Revit 2026의 생성형 설계·API 개선과 AI 자동화 기능

업데이트 2026년 10월 15일읽는 시간 약 5분

Revit 2026은 출시 25주년 버전으로, 화려한 신기능보다 실무 생산성을 끌어올리는 자동화·AI·API 안정화에 초점을 맞췄다. 특히 생성형 설계(Generative Design), 반복 작업의 규칙 기반 자동화, 그리고 애드인 개발 환경의 안정성이 함께 개선되면서 BIM 매니저와 개발자가 커스텀 자동화를 더 안전하게 확장할 토대가 넓어졌다. 아래 내용은 Autodesk 공개 자료에서 확인되는 기능만 추렸다.

생성형 설계로 생성된 다양한 건물 매스 옵션 — AI로 만든 예시 이미지

■ 생성형 설계(Generative Design in Revit)란

생성형 설계는 설계자가 정한 목표·제약·변수에 따라 수많은 설계 대안(outcome)을 자동으로 생성하고 평가하는 기능이다. Revit에 내장된 이 도구는 클라우드 연산을 이용해 사람이 손으로 검토하기 어려운 규모의 조합을 탐색하고, 각 대안의 성능 지표를 수치로 돌려준다. 별도의 접근 권한이 없더라도 Dynamo for Revit을 이용해 유사한 스터디를 구성할 수 있는데, 이는 생성형 설계의 엔진이 결국 Dynamo 그래프이기 때문이다.

핵심은 “설계를 결정된 형상이 아니라 규칙의 집합으로 기술한다”는 발상이다. 무엇을 바꿀지(변수), 무엇을 지켜야 하는지(제약), 무엇을 향해 좋아져야 하는지(목표)를 정의하면, 도구가 그 규칙을 만족하는 대안들을 만들어 준다.

■ 생성형 설계 워크플로: 정의→생성→평가→통합

Revit 생성형 설계의 스터디는 네 단계로 진행된다. 각 스터디 유형마다 Dynamo 스크립트가 입력으로 쓸 수 있는 변수·제약·목표를 정의해두며, 사용자는 그 위에서 값을 조정한다.

단계	내용	예시
1. 정의(Inputs)	변수·제약·상수·목표 설정	변수: 그리드 간격 / 제약: 최대 층수 / 목표: 채광 최대화
2. 생성 방식	Randomize / Cross Product / Like This / Optimize 선택	Optimize는 이전 세대 결과로 다음 세대를 개선
3. 생성·평가	클라우드에서 다수 대안 생성, 각 outcome의 지표 산출	산점도·병렬좌표로 목표값 비교
4. 통합(Integrate)	최적 대안을 선택해 Revit 모델에 반영	선택안을 실제 요소로 배치

세 가지 입력 개념을 코드처럼 정리하면 다음과 같다.

# 생성형 설계 스터디 정의(의사코드)
Variables   = { grid_x: 6..12m, grid_y: 6..12m, rotation: 0..45deg }  # 바꿀 것
Constraints = { floor_count <= 20, plot_coverage <= 0.6 }             # 지켜야 할 것
Goals       = { maximize(daylight), minimize(structural_cost) }        # 향할 것
method      = Optimize(population=50, generations=20)                  # 진화적 최적화
outcomes    = Run(method, Variables, Constraints, Goals)               # 대안 집합
best        = Select(outcomes, tradeoff=Pareto_front)                  # 파레토 최적 선택

Optimize 방식은 유전 알고리즘처럼 이전 세대의 우수 대안을 바탕으로 다음 세대를 개선하므로, 목표가 명확한 최적화 문제(채광·동선·비용)에 적합하다. 반면 초기 탐색 단계에서는 Randomize나 Cross Product로 넓게 훑어보는 편이 낫다.

생성형 설계로 최적화한 사무공간 레이아웃 스터디 — AI로 만든 예시 이미지

■ Dynamo·자동화와의 관계

생성형 설계는 독립 기능이 아니라 Dynamo 그래프 위에 얹힌 최적화 레이어다. 각 스터디 유형의 Dynamo 스크립트가 “무엇을 입력으로 노출할지”를 정의하고, 생성형 설계 도구는 그 입력값을 바꿔가며 그래프를 반복 실행한다. 따라서 커스텀 스터디를 만들려면 Dynamo로 설계 로직을 그래프화하고, 변수·목표로 쓸 노드를 지정하는 작업이 선행된다. Revit 2026.1의 Dynamo Core 3.5.2에서는 9가지 곡선 유형을 다루는 Curve Mapper 노드와 Chart 노드가 개선돼, 파라미터 배치·시트 세트 생성·모델 자동 업데이트 같은 배치 자동화가 더 안정적으로 돌아간다.

■ AI·API 개선 항목

Revit 2026의 AI와 개발자 관점 개선은 다음과 같이 확인된다.

기능	내용
My Insights	프로젝트 데이터에 머신러닝을 적용해 맥락에 맞는 팁·다음 작업 제안(예: 미사용 패밀리 정리 권고)
애드인 의존성 격리	애드인을 Revit 본체·타 애드인과 분리된 어셈블리 로드 컨텍스트에서 실행 → 라이브러리 버전 충돌 감소
Dynamo 3.5	Curve Mapper·Chart 노드 개선, 패키지 버전 호환성 정보 추가
클라우드 AI(Forma 등)	초기 설계 단계에서 일조·바람·소음 등 환경 분석을 별도 애드인 없이 제공

이 중 개발자에게 가장 실질적인 변화는 애드인 의존성 격리다. 서로 다른 버전의 공용 라이브러리(예: Newtonsoft.Json)를 쓰는 플러그인이 한 Revit 세션에서 충돌하던 고질적 문제를, 애드인별 독립 로드 컨텍스트로 완화한다. 대규모 커스텀 도구를 운영하는 팀일수록 체감이 크다.

■ 실무 적용 정리

실무 과제	활용 기능	기대 효과
사무실 좌석·동선 배치	생성형 설계(레이아웃 스터디)	제약 하 다수 배치안 자동 비교
파사드 패널 최적화	Dynamo + Optimize	면적·각도 목표로 패널링 조정
반복 파라미터 수정	Dynamo 배치 자동화	시트·태그·파라미터 일괄 처리
다중 플러그인 운영	애드인 의존성 격리	버전 충돌·크래시 감소
초기 환경 검토	클라우드 AI(Forma)	일조·바람 실시간 피드백

■ 입력 정의가 결과를 정한다

생성형 설계의 출력 품질은 변수·제약·목표를 어떻게 정의했는지에 달려 있고, 그 정의를 만드는 일이 곧 Dynamo 로직 설계다. 설계자가 세운 규칙을 많은 대안으로 검증하는 도구에 가깝기 때문에, 채광·비용·동선처럼 정량화할 수 있는 목표에는 강하고 정성적 판단이 중심인 문제에는 보조 수단에 머문다.

버전별 기능 범위와 클라우드 연산 크레딧 정책은 라이선스 등급마다 다르므로 실제 계정에서 사용 가능한 기능을 확인한다. Dynamo Core 버전(Revit 2026.1은 3.5.2)에 따라 노드 동작이 달라질 수 있어, 팀이 쓰는 버전을 하나로 고정해 두는 편이 낫다.

참고 문헌

자주 묻는 질문

Revit의 생성형 설계는 어떤 기능인가요?

설계자가 정한 목표·제약·변수에 따라 수많은 설계 대안을 자동으로 생성하고 평가하는 기능입니다. 클라우드 연산으로 사람이 손으로 검토하기 어려운 규모의 조합을 탐색하고, 각 대안의 성능 지표를 수치로 돌려줍니다.

생성형 설계를 쓰려면 Dynamo를 알아야 하나요?

커스텀 스터디를 만들려면 필요합니다. 생성형 설계는 Dynamo 그래프 위에 얹힌 최적화 레이어여서, Dynamo로 설계 로직을 그래프화하고 변수·목표로 쓸 노드를 지정하는 작업이 먼저 이뤄져야 합니다.

Optimize와 Randomize 방식은 언제 각각 쓰나요?

목표가 명확하면 Optimize, 초기 탐색이면 Randomize가 맞습니다. Optimize는 이전 세대의 우수 대안을 바탕으로 다음 세대를 개선하므로 채광·동선·비용 같은 최적화 문제에 적합하고, 초기 단계에서는 Randomize나 Cross Product로 넓게 훑어보는 편이 낫습니다.