스노우플레이크는 자사의 ‘제조 산업을 위한 AI 데이터 클라우드(AI Data Cloud for Manufacturing)’가 자동차 산업에 특화된 설루션을 중심으로 확장하며 높은 성장세를 보이고 있다고 발표했다. 스노우플레이크에 따르면, 2023년 4월을 기준으로 2년간 전 세계 제조 산업군에서 데이터 애플리케이션 및 협업을 위해 스노우플레이크의 플랫폼을 도입한 비율은 416% 증가했고, 데이터 분석을 위해서는 185%, 고급 예측 모델링 및 AI 앱과 같은 데이터 사이언스 목적으로는 188% 늘었다.  이와 같은 제조업체의 데이터 기반 비즈니스 인사이트 확보에 대한 높은 수요에 따라, 스노우플레이크는 AI 데이터 클라우드를 자동차 산업의 특수한 요구사항을 충족할 수 있도록 정밀하게 조정하며 글로벌 제조업체의 디지털 전환 및 AI 혁신을 뒷받침하고 있다고 전했다. 커넥티드 및 소프트웨어 정의 차량(Software Defined Vehicle : SDV), 자율주행, 전기차, 인더스트리 4.0 등 자동차 산업 트렌드에 맞춰 스노우플레이크는 데이터 공유 및 AI 지원 기능으로 완성차 제조업체(OEM), 부품업체, 유통 및 서비스업체 전반의 협업과 생산 공정을 최적화하고 있다.     특히 스노우플레이크를 활용하는 자동차 관련 기업은 차량 설계부터 생산, 서비스, 보증에 이르는 전체 라이프사이클 데이터를 통합하고 사일로를 제거할 수 있게 된다. 이를 통해 운영 효율을 높이고 고객 경험을 향상시킨다. 또한 스노우플레이크 아키텍처로 SDV와 자율주행차에서 생성되는 방대한 커넥티드 데이터를 안정적으로 활용하고 확장할 수도 있다. 누적된 데이터는 스노우플레이크 마켓플레이스에서 판매할 수 있어 신규 수익원이 되기도 한다. 스노우플레이크 데이터 플랫폼은 조직 전반에서 AI·ML 기능을 손쉽게 활용할 수 있도록 해, 예측 모델 개발시간을 단축하고 차량 설계 및 유지보수의 새로운 패러다임을 주도할 수 있다. 공급망 전반의 실시간 가시성도 제공한다. 수요 예측의 정확도를 높이고 재고 관리와 비용 효율성을 높여 데이터 기반의 의사결정을 현실화할 수 있다. 스노우플레이크의 팀 롱(Tim Long) 제조 산업 부문 글로벌 총괄은 “커넥티드 및 자율주행 등 최신 차량은 방대한 데이터를 생성하고 있으며, 자동차 업계는 이를 효과적으로 처리하면서도 신뢰할 수 있는 AI 설루션이 필요해졌다”면서, “스노우플레이크의 자동차 산업 설루션은 제조 전문성을 바탕으로 자동차 기업이 데이터를 통합하고 커넥티드 차량 개발 계획을 확장하며, 시장 변화에 빠르게 대응할 수 있도록 지원한다”고 말했다. 지멘스와 같은 글로벌 기술 및 제조 기업은 스노우플레이크를 활용해 AI와 고급 분석으로 전사적 운영을 혁신하는 동시에 엄격한 보안 및 거버넌스 기준을 유지하고 있다. 전 세계 주요 완성차 제조업체(OEM)의 약 80%가 스노우플레이크 플랫폼을 활용 중이며, 닛산, 카맥스(CarMax), 콕스 오토모티브(Cox Automotive), 펜스케 로지스틱스(Penske LoGIStics) 등은 실시간 커넥티드 차량의 인사이트와 안전한 데이터 협업으로 운영 효율을 높이고 있다. 스노우플레이크는 이외에도 액센츄어, 아마존웹서비스, 딜로이트, EY 등 글로벌 파트너와 함께 자동차 산업에 특화된 AI 및 데이터 설루션을 확장하고 있으며, 지멘스 디지털 인더스트리 소프트웨어, 블루욘더(Blue Yonder), 랜딩AI(LandingAI), 멘딕스(Mendix), 시그마(Sigma) 등 다양한 파트너사가 스노우플레이크 플랫폼에서 SDV 개발, AI 기반 품질 관리, 공급망 최적화 등 전문 설루션을 개발하며 생태계를 확장하고 있다고 밝혔다.

디지털 트윈과 산업용 메타버스 트렌드   데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다.  디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.   ▲ 철도 네트워크의 디지털 트윈 구축하는 독일 디지털 철도(이미지 출처 : 엔비디아)   1. 디지털 전환과 디지털 트윈 디지털 전환(Digital Transformation: DX)은 비즈니스 전 과정에 ICT 기술을 도입하여 전사적 업무, 생산 기술, 제품 등을 디지털화 한 후 이를 기반으로 가상 실험이 가능한 디지털 환경을 구축하는 것이다.  디지털 전환의 궁극적 목적은 기업 이윤 극대화에 필요한 업부/생산 효율성 및 제품 부가 가치 증대를 위한 다양한 창의적 대안들을 가상 실험을 통해 평가한 후 그 결과를 비즈니스 전 과정에 활용하는 것이다. 예를 들어, 스마트 팩토리의 디지털 전환은 조달 시스템, 생산 시스템, 물류 시스템 등 스마트 팩토리 구성요소들의 자원 할당 및 운용에 대한 다양한 대안들을 가상 실험을 통해 평가할 수 있는 환경을 구축하여야 한다. 그렇다면, 비즈니스 전 과정을 가상 실험하기 위해서는 무엇이 필요할까?  가상 실험을 하기 위해서는 먼저 가상 실험 대상(예: 제조 공장)을 선정하고, 다음으로, 가상 실험 시나리오(예:새로운 제조 장비 도입)가 필요하며 시나리오를 수행할 모델(예: 제조 공정 시뮬레이션 모델)이 필요하다. 이러한 가상 실험을 위한 모델이 디지털 트윈이며 이런 이유로 많은 사람들이 디지털 트윈을 DX의 Key(Richard Marchall, 2017), DX의 Enablers(Reterto Saracco, 2019), DX의 Central(Vijay Ragjumathan, 2019), DX의 Steppingstone(Harry Forbes, 2020), DX의 Pillar(Fransesco Belloni, 2020)라고 지적하였다.   2. 디지털 트윈의 정의 디지털 트윈은 물리적 자산, 프로세스 및 시스템에 대한 복제본으로 정의[Wiki 사전]되며, 복제본이란 대상 체계의 운용 데이터, 지형/공간/형상 정보 및 동작/운용 법(규)칙을 컴퓨터 속에 디지털화 해 놓은 것을 의미한다. 예를 들면, 제조 공장의 디지털 트윈은 제조 공장의 운용 데이터, 제조 공장의 공간/형상 정보, 그리고 제조 장비 동작 및 공정 모델이 컴퓨터 속에 복제된 것이 될 것이다. 디지털 트윈과 대상 체계가 쌍둥이기 때문에 쌍둥이 중 누가 먼저 태어났느냐에 따라 디지털 트윈의 이름을 다르게 붙이기도 한다. 대상 체계가 존재하기 전에 만들어진 디지털 트윈을 디지털 트윈 프로토타입(Prototype) 그리고 대상 체계가 만들어진 후 복제된 디지털 트윈을 디지털 트윈 인스턴스(Instance)라고 부른다. 디지털 트윈 프로토타입은 대상 체계 설계 단계에서 활용되며 디지털 트윈 인스턴스는 대상 체계의 운용 분석에 활용되는 것이 일반적이다. 디지털 트윈 인스턴스(실 체계의 복제본)와 디지털 트윈 프로토타입(실 체계의 설계 모델)이 모두 존재할 수도 있지만 디지털 트윈 프로토타입 없이 디지털 트윈 인스턴스만 존재할 수도 있다. 디지털 트윈 프로토타입과 인스턴스가 모두 존재한다면 인스턴스는 프로토타입에 실 체계 운용 정보가 반영되어 진화(성장)된 트윈으로 볼 수 있다. 3. 디지털 트윈 구축 목적 디지털 트윈의 구축 목적은 대상 실 체계와 디지털 트윈을 연동 운용함으로써 실 체계 관련 이해 당사자에게 지혜 수준의 혁신적 서비스를 제공할 수 있는 핵심 도구/수단으로 활용하기 위함이다. 데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다. 융합 빅 데이터는 AI-통계/공학 분석도구들을 이용하여 실 세계의 구성요소인 자산, 사람, 운용 프로세스들의 다양한 결합에 대한 분석/예측 및 체계 운용 최적 대안(최적화)을 찾는데 활용될 수 있다. 아울러, 융합 빅 데이터는 실 세계를 가상 환경에서 현실감 있게 표출할 수 있는 다양한 장비/장치와 VR/AR/XR/메타버스 관련 ICT 기술과의 융합 인터페이스를 통해 오락, 관광, 교육 훈련, 체험 등에 활용될 수 있다.     디지털 트윈의 복제 대상은 실 체계의 운용 데이터, 공간/형상 정보 및 실 체계에 포함된 객체들의 행위 모델 등 3가지이다. 운용 데이터는 실 체계에 설치된 IoT 장비로부터 획득이 가능하다. 공간/형상 정보는 서비스 목적에 따라 GIS, BIM 혹은 3D CAD 중 한 가지 이상을 결합하여 사용한다. 객체 행위 모델은 다양한 시나리오를 가상 실험하기 위한 시뮬레이션 모델을 사용하지만 서비스 목적에 따라서는 운용 데이터를 학습한 데이터 모델을 사용할 수도 있다. 구성요소 중 일부만을 사용한 디지털 트윈은 나머지 구성요소를 사용하지 않음으로 인한 한계점에 봉착하게 된다. 예를 들면, 실 체계 운용 데이터 복제만으로 구성된 IoT 기반 디지털 트윈은 수집된 데이터를 분석할 수는 있지만, 실 체계를 시각화한 지형/공간 상에 데이터를 표출할 수 없을 뿐만 아니라 실 체계와는 다른 가상 데이터를 입력한 시뮬레이션을 수행할 수 없다. 마찬가지로, 지형/공간 정보 만으로 구성된 디지털 트윈은 실 체계에서 일어나는 지형/공간 정보의 변화를 실 시간으로 반영할 수 없으며 시뮬레이션을 통한 실 체계의 현상 분석 및 미래 예측이 불가능 하다.      디지털 트윈의 효율적인 활용을 위해서는 위의 세 가지 구성요소 모두를 개발 및 운용할 수 있는 통합 플랫폼이 바람직하지만 국내외적으로 표준화된 디지털 트윈 플랫폼은 존재하지 않는다. 디지털 트윈의 특성 상 3가지의 디지털 트윈 구성요소 각각을 개발하는 독립적인 플랫폼을 사용하여 구성요소를 개발한 후 이들을 연동하여 운용하는 것이 효율적이다.  구체적으로는, 먼저, 디지털 트윈 개발 목적에 맞게 운용 데이터를 수집하는 IoT 플랫폼, 지형/공간 정보를 구축하는 지형/공간정보 플랫폼 및 모델링 시뮬레이션 플랫폼들을 이용하여 각 구성요소를 개발한다. 다음으로, 개발된 세 가지 구성요소를 실행하는 플랫폼들을 연동 운용하는 PoP(Platform of Platforms) 구조를 사용할 수 있다. PoP 구조는 디지털트윈의 목적에 부합되는 모든 디지털트윈을 개발/운용할 수 있는 플랫폼으로써 신뢰성 및 경제성(개발 기간 및 비용) 면에서 효율적인 구조이다. PoP 구조를 사용할 경우 플랫폼들 사이의 연동을 위한 데이터 모델과 API의 국제적인 표준화가 요구되며 데이터 모델의 표준은 대상 시스템에 따라 달라질 수 있다.  디지털 트윈을 실제 시스템에 대한 문제 해결 목적으로 사용하기 위해서는 대상 시스템에 대한 다양한 질문의 답을 디지털 트윈을 통해서 얻을 수 있는 서비스가 제공되어야 한다. OR 이론의 창시자 중 한 명으로 경영 과학 이론가인 R.L.Ackoff 교수는 사람이 생각하는 내용을 데이터, 정보. 지식, 지혜 등 4가지로 분류하였다. 데이터는 단순한 심벌(숫자나 문자)을 말하지만 정보는 ‘who’, ‘what’, ‘where’, ‘when’을 답할 수 있고, 지식은 ‘how’를 답할 수 있고, 지혜는 ‘why’를 답할 수 있어야 한다고 정의하였다. 디지털 트윈의 서비스 수준을 Ackhoff 교수의 분류법에 매핑 시킨다면 정보 수준 서비스는 시스템 분석(현상, 기능 등), 지식 수준 서비스는 시스템 예측(행위, 성능 등) 그리고 지혜 수준 서비스는 시스템 최적화(운용 최적화 등) 및 진단(수명 진단 등)에 해당한다. 예를 들어, 교통 시스템에 대한 다양한 질문을 답하기 위해 교통 디지털 트윈을 만들었다고 하자. 정보 서비스의 예는 현재 교통 시스템의 현상을 분석하는 것으로 어느 위치의 현재 시간대에 단위 시간당 교차로 통과 차량 대수가 얼마인지에 대한 답을 하는 서비스이다. 지식 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 얼마가 되는지를 예측하는 질문에 대한 답을 하는 서비스이다. 지혜 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 최소가 되는 최적화된 경로가 어떤 것인지의 질문에 대한 답을 하는 서비스이다.    4. 디지털 트윈의 구성요소 디지털 트윈의 3 가지 구성요소 중 행위 모델은 목적에 따라 데이터 모델과 시뮬레이션 모델로 대별된다. 데이터 모델은 실 체계에서 수집된 데이터들 사이의 상관관계를 기계학습하여 얻어진 모델(예: 인공신경망)로서 지식 서비스를 위한 시스템 행위 예측에 한계점을 가지고 있다. 구체적으로, 데이터 모델은 학습된 데이터 영역에서는 미래 예측이 가능하지만 학습된 영역 밖의 데이터에 대한 예측은 불가능 하다. 뿐만 아니라 학습 시와 예측 시의 시스템 운용 조건이 달라질 경우에도 예측이 불가능하다. 앞서 예시한 교통 디지털 트윈으로 데이터 모델을 사용할 경우 학습 시 도로 상황(운행 시간, 사고 발생 유무 등)이 예측 시 도로 상황과 동일하지 않으면 소요 시간 예측의 정확도가 보장되지 않는다. 더욱이, 시스템 변수 사이의 상관 관계로 표현된 데이터 모델은 변수 사이의 인과 관계가 필요한 시스템의 최적화 및 고장 진단 등에는 활용할 수 없다. 이러한 데이터 모델의 서비스 한계를 극복하기 위해서는 시뮬레이션 모델을 사용할 수 있다. 시뮬레이션 모델은 구축은 대상 시스템에 대한 도메인 지식과 이를 표현하는 지배 법칙에 대한 수학적/논리적 표현 방법을 이해해야 하므로 데이터 모델에 비해 고 비용이 요구된다. 따라서, 디지털 트윈의 행위 모델은 대상 시스템의 서비스 목적과 수준에 따라 다르게 선택될 수 있다.    5. 디지털 트윈의 발전 전망  디지털 트윈의 향후 발전 전망은 문제 해결과 가상 체험 및 빅 데이터 분야로 대별할 수 있다. 문제 해결 분야에서 디지털 트윈의 대상은 분석, 예측, 최적화/진단 대상이 되는 모든 시스템 분야로서 산업(제조, 생산, 물류, 식물공장 등), 공공(교통, 환경, 금융 등), 의료(진단, 인공장기, 가상수술 등), 재난안전(안전점검, 피해분석, 대피훈련 등), 국방(군사훈련, 국방분석, 무기체계 획득 등)등을 포함한다.  현재 디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.  가상 체험 분야는 디지털 트윈이 실 세계 혹은 가상 세계를 움직이는 다양한 시나리오를 정형화한 지배 법칙(모델)을 실행(시뮬레이션)하는 수단으로 활용될 전망이다. 이러한 지배법칙 실행은 실제 세계와 가상 세계의 구별 없는 가상 체험을 목표로 하는 메타버스의 서비스 콘텐츠를 제공한다. 따라서, 메타버스 발전을 위해서 메타버스의 서비스 컨텐츠를 제공하는 디지털 트윈 발전이 필수적으로 향후 메타버스와 디지털 트윈은 동시에 발전할 전망이다.  빅 데이터 분야에서는 디지털 트윈의 가상 실험을 통해 실 체계에서는 물리적/경제적 이유로 수집 불가능한 다양한 빅 데이터를 생성하는데 활용될 전망이다. 유의미한 빅 데이터 생성을 위해서는 실 체계에서 수집 가능한 데이터를 사용하여 디지털 트윈 모델의 검증이 선행된 후 실 체계에서 수집 불가능한 데이터 생성을 위한 가상 실험이 설계되어야 한다. 디지털 트윈을 사용한 빅 데이터 생성은 시스템 기능 검증, 예지 진단 및 기계학습 등과 같은 부가가치가 높은 데이터 생성에 집중되어 미래 데이터 구독 시장 활성화에 기여할 전망이다.   김탁곤 명예교수  KAIST 전기전자공학부  

BIM 칼럼니스트 강태욱의 이슈 & 토크   생성형 AI 에이전트는 목표 달성을 위해 세상을 관찰하고 스스로 행동하는 자율적인 애플리케이션으로, 행동과 의사결정을 위한 인지 아키텍처를 갖추고 있다. 이번 호에서는 오픈소스 AI 에이전트인 오픈마누스(OpenManus)를 통해 AI 에이전트의 동작 메커니즘이 어떻게 구현되는지 분석해 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   최근 AI 에이전트 기술이 크게 발전하고 있다. 구글의 에이전트 백서를 보면, 생성형 AI 에이전트는 목표 달성을 위해 세상을 관찰하고 스스로 행동하는 자율적인 애플리케이션으로 설명한다. 명시적인 지시가 없어도 스스로 판단하고 능동적으로 목표에 접근할 수 있다. 이러한 에이전트는 행동과 의사결정을 위한 인지 아키텍처를 갖추며, 핵심 구성 요소는 <그림 1>과 같이 사용자 입력에 대한 추론 역할을 하는 모델(보통은 GPT와 같은 LLM), 입력에 대해 필요한 기능을 제공하는 도구(tools), 그리고 어떤 도구를 호출할지 조율하는 오케스트레이션의 세 가지로 이루어진다.   그림 1. AI 에이전트의 구성 요소(Agents, Google, 2024)   이번 호에서는 AI 에이전트의 동작 메커니즘을 분석하기 위한 재료로, 딥시크(DeekSeek)와 더불어 관심이 높은 마누스(Manus.im)에서 영감을 받아 개발된 오픈마누스(OpenManus) 오픈소스 AI 에이전트를 활용하겠다. 오픈마누스는 메타GPT(MetaGPT)라는 이름으로 활동 중인 중국인 개발자가 공개한 AI 에이전트이다. 개발자는 오픈마누스가 연결된 다양한 도구를 LLM으로 조율하고 실행할 수 있다고 주장하고 있다. 깃허브(GitHub) 등에 설명된 오픈마누스는 다음과 같은 기능을 지원한다. 로컬에서 AI 에이전트 실행 여러 도구 및 API 통합 : 외부 API, 로컬 모델 및 자동화 도구를 연결, 호출 워크플로 사용자 지정 : AI가 복잡한 다단계 상호 작용을 효율적으로 처리 여러 LLM 지원 : 라마(LLaMA), 미스트랄(Mistral) 및 믹스트랄(Mixtral)과 같은 인기 있는 개방형 모델과 호환 자동화 향상 : 내장 메모리 및 계획 기능을 통해 코딩, 문서 처리, 연구 등을 지원   <그림 2>는 이 에이전트가 지원하는 기능 중 일부이다. 프롬프트 : “Create a basic Three.js endless runner game with a cube as the player and procedurally generated obstacles. Make sure to run it only in browser. If possible also launch it in the browser automatically after creating the game.”   그림 2   오픈마누스는 이전에 중국에서 개발된 마누스에 대한 관심을 오픈소소로 옮기는 데 성공했다. 오픈마누스는 현재 깃허브에서 4만 2000여 개의 별을 받을 정도로 관심을 받고 있다.    그림 3. 오픈마누스(2025년 4월 기준 42.8k stars)   필자는 오픈마누스에 대한 관심이 높았던 것은 구현된 기술보다는 에이전트 분야에서 크게 알려진 마누스에 대한 관심, 오픈소스 버전의 AI 에이전트 코드 공개가 더 크게 작용했다고 생각한다. 이제 설치 및 사용해 보고, 성능 품질을 확인해 보자. 그리고 코드 실행 메커니즘을 분석해 본다.    오픈마누스 설치 개발 환경은 이미 컴퓨터에 엔비디아 쿠다(NVIDIA CUDA), 파이토치(PyTorch) 등이 설치되어 있다고 가정한다. 이제, 다음 명령을 터미널에서 실행해 설치한다.   conda create -n open_manus python=3.12 conda activate open_manus git clone https://github.com/mannaandpoem/OpenManus.git cd OpenManus pip install -r requirements.txt playwright install   오픈마누스가 설치하는 패키지를 보면, 많은 경우, 기존에 잘 만들어진 LLM, AI Agent 라이브러리를 사용하는 것을 알 수 있다. 여기서 사용하는 주요 라이브러리는 다음과 같다.  pydantic, openai, fastapi, tiktoken, html2text, unicorn, googlesearch-python, playwright, docker     ■ 자세한 기사 내용은 PDF로 제공됩니다.

  이석현 지음 / 22000원 / 제이펍 이 책은 어린이나 학생들이 챗GPT를 활용해 글쓰기 실력을 키울 수 있도록 구성되어 있다. 논설문, 설명문, 생활문, 독서감상문, 동시 등 다양한 글쓰기 유형에 따라 정리된 프롬프트가 제공되므로 이 책에서 제공하는 프롬프트 번호를 이용해 웹페이지 또는 QR코드를 통해 입력해서 다양한 글쓰기를 해볼 수 있다. ​또한 프롬프트에 대한 예시와 답변 힌트를 제시해 줌으로써 아이들도 좀 더 쉽게 글쓰기를 연습할 수 있도록 도와준다. 이제 챗GPT는 단순히 AI 기술로서가 아닌, 생각과 표현 능력을 키우는 수단으로서 글쓰기에서 중요한 역할을 차지하고 있다. 이 책은 아이들이 주도적으로 생각을 정리하고 표현하는 힘을 키우도록 돕고 있다. 파트 1에서는 챗GPT로 글쓰기 훈련을 시작하는 방법에 대해 안내한다. 파트 2에서는 다양한 글쓰기 주제별 훈련으로 설명문, 생활문, 논설문 등을 예제와 함께 제공한다. 파트 3에서는 자기소개서, 일기, 감상문 등 실생활에 많이 쓰는 글쓰기를 훈련할 수 있고, 파트 4에서는 동시나 창작 글을 기반으로 상상력과 창의력 확장 훈련도 가능하다. 특히 이 책은 글쓰기가 더 이상 어렵고 지루한 활동이 아니라, 챗GPT를 활용해 즐겁게 실천할 수 있다는 점을 보여주는 디지털 글쓰기 훈련서이다. 이 책에 담긴 36가지 글쓰기 훈련 프롬프트를 활용하면 챗GPT와 함께 단어를 확장하고, 문장을 다듬고, 자연스럽게 하나의 긴 글로 완성해 나갈 수 있을 것이다. 글은 감각이 아닌 ‘기술’이고, 그 기술은 ‘훈련’을 통해 다듬어진다는 저자의 철학이 책 전체에 녹아 있다.

이메일이 안 보일 경우 클릭해 주세요.

내용이 보이지 않으면 여기를 클릭하여 확인하세요.     © 2025 Dassault Systèmes, Inc. All rights reserved. 이 뉴스레터는 Dassault Systèmes, Inc. 또는 그 대리인에 의해 발송되었습니다. 앞으로 Dassault Systèmes, Inc.에서 발송하는 이메일을 수신하고 싶지 않으시면 여기를 클릭해 주십시오.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 올라마(Ollama)와 오픈AI(OpenAI) GPT가 지원하는 오픈 소스 AI 모델을 블렌더(Blender)와 연결해 프롬프트 입력에 의한 자동 모델링 에이전트를 개발하는 방법을 설명한다. 이 연결을 통해 3D 모델링 작업 흐름을 간소화하고, 간단한 텍스트 프롬프트만으로 3D 장면을 생성하고 수정할 수 있다. 이번 호의 내용을 통해 이 프로세스를 직접 구현하는 방법을 이해하고, AI 에이전트 도구로서 LLM 모델의 역량을 평가할 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. 프롬프트 : ‘Generate 100 cubes along the line of a circle with a radius of 30. The color and size of each cube are random.’   개념 : 텍스트 기반 3D 모델링 ‘텍스트 기반 3D 모델링’이란, 사용자가 입력한 텍스트를 AI 모델이 분석하여 블렌더에서 실행할 수 있는 코드를 생성하고 이를 통해 3D 그래픽을 구현하는 방식이다. 텍스트 토큰을 조건으로 설정하여 메시 모델을 생성하는 방법도 존재하며, 이는 스테이블 디퓨전(Stable Diffusion : SD) 계열의 기술을 활용하는 경우가 많다. 그러나 SD 기반 모델은 정확한 크기와 위치를 지정하는 데 근본적인 한계를 가진다. 이번 호에서는 정확한 치수를 가진 모델을 생성하는 것에 초점을 맞추고 있으므로, SD 기반 모델에 대한 자세한 설명은 생략한다. 텍스트를 3D 모델로 변환하는 에이전트 도구는 CAD 툴과의 상호작용 방식을 개선할 가능성이 있으며, 그래픽 모델링의 진입 장벽을 낮추고 신속한 프로토타이핑이 가능할 수 있다.   실행 가능한 코드 다운로드 이번 호의 내용과 관련된 실행 가능한 코드는 깃허브(GitHub)에서 다운로드할 수 있으니 참고한다. GitHub 링크 : https://github.com/mac999/blender-llm-addin   라이브러리 설치 블렌더와 올라마를 설치해야 한다.   1. 블렌더 다운로드 : blender.org   2. 윈도우에서 올라마 다운로드 : https://ollama.com/download   3. 오픈 소스 LLM 모델 설치(터미널에서 실행) ollama pull llama3.2 ollama pull gemma2 ollama pull codellama ollama pull qwen2.5-coder:3b ollama pull vanilj/Phi-4   4. 필요한 라이브러리 설치 pip install pandas numpy openai ollama   블렌더의 파이썬(Python) 환경에서 라이브러리를 설치하려면, 블렌더 설치 경로에 맞게 다음을 실행해야 한다. cd "C:/Program Files/Blender Foundation/Blender /python/bin" ./python.exe -m ensurepip ./python.exe -m pip install pandas numpy openai ollama   코드 설명 블렌더 UI 패널 생성 사용자가 블렌더에서 직접 모델을 선택하고 텍스트 프롬프트를 입력할 수 있도록 커스텀 UI를 생성한다. class OBJECT_PT_CustomPanel(bpy.types.Panel): 　bl_label = "AI Model Selector" 　bl_idname = "OBJECT_PT_custom_panel" 　bl_space_type = 'VIEW_3D' 　bl_region_type = 'UI' 　bl_category = "Gen AI 3D Graphics Model" 　def draw(self, context): 　　layout = self.layout 　　layout.label(text="Select Model:") 　　layout.prop(context.scene, "ai_model", text="") 　　layout.label(text="User Prompt:") 　　layout.prop(context.scene, "user_prompt", text="") 　　layout.operator("object.submit_prompt", text="Submit")     ■ 자세한 기사 내용은 PDF로 제공됩니다.

한국후지필름비즈니스이노베이션(한국후지필름BI)이 새로운 고속 흑백 디지털 인쇄기 ‘레보리아 프레스(Revoria Press) E1136P’를 출시했다. 한국후지필름BI는 2021년 7월 디지털 인쇄 브랜드 ‘레보리아’를 출범한 이후, 상업 인쇄의 디지털 전환을 가속화하기 위해 다양한 제품을 선보여 왔다. 고해상도 인쇄 품질과 인공지능(AI) 기반 이미지 최적화 기술을 적용한 레보리아 시리즈는 일반 복사부터 디자인 및 상업 인쇄까지 폭넓게 활용된다. 이번 신제품은 인쇄 속도, 품질, 효율성을 개선해 대량 인쇄 환경에서 생산성과 안정성을 높일 수 있도록 설계됐다. 신제품 ‘레보리아 프레스 E1136P’는 A4 기준 분당 136매(ppm)의 초고속 출력 속도를 지원하며, 최대 8650매까지 급지가 가능한 트레이와 1만 매까지 적재 가능한 스태커를 장착할 수 있어 연속 대량 인쇄 환경에서도 높은 성능을 제공한다. 또한, 기존 토너보다 낮은 온도에서 정착되는 EA-Eco 저광택 블랙(LGK) 토너와 일정한 열을 공급하는 롤 타입 정착 유닛을 통해 고속 인쇄 시에도 안정적인 품질을 유지한다. 더불어 후지필름BI가 독자적으로 개발한 프린트 서버 ‘레보리아 플로우 립 서버’를 활용해 선명한 인쇄 품질과 신속한 대용량 작업 처리가 가능하다.     이번 신제품은 고해상도 출력 품질 또한 장점으로 내세운다. 2400×2400 dpi 해상도를 지원하며, 가는 선과 텍스트 윤곽을 더욱 정밀하게 표현할 수 있도록 이미지 향상 기능을 제공한다. 또한, 디지털 이미지 정합 제어 기술인 ‘IReCT(Image ReGIStration Control Technology)’를 적용해 각 용지의 인쇄 이미지 정합 오류나 뒤틀림을 실시간으로 보정한다. 용지 수용력 역시 확장됐다. 52~350gsm의 경·중량지는 물론, A6부터 최대 330×660mm까지 다양한 규격의 용지를 지원해 유연한 인쇄 환경을 구현할 수 있다. 한국후지필름BI의 하토가이 준 대표는 “고해상도 인쇄 품질과 빠른 속도, 광범위한 용지 수용력을 갖춘 이번 신제품은 그래픽 이미지를 적극 활용하는 기업부터 상업 인쇄 업계 고객까지 모두 만족시킬 것”이라며, “앞으로도 차별화된 경쟁력을 바탕으로 상업 인쇄의 디지털화를 선도하는 레보리아 라인업을 지속적으로 확대해, 고객 기업의 업무 효율성과 생산성을 높이고 'CHX(고객행복경험)'을 실현하겠다”고 말했다.

디지털 트윈에 대한 이해 및 동향, 관련 제품 및 업체 소개 등을 집대성한 <디지털 트윈 가이드>가 발간되었습니다.  <디지털 트윈 가이드>는 한국산업지능화협회 PLM 기술위원회의 주도 하에 업계의 다양한 흐름들을 제시하고, 디지털 트윈에 대한 이해와 트렌드, 디지털 트윈 시스템 구축시 알아두어야 할 전략과 구축 가이드, 관련 소프트웨어 및  공급 업체 소개, 제품리스트 등을 집대성하였습니다.    공저 : 한국산업지능화협회 PLM기술위원회 한순흥 / 손지연 / 권순재 / 양영진 / 안창원 / 박수진 / 류수영 / 박양호 / 강태신 / 오병준 / 진득호 / 김지인 / 문명수 / 손대식 / 김준형 / 신민용 / 조형식 / 김성희 / 류용효 / 차석근 / 안영규 / 전완호 / 이지수 / 최창현 / 김형중 외  페이지 : 272쪽 정가 : 30,000원   목차 머리말 - <디지털 트윈 가이드> 발간에 부쳐 / 최경화   Part 1. 디지털 트윈 개론 8    디지털 트윈 개론    한순흥 Part 2. 디지털 트윈 핵심 기술 24    제조 디지털 트윈 표준 모델 및 연동 가이드라인 소개    손지연 32    디지털 트윈 구축을 위한 BIM 기반 3D 개체의 필요성    권순재 Part 3. 디지털 트윈 도입 전략과 가이드 38    디지털 트윈의 이해와 구현 방법    양영진 45    디지털 트윈 정부 전략 및 로드맵    안창원 50    디지털 트윈을 처음 도입하는 기업을 위한 가이드    박수진 58    디지털 트윈 기술발전에 따른 단계별 구축 가이드    류수영 63    국제 표준 기반 제조 디지털 트윈 스마트 내비게이션 시스템 구축 방안    박양호 70    디지털 트윈 : 엔지니어의 상상은 현실이 된다    강태신 74    기업의 디지털 전환을 위한 총체적 접근 방식    오병준 80    디지털 트윈 가이드: 리얼타임 렌더링으로 살펴보는 디지털 트윈 트렌드    진득호 86    3D CAD 를 활용한 디지털 트윈 도입 가이드    김지인 90    스마트 제조의 분수령, 디지털 트윈의 혁명    문명수 95    디지털 트윈 도입 검토 보고서 작성법    손대식 100    AWS 디지털 트윈 구축 전략과 성공 사례    김준형 106    제조업의 성공적인 디지털 트윈 도입을 위한 여정    신민용 Part 4. 디지털 트윈 최신 트렌드 114    미래의 디지털 트윈에 대해서    조형식 118    AI 시대의 디지털 트윈    김성희 124    AI 기반 디지털 트윈 : 산업 혁신의지능형 미래     류용효 Part 5. 디지털 트윈 적용 사례 130    디지털 트윈 구축을 위한 제조 데이터 표준화 구축 및 사례    차석근 136    가상 제품 개발 및 검증을 위한 디지털 트윈    안영규 142    디지털 전환 성공을 위한 CAE, AI/ML과 디지털 리얼리티 플랫폼 기술 제안    전완호 146    가상과 현실의 완벽한 동기화, 디지털 트윈의 산업 재창조    이지수 152    디지털 트윈의 새로운 패러다임: GPU 가속 기반 소프트웨어와 하드웨어의 효과적인 융합    나인플러스아이티 157    디지털 트윈과 몰입형 기술 트렌드와 적용 사례     유니티 162    스마트시티와 건설 디지털 트윈 기술 현황 및 시사점    최창현 168    스마트 공항, OpenBIM 모델링 구축 사례    비아이엠팩토리 172    디지털 트윈과 AI를 활용한 소방 시스템 도입사례: 중국 대련 소방대와의 협력    아브로브소프트코리아 175    산업 안전을 위한 디지털 트윈 활용    김형중, 우종헌 Part 6. 주요 디지털 트윈 소프트웨어 소개 180    Ansys Twin Builder    디지털 트윈 모델 생성 및 배포 솔루션 182    ARAS PLM    오픈소스 PLM 소프트웨어 184    AutoForm Assembly    차체 제작 조립 공정 디지털화 소프트웨어  185    AutoForm Car Body Planner    차체 구매 견적 및 비용 산출 프로세스 186    AutoForm-Sigma    스탬핑 공정의 안정성과 효율성 향상 소프트웨어 188    Cadence Fidelity CFD    고성능 멀티피직스 플랫폼 191    Emulate3D    디지털 트윈 소프트웨어  192    CATIA    제품 설계 및 협업 솔루션 193    DELMIA Digital Manufacturing    제품 설계/생산 전 과정 시뮬레이션 및 최적화 솔루션 194    CP(Collaboration Platform)     제조기업 디지털 트윈기반 협업 플랫폼  197    FlexSim    3D 시뮬레이션 소프트웨어  198    CupixWorks(큐픽스웍스)    AI 기반 4D 디지털 트윈 플랫폼 200    DTDon    실시간 원격 협업 도구운용성 향상을 위한 솔루션 202    DTDsquare    산업용 디지털 트윈 플랫폼 204    guardione turbo(가디언 터보)    산업용 AI 솔루션 206    HxGN EAM    제조기업 차세대 설비자산관리솔루션 208    HxGN SDx    스마트 디지털 리얼리티 209    LinkBiz    제조 IT 솔루션 210    NDX PRO    데이터 기반 디지털 트윈 플랫폼 212    NFLOW    입자 시뮬레이션 소프트웨어 215    mago3D    디지털 트윈 플랫폼 216    Nexus    엔지니어링과 생산 협업을 위한 개방 플랫폼 219    Nextspace    3D GIS 디지털 트윈 제작 및 시각화 플랫폼 220    NVIDIA Omniverse(엔비디아 옴니버스)    3D 애플리케이션 개발 플랫폼  222    NX X    클라우드 기반 제품 엔지니어링 솔루션 223    One Total Twin    디지털 트윈 솔루션 225    OCMS    해상공사 통합관리 시스템 226    SynchroSpace    전자·전기·기구 통합 PLM 시스템 228    TROSAR CyberSpace    디지털 블록 기반 확장현실 솔루션 231    Smart Digital Twin    제조에 특화된 디지털 트윈 플랫폼 232    TeamPlus    도면 및 기술정보관리 솔루션  234    TTM 3D TWINS    디지털 트윈 플랫폼 237    Teamcenter X    PLM을 위한 SaaS 솔루션 238    Unity Industry(유니티 인더스트리)    실시간 3D 콘텐츠 제작 및 성장 플랫폼 240    Unreal Engine(언리얼 엔진)    건축, 제조, 영화 등 활용 가능한 게임 엔진 241    Visual Components    3D 시뮬레이션 소프트웨어 242    Universal Plant Viewer    플랜트 운영 및 엔지니어링을 위한 디지털 트윈 244    WAiSER (와이저)    디지털 트윈 구축을 위한 BAS 기반 플랫폼 245    VIZZARDX    대용량 엔지니어링 데이터의 경량 시각화 솔루션 246    OCTOPUS Hub    실시간 데이터 수집 및 분석, 2D/3D 가상화 솔루션 248    디지털 작업절차서 통합 시스템    3D 모델링 기반 작업 절차서 지원 250    3DxSUITE, CADdocor    이기종 시스템 간의 3D 데이터 상호운용성 향상을 위한 솔루션 252    Part 7. 디지털 트윈 관련 업체 리스트     가이아3D / 나인플러스아이티 / 다쏘시스템코리아 / 동양대학교  / 디엑스티 / 로크웰 오토메이션 / 마이링크 / 비아이엠팩토리&한국공항공사 / 소프트힐스 / 씨이랩 / 아마존웹서비스(AWS) / 아브로소프트코리아 / 아이지피넷 / 아이티언 / 알씨케이 / 앤시스코리아 / 에스더블유에스 / 에픽게임즈 / 엔비디아 / 엠아이큐브 / 오토데스크 / 오토폼 / 원프레딕트 / 유니티 / 유비씨 / 이안 / 이에이트 / 이엔지소프트 / 젠스템 / 지멘스 디지털 인더스트리 소프트웨어 / 큐픽스 / 타임텍 / 태성에스엔이 / 팀솔루션 / 포디게이트 / 프라이스워터하우스컨설팅(PWC) / 플랜트에셋 / 한국알테어 / 헥사곤ALI / 헥사곤MI      266    Part 8. 업체별 주요 디지털 트윈 관련 제품 리스트       ----------------------------- 이 책자는 디지털 트윈 관련 저변 확대와 활성화를 위해 온라인과 오프라인에서 판매하고자 합니다.   도서 구입도 가능합니다. 이북은 첨부 파일 누르시면 결제 후 파일 다운로드 가능합니다.  다운로드가 안될 경우 메일로 요청해 주세요   제목 : 디지털 트윈 가이드 이북 결제 완료 에러 파일 요청 구입자명 :  받으실 메일주소 전화번호 :  보내실 곳 : info@cadgraphics.co.kr   ------------------------- 실물 도서로도 구입 가능합니다.  도서 구입하러 가기