Resources > Insight Report > Conference
2026.05.06
– AI EXPO KOREA 2026 현장에서 슬렉슨이 관찰한 주요 인사이트와, 반복적으로 제기된 운영 관련 질문의 배경 및 기술적 맥락을 함께 정리했습니다.
AI EXPO KOREA 2026은 2018년 처음 개최된 이후 올해로 9회째를 맞은 국내 대표 AI 산업 전시회입니다. 생성형 AI를 넘어 AI Agent, AI 인프라, Physical AI 등 산업 적용 중심의 흐름을 집중 조명하며 아시아 최대 규모의 B2B AI 행사로 자리잡고 있습니다. 올해 행사는 국내외 총 350여개 기업이 참가해 600개 부스 규모로 운영되었으며, 3일 동안 약 48,678명의 역대 최대 참관객이 다녀갔습니다.
– 날짜 : 2026년 5월 6일(수) ~ 5월 8일(금), 3일간
– 주최 : 한국인공지능협회, 서울메쎄, 인공지능신문
– 장소 : 서울 강남구 영동대로 513 코엑스 1층 A홀 전관 (서울 삼성동)
– 전시 구성 : AI Solution, AI Infra & Platform, AI+X Convergence, 부대행사
– 총 참관객 수 : 48,678명
이번 AI EXPO KOREA 2026에서 슬렉슨은 엔터프라이즈 환경에서 AI를 어떻게 운영하고 연결할 수 있는지에 초점을 맞춘 통합 AI 개발·운영 구조를 선보였습니다. 특히 외부 인터넷 연결이 제한된 폐쇄망(Air-Gap) 환경에서도 AI를 안정적으로 활용할 수 있는 온프레미스 기반 아키텍처를 중심으로, AI 인프라부터 개발·협업·요구사항 관리까지 이어지는 End-to-End 흐름을 공개했습니다.
실제로 현장에서는 Local LLM 운영 방식, Air-Gap 환경 구축, Agentic Workflow 적용 가능성, 요구사항 기반 개발 자동화 등에 대한 질문이 집중되며, AI 도입 이후의 운영 구조에 대한 관심이 크게 높아진 모습을 확인할 수 있었습니다.
이번 AI EXPO KOREA 2026 현장에서 가장 인상적이었던 부분은 관람객들의 질문이 작년과 달리 우리 조직 안에의 실제 운영 가능성에 집중되어 있었다는 점이었습니다. 특히 AI 도입을 검토 중인 기업 실무자, 개발 조직, 제조·금융·공공 분야 관계자들은 모델 성능 자체보다 운영 구조, 보안, 확장성, 기존 시스템과의 연결 가능성에 더 많은 관심을 보였습니다.
Puteron AI 전시 공간에서는 Local LLM과 온프레미스 AI 인프라에 대한 질문이 가장 활발하게 이어졌습니다. 특히 폐쇄망(Air-Gap) 환경에서 생성형 AI를 운영하려는 기업들의 관심이 높았으며, 단순 데모 수준이 아니라 실제 구축과 운영 관점의 질문들이 이어졌습니다.
가장 많이 나온 질문 중 하나는 “어떤 LLM을 사용할 수 있는가”였습니다. 현장에서는 Hugging Face 기반 오픈소스 모델 활용 가능 여부에 대한 문의가 많았고, 실제로 다양한 Open-Source LLM을 지원할 수 있도록 설계되어 있다는 점에 관심이 집중됐습니다. 다만 최신 모델의 경우 CUDA 호환성이나 양자화 방식에 따라 지원 범위가 달라질 수 있다는 현실적인 운영 조건에 대해서도 함께 문의가 이어졌습니다.
또한 기업 내부 데이터를 어떻게 학습·활용할 수 있는지에 대한 질문도 있었습니다. md, docx 기반 문서는 물론 Vision-Language 모델을 활용한 이미지 데이터 학습 가능 여부까지 문의가 이어졌으며, “기업 내부 데이터를 실제 AI 자산으로 연결할 수 있는가”에 대한 현실적인 관점에서의 관심이 매우 높았습니다.
인프라 관점의 질문도 눈에 띄었습니다. 재해 복구(HA), Kubernetes 기반 분산 운영, 오토스케일링 지원 여부와 같은 운영 안정성 질문이 이어졌고, GPU 구성 역시 RTX PRO 6000 Blackwell부터 NVIDIA DGX B200까지 고객 환경에 맞게 설계 가능하다는 점에 많은 상담이 이어졌습니다.
Trace.Space 데모 앞에서는 요구사항 관리와 추적성(Traceability)을 AI와 어떻게 연결할 수 있는지에 대한 설명이 이어졌습니다. 특히 기존 ALM(Application Lifecycle Management) 환경을 운영 중인 기업들의 관심이 높았습니다.
관련하여 가장 많이 나왔던 질문은 기존 ALM 솔루션의 대체 가능 여부였습니다. 현장에서는 codebeamer나 Polarion을 이미 사용 중인 기업 관계자들이 직접 부스를 방문해 비교 질문을 이어갔으며, 요구사항·테스트·Baseline·추적성 관리 측면에서 대체 또는 병행 운영이 가능하다는 설명에 관심을 보였습니다.
특히 LLM 기반 Workflow 자동화에 대한 반응이 대다수였습니다. “요구사항과 테스트케이스 생성을 반자동화할 수 있는가”라는 질문이 반복적으로 나왔고, AI Agent 기반 Workflow에 대한 실제 도입 가능성을 검토하고자 하시는 관계자 분들이 많이 계셨습니다.
CodeCenter 전시 공간에서는 AI 코딩과 더불어 조직 단위 협업과 운영 구조를 중심으로 기술 상담을 진행하였습니다.
특히 현장에서는 Claude Code, Cursor, OpenAI Codex와의 차이점에 대한 질문이 반복적으로 이어졌는데, 가벼운 코드 생성 성능보다 “조직 안에서 AI 코딩을 어떻게 관리하고 공유할 수 있는가”에 더 많은 관심이 모였습니다. CodeCenter의 차별점은 채팅 세션 공유, 조직 단위 프롬프트 관리, Deep Analysis 기반 저장소 이해 구조 등을 중심으로 소개되었고, 신규 개발자나 외부 협력 인력이 레거시 프로젝트에 빠르게 적응할 수 있는 구조에 대해 많은 질문이 이어졌습니다.
또한 실제 운영 비용과 모델 전략에 대한 문의도 활발했습니다. “예산이 부족한 경우 어떻게 도입할 수 있는가”에 대한 질문에 대해, sLLM 기반 경량 구성이나 Cloud AI API 연동 방식으로 초기 비용을 낮출 수 있다는 점과, 이후 필요에 따라 온프레미스 인프라와 고성능 모델로 단계적 확장이 가능하다는 설명을 통해 현실적인 도입 전략을 제안드렸습니다.
이번 행사에서 Git 저장소 관리 도구를 넘어 AI와 DevOps를 하나의 흐름으로 연결하는 플랫폼 GitOn을 처음 선보이게 되었습니다.
현장에서는 “기존 GitHub·GitLab 환경과 어떤 차이가 있는가”에 대한 질문에, GitOn은 이슈, 코드, 리뷰, CI/CD 흐름을 하나의 플랫폼 안에서 운영할 수 있는 구조와 온프레미스·Air-Gap 환경에 최적화된 DevOps 플랫폼이라는 차별점을 설명드렸습니다.
또한 “AI가 어떤 방식으로 Git workflow에 도움을 주는가”에 대한 문의에는 GitOn의 AI User 기반 자동 리뷰, 저장소 분석, PR 보조와 같은 시나리오를 데모와 함께 소개드렸습니다.
수백만 라인 이상의 저장소에서 검색 성능과 인덱싱 속도가 어느 정도인지, 조직 단위 권한 관리가 가능한지 등에 대한 문의가 이어졌으며, 단순 기능 비교보다 실제 엔터프라이즈 운영 환경에서 지속적으로 사용할 수 있는 구조인가에 대한 상담과 PoC 문의가 이어졌습니다.
특히 현장에서는 AI가 요구사항 정의부터 코드 작성, 리뷰, 테스트, 배포, 운영까지 전체 개발 과정 안에서 하나의 구성원처럼 동작하는 구조에 대한 관심이 높게 나타났습니다. 실제로 많은 방문객들이 조직 내부 환경에서 AI를 어떻게 안정적으로 운영할 수 있는지, 기존 개발 프로세스와 어떻게 연결할 수 있는지에 대한 깊이 있는 질문을 이어갔으며, 전시 이후 추가 기술 상담과 PoC 논의로도 이어졌습니다.
이번 전시는 기업들이 어떤 방향으로 AI 도입을 시도하고 있는지 직접 확인할 수 있었던 자리이기도 했습니다. 슬렉슨 역시 이러한 흐름에 맞추어, 엔터프라이즈 환경에서 실제로 운영 가능한 AI 인프라와 AI-DLC(Agentic Development Lifecycle) 기반 개발 환경에 대한 경험과 인사이트를 지속적으로 확장해 나가고 있습니다. 앞으로도 실제 업무 환경에 적용 가능한 AI 운영 구조를 고민하며, 내년 AI EXPO KOREA에서는 한층 더 발전된 모습으로 찾아뵙겠습니다.
Webinar AI & ML 폐쇄망 환경의 Agentic Workflow : AI...
시스템 엔지니어링의 비효율을 해결하는 AI 에이전트 Space Agent의 혁신적인 접근을 확인해보세요.
개인의 생산성을 넘어 조직의 보안과 일관성을 지키는 2026년형 엔터프라이즈 AI 코딩 플랫폼을 비교 분석합니다.
GPU 수가 아닌 데이터 흐름과 구조 최적화로 AI 인프라 성능과 비용 효율을 동시에 개선하는 방법을 소개합니다.
© SLEXN, Inc. All rights reserved.
AI를 적용하는 과정에서 마주하는 현업 관점의 시행착오를 짚어보고, 이를 보완하기 위한 실무 활용 기준과 대응 방식을 제시합니다.