[테크월드=케빈 월세스 디지키 기술 참여 부문 수석 매니저] 엔지니어링은 한 분기에는 요구 사항을, 다음 분기에는 회로도를, 마지막 분기에는 기판과 펌웨어를 설계하는 식으로 계절 단위로 진행되곤 했다.
오늘날에는 모든 것들이 더 빠르게 진행되고 있다. 새로운 아이디어를 수 일 내에, 경우에 따라 수 시간 내에 화이트보드에서 개념 입증까지 발전시킬 수 있다.
사일로와 장벽이 제거되면서 오늘날의 혁신 환경은 근본적으로 다르다. 신속한 프로토타이핑 방식과 아이디어와 구현간 거리를 단축하는 AI 지원 워크플로, 그리고 보다 비용 효율적인 작업 방식의 융합으로 개발 속도가 가속화됐다.
케빈 월세스(Kevin Walseth) 디지키 기술 참여 부문 수석 매니저 [제공=디지키]
그 결과 반복 속도를 차별화 요소로 하는 새로운 작동 모델이 구현됐다. 이 모델에서는 최고의 팀이 문제의 진화 속도보다 더 빠르게 학습할 수 있도록 프로세스를 설계한다.
신속한 프로토타이핑의 새로운 시대
수십 년 동안 접근성은 문지기 역할을 수행했다. 전문 도구, 값비싼 라이선스, 제한된 공급망으로 인해 전자 장치의 프로토타이핑은 충분한 자금이 지원되는 연구실에서만 가능했다.
이제는 상황이 달라졌다. 아두이노(Arduino) 및 라즈베리 파이(Raspberry Pi)와 같은 회사를 통한 오픈소스 소프트웨어와 사전 개발 코드는 충분한 리소스를 가진 설계자라면 누구나 프로토타이핑을 수행할 수 있도록 지원한다.
저비용 기판과 커뮤니티 기반의 에코시스템 덕분에 엔지니어와 메이커는 처음부터 시작하는 경우가 거의 없으며 입증된 라이브러리, 참조 설계, 데모 프로젝트를 기반으로 ‘5단계’에서 출발한다.
속도는 경쟁 우위가 됐다. 모든 소프트웨어 릴리스 및 하드웨어 주기마다 요구 사항이 변화하는 시장에서는 느린 개발 속도가 전략적 위험이 된다.
센서 융합 스택 문제를 해결하는 중이든 새로운 무선 아키텍처를 탐색하는 중이든 프로토타입을 신속하게 조립하고 필요한 수정을 수행할 수 있는 능력에 따라 무엇이 작동하고 무엇이 그렇지 않은지를 얼마나 빨리 확인할 수 있는지가 결정된다.
모듈식 하드웨어, 클라우드 기반 IDE, 연결성 및 데이터 처리를 위한 플러그 앤 플레이 스택은 이를 가능하게 만든다. 그 결과는 프로토타이핑 시간 단축뿐만 아니라 의사결정 시간 단축으로도 이어진다.
AI는 이제 일상적인 엔지니어링 업무의 기본이다. [제공=디지키]
AI가 프로토타이핑 혁신 지원하는 방법
AI는 이제 일상적인 엔지니어링 업무의 기본이다. 가장 눈에 띄는 변화는 코딩 및 디버깅 계층에서 나타난다.
이 계층에서 AI는 논리 결함을 찾아내고 함수를 리팩터링하며 테스트 스캐폴드를 제안하고 세 차례의 코드 검토에서도 발견되지 않았던 잘못 구성된 레지스터 하나까지 정확히 짚어낼 수 있다.
익숙하지 않은 라이브러리에서 컴파일 오류를 추적하거나 의사 코드를 실제로 동작하는 드라이버로 변환하거나 새로운 마이크로 컨트롤러를 위한 보일러플레이트를 생성하는 등 한때 오후 내내 걸리던 작업이 이제 몇 분 내로 단축됐다.
하지만 여기서 진정한 가치는 단지 속도가 아니라 ‘범위’다. AI는 소규모 팀이 탐색할 수 있는 설계의 영역을 넓혀준다. 해당 접근 방식을 테스트할 시간이 없어 초기에 범위를 좁히는 대신 팀은 첫 번째 기판을 주문하기 전에 AI에 여러 아키텍처를 스케치하고 장단점을 비교하며 시뮬레이션에서 시험해 볼 후보 구현을 생성하도록 요청할 수 있다.
바로 이 지점에서 신속한 엔지니어링이 진정한 기술로 부상한다. 결과물의 품질은 제약 조건을 얼마나 정확하게 설명하고 인터페이스를 정의하고 가정을 인코딩하는지에 따라 달라진다.
실제로 엔지니어들은 시스템과 이를 생성하는 쿼리를 모두 설계하는 경우가 점점 더 많아지고 있다.
엔지니어링 세계에서 접근성 제한 해제
엔지니어링 도구와 정보에 대한 접근이 가능해지면서 무한한 가능성이 열렸다. 진입 장벽이 낮아지면 참여도가 높아지고 집단 학습의 속도도 빨라진다.
오픈 튜토리얼과 메이커 친화적인 문서는 특정 영역에 국한된 난해한 내용을 반복 가능한 레시피로 바꿔준다.
디지키 테크포럼과 같은 커뮤니티 포럼은 이미 문제를 해결한 사람들과 처음 접하는 사람들을 연결함으로써 문제 해결 주기를 단축한다. 이는 실제로 매우 중요하다. 완성된 코드와 회로도뿐만 아니라 ‘무엇이 작동하지 않았고 그 이유는 무엇인지’를 공유해야 다음 팀의 문제를 해결할 수 있는 경우가 많기 때문이다.
합리적인 가격의 키트와 안내 커리큘럼을 통해 교육자는 수동적인 지시를 넘어 능동적인 제작으로 나아갈 수 있다. [제공=디지키]
이러한 커뮤니티의 역동성은 교육 분야에서도 마찬가지로 변혁을 일으키고 있다. 시뮬레이터는 원리를 가르치고 하드웨어는 끈기, 직관, 그리고 첫 번째 성공의 기쁨을 알려준다.
프로그래밍 가능한 로봇이나 간단한 마이크로 컨트롤러 키트를 학생의 손에 쥐어주면 호기심이 자신감으로 바뀌는 것을 볼 수 있다. 합리적인 가격의 키트와 안내 커리큘럼을 통해 교육자는 수동적인 지시를 넘어 능동적인 제작으로 나아갈 수 있다.
학습자는 실시간으로 원인과 결과를 확인하고 추상적인 개념을 가시적인 결과와 연결한다. 그 파급 효과는 매우 크다. 더 많은 학생들이 더 일찍이 스스로를 빌더로 인식하고 이러한 사고방식을 고급 프로그램과 산업 역할로 이어가는 경우가 많기 때문이다.
미래: 무선·자율·계측 기반
10년 앞을 내다보면 신속한 프로토타이핑 분야에서 3가지 트렌드를 떠올릴 수 있다.
첫째 ‘무선’이 필수가 될 것이다. 소비자용, 산업용, 과학용 등 대부분의 프로토타입은 처음부터 연결성과 에지 인텔리전스를 전제로 한다.
둘째 설계 목표로서의 ‘자율성’이다. 시스템은 점점 더 인간의 개입을 최소화하면서 인지, 의사결정, 동작해야 하며 이로 인해 감지, 로컬 계산 및 강력한 장애 처리에 대한 요구가 높아진다.
셋째 계측이 ‘보편화’될 것이다. 프로토타입이 복잡한 시스템이 됨에 따라 구조화된 로깅, 원격 측정 및 상태 모니터링과 같은 관찰 가능성을 통해 실제 조건에서의 동작을 이해하는 데 도움을 준다.
AI는 3가지 트렌드 모두에 걸쳐 개발을 지원할 것이다. 펌웨어 생성뿐만 아니라 최적의 센서 배치 제안, 에지 모델에 대한 합성 데이터 세트 생성, 개발 중 비정상적인 전력 시그니처에 대한 플래그 지정, 현장 동작에 기반한 기판 수정 제안 등을 수행하는 툴체인이 보편화될 것으로 예상된다.
하드웨어가 존재하기 전에는 더욱 풍부한 AI 증강 시뮬레이션을 통해 통합 문제를 조기에 발견할 수 있다. 하드웨어가 배송된 후에는 AI가 운영 데이터를 마이닝해 장애를 예측하고 업데이트를 권장한다.
엔지니어링 루프는 출시에서 끝나는 것이 아니라 실제 환경에서 동작하는 제품과의 지속적인 데이터 기반 대화로 이어진다.
엔지니어링의 미래는 가장 빠르게 학습하는 조직의 것이다. [제공=디지키]
지금 빌드를 수행하는 팀을 위한 실용적 조언
실패를 결함이 아닌 프로세스의 한 요소로 다룬다. 학습 속도가 진정한 지표이며 실패한 시도 각각은 성공적인 결과에 더 가까이 다가가게 하는 정보다.
어떤 것이 어떻게 작동하는지 알기까지 작동하지 않는 100가지 방법을 배울 수 있다. 간략한 사후 분석, 주석이 달린 댓글, 공유된 포럼 게시물 등 이러한 교훈을 명시적으로 캡처해 다음 반복 작업(및 다음 팀원)에 도움이 될 수 있도록 한다.
커뮤니티를 이용한다. 질문은 초기에 답변은 가능한 빠르게 한다. 드라이버 문제나 모호한 툴체인 동작을 해결하는 가장 빠른 방법은 같은 문제를 겪어본 사람과의 대화인 경우가 많다.
마찬가지로 참조 자료 및 부분적인 솔루션을 게시하면 차세대 발전을 가속화하는 데 도움을 줄 수 있다.
AI를 파트너로 활용해 지루한 작업을 자동화하고 탐색을 강화한다. 코드베이스 및 아키텍처 패턴에 연결된 프롬프트 라이브러리를 구축한다. 스타일 가이드, 테스트 하네스, 린팅 및 CI를 통해 가드레일을 설정해 속도 때문에 품질이 저하되지 않도록 한다. AI 생성 코드가 늘어날수록 검증 규율의 중요성은 줄어드는 것이 아니라 더욱 강화된다.
마지막으로 베타 마인드를 키운다. 새로운 툴체인, 업데이트된 펌웨어, 새로운 모듈이 항상 첫날부터 올바르게 작동하는 것은 아니지만 바로 여기에 인사이트가 있다.
조기에 채택하고 책임감 있게 테스트하며 학습 내용을 공유하는 팀은 자신이 의존하는 도구를 혁신하는 데 도움을 주며, 역량과 영향력에서 앞서게 된다.
가장 빨리 배우는 사람이 만드는 미래
AI로 지원되는 신속한 프로토타이핑은 더 빠르게 빌드하는 방법을 넘어 일하는 방식 그 자체다. 이는 확실성보다는 호기심을, 가정보다는 피드백을, 고립보다는 협업을 우선시한다.
하드웨어, 소프트웨어 및 데이터가 융합됨에 따라 가속을 전제로 설계하는 팀이 성공하게 될 것이다. 즉, 주기를 단축하고 모든 것을 계측하며 성공이든 실패든 모든 결과를 전진의 동력으로 전환하는 방식이다.
엔지니어링의 미래는 가장 빠르게 학습하는 조직의 것이다. 최신 프로토타이핑 방식과 워크플로에 AI를 접목함으로써 이러한 미래는 머지않은 곳에 있다.
회원가입 후 이용바랍니다.
댓글
0