마이크로소프트가 생성형 AI를 성공적으로 도입한 고객 및 파트너를 공개하면서, 국내 전 산업 분야의 AI 트랜스포메이션 혁신 사례 발굴에 속도를 내고 있다고 전했다. 마이크로소프트는 생성형 AI가 모든 산업의 혁신과 성과를 이끄는 핵심 동력으로 부상할 것으로 전망하고 있다. IDC 2024 AI 보고서에 따르면, 전 세계 기업과 기관의 생성형 AI 사용률은 지난해 55%에서 올해 75%로 급증했으며, 1달러당 평균 3.7배의 투자 수익률을 기록한 것으로 나타났다. 이 조사는 마이크로소프트의 의뢰로 한국을 포함한 전 세계 4000명 이상의 비즈니스 리더와 의사 결정권자를 대상으로 진행됐다. 마이크로소프트는 마이크로소프트 365 코파일럿(Microsoft 365 Copilot)과 애저 오픈AI 서비스(Azure OpenAI Service)를 통해 고객의 AI 트랜스포메이션을 전방위로 지원하고 있다고 소개했다. 또한, 강력한 보안 체계를 통해 AI를 안전하고 책임감 있게 도입할 수 있도록 도우면서, 현재 포춘 500대 기업 중 85%가 자사의 AI 설루션을 사용 중이라고 덧붙였다. 마이크로소프트의 AI 설루션을 도입하는 국내 기업도 증가하고 있다. 이들은 마이크로소프트 365 코파일럿을 활용해 일상 업무의 생산성 및 효율성을 높이고 협업 문화를 촉진하고 있다. 또한, 애저 오픈AI 서비스를 통해 실험 설계 최적화, 리스크 관리, 헬스케어, 데이터 분석 고도화 등 다양한 산업 분야의 혁신을 추진하고 있다. 이와 함께 마이크로소프트 보안 설루션을 도입한 국내 기업은 위협을 신속히 탐지하고 대응해 더 강력하고 신뢰할 수 있는 보안 환경을 구축하고 있다.     LS ITC는 AI 전문 스타트업 AI3와 협력해 애저 오픈AI 서비스 기반 생성형 AI 서비스인 'LS GPT'를 개발했다. ‘LS GPT’는 LS그룹의 애저 인프라와 마이크로소프트 365, 애저 정보 보호(Azure Information Protection) DRM 환경에 최적화됐다. LS그룹은 정보 유출 등의 보안 리스크 해소 및 기존 상용 서비스 대비 90% 이상의 비용 절감 효과를 확인했으며, 직원들이 필요한 GPT 챗봇을 직접 생성해 회사 및 그룹 차원으로 확산할 수 있는 체계를 구축, 그룹 전체 지식 공유와 AI 기반 생산성 혁신을 가속화하고 있다. SK디스커버리는 애저 오픈AI 서비스 기반 생성형 AI 설루션을 도입해 생산 현장에서 작업 위험성 평가 기간을 대폭 단축하는 가시적인 성과를 내고 있다. 사내 홍보팀은 AI를 활용해 기사를 선별하고 검토하는 데 걸리는 시간을 70% 줄였으며 재무회계, 마케팅, IT 등의 부서에서도 AI 챗봇으로 업무를 자동화하고 있다. 포스코이앤씨는 애저 오픈AI 서비스 기반 생성형 AI 설루션을 도입해 건설 프로젝트 리스크 관리 역량을 강화했다. 계약 문서 검토 시스템 ‘POS-DOC’은 대규모 언어 모델을 활용해 방대한 계약 문서를 자동으로 검토하고 잠재적 위험 요소를 분석한다. 이를 통해 사람의 실수를 최소화하고, 글로벌 건설 프로젝트에서 발생할 수 있는 계약 분쟁과 손실을 줄이는 데 기여하고 있다.  현대글로비스는 마이크로소프트 365 코파일럿 도입 후 3개월간의 변화 관리 과정을 통해 물류 사업 부문의 생산성과 업무 효율을 높이는 성과를 냈다. 임직원 대상 워크숍과 챔피언 선정을 통해 개인별 코파일럿 활용 시나리오를 수집 및 분석했으며, 이를 기반으로 시나리오를 자산화하고 AI 기반 업무 문화를 구축했다.   뿐만 아니라, KT는 마이크로소프트 365 코파일럿을 도입해 유연하고 효율적인 업무 문화를 구축, 임직원들은 문서 관리, 데이터 분석, 부서 간 협업에서 개선된 성과를 보이고 있다. LG유플러스는 마이크로소프트 365 코파일럿을 시범 도입한 결과, 임직원의 85%가 업무 만족도 향상을 경험했다고 응답했다. 특히 미팅 관리, 회의록 작성, 이슈 관리 부문에서 효율성 체감이 높았다. 성균관대학교는 마이크로소프트 365 코파일럿을 도입해 연구 및 학사 업무에 AI 협업 문화를 구축했다. 이를 통해 연구 분야의 아이디어 정리와 논문 작성 효율성을 높였으며, 약 800명의 교직원이 반복 업무에서 벗어나 본질적인 업무에 집중할 수 있는 환경을 조성했다.  크래프톤은 마이크로소프트 365 코파일럿 도입 후 이메일, 문서, 회의록 처리 속도가 빨라졌으며, 57%의 직원은 콘텐츠 생성 업무에서 매일 10분 이상의 시간을 절약하고 있다. 서울아산병원은 애저 오픈AI 서비스 기반 암 정보 플랫폼을 개발해 암 환자들에게 개인화된 치료를 제공하고 있다. 또한, 생성형 AI 기술을 통해 의료진이 환자의 상태를 정확히 평가하고 최적의 치료 계획을 수립하고 있다. 현대백화점그룹의 ICT 전문기업 현대퓨처넷은 애저 오픈AI 서비스 기반 RAG 설루션과 마케팅 및 데이터 분석 시스템을 구축해 그룹 내 비즈니스 혁신을 이끌고 있다.  CTR 그룹은 마이크로소프트 센티넬(Microsoft Sentinel)을 도입해 보안과 유지보수를 단일 플랫폼에서 통합 관리하고 있다. 이를 통해 실시간 위협 탐지와 신속한 대응이 가능해졌다. 나아가 내부 시스템을 더욱 안전하고 신뢰할 수 있는 비즈니스 환경을 구축했으며, 마이크로소프트 365 제품과의 완벽한 호환성으로 전반적인 보안 체계도 강화했다. SK쉴더스는 마이크로소프트 디펜더 포 엔드포인트(Microsoft Defender for Endpoint)를 사용한 매니지드 탐지 및 대응 서비스(Managed Detection & Response) 서비스를 개발 및 런칭함으로써 해킹 사고에 신속히 대응할 수 있는 체계를 구축했다.  한국마이크로소프트의 조원우 대표는 “최근 2년간 AI 기술의 급격한 발전으로 기업들이 실질적 활용 방안과 성공 사례에 더 큰 관심을 보이고 있다”면서, “마이크로소프트는 신뢰할 수 있는 AI 트랜스포메이션 파트너로서, AI 기술의 활용 사례와 상용화 방안을 적극 공유하며 한국 산업 전반의 성장과 발전에 기여하겠다”고 강조했다.

모라이가 항공안전기술원(KIAST)과 항공기 안전 기술 고도화 및 항공운항의 안전성 강화를 위해 협력한다고 밝혔다.  양사는 이를 위해 12월 12일 항공안전기술원 본원에서 업무협약(MOU)을 체결했다. 이번 협약은 항공안전기술원과 모라이가 상호 보유하고 있는 인적･물적 자원 및 정보를 공유하고 협력하여, 항공기 운항안전에 있어 위험요소의 식별·분석을 위한 기술 개발, 연구자료 공유, 상호교류와 지원을 통해 항공안전을 증진하기 위한 협력 체계를 구축하는 데에 목적이 있다.  양사는 항공기 운항 중 발생할 수 있는 잠재적 안전 저해 요인을 식별하고 이를 체계적으로 분석하여, 사고 예방을 위한 기술적 기준을 마련하고 운항 안전성을 강화하기 위한 방안을 도출할 계획이다. 항공안전기술원에서 수집한 데이터를 기반으로 모라이의 디지털 트윈 시뮬레이션을 활용할 수 있는 방안을 모색하여, 기존 항공 안전 관리 체계의 고도화를 위한 연구를 수행할 예정이다.   모라이는 자사의 유/무인 이동체 시뮬레이션 기술을 활용해 비행 자료 수집과 안전 저해 요인 분석을 위한 기술 지원을 제공하고, 관련 노하우를 항공안전기술원과 공유할 예정이다. 모라이는 현실 환경을 모사한 사실적인 디지털 트윈 환경을 제공하여, 이를 통해 가상 환경에서 다양한 테스트와 검증을 할 수 있으며, AI가 학습할 수 있는 데이터를 생성해 준다. 항공안전기술원은 수집된 비행 자료를 기반으로 안전 검토와 심층 분석을 수행하며, 분석 결과를 모라이와 공유하여 항공 안전 기술 개선에 기여할 예정이다. 또한, 양사는 항공 안전에 대한 인식을 제고하고 실질적인 기술 지식을 공유하기 위해 항공 안전 관련 세미나와 워크숍 등을 통해 협력의 폭을 확대할 계획이다.  이번 협약에 따라 모라이와 항공안전기술원은 항공기 운항 중 발생할 수 있는 다양한 안전 저해 요인을 공동으로 분석하며, 이를 통해 개선 방안을 도출할 계획이다. 모라이는 자사의 시뮬레이션 기술과 항공안전기술원의 안전 기술 연구 역량을 결합해 항공기 운항에 필요한 안전 기술을 고도화하고,향후 항공산업 전반에 적용 가능한 안전성 강화 기술을 개발할 예정이다.  모라이의 정지원 대표는 “모라이의 시뮬레이션 및 분석 기술을 활용해 항공안전기술원과 항공 안전을 강화할 수 있는 협력 기회를 갖게 되어 기쁘게 생각한다. 이번 협력을 통해 더욱 정밀한 항공 안전 관리 체계를 구축하고, 이를 바탕으로 항공 산업의 신뢰성과 안전성을 한층 높이며, 미래 항공 모빌리티의 발전에도 이바지할 수 있도록 최선을 다하겠다”고 밝혔다.   

엔비디아가 2025년 AI가 가져올 각 산업 분야의 혁신에 대해 전망했다. 엔비디아의 전문가들은 멀티모달 모델이 업계의 혁신과 효율성을 가속화할 것이라고 예측했다. 생성형 AI는 올해 조직의 모든 분야에서 큰 주목을 받았다. 이에 따라 산업 전반에서 이를 활용해 혁신과 창의성을 증진하고, 고객 서비스를 개선하며, 제품 개발을 변화시키고, 의사소통을 강화하는 방법에 대한 논의가 활발히 이루어졌다. IDC에 따르면, 전 세계 기업은 내년에 AI 설루션에 3070억 달러를 지출할 것으로 예상된다. 또한, 이는 2028년까지 연평균 29.0%의 성장률로 6320억 달러까지 증가할 것으로 보인다. IDC는 AI가 2030년까지 전 세계 누적 경제에 19조 9000억 달러의 영향을 미칠 것이며, 2030년 전 세계 GDP의 3.5%를 견인할 것이라고 예측했다. 그러나 AI의 빠른 발전에도 불구하고 일부 기업과 스타트업은 여전히 실험과 사일로화된 프로젝트에 집착하며 AI 도입에 느리게 대응하고 있다. 이는 AI의 혜택이 기업, 사용 사례, 투자 수준에 따라 다르기 때문이다. 하지만 신중한 접근 방식은 낙관적인 태도로 전환되고 있다. 포레스터 리서치(Forrester Research)의 2024 AI 현황 설문조사에 참여한 응답자의 3분의 2는 조직의 AI 이니셔티브가 성공하려면 투자 수익률이 50% 미만이어야 한다고 답했다. 다음으로 주목할 만한 것은 에이전틱 AI이다. 이는 자율적이거나 ‘추론’하는 형태의 AI로, 다양한 언어 모델, 정교한 검색 증강 생성(RAG) 스택, 고급 데이터 아키텍처를 사용해야 한다.     엔비디아는 2025년 주목할 만한 AI 트렌드로 ▲효율적인 추론 설루션에 대한 수요도 증가 ▲양자 컴퓨팅의 오류 수정 및 양자 하드웨어 성능 향상 ▲AI의 창의성과 다양성 강화 ▲산업 인프라와 도시 계획의 재검토 ▲AI 에이전트의 효율을 극대화하는 AI 오케스트레이터의 증가 ▲기업의 데이터를 탐색 방식을 바꾸는 AI 쿼리 엔진 ▲기업에게 고성능 추론을 필수로 만드는 에이전틱 AI ▲데이터를 인텔리전스로 처리하기 위한 AI 팩토리 확장 등을 꼽았다. 엔비디아는 에이전틱AI(agentic AI)의 시대가 열리면서, 여러 모델로 구성된 복잡한 시스템에서 거의 즉각적인 응답에 대한 수요가 증가할 것으로 전망했다. 이에 따라 고성능 추론은 고성능 훈련 인프라만큼이나 중요해질 전망이다. 그리고 IT 리더는 실시간 의사 결정을 위한 성능을 제공하기 위해, 에이전틱 AI의 수요에 맞추어 확장 가능하고 특수 목적에 맞게 구축되고 최적화된 가속 컴퓨팅 인프라를 필요로 할 것이다. AI를 통한 건설, 엔지니어링, 디자인 혁신도 보다 활발히 진행될 전망이다. 엔비디아는 건설, 엔지니어링, 디자인 산업에 맞춤화된 생성형 AI 모델이 증가할 것이며, 이는 효율성을 높이고 혁신을 가속화할 것이라고 보았다. 건설 분야에서는 에이전틱 AI가 현장 센서와 카메라에서 수집한 방대한 양의 건설 데이터를 해석해 더 효율적인 프로젝트 일정과 예산 관리로 이어지는 인사이트를 제공한다. AI는 24시간 현실 캡처 데이터(라이다, 사진 측량, 레디언스 필드)를 평가하고 품질, 안전, 규정 준수에 대한 중요한 인사이트를 도출해 오류와 작업장 부상을 줄일 수 있다. 엔지니어의 경우, 물리 정보 신경망에 기반한 예측 물리학은 홍수 예측, 구조 엔지니어링, 건물 내 개별 방이나 층에 맞춘 공기 흐름 설루션을 위한 전산유체역학(CFD)을 가속화해 설계 반복을 단축한다. 디자인 분야에서는 RAG(검색증강생성)를 통해 건물 디자인과 시공을 위한 정보 모델링이 현지 건축법을 준수하는지 확인할 수 있다. 이는 디자인 초기 단계에서 규정을 준수할 수 있도록 한다. 확산 AI 모델은 건축가와 디자이너가 키워드 프롬프트와 대략적인 스케치를 결합해 고객 프레젠테이션을 위한 풍부하고 상세한 개념 이미지를 생성할 수 있게 해 개념 설계와 부지 계획을 가속화한다. 이로써 연구와 디자인에 집중할 수 있는 시간을 확보할 수 있다. 엔비디아는 거의 모든 산업에서 AI를 사용해 사람들의 생활과 여가를 즐기는 방식을 향상시키고 개선할 준비를 하고 있다고 보고 있다. 농업 분야에서는 AI를 사용해 식품 공급망을 최적화하고 식량 공급을 개선할 것이다. 예를 들어, AI는 개별 농장의 다양한 작물에서 발생하는 온실가스 배출량을 예측하는 데 사용될 수 있다. 이러한 분석은 공급망에서 온실가스를 줄이는데 도움이 되는 설계 전략을 수립하는 데 도움이 된다. 한편, 교육 분야의 AI 에이전트는 개인의 모국어로 말하고 특정 과목의 교육 수준에 따라 질문하거나 답변하는 등 학습 경험을 개인화할 수 있다. 엔비디아는 국가와 산업계에서 AI가 경제의 다양한 측면을 자동화해 세계 인구가 감소하는 가운데서도 현재의 생활 수준을 유지하는 방법을 모색하기 시작할 것으로 보았다. 이러한 노력은 지속 가능성과 기후 변화에도 도움이 될 수 있다. 예를 들어, 농업 산업은 밭을 관리하고 해충과 잡초를 기계적으로 제거할 수 있는 자율 로봇에 투자하기 시작할 것이다. 이는 살충제와 제초제의 필요성을 줄여 지구를 더 건강하게 유지하고, 다른 의미 있는 기여를 위한 인적 자본을 확보할 수 있다. 도시 계획 사무소에서 자율주행차를 고려하고 교통 관리를 개선하기 위한 새로운 사고 방식을 기대할 수도 있다. 장기적으로는 AI가 전 세계의 시급한 과제인 탄소 배출량 감축과 탄소 저장을 위한 설루션을 찾는 데에 도움을 줄 수 있을 것으로 보인다. 기업의 AI 팩토리(AI factory)는 원시 데이터를 비즈니스 인텔리전스로 변환한다. 2025년에는 기업이 이러한 AI 팩토리를 확장해 방대한 양의 과거, 합성 데이터를 활용할 것이다. 이를 통해 소비자 행동과 공급망 최적화부터 금융 시장의 움직임, 공장과 물류창고의 디지털 트윈에 이르기까지 모든 것에 대한 예측과 시뮬레이션을 생성할 것이다. AI 팩토리는 초기 채택자들이 미래 시나리오에 대응하는데 그치지 않고 이를 예측하고 구체화하는 데 도움이 되는 핵심 경쟁 우위로 자리 잡을 것이다.

슈나이더 일렉트릭이 시장 조사 및 데이터 분석 기업인 밀리유(Milieu)와 함께 진행한 연례 지속가능성 여정 조사 결과를 발표했다. 이번 조사는 기업 관계자들의 지속가능성에 대한 태도 변화, 기후 목표 달성을 위한 민간 부문의 역할, 에너지 소비 및 전환에 있어 기업이 준비할 각 과정에 대한 비즈니스 리더들의 견해를 수집하는 것을 목적으로 한다. 지난 4월부터 5월까지 한국을 포함해 인도네시아, 일본, 말레이시아, 싱가포르, 대만, 태국 등 동아시아 지역에 위치한 9개 국가의 비즈니스 리더 약 4500명을 대상으로 진행됐으며, 지속가능성 및 환경에 대해 조사했다. 설문에 참여한 민간 기업의 중견 및 고위급 임원은 지속가능성과 비즈니스에 미치는 영향에 관한 30여 개의 질문에 답했다. 디지털화는 기업의 지속가능성 여정에서 매우 중요한 요소로 떠오르고 있다. 이번 조사에 따르면, 현재 디지털 솔루션을 활용하고 있는 기업이 93%에 이르는 것으로 나타났으며, 이는 기술이 지속가능성 목표를 달성하기 위한 중요 포인트에 있는 것을 보여준다. 지속가능성을 위한 디지털화의 가장 일반적인 적용 분야는 종이 없는 운영(35%)이며, 위험 및 기회 관리(33%)와 공급망 디지털화(31%)가 그 뒤를 잇고 있다.     특히 조사에서는 아시아 기업에서 지속가능성의 중요성이 점점 더 커지고 있음을 강조한다. 실제로 60%에 달하는 비즈니스 리더가 지속가능성을 회사의 최우선 과제로 여기고 있으며, 동아시아 기업 3곳 중 1곳은 향후 2년간 지속가능성 이니셔티브에 최소 100만 달러를 투자할 계획인 것으로 나타났다. 또한 응답자의 42%는 디지털화를 지속가능성 전략의 주요 동력으로 삼고 있으며, 41%는 공급망 지속가능성 향상을 중점 투자 분야로 꼽았다. 하지만 여전히 기업이 선언한 지속가능성 목표와 이를 달성하기 위한 실질적 행동 사이에는 ‘녹색 임팩트 격차(Green Impact Gap)’가 존재했다. 기업 중 95%가 지속가능성 목표를 설정했지만, 조사된 기업의 절반(47%)만이 명확한 목표가 포함된 지속가능성 전략 및 정책을 수립해 실행하고 있다. 보다 구체적인 전략을 수립한 임팩트 메이커(Impact Maker)들의 60%가 지속가능성 전담 부서를 보유하고 있었으며, 지속가능성의 실현성을 높이는 데에 앞장서고 있다. 또한 응답자의 41%는 지난 1년동안 공급망과 비용에 영향을 받았다고 대답할 만큼, 기업은 기후 변화를 위험 요소로 인식하고 있는 것으로 나타났다. 임팩트 메이커의 49%는 이러한 위험 요소를 대비하기 위해 공급망 지속가능성을 주요 투자 분야로 꼽고, 공급업체와의 협력하는 비율을 높여 환경 영향을 줄일 예정이라고 한 반면, 그 외의 기업은 34% 정도만 동일한 계획이 있다고 응답했다. 이러한 차이를 좁히기 위해서 기업들은 명확한 목표와 새로운 전략 및 기술을 최적으로 배치할 필요가 있다. 임팩트 메이커 조직의 70% 이상이 지속가능성을 높은 순위로 고려하고 있는 것처럼, 의식적으로 지속가능성을 가장 우선시하는 정책적 변화가 필요하다. 슈나이더 일렉트릭 코리아 지속가능성 사업부의 김민영 부문장은 “이번 슈나이더 일렉트릭의 지속가능성 조사에 따르면 기업들이 실제 지속가능성을 위한 변화를 인지하고 있다는 점은 매우 고무적”이라면서, “하지만 실제 행동으로 옮겨 진정한 지속가능성을 달성하기 위해서는 많은 조직이 근본적인 변화를 필요로 한다. 슈나이더 일렉트릭은 이러한 기업의 지속가능성 목표를 달성하기 위해 다양한 솔루션과 제품을 선보이고 있다”라고 설명했다.

지멘스 디지털 인더스트리는 산업 환경에서 엔지니어링을 지원하는 생성형 AI 기반 어시스턴트 ‘지멘스 인더스트리얼 코파일럿(Siemens Industrial Copilot)’의 새로운 주요 기능을 소개하면서, 티센크루프 오토메이션 엔지니어링(thyssenkrupp Automation Engineering)을 글로벌 고객으로 확보했다고 밝혔다. 지멘스 인더스트리얼 코파일럿은 자동화 엔지니어링 코드를 작성할 수 있는 생성형 AI 기반 설루션으로, 멀티모달 기능과 에이전트 기반 접근 방식을 통해 엔지니어에게 더욱 강력한 지원을 제공할 계획이다. 또한 제조 현장에서 사용되는 오퍼레이션용 인더스트리얼 코파일럿은 데이터 보안을 강화하기 위해 온프레미스 하드웨어-소프트웨어 패키지 형태로도 제공한다. 현재 산업 현장은 경쟁 심화와 숙련 인력 부족이라는 과제에 직면해 있다. 생성형 AI를 산업 현장에 도입하면 이러한 문제를 해결하고 생산성을 높일 수 있다. 가트너의 최신 보고서에 따르면, 2028년까지 개발자의 75%가 생성형 AI를 활용해 정기적으로 코드를 작성할 것으로 전망되며, 이는 2023년 초 10% 미만에서 크게 증가한 수치다. 티센크루프 오토메이션 엔지니어링은 전기차 배터리 품질 검사 장비에 엔지니어링용 코파일럿을 통합했으며, 2025년부터 글로벌 단위로 이를 확대 도입할 계획이다. 이 코파일럿은 티센크루프 엔지니어들의 TIA 포털 프로젝트 개발 및 PLC(Programmable Logic Controller)를 위한 구조화된 제어 언어(SCL) 코드를 보다 신속하게 작성할 수 있도록 지원한다. 또한 WinCC Unified에서 기계에 대한 HMI 그래픽을 생성함으로써 반복적이고 단조로운 작업을 줄이고, 프로세스를 최적화하며 혁신을 촉진한다. 독일 에를랑겐에 위치한 지멘스 스마트 공장은 납땜 장비에 오퍼레이션용 코파일럿을 도입했다. 이 코파일럿은 오류 메시지를 자연어로 변환하고, 관련 문서, 매뉴얼, 예비 부품 목록을 분석해 설루션을 제안한다. 이를 통해 기계 가동 중단 시간을 단축하고, 생산 병목 현상을 신속히 해결하며, 교대 근무 간의 업무 인수인계 효율성을 높인다.     오퍼레이션용 코파일럿은 제조 현장에 있는 작업자들이 기계와 직접 상호작용하며 유지보수, 오류 처리, 성능 최적화를 실현할 수 있도록 지원한다. 멀티모달 기능은 이미지를 분석하고 해석하며, 에이전트 기반 자동화를 통해 다양한 작업에서 생산성을 높인다. 데이터 보안을 보장하기 위해 오퍼레이션용 코파일럿은 온프레미스 시매틱(Simatic) 산업용 PC(IPC 1047E)와 함께 제공될 계획이다. 이 시스템은 엔비디아의 AI 엔터프라이즈 플랫폼 기반의 소프트웨어를 활용해 실시간 데이터 질의와 신속한 의사결정을 지원하며, 인터넷 연결 없이도 모든 데이터를 로컬 하드웨어에서 처리한다. 이를 통해 데이터 보안을 강화하고 고객 데이터가 필요한 시점과 장소에서 안전하게 활용될 수 있도록 한다. 엔지니어링용 코파일럿은 전기 설계를 위한 ECAD 문서의 수동 변경 사항을 자동으로 감지, 변환, 주석을 추가하며, 이를 TIA 포털 프로젝트에 적용하는 멀티모달 입력을 지원할 예정이다. 에이전트 개념은 복잡한 자동화 프로젝트를 소규모 작업으로 나누어 처리하며, 다양한 출처에서 정보를 수집해 목표를 이해하고 실행한다. 엔지니어는 이러한 에이전트를 활용해 전체 생산 프로세스를 투명하게 관리하며 최적의 작업 단계를 파악할 수 있다. 지난 2024년 7월부터 지멘스 엑셀러레이터(Xcelerator) 마켓플레이스에서 제공된 엔지니어링용 코파일럿 TIA Essential은 지멘스가 자동화 요소를, 마이크로소프트의 애저 OpenAI 서비스가 자연어 처리를 수행하는 것이 특징이다. 이를 통해 기업을 위한 성능, 데이터 보호 및 신뢰성을 제공한다.  티센크루프 오토메이션 엔지니어링의 롤프 귄터 니베르딩(Rolf-Günther Nieberding) CEO는 “지멘스와 오랜 협력을 통해 복잡한 프로젝트를 더 짧은 시간 안에 구현할 수 있었다. 인더스트리얼 코파일럿을 전반적으로 도입함으로써 우리뿐만 아니라 고객들에게도 더 큰 가치를 제공할 수 있을 것이라 확신한다”고 전했다. 지멘스 디지털 인더스트리의 레이너 브렘(Rainer Brehm) 공장 자동화 부문 CEO는 “지멘스의 도메인 전문성을 바탕으로 생성형 AI를 누구나 쉽게 활용할 수 있는 산업 등급 설루션으로 전환하고 있다”면서, “인더스트리얼 코파일럿은 자동화 엔지니어링 분야의 혁신적인 파트너로, 고객의 혁신, 생산성, 그리고 경쟁력 강화를 가속화할 것”이라고 말했다.

개발 및 공급 : 태성에스엔이 주요 특징 : 확률적 머신러닝 알고리즘 접근 방식 사용, 기존 데이터 활용 또는 새로운 데이터 수집 계획으로 샘플과 자원의 효율적 관리, 전문가의 도움 없이도 확률적 머신러닝 작업 수행, 2D 및 3D FEM/CFD 등 다양한 형상과 데이터 형식 학습 가능, 실제 실험 데이터와 시뮬레이션 데이터의 유연한 처리 등   ▲ DIM-GP 알고리즘   Stochos(스토코스)는 딥러닝(DL)과 가우시안 프로세스(GP)를 독창적으로 결합하여 각 알고리즘의 장점을 최대화하고 단점을 최소화한 혁신적인 머신러닝 솔루션(DIM-GP : Deep infinite mixture of Gaussian Processes)을 제공한다. 기존 머신러닝 기업이 주로 딥러닝에 의존해 많은 하이퍼 파라미터 튜닝을 요구하는 것과 달리, 하이퍼 파라미터 훈련이 전혀 필요하지 않다. 또한 온프레미스(on-premise) 방식으로 학습 및 응용 시에 사내에서 안전하게 처리 및 보관할 수 있어 보안이 강화되며, 비용과 자원이 많이 드는 클라우드 컴퓨팅 솔루션이 요구되지 않는다.  낮은 하드웨어 요구 사항으로 빠른 AI 모델 구축 가능(클라우드 필요 없음) 하이퍼 파라미터 설정 불필요(AI 전문 지식 필요 없음) 다양한 형태의 데이터 사용 가능(1D/2D/3D, 이미지, 실험 데이터, 정해석, 과도해석 등) CAE 해석 프로그램의 종류에 무관하게 적용 가능 적은 데이터 수로 높은 정확도 구현 자동 노이즈 처리 데이터는 고객에게 보관됨 Stochos는 지도 학습, 비지도 학습, 강화 학습의 세 가지 유형의 머신러닝을 모두 지원한다. 지도 학습에서는 시뮬레이션 솔버를 대체하고 최적화를 수행하는 데에 유용하다. 비지도 학습의 예로는 모델이 센서 데이터에서 이상을 분석하는 예측 유지보수 작업이 있다. 강화 학습 작업은 로봇 공학이나 자율주행과 같은 실시간 제어 작업을 모두 포괄한다. 이 소프트웨어는 CPU, GPU, 마이크로 컨트롤러 등 다양한 하드웨어 플랫폼에서 작동하여 실시간 응답을 제공할 수 있다.   2D 유동 과도 해석, 사용 샘플 5개 변수 : 받음각 엔비디아 4090 GPU, 학습 시간 14분 1 CPU(8 코어), 학습 시간 32분   3D 고주파 해석, 사용 샘플 37개 변수 : 안테나 위치 엔비디아 4090 GPU, 학습 시간 7초, CPU  학습 시간 10초   3D 과도 충돌 해석, 사용 샘플 32개 변수 : 판재 두께 엔비디아 4090 GPU, 학습 시간 21초   3D 열유동 해석, 사용 샘플 34개 변수 : 냉각채널 형상 엔비디아 4090 GPU, 학습 시간 6시간   또한, Stochos의 AI 라이브러를 이용해 업체 맞춤형 AI 제작 프로그램을 만들어, 해석 및 분석 작업의 효율을 최대화할 수 있다.    ▲ Stochos 라이브러리를 이용한 맞춤형 AI 프로그램 제작     ■ 기사 내용은 PDF로도 제공됩니다.

‘AI와 CAE 융합을 통한 차세대 제조 혁신 전략’을 주제로 한 ‘CAE 컨퍼런스 2024’가 지난 11월 8일 수원컨벤션센터에서 진행됐다. 스마트공장구축 및 생산자동화전(SMATEC 2024) 전시회와 함께 치러진 이번 행사에서는 제품 개발 과정에서 필수로 여겨지는 CAE 기술의 발전과 함께, 제조산업에서 AI(인공지능)의 방향성을 짚는 기회가 마련됐다. ■ 정수진 편집장      ■ 같이 보기 : [포커스] CAE 컨퍼런스 2024, 제조 혁신을 위한 CAE와 AI의 융합 전략 소개   이번 ‘CAE 컨퍼런스 2024’에서는 최신 CAE 기술 및 인공지능 기술의 흐름, 산업에서의 적용 사례 등이 소개됐다. 나니아랩스의 강남우 대표는 ‘로코드 AI 플랫폼을 이용한 설계 생성/예측/최적화 방법 및 사례’ 발표를 통해, 제조 도메인 전문가가 설계안을 효과적으로 생성하고 예측하며 최적화하는 데에 도움을 줄 수 있는 로코드(low-code) AI 플랫폼인 AslanX에 대해 설명했다. AslanX는 사용자 친화적인 인터페이스를 제공하여 비전문가도 쉽게 활용할 수 있다는 점을 특징으로 내세운다. 실제 사례를 통해 AslanX의 유용성을 소개한 강남우 대표는 “로코드 AI 플랫폼은 복잡한 설계 과정을 간소화하여 제조업체가 빠르게 효율적인 설계안을 생산할 수 있도록 지원하고, 데이터 기반 예측 기능을 통해 기업이 설계 효율을 높이면서 잠재적인 위험 요소를 미리 발견해 더 나은 의사결정을 내릴 수 있도록 돕는다”고 전했다.   ▲ 나니아랩스 강남우 대표   HP의 김태화 P3D 매니저는 ‘HP 3D 프린팅 자동화 설루션이 주도하는 산업의 디지털 트랜스포메이션’이라는 주제 발표를 통해 “과거 3D 프린팅 기술은 주로 시제품 제작에 쓰였지만, 지금은 최종 부품 생산에도 점점 더 많이 활용되고 있으며 앞으로 그 비중이 더욱 커질 것”이라고 전망했다. 김태화 매니저는 이러한 변화에 대응하기 위해 HP의 젯 퓨전 5600(Jet Fusion 5600) 3D 프린터와 자동화 시스템을 소개했다. 젯 퓨전 5600은 생산 속도와 품질을 동시에 향상시키고, 고객 맞춤형 파라미터 조정 기능을 통해 다양한 요구를 충족시킬 수 있도록 설계되었다. 김태화 매니저는 “젯 퓨전 3D 프린터를 중심으로 한 자동화 시스템은 비용 절감과 생산성 향상을 지원하며, 고객 요구에 맞는 맞춤형 제조 환경을 제공한다”고 전했다.   ▲ HP 김태화 P3D 매니저   피도텍의 최병열 연구위원은 ‘최적설계 대중화를 위한 AADO 기술’을 소개했다. 최적설계의 개념을 ‘최소한의 자원으로 최대의 결과를 도출하는 과정’으로 설명한 최병열 연구위원은 최적 설계 기술의 필요성이 늘면서 많은 기업이 최적화 도구에 대한 필요성을 느끼고 있지만, 접근성을 높이는 것이 해결 과제라고 짚었다. 최병열 연구위원은 “기존 최적설계 기술의 복잡한 접근 방식을 간소화해 모든 엔지니어가 접근할 수 있도록 할 방법을 고민했다”면서, “그 결과 탄생한 AADO(AI Aided Design Optimization)는 AI와 데이터 분석, 비주얼라이제이션 기술을 결합해 최적 설계 도구의 혁신 방안을 제시하고, 이를 통해 엔지니어가 더 효율적으로 설계 문제를 해결할 수 있도록 돕는다”고 전했다.   ▲ 피도텍 최병열 연구위원   케이더블유티솔루션의 변성준 이사는 ‘CAD와 CFD 융합을 통한 제품 설계 혁신’ 발표에서 “CFD(전산 유체 역학)가 제품 설계 과정에서 필수 요소로 자리잡고 있으며, CAD와 CFD의 통합은 설계 시간 절약과 데이터 분석의 정확성을 높여 기업 경쟁력에 기여한다”고 설명했다. 변성준 이사가 소개한 SimericsMP for NX는 NX CAD에 통합된 유한 체적법(FVM) 기반의 CFD 소프트웨어로, CAD 환경에서 직접 CFD 해석을 빠르고 효율적으로 수행할 수 있도록 돕는다. 변성준 이사는 “SimericsMP for NX는 격자 생성 시간을 줄이고 정확도를 높이면서, 복잡한 형상에서 해석의 일관성을 유지하는 것이 특징”이라고 소개했다.   ▲ 케이더블유티솔루션 변성준 이사   LG전자의 박우철 책임연구원은 ‘가전 개발에서 CAE와 AI 활용’에 대해 발표를 진행했다. LG전자는 제품 개발 프로세스에서 동역학 해석과 진동 해석을 통해 제품의 품질을 확보하고, 극한 시나리오에 품질을 검증하는 등에 CAE를 활용하고 있다. “머신러닝은 이점과 함께 실행 과정의 복잡성도 갖고 있다”고 짚은 박우철 책임연구원은 “AI의 적용 가능성을 높이기 위해 설계와 생산 과정에서 신뢰성 있는 데이터를 확보하고, 해석 결과의 일관성을 확보할 방법을 고민해야 한다”고 전했다. 또한 AI를 도입하는 과정에서 초기 투자 비용, 데이터 확장성, 전문 인력의 확보 등을 고려할 필요가 있다고 덧붙였다.   ▲ LG전자 박우철 책임연구원   지멘스 디지털 인더스트리 소프트웨어의 이종학 프로는 ‘제품 개발과 검증의 가속화를 위한 심센터 AI 설루션’에 대해 발표했다. 이종학 프로는 “AI 기술을 활용한 자동화 설루션은 제품 설계와 실험 과정에서 시간을 단축하고 효율성을 높일 수 있다”고 전했다. 지멘스의 시뮬레이션 포트폴리오인 심센터(Simcenter) 내에 탑재된 AI 기능을 소개한 이종학 프로는 “반복적인 작업의 자동화를 구현하기 위해서는 제품 개발 프로세스의 단계에서 사용할 데이터의 수집 및 흐름을 체계적으로 구성해야 한다. 또한 AI 모델을 활용해 최적의 디자인을 찾는 과정에서 최적화 알고리즘을 적용해 반복 작업을 효율적으로 관리하고, 그 결과에서 유의미한 인사이트를 도출하는 과정이 중요하다”고 전했다.   ▲ 지멘스 디지털 인더스트리 소프트웨어 이종학 프로   현대자동차의 김용대 글로벌R&D마스터는 ‘모빌리티 아키텍처 단계 타이어 시스템의 버추얼 개발 프레임워크’에 대해 소개했다. 전기차 타이어의 경우, 배터리와 차량의 무게가 늘어남에 따라 스트레스 및 성능에 있어 새로운 요구사항이 발생한다. 이에 대응해 타이어의 재설계가 필요한데, 김용대 마스터는 “초기 개발 단계에서 가상 모델을 기반으로 하는 새로운 방식이 필요하며, 이를 통해 실물 타이어에 의존하는 전통적인 접근에서 벗어나는 것도 고민해야 한다”고 말했다. 김용대 마스터는 “다양한 미래 모빌리티 환경에 적응하기 위해 시스템 엔지니어링 관점을 통합할 필요성이 있다”면서, “데이터 기반 의사결정을 통해 협력사와의 관계를 더욱 견고히 하고, 통합된 시스템으로 전환해 타이어 및 완성차 개발의 완성도를 높여야 할 것”이라고 덧붙였다.   ▲ 현대자동차 김용대 글로벌R&D마스터   현대모비스의 정원태 책임연구원은 ‘NVH 해석 분야에서의 고전적 방법론과 디지털 기술 융합 사례’ 발표를 통해 “기술의 발전이 CAE의 변화와 새로운 접근 방식을 요구하고 있다”면서, 데이터 중심의 AI 및 머신러닝의 활용 가능성과 함께 도전 과제를 극복하기 위한 방법론을 소개했다. 전기차의 복합 시스템 모델링 방법과 자유도 문제 해결, 모달 모델을 통한 복잡한 시스템의 간소화, 머신러닝 기법을 활용한 모터의 품질 예측 등 사례를 소개한 정원태 책임연구원은 “고전적 방법론과 AI, 머신러닝 기술의 결합은 더 빠르고 정확한 모델링을 가능케 하며, 디지털 트윈 기술은 복잡한 엔지니어링 문제를 해결하는 데에 도움을 준다”면서, 모델링과 데이터에 대한 깊은 이해를 바탕으로 효과적인 문제 해결을 위해 꾸준히 고민할 것을 당부했다.   ▲ 현대모비스 정원태 책임연구원

‘AI와 CAE 융합을 통한 차세대 제조 혁신 전략’을 주제로 한 ‘CAE 컨퍼런스 2024’가 지난 11월 8일 수원컨벤션센터에서 진행됐다. 스마트공장구축 및 생산자동화전(SMATEC 2024) 전시회와 함께 치러진 이번 행사에서는 제품 개발 과정에서 필수로 여겨지는 CAE 기술의 발전과 함께, 제조산업에서 AI(인공지능)의 방향성을 짚는 기회가 마련됐다. ■ 정수진 편집장      CAE 컨퍼런스 2024 준비위원회의 위원장인 KAIST 강남우 교수(나니아랩스 대표)는 개회사에서 “사전 학습된 대규모 모델의 활용이 활발해지면서, AI로 할 수 있는 일이 무궁무진해지고 있는 것 같다. 한편으로 CAE와 제조 분야에서는 어떻게 AI를 활용해야 할 것인지에 대해 아직 의문점이 많다”면서, “최고 전문가들이 현장의 소리를 전하는 CAE 컨퍼런스 2024에서 이런 의문을 풀고 AI와 제조 혁신을 위한 인사이트와 아이디어를 얻을 수 있기를 바란다”고 전했다.   제조 혁신을 위한 통섭의 중요성 에스엔에이치의 민태기 연구소장은 ‘기술독립과 통섭에서 배우는 CAE 엔지니어를 위한 판타레이’를 주제로 기조연설을 진행했다. 그는 “애플이 ‘기술과 리버럴 아트의 교차점’을 강조한 이후, 우리나라에서는 ‘리버럴 아츠’를 인문학으로 해석해 인문학 열풍이 일었다. 하지만 ‘리버럴 아츠’는 중세 대학의 교양 과목인 문법, 수사학, 논리학, 산술, 기하학 등을 포함하며, 단순히 인문학에 국한되지 않는다. 기술 혁신에 대한 이러한 오해를 바로잡을 필요가 있다”고 강조했다. 기술 혁신의 목적은 생산성 향상이며, 이는 공정의 변화를 통해 이루어졌다. 석기 시대에서 청동기, 철기 시대로의 변환, 증기기관을 활용한 대형 철갑선과 방적기의 등장 등은 모두 생산성 차이에 따른 제조 공정의 혁신이 사회와 역사를 근본적으로 변화시킨 사례이다. 민태기 연구소장은 “우리 중소기업에게 제조 혁신은 생존의 문제이기도 하다. AI를 활용하는 것은 기존 편견을 극복하고 새로운 영역을 개척하는 데 초점을 맞춰야 한다”며, “우리 제조산업의 미래는 디지털 기술을 활용한 제조 혁신에 달려 있다. 이를 위해 정밀 공학과 창의적 사고의 융합으로 새로운 성장 동력을 만들어야 한다”고 전했다.    ▲ 에스엔에이치 민태기 연구소장   AI/ML과 디지털 플랫폼을 통한 CAE 혁신 헥사곤 매뉴팩처링 인텔리전스의 전완호 본부장은 ‘AI/ML과 디지털 리얼리티 플랫폼을 통한 CAE 혁신 전략’을 주제로 기조연설을 진행했다. 그는 디지털 전환을 “데이터와 프로세스를 디지털화하여 생산성과 창의성을 극대화하는 과정”으로 정의하며, “센서 기반의 실제 데이터를 활용하는 것이 해석 데이터만 사용하는 것보다 더 정확하고 유용하다”고 강조했다. 헥사곤은 센서를 통해 실제 세계의 형상을 디지털 환경으로 가져와 설계와 시뮬레이션을 거쳐 다시 실제 세계로 반영하는 ‘디지털 리얼리티 설루션’을 내세운다. 전완호 본부장은 AI와 머신러닝을 활용한 축소 차수 모델(ROM)을 이용해 데이터를 실시간으로 예측하고 활용함으로써 디지털 트윈의 운영 효율을 높이는 기술과 사례를 소개했다. 그리고 “헥사곤은 다양한 데이터를 통합하는 넥서스(Nexus) 플랫폼을 통해 CAE, 제조, 품질 관리 등 여러 팀이 협업할 수 있는 환경을 제공한다”고 전했다. 통합 플랫폼과 AI/머신러닝을 결합해 실시간 시뮬레이션과 디지털 트윈을 운영하고, 데이터의 수집부터 해석, 최적화, 협업까지 모든 과정을 하나의 플랫폼에서 관리함으로써 디지털 전환을 더욱 효과적으로 추진할 수 있다는 것이 전완호 본부장의 설명이다.    ▲ 헥사곤 매뉴팩처링 인텔리전스 전완호 본부   SDV 전환과 소프트웨어 품질 강화 전략 현대오토에버의 박경훈 실장은 ‘SDV 체계 전환 및 차량 소프트웨어 품질 경쟁력 강화 방안’을 주제로 기조연설을 진행했다. 자동차는 이동 수단에서 벗어나 소프트웨어 중심의 차량(SDV)으로 변화하고 있다. 차량의 전자화와 함께 서비스와 사용자 경험을 중시하게 되면서 소프트웨어의 중요성이 더욱 부각되고 있다. 자동차 업계는 소프트웨어의 품질을 높이고, 출시 시간을 줄이면서, 시장 점유율을 확보하기 위해 핵심 기능을 빠르게 구현하고 테스트하는 애자일(agile) 방식의 개발 체계로 전환하고 있으며, OTA 업데이트를 통해 지속적으로 소프트웨어를 개선하고 있다. 박경훈 실장은 “오토에버는 이러한 산업 변화에 따라 국제 표준 및 컴플라이언스를 준수하는 개발 환경을 구축하고, 가상 검증 및 지속적인 테스트 체계를 도입하고 있다”고 소개했다. 가상 검증은 제어기를 가상화하여 테스트를 앞당기고 품질을 높이는 방식으로, 전통적인 개발 뒷단에서의 문제를 앞단에서 발견하여 해결하는 데에 중점을 두고 있다. 이를 위해 오토에버는 클라우드 기반의 검증 체계를 구축했고, 클라우드 컴퓨팅을 활용한 다양한 테스트 시나리오의 자동화를 통해 시간과 비용 절감을 추진하고 있다는 것이 박경훈 실장의 설명이다.    ▲ 현대오토에버 박경훈 실장   타이어 개발의 디지털 트윈 시스템과 생산 최적화 금호타이어의 김기운 전무는 ‘타이어 개발 프로세스에 대한 디지털 트윈 시스템 구축’에 대해 기조연설을 진행했다. 그는 4차 산업혁명 시대 타이어의 기술 진화 방향으로 IoT 센서, 빅데이터 분석, AI 예측 모델, 로보틱스를 활용한 공장 자동화를 짚으면서, 이를 통해 타이어 개발과 생산 과정을 디지털화하고 최적화하는 것이 목표라고 짚었다. 금호타이어는 설계부터 성능 평가, 최적화까지 전체 과정을 디지털화하고 자동화하는 타이어 디지털 트윈 시스템을 구축 중이다. 이 시스템은 ▲타이어 단면 및 트레드 패턴의 자동 설계 ▲빅데이터와 CAE 기술을 이용한 타이어 성능 예측 ▲AI와 유한 요소 해석(FEM)을 통한 설계 최적화 그리고 ▲시뮬레이션을 통한 타이어 성능 가상 평가 등 네 가지 모듈로 구성된다.김기운 전무는 “디지털 트윈을 통해 개발자가 쉽게 성능 평가 결과를 확인하고 빠르게 제품 개발을 진행할 수 있어, 개발 시간 단축과 비용 절감을 기대할 수 있다”고 설명하며, “앞으로 제조 공정에도 디지털 전환을 적용하고, 차량 동역학 해석을 업그레이드하여 드라이빙 시뮬레이터까지 예측하고자 한다”고 전했다.   ▲ 금호타이어 김기운 전무   ■ 이어 보기 : [포커스] CAE 컨퍼런스 2024 발표 내용 정리     ■ 기사 내용은 PDF로도 제공됩니다.

디지털 지식전문가 조형식의 지식마당   이번 달 컬럼은 SAT 이노베이션 매니지먼트를 소개하기로 정했다. 각 SAT에는 세 가지의 방향성이 있고, 각 방향성은 세 가지 그룹을 가진다. 첫 번째인 S 그룹은 스마트(smart), 체계적인(systematic)이다. 이것은 체계적 접근을 의미한다. 그리고 소프트웨어 정의(software-defined)가 있다. 두 번째 A 그룹은 인공지능(artificial intelligence), 증강현실(augmented reality), 자동화(automation)이다. 마지막 T 그룹은 기술(technology), 트렌드(trends) 그리고 변환(transformation)이고, 세 개의 그룹은 혁신경영(innovation management)으로 관리된다.   그림 1. SAT 그룹과 혁신 관리   <그림 1>은 세 개의 그룹과 각 그룹의 세 가지 키워드를 보여준다. 이것은 혁신경영으로 통합되며, 각 키워드는 디지털 스레드(digital thread)로 연결된다. 이것을 가지고 2025년에는 자세하게 통합시켜 보려고 한다.    SAT 이노베이션 매니지먼트 S Group 스마트(Smart) 체계적인(Systematic) 소프트웨어 정의(Software-Defined) A Group 인공지능(Artificial Intelligence, AI) 증강현실(Augmented Reality, AR) 자동화(Automation) T Group 기술(Technology) 트렌드(Trends) 변환(Transformation) 혁신경영(Innovation Management) 스마트(smart)라는 용어는 스마트 공장이나 스마트 건설 분야에서 기술을 활용해 더 효율적이고, 자동화되고, 데이터 중심적인 운영을 의미한다. 예를 들어, 스마트 공장(smart factory)에서는 IoT 센서와 인공지능을 활용해 생산 과정을 모니터링하고 최적화할 수 있다. 스마트건설(smart construction)도 건축 현장에 사용되는 기술과 데이터를 통해 건설 과정을 효율적으로 관리하고 개선한다. 이런 ‘스마트’한 접근 방식은 효율성(efficiency)을 높이고 비용을 절감하며 품질을 향상시키는 데에 도움이 된다. 스마트의 특징은 몇 가지로 요약할 수 있다. 먼저 연결성(connectivity)이다. IoT 기기와 센서로 모든 요소가 네트워크로 연결된다. 그 다음은 데이터 수집 및 분석이다. 이 연결성을 통해 실시간 데이터가 수집되고, 인공지능과 같은 기술로 분석되어 더 나은 결정을 내릴 수 있다. 자동화(automation)도 중요한 특징이다, 이를 통해 사람의 개입 없이도 많은 프로세스가 자동으로 실행된다. 마지막으로, 유연성과 적응성이다. 스마트 시스템은 환경 변화나 새로운 데이터를 바탕으로 빠르게 대응하고 최적화한다. 그러나 스마트의 궁극적인 목표는 우리가 추구하는 가치를 실현하는 데에 있다. 효율성, 생산성, 안전성, 지속 가능성 등 다양한 가치가 스마트 기술을 통해 충족될 때, 진정한 스마트함이 완성된다. 결국, 기술 자체가 목적이 아니라 우리가 원하는 결과를 얻는 것이 스마트의 진정한 의미라고 할 수 있다. 스마트 시스템(smart system)을 구축하거나 도입할 때에는 체계적인 접근이 중요하다. 먼저 명확한 목적과 목표를 설정해야 하며, 현재 프로세스와 기술을 파악하고, 필요한 개선점을 찾아야 한다. 그런 다음 단계별로 구현 계획을 세우고, 성과를 모니터링하며 지속적으로 개선해야 한다. 이러한 체계적 접근은 스마트 시스템이 실제로 기대하는 효과를 발휘하도록 보장해 준다. 최적화가 현존 시스템의 효율성을 극대화하는 데에 초점을 두는 반면, 혁신(innovation)은 완전히 새로운 아이디어나 방법을 추구하는 것이다. 하지만 스마트 시스템에서의 최적화는 혁신의 중요한 부분이 될 수 있다. 왜냐면, 데이터를 분석하고 자동화하는 과정에서 새로운 통찰력과 가능성이 발견되기 때문이다. 따라서 스마트 시스템의 최적화는 혁신과 상반되는 것이 아니라, 오히려 혁신을 위한 발판이 된다. 그러나 스마트에서 가장 핵심 가치 중에 하나인 최적화는 혁신을 방해할 수도 있다. 혁신의 방해 요소 중에 하나가 정설(orthodoxy)이다. 이것은 그 분야에서 모든 사람이 의심하지 않고 믿는 신념적 지식이다. 이것은 혁신의 방해가 될 수도 있다. 예를 들어서 항공우주 분야에서 혁신적 사업가인 라이트 형제와 일론 머스크는 기존의 정설을 깨고 새로운 발상을 하였다. 라이트 형제는 공기보다 무거운 금속인 알루미늄을 최초로 사용해서 인류 최초의 비행에 성공하였고, 일론 머스크는 기존의 정설인 더 강력한 로켓 엔진을 연구하는 대신에 혁신적인 로켓 재사용으로 발사 비용을 획기적으로 낮추었다. 그러나 모든 기업에게 이러한 혁신적 접근이 필요한 것은 아니다. 혁신의 특성은 불확실성(uncertainty)과 리스크(risk)이다. 혁신 관리는 이런 위험 요소를 관리를 통해서 최대한 줄여나가는 것이다. 소프트웨어 정의(software-defined) 또는 소프트웨어 중심 접근 역시 혁신적인 방법론이다. 이것은 미래를 향하는 트렌드(trends)라고 할 수 있다. 소프트웨어 정의 시스템(software-defined system)은 하드웨어의 고정된 기능을 소프트웨어를 통해 유연하게 제어하고 관리하는 시스템을 의미한다. 예를 들어, 스마트폰이나 스마트 TV처럼 다양한 기능을 소프트웨어 업데이트로 추가하거나 변경할 수 있는 시스템이 이에 해당한다. 이런 시스템은 하드웨어의 수명을 늘리고, 사용자의 요구에 빠르게 대응할 수 있다. 그리고 이것은 우리의 물리적 세계의 물리적 실체(entity)를 디지털 세상의 디지털 실체로 가상화(virtualization)할 것이다. 최근에 유행하는 디지털 트윈(digital twin)은 소프트웨어 정의 시스템이 통합해서 본격적으로 디지털 가상화의 방향으로 발전될 것으로 보이고, 수년 후에는 메타버스의 개념과 다시 만날 것이다.   그림 2. 소프트웨어 정의와 가상화의 예시   소프트웨어 정의된 모든 것은 기존의 제한된 하드웨어에 종속되지 않고 소프트웨어로서 모든 기술을 획기적으로 변화시킨다. 가상화와 소프트웨어 정의의 시작은 네트워크였지만, 이제는 자동차와 이 세상의 모든 하드웨어를 가상화하려고 한다. 현재 가장 큰 관심사 중에 하나는 자동차의 가상화이다. 가상화의 최고 기업은 애플이고, 가상화의 선구자는 스티브 잡스이다. 아이폰, 아이팟, 애플 뮤직, 애플 스토어, 애플 워치 등은 가상화의 산물이다. 우리는 오랫동안 하드웨어 중심의 생각에서 새로운 소프트웨어 중심의 패러다임을 가지게 될 것이다. 그렇다고 우리가 물리적 세계를 무시할 수는 없다. 우리의 삶과 신체가 물리적이기 때문이다. 역설적이지만, 우리의 모든 생각이 추상적이면서도 결국 물리적인 뇌에 근간을 두고 있다는 것이다. 그러므로 디지털 기술이 점점 발전할 수록 스마트의 핵심은 디지털이나 최적화나 자동화가 아닌 물리적이고, 불확실성과 리스크를 관리하는 혁신 관리가 더 중요해질 것이다.   그림 3. 소프트웨어 정의   인공지능은 이미 모든 디지털 전환(digital transformation)과 우리의 일상에 막대한 영향을 미치고 있다. 최근 챗GPT의 가능성은 이전의 인공지능의 역할보다 흥미롭다. 이제는 개인의 인공지능을 사용하는 역량에 따라서 결과의 차이가 클 수 있다.  증강현실(augmented reality)에서는 가상현실과 달리 현실세계와 가상현실(virtual reality)을 모두 동시에 보여주기 때문에 우리는 아주 직관적으로 접근할 수 있다. 그러나 이 기술은 앞으로 지속적으로 발전할 것으로 예상된다. 자동화(automation) 역시 수 십 년 동안 지속되고 있지만, 자동화를 단순하게 최적화(optimization)의 개념으로 적용해서 노동자를 줄인다면, 기업이나 국가는 장기적으로는 소비를 죽이는 결과를 가져 올 수 있다. 이것에 대해서 한 세기 전에 조지프 슘페터가 주장하였다. 그는 “시장의 비즈니스 모델을 모방해서 최적화는 사람은 사업가(businessman)이고, 혁신으로 새로운 비즈니스 모델을 시작하는 사람은 기업가(entrepreneur)”라고 했다. 마지막 T 그룹은 기술(technology), 트렌드(trends), 변환(transformation)이다. 현재 진행되고 있으나 통합적으로 관리되지 못하고 있다. 이 세 가지의 특징은 과거보다는 미래 진행이라는 것이다. 어떻게 보면 4차 산업혁명의 진행형이기도 하고 새로운 형태이기도 하다. 이것을 과거의 경험과 지식으로 관리하기에는 불확실성과 리스크가 존재한다. 이런 것들은 기존의 관리보다는 혁신 경영이 더 적합할 수 있다.   그림 4. 기술, 트렌드, 변환   결론적으로 현재는 뷰카(VUCA), 즉 변동적이고 복잡하며 불확실하고 모호한 사회 환경을 말한다. 변동성(volatility), 불확실성(uncertainty), 복잡성(complexity), 모호성(ambiguity)이 복합된 환경에서 점진적인 개선이나 최적화보다는 혁신적인 생각을 보다 비중 있게 해야 한다. 미래 산업은 항상 안주하지 않고 안 가본 길을 가야 한다. 강한 자보다는 새로운 환경의 게임 체인저가 돼야 한다. 기존의 브랜드보다는 새로운 카테고리를 만들어야 한다.   ■ 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.