‘플랜트 조선 컨퍼런스 2026’이 지난 2월 5일 백범김구기념관에서 진행됐다. ‘DX와 AI로 재도약하는 플랜트·조선의 미래’를 주제로 한 이번 콘퍼런스는 플랜트 및 조선 산업의 지형을 바꾸는 기술의 진화와 혁신 방향을 집중 조명했다. 또한, 기술 융합을 통해 근본적인 산업 혁신과 미래 생존을 추구하기 위한 청사진을 제시했다. ■ 정수진 편집장     ■ 같이 보기 : [포커스] 플랜트 조선 컨퍼런스 2026, DX 및 AI가 이끄는 기술 진화와 산업 혁신 짚다   플랜트 조선 컨퍼런스 2026에서는 ‘디지털 엔지니어링 & 컨스트럭션’과 ‘스마트 선박 & 스마트 기술’을 주제로 한 두 개의 트랙에서 다양한 발표가 진행됐다.   플랜트 산업의 DX·AI 프로젝트 실행 전략과 사례 디지털 엔지니어링 & 컨스트럭션 트랙에서는 헥사곤ALI의 남궁진 전무가 ‘플랜트·조선 프로젝트 Execution 중심의 DX 전략’을 주제로, 디자인 및 엔지니어링 이후 프로젝트의 실행 단계에서 실제 성과를 만들어내는 디지털 전환 전략에 대해 발표했다. 남궁진 전무는 실행 데이터를 중심으로 한 시스템 아키텍처와 함께 디지털 트윈, 3D·4D, AI 기반 지능형 자동화 기술을 현장에 적용한 데모를 통해 프로젝트 실행 효율 개선 방안을 소개했다.   ▲ 헥사곤ALI 남궁진 전무   휴엔시스템의 최재득 대표는 ‘DX·AI 시대의 플랜트 토목 설계 자동화’ 발표에서 DX와 AI 관점에서 플랜트 토목 자동화를 정의하고, PEDAS 생태계 구성 요소와 설루션 개발 과정을 소개했다. 또한 성공적인 DX/AI 준비를 위해 데이터, 3D 그래픽, 상세 도면, 물량 산출 등을 포함하는 PEDAS-Cloud 통합 전략을 설명했다.   ▲ 휴엔시스템 최재득 대표   테크노빌트의 손창영 지사장은 ‘AI기반 E2E 대형 플랜트 건설 프로젝트 관리 기술 적용 사례’ 발표에서 대규모 LNG 플랜트 등의 건설 현장에서 테크노빌트의 ‘디지털 컨스트럭션 블록(Digital Construction Block)’ 개념이 AI 기술과 어떻게 접목되었는지에 대해 설명했다. 그리고, 이를 통해 EPC 전반의 계획 및 정보 공유 차원에서 가치 사슬의 효율화를 달성한 실제 사례를 공유했다.   ▲ 테크노빌트 손창영 지사장   LG CNS의 이봉헌 화학사업담당은 ‘플랜트 산업의 패러다임 전환 : AX 적용 사례 소개’를 주제로 한 발표에서 플랜트 산업에서 AI의 활용은 생산, 안전, 정비 전반의 구조적 전환을 요구한다는 점을 강조했다. 또한, 디지털 전환을 통해 현장 데이터를 안정적으로 수립 및 표준화하는 동시에, AX 로봇 기술을 통해 의사결정과 운영 효율을 고도화하는 구체적인 방법을 소개했다.   ▲ LG CNS 이봉헌 화학사업담당   HD현대오일뱅크의 정준의 팀장은 ‘정유 산업의 AI 도입과 활용’ 발표를 통해 팔란티어 파운드리를 기반으로 추진 중인 전사적 DX/AX 사례를 소개했다. 정준의 팀장은 플랜트 현장에 흩어진 수많은 데이터를 연결 및 공유하여 밸류체인 전체를 통합하고, 궁극적으로 최적화된 자동화를 이루기 위한 현장의 경험을 공유했다.   ▲ HD현대오일뱅크 정준의 팀장   조선/해운 AI 혁신과 DX 전략 및 트렌드 스마트 선박 & 스마트 기술 트랙에서 한국선급의 장화섭 센터장은 ‘조선해운분야 AI 에이전트 기술 개발’ 발표를 통해 조선/해운산업에서 디지털 전환 및 인공지능 전환의 개념을 소개했다. 또한 비전, 시그널, 디지털 트윈을 활용한 실제 적용 사례와 함께 생성형 AI를 기반으로 한 조선/해운 분야의 AI 에이전트 서비스 사례를 설명했다.   ▲ 한국선급 장화섭 센터장   소프트힐스의 이찬영 Core R&D 팀장은 ‘플랜트 조선 산업을 위한 대용량 3D 시각화 설루션 및 적용사례 소개’를 주제로 한 발표에서, 플랜트 및 조선 대형 프로젝트에서 신속한 의사소통과 협업을 돕는 3D 모델 시각화 설루션인 ‘VIZZARDX’의 차별화된 기능과 성능을 소개하고, 현장 중심의 성공적인 디지털 전환 사례를 공유했다.   ▲ 소프트힐스 이찬영 Core R&D 팀장   선박해양플랜트연구소의 임근태 센터장은 ‘AI 자율운항선박 기술 동향 : From Bridge to ROC’ 발표에서 자율운항선박 기술개발사업을 통해 울산 고늘지구에 구축되고 있는 자율운항선박 성능실증센터를 소개했다. 그리고, 선박의 실증 및 성능 평가를 위해 마련된 육상 및 해상 테스트베드 인프라의 현황을 전했다.   ▲ 선박해양플랜트연구소 임근태 센터장   현대엔지니어링의 김동원 책임은 ‘토목 건축 구조 설계 자동화 사례와 AI 물량 예측 시스템 연구 방향’에 대해 발표하면서, Piperack, Shelter, Module 등 규칙에 기반한 토목·건축 구조 설계 자동화 시스템 개발 사례를 소재했다. 나아가 설계 자동화를 넘어 구조 최적화로 가기 위한 AI 기반 구조 시스템 데이터 학습과 물량 예측에 대한 향후 연구 방향을 제안했다.   ▲ 현대엔지니어링 김동원 책임   국제사이버보안인증협회의 공병철 회장은 ‘AI 선박 및 스마트 해운의 사이버 안전 대응 전략’을 주제로 한 발표를 통해 2024년 7월부터 건조 계약된 신조선에 의무 적용되는 국제선급협회(IACS)의 사이버 복원력 공통규칙을 설명했다. 또한 ISO, IMO 등 국제기구가 요구하는 선박 사이버 복원력에 발맞춰, 해운 선사와 항만 기관이 해사 사이버 보안을 강화하고 사이버 안전관리체계를 효과적으로 구현하기 위한 전략을 제시했다.   ▲ 국제사이버보안인증협회 공병철 회장

트렌드에서 얻은 것 No. 28   ▲ 클릭하면 큰 그림으로 볼 수 있습니다.   21세기 제조 산업은 기계적 자동화를 넘어 데이터와 인공지능(AI)이 설계, 생산, 운영의 전 과정을 주도하는 지능형 시대로 진입하고 있다. 2025년을 기점으로 인공지능은 생산성을 보조하는 도구의 단계에서 벗어나, 엔지니어링의 근간을 재정의하는 ‘AI 네이티브(AI-native)’ 환경의 핵심 인프라로 자리 잡았다. 과거의 제조 방식이 숙련공의 경험과 직관에 의존하는 결정론적(deterministic) 방식이었다면, 미래의 스마트 엔지니어링은 방대한 산업 데이터를 기반으로 최적의 의사결정을 자율 수행하는 확률론적(probabilistic) 방식으로 전환되고 있다. 이번호 칼럼에서는 글로벌 선도 기업의 실무 적용 사례를 통해 2026년 제조업이 나아가야 할 방향을 알아보고자 한다.   스마트 엔지니어링의 역사적 진화와 패러다임의 전환 스마트 엔지니어링의 역사는 물리적 모델을 디지털 공간으로 옮기려는 지속적인 노력의 산물이다. 1990년대 초반, 보잉은 777 기종의 개발 과정에서 CAD를 활용한 디지털 목업(DMU) 기술을 도입하며 설계 혁신을 시작했다. 이는 종이 도면 없이 항공기 전체를 3D 상에서 검증한 최초의 사례로 기록된다. 이후 2010년대에 들어서며 에어버스 A350의 사례와 같이 설계 리뷰 전 과정이 디지털화되었고, 2020년대에 이르러서는 복제를 넘어 물리적 대상과 실시간으로 데이터를 주고받는 디지털 트윈(digital twin) 기술이 성숙기에 접어들었다. 2025년부터 2026년 사이의 기술적 전향점은 이러한 디지털 트윈이 AI 네이티브 지능을 탑재하기 시작했다는 점이다. 이제 엔지니어링 업무의 30%를 차지하던 과거 데이터 검색 및 비부가가치 활동은 구체적인 사례가 공개되고 있지는 않지만, 시대의 흐름에 따라 서서히 생성형 AI와 검색 증강 생성(RAG) 기술로 대체되어 갈 것으로 보인다. 또한, 글로벌 기업의 끊임없는 연구로 인해 엔지니어는 반복적인 분석 대신 창의적인 문제 해결과 맥락적 의사결정에 집중하는 ‘코파일럿(co-pilot)’ 시대도 곧 맞이할 것으로 예상된다.     이러한 패러다임의 전환은 한국 제조업에도 시급한 과제다. 미국, 독일, 일본 등 주요 제조 강국과 비교할 때 한국의 제조업 부가가치율은 여전히 상대적으로 낮은 수준에 머물러 있으며, 대기업과 중소기업 간의 생산성 격차는 약 4배에 이른다. 고령화와 저출산으로 인한 노동력 감소, 근로시간 단축 등 제약 사항이 증가하는 상황에서 AI를 통한 제조 지능화는 선택이 아닌 생존을 위한 필수 전략으로 부상하고 있다.   제조 지능화를 위한 AI 핵심 활용 방안 및 기술 분석 제조 현장에서 AI를 실무에 적용하는 방식은 정보 추출부터 복잡한 공정 시뮬레이션 및 자율 제어에 이르기까지 넓은 영역을 포괄한다. 지능형 지식 검색 및 데이터 파이프라인 최적화는 엔지니어링 업무의 상당 부분은 과거의 기술 문서, 도면, 실험 데이터를 찾는 데 소요된다. 최근의 RAG(Retrieval Augmented Generation) 기술은 수십 년간 축적된 비정형 데이터(PDF, 엑셀, 문서)를 벡터 데이터베이스(vector DB)로 변환하여 자연어 질문에 답변하고 근거가 되는 출처를 명확히 제시함으로써 환각(hallucination) 문제를 해결하고 있다. 이는 글로벌 프로젝트에서 기술 문서의 실시간 번역과 용어 표준화를 지원하여 협업 효율을 극대화한다. 또한, 연구 프로세스 개선을 위해 데이터 파이프라인 중심의 자동화가 추진되고 있다. 기존의 실험 연구자가 수기로 기록하던 방식에서 벗어나 디지털화된 시료 분석과 제어 데이터를 클라우드 협업 환경에 통합함으로써, 연구 산출물의 재현성을 높이고 멘토링의 질을 개선하는 것이 핵심이다. 생성형 설계(generative design)와 제조 공법 인지는 엔지니어의 상상력을 정교한 설계안으로 구현하는 데 결정적인 역할을 한다. 설계자가 경량화, 강성 등 목표 조건과 재료, 제조 공법 등의 제약 조건을 입력하면 AI는 수백 가지의 대안을 생성한다. 특히 ‘제조 공법 인지(manufacturing-aware)’ 기능은 주조 공법 시 금형에서 제품이 빠져나올 수 있는 구배 각도를 자동 고려하거나 3축/5축 가공 시 공구가 접근할 수 없는 언더컷 형상을 배제하는 수준까지 진화했다. 일본의 니프코(Nifco)는 이를 활용해 전통적인 육각형 허니콤 구조를 넘어선 비정형 유기적 패턴을 설계함으로써 강성을 유지하면서도 재료 사용량을 획기적으로 절감하는 성과를 거두었다. 에이전틱 AI(agentic AI)와 자율적 프로세스 제어 부분을 살펴보면, 2026년의 주요 트렌드인 에이전틱 AI는 분석을 넘어 독립적으로 과업을 계획하고 실행하는 능력을 갖출 것이다. 기존의 AI가 ‘무엇이 잘못되었는가’를 알려주는 예측 도구였다면, 에이전틱 AI는 ‘어떻게 해결할 것인가’를 결정하고 실행한다.     인과관계 AI(causal AI)와 지식 조립 공장은 전통적인 머신러닝 모델은 데이터 간의 상관관계에 의존하기 때문에 ‘왜’라는 질문에 답하기 어렵고, 공정 환경이 변하면 모델이 붕괴되는 한계를 가진다. 이를 극복하기 위해 2026년에는 인과관계 AI가 제조업의 핵심 기술로 부상하고 있다. 인과관계 AI는 데이터 패턴 학습을 넘어 원인과 결과의 사슬을 규명한다. 예를 들어, 공장 내 배관의 결로 현상과 습도 데이터 사이에는 강한 상관관계가 존재하지만, 습도가 결로의 원인인지 혹은 그 반대인지를 명확히 정의하지 못하면 잘못된 설비 투자가 이루어질 수 있다. 인과관계 AI는 주다 펄(Judea Pearl)의 수학적 기초를 바탕으로 개입(intervention) 분석을 수행하여 ‘만약을 변경한다면은 어떻게 변할 것인가’라는 질문에 명확한 수치를 제공한다. 인하대학교 이창선 교수가 제시한 KAMG AI(Knowledge Assembly Factory) 개념은 AI가 스스로 모든 것을 만드는 것이 아니라, 인간 전문가가 설계한 ‘인과 지식 설계도(blueprint)’를 기반으로 AI가 지식을 조립하는 방식을 취한다. 이는 존재(entity), 속성(attribute), 관계(relation) 프레임워크를 통해 지식을 해부하고 표준화된 조립 공정을 거쳐 인과 예측 모델을 산출한다. 이 과정에서 엔지니어는 프로그래머가 아닌 시스템의 의미와 변수의 역할을 결정하는 ‘지식 설계자(architect)’로 거듭나게 된다. 데이터 거버넌스와 팔란티어 온톨로지(ontology) 전략의 핵심은, 제조 AI가 진정한 가치를 창출하기 위해서는 현장의 모든 데이터가 실시간으로 연결되는 ‘디지털 스레드(digital thread)’가 전제되어야 한다는 것이다. 팔란티어의 온톨로지 기술은 데이터 사일로(silo) 문제를 해결하고 기업의 전체 데이터 유니버스를 비즈니스 맥락으로 재구성하는 핵심 아키텍처를 제공한다. 온톨로지는 데이터를 분류하는 것을 넘어 업무, 조직, IT 시스템 간의 공통 언어를 제공한다. 팔란티어 파운드리는 기존 레거시 시스템(ERP, PLM, MES 등)의 데이터를 물리적으로 옮기지 않고 연결하며, 이를 객체(object)와 관계(link)로 모델링한다. 객체(entity) : 차량 모델, 부품, 공정, 설비, 고객 등 핵심 요소를 개체화한다. 속성(attribute) : 개체의 특징(온도, 압력, 재질, 작업 시간)을 정의한다. 관계(relationship) : ‘부품은 공정에서 사용된다’, ‘설계 변경은 생산에 영향을 준다’와 같은 업무적 연결을 구조화한다. 구축된 온톨로지 위에서 팔란티어의 AIP(Artificial Intelligence Platform)는 자연어 인터페이스를 통해 현장의 복잡한 상황을 분석하고 대응한다. 예를 들어, ‘5월 출하 지연 리스크를 요약해달라’는 명령에 대해 AI는 공급망, 재고, 생산 실적 데이터를 온톨로지 상에서 실시간으로 탐색하여 리스크의 원인을 파악하고, 대체 시나리오의 비용 효율을 시뮬레이션한 뒤 실행 승인을 요청한다. HD현대(전 현대중공업그룹)의 FOS(Future of Shipyard, 미래 첨단 조선소) 프로젝트는 2030년까지 세계 최초의 자율 운영 스마트 조선소를 구현하기 위해 팔란티어의 빅데이터 플랫폼인 ‘파운드리(Foundry)’를 도입하는 핵심적인 디지털 전환 사업이다. BMW는 팔란티어의 데이터 플랫폼인 파운드리를 도입하여 생산, 공급망 관리 및 품질 관리 시스템을 고도화하고 있다. 특히 팔란티어의 QMOS(Quality Management Operating System) 설루션을 통해 데이터 기반의 ‘제로 디펙트(zero defect, 무결점)’ 생산 환경을 구축하는 것이 핵심이다. 에어버스는 팔란티어의 파운드리 기술을 도입하여 항공기 제조 및 운항 데이터를 통합 관리하는 ‘스카이와이즈(Skywise)’ 플랫폼을 구축했다. 이를 통해 A350 인도 속도를 33% 향상시키고 운영 효율을 극대화하며, 데이터 기반의 의사결정 시스템을 혁신했다.   품질, 예지보전 및 에너지 최적화의 기술적 심화 AI가 제조 현장에 가져온 가장 직접적인 성과는 품질 비용 절감과 비가동 시간(downtime)의 최소화다. 현대트랜시스는 자체 개발한 AI 기반 품질 검사 시스템인 TADA(Transys Advanced Data Analytics) 스마트 설루션을 생산 현장에 적용하여, 기존 93% 수준이던 불량 검사 정확도를 99.9%까지 끌어올렸다. LG에너지솔루션은 AI 및 빅데이터 기술을 활용해 전 세계 생산 공장을 ‘지능형 스마트 팩토리’로 전환하고, 배터리 제조 품질과 생산 효율을 극대화하는 것을 AI 비전으로 삼고 있다. 특히, CDO 직속 AI 기술팀을 통해 공정 데이터를 분석하여 배터리 수명을 예측하고, 스마트 공장 기술을 적용하여 글로벌 생산 기지의 경쟁력을 강화하는 중책을 맡고 있다. 기존의 예지보전이 단일 센서의 임계치 모니터링에 의존했다면, 예지보전 2.0은 진동, 전류 파형, 소음, 온도를 동시에 분석하는 멀티모달(multi-modal) 방식을 취한다. AI는 고장 징후를 발견할 뿐만 아니라, ‘최근 3개월간의 패턴 분석 결과 내륜 손상이 의심되니 메뉴얼 45페이지의 베어링 교체 절차를 따르라’는 처방적 가이드를 생성형 AI를 통해 현장 작업자에게 즉시 전달한다. 포스코 광양제철소는 이를 연속 주조 설비에 적용하여 고장 예지 시스템을 성공적으로 구축했다. 탄소 배출 규제가 강화되는 가운데 AI는 에너지 사용량 예측과 최적화에 결정적인 역할을 한다. 슈나이더 일렉트릭은 예측 AI를 활용하여 산업 시설의 에너지 효율을 높이고 운영비를 절감하는 설루션을 제공하고 있으며, 한국그린데이터 등 국내 기업들도 AI 챗봇이 탑재된 운영 체제를 통해 제조업의 에너지 피크 관리와 전력 최적화를 지원하고 있다.   2026 글로벌 기술 트렌드 및 리더십의 우선순위 2026년은 AI가 ‘생산성 향상 도구’에서 ‘책임과 신뢰의 기반’으로 진화하는 해가 될 것이다. 딜로이트와 가트너 등의 보고서에 따르면 기업 리더들은 다음의 네 가지 영역에 집중해야 한다. 첫째, 에이전틱 리얼리티 체크(agentic reality check)이다. 챗봇 도입을 넘어 비즈니스 프로세스 자체를 재설계해야 한다. 보고서에 따르면 40%의 에이전틱 AI 프로젝트가 2027년까지 실패할 것으로 예상되는데, 이는 기술적 문제보다는 기존의 망가진 프로세스를 단순히 자동화하는 ‘자동화 함정’ 때문이라고 분석된다. 성공하는 기업은 엔드 투 엔드 프로세스 전체를 혁신하며 인간과 에이전트 팀을 오케스트레이션하는 모델을 채택하고 있다. 두 번째, 소버린 AI(sovereign AI)와 보안 거버넌스이다. 데이터 주권과 국가별 규제 대응이 중요해짐에 따라 소버린 AI 전략이 필수이다. 2026년에는 기업의 77%가 공급업체 선택 시 설루션의 원산지를 고려하며, 로컬 벤더를 중심으로 한 독립적인 AI 스택 구축이 확산될 것이다. 또한, 데이터 모델 오염(poisoning) 리스크에 대응하기 위한 예측적 OT 사이버 보안 체계 구축이 가속화될 전망이다. 세 번째, 피지컬 AI와 휴머노이드 로봇의 확산이다. 제조, 물류, 국방 분야를 중심으로 피지컬 AI의 도입이 급증하고 있다. 2026년에는 아시아-태평양 지역을 중심으로 피지컬 AI 채택률이 80%에 도달할 것으로 보이며, 이는 공장 내 정적인 자동화 설비를 대체하여 비정형 환경에서도 유연하게 대응하는 자율 운영 공장의 핵심 요소가 될 것이다. 네 번째, 지능형 컴플라이언스 및 표준화이다. 규제 당국 역시 AI를 활용하여 기업의 데이터를 실시간 모니터링하는 시대가 오고 있다. 이제 정기 감사에 대비하는 수준을 넘어, 시스템이 스스로 규정 위반 리스크를 예측하고 보고하는 ‘예측적 컴플라이언스’가 표준으로 자리 잡을 것이다.   실무자를 위한 실행 로드맵 스마트 엔지니어링을 위한 AI 활용은 더 이상 미래의 담론이 아닌 2026년 현재의 경영 핵심 과제다. 2026년은 지식 소유 자체가 무의미해지는 시점이며, AI가 생성한 결과물을 편집하고 맥락화하는 ‘아키텍트(architect)’ 능력이 엔지니어의 몸값을 결정짓게 될 것이다. 기업은 성공적인 AI 전환을 위해 다음의 3단계 로드맵을 고려해야 한다. 첫째, 지능형 설계 및 시뮬레이션 단계를 통해 아이디어를 가장 빠르게 현실화할 수 있는 데이터 환경을 구축해야 한다. 둘째, 스마트 생산 및 운영 단계를 통해 물리적 세계를 정밀하게 제어하고 최적화하는 디지털 스레드와 온톨로지 체계를 완성해야 한다. 셋째, 제품, 공장, 도시를 하나의 유기체로 연결하는 생태계 통합 단계로 나아가야 한다. AI는 도구가 아니라 설계–생산–운영 전반을 학습하고 최적화하는 ‘지능형 플라이휠(intelligent flywheel)’이다. 지금 이 순간에도 데이터는 쌓이고 있으며, 이를 인과관계로 해석하고 에이전틱 AI로 실행에 옮기는 기업만이 2026년 이후의 제조업 패러다임 변화에서 승리자가 될 수 있을 것이다.   ■ 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.

한국플랜트정보기술협회(신안식 회장, www.kapit.or.kr)가 주최하고 캐드앤그래픽스가 주관하는 ‘플랜트 조선 컨퍼런스 2026’이 2월 5일(목) 서울 백범김구기념관 컨벤션홀에서 개최된다.    플랜트 조선 컨퍼런스 2026 발표자 - 이현식, 류민철, 탁정수, 남궁진, 최재득, Yogesh Srivastava, 손창영, 이봉헌, 정준의, 장화섭, 이찬영, 임근태, 김동원, 공병철   올해로 22회째를 맞는 본 행사는 ‘DX와 AI로 재도약하는 플랜트·조선의 미래’를 주제로, 플랜트·조선 엔지니어링 분야의 최신 기술 트렌드와 DX(디지털 전환), AI(인공지능), AX(인공지능 전환), 디지털 트윈 적용 사례를 통해 산업 경쟁력 강화를 위한 실질적인 해법을 제시할 예정이다. 첫 번째 기조연설에서는 GS건설 이현식 디지털트윈팀장이 ‘플랜트 DX/AX를 통한 산업 혁신 : 지속 가능한 혁신과 효율적 추진 전략’을 주제로 발표한다. DX/AX를 통한 성공 사례들을 통해 플랜트 산업이 나아가야 할 방향과 지속 가능 혁신을 위한 추진 전략을 공유할 예정이다. 두 번째 기조연설은 한국해양대학교 류민철 교수가 ‘조선산업 친환경∙AI 생태계 전환과 글로벌 진출 전략'을 주제로 국제 환경규제 대응 그린전환, 생산성 향상 및 신사업 창출 목적의 디지털전환 과정을 통해 산업생태계 주도권을 확보하기 위한 방안과 미국을 포함한 해외진출 사업시 고려 사항에 대해 발표한다. 세 번째 기조연설은 인포시즈 탁정수 대표가 ‘도면을 읽는 AI : 플랜트·조선 디지털트윈의 새로운 접근’을 주제로 발표한다. 그래프 기술과 온톨로지를 활용한 도면 지식 구조화를 비롯해 P&ID, CLD, ISO 등의 도면 인식 자동화 및 그래프 구조화에 대해 소개한다. 또한 온톨로지와 데이터 컨버전스를 통한 공정 단계별 파격적 진화, 그리고 플랜트 업계를 이끄는 선도 기업들에게 적용한 사례에 대해 소개한다.   디지털 엔지니어링 & 컨스트랙션(Digital Engineering & Construction) 트랙에서는 플랜트 엔지니어링 분야의 이슈와 트렌드에 대해 소개할 예정이다.  헥사곤ALI 남궁진 전무는 ‘플랜트·조선 프로젝트 Execution 중심의 DX 전략’을 주제로 발표한다. 디자인·엔지니어링 이후 프로젝트 실행 단계에서 성과를 만드는 DX 전략과, 디지털 트윈, 3D·4D, AI 기반 지능형 자동화 기술을 현장에 적용한 데모를 통해 효율 개선 방안에 대해 소개한다. 휴엔시스템 최재득 대표는 ‘DX·AI 시대의 플랜트 토목 설계 자동화’를 주제로 발표한다. DX·AI 관점에서 ‘플랜트 토목 자동화’를 정의하고, PEDAS Ecosystem(Foundation/UD/ColumnBase/Structure) 구성 요소와 솔루션 개발 진행 과정을 소개할 예정이다. 또한 DX/AI 준비를 위한 PEDAS-Cloud 통합 전략(데이터, 3D그래픽, 상세도면, 상세물량, 3D Converting, Workflow 등)에 대해서도 설명한다. 테크노빌트(Teknobuilt) 요게시 스리바스타바(Yogesh Srivastava) 글로벌 대표와 손창영 한국 지사장은 ‘AI기반 E2E 대형 플랜트 건설프로젝트 관리 기술 적용 사례’를 주제로, 대규모 LNG 플랜트 등 건설 분야에서 테크노빌트의 Digital Construction Block 개념이 어떻게 AI 기술과의 접목을 통해 EPC 전반의 계획 및 정보 공유 차원에서 가치 사슬의 효율화를 달성했는지 실제 사례를 공유한다. LG CNS 이봉헌 화학사업담당은 ‘플랜트 산업의 패러다임 전환: AX 적용 사례 소개’를 주제로 발표한다. 플랜트 산업에서의 AI 활용은 유행이 아니라 생산 안전 정비 전반의 구조적 전환을 요구한다. 이번 발표에서는 DX를 통해 현장 데이터를 안정적으로 수립 표준화하고, AX/RX(Real-time Transformation)를 통해 의사결정과 운영 효율을 고도화하는 방법을 소개한다. HD현대오일뱅크 정준의 팀장은 ‘정유 산업의 AI 도입과 활용’을 주제로 발표한다. HD현대오일뱅크는 팔란티어 파운드리 기반의 전사 DX/AX를 추진하고 있다. 플랜트에 흩어진 수많은 데이터를 연결하고, 공유하여 데이터와 플랫폼의 힘으로 밸류체인 전체를 통합하고, 궁극적으로 최적화된 자동화를 목표로 추진하고 있는 사례를 통해서 AX/DX의 소중한 경험을 공유한다. 스마트십 & 스마트 테크(Smart Ship & Smart Tech) 트랙에서는 조선 플랜트 분야의 스마트 기술에 대해 소개할 예정이다. 한국선급 장화섭 센터장은 ‘조선해운분야 AX 혁신 사례’를 주제로, 조선해운산업에서 DX와 AX  개념과 조선해운산업의 비전, 시그널, 디지털트윈, 생성형AI를 활용한 조선해운분야 AI Agent 서비스 사례에 대해 설명한다. 소프트힐스 이찬영 Core R&D 팀장은 ‘플랜트 조선 산업을 위한 대용량 3D 시각화 솔루션 및 적용사례 소개’를 주제로, 플랜트·조선 대형 프로젝트에서 빠른 의사소통과 협업을 위한 3D 모델의 시각화 솔루션, VIZZARDX(비자드엑스)의 차별화된 기능과 성능과 현장 중심의 디지털 전환(DX) 성공 사례에 대해 소개한다. 선박해양플랜트연구소 임근태 센터장은 ‘AI 자율운항선박 기술동향: From Bridge to ROC’를 주제로, AI 자율운항선박의 국제·국내 기술 동향에 대해 정리하고, IMO에서 추진 중인 MASS Code 개발 현황과 관련 표준화 동향에 대해 살펴본다. 또한 2단계 KASS 사업을 중심으로 한 국내 자율운항선박 개발·실증 방향과 M.AX 얼라이언스에 대해 소개할 예정이다. 현대엔지니어링 김동원 책임은 ‘토목 건축 구조 설계 자동화 사례와 AI 물량 예측 시스템 연구 방향’을 주제로, Piperack, Shelter, Module 등 규칙 기반의 설계 자동화 시스템 개발 사례를 소개하고, 자동화에 이어 구조 최적화로 나아가기 위한 AI 기반 구조 시스템 데이터 학습과 물량 예측 연구 방향을 제안한다. 국제사이버보안인증협회 공병철 회장은 ‘스마트 해운과 선박의 사이버 안전 국제기구 대응 전략’을 주제로 발표한다. 국제기구(ISO & IMO 등)에서 요구하는 선박의 사이버 복원력과 사이버 안전관리체계의 효과적인 구현, 해사 사이버 보안 강화를 위한 방안에 대해 소개할 예정이다. 플랜트 조선 컨퍼런스 2025 행사 모습   한편, 캐드앤그래픽스 지식방송 CNG TV는 1월 19일 ‘DX와 AI로 재도약하는 플랜트·조선 산업의 미래’를 주제로, 플랜트 조선 컨퍼런스 2026 프리뷰 방송을 진행했다. 이날 방송에는 윤병동 교수/대표(서울대/원프레딕트), 우종훈 교수(서울대학교)가 출연해 디지털 전환과 AI 도입이 가속화되고 있는 플랜트·조선 산업의 현주소와 향후 방향에 대해 전망했다. 한국플랜트정보기술협회 신안식 회장은 “올해 플랜트 조선 컨퍼런스에서는 AI와 디지털 트윈을 중심으로 한 최신 기술과 트렌드, 디지털 전환 사례 등 새로운 변화에 대해서 소개할 예정”이라며, “산·학·연 관계자들이 한자리에 모여 기술 교류와 네트워킹을 강화하는 의미 있는 장이 되도록 준비하고 있다”고 밝혔다. 한국플랜트정보기술협회는 플랜트·건설·엔지니어링 산업의 발전과 글로벌 경쟁력 강화를 목표로, 플랜트 코드 교육, 글로벌 PM 교육, 리틀 PM 보급을 통한 PM 대중화, 전문 기술 교육 등 다양한 인재 양성 프로그램을 운영하고 있다. 또한 미국 캐롤라인대학교와의 협력을 통해 협회 회원에게 장학 혜택을 제공하고, 미국 석·박사 학위 취득 기회도 지원하고 있다. 관련 정보는 협회 홈페이지에서 확인할 수 있다.   플랜트 조선 컨퍼런스 2026의 사전 등록은 한국플랜트정보기술협회 홈페이지(www.kapit.or.kr)에서 진행되며, 1월 25일까지 얼리버드 선착순 무료 등록 혜택을 제공한다.

데이터 기반 의사결정과 자동화 혁신, 씨에스리    데이터 기반 의사결정과 업무 자동화가 산업 경쟁력의 핵심으로 부상하는 시대, 씨에스리가 ‘현장에서 바로 쓸 수 있는’ AI·RPA 융합 데이터 분석 솔루션 ‘빅재미(BigZami)’를 앞세워 시장을 공략하고 있다. 설립 이후 축적한 데이터 아키텍처와 분석 컨설팅 노하우를 토대로, 코딩 없이도 데이터 수집부터 분석·시각화·보고까지 원스톱으로 처리할 수 있는 빅재미를 선보이며, 제조·물류·공공 등 다양한 산업 현장의 디지털 전환과 의사결정 속도를 높이는 해법을 제시할 계획이다.     가치 기반의 산업 디지털전환 솔루션 제공기업, 씨에스리 2013년 설립된 씨에스리는 “가치 있는 IT, 가치를 만들어내는 IT”를 모토로, IT 기술을 통해 고객에게 실질적인 가치를 제공하는 디지털 전환(DX) 전문 기업이다. 설립 초기에는 데이터 아키텍처(DA, TA, SWA, Cloud Architect), 데이터 모델링, DB 튜닝 등 전통적인 데이터베이스 기술 컨설팅을 중심으로 성장했으며, 이후 빅데이터·AI 기반 기획·분석·교육·ISP까지 서비스 영역을 확대했다. 씨에스리는 공공기관과 대기업은 물론, 중소·중견기업의 디지털 전환 및 자동화 수요에도 대응하며, 산업 전반에서 데이터 활용성과 업무 효율성을 높이는 실질적인 기술 파트너로 자리매김하고 있다. 코딩 없이 원스톱 데이터 분석 가능한 ‘빅재미(BigZami)’ 씨에스리는 대표 솔루션 ‘빅재미’를 선보인다. 빅재미는 데이터 수집·전처리·분석·시각화·보고까지 한 번에 처리할 수 있는 데이터 분석 RPA 솔루션으로, 복잡한 프로그래밍이나 언어 없이도 직관적인 UI 환경에서 누구나 손쉽게 데이터를 다룰 수 있다. R, SQL, Q-GIS 등 별도의 프로그램 설치 없이 원스톱 분석이 가능하며, 반복 업무를 줄이고 데이터 기반 의사결정의 속도와 정확성을 높인다. 여기에 탑재된 AI Agent 기능을 통해 비전문가도 데이터를 분석·해석할 수 있으며, 맞춤형 최적 알고리즘 추천, 실시간 대시보드 모니터링, AI 기반 이상 감지 기능까지 제공한다. 또한 70여 종 이상의 전처리 기능과 다양한 분석 알고리즘을 통해 분석 생산성과 재사용성을 강화한다. 전체 분석 과정의 80%를 차지하는 전처리 작업을 간편하게 처리할 수 있으며, 분석 알고리즘 시뮬레이션 기능으로 업무 생산성을 높이고 분석 과정의 투명성과 신뢰도를 확보한다. 자주 사용하는 분석 모델은 템플릿으로 제작·공유·배포하여 표준화된 업무 자동화와 조직 내 데이터 활용 표준화를 실현한다.   현장 적용성을 높이는 AI·RPA 융합 경쟁력 최근 산업AI 시장은 ‘기술의 복잡성’보다 ‘현장 적용성’이 중요해지고 있다. 변화 속도가 빠른 산업 환경에서는 데이터 기반 의사결정을 빠르게 실행할 수 있는 실용적 솔루션이 각광받고 있다. 씨에스리는 오랜 데이터 아키텍처 및 분석 컨설팅 경험을 바탕으로, 단순 AI 적용이 아닌 비즈니스 가치를 실현하는 방향으로 솔루션을 설계해 왔다. 특히 AI와 RPA 기술을 융합한 빅재미를 통해, 누구나 쉽게 데이터를 활용하고 직접 인사이트를 도출할 수 있는 환경을 제공한다.   향후 목표 – ‘한국형 팔란티어’로 성장 씨에스리는 최근 데이터와 AI(인공지능) 서비스로 매우 핫한 기업인 팔란티어와 같은 회사가 되는 것이 목표이다. 이를 위해 글로벌 데이터·AI 솔루션 기업을 벤치마킹해, 국내 기업과 공공 분야의 다양한 문제를 해결하는 핵심 솔루션 제공자로 성장할 계획이다. 이와 함께 메타 기반 설계·구축·관리 역량을 토대로, 데이터에 담긴 문제를 정의하고 빅데이터·AI 기술로 해결책을 제시하는 역할을 강화할 계획이다.   씨에스리 이춘식 대표    

엔비디아가 오픈 모델, 데이터, 라이브러리로 구성된 엔비디아 네모트론 3(NVIDIA Nemotron 3) 제품군을 발표했다. 산업 전반에서 투명하고 효율적이며 목적에 맞게 특화된 에이전틱 AI 개발을 지원하기 위한 네모트론 3 모델은 하이브리드 잠재 전문가 혼합 방식(mixture-of-experts : MoE) 아키텍처를 도입했다. 엔비디아는 “개발자가 대규모 환경에서 신뢰할 수 있는 멀티 에이전트 시스템을 구축하고 배포할 수 있도록 돕는다”고 소개했다. 기업들이 단일 모델 기반 챗봇에서 협업형 멀티 에이전트 AI 시스템으로 전환함에 따라, 개발자들은 통신 과부하, 맥락 이탈, 높은 추론 비용 등 점점 더 많은 과제에 직면하고 있다. 또한 복잡한 워크플로를 자동화할 모델을 신뢰하기 위해 투명성에 대한 요구도 커지고 있다. 네모트론 3는 이러한 과제를 해결하며, 고객이 전문화된 에이전틱 AI를 구축하는 데 필요한 성능과 개방성을 제공한다. 네모트론 3 MoE 모델 제품군은 세 가지 규모로 구성된다. ▲네모트론 3 나노(Nano)는 300억 개의 파라미터를 갖춘 소형 모델로, 한 번에 최대 30억 개의 파라미터를 활성화해 목적에 맞는 고효율 작업을 수행한다. ▲네모트론 3 슈퍼(Super)는 약 1000억 개의 파라미터와 토큰당 최대 100억 개의 활성 파라미터를 갖춘 고정확도 추론 모델로, 멀티 에이전트 애플리케이션에 적합하다. ▲네모트론 3 울트라(Ultra)는 약 5000억 개의 파라미터와 토큰당 최대 500억 개의 활성 파라미터를 갖춘 대규모 추론 엔진으로, 복잡한 AI 애플리케이션을 지원한다. 현재 제공 중인 네모트론 3 나노는 컴퓨팅 비용 효율이 가장 뛰어난 모델로, 낮은 추론 비용으로 소프트웨어 디버깅, 콘텐츠 요약, AI 어시스턴트 워크플로, 정보 검색과 같은 작업에 최적화돼 있다. 이 모델은 고유한 하이브리드 MoE 아키텍처를 활용해 효율성과 확장성 측면에서 향상된 성능을 제공한다. 네모트론 3 나노는 네모트론 2 나노 대비 최대 4배 높은 토큰 처리량을 달성하며, 추론 토큰 생성량을 최대 60%까지 줄여 추론 비용을 절감한다. 또한 100만 토큰 컨텍스트 윈도우를 지원해 더 많은 정보를 기억할 수 있으며, 장시간에 걸친 다단계 작업에서도 정보 간 연결성을 높여 정확도를 향상시킨다. 네모트론 3 슈퍼는 낮은 지연 시간으로 다수의 협업 에이전트가 복잡한 작업을 수행해야 하는 애플리케이션에 강점을 보인다. 네모트론 3 울트라는 심층 연구와 전략적 계획 수립이 요구되는 AI 워크플로를 위한 고급 추론 엔진 역할을 수행한다. 네모트론 3 슈퍼와 울트라는 엔비디아 블랙웰(Blackwell) 아키텍처 기반의 초고효율 4비트 NVFP4 훈련 포맷을 사용해 메모리 요구 사항을 줄이고 훈련 속도를 가속화한다. 이러한 효율성 덕분에 기존 인프라에서도 높은 정밀도 포맷 대비 정확도를 유지한 채 더 대규모 모델 훈련이 가능하다. 네모트론 3 모델 제품군을 통해 개발자는 특정 워크로드에 적합한 규모의 오픈 모델을 선택할 수 있다. 또한, 수십 개에서 수백 개의 에이전트로 확장하는 동시에 복잡한 워크플로에서 더 빠르고 정확한 장기 추론 성능의 이점을 누릴 수 있다.     네모트론 3 나노는 현재 허깅 페이스에서 제공되며, 베이스텐(Baseten), 딥인프라(DeepInfra), 파이어웍스(Fireworks), 프렌들리에이아이(FriendliAI), 오픈라우터(OpenRouter), 투게더 AI(Together AI) 등 추론 서비스 제공업체를 통해서도 이용할 수 있다. 네모트론 3 나노는 엔비디아 가속 인프라 전반에서 안전하고 확장 가능한 배포를 위해 엔비디아 NIM 마이크로서비스 형태로도 제공된다. 퍼블릭 클라우드 고객의 경우, 네모트론 3 나노는 아마존웹서비스(AWS)에서 아마존 베드록(Amazon Bedrock, 서버리스 방식)을 통해 제공될 예정이며, 구글 클라우드, 코어위브, 크루소, 마이크로소프트 파운드리, 네비우스, 엔스케일, 요타에서도 곧 지원될 예정이다. 네모트론 3 슈퍼와 네모트론 3 울트라는 2026년 상반기에 제공될 예정이다. 또한, 엔비디아는 전문화된 AI 에이전트를 구축하기 위한 훈련 데이터세트와 최첨단 강화학습 라이브러리 컬렉션을 공개했다. 총 3조 개의 토큰으로 구성된 새로운 네모트론 사전 훈련, 사후 훈련, 강화학습 데이터세트는 고도화된 추론과 코딩, 다단계 워크플로 사례를 풍부하게 제공해 높은 역량을 갖춘 도메인 특화 에이전트 구축을 지원한다. 개발 속도를 높이기 위해 엔비디아는 네모트론 모델의 훈련 환경과 사후 훈련 기반을 제공하는 오픈소스 라이브러리인 네모 짐(NeMo Gym)과 네모 RL을 함께 공개했다. 또한 모델의 안전성과 성능을 검증할 수 있도록 네모 이밸류에이터(Evaluator)도 선보였다. 모든 도구와 데이터세트는 현재 깃허브(GitHub)와 허깅 페이스(Hugging Face)를 통해 제공되고 있다. 네모트론 3는 LM 스튜디오(LM Studio), 라마.cpp(llama.cpp), SGLang, vLLM을 통해 지원된다. 이와 함께 프라임 인텔렉트(Prime Intellect)와 언슬로스(Unsloth)는 네모 짐의 즉시 사용 가능한 훈련 환경을 자사 워크플로에 직접 통합하고 있으며, 이를 통해 강력한 강화학습 훈련 환경에 보다 빠르고 손쉽게 접근할 수 있다. 엔비디아 네모트론은 엔비디아의 소버린 AI 전략을 지원한다. 유럽부터 대한민국에 이르는 다양한 조직들이 자체 데이터, 규제, 가치에 부합하는 AI 시스템을 구축할 수 있도록 개방적이고 투명하며 효율적인 모델 채택을 가능하게 한다. 네모트론 3의 초기 도입 기업으로는 액센츄어, 케이던스, 크라우드스트라이크, 커서, 딜로이트, EY, 오라클 클라우드 인프라스트럭처(OCI), 팔란티어, 퍼플렉시티, 서비스나우, 지멘스, 시놉시스, 줌 등이 있다. 이들은 제조, 사이버보안, 소프트웨어 개발, 미디어, 커뮤니케이션 등 다양한 산업 전반의 AI 워크플로를 구현하기 위해 네모트론 제품군의 모델을 통합하고 있다. 엔비디아의 젠슨 황(Jensen Huang) 창립자 겸 CEO는 “오픈 혁신은 AI 발전의 토대이다. 네모트론을 통해 우리는 첨단 AI를 개방형 플랫폼으로 전환해, 개발자들이 대규모 환경에서 에이전틱 시스템을 구축하는 데 필요한 투명성과 효율을 제공하고 있다”고 말했다. 서비스나우의 빌 맥더멋(Bill McDermott) 회장 겸 CEO는 “엔비디아와 서비스나우는 수년간 AI의 미래를 함께 만들어왔으며, 최고의 순간은 아직 오지 않았다. 오늘 우리는 모든 산업의 리더들이 에이전틱 AI 전략을 빠르게 추진할 수 있도록 지원하는 데 있어 중요한 진전을 이루고 있다. 서비스나우의 지능형 워크플로 자동화와 엔비디아 네모트론 3의 결합은 탁월한 효율, 속도, 정확성을 바탕으로 계속해서 업계 표준을 제시할 것”이라고 말했다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 세계적으로 주목받고 있는 팔란티어(Palantir)의 온톨로지 플랫폼 아키텍처를 소프트웨어 공학 관점에서 분석하고, 오픈소스 기술을 활용한 구현 방법을 정리한다. 팔란티어의 핵심은 기존 시스템을 대체하는 것이 아니라, 통합하고 확장하는 개방성에 있다. 이번 호에서는 국방이나 제조 분야에서 팔란티어가 어떻게 검증된 오픈소스 기술 기반 위에 독자적인 온톨로지(ontology)라는 의미론적 추상화 계층을 구축했는지, 그리고 그 구조를 파헤쳐 본다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   팔란티어 아키텍처 팔란티어 아키텍처의 근간에는 ‘대체가 아닌 통합’이라는 철학이 있다. 이는 기업이 이미 막대한 투자를 한 데이터레이크, ERP, CRM과 같은 기존 IT 환경을 교체하는 대신, 이들을 하나로 묶고 그 가치를 증대시키는 플랫폼 역할을 하는 것이다. 이러한 철학은 아키텍처의 명확한 관심사 분리로 이어진다. 배포, 오케스트레이션, 데이터 처리와 같은 하위 계층은 의도적으로 쿠버네티스(Kubernetes), 스파크(Spark), 플링크(Flink) 등 보편적인 오픈소스 표준 위에 구축된다. 이를 통해 고객의 기존 기술 스택 및 엔지니어링 역량과 마찰 없이 통합된다. 반면, 온톨로지, AI 플랫폼(AIP)과 같은 상위 계층에는 팔란티어의 독자적인 지적 재산이 집중된다. 이 구조는 고객이 새로운 데이터베이스나 컴퓨팅 엔진이 아닌, 기존 자산과 상호 작용하는 새로운 패러다임을 구매하게 만들어 비즈니스 가치를 제안한다. 플랫폼의 안정성과 확장성은 두 가지 핵심 기술, 즉 자율 배포 시스템인 아폴로(Apollo)와 쿠버네티스 기반의 컨테이너 오케스트레이션 기판인 루빅스(Rubix)에 의해 뒷받침된다. 이 기반 위에서 데이터 통합 및 분석 플랫폼인 파운드리(Foundry), 국방 및 정보 분석에 특화된 고담(Gotham), 그리고 AI 모델을 온톨로지와 연결하는 AIP(Artificial Intelligence Platform)가 운영된다.   그림 1. 팔란티어 아키텍처 구조 개념도   그림 2. 국방 분야 서비스인 팔란티어 고담 플랫폼   그림 3. 서비스의 지속적인 자율 통합/배포(CI/CD)를 위한 팔란티어 아폴로   데이터 처리 워크플로 팔란티어의 워크플로는 이기종의 파편화된 데이터 소스를 연결하고, 이를 구조화된 지식으로 변환하여 온톨로지 모델로 변환한다.   데이터 수집 및 파싱 PDF, 문서, 이미지와 같은 비정형 데이터는 먼저 ‘미디어 셋(media sets)’이라는 파일 모음으로 수집된다. 데이터를 파싱하는 과정은 블랙박스가 아니다. 개발자는 파이썬(Python)이나 자바(Java) 변환과 저수준 파일 시스템 API를 사용하여 직접 파이프라인을 구축한다. 이는 결정론적이고, 테스트 가능하며, 버전 관리가 가능한 파이프라인을 통해 신뢰성과 거버넌스를 확보하는 엔지니어링 중심의 접근 방식이다. 더 나아가 AIP는 AI 기반 파싱 기능을 제공한다. 이는 사전 훈련되거나 맞춤화된 AI 모델(예 : NLP 모델)을 파이프라인 내에 통합하여 개체명 인식, 요약과 같은 정교한 작업을 수행하는 방식이다. 이 구조는 엔지니어가 견고한 데이터 파이프라인을 구축하고, AI 엔지니어가 그 안에 두뇌 역할을 하는 모델을 배포하는 효율적인 이중 계층 시스템을 만든다.   기반 처리 기술 이러한 데이터 변환 및 통합 로직은 독점 엔진에 종속되지 않는다. 모든 데이터는 아파치 파케이(Apache Parquet), 아브로(Avro)와 같은 표준 형식으로 저장되며, 대규모 배치 처리를 위한 아파치 스파크, 실시간 스트림 처리를 위한 아파치 플링크와 같은 오픈소스 런타임을 사용한다.   온톨로지 메타모델 온톨로지는 팔란티어의 핵심 차별화 요소로, 기업의 모든 데이터, 모델, 프로세스를 현실 세계의 대응물(공장, 고객, 제품 등)과 연결하는 의미론적, 동역학적 계층이다. 이는 기업의 ‘디지털 트윈(digital twin)’ 역할을 한다. 온톨로지의 개념은 객체 지향 프로그래밍(OOP)과 매우 유사하다. 객체(object)는 클래스(class)에 해당한다. 온톨로지의 ‘항공기’ 객체 유형은 OOP의 Aircraft 클래스와 같다. 속성(property)은 속성(attribute)에 해당한다. ‘항공기’ 객체의 ‘꼬리 번호’ 속성은 Aircraft 클래스의 tailNumber 속성과 같다. 연결(link)은 객체 간의 관계(association)에 해당한다. ‘조종사’가 ‘항공기’에 탑승한다는 연결은 Pilot 객체와 Aircraft 객체 간의 관계를 정의한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

  INFOWORLD Editorial 17　2026, AI가 제조 경쟁력을 다시 설계한다   Case Study 18　모텐슨이 VR을 사용해 건설 비용을 낮춘 방법　설계 오류를 미리 해결하고 디자인 협업과 의사결정 속도 높이다 22　APEC에서 선보인 경주 미디어 버스 / 박진호　‘골든 신라 XR 버스’로 천년 신라를 달리다   Focus 26　CAE 컨퍼런스 2025, AI·디지털 트윈 융합 통한 엔지니어링 혁신 전략 짚다 30　펑션베이, 메카트로닉스·AI 융합으로 엔지니어링 과제 해결 지원 32　다쏘시스템, 버추얼 트윈과 AI로 산업 효율·지속 가능성 동시 혁신 34　빌딩스마트협회, ‘빌드스마트 콘퍼런스’에서 AI·로봇·OSC 기반 미래 건설 비전 제시 36　한국BIM학회, ‘지능형 건설의 부상’ 국제 심포지엄 성료… “전면 BIM 확대를 위한 정량화와 활성화 노력 필요” 38　콘택트 소프트웨어, 포괄적인 개방형 PLM 통해 엔지니어링 혁신 비전 소개 40　SAP 코리아, “비즈니스 AI로 국내 기업의 혁신 도울 것”   On Air 51　캐드앤그래픽스 CNG TV 지식방송 지상중계　AI·LLM 시대, 미니 워크스테이션으로 GPU 한계를 넘다 52　캐드앤그래픽스 CNG TV 지식방송 지상중계　클래시 마스터·레빗 마스터로 보는 BIM 업무 혁신 포인트 53　캐드앤그래픽스 CNG TV 지식방송 지상중계　디지털 전환에서 AI 전환으로 54　캐드앤그래픽스 CNG TV 지식방송 지상중계　제조 데이터의 새로운 표준을 세운다   New Product 42　현실감 높은 대규모 월드 구현과 더 강력해진 통합 워크플로　언리얼 엔진 5.7 48　 AI 및 클라우드 기반 기능 강화한 설계 설루션　디자인센터 솔리드 엣지 2026 62　이달의 신제품   Column 55　트렌드에서 얻은 것 No. 26 / 류용효　데이터가 산업이었다면 GPU는 문명이다 58　디지털 지식전문가 조형식의 지식마당 / 조형식　한국형 구조지능 : AI 시대는 지식을 구조화하는 자가 미래를 지배한다   60　New Books   Directory 131 　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA AEC 65　새로워진 캐디안 2026 살펴보기 (1) / 최영석　캐디안 2026의 새로운 기능 70　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　팔란티어 온톨로지 플랫폼 아키텍처 기술 해부 및 구현 방법 76　산업 디지털 전환을 가속화하는 버추얼 트윈 (9) / 김선중　건축 설계의 자동화와 생산성 강화를 위한 복합공종모듈 활용 80　생성형 AI를 활용한 건축 분야 이미지 렌더링 / 양승규　AI가 가져온 건축 시각화의 혁신과 건축가의 과제 128　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (9) / 천벼리　아레스 쿠도가 여는 BIM–to–DWG 자동화의 새로운 기준   Reverse Engineering 88　시점 - 사물이나 현상을 바라보는 눈 (12) / 유우식　가설, 모델, 이론의 설득력의 시대성   Analysis 94　제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (5) / 김성철　크레오 몰드 분석으로 사출 성형 분석하기 102　앤시스 워크벤치를 활용한 해석 성공 사례 / 오승희　앤시스 맥스웰을 활용한 전기 집진기 내부 전계 해석 106　최적화 문제를 통찰하기 위한 심센터 히즈 (10) / 이종학　프로세스 자동화 Ⅴ – 제조 공정 효율성 최적화 113　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (28) / 나인플러스IT　고정밀 다중물리 CFD를 위한 피델리티 LES 솔버 116　설계, 데이터로 다시 쓰다 (3) / 최병열　AX 시대를 위한 데이터 전략 123　가상 제품 개발을 위한 MBSE 및 SysML의 이해와 핵심 전략 (2) / 오재응　가상 제품 개발에서 MBSE의 필요성과 적용 전략     2025-12-aifrom 캐드앤그래픽스     캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

SAP 코리아가 7월 15일 연례행사인 ‘SAP 나우 AI 투어 코리아(SAP NOW AI Tour Korea)’를 진행하면서, AI(인공지능) 시대를 위한 새로운 비즈니스 운영 방식을 제시했다. ‘Unleash Your Future with Business AI(비즈니스 AI로 미래를 열다)’를 주제로 열린 이번 행사에서는 빠르게 변화하는 AI 시대에 기업의 비즈니스 혁신을 지원하는 SAP의 전략과 비전이 소개됐다. ■ 정수진 편집장   애플리케이션–데이터-AI의 선순환으로 비즈니스 혁신 주도 SAP의 AI 전략은 애플리케이션, 데이터, 비즈니스 AI의 선순환 효과(flywheel effect)를 통해 비즈니스 운영 방식을 근본적으로 혁신하겠다는 것이다. SAP의 지나 바르주-브로이어(Gina Vargiu-Breuer) 최고인사책임자는 이런 전략의 핵심으로 자사의 모든 애플리케이션에 AI를 기본으로 내재화(embedded AI)한다는 ‘AI 퍼스트(AI First)’ 접근법을 꼽았다. SAP는 2025년 말까지 400개 이상의 임베디드 AI 기능을 출시할 계획이다. 이와 동시에 SAP는 ‘스위트 퍼스트(Suite First)’ 전략을 추구한다. 개별 기능이 뛰어난 ‘최고의 설루션(Best of Breed)’을 모아 놓는 것을 넘어, 모든 비즈니스 애플리케이션을 유기적으로 통합한 ‘최적의 스위트(Best of Suite)’를 제공한다는 뜻이다. 바르주-브로이어 최고인사책임자는 이를 통해 기업 고객이 일관성, 유연성, 민첩성을 확보할 수 있다고 전했다. SAP의 전략은 애플리케이션이 생성하는 고품질의 비즈니스 데이터를 기반으로 신뢰할 수 있는 AI(reliable AI)를 구동하고, 이 AI가 다시 애플리케이션을 더욱 지능적으로 만드는 선순환 구조를 완성하는 것으로 요약할 수 있다. SAP는 애플리케이션, 데이터, AI가 긴밀히 연계되어 만들어내는 시너지가 고객에게 실질적인 비즈니스 가치를 제공하는 원동력이 될 것으로 보았다.   ▲ SAP의 이르판 칸 최고제품책임자가 기자간담회를 통해 자사의 AI 전략과 기술을 소개했다.   데이터 복잡성을 해결하는 ‘비즈니스 데이터 클라우드’ 이번 행사에서 SAP가 소개한 ‘SAP 비즈니스 데이터 클라우드(SAP Business Data Cloud : BDC)는 AI 시대에 기업의 데이터 관리와 AI 도입을 지원하고 비즈니스 운영 방식을 혁신하기 위해 새로운 서비스형 소프트웨어(SaaS) 설루션이다. BDC는 분산된 데이터를 통합하고 의미 있는 데이터로 전환하여 AI 활용도를 극대화하는 데 초점을 맞추었다. 이를 위해 BDC는 데이터 통합과 조화를 통한 단일 진실 공급원을 구축하고, 신뢰할 수 있는 AI 및 지능형 애플리케이션의 기반을 마련하면서, 현대적 아키텍처와 강력한 파트너 생태계를 지원한다. 기업들은 AI를 위한 데이터 준비, 수집, 거버넌스 등 데이터 관리에 많은 시간을 쓰고 있으며, 이는 기업에서 AI를 활용하는 데 있어 어려움으로 작용한다. BDC는 이러한 문제를 해결하기 위해 SAP와 비 SAP 데이터를 통합해 연결된 데이터 환경을 구축하도록 한다. 특히 기존 애플리케이션의 데이터 모델을 조화(harmonize)시켜서, 여러 비즈니스 라인에 걸쳐 다르게 정의된 고객 데이터를 단일 뷰로 제공한다. BDC는 고품질의 기업 데이터를 통합 관리하여 AI 애플리케이션이 안정적으로 데이터를 활용하고 모델을 훈련하는 시간을 줄인다. 또한 SAP의 AI 코파일럿인 쥴(Joule)과 연동해 비즈니스 데이터의 맥락을 깊이 있게 파악하고, 분석 및 권장사항 도출에 필요한 데이터를 제공한다. SAP의 이르판 칸(Irfan Khan) 데이터 및 애널리틱스 사장 겸 최고제품책임자는 “ERP와 같은 기업의 핵심 시스템에서 데이터가 추가되거나 변경될 때마다 BDC는 이를 복사하고 최신 상태로 반영하여 일관성을 유지하며, 이렇게 조화된 데이터는 단순한 원시 데이터가 아닌 ‘의미적으로 풍부한 데이터 제품(semantically enriched data products)’으로 전환되어 모든 앱에서 활용된다”고 설명했다. 또한 “BDC는 데이터 추출, 변환, 적재(ETL) 파이프라인 구축과 유지보수를 완전 관리형 서비스로 제공한다. 이를 통해 기업은 데이터 관리의 부담을 덜고, 가치 있는 AI 활용 사례를 만드는 데 집중할 수 있게 된다”고 설명했다. BDC는 스토리지와 컴퓨팅을 분리한 레이크하우스(lakehouse) 아키텍처를 기반으로 설계되었으며, 텍스트, 오디오, 비디오 등 정형 및 비정형 데이터를 구분 없이 저장 및 지원한다. 또한 AWS, 구글 클라우드, 애저 등 주요 하이퍼스케일러 인프라 어디에서나 구동되도록 설계되어, 고객은 기존 인프라를 변경할 필요 없이 BDC를 도입할 수 있다. 칸 최고제품책임자는 “데이터브릭스(Databricks)와의 파트너십을 통해 제로 카피 공유(zero-copy sharing) 방식으로 SAP 및 비 SAP 데이터를 양방향 공유하며, 팔란티어(Palantir)와도 협력해 데이터 파이프라인 구축을 간소화하는 도구를 지원한다”고 소개했다. SAP BDC는 2025년 2월에 글로벌 출시되었으며, 한국 시장에는 7월 말부터 공식 제공된다.   ▲ SAP는 유기적으로 결합된 스위트로 비즈니스 AI를 구현하고자 한다.   데이터의 맥락을 이해하는 AI 코파일럿 ‘쥴’ 한편, SAP는 AI 코파일럿인 ‘쥴(Joule)’이 다양한 개선을 이뤘다고 소개했다. 쥴은 데이터의 맥락을 확인하고 위치에 관계 없이 데이터를 활용할 수 있도록 지원한다. 이를 통해 AI 에이전트가 비즈니스 맥락과 데이터 관계성을 파악하는 과정을 돕는다. BDC가 고품질 기업 데이터를 통합 관리한다면, 쥴은 이를 AI 애플리케이션에서 활용할 수 있도록 지원한다. 특히 지식 그래프(knowledge graph) 기술을 활용해 비즈니스 데이터를 온톨로지(ontology) 기반으로 연결함으로써, AI 모델의 환각 현상을 줄이고 사용자가 자연어 질의로 데이터에 쉽게 접근하도록 돕는다. SAP는 “지식 그래프는 정형 데이터의 이해를 돕는 역할을 하며, 쥴과 같은 기술을 통해 데이터 주변의 사용자 경험을 바꿀 수 있다. 지식 그래프 내에 조화된 데이터 제품(harmonized data products)을 로드하여 온톨로지 뷰를 활성화하고, 자연어 쿼리를 통해 데이터에 접근할 수 있게 한다”고 설명했다. 이외에도 SAP는 쥴 스튜디오(Joule Studio)를 통해 고객이 맞춤형 에이전트를 개발할 수 있도록 지원하며, 최신 LLM(거대 언어 모델)을 연결하고 활용할 수 있도록 한다. 칸 최고제품책임자는 “이러한 개선사항 및 핵심 기능을 통해 쥴은 데이터의 맥락적 이해를 높이고, 고품질 데이터를 기반으로 AI 기능을 강화하며, 사용자 경험을 혁신하고 있다”고 전했다. 그리고 “SAP는 AI 및 생성형 AI를 활용하여 국제화 및 언어 지원 제공을 매우 빠르게 가속화하고 있으며, 이를 통해 한국어뿐만 아니라 모든 언어 및 지역에서 영어와 유사한 기능을 제공하는 것이 목표”라고 덧붙였다.     ■ 기사 내용은 PDF로도 제공됩니다.

캐드앤그래픽스 지식방송 CNG TV 지상 중계   CNG TV는 6월 9일 ‘AI 시대, 지식과 경험의 디지털 트윈 전략과 도구’를 주제로 웨비나를 개최했다. ‘AI 시대에 개인의 지식과 경험을 디지털 트윈화하는 최고의 전략은 무엇인가’라는 물음에 디지털지식연구소 조형식 대표는 “AI 시대에 개인의 지식과 경험을 디지털 트윈화하는 최고의 전략은 인공지능과 디지털 트윈의 결합에 있다”고 말했다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 디지털 트윈(Digital Twin)의 발전 과정을 연도별로 정리한 타임라인   AI와 디지털 트윈, 왜 지금 결합해야 하는가? “과거에는 10년 주기로 바뀌던 지식이 이제는 1~2년 만에 달라지는 시대이다.” CNG TV 진행자이자 캐드앤그래픽스 편집자문위원인 조형식 대표는 AI와 디지털 트윈(DT)의 결합이 더 이상 선택이 아닌 필수 전략임을 강조했다. 조 대표는 전문가조차 AI 활용에 주저하는 현실을 지적하며, 이제는 개인이 디지털 전환을 통해 미래 경쟁력을 갖춰야 할 때라고 말했다. 디지털 트윈은 현실의 사물, 시스템, 조직 등을 가상공간에 복제하여 예측과 시뮬레이션을 수행하는 기술이다. 하지만 디지털 트윈은 구현이 어렵고 비용이 많이 들며, AI는 빠른 분석은 가능하지만 맥락을 이해하지 못하는 단점이 있다. 이 약점을 보완하는 가장 강력한 전략이 바로 AI + DT의 결합이다. 조 대표는 “디지털 트윈은 현실을 복제하는 가상 쌍둥이이며, AI와 결합되어야 비로소 실질적인 성과를 낸다”고 강조했다. 이 기술의 적용 범위도 점점 확장되고 있다. 초기에는 제품이나 설비 단위였지만 이제는 시스템 트윈, 프로세스 트윈을 넘어 스마트시티, 헬스케어 등 복잡한 영역까지도 디지털화되고 있다. 심지어 점심 메뉴, 회식 장소 선택, 회사의 조직 구조 같은 존재하지 않는 개념조차 디지털 트윈화할 수 있는 시대, ‘디지털 트윈화(digital twinification)’가 도래한 것이다. 이런 흐름은 세계적인 데이터 분석 기업 팔란티어(Palantir)에서도 볼 수 있다. 팔란티어는 기업의 모든 데이터와 시스템을 디지털 트윈으로 재현하고, 이를 AI 기반으로 운용하는 방식을 도입했다. 여기서 핵심이 되는 개념이 ‘온톨로지(ontology)’이다. 이는 AI가 인간처럼 의미를 파악하고 연결망을 이해할 수 있도록 설계하는 방식으로, 앞으로의 프롬프트 설계나 데이터 관리에서 필수적인 구조다.   ▲ 2025년 AI 기반 지식 관리 도구 20가지를 주제로 한 시각적 요약   나만의 디지털 쌍둥이를 만드는 5단계 전략 조형식 대표는 개인이 자신의 지식과 경험을 디지털 트윈화하기 위한 실전 전략을 다음과 같이 5단계 + α로 제안했다. 구조화 : 에버노트, 노션 등을 통해 정보를 정리 네트워크화 : 옵시디언, 롬 리서치 등으로 개념과 연결성 강화 AI 강화 : 챗GPT, 구글 노트북LM 등을 통해 콘텐츠 해석과 보완 트윈화 : 기능 단위로 구체적인 디지털 복제물 생성 자동화 : 반복되는 작업은 FastAPI, Make.com, Zapier 등으로 자동화 α(지속적 학습) : 반복 학습과 개선으로 궁극적인 지식 자산화 조 대표는 “지식은 데이터이고, 경험은 프로세스다. 이 둘을 함께 디지털화하는 것이 개인 디지털 트윈의 핵심”이라고 정리했다. 그리고 “AI 시대는 기억력의 싸움이 아니라 상상력의 싸움이다. 거창한 계획보다는 작은 디지털 트윈부터 만들어보자”고 조언했다. 또한, 조 대표는 이러한 실전 전략을 뒷받침하는 다양한 도구도 소개했다. AI 음성 복제 도구 : 일랩스(자신의 목소리로 다국어 출력 가능) 오프라인 LLM 실행 : LM Studio를 활용해 나만의 AI 구축 자동화 플랫폼 : 노션 + Make.com, Jasper, Zapier 등 추천 학습 : MCP(Model Context Protocol), 그래프 DB에 대한 이해   ▲ CNG TV 진행자이자 캐드앤그래픽스 편집자문위원인 디지털지식연구소 조형식 대표   AI와 디지털 트윈의 결합은 개인의 지식과 경험을 ‘복제·확장·자동화’할 수 있는 가장 효과적인 전략이다. 거창한 기술이 아니라, 지금 당장 나만의 작은 디지털 쌍둥이 하나를 만드는 것부터 시작하면 누구든지 미래의 경쟁력을 키울 수 있다.     ■ 기사 내용은 PDF로도 제공됩니다.