[내칩강의2026/6주] 지난주 까지 과제 되짚어 보기
지난주까지 인공지능을 활용하여 비디오 게임기 "우주 침략자[
링크]" 를 베릴로그 RTL로 작성하고 SystemC(C++) 테스트벤치를 작성하여 시스템 수준 검증과 FPGA를 동원하여 에뮬레이션 및 프로토 타이핑까지 실습해봤습니다. 코드는 인공지능이 작성해 주었고 이를 검증하기 위한 환경(테스트 벤치를 비롯하여 시뮬레이터, 에뮬레이터 빌드 스크립트 등)은 제공된 예제를 따라해 봤습니다. 그 과정에서 스스로 질문을 하고 해결책을 찾아보면서 디지털 반도체 설계 과정을 개략적으로 체득하는 중입니다. 학습 동료들의 학습 노트를 읽어보고 동료들은 어떤 생각을 하고 어떻게 공부하며 질문을 가지고 있는지 함께 돌아보시기 바랍니다.
1. 권효재의 5주차 학습노트[
보기]
2. 김예원의 5주차 학습노트[
보기]
3. 염재민의 5주차 학습노트[
보기]
4. 이현서의 5주차 학습노트[
보기]
5. 한찬희의 5주차 학습노트[
보기]
6. 안준영의 5주차 학습노트[
보기]
7. 김희창의 5/6주 학습노트[
보기]
8. 안휘준의 5주차 학습노트[
보기]
9. 이수빈의 5주차 학습노트[
보기]
이 강의의 목표는 '내 칩 제작 서비스'의 MPW에 지원하여 세상에서 유일한 내 칩을 가져보는 것입니다.오는 7주차 수업은 반도체 제조공장에 내 칩을 의뢰하기 위한 제조도면(레이아웃)을 만드는 과정을 살펴보려고 합니다. 11월 5일(목요일)에 온-라인 줌 미팅 수업으로 진행 하겠습니다.
이제 과정의 중반을 넘긴 만큼 여러분 스스로 설계를 시작 하십시요. 제공한 예제에서 개선점을 찾아 '내 칩'으로 만들어도 좋습니다. 새로운 게임을 만들어도 좋습니다. 지난주 예제에서 봤던 수학적 알고리즘도 좋습니다. 알고리즘을 컴퓨팅 언어로 기술하고 이를 시뮬레이션과 에뮬레이션으로 검증하며 '내 칩'이 '남의 칩'과 어울려 동작하는 모습을 보여줄 수 있도록 준비하십시요. 자신의 아이디어를 가졌다면 인공지능을 포함하여 어떤 도구를 사용해도 좋습니다. 단, 반드시 검증되어야 합니다.
인공지능이 엔지니어를 대체할 것이라는 '예언'들을 흔히 합니다. 어쩌면 '현실'일지도 모릅니다. IEEE Spectrum Career Alert에 이런 글이 올라왔군요.
"상사가 인공지능과 당신을 비교하면 어떻할래?"
Convincing Your Boss an LLM Can't Replace You.
이에 대한 우리는 뭐라도 답할 준비가 있어야 겠지요. 원문을 읽어보시기 바랍니다.
----------------------------------------------------------------
Your Boss Built an App Over the Weekend (So Why Is Your Team So Slow?)
If you're an engineer, you may feel like your skills aren't commanding the premium they once did. Many engineers have
faced layoffs or restructuring. But even for those of us who still have jobs, something corrosive is happening. You may have heard some version of this:
"ChatGPT answered that in five seconds. Why can't you?"
Or,
"I made this app in a weekend. Why is our team taking so long?"
I worked on a team where leadership said things like this directly to engineers. This was in 2024 and 2025, when the
AI craze was in full swing and Claude and ChatGPT adoption was rising.
Demo-Driven Development
Generative AI (and the marketing behind it) gives people the illusion that the work is simpler than it is. A working demo hides complexity, and once someone has a website that works, they may decide they no longer need engineers, or start to distrust the ones they do have.
Some CEOs want to believe they can replace an engineering team with a few sexy prompts. Many companies also want them to believe this.
That website
works great in the demo—under specific conditions and without users with thumbs for fingers. Then it has to plug into a system with millions of lines of old code, satisfy legal requirements, meet accessibility standards, and be delivered in a complex deployment process.
Thinking that writing code was the only bottleneck for deploying new software is like the Titanic seeing the tip of the iceberg and assuming there was nothing underneath it.
What you can do about it
Engineers have a very unique position in the AI space, because you have the capacity to understand how these models work much better than the average person.
Use this to your advantage.
Learn how AI models work. If you can't already explain that LLMs are probabilistic, what tokens are, or why training data matters, spend a weekend fixing that. You don't need to become a full-blown AI researcher. A few fundamentals will put you ahead of most people making the AI decisions.
Teach upward. Turn that knowledge into teaching moments for the people who lead you. Explain the limits of these tools, and why a demo and a production system are different animals. It keeps people from truly believing that a notebook full of prompts can replace an engineering team.
Consider the criticism of today’s processes. Some of what we do has been treated as ceremony for too long. Be willing to say, "you know what, maybe you're right, this process is too slow for the speed we can work at now." Conceding that earns you the credibility to defend the steps that matter.
I still believe that speed at the cost of everything else is harmful—but that’s a topic for another time.
Find your voice. Engineers at the forefront of AI adoption need to push back and explain why we do things the way we do. Nobody else in the room is going to do it for us.
Don't chase (too many) shiny objects
Your goal, in my opinion, is to save your organization from buying into the hype so much that they chase the wrong thing. Our job, before and after AI, is building safe and useful products for human beings, and engineers are still best suited for that.
By Brian Jenney
-----------------------------------------------------------------
[인공지능 번역]
상사가 주말 동안 앱을 개발했는데 (그런데 왜 우리 팀은 이렇게 느린 걸까요?)
엔지니어라면 자신의 기술이 예전만큼 가치를 인정받지 못한다고 느낄 수도 있습니다. 많은 엔지니어들이 해고 나
구조 조정을 경험했습니다. 하지만 아직 직장을 유지하고 있는 사람들조차도 뭔가 좋지 않은 일이 벌어지고 있다는 것을 느끼고 있을 겁니다. 아마 이런 이야기를 들어보셨을 겁니다.
"ChatGPT는 5초 만에 답했어요. 당신은 왜 못하죠?"
또는
"나는 이 앱을 주말에 만들었는데, 우리 팀은 왜 이렇게 오래 걸리는 거죠?"
저는 리더십 팀에서 엔지니어들에게 이런 말을 직접적으로 하는 팀에서 일했습니다. 때는
AI 열풍이 한창이던 2024년과 2025년이었고, Claude와 ChatGPT의 사용이 급증하던 시기였습니다.
데모 기반 개발 방식,
생성형 AI(그리고 그 마케팅 전략)는 사람들에게 실제 작업보다 훨씬 간단하다는 착각을 불러일으킵니다. 작동하는 데모는 복잡성을 감추고, 일단 웹사이트가 제대로 작동하기 시작하면 엔지니어가 더 이상 필요 없다고 생각하거나 기존 엔지니어들을 불신하기 시작할 수도 있습니다.
일부 CEO들은 몇 가지 매력적인 프롬프트로 엔지니어링 팀을 대체할 수 있다고 믿고 싶어합니다. 그리고 많은 회사들도 그들이 그렇게 믿기를 바랍니다.
해당 웹사이트는
데모 환경에서는 특정 조건 하에서, 그리고 엄지손가락이 없는 사용자라면 훌륭하게 작동합니다. 하지만 실제로는 수백만 줄의 오래된 코드로 이루어진 시스템에 통합되어야 하고, 법적 요구 사항을 충족해야 하며, 접근성 표준을 준수하고, 복잡한 배포 프로세스를 거쳐 제공되어야 합니다.
새로운 소프트웨어 배포에 있어 코드 작성만이 유일한 병목 현상이라고 생각하는 것은 타이타닉호가 빙산의 일각만 보고 그 아래에는 아무것도 없다고 생각하는 것과 같습니다.
어떻게 해야 할까요?
엔지니어는 인공지능 분야에서 매우 특별한 위치에 있습니다. 일반인보다 이러한 모델의 작동 방식을 훨씬 더 잘 이해할 수 있기 때문입니다.
이 점을 활용하세요 .
AI 모델이 어떻게 작동하는지 배우세요 . LLM이 확률적이라는 것, 토큰이 무엇인지, 학습 데이터가 왜 중요한지 설명할 수 없다면 주말을 투자해서라도 이 부분을 보완하세요. 꼭 전문적인 AI 연구원이 될 필요는 없습니다. 몇 가지 기본 사항만 이해해도 AI 관련 의사 결정을 내리는 대부분의 사람들보다 앞서 나갈 수 있습니다.
상사에게 가르치세요 . 그 지식을 활용하여 당신을 이끄는 사람들에게 가르침을 주세요. 이러한 도구의 한계를 설명하고, 데모 시스템과 실제 운영 시스템이 왜 다른지 알려주세요. 이렇게 하면 노트에 적어둔 메모가 엔지니어링 팀을 대체할 수 있다고 사람들이 믿지 않도록 할 수 있습니다.
오늘날의 업무 절차에 대한 비판을 생각해 보세요 . 우리가 하는 일 중 일부는 너무 오랫동안 형식적인 절차로만 여겨져 왔습니다. "맞아요, 어쩌면 당신 말이 맞을지도 몰라요. 이 절차는 우리가 지금 일할 수 있는 속도에 비해 너무 느립니다."라고 기꺼이 말할 줄 알아야 합니다. 그런 점을 인정하는 순간, 중요한 절차들을 옹호할 수 있는 신뢰를 얻게 됩니다.
저는 여전히 다른 모든 것을 희생하면서까지 속도를 추구하는 것은 해롭다고 생각하지만, 그건 나중에 다시 이야기해 볼 주제입니다.
자신의 목소리를 찾으세요 . AI 도입의 최전선에 있는 엔지니어들은 왜 우리가 이런 방식으로 일을 하는지 설명하고 반박해야 합니다. 회의실에 있는 누구도 우리 대신 그 일을 해줄 수 없습니다.
(너무 많은) 반짝이는 것들을 쫓지 마세요.
제 생각에 여러분의 목표는 조직이 과대광고에 현혹되어 잘못된 것을 쫓지 않도록 막는 것입니다. 인공지능 이전이든 이후든 우리의 임무는 인간을 위한 안전하고 유용한 제품을 만드는 것이며, 엔지니어는 여전히 그 일을 가장 잘 해낼 수 있는 사람들입니다.
브라이언 제니 지음
