영진전문대학교(총장 최재영) 글로벌시스템융합과가 개설 2년 만에 일본 인공지능(AI)·정보기술(IT) 분야에서 급부상하고 있는 ‘메가벤처(Mega Venture)’ 기업에 취업자를 배출해 눈길을 끌고 있다. 30일 영진전문대에 따르면 일본 메가벤처기업에 취업한 2학년 학생 2명은 졸업 1년을 앞두고 조기 취업했다. 글로벌시스템융합과는 AI·소프트웨어 전문 인재를 양성해 일본 취업까지 연계하는 것을 목표로 지난해 신설된 3년제 학과다. 취업자 중 김민정(여·26) 씨는 프로농구 선수 생활 중 부상으로 은퇴한 뒤 이 학교에서 학업에 열중하고 여름 방학 동안 일본 현지 기업에서 인턴십을 수행해 AI 소프트웨어 개발자로 메가벤처기업 취업에 성공했다. 김규민(23)씨도 일본 AI 기업 취업을 목표로 프로젝트 수업과 캡스톤디자인을 통해 실무 경험을 쌓았다. 그는 메가벤처기업 2곳에 동시 합격했다. 메가벤처는 벤처기업으로 시작해 대기업에 맞먹는 규모와 영향력을 갖춘 기업으로 일본 내 IT·AI 업계에서 주목받고 있다. 이들은 공개채용 대신 여름 인턴십을 사실상 채용 관문으로 활용하고 있다. 인턴십에서 기술력과 협업 능력을 검증한 뒤 채용을 결정하는 방식이다. 영진전문대는 이런 흐름을 빠르게 교육과정에 반영했다. 전공 교육과 일본어 교육, 인턴십 및 취업 면접 대비 프로그램을 학과 차원에서 통합 설계했다. 특히, 매 학기 전공과목 수를 3~4과목으로 제한하는 대신 수업 시수를 대폭 늘린 선택과 집중형 교육도 했다. 정영철 글로벌시스템융합과 학과장은 “모든 학년에 캡스톤디자인 교과목을 운영해 실무 역량을 강화하고 프로젝트 결과물을 기반으로 한 포트폴리오를 구축해 일본 기업 채용에 적극 활용한 결과”라며 “기술 역량과 채용 흐름을 동시에 읽을 수 있도록 교육과정을 운영하고 있다”고 말했다.

매년 사업 전략을 세울 때 가장 효과적인 방법은 목표가 실현된 미래의 모습을 먼저 그려보고, 그 미래에서 현재로 거슬러오며 단계별로 실행 가능한 계획을 세우는 것이다. 이 방식은 목표를 더 체계적으로, 더 현실적으로 달성하게 한다. 건설산업도 마찬가지라고 생각한다. AX가 완전히 자리 잡은 미래의 건설 현장과 도시의 모습을 먼저 상상해 본다. 이번 마지막 편에서는 AX 시대의 건설산업이 어떤 모습으로 진화할지, 그리고 그 변화의 중심에 있는 건설기계, BIM, 건설사업관리 플랫폼이 어떻게 재편될지 구체적으로 그려본다. ①로봇과 AI 기반의 건설기계 변화-무인화와 실시간 최적화 AX 시대의 건설 현장은 더 이상 사람이 중심이 아니다. 로봇과 AI 장비가 작업을 수행하고, 사람은 감독자나 의사결정자로서 역할을 한다. 로봇은 스스로 작업 경로를 계산하고, 공정 상황에 따라 자동으로 작업량을 조절한다. AI는 장비 고장이나 정비 필요 여부를 예측해 유지보수 일정을 자동으로 조정한다. 결과적으로 안전사고는 급감하고, 공정 효율은 비약적으로 향상될 것이다. ②BIM 기반 건축물 전 생애주기 관리의 변화-설계·시공·유지관리의 완전한 통합 AX 시대의 핵심 인프라는 BIM과 디지털 트윈이다. 이 두 기술은 건축물의 설계 → 시공 → 유지관리를 하나의 데이터 흐름으로 연결한다. 1.설계 단계-AI가 설계안을 자동 생성하는 시대 BIM 모델을 기반으로 AI가 수십~수백 개의 설계안을 자동으로 생성하고, 구조적 간섭 여부, 자재 사용량, 에너지 효율 등을 비교해 최적안을 제시하는 제너레이티브(Generative) 디자인이 대세로 자리 잡을 것이다. 십여 년 전 매개변수를 입력하여 설계안을 생성하는 파라메트릭(Parametric) 디자인이 유행처럼 번졌다. 이 방식은 사람이 직접 원하는 결과물을 도출하기 위해 매개변수를 입력해가며 설계안을 발전시키는 데 반해 제너레이티브 디자인은 사람이 원하는 성능과 목표, 방향성만 제시하면 알고리즘이 방대한 데이터를 탐색하고 조합해 전혀 예상치 못한 유기적 형태의 디자인을 도출할 수도 있다. 파라메트릭이 DX라면, 제너레이티브는 AX라고 할 수 있다. 설계는 더 이상 사람이 “처음부터 끝까지 직접 만드는 작업”이 아니라, AI가 제시한 옵션 중 최적안을 선택하고 조정하는 방식으로 바뀔 것이다. 2.시공 단계-오류 없는 시공, 안전 리스크 제로화 BIM 모델은 시공 단계에서 공정 간섭 자동 검출, 장비 동선 최적화, AR 기반 시공성 시뮬레이션 검토, 로봇과 자율주행 장비의 작업 기준 데이터 제공 등의 역할을 할 것이다. 즉, 관리자는 시공 전 미리 작업 상황을 고려, 공정 순서대로 공사를 미리 시뮬레이션해보고 어디가 위험하고, 품질관리 포인트는 어디인지를 분명히 알고 공사를 진행할 수 있다. 이를 통해 안전사고 예방뿐 아니라 품질관리 기준 또한 높아질 것이다. 3.유지관리 단계-디지털 트윈 기반의 지능형 건축물 운영 디지털 트윈은 실제 건축물의 상태를 실시간으로 반영하는 가상 복제 공간이다. 이 기술은 시설 유형별로 관리상의 여러 변화를 만든다. 아파트와 같은 주택에서는 누수·균열·배관 이상을 센서가 감지하고, 디지털 트윈이 고장 가능성을 예측하여 미리 보수할 수 있도록 알림을 줄 것이다. 또한 거주자의 생활 패턴을 분석해 난방·환기·조명을 자동 조절할 수도 있고 에너지 사용량을 최적화해 관리비 또한 절감할 수 있을 것이다. 공장과 같은 산업시설에서는 설비의 진동·온도·압력 데이터를 실시간 분석해 고장 전 징후를 감지해 다운타임(가동 중단 시간)을 최소화하여 공장을 운영할 수 있고 생산 라인의 병목을 자동 분석하고 운영 계획을 조정할 수도 있다. 또한 위험 지역은 로봇이 점검하고, AI가 유지보수 일정을 자동 생성해 줄 것이다. GE, Siemens, Bosch 등 글로벌 제조사는 이미 공장 디지털 트윈을 운영 중이며, 설비 고장 예측 정확도가 30~50% 향상된 사례도 보고되고 있다. 오피스 및 상업시설에서도 공간별 사용량을 분석해 냉난방과 조명을 자동 제어하고 실내 공기질을 실시간 모니터링하고 자동 환기 시키는 등 실내 거주자의 쾌적성을 위해 알아서 설비를 제어하게 될 것이다. ③건설사업관리 플랫폼의 변화-수주부터 준공까지 하나의 데이터 흐름 AX 시대에는 건설사업관리 방식도 완전히 바뀐다. 수주 단계에는 AI가 입찰 문서·계약 리스크·원가 구조 등을 신속하게 분석하고 경쟁사 전략과 시장 데이터를 기반으로 최적 수주 전략을 제시하게 될 것이다. 삼성물산은 이미 AI 기반 계약 리스크 분석 시스템을 운영 중이다. 시공 단계에서는 앞서 설명한 바와 같이 공정 계획은 AI가 자동 생성하고, 현장 상황에 따라 실시간 작업을 조율한다. 자재 수급·장비 배치·인력 투입은 AI의 분석과 계획에 따라 최적화하고 안전관리는 AI CCTV가 실시간으로 감지한다. 준공 및 운영 단계에서 준공 데이터는 BIM 초기 생성 모델과 As-built 도면을 바탕으로 업데이트된 모델이 디지털 트윈으로 자동 전환된다. 유지관리 계획은 관리 주체가 입력한 성능 목표에 따라 AI가 자동 생성하고 운영 시 축적된 데이터는 다시 설계, 시공 단계로 피드백돼 다음 프로젝트의 품질을 높인다. 즉, 건설사업관리는 프로젝트 단위 관리에서 데이터 기반 플랫폼 운영으로 진화하게 된다. AX는 건설산업을 무인화·지능화·지속가능성 중심 산업으로 재편한다. 로봇과 AI 장비가 현장을 운영하고, BIM과 디지털 트윈이 건축물의 생애주기를 관리하며, 건설사업관리 플랫폼이 수주부터 준공까지 모든 의사결정을 돕는다. 이제 건설산업의 리더는 기술을 따라가는 사람이 아니라, 기술로 미래를 설계하는 사람이 되어야 한다. AI와 로봇이 함께 움직이는 현장, 데이터가 실시간으로 흐르는 운영, 안전과 효율이 동시에 확보되는 산업. 건설은 더 이상 과거의 3D(Dangerous, Difficult & Dirty)가 아닌 디지털(Digital) 기술을 기반으로, 역동적(Dynamic)이며, 청년들이 선망하는 품격 있는(Decent) 일자리라는 새로운 ‘미래형 3D’로 변화할 것이다. 그 미래는 이미 시작되었고, 우리가 준비해야 할 시간은 지금이다.

매년 사업 전략을 세울 때 가장 효과적인 방법은 목표가 실현된 미래의 모습을 먼저 그려보고, 그 미래에서 현재로 거슬러오며 단계별로 실행 가능한 계획을 세우는 것이다. 이 방식은 목표를 더 체계적으로, 더 현실적으로 달성하게 한다. 건설산업도 마찬가지라고 생각한다. AX가 완전히 자리 잡은 미래의 건설 현장과 도시의 모습을 먼저 상상해 본다. 이번 마지막 편에서는 AX 시대의 건설산업이 어떤 모습으로 진화할지, 그리고 그 변화의 중심에 있는 건설기계, BIM, 건설사업관리 플랫폼이 어떻게 재편될지 구체적으로 그려본다. ①로봇과 AI 기반의 건설기계 변화-무인화와 실시간 최적화 AX 시대의 건설 현장은 더 이상 사람이 중심이 아니다. 로봇과 AI 장비가 작업을 수행하고, 사람은 감독자나 의사결정자로서 역할을 한다. 로봇은 스스로 작업 경로를 계산하고, 공정 상황에 따라 자동으로 작업량을 조절한다. AI는 장비 고장이나 정비 필요 여부를 예측해 유지보수 일정을 자동으로 조정한다. 결과적으로 안전사고는 급감하고, 공정 효율은 비약적으로 향상될 것이다. ②BIM 기반 건축물 전 생애주기 관리의 변화-설계·시공·유지관리의 완전한 통합 AX 시대의 핵심 인프라는 BIM과 디지털 트윈이다. 이 두 기술은 건축물의 설계 → 시공 → 유지관리를 하나의 데이터 흐름으로 연결한다. 1.설계 단계-AI가 설계안을 자동 생성하는 시대 BIM 모델을 기반으로 AI가 수십~수백 개의 설계안을 자동으로 생성하고, 구조적 간섭 여부, 자재 사용량, 에너지 효율 등을 비교해 최적안을 제시하는 제너레이티브(Generative) 디자인이 대세로 자리 잡을 것이다. 십여 년 전 매개변수를 입력하여 설계안을 생성하는 파라메트릭(Parametric) 디자인이 유행처럼 번졌다. 이 방식은 사람이 직접 원하는 결과물을 도출하기 위해 매개변수를 입력해가며 설계안을 발전시키는 데 반해 제너레이티브 디자인은 사람이 원하는 성능과 목표, 방향성만 제시하면 알고리즘이 방대한 데이터를 탐색하고 조합해 전혀 예상치 못한 유기적 형태의 디자인을 도출할 수도 있다. 파라메트릭이 DX라면, 제너레이티브는 AX라고 할 수 있다. 설계는 더 이상 사람이 “처음부터 끝까지 직접 만드는 작업”이 아니라, AI가 제시한 옵션 중 최적안을 선택하고 조정하는 방식으로 바뀔 것이다. 2.시공 단계-오류 없는 시공, 안전 리스크 제로화 BIM 모델은 시공 단계에서 공정 간섭 자동 검출, 장비 동선 최적화, AR 기반 시공성 시뮬레이션 검토, 로봇과 자율주행 장비의 작업 기준 데이터 제공 등의 역할을 할 것이다. 즉, 관리자는 시공 전 미리 작업 상황을 고려, 공정 순서대로 공사를 미리 시뮬레이션해보고 어디가 위험하고, 품질관리 포인트는 어디인지를 분명히 알고 공사를 진행할 수 있다. 이를 통해 안전사고 예방뿐 아니라 품질관리 기준 또한 높아질 것이다. 3.유지관리 단계-디지털 트윈 기반의 지능형 건축물 운영 디지털 트윈은 실제 건축물의 상태를 실시간으로 반영하는 가상 복제 공간이다. 이 기술은 시설 유형별로 관리상의 여러 변화를 만든다. 아파트와 같은 주택에서는 누수·균열·배관 이상을 센서가 감지하고, 디지털 트윈이 고장 가능성을 예측하여 미리 보수할 수 있도록 알림을 줄 것이다. 또한 거주자의 생활 패턴을 분석해 난방·환기·조명을 자동 조절할 수도 있고 에너지 사용량을 최적화해 관리비 또한 절감할 수 있을 것이다. 공장과 같은 산업시설에서는 설비의 진동·온도·압력 데이터를 실시간 분석해 고장 전 징후를 감지해 다운타임(가동 중단 시간)을 최소화하여 공장을 운영할 수 있고 생산 라인의 병목을 자동 분석하고 운영 계획을 조정할 수도 있다. 또한 위험 지역은 로봇이 점검하고, AI가 유지보수 일정을 자동 생성해 줄 것이다. GE, Siemens, Bosch 등 글로벌 제조사는 이미 공장 디지털 트윈을 운영 중이며, 설비 고장 예측 정확도가 30~50% 향상된 사례도 보고되고 있다. 오피스 및 상업시설에서도 공간별 사용량을 분석해 냉난방과 조명을 자동 제어하고 실내 공기질을 실시간 모니터링하고 자동 환기 시키는 등 실내 거주자의 쾌적성을 위해 알아서 설비를 제어하게 될 것이다. ③건설사업관리 플랫폼의 변화-수주부터 준공까지 하나의 데이터 흐름 AX 시대에는 건설사업관리 방식도 완전히 바뀐다. 수주 단계에는 AI가 입찰 문서·계약 리스크·원가 구조 등을 신속하게 분석하고 경쟁사 전략과 시장 데이터를 기반으로 최적 수주 전략을 제시하게 될 것이다. 삼성물산은 이미 AI 기반 계약 리스크 분석 시스템을 운영 중이다. 시공 단계에서는 앞서 설명한 바와 같이 공정 계획은 AI가 자동 생성하고, 현장 상황에 따라 실시간 작업을 조율한다. 자재 수급·장비 배치·인력 투입은 AI의 분석과 계획에 따라 최적화하고 안전관리는 AI CCTV가 실시간으로 감지한다. 준공 및 운영 단계에서 준공 데이터는 BIM 초기 생성 모델과 As-built 도면을 바탕으로 업데이트된 모델이 디지털 트윈으로 자동 전환된다. 유지관리 계획은 관리 주체가 입력한 성능 목표에 따라 AI가 자동 생성하고 운영 시 축적된 데이터는 다시 설계, 시공 단계로 피드백돼 다음 프로젝트의 품질을 높인다. 즉, 건설사업관리는 프로젝트 단위 관리에서 데이터 기반 플랫폼 운영으로 진화하게 된다. AX는 건설산업을 무인화·지능화·지속가능성 중심 산업으로 재편한다. 로봇과 AI 장비가 현장을 운영하고, BIM과 디지털 트윈이 건축물의 생애주기를 관리하며, 건설사업관리 플랫폼이 수주부터 준공까지 모든 의사결정을 돕는다. 이제 건설산업의 리더는 기술을 따라가는 사람이 아니라, 기술로 미래를 설계하는 사람이 되어야 한다. AI와 로봇이 함께 움직이는 현장, 데이터가 실시간으로 흐르는 운영, 안전과 효율이 동시에 확보되는 산업. 건설은 더 이상 과거의 3D(Dangerous, Difficult & Dirty)가 아닌 디지털(Digital) 기술을 기반으로, 역동적(Dynamic)이며, 청년들이 선망하는 품격 있는(Decent) 일자리라는 새로운 ‘미래형 3D’로 변화할 것이다. 그 미래는 이미 시작되었고, 우리가 준비해야 할 시간은 지금이다.

건설산업의 디지털 전환(DX)이 이제는 자율 전환(AX)이라는 새로운 국면으로 넘어가고 있다. 앞선 5편에서 중장기 전략을 살펴봤다면, 이번 편에서는 해외 선진 건설사들이 실제로 어떻게 AX를 도입하고 있는지, 기술은 어디까지 발전했는지, 그리고 한국 건설산업이 무엇을 벤치마킹해야 하는지 구체적으로 살펴본다. ①미국-자율 장비와 AI 프로젝트 관리의 선두주자 미국의 건설사들은 이미 자율화 기술을 현장에 적용하고 있다. Built Robotics는 굴삭기, 불도저 등 중장비에 자율주행 기술을 탑재해, 사람이 없이도 24시간 작업이 가능한 시스템을 구축했다. 이 장비는 GPS, 센서, AI 알고리즘을 통해 작업 경로를 스스로 계산하고, 장애물을 회피하며 굴착 작업을 수행한다. Turner Construction은 스타트업 건설기술 업체인 Versatile과 협업해 ‘CraneView System’이라는 AI 시스템을 도입해 크레인 성능과 안전을 분석하며, 고층 건물 시공 시 장비 효율성과 안전성을 동시에 확보하고 있다. 미국 샌디에이고에 위치한 맨체스터 퍼시픽 게이트웨이 프로젝트는 17층, 연면적 약 3만 5041㎡ 규모인데 크레인뷰 시스템을 도입한 결과 계획 대비 약 17일 빨리 작업을 완료하고 크레인을 조기에 해체할 수 있었다. Mastt는 프로젝트 관리 플랫폼에 AI를 접목해, 예산, 리스크, 진척 상황을 실시간으로 분석하고 예측하며 시각적인 데이터와 대시보드 형태의 리포트를 생성한다. 실제로 호주 뉴캐슬 공항의 2억 5000만 달러 규모 리노베이션 프로젝트에서 Mastt의 보고 플랫폼을 활용한 결과 공기 10% 단축, 리스크 대응 속도 향상 등의 성과를 냈다. Dusty Robotics는 현장 레이아웃 작업을 로봇이 자동으로 수행하도록 개발했다. 이 로봇은 도면을 읽고 바닥에 정확한 위치 표시를 하며, 시공 오차를 획기적으로 줄이고 있다. 이런 사례는 단순한 기술 시연이 아니라, 실제 프로젝트에서 ROI를 입증한 상용화 사례라는 점에서 의미가 크다. ②유럽-AI 예측과 로보틱스 시공의 정교함 유럽은 기술의 정교함과 안전 기준의 엄격함을 바탕으로 AX를 빠르게 확산시키고 있다. 오스트리아 건설회사인 STRABAG SE는 Azure OpenAI 기반 모델을 활용해 DARIA(Data-Driven Risk Analysis) AI 솔루션을 개발하여 공정 지연을 예측하고, 입찰 단계에서 리스크 분석을 자동화하고 있다. 이는 프로젝트 초기 단계부터 AI를 활용해 전략을 수립하는 방식이다. 프랑스의 Bouygues Construction은 AI를 활용해 지하철 건설 프로젝트에서 철근량을 140t 이상 절감했다. 이는 설계 최적화와 자재 배치 자동화를 통해 비용과 자원 낭비를 줄인 사례다. 이처럼 유럽은 설계 운영 전 단계에 걸쳐 AI와 로봇을 정교하게 통합하고 있으며, 안전성과 품질을 동시에 확보하는 데 집중하고 있다. ③일본-로봇과 자동화의 현장 밀착형 전략 일본은 고령화와 인력 부족 문제를 해결하기 위해 로봇과 자동화를 적극 도입하고 있다. Obayashi Corporation은 Automated Inspection System(자동 검측 시스템)을 개발해 철근 배근, 콘크리트 타설, 품질 검사 등 다양한 작업을 자동화하고 있으며, Generative Design을 통해 설계안을 자동 생성하는 기술도 개발 중이다. 특히 철근 배근 검측 시스템은 Visual SLAM(동시 위치 추적 및 지도 작성) 기술과 건설 현장 관리자가 착용한 장비에 설치된 여러 대의 카메라에서 얻은 이미지를 활용, BIM 정보와 중첩해 검측함으로써 정확도가 우수하다. Komatsu는 ‘Smart Construction’ 플랫폼을 통해 자율주행 굴착기, 드론 측량, 클라우드 기반 공정 관리 시스템을 통합하고 있다. 이 플랫폼은 현장 데이터를 실시간으로 수집·분석해, 작업 계획을 자동으로 조정한다. 일본은 특히 현장 밀착형 기술 개발에 강점을 보이며, 로봇과 AI를 실제 작업자와 함께 작동하도록 설계하는 데 집중하고 있다. 한국은 이미 BIM, 드론, IoT 기반 DX를 빠르게 확산시키고 있다. 하지만 AX로 가기 위해서는 다음과 같은 전략 포인트가 필요하다. 현장 PoC 단계를 넘어 실제 프로젝트에서 AI 로봇 등을 적용해 ROI를 입증할 수 있는 사례를 축적해야 한다. 또한 BIM을 기반으로 한 설계부터 시공, 유지관리 및 운영 전 단계에 걸친 기술 통합을 만들어야 한다. 정부는 기업과 학계 등과 협력해 AI 도입에 따른 안전 기준, 법적 책임 구조 등을 신속하게 정비해야 하며 산학 협력으로 실무형 인재 양성 및 기술 검증 체계를 구축할 필요가 있다. AX는 더 이상 먼 미래의 기술이 아니다. 우리가 “과연 이게 될까?”란 의심 섞인 눈초리로 적극적인 실행을 주저하고 있는 동안 해외에서는 이미 실제 현장에서 활용하고 있고, 성과를 내고 있으며, 산업 구조를 바꾸고 있다.

건설산업의 디지털 전환(DX)이 이제는 자율 전환(AX)이라는 새로운 국면으로 넘어가고 있다. 앞선 5편에서 중장기 전략을 살펴봤다면, 이번 편에서는 해외 선진 건설사들이 실제로 어떻게 AX를 도입하고 있는지, 기술은 어디까지 발전했는지, 그리고 한국 건설산업이 무엇을 벤치마킹해야 하는지 구체적으로 살펴본다. ①미국-자율 장비와 AI 프로젝트 관리의 선두주자 미국의 건설사들은 이미 자율화 기술을 현장에 적용하고 있다. Built Robotics는 굴삭기, 불도저 등 중장비에 자율주행 기술을 탑재해, 사람이 없이도 24시간 작업이 가능한 시스템을 구축했다. 이 장비는 GPS, 센서, AI 알고리즘을 통해 작업 경로를 스스로 계산하고, 장애물을 회피하며 굴착 작업을 수행한다. Turner Construction은 스타트업 건설기술 업체인 Versatile과 협업해 ‘CraneView System’이라는 AI 시스템을 도입해 크레인 성능과 안전을 분석하며, 고층 건물 시공 시 장비 효율성과 안전성을 동시에 확보하고 있다. 미국 샌디에이고에 위치한 맨체스터 퍼시픽 게이트웨이 프로젝트는 17층, 연면적 약 3만 5041㎡ 규모인데 크레인뷰 시스템을 도입한 결과 계획 대비 약 17일 빨리 작업을 완료하고 크레인을 조기에 해체할 수 있었다. Mastt는 프로젝트 관리 플랫폼에 AI를 접목해, 예산, 리스크, 진척 상황을 실시간으로 분석하고 예측하며 시각적인 데이터와 대시보드 형태의 리포트를 생성한다. 실제로 호주 뉴캐슬 공항의 2억 5000만 달러 규모 리노베이션 프로젝트에서 Mastt의 보고 플랫폼을 활용한 결과 공기 10% 단축, 리스크 대응 속도 향상 등의 성과를 냈다. Dusty Robotics는 현장 레이아웃 작업을 로봇이 자동으로 수행하도록 개발했다. 이 로봇은 도면을 읽고 바닥에 정확한 위치 표시를 하며, 시공 오차를 획기적으로 줄이고 있다. 이런 사례는 단순한 기술 시연이 아니라, 실제 프로젝트에서 ROI를 입증한 상용화 사례라는 점에서 의미가 크다. ②유럽-AI 예측과 로보틱스 시공의 정교함 유럽은 기술의 정교함과 안전 기준의 엄격함을 바탕으로 AX를 빠르게 확산시키고 있다. 오스트리아 건설회사인 STRABAG SE는 Azure OpenAI 기반 모델을 활용해 DARIA(Data-Driven Risk Analysis) AI 솔루션을 개발하여 공정 지연을 예측하고, 입찰 단계에서 리스크 분석을 자동화하고 있다. 이는 프로젝트 초기 단계부터 AI를 활용해 전략을 수립하는 방식이다. 프랑스의 Bouygues Construction은 AI를 활용해 지하철 건설 프로젝트에서 철근량을 140t 이상 절감했다. 이는 설계 최적화와 자재 배치 자동화를 통해 비용과 자원 낭비를 줄인 사례다. 이처럼 유럽은 설계 운영 전 단계에 걸쳐 AI와 로봇을 정교하게 통합하고 있으며, 안전성과 품질을 동시에 확보하는 데 집중하고 있다. ③일본-로봇과 자동화의 현장 밀착형 전략 일본은 고령화와 인력 부족 문제를 해결하기 위해 로봇과 자동화를 적극 도입하고 있다. Obayashi Corporation은 Automated Inspection System(자동 검측 시스템)을 개발해 철근 배근, 콘크리트 타설, 품질 검사 등 다양한 작업을 자동화하고 있으며, Generative Design을 통해 설계안을 자동 생성하는 기술도 개발 중이다. 특히 철근 배근 검측 시스템은 Visual SLAM(동시 위치 추적 및 지도 작성) 기술과 건설 현장 관리자가 착용한 장비에 설치된 여러 대의 카메라에서 얻은 이미지를 활용, BIM 정보와 중첩해 검측함으로써 정확도가 우수하다. Komatsu는 ‘Smart Construction’ 플랫폼을 통해 자율주행 굴착기, 드론 측량, 클라우드 기반 공정 관리 시스템을 통합하고 있다. 이 플랫폼은 현장 데이터를 실시간으로 수집·분석해, 작업 계획을 자동으로 조정한다. 일본은 특히 현장 밀착형 기술 개발에 강점을 보이며, 로봇과 AI를 실제 작업자와 함께 작동하도록 설계하는 데 집중하고 있다. 한국은 이미 BIM, 드론, IoT 기반 DX를 빠르게 확산시키고 있다. 하지만 AX로 가기 위해서는 다음과 같은 전략 포인트가 필요하다. 현장 PoC 단계를 넘어 실제 프로젝트에서 AI 로봇 등을 적용해 ROI를 입증할 수 있는 사례를 축적해야 한다. 또한 BIM을 기반으로 한 설계부터 시공, 유지관리 및 운영 전 단계에 걸친 기술 통합을 만들어야 한다. 정부는 기업과 학계 등과 협력해 AI 도입에 따른 안전 기준, 법적 책임 구조 등을 신속하게 정비해야 하며 산학 협력으로 실무형 인재 양성 및 기술 검증 체계를 구축할 필요가 있다. AX는 더 이상 먼 미래의 기술이 아니다. 우리가 “과연 이게 될까?”란 의심 섞인 눈초리로 적극적인 실행을 주저하고 있는 동안 해외에서는 이미 실제 현장에서 활용하고 있고, 성과를 내고 있으며, 산업 구조를 바꾸고 있다.

경북 울진군이 수소도시 조성을 위한 청사진을 완성했다. 30일 울진군은 최근 ‘울진군 수소도시 조성사업 마스터플랜 수립 용역’을 마무리해 미래 에너지 자립 도시로 도약하기 위한 구체적인 추진 로드맵을 확정했다고 밝혔다. 수소도시 조성사업은 오는 2028년까지 4년간 총사업비 400억 원(국비 200억, 지방비 200억)을 투입해 죽변면과 울진읍 일원을 중심으로 수소 생산·이송·활용 인프라를 단계적으로 구축하는 실증적 에너지 전환 프로젝트다. 마스터플랜의 핵심은 울진 원자력수소 국가산업단지 조성에 맞춰 체감형 수소 생태계를 구축하는 것이다. 우선 1.5㎽급 수전해 설비와 수소 공급 인프라를 구축해 청정수소를 안정적으로 생산·공급한다. 또한 생활 밀착형 수소 체험관 조성, 수소버스 및 수소 드론 등 친환경 모빌리티 보급 확대를 통해 군민들이 일상 속에서 수소 에너지를 직접 체감할 수 있는 환경을 조성할 계획이다. 인공지능(AI) 기반 통합안전운영센터를 구축해 수소 생산부터 저장·이송·활용까지 전 과정을 24시간 실시간 모니터링함으로써 세계 최고 수준의 안전성을 확보할 계획이다. 원자력수소 국가산업단지와 연계해 사업 시너지도 극대화할 방침이다. 울진군 관계자는 “울진이 에너지 생산 거점을 넘어, 수소 기반의 혁신적인 주거·교통 체계를 갖춘 미래형 도시로 나아가는 중요한 전환점”이라며 “내년부터 본격적인 실시설계와 공사에 착수해 군민들이 안전하고 편리하게 수소 에너지를 누릴 수 있도록 사업 추진에 최선을 다하겠다”고 말했다.

팡고지와이, 인터넷 신문 솔루션 ‘팡고링고’ 통해 언론사 창업의 기술·비용 장벽 허물어 AI 기사 작성부터 72개국 번역·배포까지…‘트래픽이 곧 수익’인 미디어 생태계 최적화 월 7만 원대 파격 조건에 커스터마이징 및 자체 광고 수익화 모델까지 지원 AI 기반 디지털 광고 솔루션 기업 팡고지와이의 ‘팡고링고’가 예비 언론사 창업자들 사이에서 ‘창업 필수 선택지’로 떠오르고 있다. 팡고링고는 기사 작성부터 배포, 사이트 관리, 수익화까지 미디어 운영의 전 과정을 AI 기술로 혁신하며, 소규모 창업자도 대형 언론사 못지않은 경쟁력을 갖출 수 있도록 지원하는 인터넷 신문 솔루션이다. 검증된 기술력과 밀착 지원 팡고링고는 디지털 광고 시장에서 풍부한 노하우를 쌓아온 팡고지와이의 기술력을 기반으로 설계돼 탄탄한 시스템 안정성을 자랑한다. 실제 도입 매체들은 팡고링고의 신속한 피드백과 밀착 기술 지원(CS)을 가장 큰 신뢰 포인트로 꼽는다. 팡고링고는 단순한 솔루션 판매를 넘어 창업자의 성공을 돕는 ‘기술 파트너’로서의 역할을 수행한다. AI 기사 보조와 글로벌 번역 신규 언론사가 겪는 가장 큰 어려움은 기사 생산량 부족과 저조한 트래픽이다. 팡고링고는 생성형 AI를 활용한 기사 작성 어시스턴트 기능을 탑재해, 기자가 핵심 키워드만 입력하면 양질의 기사 초안을 작성해주고 문맥까지 다듬어준다. 이를 통해 1인 미디어도 풍부한 콘텐츠를 지속적으로 발행할 수 있다. 특히 국내 독자에게만 머물지 않고 글로벌 시장을 겨냥할 수 있다는 점이 강력한 무기다. 팡고링고는 72개 언어 자동 번역 및 현지 최적화(Localization) 기능을 제공해 클릭 한 번으로 전 세계 100여 개국 독자에게 뉴스를 송출할 수 있다. 여기에 전문가 수준의 검색 엔진 최적화(SEO) 로직이 기본 적용돼 구글 등 주요 검색 포털 상위 노출을 강력하게 지원한다. 독창적 브랜드 정체성 구축 기존의 구독형 언론사 CMS는 정해진 레이아웃 안에서만 운영해야 하는 한계가 있었다. 반면 팡고링고는 창업자가 원하는 기능을 최대한 반영하는 ‘맞춤형 플랫폼’을 지향한다. 천편일률적인 디자인에서 벗어나 각 언론사의 브랜드 정체성을 살린 독창적인 레이아웃 세팅과 기능 개발을 적극 지원해 차별화된 미디어 사이트 구축을 돕는다. 월 7만 원 합리적인 비용과 상생 모델 팡고링고는 초기 자본이 부족한 창업자를 위해 진입 장벽도 획기적으로 낮췄다. 월 7만 원이라는 합리적인 비용으로 ▲월 전송량 500GB ▲저장 공간(HDD) 100GB ▲72개국 AI 자동 번역 등 타사 대비 월등한 스펙을 제공한다. 프로모션으로 1개월 이용료 무료 및 팡고링고의 다양한 AI 유료 기능을 즉시 활용할 수 있는 5만 원 상당의 포인트를 지급해 실질적인 혜택을 더했다. 팡고링고는 단순한 솔루션 제공을 넘어 언론사의 지속 가능한 성장을 돕는 수익화 로드맵도 제시했다. 향후 팡고링고 자체 광고 시스템을 도입해 오픈 초기라 직접 광고 영업이 어려운 신생 언론사도 사이트 트래픽에 비례해 광고 수익을 얻을 수 있는 구조를 마련할 예정이다. 팡고지와이 관계자는 “팡고링고는 기술적인 장벽 때문에 언론사 창업을 주저했던 분들에게 가장 확실한 솔루션이 될 것”이라며 “누구나 팡고링고를 통해 로컬을 넘어 글로벌 미디어 오너가 될 수 있도록 기술 지원을 아끼지 않겠다”고 밝혔다. 서비스에 대한 자세한 내용과 도입 문의는 팡고링고 공식 홈페이지에서 확인할 수 있다.

오경미 전 광주시교육청 교육국장은 29일 “정직과 인성이 실력이 되는 광주교육의 새 시대를 열겠다”며 교육감 선거 출마를 선언했다. 오 전 국장은 29일 광주시교육청에서 기자회견을 열고 “무너진 광주교육의 신뢰를 바로 세우고, 우리 아이들의 미래를 정직한 실력 위에 다시 올려놓겠다”며 교육감 선거 출마를 밝혔다. 그는 “연일 이어지는 인사 비리 의혹과 수사 소식, 측근 인사가 회자되는 현실은 교육 현장에 깊은 좌절을 안기고 있다”며 “이제는 분명한 변화가 필요하다”고 강조했다. 오 전 국장은 독립성을 강화한 청렴 옴부즈맨과 감사위원회를 구축해 인사·행정·예산 전 과정을 엄격히 감시받고 모든 교육행정을 공개·공유·공감 원칙으로 추진하겠다고 강조했다. 미래 교육 비전으로는 사람 중심의 AI 교육 전환을 내걸었다. 오 전 국장은 “AI 미래 교육의 핵심은 기기와 기술이 아니라 사람과 인성”이라며, 모든 학생이 악기 하나, 운동 하나쯤은 자연스럽게 즐길 수 있도록 독서·토론·예체능 교육 지원을 대폭 강화하겠다고 밝혔다. 고교 교육 체제 개편도 주요 공약으로 제시했다. AI·에너지·첨단과학을 축으로 한 고교 교육 구조를 재설계해 과학고, 특성화고, 국제계열 고등학교로 확장하고, 광주형 이공계 ‘슈퍼 인재’를 조기에 발굴해 집중 육성하겠다는 구상이다. 교사 정책과 관련해서는 “교사가 수업과 생활지도에 전념할 수 있도록 과도한 행정·수업 부담을 조정하겠다”며 교육의 질을 현장에서부터 끌어올리겠다고 강조했다. 아울러 “5·18로 대표되는 광주의 정신을 세계가 배우러 오는 교육 브랜드로 키우겠다”며 광주교육의 정체성과 국제화를 동시에 추진하겠다는 의지도 밝혔다. 오 전 국장은 대촌중·두암중 교장을 비롯해 광주시교육청 장학관, 창의융합교육원장, 교육국장 등을 역임한 교육행정 전문가다. 현재는 전남대 총동창회 상임부회장과 광주교육발전포럼 대표로 활동하고 있다.

4편에서 ‘디지털 전환’(DX)에서 ‘AI 전환’(AX)으로 넘어가는 연결고리를 살펴봤다. 이제는 그 연결고리를 실제로 어떻게 구축할 것인지, 중장기 전략을 통해 구체적으로 준비해야 할 시점이다. AX는 단순한 기술 도입이 아니라 산업 구조의 재편이며, 건설사, 테크기업, 정부, 학계가 각자의 위치에서 전략을 세우고 함께 움직여야 한다. ①건설사의 중장기 전략-기술과 조직의 변화 건설사는 DX를 넘어 AX로 가기 위해 조직과 기술, 사업 전략을 동시에 변화시켜야 한다. 단기적으로는 BIM, 드론, IoT 센서 등을 활용해 현장 데이터를 디지털로 수집하고, 이를 CDE(Common Data Environment, 공동작업환경)에 통합하는 작업이 필요하다. 중기에는 AI 기반 의사결정 시스템을 도입해 공정 지연 예측, 자재 수급 최적화, 안전 위험 감지 등의 기능을 현장에 적용해야 한다. 현대건설은 2022년부터 ‘현장 CCTV 영상 분석 시스템’을 개발하고, AI CCTV를 활용해 위험 행동을 실시간 감지하며, 품질 관리에 AR 기술을 접목해 시공 오류를 줄이고 있다. 장기적으로는 자율주행 굴착기, 드론 순찰, 로봇 품질검사 등 자율 장비를 현장에 도입하고, 이를 운영할 수 있는 조직 체계를 갖춰야 한다. 조직 변화 측면에서 디지털 전담팀을 신설하고, 기존 직무를 재설계하며, 직원 교육을 강화해야 한다. DX는 기술 도입이 아니라 일하는 방식의 변화이기 때문에, 현장 직원들이 기술을 이해하고 활용할 수 있도록 체계적인 교육이 필요하다. 올해 삼성물산 데이터팀은 AWS와 공동으로 3대 ‘AI 에이전트’를 개발했다. ‘AI-ITB Reviewer’는 방대한 분량의 입찰제안서를 자동 분석해 리스크를 빠르게 식별하고, ‘AI-Contract Manager’는 법무 및 계약 리스크를 최소화해 전문적인 대응을 지원한다. 또 ‘AI-Project Expert’는 현장 데이터를 통합 분석해 숨겨진 인사이트를 도출하는 시스템으로, 프로젝트 전반의 효율성을 높이는 역할을 한다. 사업 전략 측면에서는 신규 프로젝트 수주 시 ‘AI 기반 시공 전략’을 제안 요소로 활용할 수 있다. 예를 들어, 스마트건설 인증제도를 활용해 발주처에 기술력을 어필하고, 공정 예측, 안전 관리, 품질 자동화 등의 기능을 제안서에 포함시키는 방식이다. ②테크기업의 전략-기술 방향성과 협업 체계 테크기업은 건설 현장에 맞는 기술을 개발하고, 건설사와 협업해 실제 적용 가능한 솔루션을 제공해야 한다. 핵심 기술 방향으로는 공정 예측 AI, 안전 감지 AI, 자율 장비(UGV, 드론, 로봇), 디지털 트윈 플랫폼 등이 있다. 최근 DL이앤씨는 Generative Design을 활용해 설계 자동화를 구현하고 있으며, 포스코이앤씨는 AI 기반 레미콘 품질 예측 시스템을 도입한 바 있다. 기술 개발 우선순위는 초기에는 현장 적용성이 높은 기술에 집중하고, 중기에는 AI 판단의 정확도와 속도를 개선하며, 장기에는 자율화된 현장 운영 시스템을 구축하는 방향으로 설정해야 한다. 투자 전략은 정부의 스마트건설 R&D 과제와 연계해 자금을 확보하고, 오픈이노베이션을 통해 유망 스타트업과 협력하는 방식이 효과적이다. 예를 들어, 중소 건설사와 기술기업 간의 공동 개발 프로젝트는 정부의 실증 지원을 받을 수 있으며, 현장 PoC를 통한 기술 검증과 시장 진입에 유리하다. 협업 체계는 건설사와 공동 개발 및 테스트베드 운영, 정부와 규제 대응 및 인증 체계 협력, 학계와 알고리즘 검증 및 인재 양성 연계를 포함할 수 있다. 이처럼 다자간 협력이 이루어질 때 기술은 현장에 빠르게 확산될 것이다. ③정부 및 학계의 전략-제도 정비와 인재 육성 정부와 학계는 기술 도입에 따른 제도적 혼란을 정비하고, 산업 전반의 방향성을 제시해야 한다. 제도 측면에서는 자율 장비 도입 시 안전 기준과 책임 범위를 명확히 하고, AI 판단 오류에 대한 법적 책임 구조를 정비해야 한다. 중대재해처벌법 시행 이후 건설업의 안전관리에 대한 책임 중요성이 부각되면서, 자율 시스템의 안전성과 책임 귀속 문제는 AX 확산의 핵심 과제가 될 것이다. 디지털 기록과 로그 기반의 안전관리 증빙 체계를 마련하고, 스마트건설 인증제도와 기술 검증 프로세스를 도입해야 한다. 국토교통부는 스마트건설 기술 실증 지원 사업을 통해 기술 검증과 현장 적용을 촉진하고 있으며, 이는 제도적 기반 마련의 좋은 사례이다. 학계는 건설 AI 융합형 교육과정을 신설하고, BIM, 로보틱스, 데이터 분석 중심의 실무형 커리큘럼을 개발해야 한다. 산학 협동 R&D를 통해 기술 검증과 표준화를 주도하고 테크기업, 건설사와 공동 인턴십, 현장 실습 프로그램을 운영함으로써 실무형 인재를 양성할 수 있다. 특히 AI 기술이 빠르게 발전하는 만큼, 학계는 기술 트렌드에 발맞춰 커리큘럼을 유연하게 개편하고, 산업 현장의 요구를 반영한 교육을 제공해야 한다. 이는 산업과 교육이 함께 성장하는 기반이 된다. 건설사, 테크기업, 정부, 학계가 각자의 위치에서 준비하고 협력할 때, 한국 건설산업은 AX 시대의 선도자로 자리매김할 수 있다.

4편에서 ‘디지털 전환’(DX)에서 ‘AI 전환’(AX)으로 넘어가는 연결고리를 살펴봤다. 이제는 그 연결고리를 실제로 어떻게 구축할 것인지, 중장기 전략을 통해 구체적으로 준비해야 할 시점이다. AX는 단순한 기술 도입이 아니라 산업 구조의 재편이며, 건설사, 테크기업, 정부, 학계가 각자의 위치에서 전략을 세우고 함께 움직여야 한다. ①건설사의 중장기 전략-기술과 조직의 변화 건설사는 DX를 넘어 AX로 가기 위해 조직과 기술, 사업 전략을 동시에 변화시켜야 한다. 단기적으로는 BIM, 드론, IoT 센서 등을 활용해 현장 데이터를 디지털로 수집하고, 이를 CDE(Common Data Environment, 공동작업환경)에 통합하는 작업이 필요하다. 중기에는 AI 기반 의사결정 시스템을 도입해 공정 지연 예측, 자재 수급 최적화, 안전 위험 감지 등의 기능을 현장에 적용해야 한다. 현대건설은 2022년부터 ‘현장 CCTV 영상 분석 시스템’을 개발하고, AI CCTV를 활용해 위험 행동을 실시간 감지하며, 품질 관리에 AR 기술을 접목해 시공 오류를 줄이고 있다. 장기적으로는 자율주행 굴착기, 드론 순찰, 로봇 품질검사 등 자율 장비를 현장에 도입하고, 이를 운영할 수 있는 조직 체계를 갖춰야 한다. 조직 변화 측면에서 디지털 전담팀을 신설하고, 기존 직무를 재설계하며, 직원 교육을 강화해야 한다. DX는 기술 도입이 아니라 일하는 방식의 변화이기 때문에, 현장 직원들이 기술을 이해하고 활용할 수 있도록 체계적인 교육이 필요하다. 올해 삼성물산 데이터팀은 AWS와 공동으로 3대 ‘AI 에이전트’를 개발했다. ‘AI-ITB Reviewer’는 방대한 분량의 입찰제안서를 자동 분석해 리스크를 빠르게 식별하고, ‘AI-Contract Manager’는 법무 및 계약 리스크를 최소화해 전문적인 대응을 지원한다. 또 ‘AI-Project Expert’는 현장 데이터를 통합 분석해 숨겨진 인사이트를 도출하는 시스템으로, 프로젝트 전반의 효율성을 높이는 역할을 한다. 사업 전략 측면에서는 신규 프로젝트 수주 시 ‘AI 기반 시공 전략’을 제안 요소로 활용할 수 있다. 예를 들어, 스마트건설 인증제도를 활용해 발주처에 기술력을 어필하고, 공정 예측, 안전 관리, 품질 자동화 등의 기능을 제안서에 포함시키는 방식이다. ②테크기업의 전략-기술 방향성과 협업 체계 테크기업은 건설 현장에 맞는 기술을 개발하고, 건설사와 협업해 실제 적용 가능한 솔루션을 제공해야 한다. 핵심 기술 방향으로는 공정 예측 AI, 안전 감지 AI, 자율 장비(UGV, 드론, 로봇), 디지털 트윈 플랫폼 등이 있다. 최근 DL이앤씨는 Generative Design을 활용해 설계 자동화를 구현하고 있으며, 포스코이앤씨는 AI 기반 레미콘 품질 예측 시스템을 도입한 바 있다. 기술 개발 우선순위는 초기에는 현장 적용성이 높은 기술에 집중하고, 중기에는 AI 판단의 정확도와 속도를 개선하며, 장기에는 자율화된 현장 운영 시스템을 구축하는 방향으로 설정해야 한다. 투자 전략은 정부의 스마트건설 R&D 과제와 연계해 자금을 확보하고, 오픈이노베이션을 통해 유망 스타트업과 협력하는 방식이 효과적이다. 예를 들어, 중소 건설사와 기술기업 간의 공동 개발 프로젝트는 정부의 실증 지원을 받을 수 있으며, 현장 PoC를 통한 기술 검증과 시장 진입에 유리하다. 협업 체계는 건설사와 공동 개발 및 테스트베드 운영, 정부와 규제 대응 및 인증 체계 협력, 학계와 알고리즘 검증 및 인재 양성 연계를 포함할 수 있다. 이처럼 다자간 협력이 이루어질 때 기술은 현장에 빠르게 확산될 것이다. ③정부 및 학계의 전략-제도 정비와 인재 육성 정부와 학계는 기술 도입에 따른 제도적 혼란을 정비하고, 산업 전반의 방향성을 제시해야 한다. 제도 측면에서는 자율 장비 도입 시 안전 기준과 책임 범위를 명확히 하고, AI 판단 오류에 대한 법적 책임 구조를 정비해야 한다. 중대재해처벌법 시행 이후 건설업의 안전관리에 대한 책임 중요성이 부각되면서, 자율 시스템의 안전성과 책임 귀속 문제는 AX 확산의 핵심 과제가 될 것이다. 디지털 기록과 로그 기반의 안전관리 증빙 체계를 마련하고, 스마트건설 인증제도와 기술 검증 프로세스를 도입해야 한다. 국토교통부는 스마트건설 기술 실증 지원 사업을 통해 기술 검증과 현장 적용을 촉진하고 있으며, 이는 제도적 기반 마련의 좋은 사례이다. 학계는 건설 AI 융합형 교육과정을 신설하고, BIM, 로보틱스, 데이터 분석 중심의 실무형 커리큘럼을 개발해야 한다. 산학 협동 R&D를 통해 기술 검증과 표준화를 주도하고 테크기업, 건설사와 공동 인턴십, 현장 실습 프로그램을 운영함으로써 실무형 인재를 양성할 수 있다. 특히 AI 기술이 빠르게 발전하는 만큼, 학계는 기술 트렌드에 발맞춰 커리큘럼을 유연하게 개편하고, 산업 현장의 요구를 반영한 교육을 제공해야 한다. 이는 산업과 교육이 함께 성장하는 기반이 된다. 건설사, 테크기업, 정부, 학계가 각자의 위치에서 준비하고 협력할 때, 한국 건설산업은 AX 시대의 선도자로 자리매김할 수 있다.

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.

인텔은 소비자용 CPU와 새롭게 도전했던 GPU·AI 가속기, 서버 프로세서, 파운드리 사업에 이르기까지 전 사업 부문에서 위기에 몰려 있습니다. 최근 위기를 극복하기 위한 노력이 이어지며 실적도 다소 개선되는 흐름을 보이고 있지만 이를 두고 본격적인 반등이 시작됐다고 평가하기에는 아직 이른 것이 현실입니다. 그렇다고 인텔이 수년간 기술 개발을 게을리하며 시간을 허비한 것은 아닙니다. 오히려 수세에 몰린 상황에서 인텔은 기술 개발에 상당히 집중했고 그 결과 여러 가지 독자적인 신기술을 축적했습니다. 그중 하나가 여러 개의 작은 칩렛을 3차원적으로 결합해 복잡하고 거대한 칩을 만드는 타일(tile) 기반 3D 패키징 기술입니다. 인텔은 레고 블록처럼 베이스 타일 위에 서로 다른 공정에서 제조한 타일을 얹어 하나의 프로세서를 만드는 포베로스 3D 적층 기술을 꾸준히 발전시켜 왔습니다. 여기에 HBM 같은 차세대 메모리나 다른 프로세서를 고대역폭으로 연결할 수 있는 EMIB 기술도 지속적으로 개량해 왔습니다. 최근에는 최신 미세 공정인 18A의 양산을 준비하는 동시에, 차세대 공정인 14A 개발도 병행하고 있습니다. 최근 인텔 파운드리는 이 모든 기술을 하나로 묶은 초거대 프로세서 제조 기술을 공개했습니다. 아직 실물 칩이 존재하는 단계는 아니고 기술적 개요만 제시됐지만 계획대로 구현된다면 역사상 가장 크고 복잡한 프로세서가 될 가능성이 있습니다. 현재 인텔은 144코어의 시에라 포레스트 제온 프로세서를 출시할 예정이지만 이번에 공개된 개념은 이와는 비교가 되지 않을 정도로 거대한 구성을 염두에 둔 것으로 보입니다. 18A 공정의 베이스 타일 위에 14A 또는 14A-E 공정으로 제작한 컴퓨트 타일을 포베로스 다이렉트 3D 방식으로 적층하고 여기에 HBM4 또는 HBM5 메모리를 EMIB-T로 연결하는 구조입니다. 공개된 슬라이드와 이미지를 보면 두 개의 다이를 연결한 것으로 보이는 8개의 타일이 배치돼 있습니다. 18A 공정으로 제작된 후면 전력 공급 베이스 다이 위에 실제 연산을 담당하는 14A 계열 컴퓨트 타일을 올리는 구조입니다. 전력과 배선은 아래에 두고 연산부는 위로 올리는 방식으로, 포베로스 다이렉트 3D 기술을 통해 하나의 거대한 프로세서처럼 동작하도록 설계됐습니다. 주변에는 최대 24개의 HBM4 또는 HBM5 메모리가 TSV가 추가된 EMIB-T로 직접 연결됩니다. 이는 인텔이 보유한 최신 기술을 모두 집약한, 말 그대로 ‘괴물’에 가까운 설계입니다. 그러나 인텔의 제온 프로세서든, 외부 파운드리 고객의 제품이든 이 기술을 선뜻 채택할지는 미지수입니다. 가장 큰 이유는 최신 미세 공정과 포베로스, EMIB를 모두 결합할 경우 패키징 공정이 지나치게 복잡해지면서 제조 비용 상승과 수율 저하로 이어질 가능성이 크기 때문입니다. 실제 사례도 있습니다. 포베로스와 EMIB를 동시에 적용하고, 인텔과 TSMC에서 생산한 다이, 그리고 다수의 HBM 메모리를 결합한 폰테 베키오 GPU는 오로라 슈퍼컴퓨터에 탑재된 것을 제외하면 시장에서 거의 판매되지 못했고, 상업적으로는 실패에 가까운 결과를 남겼습니다. 후속작인 팔콘 쇼어스 역시 범용 제품이 아닌 내부 연구용 칩으로 전락했습니다. 이는 복잡한 패키징 기술의 성공이 곧 상업적 성공으로 이어지지는 않는다는 점을 다시 한번 보여준 사례입니다. 서버 CPU인 제온에서도 비슷한 일이 벌어졌습니다. 사파이어 래피즈는 4개의 CPU 타일과 HBM 메모리를 EMIB로 묶는 구조를 제시했지만 코어 수가 60개 이하로 제한되면서 같은 시기 AMD의 128코어 제품에 밀렸습니다. 이후 인텔이 서버 시장에서 점유율을 꾸준히 잃은 것은 어느 정도 예견된 결과였습니다. AMD는 서버 CPU인 에픽 프로세서를 출시하면서 CPU 코어와 L2·L3 캐시를 묶은 CCD 여러 개를 단일 I/O 다이와 연결하는 단순한 방식을 택했습니다. 당시 인텔 내부에서는 이를 ‘칩을 풀처럼 붙인 설계(Glue-together)’라며 평가 절하했지만 결과적으로 이 단순함이 비용 절감과 개발 속도 측면에서 결정적인 강점이 됐습니다. 코어 확장이 필요하면 CCD 숫자만 늘리면 되고 패키징도 상대적으로 단순해 비용 부담이 적었기 때문입니다. AMD가 이미 192코어 프로세서까지 출시할 수 있었던 배경입니다. 인텔 역시 뒤늦게 그래나이트 래피즈와 시에라 포레스트를 통해 단순한 타일 구조로 코어 수 경쟁에 다시 뛰어들었지만 그 과정에서 자신 있게 내세웠던 포베로스와 EMIB 기술이 시장에서 반드시 유용한 무기가 되지는 않는다는 점도 드러났습니다. 다만 코어 수가 계속 늘어나고 CPU에 GPU나 NPU 같은 이기종 연산 장치를 혼합하는 흐름이 강화될수록 첨단 패키징 기술의 효용성이 다시 커질 가능성은 있습니다. 이번 18A+14A+포베로스 다이렉트 3D+EMIB-T 조합 공개 역시 이런 맥락에서의 기술 홍보로 보입니다. 더불어 인텔은 단순히 칩을 위탁 생산하는 파운드리가 아니라 설계·패키징·소프트웨어까지 통합 제공하는 ‘시스템 파운드리(System Foundry)’ 개념을 강조하고 있습니다. 이번 발표 역시 미세 공정뿐 아니라 이후 단계의 패키징 기술까지 함께 묶어 제공할 수 있다는 메시지로 해석됩니다. 그러나 인텔이 이 기술들을 조합해 수백 개의 코어와 대용량 HBM을 탑재한 제온 프로세서를 합리적인 가격과 수율로 대량 생산할 수 있다는 점을 직접 입증하지 않는다면 이 이야기를 그대로 믿고 파운드리에 제품을 맡길 고객이 얼마나 될지는 여전히 의문입니다. 이번 발표는 TSMC의 CoWoS-L과 가장 유사한 기술보다 더 진보한 해법을 갖고 있다는 점을 강조하려는 시도로 보입니다. 그러나 인텔에 지금 필요한 것은 세계에서 가장 복잡한 ‘공학적 예술품’이 아닙니다. 고객이 기꺼이 비용을 지불하고 반복적으로 구매할 수 있는, 신뢰할 만한 제품을 만들어 실제로 보여주는 것입니다.

미중 경쟁을 설명할 때 흔히 ‘신냉전’이라는 말이 등장한다. 하지만 요즘의 싸움은 냉전과도 무역 전쟁과도 닮지 않았다. 총성이 울리지 않는 대신 데이터가 흐르고, 전차 대신 반도체와 알고리즘이 전장을 채운다. 미국의 최근 국가전략 문서를 읽다 보면 전장의 중심에 인공지능(AI)과 첨단 제조, 그 연장선에 로봇이 놓여 있음을 확인할 수 있다. 흥미로운 점은 미국이 이 싸움을 “지금 당장 이겨야 할 전쟁”으로 규정하지 않는다는 사실이다. 전략 문서 속 언어는 강경하지만, 정책의 실제 작동 방식은 놀랄 만큼 계산적이다. 최근 반도체 추가 관세는 유보됐고, 고성능 AI 반도체인 H200의 미국 수출도 허용됐다. 겉으로 보면 모순이다. 그러나 이 모순은 오히려 미국 전략의 핵심을 드러낸다. 싸우지 않기 위해 관리하고, 관리하는 동안 판을 다시 짜겠다는 계산이다. 미중 AI 전쟁은 단순히 누가 더 똑똑한 모델을 만드느냐의 싸움이 아니다. 진짜 경쟁은 AI를 산업과 군사, 국가 시스템 전체에 얼마나 깊숙이 녹여 낼 수 있는가에 있다. 중국은 이미 이 방향으로 움직이고 있다. 공장, 도시, 군부대에 AI를 빠르게 이식하며 규모의 힘으로 밀어붙인다. 미국은 다른 길을 택한다. 핵심 기술의 고지 즉 반도체 설계, 알고리즘, 클라우드 인프라를 틀어쥐고, 응용과 확산의 속도를 조절한다. H200 수출 허용은 바로 이 지점에서 이해해야 한다. 미국은 중국의 AI 개발을 완전히 차단할 수 없다는 것을 안다. 대신 ‘최신을 막고, 한 박자 늦은 접근만 허용’하는 방식으로 경쟁을 관리한다. 그사이 미국은 자국 내 AI 인프라를 폭발적으로 확장시킨다는 구상이다. 데이터센터, 전력망, 첨단 칩 생산라인이 동시에 움직인다. 대중 관리 체제를 띄우면서 결정적 격차를 쌓겠다는 전략이다. AI 전쟁이 머리의 싸움이라면, 로봇은 손과 발의 싸움이다. 트럼프 시대 미국 국가전략이 로봇을 주목하는 이유도 여기에 있다. AI가 아무리 발전해도 그것이 현실 세계를 바꾸려면 결국 물리적 실행 수단이 필요하다. 그 역할을 하는 것이 로봇이다. 실제로 트럼프 행정부는 로봇 산업을 차세대 전략 제조업으로 규정하고 내년 초에 행정명령을 통해 연방 차원의 지원 체계를 가동하는 방안을 준비하고 있다. 상무부와 백악관을 중심으로 산업계와의 협의가 이어지고 있다. 로봇·자동화 기술을 제조업 재건과 공급망 복원, 국방 산업까지 포괄하는 핵심 축으로 끌어올리겠다는 구상이다. 이는 연방 조달, 세제, 규제 완화, 안보 명분을 결합한 ‘국가 전략 산업’ 편입을 염두에 둔 움직임이다. 미국이 노리는 것은 사람이 거의 보이지 않는 공장, 즉 로봇과 AI가 결합된 완전 자동화 제조다. 반도체, 센서, 소프트웨어, 전력, 국방 기술이 하나의 생태계로 묶인다. 이 전략은 중국의 제조업 굴기를 정면으로 겨냥한다. 로봇과 AI가 결합된 초정밀 제조로 넘어갈수록 기술 축적과 시스템 통합 능력이 결정적 변수가 된다. 미중의 기싸움이 계산된 관리 국면으로 접어든 것과 달리 동북아는 충돌의 에너지가 축적되는 시기에 들어섰다. 최근 핵추진 잠수함을 둘러싼 한중일의 신경전은 이 변화를 가장 선명하게 보여 준다. 일본은 대만 유사시를 거론하며 핵잠 도입 가능성을 공개적으로 언급했고, 중국은 이를 자국의 핵심 이익에 대한 도전으로 간주해 외교·군사적 압박 수위를 높였다. 미국의 최근 국가전략은 중국을 ‘가장 중대한 장기적 도전자’로 규정하면서도 단기적 충돌은 관리해야 할 비용으로 분류한다. ‘전면전을 피하되 경쟁은 멈추지 않는다’는 이 전략은 대신 동맹국들의 억지력을 확대하고, 그 억지력이 만들어 내는 긴장을 미국이 관리하겠다는 의미도 있다. 미 국가전략 문서가 반복해서 강조하는 것은 동맹의 역할 확대와 분담이다. 이는 동북아의 긴장을 방치하겠다는 뜻이 아니라 직접 개입의 비용을 동맹 억지력으로 대체하겠다는 계산에 가깝다. 그사이 미국은 AI, 반도체, 첨단 제조 같은 진짜 경쟁 전선에 집중할 시간을 확보한다. 미중 관계에서는 관세 유보와 제한적 기술 허용이 등장하는 반면 동북아에서는 군사적 갈등과 대립이 격화되는 이유다. 오일만 논설위원

‘사이언스’가 주목한 녹색 기술 中 급성장에 美·유럽도 투자 급증태양광·풍력 등 전력원, 석탄 추월‘네이처’가 기대한 혁신적 연구는AI 과학자·지구와 화성 위성 탐사 거대 해저 시추 작업 등 7개 선정 다사다난했던 2025년 을사년이 서서히 저물고, 2026년 병오년이 다가오고 있다. 사회적으로도 많은 일이 있었지만, 과학계에서도 주목할 연구들이 쏟아진 해이기도 했다. 세계적 과학 저널 양대 산맥 ‘사이언스’와 ‘네이처’가 각각 ‘2025년 올해의 과학적 혁신’과 ‘2026년 주목해야 할 과학 이벤트’를 선정해 한 해를 정리하고, 내년을 예측했다. ‘사이언스’가 ‘2025 올해의 혁신’으로 뽑은 것은 ‘재생 에너지의 도약’이다. 특히 사이언스는 현재 중국의 재생 에너지 기술에 대해 ‘놀랍다’고 표현했다. 산업 혁명 이후 인류는 석탄과 석유, 천연가스 같은 화석 연료를 과다하게 사용하면서 지구 온난화라는 재앙을 가져왔다. 그러나 최근 태양광이나 풍력 같은 재생 에너지를 이용한 발전량이 점차 증가해, 올해 상반기 전 세계의 신규 전력 수요를 모두 충당할 수 있을 정도가 됐고 전 세계 전력 생산원으로 석탄을 추월했다. 중국은 수년간 보조금 제도를 통해 재생 에너지 분야를 집중 육성했다. 그 결과 전세계 태양전지의 80%, 풍력 터빈의 70%, 리튬 전지의 70%를 차지하고 있다. 중국의 재생 에너지 기술 급성장은 녹색 기술 수출로 이어져 전 세계를 바꾸고 있는 상황이다. 이런 변화는 중국에서 온실가스 배출량 증가가 사실상 멈췄다는 사실에서 잘 드러난다. 한국을 비롯한 이웃 나라에 유입되는 미세먼지도 눈에 띄게 줄었다. 한편 중국의 녹색 기술 약진에 위협을 느낀 미국과 유럽도 재생 에너지 확장에 나서면서, 전세계적으로 청정에너지에 대한 총투자액은 화석 연료 투자를 뛰어넘고 있다. 올해 혁신적 연구 후보로 이름을 올린 것은 ▲인공지능이 설계한 단백질 ▲알츠하이머의 숨겨진 유전적 스위치 ▲인류가 불을 다루기 시작한 기원 발견 ▲초기 우주 수수께끼를 푸는 제임스 웹 우주망원경(JWST) ▲해양 플라스틱 오염 해결책 ▲비만 치료제의 확장 등이다. ‘네이처’는 ‘2026 다가올 한 해 주목해야 할 과학’으로는 인공지능(AI) 분야 과학자의 부상, 지구와 화성 위성 탐사 임무, 거대 해저 시추 작업 등 과학적 지식의 지평을 넓힐 연구 7개를 선정했다. 과학자들도 챗GPT로 대표되는 생성형 인공지능을 많이 사용하고 있는데. 내년에는 여러 대규모 언어 모델(LLM)을 통합해 복잡하고 다단계적 프로세스를 수행하는 ‘AI 에이전트’가 과학 연구에 더 많이 사용될 것으로 전망된다. 그 중 일부는 인간의 감독과 통제를 받지 않고 작동할 것으로 예상된다. AI에 의한 최초의 중대한 과학적 진보가 나타날 수도 있을 것이라고 과학자들은 예측했다. 올해 가장 놀라운 연구로 선정되기도 했던 유전자 가위를 이용한 유전병 치료가 내년에는 더욱 확장되고 발전된 방향으로 나타날 것으로 예상됐다. 희귀 대사질환을 앓던 아기 KJ 멀둔은 특정 질병 유발 돌연변이를 교정하도록 맞춤 설계된 크리스퍼 유전자 가위 치료를 받았다. 멀둔을 치료했던 미국 필라델피아 아동병원 연구팀은 미국 식품의약국(FDA)에 더 많은 희귀 대사 질환을 앓는 아동들을 유전자 편집 치료할 수 있도록 임상 시험 승인을 요청할 계획으로 알려졌다. 치료 대상 아동들이 앓고 있는 질환은 멀둔 치료에 사용했던 것과 같은 유형의 유전자 편집으로 해결할 수 있는 7개 유전자 변이로 발생하는 것들이다. 내년에는 우주가 바쁜 한 해가 될 전망이다. 미국항공우주국(NASA)의 ‘아르테미스 2호’는 오리온 다목적 우주선에 우주비행사 4명을 태우고 달 궤도로 보내는 프로젝트다. 이르면 2026년 2월에 발사될 아르테미스 2호는 1970년대 이후 첫 유인 달 탐사 임무로 10일 동안 달 궤도를 돌면서 이후 달 착륙 임무를 준비하는 데 도움을 줄 예정이다. 중국도 내년 8월 달 탐사선 ‘창어 7호’를 암석과 크레이터가 흩어져 있어 착륙이 매우 까다로운 것으로 알려진 달의 남극 지역에 착륙하는 것을 목표로 발사한다. 착륙에 성공하면 달 남극 지역을 집중 탐사해 물과 얼음의 존재를 찾고 지속 가능한 달 기지 건설을 위한 기술을 시험할 예정이다. 과학자들은 달을 넘어 화성으로도 시선을 돌리고 있다. 일본은 화성의 위성인 포보스와 데이모스를 탐사하는 화성 위성 탐사 임무 MMX를 시작할 계획이다. 포보스 표면 표본을 채취해 2031년 지구로 귀환하는 프로젝트다. 유럽우주국(ESA)은 내년 12월 행성 사냥꾼이라는 별명을 가진 외계 행성 탐사선 ‘플라토’를 발사한다. 플라토는 카메라 26개를 장착한 탐사선으로 20만 개 이상의 태양과 비슷한 항성(별)을 탐색해 액체 상태의 물이 형성될 수 있는 온도를 가진 지구 쌍둥이 행성을 식별할 계획이다. 그런가 하면 중국의 해양 시추선 ‘멍샹’이 첫 탐사에 나선다. 멍샹은 해저 지각을 뚫고 최대 11㎞ 깊이까지 시추해 지구 맨틀 시료를 채취할 예정이다. 성공한다면 해저 지각 형성과 판 구조 운동의 원인을 규명하는 데 결정적 단서를 확보할 수 있다. 또 인도의 첫 태양 탐사선 아디티야-L1이 11년 주기의 활동 정점인 태양 극대기 동안 태양 관측에 나서고, ‘신의 입자’ 힉스 입자를 발견한 스위스 제네바에 있는 유럽 입자물리연구소(CERN)의 거대 강입자 가속기(LHC)가 내년 대규모 업그레이드를 하고 2030년부터 재가동할 예정이다. 한편 네이처는 과학 외부 환경도 내년 과학계를 규정할 중요한 변수로 지목했다. 특히 미국 도널드 트럼프 행정부가 강행하는 과학 예산 대규모 삭감과 과학자 해고, 공중보건·기후 정책 변화, 이민 규제 강화 등이 과학 연구 전반을 위축시킬 가능성이 높다고 전망했다.

인공지능(AI)이 고용 시장을 뒤흔들고 있다는 불안이 커지는 가운데, 샘 올트먼 오픈AI 최고경영자(CEO)는 오히려 “앞으로 10년이 역사상 가장 흥미로운 커리어의 출발점이 될 것”이라고 내다봤다. 그의 시선은 지구를 넘어 우주로 향한다. 23일(현지시간) 미국 경제 매체 포천에 따르면, 올트먼 CEO는 최근 영상 인터뷰에서 2035년 무렵의 대학 졸업생들이 우주 탐사 임무에 참여하는 완전히 새로운 고연봉 직업을 가질 수 있다고 전망했다. AI가 일부 직업을 대체하겠지만, 동시에 지금까지 존재하지 않았던 새로운 일자리를 만들어낼 것이라는 주장이다. 그는 “미래의 젊은 세대는 우리가 했던 초기 커리어를 오히려 지루하게 느낄 수 있다”고도 밝혔다. 실제로 항공우주, 로봇공학, AI 관련 일부 분야는 빠르게 성장하고 있다. 기술 발전이 개인의 역량을 확장하고 소수 인력으로도 기업을 키울 수 있는 환경이 조성되고 있다는 평가도 나온다. 올트먼 CEO의 발언은 ‘일의 종말’이 아니라 ‘일의 재편’에 가깝다는 해석도 뒤따른다. 하지만 기사에 대한 여론의 반응은 사뭇 다르다. 해당 기사가 야후뉴스에 실리자 댓글이 500개를 넘겼고 상당수는 냉소적 시각을 드러냈다. 독자들은 과거에도 달 기지, 화성 식민지, 완전자율주행 등 장밋빛 미래 예측이 반복됐지만 현실이 되지 않았다는 점을 지적했다. “10년 뒤 우주 일자리”라는 전망이 학자금 대출, 주거 비용, 생활비 부담에 시달리는 현재의 청년 현실과 괴리돼 있다는 반응도 이어졌다. AI에 대한 시선 역시 차갑다. “AI는 사람을 돕기보다 사람을 대체하도록 설계됐다”, “사라지는 일자리는 많은데, 그 ‘새 일자리’는 어디 있느냐”는 질문이 반복된다. 우주 탐사 같은 고급 일자리는 극소수에게만 열릴 뿐, 다수의 청년에게 돌아올 현실은 저임금 노동이나 실업이라는 우려도 적지 않다. 결국 이 논쟁의 핵심은 기술 그 자체가 아니다. “AI가 무엇을 할 수 있느냐”보다 “그 변화의 비용을 누가 감당하느냐”에 대한 질문에 가깝다. 올트먼 CEO의 말처럼 AI가 새로운 기회를 열 가능성은 분명 존재한다. 다만 기사에 쏟아진 반응을 보면 상당수는 그 기회가 누구에게 어느 정도로 돌아갈지에 대해 확신하지 못하고 있다.

보안 합성데이터 및 AI 프라이버시 전문 기업 큐빅(CUBIG)이 공공기관의 개인정보 영향평가 수행 안내서 개정(2025.10)과 개인정보 유출 사고 급증에 맞춰 공공ㆍ금융기관이 합성데이터를 활용해 영향평가와 AI 도입을 동시에 추진할 수 있는 인프라 솔루션 DTS(Data Transform System) 기반 대응 전략을 공개했다. 개인정보보호위원회에 따르면 2025년 1월부터 9월까지 접수된 개인정보 유출 신고 건수는 311건으로 이미 전년도 전체 건수를 넘어섰다. 통신사ㆍ카드사 등에서 수천만 건 규모의 대형 사고가 이어지며 정보주체의 불안이 커지고 있다. 이러한 상황에서 개인정보보호위원회와 한국인터넷진흥원은 공공기관의 개인정보 영향평가 수행 안내서(2025.10 개정)를 공개했다. 이번 개정의 핵심은 인공지능(AI) 평가 분야 및 항목 신설로, AI 시스템 학습ㆍ개발 단계와 운영ㆍ관리 단계에서 발생할 수 있는 개인정보 침해 요인을 분석하고 위험도를 산정하는 기준이 구체화됐다. 안내서는 대규모ㆍ민감 정보 처리 사업에서 사전에 영향평가를 실시하고, 기술적 보호 조치와 대체 수단을 마련할 것을 강조한다. 한편 개인정보보호위원회는 별도의 합성데이터 생성ㆍ활용 안내서를 통해 실제 데이터를 직접 사용하지 않고도 통계적 특성과 구조를 재현하는 합성데이터가 개인정보 유출 위험을 최소화하면서 데이터 분석ㆍ인공지능 학습ㆍ정책 연구를 가능하게 하는 수단임을 제시하고 있다. 큐빅의 DTS는 이러한 정책 흐름에 맞춰 설계됐다. DTS는 공공ㆍ금융기관이 영향평가 과정에서 식별된 고위험 처리 영역을 합성데이터로 대체해 위험도를 구조적으로 낮출 수 있도록 지원한다. 원본 데이터는 기관 내부망에 그대로 두고 통계적 패턴만 학습해 새로운 데이터를 생성하는 원본 비접근(Non-Access) 구조와 차등 정보보호(Differential Privacy) 기술을 결합해 데이터 3법ㆍ개인정보보호법ㆍGDPR 수준의 규제를 충족하면서도 분석ㆍAI 활용이 가능한 AI-Ready 데이터셋을 제공한다. DTS는 표, 텍스트, 이미지, 시계열 등 다양한 형식의 데이터를 합성하고, 합성 후에는 통계적 유사도ㆍ머신러닝 성능ㆍ재식별 위험도를 함께 측정하는 합성데이터 검증 리포트(SynData Report)를 자동으로 생성한다. 이를 통해 기관은 영향평가 보고서에서 요구하는 안전성 및 유용성 검증 근거를 수치와 지표로 제시할 수 있다. 배호 큐빅 대표는 “최근 대형 개인정보 유출 사고가 반복되면서 영향평가만으로는 위험을 서류상으로 관리하는 데 그친다는 우려가 커지고 있다”며 “DTS는 민감한 원본을 직접 쓰지 않고도 정책ㆍ연구ㆍAI 학습에 활용할 수 있는 AI-Ready 합성데이터를 만들고 검증 결과를 영향평가에 바로 첨부할 수 있게 해 공공기관이 규제 준수와 디지털 전환을 동시에 달성하도록 돕는 인프라”라고 밝혔다. 큐빅은 앞으로 공공기관의 개인정보 영향평가 컨설팅, 공공데이터포털 AI-Ready 데이터셋 구축, 부처ㆍ지자체 간 합성데이터 결합 분석 시범 사업 등을 확대해 영향평가 제도와 연계된 합성데이터 활용 모델을 단계적으로 선보일 계획이다.

인공지능(AI)이 고용 시장을 뒤흔들고 있다는 불안이 커지는 가운데, 샘 올트먼 오픈AI 최고경영자(CEO)는 오히려 “앞으로 10년이 역사상 가장 흥미로운 커리어의 출발점이 될 것”이라고 내다봤다. 그의 시선은 지구를 넘어 우주로 향한다. 23일(현지시간) 미국 경제 매체 포천에 따르면, 올트먼 CEO는 최근 영상 인터뷰에서 2035년 무렵의 대학 졸업생들이 우주 탐사 임무에 참여하는 완전히 새로운 고연봉 직업을 가질 수 있다고 전망했다. AI가 일부 직업을 대체하겠지만, 동시에 지금까지 존재하지 않았던 새로운 일자리를 만들어낼 것이라는 주장이다. 그는 “미래의 젊은 세대는 우리가 했던 초기 커리어를 오히려 지루하게 느낄 수 있다”고도 밝혔다. 실제로 항공우주, 로봇공학, AI 관련 일부 분야는 빠르게 성장하고 있다. 기술 발전이 개인의 역량을 확장하고 소수 인력으로도 기업을 키울 수 있는 환경이 조성되고 있다는 평가도 나온다. 올트먼 CEO의 발언은 ‘일의 종말’이 아니라 ‘일의 재편’에 가깝다는 해석도 뒤따른다. 하지만 기사에 대한 여론의 반응은 사뭇 다르다. 해당 기사가 야후뉴스에 실리자 댓글이 500개를 넘겼고 상당수는 냉소적 시각을 드러냈다. 독자들은 과거에도 달 기지, 화성 식민지, 완전자율주행 등 장밋빛 미래 예측이 반복됐지만 현실이 되지 않았다는 점을 지적했다. “10년 뒤 우주 일자리”라는 전망이 학자금 대출, 주거 비용, 생활비 부담에 시달리는 현재의 청년 현실과 괴리돼 있다는 반응도 이어졌다. AI에 대한 시선 역시 차갑다. “AI는 사람을 돕기보다 사람을 대체하도록 설계됐다”, “사라지는 일자리는 많은데, 그 ‘새 일자리’는 어디 있느냐”는 질문이 반복된다. 우주 탐사 같은 고급 일자리는 극소수에게만 열릴 뿐, 다수의 청년에게 돌아올 현실은 저임금 노동이나 실업이라는 우려도 적지 않다. 결국 이 논쟁의 핵심은 기술 그 자체가 아니다. “AI가 무엇을 할 수 있느냐”보다 “그 변화의 비용을 누가 감당하느냐”에 대한 질문에 가깝다. 올트먼 CEO의 말처럼 AI가 새로운 기회를 열 가능성은 분명 존재한다. 다만 기사에 쏟아진 반응을 보면 상당수는 그 기회가 누구에게 어느 정도로 돌아갈지에 대해 확신하지 못하고 있다.

서울~연천 고속도로가 핵심 과제개통한 전철 1호선 배차 간격 단축경원선 백마고지역 운행도 재추진2년간 월 15만원 농어촌 기본소득 연천 빅스 바이오 기업 50곳 유치전곡리 세계 구석기 엑스포도 준비최북단 접경 지역인 경기도 연천군이 농어촌 기본소득 전 지역 시행을 앞두고 인구가 늘자, 2026년 새해를 교통 인프라 확충과 복지 강화, 신산업 육성, 체류형 관광 전환의 원년으로 삼고 대규모 재정 투입에 나섰다. 연천군은 2026년도 본예산을 전년보다 18% 늘린 7377억원으로 편성하고, 민생과 성장 분야에 재정을 집중하겠다는 군정 방향을 제시했다. ●교통 확충…고속도로 국정과제 채택 연천군은 2026년 군정의 핵심 과제로 ‘사통팔달 교통도시 구축’을 제시했다. 수도권 전철 1호선 개통에 이어 광역 교통망 확충을 통해 인구 유입과 산업 기반을 동시에 강화하겠다는 구상이다. 서울~연천 고속도로 건설사업은 이재명 정부 국정과제로 채택됐다. 연천군은 이 대통령 취임 이후 중앙부처와 국회를 상대로 필요성을 지속해 설명했고, 양주·동두천 등 인접 자치단체와 공동 대응해왔다. 예비타당성 조사 면제와 재원 확보, 조기 착공이 남은 과제로 꼽힌다. 철도 분야에서는 경원선 연천역~백마고지역 구간 열차 운행 재개가 추진된다. 연천군은 한국철도공사와 협약을 체결하고 내년 상반기 운행을 목표로 시설 개량 공사에 착수했다. 수도권 전철 1호선 배차 간격 단축도 주요 과제로 제시됐다. 경원선 구간은 국가 연구·개발(R＆D) 수소 전기동차 실증사업 대상지로 선정되기도 했다. 2028년 운행을 목표로 수소 전기동차 제작과 충전소 구축이 추진된다. 수소충전소는 연천군에 설치하기로 결정됐다. ●농어촌 기본소득 확대… 복지 강화 연천군은 새해를 ‘평생복지 도시’ 구현의 전환점으로 설정했다. 출생부터 노후까지 생애주기별 복지 체계를 강화하고, 취약계층 안전망을 촘촘히 구축하겠다는 계획이다. 연천군은 농림축산식품부가 주관한 농어촌 기본소득 시범사업 대상지로 지난 10월 최종 선정됐다. 2026년부터 2년간 모든 군민에게 매월 15만원씩 지역화폐가 지급된다. 연천 전 지역 확대 발표 후 전곡읍 지역 등의 인구가 약 1000명 늘었다. 종합장사시설은 공동형에서 단독형으로 전환된다. 사업 규모는 축소됐지만 행정 절차 간소화로 사업 시기는 2027년으로 앞당겨졌다. 연천군은 원정 화장 문제 해소와 주민 불편 최소화를 목표로 했다. 최근 일부 지역에서 공동 참여 의사를 밝혀오기도 했다. 교육 분야에서는 연천군이 교육부 주관 평생학습 도시 평가에서 2회 연속 우수도시로 선정됐다. 군 단위 지자체 가운데 최초 사례다. 경기소방학교 북부 캠퍼스는 2029년 개교를 목표로 추진 중이고, 학교·돌봄·문화 기능을 결합한 에듀 헬스케어센터도 신축된다. ●그린바이오·평화경제특구로 차별화 연천군은 또 인공지능(AI) 기술과 농업 생명 자원을 결합한 그린바이오 산업을 미래 성장동력으로 설정했다. 연천 빅스(BIX·은통일반산업단지)를 중심으로 바이오소재 기업 50곳 이상 유치와 1000개 이상의 일자리 창출을 목표로 한다. 그린바이오 산업화 지원센터는 2026년 상반기 착공, 2027년 개관을 목표로 추진 중이다. 연천군은 평화경제특구 지정에도 행정력을 집중한다. 비무장지대(DMZ) 인접 지역이라는 지리적 특성과 관광·산업 자원을 결합한 새로운 성장 모델을 제시했다. 경기북부 농업 R＆D센터 유치도 추진 중이다. 첨단 작물 개발과 정밀농업 실증을 통해 연천 그린바이오 클러스터와 연계하는 구상이 제시됐다. 농업 분야에서는 외국인 계절근로자 확대, 스마트팜 지원, 연천 쌀 브랜드 통합, 로컬푸드 직매장 활성화 등을 한다. ●엑스포·생태정원… 체류형 관광도시로 연천군은 문화·관광 정책의 방향을 ‘머무는 관광’으로 설정했다. 재인폭포, 한탄강 주상절리길, 베개용암 출렁다리, 임진강 자연센터, 은대리 문화벽돌공장 등 기존 자원을 연계해 관광 체류 시간을 늘리는 전략이다. 2029년 세계 구석기 엑스포는 전곡리 유적을 중심으로 연천 전역에서 개최하는 국제 행사로 준비 중이다. 경기도와 공동 개최가 결정되면서 행정·재정 지원에 여유가 생길 전망이다. 세계생태평화정원 조성도 본격화한다. 2026년부터 단계별 조성을 거쳐 2030년 국가정원 지정을 목표로 추진한다. 서울시가 시행하는 임진강 반려동물 테마파크는 2027년 개관을 목표로 추진 중이고, 아미천댐은 홍수 예방과 관광 기능을 겸한 다목적댐으로 건설한다. 연천군은 2026년 군정 계획을 통해 교통·복지·산업·관광을 동시에 끌어올리는 전략을 내세웠다. 접경 지역이라는 구조적 한계를 극복할 수 있을지, 대규모 계획들이 실제 성과로 이어질지 관심이 쏠리고 있다.

서울 관악구가 9명의 ‘인공지능(AI) 챔피언’을 배출했다고 23일 밝혔다. AI 챔피언 인증 과정은 행정안전부가 공공부문 재직자 대상으로 AI 전문가를 양성하기 위해 추진하는 공공AI 역량 강화 정책의 일환이다. 공공 분야에 AI 기술을 적용하기 위한 심화 교육과 프로젝트 실습, 평가 과정을 통과한 사람에게 자격이 부여된다. 올해 도입됐으며 서울의 자치구 가운데 관악구가 유일하게 AI 챔피언 인증자를 보유하게 됐다. 관악구는 AI를 활용한 기획과 프로젝트 설계 역량을 요구하는 심화·고급단계인 ‘블루 과정’ 1명, 실무자 등급인 ‘그린 과정’ 8명 등 총 9명이 최종 인증을 받았다. 블루 과정 인증을 받은 김준환 AI데이터팀장은 “전 직원과 함께 AI 역량을 일상 업무에 활용해 공공 서비스의 품질을 올리겠다”고 전했다. 관악구는 인증을 획득한 AI 챔피언을 중심으로 정책 아이디어를 적극적으로 발굴할 계획이다. 박준희 구청장은 “9명의 AI 챔피언과 함께 직원들의 AI 활용 역량을 높이고, 디지털 기반의 행정혁신으로 주민 삶의 질을 개선해 나가겠다”고 말했다.