Spring Product Showcase 2026: Rescale, AI-퍼스트 제품 개발 시대를 여는 에이전트 기반 디지털 엔지니어링

Agentic AI는 이미 제품 개발 속도의 양상을 바꾸고 있습니다. 그러나 대부분의 R&D 조직은 여전히 AI와 에이전트가 제공할 수 있는 가능성과, 엔지니어링 팀이 실제로 매일 수행하는 업무 흐름 사이의 간극을 어떻게 좁힐지 고민하고 있습니다. 2026년 봄 쇼케이스 이러한 간극을 해소하기 위해 설계되었으며, 엔지니어링 팀이 기존에 사용하던 시뮬레이션 워크플로와 자연스럽게 연동되는 새로운 기능을 갖춘 통합 디지털 엔지니어링 플랫폼을 기반으로 합니다.

이번 블로그에서는 세 가지 새로운 핵심 기능 영역을 소개합니다.

• 에이전트 기반 디지털 엔지니어링 모든 주요 의사결정 단계에서 인간이 개입하는 제어(human-in-the-loop) 구조와 제품 개발 라이프사이클 전반에 걸쳐 동작하는 시뮬레이션에 특화된 에이전트 제공
• AI Physics 맞춤형 도구나 데이터 사이언스 부담 없이, 시뮬레이션 데이터부터 대리 모델(surrogate model) 배포까지 전 과정을 아우르는 통합 파이프라인
• Compute Economics: 엔지니어링 및 IT 리더가 프로그램 수준에서 속도, 하드웨어 선택, 비용을 균형 있게 조정할 수 있도록 지원하는 실시간 제어 기능

Agentic Digital Engineering: 에이전트를 통한 혁신 가속

시뮬레이션에 특화된 엔지니어링 조직에서 생산성을 가장 크게 떨어뜨리는 요인은, 시뮬레이션 자체가 아니라 수작업 중심의 반복적인 관련 업무입니다: 실행 전 입력 파일을 검증하고, 실행 후 실패 원인을 진단하며, 결과를 보고서로 정리하고, 다음 반복 작업을 구성하는 과정이 대표적인 예입니다.

AI Engineering은 이러한 방식을 바꿉니다. 2026년 봄 릴리스를 통해 R&D 팀은 제품 개발 라이프사이클 전반에 시뮬레이션에 특화된 에이전트를 배포할 수 있습니다. 동시에 주요 의사결정 지점에서는 인간이 개입하는 제어(human-in-the-loop) 구조를 유지할 수 있습니다.

실제 적용 예시는 다음과 같습니다:

• 일상적인 시뮬레이션 업무를 위한 사전 구축 에이전트 엔지니어는 입력 파일 검증, 작업 실패 진단, 솔버별 문제 해결, 하드웨어 구성 및 벤치마킹, 자동 보고서 생성 등 다양한 용도로 설계된 Rescale의 지속적으로 확장되는 에이전트 라이브러리를 활용할 수 있습니다.
• 에이전트 노드를 포함한 워크플로우 시뮬레이션 관리자는 모범 사례를 통제 가능한 다단계 워크플로우로 구성할 수 있습니다. 에이전트 노드는 컨텍스트에 맞춰 자동 실행되고, 결과를 다음 단계로 전달하며, 엔지니어가 전체 과정을 계속 모니터링하지 않아도 정의된 체크포인트에서 필요한 정보를 제공합니다.
• 플랫폼에 내장된 보안 및 거버넌스 제어 Rescale 에이전트는 관찰 및 추천 단계부터 정해진 제한 범위 내에서 직접 실행하는 단계까지, 명확히 정의된 자율성 수준에 따라 동작하며 팀이 자동화를 점진적으로 확대할 수 있도록 지원합니다. 또한 실행 과정은 기존 접근 권한 체계와 조직 정책에 직접 연동됩니다.

다이 킨 산업이러한 플랫폼 기능 강화는 R&D 및 엔지니어링 팀의 업무 방식을 즉각적으로 변화시킬 수 있습니다. 에이전트가 복잡하고 반복적인 설정, 실행, 결과 추출 작업을 처리함으로써 엔지니어는 각 개발 사이클에서 더 많은 설계안을 평가할 수 있습니다. 또한 자동화된 검증 워크플로를 통해 시뮬레이션 오류를 줄이고, 문제를 선제적으로 식별하는 에이전트 기반 문제 해결 기능을 통해 감지되지 않은 작업 실패로 인한 불필요한 컴퓨팅 낭비도 줄일 수 있습니다. 컴퓨터 지원 공학(CAE) 다이킨은 연구 개발 현장 전반에 걸쳐 데이터 인텔리전스를 활용하여 수동 시뮬레이션 데이터 관리 노력을 크게 줄였으며, 이제 전 세계 연구 개발 조직에 걸쳐 보다 광범위한 에이전트 기반 디지털 엔지니어링 역량을 구축하고 있습니다. 

Daikin Industries는 세계 최대 규모이자 가장 혁신적인 HVAC 및 산업 제조 기업 중 하나로, Rescale 플랫폼 기반의 AI-퍼스트 R&D 생태계 구축을 추진하고 있습니다. Daikin은 전 세계 R&D 거점에 클라우드 CAE와 데이터 인텔리전스를 위한 Rescale을 도입한 이후, 시뮬레이션 데이터 관리에 필요한 수작업을 크게 줄였으며, 현재는 글로벌 R&D 조직 전반으로 에이전트 기반 디지털 엔지니어링 역량을 확대해 나가고 있습니다.

맥라렌 자동차Rescale과의 파트너십은 다음과 같았습니다. GTC 2026에서 발표됨Rescale과의 파트너십을 발표했으며, 이러한 변화가 대규모로 구현되는 초기 사례 중 하나입니다. McLaren 자체 엔지니어링 데이터만으로 학습된 플랫폼과 NVIDIA 인프라를 기반으로, McLaren 엔지니어들은 이제 여러 물리 도메인에 걸쳐 수천 개의 설계 반복안을 수 시간 내에 평가할 수 있게 되었으며, 에이전트 기반 워크플로를 통해 전문가 생산성이 3배 향상되었습니다.

AI Physics: 서로게이트 모델링을 위한 완전한 운영 환경

대리 모델링 은 수년간 엔지니어링 로드맵의 핵심 주제로 자리해 왔습니다. 신경망, 축소 차수 모델(reduced-order models), 머신러닝 가속기와 같은 기술은 개념적으로 이미 충분히 이해되고 있기 때문에, 오늘날의 과제는 기술 자체를 이해하는 데 있지 않습니다. 이제 중요한 것은 실제 엔지니어링 팀이 신뢰하고 활용할 수 있는 실무 적용이 가능한 모델로 원시 시뮬레이션 데이터를 전환하는 실용적이고 확장 가능한 방법을 찾는 것입니다

리스케일의 AI Physics Rescale의 AI Physics 운영 환경은 전체 파이프라인을 하나의 통합된 환경에서 해결합니다.

• 데이터부터 모델까지의 통합 워크플로우 AI Physics OS는 엔지니어가 별도의 도구를 직접 연결하거나 전담 데이터 사이언스 팀에 의존할 필요 없이, 시뮬레이션 데이터 관리, 모델 학습, 버전 관리 및 배포를 하나로 연결합니다.
• 실무 적용 가능한 모델 아키텍처 엔지니어는 코딩 없이 주요 아키텍처에 접근할 수 있습니다. NVIDIA PhysicsNeMo 엔지니어는 NVIDIA PhysicsNeMo와 여러 종류의 데이터를 동시에 처리하는 Transformer 모델(Multistream Transformer)을 포함한 주요 아키텍처에 노코드(no-code) 방식으로 접근할 수 있으며, 이를 통해 깊은 머신러닝 전문 지식 없이도 AI 가속 기법을 도입할 수 있습니다.
• 엔지니어가 이미 사용 중인 도구 환경 내에서의 추론 기능 대리 모델(surrogate model) 추론은 Autodesk Alias와 Blender 내부에서 직접 실행되며, 설계 팀은 익숙한 작업 환경 안에서 수천 개의 설계 변형안을 평가할 수 있습니다. 이를 통해 반복 작업에 걸리던 시간을 수일 또는 수주 단위에서 거의 실시간 수준으로 단축할 수 있습니다.
• 개방적이고 유연한 아키텍처 팀은 벤더 종속성 없이 오픈소스 또는 맞춤형 프레임워크를 활용하고, 서드파티 AI Physics 도구를 통합할 수 있습니다. 또한 기술 환경 변화에 따라 필요한 도구를 유연하게 교체할 수 있습니다.

데이터 준비 과정의 병목은, 엔지니어가 CAE 환경 전반에 걸쳐 축적된 과거 시뮬레이션 데이터를 학습용 데이터셋으로 변환할 수 있도록 지원하는 코파일럿을 통해 직접 해결됩니다. 이를 통해 별도의 맞춤형 스크립트 개발이나 데이터 엔지니어링 작업 없이도, 에이전트 기반 디지털 엔지니어링과 AI Physics를 자연스럽게 연결할 수 있습니다.

AI Physics를 도입한 고객들은 제품 개발 라이프사이클 전반에서 다음과 같은 가시적인 성과를 경험하고 있습니다:

• 4x 개발 사이클당 평가 가능한 설계안 수 XNUMX배 확대
• SR 30x 비용 효율성 XNUMX배 향상
• 60% 제품 개발 기간 XNUMX% 향상

Compute Economics: 더 효율적인 비용 운영과 향상된 성능

클라우드 HPC는 엔지니어링 팀에 막대한 규모의 컴퓨팅 자원을 제공합니다. 하지만 적절한 제어 체계가 없다면, 이러한 확장성은 비용 증가 위험, 불안정한 처리 성능, 그리고 하드웨어 선택 과정에서의 복잡성으로 이어질 수 있으며, 이는 엔지니어가 보다 전략적인 업무에 집중해야 할 시간을 소모하게 만듭니다. 또한 자원 및 컴퓨팅 의사결정이 점점 더 에이전트 기반으로 자동화되면서 운영 규모와 복잡성도 함께 증가하고 있습니다. 이에 따라 AI-퍼스트 이니셔티브를 비용 효율적으로 운영하기 위해서는 자동화된 규칙 기반 제어와 실시간 가시성이 필수 요소가 되고 있습니다.

Rescale의 컴퓨팅 경제성 기능은 새로운 수준의 지능화와 능동적 제어 기능을 제공합니다.

• 속도-비용 제어(Speed versus Cost Controls): 엔지니어링 및 IT 리더가 비용 절감과 컴퓨팅 자원 가용성 간의 균형을 조직 전체 차원에서 손쉽게 조정할 수 있는 고유한 제어 기능입니다. 리더는 자원 활용률을 모니터링하고, 수작업 설정이나 추가적인 엔지니어링 부담 없이 프로그램 수준 목표에 맞춰 투명하고 지속적인 트레이드오프를 수행할 수 있습니다.
• 코어타입 컬렉션(Coretype Collections): 단일 코어타입 선택 대비 동등하거나 더 뛰어난 성능을 제공하도록 구성된 하드웨어 조합입니다. 플랫폼은 추가적인 컴퓨팅 비용 없이 메모리, 스토리지, 네트워크 대역폭 향상과 같은 자원 업그레이드를 자동으로 프로비저닝할 수 있으며, 이를 통해 엔지니어링 팀의 하드웨어 벤치마킹 부담을 줄여줍니다.

클라우드에서 HPC를 제공함으로써 조직은 필요한 규모의 컴퓨팅 자원을 확보할 수 있습니다. 여기에 더해, 이러한 기능들은 조직 및 프로젝트 수준에서 해당 규모를 비용 효율적이면서도 높은 성능으로 운영할 수 있도록 경제성 제어 계층을 제공합니다.

플랫폼 전반에 걸친 지속적인 혁신

에이전트 기반 AI와 컴퓨팅 경제성 외에도, 2026년 봄 릴리스에는 Rescale 플랫폼 전반에 걸친 의미 있는 기능 향상이 포함되어 있습니다. Rescale 플랫폼.

연결된 디지털 스레드를 위한 Data Fabric 은 시스템 전반에 분산된 엔지니어링 지식을 수집하고, 연결하며, 활용할 수 있도록 Rescale의 데이터 계층을 확장합니다. 또한 지속적으로 확장되는 커넥터 라이브러리를 통해 Microsoft SharePoint, AWS SXNUMX, Azure Blob 등 다양한 플랫폼을 지원합니다. 마이크로 소프트 셰어 포인트, AWS S3, 푸른 얼룩수록.

지원합니다. 고급 모델링 및 시뮬레이션을 위한 Workflow Builder 는 시뮬레이션 관리자에게 드래그 앤 드롭 방식의 캔버스를 제공하여, 검증된 프로세스를 통제 가능하고 반복 가능한 템플릿으로 구성할 수 있도록 지원합니다. 또한 단계 간 구조화된 데이터 전달과, 이를 실행하는 팀원을 위한 가이드 기반 실행 환경도 함께 제공합니다.

이러한 기능들은 서로를 강화합니다. Data Fabric은 에이전트와 Rescale AI Physics 모델이 활용하는 지능 계층에 데이터를 제공하며, Workflow Builder는 이들이 동작하는 프로세스를 구조화합니다.

AI-퍼스트 시대를 위한 설계

Rescale의 2026년 봄 릴리스는 Rescale 플랫폼 비전이 얼마나 발전해 왔는지를 보여줍니다. 시뮬레이션 지식을 체계적으로 수집하고, 구조화하며, 실제 의사결정에 활용할 수 있는 조직은 더 빠르게 실행하고, 더 폭넓게 반복 개발하며, 더욱 효과적으로 경쟁할 수 있습니다. Rescale의 디지털 엔지니어링 플랫폼은 이러한 목표를 실현할 수 있는 실용적이고 즉시 실무 적용이 가능한 기반을 제공하며, 도입 첫날부터 실제 워크플로 개선 효과를 제공합니다.

쇼케이스 랜딩 페이지를 방문하여 에이전트 기반 디지털 엔지니어링, AI Physics, 그리고 컴퓨팅 경제성이 실제로 어떻게 구현되는지 확인하고, 데모를 요청하거나 Rescale 계정 팀에 문의해 보십시오. 2026년 봄 쇼케이스 랜딩 페이지, 공고를 읽어라, 데모 신청또는 Rescale 계정 담당 팀에 문의하세요.