지난 5월 13일, Bay K-AI 그룹은 샌프란시스코 ZVC 오피스의 후원으로 Agentic Coding & AI Agents in 2026 2차 세미나를 열었습니다.
이번 세미나는 ZVC 대표님의 인사말 및 발표를 시작으로, Bay K-AI에서 활발히 활동 중인 네 분의 연사가 AI 에이전트를 실제로 활용해 frontier 과학/수학 연구 및 제품 개발, 그리고 비즈니스 적용 사례를 만들어 가고 있는 생생한 경험을 공유하는 자리였습니다. 총 125명의 신청자 중 초청해 드린 약 100명에 가까운 아카데미아, 인더스트리, 창업자, 학생 등 다양한 배경의 전문가들이 참석해 뜨거운 열기를 보여 주었습니다. 특히 이번 세미나는 2025년 작년의 “AI를 활용해 앱을 만드는 Vibe Coding” 흐름을 넘어, 2026년의 경쟁력이 Agentic AI와 Multi-agent Systems를 통해 “문제를 얼마나 잘 쪼개고, 에이전트에게 위임하고, 결과를 검증하는 workflow를 설계하느냐”로 이동하고 있음을 구체적으로 보여주었습니다.
첫 번째 세션은 ZVC의 CEO이자 LY Corporation의 CGIO인 황인준님의 인사말, 산업 현황에 대한 간략한 발표 및 질의응답 세션으로 시작되었습니다. 황인준님은 아시아의 AI 트렌드와 리더십의 미래를 주제로, 서비스를 출시하는 즉시 글로벌 경쟁에 뛰어들어야 하는 현재의 환경을 짚어주셨습니다. 특히 최근 투자 규모에 따른 산업 경쟁 관점과 한국의 AI 상황에 대해서도 공유 해주시며, 현재 및 미래 시점에 어떠한 산업이 중요할 지 한번쯤 질문 가지며 해당 관점을 상기할 만한 세션이었습니다.
두 번째 세션에서는 Sailplane의 Senior Knowledge Engineer이자 전 Roche 소속인 성종민님이 바이오 및 신약 개발 분야에서의 Agentic Coding을 소개해 주셨습니다. Physics, Biology, Biotechnology 분야에서 POSTECH, Stanford, UCSF, Roche를 거치며 쌓아온 깊은 연구 경험을 바탕으로, 에이전트가 실제 연구 워크플로우를 어떻게 바꾸고 있는지 구체적인 사례와 함께 설명해 주셨습니다. 특히 Karpathy 사례를 들어, 논문을 소화해 구조적인 wiki로 정리하고 drug-discovery pipeline을 구축하는 작업을 에이전트로 수행한 경험이 인상적이었습니다. “Vibe Coding은 목적지를 모른 채 코딩을 시작하는 것이고, Agentic Engineering은 안전장치와 함께 코드 에이전트를 활용하는 것”이라는 구분도 명확하게 와 닿았습니다. 이제 에이전트는 우리가 무엇을 할지(what)와 왜 하는지(why)를 정의해주면, 어떻게 할지(how)를 스스로 제안할 수 있는 단계에 이르렀다는 메시지, 그리고 “에이전트가 당신의 연구를 증폭시킬 수 있지만, 풀 가치가 있는 문제를 선택하는 것은 오직 당신의 몫”이라는 말은 현장에 깊은 울림을 남겼습니다.
세 번째 세션에서는 현 Altera의 Director이자, 전 Amazon AGI의 Agentic AI팀 Manager, Apple Principal ML Scientist, Microsoft, Google 등에서 AI/ML 포지션을 역임한 임우상님이 소재 및 수학 발견 분야에서의 AI 에이전트 기반 최신 혁신들을 발표해주셨습니다.
먼저 AI Materials Discovery에서는 소재 발견이 후보 생성 경쟁을 넘어, 검증 가능한 R&D 운영체제로 진화하고 있다는 점을 공유해 주셨습니다. GNoME와 A-Lab이 몇 년 전 “AI 후보 생성과 로봇 실험 연결”의 가능성을 열었다면, 2026년의 전선은 그다음 병목으로 이동했습니다. 특히 MatterSim-MT는 DFT/MD 앞단의 fast physics layer를 만들고, GENIUS와 Masgent는 계산 workflow를 실행 가능한 protocol로 바꾸며, MDGym은 agent 결과를 물리적으로 검증하는 scientific unit test가 왜 필요한지 보여줍니다. PoLARIS와 MARS는 더 나아가 실험실 자체를 microfluidic self-driving lab과 multi-agent robotic lab으로 software화 하려는 방향을 제시했습니다. 이러한 최신 연구들의 핵심은, AI 소재 발견의 승자는후보를 가장 많이 내는 팀이 아니라 simulation, robot, measurement, failure data를 가장 빠르게 하나의 폐루프로 쌓는 팀이라는 점이었습니다. 이 변화는 배터리, 반도체, 촉매, 포토닉스처럼 실험 비용이 큰 산업에서 먼저 경쟁 구도를 바꿀 가능성을 보여주었습니다.
그다음 Math Discovery에서는 AlphaEvolve, AI Co-Mathematician, Alpha Omega Agents와 EinsteinArena를 통해 본 AI 연구 방식의 변화가 다뤄졌습니다. AlphaEvolve가 보여준 것은 LLM이 정답을 한 번에 맞힌다는 이야기가 아니라, 여러 후보 프로그램을 만들고, 실제 실행 결과로 평가하고, 잘된 변형을 다시 축적하면 AI가 점점 더 강한 탐색 시스템이 될 수 있다는 점이었습니다. AI Co-Mathematician도 비슷한 방향을 보여줬습니다. 수학 연구가 더 이상 “문제 하나를 넣고 증명 하나를 받는 방식”이 아니라, 여러 가설을 세우고, 계산하고, 검토하고, 실패 기록까지 남기면서 sub-agents를 통해 전진하는 작업 공간으로 바뀌고 있다는 것입니다. 특히 임우상님께서 개발한 Alpha Omega Agents는 공개된 수학 미해결 챌린지인 EinsteinArena에서, 수학적으로 유명하고 어려운 문제를 다루며 multi-agent system의 고도화된 engineering을 통해 더 실증적으로 보여줬습니다. 기본적인 harness engineering을 넘어, 제한적인 persona 기반 방식이나 기존 가정과 지식에 갇히지 않고, 독자적인 솔루션 후보를 발굴하며, 새롭고 복합적인 multi-step 기반의 창의적인 아이디어를 개발한 점이 인상적이었습니다. 특히 작년 Google DeepMind의 AlphaEvolve가 새로운 lower bound를 제시하며 한 차례 화제가 되었던 Kissing Number d=11에서, Alpha Omega는 새로운 solution candidate basin을 찾고, 최종 최적화 협업을 통해 기존에 알려진 수학적 lower bound 결과를 크게 뛰어넘는 성과를 보여줬습니다. 이 파트에서는 앞으로의 실제 수학, 과학, engineering R&D에서도 multi-agent system이 단순히 모델을 잘 쓰는 선을 넘어, 문제를 정의하고, 성공과 실패를 기억하고, 지식을 활용하며, 검증 가능한 결과를 남기는 더 긴밀하고 유기적이며 창의적인 연구팀으로 구축될 수 있음을 알 수 있었습니다.
네 번째 세션에서는 Bay K-AI의 스터디에 참여 중이신 WASD3R의 CEO 주은광님이 스터디에서 협업한 비개발자 출신 변호사가 AI를 활용해 실제 앱을 만든 경험을 솔직하게 나눠 주셨습니다. 비전문가들이 에이전트 코딩을 시도할 때 겪는 진짜 어려움은 막히는 지점조차 이름을 붙이기 어렵다는 것이라고 짚어주셨습니다. 완성도를 올리기 위해 전체 구성 요소를 알고, 아키텍처 설계, 작업 순서 결정, 리스크 판단, 가드레일 설정 같은 ‘엔지니어링 매니저’의 역할이 여전히 현시점에 도움 될 수 있다는 점도 공유하셨습니다. “어떤 제품이 필요한지를 정의할 수 있는 사람이 AI 네이티브 빌더가 될 수 있다”는 말은, 문제 정의 능력이 중요 역량으로 부상하고 있음을 보여주는 메시지였습니다.
마지막 세션에서는 Bay K-AI의 스터디에 참여 중이신 Walmart Global Tech의 Senior Data Scientist 김재영님이 스터디에 참여하면서 진행하신, 앱 개발 경험이 전혀 없는 상태에서 Agentic Coding으로 iOS 앱 IHaveBeenHere를 처음부터 프로덕션을 위한 준비까지 만들어낸 과정을 공유해주셨습니다. 갔던 레스토랑과 음식을 기록하는 이 앱은 PRD 작성부터 시작해 약 3시간 만에 프로토타입이 나왔고, 에이전트가 잘 동작할 수 있도록 프로젝트 특화 Harness를 직접 구축하고 Apple HIG를 Skill로 제공하는 등 필요 컨텍스트를 정교하게 설계한 것이 성공의 핵심이었습니다. “에이전트의 성능을 결정하는 것은 무엇을 넣어 주느냐”라는 경험에서 나온 교훈은 Agentic Coding에 입문하는 모든 분들에게 실질적인 출발점이 되었습니다. 또한 어떤 기준으로 무엇을 고쳐야 할지를 아는 게 중요하고, 그것을 위한 가이드를 주면 에이전트가 효율적으로 수행해준다는 점에서, 시니어한 전문성과 AI Native의 결합이 중요함을 확인할 수 있었습니다.
다섯 세션은 서로 다른 사례를 다뤘지만, engineering 관점의 공통 메시지는 명확했습니다. 2026년 5월 기준 Agentic AI와 Agentic Coding은 단순 코드 및 앱 생성이 아니라, problem defining and specification, context/tool orchestration, verification and recovery를 함께 설계해야 하는 software delivery system으로 진화하고 있습니다. 따라서 결과의 완성도는 모델 성능만이 아니라, 무엇을 만들지 얼마나 정확히 정의하고, 에이전트가 어떤 context와 tool을 사용할 수 있게 하며, 실패를 어떻게 감지하고 되돌릴 수 있게 만드는지에 달려 있습니다. 이번 세미나는 앞으로의 핵심 역량이 “코드를 직접 얼마나 잘 쓰는가”에서 “에이전트가 안전하게 실행하고 검증 가능한 결과물을 남기도록 engineering loop를 설계하는가”로 이동하고 있음을 보여주었습니다.
귀한 시간을 내어 깊이 있는 경험과 통찰을 나눠 주신 연사님들께 깊이 감사드립니다. 또한 바쁜 일정에도 참석하여 활발한 질문과 토론으로 세미나를 풍성하게 만들어 주신 모든 참석자분들께도 진심으로 감사드립니다. 6월 및 7월에도 6월 19일(AI Security and AI Agents) 세미나를 포함해, 추가로 최신 AI 상황에 대한 유익한 세미나도 계속 이어질 예정이니 많은 기대 부탁드립니다!
*Bay K-AI 그룹 소개
Bay K-AI는 실리콘밸리를 중심으로 활동하는 Bay Area K-Group 내 전문 AI 소모임입니다. 500명 이상의 다양한 분야 전문가들이 함께 모여 최신 AI 기술 트렌드를 깊이 있게 공유하고 논의하는 커뮤니티입니다. 현재 매주 또는 격주로 약 120명 이상의 학생, 포닥, 엔지니어, 연구자들이 모여 2026년 최신 AI 기술과 현장의 흐름을 함께 공부하고, 깊이 있는 토론을 이어가며 서로의 지식과 경험을 나누고 있습니다. Bay K-AI는 이러한 선순환과 시너지를 계속 만들어 가는 것을 목표로 합니다.
Bay K-AI 카카오톡 오픈채팅방: https://open.kakao.com/o/gOtB0Tyh (AIAgents)
*리뷰 제공: Bay K-AI
