건설 AI, 중공업 현장도 전환이 가능한가?

"우리 현장은 변수가 너무 많은데 AI가 되겠습니까?", "BIM도 겨우 돌리는데 AI까지 봐야 합니까?", "대형사나 하는 것 아닙니까?" 건설·플랜트·조선·중공업 기업에서 가장 자주 나오는 질문입니다. 건설 AI는 현장 전체를 자동화하는 기술이 아니라 안전·공정·품질·문서처럼 판단 기준이 반복되고 데이터가 이미 쌓인 업무부터 사람의 판단을 돕는 방식으로 들어옵니다. 이 글은 건설·중공업에서 AI를 어디에 먼저 붙이는지, 첫 과제를 어떤 순서로 고르는지, 아직 시작하지 않는 편이 나은 조건은 무엇인지를 정리합니다.

건설 AI란 무엇인가

건설 AI는 설계·시공·유지관리 과정에서 쌓인 도면, 시방서, 작업일보, 안전 기록, 공정 실적 데이터를 학습하거나 검색해 담당자의 판단 근거를 먼저 제시하는 기술입니다. 사람을 대체하는 자동 시공 설비가 아니라 사람이 확인해야 할 것을 좁혀 주는 판단 보조 계층에 가깝습니다.

건설 AI가 현장에서 어렵게 느껴지는 이유는 세 가지입니다. 프로젝트마다 조건이 달라 같은 모델을 그대로 재사용하기 어렵습니다. 데이터는 도면·엑셀·PDF·종이 서류로 흩어져 있습니다. 오판의 결과가 안전사고로 이어질 수 있어 검증 부담도 큽니다.

그럼에도 이미 적용된 업무는 분명합니다. 한국건설기술연구원이 2024년 6월 공개한 「AX 시대, 건설업계 AI 도입 수요 현황」에서 건설 종사자 107명은 AI 도입이 시급한 업무로 기획·설계 단계에서는 설계 분석·해석과 공기·공사비 산정을, 시공 단계에서는 안전관리와 공정관리를, 유지관리 단계에서는 점검진단을 꼽았습니다.

건설 AI는 어디에 먼저 적용할 수 있나

건설·중공업에서 AI를 먼저 붙이는 영역은 안전, 공정, 품질, 문서 네 가지입니다. 네 영역 모두 판단 기준이 문서로 존재하고 과거 실적 데이터가 회사 안에 이미 쌓여 있다는 공통점이 있습니다.

네 영역 중 가장 먼저 검증하기 쉬운 쪽은 품질과 문서입니다. 두 영역은 정답을 사람이 원문과 대조해 즉시 확인할 수 있어 파일럿 4~8주 안에 효과를 숫자로 보고할 수 있기 때문입니다.

안전·공정: 이미 쌓인 데이터에서 위험과 지연을 먼저 본다

안전과 공정 AI는 새 센서에서 출발하지 않습니다. 회사가 이미 보유한 과거 실적 데이터가 출발점입니다. 현대건설은 2020년 11월 국내 전 현장에 재해예측 AI를 도입하면서 과거 10년간 토목·건축·플랜트 프로젝트에서 수집한 3,900만 건 이상의 데이터를 학습에 사용했고 작업 당일 예상 재해 위험 정보를 현장 담당자에게 이메일과 문자로 전달하는 방식으로 운영한다고 밝혔습니다.

공정 예측도 같은 구조입니다. 현대건설은 공동주택 현장에서 쌓인 실적 데이터 약 70만 건을 수치와 텍스트를 결합한 신경망 모델에 학습시켜 공정을 예측하는 모델을 자체 개발했다고 설명했습니다. 두 사례 모두 로봇이나 신규 설비 투자가 아니라 이미 사내에 있던 기록을 학습 데이터로 재해석한 결과입니다.

품질·기술문서: 사내 지식을 AI가 찾게 한다

품질 AI는 흩어진 기준 문서를 담당자 대신 찾아 주는 검색 계층입니다. 포스코이앤씨는 2024년 8월 국가 표준 시방서, 사내 표준과 품질기준, 관련 법규, 사내 사례 데이터를 연계한 Quality AI System을 공개했습니다. 추천한 지식에 출처와 링크를 함께 제공해 담당자가 직접 원문을 확인할 수 있게 설계했다고 밝혔습니다. 출처 제시는 건설 품질 업무에서 선택 사항이 아니라 필수 조건입니다. 기준을 잘못 적용하면 하자와 재시공으로 이어지기 때문입니다.

문서 업무는 도입 저항이 가장 낮은 영역입니다. 현대건설은 2025년 3월 31일부터 5월 31일까지 두 달 동안 약 3,000명의 임직원이 사내 AI 비서를 12만 건이 넘는 업무에 활용했다고 공개했습니다. 활용도가 높은 부서는 플랜트사업본부 25퍼센트, 토목사업본부 14퍼센트, 주택사업본부 11퍼센트 순이었습니다. 주 용도는 문서 작성과 요약, 번역, 회의록, 자료 조사였습니다.

중공업: 설계·생산·디지털 트윈으로 확장한다

중공업에서 AI는 개별 업무 지원을 넘어 생산 체계 전체를 연결하는 방향으로 확장되고 있습니다. HD한국조선해양은 2026년 지멘스와 차세대 마린 플랫폼 도입 본계약을 체결하고 설계, 생산, 물류, 검사, 시운전까지 선박 건조 전 과정을 디지털로 연결한다고 밝혔습니다. HD현대는 AI 전담 조직인 AIX추진실을 대표이사 직속으로 확대 개편했습니다.

다만 조선소 단위의 디지털 트윈 구축은 수년 단위 투자입니다. 중견 이하 기업이 같은 범위를 첫 과제로 잡으면 검증 없이 예산만 소모할 위험이 큽니다.

기존 디지털화와 AI 전환은 무엇이 다른가

ERP·BIM·MES가 데이터를 기록하고 보여주는 시스템이라면, AI는 그 기록 위에서 무엇을 먼저 확인해야 하는지 판단 근거를 제시하는 계층입니다. 둘은 대체 관계가 아니라 상하 관계입니다.

기존 시스템을 걷어내고 AI로 교체할 필요는 없습니다. ERP·BIM·문서관리시스템의 데이터를 연결하고 판단이 필요한 업무에만 AI를 얹는 방식이 현실적입니다. 기업 전체의 AI 도입 구조는 기업 AI 도입 4단계에서, 외부 지원 범위와 진행 방식은 AX 컨설팅과 DX의 차이에서 이어서 확인할 수 있습니다.

왜 지금 건설 AI를 검토해야 하나

건설업의 AI 격차는 기술 유무가 아니라 데이터 보유 여부에서 벌어지고 있습니다. 중소기업정보진흥원 「2024년 중소기업 정보화 수준 조사」에서 매출 5억 원 이상 건설사 9만 8,878곳 가운데 유효 표본 456곳을 분석한 결과, 80.3퍼센트가 데이터를 수집조차 하지 않는 것으로 나타났습니다. 수집 후 분석·활용하지 않는 경우까지 포함하면 건설사 10곳 중 9곳은 AI를 사실상 활용하지 않는 상태입니다.

반대로 상위권 기업의 적용은 최근 2년에 집중됐습니다. 한국건설기술연구원 분석에 따르면 2020년부터 2025년까지 상위 10대 건설사의 AI 적용 사례 44건 가운데 절반 이상이 최근 2년 안에 나왔습니다. 격차가 벌어지는 구간이 지금입니다.

데이터 수집은 모델 개발보다 먼저 시작할 수 있고 비용도 낮습니다. 작업일보를 엑셀 서식으로 통일하고 하자 이력을 한 곳에 모으는 작업은 AI 도입 결정 전에도 손실이 없는 준비입니다.

첫 건설 AI 과제는 어떤 순서로 고르나

첫 과제는 가장 복잡한 현장 제어 업무가 아니라 반복되고 검증 가능한 업무에서 고릅니다. 다음 4단계를 거치면 파일럿 후보를 20건 안팎에서 2~3건으로 좁힐 수 있습니다.

1단계: 부서별로 반복 업무 후보를 10건 이상 모은다

안전·공정·품질·공무·설계 각 부서에서 주 1회 이상 반복되는 판단·조회 업무를 적어 냅니다. 부서당 10건 이상 모이지 않으면 아직 업무 정의가 덜 된 상태이므로 다음 단계로 넘어가지 않습니다.

2단계: 네 가지 질문으로 후보를 거른다

같은 판단이 반복되는가, 참고할 문서·이력·데이터가 존재하는가, 지금 사람이 정보를 찾는 데 시간이 오래 걸리는가, AI 결과를 사람이 검증할 기준이 있는가. 네 질문에 모두 예라고 답할 수 있는 후보만 남깁니다. 예를 들어 수천 건의 시방서에서 품질 기준을 찾는 업무는 네 질문을 모두 통과하지만 현장소장의 종합 판단을 대신하는 과제는 검증 기준이 없어 탈락합니다.

3단계: 남은 후보를 4기준 점수로 줄 세운다

반복 빈도, 데이터 준비도, 기대 효과, 보안·운영 리스크를 각각 1~5점으로 매겨 합산합니다. 데이터 준비도가 2점 이하인 과제는 점수가 높아도 파일럿에서 제외합니다. 데이터가 없는 상태에서 시작하면 모델이 아니라 데이터 수집에 기간 전부를 쓰게 됩니다.

4단계: 4~8주 파일럿으로 지표를 재측정한다

선정한 2~3건에 대해 착수 전 기준값을 먼저 기록하고 4~8주 뒤 같은 지표를 다시 측정합니다. 품질 기준 조회라면 조회 소요 시간과 상위 5건 적중률, 문서 초안이라면 작성 시간과 재작업률이 지표가 됩니다. 기준값 없이 시작한 파일럿은 효과를 증명하지 못해 확산 결정에서 탈락합니다.

파일럿 설계 자체를 자세히 보려면 AI 파일럿 프로젝트 설계 5단계를 참고할 수 있습니다.

건설 AI 검토가 필요한 기업 체크리스트

다음 항목 중 3개 이상 해당하면 검토를 시작할 시점이고 5개 이상이면 이미 손실이 쌓이고 있는 상태입니다.

• 품질·안전 기준 해석이 담당자마다 다릅니다

  같은 기준을 다르게 해석해 재작업이 발생한 적이 있습니다.

• 기준 문서를 찾는 데 하루 30분 이상이 듭니다

  시방서나 사내 기준 조회가 담당자의 일과를 차지합니다.

• 공정 지연을 사후에 알게 됩니다

  지연을 뒤늦게 파악하는 경우가 분기마다 반복됩니다.

• 과거 실적과 하자 이력이 3년치 이상 남아 있습니다

  예측 모델을 검토할 수 있는 최소 데이터가 확보된 상태입니다.

• 문서 작성에 주 5시간 이상이 들어갑니다

  회의록·보고서·작업일보 작성이 반복됩니다.

• 숙련자의 경험이 문서로 남지 않습니다

  퇴직·이직과 함께 판단 기준이 조직 밖으로 빠져나가고 있습니다.

건설 AI 도입 비용과 기간은 얼마나 드나

건설 AI의 비용은 사용자 수보다 데이터 연결 범위와 검증 요건이 좌우합니다. 다음은 국내 건설·중공업 기업이 첫 과제를 진행할 때 통상 걸리는 구간입니다.

전체로 보면 첫 과제 검증까지 3~5개월이 걸립니다. 가장 긴 구간은 모델 구축이 아니라 데이터 정리입니다. 문서가 종이나 개인 PC에 남아 있을수록 이 구간이 길어집니다.

건설 AI 도입이 실패하는 4가지 패턴

1. 1

   경영진 지시만 있고 사용 부서의 문제 정의가 없다

   과제가 데모로 끝나고 현업에 남지 않습니다.

2. 2

   기준값을 기록하지 않고 시작한다

   효과를 숫자로 보고하지 못해 확산 예산을 확보하지 못합니다.

3. 3

   검증 담당자를 지정하지 않는다

   품질·안전 영역에서 검증 없이 AI 답변을 그대로 쓰면 하자와 사고 위험이 오히려 커집니다.

4. 4

   첫 과제로 현장 제어나 전면 자동화를 고른다

   범위가 넓어 기간이 늘어지고 실패했을 때 원인조차 특정하기 어렵습니다.

이런 기업이라면 아직 AI 구축부터 시작하지 않는 편이 낫다

작업 기준이 현장마다 완전히 다르고 필요한 데이터가 개인 PC·메신저·종이 서류에 흩어져 있으며 무엇을 개선할지 지표조차 정해지지 않았다면 모델 개발보다 업무 표준화와 데이터 정리를 먼저 하는 편이 낫습니다.

진행 중인 현장이 1~2곳뿐이고 과거 실적 데이터가 1년치 미만인 기업도 예측 모델은 아직 이릅니다. 이 경우에는 예측이 아니라 문서 검색과 초안 작성처럼 데이터 축적 없이도 효과가 나는 영역부터 시작하는 편이 유리합니다.

AI 도입의 목적은 AI 자체가 아니라 공정 지연, 반복 문서, 품질 조회, 안전 관리처럼 측정 가능한 문제를 줄이는 것입니다.

무료 AX 진단으로 첫 과제를 확인하세요

건설 AI의 첫 질문은 어떤 모델을 쓸지가 아니라 우리 업무 가운데 무엇부터 바꾸면 4~8주 안에 효과를 숫자로 검증할 수 있는지입니다. 넥스트젠AI는 안전·공정·품질·문서·설계 영역의 실제 업무를 반복 빈도, 데이터 준비도, 기대 효과, 보안·운영 리스크 4기준으로 평가해 파일럿 후보 2~3건을 정리해 드립니다.

AX 컨설팅 진행 4단계와 비용을 먼저 보고 싶다면AX 컨설팅이란? 도입 4단계·비용 총정리AI 도입을 검토하는 회사는 대개 비슷한 자리에서 출발합니다. 임직원은 이미 ChatGPT를 켜 두고 쓰지만 그 사용이 회사 차원의 성과로 모이지는 않습니다. 부서마다 자동화 도구를 하나씩 실험하는데 보안, 데이터, 비용 기준은 정리되지 않은 채 흩어져 있습니다. 경영진은 "어디부터 손대야 ROI가 나오나"를 묻고, 실무 리더는 "이게 우리 업무에 실제로…

AI 전환 가능 여부는 회사 규모가 아니라 문제와 데이터가 얼마나 구체적인지에 달려 있습니다. 지금 보유한 데이터와 업무만으로 무엇을 시작할 수 있는지 확인하고 싶다면 무료 AX 진단을 신청해 우선순위와 실행 범위를 받아 보시기 바랍니다.