현대 건설 재해 예측 AI 시스템 – 사고가 나기 전에 신호를 읽는 기술
"오늘 이 현장에서 어떤 사고가 날 수 있을까?"
건설 현장은 늘 위험과 함께합니다. 높은 곳에서 작업하고, 무거운 장비가 오가고, 수십 명이 동시에 움직이죠. 아무리 안전 수칙을 강조해도 사고는 예고 없이 찾아옵니다.
그런데 만약 "오늘 이 현장에서 어떤 유형의 사고가 날 확률이 높다"는 걸 미리 알 수 있다면 어떨까요? 그리고 그 사고를 막기 위해 "이것만은 꼭 확인하세요"라는 체크리스트까지 받을 수 있다면요?
현대건설은 10년간 축적한 3,900만 건의 데이터를 AI에게 학습시켜, 매일 아침 현장 담당자에게 "오늘의 위험 예보"를 보내는 시스템을 만들었어요. 일기예보처럼 재해를 예측하는 이 기술, 어떻게 작동하는지 살펴볼게요.
Challenge
건설업은 전 산업 중 사망사고가 가장 많이 발생하는 분야예요. 문제는 기존 안전관리 방식의 한계에 있어요.
기존 안전점검의 한계
문제 | 설명 |
|---|---|
정성적 평가 의존 | "위험해 보인다", "주의가 필요하다" 등 담당자의 경험과 감에 의존 |
사후 대응 중심 | 사고가 난 뒤에야 원인을 분석하고 대책을 세우는 구조 |
준사고 정보 누락 | 실제 사고로 이어지지 않은 아차사고(Near Miss) 정보가 체계적으로 관리되지 않음 |
현장별 편차 | 담당자 역량에 따라 안전관리 수준이 들쭉날쭉 |
현장 담당자들의 고민은 이랬어요.
"경험으로는 알겠는데, 정확히 어떤 위험이 얼마나 높은지 수치로 말하기 어렵습니다." "비슷한 사고가 다른 현장에서도 났었는데, 그 정보를 미리 알았더라면..."
Solution
현대건설은 "과거의 모든 사고와 준사고 데이터를 AI에게 학습시키면, 오늘 발생할 수 있는 위험을 예측할 수 있지 않을까?"라는 아이디어에서 출발했어요.
① 3,900만 건 빅데이터 학습
지난 10년간 토목, 건축, 플랜트 등 전체 프로젝트에서 수집된 데이터를 AI에게 학습시켰어요. 여기에는 실제 발생한 안전재해뿐 아니라, 인적 피해로 이어지지 않은 준사고(Near Miss) 정보까지 포함돼요.
예를 들면 이런 것들이에요.
결빙 구간에서 공사 차량이 미끄러져 전도될 뻔한 사례
인적이 없는 곳에서 공사 자재가 낙하한 사례
작업자가 안전모를 착용하지 않고 작업하다 적발된 사례
이런 "사고로 이어질 뻔했던" 정보까지 학습했기 때문에 실제 사고가 나기 전 나타나는 신호를 읽을 수 있어요.
② 매일 아침, 위험 예보 발송
작동 방식은 이래요.
현장 담당자가 전날 공정률, 사용 장비, 작업 인원 등의 정보를 현장 관리 시스템에 입력
AI가 해당 정보를 분석해서 다음 날 예정된 공사의 재해 유형별 발생 확률을 계산
작업 당일 아침, 현장 담당자에게 이메일과 문자메시지로 "오늘의 위험 예보" 전송
단순히 "오늘 위험합니다"가 아니라, 구체적인 정보를 제공해요.
재해 유형: 오늘 가장 발생 확률이 높은 재해 유형 (예: 떨어짐, 부딪힘, 끼임 등)
발생 확률: 과거 유사 공사 대비 몇 % 확률로 사고가 발생했는지
사전 신호: 이 유형의 사고 전에 나타나는 전조 증상
체크리스트: 사고를 예방하기 위해 반드시 확인해야 할 항목
③ 실시간 학습으로 정확도 향상
전국 현장에서 매일 업데이트되는 공사 정보를 실시간으로 학습해요. 새로운 공법이 도입되거나, 계절에 따라 위험 요인이 달라지면 AI도 함께 학습해서 예측 정확도를 높여가요.
Benefit
정량적 성과
항목 | 성과 |
|---|---|
학습 데이터 | 10년간 3,900만 건 이상 |
적용 범위 | 국내 전 건설현장 |
수상 실적 | 2025년 스마트건설 챌린지 5년 연속 수상 (BIM 분야 최우수 혁신상, 철도 분야 최우수 혁신상, 단지·주택 분야 혁신상) |
정성적 성과
항목 | 변화 |
|---|---|
안전관리 패러다임 | 정성적 평가 → 데이터 기반 정량적 평가로 전환 |
점검 신뢰성 | 담당자 경험에 의존하던 점검이 객관적·신뢰성 높은 점검으로 변화 |
예방 체계 | 사후 대응 → 선제적 예방 체계로 전환 |
정보 공유 | 개별 현장의 준사고 정보가 전사적으로 공유·활용 |
가장 큰 변화는 안전관리의 패러다임이 바뀌었다는 거예요. 과거에는 "위험해 보이니까 조심하자"였다면, 이제는 "이 공사는 과거 데이터 기준 떨어짐 사고 확률이 23%입니다. 다음 체크리스트를 확인하세요"라고 구체적으로 말할 수 있게 됐어요.
확장 가능성
현대건설의 재해 예측 AI는 건설업 전반의 안전관리 혁신 모델이 될 수 있어요. 특히 중소 건설사들은 자체적으로 충분한 사고 데이터를 축적하기 어려운데, 이런 AI 시스템이 업계 표준으로 공유된다면 건설업 전체의 안전 수준을 한 단계 끌어올릴 수 있을 거예요.
참고 자료
한국도로공사 Dr.BridgeAI – 교량을 진단하고 처방하는 AI 주치의
"이 교량, 지금 어디가 아픈 건가요?"
1994년 10월 21일, 출근길 시민들의 발이 되어주던 성수대교가 무너져 내렸습니다. 30년이 지난 지금, 우리는 과연 안전할까요?
안타깝게도 교량 안전사고는 여전히 반복되고 있어요. 더 큰 문제는 앞으로예요. 30년 이상 된 노후 교량이 2023년 1,376개에서 2040년에는 7,090개로, 무려 5배나 늘어날 전망이거든요.
한국도로공사는 이 문제에 "교량 전문 AI 주치의"로 답했어요. 사진만 찍으면 즉시 진단하고, 어떻게 치료해야 하는지 처방전까지 만들어주는 Dr.BridgeAI. 50년간 축적된 유지관리 노하우를 AI에게 가르쳐서, 누구나 전문가 수준의 판단을 내릴 수 있게 만들었어요.
Challenge
문제는 두 가지예요. 관리해야 할 구조물은 늘어나는데, 이를 감당할 인력과 전문성은 한계가 있다는 거예요.
노후 인프라 급증
항목 | 현황 |
|---|---|
30년 이상 노후 교량 | 2023년 1,376개 → 2040년 7,090개 (5배 증가) |
관리 대상 교량 | 10,000개 이상 |
관리 대상 터널 | 1,100개 이상 |
관리 대상 암거 | 10,000개 이상 |
담당자 1인당 관리 구조물 | 약 300여 개 |
교량이 낡을수록 사고 위험은 높아져요. 그런데 담당자 한 명이 300개가 넘는 구조물을 관리해야 하니, 관리 사각지대가 발생할 수밖에 없어요.
전문성 공유와 자료 접근의 한계
문제 | 설명 |
|---|---|
전문 인력 노령화 | 베테랑 전문가들이 은퇴하면서 노하우 단절 |
노하우 공유 플랫폼 부족 | 개인의 경험과 지식이 조직 전체로 전파되지 않음 |
비정형 데이터 | 도면, 보고서 등이 국가기관별로 흩어져 있어 현장에서 확인 어려움 |
현장 담당자들의 고민은 이랬어요.
"이 손상이 얼마나 심각한 건지, 어떻게 보수해야 하는지 베테랑 선배님한테 물어봐야 하는데..." "필요한 자료가 어디 있는지 찾는 것만 해도 반나절이에요."
범용 AI(GPT)로는 안 되는 이유
그렇다면 ChatGPT 같은 범용 AI를 쓰면 안 될까요? 교량처럼 시민 안전과 직결된 인프라에서는 세 가지 문제가 있어요.
한계 | 위험 |
|---|---|
할루시네이션 | 그럴듯한 "오진"은 재난으로 이어질 수 있음 |
보안 | 중요 인프라의 민감 정보가 외부로 유출될 수 있음 |
비용 | 막대한 상용 서비스 비용 발생 |
시민들의 안전을 책임질 검증된 전문 AI가 필요했어요.
Solution
한국도로공사는 "의사가 환자를 진단하듯, AI가 교량을 진단하게 만들자"는 아이디어에서 출발했어요. 범용 AI가 아닌, 오직 '교량'만을 위한 Vertical AI를 개발했죠.
① 50년 유지관리 노하우의 데이터 자산화
Dr.BridgeAI의 두뇌가 될 데이터를 구축했어요.
데이터 유형 | 규모 |
|---|---|
법령 및 기준 | 100건 이상 |
점검·자문 보고서 | 3,000건 이상 |
통합플랫폼 교량 정보 | 10,000건 이상 |
첨단장비 데이터 | 20,000건 이상 |
구조물 손상 이미지 | 5TB 이상 |
이 방대한 비정형 자료들을 Vector DB로 구축해서, AI가 필요할 때 바로 찾아서 활용할 수 있게 만들었어요.
② RAG(검색-증강-생성) 체계로 할루시네이션 방지
범용 AI의 가장 큰 문제는 "모르면 지어낸다"는 거예요. Dr.BridgeAI는 RAG 기술을 적용해서 이 문제를 해결했어요.
작동 방식은 이래요.
사용자가 질문하면, AI가 먼저 Vector DB에서 관련 자료를 검색
검색된 자료를 근거로 답변 생성
출처와 함께 답변 제공
"내가 알고 있는 것 같은 내용"이 아니라, "이 자료에 근거하면 이렇습니다"라고 답하는 거죠.
③ 전문가 로직 내장
베테랑 교량 전문가들의 판단 기준을 AI에 구현했어요.
이런 손상은 어떤 유형으로 분류해야 하는지
손상 정도에 따라 어떤 보수 방법이 적합한지
긴급 조치가 필요한 상황인지, 정기 보수로 충분한지
수십 년 경험이 녹아있는 "전문가의 눈"을 AI가 갖게 된 거예요.
④ 사진만 찍으면 즉시 진단
Dr.BridgeAI의 진료 프로세스는 간단해요.
사진 촬영: 손상 부위를 스마트폰으로 촬영
교량 정보 검색: AI가 해당 교량의 정보를 자동으로 불러옴
전문가 솔루션 활용: 손상 유형 판단, 보수 방법 제안
보고서 생성: 진단 결과와 처방을 담은 보고서 자동 생성
결과 즉시 공유: 모바일, PC 등 모든 기기에서 확인 가능
신축이음 솟음, 교량 상판 손상, 기둥 손상 등 다양한 손상 유형을 사진만으로 즉시 진단할 수 있어요. 현장에서 스마트폰 하나로 전문가 수준의 판단을 받을 수 있게 된 거죠.
Benefit – 10일 걸리던 일이 3일로
정량적 성과
항목 | Dr.BridgeAI 적용 후 |
|---|---|
현장 문제 대응 | 3일 (67% 단축) |
행정업무 시간 | 50% 단축 |
유지관리 예산 | 30% 절감 (연간 76억 원 절감 가능) |
안전사고 | 2025년 Zero |
정성적 성과
항목 | 성과 |
|---|---|
현장 적용 | 고속도로 교량에 적용 중 |
신뢰도 검증 | 지속적인 전문가 피드백으로 진단·처방 신뢰성 향상 |
지식재산권 | 저작권 등록 완료 |
성과 홍보 | 2025 대한민국 안전산업박람회 등 발표 |
가장 큰 변화는 "누구나 전문가 수준의 판단을 내릴 수 있게 됐다"는 거예요. 예전에는 베테랑 전문가에게 물어봐야 알 수 있던 것들을, 이제는 현장에서 스마트폰으로 바로 확인할 수 있어요.
전문 인력 노령화로 인한 노하우 단절 문제도 해결됐어요. 50년간 축적된 지식이 AI 안에 살아있으니까요.
확장 가능성
Dr.BridgeAI의 다음 목표는 교량을 넘어 국가 인프라 전체의 'AI 주치의'로 도약하는 거예요.
철도: 교량과 유사한 구조물 점검에 적용
댐: 대형 수리 구조물의 안전 관리
공항: 활주로, 터미널 구조물 점검
한국을 넘어 세계 인프라로도 확장할 수 있어요. 노후 인프라 관리는 전 세계 공통 과제니까요.
이 사례는 새정부 국정과제 이행과도 연결돼요.
목표2 세계를 이끄는 혁신 경제: AI 3대 강국 도약 (전략2-1)
목표4 기본이 튼튼한 사회: 생명과 안전이 우선인 사회 (전략4-1)