앤시스를 인수한 시높시스가 미국 NASA의 차세대 달 탐사 프로젝트인 아르테미스 프로그램을 지원하기 위해 기술 협력을 확대한다고 밝혔다. 시높시스는 EMA 및 시지엄과 손잡고 달 환경에서 사용할 우주복의 안전성 분석과 통신 시스템 개발을 돕고 있다. 시높시스는 NASA 존슨 우주센터 및 글렌 연구센터와 협력해 달 표면에서 발생하는 전하 축적 현상을 분석한다. 또한 디지털 트윈 기반의 가상 달 환경을 활용해 통신 네트워크 구축을 검증하고 있다. 시높시스에 따르면 이러한 시뮬레이션 기술은 실제 장비를 제작하기 전 단계에서 성능을 검증함으로써 개발 위험을 줄이고 임무의 신뢰성을 높이는 데 기여한다.     EMA와 함께 진행하는 전자기 시뮬레이션은 달 환경의 정전기가 우주유영 시스템과 전자 장비에 미치는 영향을 파악하는 데 중점을 둔다. 달의 토양과 마찰하며 생기는 대전 현상이나 우주 플라스마 환경에서의 정전기 방전은 통신과 생명 유지 장치에 문제를 일으킬 수 있다. 시높시스는 앤시스 차지 플러스 설루션을 사용해 다층 구조로 된 우주복 내부의 전하 흐름을 3차원으로 해석하고 있다. 이 데이터는 EMA 연구소의 실험 결과와 병행하여 정밀한 검증 체계를 갖추는 데 쓰인다. 통신 분야에서는 시지엄과 협력해 달의 3D 지형 데이터를 바탕으로 한 디지털 트윈 환경을 구축했다. 시높시스의 전자기 해석 도구인 앤시스 HFSS 등을 활용해 우주복과 로버에 장착된 안테나의 성능을 분석하고 통신 연결성을 평가한다. NASA 글렌 연구센터는 이 기술을 통해 달의 크레이터나 암석 지형 때문에 생기는 통신 음영 지역을 미리 찾아내고 효율적인 네트워크 설계를 진행하고 있다. 전 NASA 국장이자 시높시스 산하 AGI 어드바이저인 짐 브라이든스타인은 “하드웨어 제작 이전에 가상 환경에서 설계를 모델링하고 테스트하는 디지털 엔지니어링 기술은 혁신을 가속화하는 핵심 요소”라고 밝혔다. 아르테미스 프로그램은 단순한 달 탐사 재개를 넘어 인류가 우주에 지속 가능한 기반을 구축하는 것을 목표로 삼고 있다.

아마존웹서비스(AWS)는 과학자들이 신약을 더 빠르고 체계적으로 설계하고 검증할 수 있도록 돕는 인공지능(AI) 기반 애플리케이션인 ‘아마존 바이오 디스커버리(Amazon Bio Discovery)’를 출시했다. 아마존 바이오 디스커버리는 방대한 생물학 데이터를 학습한 전문 AI 모델인 생물학 파운데이션 모델 카탈로그에 과학자들이 직접 접근할 수 있도록 지원한다. 이들 모델은 신약 후보 물질을 생성하고 평가하며, 신약 발굴 초기 단계에서 항체 치료제 연구를 앞당기는 역할을 한다. 과학자들은 아마존 바이오 디스커버리의 AI 에이전트를 통해 일상적인 언어로 연구 목표에 맞는 모델을 선택하고 입력 변수를 최적화할 수 있다. 기존 실험 데이터를 활용해 모델을 추가로 학습시켜 예측의 정확도를 높이는 것도 가능하다. 선정된 후보 물질은 실제 실험실로 보내져 합성하고 테스트하는 과정을 거치며, 그 결과는 다시 애플리케이션으로 전달된다. AWS는 이러한 방식을 통해 실험실과 연계한 지속적인 반복 실험 구조를 구현했다.     그동안 신약 발굴 분야에 AI를 도입하는 데는 어려움이 많았다. 생성형 AI의 발전으로 머신러닝 모델이 늘어났지만, 이를 다루려면 코딩 능력과 복잡한 인프라 관리 기술이 필요했기 때문이다. 수십 개의 모델 성능을 직접 비교하는 것도 쉽지 않았고, 이를 지원할 전산 생물학자도 부족한 실정이었다. 물리적 실험을 위해 데이터를 주고받는 과정 역시 여러 시스템에 흩어져 있어 관리가 까다로웠다. 아마존 바이오 디스커버리는 AI 모델과 분석 패키지를 비교 평가하는 벤치마크 라이브러리와 실험 설계를 돕는 AI 에이전트, 통합 실험실 파트너 네트워크를 제공해 이런 문제를 해결하고자 했다. 이를 통해 얻은 피드백은 다음 설계 단계를 개선하는 밑거름이 된다. 이 서비스는 제약사와 바이오테크, 학계 연구기관이 필요로 하는 데이터 보호와 보안 환경을 갖추고 있다. 데이터는 완전히 격리되어 보호되며, 고객은 모든 지식재산과 데이터에 대한 소유권을 가진다. 아마존 바이오 디스커버리는 아페리스와 볼츠 등 파트너사의 오픈소스 및 상업용 모델을 포함해 폭넓은 생물학 특화 AI 모델 카탈로그를 제공한다. 앞으로 바이오허브와 프로플루언트의 모델도 추가될 예정이다. 과학자들은 코딩 대신 자연어를 사용해 단계별 실험 과정을 구성할 수 있으며, 제조 용이성이나 온도 안정성 같은 항체 후보 물질의 특성을 평가하는 데이터셋을 활용해 최적의 모델을 고를 수 있다. 실제로 메모리얼 슬론 케터링 암센터(MSK)는 아마존 바이오 디스커버리의 AI 에이전트를 활용해 약 30만 개의 새로운 항체 분자를 설계했다. 이 가운데 유망한 후보 물질을 테스트하는 데까지 걸린 시간은 몇 주에 불과했다. 기존 방식으로 1년 가까이 걸리던 작업을 대폭 단축한 것이다. 현재 MSK를 비롯해 바이엘, 브로드 인스티튜트, 프레드허치 암센터 등이 이 서비스를 초기 도입해 활용하고 있다. AWS의 라지브 초프라 헬스케어 AI 및 생명과학 부문 부사장은 “AI 에이전트는 컴퓨터 전문 지식이 없는 연구자들도 고도화된 과학 역량을 활용할 수 있게 한다”면서, “첨단 AI와 보안 인프라의 결합은 이전에는 불가능했던 방식으로 항체 발굴을 가속화할 것”이라고 설명했다.

다쏘시스템은 프랑스의 천연 화장품 기업인 그룹 로쉐와 협력해 화장품 연구 개발 역량을 강화한다고 밝혔다. 양사는 과학 기반의 버추얼 트윈 기술을 활용해 화장품 성분을 분석하고 제품 개발 효율을 높이는 데 집중할 계획이다. 1959년 설립된 그룹 로쉐(Groupe Rocher)는 이브 로쉐, 사봉, 아르본 등 다수의 브랜드를 운영하며 자연 유래 원료 기반의 뷰티 제품을 개발해 왔다. 이 회사의 과학 전문가들은 식물 성분의 작용 기전을 분석하고 독자적인 활성 성분을 활용한 포뮬레이션을 연구하고 있다. 일반적으로 화장품의 적절한 배합 비율인 포뮬레이션을 완성하기까지는 평균 30회 정도의 실험이 필요하다. 그룹 로쉐는 다쏘시스템의 생성형 인공지능(AI)과 화학 모델링, 시뮬레이션 기술을 도입해 이 과정을 최적화할 방침이다. 다쏘시스템은 3D익스피리언스 플랫폼 기반의 ‘서비스형 버추얼 트윈’을 통해 그룹 로쉐의 활성 성분과 피부를 모델링한다. 버추얼 트윈을 활용하면 성분 사이의 상호작용을 분석하고 피부 침투 여부를 미리 테스트할 수 있다. 개발 초기 단계부터 과학적 정확도를 높여 효능을 예측하고 강화하는 방식이다. 다쏘시스템은 이를 통해 실험 횟수를 20% 줄이고 제품 출시 기간을 단축할 수 있다고 설명했다.     그룹 로쉐의 베로니크 슈바르츠 부아슈 최고과학책임자는 “다쏘시스템의 기술을 통해 활성 성분의 효능을 정밀하게 예측하고 자연 친화적인 제품을 더 신속하게 개발할 수 있을 것으로 기대한다”고 말했다. 다쏘시스템의 앨리사 프리스너 산업, 마케팅 및 지속가능성 수석부사장은 “과학 기반의 인공지능 버추얼 트윈은 클라우드 환경에서 포뮬레이션을 시뮬레이션하고 최적화하도록 지원한다”면서, “그룹 로쉐가 식물 과학에 기반한 혁신 체계를 구축해 제품 경쟁력을 확보하도록 돕겠다”고 전했다. 양사의 협력은 극한 환경에서 적응하는 식물인 ‘아이스 플랜트’ 연구부터 시작한다. 아이스 플랜트는 그룹 로쉐의 안티에이징 라인인 ‘이브 로쉐 리프트 프로 콜라겐’ 개발에 영감을 준 성분이다. 양사는 향후 다양한 활성 성분으로 기술 적용 범위를 넓혀갈 예정이다.

산업 특화 AI와 클라우드 플랫폼 통해제조·건설 경쟁력 강화 지원   오토데스크코리아는 플랫폼과 AI를 결합한 ‘디자인 & 메이크(Design & Make)’ 전략을 통해 설계·시공·제조 전 과정의 데이터 단절을 해소하고, 현장 중심의 실질적인 성과 창출에 주력했다. 특히 BIM, 클라우드, 시뮬레이션, 생성형 AI를 기반으로 고객 사례를 확대하며 AX 실행 단계로의 전환을 가속화했다. 올해 오토데스크는 산업 특화 AI와 클라우드 플랫폼을 통해 국내 제조·건설 기업의 경쟁력 강화를 꾸준히 지원할 계획이다. ■ 최경화 국장     지난해 국내 제조/건축 시장에 대해 평가한다면? 지난해 국내 제조 및 건축 시장은 투자 위축, 원자재 비용 부담 등 복합적인 외부 환경 속에서 전반적으로 보수적인 기조를 유지한 한 해였다. 특히 건설 시장은 기존 자산의 효율적 운영과 비용 관리에 초점이 맞춰졌고, 제조 산업 역시 대규모 설비 투자보다는 생산성 개선과 공정 최적화 중심의 전략이 두드러졌다. 다만 이러한 환경 속에서도 대형 건설사를 중심으로 디지털 전환을 통해 사업 경쟁력을 강화하려는 움직임이 가시화되었다. 단순한 툴 도입을 넘어 데이터 기반의 의사결정 체계를 구축하려는 시도가 늘어난 한 해였다고 평가한다.   지난해 오토데스크의 주요 화두와 이로 인해 기대하는 변화는? 지난해 오토데스크의 핵심 화두는 ‘플랫폼’과 ‘AI’였다. 오토데스크는 개별 소프트웨어 공급을 넘어 설계부터 시공, 제조, 운영에 이르는 전 과정을 데이터로 연결하는 ‘디자인 & 메이크’ 플랫폼 기업으로 도약하기 위해 전략을 강화하고 있다. 산업 현장에서는 그동안 데이터가 단절되어 비효율이 발생하곤 했다. 하지만 오토데스크의 플랫폼 전략과 AI 기술이 결합되면서, 고객들은 단순 반복 작업에서 벗어나 창의적인 문제 해결에 집중할 수 있게 되었다. 특히 데이터와 자동화를 통해 단절된 워크플로를 연결함으로써 생산성을 획기적으로 높이는 변화가 현장에서 실제로 일어나고 있다.   지난해 주요한 비즈니스 성과 및 고객 성공사례를 소개한다면? 지난해 오토데스크는 단순 라이선스 공급을 넘어, 고객사가 명확한 비즈니스 목표를 달성할 수 있도록 돕는 ‘컨설팅 파트너’의 역할을 강화했다. 기술은 수단일 뿐이며 고객이 해결하고자 하는 품질, 안전, 원가 등의 문제를 정의하고 이를 해결하는 설루션을 함께 설계하는 데 집중했다. 대표적인 성공 사례로 GS건설과의 협업을 꼽을 수 있다. GS건설은 오토데스크 컨스트럭션 클라우드(ACC)를 도입하여 현장 검측 프로세스를 디지털화했다. 이를 통해 기존에 수작업으로 진행되던 검측 업무 준비 시간을 73% 단축했고, 태블릿과 웹을 통해 최신 BIM 모델을 실시간으로 확인하면서 연간 약 20만 장의 종이 문서를 절감하는 성과도 거두었다. 무엇보다 단순한 문서 관리를 넘어, 현장의 모든 데이터가 플랫폼에 축적되어 향후 자산으로 활용될 수 있는 기반을 마련했다는 점에서 디지털 전환의 모범 사례라고 할 수 있다. 또 다른 사례로는 행림종합건축사사무소가 있다. 행림종합건축사사무소는 오토데스크 포마(Autodesk Forma)의 생성형 AI 기능을 실무에 적극 도입하여 초기 설계 단계의 효율을 극대화했다. 지형, 일조, 소음, 바람 등 복잡한 환경 변수를 자동으로 분석하고, 수십 가지의 설계 대안을 생성·비교함으로써 최적의 결과물을 신속하게 도출해냈다. 이를 통해 초기 설계 검토 시간을 대폭 줄이고 정확도를 높였을 뿐만 아니라, 관련 데이터를 향후 프로젝트에서 활용 가능한 디지털 자산으로 축적한다는 점에서 AI 기반 설계 혁신의 좋은 사례라 할 수 있다.   최근 인수한 회사 및 이로 인한 변화, 전망에 대해 소개한다면? 오토데스크는 디자인 & 메이크 플랫폼의 완성을 위해 핵심 기술을 보유한 기업을 전략적으로 인수해왔다. 이는 각 분야별 전문성을 플랫폼에 통합하여 고객에게 끊김 없는 워크플로 환경을 제공하기 위한 것이다. 먼저 오토데스크 포마(Autodesk Forma)는 2020년 인수한 스페이스메이커(Spacemaker)를 기반으로 발전한 AI 네이티브 플랫폼으로, 설계 초기 단계에서 환경 분석과 대안 검토를 자동화해 보다 나은 의사결정을 지원한다. 최근에는 오토데스크 컨스트럭션 클라우드와의 통합을 통해 기획–설계–시공–운영을 하나의 연속된 흐름으로 연결하는 기반을 마련했다. 또한, 2021년 물 인프라 데이터 분석 및 시뮬레이션 전문 설루션 이노바이즈(Innovyze) 인수를 통해 상하수도 및 배수 시스템의 설계부터 운영까지 아우르는 디지털 트윈 설루션을 확보했다. 기후 변화로 인한 물 관리 중요성이 커지는 가운데, 이노바이즈의 시뮬레이션 기술은 지속 가능한 도시 인프라 구축에 핵심적인 역할을 하고 있다. 2023년 인수한 플렉스심(FlexSim)은 공장 및 물류 센터 시뮬레이션 설루션이다. 이를 통해 오토데스크는 공장 설계뿐만 아니라, 실제 공장 운영 시의 물류 흐름과 병목 현상을 디지털 환경에서 미리 검증할 수 있게 되었다. 제조 프로세스의 최적화를 지원하여 스마트 공장 구현을 가속화할 수 있는 기반을 마련했다.   엔지니어링 소프트웨어 분야에서 AI 대응을 위한 전략은? 오토데스크의 AI 전략은 보여주기 식이 아닌, 현장에서 바로 활용 가능한 실용성에 초점을 두고 있다. 데이터와 자동화를 통해 설계–제작–운영 전 과정의 단절된 워크플로를 연결하고 생산성을 높일 수 있는 고도화된 AI 기능을 제공한다. 오토데스크 AI(Autodesk AI)는 반복 작업 자동화, 축적된 데이터 기반 인사이트 제공, 기존 작업 성능 개선이라는 세 가지 축을 중심으로 발전하고 있다. 이러한 접근은 설계 정확도 향상, 일정 단축, 리스크 예측 등으로 이어지며, 실제 프로젝트 성과로 연결되고 있다. 다만 AI를 효과적으로 활용하기 위해서는 BIM과 같은 디지털 기반 데이터 축적이 선행돼야 한다. 오토데스크는 고객이 이러한 기반을 단계적으로 구축할 수 있도록 기술 컨설팅과 플랫폼을 함께 제공하고 있다.   올해 제조/건축 시장에 대한 전망은? 올해는 AI 전환(AX)이 본격 확산되는 해가 될 것이다. 지난해 오토데스크가 발표한 2025 디자인 & 메이크 글로벌 보고서에 따르면, 조사 대상 기업의 약 61%가 AX를 통해 상당히 의미 있는 생산성 향상을 경험했으며, 디지털 성숙도가 높은 기업일수록 AI 투자를 통해 의미 있는 생산성 향상과 ROI를 거두고 있다고 답했다. 올해는 많은 기업이 AI에 대한 관심을 넘어, 실제 업무 프로세스에 AI를 어떻게 적용할지 구체적으로 실행하는 단계로 진입할 것으로 전망한다. 특히 제조 분야에서는 스마트 공장 고도화와 함께 설계-제조 데이터의 통합이 가속화될 것이며, 건설 분야에서도 BIM 의무화 흐름과 맞물려 데이터 기반의 협업이 필수 생존 전략으로 자리 잡을 것이다.   올해 주목하는 시장 흐름이나 기술 이슈가 있다면? 최근 많은 기업이 AX를 얘기하지만, 이를 성공적으로 추진하는 데 있어 가장 경계해야 할 것은 ‘고립된 AI(siloed AI)’다. 전사적인 데이터 통합 없이 부서별로 파편화된 AI를 도입하면 오히려 데이터의 단절을 초래하여 큰 효과를 보기 어렵다. 따라서 올해의 핵심 이슈는 ‘데이터의 연결(connected data)’이 될 것이다. 설계, 시공, 운영 등 각 단계에서 생성되는 데이터가 하나의 클라우드 플랫폼에 축적되고, 이것이 산업 특화 AI와 연결될 때 비로소 진정한 AX가 실현될 수 있다. 오토데스크는 고객이 파편화된 데이터를 클라우드 상에서 통합 관리할 수 있도록 지원하는 데 주력할 것이다.   올해 신제품 출시나 기술 포트폴리오 확장 계획은? 올해는 AI 기반의 혁신적인 기능들이 제품 전반에 대거 탑재된다. 대표적으로 오토데스크 어시스턴트(Autodesk Assistant)는 자연어 대화를 통해 사용자가 필요한 정보를 찾거나 작업을 자동화할 수 있도록 지원한다. 또한 뉴럴 캐드(Neural CAD)와 같은 차세대 기술을 통해 복잡한 설계 형상을 AI가 이해하고 생성을 지원하는 기능도 선보일 예정이다. 한국 시장을 위한 특별한 라인업 확장도 있다. 국내 사용자들의 다양한 니즈를 반영하여 오토캐드 포트폴리오를 전문 툴셋을 포함한 오토캐드 플러스, 오토캐드, 오토캐드 LT, 오토캐드 웹 등으로 세분화하여 선택의 폭을 넓혔다. 이를 통해 고객은 프로젝트 규모와 예산에 맞춰 최적의 설루션을 선택할 수 있게 되었다.   올해 국내 비즈니스 계획은? 올해 오토데스크코리아는 고객 및 파트너와의 동반 성장을 최우선 목표로 삼고 있다. 첫째, SMB(중소·중견기업) 지원 강화이다. 공공 BIM 확산에 발맞춰 중소기업이 비용 부담 없이 BIM을 도입할 수 있도록 교육 프로그램과 공동 구매 프로모션 등을 관련 협회와 준비하고 있다. 둘째, 오토캐드 시장 확대이다. 확장된 오토캐드 라인업을 바탕으로 2D 도면부터 3D 설계, 현장 협업까지 아우르는 유연한 작업 환경을 제공하여 국내 설계 생산성을 높이는 데 기여할 것이다. 셋째, 미래 인재 양성이다. 정부 산하 기관 및 민간 교육 기관과 협력해 관련 교육 과정을 개설하고 있으며, 교육기관에 오토데스크 소프트웨어를 무상으로 제공하고 있다. ‘숙련된 인재를 확보하고 유지하는 것’이 디지털 전환의 핵심이라고 보고 있는 만큼, 이 부분에 중장기 투자를 이어갈 계획이다.   이외에 전하고 싶은 이야기가 있다면? 오토데스크의 미션은 ‘더 나은 세상을 함께 설계하고 제작하는 것(Design and Make a Better World Together)’이다. 기술은 그 자체로 목적이 아니라, 우리가 사는 세상을 더 안전하고, 편리하고, 지속 가능하게 만들기 위한 도구이다. 한국은 글로벌 시장에서도 혁신을 가장 빠르게 수용하고 실험하는 ‘혁신의 아이콘’이다. 오토데스크코리아는 한국의 기업들이 글로벌 경쟁력을 갖추고 성공적인 디지털 전환을 이룰 수 있도록, 가장 신뢰할 수 있는 파트너로서 늘 함께 할 것이다.     ■ '2025 국내 엔지니어링 소프트웨어 시장조사'에서 더 많은 내용이 제공됩니다.

전주기 AX 통합 플랫폼 ‘OCTOPUS’로 산업 AI 혁신 앞당긴다   AI는 이제 로봇의 몸을 빌려 물리적 제조 현장에서 움직이기 시작했다. 글로벌 제조업은 산업현장이 자동화되는 인더스트리 4.0을 넘어 인간과 기술이 공존하는 인더스트리 5.0 시대로 진입하고 있다. 특히 올해 글로벌 빅테크 기업들이 앞다퉈 제시한 ‘피지컬 AI’는 AI가 물리적 세계를 직접 제어하는 시대의 도래를 알렸다. 제조업 디지털화의 중심도 변하고 있다. 과거 스마트 팩토리가 ‘연결’과 ‘자동화’를 중심으로 했다면, 현재의 자율제조는 ‘지능화’와 ‘자율 판단’으로 무게중심이 이동하고 있다. 유비씨(UVC, www.uvc.co.kr)는 전주기 AX(AI Transformation) 통합 플랫폼 ‘OCTOPUS’(옥토퍼스)를 통해 이러한 변화를 이끌고 있다.   유비씨 조규종 대표 8개 개별 솔루션을 하나로 통합한 전주기 AX 플랫폼 ‘OCTOPUS’ 유비씨는 2010년 설립 당시 기계와 로봇 간 데이터 통신 기술에 집중했다. 이후 3D 렌더링 엔진 기술을 결합하며 스마트 팩토리와 디지털트윈 솔루션으로 사업영역을 확장했다. 최근에는 이러한 역량에 AI 기술을 융합하며 제조 현장의 디지털 전환(DX)을 넘어 AI 전환(AX)까지 아우르는 전주기 통합 솔루션 OCTOPUS를 완성했다. OCTOPUS는 엣지(Edge), 데이터 허브(Data Hub), 트윈(Twin), 시뮬레이터(Simulator), AI 허브(AI Hub), 에이전틱 AI(Agentic AI), 피지컬 AI(Physical AI), 로봇 허브(Robot Hub) 등 8개 솔루션으로 구성된다. 8개의 개별 솔루션을 하나의 전주기 AX 플랫폼에 통합한 OCTOPUS는 이름 그대로 문어의 특징을 닮았다. 글월 문(文)자를 쓰는 문어는 예부터 ‘바다의 선비’로 불리던 똑똑한 생명체다. 문어의 지능적 두뇌는 스스로 학습하는 AI를, ▲ 유비씨 조규종 대표 예리한 눈은 정밀 모니터링을, 독립적으로 움직이는 8개의 팔은 분산지능을, 민감한 피부는 이상 감지를 상징한다. OCTOPUS는 8개 솔루션이 유기적으로 연결되어 데이터 수집-통합-시각화-검증–학습–예측–제어의 전 과정을 수행한다. 나아가 이를 다시 생산 계획에 반영하는 완벽한 순환 구조를 구현했다. 작동 방식은 다음과 같다. 현장의 엣지가 이기종 설비에서 데이터를 수집하면, 데이터 허브가 이를 AI가 학습할 수 있는 형태로 정제한다. 트윈은 실시간 3D로 현장을 시각화하고, 시뮬레이터는 반복 실험을 통해 최적의 조건을 탐색한다. AI 허브는 공정을 학습하고, 학습된 데이터를 바탕으로 에이전틱 AI가 24시간 자율 의사결정을 수행한다. 피지컬 AI는 로봇과 설비를 정밀 제어하고, 로봇 허브가 다수의 로봇을 통합 관제한다. 기존의 제조 IT·시뮬레이션·AI 솔루션은 전문 인력이 아니면 접근 자체가 어려울 정도로 진입 장벽이 높았다. OCTOPUS는 이 문제를 플랫폼 설계 단계부터 완전히 다르게 접근했다. 데이터 수집, 시뮬레이션, AI 분석, 디지털 트윈, 로봇 제어 등 각기 다른 카테고리로 분리되어 있던 기능들을 하나의 흐름과 하나의 화면, 하나의 언어로 통합한 것이다. 특히 LLM 기반 자연어 인터페이스를 적용해 “생산 라인을 한 대 더 늘리면 어떻게 될까?”, “이 공정에서 병목이 생기는 이유가 뭐지?” 등의 질문만으로 시뮬레이션과 AI 분석, 가상 검증 결과를 제시한다. AI 예측을 실제 설비제어까지 연결하는 M.AX 시대 많은 AI 솔루션이 데이터를 분석하고 예측 결과를 보여주는데 그친다. 그러나 진정한 제조 A I전환, 즉 ‘M.AX(Manufacturing AX)’를 실현하려면 AI의 판단이 실제 설비나 로봇의 동작으로 직접 이어져야 한다. 문제는 현장에서 AI가 내린 결정을 설비 제어에 바로 적용하는 것을 극도로 꺼린다는 점이다. 안전 문제, 예상치 못한 오작동에 대한 우려, 그리고 책임 소재에 대한 불안감 때문이다. 유비씨는 디지털 트윈과 피지컬 AI를 결합한 독자적인 아키텍처로 문제 해결에 나섰다. 가상 환경에서 AI 모델을 충분히 학습시키고, 수천 번의 시뮬레이션을 통해 안전성과 효과를 검증한 후에만 실제 현장에 적용하도록 설계한 것이다. 이를 통해 환경 변화와 예외 상황에도 흔들리지 않는 안정적이고 신뢰할 수 있는 자율 운영을 실현해 나간다. 유비씨 조규종 대표는 “AI가 브레인이라면 DT는 AI의 명령을 실질적으로 수행하는 중추 신경계다. 유비씨는 디지털 트윈 기반의 피지컬 AI 기업을 향해 나아가고 있다”고 설명한다. 이어 “제조업에서 AI 기반 디지털 트윈이 지금 가장 큰 가치를 만드는 분야는 제조·생산·물류 현장의 ‘협업’을 지능화하는 영역이다. 로봇이 혼자 똑똑해지는 것보다 더 어려운 건 로봇이 제조 설비와 함께 상황을 이해하고, 여러 로봇이 스스로 역할을 나누며, 필요하면 작업자와도 안전하게 함께 일하도록 만드는 일이다”라고 덧붙였다. 유비씨가 정의하는 피지컬 AI는 인지-계획-실행으로 이어지는 구조를 기반으로 한다. 물리적 환경과 설비 상태를 실시간으로 인지하고, 운영 목표와 제약 조건을 반영해 행동을 계획한 뒤, 이를 실제 로봇과 설비의 동작으로 실행하는 전 과정을 설계하고 있다. 이 과정에서 디지털 트윈은 피지컬 AI가 학습할 수 있는 합성 데이터(Synthetic Data)를 제공하는 핵심 환경 역할을 담당한다. 나아가 OCTOPUS 피지컬 AI 솔루션을 중심으로 자율제조 영역에서 사업을 확장하는 모습이다. 조 대표는 “국내 탑티어 로봇 제조사 두 곳과 협업을 통해 실제 제조 현장 적용이 가능한 피지컬 AI 기술의 실증과 고도화를 진행하고 있다”면서, “이를 통해 제조 AX 분야의 선도 기업으로 입지를 공고히 해 나갈 것”이라고 밝혔다.   ■ 캐드앤그래픽스 최경화 국장 kwchoi@cadgraphics.co.kr

다이슨(Dyson)은 최적의 물청소 솔루션을 개발하기 위해 새로운 접근 방식이 필요하다는 연구 결과를 도출했다. 그 결과물이 바로 수세기의 역사를 지닌 가정용 청소 도구인 대걸레를 재해석한 청소기 ‘다이슨 워시G1(Dyson WashG1)’이다. 다이슨 엔지니어들은 이 제품을 개발하기 위해 항공우주 산업 등 복잡한 시스템 설계에 쓰이는 엔지니어링 방법론을 일상 제품에 적용했다. 기존 제품의 개선 버전을 개발할 때는 효과적이었던 다이슨의 문서 기반 워크플로가 완전히 새로운 제품군을 만드는 데는 적합하지 않았기 때문이다. 이에 다이슨의 첨단 제어 시스템 수석 엔지니어인 로맹 기셰르(Romain Guicherd)는 팀을 설득해 모델 기반 설계(model-based design : MBD)를 도입했다. 모델 기반 설계란 시스템 레벨 시뮬레이션 모델을 활용해 시스템 개발 방식을 개선하는 방법론이다. 이를 통해 개발 워크플로를 가속화하고, 테스트를 위한 보다 강건한 코드를 구현할 수 있었다.   모델 기반 설계로 바꾼 제품 개발 방식 다이슨은 진공청소기 등 기존 제품 라인업의 신제품을 개발할 때, 팀 간 요구사항의 전달에서 서면으로 된 문서 기반 방식을 사용해 왔다. 이러한 방식은 이전의 설계 및 임베디드 소프트웨어를 참고하고 반복 개선할 수 있어, 이미 안정화된 기존 제품군 개발에 적합한 방식이다. 그러나 완전히 새로운 제품군을 개발하는 과정에서는 이러한 문서 전달 방식이 오히려 혼선을 초래할 수 있었다. 문서로 작성된 설계 사양은 엔지니어마다 요구사항을 다르게 해석할 가능성이 있기 때문이다. 새로운 제품군 개발은 팀 간 오해를 줄이고 보다 원활한 협업을 가능하게 하는 새로운 개발 방식을 모색하게 하는 계기가 됐다.    ▲ 다이슨 워시G1은 습식 오염과 건식 이물질을 모두 제거한다.   다이슨은 모델 기반 설계가 새로운 기능과 설계 방향을 탐색하는 데 적합한 개발 방식이라고 봤다. 개발 초기에는 다양한 개념과 방향을 동시에 검토해야 했는데, 시뮬링크(Simulink) 기반의 모델 기반 설계를 도입한 덕분에 팀은 기존 문서 기반 프로세스 대비 두 배 빠르게 새로운 아이디어를 구현할 수 있었다. 워시G1의 핵심 세척 방식은 촘촘한 마이크로파이버 천으로 감싼 역방향 회전 롤러를 탑재한 세척 헤드를 중심으로 구성된다. 습식 오염과 건식 이물질을 분리하기 위해 보조 롤러가 고체 이물질을 트레이에 모으고, 트레이 바닥의 메시 필터를 통해 액체가 오수 탱크로 흘러내려가는 구조다. 기셰르의 팀은 이 모든 기능을 구현하고 다양한 상황에 대응하기 위해, 상호작용하는 시스템 구성요소의 시뮬레이션을 용이하게 하고 설계부터 코드 생성, 소프트웨어 테스트까지 전 과정을 아우르는 툴이 필요했다. 팀은 세척 롤러 제어 장치 개발을 위해 심스케이프 일렉트리컬(Simscape Electrical)로 폼 롤러 모터와 모터 드라이브를 모델링했다. 또한 스테이트플로(Stateflow)를 활용해 청소기에 탑재된 두 개의 펌프, 즉 깨끗한 물로 롤러에 수분을 공급하는 펌프와 오수를 배출하는 펌프의 스케줄링과 제어 로직을 설계했다. 제품의 자동 세척 메커니즘 구현에도 스테이트플로가 활용됐다. 워시G1의 세척 성능을 구현하기 위해서는 단계별로 선택 가능한 수분 공급 수준과 각 단계의 세밀한 민감도 조정이 모두 뒷받침돼야 했다. 다양한 설정 값과 세척 부하 변화에 대응하려면 정밀한 전압 제어가 필수였다. 팀은 시뮬링크 모델로 매개변수를 조정하고 다양한 값을 반복 테스트하며 모터 전압 제어 로직을 빠르게 최적화했다. 실제 프로토타입을 제작하지 않고도 시뮬레이션만으로 설계 변경의 영향을 사전에 파악할 수 있었다는 점도 개발 효율을 높이는 데 크게 기여했다.   ▲ 심스케이프로 모델링된 다이슨의 롤러 기술   다이슨은 요구사항 툴박스(Requirements Toolbox)를 활용해 요구사항을 시뮬링크 모델에 연결함으로써 각 요구사항이 제품 기능으로 어떻게 구현되는지 확인할 수 있었다. 요구사항 툴박스(Requirements Toolbox)를 사용하기 전에는 하드웨어 테스트 단계에 이르러서야 요구사항의 오류를 발견할 수 있었다. 하지만 요구사항을 모델에 연결한 이후로는 각 요구사항의 구현 방식과 요구사항 간 상호 관계를 사전에 명확히 파악할 수 있게 됐다.   시스템 시뮬레이션이 설계에 가져온 변화 시뮬링크와 심스케이프를 활용한 모델 기반 설계는 보다 체계적인 개발 접근 방식을 가능하게 했고, 다이슨이 프로토타입을 제작하고 테스트하기에 앞서 다양한 유형의 인더루프(in-the-loop) 테스트를 수행할 수 있도록 하였다. 모델 기반 설계 덕분에 엔지니어는 멀티도메인 모델링을 수행하고 타 팀과 긴밀하게 협업할 수 있었다. 일례로 기셰르의 팀은 배터리 셀 및 배터리 관리 시스템 팀의 데이터를 활용해 정밀한 4셀 배터리팩 모델을 구축했다. 또한 전자팀과 협력해 심스케이프 일렉트리컬로 전력전자 하드웨어의 동작을 모델링하고 시뮬레이션했다. 시뮬링크를 통한 시스템 레벨 시뮬레이션은 더 많은 설계 옵션을 검토하고 트레이드오프를 비교할 수 있는 환경을 만들어줬다. 그 결과 팀은 프로젝트의 설계 단계에 더 많은 시간을 투자할 수 있었고, 설계 오류와 통합 문제를 수정하기 훨씬 쉽고 비용도 적게 드는 초기 단계에서 발견할 수 있었다.   소프트웨어 아키텍처와 임베디드 코드 개발 이후 프로젝트에서 팀은 소프트웨어 아키텍처 개발을 위해 시스템 컴포저(System Composer)를 추가로 도입했다. 시스템 컴포저를 통해 제품팀과 소프트웨어팀은 소프트웨어 인터페이스와 스케줄링을 함께 개발하고 다양한 시나리오를 모델링할 수 있었다. 또한 대규모 모델을 논리적 단위로 구조화해 병합 충돌 없이 원활한 팀 간 협업이 가능해졌다. 시뮬링크 모델은 제품 동작을 시각적으로 표현함으로써 개발 전 과정에 걸쳐 팀원 간의 협업을 촉진했다. 제어 시스템 모델에서는 C 코드가 생성됐다. 팀은 모델을 수정하고 일부 구간에 주석을 달거나 새로운 블록을 추가하는 방식으로 소프트웨어 엔지니어에게 청소기의 새로운 동작을 보여줬다. RCP(Rapid Control Prototyping)를 활용하면 코드를 빠르게 생성하고, 다음 날 바로 실험실에서 제품의 동작을 확인할 수 있었다. 팀은 직접 코딩 대신 임베디드 코더(Embedded Coder)로 시뮬링크 모델에서 C 코드를 자동 생성했고, 소프트웨어팀은 이를 NXP 마이크로컨트롤러의 메인 코드에 통합했다. 임베디드 코더 도입 이후 소프트웨어 릴리스 주기는 기존 약 10주에서 9일로 단축됐다. 초기에는 실험실 환경에서의 동작 구현에 집중하였기 때문에 모델과 코드 생성을 핵심으로 삼았지만, 곧 모델과 코드, 테스트, 커버리지가 함께 어우러질 때 제품 완성도가 한층 높아진다는 사실을 확인했다.   테스트 효율을 높인 모델 기반 개발 팀은 이전 제품 개발 때보다 설계 개선에 더 많은 시간을 쏟았다. 시뮬링크를 통해 시뮬레이션 중 발생한 오류를 신속하게 수정할 수 있었고, 그 효과는 테스트 단계에서 그대로 나타났다. 이 테스트 단계는 과거보다 훨씬 단순하고 빨라졌으며, 팀의 개발 시간과 노력을 절감하는 데 기여했다. 모델에서 정상 작동하도록 설계한 것은 실제 제품에 적용해도 동일하게 구현됐고, 이는 무결점 제품 출시로 이어졌다. 워시G1의 모델 기반 설계와 코드 자동 생성이 성공을 거두면서, 초기에 회의적이었던 소프트웨어팀의 시각도 달라졌다. 자동 생성 코드가 내부 표준 준수와 실행 효율성을 담보할 수 있을지 우려하던 소프트웨어팀은 이제 코드에 대한 확신을 갖게 됐다. 현재 소프트웨어팀은 하드웨어팀과 협력해 자동 생성 코드의 API를 함께 정의하고 있으며, 모델 기반 설계에 시뮬링크를 활용하면서 유연성과 개발 속도 모두를 향상시켰다. 이제는 소프트웨어팀이 먼저 나서서 동일한 프로세스를 다른 제품에도 적용해 달라고 요청할 만큼, 프로젝트 복잡도가 높아질수록 모델 기반 설계의 가치는 더욱 분명해지고 있다. 다이슨 팀은 향후 워시G1 후속 모델 개발 시 기존 모델의 구성 요소를 재사용할 수 있다. 또한 이번 모델 기반 설계 방법론의 성공 사례는 사내 다른 부서에서도 주목받고 있다. 헤어 케어 제품과 다른 플로어 케어 제품군에도 이를 적용하는 방안이 검토되고 있어, 다이슨 내 추가 혁신 가능성을 넓히고 있다.   ■ 이웅재 | 매스웍스코리아 이사

캐드앤그래픽스 CNG TV는 ‘AI 에이전트 대전환, 전문성 설계부터 코딩 혁명까지’를 주제로 인공지능팩토리 김태영 대표와 소이랩(SOY.LAB) 최돈현 대표를 초청, 방송을 진행했다. 이번 방송에서는 CNG TV 전문위원인 한국건설기술연구원 강태욱 연구위원의 사회로 최근 뜨거운 이슈가 되고 있는 AI 에이전트 트렌드에 대해 살펴보았다. 자세한 내용은 다시보기 페이지에서 확인할 수 있다.   CNG TV 발표자 - 김태영 대표(인공지능팩토리), 최돈현 대표(SOY.LAB)   AI 에이전트 대전환 시대, 전문가의 설계와 코딩 혁명이 가져올 미래 단순한 도구 활용을 넘어 AI 에이전트(AIA)가 업무의 주축이 되는 대격변의 시대가 도래했다. 기술의 단순 재현(Representation)을 넘어 전문가가 직접 시스템을 설계(Design)하고 지휘(Orchestration)하는 생존 전략이 필요한 시점이다. 인공지능팩토리 김태영 대표와 SOY.LAB 최돈현 대표는 이번 방송을 통해 AI 에이전트의 최신 흐름과 실무 적용 방안을 심도 있게 다루었다. AI 에이전트의 진화: 툴 콜링에서 자율적 임무 수행까지 AI 기술은 LLM(대규모 언어 모델)에서 시작하여 RAG(검색 증강 생성), 멀티턴 대화, 그리고 도구를 직접 호출하는 '툴 콜링(Tool Calling)' 단계로 빠르게 진화했다. 과거에는 개발자만이 API를 통해 도구를 연결할 수 있었으나, MCP(Model Context Protocol)의 등장으로 일반 엔지니어도 다양한 외부 기능을 에이전트에 연결할 수 있는 길이 열렸다. 특히 최근 주목받는 '오픈클로(OpenClaw)' 시스템은 하트비트(Heartbeat) 기능을 통해 에이전트를 주기적으로 깨워 스스로 업무를 수행하게 한다. 이는 사용자가 일일이 명령을 내리는 리액티브(Reactive) 방식을 넘어, AI가 스스로 판단하고 실행하는 프로액티브(Proactive) 방식으로의 전환을 의미한다. 김태영 대표는 실제 실험을 통해 에이전트의 자율적 업무 가능성을 확인했다고 밝혔다. 바이브 코딩과 코딩 에이전트가 만드는 생산성 혁명 '바이브 코딩(Vibe Coding)'의 등장은 개발 생태계에 큰 충격을 주었다. 커서(Cursor)나 클로드 코드(Claude Code)와 같은 에이전트는 파일 시스템에 접근하여 스스로 코드를 수정하고 실행하며, 사용자의 의도(Vibe)만으로 결과물을 만들어낸다. 이러한 에이전트는 단순히 코드 작성에 그치지 않고 문서 작성, PPT 제작, 웹페이지 구축 등 다양한 스킬(Skill)을 장착하여 범용적인 업무 비서로 진화하고 있다. 하지만 에이전트가 공유기 설정을 변경하거나 시스템 보안을 위협할 수 있는 수준까지 발전함에 따라, 격리된 환경(샌드박스)에서의 운영과 시스템적 보안 설계가 필수가 되었다. 시댄스 2.0과 비주얼 생성 AI의 격변 영상 및 이미지 생성 분야에서도 거대한 변화가 일어나고 있다. 바이트댄스(Bytedance)의 '시덴스(Seedance) 2.0'은 실사에 가까운 고품질 영상 생성 능력을 보여주며 기존의 글로벌 모델들을 위협하고 있다. 이미지 한 장으로 비행기 탈출 장면과 같은 역동적인 영상을 생성하거나, 짧은 명령만으로 고수준의 광고 영상을 제작하는 것이 가능해졌다. 또한 '컴피 클라우드(Comfy Cloud)'의 등장은 고가의 그래픽 카드 없이도 저렴한 비용으로 전문가급 워크플로우를 구축할 수 있게 했다. 이는 개인이 GPU 자원을 클라우드에서 활용하며 복잡한 노드 기반의 생성 프로세스를 운영할 수 있게 됨으로써, 1인 창작자의 기술적 진입 장벽을 혁신적으로 낮추었다. 전문가의 역할 변화와 미래 지향적 관점 AI가 숙련가의 영역을 대체함에 따라, 인간 전문가의 역할은 '어떻게 만드느냐'보다 '무엇을 설계하느냐'로 이동하고 있다. 최돈현 대표는 인문학적 소양과 예술적 통찰력을 바탕으로 한 전문성이 결여된 AI 결과물은 시장에서 오래 살아남기 어렵다고 강조했다. 앞으로의 산업 구조에서는 큰 기업에 소속된 인재보다, AI 에이전트를 지휘하여 가치를 창출하는 '1인 기업가'의 비중이 높아질 것으로 예측된다. 따라서 기술에 매몰되기보다 본연의 도메인 지식을 강화하고, AI를 효율적으로 지휘하는 설계 능력을 갖추는 것이 생존의 핵심이다.

프리비즈와 레이아웃 혁신해 애니메이션 공정 효율 향상   소니 픽처스 이미지웍스는 넷플릭스 흥행작인 ‘케이팝 데몬 헌터스’의 제작에 언리얼 엔진을 도입해 제작 파이프라인을 혁신했다. 제작 초기 단계부터 최종 렌더링 수준의 비주얼을 확인하며 창작자의 의도를 정교하게 시각화한 것이 핵심이다. 특히 유니버설 신 디스크립션(USD) 기반의 워크플로를 구축해 프리비즈와 레이아웃 과정의 효율을 높여 시네마틱한 완성도를 극대화했다. ■ 자료 제공 : 에픽게임즈   ‘케이팝 데몬 헌터스’는 단순한 영화가 아니라, 하나의 문화적 현상이다. 이 넷플릭스 오리지널 애니메이션 영화는 조회 수 2억 3600만 회를 기록하며 넷플릭스 역사상 가장 인기 있는 영화로 자리잡았을뿐만 아니라, 사운드트랙 또한 빌보드 핫 100 차트 역사상 처음으로 네 곡이 동시에 톱 10에 오르는 전례 없는 기록을 세웠다. 소니 픽처스 애니메이션이 제작한 이 애니메이션은 빠른 액션 전개, 대규모 군중 연출, 콘서트 규모의 라이팅이 결합된 작품으로, 기존의 레이아웃과 프리비즈 방식으로는 결과를 사전에 판단하기 어려웠다. 액션, 라이팅, 머티리얼, 이펙트가 시네마틱한 관점에서 각각 따로가 아니라 서로 유기적으로 결합되어 어떻게 작동하는지를 확인하는 것이 핵심적인 연출 결정의 기준이었기 때문이다. 이를 제작 초반부터 가능하게 하기 위해, 소니 픽처스 이미지웍스 팀은 파이프라인 시작 단계에서 창작 의도를 보다 온전히 시각화할 수 있는 방법이 필요했고, 그 해답으로 언리얼 엔진을 선택했다.   더 빠르게 구현하는 최종 픽셀 수준의 비주얼 ‘케이팝 데몬 헌터스’는 비밀리에 초자연적 위협으로부터 세상을 수호하는 케이팝 걸 그룹 헌트릭스의 이야기를 그린다. 기상천외한 판타지 액션으로 가득한 이야기 속에서, 특히 목욕탕을 배경으로 한 액션 시퀀스는 소니 픽처스 이미지웍스에게 중요한 전환점이었다. 이 장면에서 주인공들은 새로운 라이벌 보이 밴드이자 정체를 숨긴 악령들인 사자 보이즈와 맞서던 중, 물귀신의 기습을 받는다. 소니 픽처스 이미지웍스의 제이슨 볼드윈(Jason Baldwin) 리얼타임 슈퍼바이저는 목욕탕에서 벌어지는 액션 시퀀스는 정말 놀라웠다며, “머티리얼 표현을 극대화해 모든 요소가 젖어 있고 반사되고 안개가 낀 느낌을 제대로 구현할 수 있었기 때문”이라고 밝혔다.   ▲ 소니 픽처스 이미지웍스 제공   이 시퀀스에서 소니 픽처스 이미지웍스의 레이아웃 팀은 처음으로 실시간 볼류메트릭을 사용해, 수증기가 자욱하게 깔리고 부드럽게 확산되는 라이팅이 증기 사이를 스며드는 목욕탕 특유의 분위기를 구현했다. 이 음산한 환경 속에서 혼란스럽고 긴박한 난투극이 벌어지며, 팀은 안개와 수증기가 가득한 공간에서 빠르고 격렬한 전투 연출을 구현해야 하는 과제에 직면했다. 소니 픽처스 이미지웍스의 애덤 홈즈(Adam Holmes) 비주얼라이제이션 총괄은 “언리얼 엔진을 처음 접한 레이아웃 아티스트 한 명이 약 일주일 만에 이 메인 액션 신(scene)의 기본 레이아웃인 블록아웃을 완성했다”고 설명했다. 이 초기 블록아웃을 통해 팀은 복잡한 액션 동선, 독창적인 카메라 워크, 그리고 검이 악령을 폭발시키는 모든 시각 효과까지 함께 구현할 수 있었고, 해당 신이 지향하는 시네마틱한 비전을 생생하게 표현할 수 있었다. 라이팅, 머티리얼, 분위기, 카메라가 유기적으로 작동하는 방식을 제작 초기 단계부터 확인할 수 있었기 때문에, 팀은 시퀀스의 감정적 톤을 설정해 나갈 수 있었다. 젖은 타일의 광택, 수증기의 밀도, 빠르게 전개되는 카메라 워크는 긴장감과 스펙터클을 극대화하며 액션 신에 드라마와 몰입감을 더했다. 궁극적으로 이러한 초기 시각화 작업은 시퀀스의 최종적인 예술적 효과를 한층 끌어 올리는 역할을 수행했다. 볼드윈은 “레이아웃 단계에서 모든 요소가 최종 렌더에 가까운 수준으로 함께 결합되는 모습을, 게다가 그렇게 빠르게 세팅할 수 있다는 점이 정말 놀라웠다”고 말했다.   마야, 언리얼 엔진, USD를 연결하는 파이프라인 오토데스크의 마야(Maya)와 언리얼 엔진간의 워크플로는 소니 픽처스 이미지웍스의 ‘케이팝 데몬 헌터스’ 애니메이션 파이프라인의 핵심 기반이었다. 홈즈는 “마야 파이프라인에서 개발한 애니메이션 릭을 언리얼 엔진으로 가져오는 과정은 매우 중요하고, 이를 자동화하기 위해 여러 스크립트를 만들었다”고 설명했다. 레이아웃 샷의 애니메이션 작업이 완료되면 이를 다시 마야로 보내서 적용할 수 있으며, 레이아웃 아티스트가 완성한 모든 작업을 그대로 유지할 수 있었다.   ▲ 소니 픽처스 이미지웍스 제공   이 워크플로는 소니 픽처스 이미지웍스가 유니버설 신 디스크립션(Universal Scene Description : USD)을 본격적으로 도입하면서 한 단계 더 발전했다. USD를 활용함으로써 내부 툴과 언리얼 엔진 간에 애셋 이동 과정이 더 빠르고 일관되게 이루어질 수 있었다. 볼드윈은 “이제 모델링 단계에서 애셋을 기존 파이프라인에 보내면, 이 데이터를 USD를 통해 매우 손쉽고 안정적으로 언리얼 엔진으로 가져왔다가 다시 내보낼 수 있다”라고 전했다. 소니 픽처스 이미지웍스에게 이러한 방식의 작업은 아티스트들이 사용하는 크리에이티브 툴 간의 반복 작업에 큰 변화를 가져왔다. 소니 픽처스 이미지웍스의 황종환 리얼타임 파이프라인 슈퍼바이저는 “초기에는 시퀀스 하나를 익스포트하는 데만 6~8시간이 걸렸다. 하지만 소스 코드에 접근할 수 있다는 점이 큰 전환점이 되었다. 그 덕분에 작업 시간을 30분으로 줄일 수 있었고, 지금은 시퀀스를 5분 만에 익스포트한다”고 설명했다.   캐릭터, 군중, 콘서트 라이팅의 확장 팀은 언리얼 엔진의 컨트롤 릭을 활용해 수십 명의 캐릭터 애니메이션을 엔진에서 직접 제작했다. 소니 픽처스 이미지웍스의 릴리아 라이(Lillia Lai) 리깅 개발 리드는 “언리얼 엔진에서 컨트롤 릭을 구성하기로 한 이유는 실행 속도가 매우 빠르기 때문이다. 하나의 신에서 필요하다면 최대 20명에서 30명에 이르는 여러 캐릭터를 동시에 다룰 수 있다”고 말했다.   ▲ 소니 픽처스 이미지웍스 제공   ‘케이팝 데몬 헌터스’에서 세 명의 주인공은 각 시퀀스마다 서로 다른 커스텀 의상을 착용한다. 이를 위해 소니 픽처스 이미지웍스는 블루프린트 비주얼 스크립팅 시스템을 활용해 의상과 액세서리를 즉시 교체할 수 있는 캐릭터 시스템을 구축했다. 이 시스템은 무작위로 조합된 다양한 캐릭터로 가득 찬 대규모 군중을 제작할 때 그 진가를 발휘했다. 라이는 “단 하나의 체형과 여러 헤어스타일만 만들면 된다. 그런 다음 원하는 조합으로 헤어스타일과 의상을 교체하고, 이를 언리얼 엔진의 폴리지 모드와 결합해 공연장 전체를 빠르게 채울 수 있었다”고 설명했다. 폴리지 모드는 원래 언리얼 엔진 신에 식물과 나무를 손쉽게 배치하기 위해 설계된 기능이다. 팀은 이 기능을 공연장에 모인 군중을 구현하는 데 적용하면서, 폴리지 모드 툴을 활용하는 새로운 방법을 발견할 수 있었다.   ▲ 소니 픽처스 이미지웍스 제공   공연장 신을 방대한 규모의 다양한 관객으로 채우는 것은 물론, 프리비즈 단계부터 콘서트 전체 라이팅이 환경에 미치는 영향을 직접 탐색할 수 있었다. 홈즈는 “그 효과를 제대로 시각화할 수 있는 유일한 방법은 언리얼 엔진을 사용하는 것이었다”고 말했다. 프리비즈 아티스트들은 파이프라인의 마지막 단계가 아니라 시작 단계에서부터 아름답고 놀라운 신을 구성할 수 있었으며, 소니 픽처스 애니메이션과 이미지웍스의 크리에이티브 팀은 그 어느 때보다 다양한 시각적 옵션을 확보할 수 있었다. 아티스트는 콘서트가 어떤 느낌일지 상상하는 대신, 공연의 에너지와 규모를 실시간으로 대응하며 각 노래의 감정적 임팩트를 극대화하기 위해 안무, 무대 연출, 라이팅을 조정할 수 있었다. 이 기술로 팀은 시작 단계부터 더 큰 스케일과, 한층 강화된 시네마틱한 환경을 구현했다. 볼드윈은 “이런 경험은 난생 처음이었다”라고 놀라움을 표현했다. 이 콘서트 신에서 수백 개의 라이팅에 애니메이션을 적용한 뒤, 이미지웍스 팀은 이를 USD를 통해 파운드리(Foundry)의 카타나(Katana)로 익스포트할 수 있는 플러그인을 제작했고, 그 결과 언리얼 엔진과 카타나 간 라이팅을 거의 일대일에 가깝게 일치시킬 수 있었다. 홈즈는 “프레임마다 키를 베이킹하지 않고도 카타나에서 언리얼 엔진 애니메이션을 유지할 수 있도록 F 커브를 익스포트하는 방식을 개발했다. 그렇게 하면 수천 프레임에 달하는 불필요한 데이터가 추가로 생성되지 않는다”고 설명했다. 원본 라이팅 커브를 유지함으로써 프리비즈부터 최종 라이팅까지 콘서트의 리듬과 에너지를 그대로 유지할 수 있었다. 이를 통해 아티스트들은 복잡한 애니메이션을 다시 제작할 필요 없이 반복 작업을 이어갈 수 있었다. ‘케이팝 데몬 헌터스’에서의 이러한 라이팅 실험을 통해 이미지웍스는 리얼타임과 기존 라이팅 워크플로 간의 경계를 확장할 수 있었다.   ▲ 소니 픽처스 이미지웍스 제공   차세대 애니메이션 파이프라인 구축 ‘케이팝 데몬 헌터스’는 강력한 최첨단 기술이 애니메이션 제작 방식을 어떻게 혁신하고 있는지를 보여주는 대표적인 사례이다. 이 프로젝트에서 소니 픽처스 이미지웍스는 CG 레이아웃 파이프라인 전반을 재정비해 다양한 영역을 현대화했으며, 리얼타임 기술과 USD 프레임워크를 결합해 이전에는 불가능했던 방식으로 부서 간 협업을 이뤄냈다. 홈즈는 “이번 작품에서 구축한 기반 덕분에 현재와 향후 프로젝트에서 레이아웃과 프리비즈 과정의 속도와 효율이 20~25% 가량 향상될 것으로 기대하고 있다”고 전했다. 볼드윈은 “언리얼 엔진이 무엇을 할 수 있는지, 우리가 무엇을 해낼 수 있는지 알고 있었기 때문에 그대로 실행에 옮겼다. 그 결과 현재는 매우 견고한 파이프라인을 구축하게 되었다”고 설명했다.   ▲ 소니 픽처스 이미지웍스 제공   소니 픽처스 이미지웍스 팀은 신 개발 방식을 간소화하고 파이프라인을 재정립함으로써 퍼포먼스와 스케일, 그리고 시각적인 에너지에 더욱 집중할 수 있었으며, 이는 ‘케이팝 데몬 헌터스’의 핵심인 역동적인 스토리텔링을 뒷받침했다.     ■ 기사 내용은 PDF로도 제공됩니다.

트렌드에서 얻은 것 No. 29   “진짜 창작자는 결국 결과물을 세상에 내놓는다.” – 스티브 잡스 AI가 소프트웨어 개발의 문턱을 낮추고 있다는 말은 이제 낯설지 않다. 누구나 아이디어만 있으면 앱 하나쯤 만들 수 있을 것처럼 말하는 분위기도 강하다. 그러나 현장에서 체감하는 현실은 훨씬 복합적이다. 누군가는 “이제 비개발자도 충분히 만들 수 있다”고 말하고, 또 누군가는 “기업 시스템은 그렇게 단순하지 않다”고 말한다. 두 말 모두 맞다. 문제는 이 둘의 경계를 구분하지 않은 채 바이브 코딩(vibe coding)을 마치 모든 개발 문제를 한 번에 해결해줄 만능 해법처럼 받아들이는 데 있다. 필자가 최근 직접 경험한 바이브 코딩은 기대보다 흥미로웠고, 동시에 예상보다 훨씬 현실적이었다. 결론부터 말하면 바이브 코딩은 분명 강력하다. 다만 그 힘은 모든 영역에서 같은 방식으로 작동하지 않는다. 비개발자에게 바이브 코딩은 ‘개발의 대체재’라기보다 ‘제작의 첫 진입로’에 가깝고, 개발자에게는 생산성과 속도를 높여주는 가속 장치에 가깝다. 같은 용어를 쓰더라도 출발점도 다르고, 활용 방식도 다르며, 기대해야 할 결과도 다르다. 스티브 잡스는 “단순함은 복잡함보다 더 어렵다”고 말했다. 바이브 코딩이 바로 그렇다. 겉으로 보기에는 말 몇 줄로 프로그램을 만드는 간단한 방식처럼 보이지만, 실제로는 무엇을 만들고 싶은지 더 선명하게 설명해야 하고, 문제를 더 세밀하게 구조화해야 하며, 결과를 더 집요하게 검토해야 한다. 개발 문법의 부담은 다소 줄어들 수 있지만, 사고의 부담까지 사라지는 것은 아니다. 오히려 생각을 더 명료하게 만드는 훈련이 필요하다. 비개발자의 바이브 코딩은 결국 문제를 언어로 구조화하는 데서 시작된다. 무엇이 불편한지, 어떤 흐름이 필요한지, 어떤 화면이 있어야 하는지, 어떤 데이터를 어디서 가져와야 하는지, 결과를 어떤 방식으로 보여줘야 하는지를 AI에게 설명하고, 그 결과물을 계속 수정하고 다듬는 방식이다. 이때 중요한 것은 프로그래밍 문법을 얼마나 많이 아느냐보다 문제를 얼마나 또렷하게 정의할 수 있느냐다. 반면 개발자의 바이브 코딩은 결이 다르다. 개발자는 AI를 이용해 아키텍처 초안을 잡고, 반복 코드를 줄이고, 오류를 빠르게 디버깅하고, 리팩토링을 효율화하며, 배포 속도를 높인다. 비개발자가 바이브 코딩을 통해 ‘처음 만들어 보는 사람’이 된다면, 개발자는 ‘더 빠르고 더 많이 만드는 사람’이 된다. 이 차이를 구분하지 않으면 바이브 코딩에 대한 기대도 쉽게 과장되고, 반대로 불필요한 실망도 생긴다. 이번에 필자가 시도한 작업은 몇 가지 방향으로 나뉘어 전개되었다. 투자와 자산을 구조화해보는 도구, 여행과 탐험을 시각적으로 정리하는 도구, 그리고 개념을 더 직관적으로 연결해보는 실험 등이 그 예다. 접근 방식도 조금씩 달랐다. 어떤 것은 빠른 프로토타이핑 도구로 시험했고, 어떤 것은 웹 기반 구조를 상상했으며, 어떤 것은 생성형 AI를 결합해 해석 기능을 더해보았다. 중요한 것은 특정 기술 이름이 아니었다. 문제의 성격에 따라 도구 조합이 달라졌다는 점, 그리고 그 조합을 통해 ‘작동하는 형태’를 빠르게 확인할 수 있었다는 점이 핵심이었다. 그중에서도 가장 손에 잡히는 성과를 보여준 것은 투자 관리용 실험 도구였다. 한국 시장과 미국 시장에 동시에 투자하는 개인을 염두에 두고, 자산을 한 화면에서 함께 보고, 환율을 반영한 체감 손익을 계산하고, 단순 수익률이 아니라 수수료와 환차까지 고려한 실제 순수익에 가깝게 접근해보는 방식이었다. 여기에 종목의 가치, 품질, 위험도를 함께 보려는 시도와, 매매 기록을 정리하는 자동화 기능까지 더해보았다. 한마디로 말하면, 개인 투자자가 늘 엑셀과 계산기와 감으로 처리하던 일을 하나의 흐름 안에서 정리해보려는 실험이었다. 이런 시도는 바이브 코딩의 장점을 잘 보여준다. 현장의 불편을 가장 잘 아는 사람이 그 문제를 가장 먼저 작동하는 도구로 바꿔볼 수 있다는 점이다. 특히 개인 투자 영역에서는 불편이 명확하다. 원화 자산과 달러 자산이 분리돼 보이기 때문에 전체 자산 배분을 한눈에 파악하기 어렵고, 과거 환율이나 거래 수수료를 반영한 실제 수익 계산은 늘 번거롭다. 단일 지표만 보고 투자하면 가치 함정에 빠질 수 있고, 매매 기록을 체계적으로 남기지 않으면 판단의 맥락도 쉽게 흐려진다. 바이브 코딩은 바로 이런 불편을 작은 단위로 쪼개어 도구로 만들어보는 데 강점을 보인다.   ▲ 클릭하면 큰 이미지로 볼 수 있습니다.   피터 드러커의 말처럼 “측정할 수 있어야 관리할 수 있다.” 투자든 업무든 결국 비슷하다. 막연히 ‘잘하고 있다’고 느끼는 동안에는 개선도 어렵다. 숫자가 보여야 하고, 흐름이 보여야 하며, 내 행동의 결과가 구조적으로 드러나야 한다. 바이브 코딩은 이 지점에서 의외로 힘을 발휘한다. 정교한 상용 시스템 수준은 아니더라도, 내가 무엇을 보고 싶은지 정확히 정의할 수만 있다면 적어도 첫 번째 가시화 도구는 만들어볼 수 있다. 그 순간 막연한 감각은 데이터가 되고, 데이터는 다시 판단의 기준이 된다. 특히 인상적이었던 것은 ‘정답 제시’보다 ‘판단 보조’에 초점을 맞춘 설계였다. 단순히 싸 보이는 종목을 찾는 것이 아니라 가치와 퀄리티, 리스크를 함께 고려하는 구조를 상상하고, 이동평균선이나 거래량 변화 같은 기술적 신호를 함께 보는 식이다. AI는 여기서 결정을 대신 내려주는 존재가 아니라, 사람이 놓치기 쉬운 신호를 먼저 정리해주는 조수 역할을 맡는다. 이런 경험을 통해 느낀 것은, 바이브 코딩의 진짜 효용이 거창한 인공지능 자체에 있는 것이 아니라 사용자의 판단 포인트를 더 선명하게 드러내는 데 있다는 점이었다. 그러나 여기서 반드시 짚고 넘어가야 할 현실이 있다. 이런 경험이 곧바로 기업용 핵심 시스템 개발로 이어질 것이라고 생각해서는 안 된다. PLM, ERP, MES, APS 같은 글로벌 설루션 기반의 엔터프라이즈 환경은 개인 실험과는 전혀 다른 차원의 세계다. 데이터 모델은 정교하고, 권한 체계는 복잡하며, 인터페이스는 수많은 예외를 품고 있고, 변경 이력과 검증 절차, 보안과 운영 책임까지 촘촘하게 연결되어 있다. 자연어 몇 줄과 AI의 코드 제안만으로 안전하게 다룰 수 있는 구조가 아니다. 바로 이 지점에서 비개발자의 바이브 코딩과 개발자의 바이브 코딩은 다시 갈라진다. 비개발자는 문제를 빠르게 형태화하고 아이디어를 프로토타입으로 검증하는 데 강점을 가질 수 있다. 반면 개발자는 그 프로토타입을 기존 시스템 환경과 연결하고, 예외 처리와 안정성, 보안과 운영성을 검증하는 역할까지 감당할 수 있다. 따라서 바이브 코딩은 모든 사람을 동일한 수준의 개발자로 만들어주는 기술이라기보다, 각자의 위치에서 ‘만들어보는 속도’를 높여주는 기술에 가깝다. 이런 환경에서는 바이브 코딩이 할 수 있는 역할이 자연스럽게 제한된다. 핵심 업무 로직을 직접 대체하기보다는 화면 프로토타입, 보조 대시보드, 분석용 유틸리티, 개인용 자동화 도구, 테스트용 샌드박스, 보고용 시뮬레이터처럼 본체 주변의 영역에 더 적합하다. 다시 말해, 바이브 코딩은 글로벌 설루션의 중심부를 재구축하는 기술이라기보다, 그 주변부의 불편을 빠르게 줄여보는 실험 도구에 가깝다. 하지만 그렇다고 해서 그 의미를 과소평가할 필요는 없다. 오히려 반대다. 필자는 바로 그 제한성 때문에 바이브 코딩이 더 현실적이라고 본다. 실제 업무에서는 거대한 혁신보다 작지만 반복되는 불편이 훨씬 많다. 예를 들어 품질 이슈를 정리하는 간단한 대시보드, 협력사 대응용 정리 화면, 설계 변경 영향 체크리스트, 일정 가시화 도구, 개인용 원가 계산기, 회의록 자동 정리 보조 도구처럼 ‘정식 시스템으로 만들기엔 작지만 그대로 두기엔 계속 불편한 것들’이 현장에는 늘 존재한다. 바이브 코딩은 바로 그 틈새를 파고든다. 스티브 잡스의 말, “진짜 창작자는 결국 결과물을 세상에 내놓는다”는 문장은 이 맥락에서 유난히 실감난다. 바이브 코딩의 장점은 완벽한 시스템을 만들게 해준다는 데 있지 않다. 머릿속에만 있던 아이디어를 실제로 한번 작동해보게 만든다는 데 있다. 비개발자에게 이 경험은 특히 중요하다. 그전까지는 ‘좋은 아이디어’와 ‘실제로 작동하는 결과물’ 사이에 너무 큰 간극이 있었기 때문이다. 이제는 그 사이를 AI가 어느 정도 메워준다. 물론 완성도 높은 상용 시스템을 만들기 위해서는 여전히 전문 개발과 검증이 필요하다. 그러나 첫 번째 프로토타입을 만드는 데까지는 이전보다 훨씬 빠르게 갈 수 있다. 필자는 이 점에서 바이브 코딩의 현재 위치를 ‘개인의 실험실’에 가깝다고 본다. 지금의 바이브 코딩은 거대한 엔터프라이즈 시스템을 통째로 만드는 기술이라기보다, 순수한 개인 또는 소규모 팀이 자기 문제를 해결하기 위해 무언가를 직접 만들어보는 수준에서 가장 잘 작동한다. 그렇다고 그 수준이 가볍다는 뜻은 아니다. 바로 그 개인 실험의 축적이 조직의 디지털 감각을 바꾸고, 현장의 언어를 더 구조화하며, 나중에는 더 정교한 시스템 구축을 위한 문제 정의력으로 이어질 수 있기 때문이다. 특히 제조 기업의 실무자와 리더에게 이 흐름은 시사점이 크다. 설계, 생산, 품질, 구매, 자산 관리, 프로젝트 관리 영역에는 늘 현장만이 아는 불편이 있다. 외부 설루션은 그 불편을 모두 담아내지 못하고, 내부 IT는 모든 요청을 즉시 반영하기 어렵다. 이때 바이브 코딩은 완성형 설루션의 경쟁자가 아니라, 아이디어를 빠르게 시험해보는 사전 실험장 역할을 할 수 있다. 사용자는 먼저 문제를 언어로 정리하고, 필요한 데이터 흐름을 구조화하고, AI를 이용해 작은 도구를 만들어본다. 그렇게 만들어진 결과는 때로는 개인용 유틸리티에서 끝날 수도 있고, 때로는 정식 프로젝트의 출발점이 될 수도 있다. 중국 고전에서 유래한 말처럼 “천 리 길도 한 걸음부터다.” 바이브 코딩은 거창한 완성의 기술이 아니라, 작지만 구체적인 첫걸음을 가능하게 하는 방식이다. 비개발자는 그것을 통해 문제를 구조화하는 감각을 익히고, 개발자는 그것을 통해 더 빠르게 실험하고 구현한다. 그리고 기업은 그 사이에서 정식 시스템 이전의 가능성을 시험해볼 수 있다. 필자는 바이브 코딩을 지나치게 낙관적으로 보지도 않고, 반대로 일시적 유행으로만 보지도 않는다. 그것은 지금 당장 모든 것을 바꿔놓을 혁명은 아닐 수 있다. 그러나 적어도 한 가지는 분명하다. 이제 현장을 가장 잘 아는 사람이, 자신이 겪는 불편을 직접 작동하는 형태로 바꿔볼 수 있는 시대가 열리고 있다는 점이다. 그 가능성은 생각보다 크고 그 시작은 생각보다 작다. 그래서 지금 바이브 코딩은 거대한 답이라기보다 한 번 진지하게 시도해볼 만한 좋은 질문에 가깝다.   ■ 류용효 디원의 상무이며 페이스북 그룹 ‘컨셉맵연구소’의 리더로 활동하고 있다. 현업의 관점으로 컨설팅, 디자인 싱킹으로 기업 프로세스를 정리하는데 도움을 주며, 1장의 빅 사이즈로 콘셉트 맵을 만드는데 관심이 많다. (블로그)     ■ 기사 내용은 PDF로도 제공됩니다.

지멘스가 중국 베이징에서 열린 ‘지멘스 RXD 서밋’에서 실험 단계에 머물던 산업용 AI를 공장과 인프라, 공급망 전반에 대규모로 배포하는 전략을 공개했다. 인공지능(AI) 기술을 디지털 세계에서 실물 경제로 빠르게 이식하겠다는 것이다. 2000여 명의 고객사와 파트너, 개발자가 참석한 이번 행사에서 지멘스 롤랜드 부시(Roland Busch) 회장 겸 CEO는 “AI를 현실 세계에 구현하기 위해서는 뛰어난 모델 그 이상의 요소가 필요하다”고 강조했다. 데이터와 소프트웨어, 지능형 하드웨어를 연결하는 ‘산업용 AI 운영체제’라는 기술 스택이 필수라는 설명이다. 지멘스는 개방형 디지털 비즈니스 플랫폼인 ‘지멘스 엑셀러레이터(Siemens Xcelerator)’를 통해 이러한 역량을 결합하고 산업용 AI를 대규모로 보급하고 있다.   ▲ 지멘스 롤랜드 부시 회장 겸 CEO   이를 위해 지멘스는 26개의 신제품을 출시하는 동시에 알리바바와의 전략적 파트너십을 심화하기로 했다. 이번 협력은 글로벌 혁신과 중국 현지의 혁신을 결합해 산업 인프라, 자동화, AI 기반 애플리케이션 전반을 아우르는 것을 목표로 한다. 중국 지멘스의 샤오 송(Xiao Song) 회장 겸 CEO는 “강력한 생태계만이 AI의 막대한 잠재력을 실현할 수 있다”면서, 지멘스의 기술력과 중국의 혁신 속도 및 산업 규모를 결합해 고품질 성장을 지원하겠다고 밝혔다. 고급 시뮬레이션과 산업용 AI에 대한 접근성도 확대된다. 지멘스와 알리바바 클라우드는 파트너십 확대를 통해 중국 고객에게 서비스형 인프라(IaaS) 형태의 CAE 역량을 제공할 계획이다. 지멘스의 시뮬레이션 포트폴리오를 알리바바 클라우드의 고성능 컴퓨팅 환경에 구축함으로써, 엔지니어링 팀은 복잡한 시뮬레이션을 더욱 효율적이고 유연하게 수행할 수 있게 된다. 양사는 알리바바의 거대 언어 모델(LLM)인 ‘통의천문(Qwen)’을 지멘스의 제품 수명주기 관리(PLM) 소프트웨어에 적용하는 방안도 모색한다. 양사는 이를 통해 AI가 지원하는 엔지니어링 워크플로와 지능형 제품 개발의 새로운 가능성을 열 것으로 기대하고 있다. AI 시대를 위한 인프라 구축에도 속도를 낸다. 지멘스 기술은 알리바바 클라우드의 장베이 데이터 센터와 같은 대규모 시설의 가동을 뒷받침하고 있다. 지멘스는 지능형 산업 운영에 필요한 데이터 흐름과 시스템 통합을 가능하게 하는 산업용 연결 설루션을 선보였다. ▲대규모 AI 워크로드를 처리하는 시스템의 안정적 가동을 돕는 인프라 보호 기술 ▲고성능 데이터 센터의 에너지 밀도를 효율적으로 관리하기 위해 현지에서 개발된 차세대 직류(DC) 차단기 ▲에너지 집약적 환경에서 냉각 효율을 최적화하고 소비 전력을 줄이는 AI 기반 냉각 설루션 등이 대표적이다. AI 기반 제조를 위한 실행 계층도 강화한다. 현대적 제조 시스템은 지능을 생성하는 것뿐만 아니라 이를 현장에서 직접 실행할 수 있어야 한다. 지멘스는 중국 현지 혁신 모델과 결합된 새로운 에지, 자동화, AI 설루션을 도입했다. 생산 라인의 두뇌 역할을 하며 기계들을 실시간으로 조율하는 차세대 프로그래밍 가능 로직 컨트롤러(PLC)는 성능과 메모리 용량이 대폭 향상됐다. 또한 디지털 명령을 정밀한 로봇 동작으로 변환하는 컴팩트 서보 시스템 등 고급 모션 기술을 통해 현장 실행력을 높였다. 아울러 지멘스는 산업 운영 최적화를 위한 AI 애플리케이션도 공개했다. 예측 보전 소프트웨어는 핵심 자산의 운영 데이터를 분석해 이상 징후를 조기에 감지함으로써 가동 중단으로 인한 손실을 방지한다. 이러한 혁신 기술은 산업용 AI의 실행 계층을 강화해 디지털 통찰력을 실제 생산 환경의 실질적인 행동으로 전환하는 역할을 한다.