글로벌 인공지능(AI) 패권 경쟁이 심화하면서 각국이 자국의 언어·데이터·인프라를 기반으로 한 ‘소버린 AI(Sovereign AI)’ 구축에 속도를 내고 있다. 소버린 AI는 단순히 AI를 보유하는 차원을 넘어 국가의 언어와 문화, 산업 데이터를 외부 의존 없이 스스로 통제·운영할 수 있는 AI 주권을 의미한다. 특히 음성 AI는 언어 주권을 직접적으로 좌우하는 핵심 기술로 평가받는다. 이러한 흐름 속에서 페르소나에이아이(대표 유승재, 이하 페르소나AI)는 2년 동안의 집중 개발 끝에 한국어의 특성을 정밀하게 구현한 차세대 음성 AI 모델 ‘SSTT(Sovereign AI Speech to Text)’를 공개했다. SSTT는 단순한 음성 인식을 넘어 국내 최고 수준의 음성 데이터 정밀도를 갖춘 것이 특징이다. 이번 모델은 4000만개 이상의 한국어 발화 데이터셋(약 5만 시간 이상 음성 데이터)을 학습해 압도적인 이해도를 갖췄다. 전체 학습량의 약 4분의 1 수준인 1만 3200시간을 사투리 데이터에 할애했다. 이를 통해 경상·전라·충청·강원·제주 등 5대 권역별 방언과 고유 어휘를 정밀하게 구분한다. 또한 AI가 인식하기 어려운 짙은 방언, 고유 어휘, 60세 이상 고령 화자의 음성 특성까지 반영해 세대와 지역을 아우르는 소통이 가능해졌다. 특히 표준어 중심의 기존 음성 인식 한계를 넘어 한국어 사투리 인식과 화자 분리가 가능하도록 설계된 점이 큰 특징으로 실시간 및 오프라인에서도 동작한다. 전처리 기능을 지원해 잡음·반향 감쇄, 원거리 인식을 위한 자동이득제어(AGC), 딥러닝 기반 음성구간 검출, 화자변곡점 검출과 같은 고품질의 음성 기술이 집약돼 있다. 기존의 음성 인식 모델(STT, Speech to Text)은 소리를 텍스트로 변환하는 핵심 기술이지만 사투리·억양·속도 차이로 인해 실제 산업 현장에서는 인식 정확도가 낮다는 한계가 있었다. 이로 인해 콜센터, 공공 민원, 의료·제조 현장 등 음성 인식 수요가 높은 분야에서도 시장 확산이 더디게 진행돼 왔다. 페르소나AI의 SSTT는 이러한 문제를 정면으로 해결했다. 최대 20명까지 화자 분리가 가능해 기존 4~5명 수준에 머물렀던 기술 대비 획기적인 성능 향상을 이뤘다. 다자간 동시 대화 상황에서도 ‘누가, 어떤 말을 했는지’를 정확히 구분할 수 있어 회의 기록, 현장 관제, 다중 사용자 인터페이스 등 활용 범위를 크게 확장했다. 이 같은 기술적 진보는 피지컬 AI(Physical AI) 시대를 대비한 핵심 요소로 평가된다. 앞으로 로봇, 키오스크, 산업 장비, 자율 시스템 등 대부분의 피지컬 AI 기기는 음성을 중심으로 제어·상호작용하게 될 것으로 전망된다. 이 과정에서 특정 국가나 기업의 외산 음성 모델에 의존할 경우 데이터 주권·보안·서비스 연속성 측면의 구조적 리스크가 발생할 수 있다. 업계에서는 페르소나AI의 차세대 음성 AI 모델을 소버린 AI 관점에서 매우 중요한 전략 자산으로 평가하고 있다. 한국어, 특히 지역 사투리까지 정밀하게 인식하는 대형 음성 모델은 단기간에 외부에서 대체하기 어려운 기술로 국가 차원의 AI 주권 확보에도 직결된다는 분석이다. 페르소나AI는 AI 모델 개발부터 산업별 솔루션화까지 수행하는 기업으로 AICC(AI 컨택센터)와 생성형 AI(Gen AI) 분야를 주력으로 하고 있다. 최근에는 지난해에 이어 CES 2026 혁신상을 수상하며 2년 연속 3관왕을 기록, 국제 무대에서도 기술 경쟁력을 입증했다. 또한 피지컬 AI의 핵심 엔진으로 평가되는 VLA(Vision-Language-Action) 기술을 개발하며 로봇·기기·AI를 연결하는 차세대 운영 구조를 제시하고 있다. 페르소나AI 관계자는 “소버린 AI 경쟁에서 가장 중요한 것은 단순한 모델 규모가 아니라 자국 언어와 실제 산업 환경을 얼마나 깊이 이해하느냐”라며 “SSTT는 한국형 소버린 AI의 실질적 기반이 될 수 있는 핵심 모델”이라고 밝혔다. 소버린 AI가 국가 경쟁력의 핵심으로 부상한 지금, 한국어 음성 주권을 겨냥한 페르소나AI의 행보가 피지컬 AI와 공공·산업 전반에 강력한 파급효과를 가져올 것으로 기대된다.

건설산업은 지금 ‘디지털 전환(DX)’에서 ‘AI 전환(AX)’으로 넘어가는 거대한 변화의 초입에 서 있다. DX가 ‘기술을 도입하는 단계’였다면, AX는 ‘기술이 스스로 판단하고 움직이는 단계’이다. 이 변화는 단순한 업그레이드가 아니라, 건설산업의 운영 방식 자체를 다시 설계하는 과정이다. 그렇다면 어떻게 DX에서 AX로 자연스럽게 넘어갈 수 있을까? 그리고 아직 DX가 충분히 자리 잡지 않은 기업은 무엇부터 준비해야 할까? ①DX 성과를 기반으로 AX로 확장하는 방법 DX는 AX의 ‘기초 체력’이다. DX가 제대로 구축되지 않은 상태에서 AX를 시도하면, 마치 부실한 기초 위에 건물을 올리는 것과 같다. DX가 잘 된 기업은 크게 세 가지 특징이 있다. 데이터를 한 곳에 모으고, 표준화하며, 의사결정에 활용한다. 다시 말하면 자료는 클라우드 저장소에 모아 CDE(Common Data Environment) 환경을 구축하고, BIM, 드론 등을 활용해 정보를 디지털로 수집한다. 또한 데이터를 모으고 관리하는 툴이나 시트를 표준화하여 누구나 동일한 포맷을 사용하게 만든다. 마지막으로 이렇게 모은 정량적, 정성적 데이터를 바탕으로 의사결정에 활용한다. 이러한 기반이 갖춰진 기업은 AX로 확장할 때 AI가 학습할 자료인 데이터가 풍부하고, 자율 시스템이 작동할 환경(표준화된 프로세스)이 이미 마련돼 전환 속도가 빠르다. 그렇다면 아직 DX가 부족한 기업은 무엇부터 해야 할까? 우선 종이로 된 문서나 수기 기록들을 디지털 데이터로 변환해야 한다. 그리고 각자 관리하던 데이터를 한 곳에 집중해서 모으는 노력을 해야 한다. 또한 자재, 공정, 안전 등 관련 데이터를 일련 코드나 통일된 포맷으로 표준화하는 작업이 필요하다. 그리고 무엇보다 중요한 것은 직원들이 이러한 변화를 공감할 수 있도록 교육해야 한다. DX는 단순히 ‘특정 기술 도입’이 아니라 ‘일하는 방식의 총체적 변화’다. 이 변화가 자리 잡아야 AX가 비로소 현실이 된다. ②‘데이터 → 알고리즘 → 자율화’의 단계적 로드맵 AX는 하루아침에 완성되지 않는다. 다음 제시하는 3단계를 순서대로 진행해야 한다. 첫 번째, 모든 데이터를 디지털로 흐르는 상태로 만든다. 즉 현장에서 드론이 촬영한 영상이나 사진을 3D 지형 데이터로 변환하고 IoT 센서를 통해 읽어 들인 온도, 습도, 진동, 수치 등을 입력 데이터화하며, BIM에서 작성된 설계, 자재, 공정 등의 정보를 한 곳에 모아 디지털화한다. 이 데이터가 정확하고 표준화돼야 다음 단계로 넘어갈 수 있다. 다음은 알고리즘 단계로 AI가 판단을 돕는 단계다. 데이터가 쌓이면 AI가 패턴을 읽고 예측을 시작한다. 축적된 디지털 데이터를 기반으로 공정 지연 가능성, 자재 수급 부족 시점, 위험 구역 자동 감지, 장비 고장 가능성 등 사전 리스크를 감지하고 사람의 판단을 돕는다. 마지막은 자율화 단계로 AI와 로봇이 스스로 움직이는 단계이며 여기부터 진정한 AX가 시작된다. 예를 들어 자율주행 굴착기가 스스로 입력된 공정 계획에 따라 그날의 작업 경로를 계산해 굴착한다. 또한 드론이 주기적으로 현장을 순찰하며 위험 요소를 감지하고 필요 시 AI가 현장 상황을 판단해 공정 계획을 자동으로 조정한다. 또한 건설 로봇이 공종별 진척에 따라 Hold Point 도래 시 품질 검사를 수행하고 결과를 자동으로 보고한다. 이 단계에서는 사람이 감독자가 되고, AI는 실행자가 된다. ③협업 생태계 구축 “건설사 혼자서는 AX로 갈 수 없다” AX는 한 기업의 힘만으로는 불가능하다. 건설사, 테크 기업, 정부, 학계가 함께 생태계를 만들어야 한다. 건설사는 현장에서 도입하고자 하는 AI의 범위와 요구 조건을 명확히 정의하고 다양한 기술의 테스트베드를 제공해야 한다. 테크 기업들은 건설 현장의 요구에 맞는 솔루션을 커스터마이징하고 BIM을 활용한 공정 간 간섭 조율과 디지털 트윈 환경 구축, 건설 로봇 개발, 드론 기술 등을 선제적으로 개발해야 한다. 정부는 이러한 기술 개발과 적용 과정에서 필연적으로 발생할 수밖에 없는 제도적, 법적 허들을 완화 또는 제거할 수 있도록 관련 기업들과 적극적으로 소통하고 개선해 나가야 한다. 마지막으로 학계는 산학 연계 R&D 등을 통해 기술을 검증하고 관련 기술들에 대한 표준화, 전문 인력 양성 등의 노력을 기울여야 한다. 이 네 주체가 함께 움직일 때 비로소 AX는 산업 전체로 확산될 것이다. AX는 미래 기술이 아니라, 이미 시작된 변화다. 하지만 이 변화는 기술만으로 이루어지지 않는다. 데이터를 정제하고 조직 문화를 바꾸며, 협업 생태계를 구축하여 단계적으로 로드맵을 따라가야 자연스럽게 AX로 넘어갈 수 있다. DX가 기초 공사라면, AX는 그 위에 올라가는 건물이다.

건설산업은 지금 ‘디지털 전환’(DX)에서 ‘AI 전환’(AX)으로 넘어가는 거대한 변화의 초입에 서 있다. DX가 ‘기술을 도입하는 단계’였다면, AX는 ‘기술이 스스로 판단하고 움직이는 단계’이다. 이 변화는 단순한 업그레이드가 아니라, 건설산업의 운영 방식 자체를 다시 설계하는 과정이다. 그렇다면 어떻게 DX에서 AX로 자연스럽게 넘어갈 수 있을까? 그리고 아직 DX가 충분히 자리 잡지 않은 기업은 무엇부터 준비해야 할까? ①DX 성과를 기반으로 AX로 확장하는 방법 DX는 AX의 ‘기초 체력’이다. DX가 제대로 구축되지 않은 상태에서 AX를 시도하면, 마치 부실한 기초 위에 건물을 올리는 것과 같다. DX가 잘 된 기업은 크게 세 가지 특징이 있다. 데이터를 한 곳에 모으고, 표준화하며, 의사결정에 활용한다. 다시 말하면 자료는 클라우드 저장소에 모아 CDE(Common Data Environment) 환경을 구축하고, BIM, 드론 등을 활용해 정보를 디지털로 수집한다. 또한 데이터를 모으고 관리하는 툴이나 시트를 표준화하여 누구나 동일한 포맷을 사용하게 만든다. 마지막으로 이렇게 모은 정량적, 정성적 데이터를 바탕으로 의사결정에 활용한다. 이러한 기반이 갖춰진 기업은 AX로 확장할 때 AI가 학습할 자료인 데이터가 풍부하고, 자율 시스템이 작동할 환경(표준화된 프로세스)이 이미 마련돼 전환 속도가 빠르다. 그렇다면 아직 DX가 부족한 기업은 무엇부터 해야 할까? 우선 종이로 된 문서나 수기 기록들을 디지털 데이터로 변환해야 한다. 그리고 각자 관리하던 데이터를 한 곳에 집중해서 모으는 노력을 해야 한다. 또한 자재, 공정, 안전 등 관련 데이터를 일련 코드나 통일된 포맷으로 표준화하는 작업이 필요하다. 그리고 무엇보다 중요한 것은 직원들이 이러한 변화를 공감할 수 있도록 교육해야 한다. DX는 단순히 ‘특정 기술 도입’이 아니라 ‘일하는 방식의 총체적 변화’다. 이 변화가 자리 잡아야 AX가 비로소 현실이 된다. ②‘데이터 → 알고리즘 → 자율화’의 단계적 로드맵 AX는 하루아침에 완성되지 않는다. 다음 제시하는 3단계를 순서대로 진행해야 한다. 첫 번째, 모든 데이터를 디지털로 흐르는 상태로 만든다. 즉 현장에서 드론이 촬영한 영상이나 사진을 3D 지형 데이터로 변환하고 IoT 센서를 통해 읽어 들인 온도, 습도, 진동, 수치 등을 입력 데이터화하며, BIM에서 작성된 설계, 자재, 공정 등의 정보를 한 곳에 모아 디지털화한다. 이 데이터가 정확하고 표준화돼야 다음 단계로 넘어갈 수 있다. 다음은 알고리즘 단계로 AI가 판단을 돕는 단계다. 데이터가 쌓이면 AI가 패턴을 읽고 예측을 시작한다. 축적된 디지털 데이터를 기반으로 공정 지연 가능성, 자재 수급 부족 시점, 위험 구역 자동 감지, 장비 고장 가능성 등 사전 리스크를 감지하고 사람의 판단을 돕는다. 마지막은 자율화 단계로 AI와 로봇이 스스로 움직이는 단계이며 여기부터 진정한 AX가 시작된다. 예를 들어 자율주행 굴착기가 스스로 입력된 공정 계획에 따라 그날의 작업 경로를 계산해 굴착한다. 또한 드론이 주기적으로 현장을 순찰하며 위험 요소를 감지하고 필요 시 AI가 현장 상황을 판단해 공정 계획을 자동으로 조정한다. 또한 건설 로봇이 공종별 진척에 따라 Hold Point 도래 시 품질 검사를 수행하고 결과를 자동으로 보고한다. 이 단계에서는 사람이 감독자가 되고, AI는 실행자가 된다. ③협업 생태계 구축 “건설사 혼자서는 AX로 갈 수 없다” AX는 한 기업의 힘만으로는 불가능하다. 건설사, 테크 기업, 정부, 학계가 함께 생태계를 만들어야 한다. 건설사는 현장에서 도입하고자 하는 AI의 범위와 요구 조건을 명확히 정의하고 다양한 기술의 테스트베드를 제공해야 한다. 테크 기업들은 건설 현장의 요구에 맞는 솔루션을 커스터마이징하고 BIM을 활용한 공정 간 간섭 조율과 디지털 트윈 환경 구축, 건설 로봇 개발, 드론 기술 등을 선제적으로 개발해야 한다. 정부는 이러한 기술 개발과 적용 과정에서 필연적으로 발생할 수밖에 없는 제도적, 법적 허들을 완화 또는 제거할 수 있도록 관련 기업들과 적극적으로 소통하고 개선해 나가야 한다. 마지막으로 학계는 산학 연계 R&D 등을 통해 기술을 검증하고 관련 기술들에 대한 표준화, 전문 인력 양성 등의 노력을 기울여야 한다. 이 네 주체가 함께 움직일 때 비로소 AX는 산업 전체로 확산될 것이다. AX는 미래 기술이 아니라, 이미 시작된 변화다. 하지만 이 변화는 기술만으로 이루어지지 않는다. 데이터를 정제하고 조직 문화를 바꾸며, 협업 생태계를 구축하여 단계적으로 로드맵을 따라가야 자연스럽게 AX로 넘어갈 수 있다. DX가 기초 공사라면, AX는 그 위에 올라가는 건물이다.

AI 확산과 데이터센터 증가로 전력 수요가 급증하는 가운데 LS그룹이 송전·변전·배전을 아우르는 통합 전력 인프라 기술로 국가 전력망 사업의 핵심 파트너로 부상하고 있다. 19일 LS그룹에 따르면 LS전선과 LS마린솔루션은 해저케이블 생산부터 포설까지 담당하는 턴키 솔루션을 앞세워 경쟁력을 높였고, LS일렉트릭은 초고전압 직류송전(HVDC) 변환용 변압기 기술을 바탕으로 대형 수주에 속도를 내고 있다. LS는 국내 기업 중 유일하게 제주·전남 HVDC 해저케이블 시공 실적을 보유했으며, 장거리 해저 HVDC 상용화 기업도 전 세계에서 손에 꼽힌다. HVDC는 송전 손실이 적고 대용량 전력 전송이 가능해 ‘서해안 에너지 고속도로’ 등 국가 핵심 사업의 기반 기술로 평가된다. LS전선은 HVDC 해저케이블 생산 능력을 대폭 확대하고, 동해안·신가평 송전망 등 주요 사업을 단독 수행하며 존재감을 키우고 있다. LS마린솔루션은 초대형 포설선 건조에 나서 국내외 해저 전력망 시장 공략을 강화하고 있다. LS일렉트릭도 국내 유일의 HVDC 변압기 생산기지 증설과 대형 수주를 통해 변환 설비 분야 경쟁력을 입증했다. 여기에 LS전선·LS일렉트릭은 한국전력과 초전도 전력망 기술 협력에 나서며 데이터센터용 차세대 전력망 실증에도 착수했다. LS그룹은 HVDC와 초전도 기술을 축으로 국가 전력망 고도화와 글로벌 시장 진출을 동시에 노린다는 전략이다.

모바일 기기 발달로 온라인 쇼핑액은 매년 신기록을 경신하며 불어나고 있다. 지난해에는 260조원에 이르렀다. 시장 규모가 커지는 만큼 판매 경쟁도 치열해졌다. 그런데 이 거대한 온라인 시장에서 중소기업·소상공인은 대기업과의 경쟁에서 늘 속수무책이다. 막대한 마케팅 비용과 인력을 앞세운 물량 공세 앞에 장사는 없다. 온라인 시장에서 판로를 찾지 못해 헤매는 소상공인과 중소기업을 돕는 정부 기관이 있다. 바로 중소벤처기업부와 산하 공공기관 한국중소벤처기업유통원(한유원)이다. 중기부와 한유원은 지난해 4월 문을 연 ‘온판(온라인 판로) 상담소’를 통해 소상공인을 대상으로 판로 전문 상담 서비스를 제공한다. 상담 전용 번호(1899-0309)로 유선상담을 받을 수 있을 뿐만 아니라 카카오톡 채널을 통한 채팅 상담도 가능하다. ‘온판 상담소’는 제품 홍보가 절실한 소상공인 사이에 매출 치트키로 자리 잡았다. 상담 건수는 월평균 1만건을 웃돈다. 하루 평균 300여건꼴이다. 그만큼 소상공인에게 온라인 판로 확보가 사업의 지속가능성을 보장하는 생명줄인 셈이다. 온판 상담소는 지식관리시스템(KMS), 음성 인식·텍스트 변환 시스템(STT), 인공지능(AI) 기반 상담 내용 요약 시스템(TA)을 도입해 상담 서비스 고도화에 나섰다. 이를 통해 상담사는 더 신속하고 정확한 답변 제공이 가능해졌다. 한 상담사는 “상담을 해 보면 창업 초기 온라인 판로 진출이 절실한데 방법을 몰라 어려움을 겪는 소상공인이 많다”면서 “사업에 꼭 필요한 정보를 제공해 성장까지 지원하는 조력자로서 역할을 다하려고 한다”고 말했다. 온판 상담소는 소상공인 지원사업 신청 관리와 홍보 역할도 수행한다. 지원사업 참가를 신청하려면 소상공인 확인서와 납세 증명서를 제출해야 한다. 온판 상담소는 AI를 활용한 공정자동화(RPA) 시스템을 도입해 소상공인이 제출한 서류의 적합성을 판독하는 체계까지 갖췄다. 이 밖에 정보 사각지대에 있는 소상공인을 위한 ‘아웃콜’도 운영하고 있다. 올해 진행 중인 지원 사업의 지원 내용과 신청 방법을 친절하게 알려주는 서비스다. 이런 노력 덕분에 온판 상담소는 올해 9월 한국표준협회로부터 콜센터품질지수(KS-CQI) 우수기관으로 선정됐다. 이태식 한유원 대표이사는 “온판 상담소가 온라인 진출에 도움이 필요한 소상공인의 믿음직한 길잡이가 될 수 있도록 현장의 목소리를 꾸준히 청취할 계획”이라고 말했다.

종이 숙제 더미 대신 스캐너 소리가 교무실을 채웠다. 단 1분 만에 물리 숙제 40여장이 순식간에 스캔되고 채점까지 끝났다. 18일 중국 펑멘신문에 따르면 중국 청두의 여러 중·고등학교에서 인공지능(AI) 숙제 채점 시스템이 실제 수업 현장에 도입되며 교육 현장의 풍경이 빠르게 달라지고 있다. 청두의 한 실험학교 교무실에는 과거 수북하게 쌓여있던 숙제 노트가 사라졌다. 고속 스캐너가 돌아가는 동안 AI 시스템은 종이 숙제를 디지털로 변환하는 동시에 답안을 분석해 채점을 마친다. 이 학교는 2023년부터 ‘인공지능+교육’ 시범학교로 스마트 숙제 채점 시스템을 도입했다. 교사는 서술형 문제를 채점하고, 선택형 문항은 AI가 빠르게 스캔해 채점한다. 시스템은 학생별 점수와 오답 분포도 자동으로 정리해준다. AI의 역할은 단순한 정답·오답 판별에 그치지 않는다. 시스템은 틀린 문제를 실제 교과서 단원과 오류 유형별로 분류해 학생마다 맞춤형 오답 노트를 자동으로 생성한다. 교사는 이를 바탕으로 반 전체의 학습 상태를 한눈에 보여주는 학습맵과 빈출 오답 목록을 확인하고 즉각 보완 수업을 준비할 수 있다. 학생들 역시 오답 출력기를 이용해 필요한 문제만 골라 복습할 수 있다. 숙제 채점이 끝이 아니라 학습 피드백의 출발점이 되는 셈이다. ●AI 채점 정확도는 약 95%...교사 “수업에 도움 된다” 효율성만큼이나 정확도는 학부모들의 최대 관심사다. 학교 측에 따르면 이 시스템은 대형 언어모델 기술을 적용해 채점 정확도를 약 95% 수준까지 끌어올렸다. AI가 답안을 명확히 판별하지 못할 경우 자동으로 알림이 뜨고, 교사가 직접 확인해 보완한다. 모든 채점 과정은 기록으로 남아 교사가 일괄 수정하는 것도 가능하다. 현재 청두시에서는 이미 여러 학교가 AI 숙제 채점 기술을 도입해 수업에 활용하고 있고 그 숫자는 계속 늘어나고 있다. 한 교사는 AI가 채점 시간을 줄여줄 뿐 아니라 시각화된 데이터로 학생들의 약점을 정확히 보여준다며 교사가 어디에 집중해야 할지를 판단하는 데 큰 도움이 된다고 밝혔다. 청두에서는 AI 활용이 평가를 넘어 수업 전반으로 확장되고 있다. AI 더빙 수업, 달 탐사 프로젝트 같은 융합 수업이 등장했고, 일부 초등학교에서는 인공지능·드론·3D 프린팅 동아리도 운영 중이다. AI가 숙제를 채점하는 시대, 교실의 풍경은 분명 달라지고 있다. 다만 이 변화가 교사의 부담을 덜어주는 조력자로 자리 잡을지, 또 다른 교육 격차를 낳을지는 앞으로의 운영에 달려 있다.

건설산업에서 디지털 전환(DX)은 단순히 컴퓨터를 잘 다루는 수준을 넘어 현장의 모든 정보를 데이터로 바꾸어 관리하는 시스템이다. 드론이 촬영한 현장 사진, IoT(사물인터넷) 센서가 기록한 온도와 습도, 설계 도면을 3차원(3D) 정보로 변환한 BIM(건축정보모델링) 객체까지 모두 데이터다. 하지만 중요한 점은 데이터를 모으는 것 자체가 목적이 아니라 잘 정리하고 활용해야 한다는 것이다. ●건설업의 데이터 활용사례 그렇다면 건설사에서는 프로젝트 수주, 설계, 시공 및 유지관리에 이르기까지의 방대한 데이터를 어떻게 다루고 있을까? 수주 단계에는 발주처의 요구사항, 입찰 조건 등의 자료와 함께 경쟁사 분석, 예상 손익, 리스크 등의 검토 자료들이 쌓인다. 삼성물산은 수천 페이지에 이르는 입찰 안내서를 효과적으로 분석하기 위해 LLM 기반의 AI 에이전트를 활용하여 리스크를 신속하게 분석하고 업무 효율을 높이고 있다. 설계 단계에는 BIM 모델, 설계 도면, 구조/환경 시뮬레이션 데이터를 활용하는데, 이런 데이터들을 활용해 설계 오류를 줄이고 공정과 공사비 예측 정확도를 높일 수 있다. 공사 중에는 현장에 심어놓은 각종 계측기를 통해 IoT 센서 데이터(온도, 습도, 변위값 등)를 수집하고 드론과 라이다 센서를 통해 측량한 데이터 등을 활용하여 품질 및 안전관리의 효율을 높인다. 준공 후 유지관리 단계에서는 시설물이나 건축물의 하자 이력, 유지보수 기록 등을 통해 설계 단계 혹은 공사 중 품질관리 방안, 대책을 수립하여 선 반영할 수 있으며 시설물을 디지털 트윈으로 구현하여 설계 단계부터 유지관리 단계까지 데이터를 연계해 관리하고 있다. ●데이터 관리의 허점과 실패 사례 하지만 데이터를 제대로 축적하고 정제하지 못하면 모으기만 하고 제대로 활용할 수 없다. 대표적인 사례가 표준화되지 않은 기록 관리다. 일부 회사에서는 똑같은 공사나 자재를 유사한 이름 여러 개로 관리하고 있어 어떤 공종과 이름으로 기록해야 할지 사용자가 고민하는 경우가 있다. 예를 들면, 방바닥 미장 공사를 방통 공사, 바닥 몰탈 공사, 바닥 미장 공사 등 여러 이름으로 등록해 두고 이 중에서 골라 입력하게 하여 업무에 혼선을 빚고 데이터를 제대로 모으기 어려운 경우가 있다. 다른 문제는 데이터 사일로 현상이다. 부서마다 별도로 데이터를 관리하여 서로 연결되지 못하고 중복되거나 위의 사례처럼 통일된 용어를 사용하지 않는 경우다. 또한 아날로그 데이터를 제대로 변환하지 못한 경우가 있다. 스캔 데이터를 제대로 디지털화하지 못해 활용이 불가능하기도 하다. 이러한 문제 때문에 건설사마다 “DX를 한다”면서도 실제로는 데이터가 흩어져 있고 제대로 정제되지 못해 활용률이 떨어지는 사례가 적지 않다. ●데이터 파이프라인과 표준화 데이터가 ‘생성→저장→정리→분석→활용’되는 흐름을 하나의 관처럼 연결해 놓은 것이 데이터 파이프라인이다. 예를 들어 현장에서 센서를 통해 읽어들인 온도가 자동으로 클라우드에 저장되고 불필요한 값은 걸러낸 후 분석 프로그램이 이를 분석해 공정 관리에 반영하는 과정이 바로 파이프라인이며 이 흐름이 끊기지 않고 매끄럽게 이어져야 DX가 제대로 작동된다. 또한 데이터는 자재, 공정, 품질 데이터 등 동일한 코드와 기준으로 기록해야 한다. 종이 문서, 스캔 데이터 등은 반드시 디지털로 변환해야 한다. 이 표준화와 디지털화가 갖춰져야 데이터가 ‘언어’로 인식되고 AI가 이해할 수 있다. 데이터는 많을수록 좋지만 정확하지 않으면 오히려 위험하다. 잘못된 데이터로 AI가 판단하면 엉뚱한 공정을 제시하거나 위험한 공법을 제안할 수도 있기 때문이다. 그리고 건설 데이터는 설계, 자재, 비용 등 민감한 정보가 많으므로 보안 관리가 필수다. 결국 데이터 관리는 단순히 많은 것이 최선이 아니라 정확하고 표준화된, 신뢰할 수 있는 데이터를 차곡차곡 모으는 것이 핵심이다. 잘 구축된 데이터는 AX(인공지능 전환) 시대에 건설 산업을 완전히 다른 차원으로 끌어올리는 원동력이 될 것이다.

시범 운영 돌입… 2026년 CES 전시 예정 한국산업기술기획평가원(산기평)이 디자이너의 작업 효율을 극대화하는 자율형(Agentic) 인공지능 기반 디자인 플랫폼 ‘젠프레소(GenPresso)’의 시범 운영에 돌입했다고 15일 밝혔다. 젠프레소에 적용된 자율형 AI는 기존의 생성형 AI가 단순 결과물 생성에 그쳤던 한계를 넘어, 사람의 개입 없이 스스로 과업 목표를 설정하고 판단, 실행하는 능력을 갖췄다. 이 플랫폼은 제품, 공간, 그래픽, 영상 등 광범위한 디자인 프로세스 전반을 주도적으로 지원한다. 젠프레소는 산기평의 ‘디자인산업기술개발사업’ 성과물로, 한양대 연구팀과 리콘랩스가 공동 개발했으며, 이미 현직 디자이너 등 전문가 약 300명을 대상으로 실무 적용성 평가를 성공적으로 마쳤다. 산기평은 시범 운영을 통해 2028년까지 플랫폼 기능을 고도화하고, CAD 변환 및 제조 시뮬레이션 연동 기술 등을 구축할 계획이다. 한승엽 산기평 산업혁신부원장은 “디자인 산업의 인공지능 전환(AX) 시대에 특화된 지능형 기술 개발을 지속적으로 지원할 것”이라고 밝혔다. 현재 베타 버전으로 이용 가능한 ‘젠프레소(GenPresso)’는 2026년 라스베이거스 CES 2026에 전시될 예정이다.

미국 플로리다 마이애미에서 열린 북미 최대 현대미술 행사 ‘아트 바젤 마이애미 비치’에서 테크 재벌과 예술 거장들의 얼굴을 한 ‘로봇개’가 등장해 화제를 모았다. 작품 가격이 10만 달러(약 1억4700만원)에 달했지만 모두 판매됐다. 이번 전시작 ‘레귤러 애니멀스’는 디지털 아티스트 마이크 윈켈만(예명 비플)의 신작으로, 개 모양 로봇에 일론 머스크 테슬라 최고경영자(CEO), 제프 베이조스 아마존 창업자, 마크 저커버그 메타 CEO, 앤디 워홀, 파블로 피카소 등 유명 인물의 얼굴을 결합했다. 비플은 김정은 북한 국무위원장과 작가 본인 얼굴을 본뜬 로봇개도 함께 전시했다. 이 로봇개들은 살색 계열의 금속 몸체에 실제 사람 같은 얼굴을 단 채 전시장 내 투명 울타리 안을 자유롭게 돌아다녔다. 가슴에 달린 카메라 렌즈로 관람객과 주변을 촬영한 뒤 인공지능(AI) 필터로 이미지를 변환해 엉덩이 쪽 프린터로 인쇄물을 ‘배설’하듯 뽑아내는 방식이다. 비플은 “피카소 개는 입체파풍의 그림을, 워홀 개는 실크스크린 스타일 이미지를 배출한다”며 “일종의 생성형 아트”라고 설명했다. ◆ NFT 포함 1000여 점 생성…‘AI와 권력’에 대한 풍자 메시지 전시 기간 동안 로봇개들은 이미지 1000여 장을 출력했으며 이 가운데 256장에는 QR코드가 포함돼 대체불가능토큰(NFT) 형태로 소유할 수 있다. 작품은 각 인물별로 2점 한정판으로 제작됐고 모두 판매 완료됐다. ‘코조모 데 메디치’라는 가명을 사용하는 수집가는 피카소와 워홀 버전 두 마리를 구매했다고 밝혔다. 태드 스미스 미 경매사 소더비 전 CEO는 일론 머스크 버전을 샀다고 공개했다. 비플은 6일 공개된 월스트리트저널(WSJ)과 인터뷰에서 “과거에는 예술가들이 우리의 세계관을 바꿨다면 이제는 알고리즘을 쥔 기술 거물들이 우리의 시선을 결정한다”며 “이 작품은 그런 권력의 집중을 시각적으로 풍자한 것”이라고 말했다. ◆ “누구를 공격하려는 게 아니라 현실을 반영한 것” 비플은 “마크 저커버그와 일론 머스크는 우리가 무엇을 보고 어떻게 세상을 인식하는지에 막대한 영향을 미친다”며 “이들을 비판하려는 게 아니라 소수에게 집중된 영향력의 현실을 보여주려 했다”고 강조했다. 그는 또 “나 자신도 그중 하나로 포함시켰다”며 “결국 나도 그 ‘개들’ 중 하나라는 자기 풍자적 의미가 있다”고 덧붙였다.

미국 플로리다 마이애미에서 열린 북미 최대 현대미술 행사 ‘아트 바젤 마이애미 비치’에서 테크 재벌과 예술 거장들의 얼굴을 한 ‘로봇개’가 등장해 화제를 모았다. 작품 가격이 10만 달러(약 1억4700만원)에 달했지만 모두 판매됐다. 이번 전시작 ‘레귤러 애니멀스’는 디지털 아티스트 마이크 윈켈만(예명 비플)의 신작으로, 개 모양 로봇에 일론 머스크 테슬라 최고경영자(CEO), 제프 베이조스 아마존 창업자, 마크 저커버그 메타 CEO, 앤디 워홀, 파블로 피카소 등 유명 인물의 얼굴을 결합했다. 비플은 김정은 북한 국무위원장과 작가 본인 얼굴을 본뜬 로봇개도 함께 전시했다. 이 로봇개들은 살색 계열의 금속 몸체에 실제 사람 같은 얼굴을 단 채 전시장 내 투명 울타리 안을 자유롭게 돌아다녔다. 가슴에 달린 카메라 렌즈로 관람객과 주변을 촬영한 뒤 인공지능(AI) 필터로 이미지를 변환해 엉덩이 쪽 프린터로 인쇄물을 ‘배설’하듯 뽑아내는 방식이다. 비플은 “피카소 개는 입체파풍의 그림을, 워홀 개는 실크스크린 스타일 이미지를 배출한다”며 “일종의 생성형 아트”라고 설명했다. ◆ NFT 포함 1000여 점 생성…‘AI와 권력’에 대한 풍자 메시지 전시 기간 동안 로봇개들은 이미지 1000여 장을 출력했으며 이 가운데 256장에는 QR코드가 포함돼 대체불가능토큰(NFT) 형태로 소유할 수 있다. 작품은 각 인물별로 2점 한정판으로 제작됐고 모두 판매 완료됐다. ‘코조모 데 메디치’라는 가명을 사용하는 수집가는 피카소와 워홀 버전 두 마리를 구매했다고 밝혔다. 태드 스미스 미 경매사 소더비 전 CEO는 일론 머스크 버전을 샀다고 공개했다. 비플은 6일 공개된 월스트리트저널(WSJ)과 인터뷰에서 “과거에는 예술가들이 우리의 세계관을 바꿨다면 이제는 알고리즘을 쥔 기술 거물들이 우리의 시선을 결정한다”며 “이 작품은 그런 권력의 집중을 시각적으로 풍자한 것”이라고 말했다. ◆ “누구를 공격하려는 게 아니라 현실을 반영한 것” 비플은 “마크 저커버그와 일론 머스크는 우리가 무엇을 보고 어떻게 세상을 인식하는지에 막대한 영향을 미친다”며 “이들을 비판하려는 게 아니라 소수에게 집중된 영향력의 현실을 보여주려 했다”고 강조했다. 그는 또 “나 자신도 그중 하나로 포함시켰다”며 “결국 나도 그 ‘개들’ 중 하나라는 자기 풍자적 의미가 있다”고 덧붙였다.

한국IBM 기자간담회 국내 기업들이 인공지능(AI) 도입을 서두르고 있지만, 실제로 AI가 활용할 수 있는 데이터는 기업이 가진 전체 데이터의 1%에 불과하다는 분석이 나왔다. IBM은 9일 서울 여의도에서 기자간담회를 열어 이러한 결과의 원인에 대해 “기술 부족이 문제가 아니라, 데이터를 다루는 전략 자체가 부족하다”고 진단했다. 이수정 한국IBM 사장은 “AI 성과는 결국 ‘기업 고유 데이터’를 얼마나 잘 쓰느냐에 달려 있다”며 “하지만 많은 기업은 데이터를 부서별로 따로 보관하고, 형식도 제각각이라 AI가 학습 가능한 상태가 아니다”라고 말했다. 실제로 IBM 조사에서 글로벌 CEO 72%가 ‘기업 내부 데이터 활용 능력’을 AI 성공의 핵심 조건이라고 답했지만, 국내 최고데이터책임자(CDO) 중 AI로 매출을 만들 수 있다고 답한 비율은 13%에 그쳤다. 기업들이 어려움을 겪는 이유는 대부분 ‘기초 작업’이 부족해서라는 게 IBM의 진단이다. 문서·PDF·이미지 같은 비정형 데이터가 전체의 90%를 차지하는데, 이는 숫자처럼 바로 분석할 수 없어 사람이 일일이 정리해야 한다. 이 사장은 “기업 데이터 프로젝트의 90%가 실제 분석이 아니라 자료를 모으고 정리하는 데 쓰인다”며 “문제는 AI 기술이 아니라 데이터 준비가 안 돼 있다는 것”이라고 강조했다. IBM이 제안한 해법은 ‘AI에 바로 활용할 수 있는 데이터 만들기’다. 이를 위해선 여러 부서에 흩어진 데이터를 연결하고, 형식·품질을 통일하는 한편, 접근권한을 관리하고, 문서·이미지 같은 비정형 데이터를 구조화하는 것이 필요하다. 쉽게 말해 “AI가 읽을 수 있는 언어로 데이터를 정리하는 과정”을 기업의 핵심 전략으로 격상해야 한다는 뜻이다. 홍규표 IBM 데이터 플랫폼 기술영업 부장은 “예를 들어 PDF 수천 건을 자동으로 글자로 변환하고(문자인식), 의미 단위로 쪼개 AI가 이해할 수 있게 저장하면 회사 내부 정보도 검색·요약·분석이 가능해진다”며 “이 과정이 되어 있어야 생성형 AI의 효과도 극대화된다”고 설명했다. IBM은 이를 지원하기 위해 데이터 관리 플랫폼 ‘왓슨x.data’를 중심으로 기술 투자를 확대하고 있다. 지난해 데이터 처리 기업 ‘데이터스택스’를 인수한 데 이어, 최근에는 실시간 데이터 전송 기술을 가진 ‘컨플루언트’(Confluent)까지 인수 의사를 밝히며 데이터를 하나로 통합하는 기반을 강화했다. 이 사장은 “AI는 이제 기술 부서의 과제가 아니라 경영 전략”이라며 “데이터 품질과 보안 기준을 세우고, 조직 전체가 같은 방식으로 데이터를 다루어야만 AI 투자 효과가 난다”고 말했다. 이어 “한국 기업이 글로벌 대비 느리다고 평가받는 이유도 결국 데이터 준비 부족”이라며 경영관리·IT·현업 부서가 함께 움직이는 ‘전사 데이터 전략’을 강조했다.

‘미래기술 게임 제작 지원’ 참여기업 몽가·유비스의 제작 과정, 매뉴얼 정리 경기도와 경기콘텐츠진흥원(경콘진)이 중소 게임 개발사들의 AI 활용 역량 강화를 위해 인공지능(AI) 기반 게임 제작 매뉴얼을 8일 공개했다. 매뉴얼은 ‘2025년 미래기술 게임 제작 지원’ 사업의 결과물이다. 경콘진은 2023년 ‘미래기술 게임 실증 지원’을 시범 시작으로 2024년 ‘미래기술 게임 활성화 제작지원’ 사업을 이어갔고, 올해는 ‘미래기술 게임 제작 지원’으로 사업명을 개편해 운영했다. 올해 2개 도내 게임 개발사 대상으로 각 5천만 원의 제작지원을 제공했으며, 중소 개발사의 실무에 도입하기 위해 지원기업의 AI 활용 게임 개발 매뉴얼을 공개했다. 공개된 매뉴얼은 실제 게임 개발사 프로젝트를 기반으로 제작되어 현업에서 바로 활용할 수 있는 실증적 내용을 담고 있다. 성남시에 있는 중소 게임 개발사 ㈜몽가는 퍼즐 게임 마인드크래프트(Mindcraft) 개발 과정에서 도입한 AI 활용 노하우를 토대로 ‘LLM을 활용한 게임 기획 콘텐츠 제작 매뉴얼’을 제작했다. 이 게임은 지난 10월 24일 스팀(Steam)에 정식 출시되었다. 해당 매뉴얼은 GPT-2, Qwen 2.5 등 LLM을 활용해 기획자의 의도에 맞춰 퍼즐 맵을 자동 생성하는 과정을 설명한다. 기획자가 직접 100개 맵 데이터를 제작할 경우 약 8시간이 걸리지만, AI를 활용하면 2시간 이내로 단축되어 약 4배의 작업 효율 향상을 기대할 수 있다. ㈜유비스는 서브컬처 오픈월드 MMORPG 루나(LUNA) 개발 경험을 바탕으로 ‘UBIS AI Agent 기반 2D→3D 캐릭터 생성 매뉴얼’을 제작했다. 루나는 지난 11월 20일 스팀 얼리 액세스 버전으로 출시됐다. 매뉴얼은 2D 일러스트를 3D 캐릭터 모델로 자동 변환하는 AI 기반 제작 시스템을 다룬다. 기존에는 숙련 아티스트가 1개의 캐릭터를 제작하는 데 약 6주가 필요했으나 AI 기술을 적용하면 약 1주 내 제작이 가능해져 약 6배의 제작 효율 향상이 가능하다. 경콘진 탁용석 원장은 “이번 매뉴얼 공개가 중소 게임 개발사의 AI 기술 도입 문턱을 낮추고 경기도 게임 산업 전반의 경쟁력 강화에 기여할 것으로 기대된다”라고 말했다.

다음달 5일 2026학년도 대학수학능력시험(수능) 성적 발표를 앞두고 수험생들이 정시 모집 지원 전략을 세우는 시기다. 수험생들은 전년도 모집 요강과 입시 결과를 참고하면서 올해 변경된 대학별 입시요강을 꼼꼼하게 점검해야 한다. 이투스에듀의 도움을 받아 주요 대학별로 올 정시부터 변화하는 입시 요강을 정리했다. 서울과기대, 군 이동 학과 많아 서울과기대는 2026학년도에 여러 모집 단위를 신설하고 기존 학과를 분리한다. 가군에 바이오메디컬학과(7명)가 신설된다. 나군 기계시스템공학부에 지능형로봇전공(26명)과 미래자동차전공(15명), 기계공학과(39명)도 새로 생긴다. 많은 모집 단위가 군을 변경했다. 가군에서 나군으로 이동하는 전공은 ▲안전공학과(15명) ▲신소재공학과(22명) ▲건설시스템공학과(29명)이고, 나군에서 가군으로 이동하는 전공은 ▲전자공학과(16명) ▲스마트ICT융합공학과(10명) ▲화공생명공학과(18명) ▲식품생명공학과(8명) ▲행정학과(9명) ▲산업정보시스템전공(자연) 6명 ▲자유전공학부(창의융합대학) 19명 등 다수 학과가 옮겼다. 다군에서 가군으로 이동하는 전공도 자유전공학부(공과대학) 69명이 있다. 다군에서 나군으로 이동한 전공은 ▲자유전공학부(정보통신대학) 28명 ▲자유전공학부 (에너지바이오대학) 23명 ▲자유전공학부 (기술경영융합대학) 14명 ▲자유전공학부 (인문사회대학) 12명이다. 2025학년도에 인문계열에 적용되던 사탐 7% 가산점이 2026학년도부터 폐지된다. 광운대, 자율전공 선택폭 넓어져광운대의 주요 변화는 다군 모집 단위의 이동과 자율전공학부의 선택 전공 확대다. 자연계열 및 공학계열 모집 단위는 다군에서 가군으로 이동했다. 이에 따라 건축공학과(6명), 로봇학부-AI로봇(28명), 전자바이오물리학과(7명), 전자융합공학과(9명), 전자재료공학과(8명), 전자통신공학과(9명), 정보융합학부(11명), 화학과(8명), 환경공학과(6명)가 가군에서 학생을 모집한다. 인문계열 및 사회계열 모집 단위는 다군에서 나군으로 이동했다. 모집 단위는 경영학부-빅데이터경영전공(14명), 국어국문학과(6명), 국제통상학부(9명), 국제학부(6명), 동북아문화산업학부(10명), 법학부(14명), 영어산업학과(8명), 행정학과(8명)다. 자율전공학부에서 선택의 폭이 확대됐다. 반도체시스템공학부 반도체시스템공학전공, 로봇학부 AI로봇전공, 경영학부 빅데이터경영전공을 자율전공학부에서 추가로 선택할 수 있다. 아주대는 영어 등급별 반영 점수(변환점수)를 변경했다. 변경된 변환점수는 10% 반영과 15% 반영 모두에서 2등급과 3등급의 점수가 2025학년도 대비 상향 조정되었다. 모집 인원 확대는 다군에서 지능형반도체공학과가 17명에서 27명으로, 첨단바이오융합대학이 23명에서 32명으로 증가했다. 반면 나군 의학과의 모집 인원은 50명에서 10명으로 감소했다. 아울러 국방IT우수인재2전형의 수능 최저학력기준이 기존 한국사 3등급 이내 기준에서 수학·탐구 등급 합 6 이내로 강화됐다. 인하대는 바이오시스템융합학부 내에 바이오식품공학과가 나군에 신설되어 9명을 모집한다. 가군에서 나군으로 이동하는 모집 단위와 인원은 산업경영공학과(9명), 환경공학과(7명), 경영학과(13명), 국어교육과(13명), 사회복지학과(3명), 사학과(3명), 문화콘텐츠문화경영학과(3명), 생명공학과(17명)이다. 7개 모집 단위가 가군에서 다군으로 이동한다. 해당 모집 단위와 인원은 조선해양공학과(11명), 건축학부(17명), 수학과(2명), 화학과(3명), 교육학과(13명), 미디어커뮤니케이션학과(2명), 데이터사이언스학과(20명)다. 행정학과(7→ 3명), 정치외교학과(7→3명), 의예과(40→16명), 중국학과(8→3명), 문화콘텐츠문화경영학과(7→ 3명), 소비자학과(8→3명), 아동심리학과(7→ 3명)는 모집 인원이 줄었다.

LG유플러스가 고객과 소통하는 방식을 혁신하기 위해 인공지능(AI)을 활용하는 ‘AI고객언어변환기’를 고도화했다. 복잡한 설명을 줄이고, 고객이 쉽게 이해할 수 있는 간단한 메시지를 제공하기 위해서다. 24일 LG유플러스에 따르면 ‘AI고객언어변환기’는 LG유플러스 직원들이 고객에게 보낼 문자 메시지, 공지사항, 상담 내용 등을 쉽고 빠르게 작성하도록 돕는 사내 서비스다. 직원들은 초안을 입력하거나 기본 틀을 사용해서 고객 안내 문구를 즉시 변환할 수 있다. 지난해 8월 1.0 버전이 출시됐으며, 지난 10월 2.0으로 성능이 향상됐다. AI고객언어변환기 2.0은 LG유플러스가 중요하게 여기는 고객 소통 방식인 ‘진심체’를 학습했다는 점이 특징이다. 진심체란 LG유플러스가 고객과의 소통을 위해 자체적으로 정립하고 사용하는 고객 중심의 언어 스타일을 말한다. 예를 들어 “VoIP (인터넷 전화)는 종량과금 정책에 따라 요금이 부과되니 유의 바랍니다”라는 문장은 “인터넷전화는 사용한 만큼 요금이 발생하니 유의해 주세요”처럼 간결하고 친근하게 바뀌었다. 또 “VAS(부가 서비스) 중복 적용으로 인한 과납금은 익월 청구서에서 환급 처리됩니다”라는 문장은 “부가서비스를 중복으로 적용해 요금을 더 낸 경우, 다음 달 청구서에서 환급받을 수 있어요.”로 바뀌는 방식이다. 이처럼 AI고객언어변환기는 단순한 문구 생성을 넘어, 고객 입장에서 글쓰기가 어려웠던 직원들의 메시지 작성 및 검토 시간을 크게 줄여줬다. 그 결과 2.0으로 업그레이드 후 최근까지 한 달 간 4500여 건 이상의 문구가 업무 현장에서 사용되는 성과를 거뒀다.

구글이 항공권 탐색 서비스 ‘플라이트 딜(Flight Deals)’을 한국에 공식 출시했다. 이번 서비스는 이용자가 원하는 여행 조건을 자연어로 입력하면 AI가 이를 분석해 맞춤 항공편을 추천하는 것이 핵심이다. 구글은 한국어를 포함한 60여 개 언어에서 서비스를 제공하며, 여행 일정과 가격, 경유지까지 실시간으로 비교해 최적 항공권을 찾아준다. 18일 구글이 출시한 플라이트 딜의 가장 큰 특징은 ‘자연어 검색’ 기능이다. 사용자가 날짜, 목적지, 항공사, 직항 여부 등 세부 조건을 일일이 설정하지 않고, 여행 상황을 문장 형태로 입력하면 AI가 이를 분석해 조건으로 변환한다. “연차 하루만 써서 3박 4일 해외여행을 가고 싶다”고 입력하면, 단기간 해외여행에 적합한 단거리 직항 노선이 자동으로 제시되는 식이다. 이외에도 “이번 겨울에 맛집이 많은 도시로 직항만 찾아달라”고 입력하면, 출발 공항과 직항 여부, 인기 맛집 도시를 기준으로 한 특가 항공편을 실시간 비교해 보여준다. 장거리 여행의 경우 “서울에서 런던으로 가는 길에 경유지에서 반나절 여행할 수 있는 일정이 있는 항공권을 찾아달라”고 입력하면, 경유지 도착 시간과 출발 시간, 가격 등을 종합해 최적의 경유 일정이 포함된 항공편이 추천된다. 사용자가 막연하게 표현한 여행 조건도 AI가 자동으로 분석해 항공권 검색에 반영한다는 점이 기존 서비스와 다른 점이다. 국내에서는 네이버항공, 스카이스캐너, 트립닷컴 등이 항공권 검색 서비스를 제공하고 있지만, 대부분 목적지를 지정해야 검색이 시작되는 구조다. 이에 비해 플라이트 딜은 여행 계획 초기 단계에서 “어디로 떠날까”를 결정하지 못한 이용자에게도 선택지를 제공할 수 있어, 탐색 단계에서 경쟁력을 갖췄다는 평가가 나온다. 구글은 “피드백을 통해 지속적으로 기능을 개선해 나갈 예정”이라고 밝혔다.

가수 겸 배우 차은우(본명 이동민)의 동생으로 알려진 이동휘 언바운드랩데브 연구원이 미디어에 노출된 유명인들을 악성 댓글로부터 보호하기 위한 인공지능(AI) 시스템 개발 계획을 밝혀 주목받고 있다. 16일 유튜브 채널 ‘세바시 강연’에는 지난 10일 개최된 ‘AI 서밋 서울&엑스포’에서 강연을 진행한 이 연구원의 뒷이야기가 공개됐다. 이 연구원은 해당 서밋에서 ‘AI 레서피: 형을 위해 만든 AI, 브랜드 검증 툴로 진화하다’라는 주제로 강연하며 최근 엔터테인먼트 업계의 주요 화두인 AI 데이터 크롤링 모델과 관련한 내용을 언급했다. AI 데이터 크롤링 모델은 웹사이트 등 온라인상의 방대한 데이터를 자동으로 수집, 추출해 AI 모델이 학습에 즉시 활용할 수 있도록 변환하는 기술 및 시스템이다. 엔터테인먼트 및 마케팅 업계에서는 유명인에 대한 정보나 소비자들의 반응, 실시간 트렌드 등을 분석해 맞춤형 서비스를 제공하는 데 활용된다. 영상에서 이 연구원은 시스템 개발 참여 경위에 대해 “중국에서 미디어를 전공하고 광고 쪽에서 일하다가 개인적인 고민들을 풀 수 있을 것 같다는 생각에 기획 및 개발에 참여하게 됐다”고 설명했다. 그는 “제가 아무래도 셀럽들과 가까운 궤적의 삶을 살다 보니까, 그들이 갖고 있는 고민들이나 관심에 집중하게 됐다”며 “예를 들어 (셀럽들은) 팬들과 어떻게 소통하면 더 잘할 수 있을까에 대한 고민을 매번 하는 것 같더라”라고 전했다. 이어 “개인 셀럽들뿐 아니라 엔터테인먼트나 브랜드사들도 데이터 피드백에 대한 고민들을 굉장히 많이 하고 있다고 느꼈고, 이런 부분에 대해 데이터를 모아주는 솔루션을 기획해보면 좋지 않을까 (생각했다)”라고 말했다. 이 연구원은 또 “셀럽들이 악플 때문에 아픔을 겪고 있는 것을 많이 봤다”며 “물론 건설적인 피드백은 받아들이고 발전해야 하지만, 미디어가 너무 많다 보니까 (도가) 지나친 악플들이 많다”고 짚었다. 그는 “개인 인플루언서 시대라서 미디어가 너무 많은 사람들에게 노출되는 사회”라고 진단하며 “많은 사람들이 관심을 갖는 만큼 (미디어에 노출된 사람들을) 보호해주는 시스템을 만들고자 한다”고 했다. 한편 이 연구원은 중국에서 대학을 졸업하고 국내 유명 광고 회사를 거쳐 언바운드랩데브에 입사한 것으로 전해진다. 앞서 지난 6월 tvN ‘유 퀴즈 온 더 블럭’에 등장해 화제를 모았다.

LLM 통해 적은 수의 음성도 인식사용 적은 저자원 언어 문자로 구현70억 음성 인코더 오픈소스 공개 “언어 장벽 넘어 다양한 소통 확대” 서아프리카 국가 라이베리아와 시에라리온에는 바이족과 일부 소수민족이 쓰는 ‘바이’(Vai)라는 언어가 있다. 사하라사막 이남 아프리카 대표 언어족인 니제르콩고어족의 ‘만데어’ 계열로 분류된다. 라틴 문자나 아랍어 문자를 기반으로 하지 않는 문자 체계를 가진 몇 안 되는 아프리카 언어 중 하나로 주목받지만 사용하는 인구는 12만명에 불과하다. 이런 소수언어도 인식해 문자로 변환하는 인공지능(AI) 기술이 페이스북·인스타그램 모회사 메타에 의해 개발됐다. 사실상 전 세계의 모든 언어를 인식할 수 있는 AI가 등장한 것으로, ‘바벨탑의 저주’를 풀 획기적인 기술로 평가된다. 메타의 기초AI연구(FAIR) 팀은 10일(현지시간) 소수언어 등 전 세계 1600여개 언어를 문자로 구현할 수 있는 자동음성인식(ASR) 체계를 공개했다. 메타는 모든 언어를 인식할 수 있다는 뜻을 담아 이 기술을 ‘옴니링구얼’(Omnilingual)이라고 이름 지었다. 메타는 “현재 대부분의 ASR은 인터넷에 널리 존재하는 소수의 ‘고자원 언어’에 집중돼 있다. 널리 사용되지 않거나 자원이 부족한 ‘저자원 언어’ 사용자는 ASR을 이용할 수 없는 경우가 많아 디지털 격차가 심화된다”며 “옴니링구얼에는 AI로 이전에는 기록되지 않았던 500개의 저자원 언어가 포함된다”고 밝혔다. 현재 주요 AI는 공식적으로 수십 개 정도의 언어를 인식하고 문자 변환을 지원하고 있다. 방대한 데이터 학습을 통해 인간의 언어를 이해하고 생성하는 대규모언어모델(LLM)에 의존하고 있어 데이터가 많은 고자원 언어에서는 잘 동작하지만 그렇지 않은 저자원 언어에서는 구동이 제한적이다. 새로운 언어 지원을 추가하려면 전문가가 주도하는 미세조정을 거쳐야 하는 불편함도 있다. 하지만 옴니링구얼은 ‘LLM-ASR’로 불리는 새로운 접근법을 통해 적은 수의 음성·문자 데이터 쌍만 있어도 기본적인 수준의 음성 인식 기능이 가능하다는 게 메타의 설명이다. 다만 옴니링구얼의 저자원 언어 문자 변환 오류율은 아직 고자원 언어보다는 높다. 사용량이 절대적으로 적기 때문이다. 메타가 공개한 자료를 보면 고자원 언어 249종 중에선 236종(94.8%)이 오류율 10% 미만으로 파악됐다. 하지만 저자원 언어 546종에선 195종(35.7%)만이 고자원 언어 변환율과 비슷한 정확도를 보였다. 메타는 이날 옴니링구얼에 적용된 매개변수 70억개 규모 음성 인코더를 누구나 활용할 수 있도록 오픈소스로 풀었다. 음성 데이터를 자동으로 AI가 이해할 수 있는 벡터 데이터 형태로 정렬하는 도구다. 메타는 “옴니링구얼은 전 세계적으로 음성 기술 접근성을 확대한 중요한 진전으로, 가장 소외된 언어권의 사람들도 고품질 음성-텍스트 변환 시스템을 이용할 수 있도록 보장한다”며 “궁극적으로 언어 장벽을 허물고 다양한 언어 및 문화적 배경을 가진 사람들 간의 소통을 가능하게 하는 것이 목표”라고 밝혔다.

서아프리카 국가 라이베리아와 시에라리온에는 바이족과 일부 소수민족이 쓰는 ‘바이’(Vai)라는 언어가 있다. 사하라사막 이남 아프리카 대표 언어족인 니제르콩고어족의 ‘만데어’ 계열로 분류된다. 라틴 문자나 아랍어 문자를 기반으로 하지 않는 문자 체계를 가진 몇 안 되는 아프리카 언어 중 하나로 주목받지만 사용하는 인구는 12만명에 불과하다. 이런 소수언어도 인식해 문자로 변환하는 인공지능(AI) 기술이 페이스북·인스타그램 모회사 메타에 의해 개발됐다. 사실상 전 세계의 모든 언어를 인식할 수 있는 AI가 등장한 것으로, ‘바벨탑의 저주’를 풀 획기적인 기술로 평가된다. 메타의 기초AI연구(FAIR) 팀은 10일(현지시간) 소수언어 등 전 세계 1600여개 언어를 문자로 구현할 수 있는 자동음성인식(ASR) 체계를 공개했다. 메타는 모든 언어를 인식할 수 있다는 뜻을 담아 이 기술을 ‘옴니링구얼’(Omnilingual)이라고 이름 지었다. 메타는 “현재 대부분의 ASR은 인터넷에 널리 존재하는 소수의 ‘고자원 언어’에 집중돼 있다. 널리 사용되지 않거나 자원이 부족한 ‘저자원 언어’ 사용자는 ASR을 이용할 수 없는 경우가 많아 디지털 격차가 심화된다”며 “옴니링구얼에는 AI로 이전에는 기록되지 않았던 500개의 저자원 언어가 포함된다”고 밝혔다. 현재 주요 AI는 공식적으로 수십 개 정도의 언어를 인식하고 문자 변환을 지원하고 있다. 방대한 데이터 학습을 통해 인간의 언어를 이해하고 생성하는 대규모언어모델(LLM)에 의존하고 있어 데이터가 많은 고자원 언어에서는 잘 동작하지만 그렇지 않은 저자원 언어에서는 구동이 제한적이다. 새로운 언어 지원을 추가하려면 전문가가 주도하는 미세조정을 거쳐야 하는 불편함도 있다. 하지만 옴니링구얼은 ‘LLM-ASR’로 불리는 새로운 접근법을 통해 적은 수의 음성·문자 데이터 쌍만 있어도 기본적인 수준의 음성 인식 기능이 가능하다는 게 메타의 설명이다. 다만 옴니링구얼의 저자원 언어 문자 변환 오류율은 아직 고자원 언어보다는 높다. 사용량이 절대적으로 적기 때문이다. 메타가 공개한 자료를 보면 고자원 언어 249종 중에선 236종(94.8%)이 오류율 10% 미만으로 파악됐다. 하지만 저자원 언어 546종에선 195종(35.7%)만이 고자원 언어 변환율과 비슷한 정확도를 보였다. 메타는 이날 옴니링구얼에 적용된 매개변수 70억개 규모 음성 인코더를 누구나 활용할 수 있도록 오픈소스로 풀었다. 음성 데이터를 자동으로 AI가 이해할 수 있는 벡터 데이터 형태로 정렬하는 도구다. 또 소수언어 350종의 음성자료 ‘말뭉치’도 공개했다. 메타는 “옴니링구얼은 전 세계적으로 음성 기술 접근성을 확대한 중요한 진전으로, 가장 소외된 언어권의 사람들도 고품질 음성-텍스트 변환 시스템을 이용할 수 있도록 보장한다”며 “궁극적으로 언어 장벽을 허물고 다양한 언어 및 문화적 배경을 가진 사람들 간의 소통을 가능하게 하는 것이 목표”라고 밝혔다.

10일 서울 강남구 코엑스에서 열린 ‘인공지능(AI) 서밋 서울&엑스포 2025’의 한 부스에서 로봇팔이 신발을 3차원(3D) 스캐닝하고 있다. 3D 스캐닝은 스캐너를 사용해 실제 물체나 환경을 디지털 3D 모델로 변환하는 기술이다. 연합뉴스

한국기술교육대학교는 유길상 총장이 10일 경기도 포천 차 의과학대학교(총장 서영거)에서 100여 명의 교직원 대상으로 ‘AI를 활용한 대학교육 혁신사례 및 추진전략’ 특강을 진행했다고 밝혔다. 유 총장의 이번 강의는 지난 4월 25일 한국사립대총장협의회 정기총회에서 진행된 유 총장의 ‘AI활용 대학 교육혁신’ 특강을 참관한 차 의과학대 서영거 총장 요청에 따라 성사됐다. 이날 유 총장은 “우리 대학 교수와 AI Human Professor 협업 사례 연구에서는 ‘교수자-AI 협업 수업’에서 학습자 성과가 가장 우수했다”며 “AI 활용 교육의 지속적 연구로 새 교육모델 개발이 필요하다”고 강조했다. 이어 “무엇보다 교육혁신 주체는 교수이고, 그 시작은 강의 혁신”이라며 “강의와 학습 질적 향상을 위해 구축한 ‘AI 학습분석실’은 AI 어드바이저, AI 조교 수업을 지원하며, 즉석 퀴즈·강의분석·요약 자동 생성 등으로 교육 효과성을 높이고 있다”고 설명했다. 그러면서 “AI를 통해 개별 학습자 학습 패턴을 분석하고 교수자 강의 음성 텍스트를 변환해 학생 맞춤형 학습을 지원하는 것이 AI 학습분석실의 특징이자 우수성”이라고 말했다. 한기대는 올해 2학기부터 AI 기반 맞춤형 학습·성장 플랫폼인 ‘K-LXP’(Koreatech Learning eXperience Platform. 한국기술교육대 학습경험플랫폼) 운영을 통해 학습 추천과 관리, 실시간 학습 지원, 포트폴리오, 취업정보 제공 등 입학에서 졸업, 취업까지 개인화된 성장지원 서비스를 학생들에게 제공하고 있다. 유 총장은 “전 국민 평생직업능력개발 허브대학으로서 11월 말 ‘AI+X 혁신 컨퍼런스’를 통해 AI 기반 국민직업능력개발 PBL 강좌 설계 지원 등 국가 평생직업능력개발 AI 생태계의 선도적 역할을 해나갈 것”이라고 했다.