최근 대규모 언어모델(LLM)의 발전은 다양한 분야에서 자동화 가능성을 제시하고 있지만, 인쇄회로기판(PCB) 배선 설계와 같은 고도의 전문성을 요구하는 영역에서는 아직 한계가 명확하다는 분석이 나왔습니다. 한 개발자가 개인 프로젝트의 일환으로 LLM 에이전트에게 21mm 원형 4층 PCB(nRF54L15 + ICM-42688-P)의 배선을 맡긴 후, 숙련된 하드웨어(HW) 엔지니어의 피드백을 통해 그 실질적인 격차를 확인했습니다.
개발자는 Fable 5와 같은 최신 LLM을 활용해 PCB 배선 초안을 생성했지만, HW 엔지니어 동료의 검토에서 여러 문제점이 지적되었습니다. 결국 외부 전문가에게 설계를 의뢰하여 두 차례의 피드백과 수정을 거쳐 최종 설계를 완성했습니다. 여기서 멈추지 않고, LLM이 만든 초기 기판과 숙련된 엔지니어가 수정한 기판을 넷(Net) 단위로 상세히 비교 분석했습니다. 어떤 배선이 어떻게, 그리고 왜 변경되었는지 구체적인 규칙(Routing Rule)과 기술(Skill) 형태로 정리한 뒤, 이 규칙들을 다시 LLM에 적용하여 동일한 PCB 설계를 재시도했습니다. 이 과정에서 LLM의 결과물은 분명 개선되었지만, 여전히 숙련된 HW 엔지니어의 완성도에는 미치지 못했습니다.
이번 실험은 단순히 PCB 한 장을 완성하는 것을 넘어, LLM이 PCB 설계 과정에서 구체적으로 어떤 부분에서 강점을 보이고 어떤 부분에서 실패하는지에 대한 명확한 목록을 얻었다는 점에서 큰 의미가 있습니다. 외주 엔지니어와의 협업을 통해 얻은 것은 배선 작업 자체보다는, LLM의 실패 패턴과 전문가의 판단 기준에 대한 깊이 있는 이해였습니다. 이러한 지식은 향후 LLM 기반 설계 도구의 개발 방향을 제시하고, 인간 전문가와 AI의 협업 모델을 구축하는 데 중요한 기반이 될 것입니다. 궁극적으로는 LLM이 반복적이고 규칙적인 작업을 보조하고, 인간 엔지니어는 더 창의적이고 복잡한 문제 해결에 집중하는 형태로 발전할 가능성을 보여줍니다.