세일즈포스가 기업 내 산재된 AI 에이전트와 도구를 통합 관리할 수 있는 차세대 ‘뮬소프트 에이전트 패브릭(MuleSoft Agent Fabric)’을 공개했다. 이번 업데이트는 멀티 클라우드 환경의 AI 에이전트를 자동으로 탐색하고 통합 식별하는 기능을 탑재했다. 세일즈포스는 이를 통해 복잡해지는 기업 AI 운영 환경에 새로운 표준을 제시할 수 있을 것으로 기대하고 있다. 최근 기업 전반에서 AI 에이전트 도입이 빠르게 확산되면서, 부서와 클라우드 환경에 따라 서로 상이한 에이전트가 개별적으로 운영되고 중앙의 통제 없이 무분별하게 생성되는 ‘에이전트 스프롤(Agent Sprawl)’ 현상이 심화되고 있다. 글로벌 시장조사기관 IDC는 전 세계에서 실제 운영 중인 AI 에이전트 수가 2025년 대비 40배 급증하여 2029년까지 10억 개를 넘어설 것으로 전망하며, 통합 관리 역량이 AI 시대 기업 경쟁력을 좌우하는 핵심 요소로 급부상하고 있다고 분석했다. 이러한 흐름에 대응해 세일즈포스는 ‘뮬소프트 에이전트 패브릭’의 관리 범위를 확장하고, 멀티 클라우드 환경 전반에 분산된 AI 에이전트의 통합 관리를 위한 역량을 강화했다. 특히 AWS 및 구글 클라우드 등 글로벌 파트너사와의 기술 협력을 바탕으로, 기업이 분산된 AI 에이전트를 일관된 기준으로 관리하고 즉각적인 가시성을 확보할 수 있도록 지원한다.     뮬소프트 에이전트 패브릭은 클라우드와 사내 시스템 전반에 분산된 AI 에이전트와 도구를 연결해 관리하는 기반 플랫폼이다. 이를 통해 기업은 다양한 환경에서 운영되는 AI 에이전트를 하나의 체계로 통합하고, 보안과 거버넌스를 확보한 환경에서 AI 활용 범위를 확장할 수 있다. 새롭게 강화된 뮬소프트 에이전트 패브릭은 세일즈포스의 AI 에이전트 플랫폼인 ‘에이전트포스’를 비롯해 아마존 베드록(Amazon Bedrock), 구글 클라우드 버텍스 AI(Vertex AI), 마이크로소프트 코파일럿 스튜디오(Copilot Studio) 등 주요 AI 플랫폼 전반에서 활동 중인 에이전트를 자동으로 탐색한다. 또한 사내에서 자체 개발한 에이전트나 MCP 서버를 손쉽게 등록할 수 있는 유연한 기능을 제공하여, 기업 내 모든 AI 자산을 단일 관리 체계 내에서 통합 운영할 수 있도록 설계됐다. 특히 새롭게 선보인 ‘에이전트 스캐너(Agent Scanner)’ 기능은 각 플랫폼에 배포된 AI 에이전트를 별도의 수작업 없이 자동으로 식별 및 등록할 수 있도록 지원한다. 이를 통해 기업은 에이전트의 주요 역할과 사용 중인 AI 모델, 접근 가능한 데이터 범위를 명확히 파악할 수 있다. 또한 수집된 메타데이터를 구글 클라우드의 표준 ‘에이전트 간(A2A) 프로토콜’ 사양으로 정규화 및 매핑하여, 서로 다른 플랫폼 간의 상호 운용성을 보장하고 보안 점검과 운영 관리에 필요한 정보를 보다 효율적으로 확보할 수 있도록 돕는다. 이렇게 탐색 된 에이전트와 AI 도구 정보는 뮬소프트 ‘에이전트 레지스트리(Agent Registry)’를 중심으로 통합 관리된다. 레지스트리는 기업 내 모든 AI 에이전트와 모델 컨텍스트 프로토콜(MCP) 서버, AI 도구를 하나의 목록으로 정리해 제공하며, 변경 사항을 실시간으로 반영해 최신 운영 현황을 유지할 수 있다. 이 외에도 뮬소프트 ‘에이전트 비주얼라이저(Agent Visualizer)’ 기능은 기업 전반의 AI 에이전트 운영 현황을 직관적으로 보여준다. 플랫폼별, 역할별, 기능별로 에이전트를 검색 및 비교할 수 있어, 유사한 기능의 에이전트가 중복 운영되고 있는지 확인하거나 보다 효율적인 통합 운영 방안을 검토하는 데 유용하게 활용될 수 있다. 이에 따라 기업은 AI 투자 현황을 보다 명확히 파악하고, 실제 비즈니스 성과 도출을 위한 활동에 자원을 집중할 수 있다. 세일즈포스 코리아의 박세진 대표는 “성공적인 AX(AI 전환)를 위해서는 단순히 고성능 AI 모델을 도입하는 것을 넘어, 파편화된 AI 자산들을 얼마나 유기적으로 연결하고 제어할 수 있느냐가 관건”이라면서, “뮬소프트 에이전트 패브릭은 멀티 클라우드 환경에 흩어진 에이전트들을 하나의 생태계로 통합하는 ‘AI 관제탑’ 역할을 수행하며, 국내 기업들이 기술적 복잡성이라는 한계를 넘어 비즈니스 혁신 본연에 집중할 수 있도록 돕는 핵심 역할을 수행하게 될 것”이라고 전했다.

PTC가 한국 지사 설립 33주년을 맞아 제조 산업의 미래를 선도하기 위한 ‘인텔리전트 제품 라이프사이클(Intelligent Product Lifecycle)’ 비전과 AI(인공지능) 전략을 발표했다. 이 전략의 핵심은 설계부터 유지보수에 이르는 제품 수명주기 전반의 데이터를 유기적으로 연결하고, 이를 기반으로 제조산업에서 AI의 효율을 극대화하겠다는 것이다. PTC는 신뢰도 높은 제품 데이터 기반과 주력 설루션에 내재화된 AI 기술로 제조 경쟁력 강화를 돕겠다고 전했다. ■ 정수진 편집장    신뢰도 높은 제품 데이터 기반으로 AI 접목 PTC 코리아의 김도균 대표 겸 본사 부사장은 “PTC는 단순히 CAD나 PLM 설루션을 제공하는 기업을 넘어, ‘인텔리전트 제품 라이프사이클(Intelligent Product Lifecycle)’을 구현하는 기업으로 진화하고 있다”고 소개했다. ‘인텔리전트 제품 라이프사이클’ 비전의 핵심은, 복잡해지는 제조 환경에서 데이터를 체계적으로 관리하고 AI를 적용하여 기업의 실질적인 비즈니스 가치를 창출하는 것이다. 김도균 대표는 “성공적인 AI의 도입과 활용을 위해서는 먼저 ‘신뢰할 수 있는 제품 데이터 파운데이션(Product Data Foundation)’을 구축해야 한다”고 설명했다. 제조산업에서는 AI가 잘못된 정보를 생성(hallucination)하거나 일관성이 부족한 답변을 내놓는 것이 특히 치명적일 수 있다. 이를 막기 위해서 PTC는 설계(CAD), 제품 수명주기 관리(PLM), 애플리케이션 수명주기 관리(ALM), 서비스 수명주기 관리(SLM) 등에서 발생하는 데이터를 구조화하고, 이를 통해 AI가 일관되고 신뢰할 수 있는 답변을 제공할 수 있는 기반을 만드는 것이 최우선 과제라고 보고 있다. PTC 코리아의 이봉기 사업개발담당 마스터는 “제품의 복잡성 증가를 관리하는 것뿐 아니라 이를 경쟁우위로 전환하기 위해서는, 다양한 시스템에 파편화된 채로 존재하는 정형 및 비정형 데이터를 온톨로지(ontology)와 시맨틱(semantic) 모델로 유기적으로 연결해야 한다. 이를 통해서 데이터의 맥락(context)을 확보하고, 유의미한 정보를 얻을 수 있게 된다”고 설명했다.   ▲ 국내 사업 전략을 설명한 PTC 코리아 김도균 대표   제품 수명주기 전반에 걸친 AI 에이전트 이런 비전에 따라 PTC는 제품 데이터 파운데이션 위에 AI 기술을 탑재하여 제품 기획부터 폐기까지 전 과정을 혁신하겠다는 전략을 제시했다. CAD, PLM, ALM, SLM 등 자사의 주요 설루션 라인업에 에이전트의 형식으로 AI 기능을 도입한다는 로드맵도 소개했다. 일부 AI 에이전트는 이미 제공되고 있으며, 올해부터는 여러 AI 에이전트가 본격 추가될 전망이다.   ALM 코드비머(Codebeamer)를 중심으로 하는 ALM 영역에서는 복잡한 요구사항을 관리하고, 소프트웨어의 안전성을 검증하는 데에 생성형 AI를 활용한다. 요구사항 분석 및 규제 검증 : AI가 사용자가 작성한 요구사항을 분석하여 국제 시스템 엔지니어링 표준 위반 여부를 자동으로 판별한다. 규칙을 위반한 경우, AI가 수정 제안을 하거나 예시를 제공하여 규제 대응 시간을 줄일 수 있게 한다. 테스트 케이스 자동 생성 : 요구사항을 선택하면 AI가 이를 검증하기 위한 테스트 조건과 단계를 자동으로 생성해 준다. 또한 기존 테스트 케이스와의 중복 여부를 분석해서 효율적인 테스트 시나리오를 작성할 수 있도록 돕는다.   CAD PTC의 제품 설계 설루션인 크레오(Creo)에는 설계자의 창의성을 돕고 반복 작업을 줄여주는 AI 기능이 탑재되고 있다. 자연어 기반 생성형 설계 : “표면적이나 볼륨을 최적화한 컵을 만들어줘”와 같이 자연어로 명령하면, AI가 최적의 형상을 자동으로 모델링한다. 설계자가 구체적인 치수나 조건을 추가하면 이에 맞춰 형상을 수정한다. 소재 추천 및 심미성 평가 : AI가 설계된 모델의 물성치를 분석하여 적합한 재질을 추천하거나, 인터넷상의 이미지 데이터와 비교해서 디자인 평가 피드백을 제공하고 설계자의 의사결정을 지원한다.   PLM 방대한 엔지니어링 데이터를 관리하는 윈칠(Windchill) PLM에서는 데이터의 재활용성을 높이고 업무 효율을 높이는 데에 AI가 쓰인다. 유사 형상 검색 및 중복 부품 제거 : 단순 텍스트 검색이 아니라, AI가 3D 형상 기반으로 유사한 부품을 찾아내서 비교 테이블을 제공한다. 이를 통해 설계자는 기존 부품을 재활용하여 설계를 변경하거나, 구매 부서에서는 중복 구매를 방지하여 비용을 줄일 수 있다. 문서 인사이트 및 요약 : 챗GPT(ChatGPT)와 비슷한 대화형 인터페이스를 통해 PLM 내부의 방대한 기술 문서를 검색하고 요약할 수 있다. AI는 답변과 함께 근거가 되는 원본 문서의 링크를 함께 제공함으로써 정보의 신뢰성을 보장한다.     제조 데이터 보안 및 개방성 강화 한편, 제조 데이터는 기업의 민감한 기술 정보를 포함하고 있다. 이에 대해 이봉기 마스터는 “보안 및 권한 관리를 위해 역할 기반 정보 필터링을 지원하면서, 중복 제거를 통한 비용 절감, 규제 준수 및 추적성 확보 등 실질적인 비즈니스 가치 창출을 도울 수 있다”고 설명했다. 제조 데이터는 ERP, MES 등 다양한 설루션과의 유기적인 연결이 필수이기도 하다. PTC는 개방성을 중시하면서, 마이크로소프트, AWS, 엔비디아 등 클라우드 기업과의 파트너십을 통해 고객이 SaaS(서비스형 소프트웨어) 환경에서 보안과 성능이 보장된 AI 서비스를 활용하도록 지원할 것이라고 전했다. 이런 전략을 통해 제조 기업이 궁극적으로 제품 출시 기간 단축, 품질 향상, 비용 절감과 같은 실질적인 경영 목표를 달성하도록 돕겠다는 것이다.   국내 사업 확장 및 생태계 확대 전략 PTC 코리아는 33년간 축적한 국내 비즈니스 경험을 바탕으로, 새로운 고부가가치 산업까지 사업 영역을 확장할 계획이라고 전했다. 김도균 대표는 “기존에 강세를 보인 자동차, 전자/하이테크, 산업 기계 분야에서 입지를 굳히는 동시에, 의료 기술, 우주 항공 및 방위 산업으로 시장을 적극 확대할 예정”이라고 밝혔다. 파트너 생태계 강화도 PTC가 중점을 두는 부분이다. 전문 파트너사와 MOU를 체결하여 복잡성이 높은 항공우주, 방위, 의료기기 등 산업군에 특화된 엔지니어링 서비스를 제공하는 한편, 글로벌 SI 기업 및 국내 로컬 파트너와 협력을 통해 한국 제조 기업의 AI 도입 진입 장벽을 낮추고 생태계 전반을 지원하겠다는 것이다. 김도균 대표는 “PTC는 한국 시장의 중요성을 인지하고 영업 및 기술 인력을 지속해서 확충하고 있다. 이외에 대학 및 교육 기관과 협력하여 AI 및 제조 소프트웨어 전문 인재를 양성하는 데에도 투자하고 있다”고 덧붙였다.     ■ 기사 내용은 PDF로도 제공됩니다.

[CAE 컨퍼런스 2025] 발표자료 다운로드 안내입니다. CAE 컨퍼런스 2025이 지난 11월 7일 수원컨벤션센터에서 ‘시뮬레이션의 미래 : AI와 디지털 트윈이 주도하는 제조 혁신’을 주제로 성황리에 개최됐습니다. CAE 컨퍼런스 2025에서는 AI(인공지능)와 디지털 트윈(Digital Twin)의 융합을 통한 엔지니어링 혁신 및 가속화의 흐름을 짚었고, CAE 수요-공급업계 관계자를 위한 정보 교류의 장으로, ‘제7회 스마트 공장 구축 및 생산자동화전(SMATEC 2025)’과 동시 개최되었습니다. CAE 컨퍼런스 준비위원회 위원장인 연세대학교 기계공학과 이종수 교수는 개회사에서 과거에는 설계, 해석, 생산 등 공학 영역 사이의 장벽이 허물어지고 기술 융합과 협업이 가속화되고 있다고 짚었다. 한편, AI는 엔지니어링 의사 결정 과정에서 가속화를 돕는 역할을 한다. 특히 물리적 현상을 파악하는 기술인 CAE는 데이터 부족이나 불확실성, 그리고 경험하지 않은 영역의 문제를 해결해야 할 때 AI와 상호보완적인 관계를 갖게 된다는 것이 이종수 교수의 분석이다. 그는 “AI와 CAE는 서로 부족한 부분을 채워주는 친구처럼 협력하고 있다. 이번 CAE 컨퍼런스의 주제인 AI와 디지털 트윈을 통해 이러한 융합이 더욱 촉진되기를 기대한다”고 전했다. [관련 기사]  [포커스] CAE 컨퍼런스 2025, AI·디지털 트윈 융합 통한 엔지니어링 혁신 전략 짚다 [아젠다] CAE 컨퍼런스 2025 발표자료는 정보 제공에 동의한 자료만 제공됩니다. 아래 아젠다에 PDF 마크가 표시되어 있는 발표자료가 공개된 내용입니다.    [CAE 컨퍼런스 2025] 유료결제 완료 후, 발표자료 요청 이번 컨퍼런스에 참여하지 않았던 분들은 유료 결제 후에 발표자료를 다운로드 받으시기 바랍니다. 다만 홈페이지 다운로드 용량 제한으로 인하여 전체 자료를 다운로드 할 수 있게 하는데 제약이 있어 첨부한 파일에는 CAE 컨퍼런스 2025 가이드 파일만 올려 두었습니다. 결제완료 후 메일(cae@cadgraphics.co.kr)로 연락주시면 대용량 추가 자료를 별도로 보내드립니다. 홈페이지에서 직접 결제하는데 문제가 있다면 당사로 연락주시기 바랍니다.   메일 제목 :  [CAE 컨퍼런스 2025] 유료결제완료 발표자료 요청 내용 : 결제시 회원명 / 전화 / 이메일 메일 보낼 곳 : cae@cadgraphics.co.kr 문의 : CAE컨퍼런스사무국 (02-333-6900) [CAE 컨퍼런스 2025] 발표 제목 및 발표자 소개 00. [기조연설] 디지털 제조 혁신을 위한 Ansys End-to-End 솔루션 / 앤시스코리아 강태신 전무 01. [기조연설] 자율지능 에이전트를 위한 물리모델기반 시스템엔지니어링 & 생성적 산업인공지능 / 연세대학교 이종수 교수 02. 생성형 AI에서 Agentic AI까지: 자율설계의 미래 / 나니아랩스 강남우 대표 03. RBDO, 데이터 시대에 무결점설계를 향해… / 피도텍 최병열 연구위원 04. 시뮬레이션 기반 파우치형 배터리 동향과 실링 공정 최적화를 통한 신뢰성·안전성 강화 사례 / LG전자 문강석 책임 05. 클라우드 기반 CAE 혁신: AI로 가속화하는 차세대 엔지니어링 시뮬레이션 / AWS 전병승 Solutions Architect 06. CAE 최신 동향과 AI 기반 디지털 트윈 가속화 / 한국알테어 이승훈 기술총괄 본부장 07. 입자기반 Multi-physics CAE 기술 : 유체유동 및 플라즈마 응용사례 / 메타리버테크놀러지 서인수 이사 08. TV제품의 CAE 자동화 및 AI활용 사례 / LG전자 장일주 책임 09. 고객 중심의 디지털 트윈 기술 – 승객 모니터링과 인체모델의 융합 / 현대자동차 한만용 책임연구원 >> CAE 컨퍼런스 2025 영상보기

주요 디지털 트윈 소프트웨어   헥사곤의 제조기업 차세대 설비자산관리솔루션, HxGN EAM 개발 : Hexagon, www.hexagon.com 자료 제공 : 헥사곤 에셋 라이프사이클 인텔리전스 사업부, https://hexagon.com/ko/company/divisions/asset-lifecycle-intelligence   30년 이상의 경험과 지속적인 혁신을 바탕으로 구축된 HxGN EAM(Enterprise Asset Management) 은 중요한 설비 자산 성능 문제를 해결하는 데 필요한 모든 기능을 제공한다. HxGN EAM은 현재와 미래의 제조 플랜트 효율성을 높일 수 있는 업계 최고의 전략적 설비 자산 관리 솔루션이다. 1. HxGN EAM 제공 가치 HxGN EAM은 기업의 다양한 요구사항을 지원하도록 설계되었다. 또한 아마존 웹 서비스(AWS) 클라우드 플랫폼을 기반으로 한다. 즉, 매우 안정적인 가동 시간이 확보되고 탄력적으로 수요 처리가 가능하다. 필요할 때마다 추가 컴퓨팅 성능이 제공되기 때문이다. 또한 클라우드 기반 플랫폼의 기본 제공 확장성이 있기 때문에 솔루션은 조직이 성장함에 따라 함께 확장될 수 있다. HxGN EAM은 쉽게 확장 가능하고 고도로 구성 가능하지만 즉시 사용할 수 있는 산업별 에디션으로 대부분의 사용자 요구를 즉시 충족시킬 수 있다. 이 솔루션은 설비 자산 구조 및 작업 지시에서 모바일 및 GIS 기능에 이르기까지 필요한 모든 정보를 적시에 제공한다. HxGN EAM을 사용하면 설비 자산 수명을 연장하고 안전성을 높이며 수익성을 개선하는 더 나은 전략적인 결정을 내릴 수 있다. 2. HxGN EAM 특장점 • 유연한 클라우드 배포  • 단일 디지털 트윈 솔루션 아키텍처의 통합 설비 자산 수명 주기 분석을 바탕으로 신뢰성, 높은 가동 시간 및 운영 효율성 증대 • 설비 투자 계획과 결합된 예측, 예방, 조건 기반 및 위험 기반 유지 보수 역량으로, 최적 비용으로 효율적인 유지 보수 전략 수행이 가능 • 지속 가능성, 복구 능력 및 안전을 강화하는 고성능 디지털 플랫폼 3. HxGN EAM 도입 효과 HxGN EAM을 통해 고객사는 다음의 성과를 달성했다. ■ 초과 유지보수, 인건비 및 계약자 비용 최대 50% 감소 ■ 생산 중단 시간 20% 감소 ■ 보증 비용 회수율 50% 증가 ■ 재고 수준 30% 감소 ■ 재고 유지 비용 20% 감소 ■ 재료비 10% 절감 ■ 구매 프로세스 비용 50% 절감 ■ 업무 생산성 20% 향상     상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

닛산이 AWS 리인벤트 2025에서 신규 클라우드 플랫폼 닛산 확장형 오픈 소프트웨어 플랫폼을 공개했다. 이를 통해 전 세계 5,000명 이상의 개발자를 연결하고 차량 소프트웨어 테스트 시간을 75퍼센트 단축하며 소프트웨어 정의 차량(SDV) 개발 혁신에 나선다. 아마존웹서비스(AWS)는 AWS 리인벤트 2025에서 닛산이 AWS 기반으로 구축한 신규 클라우드 플랫폼인 닛산 확장형 오픈 소프트웨어 플랫폼을 공개하며 소프트웨어 정의 차량(SDV) 개발을 본격적으로 가속화한다고 발표했다. 이번 플랫폼은 차량 개발의 중심이 하드웨어에서 소프트웨어로 전환되는 시장 흐름에 대응하기 위한 닛산의 핵심 전략이다.   이미지 출처 : 제미나이 닛산 확장형 오픈 소프트웨어 플랫폼의 핵심 성과 닛산 확장형 오픈 소프트웨어 플랫폼은 아이디어를 신속하게 기능으로 구현하는 개발 주기 단축, 고도화된 테스트를 통한 품질 보증 강화, 글로벌 개발 조직 간의 긴밀한 협업을 목표로 한다. 이는 닛산이 2023년부터 AWS와 협력하여 추진해 온 글로벌 엔지니어링 환경 현대화 및 디지털 전환의 대표적인 성과물로 평가받고 있다. 닛산은 이 플랫폼을 도입함으로써 기존에 수동으로 진행하던 테스트 공정을 자동화했다. 그 결과 차량 소프트웨어 테스트 실행 시간을 75퍼센트 가량 단축하는 괄목할 만한 성과를 거두었다. 또한 전 세계 5,000명 이상의 개발자를 하나의 환경으로 연결하는 통합 개발 생태계를 구축하여, 각 지역의 개발팀이 위치와 관계없이 표준화된 도구와 리소스에 즉시 접근할 수 있는 환경을 마련했다. AI 기반 차세대 모빌리티 구현 및 미래 전략 닛산은 SDV 개발 과정에서 인공지능(AI) 활용 범위를 지속적으로 확대해 왔다. 지난 9월에는 복잡한 도심 도로 환경에서도 안정적인 운전자 보조 기능을 제공하는 차세대 프로파일럿(ProPILOT) 시스템의 주행 성능을 공개한 바 있으며, 2027년까지 이를 일본 내 양산 차량에 적용할 계획이다. 연간 100여 개 국가에서 300만 대 이상의 차량을 판매하는 닛산은 이번 확장형 오픈 소프트웨어 플랫폼이 급변하는 자동차 시장 환경에서 강력한 경쟁 우위를 점하는 기반이 될 것으로 기대하고 있다. 닛산 소프트웨어개발부 카즈마 스기모토 총괄매니저는 "닛산은 SDV 개발을 통해 혁신적인 가치를 신속하게 고객에게 제공하며 자동차 산업의 변화를 이끌 전략을 추진하고 있다"며, "AI 기반 차세대 모빌리티 실현을 위해 이번 플랫폼을 핵심 기술로 제시했다"고 밝혔다. 또한 "AWS의 클라우드 기술과 전문성을 활용해 글로벌 개발 체계의 효율성을 지속적으로 높여 나갈 것"이라고 강조했다.      

롯데백화점이 롯데이노베이트, 아마존웹서비스(AWS)와 협력을 통해 아마존 베드록(Amazon Bedrock) 기반 에이전트 AI 기술을 활용한 AI 쇼핑 컨시어지 서비스인 ‘더스틴(Dustin)’을 공개했다. 더스틴은 700만 명의 가입자와 월간 활성 사용자 수(MAU) 110만 명을 보유한 롯데백화점 모바일 앱에서 제공되며, 고객 질문의 의도를 스스로 분석하고 복잡한 오프라인 매장 데이터를 자율 탐색하는 에이전트 AI 기술을 적용했다. 이는 국내 오프라인 리테일 환경에서 아마존 베드록 기반 에이전트 AI를 실제 고객 서비스에 상용화한 사례로, 백화점의 AI 전환(AX)을 가속화하는 움직임으로 평가된다. 맥킨지에 따르면 생성형 AI는 리테일 및 소비재 산업에서 연간 약 4000억~6600억 달러의 운영 이익을 창출할 수 있으며, 특히 개인화된 고객 상호작용과 실시간 데이터 분석을 통해 큰 가치를 창출할 것으로 예상된다. 롯데백화점은 이러한 글로벌 트렌드에 발맞춰 고객이 매장 정보, 할인 혜택, 영업 시간 등 흩어진 정보를 탐색하는 불편함을 해소하고자 AI 컨시어지 도입을 결정했다. 롯데이노베이트가 서비스 인프라 구축과 핵심 AI 프로그램 개발을 주도했으며, AWS는 클라우드 환경과 최신 생성형 AI 기술을 제공했다.     롯데백화점 모바일 앱을 통해 제공되는 이 서비스는 단순 질의응답을 넘어, 고객 질문의 맥락과 숨겨진 의도를 파악해 최적의 쇼핑 정보를 능동적으로 큐레이션한다. 고객이 마치 전담 컨시어지와 대화하는 듯한 차별화된 경험을 제공하는 것이 특징이다. 예를 들어, 고객이 “크리스마스 행사 알려주세요”라고 질문하면, 백화점에서 진행하는 시즌 특별 행사는 물론 화장품, 패션, 주얼리 등 선물하기 좋은 브랜드별 크리스마스 관련 행사 정보를 맞춤형으로 제안한다. 또한 질문 맥락에 따라 후속 질문을 능동적으로 제안하거나, 제공된 답변과 관련있는 프로모션 행사 상세 페이지를 추가로 제공하여 고객이 필요한 정보를 한 번에 얻을 수 있도록 돕는다. 정보 탐색 과정도 기존 4단계에서 2단계로 간소화되어, 앱 사용이 익숙하지 않은 고객도 일상적인 언어로 쉽게 정보를 얻을 수 있도록 했다. 롯데백화점은 자체 키즈 IP인 ‘킨더유니버스’의 캐릭터 더스틴을 적용하여 실제 쇼핑 도우미와 대화하는 듯한 경험을 제공하며, 온오프라인 쇼핑 경험을 연결하는 옴니채널 전략을 구현했다. 롯데백화점은 이번 서비스 도입을 위해 고객 관점에서 AI 챗봇 서비스를 전면적으로 기획·설계했으며, 고객이 직접 사용하는 롯데백화점 앱의 화면 디자인과 개발까지 자체적으로 수행하여 직관적이고 편리한 사용자 경험(UX)을 제공하는 것을 목표로 했다. 롯데이노베이트는 AWS의 생성형 AI 및 에이전트 구축을 위한 플랫폼인 아마존 베드록을 통해 앤트로픽의 클로드 AI 모델을 기반으로 한 AI 컨시어지 시스템을 구축했다. AI 에이전트는 5가지 전용 도구를 활용해 대화 맥락을 파악하고, 매장 정보, 쿠폰, 행사 등 방대한 데이터베이스를 실시간 탐색하여 최적의 답변을 제공한다. 데이터 검색은 아마존 오픈서치 서비스(Amazon OpenSearch Service)로, 대화 이력 관리는 아마존 다이나모DB(Amazon DynamoDB)로 구현했다. 아마존 베드록 가드레일(Amazon Bedrock Guardrail)은 부적절한 응답을 실시간 차단하는 안전 장치 역할을 한다. AI 컨시어지 도입은 오프라인 매장의 반복적인 안내 업무를 자동화하여 직원들의 업무 부담을 줄이고, 직원들이 보다 고도화된 고객 서비스에 집중할 수 있도록 지원한다. 또한 고객 문의 패턴, 동선, 매장 방문 데이터를 수집하고 분석할 수 있는 기반을 갖추어 데이터 중심의 오프라인 공간 운영을 가능하게 한다. 롯데백화점은 내년부터 다국어 지원 서비스를 도입하고, 고객의 쇼핑 이력과 구매 패턴을 분석하여 보다 정교한 AI 쇼핑 에이전트로 고도화할 계획이다.

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.