Samsung SDS

생성형 AI는 이미 일상과 업무에서 자연스럽게 활용되고 있습니다. 이제 AI는 콘텐츠를 생성하는 수준을 넘어, 데이터를 이해하고 맥락을 판단하며 목표 달성을 위해 스스로 실행하는 기술로 발전하고 있습니다.

이러한 AI의 변화는 제품 개발 체계와 실무 프로세스는 물론, PLM(Product Lifecycle Management)의 역할까지 재정의하고 있습니다. 이제 PLM은 제품 데이터를 관리하는 시스템을 넘어, AI가 활용할 수 있는 제품 개발 지능 플랫폼으로 변화해야 합니다. 본 글에서는 AI 시대에 요구되는 차세대 PLM의 변화 방향과 준비 전략을 살펴보겠습니다.

The Age of AI

'생성'을 넘어 '실행'의 시대로

CES 2025 기조연설에서 NVIDIA의 CEO 젠슨 황은 AI가 디지털 공간을 넘어 현실 세계에서 직접 동작하는 Physical AI 시대로 발전하고 있다고 설명했습니다.^{[1] [2]} AI가 텍스트나 이미지를 생성하는 수준을 넘어, 목표를 이해하고 스스로 판단하며 행동한 결과가 실제 물리 환경에서 구현되는 단계로 발전하고 있음을 의미합니다. 해당 발표 내용을 바탕으로 AI의 발전 흐름은 다음과 같이 네 단계로 구분할 수 있습니다.

[그림 1] AI기술 발전 4단계 (자체 제작)

• Perception AI 이미지, 텍스트, 음성 등 다양한 정보를 인식하고 이해
• Generative AI 학습한 데이터 기반, 새로운 콘텐츠와 결과를 생성
• Agentic AI 판단, 추론, 계획 및 행동을 수행 (디지털 공간)
• Physical AI 인지, 판단, 추론, 계획, 행동을 물리세계에 적용

첫 번째 단계인 Perception AI는 이미지와 텍스트, 음성 등의 정보를 인식하고 이해하는 단계입니다.
두 번째 단계인 Generative AI는 학습한 데이터를 기반으로 새로운 텍스트, 코드, 이미지 등 다양한 콘텐츠를 생성하는 단계입니다.
세 번째 단계인 Agentic AI는 단순한 생성 기능을 넘어 목표를 이해하고, 계획을 수립하며, 필요한 도구를 활용하여 업무를 수행하는 단계입니다.
마지막 단계인 Physical AI는 이러한 인지와 판단, 계획 및 실행 능력을 물리 세계로 확장하여 로봇이나 제조 설비와 같은 현실 환경에서 실제 작업을 수행하는 단계입니다.

AI는 단순한 업무 지원을 넘어, 정해진 범위 안에서 업무를 계획하고 수행하는 디지털 워커로 활용 범위를 넓히고 있습니다. 앞으로 이러한 변화는 제조 현장과 제품 개발 프로세스 전반으로 빠르게 확산될 것으로 예상됩니다.

AI 실행의 시대, 제품 개발 패러다임의 변화

제조기업들은 AI를 일부 업무를 자동화하는 것에 그치지 않고, 제품 개발과 생산, 품질, 공정 혁신 전반으로 적용 범위를 확대하고 있습니다. 특히 Agentic AI와 Physical AI의 확산은 제품 개발 데이터와 제조 현장을 연결하는 방식 자체를 변화시키고 있습니다.

[그림 2] AI 자율공장 적용 예시 (출처: 게티이미지뱅크)

삼성전자는 2030년까지 국내외 생산 공장을 AI 자율공장으로 전환할 계획입니다. 자재 입고부터 출하까지 디지털 트윈 기반 시뮬레이션을 도입하고, 생산·설비·수리·물류와 품질 분야에는 AI 에이전트를 적용해 생산성과 품질 향상을 추진하고 있습니다. ^[3]

현대자동차그룹은 2028년까지 연간 3만 대 규모의 로봇 생산체계를 구축할 계획입니다. Atlas는 2028년 현대자동차그룹 메타플랜트 아메리카의 부품 시퀀싱 공정에 우선 적용하고, 2030년부터 부품 조립으로 활용 범위를 확대할 예정입니다. ^[4]

SK하이닉스는 세미콘 코리아 2026에서 AI 기반 R&D 혁신 방향을 제시했습니다. 반도체 공정이 미세화와 고적층 구조로 복잡해지는 상황에서 AI를 활용해 새로운 구조를 탐색하고, 신물질의 공정 적합성을 평가함으로써 연구개발에 필요한 탐색 시간과 반복 작업을 줄일 수 있다고 설명했습니다. 특히 기존의 인력 투입 중심인 ‘Person-Month Based R&D’에서 AI를 통해 연구개발의 효율을 높이는 ‘AI Based R&D’로 전환해야 한다고 강조했습니다. ^[5]

AI는 더 이상 단순 보조 도구가 아닌 제품 개발과 제조 운영을 함께 수행하는 주요 요소로 자리 잡고 있으며, 이는 제품 생애주기 전반의 데이터를 연결하고 관리하는 PLM의 역할은 더욱 중요해지고 있음을 의미합니다.

PLM is Dead?

관리 중심 PLM의 한계

최근 일부 PLM 업계 관계자들은 관리 중심 PLM의 한계를 강조하기 위해 'PLM is Dead?'라는 도발적인 질문을 제기하였습니다.^[6] 이는 PLM이 더 이상 필요하지 않다는 의미가 아니라, 기존의 관리 중심 PLM만으로는 변화하는 제품 개발 환경을 충분히 지원하기 어렵다는 문제의식을 담고 있는 표현입니다.

실제로 제품 개발 환경은 빠르게 변화하고 있습니다. 하드웨어와 소프트웨어가 결합된 제품이 증가하고, 고객 요구사항도 더욱 빠르게 변화하면서 제품 개발 전반에서 생성되는 데이터의 양과 복잡성이 급격히 증가하고 있습니다. 하지만 기존의 PLM, ERP, MES 등 개별 시스템 중심의 관리 방식으로는 이러한 데이터를 유기적으로 연결하고 제품 개발 전반의 맥락(Context)을 반영한 의사결정을 지원하는 데 한계가 있습니다.

PLM의 미래: 지능형 플랫폼으로의 재탄생

이러한 한계를 극복하기 위해 PLM은 관리 중심 시스템에서 벗어나 여러 시스템과 데이터를 연결하고 AI가 제품 개발 전반의 공통된 맥락(Context)을 이해할 수 있도록 지원하는 지능형 플랫폼으로 변화해야 합니다. 이를 위해서는 크게 세 가지 변화가 필요합니다.

첫 번째는 데이터 모델(Data Model)입니다. AI가 제품 데이터를 이해하고 추론하기 위해서는 시스템마다 서로 다른 데이터 구조가 아니라, 공통된 의미를 기반으로 데이터를 연결할 수 있는 체계가 필요합니다. 기업은 PLM, ERP, MES 등 여러 시스템 간 데이터를 연결할 수 있는 공통 의미 모델을 마련해야 하며, Knowledge Graph는 이를 구현하기 위한 대표적인 접근 방식으로 주목받고 있습니다.

두 번째는 Digital Thread입니다. 요구사항, 설계, CAD, 시뮬레이션, 제조, 품질, 서비스 등 제품 생애주기 전반의 데이터를 하나의 흐름으로 연결하는 Digital Thread는 PLM이 지능형 플랫폼으로 거듭나기 위한 필수 요소입니다. AI가 정확한 판단을 내리기 위해서는 개별 시스템의 데이터가 아니라 제품 개발 전 과정의 맥락(Context)을 이해할 수 있어야 하기 때문입니다.

세 번째는 Agentic AI입니다. AI는 단순 문서 검색이나 답변을 생성하는 수준이 아니라, 제품 개발 업무를 이해하고 여러 시스템을 활용하여 필요한 작업을 수행할 수 있어야 합니다. Digital Thread 기반의 제품 데이터를 바탕으로 설계, 구매, 생산, 품질, 서비스 프로세스를 유기적으로 연결하고 조율할 수 있는 AI 에이전트가 구축되어야 합니다.

AI시대, PLM의 변화와 준비

AI 시대의 솔루션 위기론과 PLM의 새로운 역할

최근 소프트웨어 시장에서는 AI 에이전트가 기존 SaaS의 일부 기능을 대체할 수 있다는 전망과 함께 ‘SaaSpocalypse’라는 표현까지 등장하였습니다.^[7] 그만큼 AI의 발전은 소프트웨어 산업 전반의 경쟁 구도를 빠르게 변화시키고 있습니다.

이러한 변화는 PLM에도 동일하게 적용됩니다. 앞으로 PLM의 경쟁력은 얼마나 많은 기능을 제공하는가보다, 기업의 제품 데이터와 업무 지식을 AI가 이해하고 활용할 수 있도록 연결하는 역량에서 결정될 것입니다.

PLM은 제품 데이터를 저장하는 시스템을 넘어, AI가 신뢰할 수 있는 제품 데이터와 업무 지식을 제공하는 제품 개발 지능 플랫폼으로 변화해야 하며, AI가 발전할수록 이러한 플랫폼의 중요성은 더욱 커질 것입니다.

그렇다면 무엇부터 준비해야 할까요?

AI 시대를 준비하는 기업들은 기존 PLM을 전면 교체하기보다, 현재 운영 중인 환경을 기반으로 단계적인 전환 전략을 수립하고 있습니다. PLM 전환은 단순히 생성형 AI를 도입하거나 새로운 기능을 추가하는 것만으로는 완성되지 않습니다.

AI가 제품 개발 업무를 효과적으로 수행하기 위해서는 신뢰할 수 있는 제품 데이터가 준비되어 있어야 하며, 여러 시스템에 분산된 정보를 하나의 흐름으로 연결할 수 있어야 합니다. 또한 AI가 업무를 이해하고 실행할 수 있도록 데이터 구조와 업무 프로세스 역시 AI 친화적으로 재설계되어야 합니다.

다시 말해, AI 시대의 PLM 전환은 시스템을 교체하는 프로젝트가 아니라, 제품 생애주기 전반의 데이터를 AI가 활용할 수 있는 형태로 전환하는 과정이라고 볼 수 있습니다.

PLM 전환 로드맵: 생산성 향상에서 AI 에이전트까지

PLM 전환은 한 번에 완성되지 않습니다. 기존 시스템을 유지하면서 제품 데이터를 정비하고, AI가 활용할 수 있는 기반을 마련한 뒤, 단계적으로 AI 활용 수준을 높여가는 접근이 필요합니다. 이러한 전환 과정은 아래와 같이 세 단계로 정리할 수 있습니다.

[그림 3] PLM 전환 로드맵 3단계 (자체 제작)

도구 기반 AI : 단일 CAD/PDM/시뮬레이션 툴 안에 AI 비서·생성형 설계 기능 내장

자연어 검색·즉시 답변

간단한 설계 최적화·권장사항 제공

기업 전반 AI : 여러 시스템(PLM, ERP, MES 등)간 구조화된 데이터를 디지털 스레드로 연결하고 통합 조회

부서·프로세스 경계 없는 종합 인사이트

의사결정 속도·정확도 향상

AI 에이전트 : AI가 자율적으로 워크플로우를 감시·실행 (이벤트 감지 → 다단계 작업 진행)

인간 개입 최소화, 자동화된 변경 관리·품질 검사 등

1단계. 도구 기반 AI : 기존 업무의 생산성 향상
첫 번째 단계는 AI가 사람의 업무를 대체하기보다 반복 업무를 줄이고 정보 접근성을 높여 업무 생산성을 향상시키는 데 목적이 있습니다. 대표적인 활용 사례로는 자연어 기반 검색, 문서 요약, 설계 문서 번역, 회의록 작성, 변경 요청서 초안 생성, 과거 유사 사례 검색 등이 있습니다.

2단계. 기업 시스템 전반 AI : 전사 시스템 데이터 연결
두 번째 단계의 핵심은 Digital Thread를 기반으로 PLM, ERP, MES, SCM 등 주요 전사 시스템의 데이터를 연결하는 것입니다. 제품 기준정보와 BOM, 공정, 품질, 서비스 데이터를 표준화하고 시스템 간 관계를 정의함으로써 AI가 제품 개발 전반의 맥락을 이해할 수 있는 기반을 구축해야 합니다. 예를 들어 "이 부품을 변경하면 어떤 제품과 생산 라인, 인증 항목에 영향을 미치는가?"와 같은 질문에 답하기 위해서는 개별 시스템이 아니라 연결된 데이터 구조가 필요합니다.

3단계. AI 에이전트 : 제품 개발 의사결정 지원
마지막 단계는 AI 에이전트를 실제 PLM 업무 프로세스에 적용하는 단계입니다. AI 에이전트는 변경 영향 분석, 설계 검토, BOM 정합성 점검, 제조 준비도 검토, 품질 리스크 분석 등 다양한 제품 개발 업무를 수행하거나 지원할 수 있습니다. 나아가 여러 시스템의 데이터를 종합적으로 분석하고 최적의 대안을 제시함으로써 개발자의 의사결정을 지원하는 역할까지 수행하게 됩니다.

AI 시대의 PLM은 제품 개발 지능 플랫폼입니다

AI가 Agentic AI에서 Physical AI로 발전하면서 제조와 연구개발 현장에도 깊숙이 들어오고 있습니다. PLM의 역할 또한 제품 데이터를 관리하는 수준에 머물지 않고, Digital Thread와 AI 에이전트 기반의 제품 개발 지능 플랫폼으로 변화해야 합니다.

이를 위해서는 기업마다 서로 다른 제품 데이터 구조와 개발 프로세스를 정확히 진단하고, AI가 활용할 수 있는 기반을 단계적으로 구축하는 접근이 필요합니다. 삼성SDS는 PLM 컨설팅과 구축·운영 경험을 바탕으로 제품 데이터 표준화, Digital Thread 구축, AI 적용 과제 발굴부터 단계적인 전환 전략 수립까지 기업의 AI 기반 제품 개발 혁신을 지원하고 있습니다. AI 시대의 PLM 혁신은 먼 미래의 과제가 아닙니다. 이제 AI를 활용하는 PLM을 넘어, AI와 함께 일하는 제품 개발 체계로의 전환을 준비해야 할 때입니다.

References

• NVIDIA, NVIDIA Releases New Physical AI Models as Global Partners Unveil Next-Generation Robots
  https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Releases-New-Physical-AI-Models-as-Global-Partners-Unveil-Next-Generation-Robots/default.aspx
• NVIDIA, CES 2025 Keynote - Jensen Huang
  https://www.youtube.com/watch?v=k82RwXqZHY8
• Samsung Electronics Newsroom, 삼성전자, 2030년까지 AI 자율공장 전환 추진
  https://news.samsung.com/kr/%EC%82%BC%EC%84%B1%EC%A0%84%EC%9E%90-2030%EB%85%84%EA%B9%8C%EC%A7%80-ai-%EC%9E%90%EC%9C%A8%EA%B3%B5%EC%9E%A5-%EC%A0%84%ED%99%98-%EC%B6%94%EC%A7%84
• Hyundai Motor Group, Boston Dynamics Atlas Named Best Robot in Best of CES 2026 Awards
  https://www.hyundaimotorgroup.com/en/news/boston-dynamics-atlas-named-best-robot-in-best-of-ces-2026-awards-by-cnet-group
• SK hynix Newsroom, SEMICON Korea 2026
  https://news.skhynix.co.kr/semicon-korea-2026/
• Beyond PLM, PLM is Dead?
  https://beyondplm.com/2025/10/10/plm-is-dead-the-future-of-product-lifecycle-in-the-age-of-ai-and-intelligent-agents/
• Forbes, SaaSpocalypse Now: AI Is Disrupting SaaS — But Not All Software Is Doomed
  https://www.forbes.com/sites/petercohan/2026/02/06/saaspocalypse-now-ai-is-disrupting-saas---but-not-all-software-is-doomed/

FAQ