건설 업계에서 AI가 제공하는 이점

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,

"머신 러닝에는 많은 알고리즘이 포함되어 있습니다. 간단한 예로, 특정 질병에 걸릴 가능성이 있는지 여부를 알아내려는 경우, 한 가지 유형의 학습 알고리즘은 '몇 살입니까'와 같은 의사결정 트리(a tree of questions)를 통해 작동할 수 있습니다. 그런 다음 '좋아요, 운동을 하나요?' 등등. '예'라고 대답하면 한 가지를 내려가고, '아니오'라고 대답하면 다른 가지를 내려가는 식입니다. 이는 완벽하게 유효한 머신러닝 알고리즘입니다. 어렸을 때 해봤을 법한 스무고개 게임과 비슷하지만, 머신러닝에서는 이러한 질문이 자동으로 생성된다는 점이 다릅니다."

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.