로 크게 전환되고 있다. 이를 위해서는 현실 세계에서 직접 작동하고 인식하며 상호작용하는 AI 시스템이 필요하다. 바로 피지컬 AI(physical AI)다. AI 모델을 센서, 카메라, 액추에 이터와 결합함으로써 로봇, 자율 주행 차량, 드론과 같은 시스템은 실시간으로 상황을 이해하고 판단하며 행동하고, 예측할 수 없는 환경에도 적응한다. 언리얼 엔진은 이제 시뮬레이터를 넘어 합성 데이터 팩토리이자 차세대 로보틱스 시스템을 구동하는 실시간 자율 플랫폼으로도 활용되며, 로보틱스 산업의 핵심 플랫폼으로 자리매김하고 있다. ■ 자료 제공 : 에픽게임즈   기술 요구사항으로 평가되는 포토리얼리즘 현실 세계에서 작동하는 로봇을 훈련하려면 방대한 데이터가 필요하다. 이러한 데이터를 현실 세계에서 수집하는 일은 느리고 비용이 많이 들며 위험할 뿐만 아니라 근본적인 한계를 갖고 있다. 예를 들어, 수천 번의 차량 충돌이나 수술 합병증을 실제로 반복 재현하는 것은 불가능하다. 이러한 이유로 시뮬레이션은 현대 피지컬 AI 개발의 핵심 기반이 되고 있다. 이에 따라 로보틱스 팀에게 언리얼 엔진은 비용·성능·속도 모든 면에서 핵심 해답으로 자리잡고 있다. 로보틱스 시뮬 레이션에서 포토리얼리즘은 단순한 선택 사항이 아니라 기술적으 로 반드시 필요한 요건이기 때문이다. 언리얼 엔진의 그래픽 성능은 ‘시뮬레이션과 현실 간 격차(sim-to-real gap)’, 즉 시뮬레이션에서 모델이 인식하는 것과 실제 로봇 환경에서 마주하는 것 사이의 차이를 줄이는 데 적합하다. 핵심 원리는 합성 이미지가 실제 사진에 가까울수록, 모델이 시뮬레이션에서 현실로 일반화하는 데 필요한 추가 작업이 줄어든다는 점이다. 언리얼 엔진 5는 이 분야의 판도를 근본적으로 바꾸기 위한 세 가지 기술을 선보였다. 포토리얼리즘을 구현하는 데 그치지 않고, 이를 실시간으로 구현할 수 있게 한 것이다. 언리얼 엔진 5의 나나이트(실시간 초고해상도 지오메트리), 루멘(다이내믹 글로벌 일루 미네이션), 하드웨어 레이 트레이싱은 물리적으로 정확한 포토리얼 환경을 실시간으로 구현하는 핵심 기술이다. 제너럴 로보틱스(General Robotics)는 언리얼 엔진을 활용해 로봇 자율성 시스템을 테스트하고 시연하기 위한 사실적인 가상 환경을 구축하고, 이를 통해 로보틱스 플랫폼에 확장 가능한 시뮬레이션과 시각적 검증을 제공하고 있다. 언리얼 엔진은 에이전트 기반 로봇 평가 시스템을 위한 토대로도 활용된다. 에이전트가 다양한 환경과 조건에서 로봇 AI의 동작 평가를 자동으로 구성하고 실행하며, 배포 전에 예외 상황을 찾아내고 성능을 검증할 수 있도록 도와준다.     피직스 시뮬레이션 포토리얼리즘만으로는 시뮬레이션과 현실 간 격차를 해소할 수 없다. 물리 정확도, 센서 현실성, 제어 루프 모델링까지 모두 중요하기 때문이다. 많은 조작 및 이동 작업에서 시각적 차이보다는 접촉 역학이나 액추에이터 동작의 부정확성이 실패의 원인이 된다. 이러한 맥락에서 언리얼 엔진의 카오스 피직스 시스템은 배정밀도를 기반으로 확장 가능한 훈련, 인식 시뮬레이션, 그리고 포토리얼 환경에서의 실시간 상호작용을 지원하는 툴이다. 엔지니어는 알고릭스(Algoryx)에서 개발한 고정밀 실시간 피직스 시뮬레이션 시스템인 언리얼 엔진용 AGX Dynamics과 같은 외부 툴을 활용해 시스템의 물리적 특성을 정확하게 모델링할 수 있다. AGX는 유압 시스템, 구동계, 엔진, 변형 지형 등 전체 기계를 물리적으로 정확하게 시뮬레이션할 수 있도록 지원한다.     리얼리티스캔을 활용한 다양한 데이터 소스 병합 및 재구성 로보틱스 팀은 리얼리티스캔과 언리얼 엔진 간의 워크플로를 통해 실제 환경과 사물을 디지털 트윈으로 빠르게 변환하고, 이를 로보틱스 시뮬레이션에 활용할 수 있다. 리얼리티스캔은 기존 사진 측량 기술뿐 아니라 라이다(LiDAR)와 SLAM 포인트 클라우드까지 지원해 환경 생성의 병목을 줄이고, 실제 배포 환경과 밀접하게 일치하는 합성 훈련 및 회귀 환경을 빠르게 구축할 수 있도록 한다. 또한 리눅스(Linux) 서버에서 실행 가능하며 리모트 커맨드 플러그인(Remote Command Plugin) 또는 CLI(명령줄 인터페이스) 스크립트로 제어할 수 있어, 여러 머신에서 스캔 데이터를 지속적으로 처리하고 결과를 언리얼 엔진으로 바로 전송하는 자동화된 사진측량 파이프라인 구축도 가능하다.   빠르고 비용 효율적인 훈련을 위한 합성 데이터 언리얼 엔진은 모든 픽셀을 수학적으로 생성하기 때문에 각 사물의 위치, 거리, 머티리얼, 움직임까지 씬에 대한 모든 정보를 이미 알고 있다. 따라서 이미지를 캡처한 후 사람이 직접 라벨링할 필요 없이, 엔진이 이미지를 렌더링하는 동시에 정확한 라벨을 자동으로 생성할 수 있다. 이를 통해 라벨 오류와 어노테이터 간 편차를 없애고 품질 관리 비용도 절감할 수 있다.     경제적 효과도 분명하다. 합성 데이터를 활용한 훈련 시뮬레이션은 대규모로 수행할수록 이미지당 비용을 낮출 수 있기 때문이다. 수만 장 수준에서 이미 합성 데이터가 수작업 라벨링보다 비용 효율적이며, 수백만 장을 필요로 하는 로보틱스 모델에서는 절감 효과가 더욱 크다. 이러한 변화는 시장에서도 분명하게 나타나고 있으며, 합성 데이터는 AI 훈련 파이프라인의 핵심 요소로 자리잡을 것으로 전망된다.     듀얼리티 AI(Duality AI)는 언리얼 엔진 기반의 팔콘(Falcon) 디지털 트윈 플랫폼을 통해 고품질 합성 데이터와 센서 시뮬레이션을 제공하고 있다. 이를 통해 드론 비행, 자율 주행, 위성 도킹 등 다양한 분야에서 AI 모델 학습과 검증 효율을 높이고, 시뮬레이션과 현실 간 격차를 줄이고 있다.   도메인 랜덤화 : 예측할 수 없는 상황에 대비하기 도메인 랜덤화는 시뮬레이션 환경의 다양한 요소를 의도적으로 변화시켜, 시뮬레이션에서 학습된 모델이 실제 환경에서도 더 잘 동작하도록 하는 기법이다. 모델이 시뮬레이션에서 충분한 변화를 경험하면 특정한 합성 환경에 과적합되지 않으며, 복잡한 실제 환경에서도 더 안정적으로 동작한다. 포테라(Forterra)는 고품질 환경 모델링을 기반으로 자율 주행 시스템 오토드라이브(AutoDrive)를 테스트하고 있다. 오토드라이브는 온로드와 오프로드를 아우르는 복잡한 환경에서 다양한 지형, 변화하는 노면, 예측하기 어려운 장애물에 대응해야 한다. 포테라는 언리얼 엔진을 활용해 물리적으로 정확한 센서 시뮬레이션과 정밀한 디지털 환경, 다양한 날씨·지형·장애물 조건에서 전체 임무 시나리오를 검증하고 있다.     언리얼 엔진은 프로그래밍 가능한 머티리얼 시스템과 다이내믹 라이팅 기능을 갖추고 있어 도메인 랜덤화에 특히 적합하다. 또한 로보틱스 팀은 언리얼 엔진의 프로시저럴 콘텐츠 제너레이션(Procedural Content Generation : PCG) 프레임워크를 활용해 훈련 에피소드마다 실내 환경을 다양하게 구성할 수 있다. 창고나 사무실 신(scene)에서는 레이아웃(선반이나 테이블 배치 등), 박스나 도구와 같은 잡동사니, 머티리얼, 라이팅, 오클루전 등 시각적 요소를 원하는 대로 변화시킬 수 있다. 시뮬레이션 환경을 구축하거나 사물을 배치해야 하는 경우, 팹(Fab) 마켓플레이스를 활용할 수 있다. 팹은 합리적인 가격에 쉽게 통합할 수 있는 고퀄리티 3D 콘텐츠를 제공하며, 사진측량 기술을 기반으로 제작된 퀵셀 메가스캔(Quixel Megascans)과 같은 고품질 애셋도 포함되어 있다.   센서 시뮬레이션 : 환경을 종합적으로 이해하기 현대 로보틱스는 단일 입력에 의존하는 대신 여러 종류의 센서를 동시에 활용해 환경을 이해하는 멀티 모달 인식에 기반한다. 언리얼 엔진의 렌더링 파이프라인은 실제 로봇에서 사용하는 다양한 센서를 시뮬레이션하는 데 적합하다. 카메라, 라이다, 레이더, 열화 상, IMU/GPS, 수중 음파 탐지기까지 실제 로봇에 사용되는 주요 센서를 지원한다. 또한 노이즈, 왜곡, 지연시간, 동기화와 같은 주요 센서 특성을 모델링해 실제 하드웨어와 비슷한 환경을 구현할 수 있다. 듀얼리티 AI의 팔콘 디지털 트윈 플랫폼은 센서 시뮬레이션 활용 사례 중 하나다. 다양하게 설정할 수 있는 시뮬레이션용 센서 라이브러리를 통해 카메라, 라이다, 레이더 및 SAR, GPS, IMU 등 여러 센서를 지원하며, 언리얼 엔진이 데이터를 처리해 고정밀 환경 시뮬레이션을 생성한다. 듀얼리티 AI의 아푸르바 샤 CEO는 “언리얼 엔진이 로보틱스와 피지컬 AI 엔지니어에게 제공할 수 있는 가치가 매우 크다는 점을 잘 알고 있었기 때문에, 이를 중심으로 팔콘을 구축했다”고 말했다.     디스페이스(dSPACE)의 오렐리온(AURELION)은 언리얼 엔진이 기존 자율 주행 차량 및 로보틱스 워크플로에 어떻게 통합되는지를 잘 보여준다. 예를 들어 한국산업기술시험원은 오렐리온을 활용해 복도, 엘리베이터, 병실 등을 포함한 가상 병원 환경에서 자율 서비스 로봇을 테스트하고 있다. 개발자는 실제 환경에 배포하 기 전에 가상 센서를 통해 주행 경로 계획, 장애물 회피, 시스템 반응을 평가할 수 있다. 디스페이스의 카이우스 자이거 센서 시뮬레이션 프로덕트 매니저는 “언리얼 엔진은 물리 기반 센서 시뮬레이션 솔루션인 오렐리온의 기술적 기반”이라고 말했다.     언리얼 엔진은 정확한 렌즈 및 이미지 센서 모델링을 포함해 센서 특성을 반영한 카메라 시뮬레이션을 지원한다. 자이거는 “소스 코드에 접근할 수 있어서 레이더, 라이다, 초음파 센서를 위한 정확한 원시 센서 데이터를 생성할 수 있도록 리얼타임 레이 트레이싱을 구현해 플랫폼을 더욱 확장할 수 있었다”고 말했다. 언리얼 엔진은 3D 모델과 머티리얼을 효율적으로 통합해 도심 배송 드론부터 병원 서비스 로봇에 이르기까지 다양한 활용 사례를 지원한다. 또한 매트랩(MATLAB)·시뮬링크(Simulink)와의 연 동을 통해 인식, 제어, 물리 기반 모델링을 통합한 자율 시스템 개발 워크플로도 지원한다.   ROS 통합 : 게임 엔진과 로봇 연결하기 로보틱스 팀이 게임 엔진 도입을 검토할 때 흔히 우려하는 부분은 로보틱스 미들웨어와의 호환성이다. 현재 언리얼 엔진은 ROSIntegration, rclUE, UE ROS2 센서 플러그인, CARLA 등 검증된 연동 툴을 통해 ROS 및 ROS2와 원활하게 연동될 수 있다. 일부 로보틱스 조직은 생산 시스템의 요구사항을 충족하기 위해 자체 미들웨어를 구축하기도 한다. 템포 시뮬레이션(Tempo Simulation)은 이를 고려해 개발되었다. 이 오픈소스 플랫폼은 유연한 gRPC/프로토버프(Protobuf) 인터페이스를 제공해, 로보틱스 팀이 언리얼 엔진을 자체 자율 주행 시스템과 미들웨어에 직접 연결할 수 있도록 지원한다. 또한 템포는 TempoROS 연동과 함께, 언리얼 엔진 내에서 사실적인 시뮬레이션 환경, 센서 모델, 복잡한 에이전트 행동을 구축할 수 있는 툴을 제공한다.     템포 시뮬레이션의 피터 멜릭 CEO는 “템포에서는 시뮬레이션을 통한 반복 개선 구조가 얼마나 강력한지 직접 확인해 왔다. 팀이 시뮬레이션 환경에서 데이터를 생성하고, 동작을 테스트하며, 빠르게 반복 작업할 수 있을 때 개발 주기는 크게 단축될 수 있다. 우리의 목표는 모든 로보틱스 팀이 고퀄리티의 현실감 있는 언리얼 엔진 시뮬레이션을 활용할 수 있도록 하는 것”이라고 말했다. 이는 언리얼 엔진이 로봇의 자율 동작을 가능하게 하는 소프트웨어 시스템을 위한 리얼타임 시뮬레이터로서 효과적으로 활용될 수 있음을 보여주는 사례이다.   시뮬레이션 전 과정 지원 언리얼 엔진은 로보틱스 분야에서 인식과 합성 데이터에 강점을 가지고 있지만, 시뮬레이션 전 과정 역시 지원한다. 에이전트가 환경과 상호작용하며 보상이나 패널티를 통해 학습하는 강화학습(reinforcement learning : RL)에서 시뮬레이션 환경의 사실성과 반응성은 학습된 행동이 실제 환경에서 얼마나 효과적으로 이어지는지를 결정한다. 언리얼 엔진은 강화학습 파이프라인과 결합되어 드론 내비게이션, 로봇 제어 등 다양한 자율 시스템 개발에 활용되고 있다. 또한 클라우드 기반 합성 데이터 생성과 대규모 자율성 테스트 환경 구축도 지원한다.   주요 로보틱스 시뮬레이션 플랫폼을 구동하는 핵심 기술 언리얼 엔진은 단순한 렌더링 툴이 아닌 여러 주요 로보틱스 시뮬레이션 플랫폼의 기반을 이루는 핵심 기술이다. 가장 널리 사용되는 오픈소스 자율 주행 시뮬레이터 CARLA는 현재 언리얼 엔진 5.5에서 구동되며 라이다, 레이더, GPS, ROS2 네이티브 연동을 지원한다. 언리얼 엔진 5 기반의 홀로오션은 옥트리 기반 수중 음파 탐지기 센서 모델을 포함한 다중 에이전트 수중 시뮬레이션을 제공하며, 루멘과 나나이트로 사실적인 수중 환경을 구현한다. 듀얼리티 AI 팔콘(Falcon) 플랫폼은 고품질 합성 데이 터와 디지털 트윈 기술을 바탕으로 NASA-JPL, 허니웰, 다르파, P&G 등에서 도입하고 있다. 테로랩스(PteroLabs)의 테로심(PteroSim)은 100대 이상의 드론을 동시에 시뮬레이션할 수 있는 UAV 비행 시뮬레이터로, PX4·ArduPilot 오토파일럿 펌웨어를 시뮬레이션 안에서 실제처럼 실행할 수 있다.     인더스트리 4.0 로보틱스, 자동화, 디지털 기술이 융합된 인더스트리 4.0(Industry 4.0)에서는 생산 변경을 가상 환경에서 검증하기 위해 리얼타임 시뮬레이션과 디지털 트윈이 활용된다. 이를 통해 실제 적용 전에 자동화 의사결정을 검증함으로써 위험과 비용을 줄일 수 있다. SAS는 인더스트리 4.0 분야의 선도 기업으로, 언리얼 엔진의 고품질 시각화와 SAS AI/분석 플랫폼 바이야(Viya)를 결합해 공장 자동화를 위한 지능형 디지털 트윈을 구축하고 있다. 조지아 퍼시픽(Georgia-Pacific)과의 파일럿 프로젝트에서는 언리얼 엔진 기반의 SAS 디지털 트윈을 활용해 실제 공장에서 AGV 이동, 품질 관리, 유지보수 계획을 시각화하고 최적화하고 있다. 현대 시설은 사람과 로봇이 함께 작업해야 하는 더욱 복잡한 환경으로 변화하고 있으며 이에 따라 안전성과 효율성의 중요성도 커지고 있다.   로보틱스 플랫폼으로의 진화 언리얼 엔진이 처음부터 로보틱스 플랫폼으로 설계된 것은 아니다. 그러나 합성 데이터의 확산, 시뮬레이션에서 현실로의 전이 기술의 발전, 포토리얼 센서 시뮬레이션에 대한 수요 증가로 인해 언리얼 엔진은 로보틱스 플랫폼으로 자리 잡게 되었다. 공장 현장에서 사물을 감지하거나, 도심 교차로를 주행하거나, 수술 중 해부학적 구조를 식별하는 등 실제 환경을 정확하게 인식해야 하는 로보틱스 모델을 개발하는 팀에게 언리얼 엔진은 시뮬레이션 학습부터 실제 적용까지 아우르는 강력한 플랫폼으로 자리 잡고 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

스노우플레이크가 미국 샌프란시스코에서 열린 ‘스노우플레이크 서밋 26’ 행사에서 AI 코딩 에이전트인 ‘스노우플레이크 코코(Snowflake Coko)’의 신규 기능과 함께 완전 관리형 스트리밍 서비스인 ‘스노우플레이크 데이터스트림(Snowflake Datastream)’을 공개했다. 기존에 ‘스노우플레이크 코텍스 코드’로 불리던 스노우플레이크 코코는 개발자가 간단한 프롬프트만 입력하면 워크플로 자동화, 앱 개발, 엔터프라이즈 데이터 기반 AI 운영을 할 수 있도록 지원하는 핵심 에이전트다. 이번에 함께 공개된 스노우플레이크 데이터스트림은 아파치 카프카(Apache Kafka) 기반의 새로운 서비스로, 실시간 데이터와 AI를 단일 거버넌스 플랫폼에서 결합해 최신 데이터를 기반으로 AI 앱과 에이전트를 손쉽게 구동할 수 있는 환경을 제공한다. 코코는 스노우플레이크 엔터프라이즈 AI 운영을 관리하는 에이전틱 컨트롤 플레인의 중심이다. 개발자에게 데이터와 모델 및 앱 전반의 워크플로를 관리할 수 있는 통합 거버넌스 환경을 제공한다. 이번 개편으로 데스크톱 네이티브 앱, 모바일 앱, 슬랙(SLAck) 인터페이스 전반으로 범위를 확장해 개발자가 다양한 환경에서 원활하게 개발하고 배포할 수 있도록 지원한다. 특히 코코는 매번 별도의 프롬프트를 입력할 필요 없이 작업을 자율적으로 실행할 수 있다. 새롭게 출시된 클라우드 에이전트는 사용자가 작업을 시작하면 로컬 실행 환경을 유지하지 않아도 백그라운드에서 안전하게 완료한 후 결과를 반환한다. 또한 보안 로컬 샌드박스를 도입해 에이전트가 격리된 환경에서 작동하도록 유도함으로써 조직 내부의 민감한 파일과 시스템 리소스를 안정적으로 보호하도록 돕는다.     스노우플레이크 데이터스트림은 스트리밍 데이터 및 실시간 AI 분야에서 1280억 달러 규모의 시장 기회를 겨냥한 서비스다. 카프카와 호환성을 제공해 기업에서 기존 스트리밍 앱과 데이터 플로우를 시스템 재설계 없이 즉시 연결할 수 있다. 데이터 플랫폼 외에 별도 스트리밍 시스템을 운영할 필요 없이 데이터를 스노우플레이크 테이블로 직접 스트리밍할 수 있으며 접근 제어, 마스킹, 리니지가 자동으로 적용되어 운영 복잡성을 낮춘다. 스노우플레이크는 파나틱스, 톰슨 로이터, 후프와 같은 글로벌 기업에서 스노우플레이크 코코를 활용해 AI 파이프라인 문제 해결과 데이터 모델링 작업을 빠르게 처리하고, 거버넌스 환경 안에서 AI 파이프라인 확장 및 인사이트 도출 기간을 단축하는 등 가시적인 성과를 내고 있다고 소개했다. 또한, 코코와 데이터스트림의 결합은 조직이 실시간 AI를 위한 단일하고 신뢰할 수 있는 기반을 구축하는 촉매제가 될 것으로 보고 있다. 스노우플레이크의 크리스티안 클레이너만 제품 부문 수석부사장은 “스노우플레이크 코코는 숙련된 개발자의 업무를 빠르고 쉽게 해결해주는 동시에, 비개발자들도 스스로 파이프라인, 자동화, AI 앱을 구축할 수 있게 돕는다. 데이터스트림을 통해 별도의 스트리밍 인프라 관리 부담 없이 실시간 AI 앱을 구축하고 운영할 수 있어 에이전틱 엔터프라이즈로의 전환이 한층 가속화될 것”이라고 설명했다.

슈나이더 일렉트릭은 차세대 모터 관리 설루션인 테시스(TeSys) 포트폴리오를 통해 산업 현장의 예지보전 구현을 지원하며 스마트 공장 전환을 가속화한다고 전했다. 산업 현장에서 모터는 전체 전력 소비의 상당 부분을 차지하는 핵심 설비로, 안정적인 운영과 에너지 효율 관리가 생산성과 직결된다. 기존에는 설비 이상 발생 이후 대응하는 사후 유지보수 방식이 일반적이었으나, 최근에는 데이터를 기반으로 이상 징후를 사전에 감지하는 예지보전 방식으로 빠르게 전환되는 추세이다. 슈나이더 일렉트릭의 테시스 포트폴리오는 전류, 전압, 부하 상태 등 다양한 운영 데이터를 실시간으로 수집하고, 이를 상위 시스템과 연계해 설비 상태를 지속적으로 모니터링할 수 있도록 설계됐다. 이를 통해 이상 징후를 사전에 감지하고 모터 고장 이전에 유지보수를 수행할 수 있으며, 다운타임 감소와 운영 효율성 향상에 기여한다. 슈나이더 일렉트릭은 테시스 포트폴리오가 기존 설비 위에 추가 적용이 가능한 구조로 대규모 교체 없이 단계적인 도입이 가능하다고 설명했다.     테시스 테라(TeSys Tera)는 보호, 제어, 통신, 계측 기능을 하나로 통합한 지능형 모터 관리 설루션으로, 단일 및 3상 모터를 대상으로 최대 810A까지 보호와 모니터링이 가능하다. 다양한 산업용 통신 프로토콜을 지원해 기존 자동화 시스템과의 연동성을 높였으며, 실시간 데이터 기반의 정밀 진단 기능을 통해 예지보전을 실질적으로 구현한다. 특히 전류 및 전압 데이터를 높은 정확도로 측정하고, 소무브(SoMove) 소프트웨어를 통해 클라우드 및 SCADA 등 애셋 관리 플랫폼과 연계해 공장 전반의 운영 상태를 통합적으로 관리할 수 있다. 부하 차단과 자동 재시작 기능을 통해 예기치 못한 정전 상황이나 장애 발생 시에도 생산 중단을 최소화할 수 있다. 테시스 아일랜드(TeSys ISLAnd)는 모터 및 부하의 상태 데이터를 기반으로 설비 운영 효율을 높이는 설루션으로, 전류 측정을 기반으로 온도나 압력 등 물리적 상태를 추정하는 가상 센서 기능을 제공한다. 모듈형 구조를 통해 설계 유연성을 높였으며, 다양한 제조사의 PLC와 호환되어 기존 설비 환경을 유지하면서도 디지털 전환을 추진할 수 있다. 테시스 울트라(TeSys Ultra)는 모터 보호와 제어 기능을 하나의 장치로 통합한 멀티 기능 모터 스타터로, 공간 효율성과 설치 편의성을 높였다. 구성 요소와 배선을 줄여 설치 시간을 단축했으며, 낮은 에너지 소비와 발열 감소로 운영 효율성을 개선하고, 유지보수 시에도 빠른 교체가 가능하다. 슈나이더 일렉트릭 코리아 파워 프로덕트 사업부의 경수진 매니저는 “테시스는 단순한 보호 장치를 넘어 모터 데이터를 기반으로 운영 최적화와 에너지 효율 개선을 동시에 지원하는 핵심 인프라 역할을 수행하고 있다”면서, “향후에는 모터 데이터가 공장 전체의 생산성과 에너지 효율, 나아가 지속가능성까지 연결되는 만큼 테시스 포트폴리오는 산업 현장의 디지털 전환을 이끄는 중요한 축이 될 것”이라고 말했다.

세일즈포스는 최근 ‘에이전틱 엔터프라이즈’ 비전을 소개하면서, 핵심 플랫폼으로 슬랙(SLAck)을 내세웠다. 세일즈포스가 2021년 277억 달러(약 30조 원)에 인수한 슬랙은 메시징 및 채팅 앱을 넘어, AI(인공지능)를 기반으로 업무를 자동화하고 의사결정을 지원하는 ‘에이전틱 업무 운영체제’를 지향한다. 세일즈포스는 인간과 AI가 유기적으로 협업해 생산성 향상과 실질적인 비즈니스 성과를 얻는 미래형 기업 운영 모델의 청사진을 제시했다. ■ 정수진 편집장   ▲ 에이전틱 엔터프라이즈 아키텍처를 소개한 세일즈포스코리아 박세진 대표   데이터와 에이전트가 결합하는 에이전틱 엔터프라이즈 세일즈포스가 제시하는 ‘에이전틱 엔터프라이즈’는 단순히 사람의 업무를 돕는 AI를 넘어, 사람과 AI 에이전트가 공존하며 시너지를 내는 기업을 뜻한다. 지난 4월 8일 진행된 기자간담회에서 세일즈포스코리아의 박세진 대표는 “에이전틱 엔터프라이즈는 사람과 AI 에이전트(agent)가 공존을 이루는 기업이다. 에이전트가 데이터를 기반으로 실행을 하고, 사람은 그 에이전트에게 방향을 제시한다. 두 존재가 서로 부족한 부분을 메꿔 주는 구조”라고 설명했다. 단순한 챗봇과 달리 에이전트가 데이터를 기반으로 실제 비즈니스 업무를 자율적으로 판단하고 실행하며, 직원은 보다 창의적인 고부가가치 역할과 방향 제시에 집중하게 된다는 것이다. 이러한 업무 환경을 실현하기 위해 세일즈포스는 크게 네 가지 핵심 시스템을 단일 플랫폼으로 통합한 에이전틱 엔터프라이즈 아키텍처를 제시했다. 가장 밑바탕에는 기업 내·외부에 흩어진 모든 데이터를 하나로 연결하고 통합하는 컨텍스트 시스템(system of context)이 위치한다. 세일즈포스가 가진 인포매티카, 뮬소프트, 태블로, 데이터 360 등의 설루션을 활용해 에이전트가 참조할 수 있는 신경망이자 신뢰도 높은 데이터 기반을 구축하는 역할이다. 그 위에는 세일즈포스가 오랜 시간 축적해 온 비즈니스 프로세스와 산업별 노하우가 담긴 업무 시스템(system of work)이 자리 잡고 있다. 그리고 실질적인 업무를 직접 수행할 수 있도록 기업 맞춤형 AI 에이전트를 개발하고 테스트 및 배포하는 에이전트 시스템(system of agency)인 에이전트포스(Agentforce)가 유기적으로 작동한다. 가장 위쪽에는 고객 및 직원의 경험을 에이전트와 매끄럽게 연결하는 인게이지먼트 시스템(system of engagement)이 자리한다. 이곳에서 슬랙을 에이전틱 업무 운영체제로 삼아 사람과 앱, 에이전트가 대화형 인터페이스를 통해 끊김 없이 소통하고 협업을 완성하게 된다.   ▲ 슬랙은 기업 내 자산을 연결하고 의사결정을 돕는 방향으로 강화되고 있다.   업무 효율 높이는 ‘에이전틱 업무 운영체제’ 슬랙 에이전틱 업무 운영체제(agentic work OS)를 지향하는 슬랙은 사람, 애플리케이션, 데이터 그리고 AI 에이전트를 하나의 대화형 인터페이스 안에서 매끄럽게 연결하는 구심점 역할을 한다. 과거에는 직원이 업무를 처리하기 위해 수십 개의 애플리케이션을 번갈아 사용하며 흐름이 끊기는 불편함을 겪어야 했다. 김고중 슬랙 코리아 사업 총괄은 “이제 슬랙은 복잡한 시스템을 오갈 필요 없이 친숙한 대화창 안에서 즉각적으로 정보를 찾고 정리할 뿐 아니라, 실제 업무 트랜잭션까지 실행할 수 있는 통합 환경을 제공한다”고 설명했다. 특히 슬랙 안에서는 세일즈포스의 맞춤형 에이전트뿐만 아니라 외부의 에이전트와 기업이 자체 개발한 에이전트까지 모두 하나로 연동되어 유기적으로 작동한다. 이 공간에서 사용자는 어떤 에이전트를 사용해야 할지 일일이 신경 쓸 필요가 없다. 지시 사항을 자연어로 대화하듯 입력하면 슬랙봇이 맥락을 파악하고 적절한 에이전트를 지휘해 알아서 업무를 처리해 주기 때문이다. 슬랙 코리아의 주다혜 설루션 엔지니어는 “슬랙은 세일스포스, 서드파티, 고객이 직접 개발한 에이전트까지 컨트롤하며 보안 거버넌스를 지키면서 사용자의 업무를 돕는다”고 설명했다. 슬랙의 지향점은 사람간의 협업을 넘어서 인간과 에이전트가 협업하는 에이전틱 엔터프라이즈의 핵심이 된다는 것이다.   ▲ 슬랙에서 다양한 외부 AI와 앱을 연결해 활용할 수 있다.   슬랙봇, 실질적인 비즈니스 성과와 생산성 혁신 주도 한편, 세일즈포스는 기자간담회에서 슬랙에 포함된 맞춤형 AI 에이전트 ‘슬랙봇(SLAckbot)’을 처음으로 국내에 공개했다. 슬랙봇이 알림 도우미를 넘어 사용자의 업무 방식과 비즈니스 맥락을 이해하는 맞춤형 AI 비서로 진화했다는 것이 세일즈포스의 설명이다. 슬랙봇의 주요 기능으로는 ▲회의 내용을 자동으로 기록하고 요약해 실행 과제를 도출하는 미팅 인텔리전스 ▲여러 애플리케이션을 넘나들며 문서 요약과 초안 작성 등을 단일 워크플로에서 지원해 업무 흐름이 끊기지 않게 돕는 데스크톱 어시스턴트 기능 ▲반복 업무를 AI 명령 세트로 표준화하는 AI 스킬 기능 ▲사용자의 대화 패턴을 학습해 맞춤형 답변을 고도화하는 메모리 기능 ▲구글 드라이브, 지라 등 외부 시스템에 흩어진 데이터까지 대화하듯 자연어로 한 번에 찾는 엔터프라이즈 검색 기능 등이 있다. 또한, 조직 내 모든 에이전트와 앱을 통합하는 클라이언트 기능을 활용하면 세일즈포스의 에이전트포스는 물론 서드파티 에이전트까지 하나의 대화창에서 유기적으로 연동하고 지휘할 수 있다. 이러한 슬랙봇의 도입은 큰 폭의 생산성 향상으로 이어진다. 세일즈포스는 “슬랙봇을 통해 직원은 개인당 하루 최대 90분의 업무 시간을 절약하고, 팀 단위로는 주간 최대 20시간의 효율 개선 효과를 얻은 사례를 확인했다”고 전했다. 기자간담회에서는 국내 기업의 업무 혁신 사례도 소개됐다. 당근마켓은 사내 AI 에이전트를 슬랙에 구현해 쿼리 생성과 과거 메시지 데이터 분석 등에 활용하고 있다. 당근마켓의 이예찬 엔지니어는 “슬랙은 단순한 소통 창구를 넘어 조직의 ‘살아있는 기억’이며, 진정한 에이전틱 운영체제로 진화할 수 있음을 체감하고 있다”라고 밝혔다. 배달의민족을 운영하는 우아한형제들은 비개발 부서에서도 슬랙 워크플로를 활용해 반복 문의를 선제적으로 해결하고 있다. 우아한형제들의 이청규 담당은 “슬랙봇을 도입해 신규 입사자의 적응을 돕고 불필요한 커뮤니케이션에 소모되는 ‘컨텍스트 비용’이 줄어들 것으로 기대한다”고 전했다.     ■ 기사 내용은 PDF로도 제공됩니다.

세일즈포스는 구글 클라우드와 파트너십을 강화하고, 양사의 플랫폼 전반에서 업무 흐름을 하나로 잇는 AI 에이전트 통합을 확대한다고 밝혔다. 이번 협력은 기업이 겪어온 데이터 파편화와 시스템 간 단절 문제를 해결하는 데 목적을 두었다. 양사의 협력으로 기업은 업무용 메신저를 넘어 에이전틱 업무 운영체제를 지향하는 슬랙(SLAck)과 협업 도구인 구글 워크스페이스(Google Workspace) 환경에 AI 에이전트를 즉시 배치할 수 있게 됐다. 세일즈포스의 AI 에이전트 플랫폼인 ‘에이전트포스(Agentforce)’와 구글의 ‘제미나이 엔터프라이즈(Gemini Enterprise)’가 유기적으로 연동되어 사용자는 업무 흐름을 끊지 않고도 데이터를 안전하게 활용할 수 있다.     사용자는 슬랙에서 자연어로 요청하는 것만으로 구글 슬라이드, 문서, 시트 등에 흩어진 정보를 정리해 보고서를 만들 수 있다. 제미나이 엔터프라이즈가 슬랙에 직접 통합되면서 구글 미트(Google Meet) 녹취록 생성과 대화 요약, 통합 검색 등 비서 기능도 제공한다. 세일즈포스는 이를 통해 비즈니스 맥락 파악부터 실행까지 전 과정을 아우르는 ‘에이전틱 엔터프라이즈’ 전환을 앞당길 수 있을 것으로 보고 있다. 영업 분야에서는 ‘에이전트포스 세일즈’가 제미나이와 협업해 잠재 고객 응대와 회의 브리핑 작성, 계약 리스크 감지 등을 자동으로 수행한다. 이를 통해 영업 담당자는 반복적인 행정 업무 대신 고객 관계 구축에 더 집중할 수 있다. 기술적으로는 데이터를 옮기지 않고 실시간으로 활용하는 ‘제로 카피’ 구조가 핵심이다. 에이전트포스는 세일즈포스의 ‘아틀라스 추론 엔진’을 통해 제미나이 모델을 지원하며 텍스트뿐만 아니라 이미지와 영상 데이터까지 분석해 복잡한 비즈니스 문제를 해결한다. 보안을 위해 구글 레이크하우스 기반의 제로 카피 기술을 적용해 데이터가 저장된 위치에서 직접 정보를 읽어오는 방식을 사용한다. 또한 세일즈포스의 인포매티카(Informatica)를 기반으로 워크데이, SAP 등 외부 데이터에도 일관된 보안 정책을 적용해 구글 빅쿼리에서 통합 관리할 수 있도록 돕는다. 세일즈포스에 따르면 현재 1400개 이상의 고객사가 에이전트포스 내에서 제미나이를 활용하고 있다. 이커머스 기업 웨이페어는 고객 서비스와 물류 부문에 에이전트를 도입했으며 유통기업 펩코는 6400만 개의 고객 데이터를 2400만 개로 통합해 개인화 마케팅 접점을 25% 늘렸다. 구글 클라우드의 카르틱 나라인 최고 제품 및 비즈니스 책임자는 “이번 협력으로 고객은 플랫폼에 흩어진 데이터를 안전하게 연결해 성과를 빠르게 내고 확장 가능한 에이전틱 인프라를 구축할 수 있게 됐다”고 설명했다. 세일즈포스의 스리니 탈라프라가다 사장은 “에이전틱 AI 도입을 위해서는 전사적으로 작동하는 강력한 인프라가 필수이며 구글 클라우드와의 파트너십이 전환 속도를 높이는 발판이 될 것”이라고 강조했다. 세일즈포스 코리아의 박세진 대표는 “이번 파트너십 확대는 국내 기업들이 에이전틱 AI를 실무 혁신으로 연결하는 중요한 전환점이 될 것”이라면서, “한국 기업들이 보다 빠르고 안전하게 자율 운영 체계를 갖출 수 있도록 지원하겠다”고 전했다.

세일즈포스가 맞춤형 AI 에이전트인 슬랙봇(SLAckbot)을 국내에서 처음으로 선보였다. 또한, 세일즈포스는 슬랙을 중심으로 인간과 AI 에이전트가 유기적으로 협업하는 ‘에이전틱 엔터프라이즈(Agentic Enterprise)’ 비전과 혁신 전략을 발표했다. 4월 8일 진행된 기자간담회에서 세일즈포스 코리아 박세진 대표는 슬랙을 사람과 AI 에이전트, 데이터가 연결되는 ‘에이전틱 업무 운영체제(Agentic Work OS)’로 정의했다. 세일즈포스는 이번 슬랙봇 출시를 기점으로 비즈니스 맥락을 이해하는 AI 에이전트 역량을 강화해 기업의 에이전틱 엔터프라이즈 전환을 지원할 계획이다. 세일즈포스의 설명에 따르면, 슬랙봇은 데이터 파운데이션을 기반으로 슬랙에 축적된 모든 비즈니스 데이터를 활용한다. 이를 통해 사용자의 조직 내 역할과 특성에 맞춘 비서이자 동료 역할을 수행한다. 슬랙봇은 회의 내용을 자동으로 기록하고 요약하는 미팅 인텔리전스 기능을 제공한다. 이 기능은 세일즈포스 CRM과 연계해 고객 맞춤형 후속 과제를 연결한다. 또한 AI 스킬 기능을 통해 반복 업무를 표준화하고 직무별 워크플로를 효율적으로 운영하도록 돕는다. 데스크톱 어시스턴트는 여러 업무용 애플리케이션에서 필요한 작업을 단일 워크플로 내에서 처리할 수 있게 지원한다. 슬랙봇은 모든 업무를 하나의 대화형 인터페이스로 통합한다. 사용자는 슬랙 내에서 데이터 마이그레이션 없이 영업 기회 업데이트, 연락처 관리, 고객 서비스 담당자 배정 등의 업무를 즉시 처리할 수 있다. 사용자의 업무 방식을 학습하는 메모리 기능과 음성 입력 기능도 더해졌다. 조직 내 모든 에이전트와 앱을 통합하는 MCP 클라이언트 기능도 함께 공개됐다. 사용자는 권한에 따라 세일즈포스의 에이전트포스와 서드파티 에이전트를 포함한 기업 내 모든 앱에 접근할 수 있다. 슬랙 마켓플레이스에 있는 2600개 이상의 앱과 세일즈포스 앱익스체인지의 6000개 이상 앱을 연동해 활용하는 것도 가능하다.     기자간담회에서는 당근마켓과 우아한형제들의 슬랙 활용 사례도 소개됐다. 당근마켓은 배포 알림과 장애 감지 등 모든 비즈니스 맥락을 슬랙에서 관리하고 있다. 특히 사내 AI 에이전트 카비를 슬랙에 도입해 리포트 작성과 메시지 데이터 분석에 활용 중이다. 당근마켓 이예찬 엔지니어는 “슬랙은 단순한 소통 창구를 넘어 조직의 살아있는 기억”이라고 말했다. 우아한형제들은 슬랙 엔터프라이즈 그리드를 통해 글로벌 조직과 협업하며 슬랙 커넥트로 외부 파트너와 사람, 데이터를 연결하고 있다. 우아한형제들 이청규 담당은 “슬랙봇 도입으로 신규 입사자의 적응을 돕고 불필요한 커뮤니케이션에 소모되는 비용이 줄어들 것으로 기대한다”고 밝혔다. 박세진 대표는 기업이 이제 AI 도입을 넘어 실질적인 비즈니스 가치를 창출하는 에이전틱 엔터프라이즈로 전환해야 한다고 강조했다. 그는 “강력한 에이전트의 지능은 신뢰할 수 있는 데이터 위에서 완성된다”고 설명하며, “보안 가드레일인 트러스트 레이어와 강화된 데이터 파운데이션을 기반으로 한국 기업의 혁신을 지원하겠다”고 덧붙였다.

개발 : Ansys 주요 특징 : 엔지니어링 프로세스를 하나로 연결하는 통합 시높시스–앤시스 워크플로 제공, 생성형 AI와 에이전틱 엔지니어링 기능으로 설계 탐색 가속/전처리 자동화/시스템 수준 인사이트 확보 지원, 확장된 디지털 트윈 역량 및 연결된 모델링 워크플로로 시스템 전반에 대해 리얼월드 기반의 인사이트 제공 강화 등 공급 : 앤시스 코리아   ‘앤시스 2026 R1(Ansys 2026 R1)’은 시높시스와 앤시스가 보유한 공학 역량을 결합해, 시높시스-앤시스 통합 기능을 본격적으로 선보인다. 앤시스 2026 R1은 시뮬레이션 AI 포트폴리오를 확장해 학습 효율을 높이는 AI 강화 트레이닝 제공과 함께 고급 AI 기능도 강화했다. 이를 통해 엔지니어링 팀은 초기 개발 단계에서 시스템 수준 인사이트를 확보함과 동시에 물리 시험 의존도를 줄이며, 소프트웨어 중심 제품이 고도화되는 환경에서도 성능 최적화를 보다 효율적으로 추진할 수 있게 됐다.   ▲ 출처 : 시높시스   시스템 인지 엔지니어링의 미래를 가속하는 공동 설루션 앤시스 2026 R1은 시스템 복잡성 증가, AI 기반 제품 수요 확대, 그리고 산업 전반의 조기 검증 전환이 맞물리며 변화하는 엔지니어링 환경에서 새로운 흐름의 출발점이 될 것으로 전망된다. 시높시스는 이러한 변화에 대응하기 위해, 시높시스와 앤시스의 주요 기술을 연동해 하나의 통합된 시스템처럼 작동하도록 지원한다. 이를 통해 초기 설계 탐색을 가속하고 도메인 간 협업을 강화하며, 주요 산업 전반에서 더 깊은 인사이트를 제공하는 고효율 워크플로를 제시한다. 이번 앤시스 2026 R1에 포함된 신규 시높시스-앤시스 공동 설루션은 다음과 같다. 시높시스 VC 펑셔널 세이프티 매니저(Synopsys VC Functional Safety Manager, VC FSM)와 앤시스 메디니 애널라이즈(Ansys medini analyze)가 시스템 수준과 실리콘 수준 안전 분석을 연결하는 엔드 투 엔드 기능 안전 워크플로로 연동된다. 이를 통해 시스템 안전 엔지니어와 칩 안전 검증 엔지니어 간 협업이 간소화되며, 시스템부터 칩까지 추적성(traceability)이 자동화된다. 또한 도구 간 수작업 데이터 공유를 줄여 자동차 및 항공우주 안전 등 핵심 적용 분야에서 시간 절감 효과를 기대할 수 있다. 시높시스 퀀텀ATK(Synopsys QuantumATK)와 앤시스 그란타 MI(Ansys Granta MI) 플랫폼이 소재 워크플로로 통합되어 원자 스케일부터 엔터프라이즈까지 이어지는, 소재 발굴, 신소재 개발, 제조 공정 개선을 지원한다. 검증된 소재 물성치를 그란타 MI로 직접 내보낼 수 있어 소재 과학자와 설계 엔지니어 간 협업 효율이 높아진다. 또한 반복 가능하고 재사용 가능한 워크플로를 통해 정제되고 일관된 소재 레코드를 구축함으로써 초기 단계에서 성능 예측과 데이터 기반 의사결정을 지원한다. 시높시스 옵토컴파일러(Synopsys OptoCompiler)와 앤시스 루메리컬 FDTD(Ansys Lumerical FDTD)가 디바이스 수준 포토닉 설계와 고급 시스템 수준 광학 시뮬레이션을 연결하는 설계 워크플로로 통합된다. 또한 Verilog-A 모델 생성 자동화와 도구 간 광학 거동 일관성 확보를 통해 디바이스 설계자와 시스템 수준 포토닉 엔지니어 간 협업을 강화한다. 이를 통해 설계·시뮬레이션 환경 간 수작업 데이터 변환을 줄이고, 고도화된 포토닉 애플리케이션에서 시간 절감과 신뢰성 향상을 지원한다. 앤시스 스케이드(Ansys SCADE) 모델 기반 소프트웨어 개발 설루션에 더해, 시높시스는 제어 소프트웨어를 위한 테스트 자동화 설루션 TPT를 제공한다. SCADE는 안전 필수 소프트웨어 개발 환경을 제공하고, TPT는 테스트 생성·실행·분석을 자동화해 설계 반복을 가속하고 조기 검증을 강화하며 복잡한 제어 소프트웨어 품질 향상을 지원한다. 두 설루션을 결합하여 ADAS, 전동화 파워트레인, 비행 제어, 엔진 제어, 항공전자 등 미션 크리티컬 제어 시스템 개발에서 수작업 검증 부담을 줄이고 자동화 수준을 높일 수 있다.   ▲ 출처 : 시높시스   AI 기반 디지털 엔지니어링으로 더 빠르고 스마트한 설계 반복 지원 앤시스 2026 R1은 생성형 AI와 에이전틱 기능을 도입해, 검증을 가속하고 설계 탐색을 확대하며 복잡한 워크플로의 자동화를 강화했다. 이를 통해 엔지니어링 팀은 개발 전체 과정에서 더 빠르고 스마트한 인사이트를 확보할 수 있다. 앤시스 지옴AI(Ansys GeomAI) 지오메트리 플랫폼은 생성형 AI 기반의 개념 설계 탐색을 통해, 지오메트리 콘셉트를 보다 창의적이고 효율적으로 빠르게 생성·평가·개선할 수 있도록 지원한다. 레퍼런스 설계로부터 직접 학습함으로써 초기 혁신을 가속하는 동시에, 엔지니어링 의도를 보존해 AI가 생성한 콘셉트가 예측 가능하고 신뢰할 수 있으며 후속 검증 단계로 자연스럽게 이어질 수 있도록 돕는다. 또한 메시 에이전트는 앤시스 메카니컬(Ansys Mechanical)에서 탐색적 사용으로 제공되는 신규 기능으로, 모델 전처리 과정에서 발생하는 메싱 실패 원인을 진단하고 해결하는 데 도움을 준다. 검증된 개선 절차를 기반으로 엔지니어를 안내해 자동화 전처리에 대한 신뢰를 높인다. 현재 초기 고객 평가 단계에 있는 ‘디스커버리 검증 에이전트’는 앤시스 디스커버리(Ansys Discovery)에 탑재돼, 수십 년간 축적된 공학 전문성을 바탕으로 문맥 정보와 산업 모범 사례를 활용해 설정 이슈를 선제적으로 식별한다. 이를 통해 엔지니어가 작업을 더 빠르게 진행하고 비용이 큰 실수를 줄이며, 초기부터 더 높은 성능의 설계를 만들 수 있도록 지원한다. 앤시스 2026 R1의 추가 AI 업데이트 사항은 다음과 같다. 앤시스 SimAI(Ansys SimAI) 시뮬레이션 플랫폼은 두 가지 제공 형태를 지원한다. 기존 제품인 앤시스 SimAI 프리미엄 SaaS와, 로컬 데이터 저장이 필요한 프로젝트를 위해 데스크톱 환경에서 사용할 수 있도록 설계된 앤시스 SimAI Pro가 포함된다. 앤시스 옵티스랭(Ansys optiSLAng)의 SimAI 커넥터를 통해 학습 데이터 생성, AI 학습, 최적화 및 설계 스터디까지 엔드투엔드 워크플로를 구현할 수 있다. 앤시스 엔지니어링 코파일럿(Ansys Engineering Copilot)이 메디니 애널라이즈, 앤시스 모델센터(Ansys ModelCenter), 앤시스 록키(Ansys Rocky)에서 제공돼 사용자 인터페이스 내에서 지능형 AI 가이드 지원을 제공한다. 옵티스랭과 디스커버리 간 신규 통합으로 민감도 분석과 원클릭 최적화를 지원하는 AI-레디 워크플로가 제공된다. 이를 통해 엔지니어는 메카니컬, 플루언트 또는 앤시스 아이스팩(Ansys Icepak)에서 개념을 검증하기 전에, 초기 단계에서 더 빠르게 설계 대안을 탐색할 수 있다.   ▲ 출처 : 시높시스   리얼월드 디지털 트윈으로 시스템을 연결하고 성능 최적화 앤시스 2026 R1에서 확장된 디지털 트윈 혁신은 물리적 프로토타이핑 이전 단계에서 사용자들이 더 깊은 리얼월드 인사이트를 확보할 수 있도록 지원한다. 앤시스 트윈AI(Ansys TwinAI)는 시뮬레이션 데이터와 센서·테스트 정보를 더 정교하게 얼라인하는 신규 퓨전 모델링 방식과, 대규모 시계열 모델링 및 학습 효율을 강화하는 템포럴 퓨전 트랜스포머를 도입했다. 또한 트윈AI ROM(차수 축소 모델) 위저드는 고정밀 ROM의 생성 및 배포를 제공하여 리얼타임 디지털 트윈 제공을 가속한다. 또한, 앤시스 AV엑셀러레이트 센서(Ansys AVxcelerate Sensors)는 신규 GPU 가속 멀티스펙트럴 광 전파 엔진과 엔비디아 옴니버스와의 통합 확대를 포함한 기능 강화를 통해 통합된 3D 디지털 트윈 파이프라인을 구현한다. 이를 통해 시나리오 전반에서 더 물리적으로 정확한 카메라 동작, 표면 반사 그리고 엣지케이스 재현성을 제공한다.     ■ 기사 내용은 PDF로도 제공됩니다.

개발 : Mechasys 주요 특징 : 높은 정밀도의 고속 레이아웃 작업 지원, IP54 등급으로 장비 보호, 10~11kg의 경량 설계, 사용자 친화적 UI, 현장과 사무실을 온라인으로 연결하는 클라우드 작업 환경 제공 등 자료 제공 : 지오시스템     XR Projector(XR 프로젝터)는 실제 건설 현장 공간 위에 2D/3D 작업 도면을 밀리미터 수준의 정확도로 직접 투사하는 ‘프로젝티드 리얼리티(projected reality)’ 기반의 레이아웃 설루션이다. 이 제품은 프로젝티드 리얼리티 기술을 통해 2D 및 3D CAD 모델을 바닥, 벽, 천장 등 실제 현장의 모든 표면에 밀리미터 단위의 정밀도로 직접 투사한다. 기존의 물리적인 마킹 작업을 생략할 수 있어 작업 속도를 3배에서 최대 10배까지 향상시키며, BIM 워크플로와 유기적으로 연동된다. 1시간의 교육만으로 조작이 가능할 정도로 사용자 친화적이며, 클라우드 시스템을 통해 현장 데이터를 실시간으로 관리할 수 있는 스마트 건설 설루션이다.   주요 특징 고정밀, 고속 레이아웃 ±1mm 수준의 EDM 정확도와 고정밀 틸트 센서를 기반으로 복잡한 시공 환경에서도 오차가 거의 없는 밀리미터 수준의 시공이 가능하다. 기존 재래식 먹 작업 대비 3~10배 빠른 작업 속도로 레이아웃 작업이 가능하다.   현장 친화적 스마트 장비 작업장 먼지 등 환경이 열악한 건설 현장에서 장비 보호에 적합한 IP54 등급, 장비 이동에 불편함이 없는 약 10~11kg의 경량 설계로 되어 있다. 초보자도 1시간 내 장비 운영이 가능한 사용자 친화적 UI로 구성되어 있어서 측량 전문가가 아니어도 누구나 쉽고, 편리하게 장비 운용이 가능하다.   클라우드 기반 협업 환경 장비를 운용하는 Layout Field(레이아웃 필드)와 현장과 사무실을 연결하는 Layout Cloud(레이아웃 클라우드)는 온라인으로 연동되어 현장 도면의 수정, 주석, 이력 관리, 품질 데이터 축적이 가능하며 원격 협업과 승인 프로세스를 지원한다.   주요 기능 실시간 도면 투영 바닥, 천장에 2D 도면, 3D 모델 정보인 점, 선, 문자, 곡선을 실시간 레이저로 투영하여 별도의 마킹 작업 없이 시공 가이드를 제공한다.     ▲ 제공 : Mechasys   바닥/천청 레벨 측정 장비가 바닥/천정의 스캔하여 설치된 환경을 스스로 인식하고 장비 운용 시 정확한 투영을 한다.   장비 위치 세팅 XR Projector의 위치 확정 프로세스는 간단하고 빠르며 정밀하여 인적 오류의 위험을 줄여준다. 기준선(control line), 인공 기준선(artefacts), 기준점(control point) 등 3가지 세팅 방식으로 장비 위치를 설정한다.   ▲ 기준선(제공 : Mechasys)   ▲ 인공 기준선(제공 : Mechasys)   ▲ 기준점(제공 : Mechasys)   CAD 클라우드 연동 사무실에서 수정한 변경 도면, 현장에서 실제 반영된 이동/회전/연장 등 작업 도면이 실시간으로 연동되어 팀 간의 정보 불일치를 없애고 데이터 관리를 통합한다.   ▲ 제공 : Mechasys   주요 고객 사이트 공장 장비 레이아웃(한국/일본) 공장의 복잡한 장비의 정확한 세팅을 위해 기존 수작업으로 진행된 먹라인 작업에 XR Projector를 활용할 수 있다.   캐터필러 EMEA(스위스) 스위스 제네바에 위치한 캐터필러(Caterpillar) EMEA 본부 프로젝트에서 건축 설계를 실제 현장에 구현하는데 사용되었다. 할러 바서(Haller Wasser)의 크리스토프 포드뱅(Christophe Podevin)은 “측량 회사로서 정확성은 모든 것이다. XR Projector는 이전보다 훨씬 빠르게 정밀한 레이아웃을 전달할 수 있다는 확신을 주었다. 우리의 워크플로를 간소화하고 시장 기회를 확장해 준 게임 체인저”라고 전했다.   Wynn Al Marjan ISLAnd 프로젝트(UAE) 두바이 기반의 건설사 알렉 홀딩스(ALEC Holdings)가 주도하는 대규모 리조트 건설 현장에 도입되어 작업 효율을 극대화했다. 전통적인 방식으로는 22인/시간 소요되던 레이아웃 작업을 XR Projector 작업을 통해 3시간으로 단축했다. 이 기술을 통해 노동 비용을 절감했을 뿐만 아니라 전체 프로젝트 일정을 가속화하여, 현재 이 프로젝트는 예정보다 일찍 완공될 것으로 예상된다.   Solutions Habitat(프랑스) 세계적인 건설 그룹인 빈치 컨스트럭션(VINCI Construction)에서 품질 관리와 공정 효율화를 위해 도입했다. 주요 성과로 레이아웃 시간을 절반으로 줄이고, 실시간 데이터 수집을 통해 자기 모니터링(self-monitoring)의 효율을 높였다. 솔루션 해비타트(Solutions Habitat)의 새미 메리(Samy Merry) 혁신 매니저는 “레이아웃 시간을 절반으로 줄일 뿐만 아니라 품질 관리를 강화해 준다. 조작이 간편하여 내부 인력을 효율적으로 재배치할 수 있게 되었고, 결과적으로 하청업체에 대한 의존도를 낮출 수 있었다”고 전했다.   UNIQUARTIER 공동주택 프로젝트(캐나다) 캐나다의 16유닛 규모 멀티 레지던셜 건설 현장에서 벽체 레이아웃 및 마킹 작업에 적용된 사례이다. 투사현실의 생산성은 기존 방식과 비교해 시간당 14m에서 75m로 향상(약 5.3배)됐으며, 총 노동 비용을 약 12만 4000달러 절감했다. 또한, 수작업 시 발생하는 계산 오류와 측정 실수를 제거하여 비숙련 작업자도 전문가 수준의 정확도로 작업을 수행할 수 있었다.       ▲ 제공 : Mechasys     ■ 기사 내용은 PDF로도 제공됩니다.