[한국가스공사] AI 기반 위험성 평가 및 사고위험분석 시스템 구축

한국가스공사 AI 안전관리 – 일터에도 ‘사고 예보’를 만들다

“오늘 비가 올지는 미리 알 수 있는데, 일터의 사고 위험은 왜 미리 알 수 없을까요?”

비가 온다는 예보를 확인하면 우산을 챙길 수 있어요. 위험을 미리 알았기 때문에 옷이 젖는 상황을 피할 수 있는 것이죠. 산업현장의 사고도 마찬가지입니다. 사고가 난 뒤 원인을 찾는 것보다, 위험이 커지는 순간을 먼저 발견하고 조치하는 편이 훨씬 중요해요.

특히 천연가스 생산·공급시설과 건설현장은 화재, 충돌, 추락, 중량물 취급 등 여러 위험이 함께 존재합니다. 현장마다 작업 종류와 인원, 설비, 날씨가 다르기 때문에 안전관리자가 모든 위험을 경험만으로 빠짐없이 찾아내기는 쉽지 않아요. CCTV가 설치돼 있어도 사람이 모든 화면을 24시간 지켜볼 수는 없습니다.

한국가스공사는 이러한 한계를 보완하기 위해 AI 기반 위험성평가 및 사고위험분석 시스템을 구축하고 있습니다. 작업 전에는 생성형 AI가 위험요인과 감소대책을 제시하고, 작업 중에는 AI CCTV가 위험상황을 실시간으로 감지해요. 작업 후에는 축적된 사고·작업·영상 데이터를 분석해 사고 가능성이 높은 현장을 선별합니다.

사람을 AI로 대체하는 시스템은 아니에요. 현장에 쌓인 경험과 안전관리자의 판단을 AI가 보완해, 사람이 놓칠 수 있는 위험을 한 번 더 확인하는 구조입니다.

Challenge – 안전서류는 늘었지만, 현장을 살필 시간은 부족했어요

중대재해처벌법 시행과 산업안전보건법 강화로 기업이 확인하고 기록해야 하는 안전관리 항목이 늘었습니다. 안전 기준을 체계적으로 관리하기 위한 변화지만, 한정된 인력으로 많은 서류를 작성하다 보면 현장 점검과 작업자 관리에 사용할 시간이 부족해질 수 있어요.

기존 안전관리에는 작업 전·중·후 단계마다 서로 다른 빈틈이 있었습니다.

작업 전에는 평가자의 경험에 따라 위험성평가의 품질이 달라졌어요.

• 작업에 익숙하지 않은 담당자는 어떤 위험요인을 확인해야 하는지 알기 어려움

• 평가자의 경험과 지식에 따라 위험요인이 누락될 수 있음

• 과거 사고, 법령, 날씨와 작업 조건 사이의 복잡한 관계를 한 사람이 분석하기 어려움

• 반복적인 서류 작성에 많은 시간이 소요됨

작업 중에는 사람이 계속 지켜보기 어려웠어요.

• 기존 CCTV는 주로 영상을 녹화하고 사고 이후 확인하는 용도로 사용

• 안전관리자가 일시적으로 현장을 참관하는 동안 감시 공백이 발생

• 여러 현장에서 동시에 일어나는 위험행동을 실시간으로 발견하기 어려움

• 위험을 발견하더라도 즉각 경보하거나 개입하기 어려운 경우가 있음

작업 후에는 사고 원인을 분석하는 사후 대응에 머물렀어요.

• 사고가 발생한 뒤 원인을 찾고 재발 방지대책을 세우는 방식

• 사고 기록과 작업 조건, 날씨, 작업자의 특성을 통합적으로 분석하기 어려움

• 안전관리 인력과 자원을 어느 현장에 우선 배치해야 하는지 객관적으로 판단하기 어려움

결국 규정을 준수하기 위한 서류 업무와 실질적인 현장 안전관리 사이의 균형이 필요했습니다. 한국가스공사는 이 문제를 작업 전·중·후 데이터를 하나로 연결하는 AI 안전관리 체계로 풀고자 했어요.

Solution – 작업 전·중·후, 세 개의 AI가 하나의 안전망을 만들어요

한국가스공사의 시스템은 하나의 AI 모델이 모든 것을 판단하는 구조가 아닙니다. 역할이 다른 세 가지 기능을 연결해 사고 예방의 빈틈을 줄이는 방식이에요.

1. 작업 전: AI 위험성평가

2. 작업 중: AI CCTV

3. 작업 후: AI 사고위험분석

각 단계에서 만들어진 데이터는 다음 단계에 활용되고, 다시 위험성평가 데이터베이스로 돌아갑니다. 안전관리를 한 번 작성하고 끝나는 문서가 아니라, 현장 데이터가 쌓일수록 계속 개선되는 순환 구조로 바꾸는 것이 핵심이에요.

① LLM이 작업 내용을 읽고 위험요인과 감소대책을 제시해요

위험성평가는 작업을 시작하기 전에 발생 가능한 위험을 찾아내고, 이를 줄일 방법을 정하는 과정입니다. 기존에는 담당자가 작업 내용을 바탕으로 과거 문서와 법령을 직접 찾아가며 평가서를 작성해야 했어요.

AI 위험성평가에서는 사용자가 대화형 화면에 작업 내용, 일정, 장소 등을 입력합니다. 그러면 LLM 기반 분석 모델이 다음 데이터를 함께 살펴봐요.

• 법령과 기상정보 등 외부 데이터

• 과거 사고 데이터베이스

• 기존 위험성평가 데이터베이스

• 사용자가 입력한 작업 내용, 작업 일정, 장소

AI는 이를 분석해 “토사 붕괴 위험”, “장비와 작업자 간 충돌 위험”처럼 작업에서 발생할 수 있는 위험요인을 제시합니다. 이어 안전시설물 설치, 작업절차 준수 등 위험을 줄이기 위한 대책도 함께 보여줘요.

신입사원이나 비숙련자는 무엇을 확인해야 할지 안내받을 수 있고, 숙련자는 자신의 판단에서 빠진 위험요인이 없는지 교차 확인할 수 있습니다. AI가 안전관리자의 최종 판단을 대신하는 것이 아니라, 과거 데이터와 기준을 빠르게 찾아주는 안전관리 보조자 역할을 하는 거예요.

② AI CCTV가 현장의 위험을 실시간으로 감지해요

기존 CCTV는 사고가 발생한 뒤 영상을 확인하는 수동적인 장비에 가까웠습니다. 지능형 AI CCTV는 객체인식 기술과 VLM을 활용해 영상 속 상황을 실시간으로 분석해요.

VLM은 영상에 등장하는 사람과 물체뿐 아니라 장면의 의미를 함께 파악하도록 설계된 기술입니다. 이를 이용하면 작업자가 안전모를 착용했는지, 제한구역에 사람이 들어왔는지, 화재나 침입 징후가 나타났는지 등을 자동으로 감지할 수 있어요.

AI CCTV의 흐름은 다음과 같습니다.

1. 현장 영상을 실시간으로 수집

2. 객체인식 기술과 VLM으로 위험상황 분석

3. 위험이 감지되면 담당자에게 알림

4. 담당자가 현장을 확인하고 즉각 조치

5. 감지 결과를 사고위험분석용 데이터로 축적

사람이 여러 CCTV 화면을 쉬지 않고 지켜보지 않아도 AI가 먼저 이상 장면을 선별해주는 방식이에요. 안전관리자는 모든 영상을 감시하는 대신, 실제 확인과 개입이 필요한 장면에 집중할 수 있습니다.

③ 작업·날씨·현장 데이터를 분석해 고위험 현장을 예측해요

AI 사고위험분석은 사고가 발생한 뒤 원인을 찾는 데서 한 단계 더 나아갑니다. 여러 현장의 데이터를 분석해 사고 가능성이 상대적으로 높은 작업과 현장을 미리 찾아내는 것이 목표예요.

분석에는 다음과 같은 정보가 활용됩니다.

• 작업자의 연령

• 작업 공종과 작업 내용

• 기온과 날씨계수

• AI 위험성평가에서 도출한 위험요인

• AI CCTV가 수집한 실시간 현장 데이터

• 과거 사고와 불안전 행동 데이터

AI는 이 정보들 사이의 연관성을 분석해 사고에 큰 영향을 주는 요인을 찾습니다. 그 결과를 바탕으로 고위험 작업현장을 선별하고, 현장별 맞춤형 안전대책을 제시해요.

예를 들어 특정 작업이 고온이나 강풍 조건에서 사고 가능성이 높아지는 경향이 확인된다면, 해당 조건이 예상되는 현장에 안전관리 인력을 우선 배치하거나 작업 일정을 조정할 수 있습니다. 제한된 인력과 장비를 위험도가 높은 곳부터 투입하는 핀셋 안전관리가 가능해지는 거예요.

④ 세 시스템의 데이터를 연결해 안전관리의 선순환을 만들어요

세 기능은 각각 따로 작동하지 않습니다.

• AI 위험성평가가 찾아낸 위험요인 → AI CCTV의 중점 감시 대상으로 설정

• AI CCTV가 감지한 불안전 행동과 위험상황 → 사고위험분석 데이터로 축적

• 사고위험분석이 계산한 작업별 위험도 → 위험성평가 데이터베이스에 반영

예를 들어 AI 위험성평가가 “중량물 아래 작업자 접근”을 주요 위험으로 판단하면, AI CCTV는 해당 행동을 우선 감시할 수 있어요. 현장에서 실제로 감지된 사례는 다시 데이터로 쌓이고, 사고위험분석 모델은 어떤 조건에서 위험행동이 자주 발생하는지 분석합니다. 이렇게 도출된 결과는 다음 작업의 위험성평가를 더 정교하게 만드는 데 사용돼요.

문서 작성, 현장 감시, 사후 분석으로 분리돼 있던 안전업무가 하나의 데이터 흐름으로 연결되는 것입니다.

⑤ 보안과 현장 환경을 고려해 자체 분석 기반을 마련해요

산업현장의 CCTV 영상과 안전정보에는 보안상 외부로 전송하기 어려운 내용이 포함될 수 있습니다. 네트워크 환경이 불안정한 현장에서는 클라우드에만 의존하는 방식도 한계가 있어요.

한국가스공사는 엣지 CCTV와 자체 AI 분석 서버를 활용해 기능을 고도화하는 방안을 제시했습니다. 카메라 또는 현장과 가까운 장비에서 데이터를 우선 처리하면 영상 전체를 외부로 보내지 않고도 위험상황을 빠르게 감지할 수 있어요.

기술의 수행 가능성은 산학협력 연구와 알고리즘 설계를 통해 검증하고, 사고예측 모델의 정밀도는 안전보건공단과의 업무 교류를 통해 높이는 방향입니다. 현장 적용에서는 모델 성능만큼 보안, 처리 속도, 운영 가능성을 함께 고려해야 하기 때문이에요.

Benefit – 4시간 걸리던 위험성평가를 5분 이내로 줄였어요

자료에서 가장 뚜렷하게 확인되는 성과는 위험성평가 작성 시간 단축입니다. 기존에는 평가서를 작성하는 데 약 4시간이 걸렸지만, AI 시범모델을 활용하면 5분 이내에 위험요인과 감소대책 초안을 만들 수 있었어요. 시간으로 환산하면 약 98% 단축된 수준입니다.

AI CCTV도 기본 위험탐지 기능에서 구체적인 검증 결과를 제시했습니다. 화재와 침입 감지는 검증 환경에서 정확도 100%, 안전모 미착용 감지는 95%를 달성했어요. 현재 기본 위험탐지 기능은 전 건설현장에서 상시 운영되고 있으며, 설비지역 공급관리소 25개소에도 도입됐습니다.

다만 이 수치는 자료에서 수행한 검증 조건에 따른 결과예요. 실제 현장에서는 조명, 카메라 각도, 작업자 가림, 날씨 등 환경에 따라 성능이 달라질 수 있으므로 지속적인 모니터링과 재학습이 필요합니다.

주요 성과와 추진 현황

정성적 효과

• 비숙련자도 과거 사고와 안전 기준을 참고한 위험성평가 초안을 빠르게 작성

• 숙련자는 반복적인 문서 작성 시간을 줄이고 현장 확인에 집중

• AI CCTV가 위험장면을 선별해 다수 현장의 감시 공백을 보완

• 사고 가능성이 높은 현장부터 인력과 장비를 배치해 자원 활용 효율 향상

• 개인의 지식과 경험에 따라 달라지던 안전관리 품질의 격차 완화

• 사고 이후의 원인 분석에서 사고 이전의 선제적 예방으로 관리 방식 전환

자료에는 전체 산업재해 감소율이나 사고 건수 변화, 투자 대비 비용절감액은 제시돼 있지 않습니다. 따라서 현재 확인할 수 있는 직접적인 성과는 위험성평가 시간 단축과 AI CCTV의 기능별 정확도, 운영 범위이며, 실제 사고 감소 효과는 시스템 확대 이후 장기적으로 확인할 필요가 있어요.

확장 가능성 – 한국가스공사에서 협력업체와 국가 안전관리로

한국가스공사는 2025년 시스템 기반 구축과 시범 운영을 시작으로 단계적인 확대 계획을 제시했습니다.

• 2025년: 시스템 도입과 시범 운영

• 2026~2027년: 성능 검증, 시스템 고도화, 운영현장 확대

• 2028년: 위험성평가·AI CCTV·사고위험분석을 연결한 통합 예방 생태계 완성

• 2029년: 공공·민간 대상 오픈소스 제공 추진

현재 AI CCTV는 화재, 침입, 안전모 미착용 등 비교적 명확한 위험을 감지하는 데 초점이 맞춰져 있습니다. 앞으로는 한국가스공사 현장에 특화된 주요 위험행동을 추가로 개발할 계획이에요. 설비 작업, 중량물 취급, 제한구역 출입 등 실제 현장의 세부 상황을 인식할 수 있게 되면 감지 가능한 위험의 범위도 넓어질 수 있습니다.

사고위험분석도 아직 완성 단계는 아닙니다. 2025년 12월부터 위험 유형을 군집화하고 지역별로 확인하는 사전예측 대시보드를 운영하고 있지만, 연령·작업공종·날씨 등 주요 영향인자를 규명하고 예측 알고리즘과 가중치를 적용하는 작업은 진행 중이에요.

장기적으로 시스템을 오픈소스로 제공하면 한국가스공사 내부뿐 아니라 협력업체와 다른 공공·민간 현장에서도 활용할 수 있습니다. 안전관리 인력과 기술이 부족한 중소 협력업체가 위험성평가와 현장 감시 기능을 활용한다면 기업 규모에 따른 산업안전 격차를 줄이는 데도 도움이 될 수 있어요.

다만 조직마다 작업환경과 위험요인이 다르기 때문에 시스템을 그대로 복제하는 것만으로 같은 성과가 보장되지는 않습니다. 각 현장의 데이터와 작업 기준을 반영하고, 실제 안전관리자가 결과를 검증하며, 오탐과 미탐을 지속적으로 관리해야 합니다.

마무리 – AI는 안전관리자를 대신하는 것이 아니라, 놓칠 수 있는 위험을 먼저 알려줘요

한국가스공사의 사례는 산업안전에서 AI가 어떻게 활용될 수 있는지를 작업 전·중·후의 흐름으로 보여줍니다.

작업 전에는 LLM이 과거 사고와 법령, 날씨, 작업 정보를 분석해 위험요인과 감소대책을 제시합니다. 작업 중에는 AI CCTV가 사람이 계속 지켜보기 어려운 현장을 실시간으로 감시해요. 작업 후에는 축적된 데이터를 바탕으로 고위험 현장을 선별하고, 다음 작업의 위험성평가를 더 정교하게 만듭니다.

세 기능의 공통점은 사고가 발생한 뒤 대응하는 안전관리에서, 사고 가능성을 미리 발견하고 개입하는 안전관리로 이동한다는 것입니다.

하지만 안전처럼 결과의 책임이 큰 영역에서는 AI의 판단만으로 작업을 중단하거나 안전하다고 단정해서는 안 됩니다. AI가 제시한 위험요인과 대책을 현장 담당자가 검토하고, 실제 작업환경과 다른 부분을 수정하는 과정이 필요해요. AI의 역할은 사람의 경험을 없애는 것이 아니라, 경험만으로는 놓칠 수 있는 데이터를 함께 살펴보는 것입니다.

우리 조직의 안전관리를 점검하고 싶다면 다음 질문부터 시작해보세요.

“사고가 난 뒤에만 확인하고 있는 데이터는 무엇이며, 그 데이터를 사고 전에 활용할 수는 없을까?”

이미 쌓여 있는 위험성평가 문서, CCTV 영상, 사고 기록, 작업일정과 기상정보를 연결하는 것에서 ‘사고 예보’의 가능성이 시작될 수 있습니다.

참고 자료

• 한국가스공사, 「가스공사, AI 도입·활용 확대로 대국민 서비스 획기적 제고」

• 한국가스공사, 「안전방재기술」

• 공공데이터포털, 「한국가스공사 KOGAS 위험성평가 표준모델」