AI 에이전트 경쟁이 본격화되는 가운데 Self-Hosted 아키텍처의 중요성과 CodeCenter의 위치를 살펴봅니다.
Resources > Insight Report > Conference
AW2026 현장에서 슬렉슨이 관찰한 주요 인사이트와, 반복적으로 제기된 운영 관련 질문의 배경 및 기술적 맥락을 함께 정리했습니다.
2026.03.11
2026년 3월 4일부터 6일까지 서울 코엑스에서 열린 스마트공장·자동화산업전(AW 2026)은 제조 산업의 디지털 전환과 AI 기반 생산 혁신을 주제로 진행되었습니다.
특히 올해는 기존 자동화·설비 중심 전시를 넘어 AI 기반 소프트웨어와 Physical AI까지 포함한 ‘AI Factory’ 특별관이 새롭게 구성되며 제조 산업 현장에서 실제로 활용 가능한 AI 기술과 운영 전략이 집중적으로 소개되었습니다.
– 날짜 : 2026. 3. 4(수)~3. 6(금), 10:00~17:00
– 주최 : 코엑스, 한국산업지능화협회, 스마트제조혁신추진단, 한국머신비전산업협회, 첨단, 한국무역협회
– 장소 : 코엑스 전관(A,B,C,D홀), 로비, THE PLATZ
– 전시 구성 : aimex, Korea Vision Show, Smart Factory Expo, Smart Logistics Zone
– 총 참관객 수 : 80,019명
최근 많은 기업들이 AI 도입을 검토하면서 가장 먼저 고민하는 부분은 기업 환경에서 AI를 어떻게 운영할 것인가입니다. 특히 제조 산업에서는 보안 정책과 데이터 관리 요구로 인해 외부 네트워크와 분리된 폐쇄망(Air-Gap) 환경이 일반적인 경우가 많습니다.
슬렉슨은 이러한 산업 환경을 고려하여 Air-Gap 환경에서도 활용할 수 있는 AI 솔루션 세가지를 선보였습니다.
GPU·스토리지·네트워크를 통합한 온프레미스 LLM 인프라로, SSD 기반 KV Cache 확장 기술을 통해 GPU 메모리 한계를 보완하며 안정적인 LLM 운영 환경을 제공합니다.
AW 2026 전시 기간 동안 슬렉슨 부스에는 제조 · IT · R&D 조직 등 다양한 기업 관계자분들이 방문해주셨습니다. 전시 기간 동안 현장에서 가장 많이 언급된 질문들을 중심으로 주요 키워드를 정리하고, 슬렉슨이 어떤 관점에서 답변을 드렸는지 공유합니다.
가장 많이 등장한 질문 중 하나는 MES와 AI를 어떻게 연결할 수 있는가에 대한 것이었습니다. MES는 제조 기업에서 생산 데이터와 공정 정보를 관리하는 핵심 시스템으로, 실제 생산 환경에서 AI를 활용하기 위해서는 MES 데이터와의 연결이 필수적입니다.
현장에서는 생산 데이터와 공정 정보가 실제로 AI 활용에 어떻게 연결될 수 있는지에 대한 질문이 이어졌습니다.
– MES 데이터를 기반으로 AI 분석을 수행할 수 있는지
– 공정 데이터를 AI 모델 학습이나 분석에 활용할 수 있는지
– 생산 설계나 운영 계획에 AI를 적용할 수 있는지
슬렉슨은 이러한 요구에 대해 기업 내부 데이터와 개발 환경을 연결할 수 있는 플랫폼 구조가 중요하다고 설명드렸습니다.
예를 들어 CodeCenter는 기업 내부 코드와 문서를 AI 개발 환경과 연결하여 조직 내부 지식과 개발 자산을 기반으로 AI를 활용할 수 있도록 지원하고, Trace.Space는 요구사항과 개발 과정을 연결해 개발 전 과정의 추적성과 관리 구조를 강화합니다. 이러한 구조를 통해 AI는 기업의 생산 시스템과 개발 프로세스 안에서 실제로 활용 가능한 환경으로 확장될 수 있음을 소개드렸습니다.
반복적으로 등장한 질문 중 하나는 Air-Gap 환경에서의 AI 운영 가능성이었습니다. 특히 방산, 반도체, 제조 장비 산업에서는 외부 네트워크와 분리된 폐쇄망 환경이 일반적이기 때문에, AI가 기업 내부 인프라에서 직접 운영되는 구조를 필요로 하는 기업이 많았습니다.
– 인터넷이 없는 환경에서 AI 모델을 운영할 수 있는가
– 내부 데이터로 RAG를 구축할 수 있는가
– 외부 API 없이 AI 시스템을 운영할 수 있는가
이러한 고민을 가지고 계신 분들께 슬렉슨은 Puteron AI를 소개했습니다. Puteron AI은 모델 학습부터 배포, 운영까지 전 과정을 기업 내부 인프라에서 수행할 수 있도록 설계된 플랫폼으로, 데이터 유출 위험 없이 목적에 맞는 커스텀 AI 모델과 에이전트를 구축하고 관리할 수 있는 국내 유일한 솔루션입니다.
AI 도입을 실제로 검토하는 기업들에게 가장 현실적인 문제 중 하나는 GPU 비용과 인프라 구성 방식입니다. AW 2026 현장에서도 제한된 자원 안에서 어떤 구조가 가장 현실적인지에 대한 관심이 뚜렷했습니다.
– LLM 운영에 GPU가 얼마나 필요한가
– GPU 메모리 한계를 어떻게 해결할 수 있는가
– 비용 효율적인 인프라 구성이 가능한가
슬렉슨은 이러한 질문에 대해 AI 인프라는 단순히 GPU를 추가하는 방식만으로는 해결되기 어렵다고 설명드렸습니다. 모델 규모와 컨텍스트 길이가 커질수록 중요한 것은 GPU 수량 자체보다 GPU, 스토리지, 서빙 구조를 어떻게 함께 설계하느냐이기 때문입니다.
이와 관련해 슬렉슨은 기업 내부에서 LLM을 직접 운영할 수 있는 온프레미스 AI 인프라 Puteron AI를 소개했습니다. Puteron AI는 GPU와 스토리지를 함께 활용하는 구조를 기반으로 AI 인프라 운영 효율을 높일 수 있도록 설계되어 있습니다. 특히 SSD 기반 KV Cache 확장 기술은 GPU 메모리 부담을 줄이면서도 더 큰 모델과 긴 컨텍스트를 안정적으로 운영할 수 있도록 지원합니다.
CodeCenter가 Cursor, Windsurf, Claude Code와 어떤 차이가 있는지를 묻는 질문도 많이 나왔습니다.
개인 사용자의 관점에서는 코드 생성 속도나 사용 편의성이 중요한 기준이 될 수 있지만, 조직 단위의 개발 환경에서는 이야기가 달라집니다. 기업은 AI 코딩 도구를 검토할 때 반드시 코드 보안, 데이터 접근 통제, 내부 자산 활용, 개발 과정 추적성까지 함께 고려해야 합니다.
슬렉슨은 이러한 맥락에서 CodeCenter를 단순한 코딩 보조 도구가 아니라, 기업 환경에 맞춰 설계된 AI 개발 플랫폼으로 소개했습니다. 내부 코드와 문서를 기반으로 AI를 활용할 수 있고, 개발 과정 전반을 조직 차원에서 관리할 수 있다는 점에서 개별 개발자 중심 도구와는 다른 방향성을 갖고 있다는 점을 설명드렸습니다.
현장에서는 특히 보안이 중요한 환경에서 AI 코딩 도구를 어떻게 적용할 수 있는지, 기존 개발 체계와 어떻게 연결할 수 있는지에 대한 관심이 높았습니다. CodeCenter는 이러한 요구에 대응할 수 있는 구조를 제시하며 많은 주목을 받았고, 실제 사례 데모를 본 뒤 PoC 미팅으로 이어진 경우도 있었습니다.
소프트웨어 공정 혁신: Agentic AI로 구현하는 SLEXN의 지능형 SDLC 플랫폼
AI Factory Seminar에서는 기존 소프트웨어 개발 공정을 혁신하는 Agentic AI 기반 지능형 개발 환경을 주제로, 요구사항 정의부터 코드 구현, 테스트, 배포까지 이어지는 소프트웨어 개발 수명주기(SDLC)를 AI 에이전트가 협업하며 수행하는 구조를 소개하였습니다.
폐쇄망(Air-gap) 내에서 완성되는 LLM Ops: 기업 전용 온프레미스 플랫폼 Puteron AI
산업지능화 컨퍼런스에서는 폐쇄망 환경에서의 LLM 운영 전략을 주제로 발표를 진행하였습니다. 제조 산업에서는 외부 네트워크와 분리된 폐쇄망 환경이 일반적이며, 이러한 환경에서는 AI 도입 시 보안과 데이터 관리가 중요한 이슈가 됩니다.
해당 발표 세션에서는 이러한 환경에서도 안정적으로 모델 학습부터 배포, 운영까지 전 과정을 온프레미스에서 완결할 수 있는 LLMOps 솔루션 Puteron AI를 소개하였습니다.
– 기업 환경에서의 AI 인프라 설계 방식
– GPU 메모리 한계를 극복하는 SSD 기반 구조
– Air-Gap 환경에서의 AI 운영 전략
– LLM 운영을 위한 통합 플랫폼 구조
Puteron AI를 통해 기업은 외부 클라우드 의존 없이 내부 인프라 안에서 AI 모델을 운영하고, 데이터 유출 위험 없이 목적에 맞는 커스텀 AI를 구축하고 관리할 수 있습니다.
작년 AI 소프트웨어 행사에서는 모델에 대한 정확도나 단순 기술에 대한 질문이 많았다면, 이번 행사에서는 제조 기업들의 실질적인 도입과 운영에 가까운 질문이 많이 등장했습니다. 결국 함께 고민해야하는 지점은 AI를 조직 안에서 안정적으로 운영할 수 있는 구조이고, 보안 환경·데이터 구조·개발 환경까지 포함한 AI 운영 체계를 어떻게 설계할 것인지가 더 중요한 문제로 떠오르고 있습니다.
슬렉슨은 이러한 변화 속에서 Puteron AI, CodeCenter, Trace.Space와 같은 플랫폼을 통해 기업이 보안 환경에서도 AI를 실제 운영 가능한 형태로 구축할 수 있는 엔터프라이즈 AI 환경을 지원하고 있습니다.
이번 AW 2026에서 슬렉슨 부스를 찾아주신 모든 분들께 감사드리며, 앞으로도 산업 현장에서 확인한 AI 경험과 인사이트를 지속적으로 공유해 나가겠습니다.
▶ 제품 소개자료 다운로드
▶ 현장에서 가장 많이 언급된 주제를 더 보고 싶다면 아래 블로그를 참고해보세요.
AI 에이전트 경쟁이 본격화되는 가운데 Self-Hosted 아키텍처의 중요성과 CodeCenter의 위치를 살펴봅니다.
개발 과정의 reasoning을 어떻게 팀의 협업 자산으로 만드는지 살펴봅니다.
저장소 구조와 문맥 위에서 질문과 탐색을 이어갈 수 있는 CodeCenter의 Workspace를 소개합니다.
Agentic SDLC의 핵심은 보안과 운영 환경 속에서 지속 가능하게 활용할 수 있는 자동화 전략을 구축하는 것입니다.
AI 자동화 영역과 인간 개입 지점을 명확히 구분하는 것은 Agentic AI를 운영 가능한 시스템으로 만드는 핵심 판단 기준입니다.
CodeCenter Web이 개인 중심 AI 코딩을 조직의 협업 플랫폼으로 확장하는 구조와 로드맵을 정리합니다.
© SLEXN, Inc. All rights reserved.
이번 웨비나에서 폐쇄망(Air-Gap) 환경에서 AI 인프라 를 설계하고 Agentic Workflow 기반 자율형 개발 파이프라인을 구축하는 전략과 GPU 최적화, RAG 통합 방안을 소개합니다.