The 2026 NAFEMS 아메리카 이번 컨퍼런스는 디지털 엔지니어링 분야의 AI 논의가 본격적으로 활발해졌음을 분명히 보여주었습니다. 1년 전만 해도 시뮬레이션 분야의 AI 관련 세션은 주로 탐색적인 성격을 띠었지만, 올해는 프로그램의 상당 부분이 AI 도입, 성공적인 사례와 그렇지 않은 사례, 그리고 미래 전망에 할애되었습니다. 엔지니어의 일상적인 업무 흐름에 AI를 적용하는 것은 NAFEMS의 전 세계 트랙은 물론, 거의 모든 산업 분야와 물리학 분야에서 핵심 주제로 자리 잡았습니다.

에이전트 기반 엔지니어링: 실질적인 영향력, 인간 협업 필수

에이전트 기반 시뮬레이션 워크플로우 세션은 컨퍼런스에서 가장 많은 참석자가 몰린 세션 중 하나였습니다. 논의를 이끌었던 핵심 질문은 에이전트가 엔지니어링 분야에 적합한지 여부가 아니라, 에이전트를 책임감 있게 배포하는 방법에 관한 것이었습니다. 실무자들은 자율적인 작업 오케스트레이션, 오류 감지, 사후 처리, 구조화된 보고와 같은 구체적이고 워크플로우에 특화된 사용 사례를 원합니다. "에이전트 전환"이라는 광범위한 개념은 회의적인 반응을 불러일으키고, 구체적인 사용 사례는 관심을 유발합니다.

질의응답 전반에 걸쳐 일관되게 나타난 주제는 엔지니어들이 제어권을 유지하고 싶어한다는 점이었습니다. 사람이 개입하여 검토하는 과정은 설계 필수 요건입니다. 가장 신뢰할 만한 데모에서는 에이전트가 엔지니어에게 결정을 알려주는 방식이었는데, 이는 단순히 실행만 하는 에이전트보다 효과적이었습니다. 오류를 인지하고 인간의 개입을 위해 잠시 멈출 수 있는 자율 에이전트는 단순히 실행만 하는 에이전트보다 훨씬 더 신뢰할 만하다고 여겨졌습니다.

Rescale 부스를 방문한 참가자들을 대상으로 한 설문 조사 데이터는 이번 행사의 핵심 주제를 뒷받침합니다. 대부분(55%)이 여전히 Rescale에 대해 회의적이라고 답했습니다. 수동으로 시뮬레이션 단계 간 결과 전달, 예를 들어 출력물을 다운로드하고 다음 도구에 다시 업로드하거나 다음 팀에 인계하는 작업 등이 있습니다. 에이전트 기반 워크플로 자동화는 이미 이러한 문제를 해결하기 시작했지만, 실무자들은 도입 초기 단계에서는 신뢰를 점진적으로 구축해야 한다는 점을 분명히 했습니다.

인공지능 물리학: 높은 관심도, 높은 검증 기준

물리 기반 AI와 대리 모델링은 여러 세션과 비공식적인 대화에서 상당한 논의를 불러일으켰습니다. 엔지니어들은 대리 모델, 차수 축소 모델, 물리 기반 신경망을 명확하게 구분했으며, 각각에 대해 서로 다른 증명 기준을 적용했습니다.

데이터 가용성은 구현에 있어 가장 일관되게 언급된 장벽이었습니다. 대리 모델을 학습시키려면 대규모의 구조화된 시뮬레이션 데이터가 필요한데, 많은 팀에게 있어 그러한 데이터는 사용 가능한 형태로 존재하지 않거나 서로 연결되지 않은 시스템에 흩어져 있습니다. 

한 실무자는 일부 조직에서 저장 공간 관리를 위해 시뮬레이션 데이터를 주기적으로 삭제하고 의사 결정 데이터만 남겨두는 경우가 있다고 지적했습니다. 이는 대규모 AI 물리학 구현에 있어 비활성화되었거나 이전에는 사용할 수 없었던 데이터를 활성화하는 에이전트 기반 워크플로가 필수적인 전제 조건임을 시사합니다.

실무자들이 묻고 검증하는 것

컨퍼런스 전반에 걸친 질의응답 시간은 발표만큼이나 유익했습니다. 몇 가지 질문이 반복적으로 제기되었는데, 이는 실제 마찰이 발생하는 지점을 보여주었습니다.

다중 테넌트 클라우드 환경에서 지적 재산과 시뮬레이션 데이터를 어떻게 보호할 수 있을까요? 데이터 거버넌스는 AI 도구뿐만 아니라 모든 분야에서 가장 일관되게 신뢰를 저해하는 요소였습니다. 팀들은 데이터 격리, 접근 제어, 소유권에 대한 명확한 해답을 원합니다.

AI 물리학을 구현하려면 데이터 과학 분야에 대한 심도 있는 경험이 필수적일까요? 기업들이 원하는 대답은 '아니오'입니다. 왜냐하면 그들의 목표는 조직 내 더 많은 직무와 제품 가치 사슬에서 AI 기술을 활용하는 것이기 때문입니다. 가장 큰 관심을 불러일으킨 배포 사례는 머신러닝 엔지니어가 아닌 시뮬레이션 엔지니어를 위해 개발된 도구, 즉 새로운 기술을 요구하지 않고 기존 워크플로에 통합되는 도구였습니다.

인공지능이 생성한 보고서는 실제로 얼마나 정확할까요? 실무자들은 반복적이고 오류 발생 가능성이 높은 보고 작업을 에이전트로 전환하기를 열망하지만, 에이전트가 생성한 보고서가 핵심 정보를 정확하게 포착하고 결과를 정밀하게 요약하는지 확인하고자 합니다. 설계와 성능 간의 절충점을 고려한 다학제적 에이전트 분석 보고서는 시간을 절약해 주지만, 최종 결정을 내리기 전에 전문가 검토가 필요한 강력한 출발점으로 여겨집니다. 이러한 관점은 타당하며, NAFEMS 엔지니어들은 바로 이 지점에서 에이전트의 진정한 가치가 발휘된다는 것을 확인했습니다.

부스 대화에서도 비슷한 양상이 나타났습니다. AI 에이전트가 자율적으로 처리했으면 하는 가장 중요한 기능이 무엇인지 묻는 질문에 참석자들은 두 가지 우선순위로 의견이 나뉘었습니다. A) 오류를 감지하고 수정하는 것, B) 최적의 설계 방안을 추천하기 위해 다양한 설계 변형을 탐색하는 것입니다. 이 두 가지 모두 현재 수작업으로 가장 많은 시간과 노력이 소모되는 부분과 직접적으로 연결됩니다.

Rescale이 논의에 가져온 것

Rescale은 이번 컨퍼런스에서 에이전트 기반 워크플로우와 AI 물리 인프라에 초점을 맞춘 두 세션을 발표했으며, 청중의 적극적인 참여는 우리가 그동안 추구해 온 목표를 뒷받침해 주었습니다. 엔지니어들은 플랫폼 기능에서 구체적인 워크플로우 결과로 넘어가는 대화에서 가장 큰 호응을 보였습니다. 예를 들어, 에이전트가 솔버를 어떻게 활용하는지, AI 물리가 기존 파이프라인에 어떻게 통합되는지, 현재 워크플로우에서 어떤 부분이 바뀌고 어떤 부분이 그대로 유지되는지 등에 대한 질문들이었습니다.

올해 초 GTC에서 Rescale과 McLaren은 다음과 같이 보여주었습니다. 이러한 AI 우선 엔지니어링은 다단계 공기역학 시뮬레이션을 실행하고, 작업 조정을 처리하며, 결과를 실시간으로 제공하는 에이전트를 활용하는 방식입니다. 맥라렌과의 협업은 AI 기반 엔지니어링을 시뮬레이션 워크플로에 도입한 팀들이 에이전트 기반 엔지니어링을 구현할 때 어떤 모습인지 보여주는 강력한 사례입니다. Rescale은 에이전트 기반 AI를 처음 접하는 팀부터 고급 기능을 필요로 하는 팀까지 누구나 쉽게 접근할 수 있도록 이러한 도입 방식을 지원합니다.

리스케일의 2026년 봄 플랫폼 출시 이러한 흐름을 바탕으로 AI Physics OS를 대규모로 대체 모델을 개발, 배포 및 관리하기 위한 엔드투엔드 프레임워크로 도입하여 컨퍼런스 전반에 걸쳐 실무자들이 제기했던 데이터, 워크플로 및 컴퓨팅 문제를 직접적으로 해결했습니다.

앞으로 나아갈 방향을 보여주는 징후와 신호들

NAFEMS Americas 2026에서 도출된 세 가지 패턴은 향후 1년간 엔지니어링 AI의 발전 방향을 결정할 것입니다.

인프라가 결과를 결정짓습니다. 클라우드 네이티브 스택을 갖춘 엔지니어링 팀, 접근 가능한 시뮬레이션 데이터 맥락과 함께명확하게 정의된 거버넌스를 갖춘 기업은 그렇지 않은 기업보다 에이전트 기반 워크플로우를 훨씬 빠른 속도로 배포하고 있습니다. 성숙한 도입 기업과 초기 실험 기업 간의 격차가 벌어지고 있으며, 이는 단순히 도구 선택뿐 아니라 근본적인 선택에 의해 좌우되고 있습니다.

데이터는 AI 물리학의 진정한 제약 조건입니다. "데이터 준비성"에 대한 반론은 특히 대리 모델링에서 실제로 존재하지만, 성숙한 프로그램을 보유한 실무자들은 이를 극복하는 방법을 배우고 있습니다. 숨겨진 과거 데이터를 활용하는 에이전트, 부족한 훈련 데이터 세트를 보완하는 제어 방정식, 시뮬레이션 시점의 데이터 수집 개선 등은 모두 활발히 연구되고 있는 분야입니다.

신뢰는 플랫폼 수준이 아니라 워크플로 수준에서 얻어지는 것입니다. 엔지니어들은 인공지능을 추상적으로 평가하는 것이 아닙니다. 그들은 특정 작업에 대한 인공지능의 성능을 평가합니다. 예를 들어, 작업 실패 문제를 해결하거나, 사후 처리 보고서를 생성하거나, 차기 설계 변형을 추천하는 것과 같은 작업입니다. 신뢰할 수 있는 데모, 체계적인 관리, 그리고 인공지능이 현재 무엇을 할 수 있고 무엇을 할 수 없는지에 대한 솔직한 정보를 통해 엔지니어들의 이러한 구체적인 요구를 충족하는 공급업체가 승리할 것입니다.

시뮬레이션 산업은 빠르게 발전하고 있습니다. NAFEMS Americas 2026에서는 엔지니어링 분야의 AI가 시범 운영 단계를 넘어 실제 운영 단계로 진입했음을 확인했으며, 앞서 나가는 팀은 인프라, 데이터 거버넌스, 워크플로우의 기반을 먼저 제대로 구축한 팀이라는 점을 강조했습니다. Rescale은 이미 이러한 기반을 구축하고 있습니다. 실험 단계에서 실제 운영 단계로 나아갈 준비가 되셨다면, Rescale이 바로 그 해답입니다. 전에, 목적지까지 데려다 줄 플랫폼 – 우리 팀에 연락 혜택 이용(Benefits Access) 또는 퍼소니파이 앱<Personify App을 통해 퍼소니파이 헬스(Personify Health)에 로그인한 후, 베네핏 (Benefits)페이지로 이동하여 <strong>“만성 질환 예방(Chronic Disease Prevention)”</strong> 검색을 시작하실 수 있습니다.

Rescale의 에이전트 기반 엔지니어링 및 AI 물리학 플랫폼에 대해 자세히 알아보려면 다음 링크를 방문하세요. Rescale.com.