재규어를 녹인 건물: 나는 왜 AI에게 건축 설계를 맡기지 않기로 했는가
런던에는 건물 때문에 녹아버린 재규어가 있다.
건물 안에서 난 불 때문이 아니다. 건물 자체 때문이다. 20 펜처치 스트리트 — 애칭으로 '워키토키'라 불리는 — 의 오목한 유리 파사드가 아이가 돋보기로 장난치듯 아래 거리에 햇빛을 집중시켰다. 보도의 온도는 자동차 차체를 뒤틀리게 할 정도로 치솟았다. 타일이 갈라졌다. 한 기자는 뉴스 코너를 위해 그 보도 위에서 계란을 부쳤다.
건축가 라파엘 비뇰리는 이미 한 번 이런 일을 저지른 적이 있었다. 라스베이거스에 있는 그의 브다라 호텔은 초승달 모양의 파사드를 갖고 있는데, 이는 투숙객들이 '죽음의 광선'이라 부르는 것을 만들어낸다 — 태양 복사열이 플라스틱 라운지 의자를 녹이고 머리카락을 그을리는, 수영장 옆의 수렴 지점이다. 해결책은? 거대한 파라솔. 그게 전부다. 파라솔.
나는 이 건물들을 끊임없이 생각한다. 그것들이 공학적 실패작이어서가 아니라 — 실제로 그렇지만 — 미학이 물리학을 앞서갈 때 무슨 일이 벌어지는지를 보여주는 완벽한 예고편이기 때문이다. 그리고 지금, 생성형 AI와 함께, 우리는 비뇰리조차 얼굴을 붉힐 규모로 이 실수를 저지르려 하고 있다.
나는 아슈토시이며, Veriprajna에서 내 팀은 건축 및 건설 업계를 위한 AI 시스템을 만든다. 우리는 최근 한동안 — 때로는 서로, 자주 잠재 고객과, 가끔은 투자자와도 — 다음과 같이 주장해왔다. 지금 AI에서 가장 위험한 것은 건물을 생성하지 못하는 모델이 아니라, 생성할 수 있는 모델이라는 것이다.
에셔 문제
미드저니를 켜보라. "마이애미의 지속가능한 고층 건물, 포토리얼리스틱"이라고 입력해 보라. 약 90초 만에 근사한 이미지를 얻을 것이다. 황금빛 시간대의 빛을 받는 유리. 테라스에서 흘러내리는 무성한 초록빛. 개발자의 눈동자가 커지게 만드는 그런 이미지다.
이제 더 자세히 보라. 정말로 자세히.
로비의 계단은 단단한 벽 속으로 사라진다. 하중을 지지하는 기둥은 아무런 힘도 전달하지 않은 채 천장 속으로 녹아든다. 창문에는 개폐 장치가 전혀 없다 — 그저 표면에 그려진 빛의 사각형일 뿐이다. 동쪽의 캔틸레버는 자체 무게로 붕괴하지 않으려면 존재하지도 않는 재료가 필요할 것이다.
우리 팀의 한 구조 엔지니어에게 AI가 생성한 디자인 묶음을 보여준 뒤, 나는 이것들을 "에셔 그림"이라 부르기 시작했다. 그는 약 10초간 웃더니 이내 진심으로 화를 냈다. "이건 건축이 아닙니다." 그가 말했다. "이건 우연히 건물처럼 보이는 환각일 뿐입니다."
그의 말이 옳았고, "환각"이라는 단어는 대부분 사람들이 깨닫는 것보다 훨씬 정확한 표현이다. 확산 모델이 이미지를 생성할 때, 그것은 잠재 공간이라 불리는 곳에서 작동한다 — "창문"이 "창문이라는 라벨이 붙은 다른 시각 패턴 근처에 나타나는 시각 패턴"을 의미하는 수학적 우주다. 이 모델은 단열재, 유리 비율, 개구부 치수, 방수 처리 세부사항에 대한 개념이 전혀 없다. 하중이 기초까지 연속적으로 전달되어야 한다는 것도 모른다. 그저 기둥이 보통 건물 안에서 발견되는 수직 형태의 물체라는 것만 알 뿐이다.
확산 모델은 건축을 이해하지 못한다. 그것은 건축이 어떻게 보이는지를 통계적으로 예측할 뿐이다.
무언가가 어떻게 보이는지와 무언가가 실제로 무엇인지 사이의 그 구분 — 그것이 우리가 만들고 있는 모든 것의 중심에 있다.
이것이 '그저' 콘셉트 이미지일 뿐이라면 왜 중요한가?
이것이 내가 가장 자주 듣는 반론이다. 한 벤처 파트너는 커피를 마시며 내게 직접 이렇게 말했다. "아슈토시, 미드저니 이미지를 보고 콘크리트를 붓는 사람은 아무도 없어요. 그건 그저 구상 단계일 뿐이에요."
나는 그의 말에 동의하고 싶었다. 그러면 자금 조달이 더 쉬웠을 테니까. 하지만 그는 틀렸다. 이유는 이렇다.
건설 산업은 내가 90/10 법칙이라 부르는 것 위에서 돌아간다. 미학 — 고객을 사랑에 빠지게 만드는 부분 — 은 프로젝트 전체 성공 지표의 아마도 10%에 불과하다. 나머지 90%는 제조 가능성, 구조적 안정성, 공급망 물류, 규정 준수, 경제적 타당성이다. 첫 회의에서 개발자에게 근사한 AI 렌더링을 보여주는 순간, 당신은 미학적 기준점을 설정한 것이다. 그 이후의 모든 과정은 현실이 허락하는 한 그 기준점에 최대한 가까이 다가가기 위한 값비싼 협상이 된다.
그리고 현실은 잔혹하다.
시드니 오페라 하우스가 전형적인 예다. 요른 웃손은 구조적으로 볼 때 하나의 환상이었던 디자인으로 공모전에서 우승했다. 콘크리트 셸은 기하학적으로 부정형이었다 — 아무도 그것을 어떻게 지어야 할지 몰랐다. 그럼에도 그 비전이 너무나 아름다워 포기할 수 없었기에 프로젝트는 계속 진행되었다. 시공 가능한 해법을 찾기까지 10년에 걸친 공학적 씨름이 필요했다. 예산은 700만 달러에서 1억 200만 달러로 폭발했다 — 1,400%의 초과였다.
그것은 하나의 건물, 한 명의 건축가, 그리고 억제되지 않은 야망의 한순간이었다. 이제 전 세계의 모든 개발자가 첫날부터 미드저니급 품질의 렌더링을 얻는 상황을 상상해 보라. 첫 삽을 뜨기도 전에 재정적으로 무책임한 형태에 고정된 수천 개의 프로젝트를 상상해 보라.
그것은 구상이 아니다. 그것은 미래의 파산으로 이어지는 파이프라인이다.
2,500만 달러짜리 픽셀
유리에 대해 이야기해야겠다. 유리야말로 AI가 생성한 건축의 경제성이 정말로 터무니없어지는 지점이기 때문이다.
확산 모델에게 평면 픽셀과 곡면 픽셀은 동일하다. 구불구불하게 물결치는 유리 파사드를 생성하는 데 드는 연산량은 평면 파사드를 생성하는 것과 정확히 같다. AI는 아무 차이도 보지 못한다.
개발자에게 그 차이는 존립이 걸린 문제다.
표준 평면 강화유리 — 자동화된 플로트 공정 설비에서 나오는 상용 제품 — 는 대략 평방피트당 18달러에서 25달러 정도의 비용이 2025년 기준으로 든다. 어디서나 구할 수 있다. 운송도 쉽고 교체도 쉽다.
맞춤형 곡면 유리 — 각 패널을 맞춤 몰드 위에서 가열하여 고유한 곡률마다 별도의 공구로 천천히 구부려 만드는 — 는 평방피트당 100달러에서 500달러 이상이다.
5만 평방피트의 유리를 사용하는 건물로 계산해 보자. 평면 유리: 125만 달러. 곡면 유리: 최대 2,500만 달러. AI는 이것을 모른다. AI는 신경 쓰지 않는다. AI는 픽셀 공간에서는 실제로 곡선이 공짜이기 때문에 곡선이 공짜라고 생각한다.
잠재 공간에서는 곡선의 비용이 전혀 들지 않는다. 물리적 공간에서는 20배 더 많은 비용이 든다. 생성형 AI는 잠재 공간에서 산다. 건물은 물리적 공간에서 산다.
이것이 내가 잠을 이루지 못하는 이유다. 이미지가 형편없어서가 아니다 — 그것들은 아름답다. 이미지가 유혹적이기 때문이다. 그것들은 지을 수 없는 것들을 필연적인 것처럼 보이게 만든다.
나는 유리의 가격 차이, 철강 공급망 제약, 제작 복잡성 등 이 문제의 전체 경제성에 대해 우리 연구의 인터랙티브 버전에 썼다. 그 수치들은 대부분 사람들이 예상하는 것보다 더 심각하다.
우리가 첫 번째 접근법을 폐기한 그날 밤
솔직히 말할 것이 하나 있다. 우리가 Veriprajna를 시작했을 때, 우리는 래퍼를 만들었다.
알고 있다. 알고 있다. 우리는 파운데이션 모델을 가져다 건축 데이터로 미세조정하고, 근사한 인터페이스를 만들고는, 우리가 뭔가 다른 일을 하고 있다고 스스로에게 말했다. 우리는 그렇지 않았다. 우리는 다른 모든 AI 컨설팅 업체가 하던 일을 정확히 똑같이 하고 있었다 — 범용 모델을 재포장해서 엔터프라이즈급이라고 부르는 일 말이다.
각성의 순간은 어느 목요일 밤에 찾아왔다. 우리는 중층 주거 프로젝트의 구조 설계를 생성했다 — 특별할 것 없는, 그저 표준적인 콘크리트 골조였다. 우리 시스템은 몇 분 만에 그것을 만들어냈다. 그럴듯해 보였다. 부재 치수도 합리적으로 보였다. 우리는 기분이 좋았다.
그런데 우리 구조 엔지니어가 수치를 수작업으로 계산해 보았다. 3층의 보 — AI가 자신 있게 치수를 정한 바로 그 보 — 는 사용 하중 아래에서 규정 한계치의 세 배를 넘어서 처짐이 발생했을 것이다. 어떤 극단적인 시나리오에서가 아니었다. 정상적인 사용 상태에서였다. 사람들이 걸어다니고, 가구가 있고, 위층 바닥의 하중이 있는 상태 말이다. 건물은 눈에 띄게 처졌을 것이다.
AI는 훈련 데이터를 바탕으로 "맞아 보이는" 보 크기를 골랐던 것이다. 그것은 처짐 한계에 대한 내부 모델이 전혀 없었다. L/360 사용성 기준에 대해서도 알지 못했다. 그것은 구조적 실패로 이어졌을 그럴듯해 보이는 답으로 패턴 매칭을 해낸 것뿐이었다.
모두가 퇴근한 후 사무실에 앉아 화면을 응시하며 이렇게 생각했던 것이 기억난다. 우리는 자신 있게 틀리는 매우 값비싼 방법을 만들고 있구나.
우리는 다음 주에 래퍼 접근법을 폐기했다. 대신 우리가 만들기 시작한 것은 더 어렵고, 더 느리고 — 솔직히 인정하건대 — 더 두려운 영역으로 우리를 이끌었다. 왜냐하면 그것은 우리가 더 이상 파운데이션 모델의 물결에 그저 올라탈 수 없다는 것을 의미했기 때문이다. 우리는 무언가를 처음부터 직접 설계해야 했다.
제약 기반 생성 디자인이란 무엇인가?
여기 핵심 아이디어가 있다. 본질만 남기고 정리하자면 이렇다.
건축 분야의 대부분 생성형 AI는 이런 식으로 작동한다: 텍스트가 들어가고, 이미지가 나온다. AI의 임무는 당신이 요청한 것처럼 보이는 무언가를 만들어내는 것이다. 시각적 그럴듯함 외에는 어떤 규칙도 없다.
우리가 만드는 것은 다르게 작동한다. 우리 AI는 이미지를 생성하지 않는다. 그것은 공학적 결정을 생성한다. 그리고 모든 결정은 물리학, 비용, 공급망 가용성, 건축 규정이라는 어길 수 없는 엄격한 제약에 의해 제한된다.
우리는 심층 강화학습을 사용하는데, 이는 확산 모델과는 근본적으로 다른 패러다임이다. 무작위 잡음을 노이즈 제거해서 예쁜 그림으로 만드는 대신, 우리 AI 에이전트는 실제로 행동하면서 배운다. 그것은 구조 부재를 배치하고, 보의 단면을 지정하고, 슬래브 두께를 조정한다 — 그리고 각 행동 후에, 물리 시뮬레이터, 비용 엔진, 규정 준수 검사기로부터 피드백을 받는다.
이렇게 생각해 보라. 확산 모델은 수백만 장의 건물 사진을 본 화가다. 우리 시스템은 수백만 채의 건물을 설계했고, 그 중 하나가 무너지거나, 비용이 너무 많이 들거나, 재고에 없는 철강을 사용할 때마다 매번 혼이 난 견습 엔지니어다.
우리는 AI에게 "건물을 설계하라"고 요구하지 않는다. 우리는 그것에게 "붕괴하지 않고, 고객을 파산시키지 않으며, 200마일 이내에서 구할 수 있는 자재로 지을 수 있는 건물을 설계하라"고 요구한다.
보상 함수 — AI에게 "좋다"는 것이 무엇을 의미하는지 알려주는 방정식 — 는 모든 것의 핵심이다. 그것은 구조적 효율성, 자재 비용, 시공성의 균형을 맞추는 한편, 규정 위반에는 강력한 페널티를 부과한다. AI는 진공 상태에서 창의적일 수 없다. 그것은 창의적일 수 있되, 현실의 제약 안에서만 그렇다.
공급망을 어떻게 AI에 하드코딩하는가?
이것은 우리가 다뤄본 문제들 중 가장 어려운 것 중 하나였으며, AI 업계 대부분의 사람들이 존재하는지조차 모르는 문제이기도 하다.
구조용 철강 조달에는 이중적 성격이 있다. 서비스 센터가 있는데, 이는 표준 보 형태를 며칠 단위의 리드타임으로 재고로 두는 지역 유통 허브다. 그리고 밀 오더가 있는데, 이는 철강 제철소로부터 최소 톤수 요건과 몇 달까지 늘어날 수 있는 리드타임을 갖는 직접 구매다. 어떤 보 단면은 분기에 한 번만 압연되기도 한다.
제약 없는 AI는 국부 하중 조건을 완벽하게 만족시킨다는 이유로 W14x730 보를 선택하여 구조물을 최적화할 수도 있다. 수학적으로는 우아하다. 물류적으로는 재앙이다. 그 보가 6개월의 리드타임을 가진 밀 오더 품목이라면, AI는 방금 프로젝트에 수백만 달러의 금융 비용을 추가한 것이다.
우리 시스템은 실시간 재고 데이터베이스에 연결된다. AI의 행동 공간은 실제로 구할 수 있는 것 — 서비스 센터가 재고로 두는 표준 AISC W형강 — 에 맞춰 이산화되어 있다. 에이전트가 보를 선택하면, 흔한 재고 단면을 선택한 것에 대해 보상 보너스를 받고 밀 오더 품목에 대해서는 페널티를 받는다. 그것은 또한 40피트, 60피트 같은 표준 재고 길이도 알고 있으며, 자투리 자재에서 과도한 낭비를 발생시키는 설계에는 페널티를 받는다.
우리 팀원 중 한 명이 늦은 밤 설계 회의에서 이를 완벽하게 표현했다. "우리는 디자이너를 만드는 게 아닙니다. 우리는 구조 역학을 이해하게 된 조달 전략가를 만들고 있는 거예요."
정확히 그렇다.
가상 풍동
허리케인이 자주 발생하는 지역의 프로젝트를 위해, 우리는 다른 종류의 제약 문제를 풀어야 했다. 우리 AI는 시속 157마일을 넘는 지속 풍속인 카테고리 5 강풍에도 견디는 건물을 설계해야 한다.
모든 설계 반복마다 완전한 전산유체역학 시뮬레이션을 실행하려면 후보 하나당 몇 시간이 걸린다. 우리는 수백만 개의 후보를 평가해야 한다. 그 수학은 성립하지 않는다.
이 지점에서 물리 기반 신경망 — PINN — 이 우리에게 모든 것을 바꿔놓았다. 순수하게 데이터로만 신경망을 훈련하는 대신, PINN은 물리학의 지배 방정식을 신경망의 손실 함수에 직접 내장한다. 풍하중의 경우, 이는 나비에-스토크스 방정식을 의미한다. 구조 해석의 경우, 평형 방정식과 응력-변형률 적합 방정식을 의미한다.
그 결과는 복잡한 CFD 시뮬레이션을 밀리초 만에 근사할 수 있는 신경망이다. 우리 AI는 신경망 추론의 속도로 "물리학적 직관"을 얻는다.
나를 매료시킨 것은 AI가 이 과정을 통해 발견해낸 것들을 지켜보는 일이었다. 수백만 번의 반복을 거치며, 그것은 날카로운 모서리가 항력과 밑면 전단력을 증가시킨다는 것을 스스로 학습했다. 그것은 모서리를 부드럽게 하고, 건물 형태를 점차 좁히며, 와류 박리를 줄이는 컷아웃을 도입하는 법을 배웠다. 아무도 그것에게 이런 요령을 가르치지 않았다. 그것은 자연이 그것들을 찾아내는 것과 똑같은 방식으로 — 가차 없는 적합도 함수에 맞선 끊임없는 반복을 통해 — 그것들을 찾아냈다.
중력은 제안이 아니다. 바람은 질감이 아니다. 우리 시스템에서, 물리학의 법칙은 최종 점검 사항이 아니다 — 그것은 생성적 제약이다.
기본적인 광선 추적 보상 함수만 갖춘 제약 기반 시스템이었어도 시뮬레이션 첫 밀리초에 브다라의 죽음의 광선을 잡아냈을 것이다. AI는 위험한 열 흐름을 만들어낸다는 이유로 오목한 형태에 페널티를 부과하고, 빛을 안전하게 산란시키는 볼록하거나 다면체 형태의 대안을 생성했을 것이다. 파라솔은 필요 없었을 것이다.
우리의 보상 함수 아키텍처, PINN 통합, 그리고 시스템의 연합 에이전트 설계에 대한 전체 기술적 상세 설명은 우리의 기술 심층 분석을 참고하라.
우리가 계속하는 논쟁
사람들은 내게 이 접근법이 창의성을 죽이는지 묻는다. 나는 건축가들과, 투자자들과, 그리고 우리 팀과도 이 논쟁을 벌여왔다.
내 답은 진화해왔다. 초반에는 방어적이 되곤 했다 — "제약은 창의성을 제한하는 게 아니라 방향을 잡아줍니다." 그것은 사실이지만 상투적인 말이다. 우리 시스템이 수백만 번의 설계 반복을 거치는 것을 지켜본 지금, 내가 실제로 믿는 것은 이렇다.
제약 없는 생성은 창의적이지 않다. 그것은 무작위일 뿐이다. 정말로 중요한 창의성 — 사람들이 실제로 거주하는 건물로 이어지는 그런 창의성 — 은 당신이 원하는 것과 현실이 허락하는 것 사이의 긴장에서 나온다. 시드니 오페라 하우스가 상징적인 존재가 된 것은 웃손의 원래 스케치 때문이 아니라, 그것을 지을 수 있게 만들기 위한 10년에 걸친 씨름 때문이었다. 마침내 성공한 구형 해법이 원래의 환상보다 더 우아한 것은 바로 그것이 제약에 의해 존재 속으로 강제로 밀어넣어졌기 때문이다.
우리 AI는 바로 그런 공간에서 작동한다. 그것은 무한한 자유를 갖고 있지 않다. 그것은 가용 자재, 물리 법칙, 예산 한계로 정의된 광대하지만 제한된 설계 공간을 갖고 있다. 그리고 그 공간 안에서, 그것은 우리를 놀라게 하는 해법들을 찾아낸다 — 인간 엔지니어가 제안했을 것보다 동시에 더 가볍고, 더 저렴하고, 더 견고한 구조 구성들 말이다.
내가 받는 또 다른 질문: "왜 AI를 그냥 콘셉트 디자인에만 쓰고 나중에 엔지니어들이 고치게 하지 않는가?"
왜냐하면 "나중에 고치는 것"이야말로 프로젝트가 죽는 지점이기 때문이다. 모든 가치 공학 사이클은 시간과 돈을 소모한다. 모든 재설계는 일정을 뒤로 밀어낸다. 그리고 콘셉트가 현실에 부딪히기까지 더 멀리 나아갈수록, 그 충돌은 더 고통스러워진다. 우리는 고칠 것이 아무것도 남지 않도록 현실을 생성 과정 초반에 미리 반영해둔다.
수탁자 기계
내가 계속 되돌아가는 하나의 틀이 있다. 우리 AI는 디자이너가 아니다. 그것은 수탁자다.
수탁자는 고객의 최선의 이익을 위해 행동할 법적 의무를 진다. 우리 시스템이 설계 후보를 평가할 때, 그것은 "이것이 아름다운가?"를 묻지 않는다. 그것은 이렇게 묻는다: 이것이 이 지역에서 구할 수 있는 자재로 지어질 수 있는가? 지역 건축 규정을 준수하는가? 이 부지에 특정된 환경 하중을 견뎌낼 것인가? 그리고 개발자가 그것을 감당할 수 있는가?
비용 엔진은 모든 후보에 대해 총소유비용을 추정한다 — 단순히 자재비만이 아니라, 제작 복잡성, 접합 작업 인건비, 장기 에너지 성능까지도 포함해서다. 표준 볼트 전단 접합부는 보상을 받는다. 완전 용입 현장 용접이 필요한 복잡한 모멘트 접합부는 페널티를 받는다. 단열재를 관통하는 강철 보는 그것이 초래할 수십 년간의 에너지 낭비 때문에 감점을 받는다.
수백만 번의 훈련 에피소드를 거치며, 에이전트는 놀라운 무언가로 수렴한다: 단순히 구조적으로 유효할 뿐만 아니라, 안전성, 비용, 가용성에 걸쳐 최적으로 균형 잡힌 설계 말이다. 어떤 인간 엔지니어도 그렇게 많은 대안을 수작업으로 반복해볼 수는 없다. 조합적 공간이 너무나 광대하기 때문이다. 하지만 올바른 보상 함수와 올바른 제약을 갖춘 AI 에이전트라면? 그것은 바로 그 공간 안에서 산다.
미래는 더 나은 프롬프트에 있지 않다
가혹하게 들릴 수도 있는 말로 마무리하려 하는데, 나는 이를 전적으로 믿는다.
건설 산업에는 상상력 문제가 없다. 그것에는 확신의 문제가 있다. 개발자들은 더 아름다운 렌더링을 필요로 하지 않는다. 그들은 자신이 보고 있는 것이 실제로 예산 안에서, 일정 안에서, 존재하는 자재로 지어질 수 있다는 확신을 필요로 한다.
미드저니, 스테이블 디퓨전, 달리 같은 현재의 생성형 AI 물결은 확신 없는 상상력을 제공한다. 그것은 공학의 실체 없는 디자인의 환영을 제공한다. 그리고 이 두 가지 사이의 간극은 녹아버린 재규어, 수영장 옆에서 화상을 입은 손님들, 그리고 수십억 달러 규모의 예산 초과로 측정된다.
우리는 다른 무언가를 만들고 있다. 건물을 꿈꾸는 도구가 아니라, 건물을 설계하는 시스템이다. 중력은 타협하지 않기에 물리학은 하드코딩된다. 공급망은 미학에 굽히지 않기에 재고는 하드코딩된다. 너무 지루한 건물 때문에 파산한 개발자는 없었기에 비용은 하드코딩된다.
예술을 생성하지 마라. 자산을 생성하라.
건축의 미래는 더 나은 프롬프트에 있지 않다. 더 나은 물리학에 있다.