Revit 2026의 생성형 설계·API 개선과 AI 자동화 기능

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. 이 글은 Autodesk가 공개한 내용을 기준으로, 확인된 기능만 정리하고 생성형 설계의 실제 워크플로와 실무 적용 지점을 프로그래밍 관점에서 설명한다.

■ 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.

■ 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

■ 눈여겨볼 것

생성형 설계를 "AI가 설계를 대신해주는 버튼"으로 오해하면 실패한다. 도구의 출력 품질은 전적으로 입력 정의(변수·제약·목표)의 품질에 달려 있고, 그 정의를 만드는 일이 곧 Dynamo 로직 설계다. 결국 생성형 설계는 설계자를 대체하는 것이 아니라, 설계자가 세운 규칙을 대규모로 검증하는 공동 저작(co-authorship) 도구에 가깝다. 목표를 정량화할 수 있는 문제(채광·비용·동선)에는 강력하지만, 정성적 판단이 지배하는 문제에는 보조 수단으로 접근해야 한다.

■ 이런 분께 도움이 됩니다

Revit 2026 도입을 검토하며 신기능의 실효를 판단해야 하는 BIM 매니저
Dynamo로 생성형 설계 커스텀 스터디를 구성하려는 컴퓨테이셔널 설계자
다중 애드인 충돌·버전 관리에 시달리는 Revit API 개발자

■ 참고

버전별 기능 제공 범위와 클라우드 크레딧(생성형 설계 클라우드 연산) 정책은 Autodesk 라이선스 등급에 따라 다르므로, 도입 전 실제 계정의 사용 가능 기능을 확인한다. Dynamo Core 버전(2026.1의 3.5.2)에 따라 노드 동작이 달라질 수 있으니 팀 표준 버전을 고정해 운용하는 것이 안전하다.