KiCad 9.0이 출시되었을 때, 하드웨어 엔지니어링 업계에서 가장 흔했던 의견은 다음과 같았습니다: “AI가 우리 대신 보드를 라우팅(Routing)해 줄 것이다.”

3개월이 지난 지금, 실제로 AI 지원 PCB 설계를 사용해 본 사람들은 걱정을 훨씬 덜 하고 있습니다.

AI가 약해서가 아닙니다 — 오히려 그 반대입니다. AI는 라우팅(Routing), 심볼 생성(Symbol generation), 그리고 DFM(Design for Manufacturing) 체크 분야에서 기대치를 뛰어넘었습니다. 하지만 엔지니어들은 더 중요한 사실을 깨달았습니다. AI가 대체할 수 있는 작업은 정확히 아무도 하고 싶어 하지 않았던 반복적인 작업들이라는 점입니다. 진정으로 가치 있는 작업은 여전히 AI의 손길이 닿지 않는 곳에 있습니다.

이 글은 “AI가 엔지니어를 대체할 것인가?”라는 거창한 질문에 관한 것이 아닙니다. 구체적으로 이야기해 봅시다: 2026년 PCB 설계에서 AI가 실제로 할 수 있는 것은 무엇일까요? 할 수 없는 것은 무엇일까요? 그리고 지금 당장 어떻게 활용해야 할까요?

1. 오늘날 AI가 당신을 위해 할 수 있는 일은?

1. 심볼(Symbol) 및 풋프린트(Footprint) 생성
회로도 캡처(Schematic capture)에서 가장 지루한 부분은 데이터시트(Datasheet)를 한 페이지씩 넘겨가며 수동으로 심볼을 만드는 것이었습니다. KiCad Copilot은 데이터시트의 핀아웃(Pinout) 다이어그램을 읽고 사용 가능한 회로도 심볼을 자동으로 생성할 수 있습니다.

100% 정확하지는 않지만, 시간의 70%를 절약해 줍니다. 나머지 30%는 수동 검증 과정이며, 이는 처음부터 시작하는 것보다 훨씬 빠릅니다.

2. 반복적인 라우팅(Routing) 작업
오토 라우팅(Auto-routing)은 새로운 기술이 아니지만, AI는 이를 더 똑똑하게 만들었습니다. 기존의 오토 라우터는 고정된 규칙을 따랐지만, AI 기반 라우터는 의도(Intent)를 따릅니다. “이것은 DDR 데이터 라인이다”라고 알려주면, AI는 길이를 맞추고(Match lengths), 임피던스(Impedance)를 제어하며, 클록 트레이스(Clock traces)를 피해야 한다는 것을 알고 있습니다.

중간 정도의 복잡도를 가진 보드의 경우, AI 라우팅은 이미 단순 작업에서 90% 이상의 완성도를 달성하고 있습니다.

3. 실시간 DRC 및 DFM 사전 체크
KiCad의 AI 플러그인은 설계를 하는 동안 문제를 표시할 수 있습니다 — 패드(Pad)에 너무 가까운 비아(Via), 트레이스(Trace)와 겹치는 실크스크린(Silkscreen), 마스크 개구부(Mask openings)가 없는 써멀 패드(Thermal pads) 등입니다. 문제들이 테이프아웃(Tape-out) 직전이 아니라 레이아웃(Layout) 단계에서 포착됩니다.

4. 대체 부품 추천 (Alternative Component Recommendations)
커패시터(Capacitor)의 재고가 없을 때, AI는 패키지(Package), 정전용량(Capacitance), 정격 전압(Voltage rating)을 기반으로 세 가지 대안을 제안할 수 있으며, 리드 타임(Lead times)과 가격 추세까지 표시할 수 있습니다.

2. AI가 아직 할 수 없는 것

1. "이유"를 이해하는 것
AI는 왜 배선(Trace)이 우회했는지 알지 못합니다. 열점(Hot spot)을 피하기 위해서일 수도 있고, 조립 공간을 확보하기 위해서일 수도 있으며, EMC(전자파 적합성) 문제 때문일 수도 있습니다. AI는 단지 "이것이 규칙을 따른다"는 것만 알 뿐입니다. 규칙에서 벗어난 모든 것은 AI에게 보이지 않습니다.

2. 모호함을 처리하는 것
"이 보드는 자동차나 산업용 장비에 들어갈 수도 있으니, 더 엄격한 기준에 맞춰 설계하세요"라는 말은 AI가 해석할 수 있는 프롬프트(Prompt)가 아닙니다. AI에는 명시적인 파라미터(Parameter)가 필요합니다. 하드웨어 엔지니어는 아직 파라미터화되지 않은 문제들을 다루는 데 대부분의 시간을 보냅니다.

3. 책임을 지는 것
문제가 발생했을 때 고객은 AI가 아니라 당신을 찾아옵니다. AI에는 책임(Accountability)이라는 개념이 없습니다. AI의 답변은 항상 "현재 정보에 기반한 권장 사항"일 뿐입니다. 최종 결정은 반드시 당신의 몫이어야 합니다.

3. AI를 어떻게 사용해야 하는가?

AI를 대체제가 아닌 시니어 어시스턴트(Senior assistant)로 대하십시오.

AI는 실행에는 능숙하지만, 판단에는 능숙하지 않습니다. 설계 단계에서 당신의 가치는 얼마나 빨리 라우팅(Routing)을 하느냐가 아니라, 어떤 배선을 외층(Outer layer)에 배치할지, 어떤 전원 레일(Power rails)에 더 넓은 구리(Copper)가 필요한지, 어떤 신호에 더 많은 이격 거리(Clearance)가 필요한지를 결정하는 데 있습니다. 그러한 판단은 여전히 당신의 영역입니다.

AI가 절약해 준 시간을 AI가 할 수 없는 일에 사용하십시오.

만약 AI가 라우팅 시간을 3일에서 반나절로 줄여준다면, 남은 2.5일을 열 시뮬레이션(Thermal simulation), 신호 무결성 분석(Signal integrity analysis), 그리고 DFM(Design for Manufacturing) 검토에 투자하십시오. 그러면 보드의 성공률이 극적으로 향상될 것입니다.

단순히 수용하는 것이 아니라, 검토하는 법을 배우십시오.

AI가 생성한 심볼(Symbol)은 확인이 필요합니다. AI가 라우팅한 배선은 조정이 필요합니다. AI가 추천한 부품은 검증이 필요합니다. 도구가 강력해질수록 검토(Review) 기술은 더욱 중요해집니다.

결론

AI가 하드웨어 엔지니어를 쓸모없게 만들지는 않을 것입니다. 하지만 AI를 사용하는 엔지니어는 AI를 사용하지 않는 사람들의 삶을 확실히 더 힘들게 만들 것입니다.

이것은 대체에 관한 것이 아닙니다. 도구의 진화에 관한 것입니다.

수동 라우팅 (Manual routing)에서 CAD 도구로 전환되었던 과정과 마찬가지로, CAD는 하드웨어 엔지니어를 없앤 것이 아니라 CAD 학습을 거부하는 사람들을 없앴습니다.

2011년에 설립된 AnyPCBA는 중소규모 배치 (Small-to-medium batch) PCB 제조 및 PCBA 조립에 집중하고 있습니다. 우리는 매일 AI 지원 설계를 접합니다. 귀하의 설계가 수기로 그려졌든 AI에 의해 생성되었든, 우리는 생산 전에 전체 DFM (Design for Manufacturing) 검토를 수행합니다.

👉 AnyPCBA 웹사이트: https://www.anypcba.com/
중소규모 배치 PCB & PCBA | 5~5,000개 | 프로토타입에서 양산까지