마이크로소프트가 ‘AI 투어 서울’을 개최하고 대한민국의 인공지능(AI) 프론티어 구축을 위한 성공 프레임워크와 지원 방안을 발표했다. 이번 행사에서 마이크로소프트는 한국 기업들이 단순한 실험 단계를 넘어 실질적인 비즈니스 가치를 창출하는 ‘프론티어 전환’을 가속화할 수 있도록 전방위적으로 돕겠다고 밝혔다. 마이크로소프트에 따르면 현재 전 세계 코파일럿 도입 현황은 가파른 성장세를 보이고 있다. 포춘 500대 기업의 90% 이상이 코파일럿을 채택했으며 유료 이용자 수는 지난해보다 160% 이상, 일일 활성 사용자 수는 10배 늘어났다. 3만 5000명 이상의 대규모 인원이 도입한 기업 수도 3배 증가했다. 마이크로소프트는 지능형 에이전트 기능이 강화된 ‘마이크로소프트 365 웨이브 3(Wave 3 of Microsoft 365 Copilot)’를 통해 개인화된 업무 경험을 제공하고, 여러 단계의 업무를 계획하고 실행하는 ‘코파일럿 코워크(Copilot Cowork)’ 기능을 프론티어 프로그램 사용자에게 우선 공급하고 있다. 오는 5월 1일부터는 새로운 통합 엔터프라이즈 플랜인 ‘마이크로소프트 365 E7(프론티어 스위트)’을 출시한다. 이 플랜은 기존 E5 플랜에 코파일럿과 에이전트 365를 결합한 제품으로 엔트라, 디펜더, 인튠, 퍼뷰 등 마이크로소프트의 주요 보안 설루션이 포함되어 더 안전한 환경에서 AI를 활용할 수 있게 한다.     이번 행사의 기조연설에서 공개된 ‘프론티어 성공 프레임워크’는 임직원 경험 강화, 고객 참여 혁신, 비즈니스 프로세스 재설계, 혁신 가속화라는 4대 핵심 성과를 동시에 도출하는 것을 목적으로 한다. 마이크로소프트의 스콧 거스리 클라우드 및 AI 수석 부사장은 “프론티어 전환은 초기 도입 단계를 넘어 비즈니스 운영 방식을 근본적으로 바꾸는 핵심 동력이 될 것”이라면서, 한국 기업들이 AI 혁신을 주도하는 신뢰받는 기업으로 성장할 수 있도록 지원하겠다고 강조했다. 마이크로소프트는 국내 여러 기업이 자사의 AI 설루션을 통해 성과를 내고 있다고 소개했다. KT는 마이크로소프트 365 코파일럿을 도입해 직원들이 업무에 맞는 맞춤형 AI 에이전트를 직접 설계할 수 있는 생태계를 구축했다. 현대백화점그룹은 애저 오픈AI 기반의 쇼핑 큐레이션 서비스인 ‘헤이디’를 통해 고객 만족도 4.51점을 기록했으며 사용 건수도 출시 초기보다 9배 늘어난 월 8만 건을 돌파했다. 연세대학교의료원은 의료진이 직접 80여 개의 특화 앱을 개발하는 환경을 만들었다. 오는 4월 도입하는 ‘라운딩 코파일럿’을 쓰면 의사 1인당 하루 최대 1.8시간의 진료 시간을 추가로 확보할 수 있을 것으로 보고 있다. 로봇 기술 기업 리얼월드는 애저의 데이터 저장 및 관리 인프라를 활용해 피지컬 AI 기술을 고도화하고 있으며, 현대오토에버는 깃허브 코파일럿을 도입해 개발 속도를 높였다. 한국마이크로소프트 조원우 대표는 “AI 전환은 이제 도입 여부의 문제가 아니라 실질적인 비즈니스 성과로 어떻게 연결하느냐가 중요하다”면서, “이번 행사가 새로운 가치를 발굴하고 운영 효율을 높이는 실행 중심의 로드맵이 되길 바란다”고 전했다.

지멘스 디지털 인더스트리 소프트웨어, 지멘스 EDA 사업부는 자사의 스마트 검증 소프트웨어 포트폴리오인 퀘스타 원에 에이전틱 AI 워크플로를 적용한 ‘퀘스타 원 에이전틱 툴킷(Questa One Agentic Toolkit)’을 발표했다. 이번 툴킷은 반도체 설계 검증의 전 과정을 가속해 신뢰할 수 있는 레지스터 전송 수준(RTL) 최종 승인을 빠르게 달성하도록 돕는다. 최근 3D 집적회로와 칩렛 기반 아키텍처 등 설계 복잡성이 커지면서 검증 생산성 격차가 벌어지고 있다. 지멘스에 따르면 퀘스타 원 에이전틱 툴킷은 기존의 개별 툴 중심 상호작용을 에이전틱 AI 기반의 지능형 다단계 워크플로로 전환한다. 이 시스템은 복잡한 작업을 추론하고 실행하면서도 중요한 의사결정 단계마다 엔지니어의 감독을 유지하는 것이 특징이다. 퀘스타 원 에이전틱 툴킷은 지멘스의 에이전틱 및 생성형 프레임워크인 퓨즈 EDA(Fuse EDA) AI 시스템과 원활하게 연동된다. 지멘스 환경을 원하는 고객에게 최적화된 성능을 제공하는 동시에, 개방형 아키텍처를 채택해 다른 에이전틱 플랫폼과도 통합할 수 있다. 표준화된 인터페이스를 통해 다양한 플랫폼에서 일관되게 작동하며 기존 투자 자산을 보호한다.     지멘스는 검증 엔진 전문성과 심층 AI 통합, 고객 선택권 세 가지 요소를 차별점으로 내세웠다. 자체 개발한 모델 컨텍스트 프로토콜을 통해 툴을 에이전틱 프레임워크에 노출하며, 엔비디아의 라마 네모트론(NVIDIA Llama Nemotron) 등을 활용해 실시간으로 검증 상태를 이해한다. 또한 깃허브 코파일럿이나 클로드 코드 등 주요 AI 코딩 애플리케이션과 함께 사용할 수 있는 유연성을 갖췄다. 툴킷에 포함된 주요 에이전트는 설계와 검증의 효율을 높인다. RTL 코드 에이전트는 자연어 설명으로 합성 가능한 코드를 생성하고 규칙 위반을 점검한다. 린트 에이전트(Lint Agent)와 CDC 에이전트는 각각 설계 오류와 클록 도메인 크로싱(Clock Domain Crossing) 검증을 최적화하며, AI 기반의 자동 수정 제안을 통해 품질을 확보한다. 이외에도 검증 계획 에이전트(Verification Planning Agent)는 설계 사양을 분석해 검증 계획을 자동으로 생성하며, 디버그 에이전트는 파형과 로그 파일을 분석해 근본 원인 파악을 돕는다. 이러한 에이전트들은 전문가가 개발한 프롬프트 라이브러리를 기반으로 퀘스타 원의 다양한 툴과 MCP를 활용해 직접 연동된다. 지멘스 디지털 인더스트리 소프트웨어의 아비 콜펙워 수석 부사장은 “퀘스타 원 에이전틱 툴킷은 연결성과 데이터 기반 원칙을 바탕으로 고객이 AI 가속을 통해 설계 및 검증 클로저를 달성하도록 지원한다”면서, “인간의 전문성과 판단을 유지하면서도 지능형 에이전틱 AI 워크플로로 강화된 포괄적인 검증 설루션을 제공한다”고 밝혔다.

엔비디아가 미국 샌프란시스코에서 열리는 게임 개발자 콘퍼런스(GDC)에서 RTX GPU와 DGX 스파크 데스크톱 슈퍼컴퓨터를 기반으로 AI 비디오 생성 워크플로를 간소화하는 업데이트를 공개했다. 이번 발표는 게임 개발자와 아티스트가 엔비디아 RTX AI PC를 활용해 더욱 몰입감 있는 세계관과 캐릭터를 창조하도록 돕는 데 초점을 맞췄다. 엔비디아는 이번 행사에서 인기 생성형 AI 도구의 진입 장벽을 낮춘 신규 컴피UI(ComfyUI) 앱 뷰(App View)를 선보였다. 또한 실시간 4K 업스케일러인 ‘RTX 비디오 슈퍼 레졸루션’을 컴피UI에서 사용할 수 있도록 지원하며, 개발자에게는 이를 파이썬 휠(Python Wheel) 형태로 제공한다. 현재 NVFP4와 FP8 모델 버전은 플럭스.2 클라인(FLUX.2 Klein)을 지원하고 있으며, 향후 LTX-2.3에 대한 NVFP4 지원도 추가될 예정이다. 엔비디아에 따르면 이를 통해 최대 2.5배의 성능 향상과 60%의 메모리 사용량 절감이 가능하다.     컴피UI의 새로운 앱 뷰는 노드 그래프 구조에 익숙하지 않은 사용자를 위해 단순한 인터페이스를 제공한다. 사용자는 프롬프트를 입력하고 파라미터를 조정한 뒤 생성 버튼을 누르는 것만으로 작업을 수행할 수 있다. 기존의 노드 기반 인터페이스는 ‘노드 뷰(Node View)’라는 이름으로 유지되어 사용자의 숙련도에 따라 두 모드를 자유롭게 오갈 수 있도록 했다. 성능 측면에서도 개선이 이루어졌다. RTX GPU 기반의 성능은 지난해 9월 대비 40% 향상되었으며, 컴피UI는 NVFP4와 FP8 데이터 포맷을 기본적으로 지원한다. 지포스 RTX 50 시리즈 GPU에서 NVFP4 포맷을 사용하면 성능은 최대 2.5배 높아지고 VRAM 사용량은 60%까지 줄어든다. FP8 포맷 활용 시에는 성능 1.7배 향상과 VRAM 40% 절감 효과를 기대할 수 있다. 더 빠른 4K 비디오 생성을 위한 설루션도 강화됐다. 엔비디아 RTX 비디오 슈퍼 레졸루션을 활용하면 낮은 해상도로 빠르게 생성한 프리뷰 영상을 고품질 4K로 즉시 업스케일링할 수 있다. 이 기능은 컴피UI 내 노드 형태로 제공되어 사용자가 직접 생성 워크플로를 구축하는 데 유용하다. 또한 엔비디아는 AI 개발자를 위해 무료 파이썬 패키지를 공개하고 깃허브 샘플 코드 등을 제공한다. 이 패키지는 RTX GPU의 텐서 코어에서 직접 실행되어 일반적인 로컬 업스케일러보다 최대 30배 빠른 속도를 구현하며 VRAM 사용량도 줄인다. 엔비디아는 “이러한 도구가 콘셉트 탐색과 스토리보드 제작 등 초기 창작 과정의 효율을 높이고 초보자의 AI 비디오 모델 접근성을 개선할 것”이라고 밝혔다.

인텔은 독일 뉘른베르크에서 열리는 ‘임베디드 월드 2026’에서 에지 애플리케이션용 산업용 플랫폼인 ‘인텔 코어 프로세서 시리즈 2’를 공개했다.  인텔 코어 시리즈 2 프로세서는 현대 산업 환경이 직면한 핵심 과제를 해결하도록 설계됐다. 산업 현장은 안전 필수 제어 시스템부터 실시간 데이터 처리까지 다양한 중요 워크로드를 동시에 처리해야 한다. 이때 정밀한 타이밍과 결정론적 성능을 유지하는 것이 중요하다. 기존 프로세서는 연산 성능과 실시간 신뢰성 중 하나를 선택해야 하는 경우가 많았다. 이 때문에 비용과 시스템 복잡도를 높이는 다중 프로세서 아키텍처가 요구됐다. 인텔 코어 시리즈 2 프로세서는 이러한 한계를 근본적으로 개선하기 위해 설계됐다. 인텔은 “이 제품은 AMD 라이젠 7 9700X 대비 최대 4.4배 낮은 최대 PCIe 지연 시간을 제공한다. 확정적 응답 시간은 최대 2.5배 향상됐다. 확정적 성능은 최대 3.8배, 멀티스레드 성능은 최대 1.5배 개선됐다. 이를 통해 산업 현장에서 요구되는 성능과 안정성을 동시에 충족한다”고 전했다.     이와 함께 인텔은 최신 헬스케어 및 생명과학용 에지 AI 제품군인 ‘헬스케어 및 생명과학 AI 스위트’의 프리뷰 버전을 발표했다. 이 제품군은 AI 기반 환자 모니터링 설루션을 위한 검증된 레퍼런스 파이프라인과 벤치마킹 도구를 제공한다. 현재 환자 수 증가와 의료 인력 부족 현상이 심화되고 있다. 이에 따라 환자 모니터링은 단일 디바이스를 넘어 지능형 연결 생태계로 빠르게 진화하고 있다. 보다 빠른 인사이트 도출과 안정적인 운영을 지원하는 AI 기반 설루션 수요도 확대되는 추세다. 이 스위트는 AI 기반 심전도(ECG) 부정맥 탐지 기능을 보여준다. 원격 광혈류측정이나 익명화된 3D 시각적 추적 등 멀티모달 워크로드도 인텔 프로세서에서 로컬로 실행된다. 이를 통해 OEM, ODM, ISV는 실제 사용 환경을 반영한 시나리오 기반으로 플랫폼을 평가할 수 있다. 인텔은 최근 출시된 코어 울트라 시리즈 3 프로세서와 P-코어를 탑재한 인텔 코어 시리즈 2 프로세서가 자사의 포괄적인 에지 포트폴리오를 입증한다고 전했다. 신규 헬스케어 및 생명과학 에지 AI 스위트는 확정적 실시간 제어부터 고도화된 AI 가속에 이르는 폭넓은 고객 요구를 충족한다. 인텔은 제조업과 헬스케어 등 전반적인 에지 애플리케이션에서 혁신을 가속화할 것으로 기대하고 있다. 인텔 코어 울트라 시리즈 3 및 P-코어를 탑재한 인텔 코어 시리즈 2 기반 에지 시스템은 현재 구매할 수 있다. 헬스케어 및 생명과학 에지 AI 스위트의 프리뷰 버전은 깃허브(GitHub)에서 제공된다. 정식 출시 시기는 2026년 2분기 중으로 예정되어 있다. 인텔의 댄 로드리게즈(Dan Rodriguez) 에지 컴퓨팅 그룹 총괄 부사장은 “에지 컴퓨팅은 인텔의 가장 빠르게 성장하는 사업 부문 중 하나로, 인텔은 해당 시장을 지속적으로 선도하고 있다”며, “인텔 코어 시리즈 2와 CES에서 공개한 인텔 코어 울트라 시리즈 3, 그리고 에지 AI 스위트 확장을 통해 획기적인 성능과 신뢰성, 통합된 AI 가속 기능을 갖춘 포괄적인 플랫폼을 지속적으로 제공함으로써 다양한 에지 고객 요구를 충족하고 있다”고 밝혔다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 건설 인프라 분야에서 정보 교환 시 사용되는 BIM(건설 정보 모델링) 산업 표준인 IFC(Industry Foundation Classes) 기반 AI 에이전트 개발 과정을 설명한다. IFC 포맷의 BIM 데이터를 팔코DB(FalkorDB) 그래프 데이터베이스로 변환하고, 로컬 LLM인 Ollama(올라마)를 연동하여 자연어 질의가 가능한 AI 에이전트를 구축하는 전체 과정을 기술한다. 또한, 도커(Docker) 기반의 데이터베이스 서버 구성부터 파이썬(Python) 의존성 설치, 데이터 적재 및 애플리케이션 실행 방법을 단계별로 정리한다.   ■ 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   그림 1   개발 환경 및 전제 조건 이번 호에서 만들어 볼 시스템은 온프레미스 환경에서의 실행을 가정하며, 다음의 컴포넌트를 필요로 한다. 도커 : 그래프 데이터베이스(팔코DB) 실행을 위해 필요(설치 : https://www.docker.com/get-started) 파이썬 3.11+ : 데이터 변환 및 에이전트 로직 수행 올라마 : 로컬 LLM 추론 서버 하드웨어 : LLM 구동을 위한 적정 수준의 GPU 또는 메모리(RAM 16GB 이상 권장) 지면 한계 상 모든 개발 코드를 설명하기는 어려우므로, 주요 부분만 개발 방법을 설명할 것이다. 다음의 깃허브 링크를 참고해 다운로드한다. ■ https://github.com/mac999/infra_ai_agent_tutorials/tree/main/08_AI_Agent/5_infra_graph_rag 다운로드한 폴더의 구조는 <그림 2>와 같을 것이다.   그림 2   이제 이 깃허브 프로젝트의 각 핵심 모듈을 설명하도록 하겠다.   데이터베이스 서버 구축(팔코DB) 팔코DB는 레디스(Redis) API 호환 고성능 그래프 데이터베이스다. 오픈소스이며 무료이다. 그래프 구조 데이터 저장 및 검색을 지원한다.   그림 3. Graph Database uses GraphBLAS under the hood for its sparse adjacency matrix graph representation(GraphRAG) (https://github.com/FalkorDB/FalkorDB)   실행을 위해, 다음과 같이 명령창 터미널에서 도커 명령을 실행해 본다. 그러면 팔코DB 서버가 로컬에 다운로드된 후 자동 실행될 것이다. docker run -p 6379:6379 -p 3000:3000 -it --rm -v ./data:/ var/lib/falkordb/data falkordb/falkordb 상세 옵션은 다음과 같다. -p 6379:6379 : 팔코DB(레디스 프로토콜) 접속 포트 바인딩. 파이썬 클라이언트가 이 포트로 통신한다. -p 3000:3000 : (옵션) 팔코DB 시각화 도구 등을 위한 포트 바인딩 -it --rm : 대화형 모드로 실행하며, 컨테이너 종료 시 자동 삭제 -v ./data:/var/lib/falkordb/data : 호스트의 ./data 디렉터리를 컨테이너 내 데이터 저장소로 마운트하여 데이터 영속성(persistence)을 보장한다.   패키지 및 모델 설치 이제 IFC 파싱, 그래프 DB 연결, LLM 체인 구성을 위한 라이브러리를 pip로 터미널에서 설치한다. Plaintext falkordb langchain langchain-ollama langchain-core ifcopenshell python-dotenv streamlit 이제 자연어를 그래프 구조 데이터베이스를 검색할 때 사용하는 사이퍼 쿼리로 변환(Text-to-Cypher)하는 방법이 필요하다. 이 경우, 코드 생성 능력이 뛰어난 모델이 필요하다. 이번 호에서는 qwen2.5-coder:7b 모델을 사용한다. 올라마 설치(다운로드 : https://ollama.com/download/ windows) 후 다음의 명령어를 실행한다. ollama pull qwen2.5-coder:7b     ■ 자세한 기사 내용은 PDF로 제공됩니다.

마이크로소프트가 전 세계 고객 및 파트너사의 AI 기반 비즈니스 혁신 사례를 공개하며, ‘프론티어 전환(Frontier Transformation)’을 제시했다. 마이크로소프트는 프론티어 전환을 중심으로 조직의 성장을 지원하고 있다. 이는 효율과 생산성에 집중했던 기존 AI 전환을 넘어, 지능의 보편화를 통해 전 세계 조직과 개인의 창의성을 극대화하고 비즈니스 모델 전반을 재구상하는 전략을 의미한다. 마이크로소프트는 프론티어 기업들이 지능과 신뢰를 기반으로 세 가지 핵심 특성을 공유한다고 소개했다. ▲코파일럿과 에이전트를 실무 도구에 배치해 인간의 열망을 실제 성과로 연결하는 업무 흐름 속 AI ▲모든 직무 구성원에게 혁신 권한을 부여해 창의성을 극대화하는 전방위적 혁신 ▲기술 계층 전반의 보안과 거버넌스를 통해 결과의 신뢰를 보장하는 가시성 확보 등이다. 이러한 세 가지 핵심 특성은 마이크로소프트의 새로운 지능 레이어를 통해 구현된다. 지능 레이어에는 ▲사람의 업무 방식을 이해하는 업무 IQ(Work IQ) ▲조직의 데이터를 기반으로 추론을 지원하는 패브릭 IQ(Fabric IQ) ▲안전하고 확장 가능한 에이전트 환경을 구축하는 파운드리 IQ(Foundry IQ)가 포함된다. 아울러 통합 제어 설루션인 에이전트 365(Agent 365)는 조직 내 모든 AI 자산을 관측하고 보안 및 거버넌스를 관리하는 컨트롤 플레인(control plane)으로서, 마이크로소프트 플랫폼뿐만 아니라 타사 플랫폼 기반의 에이전트까지 아우르는 통합된 가시성을 제공한다.     마이크로소프트가 소개한 기업 사례는 ▲모든 산업과 직무에서 인간의 열망을 실제 성과로 연결하고 ▲모든 구성원의 창의성 극대화 및 비즈니스 영향력 가속화를 실현하며 ▲전 계층에 걸친 보안 및 거버넌스로 비즈니스 신뢰를 구축한 것들이다. 글로벌 의류 기업인 리바이 스트라우스(리바이스)는 마이크로소프트 365 코파일럿과 파운드리를 전사 표준 플랫폼으로 채택해, 디자이너부터 물류 센터까지 전 직군을 연결하는 통합 AI 작업 환경을 구축했다. 이를 통해 기존 시스템 간의 데이터 단절을 해소하고 시장 수요 예측과 제품 출시 속도를 최적화했다. 어도비는 마이크로소프트 애저, 코파일럿 및 마이크로소프트 파운드리를 제품 생태계 전반에 도입해 핵심 비즈니스 프로세스를 재설계하고 있다. 특히 깃허브 코파일럿(GitHub Copilot)을 통한 개발 생산성 향상은 물론, 포토샵과 아크로뱃 등 주요 제품 워크플로에 에이전트 기술을 긴밀히 결합함으로써 작업 속도의 혁신적인 가속화를 구현하고 있다. 메르세데스-벤츠는 전사 50개 이상의 사업 영역에서 코파일럿 스튜디오를 활용해 자체 에이전트를 구축하고 워크플로를 자동화했다. 특히 30개 승용차 공장을 연결하는 데이터 플랫폼 MO360을 기반으로 ‘디지털 팩토리 챗(Digital Factory Chat)’ 멀티 에이전트 시스템을 구축했으며, 이를 통해 기존 며칠이 소요되던 문제 진단 시간을 몇 분 단위로 단축했다. 마이크로소프트는 최근 메르세데스-AMG 페트로나스 F1 팀과 파트너십을 발표하며, 레이싱 운영 전반의 혁신을 함께 추진하고 있다. 마이크로소프트는 애저 AI, 마이크로소프트 365, 깃허브 등 마이크로소프트의 통합 클라우드 및 엔터프라이즈 AI 스택을 활용해 데이터를 실시간 인텔리전스로 전환함으로써, 트랙 안팎에서 신속한 의사결정과 정교한 경기 전략 수립을 돕고 있다. 글로벌 색채 기업 팬톤은 마이크로소프트 파운드리와 애저 AI를 기반으로 ‘팬톤 팔레트 제너레이터’를 출시하고, 수십 년간 축적된 컬러 전문 지식을 AI 서비스로 전환했다. 이를 통해 수 주가 소요되던 컬러 연구 작업을 단 몇 초 만에 완료할 수 있는 환경을 구현했으며, 색채 과학 알고리즘 고도화 등 핵심 기술 역량 강화에 주력하고 있다. 마이크로소프트의 저드슨 알소프(Judson Althoff) 커머셜 비즈니스 부문 CEO는 “지능과 신뢰라는 토대 위에 구축된 ‘프론티어 전환’을 통해 고객과 파트너들은 비즈니스 성취의 개념을 새롭게 재정의하고 있다”며, “마이크로소프트는 개방적인 이기종 플랫폼을 통해 기업의 지능 자산과 조직 내 인간의 열망을 통합함으로써, 모든 조직이 AI 퍼스트 혁신을 확장하고 비전을 실현할 수 있도록 적극 지원할 것”이라고 강조했다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   디파이(Dify)는 대규모 언어 모델(LLM)을 활용한 에이전트 서비스를 전문적인 코딩 지식 없이 개발하고 효율적으로 운영할 수 있도록 지원하는 LLMOps(대규모 언어 모델 운영) 플랫폼 및 도구이다. 이 도구는 LLM과 같은 개발에 필요한 도구를 팔래트에서 가져와 캔버스에 배치하고, 이들의 작업 흐름을 연결함으로써 손쉽게 AI 에이전트 서비스를 개발할 수 있다.   ■ 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   그림 1. 디파이로 개발된 챗봇 에이전트 예시   디파이는 사용자가 아이디어를 실제 AI 서비스로 신속하게 전환할 수 있도록 설계된 통합 개발 환경을 제공한다. 가장 큰 특징은 복잡한 백엔드(backend) 인프라나 API 연동 과정을 추상화하여, 사용자가 시각적인 인터페이스를 통해 애플리케이션의 핵심 로직과 기능 구현에만 집중할 수 있도록 한 것이다.   기능 소개 디파이의 주요 기능은 다음과 같다. 시각적 프롬프트 오케스트레이션 : 사용자는 텍스트 입력, LLM 호출, 조건 분기, 외부 도구(API) 사용 등의 과정을 블록처럼 연결하여 정교한 워크플로를 설계할 수 있다. 이를 통해 단순한 질의응답을 넘어 복잡한 추론과 작업 수행이 가능한 AI 에이전트를 구축하는 것이 가능하다. RAG(검색 증강 생성) 엔진 : 자체 데이터(PDF, TXT, 마크다운 등)를 업로드하여 AI 모델이 해당 정보를 기반으로 답변하도록 만드는 RAG 기술을 손쉽게 구현할 수 있다. 디파이는 문서 자동 전처리, 벡터화, 청킹(chunking) 등 복잡한 과정을 내부적으로 처리하여 사용자의 부담을 최소화한다. 모델 호환성 및 관리 : 오픈AI(OpenAI)의 GPT 시리즈, 앤트로픽(Anthropic)의 클로드(Claude), 구글의 제미나이(Gemini) 등 20개 이상의 상용 및 오픈소스 LLM을 지원한다. 사용자는 여러 모델을 프로젝트에 등록해두고 특정 작업에 가장 적합한 모델을 선택하거나, A/B 테스트를 통해 성능을 비교 분석할 수 있다. 배포 및 운영 : 개발이 완료된 애플리케이션은 즉시 사용 가능한 웹 API 엔드포인트(endpoint)나 독립적인 웹 사이트 형태(웹앱)로 배포된다. 또한 사용자 피드백 수집, 모델 성능 모니터링, 프롬프트 개선 등 지속적인 운영 및 관리를 위한 대시보드를 제공하여 서비스 품질을 유지하고 발전시키는 데 도움을 준다. 더 자세한 정보는 디파이 공식 웹사이트(https://dify.ai)에서 확인할 수 있다.   개발 배경 디파이는 2023년 5월에 설립된 랭지니어스(LangGenius, Inc.)에 의해 개발되었으며, 생성형 AI 기술의 급격한 발전 속에서 LLM을 실제 비즈니스에 적용하려는 수요와 기술적 장벽 사이의 간극을 메우기 위해 탄생했다. 초기 LLM 애플리케이션 개발은 파이썬(Python) 라이브러리인 랭체인(LangChain)이나 라마인덱스(LlamaIndex) 등을 활용하는 개발자 중심의 영역이었다. 하지만 이는 프롬프트 엔지니어링, 벡터 데이터베이스 관리, API 연동 등 상당한 전문 지식을 요구했다. 랭지니어스 팀은 이러한 기술적 복잡성이 AI 기술의 대중화와 비즈니스 혁신을 저해하는 주요 요인이라고 판단했다. 이에 따라 기획자, 디자이너, 마케터 등 비개발 직군도 직접 AI 서비스를 만들고 테스트할 수 있는 직관적인 플랫폼을 목표로 디파이를 개발했다. 특히, 모든 소스코드를 공개하는 오픈소스 전략을 채택하여 개발자 커뮤니티의 참여를 유도하고, 데이터 보안에 민감한 기업이 자체 서버에 직접 설치(self-hosting)하여 사용할 수 있도록 유연성을 제공했다. 디파이의 소스코드는 깃허브 저장소(https://github.com/langgenius/dify)에서 확인할 수 있다.   유사 도구 디파이와 유사한 기능을 제공하는 AI 개발 플랫폼은 다수 존재하며, 각각의 도구는 고유한 특징과 목표 시장을 가지고 있다. 플로와이즈AI(FlowiseAI) : 디파이와 마찬가지로 노드를 연결하여 LLM 기반 워크플로를 구축하는 오픈소스 플랫폼이다. UI/UX 측면에서 더 개발자 친화적인 경향이 있으며, LangChain.js를 기반으로 하여 자바스크립트(JavaScript) 생태계와의 통합이 용이하다는 장점이 있다.(https://flowiseai.com) 보이스플로(Voiceflow) : 주로 대화형 AI, 특히 음성 기반 챗봇 및 어시스턴트 제작에 특화된 로코드 플랫폼이다. 시각적인 대화 흐름 설계 도구가 강력하며, 프로토타이핑부터 실제 배포까지 전 과정을 지원하여 고객 서비스 자동화 분야에서 많이 사용된다.(https://www. voiceflow.com) 버블(Bubble) : 웹 애플리케이션 개발을 위한 대표적인 노코드 플랫폼이다. AI 기능이 내장된 것은 아니지만, 높은 유연성과 확장성을 바탕으로 디파이나 오픈AI에서 제공하는 API를 연동하여 복잡한 웹 서비스 내에 AI 기능을 통합하는 방식으로 활용될 수 있다.(https://bubble. io) n8n : 워크플로 자동화에 중점을 둔 오픈소스 도구이다. AI 기능보다는 수백 개의 다양한 서드파티 애플리케이션(예 : 구글 시트, 슬랙, 노션)을 연결하여 데이터 동기화 및 업무 자동화를 구현하는 데 강점을 보인다.(https://n8n.io)     ■ 기사의 상세 내용은 PDF로 제공됩니다.

엔비디아가 미국 라스베이거스에서 열린 CES 2026에서 피지컬 AI(physical AI)를 위한 새로운 오픈 모델, 프레임워크, AI 인프라를 발표하고, 글로벌 파트너들과 협력해 다양한 산업용 로봇을 공개했다고 밝혔다. 새롭게 공개된 엔비디아 기술은 로봇 개발 전반의 워크플로를 가속화해, 다양한 작업을 빠르게 학습할 수 있는 전문가형 범용(generalist-specialist) 로봇을 포함한 차세대 로보틱스의 확산을 촉진한다. 엔비디아는 LG전자를 비롯해 보스턴 다이내믹스, 캐터필러, 프랑카 로보틱스, 휴머노이드, 뉴라 로보틱스 등의 기업이 자사의 로보틱스 스택을 활용한 새로운 AI 기반 로봇을 공개한다고 전했다. 고비용, 단일 작업 중심의 프로그래밍이 까다로운 기계를 추론 가능한 ‘전문가형 범용’ 로봇으로 전환하려면, 파운데이션 모델 구축을 위한 대규모의 자본과 전문 지식이 필요하다. 엔비디아는 개발자가 자원 집약적인 사전 훈련을 생략하고, 차세대 AI 로봇과 자율형 머신 개발에 집중할 수 있도록 지원하는 오픈 모델을 구축하고 있다.  여기에는 ▲물리 기반 합성 데이터 생성과 시뮬레이션 환경에서의 로봇 정책 평가를 지원하는 맞춤형 오픈 월드 모델인 ‘엔비디아 코스모스 트랜스퍼 2.5(Cosmos Transfer 2.5)’와 ‘엔비디아 코스모스 프리딕트 2.5(Cosmos Predict 2.5)’ ▲지능형 머신이 인간처럼 현실 세계를 인식하고, 이해하며 행동할 수 있도록 지원하는 오픈 추론 비전 언어 모델(VLM)인 ‘엔비디아 코스모스 리즌 2(Cosmos Reason 2)’ ▲향상된 추론과 컨텍스트 이해를 지원하며, 전신 제어를 가능하게 하는 휴머노이드 로봇에 특화된 오픈 추론 VLA 모델인 ‘엔비디아 아이작 GR00T N1.6(Isaac GR00T N1.6)’ 등이 포함된다.     한편, 엔비디아는 복잡한 로봇 시뮬레이션 파이프라인을 단순화하고, 연구에서 실제 사용 사례로 전환을 가속하는 새로운 오픈소스 프레임워크를 깃허브(GitHub)에 공개했다. ‘엔비디아 아이작 랩-아레나(Isaac Lab-Arena)’는 대규모 로봇 정책 평가와 벤치마킹을 위한 협업 시스템을 제공하는 오픈소스 프레임워크로, 라이트휠(Lightwheel)과의 협업을 통해 평가와 작업 레이어를 설계했다. 아이작 랩-아레나는 리베로, 로보카사 등 업계 주요 벤치마크와 연동돼 테스트를 표준화하고, 물리적 하드웨어 배포 이전에 로봇 역량의 안정성과 신뢰성을 확보한다. 엔비디아 OSMO는 로보틱스 개발을 단일 제어 센터로 통합하는 클라우드 네이티브 오케스트레이션 프레임워크다. OSMO를 통해 개발자는 합성 데이터 생성, 모델 훈련, 소프트웨어 인 더 루프(software-in-the-loop) 테스트 등의 워크플로를 정의하고 실행할 수 있다. 이를 통해 워크스테이션부터 혼합 클라우드 인스턴스에 이르는 다양한 컴퓨팅 환경에서 개발 주기를 단축할 수 있다. OSMO는 현재 헥사곤 로보틱스과 같은 로봇 개발사에서 사용되고 있으며, 마이크로소프트 애저 로보틱스 액셀러레이터 툴체인에 통합됐다. 엔비디아 젯슨 토르(Jetson Thor)는 추론 기능을 갖춘 휴머노이드 로봇에 요구되는 대규모 컴퓨팅 성능을 충족한다. 이번 CES에서 휴머노이드 개발사들은 젯슨 토르가 통합된 최신 로봇을 선보인다. 뉴라 로보틱스는 포르쉐가 디자인한 Gen 3 휴머노이드와 함께 정교한 제어에 최적화된 소형 휴머노이드를 공개했다. 리치테크 로보틱스는 복잡한 산업 환경에서의 고난도 조작과 내비게이션을 지원하는 모바일 휴머노이드 덱스(Dex)를 선보였다. 애지봇은 산업과 소비자 시장을 위한 휴머노이드와 아이작 심(Isaac Sim)과 통합된 로봇 시뮬레이션 플랫폼 지니 심 3.0(Genie Sim 3.0)을 공개했다. LG전자는 다양한 실내 집안일을 수행하도록 설계된 신규 홈 로봇을 발표했다. 보스턴 다이내믹스, 휴머노이드, 리얼월드는 기존 휴머노이드에 젯슨 토르를 통합해 내비게이션과 조작 역량을 강화했다. 엔비디아 젯슨 T4000(Jetson T4000) 모듈은 엔비디아 젯슨 오린(Jetson Orin) 고객을 위한 비용 효율적이면서도 고성능 업그레이드 경로를 제공하며, 자율형 머신과 범용 로보틱스를 위해 엔비디아 블랙웰(Blackwell) 아키텍처를 도입했다. 이 모듈은 1000개 단위 구매 기준 1999달러에 제공되며, 이전 세대 대비 4배의 성능을 제공한다. 또한 1,200 FP4 TFLOPS의 연산 성능과 64GB 메모리를 70와트 내에서 구성 가능해 에너지 제약 환경의 자율 시스템에 적합하다. 1월 말 출시 예정인 엔비디아 IGX 토르(IGX Thor)는 엔터프라이즈 소프트웨어 지원과 기능 안전을 갖춘 고성능 AI 컴퓨팅을 제공해 로보틱스를 산업 에지로 확장한다. 아처는 IGX 토르를 활용해 항공 분야에 AI를 도입하고, 항공기 안전, 공역 통합, 자율 시스템 핵심 역량을 고도화하고 있다. 또한 캐터필러는 건설, 광산 현장의 장비와 작업 환경에 첨단 AI와 자율성을 도입하기 위해 엔비디아와의 협력을 확대하고 있다. 엔비디아의 젠슨 황 CEO는 “로보틱스 분야에도 ‘챗GPT(Chat GPT) 시대’가 도래했다. 현실 세계를 이해하고, 추론하며, 행동을 계획하는 피지컬 AI 모델의 도약은 완전히 새로운 애플리케이션을 가능하게 한다. 엔비디아의 젯슨 로보틱스 프로세서, 쿠다, 옴니버스, 오픈 피지컬 AI 모델로 구성된 풀스택은 글로벌 파트너 생태계가 AI 기반 로보틱스를 통해 산업을 혁신할 수 있도록 지원한다”고 말했다.

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.

마이크로소프트가 2026년 AI 혁신을 이끌 7대 트렌드를 공개하면서, AI가 도구를 넘어 인간의 파트너로서 실질적인 변화를 만드는 시대를 예고했다. 지난 몇 년간의 실험 단계를 지나, AI는 이제 우리가 일하고, 창작하고, 문제를 해결하는 방식을 바꾸고 인간과 협업하며 인간의 전문성을 확장하고 있다. 마이크로소프트는 2026년을 기점으로 AI가 단순한 도구를 넘어 인간의 역량을 확장하는 실질적인 파트너로 진화함으로써, 가시적인 변화를 이끌 것으로 전망했다. 이러한 변화는 다양한 산업 전반에서 현실화되고 있다. AI는 의료 분야에서 의료 격차 해소에 기여하고 있으며, 소프트웨어 개발 분야에서는 작업의 맥락까지 이해한다. 양자 컴퓨팅 분야에서는 AI와 슈퍼컴퓨터, 양자를 결합한 하이브리드 접근이 기존에 해결 불가능했던 문제에 대한 돌파구를 예고하고 있다. AI 에이전트의 고도화에 따라 보안과 인프라의 중요성도 더욱 커지고 있다. 조직들은 디지털 동료의 등장에 따른 새로운 위협에 대응하는 한편, 스마트하고 효율적인 AI 인프라 구축에도 속도를 내고 있다.     첫 번째, AI는 인간의 능력을 단순히 보조하는 수준을 넘어 보다 강력한 협력자로 자리 잡을 전망이다. AI는 질문에 답하고 문제를 추론하던 단계를 지나, 사람과 함께 일하며 성과를 확대하는 방향으로 진화하고 있다. 이는 개인과 소규모 팀이 기존보다 훨씬 큰 규모의 프로젝트를 신속하게 추진할 수 있는 환경을 만드는 변화다. 특히 AI 에이전트는 데이터 분석, 콘텐츠 생성, 개인화 작업 등을 담당하며 디지털 동료의 역할을 수행하게 된다. 예를 들어, 소수 인원으로 구성된 팀도 AI의 지원을 통해 며칠 만에 글로벌 캠페인을 기획·실행할 수 있는 업무 환경이 가능해진다. 이러한 변화는 인간이 전략이나 창의성이 필요한 핵심 역할에 집중할 수 있도록 돕고, 조직의 생산성 향상으로 이어질 것으로 기대된다. 두 번째, AI 에이전트의 확산과 함께 보안이 핵심 과제로 떠오르고 있다. 2026년에는 AI 에이전트가 조직 내에서 디지털 팀원처럼 기능하며, 일상 업무와 의사결정을 돕는 데 관여할 것으로 예상된다. 이에 따라, 보안에서부터 각 에이전트의 신뢰성을 확보하는 것이 그 어느 때보다 중요해지고 있다. 각 에이전트에는 명확한 신원을 부여하고, 접근 권한을 제한하며, 에이전트가 생성한 데이터를 관리하고, 에이전트를 외부 위협으로부터 보호하는 체계적인 보안 설계가 요구된다. 보안은 더 이상 마지막에 추가하는 옵션이 아니라, 처음부터 환경 전반에서 상시적, 자율적, 내장형으로 작동할 것으로 예고된다. 또한, 공격자들이 AI를 악용하는 방식이 정교해짐에 따라, 조직은 보안 에이전트를 통해 위협을 조기에 탐지하고 신속히 대응하는 보안 체계를 구축하고 있다. 세 번째, AI가 의료 격차 해소의 열쇠로 부상하고 있다. 세계보건기구(WHO)는 2030년까지 약 1100만 명의 의료 인력이 부족해질 것으로 전망하며, 이로 인해 전 세계 45억 명이 필수 의료 서비스를 받지 못할 수 있다고 경고했다. 2025년 마이크로소프트 AI의 진단 오케스트레이터(MAI-DxO)는 숙련된 의사의 평균 진단 정확도(20%)를 웃도는 85.5%의 정확도로 복잡한 의료 사례를 해결하는 성과를 냈다. 또한 코파일럿(Copilot)과 빙(Bing)은 매일 5000만 건 이상의 건강 관련 문의를 처리하고 있다. 네 번째, AI가 과학 연구 과정에 점점 더 중요한 역할을 맡고 있다. AI는 이미 기후 모델링, 분자동역학, 신소재 설계 등의 분야에서 혁신을 앞당기고 있으며, 2026년에는 물리·화학·생물학 연구에서 논문 요약이나 보고서 작성을 넘어, 실제 발견 과정에 적극 참여할 것으로 전망된다. 이러한 변화는 마치 개발자가 AI와 함께 코드를 작성하는 ‘페어 프로그래밍(pair programming)’이나, 일상 업무를 자동화하는 앱을 사용하는 흐름과 맞닿아 있다. 마이크로소프트는 과학 분야에서도 이 같은 협업 방식이 점차 확산될 것으로 내다보고 있다. 다섯 번째, AI 인프라가 단순한 확장을 넘어 더 스마트하고 효율적인 방향으로 재편되고 있다.  2026년에는 분산된 컴퓨팅 자원을 보다 조밀하게 배치하고 유연하게 운용하는 차세대 연결형 인프라, 이른바 AI 슈퍼팩토리(superfactories)가 등장할 전망이다. 마크 러시노비치(Mark Russinovich) 마이크로소프트 애저(Microsoft Azure) 최고기술책임자 (CTO)는 이러한 변화를 “AI 워크로드를 위한 항공 교통 관제 시스템”에 비유했다. 컴퓨팅 자원을 실시간으로 조정하고 분산시켜, 작업이 지연될 경우 즉시 다른 작업이 그 자원을 활용해 낭비 없이 운영되는 구조라는 설명이다. 여섯 번째, AI가 단순한 코드 해석을 넘어 코드 간 관계와 과거 이력까지 이해하는 수준으로 진화하고 있다. ‘리포지토리 인텔리전스(Repository Intelligence)’라 불리는 이 기술은 코드의 변경 내역과 이유 등 코드 리포지토리의 패턴을 분석해 더 스마트한 제안과 빠른 오류 탐지, 수정 자동화를 돕는다. 2025년은 소프트웨어 개발 활동이 사상 최고치를 기록한 해였다. 깃허브(GitHub)에 따르면, 매달 평균 4320만 건의 풀 리퀘스트(Pull Request)가 병합돼 전년 대비 23% 증가했으며, 코드 변경 내역을 저장한 커밋 수도 10억 건으로 25% 늘었다. 이는 AI가 코드 작성부터 검토, 유지보수 전 과정에 중심적으로 관여하며, 소프트웨어 개발 방식이 빠르게 변화하고 있음을 보여준다. 일곱 번째, 양자 컴퓨팅이 기존 컴퓨팅의 한계를 넘어서는 실용화가 수십 년이 아닌 수년 앞으로 다가오고 있다. 특히 AI와 슈퍼컴퓨터, 양자를 결합한 ‘하이브리드 컴퓨팅’이 부상하면서, 각 기술의 강점을 통합한 새로운 연산 방식이 주목받고 있다. AI는 데이터에서 패턴을 찾고, 슈퍼컴퓨터는 대규모 시뮬레이션을 처리하며, 양자는 분자와 물질 모델링 계산 정확도를 획기적으로 높이는 역할을 수행한다. 여기에 오류를 감지하고 보정할 수 있는 ‘논리 큐비트(logical qubits)’ 기술의 발전이 더해지며, 양자 시스템의 안정성도 향상되고 있다. 마이크로소프트의 양자 칩 마요라나 1(Majorana 1)은 위상 큐비트(topological qubits)를 기반으로 설계돼 큐비트의 불안정성을 줄이고, 오류를 자동으로 감지·수정할 수 있는 구조를 갖췄다. 이를 통해 하나의 칩에 수백만 개 큐비트를 집적할 수 있는 확장성도 확보했다.