Gottlieb에서 우리는 물리적 엔지니어—제트 엔진, 의료 기기, 제조 시스템을 설계하는 사람들—을 위한 AI 에이전트를 구축하고 있습니다. 그리고 불편한 것을 배웠습니다: 소프트웨어 에이전트를 구축하기 위한 플레이북은 결과가 물리적일 때 작동하지 않습니다.
1가지 자산 vs. 5가지 자산 문제
소프트웨어 엔지니어링에서는 본질적으로 하나의 중요한 자산이 있습니다: 코드.
GitHub에 푸시하면 가치의 95%를 포착한 것입니다.
물리적 엔지니어링은 이렇게 작동하지 않습니다.
기계 엔지니어에게 물어보세요: CAD 파일은 자산의 25%에 불과할 수 있습니다. 제트 엔진을 실제로 제조하려면 5가지 중요한 자산이 필요합니다:
1. 도면 (무엇을 만들 것인가) — CAD 파일, 사양, 공차, 조립 도면
2. 프로세스 문서 (어떻게 만들 것인가) — 제조 매개변수, 조립 순서, 열처리 사이클
3. 툴링 (생산 수단) — 맞춤 금형, 지그, 고정구, CNC 프로그램
4. 테스트 데이터 (작동한다는 증거) — 검증 결과, 파손 분석, 규제 인증
5. 도메인 전문성 (기관 지식) — "그냥 알고 있는" 시니어 엔지니어
핵심 인사이트: 완벽한 CAD 파일이 있어도 터빈 블레이드를 복제할 수 없습니다. 프로세스가 자산이기 때문입니다.
전통적 AI 에이전트가 실패하는 이유
문제 1: 지식이 한 곳에 없다
기존 RAG는 문서에 답이 있다고 가정합니다. 물리적 엔지니어링에서는 답이 5가지 자산 유형 전체를 합성해야 합니다.
문제 2: 오류에 물리적 결과가 따른다
롤백할 수 없는 가공 부품. 패치할 수 없는 실패한 응력 테스트. 물리적 반복은 $10K-$1M이 들고 수 주가 걸립니다.
문제 3: 핵심 지식은 부족적이다
가장 가치 있는 엔지니어링 지식은 어디에도 문서화되어 있지 않습니다.
Gottlieb 아키텍처: 5가지 자산 에이전트 시스템
멀티모달 지식 그래프
전통적인 문서 RAG 대신 5가지 노드 유형의 지식 그래프를 유지합니다:
- 도면 — CAD 파일, BOM, 조립 도면
- 프로세스 — 제조 사양, 공급업체 문서
- 툴링 — 장비 역량, 고정구 설계
- 테스트 — 검증 보고서, 파손 분석
- 전문성 — 엔지니어 주석, 부족 지식, 결정 근거
물리적 제약에 대한 검증
- 기호적 제약 검사
- 고위험 결정을 위한 다중 모델 검증
- 되돌릴 수 없는 작업을 위한 휴먼 인 더 루프
기관 지식 포착
시간이 지남에 따라 에이전트는 문서를 검색하는 것뿐만 아니라 — 경험 많은 엔지니어를 가치 있게 만드는 기관 지식을 축적합니다.
더 깊은 인사이트
물리적 엔지니어링을 위한 AI 에이전트는 단순히 더 스마트한 검색이 될 수 없습니다. 엔지니어링 지식이 실제로 어떻게 존재하는지 — 분산되고, 상호의존적이며, 수십 년에 걸쳐 축적되는 — 를 모델링해야 합니다.
이것이 물리적 산업을 위한 AI의 미래입니다: 엔지니어를 대체하는 것이 아니라, 마침내 그들의 지식이 실제로 작동하는 방식을 존중하는 시스템을 제공하는 것입니다.
