AI에게 PCB 설계를 맡겨보았습니다. 그 결과는 이렇습니다.

몇 주 전, 저는 한 가지 실험을 해보기로 했습니다. AI가 단순히 회로도 (Schematic)를 생성하거나 코드를 작성하는 것을 넘어, 실제로 제작(Fabricated), 조립(Assembled) 및 전원을 켤 수 있는 수준의 사용 가능한 PCB를 설계할 수 있는지 확인하고 싶었습니다.

선별된 결과도, "이론적으로 가능한 범위"에 대한 이야기도 아닙니다. 세 개의 실제 오픈 소스 보드, 사용 가능한 도구들, 그리고 실망할 준비가 된 상태로 진행한 정직한 테스트입니다.

제가 배운 점은 다음과 같습니다.

설정: 세 개의 보드, 두 개의 AI 도구, 도움 없음

저는 서로 다른 복잡도를 가진 세 가지 실제 오픈 소스 KiCad 설계를 선택했습니다:

이것들은 장난감 회로가 아닙니다. 수천 개의 단위로 출하된 실제 설계들입니다.

저는 각 보드를 두 개의 공개적으로 사용 가능한 AI PCB 라우터 (deeppcb.ai 및 quilter.ai)를 통해 완전 자동 배치 및 라우팅 (Automatic placement and routing) 방식으로 실행했습니다. 수동 사전 배치(Manual pre-placement)도, 파라미터 조정(Parameter tweaking)도 없었습니다. 그저: 넷리스트 (Netlist) 가져오기 → "시작 (Go)" 클릭 → 결과 확인 순으로 진행했습니다.

측정 지표는 무엇이었을까요? 완료율 (Completion rate, 보드의 어느 정도를 실제로 라우팅했는가?)과 비아 개수 (Via count, 결과물이 얼마나 지저분한가?)였습니다.

결과: 기대보다 나았지만, 당신을 대체할 준비는 되지 않았습니다

제가 발견한 결과는 다음과 같습니다.

완료율 (Completion rates):

DeepPCB는 평균적으로 라우팅을 거의 10% 더 많이 완료했습니다. 복잡한 414-넷 (414-net) 보드의 경우, 수동 정리를 위해 남겨둔 미라우팅 넷 (Unrouted nets)은 단 12개뿐이었습니다. Quilter는 54개를 남겼습니다.

**비아 개수 (Via counts, 낮을수록 깔끔함):

AI 라우터(AI routers)들이 작업을 완수하긴 했지만, 우아하지는 않았습니다. 특히 Quilter의 출력물은 의문스러운 라우팅(routing) 선택을 몇 가지 보여주었습니다. 이유 없이 얇아진 배선(traces)이나, 레이아웃 엔지니어라면 누구나 움찔할 만한 간헐적인 예각(acute angle) 등이 그러했습니다.

그럼에도 97%의 완성도는 결코 무시할 수 없는 수치입니다. 저는 사람이 설계한 보드 중에서도 미연결 배선(airwires)이 더 많이 남아 있는 경우를 본 적이 있습니다.

AI가 빛을 발하는 부분 (현재 기준)

AI 도구들은 몇 가지 측면에서 진정으로 뛰어난 성능을 보여줍니다:

1. 회로도(Schematic) 지원. KiCad의 AI Assistant 플러그인은 회로도를 읽고, 질문에 답하며, 자연어(natural language)를 통해 부품을 배치할 수도 있습니다. IC 근처에 디커플링 커패시터(decoupling cap)가 필요한가요? 그냥 입력하기만 하면 됩니다.

2. 심볼(symbols) 및 풋프린트(footprints) 생성. KiCad Copilot는 데이터시트(datasheet)의 핀아웃(pinout) 다이어그램을 가져와서 사용할 수 있는 회로도 심볼을 생성할 수 있습니다. 제가 직접 테스트해 보았는데, 완벽하지는 않지만 지루한 수동 입력 시간을 몇 시간이나 아껴줍니다.

3. 반복적인 작업의 스크립팅(Scripting). KiCad의 Python API는 강력하며, LLM은 실제로 스크립트를 생성하는 데 능숙합니다. 격자 구조로 저항 10개를 배치하고 싶나요? GPT-4o에게 Python 코드를 작성해 달라고 요청하세요. 생각보다 훨씬 더 자주 한 번에 성공할 것입니다.

4. "충분히 괜찮은" 초안 생성. 테스트 고정 장치(test fixtures), 어댑터 보드, 또는 초기 프로토타입과 같은 단순한 보드의 경우, AI는 80~90% 정도 완성된 레이아웃을 만들어낼 수 있습니다. 여전히 검토와 정리가 필요하지만, 아무것도 없는 상태에서 시작하는 것보다 무언가 있는 상태에서 시작하는 것이 더 빠릅니다.

AI가 여전히 부족한 부분 (그리고 당분간 지속될 부분)

1. 고속 라우팅(High-speed routing). AI가 생성한 보드는 여전히 수동적인 신호 무결성(signal integrity) 최적화가 필요합니다. DDR, PCIe, 또는 10G Ethernet인가요? 아직은 안 됩니다.

2. 설계 의도(design intent)의 이해. AI는 이 배선이 민감한 아날로그 신호를 전달한다는 사실을 알지 못합니다. 이 두 부품이 열적인 이유(thermal reasons)로 가까이 있어야 한다는 것도 모릅니다. AI는 그저 라우팅할 뿐입니다.

3. 환각 (Hallucination) 문제. 저는 AI가 동일한 부품을 두 개의 별도 품목으로 나누어 BOM (Bill of Materials)을 자신 있게 생성하는 것을 보았습니다. 또는 비표준 풋프린트 (footprint)를 잘못 읽어서 전원 핀 (power pins)을 접지 (ground)에 할당하는 것도 보았습니다.

4. DFM (Design for Manufacturing) 인식. AI 라우터는 비아 (via)를 정말 좋아합니다. 정말이지 너무 좋아합니다. 하지만 추가되는 모든 비아는 비용을 증가시키고, 임피던스 불연속성 (impedance discontinuities)을 추가하며, 잠재적인 결함 지점을 만듭니다. AI는 그런 점을 고려하지 않습니다.

실질적인 조언: PCB 설계에 AI를 실제로 활용하는 방법

AI 지원 PCB 설계를 실험해보고 싶다면 (그리고 도구들이 빠르게 발전하고 있으므로 반드시 해보시길 권합니다), 저의 추천은 다음과 같습니다:

KiCad Copilot으로 시작하세요 (무료, KiCad 9.0.2+에 내장됨). 다음 용도로 사용하십시오:

• 데이터시트 (datasheet) 스크린샷으로부터 심볼 (symbols) 생성
• 회로도 (schematic)에 관한 질문 답변
• 부품 제안 및 데이터시트 링크 확보

레이아웃 (layout)의 경우, AI를 종착지가 아닌 시작점으로 사용하세요. AI가 보드의 80%를 라우팅하게 둔 다음, 클록 (clocks), 차동 쌍 (differential pairs), 전원 공급 (power delivery)과 같은 중요한 경로들은 수동으로 정리하십시오.

BOM을 신뢰하지 마세요. AI는 여전히 부품 번호를 환각하거나 부품을 분리합니다. 항상, 반드시 검증하십시오.

체크리스트를 유지하세요. 제작(fabrication) 단계로 넘기기 전에 다음 사항을 검토하십시오:

• 써멀 패드 (thermal pads) 상의 솔더 마스크 개구부 (solder mask openings) (AI가 이를 놓치는 경우가 많음)
• 써멀 비아 (thermal via) 배치 (AI가 이를 충분히 배치하지 않는 경우가 많음)
• 고속 신호 라우팅 (high-speed signal routing) (AI가 길이 매칭 (length matching)을 무시하는 경우가 많음)
• 예각 (acute angles) 및 스텁 트레이스 (stub traces) (AI가 이상한 형태를 만들어냄)

결론

오늘날 AI가 PCB를 설계할 수 있을까요? 네, 어느 정도는 가능합니다. 단순한 보드의 경우, 몇 시간의 연산 시간만으로 95% 완성된 레이아웃을 만들어낼 수 있습니다. 복잡하고 고속이거나 혼성 신호 (mixed-signal) 설계의 경우라면? 아직은 아닙니다.

하지만 추세는 명확합니다. KiCad의 AI 생태계에는 이제 반복적인 작업을 자동화할 수 있는 어시스턴트, 코파일럿 (copilots), 그리고 Python 스크립팅이 포함되어 있습니다. Siemens는 심지어 2026년 3월에 EDA 워크플로우를 위한 엔터프라이즈 AI 에이전트를 출시했습니다.

AI가 조만간 PCB 설계자를 대체하지는 않을 것입니다. 하지만 AI를 사용하는 법을 배우는 사람들에게 AI는 믿을 수 없을 정도로 강력한 도구가 되고 있습니다.

한 가지 더: 설계는 여전히 하드웨어가 되어야 합니다

당신의 PCB가 AI에 의해 생성되었든 손으로 직접 그려졌든, 결국에는 제작(Fabrication), 조립(Assembly), 그리고 테스트(Testing) 과정을 거쳐야 합니다. 프롬프트(Prompt) 작성 시간을 절약했더라도 보드가 DFM(Design for Manufacturing, 제조 고려 설계)을 통과하지 못한다면 그 시간은 의미가 없습니다. 라우팅(Routing)에서 아낀 시간은 제조상의 문제가 발생했을 때 다시 되돌아올 수도 있습니다.

그것이 바로 **AnyPCBA**가 하는 일의 이유입니다. 저희는 귀하의 설계 파일을 받으면 단순히 견적을 내고 제작만 하는 것이 아닙니다. 저희는 무료 DFM 검토를 수행하여 열 비아(Thermal vias), 솔더 마스크 개구부(Solder mask openings), 패널화(Panelization), 드릴 파일의 완전성(Drill file completeness) 등을 확인합니다. 이는 바로 AI가 여전히 실수하는 부분들입니다.

저희는 AI 라우팅을 판매하는 것이 아닙니다. 저희는 귀하의 설계가 AI로부터 왔든 숙련된 엔지니어로부터 왔든 관계없이, 파일에서 물리적인 보드로 안정적으로 넘어갈 수 있도록 돕습니다.

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