인공지능이 건설 현장에 가져오는 이점
전 세계 개인과 기업은 건설 관련 활동에 연간 10조 달러 이상을 지출하고 있으며, 예측에 따르면 2023년까지 이 규모는 4,2% 더 늘어날 것입니다. McKinsey는 2020년 보고서 «건설업의 다음 표준: 파괴가 세계 최대 생태계를 만드는 방식»에서 지적했습니다. 인공지능 기반 솔루션에 대한 관심이 점점 커지고 있다는 점입니다.
건설 분야의 AI는 설계, 입찰 및 자금 조달, 조달 및 시공, 운영 및 자산 관리, 비즈니스 모델 전환 등 프로젝트 전체 수명 주기에 걸쳐 참여자들이 가치를 인식하도록 도울 수 있습니다. 건설 분야의 인공지능은 업계 전반이 안전 문제, 인력 부족, 예산 및 일정 초과 등 가장 어려운 문제들을 극복하는 데 도움을 주고 있습니다.
시장 진입 장벽이 꾸준히 낮아지고 AI, 머신러닝 및 분석 분야의 발전이 가속화되고 있는 만큼, 향후 몇 년 동안 AI가 건설 분야에서 더 큰 역할을 할 것으로 예상할 수 있습니다.
건설 분야에서 머신러닝과 인공지능의 활용 가능성은 막대합니다. 정보 요청, 미해결 질문, 변경 주문은 업계에서 일반적입니다. 머신러닝은 이 방대한 데이터를 꼼꼼히 검토할 수 있는 똑똑한 조수와 같습니다. 그런 다음 프로젝트 관리자에게 주의가 필요한 중요한 사안을 알려 줍니다. 일부 애플리케이션은 이미 이런 방식으로 AI를 활용하고 있습니다. 그 이점은 일상적인 스팸 필터링부터 고급 안전 모니터링에 이르기까지 다양합니다. 건설 분야에서 AI의 10가지 사례를 살펴보겠습니다.
예산 초과 방지
대부분의 대형 프로젝트는 최고의 설계팀이 참여하더라도 예산을 초과합니다. 프로젝트에서는 프로젝트 규모, 계약 유형, 관리자의 역량 수준 등의 요인을 바탕으로 예산 초과를 예측하기 위해 인공 신경망이 사용됩니다.
예정된 시작일과 종료일 같은 과거 데이터는 예측 모델이 향후 프로젝트에 대해 현실적인 일정을 제시하는 데 사용됩니다. 인공지능은 직원들이 실제 교육 자료에 원격으로 접근하도록 도와, 기술과 지식을 빠르게 향상시키는 데 도움을 줍니다. 이를 통해 새로운 인력을 프로젝트에 투입하는 데 걸리는 시간이 줄어듭니다. 그 결과 프로젝트 진행 속도가 빨라집니다.
건물의 생성형 설계
건물정보모델링(BIM)은 3D 모델을 기반으로 하는 프로세스로, 건축, 설계, 시공 분야의 전문가들에게 건물과 인프라를 효과적으로 계획, 설계, 시공, 관리하는 데 필요한 정보를 제공합니다.
프로젝트의 시공을 계획하고 설계하려면 3D 모델이 건축, 엔지니어링, 기계, 전기, 배관 도면과 관련 팀들의 작업 순서를 반영해야 합니다. 핵심 과제는 하위 팀들이 만든 서로 다른 모델들이 서로 충돌하지 않도록 하는 것입니다.
위험 감소
모든 건설 프로젝트에는 품질, 안전, 시간, 비용 등 여러 형태의 위험이 따릅니다. 프로젝트 규모가 클수록 여러 직종의 하도급업체들이 현장에서 동시에 작업하기 때문에 위험도 높아집니다.
현재는 종합건설사가 현장의 위험을 추적하고 우선순위를 정하는 데 사용하는 AI 및 머신러닝 솔루션이 있어, 프로젝트 팀이 제한된 시간과 자원을 가장 큰 위험 요인에 집중할 수 있습니다. AI는 작업의 우선순위를 자동으로 지정하는 데 사용됩니다.
프로젝트 계획
건설 현장 정찰 분야의 한 기업은 2017년 로봇과 인공지능이 지연되고 예산을 초과하는 건설 프로젝트를 해결하는 열쇠가 될 것이라고 약속하며 사업을 시작했습니다. 이 회사는 로봇을 이용해 건설 현장을 자율적으로 3D 스캔한 뒤, 그 데이터를 심층 신경망에 전달해 각 하위 프로젝트 간의 거리를 분류합니다.
무언가 잘못돼 보이면 관리자 팀이 개입해 작은 문제가 심각해지기 전에 해결할 수 있습니다. 앞으로의 알고리즘은 '강화 학습'으로 알려진 인공지능 기법을 사용할 것입니다. 이 방식은 알고리즘이 시행착오를 통해 학습하도록 합니다. 유사한 프로젝트를 바탕으로 무한에 가까운 조합과 대안을 평가할 수 있습니다. 최적의 경로를 찾아내고 시간이 지나면서 스스로 수정하기 때문에 프로젝트 계획에 도움이 됩니다.
더 생산적인 작업 환경 조성
콘크리트 타설, 벽돌 쌓기, 용접, 철거처럼 반복적인 작업을 사람의 노동보다 효율적으로 수행하기 위해 무인 건설 장비를 도입하는 기업들이 나타나고 있습니다. 굴착 및 준비 작업은 자율 또는 반자율 불도저가 맡고 있으며, 사람 프로그래머가 정확한 사양에 따라 작업 현장을 준비할 수 있습니다.
이를 통해 작업자들은 실제 건설 작업에 집중할 수 있고, 프로젝트 완료에 필요한 전체 시간도 줄어듭니다. 프로젝트 관리자는 현장 작업을 실시간으로 모니터링할 수도 있습니다. 이들은 얼굴 인식, 현장 카메라 및 유사 기술을 활용해 작업 생산성과 절차 준수를 평가합니다.
건설 현장 안전
건설 노동자는 다른 근로자보다 직장에서 사망할 확률이 다섯 배 높습니다. 교통사고를 제외한 민간 부문 건설업의 주요 사망 원인은 추락, 그다음으로 물체에 맞음, 감전, 끼임이라고 OSHA는 밝히고 있습니다.
보스턴의 한 건설 기술 기업은 작업 현장 사진을 분석하는 알고리즘을 개발하고 있습니다. 이 알고리즘은 근로자의 보호 장비 미착용 같은 안전 위협을 검사하고, 이미지를 회사의 사고 기록과 대조합니다. 회사는 프로젝트별 위험 등급을 산출할 수 있어, 위험이 높다고 판단되면 안전 교육 브리핑을 실시할 수 있다고 밝혔습니다.
인력 부족 문제 해결
McKinsey의 2017년 보고서에 따르면, 실시간 데이터 분석을 활용하면 건설사의 생산성을 50% 높일 수 있습니다. 건설 회사들은 인공지능과 기계 학습을 활용해 작업 현장별 인력과 장비 배치를 더 잘 계획하기 시작하고 있습니다.
작업 진행 상황과 작업자 및 장비의 위치를 지속적으로 평가하는 로봇은 프로젝트 관리자가 어느 작업 현장에 일정에 맞춰 프로젝트를 수행할 인력과 장비가 충분한지, 그리고 추가 인력을 투입할 수 있는 곳이 어디인지 즉시 파악할 수 있게 해 줍니다.
현장 외 건설
건설 회사들은 점점 더 자율 로봇이 갖춰진 외부 공장에 의존하고 있습니다. 이 공장에서는 건물 구성 요소를 조립하고, 이후 완성된 부품을 사람이 건설 현장에서 결합합니다. 벽과 같은 구조물은 자율 기계가 조립 라인 방식으로 제작할 수 있어, 인력보다 더 효율적입니다. 구조물이 조립되면 배관이나 전기 시스템 같은 세부 마감 작업은 사람 작업자가 맡게 됩니다.
건설 분야의 빅데이터
매일 막대한 양의 데이터가 생성되는 가운데, AI 시스템은 매일 학습하고 개선할 수 있는 방대한 데이터를 얻고 있습니다. 모든 건설 현장은 AI를 위한 잠재적인 데이터 원천이 되고 있습니다.
모바일 기기로 촬영한 이미지, 드론 영상, 보안 센서, 건물정보모델링(BIM) 등에서 얻은 데이터가 정보의 저장소가 되었습니다. 이를 통해 건설 업계 전문가와 고객은 AI 및 머신러닝 시스템으로 데이터 기반 인사이트를 분석하고 그 가치를 활용할 수 있게 되었습니다.
건설 이후
건물 관리자는 공사가 끝난 후에도 AI를 오랫동안 활용할 수 있습니다. 센서, 무인 항공기, 기타 무선 기술로 구조물 정보를 수집하면, 고급 분석과 AI 기반 알고리즘을 통해 건물, 다리, 도로 등 인공 환경의 거의 모든 요소의 작동과 성능에 대한 귀중한 통찰을 얻을 수 있습니다.
이는 AI를 활용해 발생하는 문제를 추적하고, 예방 정비가 필요한 시점을 판단하며, 최적의 안전을 보장하기 위해 사람의 행동을 관리하는 데까지 쓰일 수 있음을 의미합니다.
