건설 업계에서 AI가 제공하는 이점
전 세계적으로 개인과 기업은 건설 관련 활동에 연간 10조 달러 이상을 지출하고 있으며, 2023년까지 4.2%의 성장세를 이어갈 것으로 예상됩니다. 이 막대한 지출의 일부는 생태계의 모든 영역에 영향을 미치는 빠르게 변화하는 기술 발전에 기반하고 있으며, 이를 통해 실현되고 있습니다. 2020년 보고서 '건설업의 넥스트 노멀: 파괴적 혁신이 세계 최대 생태계를 형성하는 방법이라는 보고서에서 McKinsey는 인공 지능(AI)을 통합한 솔루션에 대한 관심이 증가하고 있음을 확인했습니다.
건설 분야에서의 AI는 설계, 입찰 및 파이낸싱, 조달 및 시공, 운영 및 자산 관리, 비즈니스 모델 혁신과 같은 프로젝트 라이프사이클 전반에 걸쳐 가치를 창출할 수 있는 잠재력을 가지고 있습니다. 건설 업계에서 AI는 안전 문제, 노동력 부족, 비용 및 공기 지연 등 업계 전반의 가장 어려운 과제를 극복하는 데 도움이 됩니다.
시장 진입 장벽이 점차 낮아지고 AI, 머신러닝(ML) 및 분석의 발전이 가속화됨에 따라 향후 몇 년 동안 건설 업계에서 AI(및 AI에 대한 리소스 할당)가 더욱 중요한 역할을 할 것으로 예상됩니다.
이 글에서는 건설 분야에서 AI가 어떻게 사용되는지, 그리고 건설 분야에서 AI를 사용하면 얻을 수 있는 10가지 주요 이점을 알아볼 수 있습니다.
건설 분야에서의 인공 지능과 머신 러닝이란 무엇을 의미하는가?
인공 지능(AI)은 기계가 문제 해결, 패턴 인식 및 학습과 같은 인간의 인지 기능을 모방하는 경우를 설명하는 총체적인 용어입니다. 머신러닝은 AI의 하위 집합입니다. 머신 러닝은 통계 기법을 사용하여 컴퓨터 시스템에 프로그래밍 하지 않고도 데이터로부터 '학습'할 수 있는 기능을 제공하는 인공 지능의 한 분야입니다. 기계는 더 많은 데이터에 노출될수록 더 잘 이해하고 인사이트를 제공합니다.
트림블의 머신러닝 엔지니어인 밥 밴필드(Bob Banfield)는 건설 분야에서의 딥 러닝에 대해 다음과 같이 설명했습니다,
건설에 적용하면 '질문'과 알고리즘이 훨씬 더 복잡해집니다. 예를 들어, 머신 러닝 프로그램은 채점 계획의 진행 상황을 추적하고 평가하여 일정 위험을 조기에 파악할 수 있습니다. 이 알고리즘은 절토 및 성토량 측정, 기계 가동 시간 및 가동 중지 시간, 날씨 패턴, 이전 프로젝트 또는 여러 가지 입력에 대해 '질문'하여 위험 점수를 생성하고 알림이 필요한지 여부를 결정할 수 있습니다.
스마트 건설을 위한 AI 및 머신 러닝
건설 분야에서 머신 러닝과 AI의 잠재적은 무궁무진합니다. 정보 요청, 이슈 보고, 주문 변경은 업계에서 비일비재하게 일어납니다. 머신 러닝은 이러한 방대한 데이터를 면밀히 검토할 수 있는 스마트 비서와 같습니다. 그런 다음 프로젝트 관리자에게 주의가 필요한 중요한 사항을 알려줍니다. 이미 여러 애플리케이션에서 이러한 방식으로 AI를 사용하고 있습니다. 일상적인 스팸 이메일 필터링부터 고급 안전 모니터링에 이르기까지 다양한 이점을 제공합니다.
건설 분야 AI의 10가지 사례
1. 초과 비용 방지
대부분의 대형 프로젝트는 최고의 프로젝트 팀을 고용했음에도 불구하고 예산을 초과하는 경우가 많습니다. 인공 신경망은 프로젝트 규모, 계약 유형 및 프로젝트 관리자의 역량 수준과 같은 요소를 기반으로 비용 초과를 예측하기 위해 프로젝트에 사용됩니다. 예측 모델은 계획된 시작일과 종료일이 같은 과거 데이터를 사용하여 향후 프로젝트의 현실적인 타임라인을 구상합니다. AI는 직원이 원격으로 실제 교육 자료에 액세스하여 기술과 지식을 빠르게 향상할 수 있도록 지원하며, 이를 통해 새로운 인적자원을 프로젝트에 온보딩하는 데 걸리는 시간이 단축됩니다. 결과적으로 프로젝트 납기가 더 빨라집니다.
2. 제너레이티브 설계를 통한 더 나은 건물 설계를 위한 AI
빌딩 정보 모델링(BIM)은 건축, 엔지니어링 및 건설 전문가에게 건물과 인프라를 효율적으로 계획, 설계, 시공 및 관리할 수 있는 인사이트를 제공하는 3D 모델 기반 프로세스입니다. 프로젝트 건설을 계획하고 설계하기 위해서는 3D 모델에 건축, 엔지니어링, 기계, 전기, 배관(MEP) 계획과 각 팀의 활동 순서를 고려해야 합니다. 어려운 점은, 하위 팀의 서로 다른 모델이 서로 충돌하지 않도록 하는 것입니다.
업계에서는 AI 기반 제너레이티브 설계의 형태로 머신러닝을 활용하여 여러 팀에서 생성된 서로 다른 모델 간의 충돌을 식별하고 완화하여 재작업을 방지합니다. 머신 러닝 알고리즘을 사용하여 솔루션의 모든 변형을 탐색하고 설계 대안을 생성하는 소프트웨어가 있습니다. 사용자가 모델에 요구 사항을 설정하면 제너레이티브 디자인 소프트웨어가 제약 조건에 최적화된 3D 모델을 생성하고, 이상적인 모델이 나올 때까지 반복을 통해 학습합니다.
3. 리스크 완화
모든 건설 프로젝트에는 품질, 안전, 시간, 비용 리스크 등 다양한 형태의 리스크가 존재합니다. 프로젝트 규모가 클수록 여러 협력업체가 현장에서 여러 가지 작업을 동시에 진행하기 때문에 리스크가 더 커집니다. 오늘날에는 종합 건설업체가 작업 현장의 위험을 모니터링하고 우선순위를 지정하는 데 사용하는 AI 및 머신러닝 솔루션이 있어 프로젝트 팀은 제한된 시간과 리소스를 가장 큰 위험 요소에 집중할 수 있습니다. AI는 이슈의 우선순위를 자동으로 지정하는 데 사용됩니다. 협력업체는 위험 점수에 따라 평가되므로 건설 관리자는 고위험 팀과 긴밀히 협력하여 리스크를 완화할 수 있습니다.
4. 프로젝트 계획
한 건설 인텔리전스 회사는 로봇과 인공지능이 공기가 지연되거나 예산을 초과하는 건설 프로젝트를 해결할 열쇠를 쥐고 있다는 약속을 내걸고 2017년에 출범했습니다. 이 회사는 로봇을 사용하여 건설 현장의 3D 스캔을 자율적으로 캡처한 다음 해당 데이터를 심층 신경망에 입력하여 여러 하위 프로젝트가 얼마나 진행되었는지 분류합니다. 작업이 계획에서 벗어난 것처럼 보이면 관리 팀이 개입하여 큰 문제가 되기 전에 작은 문제를 처리할 수 있습니다. 미래의 알고리즘은 "강화 학습"이라는 AI 기술을 사용할 것입니다. 이 기법을 통해 알고리즘은 시행착오를 기반으로 학습할 수 있습니다. 유사한 프로젝트를 기반으로 무한한 조합과 대안을 평가할 수 있습니다. 최적의 경로를 최적화하고 시간이 지남에 따라 스스로 수정하므로 프로젝트 계획에 도움이 됩니다.
5. 작업 현장의 생산성을 높이는 AI
콘크리트 타설, 벽돌 쌓기, 용접, 철거 등 반복적인 작업을 사람보다 더 효율적으로 수행하기 위해 자율 주행 건설 기계를 제공하는 회사들이 생겨나고 있습니다. 굴착 및 준비 작업은 자율 또는 반자율주행 불도저가 수행하며, 인간 프로그래머의 도움을 받아 정확한 사양에 따라 작업 현장을 준비할 수 있습니다. 따라서 사람이 직접 건설 작업에 투입할 수 있는 시간을 확보하고 프로젝트 완료에 필요한 전체 시간을 단축할 수 있습니다. 또한 프로젝트 관리자는 작업 현장의 작업을 실시간으로 추적할 수 있습니다. 프로젝트 관리자는 안면 인식, 현장 카메라 및 이와 유사한 기술을 사용하여 작업자의 생산성과 절차 준수 여부를 평가합니다.
6. 건설 안전을 위한 AI
건설 노동자는 다른 노동자에 비해 작업 중 사망하는 빈도가 5배나 높습니다. 미국 직업안전보건국(OSHA)에 따르면 건설업에서 민간 부문 사망자(고속도로 충돌 제외)의 주요 원인은 추락이 가장 많았고, 물체에 부딪힘, 감전, 끼임/사이 끼임이 그 뒤를 이었습니다. 보스턴에 본사를 둔 한 건설 기술 회사는 작업 현장의 사진을 분석하여 작업자가 보호 장비를 착용하지 않는 등의 안전 위험 요소를 스캔하고 이미지를 사고 기록과 연관시키는 알고리즘을 개발했습니다. 이 회사는 잠재적으로 프로젝트의 위험 등급을 계산하여 높은 위협이 감지되면 안전 브리핑을 개최할 수 있다고 말합니다. 심지어 2020년부터는 코로나19 규정 준수에 따라 미국 각 주의 안전 점수를 매기고 공개하기 시작했습니다.
7. AI는 노동력 부족 문제를 해결할 것이다
노동력 부족과 업계의 낮은 생산성을 높이려는 열망은 건설 회사들이 AI와 데이터 사이언스 분야에 투자하도록 유도하고 있습니다. 2017년 맥킨지 보고서에 따르면 건설 기업은 실시간 데이터 분석을 통해 생산성을 최대 50%까지 높일 수 있다고 합니다. 건설 회사들은 AI와 머신러닝을 사용하여 작업 전반에 걸쳐 노동력과 기계의 배치를 더 잘 계획하기 시작했습니다.
프로젝트 관리자는 작업 진행 상황과 작업자 및 장비의 위치를 지속적으로 평가하는 로봇을 통해 일정에 맞춰 프로젝트를 완료하기에 충분한 작업자와 장비가 있는 작업 현장과 추가 인력을 배치해야 하는 현장을 즉시 파악할 수 있습니다.
스팟 더 독(Spot the Dog)과 같은 AI 기반 로봇은 매일 밤 작업 현장을 자율적으로 스캔하여 진행 상황을 모니터링할 수 있으므로 Mortenson과 같은 대형 도급업체는 숙련된 노동력이 부족한 지역에서도 더 많은 작업을 완료할 수 있습니다.
8. 오프사이트 건설
건설 회사들은 자동화 로봇이 건물의 구성 요소를 조립한 다음 현장에서 사람이 조립하는 오프사이트 공장에 점점 더 의존하고 있습니다. 벽과 같은 구조물은 자율 기계가 사람보다 더 효율적으로 조립 라인 방식으로 완성할 수 있으며, 구조물이 서로 맞물릴 때 배관, HVAC 및 전기 시스템과 같은 세부적인 작업은 사람이 마무리할 수 있습니다.
9. 건설 분야의 AI 및 빅 데이터
매일 방대한 양의 데이터가 생성되는 이 시대에 AI 시스템은 매일 학습하고 개선할 수 있는 무한한 양의 데이터에 노출됩니다. 모든 작업 현장은 AI를 위한 잠재적인 데이터 소스가 됩니다. 모바일 장치에서 캡처한 이미지, 드론 비디오, 보안 센서, 빌딩 정보 모델링(BIM) 등에서 생성된 데이터는 정보 풀이 되었습니다. 이는 건설 업계 전문가와 고객이 AI 및 머신 러닝 시스템의 도움을 받아 데이터에서 생성된 인사이트를 분석하고 활용할 수 있는 기회를 제공합니다.
10. 건설 이후를 위한 AI
건물 관리자는 건설이 완료된 후에도 AI를 사용할 수 있습니다. 센서, 드론 및 기타 무선 기술을 통해 구조물에 대한 정보를 수집함으로써 고급 분석 및 AI 기반 알고리즘은 건물, 교량, 도로 및 건축 환경의 거의 모든 것에 대한 운영 및 성능에 대한 귀중한 인사이트를 얻을 수 있습니다. 즉, AI를 사용하여 문제 발생을 모니터링하고 사전 유지보수가 필요한 시기를 결정하거나 최적의 보안과 안전을 위해 사람의 행동을 지시할 수 있습니다.
건설 업계에서 AI의 미래
로봇 공학, AI, 사물 인터넷을 활용하면 건축 비용을 최대 20%까지 절감할 수 있습니다. 엔지니어는 VR 고글을 착용하고 미니 로봇을 건설 중인 건물에 보낼 수 있습니다. 이 로봇은 카메라를 사용하여 작업 진행 상황을 추적합니다. AI는 현대식 건물의 전기 및 배관 시스템 경로를 계획하는 데 사용되고 있습니다. 기업들은 작업장 안전 시스템을 개발하는 데 AI를 활용하고 있습니다. AI는 현장에서 작업자, 기계 및 물체의 실시간 상호 작용을 추적하고 잠재적인 안전 문제, 시공 오류 및 생산성 문제를 감독자에게 경고하는 데 사용되고 있습니다.
대규모 일자리 손실에 대한 예측에도 불구하고 AI가 인간 인력을 대체할 가능성은 낮습니다. 대신 건설 업계의 비즈니스 모델을 바꾸고, 비용이 많이 드는 오류를 줄이고, 작업장 부상을 줄이고, 건물 운영을 더 효율적으로 만들 것입니다.
건설 기업의 리더는 AI가 회사의 고유한 요구사항에 가장 큰 영향을 미칠 수 있는 분야를 기준으로 투자 우선순위를 정해야 합니다. 얼리 무버(Early movers)는 업계의 방향을 설정하고 장단기적으로 이익을 얻을 수 있습니다.