PTC 중국 장비제조 엘리트 포럼 창사 대회 행사장
현재 인공지능 기술은 범용 질의응답과 콘텐츠 생성에서 기업 핵심 비즈니스 프로세스에 깊이 들어가는 새로운 단계로 나아가고 있다. 장비제조, 에너지, 하이엔드 장비, 신에너지 등 업계에게 AI의 가치는 더 이상 '눈에 보이는 시연 효과'에 머무르지 않고, 제품 연구개발, 요구사항 엔지니어링, PLM 데이터 관리, 소프트웨어 라이프사이클 관리, 공급망 협업, 서비스 운영 등 핵심 프로세스에 들어갈 수 있는지, 연구개발 주기의 길이, 엔지니어링 데이터의 복잡성, 팀 간 협업 비용의 높이, 요구사항 변경 영향 추적의 어려움, 테스트 검증 부담 등 실제 문제를 진정으로 해결할 수 있는지에 달려 있다.
2026년 6월 17일, PTC 중국 장비제조 엘리트 포럼 창사 대회가 성공적으로 개최되었다. 이번 행사는 'AI가 장비제조 및 에너지 업계 전 가치사슬 디지털 혁신을 주도한다'를 주제로, PTC 글로벌 경영진, 현지 기술 전문가, 업계 생태계 파트너, 그리고 건설기계, 풍력에너지, 하이엔드 장비 등 분야에서 온 기업 디지털화 책임자들을 한자리에 모아, 공업 AI의 장비제조·에너지 업계에서의 규모화된 적용 경로를 함께 논의했다.
PTC 생태계 파트너 중 AI 적용 실천에 지속적으로 집중하는 대표로서 SOIN AI가 이번 행사에 초청되어, 'AI로 강화된 제품 요구사항 엔지니어링', 'Windchill + AI', 'Codebeamer + AI' 등 제조업 핵심 시나리오를 중심으로, Agentic AI, 업계 도메인 모델, 엔지니어링 지식 처리, 요구사항 거버넌스, 테스트 생성, 제품 데이터 지능형 인터랙션, 현지화 AI 배치 등 분야에서의 제품화 축적을 체계적으로 선보였다.
이는 SOIN AI가 PTC 중국 디지털 전환 엘리트 포럼 샤먼 대회, PTC 중국 업계 엘리트 포럼 우한 대회, PTC 자동차 업계 엘리트 포럼 칭다오 대회에 이어 PTC 생태계 교류 플랫폼에서 제조업의 실제 비즈니스 시나리오를 겨냥한 AI 응용 역량을 다시 한번 선보인 것이다. 그 이전에도 SOIN AI는 PTC 관련 행사에서 제조업 AI 적용은 비즈니스 페인포인트에서 출발해, 기업의 데이터·프로세스·버티컬 도메인 모델 역량과 결합하여 비즈니스 메인 프로세스 안에서 자율적으로 배치·응용되는 지능형 에이전트(Agent)로 단계적으로 발전해야 하며, 고립된 도구나 일회성 시연 수준에 머물러서는 안 된다고 여러 차례 강조해 왔다.
PTC 스마트 제품 라이프사이클 전략: AI가 제조업 디지털 스레드로 진입하고 있다
PTC 글로벌 솔루션 컨설팅 수석 부사장 Brad Ferguson
행사장에서 PTC는 스마트 제품 라이프사이클 체계, AI 전략, 제품 로드맵을 중심으로 발표를 진행했다. PTC는 스마트화·소프트웨어화·서비스화가 깊어지는 제조업을 향해, 기업이 신뢰할 수 있는 제품 데이터를 기반으로 AI를 엔지니어가 일상적으로 사용하는 도구와 워크플로에 넣어 제품 전 라이프사이클에서 더 많은 가치를 발휘해야 한다고 제시했다. PTC의 공식 AI 전략 또한 그 엔터프라이즈 AI가 신뢰할 수 있는 제품 데이터 위에 구축되고, 고객의 일상 도구와 워크플로에 내장되어 더 효율적인 제품 혁신, 의사결정, 협업을 지원한다고 명확히 강조한다.
PTC의 제품 체계에서 Windchill AI는 생성형 AI와 에이전트형 AI를 PLM 프로세스에 넣어 워크플로 자동화, 제품 데이터 인사이트 발굴, 생산성 향상을 돕고 있다. Codebeamer AI는 ALM에 생성형 AI를 내장해 요구사항 처리, 품질 향상, 제품 개발 가속을 지원한다. 이 방향은 'AI가 메인 프로세스로 들어가야 하며, 고립된 어시스턴트를 새로 추가하는 것이 아니다'라는 SOIN AI가 오랫동안 고수해 온 제품 철학과 높게 일치한다.
장비제조와 에너지 업계의 복잡성이 결정하는 것은, AI가 장기적 가치를 만들려면 엔지니어링 시맨틱, 프로세스 간 관계, 권한 경계, 데이터 컨텍스트를 이해해야 한다는 점이다. 요구사항, BOM, 변경, 테스트, 품질, 공급망, 유지보수 운영 등 객체 사이에는 대량의 상하류 관계가 존재하며, 어느 한 고리에서의 이해 오차가 후속 설계, 검증, 인도, 감사 단계의 고비용 재작업으로 확대될 수 있다. 따라서 제조업에 진정으로 맞는 AI 역량은 '질문에 답할 줄 아는' 것에 그치지 않고, 구체적인 엔지니어링 객체를 중심으로 작업을 수행하고, 컨텍스트를 조직하고, 구조화된 결과를 출력하며, 사람의 확인 후 기업 디지털 스레드에 기록으로 돌아갈 수 있어야 한다.
AI로 강화된 제품 요구사항 엔지니어링: '질문에 답하는 AI'에서 '연구개발 프로세스로 들어가는 Agentic AI'로
SOIN Tech 생성형 AI 응용 전문가 왕셰남(王謝男) 강연
'AI로 강화된 제품 요구사항 엔지니어링' 전제 세션에서 PTC 중국 프리세일즈 기술 컨설턴트 류훙쉰(劉泓汛)과 수운테크 생성형 AI 응용 전문가 왕셰남이 소프트웨어 정의 제품 추세 아래에서의 요구사항 엔지니어링 전환을 놓고 대화를 나눴다. 복잡한 장비 기업에 흔한 요구사항 체계의 길이, 파라미터의 고밀도, 팀 간 협업의 복잡성, 요구사항 변경의 추적 곤란 등 문제를 두고 양측은 AI가 Codebeamer 등 요구사항 관리 플랫폼과 결합해, 요구사항 가져오기, 품질 점검, 일관성 검증, 지능형 분해에서 테스트 케이스 생성에 이르는 엔드투엔드 지능 강화 역량을 어떻게 형성하는지를 중점적으로 선보였다.
SOIN AI는 현장 발표에서 복잡 장비 업계의 요구사항 엔지니어링에 필요한 것은 텍스트 이해만이 아니라, 용어·파라미터·규칙·관계에 대한 안정적인 판단이라고 제시했다. 범용 모델은 자연어 차원의 이해, 요약, 생성 문제를 해결할 수 있지만, 유압, 전자제어, 제어 전략, 에너지저장 안전, 엔지니어링 파라미터 경계, 기업 규칙, 상하류 관계 등 복잡한 시나리오에서는 업계 도메인 모델과 컨텍스트 엔지니어링이 함께 떠받쳐야만 AI가 '글자를 읽는' 수준에서 '엔지니어링 제약을 읽는' 수준으로 나아갈 수 있다. 이 판단은 SOIN AI 현장 자료에도 반영되어 있다. 요구사항 엔지니어링 에이전트의 핵심은 더 나은 컨텍스트 엔지니어링에 있으며, 요구사항 출처, 관계, 규칙, 이력, 테스트, 권한 경계를 결합해야만 AI 결과가 엔지니어링적 사용성을 갖춘다는 것이다.
이 목표를 중심으로 SOIN AI는 ALA 역량을 Codebeamer 요구사항 관리 메인 프로세스에 넣어, '요구사항 ID로 요구사항과 관계 사슬을 읽어옴 — AI 보조 처리 — 구조화된 결과 출력 — 사람의 확인 — Codebeamer 메인라인에 축적'이라는 폐쇄 루프를 형성했다. 이 경로가 강조하는 것은 AI가 엔지니어의 최종 판단을 대체하는 것이 아니라, 읽기, 점검, 검색, 분해, 검증 같은 고빈도 작업에서 확인 가능하고, 추적 가능하고, 기록 가능한 엔지니어링 보조를 제공한다는 점이다.
SOIN AI ALA: 선진 제조업을 위한 소프트웨어 라이프사이클 관리 AI 제품의 축적
SOIN AI ALA의 Codebeamer 내장 역량 시연
SOIN AI가 이번 행사에서 중점적으로 선보인 ALA(자율적 연구개발 라이프사이클 지능 어시스턴트)는 SOIN AI 자체 개발 Agentic Workflow Engine(AWE)과 Agentic Documents Suite(ADS)를 기반으로 구축된 업계급 ALM 지능형 애플리케이션으로, 제조 기업의 요구사항 리뷰, 테스트 관리, 부품 선정 등 고가치 공정을 겨냥해, PDF, 기술 규격, 요구사항 문서, 테스트 자산, 과거 프로젝트, 전문가 경험에 흩어진 지식을, 편성 가능하고, 호출 가능하고, 지능형 에이전트가 자동 실행할 수 있는 지식 자산으로 전환한다. 관련 제품 자료에 따르면 ALA는 제조업 ALM 시나리오를 겨냥해 요구사항 리뷰, 테스트 관리, 부품 선정 등 핵심 공정을 중점적으로 서비스하며, INCOSE, ISO26262, ASPICE 등 컴플라이언스·추적성 요구를 지원한다.
Codebeamer + AI 시나리오를 중심으로 SOIN AI는 이미 여덟 가지 요구사항 엔드투엔드 AI 핵심 역량을 축적했다.
PDF 가져오기와 요구사항 문서 파싱. 완성차 업체가 발행하는 PDF 사양서, 프로토콜, 변경 통지 등 비정형 문서에 대해 ALA는 이를 구조가 명확하고, 서식이 규범적이며, 편집·재사용 가능한 요구사항 문서로 자동 전환해, 수작업 입력과 포맷 정리 작업을 줄이고, 프로젝트 착수 단계부터 요구사항 소화 효율을 높인다.
요구사항 항목 번역과 다국어 협업. 지역 간 연구개발, 해외 고객 협업, 외국어 기술 표준 이해 등 시나리오를 위해 ALA는 전문 분야 정밀 번역을 지원하며, 용어집, 컨텍스트 시맨틱, 업계 표현 관습을 결합해 용어가 일치하고 논리가 통하고 상호작용 가능한 번역문을 출력해, 비원어민 팀의 기술 세부 이해 오차를 줄인다.
요구사항 품질 점검. 요구사항 품질은 연구개발 디지털 스레드의 원천이다. ALA는 INCOSE 등 요구사항 품질 표준을 기반으로 요구사항 항목의 명확성, 완전성, 검증 가능성, 일관성 등을 지능적으로 심사해, 요구사항이 후속 설계·개발·검증 공정에 들어가기 전에 잠재적 모호성, 누락, 비규범적 표현을 발견하도록 돕고, 결함이 뒤로 넘어가는 데서 오는 재작업 위험을 줄인다.
요구사항 유사성 점검과 지식 재사용. 다수 팀·다수 프로젝트가 병행하는 복잡한 연구개발 환경에서는 요구사항 중복, 표현 불일치, 이력 자산의 재사용 부족이 흔한 문제다. ALA는 시맨틱 검색과 유사도 평가로 유사 요구사항, 중복 요구사항, 잠재적 모순점을 식별하고, 프로젝트 간 재사용, 요구사항 추적, 변경 영향 분석을 지원하며, 요구사항 라이브러리 품질과 리뷰 효율을 높인다.
요구사항 일관성 점검. 장비제조, 신에너지, 하이엔드 장비 업계에서는 요구사항 항목의 핵심 파라미터에 상하류 분해 관계가 존재하는 경우가 많다. 수치 경계의 전달이 한 번 왜곡되면 후속 인터페이스, 시스템 통합, 테스트 검증에 모두 오차가 생길 수 있다. ALA는 계층 요구사항의 핵심 수치 지표 일관성을 자동 검증하고, 충돌을 식별하며, 연관 요구사항으로의 이동을 지원해, 기업이 파라미터 전달의 정확성, 배분의 합리성, 추적 가능성을 확보하도록 돕는다.
테스트 케이스 자동 생성. 수작업 테스트 케이스 작성의 시간 소모, 커버리지가 경험에 의존, 단계와 기대 결과 표현의 통일 곤란 등 문제에 대해 ALA는 요구사항 내용에 기반해 테스트 케이스 생성 프로세스를 실행하고, 테스트 제목, 전제 조건, 실행 단계, 기대 결과를 출력하며, 엔지니어가 어느 단계에서든 수작업 수정과 확인을 할 수 있도록 지원해, 요구사항 검증 자산을 ALM 메인라인에 축적한다.
AI 지능형 요구사항 분해. 제품 요구사항에서 소프트웨어 요구사항으로, 시스템 요구사항에서 하위 시스템 요구사항으로의 전환 과정에서 ALA는 목표 비즈니스 컨텍스트와 제약을 결합해 요구사항을 구조적으로 분해하고, 리뷰 가능하고, 추적 가능하고, 입자도가 더 일관된 소프트웨어 요구사항 또는 하류 요구사항을 출력해, 수작업 이해에서 오는 누락과 모호성을 줄인다.
지능형 요구사항 검색. 방대한 요구사항 라이브러리에서 키워드 검색 효율이 낮고, 엔지니어링 시맨틱과 파라미터 제약을 커버하기 어려운 문제에 대해 ALA는 자연어 질의와 요구사항 매칭을 지원하고, 유사도와 관련성에 따라 관련 요구사항 목록을 반환해, 엔지니어가 이력 자산을 신속히 찾고, 프로젝트 간 재사용, 영향 분석, 연구개발 의사결정을 지탱하도록 한다.
PTC 공식 Codebeamer AI 역시 요구사항 작성, 테스트 생성, 추적 관계 유지, 컴플라이언스 리스크 인사이트 등 역량을 강화하고 있다. PTC 관련 자료에 따르면 Codebeamer AI는 요구사항의 생성·최적화·명확화를 보조하고, 요구사항에 기반해 테스트 케이스를 제안하며 아티팩트 간 정확한 관계를 유지하고, 라이프사이클의 공백, 불일치, 컴플라이언스 리스크를 조기에 식별할 수 있다. SOIN AI의 현지화 ALA 역량은 중국 제조 기업의 실제 비즈니스 관행, 프라이빗 배치 요구, 도메인 용어 체계, 기존 플랫폼 통합 환경을 더 깊이 반영해, 현지 시나리오에 더 가까운 강화 방안을 제공한다.
Windchill + AI: 제품 데이터를 '관리 가능'에서 '이해 가능·재사용 가능·의사결정 가능'으로
PTC 공업장비 업계 수석 기술 매니저 뤄전위안(呂振遠) Windchill 현지화 AI 전략 및 사례 발표
이번 행사에서 PTC는 Windchill 현지화 AI 전략과 사례를 중심으로 발표하며, AI의 제품 데이터 인터랙션, 비즈니스 실행 효율화, 프로세스 지능 협업 등에서의 응용 가치를 선보였다. PTC 공식 자료에 따르면 Windchill AI는 AI를 PLM 워크플로에 직접 내장해 사용자가 복잡한 제품 데이터를 더 빨리 검색·이해·처리하도록 돕고, 자연어 질의, 복잡한 문서 요약, 신뢰할 수 있는 제품 데이터 추적을 지원하며, 엄격한 접근 통제와 거버넌스 체계 아래에서 PLM 사용 효율을 높인다.
Windchill + AI 시나리오를 중심으로 SOIN AI는 제조업 제품 서비스 체계에서 이미 여러 유형의 실현 가능한 역량을 축적했으며, 특히 제품 데이터 지능형 인터랙션, 부품 기술 문서 파싱, 자재 검색과 선정, BOM 데이터 거버넌스, 변경 영향 분석, 지식 그래프 강화 등 방향에 집중되어 있다.
PLM 통합 공급망과 부품 관리 시나리오에서 기업이 흔히 직면하는 과제는 데이터 입력의 비효율, 데이터 조회의 곤란, 분석 프로세스의 경직 등이다. 수작업 자재 파라미터 입력은 효율이 낮고 규범성이 떨어질 뿐 아니라 선정과 BOM 정확성에도 영향을 준다. 엔지니어가 모호한 요구사항을 기술 파라미터로 전환할 때 시간이 걸리고 실수하기 쉬우며, 다국어 문서에서의 시맨틱 매칭과 데이터 통합에도 어려움이 있다. 전통적 분석 프로세스는 고정된 규칙에 더 의존해, 유연하고 다차원적이며 데이터 소스를 넘나드는 의사결정 지원을 받쳐주기 어렵다. SOIN AI의 자료는 이 문제들을 지능형 데이터 입력, 지능형 조회, 지능형 분석의 세 유형 대책으로 대응시키며, 자재 자동 분류와 속성 추출, Datasheet 데이터 인식과 부품 지식 베이스 구축, 자재 중복 점검과 대체 추천, 프로젝트 간 파라미터 재사용, 다중 소스 데이터 비교 분석과 초판 기술안 생성 등 역량을 포함한다.
부품 기술 문서 파싱 측면에서 SOIN AI는 다중 포맷 문서 파싱·추출, 다국어 인식과 전환, 부품 지능형 분류, 분류 속성 추출, 분류 자재 자동 생성을 지원해, 기업이 PDF, Datasheet, 공급사 사양서에 흩어져 있던 비정형 정보를 구조화된 데이터 자산으로 전환하고, 원천에서 자재 데이터 품질을 높이도록 돕는다.
지능형 인터랙션과 의사결정 지원 측면에서 SOIN AI는 자연어 인터랙션 조회, 다중 소스 데이터 통합 분석, 부품·자재 전면 비교, 대체 자재 지능형 추천, 최적화 설계 제안을 지원해, 엔지니어가 시스템에서 자료를 찾고, 비교하고, 정리하는 시간을 줄이고, 더 많은 역량을 설계 판단과 엔지니어링 의사결정에 쓰도록 한다.
더 복잡한 PLM 비즈니스 프로세스에서 SOIN AI는 지식 그래프, RAG 검색 강화, Agentic Workflow 역량을 결합해, AI 보조 자재 조회와 선정, AI 보조 설계 변경 영향 분석, 관리 계획 보조 생성, BOM 지능화 구축 등 시나리오를 지탱한다. 그 목표는 Windchill 등 PLM 메인 시스템을 우회하는 것이 아니라, 기존 제품 데이터 기반과 프로세스 체계에 의지해, 신뢰할 수 있는 데이터, 권한 거버넌스, 사람의 확인 체계 아래에서 AI가 정보 추출, 관계 이해, 리스크 알림, 구조화 출력을 완수하게 하는 것이다.
단일 AI 기능에서 프로세스급 Agent로: SOIN AI의 제조업 적용 방법론
SOIN AI 업계 솔루션 아키텍처 발표
제조업 AI 적용의 난점은 결코 모델 역량 자체만이 아니라, 모델을 기업의 실제 프로세스, 실제 데이터, 실제 권한, 실제 책임 체계와 어떻게 결합하는가에 있다. SOIN AI는 선진 제조 기업에 필요한 것이 'AI 역량 + 비즈니스 편성 + 데이터 거버넌스 + 사람의 확인 + 시스템 기록'의 완전한 폐쇄 루프라고 본다.
제품 아키텍처 측면에서 SOIN AI는 AWE와 ADS를 핵심으로 하는 역량 기반을 형성했다. AWE는 멀티 에이전트, 멀티 도구 스케줄링과 태스크 편성 역량을 제공하고, ADS는 복잡한 문서를 위한 파싱, 슬라이싱, 이해, 추출, 구조화 처리 역량을 제공한다. 그 위에서 SOIN AI는 Agentic RAG, 멀티모달 슬라이싱, 시맨틱 계층 Embedding, 고정밀 요구사항 엔티티 추출, 문서 간 로직 검증 등 역량을 통해, 복잡한 제조업 문서, 규칙, 요구사항, 테스트, 자재, 과거 프로젝트 경험을 검색 가능하고, 판단 가능하고, 편성 가능하고, 재사용 가능한 엔지니어링 지식으로 전환한다. 관련 자료에 따르면 ALA는 이미 요구사항 품질 리뷰 에이전트, 테스트 케이스 생성·평가 에이전트, 변경 영향 분석 에이전트, 추적 매트릭스 생성 에이전트, 품질 최적화 제안 에이전트를 포함하는 ALM 업계 지능형 에이전트 체계를 형성했으며, 현지화 배치, 프라이빗 Embedding 모델, 문서 보안 격리, 추론 사슬 추적 가능성 같은 공업급 제어 가능 요구를 강조한다.
배치와 거버넌스 경로에서 SOIN AI는 기업에 저위험·고빈도 필수 시나리오에서 출발해 단계적으로 요구사항 엔지니어링의 사슬화 운영으로 나아갈 것을 권한다. 첫 단계는 자료와 품질 선행으로, 문서를 읽을 수 있게 하고, 번역을 일치시키고, 요구사항 품질을 앞당긴다. 둘째 단계는 지식 재사용과 관계 검증을 강화해, 유사 검색, 이력 재사용, 상하류 일관성 검증으로 중복과 충돌을 줄인다. 셋째 단계는 분해와 검증의 연결을 관통시켜, 요구사항 분해, 테스트 생성, 검증 자산을 메인 프로세스에 축적한다. 넷째 단계는 도메인 모델을 지속 최적화해, 전문가 수정, 오경보·누락, 사람의 확인 결과를 학습·평가 샘플로 축적한다. 다섯째 단계는 거버넌스와 지속 운영 체계를 구축해, 권한, 감사, 모니터링, 평가, 버전 관리를 커버하고, 최종적으로 재작업 적고, 누락 적고, 중복 적고, 기록이 남는 상태를 실현한다.
이 방법론은 PTC의 임베디드 AI 성숙도 판단과도 호응한다. PTC는 기업에서 AI 에이전트의 역할을 '제안, 보조, 자동화'의 세 성숙 단계로 나눈다. 즉각적 지식 접근, 콘텐츠 요약, 관련 정보 검색에서, 워크플로 단계 수행의 보조로, 그리고 소량의 사람 입력 아래에서 자율적으로 시스템에 연결하고, 데이터를 모니터링하며, 결과를 추진하는 단계로. 제조 기업에게 AI 적용은 한 번에 기존 프로세스를 대체하는 것이 아니라, 신뢰할 수 있는 데이터와 프로세스 거버넌스 기반 위에서 보조 제안에서 프로세스 협업으로, 나아가 특정 작업에서 자동화 실행으로 점진적으로 나아가는 것이다.
PTC 생태계 지속적 심화, 제조업 AI를 '개념 검증'에서 '엔지니어링 결과'로
AI가 강화하는 소프트웨어 라이프사이클 관리 부스 교류
근래 SOIN AI는 PTC 생태계의 PLM, ALM, 제조업 디지털화 시나리오를 중심으로 탐구를 계속해 왔다. 2026년 4월, SOIN AI는 PTC 중국 전자 하이테크 및 의료기기 업계 엘리트 포럼 우한 대회에서 ALA 소프트웨어 라이프사이클 관리 AI 제품 솔루션을 발표하고, 요구사항 문서 파싱, 다국어 처리, 요구사항 품질 점검, 요구사항 유사성 식별, 요구사항 일관성 분석 등 역량을 중점 선보였으며, AI가 '내용 인식'이나 '질문 응답'에서 더 나아가 요구사항 거버넌스, 지식 재사용, 협업 프로세스, 품질 관리에 대한 심층 지탱으로 나아가야 한다고 명확히 제시했다.
2025년 9월, PTC 자동차 업계 엘리트 포럼 칭다오 대회에서 SOIN AI는 자동차 업계에서의 Agentic AI 실전 경험을 발표하며, 멀티모달 지식 베이스 구축, Agentic AI와 PLM 시스템의 깊은 융합, Agentic AI와 ALM의 결합 등을 통해 기업의 '데이터 잠복, 프로세스 경직, 진화 부재'라는 전환 페인포인트를 해결하는 방안을 제시했다. 전자 하이테크, 의료기기에서 자동차로, 나아가 장비제조와 에너지 업계로 이어지는 PTC 생태계에서의 SOIN AI의 지속적 참여는 업계 교류, 시나리오 검증에서 제품화 축적에 이르는 연속적 경로를 보여준다.
이번 창사 대회는 SOIN AI가 제조업 AI 제품 역량을 더 선보일 중요한 계기가 되었다. Codebeamer + AI를 중심으로 SOIN AI는 이미 요구사항 수집, 요구사항 분석, 요구사항 분해, 요구사항 구현에서 요구사항 검증에 이르는 엔드투엔드 역량 사슬을 형성했다. Windchill + AI를 중심으로는 SOIN AI가 문서 지능형 파싱, 자재 지식 구축, BOM 데이터 거버넌스, 자연어 인터랙션, 변경 영향 분석, 지식 그래프 강화 등 역량을 제품 데이터 관리와 PLM 비즈니스 협업 속으로 넣고 있다.
미래를 향해 SOIN AI는 'AI 응용, 현장 적용이 왕'이라는 철학을 계속 견지하며, 자체 개발 Agentic AI 역량, 제조업 도메인 모델, 엔터프라이즈급 배치 경험에 기반해, PTC 생태계 파트너 및 더 많은 장비제조·에너지·하이엔드 장비·신에너지 기업과 함께 연구개발 디지털화, 제품 라이프사이클 관리, 소프트웨어 라이프사이클 관리, 공급망 협업에서의 AI 심층 응용을 함께 탐구해 갈 것이다.
AI는 제조업 디지털 전환의 '외부 부착 도구'가 아니라, 제품 데이터, 엔지니어링 프로세스, 기업 지식 체계로 진입하는 내생적 역량이다. SOIN AI는 탄탄한 제품 축적과 실현 가능한 방안을 통해, 제조 기업이 흩어진 데이터를 재사용 가능한 지식으로, 복잡한 프로세스를 편성 가능한 태스크로 바꾸고, AI 역량을 진정으로 더 높은 품질, 더 높은 효율, 더 강한 추적성의 엔지니어링 결과로 전환할 수 있도록 돕고자 한다.