신뢰성 부문 산학연 워크샵

제6회 대한기계학회 신뢰성부문 산학연 협동 워크샵

장소: 포스코타워 역삼

날짜: 2026년 9월 4일(금)

• 경희대 임재혁 교수: Agentic AI의 산업화: 어디까지 믿고 맡길 수 있는가?

Agentic AI는 이제 단순한 업무 자동화를 넘어 산업의 설계·해석·시험·의사결정 과정으로 빠르게 확장되고 있다. 그러나 산업 현장에서 중요한 질문은 “무엇을 할 수 있는가”보다 “어디까지 믿고 맡길 수 있는가”이다. 본 강연에서는 Vector RAG 중심 접근의 한계를 짚고, Ontology와 Knowledge Graph를 통한 지식 구조화, Physics-informed AI와 검증된 공학 도구를 활용한 물리적 검증, 불확도 정량화(UQ)를 통한 신뢰도 평가를 함께 살펴본다. 이를 바탕으로 문제의 위험도와 불확실성에 따라 AI의 자율성과 인간의 개입 수준을 조절하는 Trusted Autonomy 관점에서 Agentic AI의 산업화 방향을 제시한다.

• 국민대 신소재공학과 성효경 교수: Agentic AI를 활용한 금속 신소재 개발

신소재 개발은 조성·공정 변수의 조합이 사실상 무한한 반면 실제 제작·평가할 수 있는 시편 수는 극히 제한적이라는 비대칭 구조를 갖는다. 게다가 소재 분야 특유의 데이터 희소성과 문헌 데이터의 출처 불균질성 때문에, 타 분야에서 검증된 AI 방법론을 그대로 이전하기 어렵다. 본 발표에서는 항공 소재 합금조성 탐색과 적층제조 격자구조체 설계에 Agentic AI를 활용한 사례를 공유하고자 한다. 인공지능 역설계를 활용하면 수많은 후보군을 추천받게 되지만, 그중 어디에 가중치를 두고 무엇을 선택할 것인가는 여전히 인간 전문가의 영역으로 남아 있다. 그렇다면 이 암묵지가 데이터베이스화되면 인공지능이 모든 것을 대체할 수 있을까? 적어도 지금까지는, 후보가 늘어나고 생성 비용이 줄어들수록 선택하는 역량의 비중이 오히려 커졌다. 이 역량은 성능 지표만으로 환원되지 않으며, 축적된 경험이 함께 개입한다. 생성 비용이 급격히 낮아진 환경에서 소재 개발의 핵심 역량은 후보를 만들어내는 능력이라기보다, 무엇을 남기고 무엇을 버릴 것인가를 판단하는 편집 능력에 있다. 이러한 관점에서 Agentic AI 파이프라인의 구성과 그 안에서 연구자가 맡는 역할을 함께 살펴보고자 한다.

• 카이스트 문화기술대학원 임경태 교수: 문서 기반 AI-Agent 시스템의 점진적 구축 사례

최근 LLM 기반 AI Agent가 단순 질의응답을 넘어 실제 업무를 수행하는 방향으로 빠르게 발전하고 있습니다. 본 강연에서는 실제 규정과 문서를 기반으로 AI Agent 시스템을 구축한 사례를 중심으로, 단순 RAG에서 시작하여 질의 분해와 계획·실행, 검색 및 검증, VLM을 활용한 문서 이해 등으로 시스템을 점진적으로 고도화한 과정을 소개합니다. 또한 실제 업무 환경에서 Agent를 적용하며 발생한 문제와 이를 해결하기 위한 설계 방법을 함께 다룹니다.

• 현대자동차 성능컨셉기술리서치랩 박순철 연구위원: Technology Convergence 2.0 - 전통 엔지니어링과 Agentic AI 의 만남

지난 수십 년간 전통 엔지니어링은 CFD(전산유체역학), FEM(유한요소해석), MIL/SIL/HIL, 그리고 Prototype Test(실차 검증)를 중심으로 발전해 왔습니다. 이러한 전통적 Engineering Workflow는 성능 개발과 검증의 핵심 기반입니다. 최근에는 이 워크플로우를 대체하는 것이 아니라, 그 위에 새로운 지능형 레이어가 더해지고 있습니다. Agentic AI(목표 지향형 자율 실행 AI)는 단순 자동화 도구를 넘어, 개발 목표를 이해하고 적절한 해석·시험 도구를 선택하며, 결과를 평가해 다음 설계 또는 실험을 제안하는 AI입니다. 본 강연은 Agentic AI를 단순한 기술 트렌드로 소개하지 않습니다. 대신, 기존의 Domain Knowledge, Validated Engineering Tools, Historical Test Data 위에 AI가 어떻게 결합되는지를 구체적인 사례와 워크플로우로 살펴봅니다.

1) Accelerated Development Cycles (개발 리드타임 단축 및 반복 개발 속도 향상)

2) Expanded and Efficient Design Exploration (더 넓고 효율적인 설계안 탐색)

3) Optimized Simulation and Test Planning (해석·시험 계획 및 자원 운영 최적화)

4) More Confident Engineering Decisions (근거 기반의 신뢰도 높은 엔지니어링 의사결정)

• LG 전자 손정은 박사: Agent는 만들었지만, 왜 워크플로우로 연결되지 않는가?

제조업 R&D에서는 생산성 향상을 위해 다양한 Agent를 개발하고 있으나, 사일로화된 기업 정보시스템과 파편화된 현업 개발 데이터를 하나의 업무 맥락으로 통합하는 데 한계가 있습니다. 또한 판단 기준과 예외 처리 등 현업의 암묵지가 충분히 구조화되지 않으면, Skill은 특정 과제의 데이터와 실행 환경에 종속되어 범용적인 재사용과 조합이 어렵습니다. 본 워크숍에서는 분산된 R&D 데이터와 암묵지를 구조화하고, 검증 가능한 Skill 체계와 데이터 Ontology를 기반으로 개별 Agent를 R&D 워크플로우로 확장하기 위한 방향을 실제 추진 경험과 함께 소개하고자 합니다.

• SK온 이남정 PM: 기업은 어떻게 Agentic AI를 도입하는가: 공통 언어와 거버넌스

Agentic AI는 생성형 AI의 활용을 넘어 기업의 업무 방식과 시스템을 변화시키는 새로운 패러다임으로 주목받고 있습니다. 그러나 성공적인 도입을 위해서는 최신 AI 기술뿐 아니라, 조직 내에서 Agentic AI를 어떻게 정의하고 활용할 것인지에 대한 공통된 이해와 운영 체계가 함께 마련되어야 합니다. 본 강연에서는 Agentic AI의 핵심 개념과 기술적 특징을 살펴보고, 기업 환경에서의 도입 과정에서 고려해야 할 주요 요소를 소개합니다. 또한 공통 언어의 정립, 거버넌스, 협업 체계 등 기업이 Agentic AI를 지속 가능하게 활용하기 위한 방향과 실무적인 시사점을 함께 공유하고자 합니다.

• 한국기계연구원 AX Labs 연구실 백동천 박사: 조직의 AX의 실천적 모델: 지표 설계부터 조직 내재화까지

개인 PC 속 AI 비서를 넘어, 조직의 데이터 자산을 축적하고 활용하는 플랫폼 기반 AX 실천 모델을 제시합니다. 이메일 송수신 에이전트를 통한 행정 업무 대행으로 연구원의 '덩어리 시간(Chunk Time)'을 확보하는 새로운 KPI 설계법을 공유합니다. 아울러, 제조업의 도면 기반 견적 프로세스 사례등를 통해 기업의 핵심 공정 노하우를 이식한 '절차형 에이전트(Procedural Agent)'의 구축 전략과 현장 안착을 위한 조직 내재화 방안을 제시합니다.

• 국가과학AI연구센터 김태완 박사: Agent-Centered Thinking: 문제 해결을 위한 Agent 중심 접근

새로운 문제를 해결할 때 우리는 종종 '어떤 AI 모델을 사용할 것인가'부터 고민하곤 합니다. 그러나 이러한 접근은 문제를 기존 기술이나 방법론의 틀 안에서 해석하게 만들고, 정작 해결해야 할 문제의 본질과 실제 제약조건을 가릴 수 있습니다. 본 강연에서는 이러한 관성에서 벗어나 Agent-Centered Thinking을 바탕으로 문제를 근본부터 다시 정의하고 실현 가능한 해결책을 도출한 두 가지 사례를 소개합니다. 먼저, 데이터가 부족한 의료영상 화질 개선 문제에서는 Multi-modal LLM과의 상호작용을 통해 문제의 제약조건을 재정의하고, Metric 기반 필터를 제어하는 Agent를 구축하여 GPU 없이도 고해상도 의료영상의 화질을 개선한 사례를 공유합니다. 이어서 제조 환경에서는 작업자 간 숙련도 편차를 줄이기 위해 도메인 지식을 함수화한 Agent를 AR Glass와 로봇 팔과 결합한 작업 지원 시스템을 구현하고, 이를 자율실험실 PoC까지 확장 적용한 사례를 소개합니다.