어도비가 전문 디자인 애플리케이션인 어도비 일러스트레이터(Adobe Illustrator)와 어도비 포토샵(Adobe Photoshop)의 혁신을 통해 일상적인 크리에이티브 워크플로를 가속화하고 크리에이터에게 더 많은 권한을 부여한다고 발표했다. 이번 업데이트로 일러스트레이터는 전문 디자이너와 일러스트레이터가 브랜드 그래픽, 로고 및 아이콘, 제품 패키지, 마케팅 제작물, 패턴 제작 등 아이디어 구상부터 제작에 이르는 작업 전반에서 비전을 더욱 쉽고 빠르게 실현할 수 있는 새로운 방식을 제공한다. 새로워진 포토샵은 크리에이티브 전문가가 디자인 콘셉트를 반복적으로 적용해 애셋을 빠르게 제작하고 차별화된 색상 및 스타일로 복잡한 맞춤형 결과물을 효율적으로 제작하도록 지원한다.   ▲ 일러스트레이터의 ‘텍스트를 패턴으로’ 기능   일러스트레이터에서 크리에이티브 워크플로 가속화를 위한 새로운 툴로 생성형 모양 채우기(Generative Shape Fill)가 베타로 제공된다. 이를 통해 디자이너는 상황별 작업 표시줄(Contextual Taskbar)에서 텍스트 프롬프트를 입력해 모양에 상세한 벡터를 빠르게 추가할 수 있다. 생성형 모양 채우기는 크리에이터가 더욱 빠르게 강력하고 정밀한 작업을 하도록 설계된 최신 파이어플라이 벡터 모델(Firefly Vector Model, 베타)로 구동된다. 이 밖에도 치수 도구(Dimension Tool), 목업(Mockup, 베타), 상황별 작업 표시줄, 리타입(Retype), 향상된 선택 도구, 텍스트를 패턴으로(Text to Pattern, 베타), 스타일 참조(Style Reference) 등 새롭게 추가된 혁신 기능과 워크플로 개선으로 디자이너는 시간을 절약하면서 원하는 작업에 집중할 수 있다. 포토샵에는 주요 크리에이티브 워크플로를 가속화하고 반복적인 작업을 간소화해줄 선택 브러시 도구(Selection Brush Tool) 및 조정 브러시 도구(Adjustment Brush Tool)와 향상된 타입 도구(Type Tool) 및 상황별 작업 표시줄 등 직관적인 기능이 추가됐다. 이를 통해 디자이너는 이미지를 선택, 합성 및 조정하거나 글꼴 작업 시 새로운 차원의 생산성과 정밀도, 제어를 경험할 수 있다. 뿐만 아니라 어도비 파이어플라이 이미지 3 모델(Adobe Firefly Image 3 Model)로 구동되는 이미지 생성(Generate Image)을 통해 새로운 방식의 아이디어 구성과 창작이 가능하다.   ▲ 포토샵의 선택 브러시 도구   이번 일러스트레이터 및 포토샵 업데이트를 통해 그래픽, 패션, 인테리어, 일러스트레이션 등 다양한 분야의 디자이너는 워크플로를 한층 가속화하고, 콘셉트를 구상 및 반복하는 과정에서 생산성을 높이며 작업에 재미를 더할 수 있다. 새롭게 발표된 툴은 다양한 버전의 광고 및 마케팅 그래픽 제작부터 디지털 드로잉 및 일러스트레이션, 패션 실루엣에 패턴 추가, 영감 및 무드 보드 제작까지 모든 디자인 워크플로에서 사용 가능하다. 디자이너는 신규 툴을 이용해 다양한 패턴과 디자인 옵션으로 제품 패키징을 테스트하고, 계절에 맞춘 광고를 탐색하며, 다양한 목업 조합을 기반으로 제품을 디자인할 수 있다.  어도비 파이어플라이는 디자이너가 AI를 크리에이티브 어시스턴트로 사용할 수 있도록 일러스트레이터 및 포토샵에서 ▲일러스트레이터의 새로운 생성형 모양 채우기 ▲텍스트를 패턴으로 기능 ▲스타일 참조 ▲포토샵의 이미지 생성 ▲포토샵 생성형 채우기(Generative Fill)의 세부 사항 향상(Enhance Detail) 등 다양한 생성형 AI 혁신을 제공한다. 이 밖에 디자이너가 생산성을 높이고 창작에 더 많은 시간을 할애할 수 있도록 크리에이티브 워크플로를 가속화하는 일러스트레이터와 포토샵의 혁신 기능이 추가됐다. 어도비의 애슐리 스틸(Ashley Still) 디지털 미디어 부문 수석 부사장은 “일러스트레이션, 디자인, 사진 등의 분야에 종사하는 많은 크리에이티브 사용자들이 아이디어 구상과 디자인, 제작 전반에서 생산성을 극대화하고 워크플로를 가속화할 수 있도록 가장 혁신적인 기능을 제공하는 어도비의 툴을 신뢰한다”면서, “어도비는 일러스트레이터와 포토샵의 기존 워크플로에 직접 내장된 새로운 혁신 기능을 통해 디자이너가 작업 속도를 높이고 드로잉, 디자인 뿐 아니라 크리에이티브 비전 실현 등 가장 자신있는 업무에 집중할 수 있는 새로운 방식을 선사한다”고 말했다.

어도비가 어도비 익스피리언스 매니저 애셋(Adobe Experience Manager Assets)의 일부인 ‘어도비 콘텐츠 허브(Adobe Content Hub)’를 출시했다. 어도비 익스피리언스 매니저 애셋은 브랜드가 마케팅 캠페인 및 디지털 경험을 위해 제작하는 이미지, 영상, 기타 콘텐츠를 포함한 라이브러리 전반을 관리하는 데 사용되는 디지털 애셋 관리 시스템(DAM)이다.  어도비 익스피리언스 매니저 애셋은 아식스, 코카콜라 컴퍼니, 헨켈, 프루덴셜 파이낸셜, T-모바일, 폭스바겐을 비롯해 10대 미디어 중 8곳, 10대 금융 서비스 중 9곳, 10대 리테일 기업 중 8곳을 포함한 다수의 포춘 50대 기업이 사용하고 있다. 콘텐츠 허브는 기업이 내부 조직 및 외부 파트너와 함께 크리에이티브 애셋을 사용하는 방식을 혁신하며 효율성을 높인다. 이를 통해 팀은 새롭고 간편한 인터페이스에서 모든 브랜드 승인 애셋을 빠르게 사용할 수 있고, 기존 워크플로에서 올인원 디자인 툴인 어도비 익스프레스(Adobe Express) 및 어도비 파이어플라이(Adobe Firefly) 생성형 AI를 사용할 수 있다. 또한 콘텐츠 허브는 적합한 애셋 재사용 및 일관성 유지로 비효율성을 없애고, 민감한 작업 시 사용 분석 및 거버넌스 제어를 제공한다. 뿐만 아니라 대부분의 기업이 단절된 워크플로와 팀, 시스템으로 인해 어려움을 겪는 상황에서, 마케팅 캠페인 및 개인화된 고객 경험을 위한 콘텐츠 제공에 필요한 엔드투엔드 비즈니스 프로세스인 콘텐츠 공급망의 핵심 요소를 최적화하는 것도 가능하다. 어도비 익스피리언스 매니저 애셋의 콘텐츠 허브는 간단하게 브랜드 승인 애셋을 찾고, 이를 효율적으로 재사용하며 창의적인 아이디어 구상에 접목할 수 있도록 지원한다. 사용자는 ‘로고’, ‘아웃도어’, ‘핑크’ 등 단어나 ‘휴가철 프로모션’, ‘겨울 하이킹 장비’ 등 문구 기반의 다양한 검색 매개변수로 애셋을 찾을 수 있다. 또한 애셋 관련 주요 용어가 자동 태그로 지정되는 스마트 태그로 더욱 간편한 검색이 가능하다. 콘텐츠 허브에서 어도비 익스프레스가 제공하는 파이어플라이 생성형 AI를 활용하면 워크플로에서 직접 애셋을 재구성하고 이를 새로운 디지털 경험으로 전환할 수 있다. 사용자는 클릭 한 번으로 복사본 추가부터 크기 조정까지 빠르게 작업 가능한 익스프레스 편집기를 실행할 수 있다. 또한 어도비 익스프레스의 파이어플라이 생성형 AI로 배경 교체, 개체 추가, 다양한 비주얼 스타일 생성 등을 통해 다양한 변형 콘텐츠를 제작하고 진정한 대규모 개인화도 구현할 수 있다.     콘텐츠 허브는 관리자가 거버넌스 제어를 통해 출시 예정 제품과 같은 민감한 애셋에 대한 권한을 관리하고, AI 생성 콘텐츠가 브랜드 기준에 부합하는지 확인할 수 있다. 또한 어도비 애플리케이션에서 AI 사용에 대한 투명성을 제공하기 위해 파이어플라이 구동 기능을 사용한 콘텐츠에 콘텐츠 자격 증명(Content Credentials)을 자동으로 첨부한다. 디지털 콘텐츠에 대한 디지털 ‘영양 성분 표시’ 역할을 하는 콘텐츠 자격 증명은 제작 또는 편집 과정에서 AI 사용 여부를 비롯한 콘텐츠에 대한 상세 정보를 제공할 수 있는 위변조 확인이 가능한 메타데이터이다. 콘텐츠 허브는 파일 유형, 이미지 특성 등 애셋 사용에 대한 강력하고 세부적인 분석을 제공해 기업이 조직 전반에서 애셋 사용 현황을 더욱 잘 파악할 수 있도록 지원한다. 팀은 이 같은 인사이트를 통해 많이 사용되는 특정 유형의 파일이나 비주얼 스타일을 리소스화하는 등 처음부터 애셋 제작 방식을 개선할 수 있다. 어도비의 로니 스타크(Loni Stark) 익스피리언스 클라우드 전략 및 제품 부문 부사장은 “마케터는 향후 몇 년 간 급증할 것으로 예상되는 콘텐츠 수요 충족에 대한 과제를 안고 있으며, 그만큼 우량한 콘텐츠 공급망의 기반이 되는 효과적인 애셋 관리가 중요해졌다”면서, “어도비 콘텐츠 허브는 누구나 적합한 브랜드 애셋을 찾고 재구성할 수 있는 사용자 친화적인 인터페이스를 제공해 소셜미디어처럼 빠르게 변하는 채널을 위한 신규 콘텐츠 제작을 가속화하고 생산성 향상을 촉진한다”고 말했다.

설계부터 운영까지, AI와 BIM으로 건설산업 전반의 혁신 지원   인공지능(AI)이 다양한 영역에서 도입·활용되는 가운데, 건설산업에서도 인공지능을 어떻게 접목할 지에 대한 고민과 다양한 노력이 이어지고 있다. 이런 가운데, 트림블 코리아는 BIM(빌딩 정보 모델링)과 인공지능의 융합을 통해 건설산업의 혁신을 이끈다는 비전을 제시하고 있다.  트림블 코리아에서 영업 부문을 이끌고 있는 김동준 상무에게 건설산업에서 AI의 적용방안과 BIM의 전망에 대해 들어보았다. ■ 정수진 편집장   ▲ 트림블 코리아 김동준 상무   모든 산업에서 AI에 관심이 높은데, 건설산업의 AI 도입 동향은 어떤지 건설산업은 타 산업에 비해 새로운 기술의 도입이 빠른 산업 분야는 아니다. 그러나 건설산업에서도 AI에 대한 관심이 빠르게 늘고 있다. 건설산업에서 AI는 설계 최적화, 건설 현장 모니터링, 위험 관리, 예측 유지보수 등 다양한 분야에서 연구되고 있으며, 일부에서는 초기 단계에서 활용되고 있다.  AI 기술은 건설산업에서 프로젝트의 효율성을 높이고 비용을 절감하는 데에 큰 도움이 된다. 예를 들어, AI 기반의 설계 도구는 최적의 설계 옵션을 제공하고, 건설 현장에서 AI는 작업자의 안전을 보장하며, 운영 단계에서는 유지보수를 예측하여 비용을 절감할 수 있다. 이 때문에 각 사업장에서는 AI에 대한 연구 개발이 활발히 진행되고 있다. 트림블은 국내 건설산업에서 AI 기술 도입에 관심이 매우 높은 것으로 보고 있다. 많은 건설사가 AI를 통해 프로젝트의 리스크를 최소화하고, 정확한 데이터 분석을 통해 더 나은 의사결정을 내리고자 한다. 특히, 드론과 결합한 AI 기술은 현장 데이터를 실시간으로 분석하여 현장의 위험 요소를 사전에 파악해 안전사고를 예방하거나, 프로젝트의 진행 상황을 정확히 파악해 리소스를 효율적으로 관리하는 데에 큰 도움을 주고 있다. 이러한 기술 도입은 고객의 요구를 충족시키고, 경쟁력을 강화하는데 필수라고 생각한다.   건설산업에서 AI의 구체적인 활용 방법은 무엇이라고 보는지 AI는 건설 프로젝트의 설계 단계부터 운영 단계까지 광범위하게 활용될 수 있다. 예를 들어, AI 기반의 설계 도구는 최적의 설계 솔루션을 제공하고, 건설 현장에서 AI는 작업자의 안전을 보장한다. 운영 단계에서는 유지보수를 예측하여 비용을 절감할 수 있으며, 반복 작업을 자동화하여 노동력 부족 문제를 해결할 수도 있다.  그러나 AI를 도입하고 성공적으로 활용하기 위해서는 다음과 같은 점을 고려해야 한다. 데이터의 정확성과 품질 : AI는 고품질 데이터를 필요로 하기 때문에, 데이터 수집 및 관리에 신경을 써야 한다. 기술 인프라 : AI 솔루션을 실행하기 위한 강력한 기술 인프라가 필요하다. 교육과 훈련 : AI 기술에 대한 이해와 이를 활용할 수 있는 인력의 교육이 중요하다. 윤리적 고려 사항 : AI의 윤리적 사용과 개인정보 보호를 고려해야 한다.   트림블의 AI 전략은 무엇인지. 관련 기술 개발에 대해서도 소개바란다 트림블은 디지털 전환(DX) 및 커넥트 & 스케일(Connect & Scale) 전략과 긴밀히 연계하여 AI 기술을 활용한 혁신을 추진하고 있다. 이를 통해 디지털 콘텐츠 생성, 프로세스 자동화, 다양한 전문 분야에서의 역할 변화를 목표로 하고 있다. 또한, AI 기술의 효율적인 구현을 위해 전사적인 AI 전략을 수립하고 있다. 이 전략은 숙련된 인재 확보, 데이터 인프라 구축, 파트너십 강화, 투자 전략, 법적, 사이버 보안, 윤리적 지침 마련, 조직적 합의 등을 포함한다. 트림블의 AI 관련 기술 개발 방향으로는 ▲생성형 AI 기술을 통해 이미지/비디오/텍스트/3D 모델과 같은 디지털 콘텐츠를 생성하는 기술 개발 ▲생성형 AI를 다양한 도메인에 적용하여 새로운 아이디어 생성, 반복 작업 자동화, 맞춤형 콘텐츠 제공 ▲각 부서에 머신러닝 엔지니어를 배치하여 도메인의 미묘한 차이를 이해하고 소통하며, AI 기술의 적용 기회 발굴 ▲생성형 AI뿐만 아니라 기존의 예측 AI(predictive AI) 기술의 적극 활용 및 예측 AI와 생성형 AI의 결합을 통한 비즈니스 프로세스 최적화 등을 꼽을 수 있다. 트림블은 AI 기술을 통해 건설 산업의 혁신을 주도하고 있으며, 여러 방면에서 이를 실현하고 있다. 트림블의 AI 전략은 주로 데이터의 수집, 분석, 예측 모델을 통해 더 나은 의사결정을 지원하는 데에 중점을 두고 있다. 또한, 건설 현장의 위험 관리를 위해 AI를 활용해 작업자의 안전을 보장하고, 프로젝트의 위험 요소를 사전에 예측하여 관리한다. 이를 통해 프로젝트 팀은 한정된 시간과 자원을 가장 중요한 위험 요소에 집중할 수 있다. 특히, 트림블의 테클라 소프트웨어는 AI를 활용하여 설계 최적화와 데이터 관리에서 성과를 보여주고 있다. 테클라 스트럭처스는 AI를 통해 복잡한 구조 설계를 자동화하고, 테클라 모델 셰어링(Tekla Model Sharing)은 클라우드 기반의 협업을 통해 설계 데이터를 실시간으로 공유하고 관리할 수 있게 한다. 또한, 테클라의 AI 기술은 재료 선택, 상세 설계 작업, 설계 매개변수 최적화 등을 통해 지속 가능성과 효율성을 높이는 데 기여하고 있다. 결론적으로, 트림블은 AI를 통한 데이터 기반의 의사결정 지원, 작업 효율성 향상, 위험 관리 및 비용 절감을 목표로 관련 기술 및 솔루션을 지속적으로 개발하고 있다. 이러한 전략을 통해 트림블은 건설 산업의 디지털 전환을 선도하고 있다.   국내 BIM 시장에서 최근의 주요한 이슈는 무엇인지 국내 BIM 시장의 주요 이슈로는 표준화와 데이터 통합을 꼽을 수 있다. 현재 각기 다른 플랫폼과 소프트웨어 간의 데이터 호환성 문제를 해결하기 위한 노력이 진행 중이다. 특히 우리나라 정부는 BIM의 표준화를 위해 공공 프로젝트에 BIM 사용을 의무화하고 있으며, 이는 건설 산업의 디지털 전환을 가속하는 중요한 정책이다. 또한, 스마트 건설 솔루션의 도입이 활발히 이뤄지고 있으며, 이는 프로젝트 효율성을 극대화하고 비용을 절감하는 데 기여하고 있다. 이러한 이슈는 BIM 기술의 확산과 활용을 더욱 촉진하고 있다.   국내에서 BIM이 어느 정도 자리를 잡고 있다고 보는지  국내에서 BIM은 이제 필수 기술로 여겨지고 있다. 많은 건설사와 설계사가 BIM을 도입해 프로젝트의 효율을 높이고자 하고 있으며, 정부 차원에서도 공공 프로젝트에 BIM을 의무화하는 등 BIM의 확산을 적극 추진하고 있다. 그러나 국내 건설업계의 BIM 도입 현황이나 적용 수준에 대해서는 긍정적으로 보기가 어렵다. 이유는 여러 가지가 있겠지만 광범위하고 분리된 작업 장소, BIM 인력 부족 및 노동자의 비연속성, 데이터의 통합 부족과 비연속성, 정책과 현실의 괴리, BIM에 대한 이해와 인식의 부족 등이 있다고 생각한다. 미국이나 싱가포르와 비교하면, 한국의 BIM 도입은 발전하고 있지만 아직 갈 길이 남아있다. 미국은 BIM 도입을 선도하는 국가 중 하나로 대규모 인프라 프로젝트에서 BIM을 적극 활용하고 있으며, 정부와 민간 모두에서 BIM 표준화와 교육 프로그램을 통해 BIM 기술의 확산을 지원하고 있다. 특히, 미국의 여러 주에서는 공공 프로젝트에 BIM 사용을 의무화하고 있으며 정책이 현실을 뒷받침하고 있다. 이는 프로젝트의 효율과 품질을 높이는데 큰 기여를 하고 있다. 싱가포르는 아시아에서 BIM 도입이 가장 앞선 국가로 평가받고 있다. 싱가포르 정부는 2015년부터 모든 대형 건설 프로젝트에 BIM 사용을 의무화했으며, 이를 통해 건설 산업의 디지털 전환을 적극 추진해 왔다. 또한 싱가포르는 건축, 엔지니어링 및 건설(AEC) 분야의 모든 이해관계자가 BIM을 쉽게 채택할 수 있도록 다양한 지원 프로그램과 교육을 제공하고 있다. 우리나라도 이런 선진국의 사례를 참고하여 BIM 기술의 도입과 활용을 더욱 확대해 나가야 한다고 본다. 특히 BIM 기술의 표준화와 데이터 통합, 그리고 관련 인력의 교육과 훈련에 집중함으로써 건설 산업의 효율과 경쟁력을 한층 더 높일 수 있을 것이다.    국내의 최근 BIM 고객사례를 소개한다면 트림블의 테클라 스트럭처스는 국내 여러 랜드마크 프로젝트에서 성공적으로 활용되고 있다. 현대산업개발은 진행되는 모든 아파트 현장에서 테클라 스트럭처스를 통해 3D 디지털 정보를 생성하고, 생성된 정보를 기반으로 설계의 오류를 찾고 시공 검토를 위한 의사 결정을 빠르게 진행한다. 모든 의사 결정이 반영된 완성도 높은 디지털 정보에서 정확한 도면, 물량과 같은 필요한 정보를 적시에 추출해 프로젝트에 적용하고, 트림블 커넥트(Trimble Connect)를 기반으로 설계자와 현장 작업자의 원활한 의사소통을 구현했다. 이는 트림블이 추구하는 프로젝트 진행 방식과 동일하다고 볼 수 있다.  이런 사례는 테클라 스트럭처스가 복잡하고 대규모의 건설 프로젝트에서 얼마나 효과적으로 사용될 수 있는지를 잘 보여준다. 트림블 코리아는 앞으로도 이러한 혁신적인 기술을 통해 국내 건설 산업의 발전을 지속적으로 지원할 것이다.   향후 트림블 코리아의 비즈니스 계획과 전략에 대해 소개한다면 트림블은 AI 및 BIM 기술을 통해 건설 산업의 디지털 전환을 촉진하고, 고객의 생산성을 극대화하며, 지속 가능한 건설을 지원하는 것을 목표로 하고 있다. 트림블은 전 세계적으로 AI와 BIM 기술을 통합하여 프로젝트 관리, 설계, 시공, 유지보수 등 모든 단계에서 효율성을 높이고 비용을 절감하는 전략을 추진하고 있다. 트림블 코리아는 이러한 글로벌 전략을 바탕으로 특히 BIM의 기초가 되는 데이터를 생성하는 솔루션 사업에 중점을 두고 있으며, 국내 시공사의 공정관리 애로사항 및 의견을 청취하여 자체 개발한 클라우드 기반의 공정관리 대시보드인 트림블 커넥트 대시보드(Trimble Connect Dashboard)를 시공사에 공급하고 있다. 또한, 제작사를 대상으로 하는 제작 공정 관리 솔루션 및 건설산업 프로세스 전반을 지원하는 다양한 솔루션의 국내 출시를 준비하고 있다. 트림블 코리아는 다음과 같은 전략을 통해 국내 비즈니스를 확장할 계획이다. 테클라 스트럭처스 활용 확대 : 국내 대형 프로젝트에서 테클라 스트럭처스의 도입을 더욱 장려할 것이다. 그동안의 프로젝트에서 성공적인 활용 사례를 기반으로 더 많은 건설사가 테클라 스트럭처스를 도입할 수 있도록 지원할 것이다. 교육 및 지원 강화 : 테클라 스트럭처스 사용에 대한 교육 프로그램을 강화하고, 고객이 필요로 하는 기술 지원을 제공할 것이다. 이를 통해 사용자들이 테클라 스트럭처스의 다양한 기능을 최대한 활용할 수 있도록 도울 것이다. 현지화된 솔루션 개발 : 한국 시장의 특성과 요구에 맞춘 현지화 BIM 솔루션을 개발하고 제공할 것이다. 이는 한국 건설 산업의 특수한 요구사항을 반영한 맞춤형 솔루션을 통해 더 나은 성과를 이끌어낼 수 있도록 할 것이다. 지속적인 솔루션 국내 출시 : 해외 시장에서 검증된 트림블의 다양한 솔루션을 국내에 출시해, 건설산업 프로젝트의 전반적인 프로세스에서 효율을 높일 것이다. 파트너십 및 협력 강화 : 국내 주요 건설사, 설계사, 교육기관, 서드파티 개발 파트너사와 협력을 강화해 BIM 기술의 확산과 활용을 촉진할 것이다. 이를 통해 BIM 기술의 도입과 정착을 더욱 가속할 것이다. 트림블 코리아는 이러한 전략을 통해 국내 건설 산업의 디지털 전환을 선도하고, 고객의 성공을 지원하며, 지속 가능한 건설 환경을 조성하는 데 기여하고자 한다.     ■ 기사 내용은 PDF로도 제공됩니다.

현장에서 얻은 것 No.17   “LLM 공부해야 소용없어… 대신 차세대 AI에 집중해야” - 얀 르쿤(메타 AI 수석과학자)  페친으로 커넥팅되어 시작된 인연은 인공지능 프로젝트를 통해서 책까지 출판하는 기회를 얻었다. 이번 호의 내용은 그 여정에 대한 기록이다. 기록의 중요성을 또 한 번 느끼며, 만남과 인연의 중요함도 느꼈다.  그 모든 것의 중심에는 ‘관심’ 그리고 ‘깊이와 Hungry’가 있었다. 또한 ‘호기심’은 두말하면 잔소리이다.  그리고 나의 여정을 두 단어로는 ‘리더십’과 ‘인플루언서’로 정했다.    챗GPT에게 PLM에 대해 묻다 2023년 4월호 칼럼으로 ‘챗GPT-PLM 활용의 모습’에 대해 썼다. 그리고 1년이 흐른 지금 다시 한번 챗GPT(ChatGPT)에게 길을 물었다.  1년 전인 2023년 3월에는 챗GPT의 버전이 3.5였고, 2024년 6월는 챗GPT 4o가 등장했다. 2023년 3월 당시에는 “AI가 아니라 AI를 쓰는 기업이 기업을 대체할 것”이라는 말이 유행했다. 1년이 흐른 지금… 통하는 기업이 있고, 여전히 AI가 어떤 결과를 낳을지 오리무중인 기업도 있다. 그동안 큰 변화는 글로벌 관심거리로 학습과 진보 속에서 ‘두려움’이 많이 사라졌다. 또한, 현실적인 장벽이 많이 있다는 것도 드러났다. 1년 전에 ‘챗GPT-PLM 활용의 모습’을 물었을 때 상당히 혁신적이었다. 마치 뭔가 큰일을 낼 것 같이 희망에 찬 답변이었다. 1년이 흐른 지금 같은 질문을 던졌더니, 그때보다는 상당히 현실적인 답변을 내 놓는다.  다음에서 챗GPT와의 대화 내용의 결과를 정리한 리포트 형식으로 풀어가겠다.  “인공지능은 실험실 조수, 최종 결정은 인간이 해야”  - 데미스 허사비스(구글 딥마인드 CEO)    PLM과 챗GPT의 활용 방안 - 프롬프트와 진단 주요 산업군 및 목표를 정했다. 주요 산업군은 자동차, 항공산업, 전기 전자 산업, 의료기기로 한정했다. 독자는 경영진, 임원, 마케팅 담당자로 정했다. 리포트의 주요 목표는 기업에 효과적인 PLM과 챗GPT 활용 방안을 제시하는 것으로, 이에 맞춰 프롬프트를 작성했다.  먼저, 챗GPT는 PLM의 주요 문제점에 대해서 다음과 같이 요약해 주었다.  “PLM 시스템은 복잡한 제품 개발 과정에서 다양한 문제를 안고 있습니다. 이러한 문제점들은 다음과 같습니다. ■ 프로젝트 관리 : 복잡한 프로젝트 관리는 다양한 팀과 부서 간의 협업을 필요로 하며, 실시간 상태 업데이트와 정보 공유가 어렵습니다. ■ 데이터 정합성 : 다양한 부서와 시스템에서 데이터를 관리하다 보면 데이터의 일관성을 유지하는 데 어려움이 있습니다. ■ BOM 관리 : 제품의 BOM(Bill of Materials) 데이터를 정확하게 관리하는 것은 중요하지만, 잘못된 데이터는 생산 오류를 유발합니다. ■ 품질 관리 : 품질 검사와 문제 해결에 많은 시간과 비용이 소요됩니다. ■ 제품 설계 : 설계 변경 요청이 빈번하게 발생하며, 이를 관리하기 어렵습니다. ■ 상품 기획 : 시장 트렌드를 정확히 예측하고 고객의 요구를 반영하기 어렵습니다. ■ 공급망 관리 : 공급망의 복잡성으로 인해 지연과 비용 증가가 발생합니다. ■ 고객 서비스 : 고객 문의와 지원 요청을 효율적으로 처리하기 어렵습니다. ■ 교육 및 훈련 : 직원 교육과 훈련에 많은 시간과 비용이 소요됩니다. ■ 사양 관리 : 제품 사양의 관리 및 업데이트 과정에서 오류가 발생할 수 있습니다. ■ 디지털 제조 : 제조 과정의 디지털화와 스마트 제조 시스템 구현이 어렵습니다. ■ 데이터 보안 : PLM 시스템은 많은 기밀 데이터를 포함하고 있어 데이터 유출의 위험이 큽니다.”   각 문제에 대한 해결 방안 “PLM의 각 문제점에 대해 챗GPT를 활용한 해결 방안은 다음과 같습니다. ■ 프로젝트 관리 : 챗GPT를 통한 실시간 상태 업데이트, 자동 보고서 생성, 팀 간 의사소통 지원 ■ 데이터 정합성 : 챗GPT를 활용하여 데이터 입력 및 검증 자동화, 오류 감지 및 수정 제안 ■ BOM 관리 : 챗GPT를 통해 BOM 데이터의 정확성과 일관성을 유지하여 생산 오류를 줄임 ■ 품질 관리 : 챗GPT를 통해 품질 문제의 원인 분석, 해결책 제안, 품질 검사 자동화 지원 ■ 제품 설계 : 챗GPT를 사용하여 설계 변경 제안 및 피드백 수집, 팀 간 협업 지원 ■ 상품 기획 : 챗GPT를 통해 시장 트렌드 분석, 고객 피드백 수집 및 분석, 제품 기획 아이디어 제안 ■ 공급망 관리 : 챗GPT를 사용하여 공급망 데이터 분석, 공급업체와의 실시간 커뮤니케이션 지원, 문제 발생 시 빠른 대응 방안 제안 ■ 고객 서비스 : 챗GPT를 활용한 자동화된 고객 응대, 자주 묻는 질문(FAQ) 자동 응답, 고객 피드백 수집 및 분석 ■ 교육 및 훈련 : 챗GPT를 통한 맞춤형 교육 자료 제공, 훈련 프로그램 관리, 실시간 질문 응답 시스템 구축 ■ 사양 관리 : 챗GPT를 사용하여 사양 데이터의 자동 검증 및 업데이트, 사양 변경 내역 관리, 사양 관련 질문에 대한 실시간 응답 제공 ■ 디지털 제조 : 챗GPT를 활용하여 제조 데이터 분석, 예측 유지보수 시스템 구축, 제조 과정 최적화 및 문제 해결 지원 ■ 데이터 보안 : 챗GPT를 통해 데이터 보안 시스템 강화, 실시간 보안 모니터링, 보안 위협에 대한 빠른 대응 방안 마련”   PLM 데이터 학습 방안 “PLM 데이터는 폐쇄적이고 기밀 정보가 많기 때문에 챗GPT가 직접적으로 학습하는 것은 어렵습니다. 그러나 다음과 같은 방안을 통해 챗GPT가 PLM 데이터를 활용할 수 있습니다. ■ 프록시 데이터 사용 : 익명화된 데이터로 학습하여 민감한 정보를 보호합니다. ■ API 기반 접근 : API를 통해 실시간으로 데이터를 조회하고 분석할 수 있습니다. ■ 데이터 마스킹 및 샘플링 : 민감 정보를 제거한 샘플 데이터를 사용하여 학습합니다. ■ 온프레미스 학습 시스템 : 기업 내부에 AI 학습 시스템을 구축하여 폐쇄된 환경에서 안전하게 학습합니다. ■ 주기적인 데이터 피드백 루프 : 정기적으로 업데이트된 데이터를 반영하여 학습합니다.”   결론 “챗GPT는 PLM 시스템의 다양한 문제를 해결할 수 있는 강력한 도구입니다. 데이터를 정확하게 관리하고 실시간으로 분석하며, 효율적인 의사소통을 지원함으로써 PLM 시스템의 효율성을 크게 향상시킬 수 있습니다. 그러나 데이터를 안전하게 관리하고, AI 모델의 정확성을 유지하기 위해 적절한 학습 방법과 보안 조치를 취하는 것이 중요합니다. 챗GPT를 통해 PLM 시스템의 문제를 해결하고, 더 나은 제품 개발과 관리를 실현할 수 있을 것입니다.”   PLM의 핫 이슈는 정합성과 정보의 공개 시행착오에서 해답을 찾을 수 있으리라 생각한다. 갈 길은 정해졌다. PLM의 가장 큰 이슈는 정합성과 정보의 공개이다. 왜냐면 사람이 운영하기 때문에, PLM의 복잡성 그리고 추적성을 고려하면 사용자들이 체계적으로 잘 사용해야 가능하다. 챗GPT가 해 줄 일은 자명하다. 고자질을 잘 할 것 같다. 누가 어떤 것에 에러를 범했다. 설계 데이터, BOM 오류, 결재를 미룬 사람 등 기업 업무의 불편한 진실을 챗GPT와 같은 생성형 AI가 내부고발자 역할을 하지 않을까 생각된다. 즉, 생성형 AI는 나를 도와주는 비서일 뿐만 아니라 감시자 역할도 할 수 있을 거라 예상된다.  두려움의 대상이라고 생각해도 나쁘지 않다. 시스템으로 의도하지 않은 업무상 오류를 바로잡을 수 있는 절호의 기회이기 때문이다.  기업 내부의 이슈로는 부서간, 개인간의 이해관계가 있다. 각자 자기 일을 잘 하게 되면 무슨 문제가 있으랴.    ▲ PLM과 챗GPT의 활용방안(Map by 류용효) (클릭하시면 큰 이미지로 볼 수 있습니다.)   ■ 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.

앤시스코리아가 6월 20일 기업 리더십 및 임원진을 위한 ‘앤시스 이규제큐티브 포럼 2024’를 개최했다고 밝혔다. 이번 포럼은 다양한 산업 비즈니스의 성공적인 혁신과 미래 발전을 위해 기업의 경영자 및 임원진이 리더십과 통찰력을 발휘해 비즈니스 생태계를 더욱 발전시킬 새로운 전략을 함께 모색하고자 마련됐다. 행사에는 앤시스의 아제이 고팔(Ajei Gopal) CEO와 앤시스코리아 박주일 대표를 비롯한 앤시스 그룹 주요 임원진과 고객사 임원진 등 90여 명이 참석했다.   ▲ 앤시스 아제이 고팔 CEO   박주일 대표의 환영사로 시작된 이번 포럼은 아제이 고팔 CEO의 스피치와 앤시스 존 리(John Lee) 전자 및 반도체 사업 부문 총괄 부사장의 ‘실리콘이 시스템 성공을 가능하게 하는 방법’ 발표가 진행됐다. 주요 발표 후에는 ‘미래 산업을 주도하는 혁신’을 주제로 패널 토론이 진행되어 데이터 공학과 인공지능 등 미래 산업을 이끌어갈 핵심 주제에 대한 심도 있는 논의가 이루어졌으며, 패널토론 참석자들은 AI 트렌드 및 산업에 대한 다양한 경험과 아이디어를 교류하는 시간을 가졌다. 박주일 대표는 “다양한 산업의 기술 리더 분들의 참여와 지혜로 새로운 전략과 혁신적인 아이디어를 공유할 수 있는 소중한 자리를 마련하게 되어 기쁘다”면서, “앤시스는 우리가 직면한 현안과 기회에 대한 비전을 나누어 시뮬레이션의 기술 진보와 비전을 끊임없이 제시해 나갈 것”이라고 밝혔다.

다쏘시스템이 재규어랜드로버(JLR)와의 장기 전략적 파트너십을 5년 연장했다고 발표했다.   재규어랜드로버는 자사의 모든 최신 고급 차량의 엔드 투 엔드 개발을 지원하기 위해 다쏘시스템의 3D익스피리언스 플랫폼을 전 세계적으로 배포하고 있다. 앞으로 재규어랜드로버의 모든 비즈니스 영역과 공급업체에 걸쳐 1만 8000명 이상의 사용자가 다쏘시스템의 버추얼 트윈을 활용해 효율성을 높이고, 생산 관리 향상, 시간 절약, 폐기물 및 비용 절감을 실현할 것으로 보인다. 앞으로 재규어랜드로버는 온 프레미스와 클라우드 전반에 걸쳐 다쏘시스템 3D익스피리언스 플랫폼에 기반한 다쏘시스템의 운송 및 모빌리티 산업 솔루션 경험 포트폴리오 전체를 활용할 예정이다. 아울러 아이디어, 요구사항, 모델 기반 시스템 엔지니어링, 컴퓨터 지원 설계 및 제조 등 가치 사슬 분야의 모든 팀이 하나의 협업 가상 환경에서 연결되어 지식과 노하우를 활용할 수 있게 됐다. 다쏘시스템은 “이를 통해 재규어랜드로버의 전 직원이 고품질 작업에 집중할 수 있을 뿐만 아니라 역량을 더욱 강화할 수 있는 가치를 창출할 것”으로 기대하고 있다. 다쏘시스템의 로렌스 몬타나리(Laurence Montanari) 자동차 및 모빌리티 산업 부문 부사장은 “JLR은 하드웨어와 소프트웨어 개발을 원활히 통합하는 소프트웨어 정의 차량 제작을 위해 3D익스피리언스 플랫폼을 활용하여 버추얼 트윈 경험을 향상하고 있다. 이러한 시스템 엔지니어링 접근 방식은 다양한 분야를 연결하고 통합함으로써 차량 개발을 주도하고 럭셔리 브랜드가 요구하는 우수성을 보장한다”면서, “다쏘시스템의 서비스형 소프트웨어 솔루션은 JLR에 개선된 민첩성을 제공하고 최신 기술을 필요에 따라 사용할 수 있게 지원한다. 5년 간의 파트너십 이후 다쏘시스템과 JLR은 엔지니어링과 제조를 넘어선 새로운 협업의 시대를 열고 있다. 양사는 이 같은 신뢰할 수 있는 협력관계를 기반으로 JLR과 그 생태계가 마주한 과제를 해결하기 위해 긴밀히 협력하고 있다”고 전했다.  

책임감 있는 AI 활용 및 향상된 모델 훈련   이번 호에서는 AI를 활용해 실시간 3D 콘텐츠를 제작하는 툴인 유니티 뮤즈(Unity Muse)에서 결과를 생성하는 방법을 설명하고, 유니티의 모델 훈련 방법론 및 새로운 파운데이션 모델 두 가지를 소개한다. ■ 자료 제공 : 유니티 코리아   유니티 뮤즈는 AI 기능을 바탕으로 사용자의 탐색, 아이디어 구상 및 반복 작업을 지원한다. 이러한 기능 중 텍스처(Texture) 및 스프라이트(Sprite)는 자연어와 시각적 입력을 애셋으로 변환한다. 뮤즈를 통해 유니티 에디터에 AI를 도입하면 아이디어를 가시적인 콘텐츠로 빠르게 구현할 수 있으므로, 비전을 더 손쉽게 실현할 수 있다. 프로젝트에 사용 가능한 실제 결과물로 변환할 수 있는 텍스트 프롬프트와 패턴, 색, 스케치를 이용하여 조정 및 반복 작업도 가능하다. 유니티는 뮤즈를 통한 스프라이트 및 텍스트 생성의 기반이 되는 AI 모델에 대한 훈련 기법을 혁신하는데 노력을 들였다. 이를 통해 안전하고 책임감 있으며 다른 크리에이터의 저작권을 존중하는 유용한 결과물을 제공하고자 한다.   AI 모델 훈련 유니티는 뮤즈의 텍스처 및 스프라이트 기능을 선보이면서, 유니티가 보유하거나 라이선스를 받은 독점 데이터를 기반으로 처음부터 훈련을 받은 두 가지 맞춤형 확산 모델도 개발하고 있다.   자체 콘텐츠 라이브러리 확장 데이터 증강은 유니티가 데이터 세트의 스케일과 다양성을 높이기 위해 사용하는 핵심 기술 중 하나로, 이 기술을 이용하여 유니티는 보유 중인 원본 데이터 샘플에서 많은 변형(variation)을 생성할 수 있다. 이러한 역량으로 훈련 세트를 더 풍부하게 만들 수 있으며, 모델이 한정된 샘플을 기반으로 일반화를 수행하는 기능을 향상할 수 있다. 아울러 지오메트리 변환, 색 공간 조정, 노이즈 삽입, 스테이블 디퓨전(Stable Diffusion) 같은 생성형 모델을 통한 샘플 배리에이션 등의 기법을 사용해 데이터 세트를 종합적으로 확장한다. 최근 스테이블 디퓨전과 관련하여, 본래 인터넷에서 수집된 데이터를 기반으로 훈련된 모델이라는 이유로 윤리적인 면에서 우려가 발생한 바 있다. 유니티는 뮤즈의 텍스처 및 스프라이트 기능을 제작하면서, 자체적으로 소유하고 책임감 있게 선별한 원본 데이터 세트를 기반으로 잠재적 확산 모델 아키텍처를 처음부터 훈련하는 방식을 통해 사전 훈련된 모델에 대한 의존도를 낮췄다. 데이터 증강 기법의 일부로 스테이블 디퓨전 모델의 사용을 최소로 제한해 안전하게 사용함으로써, 유니티가 보유한 원본 애셋 라이브러리를 강력하고 다양한 결과물의 저장소로 확장할 수 있었다. 이러한 결과물은 고유하고 독창적이며, 저작권을 가진 어떠한 아트 스타일도 포함하지 않는다. 유니티는 또한 추가로 완화 조치를 적용했으며, 뮤즈의 텍스처 및 스프라이트 기능에 사용되는 유니티의 잠재적 확산 모델을 위한 훈련 데이터 세트는 인터넷에서 수집된 어떤 데이터도 포함하지 않는다. 다음은 앞에서 설명한 증강 기법을 통해 확장되는 콘텐츠의 예시이다.   그림 1   <그림 1>은 원본 데이터 샘플(왼쪽 상단)과 복합적인 증강 기법으로 얻은 합성 배리에이션이다. 두 가지 모두 노이즈 기반(색 공간 조정, 위에서 아래로) 및 생성 기반(왼쪽에서 오른쪽으로)이다. 기존 데이터를 증강한 이후에도 여전히 다양한 소재에서 채워야 하는 부분이 있었다. 이 작업을 위해 행동에 의미 있는 변화가 나타날 때까지 자체 콘텐츠로 스테이블 디퓨전을 훈련시켰다. 또한 이러한 파생 모델을 사용하여 사전 필터링된 소재 목록으로 완전히 새로운 합성 데이터를 만들었다.(그림 2)   그림 2   실제 인력에 의한 검토와 LLM(대규모 언어 모델)을 사용하는 자동화된 추가 필터링을 이러한 소재 목록에 모두 적용함으로써, 유니티의 가이드 원칙을 위반하고 인식 가능한 아트 스타일, 저작권이 있는 머티리얼, 잠재적으로 유해한 콘텐츠가 전혀 포함되지 않은 데이터 세트를 만들겠다는 유니티의 목표에 맞지 않는 합성 이미지가 생성될 가능성을 차단했다. 그 결과 증강되고 완전한 대규모의 합성 이미지 데이터 세트 두 개가 만들어졌고, 여기에는 원치 않는 콘셉트가 포함되지 않았다는 확신이 있었다. 하지만 그러한 확신에도 불구하고, 유니티는 더 많은 필터링을 추가해 모델의 안전성을 보장하고자 했다.   안전하고 유용한 결과물을 위한 추가 데이터 필터링 가장 중요한 사항은 안전 및 개인정보와 부정적인 영향 없이 사용자를 지원하는 툴의 제공이었으므로, 유니티는 추가 데이터 세트 필터링을 위한 별도의 분류기 모델을 개발했다. 이 모델을 사용한 결과, 데이터 세트에 포함된 모든 콘텐츠가 유니티의 AI 원칙에 명시된 표준을 충족하고 추가적인 이미지 품질 검사를 통과할 수 있었다. 리뷰어 모델은 합성 이미지에서 다음 사항을 식별하는 역할을 함께 담당했다. 인식 가능한 사람의 특징이 포함되어 있지 않음 일반적이지 않은 어떤 아트 스타일도 포함되어 있지 않음 어떤 IP 캐릭터나 로고도 포함되어 있지 않음 허용될 수 있는 수준의 품질을 갖추고 있음 4개의 리뷰어 모델이 요구하는 신뢰도 높은 임계 수준을 하나라도 통과하지 못하는 이미지는 데이터 세트에서 폐기되었다. 가장 높은 신뢰도를 보이는 이미지만 필터를 통과해 최종 데이터 세트에 합류할 수 있도록 철저하게 주의를 기울이며, 모델의 결격 사유를 엄격하게 평가했다.   모델 소개 유니티의 유나이트 이벤트에서 뮤즈의 텍스처 및 스프라이트 기능에 대한 얼리 액세스가 발표되었다. 이러한 툴을 지원하는 모델의 첫 번째 반복 수정을 내부적으로 ‘Photo-Real-Unity-Texture-1’ 및 ‘Photo-Real-Unity-Sprite-1’이라고 한다. 이는 스타일화에 대한 기초적인 이해만 갖추도록 설계된 모델로, 주로 포토리얼리즘에 집중되어 있다. 모델을 프로젝트의 기존 스타일에 맞게 가이드하고 싶다면, 유니티의 스타일 훈련 시스템에 약간의 고유 레퍼런스 애셋을 제공하여 콘텐츠를 특정 아트 스타일로 생성하는 방법을 모델에 학습시킬 수 있다. 그렇게 하면 결과물 가이드를 위해 메인 모델과 함께 작동하는 소규모의 후속 모델이 생성된다. 이 소규모 후속 모델은 훈련 담당자나 그 조직에 공개되지 않으며, 유니티는 메인 모델 훈련에 이 콘텐츠를 사용하지 않는다. 포토리얼리즘에 중점을 두는 모델이기 때문에 유니티는 메인 모델을 수많은 다양한 스타일로 훈련시킬 필요가 없었다. 이 아키텍처를 통해 더 손쉽게 책임감 있는 AI를 향한 유니티의 약속을 지키면서 메인 모델을 훈련시킬 수 있으며, 크리에이터가 아트 수준을 더 세부적으로 제어하도록 할 수 있다. 이러한 모델은 시작에 불과하다. 뮤즈의 스마트한 역량은 점점 더 향상되어 더 나은 결과물로 이어질 것이며, 유니티는 그러한 과정에서 모델 향상 로드맵을 통해 모델을 더 높은 완성도로 이끈다는 비전을 내세운다.   Photo-Real-Unity-Texture-1 로드맵 유니티의 텍스처 모델은 모든 분야에서 유용하게 쓰일 수 있다. 큰 규모의 콘셉트를 인식하고 있으며, 이러한 모델을 통해 서로 관련이 없는 여러 콘셉트를 자유롭게 혼합하고 <그림 3>에서 볼 수 있는 ‘메탈 슬라임’ 또는 ‘파란색 크리스탈 유리 암석’ 같은 결과물을 구현할 수 있다.   그림 3   이 모델이 현 단계에서 유용하기는 하지만, 다양한 프롬프트와 입력 방식에 어떻게 반응하는지 학습해 본 결과 단일 단어로 구성된 프롬프트로는 고급 머티리얼 콘셉트를 구현하기 어려울 수도 있다는 사실을 알 수 있었다. 원하는 목표에 맞게 모델을 가이드하는 데에 도움이 되는 방법이 더 있지만, 유니티는 기본 프롬프트의 정확도를 높이고 새로운 모델 가이드 방법을 추가하는 방식으로 사용자가 모델을 계속 더 자유롭게 제어할 수 있도록 할 예정이다. 앞으로 컬러 피커, 추가적인 사전 제작 가이드 패턴, 자체 가이드 패턴 생성을 위한 개선된 시스템 및 기타 새로운 시각적 입력 방법을 추가할 계획이며, 이 모든 사항은 현재 실험 단계에 있다. Photo-Real-Unity-Texture-1에서 유니티가 가장 중점을 두는 사항은 성과가 저조한 머티리얼 콘셉트를 식별하고 모델 재훈련을 자주 실행하여 전반적인 품질과 기능을 지속적으로 개선하는 것이다. 툴 내 평가 시스템을 통한 사용자의 피드백은 유니티가 모델 기능에서 취약점을 식별하여 더 나은 툴을 만드는 데 도움이 된다. 유니티는 빈도 높은 훈련 일정으로 모델을 빠르게 개선하고, 모델의 사용성을 높이며, 머티리얼 분야에 대한 지식을 축적하고 있다.   Photo-Real-Unity-Sprite-1 로드맵 Photo-Real-Unity-Texture-1과 유사하게 유니티의 기본적인 스프라이트 모델은 전반적으로 유용하며 많은 콘셉트를 인식한다. 툴에 아직 빌트인 애니메이션 기능이 없기 때문에, 유니티는 초기에는 가장 흔하게 사용되는 정적 스프라이트 콘셉트의 품질을 극대화하는데 주력하기로 했다. 기본 모델의 원시 결과물을 <그림 4>에서 확인할 수 있다. 일반적인 사용 사례에서 이는 사용자 훈련 모델에 의해 특정 아트 스타일에 맞게 조정된다.   그림 4   정적 오브젝트는 이미 안정적이지만 유니티는 동물과 인간의 해부학적 정확도를 개선하기 위해 계속 노력하고 있다. 이러한 유형의 소재를 사용할 때 결과가 바람직할 수도 있지만, 사지가 늘어나거나 누락되는 경우 또는 안면이 왜곡되는 경우가 발생할 수도 있다. 이는 책임감 있는 AI 및 사용 가능한 데이터에 대한 엄격한 제한을 지향하는 유니티의 조치에 따른 부작용이라고 할 수 있다. 유니티는 개인정보 보호와 안전을 중요하게 인지하고 있으며, 이로 인해 초기 얼리 액세스 릴리스에서 일부 소재의 품질이 완벽하지 않을 수 있다. 완전히 공백인 스프라이트가 생성될 수도 있으며, 이는 시각적 콘텐츠 검수 필터에 따른 결과이다. 유니티는 Photo-Real-Unity-Sprite-1의 초기 출시 버전에서는 출력 필터링에 관해 신중하게 접근하는 방향을 택했으며, 이로 인해 일부 아트 스타일의 경우 필터링에서 1종 오류가 발생할 수 있다. 유니티는 지속적으로 피드백을 수렴하고 콘텐츠 필터를 개선하면서 점차 제한을 완화할 계획이다. 유니티는 피드백을 수렴하고 책임감 있는 자세로 계속 더 많은 데이터를 소싱하면서 전반적으로 모든 소재의 품질이 빠르게 향상될 것으로 기대하고 있다. Photo-Real-Unity-Sprite-1에도 Photo-Real-Unity-Texture-1과 유사하게 철저한 훈련 일정이 적용될 예정이다.   AI 강화 개발을 향한 유니티의 행보 뮤즈는 책임감 있고 타인의 독창성을 존중하는 방식으로 생성형 AI의 잠재력을 활용해 커뮤니티에 더 강력한 창작물 제어 권한을 부여하려는 유니티의 첫걸음이다. 이 제품은 사용자를 우선으로 고려하여 제작되었으며, 유니티는 사용자의 피드백을 기반으로 변화와 개선을 진행할 예정이다. 유니티는 콘텐츠 제작 업계에서 생성형 AI가 가지는 잠재적 영향력을 인식하며 중요하게 다루고 있다. 이 툴은 크리에이터를 대체하는 것이 아닌, 크리에이터의 역량을 강화하기 위한 노력의 결과이다. 유니티는 크리에이터가 더 많아질수록 세상은 더 매력적인 곳이 될 것이라고 믿으며, 뮤즈와 이를 지원하는 모델을 통해 이러한 사명을 계속 이어간다는 비전을 제시한다.     ■ 기사 내용은 PDF로도 제공됩니다.

어도비가 포토샵(Adobe Photoshop)과 파이어플라이(Adobe Firefly) 웹 애플리케이션에서 사용할 수 있는 크리에이티브 생성형 AI 모델군의 후속 릴리스인 어도비 파이어플라이 이미지 3 파운데이션 모델(Adobe Firefly Image 3 Foundation Model)의 베타 버전을 공개했다. 파이어플라이 이미지 3는 고품질 이미지 생성, 프롬프트 이해도 향상, 더 높은 수준의 디테일 및 다양성, 빠른 아이디어 구상과 표현에서의 개선 등 결과의 품질과 다양한 표현에 있어 고도화된 역량을 제공한다. 어도비의 최신 파이어플라이 모델은 향상된 조명, 위치, 디테일, 텍스트 표시 등을 통해 이전보다 한층 더 사실적인 품질을 제공한다. 사용자는 파이어플라이 웹 앱 내 텍스트를 이미지로(Text to Image) 모듈의 구조 참조 및 스타일 참조(Structure Reference and Style Reference)와 이미지의 종횡비를 확장하고 변경할 수 있는 생성형 채우기(Generative Fill) 모듈의 새로운 생성형 확장(Generative Expand) 기능에 파이어플라이 이미지 3를 활용할 수 있다. 파이어플라이는 2023년 3월 첫 선을 보인 이래 전 세계적으로 70억 개 이상의 이미지를 생성하는 데 사용됐다. 포토샵, 어도비 익스프레스(Adobe Express), 일러스트레이터(Adobe Illustrator), 서브스턴스 3D(Adobe Substance 3D), 어도비 인디자인(Adobe InDesign) 등 고객이 평소 사용하는 워크플로에 직접 통합할 수 있도록 구축된 파이어플라이는 1년 만에 이미지 편집, 템플릿 제작, 벡터 디자인, 3D 텍스처링 및 스테이징 작업을 눈에 띄게 개선시켰다. 또한 어도비는 새로운 파운데이션 모델을 출시할 때마다 크리에이터 커뮤니티에 베타 버전으로 기술을 공개하고 피드백을 통해 결과물을 발전시키고 있다.     파이어플라이 이미지3는 크리에이터가 비전을 보다 쉽게 실현하고 더 생산적으로 작업하며 고품질의 디테일한 이미지를 생성할 수 있도록 빠른 아이디어 구상과 실험을 위한 역량을 제공한다. 새로운 스타일 엔진으로 구동되는 파이어플라이 이미지 3의 자동 스타일화 역량 기능은 더욱 다양한 고품질 결과물을 제공해, 사용자가 생성하는 이미지의 스타일을 더 잘 제어하고 개인화할 수 있도록 지원한다. 새로운 스타일, 색상, 배경, 피사체 포즈 등을 포함한 이미지 결과물은 사용자에게 창의적인 아이디어를 위한 다양한 옵션을 제공하고 보다 빠른 탐색을 돕는다. 파이어플라이 이미지 3로 구동되는 구조 참조 및 스타일 참조 역량은 강화된 사용자 제어와 최첨단 시각적 품질을 제공한다. 사용자는 구조 참조를 통해 참조 이미지의 구조를 반영한 새로운 이미지를 빠르게 생성할 수 있어서, 완벽한 프롬프트를 작성해야 하는 시행착오를 줄일 수 있다. 또한 고품질의 결과물을 제공하는 스타일 참조를 활용해 맞춤화된 스타일을 생성할 수 있다. 이러한 역량의 결합으로 사용자는 이미지 구조와 스타일을 모두 참조해 아이디어를 빠르게 실현할 수 있다. 파이어플라이 이미지 3는 개선된 조명 및 포지션 등을 통해 더 높은 차원의 사진 품질을 제공한다. 특히 디테일한 이목구비와 다양한 분위기 및 표정을 반영한 인물 렌더링과 복잡한 구조물 및 군중을 표현하는 데 상당히 개선된 모습을 볼 수 있다. 또한 파이어플라이 이미지 3는 텍스트 프롬프트와 장면에 대한 이해도가 향상되어, 길고 복잡한 프롬프트를 정확하게 반영하고 보다 풍부한 디테일이 담긴 이미지를 생성할 수 있다. 이외에도 파이어플라이 이미지 3는 아이콘, 로고, 래스터 이미지 및 라인 아트를 빠르게 만들 수 있도록 결과물의 일러스트레이션도 대폭 개선했다.   어도비 파이어플라이는 어도비 스톡(Adobe Stock)과 같은 라이선스 콘텐츠를 학습했으며, 저작권 및 상표, 로고와 같은 다른 지적재산(IP)을 침해하지 않는 상업적 용도의 콘텐츠를 생성하도록 설계됐다. 베타 버전으로 제공되는 파이어플라이 이미지 3는 어도비 애플리케이션의 파이어플라이 구동 생성 크레딧(Generative Credits)을 포함한 유료 구독 플랜 또는 무료로 파이어플라이 웹 앱에서 이용 가능하다. 어도비의 일라이 그린필드(Ely Greenfield) 디지털 미디어 부문 최고기술책임자는 “1년여 만에 수백만 명의 크리에이터가 매일 아이디어를 구상하기 위해 사용하는 이미지 생성 툴로 자리잡은 파이어플라이는 아직 시작 단계에 불과하다”면서, “어도비는 이미지 3 파운데이션 모델을 통해 계속해서 최첨단 기술을 발전시키고 있다. 이 가운데 크리에이티브 커뮤니티는 이번 베타 버전을 활용해 무궁무진한 가능성을 발휘할 것으로 기대된다”고 말했다.

한국에이브이엘은 4월 23일∼26일 서울 코엑스에서 열리는 ‘제37회 세계 전기자동차 학술대회 및 전시회(EVS37)에 참가한다고 밝혔다. 세계전기자동차협회(WEVA)와 아시아태평양전기자동차협회(EVAAP)가 주최하고 한국자동차공학회(KSAE)가 주관하는 EVS37은 ‘전기차 분야의 올림픽’으로 불리는 행사로, 올해에는 40여 개국에서 155개 기업과 전문가 1500명이 참가해 완성차, 배터리, 충전, 부품, 소재, 장비 등 분야의 제품과 기술을 소개한다. 한국에이브이엘은 미래 모빌리티 산업 관련 연구개발, 시뮬레이션 및 시험평가 분야의 기술 전문기업으로서 자사의 핵심 기술력을 선보일 계획이다. 또한 AVL 본사의 연구진도 이번 학술대회에 참가해 ▲BMS(배터리 관리 시스템) 캘리브레이션 최적화를 위한 아키텍처 구축 방법론 ▲상용 전기차 전동화의 성공 요인 - 메가와트 충전과 같은 전동화 혁신 기술과 성과를 공유할 예정이다. 행사 기간 한국에이브이엘의 전시회 공간에서도 ▲AVL 인버터 테스트 솔루션 ▲충전 및 인버터 개발을 위한 AVL 엔지니어링 솔루션 ▲AVL 배터리 관리 시스템 ▲AVL E-모빌리티 시뮬레이션 솔루션을 소개할 예정이다. 한국에이브이엘의 게놋 그라서(Gernot Grasser) 대표는 “AVL은 아이디어 단계부터 양산 과정에 이르기까지 종합적인 접근 방식을 통해 새로운 동력 시스템 개발과 환경 개선 요구사항을 포함한 전반적인 차량 아키텍처 및 플랫폼 솔루션을 제공한다”면서, “이번 EVS37 학술대회 및 전시회 참가는 현재 고객이 당면한 전기차 관련 현안을 논의할 수 있는 소통의 장은 물론, 한국에이브이엘의 기술 경쟁력과 혁신을 선보이는 기회가 될 것”이라고 전했다.  

캐디안은 다양한 플랫폼을 지원하는 ‘아레스캐드 2025(AresCAD 2025)’를 출시했다고 밝혔다. 독일의 그래버트(Graebert)가 개발하고 캐디안이 공급하는 이 도면설계 툴은 PC·모바일·클라우드 등 여러 환경에서 사용 가능하다.   아레스캐드 2025는 파일 오픈 속도가 평균 40% 향상되었고, 줌(zoom) 기능도 22% 개선되었다. 또한, 오픈AI(OpenAI)의 기술을 기반으로 하는 ARES AI(A3) 도우미가 포함되어 있어 계산 수행 및 기술적 질문에 대한 답변도 가능하며, 맥OS 사용자를 위한 인쇄창 UI도 윈도우와 동일하게 최적화되었다. ARES AI(A3)는 다양한 언어로 소통을 가능하게 하며, 다른 사용자가 아레스 캐드로 마이그레이션할 경우 익숙하지 않은 기능을 쉽게 찾고 트리니티 협업 기능이나 BIM 기능을 배울 수 있도록 돕는다. 이 외에도 시빌 3D(Civil 3D) 지원, DWG 파일을 DGN 포맷으로 내보내기, 테이블 자동 채우기(auto-fill) 기능, 동적 블록(dynamic block) 라이브러리 강화 등이 추가되어 사용자의 편의성을 개선했으며, 치수 스타일 관리자 UI 개선, 3D 비주얼 스타일 지원 및 BIM 도면이 개선되었다.     데스크톱 버전인 아레스 커맨더(ARES Commander), 클라우드 버전인 아레스 쿠도(ARES Kudo), 모바일 버전인 아레스 터치(ARES Touch) 등 세 가지 플랫폼을 지원하는 ‘삼위일체(trinity)’ 개념의 아레스캐드 2025 버전은 태그 지정, QR 코드, 클라우드 필드 등 협업 기능이 강화되었기 때문에, 도면 설계자와 관리자는 도면 설계 및 아이디어 공유 등 협업 과정을 효과적으로 진행할 수 있다. 웹 기반 CAD인 아레스 쿠도는 리본 메뉴  인터페이스를 도입했으며, 모바일 기반의 아레스 터치는 향상된 편집 기능을 통해 사용자 편의성이 강화되었다. 캐디안은 “국내외에서 900만 명 이상의 설계자가 사용하는 아레스캐드는 오토캐드의 DWG와 호환되며, 글로벌 설치 라이선스 수에서도 높은 점유율을 보이고 있다”면서, “아레스캐드는 연간 라이선스 뿐만 아니라 영구 라이선스와 네트워크 라이선스도 제공하기 때문에 사용자에게 선택의 폭을 제공하면서 라이선스 부담을 줄일 수 있다”고 전했다.